Ile naprawdę kosztuje AI-agent miesięcznie? Policz, zanim wdrożysz

„Ile to będzie kosztować miesięcznie?” to pierwsze pytanie w każdej rozmowie o agencie AI i niemal jedyne, na które odpowiada się „to zależy”. Odpowiedź jest szczera i bezużyteczna: nie daje ani rzędu wielkości, ani pojęcia, co zmienić, jeśli liczba się nie spodoba. A pytanie da się policzyć. Potrzebne są trzy rzeczy: formuła, konfiguracja referencyjna i jawnie wypisane założenia. Dalej są wszystkie trzy — plus anatomia rachunku, cztery typowe wycieki budżetu, cztery dźwignie, dwie tabele i kalkulator, w który możesz wstawić własne liczby.

Zastrzeżenie na początek, ważniejsze od każdej liczby poniżej: to model wyliczeniowy, a nie nasze faktury. Konfiguracja jest wymyślona jako typowa dla agenta z dużym zestawem narzędzi, a nie zdjęta z czyjegoś wdrożenia produkcyjnego. Każda liczba wychodzi z formuły zastosowanej do jawnych założeń; zmieni się założenie, zmieni się liczba. Ceny pochodzą z cennika OpenAI na 2026-07-25 i z czasem się zmieniają, więc przed decyzją warto je sprawdzić.

Dlaczego „$X za milion tokenów” nie jest odpowiedzią

Cennik podaje cenę jednostkową, a nie kwotę rachunku. Aktualna linia na 2026-07-25, USD za 1M tokenów, w kolejności wejście / wejście z cache / wyjście: gpt-5.6-sol — 5.00 / 0.50 / 30.00 · gpt-5.6-terra — 2.50 / 0.25 / 15.00 · gpt-5.6-luna — 1.00 / 0.10 / 6.00 · gpt-5.5 — 5.00 / 0.50 / 30.00 · gpt-5.4 — 2.50 / 0.25 / 15.00 · gpt-5.4-mini — 0.75 / 0.075 / 4.50 · gpt-5.4-nano — 0.20 / 0.02 / 1.25.

Z tej tabelki nie policzysz rachunku miesięcznego, bo brakuje w niej trzech wielkości, które decydują o wszystkim: ile tokenów idzie w jednym zapytaniu, ile zapytań agent wykonuje na jedno zadanie i jaka część zapytania jest podawana z cache. Środkowa kolumna — wejście z cache — jest tańsza od zwykłego wejścia o około 90% i najczęściej umyka w wycenach, mimo że właśnie ona oddziela drogą konfigurację od taniej przy tym samym modelu.

Jest i drugi powód. Rozrzut między modelami przy identycznej pracy jest ogromny: w konfiguracji poniżej ta sama liczba tokenów kosztuje $50.34 miesięcznie na gpt-5.4-nano i $1254.00 na gpt-5.6-sol — prawie 25 razy więcej. Dopóki założenia nie są ustalone, spór o to, czy model jest „drogi”, nie prowadzi donikąd.

Płacisz za przesyłanie, nie za inteligencję

Model nie ma pamięci między wywołaniami. Każdy krok agenta to osobne zapytanie, w które od nowa pakuje się wszystko: prompt systemowy, schematy wszystkich podpiętych narzędzi, historię rozmowy i to, co znalazło wyszukiwanie. Model nie pamięta poprzedniego kroku — dostaje go opowiedzianego w całości. Dlatego większość rachunku napędza nie to, o co zapytał użytkownik, ani to, co odpowiedział model, lecz to, co wysyła się ponownie na każdym kole pętli.

Rzędy wielkości przy takich założeniach: pytanie użytkownika to dziesiątki tokenów, a stabilny prefiks z promptu systemowego i schematów narzędzi — 15 600 tokenów. Na jeden krok wypada 19 100 tokenów wejścia wobec 300 tokenów wyjścia: 98,5% wszystkich tokenów wymiany to wejście, a 82% wejścia to prefiks, który nie zmienia się z zadania na zadanie. Miesięcznie zbiera się z tego 229,2 mln tokenów wejścia wobec 3,6 mln wyjścia.

