Kniffliges Cache-Lesen: Warum GLM 5.3 in der Praxis teurer ist, als es scheint

Wir haben die tatsächlichen Rechnungen für Agentenaufgaben berechnet und eine einfache Sache gesehen. Bei GLM 5.3 entsteht der Löwenanteil der Kosten nicht durch Antworten oder neue Anfragen, sondern durch das erneute Lesen des Caches: Token, die das Modell bereits in derselben Arbeit gesehen hat. In unserer Messung sind es 80–90 % der Menge, bei langen Aufgaben sind es unter 98 %. Dadurch ist die gleiche Arbeit für DeepSeek durchweg um ein Vielfaches günstiger, obwohl die Preisliste für GLM auf den ersten Blick recht bescheiden ausfällt. Lassen Sie uns herausfinden, wie das passiert.

Woher kommt das Geld auf dem Konto?

Jeder Anruf API erfolgt ohne Speicher: Das Modell empfängt die gesamte Korrespondenz erneut – Systemanweisungen, Gesprächsverlauf, Dateiinhalte. Anbieter verstehen dies und speichern den doppelten Teil zwischen: Wenn der Anfang der Anfrage mit etwas übereinstimmt, das bereits verarbeitet wurde, werden diese Token mit einem Rabatt aus dem Cache gelesen. In der Antwort API können Sie die Aufschlüsselung sehen: Wie viele Token kamen aus dem Cache, wie viele waren neu, wie viele wurden vom Modell generiert.

Klingt nach einem Nettovorteil. Aber ein Rabatt ist kein Geschenk, sondern ein Tarif, jedes Modell hat seinen eigenen. Und der Unterschied zwischen den Modellen liegt nicht in Prozenten, sondern in Zeiten. Hier liegt der Haken.

Was steht in der Preisliste?

Öffentliche Preise Ende August 2026, Dollar pro Million Token:

Schauen Sie sich die mittlere Spalte an – diejenige, durch die normalerweise in Preislisten gescrollt wird. Bei DeepSeek V4 Pro kostet das Lesen des Caches drei Prozent des Eintrittspreises: Der Nachlass beim erneuten Lesen beträgt fast das Dreißigfache. GLM 5.3 hat neunzehn Prozent, also nur einen fünffachen Rabatt. Bei Flash-Versionen ist der relative Unterschied geringer (etwa 20 % gegenüber 23 %), aber in absoluten Zahlen ist der GLM-Flash-Cache immer noch etwa doppelt so teuer wie der DeepSeek-Flash-Cache.

Nutzlastmessung

Wir haben für zwei Wochen im August Statistiken über die Arbeit echter Agenten erstellt: 13.279 Zugriffe auf API von vier Modellen – GLM 5.3, GLM 5.3 Flash, DeepSeek V4 Pro und DeepSeek V4 Flash. Davon haben wir fast dreihundert vollwertige Dialogaufgaben gesammelt, bei denen das Modell lange Zeit an einer Sache arbeitet: den Code liest, Dateien bearbeitet und den gesamten Verlauf im Speicher behält. Ein typisches Bild eines solchen Problems: 97–98 % der Input-Tokens sind Cash Hits. Die Menge des empfangenen neuen Textes ist winzig, der Großteil ist derselbe Speicher für erneutes Lesen.

Und so gliedert sich die Punktzahl auf:

• GLM 5.3: 80–90 % des Betrags werden für das Lesen des Caches aufgewendet, im mittleren Aufgabendialog sogar 98 %. Antworten und neue Anfragen bleiben übrig.
• DeepSeek V4 Pro: Etwa zwei Drittel des Kontos gehen in den Cache (64 %). Der Anteil ist in der Bedeutung ähnlich, die absoluten Beträge sind jedoch nicht vergleichbar: Die Lesequote für DeepSeek ist zwölfmal niedriger.

