Ton wird nach Zeit bezahlt

Bei einem Textmodell hängt der Preis an der Textmenge. Wer eine lange Datei mitschickt, zahlt mehr als wer eine Frage stellt, und wer eine lange Antwort bekommt, zahlt für jedes Wort darin. Welche Modellstufe was kostet und warum die Ausgabespalte die teure ist, steht in Grundkurs, Kapitel 10.

Bei einem Sprachgespräch verschiebt sich die Rechengröße. Ton misst sich in Sekunden, und die werden in Token umgerechnet. Laut der Kostenseite der Realtime-Schnittstelle (externe Seite, developers.openai.com) zählt in den Nachrichten des Nutzers ein Audio-Token je 100 Millisekunden Ton, in den Nachrichten des Assistenten eines je 50 Millisekunden.

Zwei Raten in einem Satz, und sie unterscheiden sich um den Faktor zwei.

Was das je Minute bedeutet

Ein Token je 100 Millisekunden sind zehn Token in der Sekunde und 600 in der Minute. So wird gezählt, was der Anrufer sagt.

Ein Token je 50 Millisekunden sind zwanzig in der Sekunde und 1.200 in der Minute. So wird gezählt, was der Agent sagt.

Sprechen die beiden gleich viel, erzeugt der Agent doppelt so viele Token wie der Anrufer, bei identischer Sprechdauer. Das ist der erste von zwei Faktoren.

Der zweite steht in Grundkurs, Kapitel 10: Ein Ausgabe-Token kostet mehr als ein Eingabe-Token, bei einem Sprachmodell dort mit 32 gegen 64 beziffert, also zwei zu eins.

Beide Faktoren gelten gleichzeitig, und sie multiplizieren sich. Doppelt so viele Token bei doppeltem Preis je Token macht das Vierfache: Eine Minute, in der der Agent redet, kostet so viel wie vier Minuten, in denen er zuhört.

Die Zahl 32 gegen 64 gilt dabei für ein bestimmtes Modell, die Token-Raten oben für die Echtzeit-Schnittstelle von OpenAI. Andere Anbieter zählen Ton anders, und wie weit das auseinandergeht, steht in Tiefe 2. Wer rechnet, prüft die Preisspalte an der Zeile, um die es geht. Was bleibt, ist die Richtung: Ein Sprachagent, der seine Antworten kurz hält, spart an der Stelle, an der doppelt gezählt und doppelt bezahlt wird.

Warum das nicht die ganze Rechnung ist

Die zweite Größe ist unauffälliger und wirkt stärker. Bei jedem Zug geht das ganze bisherige Gespräch erneut an das Modell, so steht es auf derselben Seite (externe Seite, developers.openai.com): Für jede Antwort geht die gesamte Unterhaltung an das Modell.

Das ist bei einem Chatfenster genauso, fällt dort aber weniger auf, weil ein Chat selten fünfzig Züge hat. Ein Telefonat hat sie.

Eine zweite Abrechnung zählt Sekunden

OpenAIs neueres Sprachmodell GPT-Live rechnet anders ab. Die Sprachsitzung kostet einen festen Satz je Minute, sekundengenau gezählt: laut Modellseite (externe Seite, developers.openai.com) 0,05 US-Dollar je Minute. Das Modell dahinter und die Tools werden getrennt abgerechnet.

Gezählt wird die ganze aktive Sitzungszeit (externe Seite, developers.openai.com): wenn der Nutzer spricht, wenn der Assistent spricht, wenn beide schweigen und wenn das Modell dahinter noch rechnet.

Für den Sprachteil zählt hier also die Dauer, und Zuhören kostet so viel wie Sprechen. Das Denken und die Tools dahinter laufen über ein zweites Modell und werden wie gewohnt nach Token abgerechnet.

Der Satz aus der Her­stel­ler­do­ku­men­ta­tion (externe Seite, developers.openai.com) zieht die Folgerung selbst: Die Ausgabe eines Zuges wird der Unterhaltung auf dem Server angehängt und geht als Eingabe in alle folgenden Züge ein, also werden spätere Züge einer Sitzung teurer.

Was das kostet, lässt sich ausrechnen. Angenommen, jeder Zug fügt gleich viel hinzu, Frage und Antwort zusammen 200 Token, und es gibt keinen Cache. Dann sendet Zug 1 zweihundert Token, Zug 2 vierhundert, Zug 10 zweitausend.

Die rechte Spalte ist die Rechnung, die linke das, was am Ende dasteht. Bei zwanzig Zügen liegen zwischen beiden der Faktor zehn.

