---
title: "Kontextfenster mit 1M Tokens: Nutzen und Kosten | BroadRouter"
description: "Was in 1.048.576 Tokens passt, was es bei DeepSeek V4.1 Flash kostet, wie Reasoning und Caching die Rechnung ändern und wann RAG weiterhin die bessere Wahl ist."
url: https://broadrouter.com/de/blog/million-token-context-window-guide/
lang: de
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Mit KI-Unterstützung aus dem Englischen übersetzt. [Englisches Original lesen](https://broadrouter.com/blog/million-token-context-window-guide/) (aktualisiert am 2026-11-14).

# Wann sich ein Kontextfenster mit 1M Tokens lohnt (und wann nicht)

Vom Team von BroadNet Inference · 4 Min. Lesezeit · Veröffentlicht 2026-11-14

Ein Kontextfenster mit 1M Tokens erlaubt es, in einer Anfrage eine ganze Codebasis, ein Vertragswerk oder stundenlange Transkripte unterzubringen, sodass das Modell alles auf einmal sieht statt abgerufener Fragmente. Das lohnt sich für dateiübergreifendes Schlussfolgern und einmalige Analysen; für wiederholte Abfragen über einen großen, sich ändernden Korpus ist Retrieval günstiger. DeepSeek V4.1 Flash und GLM 5.3 akzeptieren 1.048.576 Tokens.

## Das Wichtigste in Kürze

-   DeepSeek V4.1 Flash und GLM 5.3 akzeptieren 1.048.576 Tokens pro Anfrage, Prompt und Antwort zusammen.
-   Long Context schlägt Retrieval, wenn die Antwort von Zusammenhängen über viele Dateien oder Dokumente abhängt.
-   Retrieval (RAG) gewinnt weiterhin bei vielen kleinen Abfragen über einen großen, sich ändernden Korpus.
-   Modelle nutzen lange Eingaben ungleichmäßig. Studien zeigen, dass die Genauigkeit bei Fakten in der Mitte und mit wachsender Eingabe sinkt.
-   Caching senkt die Kosten, wenn derselbe lange Prompt erneut gesendet wird; bei einem unbegrenzten Plan kosten lange Prompts nichts extra.
-   Lassen Sie im Fenster Platz für Reasoning-Tokens.

**Auf dieser Seite**

1.  Was passt in eine Million Tokens?
2.  Welche BroadNet-Modelle haben ein Kontextfenster mit 1M Tokens?
3.  Wann lohnt sich ein Fenster mit 1M Tokens?
4.  Wann ist Retrieval weiterhin die bessere Wahl?
5.  Nutzt das Modell wirklich das ganze Fenster?
6.  Was kostet ein Prompt mit einer Million Tokens?
7.  Wie viel Platz sollten Sie für die Antwort lassen?
8.  So bereiten Sie eine Codebasis für einen Prompt mit 1M Tokens vor
9.  Wo BroadNet Inference ins Bild passt

_[image: Light shining through towering cliffs made of stacked paper pages.]_

[Kontextfenster](https://broadrouter.com/de/glossary/context-window/) sind von wenigen Tausend Tokens auf über eine Million gewachsen. [DeepSeek V4.1 Flash](https://broadrouter.com/de/models/deepseek-v4.1-flash/) und [GLM 5.3](https://broadrouter.com/de/models/glm-5.3/) akzeptieren bei BroadNet Inference **1.048.576 Tokens pro Anfrage**, Prompt und Antwort zusammen. Das verändert, wie Sie bauen können, macht aber nicht jeden Prompt besser.

## Was passt in eine Million Tokens?

Als grobe Orientierung: 1.000 Wörter englischer Fließtext ergaben in unserem [Datensatz zur Tokenizer-Effizienz](https://broadrouter.com/data/tokenizer-efficiency/) etwa 1,290 [Tokens](https://broadrouter.com/de/glossary/token/), gemittelt über fünf Tokenizer. Eine Million Tokens sind also grob 810,000 Wörter einfacher Fließtext:

| Inhalt | Ungefähr |
| --- | --- |
| Eine mittelgroße Codebasis (Zehntausende Zeilen) | Passt, mit Luft |
| Mehrere lange Verträge mit Anlagen | Passt |
| Einen Tag an Meeting-Transkripten | Passt |
| Ein großes Monorepo mit Abhängigkeiten | Oft nicht; Verzeichnisse auswählen |

Die Token-Zahl hängt von Sprache und Inhalt ab. Code und arabischer Text brauchen oft mehr Tokens pro Zeichen als englischer Fließtext. Messen Sie mit dem `usage`\-Block einer echten Anfrage, statt zu schätzen, oder prüfen Sie eine Stichprobe im [Kontextfenster-Rechner](https://broadrouter.com/tools/context-window-calculator/).

