Token-Economics: Ako naozaj vznikajú náklady na AI agentov

Token-Economics pri AI agentoch označuje nákladovú mechaniku, pri ktorej sa každý beh agenta účtuje podľa spotrebovaných tokenov: vstupných (input), výstupných (output), cachovaných (cached) a reasoning tokenov. Na rozdiel od chatbota agenti znásobujú spotrebu viackrokovými slučkami, volaniami nástrojov (tool calls) a subagentmi. Kalkulácia podľa ceny tokenu na jednu požiadavku tým podceňuje reálne produkčné náklady mnohonásobne. Ak plánuješ rozpočet na agentov, musíš túto mechaniku poznať, inak ti v kalkulácii chýba najväčšia časť účtu.

• Zúčtovacou jednotkou sú tokeny, nie požiadavky. Jedna požiadavka používateľa na agenta vyvolá k roku 2026 typicky 5 až 20 volaní LLM. Každé z nich sa platí znova.
• Výstup a reasoning sú drahé, cachovaný vstup je lacný. Výstup stojí pri Claude päťnásobok vstupu, pri GPT-5.5 šesťnásobok; opakovane použitý kontext (cache) pri Anthropic najviac 10 %.
• Tokeny API tvoria zriedka viac než 30 až 50 % celkových nákladov. Zvyšok ženú hore vektorové úložisko, observability, výpočtový výkon a compliance.

Štyri druhy tokenov a ako sa účtujú

Každé volanie LLM sa delí na skupiny tokenov s rôznou cenou. Kto sleduje len výstup, systematicky podceňuje vstup, pretože agent pri každom kroku znova nesie so sebou systémový prompt, definície nástrojov a rastúci kontext.

• Vstupné tokeny (input) zahŕňajú všetko, čo ide do modelu: systémový prompt, definície nástrojov, načítaný kontext z RAG, históriu konverzácie a samotnú požiadavku. Workflow s piatimi definovanými nástrojmi po 150 tokenoch už len tým pridá 750 vstupných tokenov ku každej požiadavke.
• Výstupné tokeny (output) sú vygenerovaná odpoveď. Podľa cenníka Anthropic stoja pri všetkých modeloch Claude päťnásobok vstupu, pri GPT-5.5 šesťnásobok. Napríklad Claude Sonnet 4.6 stojí 3 USD za vstup oproti 15 USD za výstup na milión tokenov.
• Cachované vstupné tokeny (cached input) sú opakovane použitý, stabilný kontext. Anthropic podľa cenníka účtuje čítanie z cache za 0,1-násobok základnej ceny (zľava 90 %), pri modeloch Opus 5.5 a Sonnet 5.5 za 0,05-násobok, pri modeloch Fable 5.1 a Mythos 5.1 za 0,025-násobok. OpenAI pri rodine GPT-5.x účtuje približne 10 % základnej ceny. Je to najúčinnejšia nákladová páka, ktorá pribudla od začiatku účtovania podľa spotreby.
• Reasoning tokeny vznikajú pri internom uvažovaní reasoning modelov. OpenAI aj Anthropic ich k roku 2026 jednoducho účtujú v sadzbe za výstup. Praktický dôsledok: volanie s 20 000 reasoning tokenmi stojí pri cene 25 USD/mil. za výstup približne 0,50 USD len za uvažovanie, skôr než model vygeneruje jediné viditeľné slovo.

Multiplikátor: prečo spotreba pri agentoch exploduje

Rozhodujúci rozdiel oproti chatbotu nie je cena tokenu, ale počet volaní. Jedna požiadavka používateľa, ktorá bola v roku 2023 ešte jedným volaním modelu, sa v roku 2026 bežne mení na reťazec: plánovač, výber nástroja, interpretácia výsledku nástroja, rozhodnutie o ďalšom kroku, formátovanie výstupu, často s explicitnými overovacími slučkami. To je 5 až 20 volaní. Kaskády subagentov to občas vyženú na 50 a viac.

Vrstvia sa na seba tri multiplikátory:

• Viackrokové vykonávanie zvyšuje spotrebu oproti jednému volaniu 5- až 20-násobne, podľa počtu krokov. Každé volanie nástroja je samostatné volanie modelu (completion) s vlastným kontextom.
• Vetvenie na subagentov (fan-out) zvyšuje spotrebu tokenov 3- až 10-násobne oproti jednému agentovi. Každý subagent je samostatné volanie modelu (completion) s vlastným kontextovým oknom a vlastnými definíciami nástrojov.
• Zlyhania a opakovania (retry) pridávajú pri slabej verifikácii 1,3- až 3-násobok. Agentické workflowy, ktoré zlyhajú a začnú odznova, spaľujú tokeny už cestou k zlyhaniu.

