---
title: "Token-Economics: Ako naozaj vznikajú náklady na AI agentov"
description: "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 reas…"
locale: "sk"
canonical: "https://blckalpaca.at/sk/vedomosti/ai-agenti/budovanie-infrastruktury-ai-agentov/token-economics-ako-naozaj-vznikaju-naklady-na-ai-agentov"
category: "AI agenti"
topic: "Budovanie infraštruktúry AI agentov"
updated: "2026-10-17T15:36:04.336Z"
source: "Blck Alpaca e.U., blckalpaca.at"
---

# 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 preto podceňuje reálne produkčné náklady mnohonásobne.

## Na prvý pohľad

- Jeden beh agenta v roku 2026 typicky vyvolá 5 až 20 volaní LLM (plánovač, volanie nástroja, vyhodnotenie, verifikácia). Kaskády subagentov zvyšujú spotrebu tokenov navyše 3- až 10-násobne.
- Účet určujú štyri druhy tokenov: vstup, výstup (drahší), cachovaný vstup (pri Anthropic aspoň o 90 % lacnejší) a reasoning tokeny (účtujú sa v sadzbe za výstup).
- Tokeny API tvoria zriedka viac než 30 až 50 % celkových nákladov (TCO). Zvyšok pripadá na vektorové úložisko, observability, výpočtový výkon a compliance.
- Prompt caching je v roku 2026 najväčšia páka FinOps: miera zásahov cache 60 až 90 % znižuje náklady na vstup približne o 50 až 80 %.
- Routing modelov riadený evalmi (malý model ako predvolený, veľký len vtedy, keď malý merateľne nestačí) ušetrí 30 až 60 % bez straty kvality.
- Všetky ceny sú k roku 2026 volatilné. Rozpočtové mantinely, napríklad limity tokenov na workflow, sú povinnosť, nie nadštandard.

[Token](https://blckalpaca.at/sk/slovnik/token)-Economics pri [AI](https://blckalpaca.at/sk/slovnik/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](https://blckalpaca.at/sk/vedomosti/ai-agenti/co-su-ai-agenti/reasoning-a-planning-agentov). 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](https://blckalpaca.at/sk/slovnik/llm). Každé z nich sa platí znova.
- **Výstup a reasoning sú drahé, cachovaný vstup je lacný.** Výstup stojí pri Claude päťnásobok vstupu, pri [GPT](https://blckalpaca.at/sk/slovnik/gpt)-5.5 šesťnásobok; opakovane použitý kontext (cache) pri Anthropic najviac 10 %.
- **Tokeny [API](https://blckalpaca.at/sk/slovnik/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](https://blckalpaca.at/sk/slovnik/agent) pri každom kroku znova nesie so sebou [systémový prompt, definície nástrojov a rastúci kontext](https://blckalpaca.at/sk/vedomosti/ai-agenti/prompt-engineering-pre-agentov/system-prompts-design-patterns).

- **Vstupné tokeny (input)** zahŕňajú všetko, čo ide do modelu: systémový [prompt](https://blckalpaca.at/sk/slovnik/prompt), definície nástrojov, načítaný kontext z [RAG](https://blckalpaca.at/sk/slovnik/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](https://platform.claude.com/docs/en/about-claude/pricing) stoja pri všetkých modeloch Claude päťnásobok vstupu, pri [GPT-5.5](https://developers.openai.com/api/docs/pricing) 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](https://platform.claude.com/docs/en/about-claude/pricing) 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](https://blckalpaca.at/sk/slovnik/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](https://blckalpaca.at/sk/vedomosti/ai-agenti/prehlad-architektur-ai-agentov/plan-and-execute-architektur), 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**](https://blckalpaca.at/sk/vedomosti/ai-agenti/zaklady-llm-pre-ai-agentov/tokenizacia-a-kontextove-okno-co-pohana-latenciu-a-naklady-agenta): 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):