Anatomia rachunku za jedno zadanie

flowchart TB
  SP["Prompt systemowy"] --> REQ
  TS["Schematy wszystkich narzędzi"] --> REQ
  H["Historia rozmowy"] --> REQ
  RAG["Znaleziony kontekst"] --> REQ
  REQ["Jedno zapytanie do modelu"] --> OUT["Odpowiedź modelu"]
  OUT --> MUL["x liczba kroków na zadanie"]
  MUL --> BILL["Koszt jednego zadania"]

Formuła jest krótka na tyle, by trzymać ją w głowie w całości: koszt składnika = (tokeny składnika × liczba kroków ÷ 1 000 000) × cena za 1M tokenów. Rachunek za jedno zadanie to suma po pięciu składnikach; rachunek miesięczny to ta suma pomnożona przez liczbę zadań. Cała reszta artykułu to spór o to, jakie liczby podstawić.

stateDiagram-v2
  state "zapytanie złożone" as req
  state "model myśli" as model
  state "wywołanie narzędzia" as tool
  state "odpowiedź dla użytkownika" as done
  [*] --> req
  req --> model: prefiks wysyłany ponownie
  model --> tool: potrzebne narzędzie
  tool --> req: wynik dopisany do historii
  model --> done: odpowiedź gotowa
  done --> [*]
  note right of req
    Każde koło wysyła ponownie prompt
    i wszystkie schematy narzędzi
  end note

Pięć składników zachowuje się różnie i to jest klucz do wszystkiego dalej. Prompt systemowy i schematy narzędzi tworzą stabilny prefiks: identyczny w każdym zapytaniu, a więc możliwy do zapisania w cache. Historia rozmowy rośnie z każdym krokiem. Znaleziony kontekst zmienia się z zapytania na zapytanie. Odpowiedź modelu jest rozliczana po najwyższej stawce — na gpt-5.4-mini wyjście jest sześć razy droższe od wejścia — ale jest jej mało, więc rusza sumę najsłabiej.

Podział, który tu naprawdę się liczy, to cache'owalne wobec niecache'owalnego, a nie znajome „prompt wobec odpowiedzi”. Zapisać w cache da się tylko to, co stoi na początku zapytania i nie zmienia się między wywołaniami. Historia, znaleziony kontekst i wyjście nie są cache'owane nigdy — nie z decyzji dostawcy, ale dlatego, że za każdym razem są inne.

Cztery miejsca, w których wycieka budżet

flowchart TB
  L["Gdzie wycieka budżet"] --> A["Wszystkie narzędzia w każdym zapytaniu<br/>schematy niezależne od zadania"]
  L --> B["Zbyt szerokie wyszukiwanie<br/>nadmiarowe fragmenty"]
  L --> C["Ponowienia po błędzie<br/>błąd narzędzia to kolejne koło"]
  L --> D["Historia bez obcinania<br/>rośnie z każdym krokiem"]

Wszystkie narzędzia w każdym zapytaniu. Schematy idą do modelu w całości, niezależnie od tego, czy zadanie potrzebuje jednego narzędzia, czy czterdziestu. W konfiguracji poniżej to 14 400 tokenów schematów w każdym pojedynczym zapytaniu — i największa pozycja rachunku.

Zbyt szerokie wyszukiwanie. Retrieval zwraca dwadzieścia fragmentów tam, gdzie wystarczyłyby trzy, a nadmiarowe fragmenty jadą — płatnie — przez każdy kolejny krok zadania.

Ponowienia po błędzie. Narzędzie zawiodło, model próbuje znowu — i to jest kolejne pełne koło z pełnym prefiksem. Ten wyciek jest podstępny, bo w prompcie go nie widać: widać go tylko w rozkładzie liczby kroków na zadanie.

Historia bez obcinania. Każdy krok dopisuje do rozmowy swój wynik, a następne zapytanie niesie cały ten ogon. Przy długich zadaniach historia zmienia się z najmniejszego składnika w jeden z największych.

