Alle sind mit 5 US-Dollar ausgezeichnet, aber die Rechnungsbeträge weichen um 30 % voneinander ab. Eine Führungskraft von OpenAI erklärt: Token lassen sich niemals direkt preislich vergleichen.

Derselbe Text wird an zwei Modelle übergeben: das eine zerlegt ihn in 766 Tokens, das andere in 1170.

Die Person, die diese Zahlen veröffentlicht hat, ist Tibo, der Leiter von OpenAI Codex.

Seine genauen Worte lauten: Ein Token von OpenAI ist nicht gleich einem Token eines anderen Modells. Ein niedrigerer Preis pro Token bedeutet nicht unbedingt eine niedrigere Rechnung.

Alle vergleichen die Preise anhand von „Dollar pro Million Tokens“, als ob Token eine Standardeinheit wie Gramm oder Kilowattstunde wäre – aber das ist sie nicht.

Um es verständlicher zu machen, erzählte er eine Geschichte über Pizza.

Zwei identische Pizzen.

Der erste Laden schneidet jede Pizza in 8 Stücke für je 2 Dollar. Der zweite Laden schneidet sie in 16 Stücke für je 1,25 Dollar. Der zweite Laden wirbt mit günstigeren Preisen, aber eine ganze Pizza kostet dort 20 Dollar, während sie im ersten Laden nur 16 Dollar kostet.

Er fügte hinzu: Dein Magen interessiert sich nicht dafür, wie viele Stücke du gerade gegessen hast.

Jedes einzelne Stück ist günstiger, aber die ganze Pizza ist teurer. Bei unterschiedlichen Schneidemethoden verlieren die Stückpreise ihre Vergleichbarkeit.

Token ist die kleinste Abrechnungseinheit von Modellen, man kann es als die „Schneidetechnik“ des Modells für Text verstehen.

Derselbe Textabschnitt ergibt bei unterschiedlicher Schneidetechnik eine unterschiedliche Anzahl von Stücken. Du zahlst für die Anzahl der Stücke, die geschnitten wurden – je mehr Stücke, desto teurer die Rechnung.

Dieser Vergleich deckt Englisch, technische Texte, mehrsprachige Inhalte und numerische Inhalte ab.

Der Tokenizer von GPT-5.6 Sol verbraucht 766 Tokens, die Schätzung von Claude Opus 5 ergibt 1170 Tokens.

Bei demselben Textabschnitt schneidet die Schneidetechnik von GPT-5.6 Sol 34,5 % weniger Stücke.

Und der Eingangspreis beider Modelle beträgt jeweils 5 Dollar pro Million Tokens.

Bei identischem Stückpreis und 30 % weniger Stücken sinken die Eingangskosten um ebenfalls 30 %.

Genau hier liegt das Problem.

Wenn sich beide Seiten nicht einmal darauf einigen können, „wie groß ein Token ist“, ist die beliebte API-Preisvergleichstabelle, die alle ständig verwenden, überhaupt noch gültig?

Derselbe Text – warum ergeben sich zwei unterschiedliche Zahlen?

Das liegt daran, dass es für die Einheit Token überhaupt keine einheitliche Messgröße gibt.

Jeder Hersteller trainiert seinen eigenen Tokenizer und entscheidet selbst, in wie große Fragmente er den Text zerlegt.

Häufige Wörter nimmt der Tokenizer ganz auf, bei seltenen Wörtern wird ein Wort in drei oder vier Fragmente zerlegt.

Am Beispiel von Englisch wird das besonders anschaulich. Wörter wie the, and, is treten täglich auf, der Tokenizer weist ihnen jeweils eine eigene eindeutige Nummer zu – ein Wort entspricht einem Token.

Bei langen Wörtern wie unbelievable wird es in Fragmente wie un, believ und able zerlegt, sodass ein Wort drei Tokens belegt.

Die Logik ist einfach: Der Tokenizer wird aus Trainingsdaten statistisch ermittelt. Welche Kombinationen häufig auftreten, erhalten einen eigenen Platz. Der Rest muss aus Fragmenten zusammengesetzt werden.

Daher bedeutet die Frage „Wie viele Tokens hat dieser Textabschnitt?“ im Grunde genommen: „Wie häufig sind die Inhalte dieses Textabschnitts in den Trainingsdaten des jeweiligen Herstellers?“

Englische Prosa ist die Art von Inhalt mit den geringsten Unterschieden. Bei Code, JSON und langen Zahlenketten werden die Ergebnisse der beiden Hersteller noch weiter auseinanderliegen.

Sogar die Zählung zwischen alten und neuen Modellen desselben Herstellers ist nicht austauschbar

Das ist kein Problem eines einzelnen Anbieters.

