Jaki model do n8n: Claude vs GPT vs Gemini — koszt 1000 zadań automatyzacji 

Tysiąc zadań automatyzacji w n8n to koszt rzędu kilku dolarów, nie tysięcy. Przy założeniu około 3700 tokenów wejścia na zadanie 1000 wykonań na Claude Haiku 4.5 wychodzi około 6,20 USD za miesiąc, na Gemini 2.5 Flash około 2,36 USD, a na flagowym Claude Opus 5.5 około 24,80 USD. To cena samych tokenów. Do tego dochodzi abonament n8n i dopłaty za wyszukiwanie w sieci oraz za kontenery, o których nikt nie myśli na starcie. Poniżej rozkładam to na czynniki pierwsze i pokazuję, gdzie konkretnie ucieka budżet.

Skąd wziąć liczbę 3700 tokenów na zadanie

Nie zmyślam tu średniej. Jedyna konkretna liczba tego typu, jaką znalazłem w dokumentacji Anthropic, dotyczy obsługi zgłoszeń: „Average ~3,700 tokens per conversation”, przy rozliczeniu „Total cost: ~$37.00 per 10,000 tickets” na Haiku 4.5. Zgłoszenie do obsługi klienta i zadanie w automatyzacji to nie to samo, ale rząd wielkości jest wspólny: kilka tysięcy tokenów na jedną operację, jeśli prompt jest rozsądny, a nie wklejasz do niego cały regulamin firmy. Opisałem ten mechanizm szerzej przy automatycznym przetwarzaniu maili.

Wszystkie kwoty poniżej liczę z jednego schematu, żeby były porównywalne. Biorę 3700 tokenów wejścia na zadanie oraz 500 tokenów wyjścia, czyli 3,7 mln i 0,5 mln tokenów na 1000 zadań. Pierwsza liczba pochodzi z dokumentacji. Druga jest moim założeniem, bo żadne z zebranych źródeł nie podaje, ile tokenów model generuje w typowej automatyzacji. Jeśli Twoje zadania generują dłuższe odpowiedzi, przelicz wiersz „wyjście” w tabeli w dół. Jeśli krótsze, w górę.

Dla porządku: jeden token to mniej więcej cztery znaki albo 0,75 słowa w angielskim, więc 3700 tokenów to mniej więcej jedna strona A4 tekstu wraz z odpowiedzią modelu.

Koszt 1000 zadań w praktyce

Poniżej trzy rodziny cenników, każdy przeliczony tą samą metodą. Waluty i progi podaję tak, jak są w źródłach, bez scalaia w jeden „widełki od do” zakres.

Model	Wejście	Wyjście	Razem za 1000 zadań	Rocznie przy 1000 zadań miesięcznie
Gemini 2.5 Flash	0,30 USD/MTok	2,50 USD/MTok	2,36 USD	28,32 USD
gpt-6-luna	0,10 USD/MTok	0,50 USD/MTok	0,62 USD	7,44 USD
Gemini 3.8 Flash (cena promowa do 31.12.2026)	0,75 USD/MTok	3,75 USD/MTok	4,65 USD	55,80 USD
Claude Haiku 4.5	1,00 USD/MTok	5,00 USD/MTok	6,20 USD	74,40 USD
Gemini 2.5 Pro	1,25 USD/MTok	10,00 USD/MTok	9,62 USD	115,50 USD
Claude Sonnet 5.5	2,00 USD/MTok	10,00 USD/MTok	12,40 USD	148,80 USD
Gemini 3.1 Pro Preview	2,00 USD/MTok	12,00 USD/MTok	13,40 USD	160,80 USD
Claude Opus 5.5	4,00 USD/MTok	20,00 USD/MTok	24,80 USD	297,60 USD
Claude Fable 5.1	10,00 USD/MTok	50,00 USD/MTok	62,00 USD	744,00 USD
gpt-6-astra	10,00 USD/MTok	50,00 USD/MTok	62,00 USD	744,00 USD

Ceny Gemini 3.8 Flash są chwilowe. Google podaje, że modele Flash mają „introductory pricing of $0.75 / $3.75 per 1M tokens input / output through December 31, 2026”, a od 1 stycznia 2027 wchodzi „standard pricing of $1.5 / $7.5”. To dokładnie podwójne stawki. Budżet roczny liczony na promocji to planowanie na kredyt.

