Die Claude API rechnet nach Token ab; die Stufen Opus, Sonnet und Haiku unterscheiden sich in Preis und geeigneten Aufgaben. Wer nur „wie viel kostet eine Million Token“ betrachtet, wählt leicht falsch: Entscheidend für die Rechnung sind das Verhältnis von Eingabe zu Ausgabe, die Cache-Trefferquote, die Anzahl der Wiederholungen und die Fähigkeit des Modells, eine Aufgabe beim ersten Versuch zu lösen.

Dieser Artikel nennt keine festen Stückpreise, sondern eine wiederverwendbare Methode zum Kostenvergleich: wie die drei Stufen zusammenarbeiten, woraus die Rechnung besteht, warum dieselbe Aufrufmenge ein Vielfaches kosten kann, wie sich mit echten Logs budgetieren lässt und in welcher Reihenfolge Kosten gesenkt werden. Konkrete Preise richten sich nach der offiziellen Anthropic-Dokumentation und den Modellpreisen.

Hinweis: Anthropic und Claude sind Marken der jeweiligen Inhaber. Modellversionen, Kontext und Preise ändern sich; der Artikel beschreibt den üblichen Stand Oktober 2026. Vor dem Einkauf die offiziellen Seiten erneut prüfen.

1. Wie Opus, Sonnet und Haiku zusammenarbeiten

Stufe Aktuelle Beispielversion Positionierung Geeignete Aufgaben Kostenordnung
Opus Claude Opus 5.5 stärkstes Reasoning und langlaufende Aufgaben komplexer Code, Architektur-Review, mehrstufige Agenten hoch
Sonnet Claude Sonnet 5.5 Balance aus Fähigkeit und Geschwindigkeit Alltagscoding, Kundenservice, Dokumentverarbeitung mittel
Haiku Claude Haiku 5.5 niedrige Latenz, hohe Parallelität Klassifikation, Extraktion, Umschreibung, Routing niedrig

Versionen werden weiterentwickelt; Namen nicht auswendig lernen, sondern an den Modellpreisen und der offiziellen Modellliste orientieren. Ältere Projekte mit Sonnet 5 oder Haiku 4.5 sollten zuerst Lebenszyklus und Migrationsaufwand prüfen, bevor sie ein Upgrade beschließen.

Ein häufiger Fehler ist „überall Opus“. Bei komplexen Aufgaben kann Opus günstiger sein, weil ein Lauf genügt; bei einfacher Klassifikation gibt man Geld dort aus, wo es nicht nötig ist. Richtig ist eine Schichtung nach Aufgabe, nicht eine Auswahl nach Teamvorliebe.

2. Die Rechnung besteht aus fünf Teilen

Abrechnungsposten Entstehung Kostenwirkung Steuerung
Eingabe-Token System-Prompt, Historie, Tool-Definitionen, Dokumente wächst linear mit dem Kontext Retrieval, Zusammenfassung, Historie kürzen
Ausgabe-Token generierter Inhalt und Denkschritte meist höherer Preis als Eingabe max_tokens begrenzen, strukturierte Ausgabe
Cache-Schreiben erstmaliges Schreiben eines Cache-Präfixes Aufschlag beim Schreiben nur stabile, wiederverwendete Inhalte cachen
Cache-Lesen Treffer auf ein gecachtes Präfix meist deutlich unter Eingabepreis stabiles Präfix, feste Tool-Reihenfolge
Batch-Verarbeitung nicht echtzeitnahe Aufgaben üblicherweise mit Rabatt Kennzeichnung, Zusammenfassung, Offline-Analyse über Batch

Zerlegt man eine Anfrage, lautet die Kostenformel:

Kosten je Anfrage =
  nicht gecachte Eingabe-Token × Eingabepreis
+ Cache-Schreib-Token × Cache-Schreibpreis
+ Cache-Lese-Token × Cache-Lesepreis
+ Ausgabe-Token × Ausgabepreis

Erst wenn diese Formel auf die Request-Logs angewendet wird, lässt sich beantworten, „was dieses Feature im Monat wirklich kostet“. Die Gesamtrechnung in der Konsole zeigt kaum, welches Projekt oder welche Anfrageart das Geld verbraucht.