K tomu sa pridáva rast kontextu: s každým krokom rastie história konverzácie, ktorá sa ako vstup platí znova. Dlhé kontexty sú drahé z dvoch dôvodov: nad 200 000 tokenov účtuje viacero poskytovateľov (modely Gemini Pro, OpenAI GPT-5.5 od 272 000 tokenov) prirážku vo výške 2-násobku ceny za vstup a 1,5-násobku ceny za výstup. Naivné plnenie kontextového okna až po okraj preto zriedka býva lacným riešením.

Skryté náklady: účet nad rámec API

Pri agentickej záťaži v rozsahu koncernu tvorí položka tokenov API zriedka viac než 30 až 50 % celkových nákladov (TCO). Rozpočty, ktoré rátajú len s cenníkom poskytovateľa modelu, systematicky nezachytia aspoň polovicu účtu. Nasledujúce položky sú v regióne DACH najčastejšími slepými miestami (podiely ako orientačná hodnota pre reprezentatívnu koncernovú záťaž, stav 2026):

Skryté položky v číslach: vektorové úložisko a embeddingy tvoria 5 až 15 % celkových nákladov, observability 2 až 8 %, výpočtový výkon a sandbox 10 až 25 %. V regióne DACH pribúdajú faktory, ktoré americké rozpočty nepoznajú: prirážka za región EÚ približne 10 %, príplatok za suverenitu vo výške 1,5- až 3-násobku a priebežné náklady na compliance realisticky 5 000 až 20 000 eur ročne na každého aktívneho zmluvného partnera. Tieto faktory špecifické pre DACH zvyšujú celkové náklady o 15 až 35 % oproti porovnateľnej záťaži v USA.

Páka voľby modelu: malý, veľký alebo routovaný

Nie každý krok potrebuje najdrahší model. Druhou najväčšou pákou FinOps po cachingu je routing: lacný model ako štandard, drahý len tam, kde je merateľný rozdiel. Cenové rozpätie je značné (stav 2026): podľa cenníka Anthropic je Claude Haiku 4.5 na úrovni 1 USD za vstup / 5 USD za výstup na milión tokenov, Sonnet 4.6 na 3 / 15, Opus 4.6 na 5 / 25; GPT-5.5 je podľa OpenAI na 5 / 30. Na spodnom konci je Claude Haiku 5.5 s 0,10 / 0,50 USD pri promptoch do 100 000 tokenov, teda päťdesiatina ceny modelu Opus 4.6. DeepSeek si za V4.1 Flash podľa cenníka účtuje 0,15 USD za vstup, v špičke 0,30 USD, avšak cez API hostované v Číne.

Anthropic k roku 2026 sformalizoval vzor routingu nástrojom Advisor Tool (beta od 9. apríla 2026): Sonnet alebo Haiku ako vykonávateľ, Opus ako poradca pripájaný podľa potreby, a to v jedinom volaní API. Zverejnené benchmarky ukazujú, aká silná je táto páka: Sonnet s poradcom Opus dosiahol 74,8 % v SWE-bench Multilingual, samotný Sonnet 72,1 %. Náklady na jednu agentickú úlohu napriek tomu klesli o 11,9 % oproti samotnému Sonnetu. Haiku s poradcom Opus zdvojnásobil skóre v BrowseComp (z 19,7 na 41,2 %) pri o 85 % nižších nákladoch než samotný Sonnet.

Triezve pravidlo, ktoré za tým stojí: najlacnejší model, ktorý prejde evalom, je ten správny model. Pri cenníkovej cene je Opus 4.6 (5 / 25 USD) zhruba 1,7-krát drahší než Sonnet 4.6 (3 / 15 USD); v generácii 5.5 (Opus 5.5 za 4 / 20, Sonnet 5.5 za 2 / 10 USD) je to faktor 2. Či sa tento príplatok oplatí, ukáže až eval na konkrétnom workflowe. Tímy, ktoré routujú podľa výsledku evalu namiesto podľa pocitu, znižujú náklady na modely typicky o 30 až 60 % bez straty kvality.

Príklad výpočtu: 1 000 behov agenta

Konkrétne so sadzbami modelu Sonnet 4.6 (3 USD za vstup / 15 USD za výstup na milión, stav 2026, volatilné). Predpokladajme rešeršného agenta s priemerne 8 volaniami LLM na beh, pri každom 4 000 vstupných a 800 výstupných tokenov.

