ChatGPT, Claude und Gemini: KI-Token sparen, Kosten senken

Jo Bager und Carolin Riethmüller zeigen, wie Sie den Tokenverbrauch von Claude, ChatGPT und Gemini senken. Sie erklären, welche Kosten durch Werkzeuge, Projektwissen, Dateien und Gedächtnisfunktionen entstehen, wie Sie sparsamer prompten und passende Modelle auswählen – und wann sich Caching und Batch-Verarbeitung lohnen. Die Tokenkosten explodieren oder das Abo-Limit ist schon wieder erreicht. Und zwar grundsätzlich immer dann, wenn Sie gerade kurz davor sind, eine Aufgabe abzuschließen. Bei intensiver KI-Nutzung wachsen aus Centbeträgen schnell echte Kosten: Schon hundert Anfragen mit einem umfangreichen Werkzeug-Setup können bei einem Spitzenmodell allein für die mitgeschickten Werkzeugbeschreibungen rund 25 US-Dollar verschlingen. Das Tückische daran: Was im Eingabefeld steht, macht oft nur einen kleinen Teil dessen aus, was das Modell tatsächlich verarbeitet. Im Hintergrund reisen Chatverlauf, Projektwissen, Gedächtniseinträge, Dateien, Systemanweisungen und Werkzeugbeschreibungen mit. Wie viel davon bei jeder Anfrage erneut im Kontext landet und wie viel dank Caching oder anderer Mechanismen günstiger verarbeitet wird, bleibt in den Chat-Oberflächen weitgehend unsichtbar. Wer nur seine Prompts kürzt, optimiert deshalb womöglich am falschen Ende. C’T kompakt Bevor Sie sparen, sollten Sie messen: Alle die drei großen US-Anbieter Anthropic, Google und OpenAI zeigen den Verbrauch an.Die größten Kostentreiber sind selten ausufernde Prompts, sondern Projektwissen, Gedächtnisfunktionen und dauerhaft aktive Werkzeuge.Caching und Batch-Verarbeitung können die Rechnung über das API um bis zu 90 beziehungsweise 50 Prozent senken. Wir haben uns angesehen, wo die drei großen Sprachmodelle Claude, ChatGPT und Gemini ihre Token verstecken, welche unscheinbaren Funktionen Tausende bis Zehntausende Token zusätzlich in eine Anfrage packen und was das bei aktuellen Modellpreisen ausmacht. Dabei zeigt sich auch, welche viel zitierten Spartipps tatsächlich etwas bringen und wo der Aufwand mehr Arbeitszeit kostet, als er an Token einspart. Der Artikel exerziert das Thema ausführlich am Beispiel Claude durch, ohne ChatGPT und Gemini völlig zu unterschlagen. Erst messen Sprachmodelle rechnen Texte nicht in Wörtern oder Zeichen ab, sondern in Token. Das sind kleinsten Bausteine, aus denen das Modell Texte zusammensetzt. Je mehr davon eine Anfrage umfasst, desto mehr Rechenarbeit fällt an. Bei der Nutzung über eine Programmierschnittstelle, kurz API, steigt damit unmittelbar der Preis. In einem Abo wird dagegen meist kein Geld pro Anfrage fällig, doch die verbrauchten Token zählen gegen die Nutzungslimits. Wer sparen will, muss deshalb zunächst wissen, wo sie überhaupt anfallen. Wir betrachten im Folgenden die drei großen kommerziellen KI-Angebote Claude von Anthropic, ChatGPT von OpenAI und Gemini von Google. Die grundlegenden Mechanismen ähneln sich, die Anbieter unterscheiden sich aber bei Preisen, Limits und darin, welche zusätzlichen Informationen sie zusammen mit einem Prompt an ihre Modelle schicken. Viele der Stellschrauben lassen sich besonders gut an Claude zeigen; wo ChatGPT und Gemini davon abweichen, gehen wir darauf ein. Um nicht nur mit abstrakten Tokenzahlen zu hantieren, rechnen wir an einigen Stellen außerdem vor, was bestimmte Elemente und Operationen bei der API-Nutzung kosten. Die Preise machen Größenordnungen anschaulich: Ob ein zusätzlicher Kontext 100, 10.000 oder 50.000 Token verschlingt, sieht man auf der Rechnung recht unmittelbar. Auch für Abonnenten sind diese Werte deshalb ein brauchbarer Maßstab, obwohl bei ihnen nicht jede Anfrage einzeln berechnet wird. Wer Claude, ChatGPT oder Gemini