> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-de/erste-schritte/cost-calculator.md).

# Kostenrechner

Schätze die Kosten deiner KI-Workloads auf Clore.ai

Schätzen Sie Ihre Kosten für KI-Workloads auf CLORE.AI.

{% hint style="success" %}
Die Preise sind Schätzungen. Prüfen [CLORE.AI-Marktplatz](https://clore.ai/marketplace) für aktuelle Preise.
{% endhint %}

## Schnellübersicht der Kosten

### GPU-Stundensätze

| GPU              | On-Demand  | Spot (typisch) |
| ---------------- | ---------- | -------------- |
| RTX 3060 12 GB   | $0.03-0.05 | $0.02-0.03     |
| RTX 3070 8GB     | $0.03-0.04 | $0.02-0.03     |
| RTX 3080 10GB    | $0.04-0.06 | $0.03-0.04     |
| RTX 3090 24 GB   | $0.05-0.08 | $0.04-0.06     |
| RTX 4070 Ti 12GB | $0.05-0.07 | $0.03-0.05     |
| RTX 4080 16 GB   | $0.07-0.10 | $0.05-0.07     |
| RTX 4090 24GB    | $0.10-0.15 | $0.07-0.10     |
| RTX 5090 32 GB   | $0.15-0.20 | $0.10-0.15     |
| A100 40GB        | $0.15-0.22 | $0.12-0.17     |
| A100 80GB        | $0.22-0.35 | $0.18-0.25     |
| H100 80 GB       | $0.45-0.70 | $0.35-0.50     |

***

## Kosten nach Aufgabe

### Chat/LLM-Inferenz

**Kosten pro 1 Million generierter Tokens:**

| Modellgröße | GPU       | Geschwindigkeit (Tok./s) | Kosten/1 Mio. Tokens |
| ----------- | --------- | ------------------------ | -------------------- |
| 7B (Q4)     | RTX 3060  | 25                       | $0.33                |
| 7B (Q4)     | RTX 3090  | 45                       | $0.37                |
| 7B (Q4)     | RTX 4090  | 80                       | $0.35                |
| 13B (Q4)    | RTX 3090  | 30                       | $0.56                |
| 13B (Q4)    | RTX 4090  | 55                       | $0.51                |
| 30B (Q4)    | RTX 4090  | 25                       | $1.11                |
| 70B (Q4)    | A100 40GB | 25                       | $1.89                |
| 70B (Q4)    | A100 80GB | 35                       | $1.98                |

**Beispielkosten:**

* 1 Stunde Chatten (\~50K Tokens): $0.02-0.10
* 100 Dokumente verarbeiten (1M Tokens): $0.33-2.00
* Chatbot 24 Stunden laufen lassen: $0.72-4.00

***

### Bilderzeugung

**Kosten pro 1000 Bilder:**

| Modell       | Auflösung | GPU       | Zeit/Bild | Kosten/1000 |
| ------------ | --------- | --------- | --------- | ----------- |
| SD 1.5       | 512x512   | RTX 3060  | 4 Sek.    | $0.33       |
| SD 1.5       | 512x512   | RTX 3090  | 2 Sek.    | $0.28       |
| SD 1.5       | 512x512   | RTX 4090  | 1 Sek.    | $0.28       |
| SDXL         | 1024x1024 | RTX 3090  | 7 Sek.    | $0.97       |
| SDXL         | 1024x1024 | RTX 4090  | 3 Sek.    | $0.83       |
| FLUX schnell | 1024x1024 | RTX 4090  | 5 Sek.    | $1.39       |
| FLUX schnell | 1024x1024 | RTX 5090  | 3,5 Sek.  | $1.46       |
| FLUX dev     | 1024x1024 | RTX 4090  | 15 Sek.   | $4.17       |
| FLUX dev     | 1024x1024 | A100 40GB | 10 Sek.   | $4.72       |

**Beispielkosten:**

* 100 SDXL-Bilder generieren: $0.08-0.10
* 1000 Bilder mit SD 1.5 generieren: $0.28-0.33
* Batch von 500 FLUX-Bildern: $0.70-2.40

***

### Videogenerierung

**Kosten pro Videominute:**

| Modell      | Länge  | Auflösung | GPU       | Zeit     | Kosten/Min. Video |
| ----------- | ------ | --------- | --------- | -------- | ----------------- |
| SVD         | 4 Sek. | 576x1024  | RTX 4090  | 1,5 Min. | $0.38             |
| SVD         | 4 Sek. | 576x1024  | A100 40GB | 1 Min.   | $0.43             |
| AnimateDiff | 3 Sek. | 512x512   | RTX 3090  | 2 Min.   | $0.53             |
| Wan2.1      | 5 Sek. | 480p      | RTX 5090  | 2 Min.   | $0.80             |
| Wan2.1      | 5 Sek. | 720p      | A100 40GB | 2 Min.   | $0.85             |
| Hunyuan     | 5 Sek. | 720p      | A100 80GB | 5 Min.   | $3.13             |