Der Grund ist eine Summe: Über n Züge wird das (n mal (n plus 1) geteilt durch 2)-fache eines einzelnen Zuwachses gesendet. Bei doppelter Gesprächslänge steht also grob die vierfache Menge auf der Rechnung. Die Annahmen dahinter stehen oben: gleich lange Züge, gerechnet ohne Cache. In der Praxis fällt es günstiger aus, und um wie viel, steht in der nächsten Tiefe. Die Rechnung gilt für eine Abrechnung nach Token wie bei OpenAIs Realtime-Schnittstelle. Bei GPT-Live kostet der Sprachteil je Minute, wie Tiefe 1 zeigt, und das Modell dahinter rechnet weiter nach Token ab.

Die Uhr läuft auch ohne Rechnung

Neben dem Preis gibt es harte Grenzen, und sie stehen bei Google in Zahlen: Laut Anleitung zur Live-Schnittstelle (externe Seite, ai.google.dev) dauert eine Sitzung nur mit Ton höchstens 15 Minuten, eine mit Ton und Video höchstens 2 Minuten.

Eine Viertelstunde für ein Telefonat ist knapp bemessen, sobald jemand ein Anliegen erklärt. Der nächste Satz der Doku nimmt der Zahl allerdings ihre Härte: Mit verschiedenen Techniken der Sit­zungs­ver­wal­tung (externe Seite, ai.google.dev) lässt sich die Dauer unbegrenzt verlängern.

Die 15 Minuten sind also eine Voreinstellung. Was sie verlängert, steht in der nächsten Tiefe, und es kostet etwas.

Darunter liegt eine zweite Uhr, die man leicht mit der ersten verwechselt: Auch die Lebensdauer einer Verbindung (externe Seite, ai.google.dev) ist begrenzt, auf etwa 10 Minuten.

Die Verbindung ist die technische Leitung, die Sitzung der Gesprächs­zu­sam­men­hang darüber. Die Leitung hält kürzer als das Gespräch darüber, und wenn sie abreißt, reißt beides: Endet die Verbindung, endet laut Google (externe Seite, ai.google.dev) auch die Sitzung.

Was eine offene Verbindung im Sprachdialog überhaupt leistet, steht in Kapitel 03.

Das dritte Limit ist der Platz

Eine Sitzung hat laut derselben Anleitung (externe Seite, ai.google.dev) ein begrenztes Kontextfenster: 128.000 Token bei den Modellen mit nativer Audioausgabe, 32.000 Token bei den übrigen Modellen der Live-Schnittstelle.

32.000 Token klingen nach viel. Wie schnell sie voll sind, hängt an der Zählweise, und dafür nennt Google auf der Seite zu den Token (externe Seite, ai.google.dev) eine eigene Zahl: Ton zählt mit 32 Token je Sekunde.

Zweiunddreißig Token je Sekunde sind 1.920 in der Minute. Allein das Zuhören füllt das kleinere Fenster damit nach gut einer Viertelstunde, und dann steht dieselbe Frage wie bei jedem Kontextfenster: was hinausfällt.

Diese Zahl steht hier mit Absicht neben denen aus Tiefe 1, denn sie zeigt, wie wenig zwei Angaben miteinander zu tun haben, solange die Zählweise daneben fehlt: Dieselbe Minute Zuhören zählt an der Schnittstelle von OpenAI 600 Token und an der von Google 1.920. Wer zwei Anbieter neben­ein­an­der­stellt, vergleicht zuerst ihre Zählweise und dann ihre Grenzen.

Drei Gegenmittel nennen die Hersteller, und jedes kostet etwas.

Den Verlauf abschneiden. Wenn der Anfang eines Gesprächs nicht mehr mitgeschickt wird, hört die quadratische Rechnung auf. Google beschreibt das als gleitendes Fenster und nennt es als den Weg zu längeren Sitzungen. Um Sitzungen zu verlängern und einen abrupten Abbruch der Verbindung zu vermeiden, schaltet man die Kompression des Kontextfensters (externe Seite, ai.google.dev) ein, über das Feld contextWindowCompression in der Sit­zungs­kon­fi­gu­ra­tion.

Was das kostet, steckt in der Sache selbst. Was hinausfällt, ist weg. Ein Anrufer, der zu Beginn seinen Namen genannt hat, hat ihn nach vierzig Minuten nicht mehr genannt, jedenfalls nicht für das Modell.

