Wie die Abrechnung der Anthropic API wirklich funktioniert

Kurzantwort: Wofür du eigentlich bezahlst

Anthropic berechnet die Claude API pro Token, vorausbezahlt. Du kaufst Guthaben in der Developer Console, und jede Anfrage zieht dieses Guthaben über drei Zähler ab: Input-Token (alles, was du sendest), Output-Token (alles, was das Modell generiert, einschließlich Thinking-Token) und Prompt-Cache-Traffic (Writes werden mit dem 1.25-fachen des Input-Satzes berechnet, Reads mit dem 0.1-fachen). Es gibt kein Abo für die API selbst, und ein Claude Pro- oder Max-Abo enthält kein API-Guthaben. Output ist der teure Zähler. Claude Sonnet 4.6 kostet laut Preisliste $3.00 pro Million Input-Token und $15.00 pro Million Output-Token, eine Lücke vom Faktor 5. Claude Opus 4.7 kostet $5.00 Input und $25.00 Output. Wenn deine Rechnung höher ausfällt als erwartet, prüfe zuerst das Output-Volumen und das Wachstum des Gesprächsverlaufs, bevor du irgendetwas anderes untersuchst.

Die drei Zähler: Input-, Output- und Cache-Token

Input umfasst mehr als nur die Nachricht des Nutzers. Der System-Prompt, der komplette Gesprächsverlauf, Tool-Definitionen, Tool-Ergebnisse und Bilder zählen bei jeder Anfrage, die sie enthält, als Input-Token. Output umfasst alles, was das Modell zurückschreibt, und bei reasoning-fähigen Modellen gehören dazu auch Thinking-Token, die einem Nutzer nie angezeigt werden. Prompt Caching ist der dritte Zähler, und der, den die meisten Teams ungenutzt lassen. Du markierst einen stabilen Präfix (einen langen System-Prompt, ein Dokument, eine feste Tool-Liste) mit einem cache_control-Breakpoint. Die erste Anfrage zahlt einen Write-Aufschlag vom 1.25-fachen des Input-Satzes für den standardmäßigen 5-Minuten-Cache; jede Anfrage, die den Präfix innerhalb dieses Zeitfensters wiederverwendet, liest ihn zum 0.1-fachen zurück. Ein 1-Stunden-Cache ist ebenfalls verfügbar, mit einem 2-fachen Write-Satz. Unten steht die vollständige Preistabelle für die beiden Flaggschiff-Claude-Modelle zu offiziellen Listenpreisen.

Ein durchgerechnetes Beispiel: ein Chatbot, ein Tag

Nimm einen Support-Chatbot auf Claude Sonnet 4.6 zu offiziellen Sätzen: 10,000 Anfragen pro Tag, jede mit einem 2,000-Token-System-Prompt plus 1,500 Token Verlauf und Nutzernachricht, beantwortet mit einer 500-Token-Antwort. Die Tabelle zeigt dieselbe Last mit und ohne gecachten System-Prompt. Ohne Caching kostet der Tag $180.00, etwa $5,400 im Monat. Wird der System-Prompt gecacht (unter der Annahme von rund 300 Cache-Ablaufzyklen pro Tag im 5-Minuten-Fenster), sinkt das auf etwa $128 pro Tag, rund $3,840 im Monat. Beachte, was sich nicht verändert hat: die Output-Kosten. Caching betrifft nur den Input, weshalb Disziplin beim Output wichtiger ist als jeder andere einzelne Hebel.

Warum Anthropic-Rechnungen Teams überraschen

Vier Muster erklären die meisten Gespräche der Art „warum ist die Rechnung ein Vielfaches der Schätzung". 1. Output kostet das 5-fache von Input, und Thinking zählt als Output. Schätzungen orientieren sich am Input-Satz, weil er zuerst genannt wird. Aber lange Antworten, ausführliche Formatierung und extended Thinking werden alle zum Output-Satz berechnet. Ein Modell, das 3,000 Token nachdenkt, bevor es in 500 Token antwortet, berechnet 3,500 Output-Token für das, was wie eine kurze Antwort aussieht. 2. Der Verlauf wird bei jeder Runde neu abgerechnet. Die API ist zustandslos, daher sendet jede Runde den kompletten Gesprächsverlauf erneut als Input. Ein Chat mit durchschnittlich 20 Runden kostet nicht das 20-fache einer einzelnen Runde, sondern deutlich mehr, weil Runde 20 die vorherigen 19 Runden als Input mitträgt. Die Input-Kosten wachsen ungefähr quadratisch mit der Gesprächslänge, sofern du nicht kürzt oder zusammenfasst. 3. Abos und API-Guthaben sind getrennt. Claude Pro und Max decken die Claude-Apps ab, nicht die API. Teams gehen davon aus, dass das Abo den API-Traffic abdeckt, und entdecken dann, dass die Console still und leise ein vorausbezahltes Guthaben mit aktiviertem Auto-Reload aufgebraucht hat. 4. Alles in der Anfrage ist Input, und die Zuordnung ist schwierig. Tool-Definitionen, Tool-Ergebnisse, Bilder und System-Prompts werden bei jeder Anfrage, die sie enthält, als Input berechnet. Verteilt man das über mehrere API-Keys, Umgebungen und Features ohne Logging pro Key, kann niemand sagen, welches Feature das Geld ausgegeben hat, bis die Rechnung kommt.

