Koszty AI 2026: kompletny przewodnik — licencje, API, tokeny, infra (z arkuszem kalkulacyjnym)
Damian GębalaAutorKoszty AI w firmie to dwie zupełnie różne pozycje, które zwykle myli się w jedną. Pierwsza to licencje, czyli stała opłata za każde stanowisko. Druga to tokeny, rozliczenie za faktycznie wygenerowaną pracę modelu. Do tego dochodzi infrastruktura, jeśli postawisz własny serwer, i jednorazowe wdrożenie. W 2026 roku licencje kosztują od kilkunastu dolarów za stanowisko miesięcznie, a rachunek za API zależy głównie od tego, ile tekstu wrzucasz do modelu i czy używasz pamięci podręcznej. Poniżej rozkładam to na cztery pozycje i pokazuję, jak policzyć własny rachunek w arkuszu.
Wszystkie kwoty w tym tekście pochodzą z oficjalnych cenników producentów odczytanych 30 września 2026. Podaję je w walucie źródła, czyli w dolarach i euro. Nie przeliczam ich na złotówki, bo kurs w dniu, w którym czytasz ten tekst, będzie inny niż w dniu, w którym go napisałem - przeliczenie w treści szybko się zdezaktualizuje i tylko wprowadzi w błąd. Świeżą cenę zawsze sprawdzisz na stronie dostawcy, a linki podaję w sekcji z arkuszem.
Z czego składa się rachunek za AI w firmie
Każda firma, która używa AI w pracy, płaci z czterech pozycji. Pierwsza to licencje: abonament na stanowisko, który daje dostęp do czata i do narzędzi takich jak Claude Code. Druga to tokeny rozliczane przez API, gdy modelu nie da się użyć z poziomu abonamentu - na przykład w automatyzacji, która działa w nocy. Trzecia to infrastruktura, czyli serwer, jeśli uruchamiasz model u siebie zamiast w cudzej chmurze. Czwarta i zwykle najdroższa to jednorazowe wdrożenie: projekt, testy, integracje.
Te cztery pozycje często się sklejają w jeden szacunek, przez co budżet wychodzi albo zawyżony, albo - co gorsza - zawyżony na etapie licencji i za niski na etapie tokenów. Rozdziel je od razu, bo inaczej nie policzysz, gdzie ucieka budżet w trzecim miesiącu.
Warto przy tym pamiętać, że licencja i tokeny rozliczają się za zużycie w sposób zupełnie odmienny. Licencja to cena za stanowisko, niezależnie od tego, ile godzin ktoś siedzi w czacie. Tokeny to cena za faktyczną pracę: napisałeś długi prompt, model długo odpowiedział, rachunek urósł. Ten sam zespół może wygenerować koszt API od kilku dolarów miesięcznie albo kilkuset - wszystko zależy od tego, co dokładnie służy do czego.
Licencje: cena jednego stanowiska
Ceny subskrypcji zmieniają się częściej niż nazwy modeli, dlatego podaję stan na 30 września 2026. Wszystkie poniższe kwoty są netto - dostawcy doliczają podatek osobno.
Claude
| Plan | Cena | Okres |
|---|---|---|
| Free | 0 $ | - |
| Pro | 17 $ | rocznie, 200 $ z góry; 20 $ miesięcznie |
| Max | od 100 $ | miesięcznie |
| Team - stanowisko standard | 20 $ za stanowisko | rocznie; 25 $ miesięcznie |
| Team - stanowisko premium | 100 $ za stanowisko | rocznie; 125 $ miesięcznie |
| Enterprise | 20 $ za stanowisko + opłata za zużycie | tylko rocznie |
Różnica między Pro a Max polega na limicie użycia, nie na liczbie funkcji. Max daje od pięciu do dwudziestu razy więcej materiału niż Pro, więc ma sens tylko wtedy, gdy ktoś naprawdę dużo pracuje z modelem przez cały dzień.
