o1 / o3 Reasoning-Kostenrechner (2026)

Bei Chat-Modellen wie GPT-5.5 ist die Kostenformel unkompliziert — Sie bezahlen für die Input-Tokens, die Sie gesendet haben, und die Output-Tokens, die das Modell zurückschrieb. Bei der o-Serie gibt es einen dritten Term, der in keinem Response-Feld angezeigt wird, aber definitiv auf Ihrer Rechnung.

``` cost = (input_tokens / 1,000,000) × input_price + (reasoning_tokens / 1,000,000) × output_price ← unsichtbar für Aufrufer + (visible_output / 1,000,000) × output_price ```

Die reasoning_tokens Anzahl wird in der API-Response unter `usage.completion_tokens_details.reasoning_tokens` gemeldet. Lesen Sie sie. Loggen Sie sie. Wenn Sie dieses Feld überspringen, haben Sie keine Ahnung, was Sie pro Aufruf tatsächlich zahlen — das `content` Feld zeigt Ihnen die 200-Token-Antwort, aber das `reasoning_tokens` Feld ist, wo die 4.000-Token-Rechnung sich versteckt.

Praktische Reasoning-Token Form, die wir in produktiven Deployments sehen: einfache Mathematik / Klassifikation mit Reasoning aktiviert = 200-800 Reasoning-Tokens; mehrstufige Code-Generierung = 1.500-5.000 Reasoning-Tokens; komplexe Planung / Beweis-ähnliche Tasks = 5.000-25.000 Reasoning-Tokens; agentic Schleifen mit Selbst-Verifikation = 20.000-80.000 Reasoning-Tokens pro Query. Budgetieren Sie die vollständige Einschätzung, nicht die sichtbare Antwort.

Ein Team migriert eine Klassifikations-Pipeline von gpt-5.4-mini zu o3-mini, hoffend auf höhere Genauigkeit bei Grenzfällen. Input: 500 Tokens (die Rubrik + das Dokument). Sichtbarer Output: 50 Tokens (ein JSON-Label). Sieht Form-identisch zu Chat aus — also budgetieren sie gegen Chat-Mathematik.

**Chat-Schätzung (falsch)**: 0,0005 × $0,55 + 0,00005 × $2,20 = $0,000275 + $0,00011 = **$0,000385 pro Aufruf**. Bei 100k Aufrufen/Monat, $38,50.

**Realität**: o3-mini generiert ~1.200 Reasoning-Tokens, bevor jedes 50-Token-Label produziert wird. Echte Output-Rechnung = (1.200 + 50) / 1.000.000 × $2,20 = $0,00275. Gesamt: $0,000275 Input + $0,00275 Output = **$0,003 pro Aufruf** — 7,8x die Chat-Form-Schätzung. Bei 100k Aufrufen/Monat, $300, nicht $38,50.

Lektion: auch bei der 'mini' Ebene der Reasoning-Staffel dominiert der Denktoken-Schwanz. Wenn Ihre Klassifikations-Task NICHT mehrstufiges Reasoning braucht, bleiben Sie bei gpt-5.4-mini ($0,50 / $1,50 Input/Output) — gleiche Aufruf-Form landet bei $0,000125 pro Aufruf, 24x billiger als o3-mini. Das Reasoning-Premium zahlt sich nur aus, wenn Reasoning wirklich der Engpass ist. Querverweis: OpenAI API Kostenrechner für die vollständige Chat-Staffel.

Das Helden-Beispiel. Ein Nutzer fragt o3 eine mathematik-schwere Produktfrage. Die sichtbare Antwort ist 200 Tokens sauberer Prosa. Das Modell dachte über 4.000 Reasoning-Tokens nach — durch Unit-Umrechnungen, Grenzfall-Checks und einen finalen Verifikations-Pass.

