Reasoning-Modelle denken nach, bevor sie antworten — und diese Thinking-Tokens werden zum selben Satz abgerechnet wie die Antwort selbst. Wer bei jeder Anfrage den Aufwand auf Maximum stellt, zahlt schnell ein Vielfaches für Qualität, die die Aufgabe nie gebraucht hätte. Die Lösung ist simpel: Passen Sie den Aufwand an die Form der Aufgabe an, nicht an ihre gefühlte Wichtigkeit. Hier steht, wie Sie wählen — Modell für Modell — und wie Sie sehen, was Sie das Ganze kostet.
Kurzantwort
Der Reasoning-Aufwand steuert, wie viele versteckte Thinking-Tokens ein Modell vor der Antwort ausgibt — und diese Tokens werden zum Output-Satz abgerechnet. Nutzen Sie Low oder Minimal für Abruf, Extraktion und Formatierung, Medium als Standard, und heben Sie High oder Max für Architektur, hartnäckiges Debugging und echtes mehrstufiges Denken auf. Eine Aufgabe, die vor einer Antwort von 500 Tokens erst 4.000 Thinking-Tokens verbraucht, kostet grob das Neunfache der reinen Antwort, während der Qualitätsgewinn durch zusätzliches Denken schnell abflacht. Tokens 4 Breakfast zeigt den Token-Verbrauch, den Ihre Aufwands-Einstellung erzeugt, aufgeschlüsselt nach Sitzung und Modell — damit eine High-Effort-Gewohnheit nicht still und leise Ihre Rechnung aufbläht.
Jeder Schritt steht für sich. Springen Sie direkt zu dem, der zu Ihrer Situation passt.
Reasoning-Modelle erzeugen vor der sichtbaren Antwort versteckte Thinking-Tokens, und ein höherer Aufwand bedeutet ein größeres Denk-Budget. Der Haken: Diese Thinking-Tokens werden zum selben Satz abgerechnet wie Output-Tokens. Der Aufwand ist also ein direkter Kosten-Multiplikator — kein kostenloser Qualitätsregler.
Richten Sie den Aufwand danach, wie viel Denkarbeit die Aufgabe tatsächlich verlangt — nicht danach, wie wichtig sie sich anfühlt. Abruf, Extraktion, Umformatierung und einfache Änderungen brauchen fast keine: Low oder Minimal reicht. Mehrstufige Probleme mit echter Tiefe — Architektur, kniffliges Debugging, Algorithmen — sind der Ort, an dem High seinen Preis verdient. Im Zweifel starten Sie bei Medium und erhöhen nur, wenn das Ergebnis es verlangt.
Claude Code bietet Low, Medium, High und Max. Die Obergrenze lässt sich mit MAX_THINKING_TOKENS deckeln (8000 ist ein vernünftiger Standardwert) oder pro Aufgabe mit /effort justieren. Achtung: Der Standard ist zuletzt in Richtung High gewandert, was die Kosten unbemerkt anheben kann, wenn Sie ihn nicht überschreiben. OpenAIs GPT-5.x und Codex nehmen einen reasoning_effort von none bis xhigh entgegen, Gemini arbeitet mit einem Thinking-Budget. Die Idee ist überall dieselbe: Weniger Denken für flache Aufgaben.
Eine Anfrage, die vor einer 500-Token-Antwort 4.000 Thinking-Tokens verbrennt, kostet grob das Neunfache der reinen Antwort. Multiplizieren Sie das mit Hunderten Aufrufen pro Tag, und maximaler Aufwand wird zu einem der größten Posten auf Ihrer Rechnung. Der Ertrag ist außerdem nicht linear: Die Genauigkeit steigt mit zusätzlichem Denken logarithmisch — steile Gewinne am Anfang, die schnell abflachen. Das meiste, was Sie jenseits von Medium ausgeben, kauft sehr wenig.
Was Sie nicht sehen, können Sie nicht steuern. Tokens 4 Breakfast erfasst den Token-Verbrauch, den Ihre Aufwands-Einstellungen erzeugen, aufgeschlüsselt nach Sitzung und Modell, live in der Mac-Menüleiste. Schießt ein Tag nach oben, erkennen Sie, ob eine High-Effort-Gewohnheit oder eine Opus-lastige Sitzung dahintersteckt — und drehen den Aufwand dort herunter, wo er nie nötig war.
Profi-Tipps
Kurze, direkte Antworten auf die häufigsten Fragen zu diesem Thema.
Ja. Die versteckten Thinking-Tokens, die ein Modell vor der Antwort ausgibt, werden zum selben Satz abgerechnet wie Output-Tokens. Höherer Reasoning-Aufwand bedeutet mehr davon — der Aufwand treibt die Kosten also direkt.
Nein. Die Genauigkeit steigt mit zusätzlichem Denken logarithmisch: steile Gewinne am Anfang, die schnell abflachen. Bei Abruf, Extraktion und Formatierung entstehen Mehrkosten bei kaum oder gar keinem Qualitätsgewinn — heben Sie hohen Aufwand für echtes mehrstufiges Denken auf.
Tokens 4 Breakfast zeigt Ihren Token-Verbrauch nach Sitzung und Modell in der Mac-Menüleiste. So erkennen Sie, wenn eine High-Effort-Gewohnheit oder ein teures Modell die Rechnung aufbläht — und steuern gegen, bevor die Abrechnung kommt.
Datenschutzfreundliche Analyse
Wir nutzen optionale Analyse, um die aggregierte Websitenutzung zu verstehen und das Produkt auffindbarer zu machen. Google Analytics wird erst nach Ihrer Einwilligung geladen. Es werden keine Kontodaten, App-Daten oder persönlichen KI-Nutzungsdaten übertragen, und Sie können Ihre Wahl jederzeit ändern.
Datenschutzerklärung lesen