Który model wybrać i ile to naprawdę kosztuje

Rankingi starzeją się szybciej, niż zdążysz je przeczytać

Tabele porównawcze modeli mają termin przydatności liczony w tygodniach, a testy, na których się opierają, rzadko przypominają Twoje zadanie. Model wygrywający w zadaniach matematycznych nie musi lepiej pisać maili do polskich klientów, bo nikt tego akurat nie mierzył.

Praktyczniejsze podejście jest takie: bierzesz model ze środkowej półki, puszczasz na nim swoje prawdziwe zadanie i dopiero potem sprawdzasz, czy dopłata do mocniejszego cokolwiek zmienia. W dużej części zastosowań firmowych ta różnica jest niezauważalna, bo wąskim gardłem nie jest model, tylko to, jak opisano zadanie.

Do tego dochodzi hałas po stronie sprzedaży. Gartner policzył, że spośród tysięcy dostawców reklamujących się jako „agentowa AI” realne rozwiązania agentowe oferuje około 130, a resztę nazwał wprost agent washingiem, czyli przemalowanymi chatbotami i starym RPA. Skoro tak wygląda rynek narzędzi, to samo podejrzenie należy się porównaniom modeli, które te firmy publikują.

Trzy półki cenowe i co je naprawdę dzieli

Ceny podaje się za milion tokenów, osobno za to, co wysyłasz, i osobno za to, co model odpisuje. Według oficjalnego cennika Anthropic z lipca 2026 najtańszy Haiku 4.5 kosztuje 1 USD za milion tokenów wejściowych i 5 USD za wyjściowe, Sonnet 5 to 3 i 15 USD (do 31 sierpnia 2026 obowiązuje cena wprowadzająca 2 i 10 USD), Opus 5 to 5 i 25 USD, a najmocniejszy Fable 5 to 10 i 50 USD.

U pozostałych dostawców rozstrzał wygląda podobnie. W cenniku OpenAI z końca lipca 2026 rodzina GPT-5.6 rozkłada się na Sol po 5 i 30 USD, Terra po 2,50 i 15 USD oraz Lunę po 1 i 6 USD, a najtańszy GPT-4.1 nano schodzi do 0,10 i 0,40 USD. Google wycenia Gemini 3.1 Pro na 2 i 12 USD, przy czym powyżej 200 tys. tokenów kontekstu stawka skacze do 4 i 18 USD, Gemini 3.6 Flash na 1,50 i 7,50, a Flash-Lite na 0,10 i 0,40.

Z tych liczb wynikają dwie rzeczy. Pierwsza: między półką budżetową a flagową nie ma kilkunastu procent różnicy, tylko dziesięciokrotność i więcej. Druga, mniej oczywista: wyjście kosztuje cztery do pięciu razy więcej niż wejście, a agent generuje mało tekstu i połyka bardzo dużo. Rozdmuchany prompt i doklejana historia to zwykle większa pozycja na rachunku niż długość odpowiedzi.

Stąd praktyczny podział na trzy półki, który wystarcza do pierwszych decyzji.

• Budżetowa (rzędu 0,10–1,50 USD za milion wejścia): klasyfikacja, ekstrakcja danych, streszczenia, odpowiedzi z gotowej bazy. Tu oszczędność jest darmowa.
• Środkowa (2–3 USD): codzienna praca agenta z narzędziami, obsługa klienta, research. Od niej zaczynaj i na niej zwykle zostaniesz.
• Flagowa (5–10 USD): wieloetapowe rozumowanie, pisanie i poprawianie kodu, sytuacje, w których agent sam planuje kolejne kroki i pomyłka w trzecim kroku psuje wszystkie następne.

Kiedy tani model wystarczy, a kiedy mści się natychmiast

Podział przebiega nie wzdłuż trudności zadania, tylko wzdłuż szerokości wyjścia. Im węższy zbiór poprawnych odpowiedzi, tym mniej płacisz za inteligencję. Klasyfikacja do pięciu kategorii ma pięć możliwych wyników i tańszy model trafia w nie praktycznie tak samo często jak drogi.

Odwrotnie jest wszędzie tam, gdzie poprawnych odpowiedzi jest nieskończenie wiele, a różnicę robi ton, kolejność argumentów albo wyczucie, czego nie napisać. Rozmowa po odrzuconej reklamacji wygląda na „tylko pisanie tekstu”, a jest dokładnie tym miejscem, w którym tańsze modele odstają najbardziej, i płaci się za to klientem, nie tokenami.

Jest jeszcze pułapka, którą widać dopiero w praktyce: różnica ujawnia się w piątej albo szóstej wymianie, gdy trzeba pamiętać ustalenia z początku rozmowy. Testowanie na pojedynczych pytaniach pokazuje remis, a na całych rozmowach przepaść. Nic nie stoi na przeszkodzie, żeby trzymać dwa modele naraz: tańszy do segregowania i wyciągania danych, droższy do kroku, w którym powstaje odpowiedź dla człowieka.

Jak policzyć koszt, żeby się nie zdziwić

Token to kawałek tekstu, bardzo z grubsza trzy, cztery znaki polszczyzny. Strona A4 wychodzi więc na jakieś siedemset tokenów, co brzmi niewinnie do momentu, w którym zobaczysz, ile razy ta sama strona zostanie wysłana.

