11. November 2026 · VRAMfarm-Team
Kosten pro Bild, Videoclip und Million Tokens auf einer gemieteten GPU, durchgerechnet
Ein Flux-Bild auf einer gemieteten RTX 4090 kostet Bruchteile eines Cents, solange die Karte ausgelastet ist, und 0,15 €, wenn Sie für ein einziges Bild einen Server starten und wieder stoppen. Der Stundenpreis zählt weniger als die Frage, wie viele Minuten der Stunde Ihr Job tatsächlich nutzt. Zu jeder Summe für Bilder, einen Videoclip, eine Million Tokens und einen LoRA-Lauf steht der zugrunde liegende Durchsatz, damit Sie Ihre eigenen Werte einsetzen können.
Die Preise in den Tabellen sind live und kommen aus dem aktuellen Katalog, die Summen bewegen sich also mit dem Markt. Die Durchsatzwerte sind Planungsbereiche aus öffentlichen Berichten der Community und aus Rechnungen zur Speicherbandbreite, keine eigenen Benchmarks. Beginnen Sie mit der Mitte jedes Bereichs und messen Sie Ihren eigenen Job in den ersten 15 Minuten, die Sie ohnehin bezahlen.
Die Formel hinter jeder Summe
Jeder Job auf einer gemieteten Karte besteht aus denselben vier Teilen:
- Minuten für die Einrichtung. Pakete installieren und Modelle herunterladen. Die 2–5 Minuten, bis der Server bereit ist, sind kostenlos, aber fertige Apps holen ihre Modelle erst danach: ein paar Minuten bei einem Bildmodell, bis zu 10–15 Minuten bei einem großen Videomodell. Diese Minuten werden wie alle anderen abgerechnet.
- Minuten für die Arbeit. Die GPU, die Ihren Job ausführt, plus die Zeit, in der Sie Ergebnisse ansehen und den nächsten Prompt tippen.
- Traffic. Modell-Downloads zählen als Traffic, abgerechnet pro GB zum Tarif der Maschine, den Sie vor dem Start sehen. Rund 17 GB Flux-Gewichte bedeuten rund 17 GB Traffic.
- Speicher, nur wenn Sie zwischen den Sitzungen einen gespeicherten Ordner behalten: 0,03 € pro GB und Monat.
Abgerechnet wird minutengenau mit mindestens 15 Minuten pro Start, zu einem Minutenpreis, der beim Start festgelegt wird. Arbeit, die 4 Minuten dauert, kostet trotzdem 15. Auf der Preisseite steht der aktuelle Stundenpreis jeder Karte.
Bilder: Flux und SDXL
Bildmodelle hängen vor allem an der Rechenleistung. Die Geschwindigkeit hängt von vier Dingen ab: Auflösung (doppelte Breite und Höhe heißt viermal so viele Pixel und etwa vier- bis fünfmal so viel Zeit), Schritte (Flux schnell braucht 4, Flux dev 20–30, SDXL 25–40), Präzision (FP8 läuft nativ auf Ada-, Hopper- und Blackwell-Karten, Ampere-Karten wie die RTX 3090 verlieren diesen Vorteil) und Extras wie ControlNet, mehrere LoRAs oder ein Upscaler.
Alle Zeilen: 1024×1024, Batch-Größe 1, ComfyUI mit einer Warteschlange, die die Karte auslastet.
