Ollama-API-Preise: Lokale Kosten vs. Pay-per-Token

Was "Ollama-API-Preise" eigentlich bedeutet

Wenn Leute Ollama-API-Preise in eine Suchleiste eingeben, suchen sie oft nach einer Preisliste, und bei der lokalen Software gibt es keine. Ollama ist ein Programm, das du installierst, um Open-Weight-Modelle auf deinem eigenen Computer auszuführen und sie über eine lokale HTTP-API bereitzustellen. Es zählt keine Tokens und sendet dir keine Rechnung dafür. Ollama bietet auch eigene gehostete Optionen an; für diese sieh dir die aktuelle Preisliste auf ihrer Website an, da dieser Artikel nicht für sie spricht.

Das macht lokale Inferenz nicht kostenlos. Die Kosten verschieben sich von einer Token-Gebühr zu Dingen, für die du bereits zahlst oder die du kaufen musst: eine Maschine mit genügend Speicher, Strom, deine Zeit für Einrichtung und Updates und die Opportunitätskosten einer GPU, die ausgelastet ist. Die nützliche Frage ist nicht „Was ist der Preis“, sondern „Welche Option kostet bei meinem Volumen weniger und funktioniert gut genug“. Der Rest dieses Artikels gibt dir die Zahlen für die gehostete Seite, damit du die Frage beantworten kannst.

Die Kosten für den Betrieb von Ollama selbst

Es gibt vier Posten auf der lokalen Seite der Abrechnung.

• Hardware. Größere Modelle benötigen mehr GPU-Speicher oder viel System-RAM. Wenn du bereits eine passende Maschine besitzt, sind diese Kosten unwiederbringlich. Wenn du eine kaufen oder mieten musst, ist sie der größte Posten.
• Strom. Multipliziere den Stromverbrauch der Maschine in Kilowatt mit den Nutzungsstunden und deinem Stromtarif. Eine Desktop-GPU unter Last verbraucht weit mehr als eine im Leerlauf, daher ist die Zählung nur der aktiven Stunden fair.
• Leerlaufkapazität. Ein Server, der den Großteil des Tages ungenutzt bleibt, muss trotzdem existieren. Die Token-Abrechnung berechnet dich nur, wenn du eine Anfrage stellst.
• Deine Zeit. Modelle herunterladen, die Laufzeit aktualisieren, Speicher überwachen, Neustart nach Abstürzen.

Miss deine eigenen Zahlen, statt einer generischen Zahl zu vertrauen. Protokolliere, wie viele Token deine Arbeitslast wirklich für eine Woche verbraucht. Diese eine Messung ist auch das, was du brauchst, um die gehostete Alternative genau zu beziffern.

Gehostete Tarife und die Mathematik

Die gehostete API auf dieser Seite berechnet zwei Posten. Input-Token (dein Prompt, einschließlich des Chat-Verlaufs, den du erneut sendest) kosten $0,15 pro 1M. Output-Token (die Vervollständigung) kosten $0,50 pro 1M. Es gibt kein Abonnement; du lädst Guthaben auf und es wird pro Anfrage verbraucht. Fehlgeschlagene oder abgelehnte Anfragen werden nicht berechnet, und Guthaben verfällt nicht.

Die Formel ist kurz:

cost = input_tokens x 0.15 / 1,000,000 + output_tokens x 0.50 / 1,000,000

Hier sind gängige Nutzungsmuster mit durchgerechneten Beispielen.

Aufgabe	Input-Token	Output-Token	Kosten
Eine Chat-Antwort	2,000	500	$0.0003 + $0.00025 = $0.00055
1.000 solche Antworten	2,000,000	500,000	$0.30 + $0.25 = $0.55
Ein langes Dokument zusammenfassen	50,000	1,000	$0.0075 + $0.0005 = $0.008
Fülle den gesamten Kontext	100,000	4,000	$0.015 + $0.002 = $0.017
Batch von 10.000 Anfragen	8,000,000	3,000,000	$1.20 + $1.50 = $2.70

Die Batch-Zeile geht von 800 Input- und 300 Output-Token pro Anfrage aus. Beachte, dass Output der teure Zähler pro Token ist, aber Input die Anzahl meist dominiert, daher fließt das Geld bei langen Prompts und langen Chat-Verläufen.

