„Preis pro Million Tokens“ sieht nach einer vergleichbaren Größe aus. Ganz so einfach ist es nicht. Anbieter unterscheiden sich darin, welche Modelle sie hosten, was gecachter Input kostet, ob Batch-Jobs rabattiert werden, ob man GPUs mieten kann und welche Gebühren obendrauf kommen. Dieser Beitrag vergleicht, wie sechs Anbieter von Open-Weight-Modellen ihre Preise gestalten, und stellt dann ihre veröffentlichten Preise für dieselben Modelle nebeneinander. Alle Zahlen der Wettbewerber stammen von den offiziellen Seiten der Anbieter, geprüft am 2026-11-14; die Links stehen in den Quellen. Preise ändern sich häufig. Prüfen Sie sie deshalb erneut, bevor Sie sich festlegen.
Auf welche fünf Arten werden offene Modelle abgerechnet?
- Pro Token, serverless. Getrennte Preise pro 1 Mio. Input- und Output-Tokens. Alle Anbieter in dieser Liste bieten das an.
- Gecachter Input. Ein niedrigerer Preis für wiederholte Prompt-Präfixe. Die Rabatte reichen vom halben Preis bis zu wenigen Prozent des Input-Preises. Gecachte Tokens erklärt.
- Batch. Niedrigere Preise für Jobs, die Stunden warten können.
- Dedizierte GPUs. Sie mieten Hardware pro Stunde und betreiben das Modell selbst oder über den Stack des Anbieters. Self-Hosting vs. API: der Break-even, oder rechnen Sie mit Ihren eigenen Zahlen im Rechner Self-Hosting vs. API.
- Flatrate-Pläne. Ein Festpreis für einen Zeitraum, ohne Token-Zähler. Siehe LLM-Flatrate-Plan.
Wie rechnet jeder Anbieter offene Modelle ab?
| Anbieter | Modell | Pro Token | Gecachter Input | Batch | Dedizierte GPUs | Flatrate |
|---|---|---|---|---|---|---|
| OpenRouter | Router über viele Anbieter | Preis des Anbieters, „kein Aufschlag“ | Je nach Anbieter | Je nach Anbieter | Nein | Nein |
| Together AI | Eigenes Serverless + dediziert | Ja | Für einige Modelle angegeben | 50 % Rabatt auf ausgewählte Modelle (bei der Prüfung nur Whisper Large v3) | H100 ab 5,49 USD pro GPU-Stunde | Nein |
| Fireworks AI | Eigenes Serverless + On-Demand | Ja, ab 0,05 USD pro 1 Mio. Input | Standardmäßig 50 % Rabatt, bei einigen Modellen mehr | 50 % Rabatt | H100 8,00 USD pro Stunde | Nein |
| Groq | Eigene Hardware | Ja, wenige Modelle | 50 % Rabatt, bei GPT-OSS-Modellen | 50 % Rabatt | Nicht angegeben | Nein |
| DeepInfra | Eigenes Serverless + dediziert | Ja, einige Modelle nach Ausführungszeit abgerechnet | Für viele Modelle angegeben | Auf der Preisseite nicht angegeben | H100 2,90 USD pro GPU-Stunde | Nein |
| BroadNet Inference | Kurze Modellliste; bei Partnern gehostete Modelle mit Inferenzpartnern in den USA | Ja | Für drei von vier Chat-Modellen angegeben | Nicht angeboten | Nein | Ja, DeepSeek V4.1 Flash |
Hinweise von den Seiten der Anbieter:
- OpenRouter schreibt „there is no markup on inference pricing“ (Übersetzung: Auf die Inferenzpreise gibt es keinen Aufschlag). Beim Kauf von Guthaben fällt eine Gebühr an: 5,5 % im Standard-Plan (mindestens 0,80 USD, laut FAQ) und 8 % im Business-Plan, oder 5 % bei Krypto. Kostenlose Modellvarianten sind auf 20 Anfragen pro Minute und 50 pro Tag begrenzt, oder 1.000 pro Tag nach dem Kauf von Guthaben im Wert von mindestens 10 USD. OpenRouter ist ein Router, ein Modell kann dort also viele Preise haben. OpenRouter vs. ein Flatrate-Anbieter.
