Ile kosztuje AI: abonament, API i czas pracy
Abonament ma jedną cenę, a ja potrafię siedzieć z AI godzinami. Piszę, poprawiam, zaczynam od nowa. Przy API każda taka runda dokłada coś do rachunku. Do tego jest jeszcze czas, który spędzam na sprawdzaniu, czy wynik w ogóle nadaje się do użycia.
Moje intensywne używanie AI szacowałem na około 1 000–2 000 USD miesięcznie, gdybym płacił według cennika API. To szacunek. Nie mam tutaj opublikowanego dziennika tokenów, który pozwalałby odtworzyć ten rachunek. I nie wynika z tego, że dostawca dopłaca do mnie taką kwotę.
Cena API nie jest kosztem wytworzenia odpowiedzi. To kwota na rachunku klienta. Z niej nie odczytam kosztu serwerów, marży ani tego, czy firma na mnie zarabia. Nadal uważam, że dostęp do najlepszych modeli może podrożeć. Ale porównanie abonamentu z ceną API samo tego nie dowodzi.
Jak obliczyć miesięczny koszt API?
Rozdziel tokeny wejściowe bez cache, wejście z cache oraz tokeny wyjściowe. Przykładowy rachunek tekstowy:
Koszt = (wejście bez cache × jego stawka + wejście z cache × jego stawka + wyjście × jego stawka) / 1 000 000.
Używaj danych rozliczeniowych z panelu lub API. Nie szacuj tokenów wyjściowych wyłącznie na podstawie widocznego tekstu, bo tokeny rozumowania również są rozliczane jako wyjściowe. Nie licz wejścia z cache drugi raz jako zwykłego wejścia.
5,50 USD, 55 USD czy 37 USD?
Przykład dotyczy GPT-5.4, a nie wszystkich modeli ani abonamentu ChatGPT. Stawki standardowe sprawdzone 8 października 2026: 2,50 USD za milion tokenów wejściowych, 0,25 USD za milion wejścia z cache i 15 USD za milion wyjściowych. Źródło: oficjalna dokumentacja GPT-5.4.
- Mniejszy wolumen: 1 mln wejściowych bez cache i 0,2 mln wyjściowych: 2,50 + 3 = 5,50 USD.
- Więcej iteracji: 10 mln wejściowych bez cache i 2 mln wyjściowych: 25 + 30 = 55 USD.
- Częściowe trafienia w cache: z 10 mln wejściowych 8 mln rozliczone po stawce cache i 2 mln zwykłych, plus 2 mln wyjściowych: 2 + 5 + 30 = 37 USD.
To przykładowe wolumeny, nie mój pomiar użycia. Rachunek nie obejmuje narzędzi, obrazu, audio, podatków ani przewalutowania. Zakładamy standardowy tryb i żądania nieprzekraczające 272 tys. tokenów wejściowych. Dłuższy kontekst, inne tryby i usługi mają osobne zasady. Sprawdź aktualny cennik API przed zastosowaniem stawek do własnego rachunku.
Ile kosztuje czas na poprawki?
Jeżeli narzędzie kosztuje 100 zł miesięcznie, a weryfikacja jego pracy zajmuje dodatkowe dwie godziny wycenione po 100 zł, koszt Twojej pracy z nim wynosi 300 zł. To przykład kalkulacji, nie cena konkretnego produktu. Jeśli dzięki temu oszczędzasz dziesięć godzin, rachunek wygląda dobrze. Jeśli dwie godziny poprawiasz coś, co sam zrobiłbyś w godzinę, tanie narzędzie wychodzi drogo.
Żeby porównać miesiące, zapisz model, datę cennika, użycie i czas poprawek. O tym, co może pójść źle, piszę w tekście o zagrożeniach wykorzystania AI, a o zmianach pracy w artykule czy AI zabierze nam pracę. Pozostałe materiały znajdziesz w dziale AI i praca.
Dlaczego abonament AI wygląda tanio tylko na pierwszy rzut oka
Pamiętacie jak dzieci straszyło się otrzymywanymi, darmowymi próbkami przed szkołlą?Dzisiejszy abonament AI wygląda trochę jak taka próbka do zbudowania uzależnienia i nawyku. Najpierw dostajesz potężne narzędzie za cenę, która wydaje się bardzo dobra. Potem zaczynasz na nim pisać, kodować, szukać, myśleć i pracować. A gdy już wbudujesz je w codzienność, okazuje się, że pod spodem stoi bardzo drogi przemysł.
