Własny model czy API? 3 scenariusze kosztowe dla firmy (kalkulacja na 12 miesięcy) 

Najtańszy wariant dla firmy to w 2026 roku zwykle API z routingiem między modelami, a własny hostowany model zaczyna się spinać dopiero przy dużym, nieprzerwanym obciążeniu - rząd wielkości: około 90 dni. Własny model trenowany od zera to opcja dla firm, które mają dane, których nie chcą zlecać ani dostawcy API, ani kolokatorowi - i wybór tam nie jest cenowy, tylko wymogowy. Poniżej trzy scenariusze z liczbami na 12 miesięcy, razem z miejscami, gdzie cenniki się rozjeżdżają, bo to one, a nie same stawki, zwykle psują taką kalkulację.

Czym właściwie różnią się te trzy scenariusze

Różnica nie polega na jakości odpowiedzi modelu, tylko na tym, za co płacisz i co zostaje u Ciebie.

• API - płacisz za zużyte tokeny, sprzętu nie masz, model podmienisz w konfiguracji w kilka minut. Wyjście z układu to zmiana jednej zmiennej.
• Własny model na wynajętym GPU - bierzesz gotowe wagi modelu z otwartego kodu i płacisz za godziny pracy karty. Koszt jest stały tylko przy stałym obciążeniu.
• Własny model trenowany - dochodzi koszt danych, mocy obliczeniowej i ludzi, którzy to utrzymują. IBM nazywa tę drogę najbardziej wymagającą z trzech: przygotowanie danych i trenowanie są „compute-intensive and time-consuming”, a fine-tuning wymaga „multiple powerful GPUs running in tandem”.

Jedna uwaga metodologiczna, bo wraca przy każdej liczbie: wszystkie stawki poniżej są w dolarach. W żadnym ze źródeł nie ma kursu, stawek w złotówkach ani kosztu VAT. Kalkulację prowadzę więc w USD.

Scenariusz 1: tylko API - realna kalkulacja na 12 miesięcy

Baza do obliczeń: asystent obsługujący 10 000 rozmów dziennie, 500 tokenów wejścia i 300 tokenów wyjścia w każdej. To 150 milionów tokenów wejścia i 90 milionów wyjścia miesięcznie - wolumen użyty w kalkulacji CloudZero. Stawki pochodzą z jednego cennika, zweryfikowanego 20 sierpnia 2026 roku, żeby nie sklejać cen z różnych stron.

Model (stawki z 20.08.2026)	Za miesiąc	Za 12 miesięcy
GPT-5.6 Sol	3 450 USD	41 400 USD
GPT-5.6 Terra	1 380 USD	16 560 USD
Claude Sonnet 5	1 200 USD	14 400 USD
Claude Haiku 4.5	600 USD	7 200 USD
GPT-5.6 Luna	138 USD	1 656 USD

Ten sam wolumen, inna decyzja routingowa, 43-krotna różnica na fakturze. CloudZero używa tego zestawienia jako głównego argumentu: „Same traffic, a 43x spread, decided entirely by routing.” Nie chodzi o używanie najtańszego modelu do wszystkiego, tylko o kierowanie klasyfikacji i ekstrakcji na tani koniec, a flagowych modeli zostawianie tam, gdzie pomiar pokazuje poprawę.

Na tej samej objętości GPT-5.6 Sol po stawce promowej z 23 września 2026 roku (4 USD wejście, 20 USD wyjście) daje 2 400 USD miesięcznie, czyli 28 800 USD rocznie. Obniżka ma datę graniczną - 21 listopada 2026 - a lista cen to nadal 5 i 30 USD. Jedno źródło nazywa to obniżką ceny listowej, drugie promocją z terminem, więc w budżecie traktuję to jako obniżkę czasową.

Dwie dźwignie widać w cennikach, zanim ruszysz model. Przetwarzanie wsadowe kosztuje połowę stawki, a wejście z cache to około 10 procent standardowej ceny wejścia; przy Anthropic prompt caching daje nawet do 90 procent oszczędności. Skrócenie promptu o połowę daje połowę kosztu po stronie wejścia.

