Przejdź do treści

Kalkulator tokenów i kosztów API AI dla czatu i agenta

Autor: Szymon Łakomy. Aktualizacja:

Policz koszt rozmowy i agenta

Scenariusz startowy

Załóżmy: odpowiada na pytania z FAQ, ma dwa narzędzia (status zamówienia, przekazanie do człowieka), sześć tur rozmowy, 1500 rozmów miesięcznie.

Stawki modelu i kurs

Stawki startowe są przykładowe i nie są cennikiem żadnego modelu. Ceny zmieniają się, więc przepisz aktualne stawki z cennika dostawcy: OpenAI, Anthropic, Google Gemini.

Stawka za tokeny odczytane z cache.

Puste pole oznacza stawkę zwykłego wejścia. W cenniku Anthropic zapis na 5 minut to 1,25 stawki wejścia, a na godzinę 2 stawki (stan na 12.11.2026).

Kurs przykładowy. Wpisz kurs z dnia, np. średni kurs NBP.

Jedna rozmowa albo zadanie

Instrukcje, zasady, opis firmy. Wraca w każdym wywołaniu modelu.

Nazwy, opisy i schematy funkcji oraz narzędzi z serwerów MCP. Też wracają w każdym wywołaniu. Dolicz prompt, który dostawca dodaje przy narzędziach: w cenniku Anthropic to kilkaset tokenów zależnie od modelu (stan na 12.11.2026).

Fragmenty dokumentów dołączane do pytania. 0, jeśli nie ma wyszukiwania w dokumentach.

Tura to wiadomość i odpowiedź. Zadanie bez rozmowy, np. jeden mail, to 1 tura.

Dla modeli rozumujących. Nie widać ich w odpowiedzi, ale są liczone jak wyjście. 0, jeśli model nie rozumuje.

Zaznacz, jeśli fragmenty dokumentów wracają w kolejnych turach razem z pytaniem.

Pętla agenta (narzędzia)

Każde to dodatkowe wywołanie modelu z dopisanym wynikiem. Przy wywołaniach równoległych wpisz liczbę kroków.

Nazwa i argumenty od modelu, liczone jak wyjście.

Dane zwrócone przez narzędzie, np. rekord z CRM.

Zależy od dostawcy i sposobu wywołania API.

Cache promptu

Załóżmy 80. Cache wygasa po czasie bez użycia, więc przy rzadkich rozmowach trafień jest mniej.

Krótszy początek zapytania nie trafia do cache. OpenAI podaje 1024 tokeny dla nowszych modeli, u Anthropic próg zależy od modelu.

Wolumen i limity

Np. 50 dziennie przez 22 dni robocze to 1100.

Z dokumentacji modelu. Kalkulator ostrzeże, gdy najdłuższe wywołanie się nie zmieści.

Wynik

Koszt miesięcznie
168,33 zł
45,50 USD
Jedna rozmowa
0,1122 zł
0,0303 USD
Tokeny na rozmowę
24 540 wejścia
1080 wyjścia
Wywołania modelu
6 na rozmowę
9000 miesięcznie

Miesięcznie: 36 810 000 tokenów wejścia i 1 620 000 tokenów wyjścia. Najdłuższe pojedyncze wywołanie ma 4640 tokenów wejścia: porównaj tę liczbę z oknem kontekstu i z progiem wyższej stawki w cenniku modelu, jeśli taki próg ma.

Na co idą pieniądze

  • Prompt systemowy36%

    7200 tokenów59,94 zł / mies.

  • Definicje narzędzi (funkcje, MCP)24%

    4800 tokenów39,96 zł / mies.

  • Kontekst RAG45%

    9000 tokenów74,93 zł / mies.

  • Wiadomości użytkownika z historią4,2%

    840 tokenów6,99 zł / mies.

  • Wcześniejsze odpowiedzi w historii13%

    2700 tokenów22,48 zł / mies.

  • Odczyt z cache (różnica do zwykłej stawki)−43%

    9600 tokenów−71,93 zł / mies.

  • Odpowiedzi modelu (wyjście)21%

    1080 tokenów35,96 zł / mies.

  • Razem168,33 zł / mies.

Składniki wejścia są policzone po zwykłej stawce, a wiersze cache pokazują różnicę, jaką daje odczyt albo zapis.

