Dasselbe Modell, dieselbe Frage: allein mit von Hand eingefügten Unterlagen – oder mit c:node, das nur die belegten Fundstellen weitergibt. Alle Preise, Annahmen und Quellen offen.
Jede Zahl lässt sich nachrechnen.
Jede Preisangabe verweist auf die Seite des Anbieters.
Opus 5.5, Sonnet 5.5, Haiku 4.5 · Listenpreise je 1 Mio. Token, inkl. Cache-Preise
anthropic.comGPT-6 Sol und GPT-6 Luna · Listenpreise je 1 Mio. Token
developers.openai.comGemini 3.1 Pro und 3.8 Flash · bis 200.000 Token Kontext
ai.google.devMistral Large 3 und Small 4 · ohne Cache-Rabatt gerechnet
mistral.ai0,658 US-$ pro Stunde, on-demand, eu-central-1 · eigene Abrechnung 09/2026
aws.amazon.comDurchsatz auf T4 geschätzt: 1.500 Token/s Einlesen, 35 Token/s Schreiben, 4 Anfragen parallel
huggingface.co1 € = 1,1378 US-$ am 28.09.2026
ecb.europa.euEigene Schätzung aus den Beispielfällen, z. B. 23 Verträge à rund 7.000 Token plus Auszüge aus Data Act und DSGVO
Eigene AnnahmeListenpreise abgerufen am 29.09.2026. Alle Beträge netto, in Euro umgerechnet.
Wir setzen das Modell mit euren Fallzahlen und Volumen auf.
Weil das Modell nicht ganze Aktenordner lesen muss. c:node sucht die relevanten Stellen vorher heraus und gibt nur diese weiter. Das spart Einlese-Token – und Nachfragerunden.
Gerechnet – mit Listenpreisen und offengelegten Annahmen. Der Durchsatz der offenen Modelle auf eigener GPU ist geschätzt, nicht gemessen.
Die ist nicht eingerechnet. Allein muss jemand die Unterlagen suchen und einfügen – mit c:node übernehmen das die Connectoren. Die Ersparnis ist in der Praxis also größer.
Mistral gewährt in unserer Rechnung keinen Cache-Rabatt. Allein wird der ganze Kontext in jeder Runde voll bezahlt – mit c:node nur die Belege einmal.