Wie Sie Ihre LLM-Nutzungsdatei analysieren

Wo Sie Nutzung exportieren

Beginnen Sie dort, wo der Anbieter die Zahlen verwahrt. OpenAI stellt Nutzung an zwei Orten bereit: auf der Nutzungsseite der Anbieterkonsole, die die Aktivität nach Tag und Modell für den laufenden Abrechnungszeitraum zusammenfasst, und über die Usage-API, die dieselben Daten als JSON zurückgibt — Zeitfenster, von denen jedes Ergebnisse pro Modell mit Kontext-Tokens, generierten Tokens und Anfragezählungen enthält. Diese JSON-Form ist es wert, gekannt zu werden, weil sie diejenige ist, die Sie archivieren, vergleichen und ohne Screenshots an Werkzeuge füttern können. Eine Gewohnheit, die sich heute zu beginnen lohnt: Ziehen Sie die API-Antwort einmal im Monat und bewahren Sie sie auf. Anbieter behalten nur ein begrenztes Fenster an Historie in der Konsole; Ihr eigenes Archiv ist die einzige vollständige Aufzeichnung dessen, was Sie tatsächlich ausgegeben haben, Monat für Monat.

Anthropic stellt Nutzungs- und Kostenberichte über seine Konsole und seine Berichts-APIs im selben Geist bereit: aggregiert nach Tag und Modell, exportierbar als Tabellendaten. Andere Anbieter unterscheiden sich im Feinschliff, aber nicht in der Art — ein CSV-Download von einer Nutzungs- oder Abrechnungsseite, oder ein API-Endpunkt, der datierte Zeilen zurückgibt. Die generische Form ist alles, was jede Analyse braucht: ein Datum, ein Modellname, Eingabe-Tokens, Ausgabe-Tokens und, mit Glück, Cache-Tokens, Anfragezählungen und eine Kostenspalte. Wenn Ihr Anbieter mehrere Exporte bietet, nehmen Sie den granularsten, den er bietet — täglich nach Modell schlägt monatlich nach Projekt, weil eine Aggregation, die Sie selbst machen, immer rückgängig gemacht werden kann, und eine, die der Anbieter gemacht hat, nicht.

Was die Datei wirklich enthält

Eine Nutzungszeile ist eine kleine, dichte Behauptung: An diesem Datum bediente dieses Modell so viele Anfragen, las so viele Eingabe-Tokens — von denen so viele gecacht waren — und schrieb so viele Ausgabe-Tokens. Lesen Sie eine Datei mit diesen Spalten, und Sie können fast alles über die Form einer Arbeitslast rekonstruieren: ob Prompts lang oder kurz sind, ob Antworten ausführlich sind, ob der Verkehr stetig oder stoßweise ist, und welche Modelle die wirkliche Arbeit tun. Was die Datei absichtlich nicht enthält, ist ebenso wichtig: kein Prompt-Text, keine Vervollständigungen, kein Nutzerinhalt. Es sind Zählungen und Namen, und darum kann sie freier behandelt werden als der Verkehr, den sie beschreibt — obwohl, wie der letzte Abschnitt argumentiert, „freier“ nicht „irgendwo“ bedeutet.

Zwei Spalten verdienen Misstrauen vor jeder Analyse. Die erste sind die Kosten: Manche Exporte tragen abgerechnete Kosten, manche eine Listenpreis-Schätzung, und manche gar keine, und die Datei kennzeichnet selten, welche. Behandeln Sie eine Kostenspalte als die Zahl des Anbieters, aber verifizieren Sie den Datumsbereich und die übersprungenen oder teilweisen Zeilen, bevor Sie einer Summe trauen. Die zweite ist die Cache-Token-Spalte, die Anbieter auf mindestens fünf verschiedene Arten benennen und manchmal in die Eingabezählung falten, statt sie auszuweisen. Wenn Eingabe-Tokens für das Modell unplausibel billig oder teuer wirken, sind die Kopfzeilen der erste Ort, an dem Sie nachsehen sollten — und darum zeigt Ihnen der Analysator seine aus den Kopfzeilen erkannte Spaltenzuordnung und lässt Sie sie korrigieren, bevor irgendetwas berechnet wird.

Wonach Sie suchen sollten: drei Muster

Erstens der Cache-Token-Anteil. Teilen Sie gecachte Eingabe durch die Gesamteingabe, pro Modell. Arbeitslasten mit irgendeiner wiederholten Struktur — ein System-Prompt, ein Dokumentpräfix, ein festes Werkzeugschema — sollten einen großen Teil ihrer Eingabe cachen, weil dieses Präfix bei jedem Aufruf identisch ist. Ein Anteil nahe null bei einer solchen Arbeitslast bedeutet, dass Caching aus ist, der Cache zwischen Aufrufen abläuft, oder sich etwas im Präfix bei jeder Anfrage ändert — ein Zeitstempel, eine Zufalls-ID, ein neu geordnetes Feld — und es still besiegt. Diese eine Zahl zu korrigieren ist routinemäßig mehr wert als das Modell neu zu verhandeln, weil gecachte Eingabe bei jedem großen Anbieter zu einem Bruchteil des vollen Tarifs abgerechnet wird.

