Der OpenAI-Modell-Rechner vergleicht zwei Modellszenarien unter identischer Nutzung. Statt aktuelle Modellnamen oder Preise fest einzubauen, gibst du die effektiven Kosten pro Million Tokens sowie eine auf deinen Tests basierende Erfolgsquote ein. Dadurch vergleichst du nicht nur Gesamtkosten, sondern auch die Kosten pro erfolgreicher Aufgabe.
Ein günstigeres Modell kann pro erfolgreicher Aufgabe teurer sein, wenn seine Erfolgsquote deutlich niedriger ist. Der Rechner stellt deshalb beide Perspektiven gegenüber.
Die Erfolgsquote ist ein projektspezifischer Qualitätsindikator und sollte möglichst aus einem eigenen Testdatensatz stammen.
Bei 10.000 Anfragen mit 1.200 Eingabe- und 300 Ausgabetokens kostet Szenario A mit 2,50/10,00 € rund 60,00 €, Szenario B mit 0,50/2,00 € rund 12,00 €. Bei 90 % bzw. 75 % Erfolg liegen die Kosten pro erfolgreicher Aufgabe bei etwa 0,0067 € bzw. 0,0016 €.
Verwende identische Anfragen und Tokenmengen und kombiniere die jeweiligen Preise mit einer auf demselben Testdatensatz gemessenen Erfolgsquote.
Gesamtkosten allein können irreführend sein, wenn ein Modell häufiger scheitert und Aufgaben wiederholt werden müssen.
Nutze möglichst eine projektspezifische Quote aus repräsentativen Tests, nicht einen allgemeinen oder erfundenen Branchenwert.
Ja. Wenn die höhere Erfolgsquote Wiederholungen, Nacharbeit oder Fehlentscheidungen deutlich reduziert, kann es pro erfolgreichem Ergebnis günstiger sein.
Nein. Der Rechner betrachtet Tokenkosten und eine Erfolgsquote. Latenz, Stil, Sicherheitsanforderungen oder qualitative Unterschiede solltest du zusätzlich bewerten.
| Baustein | Verwendung |
|---|---|
| Eingaben | Deine Nutzungs- und Preisannahmen |
| Berechnung | Themenspezifische Mengen- und Kostenlogik |
| Ausgabe | Hauptergebnis plus Planungskennzahlen |