DE ▾

Günstige unzensierte LLM-API: Kosten für gehostet vs. selbst gehostet

Eine günstige unzensierte LLM-API ist meist eine Frage des Volumens: Bezahle pro Token bei geringer oder unregelmäßiger Nutzung, miete oder kaufe Hardware nur bei hohem und gleichbleibendem Bedarf. Hier ist die Rechnung mit echten Zahlen zu den Raten von $0,15 und $0,50 pro 1M Token dieser API.

Eine kurze Münzleitung neben einer langen Straße zu einem Server-Rack, die Kosten für gehostet versus selbst gehostet veranschaulichend

Zuletzt aktualisiert

Zusammenfassung

  • Die Abrechnung für gehostete Nutzung kostet im gemischten Verhältnis von 4:1 Input zu Output $0,22 pro 1M Token.
  • Ein hypothetischer Server für $100 im Monat erreicht bei etwa 455M Token pro Monat die Break-Even-Marke.
  • Self-Hosting bedeutet mehr Arbeit: Einrichtung, Updates, Überwachung und Leerlaufzeit, für die du trotzdem zahlst.
  • Das $0,50-Testguthaben deckt bei diesem Verhältnis etwa 2,3M Token ab, genug für einen echten Test.

Die günstigste Option hängt von deinem Volumen ab

Wenn du eine günstige unzensierte LLM-API willst, hat die Antwort zwei Teile. Für kleine und mittlere Workloads ist eine gehostete API, die pro Token abgerechnet wird, fast immer günstiger, weil du im Leerlauf nichts zahlst. Für sehr große und konstante Workloads kann ein selbst gehostetes Modell auf Hardware, die du kontrollierst, beim Preis pro Token gewinnen, solange du deine eigene Zeit mit einrechnest.

Die entscheidende Zahl ist das monatliche Tokenvolumen, bei dem die festen Serverkosten der Abrechnung pro Token entsprechen. Wir berechnen $0,15 pro 1M Input-Token und $0,50 pro 1M Output-Token aus Prepaid-Guthaben ohne Abo. Fehlgeschlagene oder abgelehnte Anfragen werden nicht berechnet und das Guthaben verfällt nie. Alles unten wandelt diese beiden Zahlen in wiederverwendbare Vergleiche um.

Was die Abrechnung für gehostete Nutzung kostet

Beginne mit der Betrachtung pro Anfrage. Ein Chat-Turn mit 1.500 Input-Token und 500 Output-Token kostet 1.500 / 1.000.000 x $0,15 = $0,000225 für Input und 500 / 1.000.000 x $0,50 = $0,00025 für Output. Die Summe beträgt $0,000475. Tausend davon kosten $0,475.

Workload pro MonatEingabeAusgabeKosten
Hobby-Bot, 3.000 Chat-Turns4,5M1,5M$0,675 + $0,75 = $1,425
Kleine App, 30.000 Chat-Turns45M15M$6,75 + $7,50 = $14,25
Viel genutzter Service, 300.000 Chat-Turns450M150M$67,50 + $75,00 = $142,50

Die Kosten skalieren linear und beginnen bei null. In dieser Tabelle muss für die ersten beiden Zeilen kein Einzahlungsbetrag größer als das $20-Minimum sein.

Aufladungen sind beliebige ganze Beträge von $20 bis $500, bezahlt in Krypto (USDT auf TRC20 oder USDC auf Base). Boni addieren +5 % ab $50, +10 % ab $100 und +15 % ab $200, sodass eine Aufladung von $200 zu $230 Guthaben wird. Von diesen $230 sind $30 Bonus, etwa 13 % des Guthabens.

Der Output konzentriert die Rechnung. In der Zeile für die kleine App macht der Output ein Viertel der Token aus, aber über die Hälfte der Kosten ($7,50 von $14,25). Wenn du Ausgaben senken möchtest, fordere zuerst kürzere Antworten an. Die Halbierung der Output-Länge in dieser Zeile spart $3,75 pro Monat, während die Halbierung des Inputs nur $3,375 spart. Beides lohnt sich, die Einsparung beim Output ist bei weniger Aufwand größer.

