Ekonomia tokenów: skąd naprawdę biorą się koszty agentów AI

Ekonomia tokenów w przypadku agentów AI to mechanizm kosztowy, w którym każde uruchomienie agenta jest rozliczane według zużytych tokenów: wejściowych, wyjściowych, z cache i tokenów rozumowania. W przeciwieństwie do chatbota agenci zwielokrotniają zużycie przez wieloetapowe pętle, wywołania narzędzi i subagentów. Kalkulacja oparta na cenie tokenu za zapytanie wielokrotnie zaniża przez to rzeczywiste koszty produkcyjne. Jeśli planujesz budżet agenta, musisz zrozumieć ten mechanizm, inaczej w Twojej kalkulacji zabraknie największej części rachunku.

• Jednostką rozliczeniową są tokeny, nie zapytania. Według stanu na 2026 rok jedno zapytanie użytkownika do agenta generuje zwykle od 5 do 20 wywołań LLM. Każde z nich kosztuje od nowa.
• Wyjście i rozumowanie są drogie, wejście z cache jest tanie. Wyjście kosztuje w Claude pięć razy więcej niż wejście, w GPT-5.5 sześć razy więcej; ponownie wykorzystany kontekst (cache) kosztuje u Anthropic najwyżej 10%.
• Tokeny API rzadko stanowią więcej niż 30–50% kosztów całkowitych. Resztę napędzają baza wektorowa, obserwowalność, moc obliczeniowa i compliance.

Cztery rodzaje tokenów i sposób ich rozliczania

Każde wywołanie LLM dzieli się na grupy tokenów o różnych cenach. Kto patrzy tylko na wyjście, systematycznie niedoszacowuje wejścia, bo agent przy każdym kroku ponownie ciągnie ze sobą prompt systemowy, definicje narzędzi i rosnący kontekst.

• Tokeny wejściowe obejmują wszystko, co trafia do modelu: prompt systemowy, definicje narzędzi, pobrany kontekst RAG, historię rozmowy i samo zapytanie. Workflow z pięcioma zdefiniowanymi narzędziami po 150 tokenów dodaje tylko z tego tytułu 750 tokenów wejściowych do każdego zapytania.
• Tokeny wyjściowe to wygenerowana odpowiedź. Według cennika Anthropic we wszystkich modelach Claude kosztują pięć razy więcej niż wejście, w GPT-5.5 sześć razy więcej. Claude Sonnet 4.6 kosztuje na przykład 3 USD za wejście wobec 15 USD za wyjście na milion tokenów.
• Tokeny wejściowe z cache to ponownie wykorzystywany, stały kontekst. Anthropic nalicza odczyt z cache, zgodnie ze swoim cennikiem, po 0,1-krotności ceny bazowej (90% rabatu), w Opus 5.5 i Sonnet 5.5 po 0,05-krotności, a w Fable 5.1 i Mythos 5.1 po 0,025-krotności. OpenAI w rodzinie GPT-5.x nalicza około 10% ceny bazowej. To najskuteczniejsza dźwignia kosztowa wprowadzona od początku rozliczeń opartych na zużyciu.
• Tokeny rozumowania powstają podczas wewnętrznego rozumowania modeli rozumujących. Według stanu na 2026 rok OpenAI i Anthropic rozliczają je po prostu według stawki za tokeny wyjściowe. Praktyczny skutek: wywołanie z 20 000 tokenów rozumowania kosztuje przy 25 USD/mln tokenów wyjściowych około 0,50 USD za samo myślenie, zanim powstanie choćby jedno widoczne słowo.

Mnożnik: dlaczego przy agentach zużycie eksploduje

Decydującą różnicą w porównaniu z chatbotem nie jest cena tokenu, lecz liczba wywołań. Jedno zapytanie użytkownika, które w 2023 roku oznaczało jeszcze jedno wywołanie modelu, w 2026 roku rutynowo przekłada się na łańcuch: planner, wybór narzędzia, interpretacja wyniku narzędzia, decyzja o następnym kroku, formatowanie wyjścia, często z jawnymi pętlami weryfikacji. To od 5 do 20 wywołań. Kaskady subagentów podbijają tę liczbę czasem do 50 i więcej.

Nakładają się trzy mnożniki:

• Wykonanie wieloetapowe zwiększa zużycie od 5 do 20 razy w porównaniu z pojedynczym wywołaniem, zależnie od liczby kroków. Każde wywołanie narzędzia to osobne wywołanie completion z własnym kontekstem.
• Fan-out subagentów zwiększa zużycie tokenów od 3 do 10 razy w porównaniu z pojedynczym agentem. Każdy subagent to osobne wywołanie completion z własnym oknem kontekstowym i własnymi definicjami narzędzi.
• Niepowodzenia i ponowienia dokładają mnożnik od 1,3 do 3 przy słabej weryfikacji. Agentowe workflow, które kończą się błędem i startują od nowa, spalają po drodze tokeny.