per API nutzt, kann den Verbrauch vergleichsweise genau verfolgen. Alle drei Anbieter schlüsseln ihn in ihren Entwicklerkonsolen auf. Anthropic zeigt unter „Usage“ und „Cost“ die Ausgaben pro Modell, Workspace und API-Schlüssel, monatlich und tageweise, mit CSV-Export. OpenAI und Google bieten vergleichbare Übersichten. Dort lassen sich auch Ausgabelimits und Schwellenwerte für Warnmeldungen festlegen. Wer per API arbeitet, sollte das als Erstes tun: Ein hartes Kostenlimit verhindert zuverlässiger eine böse Überraschung als jeder noch so ausgefeilte Spar-Prompt. Bei den Abos bleibt der tatsächliche Verbrauch stärker im Dunkeln. Anthropic, OpenAI und Google zeigen ihren Abonnenten gewöhnlich keine laufende Tokenabrechnung, sondern Nutzungslimits, Prozentwerte oder Warnhinweise. Dafür kann die Rechnung nicht mit jeder Anfrage weiterwachsen. Wer sein Limit erreicht, bezahlt also nicht plötzlich dreistellig, sondern muss im ungünstigsten Moment auf die nächste Freigabe warten. Welche Größenordnungen dabei zusammenkommen, hängt auch von der Sprache ab. Ein grober Richtwert für deutsche Prosa liegt bei rund 280 Token pro 1000 Zeichen. Dieselbe Aussage benötigt auf Deutsch häufig mehr Token als auf Englisch. Der Grund liegt in den Tokenizern: Ihre Vokabulare enthalten besonders viele häufige englische Wortbestandteile. Lange deutsche Wörter werden dagegen öfter in mehrere kleinere Bausteine zerlegt und belegen dadurch mehr Token. Wer ohnehin problemlos auf Englisch mit einem Modell arbeiten kann, spart damit also bereits Eingabetoken. Texte eigens zu übersetzen, nur um ein paar Token einzusparen, lohnt dagegen selten: Der Effekt wird erst bei großen Textmengen oder sehr häufig wiederholten Anfragen relevant. Die stillen Kontextfresser zähmen Der teuerste Einzelposten können angebundene Werkzeuge sein. Damit sind Funktionen gemeint, über die ein Sprachmodell auf externe Dienste und Daten zugreift, etwa Dateien durchsucht, Kalender abfragt, Webseiten öffnet oder Programme bedient. Alle drei Modelle binden zum Beispiel solche Werkzeuge über das Model Context Protocol (MCP) an; darüber hinaus gibt es vergleichbare Mechanismen unter anderen Namen. Damit das Modell weiß, welche Funktionen ihm zur Verfügung stehen und wie es sie aufrufen muss, bekommt es zu jedem Werkzeug eine Beschreibung samt möglichen Befehlen und Parametern mitgeschickt. Dieser technische Steckbrief kostet selbst dann Token, wenn das Modell das Werkzeug in der betreffenden Anfrage gar nicht benutzt. Jeder angeschlossene MCP-Server meldet seine Funktionen mit Namen, Beschreibung und Parameterschema an. Wie teuer das wird, hängt an der Komplexität dieser Schemata: Messungen an gängigen Servern reichen von unter 60 Token für einen simplen Befehl bis über 800 für einen mit verschachtelten Parametern. [caption id="attachment_61940" align="alignnone" width="610"] Aktivieren Sie nur die Konnektoren, die Sie im Chat wirklich brauchen.[/caption] Benutzer berichten bei einem Setup mit vier Servern von rund 7000 Token pro Nachricht und davon, dass ein halbes Dutzend schnell die 50.000er-Marke reißt. Bei Opus 5 sind das 25 Cent pro Anfrage, allein für Beschreibungen von Werkzeugen, die das Sprachmodell womöglich überhaupt nicht anfasst. Bei hundert Anfragen summiert sich das auf 25 Dollar. Anthropic hat das Problem inzwischen entschärft. Seit Anfang 2026 lädt Claude die Werkzeugschemata nicht mehr vorab, sondern sucht sie bei Bedarf; der Overhead sinkt laut Anthropic um rund 85 Prozent. Verlassen sollten Sie sich darauf trotzdem nicht. In der Claude-App sollten Sie überflüssige Dienste über die Schiebeschalter im Werkzeugmenü unterhalb des Eingabefelds abschalten, statt sie dauerhaft mitlaufen zu lassen. Bei ChatGPT