| Modell und Einstellungen | GPU | Bilder pro Minute (Bereich, verwendeter Wert) | Zeit für 1.000 | Kosten für 1.000 |
|---|---|---|---|---|
| Flux.1 schnell FP8, 4 Schritte | RTX 3090 | 6–10, 8 | 2 h 05 min | 0,62 € |
| Flux.1 schnell FP8, 4 Schritte | RTX 4090 | 12–25, 15 | 1 h 07 min | 0,65 € |
| Flux.1 dev FP8, 20 Schritte | RTX 3090 | 1,5–2,5, 2 | 8 h 20 min | 2,50 € |
| Flux.1 dev FP8, 20 Schritte | RTX 4090 | 4–6, 5 | 3 h 20 min | 1,96 € |
| Flux.1 dev FP8, 20 Schritte | RTX 5090 | 6–9, 7 | 2 h 23 min | 1,81 € |
| Flux.1 dev FP8, 20 Schritte | H100 | 8–12, 10 | 1 h 40 min | 6,51 € |
| SDXL 1.0, 30 Schritte | RTX 3060 12 GB | 2–3,5, 3 | 5 h 33 min | 0,67 € |
| SDXL 1.0, 30 Schritte | RTX 3090 | 6–9, 7 | 2 h 23 min | 0,71 € |
| SDXL 1.0, 30 Schritte | RTX 4090 | 12–18, 15 | 1 h 07 min | 0,65 € |
Teilen Sie die letzte Spalte durch 1.000, dann haben Sie den Preis für ein Bild. Eine H100 kostet pro Stunde ein Mehrfaches einer RTX 4090, ist bei Flux aber längst nicht um ein Mehrfaches schneller. Für Bilder gewinnen deshalb meist Consumer-Karten. Auch eine langsamere Karte mit deutlich niedrigerem Stundenpreis kann pro Bild vorne liegen: Vergleichen Sie die Zeilen der RTX 3090 und der RTX 4090.
Die Tabelle setzt eine volle Warteschlange voraus; von Hand verbringen Sie mehr Zeit mit dem Beurteilen der Ergebnisse als die Karte mit dem Erzeugen. Eine typische Sitzung mit der Flux-Vorlage auf einer RTX 4090: etwa 5 Minuten Modell-Download, 45 Minuten Prompten mit rund 150 Bildern, dann stoppen. Das sind 50 abgerechnete Minuten, 0,49 €, plus etwa 17 GB Traffic; jedes Bild kostet etwa 1/150 der Sitzung.
Video: ein 5-Sekunden-Clip mit Wan 2.2
Das Modell Wan 2.2 5B (TI2V) passt auf eine 24-GB-Karte und rendert 121 Frames mit 24 fps für 5 Sekunden. Das 14B-Modell besteht aus zwei 14B-Experten, die nacheinander geladen werden, einer für die frühen verrauschten Schritte, einer für die Details; in FP8 braucht unsere Vorlage 48 GB. Eine 4-Schritt-LoRA zur Beschleunigung verkürzt die Renderzeit von 14B um ein Mehrfaches, mit etwas Verlust an Bewegungsdetails.
| Modell und Einstellungen | GPU | Minuten pro Clip (Bereich, verwendeter Wert) | Kosten pro Clip |
|---|---|---|---|
| Wan 2.2 5B, 1280×704, 121 Frames | RTX 4090 | 4–9, 6 | 0,06 € |
| Wan 2.2 5B, 1280×704, 121 Frames | RTX 5090 | 3–6, 4 | 0,05 € |
| Wan 2.2 14B FP8 + 4-Schritt-LoRA, 1280×720, 81 Frames | L40S | 4–8, 6 | 0,11 € |
| Wan 2.2 14B FP8 + 4-Schritt-LoRA, 1280×720, 81 Frames | RTX PRO 6000 | 2,5–5, 3,5 | 0,12 € |
| Wan 2.2 14B FP8 + 4-Schritt-LoRA, 1280×720, 81 Frames | H100 | 2–4, 3 | 0,20 € |
| Wan 2.2 14B FP8, volle 20+ Schritte, ohne LoRA | H100 | 12–25, 15 | 0,98 € |
Die Videozeit wächst mit Frames mal Pixeln. Mit 832×480 halbiert sie sich ungefähr oder mehr, und das ist ein guter Weg, Prompts vor dem finalen Rendern zu testen.
Eine Minute fertiges Material sind zwölf Clips à 5 Sekunden. Wenn Sie einen von drei Versuchen behalten, sind das 36 Renderläufe. Auf einer L40S mit je 6 Minuten, plus etwa 12 Minuten Modell-Download, dauert die Sitzung rund 3 h 50 min: 4,03 €. Die Vorlage zur Videogenerierung hat beide Modellgrößen startklar.