Was Self-Hosting wirklich kostet

Ein unzensiertes Open-Weight-Modell selbst zu betreiben sieht kostenlos aus, weil die Gewichte öffentlich sind. Die Kosten liegen woanders:

  • Hardware. Ein Modell, das gut schreiben kann, benötigt eine GPU mit viel Speicher, entweder gekauft oder stunden- oder monatlich gemietet. Prüfe die aktuellen Mietpreise beim Anbieter, den du nutzen würdest; wir geben diese hier nicht an.
  • Leerlaufzeit. Ein gemieteter Server berechnet die Kosten, egal ob er eine Anfrage oder tausend bedient.
  • Einrichtung und Wartung. Serving-Software, Quantisierungsentscheidungen, Updates, Überwachung, Neustarts und ein OpenAI-kompatibler Wrapper sind deine Aufgabe.
  • Durchsatzplanung. Parallelität und Kontextlänge konkurrieren um denselben GPU-Speicher, daher passt du sie an oder stellst Anfragen in eine Warteschlange.
  • Skalierung. Eine Verkehrsspitze erfordert mehr Server. Eine API absorbiert sie für dich, innerhalb ihrer Grenzen.

Das ist kein Grund, Self-Hosting zu vermeiden. Es ist ein Grund, deinen eigenen Zeitaufwand zu beziffern, bevor du vergleichst.

Der Break-Even-Punkt

Mische die beiden Raten unter einem 4:1 Input-Output-Verhältnis, das bei Chats mit Verlauf üblich ist. Input-Anteil: 0,8 x $0,15 = $0,12. Output-Anteil: 0,2 x $0,50 = $0,10. Gemischter Preis: $0,22 pro 1M Token.

Teile nun die monatlichen Serverkosten durch diesen Mischwert. Diese Serverkosten sind Beispiele zur Veranschaulichung der Methode, keine Angebote:

Monatliche Serverkosten (Beispiel)Break-Even-VolumenSelbes Volumen wie Chat-Turns mit 1.600 Input-Token und 400 Output-Token
$50$50 / $0,22 = etwa 227M Tokenetwa 113.600
$100$100 / $0,22 = etwa 455M Tokenetwa 227.300
$300$300 / $0,22 = etwa 1,36B Tokenetwa 681.800

Unter diesen Volumina ist die gehostete API günstiger, bevor du deine eigene Arbeitszeit einrechnest. Darüber hinaus kann der Server gewinnen, aber nur, wenn er tatsächlich ausgelastet ist und nur, wenn er mit deiner maximalen Parallelität Schritt hält. Ein vollständiger Schlüssel hier verarbeitet 8 parallele Anfragen und 300 Anfragen pro Minute, also prüfe, ob dein Peak passt oder frage dich, was ein zweiter Server kosten würde.

Output-intensive Workloads verschieben den Mischwert nach oben. Bei einem 1:1-Verhältnis beträgt der Mischwert $0,325 pro 1M, was den Break-Even-Punkt für einen $100-Server auf etwa 308M Token senkt.

So hältst du die Kosten niedrig

Welchen Weg du auch wählst, du kannst die Token-Anzahl selbst senken.

  1. Verlauf kürzen. Alte Gesprächsrunden werden bei jeder Anfrage als Input berechnet. Behalte die letzten 10 bis 20 Nachrichten oder fasse den Rest zusammen.
  2. System-Prompt verkürzen. Ein 1.500-Token-System-Prompt über 30.000 Aufrufe sind 45M Token, oder $6,75.
  3. Begrenze die Ausgabe dort, wo es sinnvoll ist. Die Ausgabe ist die teurere Seite. Nutze max_tokens für Aufgaben mit bekannter Länge und bitte um kurze Antworten.
  4. Wiederhole nicht blind. Lies bei HTTP 429 den Wert von Retry-After aus und warte. Die Codes sind rate_limited und concurrency.
  5. Speichere Wiederholungen. Wenn du zweimal täglich dieselbe Frage stellst, speichere die Antwort.

Die Kosten- und Trade-off-Analyse auf dieser Seite geht tiefer darauf ein, was du bei unzensierten Modellen im Allgemeinen opferst und gewinnst.

Versteckte Kosten auf der gehosteten Seite

Die Abrechnung nach Nutzung ist nicht frei von Trade-offs, und es ist fair, sie aufzulisten.

