Welches günstige Modell für deine Aufgabe? Wähle nach dem Input:Output-Verhältnis

Wähle nach der Form deiner Aufgabe, nicht nach dem Schlagzeilenpreis. Wenn die Eingabe lang und die Antwort kurz ist (Zusammenfassungen langer Berichte, Tagging über lange Eingaben), kostet DeepSeek-V4-Flash am wenigsten von den dreien. Wenn die Antwort so lang wie die Eingabe oder länger ist (kurze Chat-Turns, Umschreibungen, Code-Generierung), ist es GLM-5.3-Flash, und ein langer Chat kippt die Antwort mittendrin. MiniMax-M2.7 ist die Wahl, wenn dein eigener Test sagt, dass seine Antworten am besten zu dir passen, und von den dreien liegt es am weitesten unter OpenRouters Referenzpreis.

Nach 20 Anfragen siehst du, auf welcher Seite du stehst. Die Preise unten stammen aus der CheapTokens-Preisreferenz vom 6. November 2026, und jede Zahl in einer Tabelle oder einem Marker ist live, folgt also den aktuellen Tarifen.

Eine Anfrage hat zwei Zähler#

Jede Anfrage wird zweimal abgerechnet: einmal für die Tokens, die du sendest (Input), einmal für die Tokens, die das Modell zurückschreibt (Output). Jedes Modell setzt seinen eigenen Preis für jede Seite, und genau hier geht der Vergleich von Schlagzeilenpreisen schief (die Grundlagen stehen in Input vs output tokens: what an AI API bills you for).

DeepSeek-V4-Flash berechnet $0.015 für Input und $0.10 für Output pro 1M Tokens. GLM-5.3-Flash berechnet $0.02 und $0.04. MiniMax-M2.7 berechnet $0.05 und $0.15. Ein Modell ist auf dem Hinweg günstiger, ein anderes auf dem Rückweg, also hängt der Gewinner davon ab, wie viele Tokens in jede Richtung fließen.

Dieses Verhältnis ist die Zahl, die du kennen musst: Input-Tokens geteilt durch Output-Tokens. Ein Tagger, der ein 600-Token-Ticket liest und mit einem 10-Token-Label antwortet, liegt bei 60 zu 1 (600 ÷ 10 = 60). Ein Rewrite-Tool, das einen 400-Token-Absatz nimmt und 800 Tokens zurückgibt, liegt bei 1 zu 2 (400 ÷ 800 = 0.5).

Miss dein eigenes Verhältnis in 20 Anfragen#

Raten ist der Punkt, an dem das schiefgeht, also miss. Jede Chat-Completions-Antwort trägt ein usage-Objekt mit prompt_tokens (was du gesendet hast) und completion_tokens (was zurückkam). Das Anthropic-Messages-Format nennt sie input_tokens und output_tokens; die CheapTokens docs zeigen beide Formate.

Nimm 20–50 echte Anfragen aus deiner Aufgabe und summiere jede Seite. Summiere, mittel nicht die Verhältnisse pro Anfrage: eine winzige Antwort würde einen Durchschnitt wild verziehen.

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.cheaptokens.dev/v1",
    api_key=os.environ["CHEAPTOKENS_API_KEY"],
)

prompts = ["...", "..."]  # 20-50 real inputs from your task

tokens_in = tokens_out = 0
for text in prompts:
    r = client.chat.completions.create(
        model="deepseek-ai/DeepSeek-V4-Flash-0731",
        messages=[{"role": "user", "content": text}],
        max_tokens=2000,
    )
    tokens_in += r.usage.prompt_tokens
    tokens_out += r.usage.completion_tokens

print(f"input {tokens_in}, output {tokens_out}, ratio {tokens_in / tokens_out:.1f} : 1")

Die letzte Zeile gibt dein Verhältnis aus. Diese eine Zahl ist alles, was du in den nächsten Abschnitt mitnimmst.

Was das Verhältnis mit der Rechnung macht#

Hier sind vier gängige Formen. Die Größen sind Annahmen, gewählt, um typisch zu sein; setz die Zahlen aus deinem eigenen Lauf ein.

10.000 Tickets pro Tag taggen#

Sagen wir, ein Support-Tool taggt 10.000 Tickets pro Tag: 600 Tokens rein, ein 10-Token-Label raus. Der ganze Tag auf jedem Modell:

Lies die Tabelle. DeepSeek-V4-Flash ist hier das günstigste der drei, weil fast jedes Token, das du bezahlst, Input ist. Die OpenRouter-Spalte zeigt alle drei Modelle insgesamt unter dem Referenzpreis, Input und Output zusammengerechnet.