Do tego dochodzi wzrost kontekstu: z każdym krokiem rośnie historia rozmowy, za którą płaci się ponownie jako za wejście. Długie konteksty są podwójnie drogie: powyżej 200 000 tokenów kilku dostawców (modele Gemini Pro, OpenAI GPT-5.5 od 272 000 tokenów) nalicza dopłatę: 2-krotność stawki za wejście i 1,5-krotność stawki za wyjście. Bezrefleksyjne zapychanie okna kontekstowego rzadko jest więc tanim rozwiązaniem.

Ukryte koszty: rachunek pod linią API

Przy agentowym obciążeniu w skali korporacji linia tokenów API rzadko stanowi więcej niż 30–50% kosztów całkowitych (TCO). Budżety, które uwzględniają tylko cennik dostawcy modelu, systematycznie pomijają co najmniej połowę rachunku. Poniższe pozycje to najczęstsze ślepe punkty w regionie DACH, czyli w Niemczech, Austrii i Szwajcarii (udziały orientacyjne dla reprezentatywnego obciążenia korporacyjnego, stan na 2026 rok):

Ukryte pozycje w liczbach: baza wektorowa i embeddingi to 5–15% kosztów całkowitych, obserwowalność 2–8%, moc obliczeniowa i sandbox 10–25%. W regionie DACH dochodzą czynniki, których nie znają budżety w USA: dopłata za region UE w wysokości około 10%, dopłata za suwerenność (cena od 1,5 do 3 razy wyższa) oraz bieżące koszty compliance, realistycznie od 5000 do 20 000 euro rocznie na każdego aktywnego kontrahenta. Te czynniki specyficzne dla regionu DACH podnoszą koszty całkowite o 15–35% względem analogicznego obciążenia w USA.

Dźwignia wyboru modelu: mały, duży czy z routingiem

Nie każdy krok potrzebuje najdroższego modelu. Drugą co do wielkości dźwignią FinOps po cache'owaniu jest routing: tani model jako standard, drogi tylko przy mierzalnej luce. Rozpiętość cen jest znaczna (stan na 2026 rok): według cennika Anthropic Claude Haiku 4.5 kosztuje 1 USD za wejście / 5 USD za wyjście na milion tokenów, Sonnet 4.6: 3 / 15, Opus 4.6: 5 / 25; GPT-5.5 według OpenAI kosztuje 5 / 30. Na samym dole jest Claude Haiku 5.5 z ceną 0,10 / 0,50 USD dla promptów do 100 000 tokenów, czyli jedna pięćdziesiąta ceny Opus 4.6. DeepSeek za V4.1 Flash bierze według cennika 0,15 USD za wejście, w godzinach szczytu 0,30 USD, ale przez API hostowane w Chinach.

W 2026 roku Anthropic sformalizował wzorzec routingu w postaci Advisor Tool (beta od 9 kwietnia 2026 roku): Sonnet lub Haiku jako wykonawca, Opus jako doradca włączany w razie potrzeby, wszystko w jednym wywołaniu API. Opublikowane benchmarki pokazują, jak silna jest ta dźwignia: Sonnet z Opusem jako doradcą osiągnął 74,8% w SWE-bench Multilingual, sam Sonnet 72,1%. Mimo to koszt jednego zadania agentowego spadł o 11,9% w porównaniu z samym Sonnetem. Haiku z Opusem jako doradcą podwoił wynik w BrowseComp (z 19,7 do 41,2%) przy kosztach o 85% niższych niż sam Sonnet.

Trzeźwa reguła kciuka, która za tym stoi: najtańszy model, który przechodzi ewaluację, jest właściwym modelem. W cenie katalogowej Opus 4.6 (5 / 25 USD) jest około 1,7 raza droższy od Sonnet 4.6 (3 / 15 USD); w generacji 5.5 (Opus 5.5 za 4 / 20, Sonnet 5.5 za 2 / 10 USD) współczynnik wynosi 2. Czy ta dopłata się opłaca, pokazuje dopiero ewaluacja na konkretnym workflow. Zespoły, które routują według wyników ewaluacji, a nie intuicji, obniżają koszty modeli zwykle o 30–60% bez utraty jakości.

Przykład obliczeń: 1000 uruchomień agenta

Konkretnie, według stawek Sonnet 4.6 (3 USD za wejście / 15 USD za wyjście na milion tokenów, stan na 2026 rok, ceny zmienne). Załóżmy agenta do researchu, który wykonuje średnio 8 wywołań LLM na uruchomienie, każde z 4000 tokenów wejściowych i 800 tokenów wyjściowych.

