Kosten eines Open-Weight-Modells
Updated September 1, 2026 · first published September 1, 2026
Qwen3.8-Flash-Next erschien am 26. August 2026 als Open-Weight-Vorschau der Qwen4-Architektur: rund 6 Milliarden aktive Parameter, 262.144 Token nativer Kontext und kein angekündigter gehosteter Tarif. Damit bricht der übliche Vergleich: Ein geschlossenes Modell nennt einen Preis pro Million Token; offene Gewichte liefern einen Checkpoint und überlassen Ihnen die Zahl.
Die Formel
Kosten pro MTok = Stundenpreis / (Token_pro_Sekunde * 3600) * 1.000.000Bei 2,00 $ pro Stunde und gemessenen 1.500 Token pro Sekunde sind das 0,37 $ pro Million Token. Gegenüber einer API zu 3,00 $/MTok sieht das nach achtfacher Ersparnis aus. Die Zahl ist trotzdem falsch, denn sie unterstellt, dass die GPU jede bezahlte Sekunde arbeitet.
Der vergessene Faktor: die Auslastung
Sie mieten die Stunde und nutzen einen Bruchteil davon. Teilen Sie durch diesen Bruchteil: 0,62 $ bei 60 %, 1,23 $ bei 30 %, 3,70 $ bei 10 % — teurer als die API, die ersetzt werden sollte. Die meisten ersten Deployments liegen zwischen 10 und 30 %, weil der Verkehr stoßweise kommt und die Instanz auf die Spitze ausgelegt ist. Die Ersparnis ist echt, aber sie entsteht durch Auslastung, nicht durch offene Gewichte.
Erst messen, dann festlegen
Betreiben Sie das Modell auf der Instanz, die Sie tatsächlich mieten würden, mit Ihren Prompts und Kontextlängen, und messen Sie Token pro Sekunde unter Nebenläufigkeit — nicht den Einzelstromwert aus der Modellkarte. Berechnen Sie dann die Auslastung aus Ihrem realen Lastprofil. Zwei Zahlen, eine Division, und die Entscheidung trifft sich selbst. Bepreisen Sie den Kontext, den Sie senden, nicht den, den das Modell unterstützt.
Related
Want this applied to your own LLM spend? FinOps LLM runs a free audit of your AI costs and shows where the savings are. Book free audit →