Cztery dźwignie

flowchart LR
  subgraph Przed
    B1["Wszystkie schematy za każdym razem"]
    B2["Prefiks bez cache"]
    B3["Jeden drogi model do wszystkiego"]
    B4["Cała historia"]
  end
  subgraph Po
    A1["Podzbiór narzędzi<br/>wybrany po intencji"]
    A2["Stabilny prefiks na początku<br/>tokeny z cache kosztują około dziesięciokrotnie mniej"]
    A3["Tani model do routingu<br/>drogi do decyzji"]
    A4["Historia obcięta i streszczona"]
  end
  B1 --> A1
  B2 --> A2
  B3 --> A3
  B4 --> A4

Przed omówieniem dźwigni jedno zastrzeżenie, bez którego dwa poprzednie diagramy czyta się źle. Cztery wycieki i cztery dźwignie to dwie niezależne listy, a nie cztery pary. Podzbiór narzędzi faktycznie domyka wyciek „wszystkie narzędzia w każdym zapytaniu”, a obcinanie historii — wyciek „historia bez obcinania”. Ale cache i wybór modelu nie odpowiadają na żaden z wymienionych wycieków, a zbyt szerokie wyszukiwanie i ponowienia po błędzie nie mają na tej liście własnej dźwigni: z nimi pracuje się na poziomie architektury wyszukiwania i obsługi błędów, nie na poziomie cennika. Obie listy mają po cztery pozycje przez przypadek i nic więcej z tego nie wynika.

Podzbiór narzędzi wybrany po intencji zapytania. Dawaj modelowi te schematy, które dotyczą zadania, a nie wszystkie. Przy takich założeniach zejście z 80 narzędzi do 12 przenosi rachunek z $188.10 na $77.94 miesięcznie — o 59% mniej, bez zmiany choćby jednego słowa w prompcie.

Cache stabilnego prefiksu. Ta dźwignia działa na zupełnie innej zasadzie niż pozostałe trzy: nie usuwa tokenów z zapytania, lecz sprawia, że te same tokeny są tańsze. Wejście z cache jest tańsze o około 90% od zwykłego — czyli mniej więcej dziesięciokrotnie — ale tylko na tej części zapytania, którą da się cache'ować, czyli na prefiksie: prompcie systemowym i schematach narzędzi. Historia, znaleziony kontekst i wyjście zostają w pełnej cenie. Dlatego przy takich założeniach suma nie spada dziesięciokrotnie, a 2,5 raza: z $188.10 do $74.38 miesięcznie. „Agent dziesięć razy tańszy” to po prostu zdanie nieprawdziwe, a uczciwa liczba i tak robi wrażenie.

W praktyce ta dźwignia to dyscyplina układania zapytania: stabilne na początek, zmienne na koniec, kolejności między krokami nie ruszać. Jeden przestawiony blok na początku promptu zeruje trafienie w cache dla wszystkiego, co idzie za nim.

Wybór modelu według etapu. Routing, klasyfikacja i wyciąganie pól idą do taniego modelu, decyzja do drogiego. Rozrzut w tej konfiguracji — od $50.34 do $1254.00 miesięcznie przy identycznej pracy — pokazuje, ile tu leży, ale ta dźwignia wymaga pomiaru jakości na każdym etapie, inaczej oszczędność płaci się błędami.

Obcinanie i streszczanie historii. W tej konfiguracji to dźwignia najskromniejsza: zejście z historii z 2000 do 800 tokenów daje $188.10 → $177.30, o 6% mniej. Jej wartość jest inna — nie pozwala rachunkowi rosnąć nieliniowo przy długich zadaniach, a właśnie tam historia staje się problemem.

Przy tych samych założeniach, gdy model jest ustalony, pozostałe trzy dźwignie składają się ze sobą: 12 narzędzi zamiast 80, cache na poziomie 90% i historia 800 tokenów dają $42.65 miesięcznie wobec $188.10 — 4,4 raza mniej przy tej samej pracy.

Wyliczenie referencyjne

Poniżej konfiguracja, na której policzone są wszystkie liczby w tym artykule. Każdy wiersz to założenie, a nie pomiar: tak przyjęliśmy, że wygląda typowy agent z dużym zestawem narzędzi. Wartości odpowiadają polom kalkulatora poniżej. Aby odtworzyć w nim liczby z tej sekcji, ustaw oba pola kroków na 8, a udział prefiksu z cache na 90: kalkulator startuje z widełkami 4–12 kroków i zerowym cache.

Teraz to samo wyliczenie przed i po cache — jedynej dźwigni, która wcale nie zmienia treści zapytania. Kroków: 8. Zadań: 1500 miesięcznie (50 dziennie × 30 dni). Model: gpt-5.4-mini. Bez narzutu za region europejski.

