Warum die Preisliste die Rechnung unterschlägt
Ein Reasoning-Modell wie R1 geht ein Problem Schritt für Schritt durch, bevor es die endgültige Antwort gibt. Diese Schritte sind Tokens, und Anbieter berechnen sie in der Regel zum Output-Tarif. Eine Anfrage, die eine Antwort mit 300 Tokens zurückgibt, kann also Tausende von Tokens insgesamt generieren.
Damit dieser Artikel aktuell bleibt, werden hier keine DeepSeek-Preise aufgeführt. Die Preise ändern sich, und ein veralteter Wert ist schlechter als keiner. Nimm die aktuellen Input- und Output-Raten von der offiziellen Preisseite von DeepSeek und wende die unten stehenden Formeln an. Prüfe außerdem, wie diese Seite Thinking Tokens beschreibt und ob die API sie in der Antwort zurückgibt.
Kosten pro Anfrage = (Input / 1 Mio.) x Input-Rate + ((Thinking + Antwort) / 1 Mio.) x Output-Rate
Die Unbekannte in dieser Formel ist thinking. Sie variiert je nach Frage: Einfache Prompts nutzen vielleicht ein paar hundert Token, schwierige mehrere Tausend. Miss es an deinen eigenen Prompts statt zu raten.
Der Multiplikatoreffekt, mit Zahlen
Nutze unseren eigenen Satz von $0,50 pro 1 Mio. Output-Token als neutrales Beispiel, damit die Rechnung nachprüfbar ist. Angenommen, eine Anfrage hat eine Antwort mit 300 Token.
| Thinking-Tokens | Gesamter Output | Output-Kosten bei $0,50 pro 1 Mio. | Im Vergleich zu einer direkten Antwort |
|---|---|---|---|
| 0 (direkter Chat) | 300 | $0,00015 | 1x |
| 1.000 | 1.300 | $0,00065 | 4,3x |
| 5.000 | 5.300 | $0,00265 | 17,7x |
| 10.000 | 10.300 | $0,00515 | 34,3x |
Das Verhältnis hängt nicht von der Preisliste ab. Bei jedem Anbieter ergeben 5.000 Thinking-Token plus eine Antwort mit 300 Token etwa das 17,7-fache der Ausgabe im Vergleich zu einer direkten Antwort mit 300 Token. Hochgerechnet auf einen Monat: 100.000 Anfragen mit je 5.000 Thinking-Token ergeben 530 Millionen Output-Token. Bei 0,50 $ pro 1M wären das 265 $, im Vergleich zu 15 $ für dieselben 100.000 direkten Antworten (30 Millionen Token).
Aufgaben, die Reasoning benötigen, und solche, die es nicht tun
Reasoning-Modelle rechtfertigen ihre Kosten bei Problemen mit mehreren abhängigen Schritten. Alltägliche Textarbeit hat diese Struktur meist nicht.
Oft ein Reasoning-Modell wert
- Mehrschrittige Mathematik- und Logikrätsel
- Debugging eines schwierigen Code-Stücks, bei dem die Ursache nicht offensichtlich ist
- Planungsaufgaben mit sich gegenseitig beeinflussenden Einschränkungen
Normalerweise mit einem einfachen Chat-Modell in Ordnung
- Umschreiben, Tonfalländerungen und Übersetzungs-artige Bearbeitungen
- Extrahieren in JSON aus einer Textseite
- Klassifizierung und Tagging
- Entwurf von E-Mails, Produkttexten und Beschreibungen
- Roleplay, Fiktion und Begleiter-Charaktere, bei denen Geschwindigkeit und Stimme wichtiger sind als bewusste Schritt-für-Schritt-Logik
Chat-ähnliche Aufgaben profitieren auch von geringerer Latenz, da es keine Thinking-Phase vor dem ersten sichtbaren Token gibt. Wenn deine Nutzer eine gestreamte Antwort entstehen sehen, ist das relevant.
Was diese API stattdessen bietet
Diese Seite ist eine unabhängige, OpenAI-kompatible API. Sie ist nicht die offizielle API von DeepSeek und auch kein Wiederverkäufer davon. Sie betreibt ein Open-Weight-Modell eines unabhängigen Anbieters, das darauf abgestimmt ist, bei rechtmäßiger Nutzung durch Erwachsene ohne Inhaltsfilter zu antworten, mit der Modell-ID uncensored. Hier werden keine Benchmarks veröffentlicht, also gehe nicht davon aus, dass es bei komplexen Aufgaben einem dedizierten Reasoning-Modell entspricht. Teste es mit deinen eigenen Aufgaben.