## Welche BroadNet-Modelle haben ein Kontextfenster mit 1M Tokens?

| Modell | Kontextfenster | Input | Output | Bilder |
| --- | --- | --- | --- | --- |
| [DeepSeek V4.1 Flash](https://broadrouter.com/de/models/deepseek-v4.1-flash/) | 1.048.576 | $0.175 | $0.52 | Ja |
| [GLM 5.3](https://broadrouter.com/de/models/glm-5.3/) | 1.048.576 | $0.78 | $3.46 | Nein |
| [Qwen3.8 27B](https://broadrouter.com/de/models/qwen3.8-27b/) | 262.144 | $0.175 | $2.17 | Ja |
| [BroadNet Gemma 4 VL 26B](https://broadrouter.com/de/models/gemma-4-vl-26b/) | 32.768 | $0.10 | $0.22 | Ja |

Preise pro 1M Tokens. GLM 5.3 bietet auf demselben 1M-Fenster zusätzlich Tool Calling und strukturierte Ausgabe.

## Wann lohnt sich ein Fenster mit 1M Tokens?

-   **Dateiübergreifendes Schlussfolgern.** „Warum schlägt dieser Test fehl?“ hängt oft von fünf Dateien ab, die niemand gemeinsam abrufen würde.
-   **Prüfung ganzer Dokumente.** Um Widersprüche zwischen Klausel 4 und Anlage B zu finden, müssen beide im Blick sein.
-   **Einmalige Analysen.** Für eine Frage, die Sie nur einmal stellen, kostet der Aufbau eines Retrieval-Index mehr Aufwand, als er spart.
-   **Agenten.** Ein Sub-Agent, der das ganze Modul lesen kann, rät seltener falsch. Siehe [parallele Agenten betreiben](https://broadrouter.com/de/blog/run-parallel-coding-agents-flat-rate/).

## Wann ist Retrieval weiterhin die bessere Wahl?

Retrieval gewinnt bei vielen kleinen Abfragen über eine Bibliothek, die weit größer ist als jedes Fenster, bei Inhalten, die sich jede Minute ändern, und bei schnellen interaktiven Antworten, bei denen das vorherige Lesen eines riesigen Prompts Verzögerung bringt. Viele Produktivsysteme machen beides: die relevantesten 200.000 Tokens abrufen und dann ein Long-Context-Modell über alle schlussfolgern lassen. Die vollständige Entscheidung, mit Kosten pro Anfrage, Latenz und Recall im direkten Vergleich, steht in [Long Context vs. RAG](https://broadrouter.com/de/blog/long-context-vs-rag/).

## Nutzt das Modell wirklich das ganze Fenster?

Nicht gleichmäßig. Die Forschung ist sich hier einig:

-   Die Studie [Lost in the Middle](https://arxiv.org/abs/2307.03172) (Liu et al.) fand, dass die Leistung „is often highest when relevant information occurs at the beginning or end of the input context“ (Übersetzung: „oft am höchsten ist, wenn relevante Information am Anfang oder Ende des Eingabekontexts steht“).
-   Der Bericht [Context Rot](https://www.trychroma.com/research/context-rot) von Chroma testete 18 Modelle und fand, dass „performance grows increasingly unreliable as input length grows“ (Übersetzung: „die Leistung mit wachsender Eingabelänge zunehmend unzuverlässig wird“), selbst bei einfachen Aufgaben.

Diese Studien haben die Modelle bei BroadNet nicht getestet; verstehen Sie sie also als Warnung, nicht als Messung. Die praktische Regel: Ein Fenster, das eine Million Tokens akzeptiert, bedeutet nicht, dass jedes Token gleich viel Aufmerksamkeit bekommt. Stellen Sie das wichtigste Material an den Anfang oder ans Ende und testen Sie den Recall mit Ihren eigenen Dokumenten.