Co jeśli (koszt miesięczny)

  • Bez cache: 240,26 zł
  • Dwa razy więcej tur: 402,60 zł
  • Dwa razy dłuższe odpowiedzi: 226,77 zł

To szacunek na podstawie Twoich założeń, nie oferta. Przed planowaniem budżetu zmierz tokeny na 20 prawdziwych rozmowach z pola usage w odpowiedziach API i sprawdź w panelu dostawcy, czy możesz ustawić limit wydatków. Kalkulator liczy tylko tekst: nie obejmuje obrazów i plików, opłat za narzędzia uruchamiane po stronie dostawcy (np. wyszukiwanie w sieci), przechowywania jawnego cache ani podatków.

Jak kalkulator liczy koszt

Każde wywołanie modelu jest rozliczane osobno: tokeny wejścia razy stawka za wejście plus tokeny wyjścia razy stawka za wyjście. Model nie pamięta rozmowy, więc w każdym wywołaniu dostaje od nowa całość: prompt systemowy, definicje narzędzi, wcześniejsze wiadomości i odpowiedzi, a na końcu nowe pytanie z fragmentami dokumentów z wyszukiwania (RAG).

Dla rozmowy bez wywołań narzędzi wejście z n tur sumuje się do wzoru: n × (prompt + narzędzia + kontekst) + wiadomość × n(n+1)/2 + odpowiedź × n(n-1)/2. Pierwszy człon rośnie liniowo, dwa kolejne z kwadratem liczby tur. Jeśli fragmenty dokumentów zostają w historii, kontekst RAG też przechodzi do części kwadratowej.

W pętli agenta każde wywołanie narzędzia to kolejne wywołanie modelu. Model zwraca nazwę i argumenty narzędzia, aplikacja dokleja wynik i wysyła wszystko jeszcze raz. Przy trzech narzędziach w jednej turze model dostaje ten sam prompt i te same definicje cztery razy. Dotyczy to także narzędzi z serwera MCP. Kalkulator zakłada, że narzędzia są wołane po kolei. Gdy model woła kilka narzędzi naraz, wpisz liczbę kroków zamiast liczby narzędzi. Całość liczę krok po kroku, a w testach sprawdzam, że wynik symulacji zgadza się ze wzorem.

Po stronie wyjścia są odpowiedzi, argumenty wywołań narzędzi i tokeny rozumowania. Tych ostatnich nie widać w odpowiedzi, ale OpenAI rozlicza je jak tokeny wyjścia, a Google podaje w cenniku Gemini stawkę wyjścia razem z tokenami rozumowania. Cache liczę tak: trafienia po stawce odczytu, chybienia i nowe tokeny po stawce zapisu albo zwykłego wejścia. Odczyt obejmuje tylko początek zapytania, który nie zmienił się od wcześniejszego wywołania. Gdy po turze z historii znikają fragmenty dokumentów albo rozumowanie, kalkulator czyta historię z cache tylko do tego miejsca.

Przykłady z liczbami

Stawek w przykładach celowo nie przeliczam na złotówki, bo zmieniają się częściej niż ta strona. Liczby tokenów wynikają z założeń i można je sprawdzić w kalkulatorze, wybierając scenariusz startowy.

Załóżmy chatbota na stronie: prompt systemowy 1200 tokenów, definicje dwóch narzędzi 800, fragmenty FAQ 1500 w każdej turze, pytanie 40 i odpowiedź 180 tokenów. Sześć tur to 24 540 tokenów wejścia i 1080 tokenów wyjścia. Dwanaście tur to 57 000 tokenów wejścia, czyli ponad dwa razy więcej, bo każda tura niesie całą wcześniejszą rozmowę.

Załóżmy agenta do skrzynki mailowej: jeden mail to jedno zadanie, ale agent woła trzy narzędzia (wyszukanie klienta, status zamówienia, zapis szkicu). Przy prompcie 2000 tokenów, definicjach narzędzi 3000, mailu 900, wywołaniu narzędzia 80, wyniku narzędzia 700 i odpowiedzi 350 tokenów wychodzą 4 wywołania modelu i 28 280 tokenów wejścia, z czego 12 000 to same definicje narzędzi. Jeśli model rozumuje i zużywa 300 tokenów rozumowania na wywołanie, wyjście rośnie z 590 do 1790 tokenów.

W pierwszym przykładzie najwięcej waży kontekst RAG i prompt, w drugim definicje narzędzi. Dlatego rozbicie na składniki jest ważniejsze niż sama kwota: pokazuje, co skrócić albo przenieść do cache.