heißen sie Connectors, bei Gemini Erweiterungen. Mit Skills fallen deutlich weniger Kosten an. Alle drei großen Sprachmodelle verstehen darunter vorbereitete Anweisungen oder Anweisungspakete für bestimmte Aufgaben, etwa zum Bearbeiten eines bestimmten Dateiformats oder zum Erstellen einer Präsentation. Ein Skill kann neben solchen Arbeitsanweisungen auch Verweise auf Referenzdateien und Skripte enthalten. Anders als ein MCP-Server stellt ein Skill aber nicht ständig eine Sammlung externer Werkzeuge samt Parameterschemata bereit. Von jedem installierten Skill lädt Claude zunächst nur den Namen und eine kurze Beschreibung, rund 100 Token. Erst wenn eine Aufgabe dazu passt, kommt der eigentliche Anweisungstext hinzu, laut Anthropics Vorgabe mit weniger als 5000 Token. Beigelegte Referenzdateien und Skripte kosten gar nichts, solange Claude sie nicht öffnet. Dreißig installierte Skills belasten den Kontext daher zunächst mit etwa 3000 Token, bei Sonnet 5 ergibt das weniger als einen Cent pro Anfrage. Im Vergleich zu umfangreichen MCP-Servern fällt dieser Grundverbrauch kaum ins Gewicht. Dateien sind der dritte große Posten. Bei einer reinen Textdatei zählt im Wesentlichen der enthaltene Text: Eine typische deutsche Textseite mit rund 2000 Zeichen kommt grob auf 560 Token. Bei PDFs kann mehr zusammenkommen. Multimodale Modelle lesen nicht nur den eingebetteten Text, sondern werten je nach Anbieter zusätzlich die gerenderten Seiten aus, damit sie auch Tabellen, Diagramme und das Layout erfassen. Gemini berechnet für diese visuelle Repräsentation beispielsweise 258 Token je PDF-Seite zusätzlich zum extrahierten Text. Ein zehnseitiges PDF bringt damit schon rund 2600 Token allein für die Seitendarstellung mit. Bei Scans muss das System den Text außerdem aus den Seitenbildern erkennen; einen allgemeingültigen Tokenwert pro Seite gibt es deshalb nicht. Entscheidend für die Kosten ist aber nicht nur, wie viele Token eine Datei belegt, sondern auch, wie oft das Modell diesen Kontext neu verarbeiten muss. Eine einmal angehängte Datei bleibt in einer Unterhaltung verfügbar und kann bei späteren Fragen wieder zum Eingabekontext gehören. Das heißt allerdings nicht, dass ihre Token jedes Mal zum vollen Eingabepreis anfallen. Die aktuellen APIs von Anthropic, OpenAI und Google können wiederkehrende Teile des Kontexts zwischenspeichern. Bei einem Cache-Treffer berechnet Anthropic beispielsweise nur ein Zehntel des normalen Input-Preises. Die Datei belegt weiterhin Platz im Kontextfenster, ihre wiederholte Verarbeitung wird aber deutlich billiger. Fürs Tokensparen bleibt die Größe trotzdem relevant: Eine umfangreiche Datei vergrößert den Kontext und kann bei einem fehlenden oder abgelaufenen Cache wieder zum vollen Preis anfallen. Vor allem sollte man deshalb keine großen Dokumente dauerhaft in einer Unterhaltung mitschleppen, wenn sie für die folgenden Aufgaben nicht mehr gebraucht werden. Projektwissen entschlacken Projekte sind der Ort, an dem sich Token am wirksamsten sparen oder am gründlichsten verbrennen lassen. Legen Sie Ihre Stilvorgaben, Glossare und Hintergrunddokumente einmal ins Projektwissen, sparen Sie sich das Anhängen bei jedem Chat. Unterschreitet allerdings das Projektwissen das Kontextfenster des Sprachmodells – bei aktuellen Modellen eine Million Token –, lädt Claude dieses Wissen komplett in den Kontext jeder Anfrage. [caption id="attachment_61941" align="alignnone" width="610"] Das Wissen dieses Projekts belegt nur ein Prozent der verfügbaren Kapazität. Claude lädt es daher komplett in den Kontext jedes Chats.