# Wie wir den Kostenvergleich ~1/7 berechnen - GateLLM

> Alle Eingaben hinter unserem Kostenvergleich: das Standard-Szenario, die Modellkatalog-Preise mit Quellen, die Kosten- und Fähigkeitsformeln, die Sensitivität über Ausführungsmodelle und was die Kennzahl nicht enthält.

Kanonisch: https://www.gatellm.io/de/methodology/

## Wie wir den Kostenvergleich berechnen

Die Eingaben hinter dem Rechner und dem Vergleich auf der Startseite – veröffentlicht, damit Sie sie nachrechnen statt glauben können.

Jede Zahl auf dieser Seite wird beim Build aus denselben Modulen berechnet, die der Rechner nutzt: Modellkatalog, Mix-Modell und veröffentlichte Preisliste. Keine Zahl ist in eine Übersetzungsdatei getippt.

## Was diese Seite belegt

Im Standard-Szenario kostet die Mix-Konfiguration 16 % einer reinen Frontier-Basis – etwa ein 6stel – während der Fähigkeitswert 97,3 % der Basis hält. Beide Zahlen sind Ausgaben der Formeln unten, keine Werbetexte.

## Das Standard-Szenario

Der Rechner öffnet mit einem Szenario: 30 Mrd. Token pro Monat, davon 10 % Output, 90 % der Ausführung auf dem Open-Tier und 80 % Cache-Trefferquote beim Input. Planer ist Claude Opus 5.5, Ausführender ist DeepSeek V4.1 Flash. Das sind beispielhafte Unternehmensvolumina, keine Messung eines Kunden.

### Standard-Szenario

| Eingabe | Wert | Quelle |
| --- | --- | --- |
| DEFAULT_MIX_INPUT.monthlyTokens | 30 Mrd. | shared/mix-economics.ts |
| DEFAULT_MIX_INPUT.outputRatio | 10 % | shared/mix-economics.ts |
| DEFAULT_MIX_INPUT.openShare | 90 % | shared/mix-economics.ts |
| DEFAULT_MIX_INPUT.cacheHitRate | 80 % | shared/mix-economics.ts |
| DEFAULT_MIX_INPUT.plannerId | Claude Opus 5.5 | shared/model-catalog.ts |
| DEFAULT_MIX_INPUT.executorId | DeepSeek V4.1 Flash | shared/model-catalog.ts |
| INTRINSIC_PLANNING_FRAC | 10 % | shared/mix-economics.ts |

## Die verwendeten Preise

Listenpreise stammen von den Preisseiten der Anbieter; der Katalog ist mit Stand 2026-11-02 gestempelt. Unter BYOK zahlen Sie diese Preise direkt, GateLLM erhebt keinen Aufschlag. Veröffentlicht ein Anbieter mehrere Preise für dasselbe Modell, nimmt der Katalog den höheren – die Richtung, die unsere Ersparnis kleiner erscheinen lässt.

### Katalogpreise (USD pro Million Token)

| Modell | Anbieter | Input | Output | Cache-Input | Quelle |
| --- | --- | --- | --- | --- | --- |
| Claude Sonnet 5.5 | Anthropic | $2 | $10 | $0.10 | https://platform.claude.com/docs/en/about-claude/pricing |
| Claude Opus 5.5 | Anthropic | $4 | $20 | $0.20 | https://platform.claude.com/docs/en/about-claude/pricing |
| Claude Fable 5.1 | Anthropic | $10 | $50 | $0.25 | https://platform.claude.com/docs/en/about-claude/pricing |
| GPT-6 Astra | OpenAI | $10 | $50 | $1 | https://developers.openai.com/api/docs/pricing |
| Claude Haiku 5.5 | Anthropic | $0.10 | $0.50 | $0.01 | https://platform.claude.com/docs/en/about-claude/pricing |
| GLM-5.3-Flash | Zhipu | $0.15 | $0.50 | $0.03 | https://docs.z.ai/guides/overview/pricing |
| DeepSeek V4.1 Flash | DeepSeek | $0.30 | $1.20 | $0.006 | https://api-docs.deepseek.com/quick_start/pricing/ |
| Qwen3.8-Max | Alibaba | $2 | $6 | $0.25 | https://www.alibabacloud.com/help/en/model-studio/qwen3-8-max |

## Wie die Kostenkennzahl berechnet wird

Die Basis schickt allen Verkehr zum Planer und wendet dieselbe Cache-Annahme an. Der Mix schickt 90 % des Verkehrs zum Ausführenden. Die Kennzahl ist Mix geteilt durch Basis: im Standard-Szenario 16 %, etwa ein 6stel. Absolut sind es $86K Basis, $13K Mix und $73K Ersparnis pro Monat.