Google Workspace
| Plan | Cena za użytkownika | Pamięć |
|---|---|---|
| Starter | 6,80 € | 30 GB |
| Standard | 13,60 € | 2 TB |
| Plus | 21,10 € | 5 TB |
Cennik podaje kwotę za użytkownika miesięcznie, bez podatku, i osobno przełącznik roczny z 16% rabatem przy zobowiązaniu na rok. Plan Enterprise ma wyłącznie formularz kontaktowy - ceny nie publikują. Przy 300 użytkownikach i wyższych planach wchodzą w grę ceny negocjowane indywidualnie, więc powyżej tej granicy licz już z osobną rozmową, a nie z tabelki.
n8n - narzędzie do automatyzacji
| Plan | Cena miesięczna | Wykonań |
|---|---|---|
| Starter | 20 € rocznie | 2,5 tys. |
| Pro | 50 € rocznie | 10 tys. |
| Business | 667 € rocznie | 40 tys., tylko na własnym serwerze |
n8n rozlicza liczbę wykonań, a nie złożoność procesu - prosty skrypt z trzema krokami i rozbudowany agent liczą się tak samo. Użytkownicy są bez limitu, więc przy kilkunastu osobach nie ma powodu skakać o plan. Plan Business ma sens dopiero przy własnym serwerze, bo wymaga klucza licencyjnego, który sprawdza się z twoim serwerem raz na dobę. Przy własnym serwerze płacisz za licencję klienta raz i możesz podłączyć modele własnym kluczem - to jedyna pozycja, na której naprawdę oszczędzasz.
Licencje dla zespołu: liczba, która trafia do budżetu
Weźmy zespół dziesięciu osób i policzmy roczne zobowiązanie. Claude Team na warunkach rocznych to 20 $ za stanowisko, czyli 20 × 10 = 200 $ miesięcznie i 2 400 $ rocznie. Bez zobowiązania rocznego wychodzi 25 $ za stanowisko, czyli 250 $ miesięcznie.
Ten sam zespół na Google Workspace Standard to 13,60 € za użytkownika miesięcznie, czyli 136 € miesięcznie i 1 632 € rocznie. Do tego n8n Pro w wariancie rocznym, czyli 50 € miesięcznie i 600 € rocznie.
Razem wychodzi około 386 $ plus 136 € miesięcznie, czyli niecałe 4 700 $ rocznie przed podatkiem. To jest koszt samych licencji, zanim ktokolwiek użyje API. Przy dziesięciu stanowiskach różnica między miesięcznym a rocznym rozliczeniem zaczyna być widoczna, ale nie jest dramatyczna - przy Claude rocznie oszczędzasz 600 $ rocznie, przy Workspace kolejne 16% z rabatu za zobowiązanie.
Porównanie licencji narzędzi po polsku, z cenami konkretnych planów, zebrałem osobno w przeglądzie asystentów AI dla firm - tam jest więcej narzędzi w jednym miejscu. Jeśli zastanawiasz się, czy w ogóle warto kupować subskrypcję, czy wystarczy darmowy plan, to osobny temat: co realnie dostajesz za te pieniądze.
Tokeny: cennik API za milion tokenów
Token to jednostka, w której model liczy tekst. Jeden token to mniej więcej cztery znaki albo trzy czwarte słowa, czyli milion tokenów to około 750 tysięcy słów. Poniższe ceny dotyczą jednego miliona tokenów wejścia i jednego miliona wyjścia osobno - to dwie pozycje na fakturze.
