Reasoning-Effort und Denk-Tokens: Warum Denken mehr kostet

Ihre Anfrage war eine einzige Faktenfrage. Die Antwort bestand aus drei Zeilen. Der Ausgabenzähler zeigt Tausende von Tokens an. Das ist kein Fehler: Bevor viele Modelle antworten, denken sie in einem verborgenen Notizblock, und diese Denk-Tokens werden als Ausgabe-Tokens abgerechnet. Die Einstellung Effort entscheidet, wie viel von diesem Denken stattfindet, und max_tokens muss dafür Platz lassen, sonst erhalten Sie eine abgeschnittene oder leere Antwort.

Was das Modell tut, bevor es antwortet#

Denken Sie an eine Prüfung. Sie können die Antwort sofort hinschreiben oder zuerst eine Seite Schmierblatt füllen. Schmierarbeit führt bei einem schwierigen Problem oft zu einem besseren Ergebnis, aber das Papier ist nicht kostenlos. Reasoning ist diese Schmierarbeit, und sie wird wie alles andere in Tokens gezählt.

Anthropics Dokumentation zum erweiterten Denken (geprüft am 23. Oktober 2026) besagt, dass die Denk-Tokens Teil der abgerechneten Ausgabe-Tokens sind, und die Antwort teilt Ihnen mit, wie viele: usage.output_tokens_details.thinking_tokens. Angenommen, eine Antwort kommt mit diesem Usage-Block zurück (Beispielzahlen):

"usage": {
  "input_tokens": 480,
  "output_tokens": 2150,
  "output_tokens_details": { "thinking_tokens": 1900 }
}

Ihnen werden 2.150 Ausgabe-Tokens in Rechnung gestellt. Das Denken hat 1.900 davon verbraucht, der Text, den Sie tatsächlich lesen, umfasst also 2.150 − 1.900 = 250 Tokens. Dasselbe gilt, auch wenn der Denktext nicht an Sie zurückgegeben wird: Er zählt trotzdem. Wenn Sie zuerst den Unterschied zwischen Eingabe und Ausgabe erklärt haben möchten, beginnen Sie mit Eingabe- vs. Ausgabe-Tokens.

Effort: der Regler für das Denken#

In Claudes API ist der Regler output_config.effort. Anthropics Effort-Seite (geprüft am 23. Oktober 2026) listet fünf Stufen auf: low, medium, high, xhigh, max. Drei Details sind für Einsteiger wichtig:

• Es wirkt sich auf jedes Ausgabe-Token aus, nicht nur auf das Denken: Text, Tool-Aufrufe und Denken zusammen.
• Es ist ein Verhaltenssignal, kein striktes Budget. Geringerer Effort bedeutet weniger Tokens auf Kosten eines Teils der Fähigkeiten; bei niedrigem Effort kann Claude bei einem einfachen Problem das Denken ganz überspringen.
• Der Standardwert ist medium bei Claude Opus 5.5 und Claude Haiku 5.5 und high bei den meisten anderen Modellen, die den Parameter unterstützen. Den Standardwert explizit zu setzen ist dasselbe, wie ihn wegzulassen.

Die Stufen werden pro Modell neu kalibriert, daher ist high bei einem Modell nicht dieselbe Denkmenge wie high bei einem anderen, und nicht jedes Modell akzeptiert jede Stufe. In einem veröffentlichten Video hat jemand jede Effort-Stufe von Claude Opus 5.5 mit derselben Motion-Graphics-Aufgabe laufen lassen und die Bilder verglichen. Das ist eine gute Möglichkeit zu sehen, was mehr Denken bringt. Ihre Rechnung verrät es Ihnen nicht, denn Ihre Aufgabe ist nicht deren.

Eine Anfrage für eine einfache Frage, mit heruntergedrehtem Effort:

{
  "model": "claude-opus-5-5",
  "max_tokens": 4000,
  "output_config": { "effort": "low" },
  "messages": [
    { "role": "user", "content": "What is the capital of Australia?" }
  ]
}

Die Falle der leeren Antwort: Denken zählt zu max_tokens#

So geht es schief. Sie erwarten eine Antwort aus zwei Sätzen, also setzen Sie max_tokens auf 300. Das Modell beginnt zu denken, verbraucht die 300 für seinen Notizblock, erreicht das Limit und stoppt. Sie erhalten eine leere Antwort oder einen Satz, der mitten im Wort endet, und der Stop-Grund lautet max_tokens.

Die Dokumentation ist eindeutig: max_tokens ist ein hartes Limit für die gesamte Ausgabe, Denken plus Antworttext, und Denken zählt auch dann, wenn sein Inhalt nicht zurückgegeben wird. Ab Effort high und darüber empfiehlt Anthropic, einen großen Wert zu setzen.

In der Praxis:

1. Nehmen Sie die Länge der gewünschten Antwort.
2. Fügen Sie großzügig Platz für das Denken hinzu. Ein paar Tausend Tokens sind ein vernünftiger Anfang für alles über low.
3. Prüfen Sie den Stop-Grund nach den ersten Läufen. Wenn er immer noch max_tokens lautet, erhöhen Sie das Limit. Ist die Antwort vollständig, können Sie es senken.

Der Abbruch selbst, mit finish_reason und dem Kontextfenster, wird in warum eine KI-Antwort mitten im Satz stoppt behandelt.

