Was kostet ein KI-Artikel? DeepSeek V4 Flash vs. Claude Fable

Aktualisierung (9. November 2026): Claude Fable 5.2 und Mythos 5.2 sind erschienen - Preise, Zugang und Benchmarks im Überblick zu Claude Fable 5.2.

👁 116 Aufrufe

Die Frage „Was kostet ein KI-generierter Artikel“ wird meist mit Zahlen aus der Preisliste beantwortet. Wir haben bezahlt und nachgemessen. Acht Modelle, derselbe Auftrag, ein Artikel mit etwa neunhundert Wörtern auf Polnisch, die Kosten aus der Abrechnung abgelesen, nicht geschätzt.

Die EUR-Beträge sind unverbindliche Umrechnungen der veröffentlichten USD-Preise zum EZB-Referenzkurs vom 2026-10-12: 1 EUR = 1.1181 USD. Es handelt sich nicht um bestätigte örtliche Endpreise einschließlich Steuern. Anbieter und Bank können andere Kurse oder Gebühren berechnen. ECB.

Der günstigste schrieb den Text für 0,00039 Dollar. Der teuerste für 0,18913 Dollar. Das ist vierhundertfünfundachtzig Mal mehr für einen Text derselben Länge. Und ein Modell schrieb kein einziges Wort und stellte trotzdem eine Rechnung.

Ergebnisse im Überblick

Der gesamte Test kostete 0,43653 Dollar.

Das Modell, das für Schweigen kassierte

GLM 5.3 Flash erhielt ein Limit von achttausend Token für die Antwort. Es verbrauchte alle achttausend Token für internes Reasoning und ließ sich kein einziges für den Text übrig. Ergebnis: null Wörter, 82 Sekunden Wartezeit und eine Rechnung über 0,00402 Dollar.

Das ist kein Zufall oder ein Ausrutscher eines einzelnen Durchlaufs. Bei diesem Modell lässt sich das Reasoning nicht abschalten, denn die API lehnt einen solchen Versuch mit einem Fehler ab. Bei kurzen Aufgaben treibt das nur die Rechnung hoch. Bei längeren kann es die gesamte Antwort auffressen.

Wenn Sie etwas bauen, das unbeaufsichtigt arbeitet, ist das genau die Art von Fehler, die Sie in den Logs nicht sehen werden: Erfolgsstatus, Rechnung über null und eine leere Ausgabedatei.

Günstig heißt nicht schlecht - aber man muss wissen, worauf man achtet

Die beiden günstigsten Modelle trennt in der Rechnung weniger als ein Cent, in der Qualität aber ein Abgrund.

DeepSeek V4 Flash schrieb 922 Wörter für 0,00039 Dollar, ohne ein einziges Reasoning-Token, und traf die vorgegebene Länge mit einer Genauigkeit von zwei Prozent. Der Text beginnt mit einem Satz, der nach Mensch klingt: „Kiedy po raz pierwszy usłyszałem o asystentach AI, pomyślałem, że to technologia zarezerwowana dla dużych korporacji„ (Als ich zum ersten Mal von KI-Assistenten hörte, dachte ich, das sei eine Technologie, die großen Konzernen vorbehalten ist).

Ministral 14B war noch einen Hauch günstiger und das schnellste Modell im gesamten Feld, eröffnete den Text aber so: „W dzisiejszym świecie, gdzie efektywność i automatyzacja są kluczowe„ (In der heutigen Welt, in der Effizienz und Automatisierung entscheidend sind). Dazu setzte es neunundzwanzig lange Gedankenstriche ein, also ein Zeichen, das in polnischen Texten sofort die Maschine verrät, weil es fast niemand von der Tastatur aus verwendet.

Beide kosten gleich viel. Der eine braucht Korrektur, der andere muss neu geschrieben werden.

Wer die vorgegebene Länge traf

Wir baten um etwa neunhundert Wörter. Das ist ein Test auf Gehorsam, nicht auf Kreativität, und er fiel interessanter aus als erwartet.

• Trafen mit einer Genauigkeit von drei Prozent: Kimi K3 (903), GPT-6 Astra (906), Claude Fable 5.1 (886), DeepSeek V4 Flash (922).
• Schossen über das Ziel hinaus: Gemini 3.8 Flash um fünfzehn Prozent (1 032), Ministral 14B um zweiunddreißig Prozent (1 192).
• Lieferte zu wenig: Claude Haiku 4.5 schrieb 596 Wörter statt neunhundert, also ein Drittel zu wenig.

Das hat praktische Bedeutung. Wenn Sie einen Text für einen bestimmten Platz im Seitenlayout bestellen, bedeutet ein Modell, das regelmäßig dreißig Prozent zu kurz kommt, dass Sie von Hand nachschreiben müssen.

Was das im Monat kostet

Nehmen wir drei Artikel pro Tag an, also neunzig im Monat.

