Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

Vier Token-Typen

Lektion 5 von 14 Aktualisiert am 29. Juli 2026 Fortgeschritten
Auf dieser Seite
  1. Kosten für Tokens verstehen
  2. Text-Tokens und die Lücke zwischen Eingabe und Ausgabe
  3. Bild-Tokens
  4. Gecachte Tokens
  5. Reasoning-Tokens
  6. Kernaussagen

Kosten für Tokens verstehen

Eine Abrechnung für die Grok-API ist nicht einfach das Produkt aus Volumen und Preis. Vier Token-Typen koexistieren, jeder mit eigenen Zählregeln und eigenen Sätzen. Zwei Anwendungen, die dieselbe Gesamtzahl an Tokens verbrauchen, können sehr unterschiedliche Kosten verursachen. Die Lektüre dieser Aufschlüsselung ist unerlässlich, um ein Budget vor dem Launch zu schätzen und zu verstehen, woher ein unkontrolliert wachsender Posten in der Produktion stammt.

4
Token-Typen
85%
Einsparungen bei gecachten Tokens
1.792
Maximale Tokens pro Bild
1 Mio.
Maximaler Kontext

Text-Tokens und die Lücke zwischen Eingabe und Ausgabe

Text-Tokens machen den Großteil des Volumens aus: alles, was Sie senden – System-Prompt, Verlauf der Konversation, Benutzer-Nachricht – und alles, was das Modell als Antwort produziert. Bei grok-4.5 wird die Eingabe mit 2,00 USD pro Million Tokens und die Ausgabe mit 6,00 USD pro Million berechnet. Bei grok-4.3 fallen diese Werte auf 1,25 USD bzw. 2,50 USD pro Million.

Behalten Sie das Verhältnis im Kopf: Die Ausgabe kostet konsistent mehr als die Eingabe, bei grok-4.5 um den Faktor drei. Das Generieren von Text erfordert mehr Rechenleistung als das Lesen von Kontext, und das Preisschema spiegelt diese Asymmetrie wider. Die praktische Konsequenz ist kontraintuitiv: Das Hinzufügen von tausend Tokens an Beispielen in Ihren System-Prompt kostet oft weniger, als dem Modell zu erlauben, tausend Tokens an überflüssigem Wortkram zu produzieren. Eine gut platzierte Anweisung zur Präzision ist manchmal der beste Kostensenkungshebel in einer gesamten Anwendung.

Bild-Tokens

Ein an die API gesendetes Bild wird vor der Analyse in Tokens umgewandelt. Die Anzahl variiert von 256 Tokens für ein Thumbnail in niedriger Auflösung bis zu 1.792 Tokens für ein Bild in hochauflösender Qualität, abhängig von Größe und Detailgrad. Diese Tokens werden zum Satz für Text-Eingaben berechnet, was den Abwägungsprozess einfach macht: Jedes schwere Bild entspricht auf Ihrer Abrechnung etwa 1.500 Wörtern an Prompt.

Integrieren Sie diese Reflexion daher bereits im Pipeline-Design vor dem Aufruf. Skalieren Sie systematisch auf die minimale Auflösung, die Ihr Anwendungsfall erfordert, wenden Sie eine vernünftige JPEG-Komprimierung an und senden Sie kein 4K-Bild, wenn ein Standardbild ausreicht, um die Frage zu beantworten. Bei einem Dienst, der täglich tausende Fotos verarbeitet, schneidet diese einfache Skalierung die visuellen Kosten, ohne die Antwortqualität zu beeinträchtigen. Beachten Sie dabei die Formatbeschränkungen: Nur JPG und PNG werden akzeptiert, maximal 20 MiB pro Datei.

Gecachte Tokens

Gecachte Tokens sind Eingabetokens, die das automatische Caching-System der API bereits während eines vorherigen Aufrufs gespeichert hat. Sie werden zu einem stark reduzierten Satz berechnet: 0,30 USD pro Million bei grok-4.5 statt 2,00 USD, also etwa 85 % Einsparung, und 0,20 USD pro Million bei grok-4.3 statt 1,25 USD.

Der Mechanismus, der dieses Caching auslöst, wird im nächsten Abschnitt des Kurses behandelt. Wissen Sie für jetzt nur, wo Sie nachschauen müssen: Das Feld cached_tokens im usage-Objekt, das mit jeder Antwort zurückgegeben wird, zeigt Ihnen, wie viele Ihrer Eingabetokens vom reduzierten Satz profitiert haben. Dies ist die erste Metrik, die Sie instrumentieren sollten, wenn Sie Ihre Kosten ernsthaft managen möchten.

Reasoning-Tokens

Der vierte Typ betrifft Modelle, die vor der Antwort nachdenken, wie die Variante grok-4.20-0309-reasoning. Reasoning-Tokens entsprechen dieser internen Abwägung, die vor der sichtbaren Antwort produziert wird.

Hier verbirgt sich die häufigste Überraschung bei der Abrechnung: Diese Tokens werden zum Satz für die Ausgabe gezählt, nicht für die Eingabe. Bei grok-4.5 entspricht dies 6,00 USD pro Million. Da Reasoning bei komplexen Fragen mehrere tausend Tokens mobilisieren kann, kann der unsichtbare Teil der Antwort den sichtbaren Teil überschreiten. Fügen Sie eine Detailinformation hinzu, die Teams oft verwirrt: grok-4.20-0309 gibt den Reasoning-Inhalt (reasoning_content) im API-Antwort-Objekt nicht als klaren Text zurück. Sie zahlen für eine Denksequenz, die Sie nicht lesen können. Dies ist kein Grund, Reasoning auszuschließen, sondern ein Grund, es nur dort zu aktivieren, wo es die Ergebnisqualität tatsächlich verändert.

Preise Stand 5. August 2026 – Die Preise entwickeln sich regelmäßig weiter: Prüfen Sie vor jeder Budgetberechnung das aktuelle Schema auf der offiziellen Seite für xAI-Modelle und Preise.

Kernaussagen

  • Es gibt vier Token-Typen: Text, Bild, gecacht (reduzierter Satz) und Reasoning (als Ausgabe berechnet)
  • Bild-Tokens variieren von 256 bis 1.792, abhängig von Bildgröße und Detailgrad
  • Gecachte Tokens bieten bei grok-4.5 etwa 85 % Einsparung
  • Reasoning-Tokens werden zum Satzungssatz für die Ausgabe berechnet, was zu erheblichen Kosten führen kann
  • Wählen Sie das richtige Modell für Ihren Bedarf: grok-4.3 kostet deutlich weniger als grok-4.5, sowohl für Eingabe als auch für Ausgabe