Was langes Reasoning mit der Rechnung macht#

Angenommen, Sie betreiben einen Support-Bot mit 2.000 Tickets pro Tag. Jedes Ticket umfasst etwa 500 Tokens Eingabe. Eine kurze, direkte Antwort umfasst etwa 400 Tokens Ausgabe. Dasselbe Ticket mit langem verborgenem Reasoning umfasst etwa 4.000 Tokens Ausgabe. Das sind Annahmen für das Beispiel; für Ihre eigenen Zahlen siehe wie viele Tokens eine Anfrage verbraucht.

Pro Tag sind das 2.000 × 500 = 1.000.000 Eingabe-Tokens und entweder 2.000 × 400 = 800.000 Ausgabe-Tokens oder 2.000 × 4.000 = 8.000.000 Ausgabe-Tokens. Der Leser des Tickets sieht in beiden Fällen dieselben zwei Zeilen. Das Einzige, was sich geändert hat, ist das Ausgabevolumen, und die Ausgabe ist die Seite, die das Reasoning aufbläht.

Die Rechnung ist bei jedem Modell gleich, das verborgenes Reasoning abrechnet: Ausgabe-Tokens × der Ausgabepreis. Für DeepSeek-V4-Flash beträgt dieser Preis $0.10 pro 1 Mio. Ausgabe-Tokens, und seine Ausgabeseite ist günstiger als OpenRouters Referenzpreis. Es antwortet außerdem mit bis zu 32.768 Tokens auf einmal bei einem 380K-Kontext, sodass ein großes max_tokens passt. Die Preise sind pro Modell fest, ohne Spitzenzeiten, und die obige Tabelle wird aus der Live-Preisliste neu berechnet. Alle Preise stehen auf der Preisseite; die DeepSeek-Seite enthält die Modelldetails.

Hier ist eine Anfrage zum Selbst-Senden. Es ist eine einfache Zusammenfassungsaufgabe, Sie brauchen also kein langes Reasoning, und das Limit lässt reichlich Platz:

curl https://api.cheaptokens.dev/v1/chat/completions \
  -H "Authorization: Bearer $CHEAPTOKENS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-ai/DeepSeek-V4-Flash-0731",
    "max_tokens": 2000,
    "messages": [
      {"role": "user", "content": "Summarize in one sentence: A token is a small piece of text that a model reads and writes, and APIs bill by the token."}
    ]
  }'

In der Antwort ist usage.completion_tokens das, wofür Sie auf der Ausgabeseite bezahlen, und finish_reason sollte stop sein. Wenn dort length steht, hat das Limit die Antwort abgeschnitten. Den Schlüssel und den ersten Aufruf erhalten Sie in den Docs.

Welcher Effort für welche Aufgabe#

• Ein Fakt, eine einzeilige Zusammenfassung, ein Label. Niedrigster Effort. Das ist der Fall vom Anfang des Artikels: Sie brauchen die Schmierarbeit nicht.
• Alltägliches Schreiben, eine kurze Erklärung, eine einfache Bearbeitung. Der Standardwert für das Modell. Ändern Sie ihn erst, nachdem Sie gesehen haben, was die Antworten kosten.
• Ein kniffliger Bug, ein mehrstufiger Plan, ein Matheproblem. high oder höher, und ein großes max_tokens. Hier ist das zusätzliche Denken der Punkt.

Wenn Sie unsicher sind, führen Sie denselben Prompt auf zwei Stufen aus, vergleichen Sie die Antworten und vergleichen Sie output_tokens. Wenn die günstigere Antwort genauso gut ist, haben Sie Ihre Stufe gefunden.

Eine alte Anfrage umstellen: der 400-Fehler#

Älterer Code steuerte das Denken mit einem Token-Budget. Bei Claude 4.7 und späteren Modellen (Opus 5.5, Sonnet 5.5, Haiku 5.5, Fable 5.1) wird diese Form mit einem 400-Fehler abgelehnt. Sie wechseln zu adaptivem Denken und stellen die Tiefe mit Effort ein:

// before: returns 400 on newer models
"thinking": { "type": "enabled", "budget_tokens": 8000 }

// after
"thinking": { "type": "adaptive" },
"output_config": { "effort": "medium" }

Noch eine Falle: Bei Opus 5.5 ist adaptives Denken immer aktiv, und thinking: { "type": "disabled" } gibt bei jeder Effort-Stufe 400 zurück. Haiku 5.5 erlaubt es, das Denken bei Effort high oder darunter zu deaktivieren. Wenn Sie bei Opus 5.5 weniger Denken möchten, senken Sie den Effort, anstatt ihn abzuschalten.

Agenten und lange Chats: eine Stufe wählen und beibehalten#

Wenn Ihr Prompt gecacht ist, macht eine Änderung des Top-Level-Efforts zwischen Anfragen die Cache-Breakpoints für diese Konversation ungültig. Wählen Sie für eine Agentenschleife oder einen langen Chat vorab eine Stufe. Einige Modelle bieten in der Beta einen Effort pro Nachricht an, der den Cache beibehält – einen Blick wert, sobald die Grundlagen sitzen. Lange Chats haben einen zweiten Kostentreiber, behandelt in warum ein langer Chat mehr kostet.

Probieren Sie es mit Ihrer eigenen Anfrage aus#

1. Senden Sie Ihren echten Prompt einmal und lesen Sie usage: wie viele Ausgabe-Tokens, und wie viele davon sind Denken.
2. Senken Sie den Effort um eine Stufe und senden Sie ihn erneut. Vergleichen Sie die Antworten und die Zählungen.
3. Setzen Sie max_tokens auf die gewünschte Antwort plus Platz für das Denken, und prüfen Sie den Stop-Grund.

Setzen Sie dann Ihre eigenen Token-Zahlen in die Live-Preistabelle auf der Preisseite ein, und Sie haben eine monatliche Schätzung.