Ein Chat, der Schritt für Schritt wächst

Chat-APIs sind zustandslos, daher wird bei jedem Schritt der gesamte Verlauf erneut gesendet. Das lässt die Kosten schneller wachsen als die Anzahl der Schritte. Nimm eine 20-Schritte-Konversation, bei der jede Benutzer-Nachricht 150 Token und jede Antwort 250 Token hat, also fügt jeder Schritt 400 Token zum Verlauf hinzu.

1. Schritt 1 sendet 150 Input-Token. Schritt 2 sendet 150 + 400 = 550. Schritt k sendet 150 + 400 x (k - 1).
2. Über 20 Schritte beträgt die Input-Gesamtzahl 150 x 20 + 400 x (0 + 1 + ... + 19) = 3.000 + 400 x 190 = 79.000 Token.
3. Die Output-Gesamtzahl beträgt 20 x 250 = 5.000 Token.
4. Kosten: 79.000 x 0,15 / 1 Mio. = $0,01185, plus 5.000 x 0,50 / 1 Mio. = $0,0025, insgesamt $0,01435.

Etwa anderthalb Cent für einen langen Chat. Wenn du den Chat auf 40 Durchgänge verdoppelst, vervierfacht sich der Input etwa, weil der Verlauf immer länger wird. Das Kürzen oder Zusammenfassen alter Durchgänge ist die Hauptmethode, um die Kosten in Chat-Apps zu kontrollieren.

Guthaben, Boni und das Testguthaben

Du lädst mit jedem ganzen Betrag von $20 bis $500 auf. Größere Aufladungen haben einen Bonus: +5 % ab $50, +10 % ab $100 und +15 % ab $200. In der Praxis bedeutet das:

• $50 kaufen $52,50 Guthaben.
• $100 kaufen $110,00.
• $200 kaufen $230,00.

Die Zahlung erfolgt per Karte (Visa, Mastercard, Apple Pay, Google Pay) oder Krypto (USDT auf TRC20, USDC auf Base). Die Preisseite hat die aktuellen Details.

Neue Nutzer können testen, bevor sie bezahlen. Nach der Anmeldung mit Google oder mit E-Mail und Passwort hat die API-Schlüssel-Seite eine Schaltfläche, die $0,50 an Testguthaben beansprucht, eine pro Person, 7 Tage gültig, ohne Kartenangabe. Bei der oben genannten Antwortgröße von 2.000 Input und 500 Output deckt $0,50 etwa 900 Antworten ab, was mehr als genug ist, um zu beurteilen, ob die Ausgabe zu deinem Projekt passt. Ein Test-Schlüssel ist auf 2 parallele Anfragen und 60 Anfragen pro Minute beschränkt. Du kannst deinen API-Schlüssel erhalten in wenigen Minuten.

Der Vergleich für dein Volumen

Verwende deine protokollierten Token-Anzahlen und führe die Summe für einen Monat durch. Angenommen, ein Projekt verwendet 50 Mio. Eingabe-Token und 10 Mio. Ausgabe-Token pro Monat. Gehostete Kosten: 50 x $0,15 = $7,50, plus 10 x $0,50 = $5,00, also $12,50. Setze nun deine lokale Zahl daneben: der monatliche Anteil der Hardware, die du sonst nicht besitzen würdest, plus der Strom für die Auslastungsstunden, plus der Wert deiner Wartungszeit. Wenn diese Summe deutlich über $12,50 liegt, gewinnt die gehostete Lösung bei den Kosten. Wenn du bereits ungenutzte Hardware besitzt, die das Modell gut bewältigt, gewinnt die lokale Lösung bei den Kosten.

