logo
Entwicklung
Suchen
Service, Credit & Pricing

Service, Credit & Pricing

Modell-Services

GPTBots bietet aktuell zwei verschiedene Modi für Modell-Services an. Kund:innen können je nach Bedarf zwischen der Nutzung eines „GPTBots-Schlüssels“ oder eines „eigenen Schlüssels“ wählen. Je nach Modus fallen unterschiedliche Credit-Gebühren als Serviceentgelt bei der Nutzung von Modell-Services an. Die bevorzugte Service-Variante kann unter „Organisation – LLMs“ ausgewählt und konfiguriert werden.

  • GPTBots-Schlüssel: Dies ist ein direkt von GPTBots offiziell bereitgestellter Service. Entwickler:innen können Dienste von Plattformen wie OpenAI und Claude direkt über GPTBots nutzen, ohne eigene Schlüssel auf diesen Plattformen registrieren zu müssen.
  • Eigener Schlüssel: Wenn Entwickler:innen bereits eigene Schlüssel von Plattformen wie OpenAI besitzen, können sie diese direkt auf der GPTBots-Plattform verwenden. GPTBots berechnet hierfür eine geringe Anzahl an Credits als Servicegebühr.

Service Credit Pricing

Alle Services innerhalb von GPTBots werden mit „Credits“ abgerechnet und deren Nutzung entsprechend erfasst. Verschiedene LLM-Versionen verbrauchen unterschiedlich viele Credits. Detaillierte Informationen zur Berechnung des Verbrauchs finden Sie in den folgenden Abschnitten.

Hinweis: Credits können weder erstattet noch umgetauscht werden.

Arten des Credit-Verbrauchs

Die GPTBots-Plattform unterscheidet die Abrechnung nach Service-Typen (siehe Service, Credit & Pricing), wobei Credits gemäß den jeweiligen Service-Tarifen abgezogen werden. Es gibt 10 spezifische Abrechnungstypen. Bei der Nutzung von KI-Agent:innen und Workflows verbrauchen verschiedene Service-Typen die entsprechenden Credits. Entwickler:innen können die Credit-Verbrauchsstatistiken unter „Organisation – Nutzung“ einsehen.

Abrechnungstyp Definition Beispiel
LLM Text-Chat Aufruf eines LLM mit Text- und Bildeingabe/-ausgabe Beim Aufruf von LLM-Komponenten, Klassifizierer oder Komponenten zur Bedingungsprüfung
LLM Audio-Chat Aufruf eines Audio-LLM für Audio-Ein-/Ausgabe Beim Aufruf eines Audio-LLM
ASR-Erkennung Nutzung des ASR-Service zur Umwandlung von Audio in Text Beim Hochladen von Audiodateien im System-Erkennungsmodus
TTS-Generierung Nutzung des TTS-Service zur Umwandlung von Text in Audio Beim Klicken auf die Sound-Wiedergabetaste für Textnachrichten im Chatfenster
Knowledge Indexing Nutzung des Knowledge Index zur Einbettung von Nutzerfragen und Wissensdaten Bei der Wissensabfrage
Knowledge Storage Hochladen und Speichern von Wissensdaten in der Wissensdatenbank Tägliche Berechnung der aktuellen Speicherkapazität der Wissensdatenbank
Tools-Aufruf Erfolgreicher Aufruf von kostenpflichtigen Tools Beim Einsatz kostenpflichtiger Tools wie Google-Suche
Knowledge Reranking Nutzung des Rerank-Service zur Neusortierung der Ergebnisse der Wissensdatenbank Bei aktivierter Wissens-Neusortierung für die Wissensdatenbank
Datenbankverarbeitung Umwandlung hochgeladener Dokumente in Datenbank-Feldwerte und Aufruf von Datenbank-Abfragen zur Diagrammerstellung Beim Extrahieren von Dokumenten in die Datenbank und Nutzung von Datenbankfunktionen im Chat
Frageerkennung Nutzung der Frageerkennung für Frageklassifizierung und Sentimentanalyse Bei aktivierter Frageklassifizierungsfunktion in Protokollen

LLM-Service-Preise

Hinweis: Die folgenden Preise werden in „Credits / 1.000 Tokens“ angegeben.