OpenAI
| Model | Wejście | Wyjście | Wejście z pamięcią podręcznej |
|---|---|---|---|
| gpt-6-astra | 10,00 $ | 50,00 $ | 1,00 $ |
| gpt-6.1-sol | 2,00 $ | 10,00 $ | 0,10 $ |
| gpt-6-luna | 0,10 $ | 0,50 $ | 0,01 $ |
| gpt-5.4 | 2,50 $ | 15,00 $ | 0,25 $ |
| gpt-4.1 | 2,00 $ | 8,00 $ | 0,50 $ |
| gpt-4o-mini | 0,15 $ | 0,60 $ | 0,075 $ |
| gpt-5-mini | 0,25 $ | 2,00 $ | 0,025 $ |
Anthropic
| Model | Wejście | Wyjście | Odczyt z pamięci |
|---|---|---|---|
| Claude Fable 5.1 | 10 $ | 50 $ | 0,25 $ |
| Claude Opus 5.5 | 4 $ | 20 $ | 0,20 $ |
| Claude Sonnet 5.5 | 2 $ | 10 $ | 0,20 $ |
| Claude Haiku 4.5 | 1 $ | 5 $ | 0,10 $ |
| Claude Opus 5 | 5 $ | 25 $ | 0,50 $ |
Ceny wejścia i wyjścia różnią się pięciokrotnie, a czasem dziesięciokrotnie. To znaczy, że długa odpowiedź kosztuje znacznie więcej niż długi prompt, choć intuicyjnie wydaje się odwrotnie. Jeśli automatyzacja generuje dużo tekstu, model droższy na wejściu bywa tańszy na wyjściu, dlatego wybór modelu robi się po sumie, a nie po jednej pozycji cennika.
Model dobierany do konkretnej automatyzacji opisuję osobno przy koszcie tysiąca zadań w n8n, bo tam liczy się koszt jednego zadania, a nie cena za milion tokenów.
Kontekst dłuższy niż 272 tysiące tokenów
OpenAI stosuje dwie stawki zależnie od długości wejścia: do 272 tysięcy tokenów i powyżej tej granicy. Dla gpt-6-astra wejście kosztuje wtedy 20 $ zamiast 10 $, a wyjście 75 $ zamiast 50 $. To nie jest podwyżka cen, tylko druga pozycja w tej samej tabeli, ale efekt jest taki, że bardzo długie wejście podwaja rachunek w mgnieniu oka.
Praktyczna konsekwencja: jeśli wrzucasz do modelu cały dokument, sprawdź, ile ma słów, zanim zaczniesz to robić w pętli. Przy przetwarzaniu wielu dokumentów lepiej ciąć je na części niż płacić podwójną stawkę za każdy.
Trzy dźwignie, które obniżają rachunek o połowę
Największej oszczędności nie daje wybór tańszego modelu, tylko tryb pracy. Są trzy przełączniki, które warto znać.
Tryb wsadowy (Batch)
Wysyłasz zapytania paczką, nie czekasz na odpowiedź, dostajesz ją później. Cena spada o połowę na wejściu i wyjściu jednocześnie. Dla Claude Sonnet 5.5 to 1 $ wejścia i 5 $ wyjścia zamiast 2 $ i 10 $. Dla OpenAI gpt-6-astra to 5 $ i 25 $ zamiast 10 $ i 50 $.
Ten tryb jest z natury rzeczy dla zadań, na które nie czekasz teraz: nocne podsumowania, klasyfikacja setek dokumentów, generowanie raportów. Nie nadaje się do czatu, w którym ktoś czeka na odpowiedź.
Pamięć podręczna (cache)
Jeśli wysyłasz ten sam duży fragment tekstu wielokrotnie - na przykład instrukcję firmy, dokumentację produktu albo bazę wiedzy - dostawca zapisuje go po stronie swojej i drugi raz pobiera za ułamek ceny. U Anthropica zapis na 5 minut kosztuje 1,25 stawki wejścia, zapis na 1 godzinę 2 stawki, a odczyt 0,1 stawki bazowej. Claude Opus 5.5 ma odczyt jeszcze tańszy, bo to 0,05 stawki.
Tu liczy się prosta arytmetyka. Przy Sonnet 5.5 zapis na 1 godzinę to 4 $ za milion tokenów, a odczyt 0,20 $. Zwraca się to po 20 odczytach: 4 $ dzielone przez 0,20 $ daje 20. Przy Opus 5.5 zapis na godzinę kosztuje 8 $, a odczyt 0,20 $, więc próg to 40 odczytów. Przy zapisie na 5 minut Sonnet wychodzi po 13 odczytach, a Opus po 25.
