Koszt tokenów Claude Code: skąd te 33 tysiące na starcie?

Zanim wpiszesz w Claude Code choćby “cześć”, sesja jest już zapełniona. Około 33 tysiące tokenów lecą do modelu, zanim on w ogóle zobaczy Twoje pytanie. To mniej więcej jedna szósta standardowego okna kontekstu zajęta przez samo narzędzie. Dla porównania konkurencyjny OpenCode wystartuje z bagażem niemal pięć razy lżejszym, około 7 tysięcy tokenów. Brzmi jak łatwy zarzut o rozrzutność. Tyle że gdy prześledzi się całe zadanie od początku do końca, obraz robi się znacznie ciekawszy, a końcowy rachunek nie układa się tak, jak podpowiada pierwszy odruch.

Skąd bierze się te 33 tysiące tokenów

Największą część bagażu stanowią nie instrukcje, tylko opisy narzędzi. Claude Code przy każdym starcie przedstawia modelowi komplet dostępnych funkcji: czytanie plików, edycja, uruchamianie poleceń, przeszukiwanie, praca z gałęziami. Tych opisów jest kilkadziesiąt i to one zjadają lwią część limitu.

To trochę jak stolarz, który przed rozpoczęciem pracy wykłada na blat wszystkie dłuta, piły i miarki, nawet jeśli do danej roboty użyje trzech. Model musi wiedzieć, czym dysponuje, więc dostaje pełen katalog z góry.

Sam opis roli asystenta to kolejny kawałek, rzędu kilku tysięcy tokenów. OpenCode robi to samo, tylko oszczędniej: mniej narzędzi w zestawie, krótszy opis roli. Stąd różnica na starcie. Warto dodać, że sama proporcja bywa mniejsza na nowszych modelach – z niemal pięciokrotnej potrafi zejść bliżej trzykrotnej.

Cięższy start, ale co z całym zadaniem?

Tu zaczyna się część, którą łatwo przeoczyć. Niezależny test przepuścił oba narzędzia przez to samo wieloetapowe zadanie i policzył wszystko do końca. Claude Code domknął je w trzech żądaniach i zużył około 121 tysięcy tokenów wejściowych. OpenCode potrzebował dziewięciu żądań i wyszło mu około 132 tysiące.

Cięższy na starcie zużył na mecie mniej tokenów wejściowych. Dlaczego? Bo w tym teście Claude Code grupował wywołania narzędzi w większe paczki i rzadziej wracał do modelu. OpenCode ruszał lekko, ale swój mniejszy bagaż dokładał raz za razem, przy każdej turze. Trzy solidne pakiety kontra dziewięć drobnych przebiegów.

Zastrzeżenie jest ważne. Mniej tokenów wejściowych to jeszcze nie niższa faktura. Claude Code częściej przebudowywał pamięć podręczną, a takie zapisy rozlicza się drożej – wrócimy do tego za chwilę. Licznik na starcie mówi Ci tylko, ile ważysz, zanim ruszysz. O końcowym koszcie decyduje przebieg całej sesji.

Co naprawdę pompuje Twój rachunek

Jeśli chcesz szukać oszczędności, patrz nie na fabryczny bagaż narzędzia, tylko na to, co dokładasz od siebie. Tu leży prawdziwa dźwignia kosztów.

Pliki instrukcji i serwery MCP

Fabryczne 33 tysiące tokenów to sytuacja z pustego projektu. W prawdziwym repozytorium dochodzą Twoje własne pliki z instrukcjami dla asystenta. W teście plik reguł o wadze 72 kilobajtów dokładał średnio kolejne 20 tysięcy tokenów do każdego żądania. Każdego, nie raz na sesję.

Do tego dochodzą serwery MCP, czyli wtyczki rozszerzające możliwości narzędzia o dostęp do zewnętrznych usług. Każdy podłączony serwer dorzuca do wspólnej puli opisy swoich funkcji. Kilka aktywnych wtyczek naraz i baza sesji potrafi wyraźnie spuchnąć, zanim napiszesz cokolwiek konkretnego.

Przepisywanie pamięci podręcznej

Jest jeszcze cichszy koszt. Modele potrafią tanio odczytać powtarzalny początek rozmowy z pamięci podręcznej, o ile jest on identyczny co do bajta. OpenCode utrzymuje ten początek stabilnie, więc płaci za jego zapis rzadko. Claude Code częściej go przebudowuje, a każdy taki zapis to osobny wydatek. W identycznym zadaniu potrafi to być kilkadziesiąt tysięcy tokenów samego przepisywania pamięci. Na fakturze to pozycja, której nikt nie zauważa, dopóki jej nie policzy.

Jak trzymać koszty w ryzach

Dobra wiadomość: sporą część tych kosztów kontrolujesz sam, niezależnie od tego, jak narzędzie zbudowano. Kilka nawyków robi wyraźną różnicę.

Odchudź plik z instrukcjami. Jeśli Twój zestaw reguł dla asystenta rozrósł się do kilkudziesięciu kilobajtów, dokładasz jego ciężar do każdego pojedynczego żądania. Zostaw to, co faktycznie zmienia zachowanie modelu, resztę utnij.

Odłączaj serwery MCP, których akurat nie używasz. Trzymanie pięciu aktywnych wtyczek “na wszelki wypadek” to stały podatek od każdej tury. Włączaj je pod konkretne zadanie.

Dziel duże zadania świadomie. Skoro grupowanie żądań się opłaca, formułuj polecenia tak, by model wykonał kilka kroków naraz, zamiast wracać do Ciebie po każdej drobnej czynności. Przy okazji warto zajrzeć, jak wygląda cennik i wydajność różnych modeli AI dla programistów, bo wybór modelu potrafi zmienić rachunek bardziej niż każda z tych sztuczek osobno.

Frontend Master 2026 · Kodożercy

Wreszcie rozumiesz, dlaczego kod od AI raz działa, a raz nie

Frontend Master 2026 to pakiet sześciu kursów Kodożerców, który daje Ci język do prowadzenia kodu od AI: poprawiania, łączenia, rozszerzania i szybkiego znajdowania linijki, którą trzeba zmienić. Bez teorii dla samej teorii.

Wchodzę w to →

Podsumowanie

Claude Code faktycznie startuje ciężko. Trzydzieści trzy tysiące tokenów na wejściu to około pięć razy więcej niż lżejszy OpenCode, a najwięcej waży katalog dostępnych narzędzi. Tyle że na dłuższym zadaniu to właśnie cięższe narzędzie zużyło mniej tokenów wejściowych, bo rzadziej odpytuje model. Sam licznik na starcie niewiele więc mówi o końcowej fakturze, zwłaszcza że dochodzi do tego droższe przepisywanie pamięci podręcznej. Realną różnicę robi jednak to, co dokładasz sam: rozdęty plik instrukcji i garść wiecznie włączonych wtyczek podbijają koszt każdego żądania, a nie raz na sesję. Kto to okiełzna, mocno przycina rachunek, którymkolwiek narzędziem pracuje. Cała reszta to sprzeczka o wagę plecaka, a nie o długość marszu.

Mateusz Wojdalski

Specjalista SEO i content marketingu w Devstock. Zajmuję się strategią treści, automatyzacją procesów marketingowych i wdrożeniami AI w codziennej pracy. Badam nowe narzędzia, adaptuję je do realnych zadań i piszę o tym, co faktycznie działa.