Anbieter
Modell
Eingabe (GPTBots-Schlüssel) Ausgabe (GPTBots-Schlüssel) Eingabe (eigener Schlüssel) Ausgabe (eigener Schlüssel)
OpenAI GPT-5.4-272K 0.55 3.3 0.05 0.1
OpenAI GPT-5.4-Thinking-272k 0.275 1.65 0.025 0.1
OpenAI GPT-5.4-Mini-400k 0.0825 0.495 0.0075 0.045
OpenAI GPT-5.4-Nano-400K 0.022 0.1375 0.002 0.0125
OpenAI GPT-Chat-Latest-400K 0.55 3.3 0.05 0.1
OpenAI GPT-5.0-Chat-128k 0.1375 1.1 0.0025 0.1
OpenAI GPT-4.1-1M 0.22 0.88 0.02 0.08
OpenAI GPT-4.1-mini-1M 0.044 0.176 0.004 0.016
OpenAI GPT-4.1-nano-1M 0.011 0.044 0.001 0.004
OpenAI GPT-4o-128k 0.225 1.1 0.0225 0.11
OpenAI GPT-4o-mini-128k 0.0165 0.0665 0.0015 0.006
OpenAI GPT-Audio 0.275 1.1 0.01 0.1
OpenAI GPT-Mini-Audio 0.0165 0.066 0.0015 0.006
OpenAI GPT-5.5-272K 0.55 3.3 0.05 0.2
OpenAI GPT-5.5-Pro-272K 3.3 19.8 0.1 0.1
OpenAI GPT-Realtime-2.1(audio) 3.52 7.04 0.1 0.1
OpenAI GPT-Realtime-2.1-mini(audio) 1.1 2.2 0.1 0.1
Azure GPT-5.2-400k 0.1375 1.1 0.0025 0.1
Azure GPT-5.2-Chat-128K 0.1375 1.1 0.0025 0.1
Azure GPT-5.0-Mini-400k 0.0275 0.22 0.0125 0.02
Azure GPT-5.0-Nano-400K 0.0055 0.044 0.0005 0.004
Azure Computer-Use Agent 0.33 1.32 0.03 0.12
Azure GPT-4.1-1M 0.22 0.88 0.02 0.08
Azure GPT-4.1-mini-1M 0.044 0.176 0.004 0.016
Azure GPT-4.1-nano-1M 0.011 0.044 0.001 0.004
Azure GPT-4o-128k 0.225 1.1 0.0225 0.11
Azure GPT-4o-mini-128k 0.0165 0.0665 0.0015 0.006
Azure GPT-Audio 0.275 1.1 0.025 0.1
Azure GPT-Audio-mini 0.0165 0.066 0.0015 0.006
Baidu ERNIE-3.5-8K 0.18 0.18 0.02 0.02
Baidu ERNIE-4.0-8K 1.76 1.76 0.16 0.16
Baidu ERNIE-Speed-128K 0 0 0 0
Meta Llama-4.0-Maverick-1M 0.0297 0.0935 0.0027 0.0085
Meta llama-3.1-8b-turbo-128k 0.022 0.022 0.002 0.002
Meta Llama-4.0-Scout-300K 0.0198 0.0649 0.0018 0.0059
Meta Llama-4.0-Guard-128K 0.022 0.022 0.002 0.002
Meta llama-3.3-70b-128k 0.099 0.099 0.009 0.009
Ali Qwen-Plus-1M 0.0314 0.1257 0.0029 0.0114
Ali Qwen-Flash-1M 0.0047 0.0094 0.0004 0.0009
Ali Qwen-vl-max-32k 0.3143 0.3143 0.0286 0.0286
Ali Qwen-3.5-122B-256k 0.0314 0.3143 0.0029 0.0286
Ali Qwen-3.5-35B-256k 0.0251 0.2011 0.0023 0.0183
Ali Qwen3.0-32B-128K 0.0314 0.3143 0.0029 0.0286
Ali Qwen3.0-8B-128K 0.0079 0.0786 0.0007 0.0071
Ali Qwen-Omni-Turbo 0.1 0.2 0.01 0.02
Ali Qwen2.0-audio 0.1 0.1 0.01 0.01
Ali Qwen-Max-1M 0.1886 0.5657 0.0171 0.0514
Ali Qwen3.6-Plus-1M 0.0126 0.2514 0.0011 0.0229
Mistral open-mixtral-8x7b 0.077 0.077 0.007 0.007
Mistral open-mistral-7b 0.028 0.028 0.003 0.003
Mistral Mistral-Large3 0.88 2.64 0.08 0.24
Mistral Mistral-Medium-3 0.297 0.891 0.027 0.081
Mistral Mistral-Small-4 0.22 0.66 0.02 0.06
Zhipu GLM-5.0-200K 0.0943 0.3457 0.0086 0.0314