- Together AI nennt für eine dedizierte H100 on demand 5,49 USD pro GPU-Stunde. Laut Batch-Dokumentation laufen ausgewählte Serverless-Modelle mit 50 % Rabatt und einem festen Fertigstellungsfenster von 24 Stunden, doch die Tabelle der rabattierten Modelle enthielt bei unserer Prüfung nur
openai/whisper-large-v3. Andere Modelle laufen zum Standardpreis. - Fireworks hat die Modi Standard, Priority, Fast, Batch (50 % Rabatt) und Spot (30 % Rabatt bei ausgewählten Modellen). Gecachter Input kostet höchstens die Hälfte, ohne Schreibgebühr.
- Groq nennt Preise pro Token für eine kleine Auswahl an Produktionsmodellen, etwa
openai/gpt-oss-120bmit 0,15 USD Input und 0,60 USD Output pro 1 Mio., und rechnet Whisper Speech-to-Text pro Stunde ab. Gecachter Input kostet bei den GPT-OSS-Modellen die Hälfte, und Batch-Jobs laufen mit 50 % Rabatt innerhalb von 24 Stunden bis 7 Tagen. - DeepInfra zeigt bei vielen Modellen einen rabattierten Preis neben dem Listenpreis, zum Beispiel 51 % Rabatt auf DeepSeek-V4.1-Flash-1017 und 38 % auf GLM-5.3. Wann diese Rabatte enden, steht nicht auf der Seite. Außerdem gibt es die Stufen Standard, Priority (1,5×) und Flex (0,8×).
Was kostet dasselbe Modell bei jedem Anbieter?
Veröffentlichte Preise pro 1 Mio. Tokens für Modelle, die auch BroadNet anbietet. „—“ bedeutet, dass das Modell nicht auf der Preisseite des Anbieters stand.
DeepSeek V4.1 Flash (Input / gecacht / Output):
| Anbieter | Input | Gecacht | Output |
|---|---|---|---|
| Together AI | 0,30 USD | 0,006 USD | 1,20 USD |
| Fireworks AI | 0,30 USD | 0,006 USD | 1,20 USD |
| DeepInfra, Listenpreis | 0,20 USD | 0,006 USD | 0,60 USD |
| DeepInfra, rabattiert (30 % Rabatt) | 0,14 USD | 0,0042 USD | 0,42 USD |
| DeepInfra, DeepSeek-V4.1-Flash-1017, rabattiert (51 % Rabatt) | 0,098 USD | 0,0029 USD | 0,294 USD |
| Groq | — | — | — |
| BroadNet Inference | $0.175 | $0.0055 | $0.52 |
Die datierte Variante -1017 bei DeepInfra ist dasselbe Release, das die DeepSeek-API selbst als deepseek-flash ausliefert; prüfen Sie, welche Ihr Code aufruft. Bei OpenRouter hatte das Modell zum Zeitpunkt unserer Prüfung 37 Endpoints von 28 Anbietern, von etwa 0,05 USD (Baidu) bis 3 USD (schnellste Stufe von Venice) pro 1 Mio. Input-Tokens. Unsere Preistabelle für DeepSeek V4.1 Flash führt jeden Anbieter auf, der einen eigenen Preis für das Modell veröffentlicht, mit Quellseite und Prüfdatum in jeder Zeile. Wie weit die Preise für dasselbe Modell im gesamten Markt auseinanderliegen, messen wir in unserem LLM-API-Preisindex. Wie diese Preise offener Modelle bei derselben Last im Vergleich zu GPT, Claude und Gemini abschneiden, lesen Sie unter API-Kosten: Open-Weight- vs. geschlossene Modelle.
GLM 5.3 (der eigene Preis jedes Anbieters: Preistabelle für GLM 5.3):
| Anbieter | Input | Gecacht | Output |
|---|---|---|---|
| Together AI | 1,40 USD | 0,26 USD | 4,40 USD |
| Fireworks AI | 1,40 USD | 0,26 USD | 4,40 USD |
| DeepInfra, Listenpreis | 0,90 USD | 0,20 USD | 4,00 USD |
| DeepInfra, rabattiert (38 % Rabatt) | 0,5625 USD | 0,125 USD | 2,50 USD |
| BroadNet Inference | $0.78 | $0.173 | $3.46 |
Qwen3.8 27B (der eigene Preis jedes Anbieters: Preistabelle für Qwen3.8 27B):
| Anbieter | Input | Gecacht | Output |
|---|---|---|---|
| DeepInfra, Listenpreis | 0,20 USD | 0,05 USD | 2,50 USD |
| DeepInfra, rabattiert (25 % Rabatt) | 0,15 USD | 0,0375 USD | 1,875 USD |
| Groq (Preview, nur zur Evaluierung) | 0,80 USD | — | 4,00 USD |
| BroadNet Inference | $0.175 | $0.0435 | $2.17 |
Gemma 4 26B A4B (der Build von BroadNet ist Gemma 4 VL 26B):
| Anbieter | Input | Output |
|---|---|---|
| DeepInfra | 0,07 USD | 0,34 USD |
| BroadNet Inference | $0.10 | $0.22 |
BroadNet ist hier pro Token nicht der günstigste Anbieter. Die rabattierten Preise von DeepInfra liegen bei DeepSeek V4.1 Flash, GLM 5.3 und Qwen3.8 27B in jeder Zeile unter denen von BroadNet, bei Gemma beim Input ebenfalls (beim Output von Gemma ist BroadNet günstiger). Die DeepSeek-API halbiert außerhalb der Spitzenzeiten alle Preise; ihr Input liegt dann unter dem von BroadNet (Details). Die Listenpreise von BroadNet liegen bei DeepSeek V4.1 Flash und GLM 5.3 unter denen von Together und Fireworks. Der Preis pro Token ist nur ein Faktor. Prüfen Sie auch Kontextlänge, Datenspeicherung und Rate Limits, die diese Tabellen nicht zeigen.
