Das Preismodell von Claude – mit Fokus auf Opus 4.7 💸
Wenn dich vor allem interessiert, „Was kostet es wirklich, wenn man Claude Opus 4.7 intensiv per API nutzt?“, dann ist die kurze Antwort:
Claude Opus 4.7 ist ein Premium-Modell – sehr leistungsfähig, aber auch klar im oberen Preissegment.
Die Standardpreise liegen bei:
| Kategorie | Preis |
|---|---|
| Input | 5 USD / 1 Mio. Tokens |
| Output | 25 USD / 1 Mio. Tokens |
| Cache write (5 Min.) | 6,25 USD / 1 Mio. Tokens |
| Cache write (1 Std.) | 10 USD / 1 Mio. Tokens |
| Cache hit / Refresh | 0,50 USD / 1 Mio. Tokens |
Das wichtigste Prinzip dabei ist:
Output ist 5× teurer als Input.
Wer also sehr viel lange Antworten erzeugen lässt, spürt die Kosten deutlich stärker als bei bloß großen Eingaben.
Wie Claude grundsätzlich abrechnet
Claude rechnet tokenbasiert ab. Ein Token ist ein kleines Textstück. Als grobe Faustregel gilt:
- 1 Mio. Tokens Input bei Opus 4.7 kosten 5 USD
- 1 Mio. Tokens Output kosten 25 USD
Das ist zunächst erstaunlich günstig, wenn man nur ein paar Requests betrachtet. Bei hoher Nutzung summiert es sich aber schnell – insbesondere durch die Ausgaben des Modells.
Eine einfache Kostenformel
Für Standardnutzung ohne Sonderfunktionen kannst du grob rechnen mit:
$$
\text{Kosten} = 5 \cdot \frac{\text{Input-Tokens}}{1{,}000{,}000} + 25 \cdot \frac{\text{Output-Tokens}}{1{,}000{,}000}
$$
Das heißt:
- 100.000 Input-Tokens kosten etwa 0,50 USD
- 100.000 Output-Tokens kosten etwa 2,50 USD
Schon daran sieht man:
Nicht der Prompt ist meist der große Kostentreiber, sondern die Länge der Antwort.
Was Opus 4.7 „teuer“ macht
Opus 4.7 ist nicht deshalb teuer, weil einzelne Requests sofort riesige Summen kosten. Es ist teuer, weil bei produktiver Nutzung oft mehrere Dinge gleichzeitig zusammenkommen:
- viele Requests
- große Kontexte
- lange Antworten
- Tool-Nutzung / Agenten-Workflows
- dauerhafte Nutzung im Produktivbetrieb
Gerade wenn du Opus 4.7 für komplexe Aufgaben einsetzt – etwa Coding, Analyse, Agentensteuerung oder lange Dokumentverarbeitung – entstehen hohe Tokenmengen oft ganz automatisch.
Ein weiterer Punkt:
Anthropic weist darauf hin, dass Opus 4.7 einen neuen Tokenizer verwendet, der bei gleichem festen Text bis zu 35 % mehr Tokens erzeugen kann als frühere Modelle. Das kann reale Kosten zusätzlich anheben.
Konkrete Kostenbeispiele für „viel Nutzung“
Am verständlichsten wird es mit Beispielen.
Beispiel 1: 1 Million Input + 1 Million Output im Monat
| Nutzung | Kosten |
|---|---|
| 1 Mio. Input-Tokens | 5 USD |
| 1 Mio. Output-Tokens | 25 USD |
| Gesamt | 30 USD |
Das ist noch relativ moderat.
Beispiel 2: 10 Millionen Input + 10 Millionen Output im Monat
| Nutzung | Kosten |
|---|---|
| 10 Mio. Input-Tokens | 50 USD |
| 10 Mio. Output-Tokens | 250 USD |
| Gesamt | 300 USD |
Auch hier sieht man: selbst bei gleichen Tokenmengen dominiert der Output.
Beispiel 3: 100 Millionen Input + 100 Millionen Output im Monat
| Nutzung | Kosten |
|---|---|
| 100 Mio. Input-Tokens | 500 USD |
| 100 Mio. Output-Tokens | 2.500 USD |
| Gesamt | 3.000 USD |
Ab dieser Größenordnung spricht man schon von ernsthafter produktiver Nutzung.
Beispiel 4: „Viel Opus 4.7“ in einem anspruchsvollen SaaS- oder Agentensystem
Nehmen wir an:
- 300 Mio. Input-Tokens / Monat
- 120 Mio. Output-Tokens / Monat
Dann ergibt sich:
$$
300 \cdot 5 / 1{,}000 = 1{,}500\ \text{USD}
$$
und
$$
120 \cdot 25 / 1{,}000 = 3{,}000\ \text{USD}
$$
also insgesamt:
$$
1{,}500 + 3{,}000 = 4{,}500\ \text{USD}
$$
| Nutzung | Kosten |
|---|---|
| 300 Mio. Input-Tokens | 1.500 USD |
| 120 Mio. Output-Tokens | 3.000 USD |
| Gesamt | 4.500 USD |
Das ist ein ziemlich realistischer Bereich für intensive Business-Nutzung.