Czyli: jeśli ten sam materiał wrzucasz kilka razy dziennie, pamięć podręczna zwraca się w ciągu tygodnia. Jeśli wrzucasz go raz i zapominasz - płacisz za zapis i nie docierasz do odczytu.
Tryb szybki (Fast)
Tu jest odwrotnie: to dopłata, nie zniżka. gpt-6-astra w trybie Fast kosztuje 20 $ wejścia i 100 $ wyjścia, a w wariancie Ultrafast 60 $ i 300 $. Płaci się za priorytet w kolejce, nie za lepszą odpowiedź. Warto włączać tylko wtedy, gdy automatyzacja stoi i każda minuta zwłoki realnie kosztuje pieniądze.
Do tego dochodzą opłaty dodatkowe, o których łatwo zapomnieć. Wyszukiwanie w sieci kosztuje 10 $ za tysiąc zapytań, dodatkowa pamięć na pliki 0,10 $ za gigabajt dziennie, a regionalne przetwarzanie danych podnosi stawkę o 10%. Narzędzia w agentach też nie są darmowe - model używający przeglądarki dokłada około 6 600 tokenów systemowych do każdego wejścia, a narzędzie do edycji plików około 700.
Ile zjada jedno zadanie: liczenie na przykładzie
Poniższe liczenie to przykład rachunku, nie pomiar Twojej firmy. Załóżmy zespół dziesięciu osób, każda robi 30 zadań dziennie, miesiąc ma 22 dni robocze. To 10 × 30 × 22 = 6 600 zadań miesięcznie.
Załóżmy, że jedno zadanie to 1 000 słów wejścia i 500 słów odpowiedzi. Przy przeliczeniu 0,75 słowa na token daje to około 1 333 tokenów wejścia i 667 tokenów wyjścia na zadanie. Na całym miesiącu wychodzi 8,8 miliona tokenów wejścia i 4,4 miliona tokenów wyjścia.
Na Claude Sonnet 5.5 standardowo: 8,8 × 2 $ za wejście daje 17,60 $, a 4,4 × 10 $ za wyjście daje 44 $. Razem 61,60 $ miesięcznie za pracę dziesięciu osób. Przy Claude Opus 5.5 ta sama praca kosztuje 8,8 × 4 $ plus 4,4 × 20 $, czyli 35,20 $ plus 88 $, razem 123,20 $.
Ten sam wolumen w trybie wsadowym na Sonnet 5.5 spada do 8,80 $ za wejście i 22 $ za wyjście, czyli do 30,80 $ miesięcznie. Dokładnie połowa, bez zmiany jakości odpowiedzi - zmienia się tylko moment, w którym ją dostajesz.
I tu jest wniosek, który najbardziej zaskakuje: przy dziesięciu osobach i takim wolumenie cały rachunek za API to kilkadziesiąt dolarów miesięcznie. Licencje kosztują wtedy kilkaset. Dopiero przy dużym wolumenie, albo gdy model generuje długie odpowiedzi masowo, kolejność się odwraca i tokeny wychodzą na pierwsze miejsce. Dlatego przed zamówieniem czegokolwiek policz obie pozycje, nie jedną.
Porównanie obu licencji dla zespołu, z limitami i realnym kosztem pracownika, opisałem przy Claude kontra ChatGPT w zespole.
