Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com8. November 2026 · Q010987

Claude Code Uses 5.5x Fewer Tokens Than Cursor. Or 2.9x More. Both Numbers Are Real.

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Die Zahlen von 5,5-mal weniger und 2,9-mal mehr Tokens stammen laut Bericht aus unterschiedlichen Tests: Der erste verglich verschiedene Modelle in einem einzelnen Auftrag, der zweite hielt das Modell konstant und fand bei gleich guter Testleistung mehr Tokens für Claude Code als für Cursor. Die Kosten lagen im zweiten Test dennoch nahe beieinander, und Konfiguration sowie Prompt-Caching beeinflussten die Ergebnisse; keine der Zahlen belegt daher zuverlässig, was ein bestimmtes Team zahlen wird.

Mittel

Der Bericht erklärt, warum zwei scheinbar widersprüchliche Vergleiche Claude Codes Tokenverbrauch unterschiedlich bewerten. Die häufig zitierte Zahl von etwa 33.000 Tokens für Claude Code gegenüber 188.000 für Cursor stammt laut Artikel aus einem einzelnen Next.js-Auftrag mit verschiedenen Modellen: Claude Code nutzte Opus, Cursor GPT-5. Daraus lässt sich der Einfluss des Editors nicht isolieren. In einem späteren Test mit demselben Modell, drei wiederholten Frontend-Aufgaben und 186 verborgenen Tests bestanden Claude Code und Cursor alle Tests. Claude Code verbrauchte dabei etwa 269.000 Tokens pro Aufgabe, Cursor etwa 92.000. Der Claude-Code-Wert sank von rund 360.000, nachdem die Testenden eigene Einstellungsdateien entfernt hatten; Cursor wies Cache-Schreibvorgänge nicht aus.

Die Kosten lagen laut Bericht trotzdem näher beieinander: etwa 14 Cent gegenüber 11 Cent. Prompt-Caching kann wiederholt gelesene Eingaben verbilligen, während Cache-Änderungen zusätzliche Kosten verursachen können. Der Autor empfiehlt deshalb, Kosten pro erfolgreich erledigter Aufgabe mit gleichem Modell und auf dem eigenen Projekt zu messen und Tokenarten getrennt auszuweisen. Beide Schlagzeilenzahlen seien nur Hinweise aus begrenzten Tests, keine verlässliche Prognose der eigenen Rechnung.

Ausführlich lesen

Der Bericht untersucht zwei gegensätzliche Zahlen zum Tokenverbrauch von Claude Code und Cursor: Ein häufig zitiertes Beispiel legt nahe, Claude Code brauche etwa 5,5-mal weniger Tokens; ein späterer Vergleich mit demselben Modell fand dagegen rund 2,9-mal mehr Tokens für Claude Code. Der Autor argumentiert, beide Zahlen könnten für ihre jeweiligen Tests stimmen, ließen sich aber nicht als allgemeine Aussage über Kosten oder Effizienz verwenden.

Die oft wiederholte Zahl von rund 33.000 gegenüber 188.000 Tokens geht laut Bericht auf einen einzelnen Next.js-Bauauftrag zurück. Claude Code lief dabei mit Opus, Cursor mit GPT-5. Claude Code beendete die Aufgabe fehlerfrei, Cursor kam nach Fehlern zum Abschluss; Codex mit GPT-5 benötigte etwa 102.000 Tokens und beendete sie nicht. Der Bericht betont, dass dies ein einzelner Durchlauf mit verschiedenen Modellen war. Damit lassen sich Unterschiede zwischen Editor, Modell und Arbeitsweise nicht voneinander trennen. Spätere Ratgeber hätten die Zahlen dennoch verallgemeinert und auf monatliche Nutzung hochgerechnet, ohne Aufgaben, Wiederholungen oder Qualitätsbewertung ausreichend offenzulegen. Außerdem sei die oft genannte Quote von 5,5 aus 33.000 und 188.000 nicht exakt nachgerechnet worden.

Als weiteren Kontext führt der Autor Messungen des Claude-Code-Vorlaufs an: Bei einer sehr einfachen Aufgabe habe Claude Code etwa 33.000 Tokens an Systemanweisungen, Werkzeugschemata und sonstigem Rahmen gesendet, bevor die Nutzereingabe gelesen wurde; OpenCode habe etwa 7.000 gesendet. Das veranschauliche, dass ein erheblicher Teil des Verbrauchs aus der Konfiguration und dem Werkzeugrahmen stammen könne.