Was kostet ein einzelner typischer Opus-Request?
Ein einzelner Request klingt oft unscheinbar. Beispiel:
- 20.000 Input-Tokens
- 4.000 Output-Tokens
Dann kostet das:
$$
20{,}000 \cdot \frac{5}{1{,}000{,}000} = 0{,}10\ \text{USD}
$$
$$
4{,}000 \cdot \frac{25}{1{,}000{,}000} = 0{,}10\ \text{USD}
$$
also insgesamt:
$$
0{,}20\ \text{USD}
$$
Das wirkt günstig. Aber bei 100.000 solchen Requests pro Monat wären das bereits:
$$
100{,}000 \cdot 0{,}20 = 20{,}000\ \text{USD}
$$
Hier sieht man den entscheidenden Punkt:
API-Kosten werden nicht durch den Einzelrequest gefährlich, sondern durch die Skalierung.
Prompt Caching: der wichtigste Hebel für Vielnutzer
Wenn du immer wieder denselben großen Systemprompt, dieselben Dokumente oder dieselbe Gesprächshistorie mitschickst, wird es teuer. Genau dafür gibt es Prompt Caching.
Die Multiplikatoren relativ zum normalen Inputpreis sind:
| Operation | Preisfaktor |
|---|---|
| 5-Minuten-Cache schreiben | 1,25× |
| 1-Stunden-Cache schreiben | 2× |
| Cache lesen | 0,1× |
Für Opus 4.7 bedeutet das konkret:
| Cache-Typ | Preis |
|---|---|
| 5m Write | 6,25 USD / Mio. Tokens |
| 1h Write | 10 USD / Mio. Tokens |
| Read/Hit | 0,50 USD / Mio. Tokens |
Warum sich das lohnt
Wenn du z. B. einen großen Prompt mit 1 Mio. Tokens immer wieder brauchst:
- ohne Cache: jeder Abruf kostet 5 USD
- mit Cache:
- erster Write: 6,25 USD
- jeder spätere Read: 0,50 USD
Schon nach sehr wenigen Wiederverwendungen ist Caching deutlich günstiger. Für Vielnutzer ist das oft der größte Kostensenker überhaupt.
Batch API: Opus 4.7 deutlich günstiger, wenn Zeit egal ist
Wenn deine Aufgaben nicht in Echtzeit erledigt werden müssen, ist die Batch API extrem interessant. Sie gibt 50 % Rabatt auf Input und Output.
Für Opus 4.7 gilt dann:
| Kategorie | Standard | Batch |
|---|---|---|
| Input | 5 USD / Mio. | 2,50 USD / Mio. |
| Output | 25 USD / Mio. | 12,50 USD / Mio. |
Das ist enorm. Wenn du große Mengen an Analysen, Klassifikationen oder Offline-Verarbeitung hast, halbieren sich die Kosten praktisch sofort.
Beispiel
Statt:
- 100 Mio. Input = 500 USD
- 100 Mio. Output = 2.500 USD
zahlst du im Batch-Modus:
- 100 Mio. Input = 250 USD
- 100 Mio. Output = 1.250 USD
also insgesamt nur:
- 1.500 USD statt 3.000 USD
Fast Mode: sehr schnell, aber sehr teuer 🚀
Für Opus 4.7 gibt es auch einen Fast Mode. Der kostet allerdings 6× Standardpreis.
| Kategorie | Standard | Fast Mode |
|---|---|---|
| Input | 5 USD / Mio. | 30 USD / Mio. |
| Output | 25 USD / Mio. | 150 USD / Mio. |
Das ist kein kleiner Aufpreis, sondern ein massiver Premium-Tarif.
Wenn du viel Opus 4.7 nutzt, solltest du Fast Mode nur dann einsetzen, wenn die zusätzliche Geschwindigkeit einen echten Geschäftswert hat.
Beispiel
Bei:
- 10 Mio. Input
- 10 Mio. Output
würden die Kosten statt 300 USD plötzlich bei:
- Input: 300 USD
- Output: 1.500 USD
- Gesamt: 1.800 USD
liegen.
Data Residency: leichter Aufpreis für US-only Inference
Für Opus 4.7 gilt: Wenn du mit inference_geo: "us" arbeitest, wird ein 1,1× Multiplikator angewendet.
Das heißt:
- Input wird von 5 USD auf 5,50 USD / Mio.
- Output von 25 USD auf 27,50 USD / Mio.