Zweitens die Modellmischung. Sortieren Sie Modelle nach Kosten, nicht nach Anfragen: Die Mischung ist gesund, wenn der Kostenanteil der teuren Stufe ungefähr dem Anteil der Arbeit entspricht, der sie wirklich braucht. Die zu beobachtende Drift ist ein Kostenanteil eines Flaggschiff-Modells, der Monat für Monat steigt, während sein Anfrageanteil flach bleibt — längere Prompts, längere Ausgaben, oder neuer Verkehr, der still über einen Standard, an dessen Setzen sich niemand erinnert, zum großen Modell geroutet wird. Drittens Konzentration und Spitzen: Ein API-Schlüssel, Projekt oder Modell, der die Datei dominiert, ist eine Tatsache zum Explosionsradius ebenso wie zu den Kosten, und eine Tagesspitze — besonders am Wochenende oder über Nacht, wenn niemand arbeitete — ist die Signatur einer Wiederholungsschleife, eines durchgegangenen Agenten oder eines geleakten Schlüssels in Benutzung. Die Tagestabelle existiert, um diese Spitze unübersehbar zu machen.

Eine Datei ohne Kosten bepreisen

Viele Exporte haben überhaupt keine Kostenspalte, und dann muss die Analyse die Datei selbst bepreisen. Der Analysator tut es auf die transparente Weise: Jede Zeile wird aus der LLM-Preistabelle dieser Seite bepreist — den verifizierten Listentarifen, die auch der Kostenrechner verwendet — mit der eigenen Formel des Anbieters: uncached Eingabe zum Eingabetarif, gecachte Eingabe zum Cache-Tarif, wo einer existiert, Ausgabe zum Ausgabetarif. Modellnamen werden streng abgeglichen: exakt, nach Entfernen eines Anbieterpräfixes, oder nach Abziehen eines abschließenden Datums- oder „latest“-Suffixes. Diese Strenge ist der Punkt. Ein lockerer, unscharfer Abgleich würde irgendwann eine Feinabstimmung als ihr Basismodell oder eine Vorschau als die Veröffentlichung bepreisen, und die Summe gewönne ein Vertrauen, das sie sich nicht verdient hat.

Darum werden Modelle, die mit nichts übereinstimmen, gelistet, nicht geraten. Ihre Tokens und Anfragen zählen weiter — Sie können ihr Volumen sehen und beurteilen, ob die Lücke zählt —, aber ihre Kosten bleiben leer, und das Ergebnis wird damit gekennzeichnet, woher sein Geld kam: aus der Datei selbst, aus der Tabelle berechnet, eine Mischung, oder gar nicht. Halten Sie jede berechnete Summe beim Lesen an diesen Maßstab: Es ist Listenpreis-Arithmetik ohne Kenntnis Ihrer Rabatte, Gutschriften, Batch-Tarife oder gestaffelten Langkontext-Preise, also wird sie sich nicht auf den Cent mit einer Rechnung abgleichen. Was sie zuverlässig tut, ist ordnen: welche Modelle, welche Tage, welche Muster die Rechnung dominieren. In der Kostenarbeit ist die Ordnung gewöhnlich der entscheidungsrelevante Teil.

Privatsphäre, und eine monatliche Routine

Eine Nutzungsdatei enthält keinen Prompt-Text, aber sie ist betrieblich trotzdem sensibel: Sie nennt jedes Modell, das Sie betreiben, Ihre Volumina pro Tag, Ihre Wachstumskurve und Ihre Ausgaben — ein wettbewerblicher und sicherheitsrelevanter Fingerabdruck davon, wie ein System gebaut ist. Darum analysiert der LLM-Nutzungsanalysator die Datei lokal in Ihrem Browser und lädt sie nie hoch. Die allgemeine Regel reist weit über dieses eine Werkzeug hinaus: Je mehr eine Datei Ihre Infrastruktur zusammenfasst, desto schlechter ist die Idee, sie in einen gehosteten Chat oder einen unbekannten Konverter einzufügen, selbst wenn die Datei im wörtlichen Sinn keine Geheimnisse enthält. Auch Aggregate lecken, nur leiser.

Schließen Sie mit einer Routine, die klein genug ist, um wirklich zu geschehen. Einmal im Monat: Exportieren Sie die Datei, analysieren Sie sie, und schreiben Sie vier Zahlen auf — Gesamtkosten und ihre Quelle, den Kostenanteil des Top-Modells, den Cache-Token-Anteil und den größten einzelnen Tag. Vergleichen Sie sie mit den vier Zahlen des letzten Monats. Dieser Fünf-Minuten-Abgleich fängt die Drift, die Spitze und den besiegten Cache, solange sie noch billig sind, und baut über ein Jahr das Archiv, das keine Anbieterkonsole für Sie aufbewahren wird. Rechnungen überraschen Leute, die nur Rechnungen lesen. Sie überraschen selten Leute, die Nutzung lesen.

Häufig gestellte Fragen