Infrastruktura: kiedy własny serwer, a kiedy zostaje API
Własny serwer ma sens dopiero wtedy, gdy masz powód, żeby nie korzystać z cudzego API. Najczęstszy to dane, których nie chcesz wysyłać do zewnętrznego dostawcy, albo wolumen tak duży, że pojedyncza maszyna z GPU wychodzi taniej niż miesięczne liczby tokenów.
| Konfiguracja | Rocznie | Bez zobowiązania | RAM | Dysk |
|---|---|---|---|---|
| 1 × RTX 4090 | 506,35 $ | 779 $ | 256 GB | 1,5 TB NVMe |
| 1 × RTX 5090 32 GB | 649,35 $ | 999 $ | 144 GB | 1 TB NVMe |
| 1 × A100 80 GB | 714,35 $ | 1 099 $ | 48 GB | 500 GB NVMe |
| 1 × RTX PRO 6000 Blackwell 96 GB | 845 $ | 1 300 $ | 200 GB | 1,3 TB NVMe |
To ceny z jednego dostawcy chmury GPU, stan na 30 września 2026. Kolumna roczna zawiera rabat 35% - dlatego kwota bez zobowiązania jest wyższa i obie liczby opisują tę samą maszynę, tylko z innym okresem rozliczenia. Przy 4090 rocznie wychodzi 506,35 × 12 = 6 076,20 $ za rok. Sama maszyna zwraca się w stosunku do API dopiero przy naprawdę dużym wolumenie, więc dla większości firm to zadanie na kilkanaście miesięcy, nie na tygodnie.
Limitem nie jest cena, tylko pamięć karty graficznej. Orientacyjnie: 8 GB VRAM wystarczy dla modelu 7 miliardów parametrów w wersji skróconej do czterech bitów, 24 GB dla modelu 13 miliardów i dla 70 miliardów w wersji skróconej, a powyżej 40 GB dla 70 miliardów w pełnej rozdzielczości. Jeśli nie masz pojęcia, czego potrzebujesz, zacznij od API.
Tanie serwery CPU w tej samej ofercie startują od 2,48 $ miesięcznie, ale to maszyny do n8n, backupów i monitoringu, nie do modeli. Realny rachunek za utrzymanie własnego serwera, wraz z backupem i monitoringiem, rozpisałem osobno przy n8n na własnym VPS. A jak rozstrzygnąć, czy budować własny model, czy płacić za API, opisałem w trzech scenariuszach kosztowych.
Koszt wdrożenia po polsku: widełki
Liczby w tej sekcji pochodzą z bloga agencji i są oznaczone przez jej autora jako przybliżone. Nie podaje on, czy podaje netto czy brutto, ani skąd zaczerpnął stawki, więc traktuj je jako rząd wielkości, a nie jako ofertę.
- Gotowy chatbot w usłudze abonamentowej: od 50 do 300 zł miesięcznie
- Podstawowe integracje AI: kilkaset złotych miesięcznie
- Testy funkcjonalne: od 2 000 do 10 000 zł
- Testy użytkowe i optymalizacja: od 3 000 do 15 000 zł
- Ciągłe monitorowanie i aktualizacje: od 500 do 2 000 zł miesięcznie
- Audyt bezpieczeństwa: od 5 000 do 15 000 zł
- Freelancer: od 10 000 do 30 000 zł
- Agencja: od 30 000 do 80 000 zł
- Software house: od 50 000 do 150 000 zł
Jedna konkretna liczba z tego źródła: wdrożenie za 50 000 zł, które podnosi przychód o 100 000 zł rocznie, czyli zwrot w sześciu miesiącach. To przykład autorów, nie mój projekt, ale dobrze pokazuje, jak liczy się zwrot - koszt wdrożenia dzielisz przez przyrost przychodu i mnożysz przez dwanaście.
Zwrot liczy się też na podstawie zaoszczędzonych godzin, co dla większości firm jest uczciwsze niż liczenie przychodu. O tym, jak ułożyć taki rachunek, pisałem osobno - tam jest rozpisany sam wzór, bez zależności od dostawcy modelu.
Arkusz kalkulacyjny: policz swój rachunek w 15 minut
Wpisz do arkusza sześć liczb. Reszta jest arytmetyką, nie zgadywaniem.
1. Liczba stanowisk. Tylko te, które faktycznie będą korzystać z płatnego planu. Nie licz całego działu, jeśli część osób zostaje na darmowym.