Erst in dieser Tabelle wird deutlich, worum es geht. Bei einem Text ist der Unterschied unsichtbar. Bei neunzig ist es der Unterschied zwischen vier Cent und siebzehn Dollar für einen Text derselben Länge.

Zeit kostet auch

Kimi K3 brauchte 182,7 Sekunden, also über drei Minuten für einen Artikel. GPT-6 Astra erledigte dasselbe in 51 Sekunden, Claude Haiku 4.5 in 16, wenn auch kürzer.

Bei manueller Arbeit sind drei Minuten nichts. Bei neunzig Texten sind das viereinhalb Stunden reine Wartezeit im Monat, gegenüber sechsundsiebzig Minuten bei Astra.

Woher die Unterschiede in der Rechnung kommen

Die Antwort liegt in den Reasoning-Token, also dem Text, den das Modell für sich selbst schreibt und für den Sie zum Ausgabepreis zahlen.

• DeepSeek V4 Flash, Ministral 14B und Claude Haiku 4.5: null Reasoning-Token.
• GPT-6 Astra: 176. Claude Fable 5.1: 715.
• Gemini 3.8 Flash: 985.
• Kimi K3: 4 667, bei einem Artikel von 903 Wörtern Länge.
• GLM 5.3 Flash: 8 000, also das gesamte verfügbare Limit und nichts darüber hinaus.

Dazu kommt ein zweiter Punkt, an den beim Rechnen kaum jemand denkt: Der Preis auf der Modellkarte muss nicht der Preis sein, den Sie zahlen, denn dasselbe Modell wird von einem Dutzend Firmen mit eigenen Tarifen gehostet, und die Spanne erreicht das Vierzehnfache.

Was das in der Praxis bedeutet

Für Massenverarbeitung von Text nehmen Sie DeepSeek V4 Flash. Null Reasoning, getroffene Länge, Rechnung auf Rundungsebene. Prüfen Sie nur das Ergebnis, denn günstig heißt nicht fehlerfrei.

Für Text, der ohne Überarbeitung zur Veröffentlichung geht, zahlen Sie mehr. GPT-6 Astra schrieb den einzigen Text, der mit einem konkreten Punkt beginnt, nicht mit Aufwärmung: „Nie zaczynam od zakupu narzędzia ani od próby zautomatyzowania całej firmy„ (Ich beginne nicht mit dem Kauf eines Tools oder dem Versuch, die ganze Firma zu automatisieren). Das ist der Unterschied, für den man zehn Dollar im Monat statt vier Cent zahlt.

Prüfen Sie immer drei Dinge im Ergebnis: lange Gedankenstriche, Eröffnungen wie „in der heutigen Welt“ und ob das Modell überhaupt etwas geschrieben hat. Alle drei lassen sich automatisch prüfen, und alle drei kamen in diesem Test vor.

Und das Wichtigste: Kosten sind nicht dasselbe wie Wert. Dieser Test misst, was Sie für neunhundert Wörter auf Polnisch zahlen, nicht ob diese neunhundert Wörter jemand braucht. Wie wir die reine Qualität der polnischen Sprache prüfen, haben wir im Test von zehn Modellen bei grammatischen Aufgaben beschrieben, und das Befolgen von Anweisungen im Test von elf Modellen bei Code und Befehlen.

Wie wir gemessen haben

Ein Befehl, gesendet am 10. September 2026, identisch für alle acht Modelle, Limit von achttausend Token für die Antwort. Die Kosten jeder Anfrage aus dem Abrechnungsfeld abgelesen, das von der API zurückgegeben wird. Wortzahl, diakritische Zeichen, lange Gedankenstriche und Überschriften haben wir maschinell auf der Rohantwort gezählt.

Ein Durchlauf pro Modell ist zu wenig, um von einem Durchschnitt zu sprechen, und das behaupten wir nicht. Wir behaupten, dass es beim ersten Durchlauf so herauskam und dass ein Unterschied von vierhundertfünfundachtzig Mal im Preis zu groß ist, um ihn mit Schwankungen zu erklären.

Warum sich das nicht vermeiden ließ

Das Modell, das das gesamte Limit für Reasoning verbrannte, lässt sich nicht abschalten, und es steht damit nicht allein. Wir haben achtzehn Modelle durchgesehen: Sieben lehnen einen solchen Versuch mit einem Fehler ab, darunter GPT-6 Astra, Claude Fable 5.1 und beide Gemini Flash.

// weiterlesenDeepSeek V4 Flash: Preis gesunken um 17 %. Neuer Tarif: 0,05 / 0,10 Dollar pro Million TokensNachrichtenClaude Opus 5.5 Effort-Level: low, medium, high im TestBenchmarksClaude Sonnet 5.5 vs Claude Sonnet 5: Der UnterschiedBenchmarks

Kinetyra