  • Limits. Ein vollständiger Schlüssel erlaubt 8 parallele Anfragen und 300 pro Minute. Eine Workload, die deutlich mehr benötigt, muss auf mehrere Schlüssel verteilt oder on-premises verschoben werden.
  • Ein Modell. Du bekommst, was der Dienst ausführt. Du kannst deine eigenen Gewichte nicht einbinden oder das Modell feinabstimmen.
  • Kontextdeckel. Das Kontextfenster umfasst 100.000 Token für Prompt und Completion.
  • Zahlungsroute. Aufladungen erfolgen in Krypto, was einige Teams nicht nutzen können.
  • Abhängigkeit. Du verlässt dich darauf, dass ein externer Anbieter verfügbar ist. Veröffentliche keine Versprechen für deine eigenen Nutzer, die von einer bestimmten Uptime abhängen, da hier keine angegeben wird.

Prompts werden nicht zum Training verwendet, was einen Teil der Datenschutzfrage beantwortet, auch wenn ein selbst gehostetes Setup, das dein Netzwerk nie verlässt, immer noch die stärkste Position ist, wenn deine Daten hochsensibel sind.

Eine kurze Entscheidungshilfe

Beantworte diese in der Reihenfolge und stoppe bei der ersten, die entscheidet.

  1. Liegt dein monatliches Volumen unter dem Break-Even für den günstigsten Server, den du mieten könntest? Nutze die gehostete API.
  2. Müssen deine Daten auf Hardware bleiben, die du kontrollierst? Selbst hosten, egal welcher Preis.
  3. Musst du das Modell modifizieren oder eine bestimmte Version ausführen? Selbst hosten.
  4. Ist dein Datenverkehr sprunghaft oder unvorhersehbar? Nutze die gehostete API und zahle nur für das, was ausgeführt wird.
  5. Kann niemand in deinem Team einen GPU-Server warten? Nutze die gehostete API.

Die meisten kleinen Teams landen in den ersten Monaten auf der gehosteten Seite und überdenken das nur, wenn die monatliche Rechnung sich dem Preis eines Servers nähert, den sie bei hoher Auslastung betreiben würden.

Probier es für $0,50

Du musst nicht raten. Neue Nutzer können mit einem Klick auf der API-Schlüssel-Seite $0,50 Testguthaben beanspruchen, gültig für 7 Tage, einer pro Person, ohne Zahlungsdaten. Zum gewichteten Preis von $0,22 pro 1M Token sind das etwa 2,27M Token oder grob 1.050 Chat-Durchgänge der Größe 1.500/500.

Dieser schnelle Check misst deine tatsächlichen Kosten pro Aufruf, die du mit deinem erwarteten Volumen multiplizieren kannst:

curl https://api.webtheon.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a 150-word scene opening for a space-western."}]
  }'

Die Antwort enthält einen usage-Block, und der X-Balance-USD-Header zeigt dein verbleibendes Guthaben. Test-Schlüssel laufen mit 2 parallelen Anfragen und 60 Anfragen pro Minute, was für Tests mehr als ausreichend ist. Die Dokumentation und die Preisseite decken den Rest ab. Beachte den Umfang: ein Textmodell, 100.000-Token-Kontextfenster, keine Bilder, Audio, Embeddings oder Feinabstimmung.

Häufig gestellte Fragen

Was ist die günstigste Möglichkeit, eine unzensierte LLM zu nutzen?

Für geringe oder ungleichmäßige Nutzung eine Pay-per-Token gehostete API, da du im Leerlauf nichts zahlst. Bei einem Input/Output-Verhältnis von 4:1 kostet diese API etwa $0,22 pro 1M Token.

Wann wird Self-Hosting günstiger?

Wenn dein monatliches Tokenvolumen deine Serverkosten geteilt durch den gemischten Preis übersteigt. Mit einem Beispiel-Server für $100 und $0,22 pro 1M sind das etwa 455M Token pro Monat, bevor du deine Zeit mit einrechnest.

Gibt es eine kostenlose Möglichkeit, diese API zu testen?

Neue Nutzer können mit einem Klick auf der API-Schlüssel-Seite $0,50 Testguthaben beanspruchen. Es ist 7 Tage gültig, erfordert keine Zahlungsdaten und ist auf eine Person beschränkt.

Wie zahle ich?

Mit Krypto: USDT auf TRC20 oder USDC auf Base. Aufladungen laufen von $20 bis $500 mit Boni von 5 %, 10 % und 15 % bei höheren Beträgen.

Verfällt das Guthaben, das du nicht nutzt?

Nein. Guthaben ist Prepaid, verfällt nie und es gibt kein Abonnement.

Hole dir deinen API-Schlüssel sofort

Melde dich an, kopiere den Token, aktualisiere deine Base URL. Fertig.