Ile kosztują tokeny AI: cennik API w złotówkach i 7 sposobów na niższy rachunek

Token to kawałek tekstu, w którym model AI czyta i pisze. Najczęściej jest to fragment słowa, np. „fak” i „tura”. Dostawcy liczą cenę za milion tokenów, osobno za tekst wysłany do modelu (wejście) i za tekst odpowiedzi (wyjście).

Według OpenAI jeden token to średnio około 4 znaki tekstu angielskiego, a 100 tokenów to około 75 słów. Polszczyzna ma długie słowa i wiele końcówek, więc dzieli się na więcej kawałków. W badaniach przy polskich modelach Bielik i PLLuM ten sam tekst po polsku dawał około 60-70% więcej tokenów niż po angielsku.

Badania dotyczyły otwartych modeli, a nie GPT, Claude czy Gemini, więc traktuj tę różnicę jako orientacyjną. Do szacunków przyjmujemy ostrożnie około 2 tokenów na polskie słowo, czyli około 1000 tokenów na stronę A4. Dokładną liczbę dla swojego tekstu sprawdzisz w panelu dostawcy po pierwszych zapytaniach.

Jedna ważna zmiana: według Anthropic nowsze modele Claude, od wersji 4.7, dzielą ten sam tekst na około 30% więcej tokenów niż starsze. Porównując ceny różnych modeli, porównuj więc koszt tego samego zadania, a nie samą cenę za milion tokenów.

Poniżej cztery zadania, które firmy najczęściej zlecają AI. Do każdego doliczamy instrukcje, które wysyłasz razem z tekstem, np. „odpowiedz uprzejmie, zgodnie z naszą polityką zwrotów”. Zwykle to około tysiąca tokenów.

Rozmowa z chatbotem jest droższa, niż się wydaje. Przy każdej z 8 wymian chatbot wysyła do modelu instrukcje, fragmenty bazy wiedzy i całą dotychczasową rozmowę. W sumie model czyta około 32 tys. tokenów, choć klient napisał kilka zdań.

Tabela pokazuje koszt tysiąca takich zadań, bo pojedyncze kwoty to grosze. Liczymy po kursie NBP z 28 października 2026 r. (1 USD = 3,9624 zł) i według trzech półek cenowych opisanych w następnej sekcji.

Każdy z trzech dużych dostawców ma dziś podobną drabinkę cen: najmocniejszy model, model średniej klasy i model najtańszy. Ceny modeli średniej klasy są u wszystkich trzech takie same: 2 USD za milion tokenów wejścia i 10 USD za milion tokenów odpowiedzi.

Nie ma jednego „najlepszego” modelu. Najtańsze dobrze radzą sobie z klasyfikacją maili, odczytem danych i krótkimi odpowiedziami. Średnie wystarczają do większości pracy z dokumentami. Najdroższe opłacają się przy złożonych analizach, długich umowach i zadaniach w wielu krokach. Jak wybrać model do konkretnego procesu, opisujemy w osobnym artykule.

Ceny się zmieniają, czasem w górę. Google zapowiedział, że od 1 grudnia 2026 r. gemini-4-argon podrożeje do 4 i 20 USD, a gemini-3.8-flash od 1 stycznia 2027 r. do 1,50 i 7,50 USD. Microsoft w Azure OpenAI pobiera za przetwarzanie w strefie danych UE (Data Zone) dopłatę 10-20% w zależności od modelu.

Najczęstszy błąd przy szacowaniu to liczenie tylko pytania użytkownika i odpowiedzi. Model płaci się za wszystko, co czyta i pisze, także za to, czego użytkownik nie widzi. Poniżej pięć pozycji, które najczęściej podnoszą rachunek kilkukrotnie.

Dobra wiadomość jest taka, że wszystkie widać w panelu zużycia u dostawcy. Po pierwszym tygodniu pilotażu porównaj rzeczywiste zużycie z szacunkiem i popraw założenia.

Każdy z tych sposobów opisują dostawcy w swojej dokumentacji. Część można włączyć w ciągu dnia, część wymaga zmian w rozwiązaniu. Największe oszczędności dają zwykle pierwsze trzy.

Sposoby można łączyć. Anthropic wprost dopuszcza łączenie przetwarzania wsadowego z pamięcią podręczną.

Nie każde użycie AI rozlicza się w tokenach. Gotowe aplikacje dla pracowników, jak ChatGPT Business, Claude Team czy Microsoft 365 Copilot, kosztują stałą kwotę za osobę miesięcznie. Płacisz tyle samo, czy ktoś zada 5 pytań, czy 500.

Licencja na osobę opłaca się, gdy pracownicy sami korzystają z AI na co dzień: piszą, streszczają, szukają informacji. Płatność za tokeny opłaca się, gdy AI działa w procesie, np. odpowiada klientom albo czyta dokumenty, bez udziału konkretnej osoby. Wiele firm łączy oba sposoby.

W planie Claude Enterprise oba modele się łączą: płacisz 20 USD za stanowisko i osobno za zużycie według stawek API. Ile kosztuje wdrożenie poza samymi licencjami, opisujemy w artykule o budżecie wdrożenia AI.

Płatność za zużycie ma jedną wadę: rachunek nie ma sufitu, jeśli go nie ustawisz. Dlatego kontrolę budżetu ustawia się przed uruchomieniem narzędzia dla wszystkich, a nie po pierwszej niespodziance na fakturze.

U wszystkich dużych dostawców zrobisz to w panelu administracyjnym, bez programowania. Wystarczy kilka ustawień i comiesięczny przegląd zużycia z osobą odpowiedzialną za każdy projekt.

Przy dużym i stałym ruchu pojawia się pytanie, czy nie taniej byłoby uruchomić model na własnym serwerze. Odpowiedź zależy od skali: w naszym rachunku próg dla modeli średniej klasy to około 800-900 mln tokenów miesięcznie.

Dla większości średnich firm to wielokrotnie więcej, niż zużywają. Pełną kalkulację z trzema scenariuszami opisujemy w artykule o tym, kiedy własny model AI się opłaca.