2. Licencja za stanowisko i okres. Weź cenę roczną i miesięczną osobno, a w osobnej kolumnie zapisz, ile miesięcy obowiązuje zobowiązanie. Różnica jest najczęściej największą pozycją w arkuszu.
3. Zadania na stanowisko dziennie. Liczba, którą da się obronić przed właścicielem. Jeśli nie masz jej zapisanej, policz przez tydzień na próbę - to najtańsze źródło danych, jakie istnieje.
4. Dni robocze w miesiącu. Standardowo 22, ale jeśli pracujesz w systemie zmianowym, wpisz swoją realną wartość.
5. Tokeny na zadanie - wejście i wyjście osobno. Weź z logu jednego zadania, a nie z własnego wyczucia. Podziel liczbę słów przez 0,75, żeby dostać tokeny. Jeśli nie masz logu, zrób trzy zadania na próbę i uśrednij.
6. Model i stawka. Wejście, wyjście i cena odczytu z pamięci podręcznej - trzy liczby z jednego wiersza cennika.
Po tym mnożysz: zadania na stanowisko razy dni robocze razy liczba stanowisk daje liczbę zadań w miesiącu. Mnożysz ją przez tokeny wejścia i mnożysz przez stawkę wejścia. Powtarzasz dla wyjścia. Do tego dodajesz licencje i dzielisz całość przez dwanaście.
W arkuszu warto mieć jeszcze trzy kolumny: koszt z pamięcią podręczną, koszt w trybie wsadowym i koszt przy droższym modelu. Różnica między nimi to realna decyzja, a nie różnica w estetyce wykresu. Taki układ masz gotowy w arkuszu na 50 osób - ten sam schemat, tylko liczony na osobach zamiast tokenach.
Kiedy AI nie warto kupować
Nie na każdym zadaniu AI się opłaca, i to jest zdanie, które widzisz rzadko, więc powiem wprost.
Nie opłaca się, gdy zadanie jest jednorazowe. Napisanie raportu, który potrzebujesz raz w miesiącu, wyjdzie drożej w API niż przy licencji, a przy jednym zleceniu taniej zrobi to człowiek. Licencja ma sens, gdy korzystasz z niej codziennie - wtedy koszt jednego dnia spada niemal do zera.
Nie opłaca się, gdy masz mało danych. Automatyzacja, która ma działać na dziesięciu przypadkach, nie zwróci kosztu integracji. Wątek, na którym warto się skupić, to ten, w którym powtarzalna robota zjada kilka godzin tygodniowo - widełki wdrożenia dla małej firmy znajdziesz tam, ale reguła jest prosta: licz godziny, nie pomysły.
Nie opłaca się też najdroższego modelu do prostych zadań. Klasyfikacja e-maili nie potrzebuje najdroższego modelu, bo różnica w jakości jest tam mierzalna, a w cenie - dziesięciokrotna. Cennik sam podpowiada właściwą kolejność: modele za 0,10 $ i 0,15 $ za milion tokenów wejścia istnieją nie dlatego, że są głupsze, tylko dlatego, że są szybsze i taniejsze.
No i ostatnia zasada, najważniejsza: mierz koszt, zanim zaczniesz. Pierwszy miesiąc pilota to najtańszy moment, żeby sprawdzić, ile realnie zużywasz tokenów. Po pół roku masz dane, a nie założenia - i wtedy decyzja o własnym serwerze albo o droższym planie jest naprawdę Twoja, a nie oparta na artykule, który czytałeś w lutym.
Jeśli chcesz przejść od liczb do konkretnego wdrożenia, napisz do mnie - odpowiadam zwykle tego samego dnia. Najpierw rozmawiamy o tym, który proces u Ciebie zajmuje najwięcej czasu w tygodniu, potem dostajesz zakres i wycenę na piśmie, a po wdrożeniu zostaje u Ciebie. Możesz też zajrzeć do realnego kosztu AI przy dziesięciu stanowiskach, żeby zobaczyć, jak to wygląda po stronie złotówek, z podatkiem.