SkładnikIle razy trafia do modeluCo pomaga
Prompt systemowyW każdym wywołaniuCache stałej części, krótsze instrukcje
Definicje narzędzi i MCPW każdym wywołaniu, także gdy narzędzie nie jest używaneTylko narzędzia potrzebne w danym kroku, krótkie opisy
Kontekst RAGW każdej turze, a gdy zostaje w historii, także w kolejnychMniej, ale trafniejszych fragmentów
Historia rozmowyRośnie z każdą turąStreszczanie starszych wiadomości, limit tur, cache historii
Wyniki narzędziW każdym kolejnym kroku pętli agentaZwracanie tylko potrzebnych pól
RozumowanieJako wyjście w każdym wywołaniuModel bez rozumowania tam, gdzie zadanie jest proste

Kolejność od składników, które wracają najczęściej. Liczby dla własnego przypadku pokazuje tabela pod wynikiem kalkulatora.

Czego kalkulator nie liczy

  • Obrazy, pliki PDF i audio. Kalkulator liczy tylko tekst. Pliki i nagrania dostawcy rozliczają według własnych zasad, więc dolicz je po pomiarze na prawdziwych plikach.
  • Narzędzia po stronie dostawcy. Wyszukiwanie w sieci i podobne narzędzia mają dodatkową opłatę za użycie, którą cennik Anthropic opisuje osobno od tokenów.
  • Przechowywanie jawnego cache. Cennik Gemini podaje osobną stawkę za przechowywanie, liczoną za milion tokenów na godzinę.
  • Wyższe stawki dla długich promptów. Część modeli ma próg długości, powyżej którego całe zapytanie jest droższe. Kalkulator pokazuje najdłuższe wywołanie, żeby łatwo było to sprawdzić w cenniku.
  • Tryb wsadowy. W cenniku Anthropic Batch API daje rabat 50% na wejście i wyjście (stan na 12.11.2026), ale tylko dla zadań, które mogą poczekać na wynik. Rozmowa z klientem na żywo się do tego nie nadaje.
  • Podatki i kurs banku. Wynik to stawki z cennika przeliczone po kursie z pola. Kwota na wyciągu zależy od kursu, po którym bank przeliczy płatność kartą.
  • Porównanie z modelem lokalnym. Rzetelne porównanie wymaga testu przepustowości i jakości na tych samych sprawach, więc kalkulator go nie robi. Opisuję to w tekście lokalny model AI w firmie.

Jak obniżyć koszt API bez zmiany modelu

  • Ułóż zapytanie tak, żeby stała część była na początku: najpierw prompt i definicje narzędzi, potem zmienna treść. Tylko wtedy cache ma co powtarzać.
  • Po kilku turach streszczaj starsze wiadomości albo ustaw limit długości rozmowy.
  • Dawaj agentowi tylko narzędzia potrzebne w danym kroku i pisz krótkie opisy parametrów.
  • Zwracaj z narzędzi potrzebne pola zamiast całych rekordów z CRM czy sklepu.
  • Ogranicz kontekst RAG do kilku najtrafniejszych fragmentów.
  • Zadania, które mogą poczekać, wysyłaj w trybie wsadowym, jeśli dostawca go ma.
  • Ustaw limit długości odpowiedzi tam, gdzie wystarczy krótka odpowiedź.

Skąd wziąć liczby do kalkulatora

Najpewniejsze źródło to pole usage w odpowiedzi API. Zbierz je z 20 prawdziwych rozmów albo zadań, policz średnią i wpisz do kalkulatora. OpenAI zwraca tam też liczbę tokenów odczytanych z cache, a Anthropic udostępnia dodatkowo endpoint do liczenia tokenów przed wysłaniem zapytania.

Nie przeliczaj słów na tokeny stałym mnożnikiem z angielskich tabelek. Ten sam tekst każdy dostawca dzieli na tokeny po swojemu, a wynik zależy też od języka. Polski prompt zmierzony na Twoich danych da pewniejszą liczbę niż reguła z internetu.

Policzę to razem z Tobą

Kalkulator pokazuje rząd wielkości. Jeśli planujesz chatbota albo agenta i chcesz znać koszt przed wdrożeniem, policzę go na Twoich danych: zmierzę tokeny na prawdziwych przykładach, ustawię cache i dobiorę model do zadania. Projektuję i wdrażam agentów AI oraz chatboty dla firm. Prosty agent kosztuje u mnie od około 1200 zł netto, a do tego dochodzą opłaty za API, które ten kalkulator pomaga oszacować.

