OpenHands selbst gehostete Kosten: API, Sandboxes und Cloud-Tarife

Ein selbst gehostetes OpenHands kostet für die Software 0 $ und nichts für eine Lizenz – es steht unter der MIT-Lizenz und das Repository ist aktiv, nicht archiviert. Die tatsächlichen Kosten des Selbsthostings bestehen daher aus drei getrennten Rechnungen: Modell-Tokens, die Maschine, auf der die Sandbox läuft, und ein optionaler Suchschlüssel. OpenHands veröffentlicht für keine dieser drei Positionen einen Preis. Was OpenHands – ungewöhnlich für einen Coding-Agenten – veröffentlicht, ist das eigene Benchmark-Repository mit Dollarbeträgen und Sekunden pro Aufgabe; daran orientiert sich diese Seite, statt Tokenmengen zu schätzen.

Drei Abgrenzungen zuerst, denn jede davon führt eine Kostenfrage auf die falsche Seite. AI4Bharat veröffentlicht ein anderes Open-Source-Projekt namens OpenHands – ein Toolkit zur Erkennung von Gebärdensprache, dessen Repository-Banner sagt, dass es nicht mehr aktiv gepflegt wird – und nichts aus dessen Dokumentation gilt hier. Dieses Produkt hieß bis August 2024 OpenDevin, und das Unternehmen hieß All Hands AI; jede Konfiguration aus der OpenDevin-Zeit ist durch V0 ersetzt. Und obwohl die Marketingseite openhands.dev lautet, laufen die Dienste weiterhin auf all-hands.dev: Die Cloud-App ist app.all-hands.dev, und die Anbieterdokumentation sagt, dass du bei Firewall-Beschränkungen im Netzwerk die Domain all-hands.dev zulassen solltest, weil sich das SDK mit llm-proxy.app.all-hands.dev verbindet.

OpenHands-Preise: Was das Unternehmen selbst berechnet

Am 21. September 2026 auf openhands.dev/pricing nachgelesen. Es gibt kein kostenpflichtiges Einzelabonnement, und die Funktionszeile jeder Tarifstufe bietet die Nutzung eigener Schlüssel an: In den dortigen FAQ heißt es: „Ja! Die Tarife OpenHands Open Source und OpenHands Cloud unterstützen die Nutzung Ihrer eigenen LLM-Schlüssel.“ Zwei Angaben, die außerhalb der offiziellen Website weit verbreitet sind, standen an diesem Tag auf keiner offiziellen Seite, die wir finden konnten — ein kostenpflichtiger Growth-Tarif und $20 kostenloses Guthaben für neue Cloud-Nutzer. Betrachten Sie beide Angaben als veraltet, bis OpenHands sie erneut veröffentlicht.

Eine Zahl des ursprünglichen Anbieters widerspricht dem Wort „kostenlos“, und sie bildet die ehrliche Untergrenze: Die Dokumentation zu API-Schlüsseln sagt: „You must purchase at least $10 in OpenHands Cloud credits before generating an OpenHands LLM Key.“ Beides ist wahr. Der Client und die Stufe sind kostenlos; der eigene Modellanbieter beginnt mit einem Vorauszahlungskauf von 10 $. Wenn du deinen eigenen Schlüssel mitbringst, entfällt diese Untergrenze vollständig und die gesamte Rechnung geht an deinen Anbieter.

Die drei Rechnungen hinter „selbst gehostet“

OpenHands V1 teilt sich laut seiner Architektur-Seite in drei Komponenten auf, die unabhängig voneinander ausfallen und abgerechnet werden: Agent Canvas, der Browser-Client, der laut dieser Seite ausdrücklich „kein Agent-Laufzeitsystem und keine Sandbox“ ist; Agent Server, der Unterhaltungen und Tools ausführt; sowie der Arbeitsbereich beziehungsweise die Sandbox, die lediglich als „Deployment-specific“ beschrieben wird. Deshalb beantwortet eine einzige Monatszahl diese Frage nie.

Leite auch aus alledem keine einzelne „aktuelle Version“ ab. Vier Oberflächen widersprechen einander, und jede Zahl gehört zu einer von ihnen: Die GitHub-Releases stehen bei v1.20.0 (17. September 2026), das openhands-CLI-Paket von PyPI bei 1.16.0, hochgeladen am 8. Mai 2026, PyPIs openhands-sdk bei 1.49.2, hochgeladen am 17. September 2026, und die Dokumentation zur lokalen Einrichtung legt ihre eigenen Docker-Image-Tags fest. Lege die Version der Oberfläche fest, die du tatsächlich bereitstellst.

Die Maschinenposition, kalkuliert anhand der eigenen Größenempfehlung von OpenHands

OpenHands ist hier ungewöhnlich konkret: Der Leitfaden zum VM-Backend sagt: „Ubuntu 24.04 LTS mit 2 vCPU und 4 GB RAM reicht für einen einzelnen Nutzer aus.“ Für diese Klasse gibt es bei zwei großen Anbietern einen veröffentlichten Preis – ein DigitalOcean Basic Droplet mit 4 GiB Arbeitsspeicher, 2 vCPU, 80 GiB SSD und 4.000 GiB Transfer für 24,00 $ pro Monat, 0.03571 $ pro Stunde (DigitalOcean) sowie ein AWS-Lightsail-Linux-Bundle mit 4 GB Arbeitsspeicher, 2 vCPUs, 80 GB SSD und 4 TB Transfer für 24 $ pro Monat (Lightsail). Dies sind Preise von Drittanbietern für eine von dir ausgewählte Maschine, keine OpenHands-Preise.

Setzt man diesen Stundensatz neben die von OpenHands veröffentlichten eigenen durchschnittlichen Laufzeiten, wird die Struktur der Rechnung offensichtlich. Die folgenden Zahlen sind eine Schätzung: Sie setzen eine Unterhaltung nach der anderen auf einer ständig eingeschalteten VM voraus und ignorieren das Herunterladen von Images, Leerlaufzeiten zwischen Durchläufen sowie Speicher und Transfer.

Tokens überwiegen die Rechenkosten in jeder Zeile, aber nicht mit einem konstanten Faktor: Das Verhältnis reicht von etwa 16× bei der MiniMax-M3-SWE-bench-Zeile bis ungefähr 475× bei claude-opus-4-8, weil das günstige Modell zugleich das langsame ist. Die Maschine ist dennoch nicht kostenlos – sie ist ein fester monatlicher Mindestbetrag, der unabhängig davon anfällt, ob du etwas ausführst; das ist die entgegengesetzte Abrechnungsstruktur zu Tokens. Zwei Konsequenzen solltest du bei der Planung berücksichtigen. Erstens rentiert sich die VM erst ab einem bestimmten Volumen: Bei der weiter unten vorgenommenen Neuberechnung zu den Katalogpreisen entsprechen 24 $ für die Maschine ungefähr 46 SWE-bench-großen Aufgaben an Modellausgaben; darunter dominiert der Fixkostenanteil. Zweitens ist der Durchsatz stärker begrenzt, als der Preis vermuten lässt – OpenHands Docker-Sandbox-Seite warnt, dass der Host-Network-Modus jede Sandbox an dieselben festen Host-Ports bindet, sodass „Only one sandbox can run at a time; concurrent conversations will collide on those ports.“ Beachte außerdem, dass der nutzerseitige Begriff jetzt Sandbox lautet, während der Konfigurationsparameter weiterhin RUNTIME heißt – die Übersicht zu Sandboxes führt docker (Standard), process und remote als ältere Werte auf; suche daher nach beiden Begriffen.

Das Modell ebenfalls auf dieser Maschine auszuführen, ist ein anderer Kauf. OpenHands Seite zu lokalen LLMs nennt die Hardwareanforderung für ein bestimmtes Modell – Qwen3.6-35B-A3B, das dort zum Programmieren empfohlene Modell – als „eine aktuelle GPU mit mindestens 24 GB VRAM für quantisierte Varianten oder mehrere GPUs für volle Präzision und größere Kontextfenster oder einen Mac mit Apple Silicon und mindestens 64 GB gemeinsamem Speicher für quantisierte Varianten“, zusätzlich zu OLLAMA_CONTEXT_LENGTH, das in Ollama auf mindestens 22.000 gesetzt werden muss. Ein kleineres lokales Modell benötigt möglicherweise weniger; OpenHands veröffentlicht keine allgemeine Untergrenze für lokale Modelle. In jedem Fall handelt es sich um gebundenes Hardwarekapital, nicht um ein 24-$-Droplet.

OpenHands-API-Kosten: die einzigen Dollarbeträge pro Aufgabe aus erster Hand

Keine OpenHands-Seite veröffentlicht Tokens pro Aufgabe, pro Unterhaltung oder eine durchschnittliche Kontextgröße – jedes Beispiel zur Tokenanzahl ist daher eine Annahme. Das Repository der Index-Ergebnisse veröffentlicht stattdessen Dollarbeträge und Sekunden, was belastbarer ist. Wir haben die 500-zeiligen SWE-bench-Begleitdateien für vier Modelle abgerufen und neu berechnet; die Mittelwerte und Lösungsraten reproduzieren die veröffentlichten Zahlen. Das bestätigt, cost_per_instance als mittlere API-Kosten pro Benchmark-Instanz zu lesen.

Die Verteilung ist wichtiger als der Mittelwert. Bei claude-opus-4-8 betragen die Kosten der Medianinstanz $0.3877 gegenüber einem Mittelwert von $0.7418, und die teuerste einzelne Instanz kostet $8.35 – etwa das Elffache des Mittelwerts. Plane anhand des Randbereichs, nicht des Durchschnitts. Drei Einschränkungen für die gesamte Tabelle: Das Repository wurde zuletzt am 8. Juli 2026 aktualisiert, daher sind diese Läufe ungefähr zweieinhalb Monate alt; jede Zeile lief mit ihrer jeweils aufgezeichneten Agentenversion, daher sind die Zeilen kein kontrollierter direkter Vergleich; und es handelt sich um Benchmark-Instanzen, nicht um dein Repository.

Der günstigste aufgeführte Preis und die niedrigsten Kosten zum Abschließen der Aufgabe sind unterschiedliche Aussagen, und diese Tabelle trennt sie. MiniMax-M3 hat in der Gruppe den niedrigsten Preis pro Token und die niedrigsten durchschnittlichen Instanzkosten – ungefähr ein Fünftel von claude-opus-4-8 –, löste jedoch 76,4 Prozent gegenüber 83,8 Prozent; ein Teil dieser günstigen Versuche brachte also nichts und muss erneut ausgeführt oder manuell abgeschlossen werden. GPT-5.5 geht in die andere Richtung: doppelte durchschnittliche Kosten von claude-opus-4-8 bei 5,6 Prozentpunkten weniger gelösten Aufgaben. Die belastbare Regel ist unspektakulär: Nimm in die engere Auswahl das günstigste Modell, das deine Arbeit mit einem für dich akzeptablen Prüfaufwand abschließt, und lies anschließend die Belastung ab, die dein eigenes Konto für eine begrenzte Aufgabe aufgezeichnet hat.

Die Obergrenze liegt beim commit0-Benchmark, bei dem eine einzelne Aufgabe im einstelligen Dollarbereich bleibt – und bei dem die Maschinenspalte zeigt, wie wenig die Laufzeitstreuung kostet, wenn jeweils nur eine Unterhaltung ausgeführt wird.

OpenHands ist offen darüber, warum: Auf der LLM-Seite heißt es, dass es „ein leistungsstarkes Modell benötigt, um zu funktionieren“, und es wird gewarnt, dass es „viele Prompts an das von Ihnen konfigurierte LLM senden wird“. Die Kontrolle, die es Ihnen gibt, ist ein harter Stopp, keine Prognose: Unter Einstellungen > Anwendung gibt es ein Maximales Budget pro Unterhaltung in USD, und auf dieser Seite steht, dass OpenHands „die Unterhaltung stoppt, sobald das Budget erreicht ist, Sie die Unterhaltung aber mit einem Prompt fortsetzen können“. Es handelt sich also um einen anpassbaren Stopp pro Unterhaltung, nicht um eine monatliche Obergrenze.

Neuberechnung dieses Benchmarks zu Katalogpreisen

Hier ist die eine Stelle, an der sich die veröffentlichten Zahlen ohne Schätzung der Tokenzahl übertragen lassen. OpenHands' metadata.json für claude-opus-4-8 verzeichnet die exakten Preise, zu denen sein Lauf abgerechnet wurde – und Kunavo führt dieselbe Modell-ID.

Da heute alle vier Klassen auf denselben Faktor hinauslaufen, wird der veröffentlichte Lauf mit diesem Faktor neu berechnet, ohne dass die niemand veröffentlichten Tokenzahlen benötigt werden. Die durchschnittliche SWE-bench-Instanz steigt von $0.7418 auf $0.5193, der Median von $0.3877 auf $0.2714 und die schlechteste Instanz von $8.35 auf $5.84. Dies ist die Neuberechnung des Benchmarks einer anderen Person, keine gemessenen Aufgabenkosten in Ihrem Repository – Agentenversion, Prompt-Mix und Cache-Verhalten müssten alle übereinstimmen.

Für ein Unterhaltungsprofil statt eines Benchmarks folgt hier eine einfache Tokenrechnung. Annahme von uns, nicht von OpenHands: Eine Unterhaltung sendet über ihre Durchläufe hinweg 800k Eingabetoken, da der Kontext erneut gesendet wird, und empfängt 30k Ausgabetoken, wobei keine Cache-Treffer berücksichtigt werden. Die Preise sind aktuelle Kunavo-Katalogpreise.

Beispielhafte Tokenrechnung, keine gemessenen Aufgabenkosten und keine Abrechnungsobergrenze – skalieren Sie sie anhand Ihrer eigenen Unterhaltungen pro Tag, bevor Sie sie als Budget verwenden. Der Katalogbetrag von Kunavo ist eine Abrechnungsuntergrenze und keine Obergrenze: Wenn der Upstream seine Kosten meldet, entspricht die Rechnung dem höheren Wert aus den Katalogkosten und den Upstream-Kosten multipliziert mit dem anwendbaren Aufschlag. Die minimale Aufladung beträgt $10 als vorausbezahltes Guthaben; dies ist ein Mindestbetrag zur Finanzierung, keine Subscription und keine Aufgabengebühr – siehe Abrechnungsdetails.

Beste API für OpenHands: Wann welche Route gewinnt

Ein Hinweis, bevor Sie sich allein aufgrund des Preises für die Route „zum Selbstkostenpreis“ entscheiden: Die beiden eigenen Seiten von OpenHands beschreiben unterschiedliche Kataloge. Die LLM-Übersicht empfiehlt claude-opus-4-8 (Index-Durchschnitt 71.9), GPT-5.5 (65.9) und Gemini-3.5-Flash (62.6), während die Anbieter-Preistabelle auf der danebenliegenden Seite 15 IDs der vorherigen Generation aufführt – die neuesten je Anbieter sind claude-sonnet-4-5-20250929 und claude-opus-4-1-20250805, gpt-5-codex und gpt-5-2025-08-07, o3 sowie gemini-3-pro-preview – und keine dieser drei enthält. Beide Seiten wurden am 21. September 2026 gelesen. Ob die Tabelle veraltet ist oder der Katalog tatsächlich so alt ist, konnten wir nicht feststellen. Prüfen Sie daher beim Checkout, was der Anbieter tatsächlich bereitstellt, bevor Sie Ihr Budget auf Grundlage des Fußnotentextes planen, wonach „die aufgeführten Preise den Anbieterpreisen ohne Aufschlag entsprechen“.

Vier Grenzen bestimmen, auf welcher dieser Optionen Sie tatsächlich landen, und jede davon ist eine Abzweigung bei der Kostenzuordnung. Der Kritiker ist eingeschränkt. Die Kritikerdokumentation von OpenHands sagt, dass die experimentelle Kritikerfunktion für Nutzer des OpenHands-LLM-Providers „automatisch aktiviert“ ist und für sie „während der öffentlichen Betaphase kostenlos“ ist; sie ist ein zweiter Endpunkt. Ein Schlüssel eines Drittanbieter-Agenten verhindert also keinen solchen Endpunkt, sondern bedeutet lediglich, dass keiner für Sie konfiguriert ist. Die iterative Verfeinerung ist standardmäßig deaktiviert. Wenn Sie sie aktivieren, ist die Einstellung „Maximale Iterationen“ standardmäßig auf 3 pro Benutzerzug festgelegt und akzeptiert 1–10 – ein echter Multiplikator, aber nur auf dieser Route. Provider Connections kehren die übliche Planbeschränkung um: Auf der Seite zur Modellkonfiguration steht, dass das wiederverwendbare Bedienfeld für Schlüssel und Basis-URL „für lokale Agent-Server-Backends verfügbar“ und „bei Verwendung eines OpenHands-Cloud-Backends ausgeblendet“ ist. Self-Hosting erhält diese Funktion, Cloud nicht. Profile sind begrenzt: Die LLM-Einstellungsseite sagt: „Sie können bis zu 10 LLM-Profile pro Konto speichern.“ Und ein gespeichertes Profil wird vor dem Speichern validiert – auf der Profilseite steht, dass ein abgelehnter Schlüssel oder ein nicht verfügbares Modell das Speichern verhindert und den Backend-Fehler anzeigt; zugleich wird darauf hingewiesen, dass ältere Backends ohne Validierungsendpunkt die Prüfung überspringen und trotzdem speichern.

Kunavo stellt kein Embedding-Modell, kein Text-to-Speech-Modell und kein Speech-to-Text-Modell bereit. Ein Endpunkt beantwortet hier also Chat-Completions und nichts anderes – relevant, weil OpenHands LLM_EMBEDDING_MODEL als eine seiner nur über Umgebungsvariablen verfügbaren Zusatzoptionen nennt und diese Einstellung kein Ziel hat, auf das sie verweisen könnte.

Beim Endpunkt selbst sind Modellpräfix und Basis-URL eine gemeinsame Entscheidung, und OpenHands dokumentiert sie anhand von Beispielen statt anhand einer Regel. Auf der Seite zur Modellkonfiguration steht, dass Sie openai/<served-model-id> für einen OpenAI-kompatiblen Server eingeben sollen, und es wird eine Basis-URL gezeigt, die auf /v1 endet; auf der LiteLLM-Proxy-Seite sollen Sie litellm_proxy/<model-name> eingeben, und es wird ein unveränderter Proxy-Ursprung ohne Pfad gezeigt. Keine der beiden Seiten erklärt, was geschieht, wenn Sie ein Präfix mit dem URL-Format der jeweils anderen Seite kombinieren. Kopieren Sie daher das Format von der Seite, die zu Ihrem Präfix passt, und prüfen Sie die Antwort, statt etwas anzunehmen. Separat sagt die OpenHands-Provider-Seite, dass das Präfix openhands/ „das SDK anweist, Anfragen automatisch an den OpenHands-LLM-Proxy weiterzuleiten – eine manuelle Festlegung einer Basis-URL ist nicht erforderlich“; dieser Satz betrifft das SDK, nicht das Einstellungsfeld im Agent Canvas. Die vollständige Konfiguration jedes einzelnen Feldes steht auf der OpenHands-Integrationsseite; erstellen Sie ein Kunavo-Konto, wenn Sie bereit sind, einen Schlüssel zu finanzieren, führen Sie anschließend eine begrenzte Aufgabe aus und lesen Sie die Belastung, die Ihr Konto dafür verzeichnet hat.

Kunavo hat OpenHands nicht zur Laufzeit gegen seinen Endpunkt getestet – keine Unterhaltung, kein gestreamter Durchlauf, keine Tool-Rückrunde, keine festgelegte Client-Version. Alles oben wurde aus der eigenen Dokumentation, den Repositories und den Paketindizes von OpenHands entnommen. Halten Sie während des Ausprobierens eine funktionierende Route bereit. Vergleichen Sie Clients statt Anbieter? OpenHands vs. Claude Code behandelt die Unterschiede bei Workflow und Sandboxing, OpenHands vs. OpenCode die Terminal-Alternative und KI-Kostenoptimierung die Methode, um all dies in Ihrem eigenen Repository zu messen.

Häufig gestellte Fragen

Am 21. September 2026 anhand der eigenen Quellen erneut geprüft: openhands.dev/pricing, der GitHub-API-Eintrag für OpenHands/OpenHands und dessen drei neueste Releases, PyPI openhands und openhands-sdk, die Dokumentation zu API-Schlüsseln und zur LLM-Übersicht, die Preistabelle des OpenHands-LLM-Providers, der Leitfaden zur VM-Dimensionierung, die Droplet-Preise von DigitalOcean und das Index-Results-Repository – einschließlich der 500-zeiligen SWE-bench-Begleitdaten für vier Modelle, deren Mittelwerte und Resolve-Raten hier neu berechnet wurden. Die Seiten zu Kritiker-Einschränkung, Provider Connections, Profilbegrenzung und Validierung vor dem Speichern, der ACP-Ausnahme, Sandbox, Budget und lokalen LLMs sowie die Preise für Tavily und Lightsail wurden am selben Tag jeweils anhand der inline genannten Seiten erneut gelesen. Die Kunavo-Tokenpreise stammen aus dem Live-Katalog; jedes Dollarbeispiel ist beispielhafte Arithmetik und keine gemessenen Aufgabenkosten.