Input: 1.000 Tokens (die Frage + eine 500-Token Systemaufforderung). Output-Rechnung: (4.000 Reasoning + 200 sichtbar) / 1.000.000 × $8,00 = 4.200 / 1.000.000 × $8 = **$0,0336 nur bei Output**. Plus Input: 0,001 × $2 = $0,002. **Gesamt pro Aufruf: $0,0356.**

Vergleich zur Chat-Form-Schätzung gegen die sichtbare Antwort: 0,001 × $2 Input + 0,0002 × $8 Output = $0,002 + $0,0016 = $0,0036. **Tatsächliche Kosten sind 9,9x die sichtbare-Antwort-Schätzung.**

Vergleich zu gpt-5.5 auf demselben Input/Output: 0,001 × $5 + 0,0002 × $30 = $0,005 + $0,006 = $0,011 pro Aufruf. o3 ist 3,2x teurer als gpt-5.5 bei diesem Aufruf — aber die o3-Antwort handhabt den Mathematik-Grenzfall korrekt, und die gpt-5.5-Antwort ist subtil falsch. Ob das 3,2x Premium wert ist, ist eine Downstream-Fehlerkosten-Frage, nicht eine Token-Preis-Frage.

Ein Code-Agent generiert ein 150-zeiliges Python-Modul aus einer Spezifikation. Der Agent läuft in einer 4er-Schleife: planen → schreiben → selbst-überprüfen → patchen. Bei jedem Turn denkt das Modell intensiv nach, bevor sichtlicher Output produziert wird.

Pro-Turn Form: Input ~2.500 Tokens (System + Tools + wachsendes Transkript), sichtlicher Output ~400 Tokens, Reasoning ~6.000 Tokens. Pro Turn Output-Rechnung: (6.000 + 400) / 1.000.000 × $8 = **$0,0512**. Pro Turn Input: 0,0025 × $2 = $0,005. Pro Turn Gesamt: $0,0562.

**4-Turn Gesamt: ~$0,225 pro Code-Synthese-Lauf auf o3.** Vergleich zu gpt-5.5-pro auf derselben Schleife (keine Reasoning-Tokens, aber mehr sichtlicher Output ~800 Tokens/Turn): 0,0025 × $30 Input + 0,0008 × $180 Output = $0,075 + $0,144 = $0,219/Turn × 4 = $0,876. **o3 ist 3,9x billiger als gpt-5.5-pro bei dieser Workload, trotz des Reasoning-Premiums, weil pros Output-Satz so viel höher ist.**

Die Takeaway: bei Tasks, wo Reasoning das ist, was Sie kaufen, schlägt o3's $2 / $8 Staffel jeden Premium-Chat-Tier. Die Falle ist, o3 für Tasks zu nutzen, wo Reasoning nicht der Engpass ist — das ist, wo der Denktoken-Schwanz Sie dafür zahlen lässt, Compute zu zahlen, das die Antwort nicht verbessert.

Skalieren Sie die Pro-Aufruf-Zahlen auf eine realistische monatliche Workload. Angenommen 100k Aufrufe/Monat, gemischte Form: durchschnittlich 1.200 Input-Tokens, 300 sichtlicher Output, 3.500 Reasoning-Tokens (der Produktions-Median, den wir bei realem o3 Traffic sehen).

Pro Aufruf: 0,0012 × $2 + (3.500 + 300) / 1.000.000 × $8 = $0,0024 + $0,0304 = $0,0328. **Monatlich auf o3: $3.280.**

Auf o3-mini (angenommene gleiche Form; mini typischerweise 30-50% weniger Reasoning-Tokens — sagen wir 2.000 statt 3.500): 0,0012 × $0,55 + (2.000 + 300) / 1.000.000 × $2,20 = $0,00066 + $0,00506 = $0,00572. **Monatlich auf o3-mini: $572.** o3-mini ist 5,7x billiger für dieselbe Aufruf-Form mit kleinem Genauigkeits-Delta.

Auf dem alten o1 (nur zum Vergleich — migrieren): 0,0012 × $15 + 3.800/1.000.000 × $60 = $0,018 + $0,228 = $0,246. **Monatlich auf o1: $24.600.** o3 ist 7,5x billiger als o1 für dieselbe Workload — der 87% Preisrückgang ist echt und Sie sollten ihn nutzen.