Den Cache nutzen. Wiederholte Anfänge werden günstiger abgerechnet, und in einem Gespräch ist der Anfang jedes Zuges die Wiederholung des vorigen. Der Cache (externe Seite, developers.openai.com) greift, wenn die Eingabe-Token einer Antwort mit denen einer früheren übereinstimmen, allerdings nur nach bestem Bemühen und ohne Garantie.

Der Nachsatz ist das Entscheidende. Es gibt keine Zusage. Wer mit dem Cache rechnet, rechnet mit einem Verhalten, das der Anbieter ausdrücklich offen lässt. Und er gilt nur, solange der Anfang gleich bleibt: Ein System, das seine Anweisungen mitten im Gespräch ändert, macht sich die Ersparnis selbst kaputt.

Die ersten beiden Mittel stören einander. OpenAI schneidet den Verlauf von selbst ab, sobald das Fenster voll ist, und warnt in derselben Doku (externe Seite, developers.openai.com): Das Abschneiden zerstört den Cache nahe am Anfang der Unterhaltung, und geschieht es bei jedem Zug, wird die Trefferquote des Cache sehr niedrig.

Der Hersteller rät deshalb, beim Abschneiden mehr zu verwerfen als nötig. Dann geschieht es seltener, und der Cache hält dazwischen.

Kürzer antworten lassen. Das ist das einzige Mittel, das an der Rate angreift statt an der Menge. Eine Anweisung, die den Agenten zu knappen Antworten anhält, senkt die Zahl der Token, die mit der doppelten Rate gezählt werden. Die kürzere Wartezeit für den Anrufer kommt gratis dazu. Wie eine solche Anweisung aussieht, steht in Grundkurs, Kapitel 06.

Die Zahl, die niemand kennt

Aus einem eigenen Projekt, einem Sprachagenten am Kiosk-Terminal: Die Schnittstelle liefert am Ende jeder Antwort ein Ereignis mit dem Token-Verbrauch. Es war bekannt, es war protokolliert, und es war in der Sit­zungs­ver­wal­tung als Feld vorgesehen.

Ausgewertet wurde es nie. In vier Monaten Entwicklung findet sich in den Projektnotizen kein einziger Betrag, kein Kosten je Gespräch, kein Token-Verbrauch je Minute. Die Frage, was passiert, wenn das Guthaben beim Anbieter aufgebraucht ist, steht dort als offene Frage und blieb unbeantwortet.

Das ist die naheliegende Reihenfolge: Erst soll es funktionieren, dann soll es gut sein, und die Rechnung kommt am Monatsende von allein. Bei einem Sprachagenten ist das riskanter als bei einem Chatfenster, weil die Kosten hier an einer Größe hängen, die der Anrufer bestimmt. Wer lange redet, kostet lange.

Was hier offen bleibt

Zu gleichzeitigen Gesprächen nennen beide Anbieter eine Zahl, jeweils für einen ihrer Zugänge. Für einen Betreiber, der eine Hotline plant, ist das die erste Frage. Bei GPT-Live zählt OpenAI die Grenze laut Modellseite (externe Seite, developers.openai.com) in gleichzeitigen Sitzungen.

Die Tabelle darunter nennt für die drei bezahlten Stufen 50, 300 und 500 gleichzeitige Sitzungen (Stand 09.10.2026). Die Modellseiten der Realtime-Fassungen zählen weiter Anfragen und Token je Minute. Google nennt für die Live-Schnittstelle auf seiner Cloud-Plattform eine Grenze je Projekt (externe Seite, docs.cloud.google.com): bis zu 1.000 gleichzeitige Sitzungen.

Sie gilt bei Abrechnung nach Verbrauch und entfällt bei reservierter Kapazität. Für die Gemini-Schnittstelle aus AI Studio nennt die Dokumentation keine Zahl (Stand 05.10.2026). Die Antwort hängt damit am Zugang.

Zur Aufbewahrung nennt OpenAI eine Zahl. Die Seite mit den Datenkontrollen der Schnittstelle (externe Seite, developers.openai.com) führt eine Tabelle je Endpunkt, und für die Sprach­schnitt­stelle in Echtzeit stehen dort bis zu 30 Tage im Speicher zur Miss­brauchs­prü­fung. Einen gespeicherten Gesprächszustand führt die Tabelle für diesen Endpunkt nicht (Stand 24.10.2026). Die Seite zur Live-Sitzung bei Google nennt keine Frist. Was bei einem Gespräch überhaupt anfällt, steht in Kapitel 12.