Więcej o kosztach piszę w tekstach ile kosztuje agent AI, ile kosztuje chatbot dla firmy i ile kosztuje wdrożenie AI w firmie. Jak połączyć model z systemem firmy, opisuję na stronie o integracji ChatGPT API z aplikacją firmową, a pracę z Claude w tekście Claude w firmie. Agenta zbudowanego w n8n opisuję na stronie agent AI w n8n.

Miesięczny koszt z kalkulatora wpisz jako utrzymanie w kalkulatorze ROI automatyzacji, żeby sprawdzić, po ilu miesiącach zwróci się wdrożenie. Pozostałe kalkulatory i testy są w dziale darmowe narzędzia.

Opisz, co ma robić Twój agent, a policzę koszt API i wdrożenia.

Napisz do mnie

Źródła

Stawki i zasady rozliczania sprawdziłem 12 listopada 2026 na oficjalnych stronach dostawców. Cenniki zmieniają się, więc przed decyzją sprawdź aktualne.

Częste pytania

Ile kosztuje jedna rozmowa z modelem AI przez API?

Tyle, ile tokenów wejścia i wyjścia zużyje, razy stawki z cennika wybranego modelu. Kwota zależy od długości promptu systemowego, liczby narzędzi, kontekstu z dokumentów i długości historii, dlatego kalkulator nie podaje gotowych cen modeli. Wpisujesz aktualne stawki z cennika dostawcy, a on liczy tokeny dla Twojego scenariusza i pokazuje koszt rozmowy oraz miesiąca.

Dlaczego koszt rozmowy rośnie szybciej niż liczba wiadomości?

Bo model nie pamięta rozmowy. W każdej turze dostaje od nowa całą dotychczasową historię, więc dziesiąta wiadomość niesie ze sobą dziewięć poprzednich pytań i odpowiedzi. Część wejścia z historią rośnie z kwadratem liczby tur. W przykładzie chatbota z kalkulatora sześć tur to 24 540 tokenów wejścia, a dwanaście tur już 57 000.

Czy definicje narzędzi i serwery MCP zwiększają koszt agenta?

Tak. Definicje narzędzi, czyli nazwy, opisy i schematy parametrów, trafiają do modelu jako zwykłe tokeny wejścia w każdym wywołaniu, także wtedy, gdy model z narzędzia nie skorzysta. Anthropic pisze w cenniku wprost, że liczy tokeny z parametru tools i dodaje własny prompt systemowy dla narzędzi. W przykładzie agenta mailowego definicje to 12 000 z 28 280 tokenów wejścia, więc agent powinien dostawać tylko narzędzia potrzebne w danym kroku.

Ile daje cache promptu?

Cache obniża koszt powtarzanego początku zapytania: promptu systemowego, definicji narzędzi i przy dłuższych rozmowach historii. Odczyt z cache kosztuje mniej niż zwykłe wejście, ale zapis bywa droższy. W cenniku Anthropic zapis na 5 minut to 1,25 stawki wejścia, na godzinę 2 stawki, a odczyt 0,1 stawki w większości modeli i mniej w kilku najnowszych (stan na 12.11.2026). Cache działa dopiero od minimalnej długości fragmentu, OpenAI podaje 1024 tokeny dla nowszych modeli.

Skąd wziąć liczby tokenów do kalkulatora?

Najpewniej z pola usage w odpowiedziach API na 20 prawdziwych rozmowach albo zadaniach. Ten sam tekst każdy dostawca dzieli na tokeny po swojemu, a proporcja słów do tokenów zależy też od języka, więc nie przeliczam słów stałym mnożnikiem. Przed wdrożeniem pomaga endpoint do liczenia tokenów, który udostępnia Anthropic, i artykuł o liczeniu tokenów w centrum pomocy OpenAI.

Ile kosztuje wdrożenie agenta AI, którego koszt API tu policzę?

Kalkulator liczy tylko opłaty za API. Samo wdrożenie wyceniam osobno: prosty agent AI od około 1200 zł netto, chatbot FAQ od około 1500 zł netto, system z kilkoma agentami od około 4500 zł netto. Dokładną kwotę podaję po rozmowie, bo zależy od liczby narzędzi, integracji i wyjątków w procesie.