**Beispielkosten:**

* 1 Minute SVD-Clips: $0.38-0.50
* 5 Minuten AnimateDiff: $2.65
* 1 Minute Hunyuan-Video: $3.00-4.00

***

### Audioverarbeitung

**Kosten pro Stunde Audio:**

| Aufgabe           | Modell           | GPU      | Verarbeitungszeit | Kosten/Stunde Audio |
| ----------------- | ---------------- | -------- | ----------------- | ------------------- |
| Transkription     | Whisper large-v3 | RTX 3060 | 10 Min.           | $0.05               |
| Transkription     | Whisper large-v3 | RTX 4090 | 3 Min.            | $0.05               |
| TTS               | Bark             | RTX 3090 | Echtzeit          | $0.06               |
| TTS               | XTTS             | RTX 3090 | Echtzeit          | $0.06               |
| Musik-Generierung | Stable Audio     | RTX 3090 | 2x Echtzeit       | $0.12               |

**Beispielkosten:**

* 10 Stunden Podcasts transkribieren: $0.50
* 1 Stunde TTS generieren: $0.06
* 30 Minuten Musik erstellen: $0.06

***

### Modelltraining

**Kostenschätzungen für gängige Trainingsaufgaben:**

| Aufgabe                | Datensatz     | GPU       | Zeit          | Gesamtkosten |
| ---------------------- | ------------- | --------- | ------------- | ------------ |
| LoRA-Fine-Tuning (7B)  | 10K Beispiele | RTX 4090  | 2-4 Stunden   | $0.20-0.50   |
| LoRA-Fine-Tuning (13B) | 10K Beispiele | A100 40GB | 3-6 Stunden   | $0.50-1.00   |
| Full Fine-Tuning (7B)  | 50K Beispiele | A100 80GB | 24-48 Stunden | $5-12        |
| SD LoRA                | 100 Bilder    | RTX 3090  | 1-2 Stunden   | $0.05-0.12   |
| DreamBooth             | 20 Bilder     | RTX 4090  | 30-60 Min.    | $0.05-0.10   |

***

## Kostenrechner

### LLM-Inferenzrechner

```
Zu generierende Tokens: ________
Modellgröße: 7B / 13B / 30B / 70B
GPU-Wahl: ________

Formel:
Zeit (Stunden) = Tokens ÷ (Tokens_pro_Sekunde × 3600)
Kosten = Zeit × Stundensatz

Beispiel: 1 Mio. Tokens mit 70B auf A100 40GB
Zeit = 1,000,000 ÷ (25 × 3600) = 11.1 Stunden
Kosten = 11.1 × $0.17 = $1.89
```

### Bildgenerierungsrechner

```
Anzahl der Bilder: ________
Modell: SD 1.5 / SDXL / FLUX
GPU-Wahl: ________

Formel:
Zeit (Stunden) = Bilder × Sekunden_pro_Bild ÷ 3600
Kosten = Zeit × Stundensatz

Beispiel: 1000 SDXL-Bilder auf RTX 4090
Zeit = 1000 × 3 ÷ 3600 = 0.83 Stunden
Kosten = 0.83 × $0.10 = $0.083
```

### Videogenerierungsrechner

```
Videolänge (Sekunden): ________
Modell: SVD / AnimateDiff / Wan2.1
GPU-Wahl: ________

Formel:
Benötigte Clips = Gesamtsekunden ÷ Clip-Länge
Zeit (Stunden) = Clips × Generierungszeit ÷ 60
Kosten = Zeit × Stundensatz

Beispiel: 60 Sekunden mit SVD (4-Sek.-Clips) auf RTX 4090
Clips = 60 ÷ 4 = 15 Clips
Zeit = 15 × 1.5 ÷ 60 = 0.375 Stunden
Kosten = 0.375 × $0.10 = $0.04
```

***

## Budgetplanung

### Kleines Projekt (\~$5)

Was Sie tun können:

* 5,000+ SD-1.5-Bilder generieren
* 500+ SDXL-Bilder generieren
* 100+ Stunden Audio-Transkription verarbeiten
* 7B-Chatbot für 100+ Stunden laufen lassen
* 5+ LoRA-Modelle trainieren

### Mittleres Projekt (\~$25)

Was Sie tun können:

* 25,000+ SDXL-Bilder generieren
* 5,000+ FLUX-Bilder generieren
* 500+ Stunden Audio verarbeiten
* 70B-Modell für 100+ Stunden laufen lassen
* Mehrere benutzerdefinierte Modelle trainieren
* 30+ Minuten Video generieren

### Großes Projekt (\~$100)

Was Sie tun können:

* 7B-Modell vollständig feinabstimmen
* 100,000+ Bilder generieren
* Produktions-LLM-API eine Woche lang laufen lassen
* Stunden an Videoinhalten generieren
* Mehrere DreamBooth-Modelle trainieren

***

## Tipps zur Kostenoptimierung

### 1. Spot-Orders verwenden

Spot ist bei etwa einem Drittel der Server günstiger als On-Demand, median etwa 13 % Rabatt:

* Ideal für Batch-Jobs
* Arbeit häufig speichern
* Für zeitkritische Aufgaben vermeiden

### 2. GPU richtig dimensionieren

Zahlen Sie nicht zu viel für ungenutzte Leistung:

| Wenn Sie brauchen... | Nicht verwenden | Stattdessen verwenden |
| -------------------- | --------------- | --------------------- |
| 7B-Chat              | A100            | RTX 3060              |
| SD 1.5-Bilder        | RTX 4090        | RTX 3060              |
| SDXL-Bilder          | A100            | RTX 3090              |
| Schnelle Tests       | A100            | RTX 3060              |

### 3. Quantisierung verwenden

GPU-Anforderungen reduzieren:

* Q4: 4x weniger VRAM, etwas geringere Qualität
* Q8: 2x weniger VRAM, minimaler Qualitätsverlust
* AWQ/GPTQ: Für Inferenz optimiert

### 4. Batch-Verarbeitung

Mehr in weniger Zeit verarbeiten:

* API-Anfragen in Batches verarbeiten
* Größere Batch-Größen verwenden
* Aufträge über Nacht laufen lassen

### 5. Modelle vorab herunterladen

Vermeiden Sie Kosten während des Downloads:

* Docker-Images mit vorinstallierten Modellen verwenden
* Modelle im persistenten Speicher cachen
* Vor dem Start des bezahlten Auftrags herunterladen

***

## Vergleich: CLORE.AI vs. Alternativen

### vs. Cloud-Anbieter (AWS, GCP, Azure)

| Faktor              | CLORE.AI                  | Cloud-Anbieter        |
| ------------------- | ------------------------- | --------------------- |
| RTX 4090 pro Stunde | $0.14–0.42                | $1.50–3+              |
| Einrichtungszeit    | Minuten                   | Stunden               |
| Mindestbindung      | Keine                     | Oft stündlich         |
| Spot-Ersparnis      | \~13 % dort, wo verfügbar | 60-90 %, aber komplex |

**Vorteil von CLORE.AI:** 10-20x günstiger für die meisten KI-Workloads.

### vs. RunPod, Vast.ai

| Faktor           | CLORE.AI         | Andere   |
| ---------------- | ---------------- | -------- |
| Preis            | Wettbewerbsfähig | Ähnlich  |
| GPU-Vielfalt     | Groß             | Groß     |
| Spot-Orders      | Ja               | Ja       |
| Krypto-Zahlungen | Ja (nativ)       | Begrenzt |

### vs. lokale Hardware

| Faktor                 | CLORE.AI      | Lokale RTX 4090 |
| ---------------------- | ------------- | --------------- |
| Vorabkosten            | $0            | $1,600+         |
| Monatlich (8 Std./Tag) | \~$24         | \~$15 (Strom)   |
| Amortisationspunkt     | -             | \~3 Monate      |
| Flexibilität           | Beliebige GPU | Eine GPU        |
| Wartung                | Keine         | Sie             |

**Wann mieten:** Tests, variable Workloads, Bedarf an High-End-GPUs **Wann kaufen:** Konstanter täglicher Einsatz, 4+ Stunden/Tag über 3+ Monate

***

## Praxisbeispiele

### Start-up: KI-Chatbot

**Anforderungen:** 70B-Modell, 8 Stunden/Tag, 30 Tage

```
GPU: A100 40GB
Stunden: 8 × 30 = 240 Stunden
Kosten: 240 × $0.17 = $40.80/Monat

Mit Spot: ca. $28/Monat
```

### Creator: Bildgenerierung

**Anforderungen:** 1000 SDXL-Bilder/Tag, 30 Tage

```
GPU: RTX 4090
Zeit pro Tag: 1000 × 3 Sek. = 50 Minuten
Monatliche Stunden: 25 Stunden
Kosten: 25 × $0.10 = $2.50/Monat
```

### Forscher: Modelltraining

**Anforderungen:** 13B-Modell auf 100K Beispielen feinabstimmen

```
GPU: A100 80GB
Geschätzte Zeit: 48 Stunden
Kosten: 48 × $0.25 = $12.00

Mit Spot: ca. $8.00
```

### Agentur: Videoproduktion

**Anforderungen:** 10 Minuten KI-Video/Woche

```
GPU: A100 40GB
Zeit pro Minute: ca. 5 Minuten Generierung
Wöchentlich: 10 × 5 = 50 Minuten
Monatlich: 200 Minuten = 3.3 Stunden
Kosten: 3.3 × $0.17 = $0.56/Woche = $2.24/Monat
```

***

## Nächste Schritte

* [GPU-Vergleich](/guides/guides_v2-de/erste-schritte/gpu-comparison.md) - Detaillierte GPU-Spezifikationen
* [Modellkompatibilität](/guides/guides_v2-de/erste-schritte/model-compatibility.md) - VRAM-Anforderungen
* [Schnellstart-Anleitung](/guides/guides_v2-de/quickstart.md) - Jetzt starten


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-de/erste-schritte/cost-calculator.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.