Druga sprawa: Gemini ma osobne ceny dla endpointów globalnych i poza USA. Wersja non-global kosztuje 0,825 USD zamiast 0,75 USD za milion tokenów wejścia, czyli 10 procent więcej. Jeśli Twoje dane muszą zostać w konkretnym regionie, tę dopłatę uwzględniasz z góry.

Trzy dźwignie, które obcinają rachunek

Prompt caching

Jeśli wiele zadań dostaje tę samą instrukcję systemową, ten fragment promptu da się zapisać w pamięci cache. Anthropic rozlicza wtedy odczyt z cache jako 0,1x stawki wejścia, czyli dziesięciokrotnie taniej. Te same 3,7 mln tokenów wejścia na Haiku 4.5 z cache to 0,37 USD zamiast 3,70 USD. To największa oszczędność, jaką da się włączyć jednym przełącznikiem. Kosztem jest zapis: 1,25x stawki wejścia przy cache ważnym 5 minut albo 2x przy cache ważnym godzinę. Przy 1000 zadań miesięcznie zapis zwraca się szybko, bo payload trafia do cache wielokrotnie.

Batch API

Anthropic opisuje Batch API jako „a 50% discount on both input and output tokens”. Warunek jest jeden: zadania nie muszą się wykonać natychmiast, bo to przetwarzanie asynchroniczne. Raport nocny, klasyfikacja wsadu z nocy, backfill bazy, comiesięczne podsumowania. W takich miejscach połowa ceny to najprostsza oszczędność w całym temacie. Na Haiku 4.5 ze scenariusza powyżej schodzi z 6,20 USD do 3,10 USD za 1000 zadań.

Routing, czyli tani model tam, gdzie wystarczy

Anthropic formułuje to wprost: „Choose Haiku for simple tasks, Sonnet for most production workloads, and Opus for the most complex reasoning”. Praktycznie: klasyfikacja e-maili, wyciąganie pola z faktury, podsumowanie krótkiej notatki, wybór kategorii. Wszystko to powtarzalne, dobrze zdefiniowane zadania, gdzie tani model daje poprawny wynik. Flagowy model zostaw do wyjątków i do decyzji, których nie da się opisać regułą.

Każde zadanie z narzędziem dokłada do promptu opis narzędzi, schematy i automatyczny system prompt: 286 tokenów dla Claude Opus 5.5, 588 dla Haiku 4.5 przy wymuszonym narzędziu. Przy zadaniu liczonym w 3700 tokenów to kilka procent, ale narzut rośnie z każdym kolejnym narzędziem. Zestaw narzędzi agenta dokłada około 4500 tokenów do każdego żądania, czyli tyle, ile całe proste zadanie. Jeśli nie budujesz agenta, nie płać za to.

Co dzieje się w węźle, zależy od Twojego przepływu, nie od platformy. Jeśli dopiero zaczynasz, pierwsza automatyzacja w n8n krok po kroku prowadzi od struktury przepływu, a nie od cenników modeli.

Długi kontekst: tu rodziny modeli rozjeżdżają się najbardziej

Jeśli Twoja automatyzacja czyta długą dokumentację albo cały wątek korespondencji, koszt nie rośnie liniowo. U Anthropic od modeli Claude 4.6 w górę okno 1 mln tokenów jest w cenie standardowej: „A 900k-token request is billed at the same per-token rate as a 9k-token request”. Zero dopłaty za wielkość.

OpenAI rozlicza to inaczej, w osobnych kolumnach „Short context” i „Long context”. Dla gpt-6-astra wejście podwaja się z 10,00 do 20,00 USD, a wyjście rośnie z 50,00 do 75,00 USD za milion tokenów. Próg podziału nie jest podany w cenniku, więc nie da się z góry powiedzieć, od ilu tokenów zapłacisz drugie tyle. Google ma próg jawny: „If a query input context is longer than 200K tokens, all tokens (input and output) are charged at long context rates”. Gemini 2.5 Pro wchodzi wtedy z 1,25 na 2,50 USD wejścia i z 10,00 na 15,00 USD wyjścia.