Die Dokumentation von Anthropic ist eindeutig: Die Token-Zählung ist ein Schätzwert, die tatsächliche Anzahl der bei der Erstellung von Nachrichten verbrauchten Eingangstoken kann geringfügig abweichen.

Es wird auch eine konkrete Zahl angegeben.

Modelle ab Claude 4.7 verwenden einen neuen Tokenizer, sodass derselbe Eingangstext etwa 30 % mehr Tokens erzeugt als bei älteren Modellen. Die genaue Steigerung hängt von dem Inhalt und der Art der Arbeitslast ab.

Offizielle Dokumentation von Anthropic: Modelle ab Claude 4.7 verwenden einen neuen Tokenizer, sodass dieselbe Textmenge etwa 30 % mehr Tokens ergibt. Verwenden Sie keine Zählwerte, die mit älteren Modellen ermittelt wurden, wieder.

Derselbe Hersteller, derselbe Textabschnitt – nach einem Generationswechsel ergibt sich 30 % mehr Tokens.

Daher lautet die offizielle Empfehlung: Wenn Sie wissen wollen, wie groß der Unterschied bei Ihrer Arbeitslast ist, zählen Sie denselben Anfrageinhalt einmal für beide Modelle und vergleichen Sie die zurückgegebenen input_tokens.

Schätzen Sie die Kosten nicht anhand von Zahlen, die mit älteren Modellen ermittelt wurden.

Die Zählwerte zwischen zwei Generationen von Modellen desselben Herstellers sind nicht austauschbar. Ein direkter Preisvergleich anhand von „Preis pro Million Tokens“ zwischen verschiedenen Herstellern ist noch weniger standardisiert.

Bei demselben Preis von 5 Dollar gibt es vier Unterschiede in der Rechnung

Bei gleichem Stückpreis und gleichem Eingang – wo genau liegen die Unterschiede in der Rechnung?

Der erste Punkt ist die bereits erwähnte Tokenisierungseffizienz. Wenn derselbe Textabschnitt in unterschiedliche Anzahlen von Tokens zerlegt wird, ergibt sich bei gleichem Stückpreis natürlich ein unterschiedlicher zu zahlender Betrag.

Der zweite Punkt ist das Caching.

Der Eingangspreis für zwischengespeicherte Inhalte bei GPT-5.6 Sol beträgt 0,50 Dollar pro Million Tokens, also nur ein Zehntel des standardmäßigen Eingangspreises. Bei Arbeitslasten mit vielen wiederholten Präfixen kann dieser Punkt die gesamte Struktur der Rechnung verändern.

Der dritte Punkt ist die Ausgabe.

Die Ausgabekosten von GPT-5.6 Sol betragen 30 Dollar pro Million Tokens, bei Claude Opus 5 beginnen sie bei 25 Dollar.

Bei echten Arbeitsabläufen von Agenten hat die Anzahl der Ausgabetokens oft einen größeren Einfluss als die Eingabetokens.

Das bedeutet, dass die zuvor eingesparten 34,5 % möglicherweise wieder ausgegeben werden.

Der vierte Punkt, der am häufigsten übersehen wird, steht direkt auf der Modellseite von OpenAI selbst. Wenn der Eingang von GPT-5.6 Sol 272.000 Tokens überschreitet, wird der gesamte Eingang der Anfrage mit dem doppelten Preis berechnet, die Ausgabe mit dem 1,5-fachen Preis.

Offizielle Modellseite von GPT-5.6 Sol: Eingang 5 Dollar, zwischengespeicherter Eingang 0,50 Dollar, Ausgabe 30 Dollar. Die kleine Zeile darunter enthält die Preisaufschlagsregel für Inhalte über 272K.

Nicht nur der überschrittene Teil wird teurer, sondern die gesamte Anfrage wird mit dem höheren Faktor berechnet.

Derselbe Codeabschnitt – wenn Sie ihn in einem Kontext von 270.000 Tokens abfragen und in einem Kontext von 280.000 Tokens, ändert sich der Stückpreis in eine andere Stufe.

Diese Einschränkung stammt von der offiziellen Preisseite selbst. Je länger der Kontext ist, desto schneller steigen der Aufwand für Aufmerksamkeit und Grafikkartenspeicher. Lange Kontextfenster sind niemals kostenlos.

Wenn das Millionen-Token-Fenster geöffnet ist, fließt das Geld langsam ab

Tibo veröffentlichte anschließend einen zweiten Beitrag, in dem er erklärte, wie man das Kontextfenster in Codex manuell vollständig öffnet.

Öffnen Sie ~/.codex/config.toml und fügen Sie vor allen Abschnittsüberschriften drei Zeilen hinzu:

model = "gpt-5.6-sol"

model_context_window = 1000000

model_auto_compact_token_limit = 900000

Die erste Zeile wählt das Modell aus, die zweite setzt das Kontextbudget auf 1 Million Tokens, die dritte sorgt dafür, dass die automatische Komprimierung um 900.000 Tokens herum ausgelöst wird, sodass ein kleiner Puffer verbleibt.