Anthropic vs. OpenAI im Abrechnungsvergleich

Beide Anbieter messen auf die gleiche Weise: pro Token, getrennte Input- und Output-Sätze, standardmäßig vorausbezahltes Guthaben. Die Unterschiede, die für deine Rechnung wirklich zählen, liegen bei der Cache-Mechanik und den Ausgabenkontrollen. Der praktische Unterschied ist das Caching. OpenAI wendet Prompt Caching automatisch an, ohne Write-Gebühr und mit einem Rabatt auf den gecachten Anteil. Anthropic verlangt, dass du cache_control-Breakpoints selbst setzt, berechnet einen Write-Aufschlag und zahlt ihn mit deutlich günstigeren Reads zum 0.1-fachen des Input-Satzes zurück. Bei Workloads mit langen, stabilen Prompts ist korrekt eingesetztes Anthropic-Caching der stärkere Hebel; falsch eingesetzt (ein Zeitstempel im System-Prompt, eine instabile Tool-Liste) greift es lautlos nie, und du zahlst den vollen Preis plus Write-Aufschläge.

So schätzt du deine Anthropic-API-Kosten vor dem Launch

Jede API-Antwort enthält ein usage-Objekt mit exakten input_tokens und output_tokens, plus cache_creation_input_tokens und cache_read_input_tokens, wenn Caching aktiv ist. Dieses Objekt ist die verlässliche Wahrheit. Client-seitige Tokenizer, die für andere Anbieter gebaut wurden, unterschätzen Claude-Token, also solltest du damit nicht schätzen. Das Vorgehen: sende ein paar repräsentative Anfragen, lies das usage-Objekt aus und bilde den Durchschnitt der Zählwerte. Wende dann die Formel an: Kosten = (input_tokens / 1,000,000 x Input-Satz) + (output_tokens / 1,000,000 x Output-Satz), plus die Cache-Write- und Read-Terme, wenn du cachst. Multipliziere mit dem erwarteten Tagesvolumen, und bei Produkten mit mehreren Runden solltest du Wachstumsspielraum einplanen, weil der Verlauf den Input bei jeder Runde nach oben treibt. Anthropic bietet außerdem einen count_tokens-Endpoint, wenn du Zählwerte haben willst, bevor du überhaupt etwas sendest.

curl https://api.anthropic.com/v1/messages \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-sonnet-4-6",
    "max_tokens": 1024,
    "messages": [{"role": "user", "content": "Summarize this ticket: ..."}]
  }'

# Die Antwort enthält die verlässliche Wahrheit für dein Kostenmodell:
# "usage": {"input_tokens": 2412, "output_tokens": 486,
#           "cache_read_input_tokens": 0, "cache_creation_input_tokens": 0}

Fünf Wege, um deine Anthropic-API-Rechnung zu senken

Die fünfte Taktik ist der Punkt, an dem ein Gateway seinen Platz verdient. APIsRouter ist ein OpenAI-kompatibles Gateway, das Modell, Input-Token, Output-Token und exakte Dollarkosten pro Anfrage und pro API-Key protokolliert, sodass jedes Feature oder jede Umgebung einen eigenen Key und eine eigene Zeile in der Nutzungsansicht bekommt. Es listet Claude Sonnet 4.6 zu $2.40 Input und $12.00 Output pro Million Token und Claude Opus 4.7 zu $4.00 und $20.00, 20 Prozent unter offiziellem Listenpreis, abgerechnet pay-as-you-go ohne Abo; ein erstes Aufladen unter /topup wird verdoppelt. Eine bestehende OpenAI-SDK-Integration darauf umzustellen ist eine Änderung von zwei Zeilen:

• Cache deine langen, stabilen Präfixe. Ein System-Prompt oder Dokument, das sich über Anfragen wiederholt, kostet nach dem ersten Write bei jedem Cache-Read nur ein Zehntel des Input-Satzes.
• Kürze den Verlauf und begrenze max_tokens. Fasse alte Runden zusammen oder verwirf sie, statt sie erneut zu senden, und setze max_tokens auf das, was die Aufgabe braucht, damit eine ausufernde Antwort nicht tausende zusätzliche Output-Token berechnet.
• Route nach Aufgabe, nicht nach Gewohnheit. Reserviere Opus für die Schritte, die es wirklich brauchen, und schiebe Massen-Klassifizierung, Extraktion und Entwürfe zu günstigeren Modellen wie deepseek-v4-flash oder glm-5.
• Bündle alles Asynchrone. Die Batches API verarbeitet Anfragen innerhalb von 24 Stunden zum halben Preis, ideal für Backfills, Evals und nächtliche Jobs.
• Sorge für Kostensichtbarkeit pro Key, direkt vor deinem Traffic. Die meisten Abrechnungsüberraschungen sind Zuordnungsprobleme: Niemand kann sagen, welches Feature oder welcher Kunde das Geld ausgegeben hat, bis die Rechnung eintrifft.

from openai import OpenAI

client = OpenAI(
    api_key="sk-APIsRouter-...",
    base_url="https://api.apisrouter.com/v1",
)

response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[{"role": "user", "content": "Summarize this ticket: ..."}],
)

# Token-Zählwerte kommen bei jeder Antwort zurück; die Gateway-Console
# erfasst zusätzlich die exakten Kosten dieser Anfrage unter diesem Key.
print(response.usage.prompt_tokens, response.usage.completion_tokens)

Häufige Fragen