Die Hebel-Reihenfolge, um Reasoning-Kosten in Schach zu halten: (1) kappen `max_completion_tokens`, um den schlimmsten Fall zu begrenzen, (2) nutzen `reasoning_effort: 'low'`, wo die Task weniger Denken toleriert, (3) droppen zu o3-mini überall, wo Qualität hält, (4) routen Sie nur wirklich Reasoning-gebundene Queries zu o3 — lassen Sie gpt-5.4-mini den Rest handhaben. Siehe unser DeepSeek Kostenrechner für die Open-Weights Reasoning Alternative.

Als o3 bei $2 / $8 gegenüber o1's $15 / $60 startete, kündigte OpenAI eine effektive 80-87% Preisreduktion auf dem Flagship Reasoning-Modell an (VentureBeat Bericht). Bei Input ist o3 7,5x billiger als o1. Bei Output (wo Reasoning-Tokens berechnet werden), ist o3 auch 7,5x billiger. Netto-Effekt: jede o1 Workload, die zu o3 migriert wird, landet bei ~13% der vorherigen Kosten mit Qualitäts-auf-Benchmark-Verbesserungen zur gleichen Zeit.

Das ist keine marginale Preis-Anpassung — es ist eine Neubewertung der Reasoning-Kategorie. Workloads, die auf o1 unrentabel waren ($25k/Monat für 100k mittlere-Komplexität-Aufrufe), sind jetzt unter $4k/Monat auf o3. Reasoning-Modelle haben sich von 'Premium-Ausstiegsventil für schwierige Probleme' zu 'plausible Standardeinstellung für jede Task, wo Chain-of-Thought hilft' bewegt.

Was das für Ihren Migrationsplan bedeutet: wenn Sie IRGENDWELCHEN o1 Traffic noch laufen haben, ist die Migration überfällig. Code-Änderung: ersetzen Sie Modell-ID `o1` mit `o3`, lassen Sie alles andere identisch (gleiches Kontextfenster, gleiches Reasoning-Token Abrechnungsmechanismus, gleiche Response-Form). Sie werden einen 7-8x Kostenrückgang bei derselben Workload sehen, bevor irgendeine andere Optimierung.

Was das für Ihre Build-Entscheidungen bedeutet: als Sie Reasoning-Modelle vermieden, weil des $60/M Output-Satzes, überdenken Sie. Bei $8/M ist o3 konkurrenzfähig mit gpt-5.5 ($30/M Output), sobald Sie die bessere Antwort-Qualität bei Reasoning-gebundenen Tasks einrechnen. Das Dollar-Argument für Chat statt Reasoning hat sich wesentlich geschwächt.

**Nutzen Sie o3 / o3-mini wenn**: (1) die Task objektiv überprüfbare Richtigkeit hat — Mathematik, Code, der läuft und Tests besteht, Logik-Rätsel, formale Extraktion mit Grund-Wahrheit; (2) die Task mehrstufige Abhängigkeiten hat, die Chat-Modelle verpassen (mehrere Constraints Scheduling, Multi-Hop Reasoning über eine Knowledge Base, Plan-dann-Execute); (3) Sie ein Eval haben, das einen echten Genauigkeits-Lift über das äquivalente Chat-Modell auf IHRER Task zeigt — nicht bei einem Benchmark.

**Bleiben Sie bei Chat-Modellen (gpt-5.4 / gpt-5.5) wenn**: (1) die Task Open-End-Generierung ist — Inhalt, Copy, Konversation, Brainstorming — wo 'Richtigkeit' Geschmack ist, nicht Wahrheit; (2) die Task einfache Extraktion / Klassifikation ist, wo Chat-Modelle bereits 95%+ Genauigkeit treffen (für einen 5-15x Reasoning-Modell bezahlen bringt Ihnen die letzten 1-3%, oft nicht wert); (3) Latenz wichtig ist und Sie nicht auf das Modell zum Denken warten können (Reasoning-Modelle fügen 5-30 Sekunden Latenz von internem Denken hinzu, bevor Output streamt).

**Nutzen Sie o3-mini speziell wenn**: (1) Sie die Reasoning-Form wollen, aber die sichtbare Antwort kurz ist und die Fehlerkosten moderat; (2) Klassifikation mit schwierigen Grenzfällen, wo Chat-Tier ~90% bekommt und Sie 96%+ brauchen; (3) Sie eine hohe-Volumen-Workload haben, wo der o3 → o3-mini Drop (4x billiger Input, 3,6x billiger Output) der Unterschied zwischen einer praktikablen und impraktikablen Deployment ist.