Speichern Sie die Datei, starten Sie den Client neu und öffnen Sie eine neue Sitzung, damit die Konfiguration wirksam wird.

Wenn Sie die Standardwerte nicht ändern möchten, können Sie sie auch nur für eine einzelne CLI-Sitzung vorübergehend überschreiben:

codex -m gpt-5.6-sol

-c model_context_window=1000000

-c model_auto_compact_token_limit=900000

Diese beiden Schlüssel sind in der offiziellen Konfigurationsreferenz von Codex dokumentiert und haben die von ihm beschriebene Wirkung.

model_context_window: Die Anzahl der Tokens im verfügbaren Kontextfenster des aktuellen Modells.

model_auto_compact_token_limit: Der Schwellenwert, bei dem die automatische Komprimierung des Verlaufs ausgelöst wird.

Die Dokumentation definiert jedoch nur die Bedeutung der Schlüssel, die Werte „1 Million / 900.000“ werden nicht als allgemeine Empfehlung aufgeführt.

Tibo fügte am Ende seines Beitrags auch hinzu: Die Standardwerte wurden sorgfältig abgestimmt.

Warum wollen dann so viele Menschen sie manuell ändern?

Ein praktischer Testbericht von Nutzern auf GitHub erklärt den Grund.

Dieser praktische Testbericht im Repository openai/codex: Das Codex-Verzeichnis begrenzt das Fenster auf 372K, die nutzbare Größe beträgt 353,4K, während die Modellspezifikation 1,05M angibt.

Bei bestimmten Versionen des Codex-Clients und Konten von ChatGPT Pro wird das für gpt-5.6-sol angegebene Fenster im Modellverzeichnis auf 372K festgelegt. Bei einer 95%igen Umrechnung beträgt die tatsächlich nutzbare Größe 353,4K, während die offizielle Modellseite 1,05M angibt.

Man kauft ein Millionen-Token-Fenster, aber bei der Nutzung bleibt nur ein Drittel davon übrig.

Dieser Bericht bezieht sich auf bestimmte Versionen und Konten und kann nicht als allgemeiner Zustand für alle Nutzer betrachtet werden. Der Konfigurationsbeitrag von Tibo wurde zu einem späteren Zeitpunkt veröffentlicht.

Es muss noch etwas klargestellt werden: Wenn Sie die Konfiguration auf 1 Million ändern, entstehen nicht sofort Kosten von 1 Million Tokens. Abgerechnet wird immer nur die tatsächlich verarbeitete Menge.

Wenn der Komprimierungsschwellenwert aber auf 900.000 angehoben wird, bedeutet das, dass eine lange Sitzung mit einem immer längeren Verlauf fortgesetzt wird und jede Anfrage diesen Verlauf erneut verarbeiten muss.

Je größer das Fenster und je später die Komprimierung erfolgt, desto wahrscheinlicher trifft die Anfrage auf die zuvor erwähnte Schwelle von 272K.

Bei kurzen Gesprächen sind die Unterschiede des Tokenizers nur eine Angelegenheit hinter dem Komma. Wenn die Sitzung auf Hunderttausende Tokens anwächst, der Verlauf ständig mitgeführt wird und dann noch mit einem höheren Faktor multipliziert wird, werden die Unterschiede von Nachkommastellen zu ganzen Zahlen.

Das Geld wird nicht auf einmal ausgegeben, sondern steigt schrittweise mit jeder Runde an.

Die nächste Einheit lautet „pro erfolgreichem Ergebnis“

In Tibos Beitrag steht noch ein Satz, der von den Zahlen überdeckt wird: Das wirklich Wichtige sind die Kosten pro erfolgreichem Ergebnis (price per successful outcome).

Er gab auch eine Methode an: Benchmark-Tests können als Ausgangspunkt dienen, aber um wirklich zu wissen, ob etwas teuer ist, müssen Sie es mit Ihren eigenen Aufgaben testen.

Dieser Satz ändert den Ankerpunkt des Preisvergleichs: Von „wie viel kostet eine Million Tokens“ zu „wie viel kostet es insgesamt, dieselbe Aufgabe abzuschließen“.

Wenn Sie wissen wollen, welcher der beiden Anbieter für Ihre Nutzung günstiger ist, reicht es, es selbst zu testen.

Verwenden Sie denselben ursprünglichen Text, dieselbe Sprachenverteilung und dieselben Tool-Definitionen, rufen Sie die offiziellen Zählschnittstellen beider Anbieter auf, um die echte Token-Anzahl zu erhalten. Berücksichtigen Sie dann Treffer im Cache, Ausgabelänge, Inferenzlänge und den Faktor für lange Kontexte, und vergleichen Sie schließlich, wer die