DeepSeek V4.1 Flash 1017: API-Kosten für Fragen und Antworten zu Dokumenten
Schätzen Sie die Kosten für Fragen und Antworten zu Dokumenten anhand expliziter Token-Annahmen, veröffentlichter zeitabhängiger Preise und eines nachvollziehbaren Caching-Beispiels.
Zusammenfassung · TL;DR
Eine beispielhafte Dokumenten-QA-Last von 150.000 Anfragen pro Monat mit 30 Tagen kostet $207 bei den angegebenen Preisen von $0.30 für Input und $1.20 für Output pro Million Tokens. Die entsprechende Schätzung anhand des OneMux-Katalogs beträgt $34.98 zu Hauptzeitpreisen oder $17.49 zu Nebenzeitpreisen, jeweils vor Caching und weiteren workloadbedingten Kosten.
Kernaussagen
- Bei 3.000 Input- und 400 Output-Tokens pro Anfrage ergeben die angegebenen Referenzpreise $0.00138 pro Anfrage vor Caching.
- Der OneMux-Katalog weist unterschiedliche Preise für Haupt- und Nebenzeiten aus; eine realistische Monatsschätzung muss berücksichtigen, wann Anfragen abgerechnet werden.
- Quellenbezeichnungen, abgerufene Passagen und Zitattext verbrauchen Tokens und sollten bei der Messung der Workload berücksichtigt werden.
- Caching kann die Input-Kosten senken, wenn berechtigte Tokens zum Cache-Read-Preis abgerechnet werden. Die Berechtigung und das tatsächliche Trefferaufkommen müssen jedoch geprüft werden.
- Die Token-Gebühren für das Modell umfassen weder die Retrieval-Infrastruktur noch die Dokumentenverarbeitung, Wiederholungsversuche oder andere mögliche Produktionskosten.
Auf dieser Seite (9)
Die Schätzung auf einen Blick
Für eine beispielhafte Workload aus 5.000 Anfragen pro Tag für Fragen und Antworten zu Dokumenten, jeweils mit 3.000 Input-Tokens und 400 Output-Tokens, kostet DeepSeek V4.1 Flash 1017 zu den angegebenen Referenzpreisen $207 in einem Monat mit 30 Tagen. Die entsprechende Schätzung anhand der veröffentlichten OneMux-Preise für die Hauptzeit beträgt $34.98; gelten für jede Anfrage die Nebenzeitpreise, sind es $17.49. Dies sind Schätzungen der Modell-Token-Kosten, keine vollständigen Anwendungsrechnungen.
OneMux veröffentlicht diesen Blog und ist eines der nachfolgend besprochenen Produkte. Sein Katalog enthält zeitabhängige Preise; die Referenzpreise stammen von der Fireworks AI-Modellseite von Future AGI, die LiteLLM als Preisquelle nennt. Prüfen Sie die aktuellen Anbieterbedingungen und Abrechnungseinheiten, bevor Sie ein Budget festlegen.
Preise und Einheiten
Die Tabelle verwendet USD pro 1 Million Tokens und entspricht damit der von der externen Quelle angegebenen Einheit. Der OneMux-Katalogstand wurde am 12. November 2026 erfasst; prüfen Sie vor einer Kaufentscheidung die aktuelle Abrechnungseinheit und die Preise auf der Modellseite. Laut externer Seite wurden deren Angaben am 22. Oktober 2026 überprüft.
| Preisbasis | Offizieller Input | Offizieller Output | OneMux Input | OneMux Output | Veröffentlichtes Verhältnis OneMux zu offiziell |
|---|---|---|---|---|---|
| Hauptzeit | $0.30 | $1.20 | $0.0507 | $0.2028 | 0.169 |
| Nebenzeit | $0.15 | $0.60 | $0.02535 | $0.1014 | 0.169 |
Das Verhältnis ist der OneMux-Preis geteilt durch den jeweiligen offiziellen Preis, nicht der prozentuale Rabatt. Ein Verhältnis von 0.169 entspricht bei diesen aufgeführten Token-Preisen einem Unterschied von 83,1 %. Daraus lässt sich nicht die Gesamtersparnis einer Anwendung ableiten.
Im OneMux-Katalogstand gilt als Hauptzeit Montag bis Freitag, 01:00–04:00 und 06:00–10:00 UTC; die übrigen Zeiten sind Nebenzeiten. Die externe Fireworks AI-Seite nennt $0.30 für Input und $1.20 für Output, ohne diese OneMux-Zeitbedingungen festzulegen. Betrachten Sie diese Preise als separate Referenz, nicht als Beleg für einen identischen Zeitplan auf Anbieterseite.
Budget für eine Dokumenten-QA-Anfrage berechnen
Angenommen, eine Anwendung ruft Passagen ab, sendet sie zusammen mit einer Frage und bittet das Modell um eine Antwort mit Quellenangaben. In diesem Beispiel umfasst jede Anfrage:
- 3.000 Input-Tokens: Anweisungen, die Frage, abgerufene Passagen und deren Bezeichnungen.
- 400 Output-Tokens: die Antwort und ihre Quellenverweise.
- Einen Modellaufruf pro Frage: keine Cache Reads, Wiederholungsversuche oder zusätzlichen Tool-Call-Runden.
- 5.000 Fragen pro Tag über 30 Tage: 150.000 Anfragen pro Monat.
Dies sind Planungsannahmen, keine gemessenen Leistungswerte. Das monatliche Volumen beträgt 450 Millionen Input-Tokens und 60 Millionen Output-Tokens. Multipliziert man diese jeweils mit dem Preis pro Million, ergibt sich Folgendes:
| Preisszenario | Input-Kosten | Output-Kosten | Gesamt pro Anfrage | Gesamt pro Monat mit 30 Tagen |
|---|---|---|---|---|
| Externe Referenzpreise | $135.00 | $72.00 | $0.001380 | $207.00 |
| OneMux-Hauptzeit für jede Anfrage | $22.815 | $12.168 | $0.00023322 | $34.983 |
| OneMux-Nebenzeit für jede Anfrage | $11.4075 | $6.084 | $0.00011661 | $17.4915 |
Die Berechnung zu Referenzpreisen lautet beispielsweise 450 × $0.30 plus 60 × $1.20, also $207. Die Monatswerte basieren auf genau 30 Tagen; längere Monate oder ein anderes tägliches Anfrageaufkommen verändern das Ergebnis.
Eine tatsächliche OneMux-Rechnung kann Anfragen aus beiden Zeitstufen enthalten. Teilen Sie die gemessenen Token-Volumina nach der jeweils geltenden Stufe auf, berechnen Sie die Input- und Output-Gebühren getrennt und addieren Sie die Ergebnisse. Die beiden Zeilen, in denen alle Anfragen in die Haupt- beziehungsweise Nebenzeit fallen, sind Szenarien und keine Prognosen für eine tatsächliche Verteilung des Anfrageaufkommens. Prüfen Sie, wie der Anbieter Anfragen nahe einer Zeitgrenze einer Stufe zuordnet.
Quellenangaben berücksichtigen
Quellenangaben verursachen direkte Token-Kosten: Dokumenttitel, Kennungen, Seiten- oder Abschnittsbezeichnungen und zitierte Belege belegen Platz im Input; Quellenverweise und Zitate in der Antwort belegen Platz im Output. Berücksichtigen Sie sie bei der Token-Messung, statt nur die Frage der nutzenden Person und den Antworttext einzuplanen.
Eine praktische Anfrage kann abgerufene Passagen mit stabilen IDs wie policy-v3, section 4 kennzeichnen und das Modell bitten, diese IDs neben den belegten Aussagen anzugeben. Halten Sie die Zuordnung jeder ID zum zugrunde liegenden Dokument in der Anwendung vor, damit Lesende die Quelle prüfen können. Wenn keine der bereitgestellten Passagen eine Antwort belegt, weisen Sie das Modell an, dies mitzuteilen, statt einen Quellenverweis zu erfinden.
Prüfen Sie die Qualität der Quellenverweise unabhängig vom Preis: Untersuchen Sie Antworten stichprobenartig, prüfen Sie, ob die zitierten Passagen die jeweiligen Aussagen tatsächlich belegen, und testen Sie Fragen, deren Antworten fehlen oder über mehrere Dokumente verteilt sind. Eine plausibel aussehende Quellenbezeichnung ist kein Beleg für die Richtigkeit einer Aussage. Die angegebene Quelle liefert für dieses Modell keinen Genauigkeits-Benchmark für Dokumenten-QA.
Wann gecachter Input die Schätzung verändert
Die externe Seite nennt für gecachten Input $0.006 pro Million Tokens. Der OneMux-Katalogstand weist Cache-Read-Preise von $0.001014 pro Million in der Hauptzeit und $0.000507 in der Nebenzeit aus. Das sind Cache-Read-Preise und kein Versprechen, dass jede wiederholt verwendete Dokumentpassage dafür infrage kommt.
Betrachten wir ein separates Beispielszenario: Von jedem Input mit 3.000 Tokens sind 2.400 Tokens für Cache Reads berechtigt, die übrigen 600 sind regulärer Input. Der Output bleibt bei 400 Tokens; die Workload umfasst weiterhin 150.000 Anfragen. Für diese Berechnung wird angenommen, dass keine separate Gebühr für Cache Writes oder Speicherung anfällt; prüfen Sie jedoch die tatsächlichen Anbieterbedingungen auf solche Gebühren.
| Szenario | Regulärer Input pro Monat | Gecachter Input pro Monat | Output pro Monat | Monatliche Token-Kosten |
|---|---|---|---|---|
| Externe Referenzpreise | $27.00 | $2.16 | $72.00 | $101.16 |
| OneMux-Hauptzeitpreise | $4.563 | $0.36504 | $12.168 | $17.09604 |
In der Referenzzeile kosten 90 Millionen reguläre Input-Tokens $27, 360 Millionen gecachte Tokens $2.16 und 60 Millionen Output-Tokens $72. Dieses Beispiel ist nur dann hilfreich, wenn Nutzungsdaten bestätigen, dass dieser Anteil des Inputs tatsächlich als Cache Read abgerechnet wird. Cache-Berechtigung, Übereinstimmungsregeln, Ablaufzeiten und mögliche Zusatzgebühren müssen beim verwendeten Dienst geprüft werden.
Grenzen und Kosten außerhalb des Modellaufrufs
Die Future AGI-Modellseite nennt ein Kontextfenster von 1.048.576 Tokens, bis zu 393.216 Output-Tokens sowie Unterstützung für Prompt Caching und Function Calling. Dies sind dokumentierte Spezifikationen, kein Beleg dafür, dass ein Dokumenten-Workflow mit langem Kontext genau oder wirtschaftlich ist. PDF-Input wird auf dieser Seite nicht beworben; planen Sie daher einen Schritt zur Dokumentextraktion ein, sofern der gewählte Dienst keinen anderen unterstützten Weg dokumentiert.
Die Schätzungen umfassen weder Extraktion und OCR noch Embeddings, Suche oder Vektorspeicherung, Anwendungshosting und menschliche Prüfung. Auch zusätzliche Modellaufrufe und Tokens für Wiederholungsversuche sind nicht enthalten. Liefert das Retrieval zu viel irrelevantes Material, steigen die Input-Kosten, ohne dass sich die Quellenzuordnung zwangsläufig verbessert; liefert es zu wenig, fehlen dem Modell möglicherweise Belege. Messen Sie diese Zielkonflikte an repräsentativen Dokumenten, bevor Sie skalieren.
Fazit
Gehen Sie von gemessenen Volumina für Input, Output, Cache Reads und Zeitstufen aus, statt einen einzigen gemischten Token-Preis zu verwenden. Für das genannte 30-Tage-Beispiel beträgt die angegebene Referenzschätzung $207, während die Szenarien anhand des OneMux-Katalogs vor Caching zwischen $17.49 und $34.98 liegen. Prüfen Sie sowohl die Qualität der Quellenangaben als auch die vollständigen Anwendungskosten, bevor Sie sich für einen Weg entscheiden.
Quellen
- Future AGI: DeepSeek V4.1 Flash 1017 auf Fireworks AI — Referenz-Token-Preise, angegebene Limits und dokumentierte Funktionen; laut Seite am 22. Oktober 2026 überprüft.