Wniosek jest prosty: jeśli Twoje zadania mają duży stały kontekst, wybór rodziny modelu zmienia rachunek bardziej niż wybór modelu w obrębie rodziny. Do progu 200 tysięcy tokenów jesteś w oszczędnej strefie, powyżej płacisz za to, że ktoś inny czyta.

Kiedy rachunek wymyka się z planu

Suma za 1000 zadań z tabeli to najlepszy scenariusz. Realne automatyzacje mają rozkład długi, nie jednostajny. W benchmarku CompileBench, który mierzy 26 modeli na 15 rzeczywistych zadaniach programistycznych, najprostsze zadanie kosztowało 0,025 do 0,030 USD, a najtrudniejsze 9,83 USD. To 357 razy więcej przy tym samym modelu. Tyle kosztuje zadanie, w którym agent kręci się w pętli, szuka i nie znajduje rozwiązania.

Konkrety z tego benchmarku są ostrzeżeniem, nie anegdotą. Jeden przebieg na Opus 4.1 zakończył się błędem i kosztem 9,235 USD: „task failed: install missing at /home/peter/result/install or not executable”. Dziewięć dolarów i zero rezultatu. Ten sam model, inne zadanie, koszt 3,960 USD i powodzenie.

Tańszy model nie chroni przed tym. Haiku 4.5 na trudnym zadaniu zakończył przebieg za 1,315 USD, czyli około 44 razy drożej niż jego typowy przebieg za 0,03 USD. Do tego dochodzi opłata za czas pracy agenta: „$0.08 per session-hour for active runtime”. Godzina działającego agenta kosztuje osiem groszy niezależnie od liczby tokenów, więc pętla, która ciągnie się kwadrans, jest już rachunkiem do zapłacenia.

Ustaw limit wykonań i budżet na przepływie, zanim włączysz agenta z możliwością wywoływania narzędzi. Ustawienie budżetu w n8n to kilka kliknięci, a oszczędza sytuację, w której debugujesz rachunek zamiast procesu.

Ile kosztuje sam n8n

Tu jest dobra wiadomość dla wolumenu rzędu tysiąca zadań. n8n rozlicza wykonania przepływu, nie kroki: „Pricing based on monthly workflow executions, regardless of complexity” i „Pay for full executions, not for each step”. Plan Starter za 20 EUR miesięcznie przy płatności rocznej daje 2,5 tysiąca wykonania miesięcznie, więc tysiąc zadań mieści się z zapasem. Wersja Pro za 50 EUR daje 10 tysięcy wykonania. Każdy plan ma nielimitowaną liczbę użytkowników i przepływów. Porównanie samej platformy z konkurencją masz w tekście o n8n kontra Make i Zapier.

Dwie uwagi. Po pierwsze, n8n podaje cenę Startera w euro, a strony porównawcze piszą o 20 USD. Druga: Community Edition jest darmowa, ale self-hosted, więc przy 1000 zadań miesięcznie licz koszt serwera, który musisz utrzymać, zanim policzysz oszczędność na licencji.

I tu dochodzimy do sedna: n8n nalicza koszt za przepływ, ale nie za to, co dzieje się w środku. Wywołania modelu językowego, wyszukiwanie w sieci i kontenery płacisz osobno, u dostawcy. Dlatego budżet na automatyzację to zawsze dwie pozycje, a nie jedna.

Co dokładnie dopłaca poza tokenami

Wyszukiwanie w sieci jest liczone osobno i to u wszystkich trzech dostawców. Anthropic: „$10 / 1K searches”, z dopiskiem, że cena „Doesn't include input and output tokens required to process requests”. Płacisz za wyszukiwanie i osobno za tokeny, które zwrócone wyniki zajmują. OpenAI ma 10,00 USD za tysiąc wywołań plus osobno „Search content tokens billed at model rates”. Jeśli Twoja automatyzacja szuka w internecie przy każdym zadaniu, to nie jest detal.