### Monatliche Kosten im Standard-Szenario

| Position | USD pro Monat | Hinweis |
| --- | --- | --- |
| Planer-Eingabe | $3K | Cache-Rabatt berücksichtigt |
| Planer-Ausgabe | $6K |  |
| Ausführenden-Eingabe | $2K | Cache-Rabatt berücksichtigt |
| Ausführenden-Ausgabe | $3K |  |
| Basis (gesamter Verkehr über den Planer) | $86K | der gesamte Verkehr über den Planer |
| Mix | $13K | Summe der vier Zeilen oben |
| Ersparnis | $73K | Basis − Mix |
| Cache-Ersparnis | $14K | nur zur Information — bereits in den Eingabezeilen enthalten |

## Wie die Fähigkeitserhaltung berechnet wird

Jedes Modell trägt zwei Werte, Planung und Routine. 10 % der Arbeit gilt als Planung, der Rest als Routineausführung. Die Basis nutzt den Planer für beides; der Mix gibt dem Planer höchstens den Planungsanteil und schickt den Rest zum Ausführenden. Die Erhaltung im Standard-Szenario ist 97,3 %. Die Werte sind beispielhafte Bereiche aus öffentlichen Bestenlisten, kein von uns durchgeführter Benchmark.

### Fähigkeitswerte

| Rolle | Planung | Routine | Quelle |
| --- | --- | --- | --- |
| Planer | 100 | 100 | https://artificialanalysis.ai/models/claude-opus-5-5 |
| Ausführender | 88 | 97 | https://lmarena.ai/leaderboard |
| Basiswert | 100 |  | mit INTRINSIC_PLANNING_FRAC gewichtet |
| Mix-Wert | 97 |  | mit INTRINSIC_PLANNING_FRAC gewichtet |

## Was die Kennzahl bewegt

Zwei Dinge dominieren: welches Modell die Rolle des Ausführenden übernimmt und wie viel Verkehr es übernimmt. Die Tabellen unten rechnen mit derselben Formel: einmal für jeden Ausführenden im Katalog, einmal über Anteile um den Sweet Spot von 70 % bis 92 %. Beide Richtungen sind gezeigt – ein günstigerer Ausführender spart mehr, ein stärkerer weniger.

### Sensitivität des Ausführenden

| Ausführender | Kostenverhältnis | Eins zu N | Erhaltung |
| --- | --- | --- | --- |
| Claude Haiku 5.5 | 12 % | 8,1 | 95,5 % |
| GLM-5.3-Flash | 13 % | 7,6 | 94,6 % |
| DeepSeek V4.1 Flash | 16 % | 6,4 | 97,3 % |
| Qwen3.8-Max | 46 % | 2,2 | 97,3 % |
| Claude Sonnet 5.5 | 55 % | 1,8 | 98,2 % |

### Open-Anteil-Sweep

| Open-Anteil | Kostenverhältnis | Eins zu N | Erhaltung |
| --- | --- | --- | --- |
| 0 % | 100 % | 1 | 100,0 % |
| 70 % | 34 % | 2,9 | 97,9 % |
| 90 % | 16 % | 6,4 | 97,3 % |
| 92 % | 14 % | 7,3 | 97,1 % |
| 100 % | 6 % | 16 | 96,1 % |

## Was die Kennzahl nicht enthält

Die Kennzahl vergleicht nur Modell-API-Ausgaben. Sie enthält keine GateLLM-Lizenz ($200 monatlich im Pro-Tier, bei diesen Volumina 1,5 % des obigen Mix-Betrags), keine Infrastruktur und keine Engineering-Zeit. Auch separat ausgehandelte Anbieterrabatte sind nicht modelliert.

## Grenzen, die Sie kennen sollten

Lesen Sie dies, bevor Sie eine Zahl dieser Seite zitieren.

- Das Szenario ist eine plausible Unternehmensform; Ihr Mix wird anders sein.
- Fähigkeitswerte sind beispielhaft – die Kostenseite hängt nicht von ihnen ab.
- Preisänderungen verschieben die Kennzahl: Der Katalog wird gestempelt und aktualisiert, nicht eingefroren.
- Die Kennzahl ist ein Architekturvergleich, keine Zusage über Ihre Rechnung.

## FAQ

### Kann ich diese Zahlen nachrechnen?

Ja. Stellen Sie die Regler im Rechner auf das obige Szenario, und dieselben Eingaben ergeben dieselben Werte. Die erzeugenden Module stehen in der Spalte „Quelle“ jeder Tabelle.

### Warum ein 6stel und keine rundere Zahl?

Weil die Katalogpreise in diesem Szenario genau das ergeben. Die Überschrift rundet auf den nächsten ganzen Nenner; die ungerundete Kennzahl steht in den Tabellen oben.

