Amazon Bedrock Preise gelten je 1.000 Eingabe- und Ausgabe-Token nach Modell, Modalität und Dienststufe, mit Batch zum halben Satz, Cache-Lesezugriffen zu einem Viertel des Eingabepreises und Provisioned Throughput je Modelleinheit und Stunde, dazu je Token für Fine-Tuning und je Monat für gespeicherte eigene Modelle; SageMaker AI berechnet je Instanzsekunde nach Komponente, Notebooks, Training, Verarbeitung, Endpunkte, und bei Serverless Inference je GB-Sekunde, dazu Speicher und Datentransfer. Auf der Rechnung dominieren bei Bedrock die Ausgabe-Token, die je Token ein Vielfaches der Eingabe kosten, und bei SageMaker die Endpunkte und Notebooks, die rund um die Uhr laufen, ob Anfragen kommen oder nicht.
Preisdimensionen
Die beiden Dienste sind zwei Modelle derselben Sache: Bedrock verkauft Modellaufrufe und misst in Token, SageMaker verkauft Rechenzeit und misst in Instanzsekunden. Jede Position trägt ihren eigenen Usage Type; bei Bedrock steht das Modell im Usage Type, bei SageMaker die Komponente und der Instanztyp.
| Dimension | Einheit | Was sie treibt | Optional |
|---|---|---|---|
| Bedrock On-Demand | 1.000 Eingabe-Token und 1.000 Ausgabe-Token je Modell, Ausgabe teurer; Bild, Video und Audio je Modalität zu eigenen Sätzen | Jeder Aufruf, Prompt und Kontext als Eingabe, Antwort als Ausgabe | Nein |
| Bedrock Dienststufen | Standard; Flex zum niedrigeren Satz mit längerer Antwortzeit; Priority zum höheren Satz mit Vorrang; Reserved | Die Wahl je Aufruf oder Anwendung | Ja |
| Bedrock Batch | Halber Satz je Token für Aufträge, die asynchron über S3 laufen | Massenverarbeitung ohne Antwortzeit | Ja |
| Bedrock Prompt Caching | Cache-Lesezugriffe zu einem Viertel des Eingabepreises; Cache-Schreibzugriffe je Modell frei oder mit Aufschlag | Wiederholte Präfixe in Prompts, etwa Systemanweisungen und Dokumente | Ja |
| Bedrock Provisioned Throughput | Modelleinheit je Stunde, ohne Zusage oder mit ein- oder sechsmonatiger Zusage zu niedrigeren Sätzen | Reservierter Durchsatz für ein Modell, ob genutzt oder nicht; Pflicht für eigene Modelle mit vollem Fine-Tuning | Ja |
| Bedrock Anpassung | 1.000 Token oder Stunden für Fine-Tuning, Monat je gespeichertem eigenem Modell, Modelleinheit je Minute für importierte Modelle | Jedes trainierte oder importierte Modell | Ja |
| Bedrock Guardrails, Knowledge Bases, Agents | Je 1.000 Texteinheiten für Richtlinien; die Vektordatenbank, Embeddings und Modellaufrufe dahinter zu deren Sätzen | Eingeschaltete Richtlinien, Abfragen, Agentenschritte | Ja |
| SageMaker Instanzen | Sekunde je Instanztyp und Komponente: Notebook, Studio, Training, Verarbeitung, Batch Transform, Echtzeit- und asynchrone Endpunkte | Die Instanzen, die laufen, ob Code ausgeführt wird oder nicht; Endpunkte mit mehreren Instanzen je Instanz | Nein |
| SageMaker Serverless Inference | GB-Sekunde des konfigurierten Arbeitsspeichers je Aufruf, plus Provisioned Concurrency je GB-Sekunde | Aufrufe und ihre Dauer, ohne Instanz im Leerlauf | Ja |
| SageMaker Speicher und Daten | GB-Monat für Notebook-Volumes und Modellartefakte in S3; Feature Store je GB-Monat und Anfrage; Datentransfer | Volumes, Artefakte, Features | Ja |
| Freimengen | Bedrock ohne; SageMaker AI 250 Stunden ml.t3.medium für Notebooks und weitere Kontingente in den ersten zwei Monaten | Neue Konten | Ja |
| Kaufoption | SageMaker Savings Plans über ein oder drei Jahre auf Instanznutzung; Bedrock Provisioned Throughput mit Zusage | Gleichmäßige Grundlast | Ja (AWS Savings Plans) |
Bei Bedrock ist das Modell die Preisdimension, die alles setzt: Ein großes Modell kostet je Token ein Vielfaches eines kleinen derselben Familie, und innerhalb eines Modells kostet ein Ausgabe-Token ein Mehrfaches eines Eingabe-Tokens, bei Amazon Nova Pro das Vierfache. Der Kontext ist Eingabe: Jeder Aufruf zahlt den ganzen Prompt samt Systemanweisung, Verlauf und Dokumenten neu, und Prompt Caching senkt den Preis wiederholter Präfixe auf ein Viertel. Batch halbiert beide Sätze für Aufträge, die eine Antwortzeit von Stunden vertragen; die Dienststufen Flex und Priority schieben den Satz für dieselben Token nach unten oder oben. Provisioned Throughput ersetzt die Token-Abrechnung durch Modelleinheiten je Stunde, mit Zusagen über einen oder sechs Monate zu niedrigeren Sätzen, und ist die einzige Form, in der ein voll feinabgestimmtes eigenes Modell läuft. Cross-Region Inference verteilt Aufrufe über die Regionen einer Geografie oder weltweit, mit eigenen Preistabellen für die globale Variante; die Preise je Modell und Region stehen in der Preisliste, und in Frankfurt sind im Angebot die Modelle von Amazon, Meta und Mistral AI gelistet.
Bei SageMaker AI zählt die Instanzsekunde je Komponente: Ein Notebook zahlt seine Instanz, solange es läuft, ein Trainingsjob die Instanzen seiner Dauer, ein Endpunkt seine Instanzen rund um die Uhr, bis er gelöscht wird. Derselbe Instanztyp kostet in jeder Komponente dasselbe, und der Aufschlag gegenüber EC2 ist der Preis der Verwaltung. Serverless Inference ersetzt den Endpunkt durch GB-Sekunden des konfigurierten Arbeitsspeichers je Aufruf, ohne Leerlauf, mit Kaltstarts; Provisioned Concurrency hält Kapazität warm und kostet dafür je GB-Sekunde. Die Freimenge der ersten zwei Monate deckt kleine Notebooks, nicht Endpunkte in Produktion.
So erscheint es in den Abrechnungsdaten
Im Cost and Usage Report tragen die Bedrock-Zeilen den Produktcode AmazonBedrock, und der Usage Type nennt Modell, Token-Art und Stufe: EUC1-NovaPro-input-tokens und EUC1-NovaPro-output-tokens für On-Demand, EUC1-NovaPro-input-tokens-batch für Batch, EUC1-NovaPro-cache-read-input-token-count für Cache-Lesezugriffe, EUC1-NovaPro-input-tokens-flex und EUC1-NovaPro-input-tokens-priority für die Dienststufen; die Einheit ist 1.000 Token, das Präfix der Regionscode, EUC1 für Frankfurt. Provisioned Throughput steht in Modelleinheit-Stunden, importierte Modelle als Custom Model Units je Minute. lineItem/ResourceId nennt bei On-Demand nichts, was eine Anwendung unterscheidet: Alle Aufrufe eines Modells aus einem Konto fallen in eine Zeile, und die Zuordnung zu Anwendungen oder Kunden braucht Application Inference Profiles mit Tags, deren ARN dann als Ressource erscheint, oder getrennte Konten.
SageMaker-Zeilen tragen den Produktcode AmazonSageMaker, die Operation RunInstance und den Usage Type aus Komponente und Instanztyp: EUC1-Notebk:ml.t3.medium für Notebook-Instanzen, EUC1-Studio:JupyterLab-ml.t3.medium für Studio, EUC1-Train:ml.m5.xlarge für Training, EUC1-Processing:ml.m5.xlarge, EUC1-Tsform:ml.m5.xlarge für Batch Transform, EUC1-Host:ml.m5.xlarge für Echtzeit-Endpunkte, EUC1-AsyncInf:ml.m5.xlarge für asynchrone, EUC1-ServerlessInf:Mem-2GB für Serverless Inference in Sekunden je Speichergröße; lineItem/ResourceId nennt den Endpunkt, den Trainingsjob oder das Notebook. Die Modellartefakte stehen unter AmazonS3, die Logs unter AmazonCloudWatch.
Was die Reports nicht liefern, ist der Preis je Anfrage oder je Nutzer: Bedrock summiert Token je Modell, SageMaker Sekunden je Endpunkt, und erst die Anwendung, die Token und Aufrufe je Kunde mitzählt, macht daraus Stückkosten; wie das geht, beschreibt KI-Kostenzuordnung. Den Aufbau des Reports beschreibt der AWS Cost and Usage Report. Im FOCUS-Export trägt ServiceName Amazon Bedrock beziehungsweise Amazon SageMaker und x_ServiceCode AmazonBedrock oder AmazonSageMaker; Token und Instanzsekunden sind ChargeCategory Usage, Provisioned Throughput mit Zusage und SageMaker Savings Plans PricingCategory Committed (FOCUS-Spalten).
Stellhebel
Konfiguration: Bei Bedrock ist das Modell der erste Hebel, weil ein kleineres Modell derselben Familie je Token um ein Vielfaches günstiger ist und für viele Aufgaben reicht; die Prompt-Länge der zweite, weil jeder Aufruf den ganzen Kontext zahlt, und Prompt Caching der dritte für wiederholte Präfixe. Batch für alles, was nicht sofort gebraucht wird, Flex für Hintergrundlast; die Methode steht unter Caching, Batching und Routing und Token, Anfragen und Kontext. Bei SageMaker ist das Löschen der erste Hebel: Notebooks mit Zeitplan für den Leerlauf, Endpunkte, die nach dem Experiment gelöscht werden, und Serverless Inference für Modelle mit seltenen Aufrufen; der Instanztyp der zweite, weil GPU-Instanzen je Stunde das Sechsfache einer CPU-Instanz kosten und Training und Inferenz oft auf kleineren Typen laufen.
Kaufoption: Für gleichmäßige SageMaker-Last senken SageMaker Savings Plans die Instanzsekunde über ein oder drei Jahre je Komponente; für gleichmäßige Bedrock-Last senkt Provisioned Throughput mit Zusage die Modelleinheit, lohnt aber nur, wenn die Einheiten ausgelastet sind, weil sie je Stunde kosten, ob Token fließen oder nicht (Commitment-Strategie).
Architektur: Bedrock für Anwendungen, die ein Basismodell aufrufen, SageMaker für eigene Modelle und Training; ein Endpunkt rund um die Uhr nur für Modelle mit stetigem Verkehr, sonst Serverless oder Batch Transform. Was die Modelle über Anbieter hinweg kosten, zeigt Modellpreise und Preislisten, und die Dimensionen aller drei Clouds KI- und Machine-Learning-Dienste; den Vergleich der Abrechnung mit Azure OpenAI zieht der Artikel Azure OpenAI und Bedrock in der Abrechnung.
Wo es schiefgeht
- Der Kontext wächst mit jedem Turn. Ein Chat, der den ganzen Verlauf mitschickt, zahlt ihn bei jedem Aufruf als Eingabe. Die Eingabe-Token je Aufruf in den Metriken zeigen es; Zusammenfassen des Verlaufs und Prompt Caching senken es.
- Das große Modell für die einfache Aufgabe. Klassifikation und Extraktion laufen auf Nova Micro zu einem Bruchteil von Nova Pro. Routing nach Aufgabe ist der Hebel.
- Provisioned Throughput ohne Last. Eine Modelleinheit kostet je Stunde, ob Token fließen oder nicht. Die Token-Zeile gegen den Durchsatz der Einheit zeigt die Auslastung; unter einem Drittel ist On-Demand günstiger.
- Der Endpunkt vom Experiment läuft noch. Ein Echtzeit-Endpunkt zahlt seine Instanzen, bis er gelöscht wird.
Host:-Zeilen ohne Aufrufe inInvocationssind der Hinweis. - Das Notebook läuft übers Wochenende. Eine GPU-Notebook-Instanz zahlt je Sekunde, ob jemand tippt oder nicht. Lifecycle-Konfigurationen stoppen Notebooks nach Leerlauf.
- Batch Transform wäre billiger gewesen. Ein Endpunkt, der nachts einmal eine Million Datensätze bewertet, zahlt 24 Stunden für eine Stunde Arbeit. Batch Transform zahlt nur den Job.
- Die Aufrufe lassen sich keinem Team zuordnen. Bedrock-Token fallen je Modell in eine Zeile. Application Inference Profiles mit Tags oder ein Konto je Anwendung trennen sie.
Beispiel
Listenpreise in USD für Frankfurt (eu-central-1), gelesen am 2026-10-21 aus der AWS-Preisliste: Amazon Nova Pro kostet On-Demand 0,00105 USD je 1.000 Eingabe-Token und 0,0042 USD je 1.000 Ausgabe-Token, im Batch 0,000525 und 0,0021 USD, bei Cache-Lesezugriffen 0,0002625 USD je 1.000 Token, in der Stufe Flex 0,000525 und 0,0021 USD und in der Stufe Priority 0,0018375 und 0,00735 USD; Amazon Nova Micro 0,000046 und 0,000184 USD je 1.000 Token. Bei SageMaker AI kostet eine ml.m5.xlarge (4 vCPU, 16 GiB) 0,276 USD je Stunde in jeder Komponente, eine ml.g5.xlarge mit einer GPU 1,761 USD, eine ml.t3.medium 0,058 USD; Serverless Inference 0,00004 USD je Sekunde mit 2 GB und 0,00012 USD mit 6 GB.
Eine Anwendung, die im Monat 10 Millionen Eingabe-Token und 2 Millionen Ausgabe-Token an Nova Pro schickt, zahlt On-Demand 10,50 plus 8,40 = 18,90 USD; dieselben Token im Batch 9,45 USD, und mit Prompt Caching für 60 Prozent der Eingabe 6,30 plus 1,05 plus 8,40 = 15,75 USD. Dieselbe Last auf Nova Micro kostet 0,46 plus 0,37 = 0,83 USD. Ein Echtzeit-Endpunkt auf einer ml.m5.xlarge kostet rund um die Uhr 201,48 USD im Monat, auf einer ml.g5.xlarge 1.285,53 USD; dasselbe Modell mit Serverless Inference bei 2 GB und einer Million Aufrufen zu je 200 ms kostet 200.000 Sekunden × 0,00004 = 8,00 USD. Ein Notebook ml.t3.medium, das nie gestoppt wird, kostet 42,34 USD im Monat. Die Zahlen zeigen, dass die Ausgabe-Token bei Nova Pro das Vierfache der Eingabe kosten und fast die Hälfte der Rechnung tragen, dass das kleine Modell die Rechnung um das Zwanzigfache senkt, und dass ein GPU-Endpunkt rund um die Uhr mehr kostet als Hunderte Millionen Token.
Quellen
Gelesen am 2026-10-21. Preise: Amazon Bedrock Pricing, Amazon SageMaker AI Pricing, AWS Price List, Angebot AmazonBedrock für eu-central-1, Angebot AmazonSageMaker. Abrechnungsdaten: Spalten des Cost and Usage Report: lineItem, FOCUS 1.0 mit AWS-Spalten.