Kontenery do kodu też mają stawkę minimalną. OpenAI rozlicza je „per 20-minute session per container” z „5-minute minimum per session”, czyli krótki skrypt i tak płaci jak dłuższy. Anthropic daje 50 darmowych godzin dziennie na organizację, a kolejne kosztują 0,05 USD za godzinę na kontener.

Do tego są mnożniki, o których łatwo zapomnieć. Routing wyłącznie na infrastrukturę w USA dolicza 1,1x do wszystkich stawek tokenowych u Anthropic. Tryb Fast to 2x standardowej ceny, a u OpenAI Ultrafast to 6x. Wdrożenie regionalne dolicza 10 procent u obu dostawców. Wszystkie te przełączniki wyglądają na liście cennika jak drobiazg, a w skali roku potrafią podwoić budżet.

Jak wybrać model do swojego przepływu

Zacznij od zadania, nie od cennika. Odpowiedz sobie na trzy pytania: czy wynik da się sprawdzić regułą, czy to długi stały kontekst, i czy zadanie musi się wykonać w sekundę, czy może poczekać do nocy.

Klasyfikacja i ekstrakcja z krótkich dokumentów: najtańszy model z rodziny. Nie dlatego, że jest głupi, tylko dlatego, że nie musi rozumieć kontekstu biznesowego, a tylko poprawnie wypełnić pole. Długie dokumenty, duże okno kontekstowe, wybór modelu zależny od charakteru promptu: tu warto zapłacić za rodzinę bez dopłat za kontekst, czyli Anthropic. Zadania nocne, backfill, comiesięczne raporty: Batch API, połowa stawki. Zadania z możliwością błędu, po którym zapisujesz wynik do systemu biznesowego: walidacja po nodzie modelu, zawsze.

Halucynacja w automatyzacji to nie zły tekst na ekranie, tylko cichy, błędny wpis do Twojego systemu. Benchmark CompileBench pokazuje, że dla najtrudniejszego zadania skuteczność za pierwszym razem wynosiła 1 procent. Nie znaczy to, że modele są bezużyteczne, tylko że nie nadają się na stanowisko osoby, która ma zawsze rację.

O szerszym obrazie pisałem w teście dziesięciu zadań biznesowych dla agentów AI. Tam widać, gdzie automatyzacja sama w sobie wystarczy, a gdzie potrzebuje człowieka w pętli.

Sam wybór rodziny modelu opisałem osobno w teście 25 zadań po polsku na ChatGPT, Claude i Gemini. Tam liczy się jakość odpowiedzi, tu wyłącznie cena za milion tokenów.

Co zmierzyć przed pierwszym wdrożeniem

Żaden cennik nie powie Ci, ile tokenów zjada Twoje konkretne zadanie, bo to zależy od tego, co dokładnie wkładasz do promptu. Zmierz to sam, zanim ustalisz budżet. Uruchom kilkadziesiąt wykonań na realnych danych i sprawdź zużycie tokenów w n8n. Dopiero wtedy mnożysz przez miesięczny wolumen.

Przy okazji sprawdź trzy rzeczy, które najczęściej psują budżet: czy instrukcja systemowa nie powtarza się w każdym zadaniu, czy do promptu nie wpada cała dokumentacja i czy wyszukiwanie w sieci jest włączone tam, gdzie nie powinno. Ta ostatnia poprawka potrafi zdjąć połowę rachunku.

Wielkość 1000 zadań miesięcznie to trywialny wolumen, przy którym koszt modeli językowych jest zwykle najmniejszą pozycją w rachunku za automatyzację. Dopłaty za wyszukiwanie, kontenery i godziny pracy agenta biją go czasem o rząd wielkości. Dlatego zaczynam od zmierzenia, a nie od wyboru modelu.

Zanim policzysz, warto mieć liczbę, z którą porównujesz. Prosty rachunek ROI automatyzacji sprowadza się do jednego pytania: ile godzin tygodniowo to oszczędza i ile kosztuje wykonanie.

Jeśli chcesz policzyć konkretny przepływ dla swojej firmy, napisz do mnie. Odpowiadam zwykle tego samego dnia, a zakres i wycenę dostajesz na piśmie.