Über alle 119 Modelle hinweg, die mehrere Hosts verkaufen, nicht nur diese vier, liegt der teuerste Listenpreis im Median beim 1,76-Fachen des günstigsten; siehe gleiches Modell, anderer Host. Die Preise der Hosts ändern sich außerdem häufiger als die der Modellhersteller: wie oft sich LLM-API-Preise ändern.
Und Speech-to-Text?
Groq nennt für whisper-large-v3-turbo 0,04 USD pro Stunde Audio und für whisper-large-v3 0,111 USD pro Stunde. DeepInfra nennt für Voxtral Mini 0,001 USD pro Minute. Das mehrsprachige Modell von BroadNet kostet $0.002 pro Minute ($0.12 pro Stunde), das arabische Modell $0.0042 pro Minute. Weitere Anbieter finden Sie unter Speech-to-Text-API-Preise im Vergleich. Bei Arabisch zählt die Genauigkeit für Ihre Dialekte mehr als der Preis: So wählen Sie eine Speech-to-Text-API für Arabisch.
Wie vergleichen Sie Anbieter für Ihre Last?
- Legen Sie Modell und Version fest. „DeepSeek V4.1 Flash“ und eine datierte Variante können unterschiedlich bepreist sein.
- Messen Sie Ihren Token-Mix: Input, Anteil gecachter Tokens und Output, einschließlich Reasoning. Kosten vor dem Launch schätzen.
- Rechnen Sie mit allen drei Preisen jedes Anbieters, nicht nur mit dem Input-Preis. Bei Agenten entscheidet oft der Preis für gecachten Input. Der LLM-API-Kostenrechner und der Prompt-Caching-Rechner übernehmen die Rechnung.
- Wenden Sie Batch-Rabatte nur auf Aufgaben an, die warten können.
- Rechnen Sie Gebühren hinzu: Gebühren beim Kauf von Guthaben und Multiplikatoren der Stufen.
- Prüfen Sie die Limits: Rate Limits, Parallelität und Kontextlänge können einen Anbieter unabhängig vom Preis ausschließen.
- Vergleichen Sie mit einer Flatrate, wenn ein Agent den größten Teil des Tages läuft. Die Break-even-Rechnung oder der Rechner Flatrate vs. pro Token.
Wo BroadNet Inference einzuordnen ist
BroadNet bietet eine kurze Liste von Modellen an, einige davon bei Inferenzpartnern in den USA gehostet, und veröffentlicht die Preise pro Token in einer Preisdatei. Die Preise pro Token liegen im Mittelfeld, nicht am unteren Ende: Wenn nur der Preis pro Token zählt, sind die rabattierten Angebote von DeepInfra günstiger. Was die anderen hier nicht verkaufen, ist unbegrenzter Zugang zu DeepSeek V4.1 Flash für $60 pro Session und Monat, dazu Optionen für $15 pro Woche und $1 pro Stunde. BroadNet ist kein Marktplatz und bietet weder Batch-Rabatt noch dedizierte GPUs. Weitere Stärken sind Zero Data Retention bei jeder Anfrage, Speech-to-Text für Arabisch und ein einziger OpenAI-kompatibler Schlüssel für Chat und Audio. Wenn Sie Dutzende Modellfamilien oder den niedrigsten Aktionspreis für eine stark schwankende Last brauchen, sind Sie bei einem Router oder einem größeren Host besser aufgehoben.
