Ile naprawdę kosztuje model AI: dlaczego tańszy bywa droższy

Zadanie wyglądało prosto: znaleźć tańszy model AI do generowania dużej ilości treści po polsku, bez utraty jakości. Najprościej byłoby otworzyć cenniki, ustawić modele od najtańszego do najdroższego i wybrać ten z najniższą ceną za token. Zamiast tego przepuściliśmy to samo zadanie przez kilkanaście modeli i policzyliśmy, ile faktycznie zapłaciliśmy. Kolejność wywróciła się do góry nogami: najtańszy w cenniku okazał się jednym z droższych w praktyce.

Policz to na swoich liczbach: Kalkulator tokenów AI pokaże realny koszt tokenów GPT, Claude, Gemini i DeepSeek dla Twojego użycia, a Kalkulator kosztu agenta AI doda do rachunku wdrożenie i utrzymanie.

Ten tekst jest o tym, czego cennik modelu nie mówi. Bo między ceną za milion tokenów a kwotą na fakturze potrafi się zmieścić duża różnica. Poniżej trzy pułapki, które wyszły w naszym teście, i prosty sposób, żeby ich uniknąć, zanim podepniesz model pod firmowy proces.

Cena za token to nie cena za zadanie

Każdy cennik modelu podaje tę samą jednostkę: cenę za milion tokenów, zwykle osobno za tekst, który modelowi wysyłasz (wejście), i osobno za ten, który dostajesz z powrotem (wyjście). Token to kawałek słowa, mniej więcej cztery znaki. Wygląda to przejrzyście i kusi, żeby po prostu wybrać najniższą liczbę.

Problem w tym, że cena za token to cena surowca, a nie cena wykonania Twojego zadania. Realny rachunek zależy od tego, ile tokenów model faktycznie zużyje, żeby dane zadanie wykonać. A tu modele różnią się drastycznie, i to w sposób, którego z cennika nie odczytasz. Dwa modele o identycznej cenie za token potrafią dać zupełnie różny rachunek za tę samą pracę. Dlatego jedyna liczba, która ma znaczenie, to realne zużycie na Twoim zadaniu, a nie pozycja w tabeli cen.

Test: ten sam akapit w 11 modelach

W sierpniu 2026 r. daliśmy jedenastu modelom to samo zadanie: napisać po polsku wstęp do artykułu, około 150 słów, według jednego promptu. Modele szły przez OpenRouter, ceny są z jego cennika z sierpnia 2026 r. Mierzyliśmy liczbę tokenów na wyjściu, czas odpowiedzi i realny koszt jednego akapitu, liczony z tokenów wyjściowych.

Potem ten sam artykuł, z tym samym materiałem wejściowym, przeszedł cały proces produkcji z trzema modelami na etapach planu i redakcji tekstu:

Ceny modeli zmieniają się co kilka miesięcy, a nowe wersje wchodzą jeszcze częściej. Tabela pokazuje mechanizm, nie aktualny ranking: przed decyzją sprawdź bieżący cennik i powtórz test na swoim zadaniu.

Pułapka pierwsza: płacisz za myślenie, którego nie widać

Nowsza generacja modeli potrafi „myśleć” przed odpowiedzią. Zanim wypluje tekst, generuje wewnętrzny ciąg rozumowania: rozpisuje sobie problem, sprawdza warianty, dopiero potem formułuje odpowiedź. Dla jakości trudnych zadań to świetne. Dla rachunku bywa zabójcze, bo te tokeny myślenia też płacisz, mimo że ich nie widzisz w odpowiedzi.

Widać to w tabeli wyżej na najprostszym możliwym zadaniu, krótkim wstępie. MiniMax M3, za token wyjścia ponad 8 razy tańszy od gpt-5.1, wygenerował na ten jeden akapit 6 643 tokeny, z których większość to było niewidoczne rozumowanie. gpt-5.1 zamknął to samo w 301 tokenach. Za „tani” akapit zapłaciliśmy realnie ponad 2,5 raza więcej niż u droższego modelu, bo niska cena za token pomnożyła się przez ogromną liczbę tokenów. Podobnie wypadły GLM-5.2 i GPT-5.6 Terra Pro.

To jest pułapka reasoning-tokenów w czystej postaci: naiwna cena za token myli, liczy się iloczyn ceny i liczby tokenów. Model z ceną dziesięć razy niższą, który generuje dwadzieścia razy więcej tokenów, jest po prostu droższy. Zawsze sprawdzaj realne zużycie na próbce, a nie tabelę cen, bo dopiero na próbce widać, ile model naprawdę „gada do siebie”.

Pułapka druga: model za grosze, który nie wyrabia

Druga niespodzianka nie dotyczy pieniędzy wprost, tylko czasu, który w firmie zawsze jest pieniądzem. Chodzi o przepustowość, czyli ile tokenów na sekundę model realnie z siebie wyrzuca.