**Der Eval-Test**: bevor Sie eine Workload zu Reasoning-Modellen binden, laufen Sie 100 repräsentative Queries durch beide o3 und Ihr bestes Chat-Modell. Score Richtigkeit. Wenn der Genauigkeits-Lift <5% absolut ist, bleiben Sie bei Chat — das Reasoning-Premium wird sich nicht selbst zahlen. Wenn der Lift >10% ist, ist Reasoning fast sicher wert. Zwischen 5% und 10% ist eine Downstream-Fehlerkosten Urteils-Frage.

Vergleichen Sie die Open-Weights Alternative: DeepSeek-R1 kostet $0,55 / $2,19 pro 1M Tokens — fast identisch zu o3-mini's $0,55 / $2,20. Die Kosten-Lücke zwischen proprietärer Reasoning (o3-mini) und Open-Weights Reasoning (R1) hat sich vollständig geschlossen; die Differenzierung ist jetzt Qualität, Latenz und Tool-Integration, nicht Preis.

**Hebel 1 — `reasoning_effort` Parameter.** Die o-Serie akzeptiert einen `reasoning_effort` Wert von 'low', 'medium' oder 'high'. Low schneidet internes Denken um 50-70% und clippt Reasoning-Token-Rechnungen proportional. Für Tasks, wo die erste plausible Antwort des Modells normalerweise richtig ist, 'low' ist der richtige Standard. Reservieren Sie 'high' für Tasks, wo Sie messbar gesehen haben, dass 'medium' falsche Antworten produziert.

**Hebel 2 — `max_completion_tokens` Kappe.** Setzt eine Hard-Obergrenze auf (Reasoning + sichtbar) Output kombiniert. Setzen Sie dies auf Ihren worst-case annehmbaren Bill pro Aufruf. Wenn das Modell die Kappe trifft, sehen Sie `finish_reason: 'length'` — handhaben Sie es explizit (Retry mit mehr Budget oder degrade zu einem Chat-Modell Fallback).

**Hebel 3 — Bounded Scratchpad im Prompt.** Kontraintuiv, instruieren das Modell 'arbeite durch das in höchstens 3 Schritten' oder 'verifiziere nur die kritische Constraint' formt die Reasoning-Spur und reduziert Token-Anzahl, ohne messbar Genauigkeit bei den meisten Tasks zu schaden. Reasoning-Modelle respektieren Prompt-Level Reasoning-Grenzen gut.

**Hebel 4 — Pre-zerlegen Sie die Task.** Wenn Sie eine mehrstufige Reasoning-Task in 3 einfachere Chat-Modell-Aufrufe + 1 Reasoning-Modell-Aufruf brechen können (statt eines großen Reasoning-Modell-Aufrufs), werden die Chat-Aufrufe bei $0,50/M berechnet und der einzelne Reasoning-Aufruf hat einen viel kleineren Scratchpad zu handhaben. Häufiger 50-70% Ersparnisse bei agentic Workloads.

**Hebel 5 — Log `reasoning_tokens` bei jedem Aufruf.** OpenAI exponiert die Anzahl bei `usage.completion_tokens_details.reasoning_tokens`. Senden Sie sie zu Ihrem Observability Stack. Das erste Mal, wenn Sie einen 25k-Reasoning-Token Ausreißer in Produktion sehen, verstehen Sie, warum dieser Hebel mehr zählt als die anderen vier kombiniert — fangen Sie die Ausreißer, nicht den Median.

**Hebel 6 — routen Sie die Task, nicht das Modell.** Bauen Sie einen Klassifizierer vor Ihrem Reasoning-Modell: einfache Queries routen zu gpt-5.4-mini ($0,50 / $1,50), komplexe Queries routen zu o3. Eine 100k-Aufruf/Monat Workload, wo 70% zu Chat gehen können und 30% Reasoning brauchen, landet bei ~$1.200/Monat kombiniert vs $3.280, wenn alles zu o3 geht. Der Router selbst kostet fast nichts.

