Der cache-Read-Haken: Warum GLM 5.3 in der echten Agentenarbeit mehr kostet

Wir haben echte Rechnungen für Agententätigkeiten durchgesehen und eine einfache Sache gesehen. Für GLM 5.3 entfällt der Löwenanteil der Kosten nicht auf die Antworten und nicht auf die neuen Eingaben, sondern auf das erneute Lesen der cache: Token, die das Modell bereits im selben Job gesehen hat. In unseren Messungen sind das 80–90 % der Rechnung, bei langen Aufgaben sind es fast 98 %. Deshalb ist der gleiche Job bei DeepSeek durchweg um ein Vielfaches günstiger, auch wenn die Preisliste von GLM auf den ersten Blick bescheiden aussieht. Hier erfahren Sie, wie das passiert.

Woher die cache in Ihrer Rechnung kommt

Jeder API-Aufruf erfolgt ohne Speicher: Das Modell empfängt die gesamte Konversation erneut – Systemanweisungen, Chat-Verlauf, Dateiinhalte. Anbieter cache der wiederholte Teil: Wenn der Anfang einer Anfrage mit etwas übereinstimmt, das bereits verarbeitet wurde, werden diese Token mit einem Rabatt aus cache gelesen. Die API-Antwort zeigt die Aufschlüsselung: Wie viele Token kamen von der cache, wie viele waren neu, wie viele hat das Modell generiert.

Klingt nach reinem Gewinn. Aber der Rabatt ist ein Preis, kein Geschenk, und jedes Modell legt seinen eigenen Wert fest. Der Abstand zwischen den Modellen wird nicht in Prozent, sondern in Vielfachen gemessen. Darin liegt der Haken.

Was die Preisliste sagt

Öffentliche Preise, Stand Ende August 2026, Dollar pro Million Token:

Schauen Sie sich die mittlere Spalte an – diejenige, die normalerweise überflogen wird. Für DeepSeek V4 Pro kosten cache-Lesungen drei Prozent des Eingabepreises: ein fast dreißigfacher Rabatt für das erneute Lesen. Für GLM 5.3 sind es neunzehn Prozent, also ein fünffacher Rabatt. Die Flash-Modelle liegen relativ gesehen näher beieinander (etwa 20 % gegenüber 23 %), aber in absoluten Zahlen kosten GLM Flash-cache-Lesevorgänge immer noch etwa doppelt so viel wie DeepSeek Flash-Lesevorgänge.

Gemessen an realer Arbeit

Wir haben im August zwei Wochen lang echten Agentenverkehr verzeichnet: 13.279 API-Aufrufe über vier Modelle hinweg – GLM 5.3, GLM 5.3 Flash, DeepSeek V4 Pro und DeepSeek V4 Flash. Aus diesen haben wir fast dreihundert vollständige Aufgabendialoge zusammengestellt, in denen ein Modell über einen langen Zeitraum an einer Aufgabe arbeitet: Code lesen, Dateien bearbeiten und den gesamten Verlauf im Kontext halten. Das typische Bild einer solchen Aufgabe: 97–98 % der Eingabe-Tokens sind cache Treffer. Es kommt nur ein Hauch von wirklich neuem Text herein; Der Großteil besteht aus demselben erneut gelesenen Speicher.

Und so gliedert sich die Rechnung:

• GLM 5.3: 80–90 % der Gesamtmenge entfallen auf cache Lesevorgänge – 98 % innerhalb eines durchschnittlichen Aufgabendialogs. Antworten und frischer Input bleiben übrig.
• DeepSeek V4 Pro: Etwa zwei Drittel der Rechnung (64 %) belaufen sich ebenfalls auf cache. Im Geiste ein ähnlicher Anteil, aber die absoluten Beträge sind unvergleichbar, denn die Leserate von DeepSeek ist zwölfmal niedriger.

Jetzt das Geld, pro gesamter Aufgabe und nicht pro Anruf. Ein durchschnittlicher Aufgabendialog kostete bei GLM 5.3 Flash etwa sechs Cent und bei DeepSeek V4 Flash etwa zwei Cent. Um einen fairen Vergleich zu ermöglichen, haben wir Aufgaben mit der gleichen Menge an generiertem Text abgeglichen: Bei vergleichbaren Arbeitslasten ist DeepSeek 3,6- bis 5-mal günstiger. Vollversion GLM 5.3 war im Vergleich zu DeepSeek V4 Pro in der Aufgabenklasse, in der sie sich überschneiden, sechs- bis siebenmal teurer – bei gleichem Arbeitsaufwand.

Ein Hinweis zur Methodik: Diese Zahlen werden anhand der öffentlichen Tarife in der Tabelle oben neu berechnet, nicht anhand der tatsächlichen Rechnung einer Person. Um die Plausibilität zu überprüfen, haben wir die Neuberechnung mit den erfassten Gebühren verglichen, egal wo der Tarif geöffnet ist – sie unterschieden sich um 2–3 %, die Schätzung ist also solide.

Möchten Sie es bei einem einzigen Anruf spüren? Ein typischer Agentenanruf umfasst in unseren Messungen etwa 130.000 cache Token, dreitausend neue Eingabe-Token und ein paar Hundert Ausgaben. GLM 5.3 berechnet für einen solchen Anruf etwa vier Cent. DeepSeek V4 Pro – etwa einen halben Cent. Sieben Mal, bei gleichem Arbeitsvolumen.

Ist GLM also Betrug?

Formal nein: Alle Tarife werden veröffentlicht und die Neuberechnung entspricht den tatsächlichen Tarifen, egal wo der Tarif geöffnet ist. Der Trick liegt woanders. Der Blick fällt auf die Input- und Output-Preise, während die Zeile „cache read“ wie eine technische Fußnote aussieht. In einem Zwei-Nachrichten-Chat ist es eine. Aber bei der Agentenarbeit, wo der Speicher pro Aufgabe hunderte Male neu gelesen wird, wird diese Zeile zum Hauptkostenposten. GLM war zwölfmal teurer als DeepSeek für die Flaggschiff-Modelle – und bei langen Sitzungen überwiegt es alles andere. Sogar DeepSeeks cache ist nicht kostenlos; Seine Raten sind einfach so gering, dass das erneute Auslesen des gesamten Speichers ein paar Cent kostet.

Was tun dagegen?

Drei Dinge, die Sie tun sollten, bevor Sie sich für ein Model für Agenten entscheiden:

• Den cache-Read-Tarif finden Sie in der Preisliste Ihres Anbieters (cache read / cached input). Keine solche Zeile? Fragen Sie direkt nach. Bei langen Sitzungen ist es wichtiger als der Eingabepreis.
• Schauen Sie sich Ihr eigenes Lastprofil an: Die API-Antwort zeigt, wie viele Token vom cache kamen. Über 90 % cache Treffer zahlen Sie hauptsächlich für das erneute Lesen, nicht für die Arbeit.
• Schneiden Sie die Erinnerung rücksichtslos ab. Alte Nachrichten, umfangreiche Systemanweisungen und Notfalldateien werden bei jedem Anruf auf Ihre Kosten erneut gelesen. Manchmal ist eine neue Sitzung günstiger als eine dreitägige Anamnese.

Beide Modelle sind im erhältlich NeuralSpace chatten, im Code Abschnitt und durch die öffentliche API — Führen Sie Ihre eigene Aufgabe für beide aus und vergleichen Sie die Rechnungen. Denken Sie daran, die Aufschlüsselung zu öffnen: Der interessante Teil liegt immer in der cached-Tokens-Reihe.