OpenAI API Abrechnung, erklärt mit echten Zahlen

Kurzantwort: wie die OpenAI-API-Abrechnung funktioniert

Drei Zahlen entscheiden über jede Zeile deiner Rechnung: gesendete Input-Token, generierte Output-Token, und der Satz pro Million Token des gewählten Modells. Es gibt kein Abo und keine Gebühr pro Anfrage. Multiplizieren, durch eine Million teilen, fertig. Die Falle ist, dass sich die drei Zahlen unterschiedlich verhalten. Input-Token wachsen still, während sich der Chatverlauf ansammelt, Output-Token tragen einen großen Aufschlag pro Token, und der Satz ändert sich bei jedem Modellwechsel. Der Rest dieses Guides geht die Mechanik durch, die aktuellen gpt-5.5-Sätze, drei vollständig durchgerechnete Beispiele und die Stellen, an denen Rechnungen ohne Vorwarnung springen.

• Abrechnungseinheit: Token, getrennt gemessen für Input (Prompt + Verlauf) und Output (die Antwort)
• Zahlungsmodell: vorausbezahltes Guthaben, pro Anfrage abgezogen; Anfragen scheitern bei Nullstand, außer Auto-Recharge ist aktiv
• Nutzungsstufen ändern deine Rate-Limits, nicht deine Preise
• Batch API: halber Preis für asynchrone Jobs, die bis zu 24 Stunden warten können

Vorausbezahltes Guthaben, Nutzungsstufen und die Batch API

OpenAI hat API-Konten auf vorausbezahlte Abrechnung umgestellt: Du kaufst Guthaben im Voraus, und die Nutzung baut es ab. Zwei Details erwischen Leute. Erstens läuft ungenutztes Guthaben 12 Monate nach dem Kauf ab, sodass ein Jahresbudget im Januar aufzuladen eine Spende ist, wenn dein Traffic gering ist. Zweitens beginnen deine Anfragen bei Nullstand sofort mit Fehlern, was wie ein Ausfall aussieht, wenn niemand das Abrechnungs-Dashboard betreut. Auto-Recharge behebt den harten Stopp, entfernt aber die natürliche Ausgabengrenze, also kombiniere es mit Nutzungslimits. Nutzungsstufen sind die zweite Mechanik. Konten steigen in Stufen auf, während kumulierte Ausgaben und Kontoalter wachsen, und jede Stufe erhöht deine Rate-Limits (Anfragen pro Minute und Token pro Minute). Stufen ändern nicht die Preise pro Token. Wenn du bei geringem Volumen 429-Fehler bekommst, bist du in einer niedrigen Stufe, und die Lösung ist Ausgabenverlauf oder eine Anfrage zur Rate-Limit-Erhöhung, nicht ein anderer Plan. Die Batch API ist der eine eingebaute Rabatt, den es sich zu planen lohnt: Reiche eine Datei mit Anfragen ein, akzeptiere Ergebnisse innerhalb eines 24-Stunden-Fensters, und zahle den halben Standardsatz auf Input und Output. Alles, was nicht nutzerseitig und latenzempfindlich ist (Evals, Backfills, Zusammenfassungen, Klassifizierung), gehört dort hin. Gecachter Input wird ebenfalls rabattiert, wenn deine Prompts einen langen, stabilen Präfix teilen, was es belohnt, statische Anweisungen zuerst und variablen Inhalt zuletzt zu setzen.

Exakte Nutzung aus der API-Antwort verfolgen

Du musst Token nicht nachträglich mit einer Tokenizer-Bibliothek schätzen. Jede Chat-Completion-Antwort enthält ein usage-Objekt mit den exakten Zahlen, die dir berechnet wurden. Protokolliere es bei jedem Aufruf, und deine Kostenerfassung ist verlässliche Wahrheit, keine Näherung. Ein Haken: Bei aktiviertem Streaming wird das usage-Objekt nur gesendet, wenn du es über stream_options anforderst. Wenn deine Logs Null-Token für gestreamte Anfragen zeigen, liegt es daran.