I to jest moim zdaniem klucz. Nie kupujesz tylko odpowiedzi na ekranie. Korzystasz z systemu, który ktoś musi cały czas zasilać.
Jakie są ukryte koszty działania modeli AI
Za generowaniem tokenów nie stoi tylko model. Stoi cały fizyczny łańcuch kosztów.
Najpierw są serwerownie i ich budowa. Potem GPU, serwery, pamięć, sieć, magazyny danych i zasilanie awaryjne. Do tego dochodzi prąd, chłodzenie, woda, serwis, bezpieczeństwo, utrzymanie oraz tysiące ludzi: inżynierów, researcherów, operatorów, prawników, sprzedaży i całego zaplecza. To nie wygląda jak lekka aplikacja SaaS. To coraz bardziej przypomina przemysł ciężki ubrany w ładny interfejs.
Google podał, że w 2024 roku zużycie energii elektrycznej w jego data center wzrosło o 27% rok do roku wraz ze wzrostem biznesu i adopcji. Microsoft z kolei podał globalny wskaźnik dla swoich data center na poziomie 0,27 litra wody na 1 kWh w FY25. Sam ten zestaw pokazuje, że koszt AI to nie tylko chip. To również fizyka, infrastruktura i media.
Kto naprawdę finansuje rozwój i tani dostęp do AI
Ten rachunek oczywiście nie znika. On tylko ląduje gdzie indziej.
Reuters pisał, że Big Tech ma wydać ponad 600 mld dolarów na AI do 2026 roku. W tym samym materiale pojawiają się konkretne liczby: Alphabet zebrał około 31,5 mld dolarów długu, Amazon planował około 37 mld, a Oracle mówił o 45-50 mld dolarów finansowania. To już nie jest historia o małej subskrypcji. To jest historia o finansowaniu infrastruktury na skalę, która jeszcze chwilę temu kojarzyła się raczej z energetyką niż z czatem.
Rynek to widzi. Gdy Alphabet ogłosił plan 75 mld dolarów CAPEX na 2025 rok, akcje spadły około 8%. Inwestorzy nie przestraszyli się tego, że AI jest słabe. Przestraszyli się tego, że AI może być świetnym produktem i jednocześnie bardzo drogim biznesem.
Jak firmy AI obniżają koszty i co tracą po drodze
Oczywiście firmy nie będą biernie patrzeć na ten rachunek. Będą go ciąć wszędzie, gdzie się da.
Pomogą lepsze chipy, routing do tańszych modeli, cache, tryby auto i kwantyzacja czyli odchudzanie modelu i obniżanie precyzji po to, żeby działał szybciej i taniej. (trochę jak zdjęcia jpg)
Tylko że tu zawsze jest haczyk.
Model da się ścisnąć, przyspieszyć i obniżyć koszt, ale zwykle coś za to oddajesz. Czasem trochę jakości, czasem stabilność, czasem precyzję przy trudniejszych zadaniach. Na prostym czacie możesz tego prawie nie zauważyć. Przy kodzie, długim kontekście albo złożonym rozumowaniu różnica potrafi wyjść szybciej.
Najlepsze modele AI nie będą dla wszystkich
Czy z modelami AI będzie jak z iPhone’em? Czy dojdziemy do świata, w którym prawie każdy ma dostęp do topowego produktu, a milioner i zwykły człowiek używają w praktyce tego samego narzędzia?
Moim zdaniem jeszcze nie.
Telefon kupujesz raz. Model AI generuje koszt za każdym razem, gdy go używasz. Każde pytanie to prąd, serwery, chipy i czas. Dlatego ten rynek bardziej przypomina linie lotnicze niż smartfony. Niby wszyscy lecą w tym samym kierunku, ale nie siedzą w tej samej klasie.
- Jedni dostaną najmocniejsze modele, największy kontekst, najlepsze narzędzia i priorytet.
- Inni dostaną wersję tańszą, bardziej skompresowaną, wolniejszą albo bardziej ograniczoną.
- Jeszcze inni pójdą w open source i modele lokalne, bo dadzą niższy koszt, większą kontrolę i brak abonamentowej smyczy.
Czy tańsza energia może obniżyć koszt AI?