- OneMux: DeepSeek V4.1 Flash 1017 — Modellkatalog und aktuelle Preisinformationen; die obigen Angaben verwenden den Stand vom 12. November 2026.
Veröffentlichter Preisstand
Am 2026-11-12T14:30:05.729Z aus dem veröffentlichten OneMux-Katalog erfasst. Die Preise behalten die Abrechnungseinheiten der Website bei; dies ist kein Live-Benchmark. Gestaffelte, Cache- oder zeitabhängige Abrechnungen können abweichen. Unbekannte Werte sind nicht null.
| Modell | Offizieller Input | Offizieller Output | OneMux Input | OneMux Output | Veröffentlichtes Preisverhältnis |
|---|---|---|---|---|---|
| DeepSeek V4.1 Flash 1017 | $0.3 | $1.2 | $0.0507 | $0.2028 | 0.169 |
Aktuelle OneMux-Preise. Vergleichen Sie Workload-Kosten nur, wenn Input, Output und Abrechnungseinheiten übereinstimmen; die Bedingungen der jeweiligen Preisstufen finden Sie auf den Modellseiten.
FAQ
Wie viel kostet DeepSeek V4.1 Flash 1017 für Fragen und Antworten zu Dokumenten?
Bei den angegebenen Referenzpreisen von $0.30 pro Million Input-Tokens und $1.20 pro Million Output-Tokens kostet eine Anfrage mit 3.000 Input- und 400 Output-Tokens $0.00138 vor Caching oder anderen Gebühren. Für 150.000 solcher Anfragen beträgt die Schätzung $207.
Erhöhen Quellenangaben die API-Kosten für Dokumenten-QA?
Das ist möglich. Passagenbezeichnungen und Quellenmetadaten erhöhen die Zahl der Input-Tokens, während Quellenverweise und Zitate in der Antwort zusätzliche Output-Tokens erzeugen. Messen Sie beides anhand repräsentativer Anfragen.
Garantiert das Cache-Read-Beispiel niedrigere Kosten?
Nein. Es setzt voraus, dass 2.400 von 3.000 Input-Tokens pro Anfrage für den Cache-Read-Preis infrage kommen. Die tatsächliche Berechtigung, Cache-Nutzung und etwaige Zusatzgebühren hängen vom Dienst und seinen Bedingungen ab.
Decken die OneMux-Schätzungen die vollständigen Kosten einer Dokumenten-QA-Anwendung ab?
Nein. Sie erfassen nur die angegebene Modell-Token-Workload. Dokumentextraktion, Retrieval-Infrastruktur, zusätzliche Aufrufe, Wiederholungsversuche, Hosting und Prüfung können weitere Kosten verursachen.
Ähnliche Artikel
Guides
Gemini 3 Pro Image Preview: API-Kosten für die Beantwortung von Dokumentfragen
Kosten für die Beantwortung von Dokumentfragen anhand expliziter Token-Annahmen, vergleichbarer Preiseinheiten und einer reproduzierbaren Monatsrechnung schätzen.
Guides
GPT Image 2.6 API-Kosten für Document Question Answering: Was sich schätzen lässt – und was nicht
Erstellen Sie ein nachvollziehbares Budget für Document Question Answering mit expliziten Token-Annahmen für GPT Image 2.6. Kosten für Antwortgenerierung und Quellenzuordnung bleiben dabei getrennt.
Guides
GPT 6.2 Astra API: Kostenschätzung für dokumentenbasierte Fragen und Antworten
Schätzen Sie die Kosten für dokumentenbasierte Fragen und Antworten mit GPT 6.2 Astra anhand expliziter Token-Annahmen, Kontextstufen, Cache-Preise und nachvollziehbarer Berechnungen.
Guides
Claude Fable 5.2 API-Kosten für Dokumentenfragen schätzen
Eine reproduzierbare Methode zur Schätzung der Claude Fable 5.2-Kosten für Fragen zu Dokumenten mit klaren Token-Annahmen, Hinweisen zur Quellenzuordnung und datierten Preisangaben.