curl https://api.openai.com/v1/chat/completions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.5",
    "messages": [{"role": "user", "content": "Summarize the attached notes in one line."}],
    "max_completion_tokens": 200,
    "stream_options": {"include_usage": true}
  }'

# Die Antwort enthält die exakt berechneten Zahlen:
# "usage": {
#   "prompt_tokens": 42,
#   "completion_tokens": 118,
#   "total_tokens": 160
# }

Einen OpenAI-API-Kostenrechner in zehn Zeilen bauen

Online-Kostenrechner veralten in der Woche, in der sich ein Preis ändert. Eine zehnzeilige Funktion, gespeist vom usage-Objekt, tut das nie. Halte eine Satztabelle pro Modell, multipliziere, und protokolliere den Dollarwert neben jeder Anfrage-ID. Beachte, dass reasoning-fähige Modelle versteckte Reasoning-Token als Completion-Token abrechnen, sodass der Rechner unten korrekt bleibt, solange du completion_tokens aus der Antwort ausliest, statt sichtbaren Text selbst zu zählen.

# USD per 1M tokens: {"in": input_rate, "out": output_rate}
RATES = {
    "gpt-5.5": {"in": 4.00, "out": 24.00},
    "claude-sonnet-4-6": {"in": 2.40, "out": 12.00},
    "deepseek-v4-flash": {"in": 0.126, "out": 0.252},
}

def cost_usd(model: str, prompt_tokens: int, completion_tokens: int) -> float:
    rate = RATES[model]
    return (prompt_tokens * rate["in"] + completion_tokens * rate["out"]) / 1_000_000

usage = response.usage
print(f"{cost_usd('gpt-5.5', usage.prompt_tokens, usage.completion_tokens):.6f}")

gpt-5.5-Preistabelle und Modellvergleich

Die Sätze unten sind der APIsRouter-Katalog: APIsRouter ist ein OpenAI-kompatibles Gateway (Base-URL https://api.apisrouter.com/v1) mit Pay-as-you-go-Abrechnung ohne Abo, bei dem globale Modelle 20 Prozent unter offiziellem Listenpreis liegen und chinesische Modelle unter ihren offiziellen Sätzen. Der Checkout unter /topup braucht keine Anmeldung: zuerst zahlen, der Key kommt per E-Mail, und das erste Aufladen bringt +100 Prozent Guthaben. Prüfe vor der Budgetierung eines Direktkontos immer OpenAIs offizielle Sätze auf deren Preisseite, da sich Listenpreise ändern. Zum Vergleich führt derselbe Katalog die Modelle, gegen die Leute gpt-5.5 tatsächlich abwägen. kimi-k2.6 und mimo sind ebenfalls für chat-lastige Workloads gelistet.

Wie gpt-5.5 preislich abschneidet

Gleiche Rechnung, andere Sätze. Die Modellwahl ist der größte Hebel auf eine Token-Rechnung, und die meisten Workloads mischen Modelle, statt sich auf eines festzulegen.

Durchgerechnete Beispiele: drei Workloads von Anfang bis Ende bepreist

Alle drei Beispiele nutzen die gpt-5.5-Sätze oben ($4.00 Input, $24.00 Output pro 1M Token). Beispiel 1, ein Produktions-Chatbot: 100,000 Anfragen im Monat mit durchschnittlich 1,500 Input- und 300 Output-Token je Anfrage. Input: 150M Token zu $4.00 sind $600. Output: 30M Token zu $24.00 sind $720. Gesamt: $1,320 im Monat, und beachte, dass Output mehr als die Hälfte der Rechnung ausmacht, obwohl es nur ein Fünftel der Token sind. Beispiel 2, eine 60-Runden-Rollenspiel- oder Charakter-Chat-Session, bei der das Frontend durchschnittlich 6,000 Token Kontext pro Runde erneut sendet, mit 250-Token-Antworten. Input: 360K Token sind $1.44. Output: 15K Token sind $0.36. Gesamt: etwa $1.80 pro Session. Dieselbe Session auf deepseek-v4-flash kostet etwa fünf Cent, weshalb Nutzer langer Chat-Sessions selten Flaggschiff-Modelle für jede Runde verwenden. Beispiel 3, das Zusammenfassen von 20,000 Dokumenten mit je 2,500 Input- und 150 Output-Token. Input: 50M Token sind $200. Output: 3M Token sind $72. Gesamt: $272 als synchroner Job, oder etwa $136 über die Batch API, da hier nichts latenzempfindlich ist.