3. Warum dieselbe Million Token unterschiedlich teuer ist

Szenario Typische Token-Struktur Hauptkosten Optimierung
Kundenservice-Bot viel Eingabe, mittlere Ausgabe wiederholt übertragene Historie Zusammenfassung plus Cache
Dokumentklassifikation mittlere Eingabe, kurze Ausgabe Dokumente werden wiederholt gelesen Batch plus Haiku
Code-Agent große Eingabe und Ausgabe Tool-Ergebnisse und Denkschritte Retrieval, Effort, Cache
Langtext-Generierung kurze Eingabe, lange Ausgabe Ausgabepreis abschnittsweise Generierung plus max_tokens

Die Unterschiede stammen meist aus fünf Punkten:

  1. Verhältnis Eingabe/Ausgabe: Kundenservice und Langtext-Generierung haben völlig andere Strukturen und lassen sich nicht mit einem Mittelwert schätzen.
  2. Cache-Trefferquote: Ein fester System-Prompt und feste Tool-Definitionen lassen sich wiederverwenden; wechselnde Zeitstempel oder Zufalls-IDs machen den Cache ungültig.
  3. Anzahl der Wiederholungen: Erneutes Senden nach 429 oder 529 erhöht das Anfragevolumen; die Abrechnung von Fehlern und Wiederholungen richtet sich nach der Rechnung.
  4. Modellstufe: Der Kostenabstand zwischen Opus und Haiku ist groß; eine Fehlzuordnung vervielfacht das Budget.
  5. Kontextlänge: Wird in jeder Runde das ganze Dokument mitgesendet, akkumulieren sich die Eingabekosten über die Runden.

4. Einen reproduzierbaren Kostenvergleich durchführen

Nicht mit „Sonnet reicht gefühlt“ entscheiden, sondern mit einer Menge echter Aufgaben vergleichen:

  1. 20–50 reale Aufgaben auswählen, einfache, mittlere und schwere Fälle abdecken und Abnahmekriterien formulieren.
  2. Mit count_tokens die Eingabe-Token jeder Anfrage erfassen; Ausgabe-Token aus dem Feld usage der Antwort lesen.
  3. Dieselbe Aufgabenmenge mit Opus, Sonnet und Haiku laufen lassen und Qualitätsbewertung sowie manuelle Nacharbeit erfassen.
  4. Wiederholungen, Cache-Treffer und Batch-Rabatte in die Kosten je Aufgabe einrechnen.
  5. Mit den Kosten „je erfolgreich abgeschlossener Aufgabe“ entscheiden, nicht mit dem Listenpreis je Million Token.
import os
from anthropic import Anthropic

client = Anthropic(
    api_key=os.environ["ANTHROPIC_API_KEY"],
    base_url="https://ai.zhongshangqihang.com",  # Modellnamen nach der Preisseite
)

messages = [{"role": "user", "content": "Extrahiere diese Vertragsklausel als JSON: ..."}]

for model in ["claude-opus-5-5", "claude-sonnet-5-5", "claude-haiku-5-5"]:
    count = client.messages.count_tokens(model=model, messages=messages)
    resp = client.messages.create(
        model=model,
        max_tokens=512,
        messages=messages,
    )
    print(model, count.input_tokens, resp.usage.output_tokens)

Der Code zählt nur Token, keine Beträge. Für Beträge mit den tatsächlichen Preisen des eigenen Kontos multiplizieren; die Preise aus den Modellpreisen lesen und nicht einen Screenshot von vor Monaten verwenden.

