Woher die Zahl kommt
Eine Modell-API verkauft Tokens, keine Schlüssel. Für die GLM-API-Schlüssel-Preise benötigst du die Input-Rate, die Output-Rate und etwaige Rabatte für zwischengespeicherte oder gebündelte Anfragen, alle angegeben pro 1M Tokens auf der offiziellen Preisliste des Anbieters. Raten und Modellnamen ändern sich, daher zitieren wir sie hier nicht. Kopiere die aktuellen Zahlen in die Tabelle unten, und der Rest dieses Artikels funktioniert für jeden Anbieter.
Ein Token ist ein Textabschnitt, etwa drei Viertel eines englischen Wortes. Andere Sprachen und Code können mehr Tokens pro Wort benötigen. Der Tokenizer des Anbieters oder das usage-Feld in Antworten gibt die genaue Anzahl an, was jeder Daumenregel überlegen ist.
Auf Preislisten siehst du auch Begriffe wie Kontextlänge, Ratenlimit und Stufe. Nur die ersten beiden Raten beeinflussen deine Rechnung. Die Kontextlänge begrenzt, wie viel du pro Anfrage senden kannst, und Ratenlimits begrenzen, wie schnell du sie senden kannst. Bei dieser API beträgt das Fenster 100.000 Token und ein vollständiger Schlüssel erlaubt 8 parallele Anfragen und 300 pro Minute.
Tokens pro Anfrage zählen
Schreibe vier Zahlen für jede Art von Anfrage auf, die deine Anwendung stellt:
- Fester Input: System-Prompt und Tool-Definitionen.
- Variabler Input: Benutzer-Nachricht, abgerufene Dokumente, Chat-Verlauf.
- Output: Die typische Antwortlänge.
- Volumen: Anfragen pro Tag.
Der Chat-Verlauf ist die übliche Überraschung. Jeder Schritt sendet alles vorherige erneut, also kostet ein Gespräch mit 10 Schritten nicht 10 Nachrichten an Input, sondern die Summe von 1 + 2 + ... + 10 Nachrichten, also 55 Nachrichteneinheiten. Kürze oder fasse den Verlauf zusammen, wenn Gespräche lang werden.
Um zu messen statt zu schätzen, protokolliere den usage-Block. Auf dieser API wird er mit jeder Antwort zurückgegeben, und beim Streaming kommt er am Ende des Streams:
from openai import OpenAI
client = OpenAI(base_url="https://api.apikeyglm.com/v1", api_key="YOUR_KEY")
stream = client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": "Write a 100-word product blurb for a lamp."}],
stream=True,
stream_options={"include_usage": True},
)
for event in stream:
if event.usage:
print("in:", event.usage.prompt_tokens, "out:", event.usage.completion_tokens)Für eine erste Schätzung nimm reale Daten. Nimm 50 echte Benutzer-Nachrichten oder Dokumente, führe sie durch und verwende den Durchschnitt und den 90. Perzentilwert der Token-Anzahlen. Der Durchschnitt gibt dir die erwartete Rechnung, der Perzentilwert zeigt, wie schlimm ein intensiver Monat aussehen kann.
Durchgerechnetes Beispiel 1: Ein Chatbot
500 Nutzer senden täglich 6 Nachrichten, also 3.000 Anfragen. Jede Anfrage hat durchschnittlich 2.000 Input-Tokens (Verlauf plus System-Prompt) und 300 Output-Tokens.
- Täglicher Input: 3.000 x 2.000 = 6M Token, also 6 x $0,15 = $0,90.
- Täglicher Output: 3.000 x 300 = 0,9M Tokens, also 0,9 x $0,50 = $0,45.
- Tägliche Summe: $1,35. Über 30 Tage: $40,50.
Durchgerechnete Beispiele 2 und 3: Batch und Retrieval
Fasse 50.000 Dokumente, jedes 1.500 Tokens lang, in 150-Token-Zusammenfassungen zusammen.
- Input: 50.000 x 1.500 = 75M Tokens, also 75 x $0,15 = $11,25.
- Output: 50.000 x 150 = 7,5M Tokens, also 7,5 x $0,50 = $3,75.
- Summe: $15,00.
Batch-Arbeit hat noch einen weiteren Hebel: Sie kann parallel laufen, aber ein vollständiger Schlüssel ist auf 8 parallele Anfragen und 300 Anfragen pro Minute begrenzt, also benötigen 50.000 Anfragen mindestens 167 Minuten bei der pro-Minute-Grenze (50.000 / 300). Plane die tatsächliche Laufzeit ebenso wie die Kosten.
Durchgerechnetes Beispiel 3: Retrieval-augmentierte Antworten
Ein Support-Assistent bearbeitet 20.000 Fragen im Monat. Jede sendet 8.000 Input-Tokens (Anweisungen plus abgerufene Passagen) und erhält eine 400-Token-Antwort.
- Input: 20.000 x 8.000 = 160M Tokens, also 160 x $0,15 = $24,00.
- Output: 20.000 x 400 = 8M Tokens, also 8 x $0,50 = $4,00.
- Summe: $28,00 im Monat.