Bez optimalizácie, bez cachingu:

• Vstup: 1 000 behov x 8 volaní x 4 000 tokenov = 32 mil. tokenov x 3 USD = 96 USD
• Výstup: 1 000 x 8 x 800 = 6,4 mil. tokenov x 15 USD = 96 USD
• Priame náklady na tokeny: približne 192 USD na 1 000 behov

S mierou zásahov cache 80 % na celom prefixe promptu (systémový prompt, definície nástrojov a doterajšia história): zásah v cache stojí pri modeli Sonnet 4.6 podľa cenníka Anthropic 0,30 USD na milión namiesto 3 USD, teda desatinu. Za zvyšných 20 % platíš základnú cenu, alebo ak sa do cache zapisujú nanovo, 1,25-násobok (5-minútová cache). Náklady na vstup tak klesnú z 96 na približne 27 až 32 USD, výstup zostáva. Spolu: približne 123 až 128 USD, teda úspora zhruba tretiny len vďaka cachingu.

Ak potom ešte 60 % volaní pôjde cez routing na Haiku 4.5 (1 / 5 USD) namiesto Sonnetu 4.6, pretože to eval dovolí, priame náklady klesnú ďalej k 70 až 80 USD na 1 000 behov. A to je len položka API. Ak pripočítaš vektorové úložisko, observability a prevádzku compliance, reálne celkové náklady sú opäť výrazne vyššie. Práve preto sú limity tokenov na workflow (max_iterations, max_tool_calls, max_sub_agent_depth) k roku 2026 štandardom governance: zabránia tomu, aby jediný beh, ktorý sa vymkne kontrole, rozbil celú kalkuláciu.

FinOps a rozpočtové mantinely

Účinné opatrenia nie sú tajné know-how, ale inžinierska prax. Dobre inštrumentovaný program FinOps ich kombinuje a dosiahne zníženie nákladov o 60 až 80 % oproti neoptimalizovanému východiskovému stavu:

• Agresívny prompt caching ako najväčšia samostatná páka: miera zásahov cache 60 až 90 % na prefixe promptu znižuje náklady na vstup približne o 50 až 80 %, pretože zásah v cache stojí pri väčšine modelov Claude desatinu základnej ceny. 5-minútová cache sa amortizuje po prvom čítaní, 1-hodinová po druhom.
• Routing riadený evalmi cez LiteLLM, OpenRouter alebo Portkey: lacný model ako predvolený, vzor advisor alebo eskalácia pre ťažké prípady.
• Batch API pre záťaže, ktoré nebežia v reálnom čase, s paušálnou zľavou 50 %, kombinovateľnou s cachingom. Cachovaná dávková požiadavka tak môže klesnúť na 5 % štandardnej ceny.
• Rozpočet tokenov na workflow s pevnými limitmi a priraďovaním nákladov na klienta (tenant), tím alebo workflow. Bez tohto priraďovania FinOps nedokáže odpovedať na jedinú otázku finančného riaditeľa (CFO): ktorá obchodná jednotka spôsobuje tento účet?
• Záložné open-weight modely (fallback) pre záťaže z dlhého chvosta (sumarizácia, klasifikácia, jednoduchá extrakcia): v regióne DACH cez poskytovateľov hostovaných v EÚ, napríklad Together AI v regióne EÚ alebo DeepInfra vo Frankfurte, keďže priame API DeepSeek hostované v Číne pre záťaže viazané na GDPR neprichádza do úvahy.

Pre agentúry a rozhodujúcich manažérov v B2B

Kto v regióne DACH prevádzkuje AI agentov v produkcii alebo ich stavia pre klientov, mal by z token-ekonómie urobiť kľúčovú kompetenciu, pretože najväčšie nákladové páky neležia v zmluve, ale v technickej realizácii. Nákupné tímy, ktoré bojujú o päť percent množstevnej zľavy, inde prichádzajú o päťdesiat percent. Pre agentúry to znamená: priraďovanie nákladov ku klientom cez Helicone alebo Portkey, transparentné prenášanie nákladov s jasnou maržou za prevádzkovú zložitosť (10 zmluvných partnerov znamená 10 reťazcov zmlúv DPA) a suverénny hosting ako prémiovú úroveň pre klientov viazaných na GDPR.

Pre B2B platí: voľba modelu na základe evalov, caching od prvého dňa, limity tokenov na workflow a úniková cesta k open-weight poskytovateľom pre každú záťaž, ktorá prekročí rozumný mesačný prah. Blck Alpaca z Viedne sprevádza firmy v regióne DACH práve pri tejto kalkulácii: od architektúry workflowov cez mantinely FinOps až po suverénne nasadenie. Poznámka: všetky ceny v tomto článku sú k roku 2026 a sú volatilné; cenové pásma sa posúvajú každý štvrťrok a pred každým rozpočtovým rozhodnutím ich treba overiť v aktuálnej dokumentácii poskytovateľa.