## Was kostet ein Prompt mit einer Million Tokens?

Mit einem [Pay-as-you-go](https://broadrouter.com/de/glossary/pay-as-you-go/)\-Schlüssel berechnet DeepSeek V4.1 Flash $0.175 pro 1M Input-Tokens und $0.0055 pro 1M [gecachte Input-Tokens](https://broadrouter.com/de/glossary/cached-input-tokens/). Ein voller Prompt mit einer Million Tokens kostet beim ersten Mal etwa $0.175 und bei wiederholten Aufrufen deutlich weniger, wenn das Präfix gecacht ist. [So erhöhen Sie Ihre Cache-Quote](https://broadrouter.com/de/blog/cached-input-tokens-explained/).

Der [Prompt-Caching-Rechner](https://broadrouter.com/tools/prompt-caching-calculator/) zeigt, wie viel ein Cache-Treffer bei Ihren eigenen Prompt-Größen spart. Ein Rechenbeispiel: zehn Fragen zum selben Vertragswerk mit 800.000 Tokens. Ohne Caching sind das 8M Tokens zu $0.175 pro 1M. Stehen die Dokumente am Anfang und bleiben identisch, liest der erste Aufruf 800.000 neue Tokens, und die nächsten neun können die meisten davon für $0.0055 pro 1M aus dem Cache lesen. Nur Frage und Antwort ändern sich.

Bei einem unbegrenzten Plan ändert die Größe des Prompts die Rechnung nicht: Full Moon kostet $60 pro Monat und Session ohne Token-Zähler. Deshalb sind Long-Context-Agenten ein häufiger Grund, einen [Pauschalplan statt Abrechnung pro Token](https://broadrouter.com/de/blog/flat-rate-vs-pay-per-token-llm-api/) zu wählen.

## Wie viel Platz sollten Sie für die Antwort lassen?

Das Fenster umfasst Prompt **und** Ausgabe, und bei Reasoning-Modellen enthält die Ausgabe das Thinking. Senden Sie 1.040.000 Tokens Prompt, bleiben nur etwa 8.000 für [Reasoning](https://broadrouter.com/de/glossary/reasoning-tokens/) und Antwort. Halten Sie einen Puffer, setzen Sie [`max_tokens`](https://broadrouter.com/de/glossary/max-tokens/) explizit und lesen Sie, [warum Reasoning-Modelle eine leere Antwort liefern können](https://broadrouter.com/de/guides/reasoning-tokens-empty-response/).

## So bereiten Sie eine Codebasis für einen Prompt mit 1M Tokens vor

1.  **Schließen Sie aus, was das Modell nicht braucht.** Lock-Dateien, Build-Ausgaben, mitgelieferte Abhängigkeiten, Bilder und generierter Code kosten Tokens und erzeugen Rauschen.
2.  **Zählen Sie vor dem Senden.** Senden Sie eine kleine Stichprobe, lesen Sie `prompt_tokens` aus usage und rechnen Sie hoch.
3.  **Ordnen Sie nach Stabilität.** Selten geänderte Dateien zuerst, die gerade bearbeiteten Dateien zuletzt, die Frage ganz am Ende. So bleibt das Präfix cachebar.
4.  **Beschriften Sie jede Datei.** Umschließen Sie Dateien mit klaren Markierungen wie `=== path/to/file.py ===`, damit das Modell sie zitieren kann.
5.  **Fordern Sie Zitate an.** „Zitiere die Zeile, auf die du dich stützt“ verringert selbstsichere Fehler bei riesigen Eingaben.
6.  **Messen Sie.** Loggen Sie pro Anfrage Prompt-Tokens, gecachte Tokens und Time to First Token. [Streaming](https://broadrouter.com/de/guides/streaming-chat-completions/) zeigt das erste Token, sobald es ankommt.

## Wo BroadNet Inference ins Bild passt

Zwei der Chat-Modelle nehmen 1.048.576 Tokens pro Anfrage an, und BroadNet kürzt Ihren Kontext nicht. Mit einem Schlüssel mit Abrechnung pro Token hält Caching wiederholte lange Prompts bezahlbar; in einer Plan-Session wirkt sich die Prompt-Größe nicht auf die Rechnung aus. Ist Ihr Korpus weit größer als eine Million Tokens oder ändert er sich jede Minute, brauchen Sie weiterhin Retrieval, und daran ändert keine Fenstergröße etwas.