[/caption] Oberhalb dieser Schwelle schaltet Claude auf Retrieval Augmented Generation um, kurz RAG. Statt alles zu laden, durchsucht das Modell die Dokumente und holt nur passende Ausschnitte. Anthropic beschreibt das als automatische Kapazitätserweiterung um das Zehnfache. Für die Kosten ist es zugleich der Sparmodus: Aus dem riesigen vollständigen Projektwissen macht Claude ein paar tausend Token Suchergebnis. Für die Praxis heißt das: Je größer das Projektwissen im Verhältnis zum Kontextfenster, desto mehr Overhead entsteht bei jeder Abfrage. Da lässt sich also mitunter viel sparen, wenn man das Projektwissen verschlankt – oder vergrößert, denn dann greift das RAG. Wenn Claude bei umfangreichem Projektwissen auf Retrieval umschaltet und nur noch passende Ausschnitte daraus lädt, blendet der Chatbot einen Hinweis ein, Claude werde Informationen bei Bedarf nachschlagen. Das Gedächtnis ausmisten Das Gedächtnis ist der unauffälligste Posten. Seit März 2026 ist die Funktion bei Anthropic für alle Konten aktiv, auch für kostenlose. Claude destilliert dabei Fakten aus vergangenen Chats und legt sie ab. Bei jeder neuen Unterhaltung wandern die passenden Einträge in den Kontext. Das spart Tipparbeit und kostet Token, und zwar in jedem Chat – selbst in den Chats, in denen die gespeicherten Details nichts zur Sache tun. Entschlacken Sie daher von Zeit zu Zeit das Gedächtnis. Die Schalter „Chats durchsuchen und referenzieren“ und „Erinnerungen aus Chats generieren“ dafür finden Sie in den Einstellungen unter „Speicher“. Ein Blick alle paar Wochen genügt, um nicht mehr Benötigtes zu löschen. In ChatGPT liegt das Gedächtnis unter „Einstellungen/Personalisierung/Erinnerung“; dort stehen auch die benutzerdefinierten Anweisungen, die bei jeder Anfrage mitgehen. Projekte in ChatGPT haben eigene Knowledge-Dateien, die sich wie Claudes Projektwissen verhalten. Auch Google merkt sich Informationen über den Nutzer. Man findet sie unter „Persönlicher Kontext“. Dort kann man unter „Gemerkte Informationen“ festlegen, ob der Chatbot aus früheren Chats lernen soll. Unter „Deine Anweisungen für Gemini“ gibt man dem Chatbot Anweisungen, die er bei jedem Chat verwendet. Gems entsprechen bei Gemini den Projekten und tragen ihre Anweisungen bei jedem Aufruf mit. Sparsam prompten Beim Prompten können Sie an den Stellschrauben „Länge der Eingabe“, „Länge der Ausgabe“ und „Denkaufwand des Modells“ drehen. Als Faustregel gilt: erst denken, dann prompten. Wollen Sie zum Beispiel das Sprachmodell einen Text für die Geburtstagskarte Ihrer Großmutter texten lassen, ist der Auftrag „Schreibe mir einen Text für die Geburtstagskarte meiner Oma“ wenig hilfreich. Darauf würde das LLM mit großer Wahrscheinlichkeit irgendeinen generischen Text ausspucken, den Sie mit weiteren Anweisungen überarbeiten müssen. Der sparsame Weg nennt alles gleich beim ersten Mal: mit einem Witz über Onkel Huberts Kuchenhunger beim letzten Kaffeetrinken; drei Strophen, mehr passt nicht auf die Karte. Und was die KI in Informationen nicht braucht, bleibt draußen. Wenn Sie Ihrer Großmutter nicht unter die Nase reiben wollen, dass sie 86 wird, muss die Zahl auch nicht in den Prompt. Das Ergebnis kommt in einem Durchgang statt in fünf, und es spart nebenbei Zeit. An der Präzision der Aufgabenstellung sollten Sie dagegen nicht sparen. Die Kosten steigen mit der Zahl der Runden, nicht mit der Zahl der Anforderungen im ersten Prompt. Bei der Ausgabelänge hilft eine klare Ansage. Formulierungen wie „antworte in höchstens 200 Wörtern“ oder „keine Zusammenfassung am Ende“ begrenzen die Ausgabe und lassen sich bei Bedarf auch in den eigenen Grundeinstellungen hinterlegen. Mit Aufforderungen wie „keine Rückfragen, leg direkt los“ sollte man dagegen vorsichtig sein. Bei einfachen, klar umrissenen Aufgaben sparen sie eine Gesprächsrunde. Bei komplexeren Aufträgen ist es oft günstiger, das Modell zunächst prüfen zu lassen, ob es die Aufgabe verstanden hat und welche Informationen ihm noch fehlen. Eine kurze Rückfrage kostet weit weniger als eine lange Antwort, die an einer missverstandenen Vorgabe vorbeigeht. Das lieg auch daran, dass Ausgabetoken in der Regel deutlich teurer sind als Eingabetoken. Sinnvoll sind außerdem klare Abbruchbedingungen für aufwendige Werkzeugaufrufe: „Wenn du nach fünf Quellen nichts gefunden hast, stoppe die Suche.“ Auch unnötige Anhängsel lassen sich vermeiden. ChatGPT etwa bietet nach Antworten gern weitere Arbeitsschritte an; wer solche Zusätze nicht benötigt, kann sie per Grundeinstellung unterbinden und spart damit Ausgabetoken Eine Prompting-Grundregel spart besonders viel: Öffnen Sie für jede neue Aufgabe ein neues Fenster. Ein Chat, der schon zwanzig Nachrichten alt ist, schickt diese bei jeder weiteren Frage erneut mit – auch dann, wenn Sie das Thema längst gewechselt haben. Wer stattdessen neu anfängt, zahlt für die einundzwanzigste Frage nur die dafür fälligen Token. Der Nebeneffekt ist oft wichtiger als der Kostenvorteil: In einem langen Verlauf lässt die Antwortqualität nach, weil das Modell frühe Absprachen aus dem Blick verliert. Was Sie aus dem alten Chat brauchen, kopieren Sie in drei Zeilen ins neue Fenster. Diese Zusammenfassung kann man die KI übrigens auch gut selbst schreiben lassen. Die passende Leistungsklasse Für die wenigsten Alltagsaufgaben benötigen Sie ein Spitzenmodell. Die Preisunterschiede sind erheblich: Zwischen Haiku 4.5 und Fable 5 liegt bei Anthropic der Faktor zehn. Welche Modellfamilie zu welcher Aufgabe passt, kann man mithilfe von Benchmarks herausfinden. Wer sich einen ersten Überblick verschaffen will, findet ihn beim Artificial Analysis Intelligence Index; weil Hersteller ihre Modelle gern auf bekannte Testaufgaben hin optimieren, lohnt LiveBench als Gegenprobe mit wechselnden Aufgaben. Ein Stück weit ist die Modellwahl aber auch eine Frage der eigenen Erfahrungen und Präferenzen. In unserer Redaktion hat sich für das Feedback zu Texten und für agentische Tätigkeiten das obere Ende der Anthropic-Palette bewährt. OpenAIs Spitzenmodelle dagegen formulieren unserer Erfahrung nach oft zu defensiv. Googles Flash-Modelle sind schnell, preiswert und zuverlässig genug für einen kurzen Chat oder eine klar umrissene Aufgabe wie „Mach mir aus diesen zehn Meldungen einen Newsletter“. Google ist außerdem stark bei Echtzeitgesprächen per Audio und beim Erzeugen und Bearbeiten von Bildern und Videos. Wie sich preisgünstige Modelle aus China im Vergleich zu den US-Modellen schlagen, haben wir in einem eigenen Artikel erkundet. Für einen effizienten KI-Einsatz muss man aber nicht nur den für sich passenden KI-Anbieter wählen, sondern auch die richtige Leistungsstufe. Leistungsfähigere Modelle denken von sich aus mehr und Denken kostet Ausgabetoken. Die günstigsten Modelle fanden wir in unseren Tests hingegen für viele komplexere Aufgaben zu schwach. Die Antworten kamen unvollständig und voller Halluzinationen zurück. Testen Sie günstige Modelle deshalb anfangs mit Prompts, bei denen Sie das Ergebnis einschätzen können, und gehen Sie in der Leistungsklasse immer weiter nach oben, bis Ihnen die Qualität der Antwort gefällt. Auch eine Mischung aus verschiedenen Modellen lohnt sich im Sinne der Kosten. An die Sortierung von großen Datenmengen sollte man zum Beispiel ein kleineres Modell setzen, ein großes analysiert anschließend die Auswahl in der Tiefe. Cache, Batch und lokale Modelle Caching gibt es nicht nur bei der API-Nutzung. Die Chatdienste versuchen auch bei Abonnenten, bereits verarbeitete Teile einer Unterhaltung wiederzuverwenden. Davon bekommt der Nutzer allerdings wenig