Cennik jednego z dużych dostawców LLM mieści się dziś na jednym slajdzie. Cztery liczby na milion tokenów, kolory firmowe, drobny dopisek o zmianach. Rachunek za pierwszy miesiąc i tak nie zgadza się z tym slajdem. To nie jest błąd księgowości. LLM API cena rozjechała się z faktyczną fakturą w 2026 roku tak bardzo, że dostawcy muszą tłumaczyć klientom, dlaczego migracja “na tańszego” kosztowała ich w pierwszym tygodniu trzykrotnie więcej. Stawka “za milion tokenów” rzeczywiście była niższa, ale rachunek o tym tylko częściowo zdecydował. Głównym sprawcą tej luki jest mechanika cache’owania promptów, a pułapek w niej jest co najmniej pięć. Druga warstwa różnicy to architektura rynku, której nie widać na slajdzie. Dostawców trzeba dziś dzielić na cztery klasy, z których każda inaczej liczy ten sam token.
Cennik podstawowy to ułamek prawdy o LLM API cenie
Zacznijmy od porządku. Cennik publiczny LLM API składa się z dwóch liczb. Pierwsza to cena tysiąca albo miliona tokenów wejściowych, druga – tej samej jednostki dla tokenów wyjściowych. Brzmi to elementarnie, dopóki nie zacznie się prawdziwe użycie. Wtedy okazuje się, że na fakturę wchodzi co najmniej pięć dodatkowych pozycji, których w tabeli nie było. Dotyczy to bowiem zapisu i odczytu z cache, oddzielnie liczonych tokenów kontekstu długiego, opłat za przyspieszone zwroty oraz kosztu logów, jeśli dostawca trzyma je za użytkownika.
Czytelnik praktykujący dziennie z API zna ten obraz. Z poziomu CTO pojawia się on dopiero w chwili spotkania budżetowego. Wtedy ktoś musi wyjaśnić, dlaczego zespół ślubował niższy koszt, a dostarczył wyższy. Z tego powodu rośnie w 2026 roku nowy zawód: konsultant od optymalizacji pracy z promptami. Jego główną pracą jest przepuszczenie kodu klienta przez pełen profil dostawcy i pokazanie, ile zostawia się na podłodze.
Cache pricing to największa zmienna w cenniku 2026
Najmniej widocznym, a jednocześnie najsilniejszym czynnikiem różnicującym jest dziś cache pricing, czyli sposób, w jaki dostawca rozlicza powtarzające się fragmenty promptu. Mechanika jest prosta. Jeżeli ten sam długi prefix (np. system prompt z regułami dla agenta) trafia do modelu kilka razy w serii, dostawca może go zachować w pamięci wewnętrznej. W efekcie przy kolejnym wywołaniu pobiera częściową opłatę zamiast pełnej. Jest to dziś kluczowa optymalizacja kosztowa dla aplikacji agentowych, w których ten sam prompt leci do modelu setki razy w ciągu jednej sesji. Sposób wyceniania tej optymalizacji różni się natomiast między dostawcami fundamentalnie.
OpenAI: discount na cached input, prosty model
Najczystsza propozycja jest u OpenAI. Cached input dostaje stały rabat względem ceny pełnej, a klient nie płaci osobnej opłaty za zapis. W trybie domyślnym in-memory cache żyje kilka minut bez aktywności, ale nowsze modele OpenAI obsługują też dłuższą retencję – extended prompt cache do dwudziestu czterech godzin bez osobnej opłaty za zapis. Z tego powodu model jest intuicyjny w kalkulacji. Wymaga jednak, by aplikacja faktycznie powtarzała ten sam prefix wystarczająco często, by się to opłacało.