O zaokrągleniu, żeby kolumny nie myliły: składniki podane są z dokładnością do centa, więc prawa kolumna sumuje się do $74.37, podczas gdy dokładna wartość modelu to $74.376 — którą kalkulator poniżej pokazuje jako $74.38.

Z tej tabeli warto zapamiętać dwie liczby — obie dotyczą tej konfiguracji i żadnej innej. Pierwsza: schematy narzędzi to 69% rachunku, jeszcze przed pociągnięciem którejkolwiek dźwigni, $129.60 z $188.10. Nie model, nie długość odpowiedzi i nie historia — opisy narzędzi, z których większości model na danym kroku nawet nie wywołuje. Druga: cache prefiksu przenosi sumę z $188.10 na $74.38 — 2,5 raza mniej, przy tym samym zestawie narzędzi, tym samym modelu i tej samej jakości odpowiedzi. Zmienia się wyłącznie kolejność bloków w zapytaniu.

Osobne pytanie, które w Polsce i w całej UE pada niemal od razu: ile kosztuje trzymanie przetwarzania w regionie europejskim. Według cennika na 2026-07-25: regionalne przetwarzanie danych kosztuje +10% — ale nie dla każdego modelu, tylko dla tych wydanych 2026-03-05 lub później, które są też objęte data residency. To narzut na cały rachunek za tokeny, a nie osobny plan ani osobna umowa. Cennik nie publikuje dat wydania, więc czy konkretny model podpada pod tę regułę, trzeba ustalić osobno. Dla modelu, który podpada, przy takich założeniach narzut zamienia $188.10 na $206.91 bez cache i $74.38 na $81.81 z cache. W projektach, w których kwestia residency w ogóle się pojawia, dziesięć procent zwykle łatwiej zapłacić niż dyskutować — ale trzeba je wpisać do wyceny od początku, a nie odkryć na pierwszej fakturze. W kalkulatorze jest na to osobny checkbox.

Kalkulator: wstaw własne liczby

Dalej ten sam model interaktywnie. Pola odpowiadają wierszom tabeli założeń, a widełki kroków dają dolną i górną granicę, bo liczba kroków na zadanie jest najmniej stabilną wielkością w całym modelu. Zacznij od liczby narzędzi i liczby kroków — one ruszają sumę najmocniej.

Jak sprawdzić wyliczenie na własnym przypadku

Model jest użyteczny dokładnie na tyle, na ile prawdziwe są jego dane wejściowe — a te da się zmierzyć, na Twoich systemach, nie naszych. Cztery pomiary zamykają sprawę.

Policz prefiks tokenizatorem. Weź dokładnie ten prompt systemowy i dokładnie te schematy narzędzi, które realnie idą w zapytanie, i policz tokeny. Tu najczęściej okazuje się, że schematów jest o rząd wielkości więcej, niż wychodziło na oko.

Przeczytaj pola usage w odpowiedziach API. Dostawca zwraca faktyczne liczby dla każdego wywołania, w tym jaka część wejścia została podana z cache. To jedyny sposób, by poznać realny udział trafień w cache, zamiast go zakładać.

Zbierz rozkład kroków, nie średnią. Rachunek robią długie zadania. Mediana 4 kroków z ogonem przy 20 daje zupełnie inny miesiąc niż „średnio 6”, i właśnie dlatego kalkulator przyjmuje widełki, a nie jedną liczbę.

Przepuść tydzień i porównaj z modelem. Rozbieżność prawie nigdy nie znaczy, że formuła jest zła — zwykle to założenie, którego nikt nie zapisał: ponowienia po błędach, narzędzia, których nikt nie pomyślał policzyć, wyszukiwanie szersze niż zakładane. Znalezienie tego przed wdrożeniem jest tańsze niż po.

Jeśli wyceniasz agenta dla swojej firmy i chcesz, by wyliczenie powstało na Twoich narzędziach, Twoich zadaniach i Twojej polityce danych, napisz do nas na [email protected]. Taki model liczymy przed rozpoczęciem pracy — razem z uczciwą oceną, które dźwignie są w Twoim przypadku realnie dostępne, a które rozbijają się o architekturę.