mit und kann das Verhalten kaum beeinflussen. Über das API lässt sich Caching gezielter nutzen. Das Prinzip ist einfach: Bleiben große Teile einer Anfrage unverändert, etwa Systemanweisungen, Projektwissen oder angehängte Dokumente, müssen sie nicht jedes Mal zum vollen Preis neu verarbeitet werden. Für solche Cache-Treffer verlangen die Anbieter je nach Modell nur ungefähr ein Zehntel des normalen Eingabepreises. [caption id="attachment_61938" align="alignnone" width="610"] Für das Caching muss man nur eine zusätzliche Zeile in die Abfrage einfügen. Anthropic stellt die entsprechenden Code-Schnipsel bereit.[/caption] Bei Anthropic kann man festlegen, welche wiederkehrenden Teile einer Anfrage für spätere Aufrufe zwischengespeichert werden sollen. Google erlaubt sogar, umfangreiche Inhalte ausdrücklich als Cache anzulegen und anschließend in mehreren Anfragen wiederzuverwenden. OpenAI cacht geeignete wiederkehrende Prompt-Bestandteile weitgehend automatisch. Die APIs bieten damit mehr Kontrolle als die normalen Chatoberflächen, das Grundprinzip bleibt aber dasselbe. Bei Anthropic bleibt ein Cache-Eintrag standardmäßig fünf Minuten erhalten und wird bei erneuter Nutzung aufgefrischt. Das erstmalige Schreiben kostet einen Aufschlag von 25 Prozent auf den normalen Eingabepreis, ein Cache-Treffer anschließend nur rund ein Zehntel. Gegen einen höheren Schreibpreis lässt sich der Inhalt auch eine Stunde lang vorhalten. Ein Rechenbeispiel: Ein Projektkontext von 50.000 Token kostet bei Sonnet 5 zehn Cent pro Anfrage. Einmal in den Cache geschrieben, kostet er 12,5 Cent, danach einen Cent je Wiederverwendung. Ab dem zweiten Aufruf zahlt sich das also aus. Entscheidend ist die Reihenfolge im Prompt: Der Cache greift vom Anfang des Prompts bis zur ersten Änderung. Was gleich bleibt, gehört deshalb nach vorn, was sich pro Anfrage ändert, ans Ende. Google unterscheidet dabei implizites Caching, das automatisch greift, und explizites, das Sie selbst anlegen; letzteres kostet zusätzlich Speichergebühr pro Stunde, egal ob Sie es nutzen. Der zweite Hebel ist die Stapelverarbeitung. Wer auf die Antwort nicht sofort angewiesen ist, reicht die Aufgaben als Batch ein und zahlt bei allen drei Anbietern die Hälfte, mit einer Bearbeitungszeit von bis zu 24 Stunden. Ähnlich wie bei flexiblen Stromtarifen honoriert der Anbieter, dass er den Auftrag abarbeiten kann, wenn die Rechenzentren Kapazität übrig haben. Bei Anthropic lässt sich der Batch-Rabatt mit dem Caching kombinieren. Wann sich das Sparen nicht lohnt Die drei wirksamsten Maßnahmen kosten zusammen keine halbe Stunde: Ausgabenlimit in der Konsole setzen, ungenutzte MCP-Server abschalten, Gedächtnis und Projektwissen ausmisten. Alles Weitere hat einen Preis in Arbeitszeit, und der wird selten mitgerechnet. Fünf Minuten Prompt-Feilerei sind Unfug, wenn es darum gehen soll, zwei Cent zu sparen. Lohnen kann sich das Polieren allenfalls, wenn man damit schneller und genauer zum Ziel kommt. Ansonsten wird Prompt-Tuning erst relevant, wenn dieselbe Aufgabe hundertmal läuft, wenn ein Team dieselben Gewohnheiten teilt oder wenn die Nutzung über das API skaliert. Für den gelegentlichen Chat gilt die einfachere Regel: Nehmen Sie ein kleineres Modell und ein frisches Fenster. Wer im Abo arbeitet, spart ohnehin kein Geld, sondern Wartezeit. Jede der beschriebenen Maßnahmen verschiebt lediglich den Zeitpunkt, an dem das Limit zuschlägt. Andererseits kommt man so später zum Ziel und muss sich zu einem späteren Zeitpunkt wieder in ein Thema eindenken. Dennoch ist ein Abo für viele der bessere Handel. (jo)

ChatGPT, Claude und Gemini: KI-Token sparen, Kosten senken

heise KI PROAbo inkl. Live-Workshop

heise KI PRO
Abo inkl. Live-Workshop