Kostenüberraschungen, die OpenAI-Rechnungen aufblähen

Nichts davon zeigt sich in einem Test pro Anfrage. Es zeigt sich im zweiten Monat, wenn Sessions lang laufen und sich das Verlaufsfenster still verdreifacht hat. Instrumentiere das usage-Objekt von Tag eins an und plotte Input-Token pro Session über die Zeit; dieses eine Diagramm fängt die meisten Punkte der obigen Liste ab.

• Erneutes Senden des Verlaufs: jede Chat-Runde sendet das gesamte Gespräch erneut, sodass die Input-Kosten pro Session ungefähr quadratisch mit der Rundenzahl wachsen, bis du kürzt
• Der Output-Aufschlag: gpt-5.5-Output kostet das 6-fache des Input-Satzes, sodass ausführliche Antworten und nicht gesetzte Längengrenzen die Rechnung dominieren
• Reasoning-Token: versteckte Chain-of-Thought wird als Completion-Token berechnet, die du im Text nie siehst
• Client-Timeouts: wenn deine Seite eine Anfrage abbricht, nachdem der Server mit der Generierung begonnen hat, werden die generierten Token trotzdem berechnet
• Vision-Inputs: Bilder werden tokenisiert, und ein einzelnes hochauflösendes Bild kann tausende Input-Token kosten
• Guthaben-Verfall: vor mehr als 12 Monaten gekauftes vorausbezahltes Guthaben ist weg, ausgegeben oder nicht

So senkst du OpenAI-API-Kosten

Routing ist der größte Hebel. Teams, die Traffic zwischen einem Flaggschiff und einem Preis-Leistungs-Modell wie deepseek-v4-flash oder glm-5 aufteilen, senken die Ausgaben in der Regel deutlich mehr als jede Prompt-Anpassung, weil das günstige Modell die volumenstarken Runden übernimmt. Speziell für Charakter-Chat- und Rollenspiel-Frontends ist das Paar deepseek-v4-pro und deepseek-v4-flash die übliche Community-Antwort in Sachen Preis-Leistung, kimi-k2.6 und mimo sind einen Test wert, und Claude-Modelle sind die Wahl, wenn ausgefeilte SFW-Prosa am wichtigsten ist. Egal welches Frontend du anbindest, halte dich an dessen Nutzungsbedingungen und Altersanforderungen. Die Abrechnungsrechnung selbst ändert sich nie: Token rein, Token raus, Satz. Bring diese drei Zahlen in deine Logs, und jede Kostenentscheidung wird zur Arithmetik statt zum Raten.

• Begrenze Output mit max_completion_tokens bei jedem Aufruf; das ist der billigste Schutz, den es gibt
• Kürze den Verlauf mit einem gleitenden Fenster, oder fasse ältere Runden zu einer kompakten Notiz zusammen, statt sie wortwörtlich erneut zu senden
• Verschiebe nicht-interaktive Arbeit zur Batch API und zahle den halben Satz
• Behalte einen langen, stabilen System-Prompt zuerst und variablen Inhalt zuletzt, damit Rabatte für gecachten Input tatsächlich greifen
• Route nach Aufgabe: Klassifizierung, Extraktion und beiläufige Chat-Runden brauchen kein Flaggschiff; behalte gpt-5.5 für die Schritte, die bei günstigeren Modellen scheitern
• Setze Guthaben-Warnungen und Limits pro Key, damit eine außer Kontrolle geratene Schleife nicht das Konto leeren kann

Häufige Fragen