Tu jednak pojawia się kontrargument, którego nie warto ignorować. AI może ulepszyć nie tylko software, ale też znacznie większe rzeczy np. energetykę, materiały, chłodzenie, sieci i magazyny energii. Jeśli pomoże także przyspieszyć rozwój fuzji jądrowej, to w długim terminie prąd może stanieć. A wtedy spadłyby też koszty budowy data center, procesorów i samych modeli.
Tyle że tu trzeba zachować proporcje.
AI może pomóc szybszym dojściu do przełomów, ale sam nie załatwi sprawy. Tania energia z fuzji to nie tylko lepsze obliczenia, ale też bardzo trudny problem sprzętu, materiałów, stabilności plazmy i budowy całej infrastruktury.
Co dalej z cenami AI, open source i modelami lokalnymi
Dziś najbardziej prawdopodobny wydaje mi się świat warstw.
- Najlepsze modele będą droższe.
- Tańsze modele będą coraz mocniej optymalizowane.
- Open source będzie rósł.
- Modele lokalne będą miały sens tam, gdzie liczy się koszt, prywatność i niezależność.
- Najlepsze modele LLM będą premium, przynajmniej dopóki energia i infrastruktura nie stanieją naprawdę mocno.
Dlatego obecna cena abonamentu nie wygląda mi jak cena końcowa.
Wygląda raczej jak cena wejścia. Albo, mówiąc mniej elegancko, jak bardzo tania próbka, dzięki której rynek ma się przyzwyczaić do tego, że bez AI pracuje się już gorzej.
Spieszmy się kochać vibe coding. Za jakiś czas może już nie być tak lekko, tanio i przyjemnie. Jest to najlepszy moment na naukę i wykorzystanie Ai.
Jeśli podobają Ci się moje wpisy o Ai i finansach zapisz się na darmowy newsletter Paul Crow
FAQ – ile naprawdę kosztuje AI i abonament LLM
Ile naprawdę kosztuje korzystanie z AI przez API?
Policz rozliczone wejście, wejście z cache, wyjście i narzędzia według cennika wybranego modelu oraz trybu. Dla hipotetycznych 10 mln zwykłych tokenów wejściowych i 2 mln wyjściowych GPT-5.4 standardowy rachunek z przykładu wynosi 55 USD, przed dodatkowymi opłatami. To nie jest prognoza kosztu Twojego użycia.
Czy tańszy abonament oznacza, że dostawca dopłaca do użytkownika?
Nie można tego ustalić z samego cennika API. Abonament i API są inaczej rozliczane, mogą mieć różne limity oraz sposób obsługi. Cena detaliczna API nie ujawnia kosztów dostawcy. Wniosek o dopłacaniu wymaga osobnych danych o kosztach i przychodach.
Co najbardziej kosztuje firmy rozwijające AI?
Największe koszty to budowa i utrzymanie data center, GPU, energia elektryczna, chłodzenie, woda, sieć, bezpieczeństwo oraz bardzo drogie zespoły inżynierskie i badawcze które tworzą nowe modele i rozwiązania.
Czy kwantyzacja obniża koszt AI?
Tak. Kwantyzacja pomaga przyspieszyć model i obniżyć koszt działania, ale zwykle odbywa się to kosztem części jakości, stabilności albo precyzji przy trudniejszych zadaniach. Trochę jak zdjęcia jpg.
Czy AI stanie się kiedyś tak tania jak smartfony?
To możliwe, ale jeszcze nie teraz. Jeśli AI pomoże obniżyć koszt energii i infrastruktury, różnice mogą się zmniejszyć. Dziś jednak rynek bardziej przypomina model klas premium niż pełną równość dostępu.
Źródła
Abonament AI czy API? Co właściwie porównujesz?
Abonament daje dostęp do gotowej aplikacji. API pozwala podłączyć model do własnego programu lub automatyzacji. Sama cena odpowiedzi nie mówi jeszcze, ile będzie kosztować wykonanie całego zadania.
| Co porównać | Abonament | API |
|---|---|---|
| Rozliczenie | Opłata za okres i limity wybranego planu. | Opłata według użycia, modelu i uruchomionych narzędzi. |
| Sposób pracy | Rozmawiasz z modelem w aplikacji. | Program wysyła żądania i odbiera wyniki. |
| Dodatkowa praca | Przygotowanie materiałów, poprawki i sprawdzanie odpowiedzi. | Także integracja, obsługa błędów i pilnowanie kosztów. |
Przykład: chcesz poprawić jeden tekst. W gotowej aplikacji możesz wkleić go ręcznie. Jeśli codziennie obrabiasz pliki z formularza, API pozwala zbudować taki proces bez ręcznego wklejania. Trzeba jednak poświęcić czas na jego uruchomienie i sprawdzanie wyników.