o3-mini bei $0,55 / $2,20 ist ungefähr 4x billiger als o3 bei Input und 3,6x billiger bei Output. Es generiert typisch auch 30-50% weniger Reasoning-Tokens für dieselbe Task — das kleinere Modell konvergiert schneller zu einer Antwort. Kombinierter Effekt: o3-mini ist oft 5-6x billiger als o3 in Produktion für dieselbe Workload.

Wo o3-mini Qualität hält: strukturierte Extraktion mit schwierigen Grenzfällen, mittlere Komplexität Code-Generierung (einzelne Funktion, gut spezifiziert), Klassifikation mit 5-15 Klassen und mehrdeutige Grenzen, Multi-Hop Q&A über eine kleine Knowledge Base.

Wo o3-mini fällt und Sie brauchen volles o3: lange Horizont agentic Planung (>5 sequenzielle Reasoning Schritte), Beweis-Stil mathematische Arbeit, Code-Synthese über ~200 Zeilen, Tasks wo der Eval o3-mini bei <85% Genauigkeit zeigt.

Standard-auf-Mini Policy: versenden Sie jede neue Reasoning-Workload zuerst auf o3-mini. Laufen Sie ein 200-Sample Eval gegen o3. Wenn o3-mini innerhalb von 3 Prozentpunkten von o3-Genauigkeit ist, behalten Sie mini. Wenn Gap 3-7 Punkte ist, entscheiden Sie basierend auf Fehlerkosten. Wenn Gap >7 Punkte ist, migrieren Sie zu o3. Diese Policy hält 60-80% von typischem Reasoning Traffic auf dem billigeren Tier ohne messbare Qualitäts-Auswirkung bei der Produkt-Ebene.

Anders als die GPT-5 Chat-Familie — wo Cached-Input Preise Read Prompt-Cache Hits bei ~10% des Standard-Input-Satzes (ein 90% Rabatt) — die o-Serie VERÖFFENTLICHT KEINEN Cached-Input Rabatt, Stand Juni 2026. Jedes Input-Token auf o3 wird zum vollständigen $2/M Satz berechnet, unabhängig von Cache-Status.

Warum das wichtig: bei Chat-Modellen, Struktur Ihrem Prompt Präfix-zuerst um Cache-Hits zu maximieren, kann 30-50% von der Input-Rechnung abschneiden. Dieser Hebel ist bei Reasoning-Modellen nicht verfügbar. Jeder lange System-Prompt kostet jeden Aufruf Vollpreis.

Praktische Auswirkung: bei o-Serie Workloads, halten Sie System-Prompts KURZ. Ein 2.000-Token Reasoning-Modell System-Prompt, der auf gpt-5.5 zu $0,20/M effektiv cachen würde, kostet stattdessen Vollpreis $2/M auf o3 — dieselben Tokens, 10x teurer. Schneiden Sie unbarmherzig. Bewegen Sie stabile Kontexte zu User-Message-Präfix nur wenn es dort sein muss.

Workaround für wiederholte Reasoning-Muster: Pre-berechnen Sie den Reasoning-Schritt einmal mit o3, speichern Sie die Schlussfolgerung, und bedienen Sie nachfolgende identische-Form Queries von einem Chat-Modell + Retrieval Pipeline, die nur die gecachte Schlussfolgerung abruft. Dieses Muster (reason once, serve from cache) routen die teure Reasoning zu einem winzigen Bruchteil von Traffic. Siehe unser Code Prompt Builder für die Cache-verankerten Prompt-Muster, die bei Chat-Tiers funktionieren.

Beobachten Sie das OpenAI Changelog — wenn/wenn Caching für o-Serie versandt wird, die Kosten-Mathematik in diesem Guide verschiebt sich wesentlich. Stand 2026-06-20 es ist nicht erfolgt.

o1 ist veraltet. Preisseite bleibt zu Migrations-Fenster-Kompatibilität, aber neue Builds sollten auf o3 oder o3-mini abzielen. Die Migration ist einer der einfachsten Modell-Swaps, die OpenAI je versandt hat:

**Schritt 1**: ersetzen Sie `model: 'o1'` mit `model: 'o3'` (oder `model: 'o3-mini'`) in Ihren API-Aufrufen. Gleicher Endpoint, gleiche Request-Form, gleiche Response-Form. Der o-Serie API-Vertrag ist stabil über den o1 → o3 Übergang.