Anthropic: write 25 procent drożej, read 90 procent taniej, ale TTL gra rolę
Bardziej zaawansowane podejście proponuje Anthropic. Tu zapis do cache jest wyraźnie droższy od pełnej ceny inputu (najczęściej w okolicach jeden i ćwierć razy), za to odczyt z cache to ułamek pełnej stawki. Cache ma natomiast wbudowany TTL, czyli czas ważności, który można wydłużyć dopłatą. Konsekwencja praktyczna jest taka, że źle ułożona aplikacja agentowa może w skrajnym przypadku zapłacić więcej u Anthropic za samo “zachowanie kontekstu”, niż zapłaciłaby u OpenAI za normalną inferencję bez cache.
DeepSeek i open source agregatory: zniżki na cache czytelne dopiero w SDK
W trzecim modelu siedzą DeepSeek i dostawcy agregujący open source. DeepSeek publikuje w cenniku osobne stawki dla cache hit i cache miss, więc strukturę widać już na stronie z cenami. U części agregatorów oraz katalogów modeli te szczegóły pojawiają się jednak dopiero w dokumentacji klienta i polach raportowania użycia. Wówczas okazuje się, że odczyt z cache bywa wielokrotnie tańszy, czasem nawet niemal darmowy, ale zapis wlicza się od pierwszego znaku. Dla zespołu, który modeluje koszty z poziomu prezentacji, taki wariant wygląda na “najtańszy” do momentu, w którym ktoś przeczyta dokumentację API. Pisaliśmy o szerszym wątku otwartych dostawców przy analizie GLM-5.2 jako lokalnej alternatywy dla amerykańskich modeli.
Cztery klasy dostawców na rynku 2026
Druga warstwa różnicy cennikowej idzie po linii architektury rynku. W 2026 roku rozsądnie jest dzielić dostawców LLM API na cztery klasy, bo każda inaczej liczy ten sam token i inaczej reaguje na wzrost wolumenu klienta.
Big Tech bezpośrednio
Tu siedzą OpenAI, Anthropic i Google. Mają najpełniejsze SLA i najlepsze dokumentacje. Z reguły oferują regionalne strefy danych w Europie oraz ekosystem narzędzi dookoła. Płaci się jednak premię za markę. Publicznie trudno zakładać natomiast głębokie rabaty bez zobowiązań wolumenowych albo rocznych umów ramowych. Polski CFO, który zażąda obniżki, dostanie odpowiedź “weź roczne zobowiązanie z limitem górnym”, co u wielu nie domyka się ekonomicznie.
Agregatory typu OpenRouter
OpenRouter, Portkey i podobni grają model agregatora. Klient ma jedno API, za którym stoi kilkudziesięciu dostawców. Płaci się wówczas minimalną marżę na każdą inferencję, w zamian dostaje fail-over między modelami, jednolity rozliczeniowy raport i możliwość przełączenia się na tańszego dostawcę bez przepisywania aplikacji. Wadą jest słabsze SLA, czyli mniej gwarancji ciągłości, oraz cienka linia, kiedy dostawca w tle zmienia warunki.
Specjalizowane inference
Groq, Fireworks AI, Together AI i Replicate to dostawcy, którzy stawiają inferencję na własnej infrastrukturze i biją cenowo nawet Big Tech w konkretnych klasach modeli, zwłaszcza open source. Groq idzie w ekstremalną prędkość, Fireworks w rozsądny stosunek prędkości do kosztu, Together w szeroki katalog modeli. Dla aplikacji typu chatbot konsumencki to często najlepsza pozycja kosztowa, choć ryzyko regionalne (dane przepływają przez USA) trzeba ocenić osobno.
Open source self-host
W ostatniej klasie siedzi pełna kontrola: model otwarty, wagi pobrane lokalnie, inferencja na własnym sprzęcie. Tu cennik publiczny dostawcy zostaje zastąpiony rachunkiem za prąd, sprzęt i ludzi, którzy go utrzymują. Mniej elastyczne, ale dla scenariuszy ściśle regulowanych (medycyna, finanse) jedyne sensowne rozwiązanie. Pisaliśmy o tej drodze przy okazji Apertus, szwajcarskiego modelu z ETH, który jest dziś jedną z najbardziej dojrzałych ofert otwartych w Europie.