5. Reihenfolge der Kostensenkung

  1. Zuerst Cache aktivieren: System-Prompt, Tool-Definitionen und Wissensbasis-Präfix fixieren und mit cache_read_input_tokens prüfen, ob wirklich ein Treffer erfolgt.
  2. Dann Eingabe reduzieren: RAG nur relevante Passagen zurückgeben lassen, Historie zusammenfassen und nicht die gesamte Wissensbasis in den Kontext legen.
  3. Ausgabe begrenzen: Sinnvolle max_tokens setzen, JSON oder feste Felder verlangen und Höflichkeitsfloskeln sowie Wiederholungen verringern.
  4. Offline-Aufgaben über Batch: Kennzeichnung, Zusammenfassung und Klassifikation ohne Echtzeitanforderung bevorzugt als Batch verarbeiten.
  5. Modell-Routing einführen: Einfache Aufgaben an Haiku, komplexe an Sonnet oder Opus, nach Schwierigkeit statt nach Teamgewohnheit.
  6. Effort anpassen: Bei einfachen Aufgaben geringere Denktiefe, bei komplexen mehr; nicht alle Anfragen mit derselben Stufe fahren.
  7. Monitoring und Alarme: Nutzung je Projekt betrachten, Budgetobergrenzen setzen und wöchentlich die Verbrauchsrangliste prüfen.

Die Reihenfolge nicht umdrehen. Zuerst Cache und Eingabe-Governance, dann über ein günstigeres Modell nachdenken; sonst werden falsche Antworten nur billiger produziert.

6. Budget und Rechnung verwalten

  • Ein Key je Projekt, mit Budgetobergrenze und Alarm je Projekt.
  • Monatlich nach „Projekt, Modell, Szenario“ abstimmen und die am schnellsten wachsenden Aufrufe identifizieren.
  • Einsparungen durch Cache, Batch und Modell-Routing separat erfassen, sonst lässt sich der Optimierungseffekt nicht belegen.
  • Teams mit RMB-Zahlung und Rechnungsbedarf können die Abrechnung über ein inländisches AI-Gateway bündeln; Preise, Wechselkurse und Rechnungsregeln richten sich nach den Modellpreisen.

Häufige Fragen

Ist Opus immer teurer als Sonnet?

Beim Stückpreis meist ja, bei den Kosten „je erfolgreich abgeschlossener Aufgabe“ nicht zwingend. Wenn Sonnet bei komplexen Aufgaben wiederholt wiederholt und manuell nachgearbeitet werden muss, kann ein einzelner Opus-Lauf günstiger sein. Mit dem eigenen Evaluationsset vergleichen und nicht nur den Listenpreis ansehen.

Wie viel lässt sich mit Cache sparen?

Das hängt von der Wiederverwendung des Präfixes und der Trefferquote ab. Cache-Lesen liegt meist deutlich unter dem Eingabepreis, Cache-Schreiben hat jedoch einen Aufschlag; ein zu kurzes Präfix wird möglicherweise nicht gecacht, und wechselnde Inhalte erzielen keinen Treffer.

Für welche Aufgaben eignet sich die Batch API?

Für nicht echtzeitnahe, verzögerbare Kennzeichnung, Zusammenfassung, Klassifikation und Massenextraktion, nicht für Online-Kundenservice oder sofortige Interaktion. Batch ist üblicherweise rabattiert, verlangt aber Warteschlange und verzögerte Ergebnisse.

Warum ist die Rechnung höher als geschätzt?

Häufig vergessene Posten sind Historie, Tool-Definitionen, Bilder, Wiederholungen, Cache-Schreiben und lange Ausgaben. Nur der Abgleich von Request-ID und Nutzungslog zeigt die Differenz.

Wie rechnen inländische Teams in RMB ab?

Über ein AI-Gateway mit RMB-Aufladung und Rechnungsstellung lässt sich Claude aufrufen und die Abrechnung über mehrere Modelle bündeln. Verfügbare Modelle, Preise und Rechnungsregeln richten sich nach den Modellpreisen.

Nächster Schritt

Im ZSQH AI Gateway einen Test-Key anlegen, mit Haiku und Sonnet je eine Runde echter Aufgaben laufen lassen, Token und Qualität erfassen und dann das Hauptmodell festlegen. Verfügbarkeit und Preise entnehmen Sie den Modellpreisen.

Weiterlesen: