Der Artikel von Ida Silfverskiöld auf Towards Data Science analysiert, warum Agentic-AI-Systeme in Produktion schnell teuer werden, und stellt vier Designprinzipien zur Kostensenkung vor. Als Ausgangspunkt dienen reale Zahlen: Das geleakte Claude-System-Prompt umfasste rund 24.000 Tokens, das von GPT-5 ca. 15.000. In Claude Code soll ein einfaches „Hi" in einem leeren Ordner bereits ~31.000 Input-Tokens verursacht haben. 100 tägliche Anfragen mit 166K Input-Tokens kosten auf Gemini 3.1 Pro rund 996 USD/Monat, auf Claude Opus 4.6 bis zu 2.490 USD. Die vier behandelten Prinzipien sind: (1) Token-Wiederverwendung durch K/V-Prefix-Caching und Semantic Caching, (2) Minimierung stabiler Token-Blöcke wie Systempromt und Tool-Definitionen durch Lazy-Loading, (3) Model Routing und Kaskadierung zu kleineren Modellen, sowie (4) Context-Bereinigung und Compaction. Für selbst-gehostete Modelle wird vLLM als Serving-Framework mit dem Flag --enable-prefix-caching beschrieben. Der Artikel enthält interaktive Kostenkalkulatoren und thematisiert explizit die Trade-offs jeder Methode.