Jedno ostrzeżenie z tabeli, bo łatwo policzyć na niej budżet: DeepSeek V3.2 wciąż figuruje w cenniku CloudZero, a w stopce tej samej strony jest informacja, że model i starsze aliasy API zostały wycofane 24 lipca 2026. Wartość 80 USD miesięcznie z przykładu jest realna historycznie, a nie jako plan na dzisiaj.

To inna kalkulacja niż aplikacja dla tysięcy klientów - realny koszt API na jednego pracownika w 2026 roku mierzy co innego, więc tych liczb nie mieszaj.

Scenariusz 2: własny model na wynajętym GPU

Jedyna kwota za godzinę GPU, jaką znalazłem w źródłach, to benchmark chmury podany przez MillionMiner: Lambda w trybie on-demand kosztuje około 2,99 USD za GPU-godzinę dla H100. Przy 730 godzinach miesiąca daje to 2 182,70 USD miesięcznie, czyli 26 192,40 USD rocznie za jedną kartę pracującą bez przerwy. To moje przeliczenie stawki godzinowej, nie oferta.

Drugi zestaw pochodzi z kalkulatora TCO tego samego dostawcy kolokacji, dla węzła z ośmioma H100 SXM5 o poborze 10,2 kW: 2 085 USD miesięcznie wobec 69 846 USD za odpowiadającą dzierżawę chmurową. Na 12 miesięcy to 25 020 USD wobec 838 152 USD.

Zatrzymajmy się, bo te dwie liczby wyglądają jak świetna okazja, a nie są. Kolokacja całego węzła z ośmioma kartami kosztuje mniej niż jedna karta w chmurze za miesiąc. Nie da się ich porównać, bo mierzą różne rzeczy: węzeł z mocą, rackiem i serwisem wobec pojedynczej GPU-godziny na żądanie. Jeśli ktoś pokaże Ci takie zestawienie jako argument, zapytaj o zakres obu kwot.

Dwa progi z tego samego źródła są tu najbardziej użyteczne, bo nie zależą od kursu ani od sprzętu. Poniżej około 25 procent wykorzystania GPU wynajmuj: własny sprzęt przy niskim obciążeniu to pieniądze zamrożone w szafie. Po około 90 dniach nieprzerwanej pracy własny sprzęt z hostingiem ma zwykle obniżyć całkowity koszt posiadania o ponad 60 procent. To deklaracja operatora kolokacji liczącego pod własnym kątem, ale kierunek jest zgodny z Twoim rachunkiem.

Jeśli wybierasz tę drogę, samodzielne hostowanie modelu ma skutek uboczny: dane nie opuszczają Twojej infrastruktury, a z wyborem kolokatora wiąże się kwestia jurysdykcji danych.

Scenariusz 3: własny model trenowany - tu nie ma liczb

Powiem wprost, bo w tym punkcie najczęściej widzę zawyżone obietnice: w żadnym ze źródeł, które przejrzałem, nie ma kwoty kosztu treningu modelu od zera. Ani w dolarach, ani w godzinach mocy obliczeniowej, ani w etatach. Jest opis mechanizmu, nie jego rachunek.

Co jest wiadomo: IBM pisze, że fine-tuning wymaga kilku potężnych GPU działających razem, a PEFT pozwala przeprowadzać taki retraining na prostszym sprzęcie przy porównywalnym przyroście jakości. MillionMiner opisuje skalę od strony mocy: węzeł z ośmioma H100 to 10,2 kW do pilota, a rozproszone uczenie to 24 i więcej węzłów HGX przy 250 kW.

Jedno ustawienie sprzętowe pokazuje, dlaczego wybór GPU jest trudniejszy, niż wygląda na stronie z cennikiem. Hetzner opisuje swoje serwery GPU jako maszyny z jedną kartą, których nie da się skonfigurować z wieloma GPU. Model GEX131 ma 96 GB pamięci VRAM i „sufficient performance for training most popular AI models”. To prawda dla pojedynczego, mniejszego modelu; dla fine-tuningu wymagającego kilku GPU w tandemie ten sprzęt nie wchodzi w grę, niezależnie od ceny.