Lange Berichte zusammenfassen#

Ein 12.000-Token-Bericht, in eine 300-Token-Zusammenfassung gepresst, ist 40 zu 1 (12.000 ÷ 300 = 40). Eine Zusammenfassung kostet $0.00021 auf DeepSeek-V4-Flash und $0.00025 auf GLM-5.3-Flash. Gleiche Geschichte wie beim Tagging: je mehr du liest pro geschriebenem Wort, desto mehr hilft DeepSeeks Input-Preis.

Umschreibungen und Codedateien#

Jetzt dreh es um. Eine Ton-Umschreibung nimmt 400 Tokens rein und gibt 800 zurück. DeepSeek-V4-Flash: $0.000086. GLM-5.3-Flash: $0.00004. Output ist die größere Hälfte dieser Rechnung, also gewinnt das Modell mit dem niedrigsten Output-Preis, und das ist GLM-5.3-Flash.

Ein Chat, der immer weiter wächst#

Chat ist der heimtückische Fall, denn die API hat kein Gedächtnis: bei jedem Turn sendest du das ganze messages-Array erneut. Bei Turn 1 schreibt der Nutzer 300 Tokens und der Bot antwortet mit 200 (300 ÷ 200 = 1.5). Das ist GLM-Territorium: $0.000014 gegen $0.000025 auf DeepSeek-V4-Flash.

Bei Turn 30 ist der Verlauf 6.000 Tokens groß und die Antwort immer noch 200 (6.000 ÷ 200 = 30). Jetzt stehen $0.00013 auf GLM-5.3-Flash gegen $0.00011 auf DeepSeek-V4-Flash, und das günstigere Modell hat gewechselt. Derselbe Bot wechselt sein bestes Modell mitten in einer langen Unterhaltung.

Wenn die Länge einer Antwort entscheidet#

Das Verhältnis ist nicht das einzige Kriterium. Das Antwort-Limit unterscheidet sich: DeepSeek-V4-Flash schreibt bis zu 32.768 Output-Tokens in einer Antwort, GLM-5.3-Flash und MiniMax-M2.7 bis zu 8.192.

Sagen wir, du forderst ein ganzes 12.000-Token-Modul auf einmal an. Auf einem Modell mit Limit 8.192 stoppt die Antwort mitten in der Datei mit finish_reason: length (die Lösung steht in AI answer cut off? Fix finish_reason length and max_tokens). Auf DeepSeek-V4-Flash passt es. Prüfe also bei langen einzelnen Outputs zuerst das Limit und dann das Verhältnis.

Auf der Input-Seite nimmt GLM-5.3-Flash 390K Tokens Kontext und DeepSeek-V4-Flash 380K, genug für ein ganzes Dokument in Buchlänge in einer Anfrage. MiniMax-M2.7 hat 180K.

Wo MiniMax-M2.7 passt#

Das Verhältnis entscheidet zwischen den beiden Zeilen, die die Tabellen oben gewinnen. MiniMax-M2.7 wählst du aus einem anderen Grund: wie seine Antworten auf deine Aufgabe wirken. In der Kostentabelle zeigt es außerdem den größten Abstand unter der OpenRouter-Spalte, und 180K Kontext sind reichlich für Chat und die meisten Dokumente.

Keine Preistabelle kann dir etwas über Qualität sagen. Schick dieselben 20 Prompts aus dem Messschritt durch alle drei IDs (zai-org/GLM-5.3-Flash, deepseek-ai/DeepSeek-V4-Flash-0731, MiniMaxAI/MiniMax-M2.7) und lies die Antworten nebeneinander. Für einen direkten Vergleich siehe GLM vs DeepSeek vs MiniMax: which model to choose. Für ganze Agent-Sessions siehe Agent session cost: 50 steps on GLM, DeepSeek or MiniMax.

Setz deine eigenen Zahlen ein#

Gib die Tokens einer einzelnen Anfrage ein und wie viele Anfragen du pro Tag sendest. Der Rechner nutzt Live-Preise und zeigt alle drei Modelle. Die Startwerte sind ein RAG-Antwort-Bot: 3.000 Tokens abgerufener Text und Frage rein, 500 raus. Zieh den Input nach oben und sieh zu, wie die günstigste Zeile wechselt.

Wenn die Zahlen richtig aussehen, geh diese Liste durch.

Die Base-URL und die Modell-IDs stehen in den CheapTokens docs, die vollständige Live-Preisliste auf der pricing page, und jedes Modell hat seine eigene Seite: GLM, DeepSeek, MiniMax. Ein Guthaben deckt alle drei ab, also ist der Wechsel nach einer Messung eine einzeilige Änderung der Modell-ID.