Kostenlose Tools zum Thema (auf Englisch)

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[Kostenlose Tools (auf Englisch)](https://broadrouter.com/tools/)

## Begriffe in diesem Artikel

[Token](https://broadrouter.com/de/glossary/token/)

Ein Token ist die Texteinheit, die ein Sprachmodell liest und schreibt: ein Wort, ein Wortteil, ein Satzzeichen oder eine Bytefolge, die der Tokenizer des Modells erzeugt. LLM-APIs zählen, begrenzen und berechnen die Nutzung meist in Tokens.

[Tool Calling (Function Calling)](https://broadrouter.com/de/glossary/tool-calling/)

Tool Calling, auch Function Calling genannt, ist eine Funktion von LLM-APIs, bei der das Modell eine strukturierte Anfrage zurückgibt, eine vom Entwickler definierte Funktion mit JSON-Argumenten auszuführen. Die Anwendung führt die Funktion aus und sendet das Ergebnis zurück; das Modell selbst führt nie Code aus.

[Pay-as-you-go](https://broadrouter.com/de/glossary/pay-as-you-go/)

Pay-as-you-go ist ein Preismodell, bei dem Sie nur für tatsächliche Nutzung zahlen, gemessen pro Einheit wie Tokens, Anfragen oder Audiominuten, ohne Abonnement oder Mindestabnahme. Die meisten LLM-APIs rechnen so ab, aus einem vorausbezahlten Guthaben oder per regelmäßiger Rechnung.

[Context Rot](https://broadrouter.com/de/glossary/context-rot/)

Context Rot ist der schleichende Verlust an Genauigkeit und Zuverlässigkeit, den Sprachmodelle zeigen, wenn ihr Input länger wird, selbst wenn die Aufgabe gleich bleibt und der Input weit innerhalb des Kontextfensters liegt. Bekannt wurde der Begriff durch einen technischen Bericht von Chroma aus dem Jahr 2025, der 18 Modelle testete.

[Input- und Output-Tokens](https://broadrouter.com/de/glossary/input-and-output-tokens/)

Input-Tokens sind die Tokens, die ein Sprachmodell in einer Anfrage liest, einschließlich System-Prompt, Gesprächsverlauf, Tool-Definitionen und Bildern. Output-Tokens sind die Tokens, die es als Antwort erzeugt, einschließlich Reasoning. LLM-APIs berechnen beide meist getrennt, und Output ist in der Regel teurer.

[Kontextfenster (Context Window)](https://broadrouter.com/de/glossary/context-window/)

Das Kontextfenster ist die maximale Anzahl an Tokens, mit der ein Sprachmodell in einer einzelnen Anfrage arbeiten kann. Es umfasst Prompt, Gesprächsverlauf, Tool-Definitionen, Bilder und den erzeugten Output einschließlich Reasoning-Tokens. Was nicht hineinpasst, muss gekürzt, zusammengefasst oder auf mehrere Anfragen verteilt werden.

[Gecachte Input-Tokens (Cached Input Tokens)](https://broadrouter.com/de/glossary/cached-input-tokens/)

Gecachte Input-Tokens sind Prompt-Tokens, die ein LLM-Anbieter kürzlich verarbeitet hat und aus einem Cache wiederverwenden kann, statt sie neu zu berechnen, meist ein wiederholtes Präfix wie ein System-Prompt oder ein Dokument. Anbieter berechnen sie günstiger als neue Input-Tokens.

[Lost in the Middle](https://broadrouter.com/de/glossary/lost-in-the-middle/)

Lost in the Middle bezeichnet die beobachtete Neigung von Sprachmodellen, relevante Informationen am besten zu nutzen, wenn sie nahe am Anfang oder Ende einer langen Eingabe stehen, und am schlechtesten, wenn sie in der Mitte liegen. Benannt wurde der Effekt 2023 in einer Studie von Liu et al.

## Häufige Fragen

### Kürzt BroadNet lange Prompts?

Nein. BroadNet kürzt Ihren Kontext nicht. Übersteigt der Prompt plus max\_tokens das Fenster des Modells, kürzen Sie den Prompt, statt sich auf stilles Abschneiden zu verlassen.