Zhipu GLM-4.7-Thinking-200K 0.0629 0.2514 0.0057 0.0229
Zhipu GLM-4.7-FlashX-200K 0.0079 0.0471 0.0007 0.0043
Zhipu GLM-4.5-X-128K 0.1257 0.5029 0.0114 0.0457
Zhipu GLM-4.0-9b-8K 0.095 0.095 0.008 0.008
Zhipu GLM-4V-Plus-16K 0.017 0.017 0.0015 0.0015
Zhipu GLM-5.2-1M 0.1257 0.44 0.0114 0.04
Anthropic Claude-4.6-Opus-200k 0.55 2.75 0.05 0.25
Anthropic Claude-4.6-Opus-Thinking-200K 0.55 2.75 0.05 0.25
Anthropic Claude-4.6-Sonnet-200K 0.33 1.65 0.03 0.15
Anthropic Claude-4.6-Sonnet-Thinking-200K 0.33 1.65 0.03 0.15
Anthropic Claude-4.7-Opus-1M 0.55 2.75 0.1 0.1
Anthropic Claude-4.5-Haiku-200k 0.33 1.65 0.03 0.15
Anthropic Claude-4.0-Sonnet-Thinking-200k 0.33 1.65 0.03 0.15
Anthropic Claude-5.0-Sonnet-1M 0.22 1.1 0.02 0.1
Anthropic Claude-4.8-Opus-1M 0.55 2.75 0.1 0.1
Tencent Hunyuan-pro-32k 0.472 1.572 0.042 0.142
Tencent Hunyuan-standard-32k 0.0707 0.0786 0.0064 0.0071
Tencent Hunyuan-standard-256k 0.2357 0.9429 0.0214 0.0857
Tencent hunyuan-lite-4k 0 0 0 0
Google Gemini-3.1-Pro-1M 0.44 1.98 0.01 0.1
Google Gemini-3.5-Flash-1M 0.165 0.99 0.015 0.099
Google Gemini-3.1-Flash-Image 0.0275 6.6 0.0025 0.1
Google Gemini-3.1-Flash-Live(audio) 0.33 1.32 0.1 0.1
Google Gemini-3.0-Pro-Image 0.22 13.2 0.01 0.1
Google Gemini-3.0-Flash 0.055 0.33 0.055 0.03
Google Gemini-3.1-Flash-Lite 0.0275 0.165 0.0025 0.015
Google Gemini-2.5-Flash-Lite 0.011 0.044 0.001 0.004
Google Gemma-4-31B - - 0 0
Google Gemma-4-26B - - 0 0
Google Gemma-4-E4B - - 0 0
Google Gemini-3.1-Flash-Live 0.0825 0.495 0.0075 0.045
SenseTime SenseChat-5-Cantonese 0.418 0.418 0.038 0.038
DeepSeek DeepSeek-V4-Flash-1M 0.0157 0.0314 0.0014 0.0029
DeepSeek DeepSeek-V4-Pro-1M 0.1886 0.3771 0.0171 0.0343
DeepSeek DeepSeek-3.2-128K 0.0157 0.0314 0.0014 0.0029
DeepSeek DeepSeek-3.2-Thinking-128K 0.0629 0.2514 0.0057 0.0229
DeepSeek DeepSeek-V4-Flash-Thinking-1M 0.0157 0.0314 0.0014 0.0029
DeepSeek DeepSeek-V4-Pro-Thinking-1M 0.1886 0.3771 0.0171 0.0343
Moonshot Kimi-K2.5-256k 0.1257 0.9114 0.0114 0.0829
Moonshot Kimi-K2.6-256K 0.0629 0.33 0.0057 0.03
xAI Grok-4.1-Fast-128k 0.022 0.055 0.002 0.005
xAI Grok-4.1-Fast-Thinking-128k 0.022 0.055 0.002 0.005
xAI Grok-4.1-Fast-Thinking-2M 0.044 0.11 0.004 0.01
xAI Grok-4.0-256K 0.33 1.65 0.03 0.15
xAI Grok-4.3-1M 0.044 0.11 0.004 0.01
Seed Seed-2.0-Pro-256K 0.11 0.66 0.01 0.06
Seed Seed-2.0-Lite-256K 0.055 0.44 0.005 0.04
Seed Seed-2.0-Mini-256K 0.022 0.088 0.002 0.008
Seed Seed-1.6-256K 0.055 0.44 0.005 0.04
Seed Seed-1.6-Thinking-256K 0.055 0.44 0.005 0.04
Seed Seed-1.6-Flash-256K 0.0083 0.033 0.0008 0.0033
Seed Seed-1.6-Flash-Thinking-256K 0.0083 0.033 0.0008 0.003