Der Oktobervergleich sollte den Modellunterschied kontrollieren: Beide Werkzeuge nutzten Claude Sonnet 5.5 mit mittlerem Aufwand. Drei Programmieraufgaben wurden jeweils dreimal ausgeführt und anhand von 186 verborgenen Tests bewertet; die Aufgaben betrafen überwiegend Frontend-Arbeit. Claude Code und Cursor bestanden jeweils alle Tests. Claude Code benötigte laut Bericht ungefähr 269.000 Tokens pro Aufgabe, Cursor etwa 92.000. Der erste Claude-Code-Wert lag bei rund 360.000 und sank, nachdem die Testenden ihre eigenen Einstellungsdateien aus dem Projekt entfernt hatten. Cursor wies Cache-Schreibvorgänge nicht aus; deshalb könne sein tatsächlicher Tokenwert höher liegen. Ob das die Differenz wesentlich verändert, blieb laut Bericht unbeantwortet.

Für Kosten sei der rohe Tokenzähler jedoch kein verlässlicher Ersatz: Auf Basis der genannten Anthropic-API-Preise kostete die Claude-Code-Aufgabe etwa 14 Cent, die Cursor-Aufgabe etwa 11 Cent. Der Autor erklärt die geringere Kostendifferenz mit Prompt-Caching, bei dem wiederholt gelesene Eingaben günstiger sein können. Zugleich könnten häufige Änderungen am Cache-Präfix neue, teurere Cache-Schreibvorgänge verursachen. Der Bericht nennt Messungen, nach denen Claude Code in bestimmten Situationen deutlich mehr Cache-Tokens schrieb, und merkt an, dass kein gefundener Benchmark die Stabilität des Cache-Präfixes in einer realen Sitzung erfasst.

Als sinnvollere Vergleichsgröße schlägt der Autor Kosten pro erfolgreich abgeschlossener Aufgabe vor: mit gleichem Modell, wiederholten Läufen, Qualitätsprüfung und getrennt ausgewiesenen Tokenarten, möglichst auf dem eigenen Projekt. Der Artikel verweist zudem auf einen Playwright-Vergleich, in dem Claude Code mehr Tokens pro Test, aber eine höhere Erfolgsquote beim ersten Lauf gehabt habe. Seine Schlussfolgerung bleibt begrenzt: Die beiden bekannten Zahlen seien allenfalls Anekdoten aus unterschiedlichen Tests und kein Beleg für die eigene Rechnung. Projekthinweise, Einstellungen, verbundene Werkzeuge und Multi-Agenten-Orchestrierung könnten den Verbrauch ebenfalls stark beeinflussen; laut zitierter Dokumentation verbrauchten Agententeams etwa siebenmal so viele Tokens wie Standardsitzungen im Planmodus.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas Zusammenfassungen sind sachlich treu, lassen aber die Preamble-Befunde, die Agenten-Teams und den Cache-Befund von Systima aus. Die Sammelfragen betreffen KI-Sicherheit und Governance, der Bericht dagegen Tokenkosten, daher bleiben die Einordnungen niedrig.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Systima-Messung zeigt, dass Claude Code schon vor dem eigentlichen Prompt rund 33.000 Tokens für Systemprompt, Werkzeugschemata und Gerüst verbraucht; der häufig zitierte Wert ist also zu großen Teilen Overhead.
  • Laut Anthropic-Dokumentation verbrauchen Agenten-Teams etwa siebenmal mehr Tokens als Standardsitzungen, was für Mehr-Agenten-Setups wie das des Autors der wichtigste Punkt ist.
  • Systima fand bis zu 54-mal mehr Cache-Schreibvorgänge bei Claude Code als bei OpenCode, weil der Cache-Präfix während der Sitzung wechselte.
  • Der Pristren-Leitfaden verallgemeinert die Einzelaufgabe auf 5,5× und rechnet Monatskosten hoch, ohne Aufgabe, Laufzahl oder Qualitätsbewertung zu beschreiben.
  • Der Bericht empfiehlt, Kosten pro bestandener Aufgabe mit konstantem Modell auf dem eigenen Repository zu messen und Tokenarten getrennt auszuweisen.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
  1. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 27 %einzelne zitierbare Belege
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 57 %Hintergrund, keine Belege
    • JEV 31 %beantwortet teilweise oder widerspricht
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung kein Bezug
Tempo und Grenzen
Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 44 %Hintergrund, keine Belege
    • JEV 39 %umfangreiche Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 28 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 50 %Hintergrund, keine Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 31 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 44 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →