opencode Alternative günstiger: Wir haben die Kosten pro Aufgabe gemessen

Jeder Coding-Agent nennt sich effizient. Die Rechnung zeigt fast keiner. Also haben wir das Experiment gefahren, das die Frage für wenigstens eine Aufgabe beantwortet: derselbe Bugfix, dasselbe Modell, dieselbe API, dieselben Preise und ein bitgleicher Prompt, einmal durch opencode und einmal durch den Coding-Agenten in Locally Uncensored.

Kurz: opencode brauchte im Mittel aus drei Läufen 2157 Credits. Locally Uncensored 2.6.6 hat dieselbe Aufgabe mit 1298 erledigt. Das sind rund 40 Prozent weniger, und selbst der günstigste opencode-Lauf lag noch 29 Prozent über unserem Wert.

Die lange Fassung mit Ursache, Rohzahlen und allem, was diese Messung eben nicht belegt, steht darunter.

Der Aufbau

Ein Kostenvergleich taugt nur etwas, wenn die kostentreibenden Größen stillstehen. Festgezurrt war:

Erfolg war vor den Läufen definiert, nicht danach: npm test muss durchlaufen, es muss genau einen Commit mit der geforderten Nachricht geben, nur add.js darf sich ändern, und am Ende muss der Arbeitsbaum sauber sein. Alle vier Läufe haben diese Hürde genommen. Niemand ist gescheitert und niemand hat geschummelt, bewegt haben sich also nur die Kosten.

Die Zahlen

Die letzte Zeile bitte zuerst lesen. Unser eigener Agent aus dem Release davor ist mit Abstand der teuerste Eintrag in dieser Tabelle. Das hier ist keine Grafik, in der wir per Konstruktion gewinnen. Es ist eine Grafik, die zeigt, was eine Effizienzrunde wert ist, und der Verlierer ist die Version unserer eigenen Software, die es davor gab.

Über die drei opencode-Läufe liegt das Mittel bei 2157 Credits. Gegen 1298 kostet opencode damit das 1,66-fache für dieselbe fertige Arbeit.

Woher der Abstand kommt

Die naheliegende Erklärung wäre, der eine Agent sei klüger und brauche weniger Schritte. Genau das ist nicht passiert, und die Richtung ist die umgekehrte.

opencode kam mit weniger Runden aus als wir. Acht bis elf Requests gegen unsere sechzehn. Wer Schritte zählt, sieht opencode vorn. Die Rechnung fiel trotzdem andersherum aus, wegen dem, was jeder einzelne Request mitträgt.

Die letzte Zeile ist der ehrliche Teil. Der Abrechnungssatz ist derselbe. Niemand bekommt einen heimlichen Rabatt. Die Credits je Token liegen in allen Läufen wenige Prozent auseinander, und unser Satz ist der minimal höchste von den vieren. Der gesamte Unterschied auf der Rechnung ist die Menge an Token, die durchgeschoben wird, nicht der Preis eines Tokens.

Zwei Dinge treiben diese Menge. Erstens der feste Block, der bei jedem einzelnen Aufruf mitfährt. Ein Werkzeugkatalog von 21.188 Byte gegen 7.703 Byte ist grob das Dreifache an stehendem Ballast, und der wird in jeder Schleifenrunde erneut bezahlt, ob das Modell diese Werkzeuge gerade braucht oder nicht. Zweitens der Kontext-Decay: Während der Agent arbeitet, wächst der Verlauf, und alte Werkzeugausgaben, die längst niemanden mehr interessieren, gehen in voller Länge wieder mit, solange sie nicht aktiv gekürzt werden.

Zusammen hebt ein Fixblock dieser Größe jeden opencode-Request über 12.000 Token. Sechs Agentenschritte mit diesem Gewicht reichen schon an unseren Gesamtverbrauch für die ganze Aufgabe heran.

Was sich zwischen 2.6.5 und 2.6.6 geändert hat

Die 4395 in der Tabelle ist kein Strohmann, das ist unser ausgelieferter Agent aus dem vorigen Release. Zwischen 2.6.5 und 2.6.6 haben wir genau die zwei Punkte von oben angefasst: die Größe des Fixblocks und die Länge dessen, was erneut mitgeschickt wird. Über dieselbe Menge werkzeuggetriebener Läufe gemessen, hat das den Credit-Verbrauch um 78,6 Prozent gesenkt, im längsten Lauf der Reihe um 80,4 Prozent. Der Vergleich oben ist das Nebenprodukt dieser Arbeit, als wir sie auf jemand anderen gerichtet haben.

Grenzen dieser Messung

Hier hören die meisten Hersteller-Benchmarks auf zu reden. Uns ist lieber, du weißt genau, wie weit die Zahl trägt.

• Ein Szenario. Ein winziges Repo und ein Einzeiler-Bug. Über eine große Codebasis, ein Refactoring über viele Dateien oder eine lange Sitzung sagt das nichts. Gefahren haben wir das nicht.
• Ungleiche Stichprobe. opencode lief drei Mal, Locally Uncensored ein Mal. Allein innerhalb von opencode lagen 45 Prozent zwischen 1679 und 2433, unsere eigene Streuung ist schlicht unbekannt. Ein einzelner Lauf ist ein Messpunkt, keine Verteilung.
• Standardeinstellungen. opencode lief so, wie es ausgeliefert wird. Es ist konfigurierbar, und mit einem abgespeckten Werkzeugsatz landet es woanders. Wir haben nichts nachjustiert, in keine Richtung.
• opencode ist freie Software. Das Werkzeug selbst kostet nichts. Alles, was hier gemessen wurde, ist die Modellrechnung, die du bei jedem Anbieter zahlst, auf den du es richtest. Das ist ein Vergleich der Token-Effizienz, keiner von Lizenzgebühren.
• Kosten sind nicht Qualität. Jeder Lauf in der Tabelle hat korrekte, committete Arbeit abgeliefert. Bei einem schwereren Problem kann die Reihenfolge anders aussehen, und am günstigsten heißt nicht automatisch am besten.

Was die Messung trägt, ist eine engere Aussage als die Überschrift nahelegt: Auf kurzen, klar umrissenen Agentenaufgaben kann opencode rechnerisch kaum unter uns landen, weil der feste Aufwand pro Request einen Boden einzieht. Selbst der beste Lauf mit nur acht Requests brauchte noch 98.789 Token.

Was opencode gut macht

opencode hat die Aufgabe drei von drei Mal erledigt, mit weniger Runden als wir, und jedes Mal saubere Diffs mit der richtigen Commit-Nachricht produziert. Das ist ein wirklich guter Agent und er ist Open Source. Die Zahlen hier drehen sich um Token-Buchhaltung innerhalb der Schleife, nicht darum, ob das Ding funktioniert. Wenn du damit arbeitest und zufrieden bist, ist dieser Artikel kein Argument aufzuhören.

Er ist ein Argument dafür, nachzumessen. Agentenrechnungen bestehen aus Token, die du nie zu sehen bekommst, und zwischen zwei Werkzeugen, die beide flott wirken, kann auf der Rechnung ein Faktor 1,66 liegen.

Wo das hingehört

Der Coding-Agent ist eine Spur in Locally Uncensored, einem Desktop-KI-Studio, das auch Chat, Bild und Video lokal fährt. Du kannst den Agenten auf ein gehostetes Modell wie das hier gemessene DeepSeek V3.2 richten oder auf ein Modell auf deiner eigenen Grafikkarte, dann fällt gar keine API-Rechnung an. Für den lokalen Weg beschreibt die deutsche Einführung zu lokaler KI den Einstieg, der Qwen 3.8 27B Guide die Größe, die auf eine 24-GB-Karte passt, und die Modellübersicht 2026 alles, was sonst noch deinen VRAM wert ist.

FAQ

Gibt es eine günstigere Alternative zu opencode?

Auf der gemessenen Aufgabe ja. Locally Uncensored 2.6.6 lag bei 1298 Credits gegen ein opencode-Mittel von 2157, also rund 40 Prozent weniger, und der günstigste opencode-Lauf lag immer noch 29 Prozent darüber. Ein Szenario, also ein Messpunkt und kein Naturgesetz.

Was kostet opencode pro Aufgabe?

opencode ist freie Software. Bezahlt wird das Modell. Bei diesem Einzeiler-Bugfix mit DeepSeek V3.2 kosteten die drei Läufe 1679, 2433 und 2358 Credits, zwischen billigstem und teuerstem Lauf liegen 45 Prozent.

Warum verbraucht opencode so viele Token?

Nicht durch mehr Schritte, es brauchte weniger als wir. Jeder Request trägt mehr: 12.349 bis 13.308 Prompt-Token gegen unsere 4.664, dazu ein Werkzeugkatalog von 21.188 Byte gegen 7.703, der bei jedem Aufruf erneut mitgeht.

Rechnen beide Agenten zum gleichen Tarif ab?

Ja, und das ist der Punkt. Credits je Prompt-Token kamen bei 0,01739 für uns und bei 0,01700, 0,01666 und 0,01611 für opencode heraus. Praktisch identisch, der Abstand ist also Menge und nicht Preis.

Arbeitet ein günstigerer Coding-Agent schlechter?

Hier nicht. Alle vier Läufe nahmen dieselbe Hürde: Test grün, ein korrekter Commit, nur die vorgesehene Datei angefasst, sauberer Baum. Bei einer schwereren Aufgabe kann das anders aussehen, gemessen haben wir das nicht.

Kann ich die Messung selbst nachstellen?

Ja. npm-Repo aus drei Dateien mit rotem Test, Prompt festgenagelt auf sha256 29cec6c3...cf62687, Modell deepseek-ai/DeepSeek-V3.2, opencode 1.18.21 mit Standardeinstellungen, Requests über einen Proxy gezählt und Credits vor und nach jedem Lauf abgelesen.

So legst du los

Der Agent steckt in der App, und die App ist kostenlos und Open Source. Richte ihn auf ein gehostetes Modell oder auf eines, das auf deiner eigenen Karte läuft:

git clone https://github.com/PurpleDoubleD/locally-uncensored.git
cd locally-uncensored
# Windows: setup.bat | Linux: ./setup.sh

Oder nimm den Installer von der Releases-Seite. Für den lokalen Weg braucht es keinen Account, und nichts verlässt deinen Rechner. Die Installation Schritt für Schritt steht im Setup-Guide.

Locally Uncensored ist AGPL-3.0-lizenziert und kostenlos. Entwickelt von PurpleDoubleD.