SitePoint präsentiert eine Analyse der Gesamtbetriebskosten (Total Cost of Ownership, TCO), die lokal betriebene LLMs mit Cloud-APIs vergleicht, mit Blick auf 2026. Die zentrale These: Der Vergleich allein auf Basis des Preises pro Token ist eine Falle. Der Listenpreis einer API-Preistabelle oder der UVP einer GPU zeigt nur einen Bruchteil der tatsächlichen Geschichte; nur ein vollständiges TCO-Modell über 12 und 36 Monate, das Hardware, Strom, Kühlung und Arbeitskraft einbezieht, ermöglicht eine fundierte Entscheidung. Der Artikel entwickelt dieses Modell anhand von drei Nutzungsstufen: leicht, mittel und intensiv (10 bis über 100 Mio. Tokens/Tag).

Auf der Cloud-Seite veröffentlicht der Artikel eine Preistabelle pro Million Tokens, die zwei wesentliche Asymmetrien aufzeigt. Erstens kostet Output das 4- bis 5-Fache von Input (GPT-4.1: 2 $ Input / 8 $ Output; Claude 4 Sonnet: 3 $/15 $; Claude 4 Opus: 15 $/75 $). Zweitens erreicht die Kluft zwischen Modellen etwa das 150-Fache beim Input, von GPT-4.1 nano (0,10 $) bis Claude 4 Opus (15 $): Das Modell — sein Anbieter, seine Generation, seine Größe — bestimmt die Stückkosten des Tokens, ähnlich wie die Kosten der Stromerzeugung von ihrer Quelle abhängen.

Auf der lokalen Seite rechnet sich Hardware (RTX 5090 für 1.999 $, ein Mac-M4-Build für 6.150 $, AMD MI325X) erst ab 15 bis 20 Mio. Tokens/Tag, und erreicht erst nach 36 Monaten bei anhaltend intensiver Nutzung Parität mit den günstigsten gehosteten Optionen, bei effektiven Kosten von rund 7,15 $/Mio. Tokens. Die von allen unterschätzten Kosten — Strom, Kühlung, Arbeitskraft (bis zu 30–60 Stunden/Monat bei der intensiven Stufe) — fallen stark ins Gewicht. Die Empfindlichkeit gegenüber Strompreisen ist auffällig: Der Wechsel vom US-Tarif (0,12 $/kWh) zu europäischen Tarifen (0,25–0,30 $/kWh) erhöht den Break-even-Punkt um 40 bis 60 % im Tagesvolumen.

Die zentrale Erkenntnis, die als Titel-Fazit dient: Die Break-even-Punkte 2026 liegen 40 % niedriger als 2024. Der strukturelle Rückgang der Hardwarekosten und die Reifung offener Modelle (open-weight) machen lokale Bereitstellung bei zunehmend zugänglicheren Volumina rentabel. Die endgültige Entscheidung hängt vom Profil ab: Lokal wird relevant bei anhaltenden Volumina, Anforderungen an Souveränität/Vertraulichkeit und einem Amortisationshorizont von 3 Jahren; Cloud behält den Vorteil der Flexibilität, keines erforderlichen Anfangskapitals und des Zugangs zu Frontier-Modellen. Über die Kosten hinaus weist der Artikel auch auf Kompromisse bei Leistung, Vertraulichkeit und Flexibilität hin.