AI-Punkte-Rechner
noris AI (nAI) wird nutzungsbasiert über AI-Punkte abgerechnet, token-basiert nach dem Prinzip Pay-as-you-grow. Die Token-Typen und die Abrechnungslogik sind im Konzeptbereich erklärt.
Die Tabelle zeigt die AI-Punkte je 1 Million verarbeiteter Tokens. Tragen Sie Ihre erwarteten Token-Mengen (in Millionen) je Modell ein, um die voraussichtliche monatliche Nutzung zu berechnen. Maßgeblich ist der jeweils aktuell bei noris gültige AI-Punkte-Katalog.
Optional können Sie unter der Summe Ihren Preis je 1.000 AI-Punkte eintragen, dann erscheint zusätzlich der monatliche Betrag in Euro. Ihre Eingaben werden nirgends gespeichert, sie stehen nur in der Adresszeile Ihres Browsers. Über “Eingabe per Link teilen” unter der Tabelle geben Sie eine ausgefüllte Kalkulation weiter.
| Modell | Typ | Tier | Anzahl Tokens [1 Mio.] | AI-Punkte je 1 Mio. Token | AI-Punkte/ Monat | ||||
|---|---|---|---|---|---|---|---|---|---|
| Input | Input (Cached) | Output | Input | Cached | Output | ||||
| GLM 5.3 | LLM (MoE) | Experimental | 40 | 10 | 150 | 0 | |||
| GLM 5.3 Flash | Multimodal LLM (MoE) | Experimental | 10 | 3 | 18 | 0 | |||
| DeepSeek V4.1 Flash 1017 | Multimodal LLM (MoE) | Experimental | 9 | 2 | 34 | 0 | |||
| DeepSeek V4.1 Flash | Multimodal LLM (MoE) | Experimental | 10 | 2 | 30 | 0 | |||
| Qwen 3.8 27B | Multimodal LLM | Productive | 12 | 3 | 100 | 0 | |||
| Gemma 4 31B (IT) | Multimodal LLM | Productive | 6 | 1 | 17 | 0 | |||
| Harrier OSS v1 0.6B | Embedding | Experimental | 1 | 0 | |||||
| BGE Reranker v2 M3 | Reranker | Experimental | 1 | 0 | |||||
| Jina Reranker v2 Multilingual | Reranker | Productive | 1 | 0 | |||||
| AI-Punkte/Monat gesamt | 0 | ||||||||
Staffelpreis: mit Ihrem Commitment sinkt der Preis.Die Daten dieses Rechners bleiben lokal und werden nicht übermittelt.
Ihr individuelles Angebot
Je größer Ihr Commitment, desto besser der Preis. Unser Vertrieb meldet sich mit einem Angebot, das zu Ihrem Bedarf passt.
Hinweise
Abschnitt betitelt „Hinweise“- Reasoning-Tokens werden zum selben Satz wie Output-Tokens abgerechnet, siehe Was ist Reasoning?
- Cached Input entsteht durch Prefix-Caching und wird reduziert abgerechnet.
- Embedding- und Reranker-Modelle (Harrier, BGE, Jina) werden ausschließlich über Input-Tokens abgerechnet.
- Details zu allen Modellen finden Sie in der Modell-Übersicht.