Kosten sind nicht der einzige Faktor. Lokal behältst du die Daten auf deinem Rechner und arbeitest offline. Gehostet entfällt die Notwendigkeit einer GPU, bietet ein 100.000-Token-Kontextfenster und lässt mehrere Dienste ein Backend teilen. Das gehostete Modell ist ein einzelnes Open-Weight-Modell, das darauf abgestimmt ist, ohne Inhaltsverweigerungen für die rechtmäßige Nutzung durch Erwachsene zu antworten, daher hängt es auch davon ab, ob das Modell zu deiner Aufgabe passt. Prompts werden nicht zum Training verwendet.

Eine ehrliche Grenze: Es gibt keine kostenlose unbegrenzte Ebene. Nach dem $0,50-Testguthaben zahlst du pro Token aus Prepaid-Guthaben. Wenn deine Arbeit unbegrenzte kostenlose Aufrufe benötigt und du die Hardware besitzt, ist lokales Ollama das richtige Werkzeug.

Fehler, die den Vergleich verzerren

Einige Fehler treten immer wieder auf, wenn Leute LLM-Arbeitslasten beziffern, und jeder einzelne kann die Antwort umkehren.

• Vergessen von Ausgabe-Token. Ein kurzer Prompt mit einer langen Antwort ist hauptsächlich eine Ausgabeabrechnung. Eine 300-Token-Frage, die eine 3.000-Token-Geschichte erzeugt, kostet 300 x $0,15 / 1 Mio. + 3.000 x $0,50 / 1 Mio. = $0,000045 + $0,0015 = $0,001545.
• Ignorieren des erneut gesendeten Verlaufs. Wie das Beispiel mit 20 Durchgängen zeigt, skaliert die Chat-Kosten mit dem angesammelten Kontext, nicht mit der Länge der neuesten Nachricht.
• Wörter statt Token zählen. Englischer Text benötigt normalerweise etwas mehr Token als Wörter, und Code oder nicht-lateinische Schriften benötigen noch mehr. Lies die Nutzungszahlen, die mit jeder Antwort zurückgegeben werden, und verwende diese, nicht eine Schätzung.
• Lokale Hardware mit Null beziffern. Eine GPU, die du bereits besitzt, verschleißt immer noch und verbraucht immer noch Strom, auch wenn du keinen Scheck dafür schreibst.
• Das Vergleichen verschiedener Modelle. Ein kleines lokales Modell und ein größeres gehostetes Modell erzeugen nicht die gleiche Qualität. Günstiger pro Token ist nicht günstiger pro gute Antwort, wenn du viele Wiederholungen benötigst.

Der letzte Punkt verdient einen Test statt einer Meinung. Nimm zwanzig echte Prompts aus deinem Projekt, führe sie auf beiden Konfigurationen aus und beurteile die Antworten. Preise dann den Gewinner bei deinem echten Volumen.

Die Ausgaben im Auge behalten

Jede Antwort der gehosteten API enthält einen X-Balance-USD-Header mit deinem verbleibenden Guthaben, plus X-Request-Id für Support-Fragen. Du kannst ihn im Code lesen und dich warnen lassen, bevor das Guthaben aufgebraucht ist.

Copyimport requests

r = requests.post(
    "https://api.ollamaapi.cc/v1/chat/completions",
    headers={"Authorization": "Bearer YOUR_API_KEY"},
    json={
        "model": "uncensored",
        "messages": [{"role": "user", "content": "Say hello."}],
        "max_tokens": 20,
    },
    timeout=60,
)
print(r.json()["choices"][0]["message"]["content"])
print("Balance:", r.headers.get("X-Balance-USD"))

Die Einstellung von max_tokens ist optional, da eine Vervollständigung den Rest des Fensters nutzen kann, aber sie ist eine günstige Schutzmaßnahme gegen unkontrollierte Ausgaben. Die Dokumentation behandelt die anderen Header und die Ratenlimits.

Weitere Anleitungen

• Ollama-API in Python und eine gehostete Alternative
• Ollama API vs. OpenRouter: Welches passt zu dir?
• Mistral-API-Schlüssel-Anleitung