Porównaj ten sam zestaw zadań: ile kosztował, ile zajął czasu i ile odpowiedzi wymagało poprawy. Model o tej samej nazwie nie oznacza identycznych funkcji aplikacji i API. W przypadku OpenAI ChatGPT i API mają oddzielne rozliczenia. Abonament ChatGPT nie pokrywa rachunku API.
Dyskusja
11 komentarzy
Bez punktów i rankingów. Jeśli tekst uruchomił Ci jakąś myśl, zostaw ją dla kolejnej osoby.
dzięki Paul za kolejny wpis, pozdrawiam serdecznie – jak zawsze precyzyjnie zbadany temat – jak kiedyś allegro
Dziękuję Paul za ten materiał.
Kolejny super wpis i materiał. Czytam wszystkie 🙂
PS znalazłem jedno zdanie chyba błąd logiczny :
Im więcej kodujesz, tworzysz i mielisz długie sesje, tym mniej przypominasz zwykłego klienta abonamentowego, a tym bardziej koszt infrastruktury.
Dzieki za Twoj czas i wykonana prace.
dzięki
Ciekawy wpis, ciekawe czy ten wzrost kosztów i pewnie utrata klientów zwiększy dochodowość interesu. Dzięki
zysk musi być, albo podnosimy ceny, albo skalę, na ten moment trudno o skalę prąd i data center, ale może przyśpieszą wynalzki i nowe rozwiazania ale na to potrzeba też czasu
Na Twoje wpisy się czeka..
Dziękuję 🙂
dziękuje miło to słyszeć
Ai uczknie trochę dla siebie całego zysku firm które jej używają. Z czasem ceny wzrosną i będziemy narzekać jak na wzrosty cen abo w Netflix. I ostatnia rzecz która wydaje mi się prawdopodobna: ai nie spowoduje przełomu i ceny za ai znacznie nie spadną nigdy. Modele będą dążyć do skalowania się na tym samym lub większym prądzie. Skoro są wzorowane na ludziach to nie oddadzą swych zasobów. Chyba że to nadal nie będzie prawdziwa inteligencja.
najnowszy model jest o 30% lepszy i może pracować około 8h jak człowiek, jest tak dobry że anthropic nei chce go wypuścić bo jest w stanie hakować w związku z czym najnowszy model stanowi zagrożenie. zacytuje: „Nowy model, o którym mowa, to Claude Mythos 2 Preview (często określany w skrócie jako Mythos Preview)
. Jest to nieopublikowany, potężny model ogólnego przeznaczenia („frontier model”) firmy Anthropic, który posiada niezwykle zaawansowane zdolności w zakresie programowania i analitycznego wnioskowania
Zagrożenie z jego strony wynika przede wszystkim z faktu, że model ten osiągnął poziom, na którym potrafi przewyższyć niemal wszystkich ludzkich ekspertów w znajdowaniu i wykorzystywaniu luk w oprogramowaniu
Oto najważniejsze szczegóły obrazujące skalę zagrożenia i możliwości tego modelu:
Autonomiczne odkrywanie luk „zero-day”: Mythos Preview w krótkim czasie zidentyfikował tysiące nieznanych wcześniej, krytycznych luk w zabezpieczeniach (tzw. zero-day) w każdym głównym systemie operacyjnym i we wszystkich najważniejszych przeglądarkach internetowych
. Co kluczowe, model potrafi nie tylko odnaleźć błąd, ale także całkowicie autonomicznie, bez żadnego sterowania ze strony człowieka, opracować wyrafinowane sposoby (exploity) na jego wykorzystanie
Dostrzeganie błędów, które umykały ludziom przez dekady: Model potrafi odnaleźć luki, które przetrwały dziesięciolecia audytów bezpieczeństwa i miliony zautomatyzowanych testów
Znalazł między innymi 27-letnią lukę w słynącym z bezpieczeństwa systemie OpenBSD (umożliwiającą zdalne zablokowanie maszyny), 16-letni błąd w narzędziu wideo FFmpeg, a także samodzielnie połączył w łańcuch kilka pomniejszych błędów w jądrze Linuxa, co w efekcie pozwalało na przejęcie całkowitej kontroli nad serwerem
„