Co bierze polski CTO przy wyborze dostawcy
Dla zespołów planujących adopcję AI w polskim biznesie powyższe trzy warstwy złożoności mają konkretną konsekwencję. Wybór dostawcy LLM API przestaje być decyzją “kto ma niższą stawkę za milion tokenów”. Staje się natomiast wieloparametryczną kalkulacją, której nie zrobisz w arkuszu na jedną kolumnę. Najpierw policz koszt pełny w swoim scenariuszu. Chodzi tu o realny rozkład cache’owania, długość kontekstu, częstotliwość wywołań i region danych. Następnie sprawdź SLA, bo dla aplikacji produkcyjnej krótka przerwa kosztuje więcej niż dwa miesiące rachunku za API. Z kolei polityka transferu danych jest niezbywalna dla branż regulowanych. Klauzule dostawcy bywają tu natomiast kompletnie różne dla “sieciowego” Anthropic i dla “konsumenckiego” OpenRouter.
Trzecia warstwa decyzji to elastyczność migracji. Rynek LLM zmienia się dziś co kwartał, a różnice cenowe między modelami robią się w kolejnym kwartale potencjalnie dwucyfrowe. Co więcej, to samo widać przy zmianach udziałów rynkowych Big Techu, w których ChatGPT pierwszy raz spadł poniżej 50 procent rynku, a Gemini i Claude rosną. Architektura, która wpina się sztywno w konkretnego dostawcę, naraża dlatego zespół na utrzymywanie wyższych kosztów po kolejnej zmianie cennika. Z kolei architektura, która korzysta z agregatora lub abstrakcji typu LangChain, traci nieco wydajności, ale zyskuje opcjonalność.
Ostatnia warstwa to umiejętność czytania liczb od dostawcy. Jeśli na piątkowej konferencji branżowej slajd pokazuje, że nowy dostawca jest o dwadzieścia procent tańszy od Anthropic, sensownie jest dopytać, czy porównanie obejmuje cache, prefix repeat, długi kontekst i region. Pisaliśmy o podobnym ostrzeżeniu w temacie benchmarków AI programowania, w których DeepSWE pokazał, że klasyczne testy przestały mówić prawdę o produkcyjnym kodzie. Mechanika jest identyczna. Wszystko, co dostawca pokaże, jest zawsze tylko fragmentem prawdy.
Pierwsza Misja AI · Kodożercy
AI bez technikaliów – kurs i certyfikat
Pierwsza Misja AI to kurs Kodożerców dla absolutnych początkujących. Sci-fi fabuła, gamifikacja, prawdziwy GPT-4 w ćwiczeniach, certyfikat na koniec.
Zacznij Pierwszą Misję →
Podsumowanie
LLM API cena w 2026 roku przestała być pojedynczą liczbą. Stała się natomiast wieloparametryczną funkcją, której fragmenty dostawca pokazuje wybiórczo na slajdzie. Polskie zespoły wybierające dostawcę nie powinny przepuszczać cennika bez kalkulacji pełnego scenariusza, bo różnica między tabelą a rachunkiem wynosi dziś standardowo kilkadziesiąt procent. Dobrą wiadomością jest to, że ta sama złożoność daje zespołowi przewagę negocjacyjną. Kto rozumie cache pricing, klasy dostawców i mechanikę rabatów wolumenowych, jest w stanie obniżyć rachunek bez utraty jakości. Złą wiadomością jest natomiast to, że na nauczenie się tych mechanizmów dostawca nie zostawia czasu. Cennik na slajdzie został tak zaprojektowany, by wyglądał jak ostateczna odpowiedź.
Newsletter · DevstockAcademy & Kodożercy
Bądź na bieżąco ze światem IT, AI i automatyzacji
Co wtorek: newsy z branży, praktyczne tipy i narzędzia które warto znać. Zero spamu.