Das ist kein dramatischer, aber ein merklicher Aufpreis von 10 % auf alles – auch auf Cache-Operationen.
Tool-Nutzung: oft ein versteckter Kostentreiber
Wenn du Claude mit Tools einsetzt, steigen die Tokens zusätzlich.
Bei Opus 4.7 kommen allein durch den Tool-Mechanismus schon systemseitige Zusatz-Tokens hinzu:
| Tool choice | Zusatz-Tokens |
|---|---|
auto, none |
346 Tokens |
any, tool |
313 Tokens |
Dazu kommen noch Tokens für:
- Tool-Definitionen
- Tool-Aufrufe
- Tool-Ergebnisse
- eventuell große Inhalte aus Such- oder Fetch-Tools
Spezielle Tools
Ein paar Beispiele:
| Tool | Zusatzkosten |
|---|---|
| Bash Tool | 245 Input-Tokens extra |
| Text Editor Tool | 700 Input-Tokens extra |
| Web Search | 10 USD pro 1.000 Suchen + Tokenkosten |
| Web Fetch | keine Extra-Gebühr, aber Tokenkosten für Inhalte |
| Code Execution | teils laufzeitbasiert, je nach Nutzungskontext |
Gerade bei agentischen Workflows kann der eigentliche „Chat“ preislich fast zweitrangig werden, wenn viele Tool-Ergebnisse in den Kontext zurückfließen.
Wie teuer ist „sehr viel“ Opus 4.7 wirklich?
Wenn man es praxisnah einordnet, könnte man ungefähr so unterscheiden:
| Nutzungsniveau | Typischer Monatsbereich |
|---|---|
| Experimentell / klein | 10–100 USD |
| Kleines Produkt / Prototyp | 100–1.000 USD |
| Seriöse Produktionsnutzung | 1.000–10.000 USD |
| Große intensive Nutzung | 10.000+ USD |
Mit Opus 4.7 erreicht man die hohen Bereiche schneller als mit günstigeren Modellen, weil der Outputpreis von 25 USD / Mio. Tokens recht kräftig ist.
Wenn du also wirklich „viel“ Opus 4.7 nutzt – etwa für viele Nutzer, lange Antworten, große Kontexte oder Agenten mit Tools – dann sind mehrere tausend USD pro Monat absolut realistisch.
Bei großen Workloads auch fünfstellige Monatskosten.
Wann Opus 4.7 wirtschaftlich sinnvoll ist
Opus 4.7 lohnt sich vor allem dann, wenn die höhere Qualität wirtschaftlich mehr bringt als sie kostet, zum Beispiel bei:
- komplexer Analyse
- anspruchsvollem Coding
- mehrstufigem Reasoning
- hochwertigen Agenten-Workflows
- Fällen, in denen Fehler sehr teuer wären
Weniger sinnvoll ist Opus 4.7 dagegen für:
- einfache Klassifikation
- Standard-Zusammenfassungen
- einfache Extraktion
- Routine-Chatbots
- Massenverarbeitung ohne hohe Qualitätsanforderung
In solchen Fällen sind Sonnet oder Haiku oft deutlich wirtschaftlicher.
Praktisches Fazit
Claude Opus 4.7 ist nicht „absurd teuer“ pro Anfrage – aber teuer in der Skalierung.
Die wichtigste Erkenntnis ist:
Wenn du viel Opus 4.7 API nutzt, bestimmt vor allem die Menge an Output-Tokens deine Rechnung.
Merke dir besonders diese Punkte
-
Standardpreis
- 5 USD / Mio. Input
- 25 USD / Mio. Output
-
Output ist der Hauptkostentreiber
- lange Antworten kosten deutlich mehr als große Prompts
-
Prompt Caching kann massiv sparen
- besonders bei wiederkehrendem Kontext
-
Batch halbiert die Kosten
- ideal für Offline-Workloads
-
Fast Mode ist Luxus
- 6× Standardpreis
-
Bei intensiver Nutzung sind schnell mehrere tausend USD pro Monat realistisch
Eine einfache Daumenregel für Opus 4.7
Wenn du schnell überschlagen willst:
- pro 1 Mio. Input-Tokens: 5 USD
- pro 1 Mio. Output-Tokens: 25 USD
Oder noch einfacher:
1 Mio. Tokens Antworttext kostet ungefähr so viel wie 5 Mio. Tokens Eingabetext.
Das beschreibt die Preislogik von Opus 4.7 ziemlich gut.
Wenn du möchtest, kann ich dir im nächsten Schritt auch noch eine konkrete Kostenkalkulation für deinen Use Case machen – zum Beispiel für:
- 100.000 Requests pro Monat
- einen Coding-Agenten
- ein SaaS mit x Nutzern
- oder einen Vergleich Opus 4.7 vs. Sonnet 4.6 vs. Haiku 4.5.