**Schritt 2**: stimmen Sie `reasoning_effort` erneut ab. o3 konvergiert schneller als o1 — Workloads, die 'high' auf o1 brauchten, landen häufig bei 'medium' auf o3 mit gleicher oder besserer Qualität. Testen Sie, bevor Sie 'high' immer noch erforderlich annehmen.

**Schritt 3**: Baseline Ihr Kosten-Budget neu. Der 7,5x Preisrückgang auf Input und Output bedeutet, Ihr monatlicher Bill sollte um ~85% für dieselbe Workload fallen. Wenn er nicht um so viel fällt, emittieren Sie wahrscheinlich mehr Reasoning-Tokens — überprüfen Sie, ob `reasoning_effort` auf dem neuen Modell höher standardisiert.

**Schritt 4**: laufen Sie Ihre Eval-Suite erneut. Qualität sollte auf jedem Benchmark gleich oder besser sein, das wir Daten haben; wenn eine spezifische Task regrediert, reichen Sie ein Problem ein und überlegen Sie, ob `reasoning_effort` oder Prompt-Struktur für das neue Modell Anpassung braucht.

**Schritt 5**: archivieren Sie o1-spezifische Code-Pfade. Je länger o1 in Ihrer Codebase ist, desto wahrscheinlicher fügt ein Engineer noch einen weiteren Aufruf dagegen hinzu. Entfernen Sie die Legacy-ID, erzwingen Sie einen Build-Break, migrieren Sie alles.

Jede Preis in diesem Guide kommt von OpenAIs Live-Preisseite unter developers.openai.com/api/docs/pricing, abgeholt am 2026-06-20 und Kreuz-verifiziert gegen die Veraltungs-Mitteilungen auf o1 und die Launch-Posts für o3. Wo eine Zahl nicht gegen die offizielle Seite verifiziert werden konnte (z.B. Cached-Input-Preise für o-Serie), notieren wir es ist nicht veröffentlicht statt einen Wert zu erfinden.

OpenAI versioniert nicht ihre Preisseite mit expliziten Changelog-Einträgen — Changes verschiffen still. Die o-Serie Kategorie war besonders volatil: o3 allein hat einen großen Preisrückgang gesehen (der 87% Cut von o1) und eine stille Anpassung in Reasoning-Token Abrechnungs-Semantiken seit Launch. Re-verifizieren Sie vierteljährlich, wenn Ihr monatlicher Reasoning-Bill $1.000 überschreitet.

**Wie man vor dem Budgetieren verifiziert**: öffnen Sie developers.openai.com/api/docs/pricing in einem Inkognito-Fenster, finden Sie die o-Serie Sektion, und bestätigen Sie die vier Zahlen ($2 / $8 für o3, $0,55 / $2,20 für o3-mini) entsprechen diesem Guide. Wenn sie entsprechen, ist dieser Guide aktuell. Wenn nicht, trauen Sie der Live-Seite und pingieren Sie uns.

**Die Reasoning-Token Abrechnungs-Semantiken werden separat dokumentiert** unter platform.openai.com/docs/guides/reasoning. Diese Seite besagt explizit Reasoning-Tokens werden zum Output-Satz berechnet und unter `usage.completion_tokens_details.reasoning_tokens` gemeldet. Das strukturelle Verhalten — interner Scratchpad, nie zurückgegeben, vollständig berechnet — ist stabil seit o1 Launch und applies identisch zu o3 und o3-mini.

**Warum wir einige häufig-zitierte Zahlen auslassen**: Dritte-Partei-Guides listen manchmal o-Serie Cached-Input-Sätze oder Volumen-Rabatte, die nicht auf OpenAIs Live-Seite erscheinen. Statt möglicherweise-veraltete oder möglicherweise-erfundene Sätze zu verbreiten, lassen wir sie aus. Wenn OpenAI einen Cached-Input-Satz für o-Serie nach dieser Guide-Versand veröffentlicht, werden wir re-fetchen und aktualisieren — bis dahin, plan gegen volle Input-Sätze.