Jetzt in Geld, für ganze Aufgaben und nicht für einzelne Anrufe. Die durchschnittliche Dialogaufgabe kostete beim GLM 5.3 Flash sechs Cent und beim DeepSeek V4 Flash zwei Cent. Um einen fairen Vergleich zu ermöglichen, haben wir Aufgaben mit der gleichen Menge an generiertem Text angenommen: Bei vergleichbarer Auslastung ist DeepSeek 3,6- bis 5-mal günstiger. Vollständiger GLM 5.3 im Vergleich zu DeepSeek V4 Pro bei einer sich überschneidenden Klasse von Problemen ist 6–7 Mal teurer. Der Arbeitsaufwand ist gleich.

Eine Nuance der Methodik: Es handelt sich um eine Neuberechnung auf Basis der öffentlichen Tarife aus der obigen Tabelle und nicht um einen Ausdruck des Kontos einer anderen Person. Zur Kontrolle haben wir die Neuberechnung mit tatsächlichen Abschreibungen bei offenem Tarif überprüft – sie unterschieden sich um 2-3 %, sodass die Schätzung korrekt ist.

Möchten Sie den Unterschied in einem Anruf spüren? Ein typischer Agentenaufruf umfasst in unseren Messungen etwa 130.000 Cache-Tokens, dreitausend neue Eingaben und ein paar hundert Ausgaben. GLM 5.3 berechnet für einen solchen Anruf etwa vier Cent. DeepSeek V4 Pro – etwa ein halber Cent. Sieben Mal. Und das, obwohl der Arbeitsaufwand gleich ist.

Ist GLM also schlau?

Formal nein: Alle Tarife werden veröffentlicht und die Neuberechnung fällt mit den tatsächlichen Abschreibungen zusammen, wenn der Tarif offen ist. Der Trick ist anders. Der Blick wird auf die Ein- und Ausstiegspreise gelenkt und die Zeile „Cache lesen“ sieht aus wie eine technische Kleinigkeit. Für ein kurzes Gespräch aus zwei Zeilen ist sie eine Kleinigkeit. Aber bei agentenbasierter Arbeit, bei der der Speicher pro Aufgabe hunderte Male neu gelesen wird, wird diese Zeile zum Hauptkostenfaktor. GLM Legen Sie einen Preis dafür fest, der bei älteren Modellen 12-mal höher ist als der von Deepsik, und bei langen Sitzungen überwiegt dieser alles andere. Selbst der Cache von DeepSeek ist nicht kostenlos: Seine Raten sind einfach so gering, dass das „Neuauslesen des gesamten Speichers“ einen Cent kostet.

Was tun dagegen?

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

• Den Tarif für das Cache-Lesen (Cache Read / Cached Input) entnehmen Sie bitte der Preisliste des Anbieters. Eine solche Leitung gibt es nicht – fragen Sie direkt nach. Bei langen Sitzungen ist es wichtiger als der Einstiegspreis.
• Schauen Sie sich Ihr Lastprofil an: Die Antwort API zeigt, wie viele Token aus dem Cache kamen. Wenn die Cache-Treffer mehr als 90 % betragen, zahlen Sie hauptsächlich für das erneute Lesen und nicht für die Arbeit.
• Schneiden Sie die Erinnerung ohne Mitleid aus. Alte Nachrichten, riesige Systemanweisungen und „nur für den Fall“-Dateien werden bei jedem Anruf für Ihr Geld erneut gelesen. Manchmal ist es günstiger, eine neue Sitzung zu beginnen, als einen dreitägigen Verlauf mit sich herumzutragen.

Beide Modelle sind in erhältlich chatten NeuralSpace, im Abschnitt "Code" und durch öffentlich API — Führen Sie Ihre Aufgabe für beide aus und vergleichen Sie die Ergebnisse selbst. Vergessen Sie aber nicht, die Aufschlüsselung zu öffnen: Das Interessanteste ist immer die Zeile mit den zwischengespeicherten Token.