Do tego dochodzi koszt nie do wycenienia z tabelki: wdrożenie AI to nie instalacja, tylko monitorowanie, retraining i rozwój - tak to ujmuje cm-opti. Po drugiej stronie: wiedza zostaje w firmie, ale odchodzi z osobą. Etat to koszt stały niezależnie od obciążenia, firma zewnętrzna to koszt proporcjonalny do zakresu pracy, a stawka godzinowa partnera jest wyższa niż koszt godziny pracownika. Wybierasz to raz i na lata, więc postaw obie pozycje obok siebie na papierze.

Zanim kupisz cokolwiek, sprawdź, czy nie wystarczy tańsza droga. IBM porządkuje metody rosnąco: inżynieria promptów jest „the least time-consuming and resource-intensive”, RAG wymaga wiedzy o danych i potoków, a fine-tuning jest najcięższy. Granicą, za którą ten scenariusz naprawdę wchodzi w grę, jest moment, w którym przestaje wystarczać samo promptowanie.

Skąd biorą się różnice między cennikami

Ta sama stawka policzona w dwóch źródłach różni się czasem o 2,5-krotność. To nie błąd jednej ze stron, tylko cecha rynku, w którym ceny zmieniają się z tygodnia na tydzień.

Co się rozjechało	Wersja A	Wersja B
GPT-5.6 Sol (wejście / wyjście)	5 / 30 USD - cena listowa, CloudZero, 20.08.2026	4 / 20 USD - promocja, Nadir, 23.09.2026
GLM 5.2 (wejście)	0,447 USD - średnia ważona po hostach OpenRouter	1,40 USD - cennik producenta
GLM 5.3 (wejście)	1,40 USD - lista, CheapestInference	0,18 USD - przez OpenRouter, CostGoat
Qwen 3.8 Max (wejście / wyjście)	2,00 / 6,00 USD - Nadir i CostGoat	1,65 / 4,951 USD - zakres „Global”, BinaryVerse

Do tego dochodzą dwie różnice widać bez żadnej tabeli. Strony różnią się zakresem modeli: zestawienie CloudZero z 20 sierpnia nie zawiera między innymi Claude Opus 5.5, Grok 4.7 ani GLM 5.3, a zestawienia BinaryVerse i CostGoat z końca września już je wymieniają - to cztery do sześciu tygodni różnicy w realnym rynku, nie błąd redakcji. Druga: część porównań nie jest cennikiem providera, tylko stroną sprzedażową z własnym interesem. Traktuj każdą tabelę cenową jako zdjęcie z konkretnego dnia, a nie jako układ scalony na rok.

Przy okazji: ceny DeepSeek nie są już płaskie. Od 16 sierpnia 2026 stawka zależy od pory, a szczyt przypada na okno między 01:00 a 04:00. Przy dużym przepływie pora dnia ma znaczenie. Stan aktualnych wersji i cen zebrałem w tekście o DeepSeek po polsku, wersje i ceny.

Najtańszy token to nie najtańsze zadanie

Porównywanie modeli po stawce za milion tokenów prowadzi do błędnych wniosków, a powodów jest cztery.

Pierwszy: tokenizery różnią się między modelami. Claude Sonnet 5 „produces roughly 30% more tokens than Sonnet 4.6 for identical input”. Deklarowana obniżka cennika Sonnet 5 względem 4.6 jest wtedy obniżką tylko na poziomie tokenu, nie na poziomie zadania.

Drugi: tokeny rozumowania są rozliczane po stawce wyjścia, a stawka wyjścia w tabeli to podłoga, nie rachunek. CloudZero przy zadaniach z dużą ilością rozumowania podaje koszty efektywne od 3 do 10 razy wyższe niż stawka bazowa.

Trzeci: progi za długość promptu potrafią być nieciągłe. Przy Grok 4.6 prompt na 199 tys. tokenów i prompt na 201 tys. tokenów różnią się kosztem o ponad dwukrotność. Jedna dodatkowa linijka kontekstu potrafi przenieść Cię do innej klasy cenowej.

Czwarty: jakość po prostu się różni. Zasada CloudZero brzmi: „cheapest per token is not cheapest per task”. Model budżetowy, który za trzy próby nie daje odpowiedzi, drożej kosztuje niż model średni za jedną.

Praktyczna wersja: kaskadowanie zadań daje oszczędność rzędu 60 do 80 procent wobec używania modeli premium do wszystkiego. To nie mój pomiar, lecz deklaracja CostGoat, więc traktuj ją jako kierunek do sprawdzenia.

Rynek jednocześnie tanieje: Nadir podaje spadek miesięcznej ceny rynkowej za milion tokenów z 2,04 USD 31 maja do 1,16-1,18 USD w pierwszym tygodniu sierpnia, przy medianie około 0,53 USD dla modeli z otwartymi wagami wobec 2,81-3,00 USD po stronie zamkniętych. To argument za wyborem modelu raz na kwartał - decyzja o routingu starsza niż kwartał działa na nieaktualnych cenach.

Co realnie decyduje: dane, jurysdykcja, przewidywalność

• Jurysdykcja danych. Przy API wybierasz kraj przetwarzania zgodny z RODO i regulacjami, których dotyczy Twoja firma. Przy własnym sprzęcie wybierasz operatora kolokacji i jego lokalizację. Hetzner publikuje informację o zgodności z RODO i o lokalizacjach w Europie, co dla europejskiej firmy bywa argumentem rozstrzygającym.
• Wrażliwość danych. Dane klientów, dokumenty, dane medyczne lub finansowe zmieniają rachunek. Wtedy pytanie, które zadanie w ogóle wychodzi do zewnętrznego dostawcy, przesuwa się przed pytanie o cenę.
• Przewidywalność i dostępność. Przy API masz gotową skalę i cudzy serwis. Przy własnym GPU płacisz za godziny, także te, w których karta stoi, bo nie ma zlecenia. Własny model ma więc sens przy obciążeniu powtarzalnym, a nie przy jednym projekcie na miesiąc.
• Koszty pośrednie. Monitoring, logowanie, retraining, rotacja, szkolenia. W źródłach nie ma dla tych pozycji kwot - są tylko nazwy. Do Twojej kalkulacji musisz je wstawić sam, bo nikt tego nie zrobi za Ciebie.

Od czego zacząć: Twoja własna kalkulacja w pięciu krokach

1. Policz realny wolumen. Weź z logów, nie z prognozy, ile tokenów miesięcznie faktycznie zużywasz. Rozbij wejście i wyjście osobno, bo to dwie różne stawki.
2. Policz dwie skrajne wartości. Jedną na najtańszym sensownym modelu, drugą na flagowym. Rozpiętość między nimi to Twój prawdziwy budżet decyzyjny, nie średnia rynkowa.
3. Sprawdź, czy wystarczy promptowanie lub RAG. Zanim pojawi się jakakolwiek karta GPU, zrób mini-ewaluację na 50 do 200 własnych przypadków. To najtańszy test, jaki istnieje, a wynik decyduje o kilku tysiącach dolarów.
4. Dolicz koszty, których nikt nie policzy za Ciebie. Monitoring, retraining, czas na utrzymanie. Bez tej pozycji każda kalkulacja porównawcza jest zbyt optymistyczna.
5. Zapisz datę cennika, na której opierasz budżet. Za kwartał sprawdź, ile z tych założeń wciąż żyje.

Jeśli chcesz liczyć nie koszt API, lecz cały rachunek wdrożenia, prosty rachunek ROI automatyzacji opiera się na tych samych założeniach, tylko z dokładaniem czasu ludzi.

Jeśli nie masz pewności, który scenariusz pasuje do Twojej firmy, zacznij od rozmowy, nie od zamówienia sprzętu. Opisz, co chcesz automatyzować i ile miesięcznie to realnie generuje, a dostaniesz widełki kosztów i czasu dla konkretnego przypadku. Napisz do mnie - odpowiadam zwykle tego samego dnia.