| Hnací faktor nákladov | Príčina | Páka |
| --- | --- | --- |
| Priame tokeny modelu | vstup, výstup, reasoning na volanie | caching, routing, voľba modelu na základe evalov |
| Kaskáda volaní nástrojov | 5 až 20 volaní LLM na požiadavku | max\_iterations a max\_tool\_calls ako pevný limit |
| Vetvenie na subagentov | každé volanie subagenta (completion) zvlášť | vzor advisor namiesto plnej kaskády subagentov |
| Slučky opakovaní (retry) | slabá verifikácia, neúspešné behy | lepšia verifikácia, rozpočet tokenov na trace |
| Nepriame náklady na model | definície nástrojov ako vstup pri každom volaní (5 nástrojov = 750 tokenov) | cachovať definície nástrojov, zoštíhliť výstupné schémy |
| Vektorové úložisko a embeddingy | úložisko pre RAG, generovanie embeddingov, dopyty | self-hosted Qdrant namiesto spravovanej služby; cielený retrieval |
| Výpočtový výkon a sandbox | kontajnery, minúty VM pre agentov na programovanie a prácu s nástrojmi | spúšťať len pri skutočnej potrebe |
| Observability | monitoring spotreby tokenov | self-hosted Langfuse namiesto Datadogu v rozsahu koncernu |
| Prirážka za región EÚ | približne 10 % (OpenAI na [endpointoch s data residency](https://developers.openai.com/api/docs/pricing) v EÚ, pre modely vydané od 5. marca 2026) | stabilná záťaž (steady state) v EÚ, špičky (burst) do USA, kde to [GDPR](https://blckalpaca.at/sk/slovnik/gdpr) dovoľuje |
| Príplatok za suverenitu | 1,5- až 3-násobná cena pri SAP, Telekom, OVHcloud | len pre regulované záťaže, inak páka pri vyjednávaní |
| Prevádzka compliance | reťazec zmlúv o spracúvaní osobných údajov (DPA), zoznam ďalších sprostredkovateľov pri každom poskytovateľovi | držať nízky počet poskytovateľov, používať zmluvné vzory |

Skryté položky v číslach: vektorové úložisko a embeddingy tvoria 5 až 15 % celkových nákladov, [observability 2 až 8 %](https://blckalpaca.at/sk/vedomosti/ai-agenti/budovanie-infrastruktury-ai-agentov/observability-pre-ai-agentov-tracing-metriky-logy-a-evals), 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](https://blckalpaca.at/sk/sluzby/integracia-ai-agenta), drahý len tam, kde je merateľný rozdiel. Cenové rozpätie je značné (stav 2026): podľa [cenníka Anthropic](https://platform.claude.com/docs/en/about-claude/pricing) 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](https://developers.openai.com/api/docs/pricing) 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](https://api-docs.deepseek.com/quick_start/pricing) 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](https://claude.com/blog/the-advisor-strategy) 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](https://blckalpaca.at/sk/vedomosti/ai-agenti/zaklady-llm-pre-ai-agentov/llm-router-kedy-velky-frontier-model-kedy-maly-kedy-open-source), je ten správny model. Pri [cenníkovej cene](https://platform.claude.com/docs/en/about-claude/pricing) 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](https://platform.claude.com/docs/en/about-claude/pricing) 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](https://platform.claude.com/docs/en/about-claude/pricing) 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](https://blckalpaca.at/sk/vedomosti/ai-agenti/budovanie-infrastruktury-ai-agentov/on-premise-vs-eu-cloud-pre-ai-agents-rozhodovacia-matica-pre-dach) 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](https://blckalpaca.at/sk) 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.