Skala zależy od tego, czy agent robi jeden ruch, czy planuje. Iternal AI w przewodniku po zużyciu tokenów z lipca 2026 podaje trzy rzędy wielkości: prosty agent z jednym, dwoma wywołaniami narzędzi zużywa 5–15 tys. tokenów na zadanie, złożone wieloetapowe rozumowanie 50–200 tys., a orkiestracja kilku agentów od 200 tys. do ponad miliona.

Ta sama analiza pokazuje, ile kosztuje sama zmiana trybu pracy. LeanOps rozliczył prosty pięciokrokowy scenariusz (przeczytaj plik, zaproponuj poprawkę) i wyszło 45 700 tokenów wejściowych przy 1 350 wyjściowych, czyli 0,158 USD za zadanie wobec 0,049 USD za to samo pytanie zadane raz w czacie. Trzy i dwie dziesiąte raza drożej za identyczny wynik, tylko dlatego że agent chodzi w pętli.

Winowajca jest jeden i nie jest nim cena tokena. W tym samym badaniu LeanOps ponownie wysyłany kontekst, czyli historia doklejana przy każdym kroku, odpowiada za 62% rachunku. Zanim więc zejdziesz na tańszy model, przytnij to, co agent wlecze ze sobą przy każdej wiadomości: pół promptu systemowego, którego i tak nikt nie czyta, oraz dwadzieścia wcześniejszych wymian.

Praktyczna rada zamiast arkusza: uruchom agenta na pięćdziesięciu prawdziwych zapytaniach i odczytaj rachunek z panelu dostawcy. Do tego jedno przeliczenie na zapas: Iternal szacuje, że prosty agent wywołujący narzędzia przy stu zadaniach dziennie zużywa około 30 mln tokenów miesięcznie. Pomnóż to przez stawkę swojego modelu, zanim ktoś w firmie powie „to przecież grosze”.

Własny klucz API, czyli BYOK

Zamiast rozliczać tokeny przez platformę możesz podpiąć własny klucz od dostawcy modelu. Ma to trzy skutki i nie wszystkie prowadzą w tę samą stronę, więc warto rozważyć je razem, a nie po kolei.

Po pierwsze, płacisz dostawcy według rzeczywistego zużycia, co przy dużym ruchu bywa tańsze, a przy dwustu rozmowach miesięcznie ginie w zaokrągleniu. Po drugie, masz własny panel z limitami i widzisz, który agent pali budżet: przy medianie 480 USD miesięcznie na jednego developera, którą LeanOps zmierzył w audycie trzydziestu zespołów, to nie jest ciekawostka.

Po trzecie, i zwykle to przesądza sprawę, treść rozmów idzie bezpośrednio do wybranego przez Ciebie dostawcy na Twoich warunkach umownych. Jeśli w firmie jest dział bezpieczeństwa albo przetwarzacie dane wrażliwe, ten punkt bywa warunkiem wejścia i wtedy dwa poprzednie przestają mieć znaczenie.

W ClawLabs wygląda to tak, że modele platformowe MiniMax działają bez własnego klucza w ramach abonamentu (plany od 399 zł miesięcznie), a Anthropic, OpenAI i Google wymagają wklejenia klucza: wtedy za hosting agenta płacisz platformie, a za tokeny bezpośrednio dostawcy. Ten podział jest typowy i warto o niego zapytać u każdego dostawcy, bo decyduje, kto widzi Wasze rozmowy.

Co sprawdzić u dostawcy poza ceną

Okno kontekstu to nie tylko wygoda, ale i pozycja na fakturze. Opus 5 obsługuje milion tokenów kontekstu przy 128 tys. tokenów wyjścia, Haiku 4.5 to 200 tys., a w cenniku Google przekroczenie 200 tys. tokenów w Gemini 3.1 Pro podwaja stawkę do 4 i 18 USD. Duży kontekst kusi, żeby wrzucić do promptu całą bazę wiedzy, i to jest najprostszy sposób na potrojenie rachunku.

Druga rzecz to miejsce, w którym fizycznie lądują dane. ClawLabs stawia agentów w chmurze EU u Hetznera i udostępnia umowę powierzenia przetwarzania danych na żądanie: pytanie o jedno i drugie zadaj każdemu dostawcy, zanim porównasz ceny, bo odpowiedź potrafi wykreślić z listy najtańszą opcję.

Trzecia: retencja po stronie dostawcy modelu. Nawet gdy platforma nie zapisuje treści rozmów, robi to API, przez które one przechodzą, i te zasady ustala dostawca modelu, a nie pośrednik. Przy własnym kluczu tę umowę podpisujecie sami i to jest realna zaleta BYOK, o której rzadko się mówi.

I na koniec rzecz proceduralna: zmiana modelu zwykle nie wymaga przepisania promptu, ale prawie zawsze wymaga powtórzenia testów. Modele różnie reagują na te same instrukcje, szczególnie w kwestii długości odpowiedzi i trzymania się formatu. Zaplanuj rundę poprawek przy każdej przesiadce, zamiast dowiadywać się o różnicy od klienta.