Eine Million Tokens: Modelle mit 8B, 32B und 70B
Textgenerierung hängt vor allem an der Speicherbandbreite: Für jedes neue Token liest die Karte das ganze Modell aus dem Speicher. Ein 32B-Modell in 4 Bit ist rund 20 GB groß, und eine RTX 4090 liest etwa 1.000 GB/s. Ein einzelner Nutzer kommt also auf höchstens rund 50 Tokens pro Sekunde, in der Praxis auf 30–40. Bedient man viele Anfragen gleichzeitig, wie vLLM es tut, werden die Gewichte einmal für den ganzen Batch gelesen, und der Gesamtdurchsatz steigt um das 10- bis 50-Fache, bis Rechenleistung oder KV-Cache-Speicher ausgehen.
Eine Million Tokens hat daher zwei sehr unterschiedliche Preise: eine Person, die chattet, und eine volle Batch-Warteschlange. Die Werte unten sind Ausgabe-Tokens; Prompt-Tokens werden 10- bis 50-mal schneller verarbeitet.
| Modell | Betrieb | GPU | Ausgabe-Tokens/s (Bereich, verwendeter Wert) | Zeit für 1 Mio. | Kosten für 1 Mio. |
|---|---|---|---|---|---|
| 8B (Qwen3 8B, Llama 3.1 8B) | Ollama, 4 Bit, ein Nutzer | RTX 4090 | 100–150, 120 | 2 h 19 min | 1,36 € |
| 8B | vLLM BF16, 32–64 parallele Anfragen | RTX 4090 | 1.000–3.000, 2.000 | 8 min | 0,08 € |
| 8B | vLLM FP8, 128+ parallele Anfragen | H100 | 5.000–12.000, 8.000 | 2 min | 0,14 € |
| 32B (Qwen3 32B) | Ollama, 4 Bit, ein Nutzer | RTX 4090 | 30–40, 35 | 7 h 56 min | 4,68 € |
| 32B | vLLM AWQ 4 Bit, gebatcht | RTX 5090 | 400–1.000, 600 | 28 min | 0,35 € |
| 32B | vLLM FP8, gebatcht | H100 | 1.500–4.000, 2.500 | 7 min | 0,43 € |
| 70B (Llama 3.3 70B) | 4 Bit, ein Nutzer | L40S 48 GB | 12–18, 15 | 18 h 31 min | 19,61 € |
| 70B | vLLM AWQ 4 Bit, gebatcht | H100 | 600–1.500, 900 | 19 min | 1,21 € |
| 70B | vLLM FP8, gebatcht | H200 | 1.200–3.500, 2.000 | 8 min | 0,75 € |
Gebatchte Werte hängen stark von der Länge von Prompts und Antworten, der Zahl paralleler Anfragen und der vLLM-Version ab. Ein kurzer Job zahlt trotzdem das Minimum: 8 Minuten 8B-Arbeit auf einer RTX 4090 werden als 15 abgerechnet, 0,15 €. Die Tabelle zeigt die gleichmäßige Rate für längere Jobs, etwa wenn Sie über Nacht Millionen von Produktbeschreibungen mit dem vLLM-Server klassifizieren.
Niemand chattet eine Million Tokens am Tag, ein privater Chat wird also in Wahrheit pro Stunde bezahlt: 0,59 € für Qwen3 32B auf einer RTX 4090, ob Sie zehn oder zweihundert Nachrichten senden.
Eine Flux-LoRA trainieren
Eine typische Charakter- oder Stil-LoRA auf Flux.1 dev: 20–30 Bilder mit Bildbeschreibungen, etwa 2.000 Schritte bei bis zu 1024 px, das Basismodell von einem Trainer wie ai-toolkit in 8 Bit geladen, damit es in 24 GB passt.