Das Kontextfenster beträgt hier 100.000 Token, Prompt plus Antwort, also lässt 8.000 Token Kontext viel Platz. Input macht 86 Prozent dieser Rechnung aus, was typisch für Retrieval ist: Das Kürzen abgerufenen Textes ist wichtiger als das Kürzen von Antworten.
Wie die Anfragegröße den Preis verändert
Der Preis pro 1.000 Anfragen ist eine praktische Einheit, da er durch einfache Multiplikation skaliert. Hier sind vier Anfrageformen zu $0,15 und $0,50 pro 1M Tokens:
| Anfrage-Form | Input-Kosten pro 1.000 | Output-Kosten pro 1.000 | Gesamt pro 1.000 |
|---|---|---|---|
| 500 rein, 200 raus | $0,075 | $0,100 | $0,175 |
| 2.000 rein, 300 raus | $0,300 | $0,150 | $0,450 |
| 8.000 rein, 400 raus | $1,200 | $0,200 | $1,400 |
| 30.000 rein, 1.000 raus | $4,500 | $0,500 | $5,000 |
Das Muster ist klar. Kurze Chat-Anfragen sind günstig und ausgabe-lastig. Anfragen mit großem Kontext sind eingabe-lastig, und die Eingabezeile dominiert. Zu wissen, welche Art du ausführst, sagt dir, welchen Hebel du ziehen solltest: kürzere Antworten für die erste, gekürzter Kontext für die zweite.
Fehler, die Schätzungen falsch machen
- Wörter statt Tokens zu zählen. Ein 1000-Wörter-englischer Text ist etwa 1300 Token, und mehr für Code oder Nicht-Englisch-Text.
- Den Chat-Verlauf vergessen. Die Chat-Eingabe wächst mit jedem Schritt, wie oben gezeigt.
- Durchschnittswerte bei sprunghaftem Traffic verwenden. Ein Launch-Tag kann das Zehnfache eines normalen Tages sein. Plane für die Lastspitze, die du überstehen kannst.
- Wiederholungsversuche ignorieren. Füge eine Marge hinzu. Bei dieser API werden fehlgeschlagene oder abgelehnte Anfragen nicht berechnet, aber prüfe das für jeden Anbieter, den du vergleichst.
- Die Ausgabe-Obergrenze überspringen. Die Ausgabe kostet mehr pro Token. Wenn du nur ein Label oder eine kurze Zusammenfassung benötigst, fordere dies an und setze
max_tokens, wo eine harte Grenze hilft. Dies ist hier optional.
Vergleiche mit den Raten von GLM
Fülle diese Tabelle mit den aktuellen Zahlen des Anbieters und deinen eigenen Volumina aus:
| Zeile | Diese API | GLM (aktuelle Preisgestaltung prüfen) |
|---|---|---|
| Eingaberate pro 1M | $0,15 | nachschauen |
| Ausgaberate pro 1M | $0,50 | nachschauen |
| Rabatt für zwischengespeicherte Eingaben | nicht Teil der Preisübersicht | nachschauen |
| Fehlgeschlagene Anfragen werden berechnet | nein | nachschauen |
| Zahlung | Prepaid-Krypto, verfällt nie | nachschauen |
Vergleiche dann nicht nur nach dem Preis. Das Verhalten bei Ablehnungen, die Kontextlänge und ob das Modell dein Ausgabeformat einhält, beeinflussen alle, wie viele Retries du bezahlst. Diese API bietet ein Open-Weight-Modell, uncensored, das darauf abgestimmt ist, ohne Inhaltsfilter für die rechtmäßige Nutzung durch Erwachsene zu antworten. Es ist ein unabhängiger Dienst und nicht die offizielle API von Zhipu, Z.ai oder einem anderen Anbieter. Für einen Blick auf eine ähnliche Integration folgt der Kimi-apikey-Integrationsleitfaden demselben Muster.
Budgetierung und Aufladung
Addiere 20 bis 30 Prozent zu deiner Schätzung für Wiederholungen, längere Prompts und Wachstum. Der Chatbot bei 40,50 $ wird zu einem Budget von etwa 49 $ bis 53 $. Lade in ganzen Beträgen von 20 $ bis 500 $ auf; ein Top-up von 50 $ fügt +5 % hinzu und gibt 52,50 $ Guthaben, 100 $ fügen +10 % hinzu für 110,00 $, und 200 $ fügen +15 % hinzu für 230,00 $. Die Zahlung erfolgt nur per Krypto, USDT auf TRC20 oder USDC auf Base, und Guthaben verfällt nie.
Neue Nutzer können den Endpunkt mit 0,50 $ Testguthaben ausprobieren, gültig für 7 Tage. Bei 2.300 Token pro Anfrage im Chatbot-Beispiel sind das etwa 1.100 Testanfragen. Öffne die Preisseite für die vollständige Preisliste, dann hole dir einen Schlüssel und lies die Dokumentation für Limits und Header.
Lege abschließend eine Warnung fest. Jede Antwort enthält X-Balance-USD, sodass ein paar Codezeilen dich warnen können, wenn das Guthaben unter einem Betrag für einige Tage des Verbrauchs fällt. Der Kimi-apikey-Integrationsleitfaden zeigt die gleiche Art der Client-Einrichtung in einem ähnlichen Kontext.