Embedding-Service-Preise

Hinweis: Die folgenden Preise werden in „Credits / 1.000 Tokens“ angegeben.

Anbieter
Modell
GPTBots-Schlüssel
Eigener Schlüssel
OpenAI text-embedding-ada-002 0.0120 0.0010
OpenAI text-embedding-3-small 0.0024 0.0002
OpenAI text-embedding-3-large 0.0156 0.0013
Ali text-embedding-v3 0.0007 0.0007
Jina jina-embeddings-v3 0.002 0.0002

Rerank-Service-Preise

Hinweis: Die folgenden Preise werden in „Credits / 1.000 Tokens“ angegeben.

Anbieter
Modell
GPTBots-Schlüssel
Eigener Schlüssel
Jina Jina-Reranker-m0 0.0022 0.0001
NetEase BCE BCE-Rerank 0.0012 0.0001
Baai BGE BGE-Rerank 0.0012 0.0001

ASR-Service-Preise

Hinweis: Die folgenden Preise werden in „Credits / 60 Sekunden“ angegeben.

Anbieter
Modell
GPTBots-Schlüssel
Eigener Schlüssel
OpenAI Whisper Large-V2 0.66 0.06
OpenAI Whisper Large-V3 0.88 0.08
OpenAI GPT-4o-mini-transcribe 0.33 0.03
OpenAI GPT-4o-transcribe 0.66 0.06
Azure Azure-Speech 4.1666 0.1

TTS-Service-Preise

Hinweis: Die folgenden Preise werden in „Credits / 1.000 Zeichen“ angegeben.

Anbieter
Modell
Plattform-Schlüssel
Eigener Schlüssel
OpenAI TTS 1.65 0.15
Azure Speech 1.65 0.15
Ali CosyVoice 0.44 0.044
Ali Sambert 0.22 0.022
Minimax Voice 0.44 0.044

Inhaltsmoderations-Service-Preise

Hinweis: Die folgenden Preise werden in „Credits / Aufruf“ angegeben.

Anbieter
Modell
Plattform-Schlüssel
Eigener Schlüssel
OpenAI Omni-moderation 0.0001 0.0001

Vektor-Speicher

Hinweis: Die folgenden Preise werden in „Credits / 1.000 Tokens/Tag“ angegeben.

Service
Gebühr
Vektor-Speicher 0.001

FAQ

Wie erfolgt die Umrechnung zwischen GPTBots-Credits und Tokens?

