Neuberechnung kommt bei DeepSeek auf 39,10 Dollar Inferenzumsatz pro GPU-Stunde statt der angegebenen 38
Eine am 9. November veröffentlichte Analyse rechnet DeepSeeks angegebenen Inferenzumsatz auf etwa 39,10 Dollar pro GPU-Stunde hoch, gegenüber den 38 Dollar, die das Unternehmen am 20. Oktober nannte. Der Unterschied ist klein. Der Preis ist vor allem deshalb so niedrig, weil 96% der Eingabe-Token Cache-Treffer sind.

Was DeepSeek veröffentlicht hat und was die Prüfung ergab
DeepSeek hat am 20. Oktober 2026 einen Teil von DeepInfer veröffentlicht, seinem Framework für die Inferenz.
Wer die API-Preise pro Token vergleicht, vergleicht zum Teil auch, wie gut jeder Anbieter zwischengespeicherten Kontext wiederverwendet. Wie schnell seine GPUs laufen, ist dabei nur ein Faktor. Eine Last aus kurzen, sich nicht wiederholenden Prompts würde ganz anders bepreist als die durchschnittliche Anfrage bei DeepSeek. Das Unternehmen gibt an, dass ein Cluster 155.000.000.000.000 Token pro Tag verarbeitet.
Die Analyse von Yukio Takagi, veröffentlicht am 9. November, rekonstruiert diese 38 Dollar aus dem angegebenen Durchsatz und der öffentlichen Preisliste. Eine Prefill-GPU und eine Decode-GPU bringen zusammen 78,19 Dollar pro Stunde ein, also 39,10 Dollar jede für sich. Eine unabhängige Bestätigung ist das nicht: Beide Zahlen beruhen auf Messungen von DeepSeek selbst.
Der Cache macht den Preis erst möglich
Zwischengespeicherte Eingabe kostet 0,003 Dollar pro Million Token außerhalb der Spitzenzeit. Nicht zwischengespeicherte Eingabe kostet 0,15 Dollar, fünfzigmal so viel, und die Ausgabe kostet 0,60 Dollar.
Die durchschnittliche Anfrage umfasst 77.000 Eingabe-Token. Rund 95% der verarbeiteten Token sind zwischengespeicherte Eingabe. Sie erbringen nur etwa 20% des Umsatzes, während nicht zwischengespeicherte Eingabe und Ausgabe zusammen etwa 80% bringen. Eine einzelne kurze Frage nutzt nur wenig ihrer Eingabe erneut. Dieselbe GPU würde mit diesem Verkehr also pro Stunde weniger verdienen.
Cache-Treffer verändern auch den Durchsatz. Eine Prefill-GPU schafft 1.500.000 Token pro Sekunde, wenn Treffer mitgezählt werden, und 60.000 ohne sie, ein Unterschied um den Faktor 25. DeepSeek hält den Cache auf etwa 100 PiB SSD, drei Tage lang bei Agent-Workloads und sieben Tage lang im Chat.
Was die Marge auslässt
DeepSeek veröffentlicht nicht, was es für GPUs zahlt. Jede Marge hängt deshalb von einer Annahme ab. Bei 2 Dollar pro GPU-Stunde, dem Wert, den DeepSeek in einer Berechnung vom Februar 2025 verwendete, liegt die Bruttomarge auf GPU-Zeit bei etwa 95%. Bei 7 Dollar, einem Satz aus einem Beitrag von Yuchen Jin auf X, sind es etwa 82%.
Die Berechnung lässt außerdem Cache-Speicher, Bandbreite zwischen den Knoten, Forschung und Personalkosten weg.
Der breitere Preisverfall dahinter
Epoch AI schätzt, dass der Preis für ein festes Niveau an KI-Leistung seit 2023 um etwa 47% pro Quartal gefallen ist. Das sind rund 13 Mal im Jahr.
DeepSeeks Cache-Trefferquote lag bei etwa 56%, als das Unternehmen im Februar 2025 die Zahlen zu V3 und R1 veröffentlichte. Die aktuelle Quote könnte sich auf ein anderes Modell und eine andere Messung beziehen.
Together gibt an, sein Compiler habe auf DeepSeek v4.1-Flash 1.205 Token pro Sekunde erreicht, Teil eines Zuwachses um den Faktor 2,6 bei führenden offenen Modellen in weniger als 24 Stunden. Edoardo Vacchi von Red Hat sagt, gewöhnliche Kubernetes-Load-Balancer bremsten die Effizienz von LLMs, weil sie zwischengespeicherten Gesprächskontext ignorieren.
Quellen
18- 01Reading DeepSeek's Inference through Resource Allocation and Pricing Systems: A Verification of DisclosuresEN
- 02Together Compiler: Continual Compilation for AI InferenceEN
- 03Podcast: Distributed LLM Inference on Kubernetes with llm-d, Wasm, & TornadoVMEN
- 04AI Model Cost Statistics: Training, Inference and Token PricingEN
- 05Musk's Starlink Embraces 'Dynamic Pricing,' Further Jacking Up CostsEN
- 06GPU Infrastructure: Cloud Costs and Scaling for AIEN
- 07Can Optical AI Cut Data Center Inference Power Use?EN
- 08Green Hydrogen: India’s Big Ambitions, Costly RealitiesEN
- 09Anthropic's FlashProve proves which model wrote a reply, and its 72x costEN
- 10AWS Adds NVIDIA GPU Partitioning to SageMaker Inference EndpointsEN
- 11Gemini Omni 1.2 Flash: Fast and cost-effective with longer clipsEN
- 12E2E Networks Launches Blaze to Offer Pay-Per-Token AI Inference ServicesEN
- 13VMO2 to axe 30% staff costs, halt fiber build in £800M savings planEN
- 14Optimizing Reference Deletions in GitEN
- 15Launch HN: Rivet (YC W23) – Scale and Orchestrate Agents on S3EN
- 16Launch HN: Momentic (YC W24) – Agents that catch bugs by using your appEN
- 17Rivian, Ford and GM are using 3D printing to reduce costsEN
- 18Here's how much Trump's Iran war has added to Americans' fuel costsEN
Alle Zahlen und Zitate in diesem Text stammen aus den unten genannten Quellen.
Die Materialien wurden vom Redaktionsteam mit Unterstützung von KI erstellt.
Kommentare
0- Noch keine Kommentare — seien Sie der Erste.