Die Preise betragen $0,15 pro 1M Input-Token und $0,50 pro 1M Output-Token, Prepaid, ohne Abonnement. Fehlgeschlagene oder verweigerte Anfragen werden nicht berechnet, und Guthaben verfällt nie. Kontextfenster: 100.000 Token, Prompt plus Completion. Es unterstützt Streaming, Function Calling und JSON-Modus. Siehe die Preisseite für Aufladungen und Boni.
Durchgerechnetes Beispiel für den Monat mit 100.000 Anfragen oben, mit direkten Chat-Antworten: Input 1.000 Tokens jeweils sind 100 Mio. Tokens x $0,15 = $15, Output 300 Tokens jeweils sind 30 Mio. x $0,50 = $15, insgesamt $30.
Zuerst günstig testen, bei Bedarf hochstufen
Eine sinnvolle Konfiguration ist, den Großteil des Traffics an ein kostengünstiges Chat-Modell zu senden und nur die Prompts hochzustufen, die eine Prüfung nicht bestehen. Der folgende Code versucht zuerst diese API und fällt auf einen zweiten Client zurück, wenn eine Validierung fehlschlägt. Trage die Base URL und den Modellnamen des zweiten Anbieters aus dessen Dokumentation ein.
import json, os
from openai import OpenAI
cheap = OpenAI(api_key=os.environ["API_KEY"],
base_url="https://api.deepseekapipricing.com/v1")
# second client: copy base URL and model name from that provider's docs
strong = OpenAI(api_key=os.environ["OTHER_KEY"], base_url=os.environ["OTHER_BASE_URL"])
def answer(question):
r = cheap.chat.completions.create(
model="uncensored",
response_format={"type": "json_object"},
messages=[{"role": "system", "content": "Reply as JSON with keys answer and confidence (0-1)."},
{"role": "user", "content": question}],
)
try:
data = json.loads(r.choices[0].message.content)
if float(data.get("confidence", 0)) >= 0.7:
return data["answer"]
except (ValueError, TypeError):
pass
r2 = strong.chat.completions.create(
model=os.environ["OTHER_MODEL"],
messages=[{"role": "user", "content": question}],
)
return r2.choices[0].message.content
Selbstberichtete Konfidenz ist ein schwaches Signal, also nutze einen besseren Test, wenn du einen hast: eine Schema-Prüfung, einen Unit-Test oder eine Längenregel. Es geht darum, nur dort für Thinking-Token zu zahlen, wo sie das Ergebnis ändern.
Schutz vor überraschenden Rechnungen
Egal welches Modell du wählst, setze Limits, bevor du einen großen Batch ausführst.
- Begrenze den Output. Setze
max_tokensbei jedem Aufruf in einer Schleife. Prüfe bei einem Reasoning-Modell, wie das Limit mit Thinking interagiert, denn ein zu niedriges Limit kann die Antwort abschneiden, nachdem du bereits für das Thinking bezahlt hast. - Teste zuerst mit 50. Multipliziere die gemessenen Kosten mit der Gesamtzahl, bevor du die anderen 99.950 startest.
- Balance beobachten. Der
X-Balance-USD-Header dieser API zeigt das verbleibende Guthaben nach jedem Aufruf an, sodass ein Skript sich selbst unterhalb eines Schwellenwerts stoppen kann. - Nutzung protokollieren. Speichere Prompt- und Completion-Token-Anzahlen pro Anfrage. Ein einzelner Prompt, der sehr lange Ausgaben auslöst, ist bei aktivierter Protokollierung leicht zu finden, aber fast unmöglich, wenn du nicht protokollierst.
Nächste Schritte
Um die Kosten auf deinen eigenen Daten zu messen, beanspruche das Testguthaben von $0,50 auf der API-Schlüssel-Seite. Es benötigt keine Karte, dauert 7 Tage und deckt über 1.500 Chat-Runden mit 800 Input- und 400 Output-Token ab ($0,00032 pro Runde). Das Ausführen eigener Prompts beantwortet die Qualitätsfrage schneller als jeder Preisvergleich.
Weiterführende Lektüre auf dieser Website: die DeepSeek V4 API-Seite, die Anleitung zur Nutzung von LangChain mit einem kompatiblen Endpunkt und die API-Dokumentation für Details zu Anfragen.