Bez optymalizacji, bez cache:

• Wejście: 1000 uruchomień x 8 wywołań x 4000 tokenów = 32 mln tokenów x 3 USD = 96 USD
• Wyjście: 1000 x 8 x 800 = 6,4 mln tokenów x 15 USD = 96 USD
• Bezpośrednie koszty tokenów: około 192 USD na 1000 uruchomień

Przy 80% trafień w cache na całym prefiksie promptu (prompt systemowy, definicje narzędzi i dotychczasowa historia): w Sonnet 4.6 trafienie w cache kosztuje według cennika Anthropic 0,30 USD za milion zamiast 3 USD, czyli jedną dziesiątą. Za pozostałe 20% płacisz cenę bazową albo, jeśli są na nowo zapisywane w cache, 1,25-krotność tej ceny (cache 5-minutowy). Koszty wejścia spadają więc z 96 do około 27–32 USD, wyjście pozostaje bez zmian. Łącznie: około 123–128 USD, czyli oszczędność rzędu jednej trzeciej tylko dzięki cache'owaniu.

Jeśli do tego 60% wywołań trafia przez routing do Haiku 4.5 (1 / 5 USD) zamiast do Sonnet 4.6, bo pozwala na to ewaluacja, bezpośrednia linia kosztów spada dalej, do około 70–80 USD na 1000 uruchomień. A to tylko linia API. Po doliczeniu bazy wektorowej, obserwowalności i operacji compliance rzeczywiste koszty całkowite znów są wyraźnie wyższe. Właśnie dlatego limity tokenów na workflow (max_iterations, max_tool_calls, max_sub_agent_depth) są w 2026 roku standardem governance: zapobiegają temu, by jedno wymykające się spod kontroli uruchomienie rozsadziło całą kalkulację.

FinOps i zabezpieczenia budżetowe

Skuteczne działania nie są wiedzą tajemną, tylko praktyką inżynierską. Łącznie dobrze opomiarowany program FinOps zapewnia redukcję kosztów o 60–80% względem niezoptymalizowanego punktu wyjścia:

• Agresywne cache'owanie promptów jako największa pojedyncza dźwignia: 60–90% trafień w cache na prefiksie promptu obniża koszty wejścia o około 50–80%, bo trafienie w cache kosztuje w większości modeli Claude jedną dziesiątą ceny bazowej. Cache 5-minutowy zwraca się po pierwszym odczycie, 1-godzinny po drugim.
• Routing oparty na ewaluacjach przez LiteLLM, OpenRouter lub Portkey: tani model jako domyślny, wzorce advisor lub eskalacji dla trudnych przypadków.
• Batch API dla obciążeń, które nie wymagają czasu rzeczywistego, z ryczałtowym rabatem 50%, który można łączyć z cache'owaniem. Zapytanie wsadowe z cache może w ten sposób spaść do 5% standardowej ceny.
• Budżet tokenów na workflow z twardymi limitami i przypisaniem kosztów do klienta, zespołu lub workflow. Bez takiego przypisania FinOps nie odpowie na jedyne pytanie, które zadaje CFO: która jednostka biznesowa generuje ten rachunek?
• Fallback na modele open-weight dla zadań z długiego ogona (streszczanie, klasyfikacja, prosta ekstrakcja): w Europie przez dostawców hostowanych w UE, takich jak Together AI (region UE) czy DeepInfra Frankfurt, ponieważ hostowane w Chinach bezpośrednie API DeepSeek odpada w przypadku obciążeń podlegających RODO.

Dla agencji i decydentów B2B

Jeśli produkcyjnie korzystasz z agentów AI w Europie albo budujesz je dla klientów, warto uczynić ekonomię tokenów swoją kluczową kompetencją, bo największe dźwignie kosztowe nie leżą w umowie, lecz we wdrożeniu technicznym. Działy zakupów, które walczą o pięć procent rabatu ilościowego, tracą gdzie indziej pięćdziesiąt procent. Dla agencji oznacza to: przypisanie kosztów do klienta przez Helicone lub Portkey, przejrzyste przenoszenie kosztów z jasną marżą za złożoność operacyjną (10 kontrahentów to 10 łańcuchów umów powierzenia) oraz suwerenny hosting jako pakiet premium dla klientów objętych RODO.

W B2B obowiązuje zasada: wybór modelu oparty na ewaluacjach, cache'owanie od pierwszego dnia, limity tokenów na workflow i ścieżka wyjścia do dostawców open-weight dla każdego obciążenia, które przekracza rozsądny próg miesięczny. Blck Alpaca z Wiednia wspiera firmy w całej Europie właśnie w tej kalkulacji: od architektury workflow, przez zabezpieczenia FinOps, po suwerenne wdrożenie. Uwaga: wszystkie ceny w tym artykule odzwierciedlają stan na 2026 rok i są zmienne; przedziały cenowe przesuwają się co kwartał i przed każdą decyzją budżetową należy sprawdzić je w aktualnej dokumentacji dostawców.