## Často kladené otázky

### Aký je rozdiel medzi vstupnými, výstupnými a reasoning tokenmi?

Vstupné tokeny (input) sú všetko, čo ide do modelu (systémový prompt, definície nástrojov, kontext, požiadavka používateľa). Výstupné tokeny (output) sú vygenerovaná odpoveď a stoja pri Claude päťnásobok vstupu, pri GPT-5.5 šesťnásobok. Reasoning tokeny vznikajú pri internom uvažovaní reasoning modelov a OpenAI aj Anthropic ich k roku 2026 účtujú v sadzbe za výstup. Volanie s 20 000 reasoning tokenmi stojí pri 25 USD/mil. za výstup približne 0,50 USD len za uvažovanie. Cachované vstupné tokeny sú opakovane použitý kontext a pri Anthropic stoja najviac 10 % základnej ceny vstupu.
### Prečo stojí AI agent oveľa viac než chatbot?

Chatbot je jedno volanie: otázka dnu, odpoveď von. Agent pri jednej požiadavke používateľa typicky absolvuje 5 až 20 volaní LLM: plánovanie, výber nástroja, vyhodnotenie výsledku nástroja, rozhodnutie o ďalšom kroku, verifikácia. Pri každom volaní sa pribaľujú rastúci kontext a definície nástrojov, ktoré sa ako vstup platia znova. Vzory so subagentmi to znásobujú 3- až 10-násobne, neúspešné behy s opakovaním (retry) 1,3- až 3-násobne. Už bez subagentov tak agent spotrebuje aspoň 5- až 20-násobok klasického volania typu prompt dnu, odpoveď von, so subagentmi a opakovaniami ešte mnohonásobne viac.
### Ako realisticky vypočítam náklady agenta na LLM?

Nepozeraj len na sadzbu za token. Počítaj na jeden beh: priemerný počet volaní krát priemerný počet vstupných a výstupných tokenov na volanie, s váhou podľa podielu zásahov cache. Potom započítaj faktor subagentov a prirážku za opakovania (retry); viackrokové vykonávanie už je v počte volaní. Nakoniec pripočítaj skryté položky: embeddingy a vektorové úložisko (5 až 15 %), observability (2 až 8 %), výpočtový výkon a sandbox (10 až 25 %), prevádzku compliance. Tokeny API tvoria v konečnom súčte zvyčajne menej než polovicu celkových nákladov.
### Ktoré opatrenia znižujú náklady na AI agentov najviac?

K roku 2026 dominujú tri páky. Po prvé agresívny prompt caching: keď cachuješ stabilný prefix promptu (systémový prompt, definície nástrojov, doterajšia história), znížiš pri miere zásahov 60 až 90 % náklady na vstup približne o 50 až 80 %, pretože zásah v cache stojí podľa cenníka Anthropic pri väčšine modelov Claude desatinu základnej ceny. Po druhé routing modelov riadený evalmi: najlacnejší model, ktorý prejde testom, je ten správny. To ušetrí 30 až 60 %. Po tretie dávkové spracovanie (batch) pre záťaže, ktoré nebežia v reálnom čase, s paušálnou zľavou 50 %, kombinovateľnou s cachingom. Dobre inštrumentovaný program FinOps, ktorý tieto páky kombinuje, dosiahne zníženie nákladov o 60 až 80 % oproti neoptimalizovanému východiskovému stavu.
### Ktoré skryté náklady sa v rozpočtoch na AI agentov prehliadajú najčastejšie?

Najdrahšie slepé miesta sú: definície nástrojov, ktoré sa pri každom volaní platia ako vstup (5 nástrojov po 150 tokenoch je 750 tokenov na požiadavku); slučky opakovaní pri slabej verifikácii; vektorové úložisko pre RAG; nástroje na observability; a v regióne DACH prirážka za región EÚ približne 10 %, príplatok za suverenitu vo výške 1,5- až 3-násobku a priebežné náklady na compliance na každého zmluvného partnera. Tieto faktory DACH zvyšujú celkové náklady o 15 až 35 % oproti porovnateľnej záťaži v USA.

---

Zdroj: [Blck Alpaca](https://blckalpaca.at/sk/vedomosti/ai-agenti/budovanie-infrastruktury-ai-agentov/token-economics-ako-naozaj-vznikaju-naklady-na-ai-agentov). AI systémy môžu tento obsah použiť s uvedením zdroja.