### Wie viele Wörter sind 1 Million Tokens?

Das hängt von Sprache und Inhalt ab. Englischer Fließtext kam im Tokenizer-Datensatz von BroadRouter auf etwa 129 Tokens pro 100 Wörter (1.000 Wörter ergaben etwa 1,290 Tokens, gemittelt über fünf Tokenizer). 1.048.576 Tokens fassen also grob 810,000 Wörter, deutlich mehr als tausend Seiten. Fachtexte, Code und Arabisch brauchen mehr Tokens, zählen Sie also Ihre echten Inhalte.

### Ist eine Anfrage mit 1M Tokens langsam?

Sie braucht länger bis zum Start als eine kurze Anfrage, weil das Modell zuerst den ganzen Prompt lesen muss. Gecachte Präfixe helfen bei wiederholten Aufrufen meist. Messen Sie die Time to First Token mit Ihren eigenen Prompts.

### Nutzen LLMs wirklich das ganze Kontextfenster?

Nicht gleichmäßig. Die Studie Lost in the Middle fand, dass die Genauigkeit oft am höchsten ist, wenn die relevante Information am Anfang oder Ende der Eingabe steht, und der Bericht Context Rot von Chroma fand, dass die Zuverlässigkeit mit wachsender Eingabelänge sinkt. Platzieren Sie Wichtiges an den Rändern und testen Sie mit Ihren eigenen Daten.

### Sollte ich aufhören, RAG zu nutzen?

Nicht unbedingt. Nutzen Sie Long Context, wenn das Modell alles zusammen sehen muss, und Retrieval, wenn es ein paar Fakten aus einer riesigen Bibliothek braucht. Viele Systeme kombinieren beides.

### Was passiert, wenn mein Prompt größer ist als das Kontextfenster?

BroadNet kürzt ihn nicht für Sie, die Anfrage läuft also nicht wie gedacht. Entfernen Sie Dateien, fassen Sie alte Gesprächszüge zusammen oder rufen Sie vor dem Senden nur die relevanten Teile ab.

## Weiterlesen

-   [Gecachte Input-Tokens: So senken Sie die Rechnung Ihrer LLM-API](https://broadrouter.com/de/blog/cached-input-tokens-explained/)
-   [Parallele Coding-Agenten mit einer LLM-API-Flatrate betreiben](https://broadrouter.com/de/blog/run-parallel-coding-agents-flat-rate/)
-   [LLM-API: Flatrate oder Abrechnung pro Token? Die Break-even-Rechnung](https://broadrouter.com/de/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [GPU-Hardware und Serving von BroadNet, wie BroadNet sie beschreibt](https://broadrouter.com/de/blog/broadnet-gpu-fleet-and-serving/)
-   [LLM-Antworten cachen, Kosten senken: ein Exact-Match-Cache in Python](https://broadrouter.com/de/blog/cache-llm-responses-cut-cost/)
-   [Anleitung: Warum ein Reasoning-Modell eine leere Antwort liefert](https://broadrouter.com/de/guides/reasoning-tokens-empty-response/)
-   [Anleitung: Chat Completions streamen und abgebrochene Verbindungen behandeln](https://broadrouter.com/de/guides/streaming-chat-completions/)

Testen Sie es mit Ihrem echten Workload. Neue Konten starten mit USD 5 Guthaben für Gemma und Transkription. DeepSeek, GLM und Qwen3.8 erfordern eine Aufladung.

[Loslegen](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-million-token-context-window-guide&utm_content=page-cta) ·

**Quellen**

-   [Maschinenlesbare Preise und Kontextlängen von BroadNet Inference (pricing.json) (auf Englisch)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-million-token-context-window-guide&utm_content=sources)
-   [API-Referenz von BroadNet Inference (auf Englisch)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-million-token-context-window-guide&utm_content=sources)
-   [Liu et al., Lost in the Middle: How Language Models Use Long Contexts (arXiv 2307.03172)](https://arxiv.org/abs/2307.03172)
-   [Chroma, Context Rot: How Increasing Input Tokens Impacts LLM Performance (Juli 2025)](https://www.trychroma.com/research/context-rot)