DeepSeek V4 Pro pisał w naszym teście najlepiej stylistycznie spośród modeli DeepSeek. Dobry polski, naturalny ton. Miał jedną wadę: generował około 9 tokenów na sekundę. Dla porównania GPT-5.4 Nano, który ostatecznie wybraliśmy, robił około 40. Przy krótkiej odpowiedzi nie ma różnicy. Przy dłuższym tekście te 9 tokenów na sekundę zamienia się w ponad 10 minut na jeden artykuł. Jeśli generujesz jedną rzecz dziennie, przełkniesz to. Jeśli seryjnie, model za grosze robi się wąskim gardłem, które blokuje cały proces.

Wniosek z tej pułapki jest prosty: cena to nie jedyny parametr, przepustowość ustawia sufit tego, co w ogóle da się zrobić. Zanim zachwycisz się ceną, sprawdź, czy model nadąża za tempem, w jakim naprawdę będziesz go używać. Tani, ale wolny model potrafi kosztować Cię więcej w godzinach czekania niż zaoszczędził na fakturze.

Pułapka trzecia: tańszy nie znaczy gorszy

Skoro tanie modele mają swoje pułapki, to może po prostu trzeba dopłacić do flagowca i mieć spokój? Też nie. Bo najciekawsze odkrycie z całego testu było odwrotne od intuicji.

GPT-5.4 Nano, za token wyjścia osiem razy tańszy od gpt-5.1, napisał tekst żywy, z anegdotą, prowadzony narracyjnie. Postawiony obok droższych, był od nich nie do odróżnienia stylem, a kilka droższych modeli pisało wręcz bardziej sztywno i encyklopedycznie. Owszem, tekst z taniego modelu bywał krótszy. Ale krótszy okazał się gęstszy: mniej lania wody, więcej konkretu w tym samym akapicie.

To ważne, bo w treściach dla ludzi i dla wyszukiwarek konkret bije objętość. Dłuższy tekst nie jest lepszy tylko dlatego, że dłuższy. Często jest po prostu bardziej rozwodniony. Wybierając model, nie płać z automatu za flagowca „dla świętego spokoju”, bo bywa, że dopłacasz do rozwlekłości, której i tak potem nie chcesz. Sprawdź, czy droższy model faktycznie daje Ci wartość, czy tylko więcej znaków.

Jak wybrać model i nie przepłacić

Z tych trzech pułapek wychodzi jedna metoda: nie zaczynać od cennika ani od rankingu z internetu, tylko od własnego, krótkiego testu.

• Weź swoje realne zadanie, nie benchmark. Ranking „najlepszych modeli 2026” nie wie, że Ty piszesz po polsku, w konkretnym tonie, o konkretnej długości. Twoje zadanie to jedyny wiarygodny test.
• Przepuść to samo zadanie przez kilka modeli. Trzy, cztery kandydatury wystarczą: jeden flagowiec jako punkt odniesienia i kilka tańszych.
• Licz realne zużycie, nie cennik. Po każdym przebiegu sprawdź faktyczną liczbę zużytych tokenów, łącznie z tymi na „myślenie”. To jest Twój prawdziwy koszt jednostkowy. Kalkulator tokenów AI przelicza to na złotówki dla najpopularniejszych modeli.
• Zmierz też czas. Jeśli planujesz używać modelu seryjnie, przepustowość jest równie ważna jak cena. Wolny model odpada, choćby był najtańszy.
• Oceń jakość na oko, nie na wierze. Przeczytaj wyniki obok siebie. Często najtańszy sensowny model jest w zupełności wystarczający, a różnicę do flagowca widać tylko na fakturze.

Kiedy dokładasz do tego koszt wdrożenia i utrzymania, obraz robi się pełny. Sam model to jedno, ale wokół niego jest jeszcze platforma, integracje i nadzór. Jak to policzyć całościowo, wyjaśnia tekst o kosztach wdrożenia AI w firmie, a zwrot z subskrypcji ChatGPT i Copilota tekst o kosztach i ROI subskrypcji AI. Jeśli rozważasz model trenowany na własnych danych, przeczytaj najpierw, kiedy własny model LLM ma sens.

Najważniejsze

Cennik modelu AI mówi Ci cenę surowca, a nie cenę wykonania Twojego zadania, i to jest cała różnica. Tani model potrafi wyjść drogo przez niewidoczne tokeny myślenia albo przez ślimacze tempo, a drogi flagowiec bywa dopłatą do rozwlekłości, której nie potrzebujesz. Jedyna liczba, której możesz ufać, to realny koszt Twojego zadania zmierzony na próbce. Godzina takiego testu potrafi wyraźnie obniżyć rachunek za AI.