Am Beispiel des OpenAI-LLM-Services GPT-4.1-1M: Bei Nutzung des GPTBots-Schlüssels verbraucht die Eingabe von 1.000 Tokens 0,22 Credits.
10 $ = 1.000 Credits = 4.545.454 Tokens (1.000 Credits / 0,22 Credits * 1.000 Tokens)

Sprache Eingabe ≈ Zeichen Eingabe ≈ Wörter
Englisch 18.000.000 Zeichen 3.500.000
Chinesisch 3.000.000~4.500.000 -
Japanisch 3.000.000~4.500.000 -
Koreanisch 3.000.000~4.500.000 -
Französisch - 3.800.000
Deutsch - 3.800.000
Thailändisch 3.000.000~4.500.000 -
Russisch - 3.800.000
Arabisch - 3.800.000

Hinweis:
Dies sind ungefähre Schätzwerte; die tatsächlichen Werte können je nach Textinhalt und Tokenisierungsverfahren variieren.
Die Wortanzahl lässt sich bei Englisch und anderen lateinbasierten Sprachen leichter schätzen, während bei Chinesisch, Japanisch, Koreanisch, Thailändisch usw. die Zeichenzahl relevanter ist.

Wie werden Tokens berechnet?

Am Beispiel der Token-Berechnungsregeln des OpenAI-LLM-Services:

Sprache/Zeichen 1 Token ≈ Zeichen
Englisch 4 Zeichen
Chinesisch 1 chinesisches Zeichen
Japanisch 1 Kana oder Kanji
Koreanisch 1 Hangul-Zeichen
Französisch/Spanisch/Deutsch usw. 3~4 Zeichen
Russisch 3~4 Zeichen
Arabisch/Hebräisch 3~4 Zeichen
  1. Englisch: 1 englisches Wort ≈ 1,3 Tokens, 1 Token ≈ 4 englische Zeichen (inkl. Leerzeichen und Satzzeichen)
  2. Chinesisch: 1 chinesisches Zeichen ≈ 1 Token (manchmal 1,5 Tokens, im Mittelwert)
  3. Japanisch: 1 Token ≈ 1 japanisches Kana/Kanji
  4. Koreanisch: 1 Token ≈ 1 koreanisches Zeichen (Silbenblöcke können länger sein)
  5. Französisch: 1 französisches Wort ≈ 1,2 Tokens
  6. Deutsch: 1 deutsches Wort ≈ 1,2 Tokens
  7. Thailändisch: 1 Token ≈ 1 thailändisches Zeichen (da keine Leerzeichen, kann die Tokenanzahl nach der Tokenisierung höher sein)
  8. Russisch: 1 russisches Wort ≈ 1,2 Tokens
  9. Arabisch: 1 arabisches Wort ≈ 1,2 Tokens

    Für eine genaue Token-Zählung können Sie das OpenAI-Tool tiktoken für eigene Tests nutzen.

Wie werden Tokens für Bildeingaben berechnet?

Am Beispiel der Token-Berechnungsregeln des OpenAI-LLM-Services für Bilder:

  1. Ermitteln Sie die Bildlänge und -breite in „px“, z. B. „1024px * 1024px“.
  2. Berechnen Sie den „Tiles“-Wert, indem Sie sowohl die Breite als auch die Höhe durch 512 teilen, aufrunden und die Ergebnisse multiplizieren.
  3. Berechnen Sie die „Tokens“ mit der Formel „85+170*Tiles“.
  • Komplette Berechnungsformel:

    Tiles=(Breite÷512)×(Ho¨he÷512)Tiles = ⌈(Breite÷512)⌉×⌈(Höhe÷512)⌉
    Tokens=85+170×TilesTokens = 85+170×Tiles
  • Beispielcode in Python:

import math def calculate_tokens(width, height): tiles = math.ceil(width/512) * math.ceil(height/512) tokens = 85 + 170 * tiles return tokens # Test print(calculate_tokens(2000, 500))
                      
                      import math

def calculate_tokens(width, height):
    tiles = math.ceil(width/512) * math.ceil(height/512)
    tokens = 85 + 170 * tiles
    return tokens

# Test
print(calculate_tokens(2000, 500))

                    
Dieser Codeblock im schwebenden Fenster

Wenn z. B. die Eingabebildgröße 2000px * 500px beträgt, ist der „Tiles“-Wert 4*1=4, sodass für dieses Bild 85+170*4=765 Tokens berechnet werden.