### Bedeutet ein günstigerer Ausführender schlechtere Ergebnisse?

Manchmal. Jeder Ausführende hat einen eigenen Planungswert, und die Sensitivitätstabelle zeigt die resultierende Fähigkeitserhaltung. Der Standard wählt ein Modell mit starkem Routinewert, nicht das günstigste verfügbare.

## Verwandt
- [Startseite](https://www.gatellm.io/de/index.md)
- [Preise](https://www.gatellm.io/de/pricing.md)
- [Kostenrechner](https://www.gatellm.io/de/calculator.md)
- [Über uns](https://www.gatellm.io/de/about.md)
- [Demo buchen](https://www.gatellm.io/de/demo.md)
- [FAQ](https://www.gatellm.io/de/faq.md)
- [AI-Gateways vergleichen](https://www.gatellm.io/de/compare.md)
- [LiteLLM vergleichen](https://www.gatellm.io/de/compare/litellm.md)
- [OpenRouter vergleichen](https://www.gatellm.io/de/compare/openrouter.md)
- [Alibaba Cloud AI Gateway vergleichen](https://www.gatellm.io/de/compare/alibaba-cloud.md)
- [Azure API Management vergleichen](https://www.gatellm.io/de/compare/azure-apim.md)
- [Apigee vergleichen](https://www.gatellm.io/de/compare/apigee.md)
- [Cloudflare AI Gateway vergleichen](https://www.gatellm.io/de/compare/cloudflare.md)
- [Kong AI Gateway vergleichen](https://www.gatellm.io/de/compare/kong.md)
- [Portkey vergleichen](https://www.gatellm.io/de/compare/portkey.md)
- [Alternative zu Microsoft 365 Copilot](https://www.gatellm.io/de/compare/copilot.md)
- [LiteLLM vs Kong AI Gateway](https://www.gatellm.io/de/compare/litellm-vs-kong.md)
- [LiteLLM vs OpenRouter](https://www.gatellm.io/de/compare/litellm-vs-openrouter.md)
- [LiteLLM vs Portkey](https://www.gatellm.io/de/compare/litellm-vs-portkey.md)
- [Anwendungsfälle](https://www.gatellm.io/de/use-cases.md)
- [LLM-Kosten senken](https://www.gatellm.io/de/use-cases/reduce-cost.md)
- [Hochverfügbarkeit](https://www.gatellm.io/de/use-cases/high-availability.md)
- [Multi-Tenant-Isolation](https://www.gatellm.io/de/use-cases/multi-tenant.md)
- [Compliance & Audit](https://www.gatellm.io/de/use-cases/compliance-audit.md)
- [Fehlerbehebung nach Symptom](https://www.gatellm.io/de/use-cases/troubleshooting.md)
- [Gemischter Multi-Vendor-Modellstack](https://www.gatellm.io/de/use-cases/mixed-model-stack.md)
- [KI im Office selbst hosten](https://www.gatellm.io/de/use-cases/self-hosted-office-ai.md)
- [Token-Nutzung: Transparenz & Zuordnung](https://www.gatellm.io/de/use-cases/token-ops.md)
- [Token-FinOps: KI-Kosten zuordnen & steuern](https://www.gatellm.io/de/use-cases/token-finops.md)
- [MCP-Tool-Governance](https://www.gatellm.io/de/use-cases/mcp-tool-governance.md)
- [Websuche für jedes Modell](https://www.gatellm.io/de/use-cases/web-search-grounding.md)
- [Multi-Key-Rotation & Standby](https://www.gatellm.io/de/use-cases/multi-key-pooling.md)
- [Zugangskontrolle für verbundene Clients](https://www.gatellm.io/de/use-cases/client-admission-control.md)
- [Modellrichtlinie durchsetzen](https://www.gatellm.io/de/use-cases/enforce-model-policy.md)
- [Keine Modellwahl im Client](https://www.gatellm.io/de/use-cases/automatic-model-tiering.md)
- [Ein Protokoll, jedes Modell](https://www.gatellm.io/de/use-cases/one-protocol-any-model.md)
- [Office / Microsoft 365 Add-in](https://www.gatellm.io/de/office-addin.md)
- [Glossar](https://www.gatellm.io/de/glossary.md)
- [Was ist ein LLM-Gateway?](https://www.gatellm.io/de/llm-gateway.md)
- [Enterprise-KI-Governance](https://www.gatellm.io/de/enterprise-ai-governance.md)
- [Modellkatalog](https://www.gatellm.io/de/models.md)
- [SDK- & Framework-Integrationen](https://www.gatellm.io/de/integrations.md)
- [KI-Coding-Agents & Harnesses](https://www.gatellm.io/de/coding-agents.md)
- [Sicherheit & Compliance](https://www.gatellm.io/de/security.md)