| Lauf | GPU | Trainingszeit (Bereich, verwendeter Wert) | Kosten des Trainings |
|---|---|---|---|
| Flux.1-dev-LoRA, 2.000 Schritte | RTX 3090 | 2,5–4 h, 3 h | 0,90 € |
| Flux.1-dev-LoRA, 2.000 Schritte | RTX 4090 | 1–2,5 h, 1,5 h | 0,89 € |
| Flux.1-dev-LoRA, 2.000 Schritte | RTX 5090 | 0,8–1,6 h, 1,1 h | 0,84 € |
| Flux.1-dev-LoRA, 2.000 Schritte | H100 | 0,5–1 h, 0,75 h | 2,93 € |
| SDXL-LoRA, 2.000 Schritte | RTX 4090 | 0,3–0,8 h, 0,5 h | 0,30 € |
Rechnen Sie 15–25 Minuten dazu, um den Trainer zu installieren und Flux.1 dev mit seinen Text-Encodern herunterzuladen (je nach Format des Trainers etwa 30–35 GB), dann ein paar Testbilder. Ein realistischer erster Lauf auf einer RTX 4090 kommt auf etwa 2 h 6 min Abrechnung: 1,24 €, plus Traffic. Flux.1 dev ist auf Hugging Face zugangsbeschränkt: Akzeptieren Sie die Lizenz auf der Modellseite (und prüfen Sie die Bedingungen für kommerzielle Nutzung) und halten Sie einen Access-Token bereit, sonst bricht der Download bei der ersten Datei ab.
GPU mieten oder eine API pro Aufruf bezahlen
APIs berechnen pro Ergebnis: pro Bild, pro Sekunde Video, pro Million Tokens. Zwischen den Aufrufen zahlen Sie nichts, und Sie warten nie auf einen Download. Eine gemietete Karte kostet pro Minute, egal was sie tut; sie gewinnt also nur, wenn Sie sie auslasten.
Um Ihren Break-even zu finden, teilen Sie die Kosten einer realistischen Sitzung (Einrichtung plus Arbeit, mindestens 15 Minuten) durch den API-Preis pro Ergebnis. API-Preise pro Bild für Modelle der Flux-Klasse werden meist in Cent gerechnet, während eine ausgelastete RTX 4090 deutlich unter einem Cent liegt. Der Break-even liegt deshalb meist bei ein paar Dutzend Bildern pro Sitzung.
Bei LLMs ist es weniger eindeutig. Gehostete APIs für offene Modelle mit 8B bis 70B sind bei kleiner, sprunghafter Nutzung schwer zu schlagen. Mieten lohnt sich, wenn:
- Sie einen großen Batch haben, den Sie parallel ausführen können, etwa Tagging, Übersetzung oder Zusammenfassung von Tausenden Dokumenten;
- die Daten auf einer Maschine unter Ihrer Kontrolle bleiben sollen, ohne externe API;
- Sie Ihr eigenes feinabgestimmtes Modell betreiben oder ein Modell, das keine API anbietet;
- Sie für ein paar Stunden keine Rate-Limits brauchen können.
Und manchmal brauchen Sie überhaupt keine GPU. Wenn Sie 20 Bilder im Monat erzeugen oder einem LLM ein paar Fragen pro Woche stellen, kostet eine API pro Aufruf oder ein kostenloses Kontingent weniger als die Mindestsitzung.
So halten Sie die Summe niedrig
- Kleine Jobs in einer Sitzung bündeln. Drei 5-Minuten-Jobs in drei Starts kosten dreimal 15 Minuten.
- Stoppen Sie den Server, wenn Sie fertig sind; die Abrechnung endet in derselben Minute. Der Leerlaufschutz schickt Ihnen nach 2 Stunden ohne SSH, Jupyter oder GPU-Last eine E-Mail und stoppt den Server eine Stunde später, aber drei Stunden Leerlauf auf einer RTX 4090 kosten trotzdem 1,77 €.
- Speichern Sie nur, was Sie nicht erneut herunterladen können. Ihre eigenen LoRAs und Checkpoints gehören in den gespeicherten Ordner (30 GB kosten 30 × 0,03 € im Monat). Öffentliche Gewichte meist nicht: Ihre Wiederherstellung ist ebenfalls Traffic und oft nicht schneller als ein frischer Download. Der Artikel zu Dateien nach dem Stoppen rechnet beide Varianten durch.
- Wählen Sie die Karte zuerst nach Speicher, dann nach Preis pro Ergebnis. Die VRAM-Auswahl zeigt, welche Karten zu Ihrem Modell passen.
- Messen Sie Ihren eigenen Job in den ersten 15 Minuten, rechnen Sie hoch und entscheiden Sie, bevor der lange Lauf beginnt.