Google jest bezpłatny. Wpisujesz, klikasz, dostajesz wyniki. Płacisz niewidocznie – uwagą, danymi, reklamami, które oglądasz. Model biznesowy ukryty za szklanym ekranem, niewidoczny dla przeciętnego użytkownika.
AI działa inaczej. I właśnie dlatego, gdy zaczynasz używać jej poważnie – do pracy, do analizy dokumentów, do pisania kodu – pojawia się rachunek. Konkretny, wymierny, rosnący wraz z każdym pytaniem.
Za co właściwie?
Nie płacisz za odpowiedź. Płacisz za myślenie.
Zacznijmy od intuicji, która wszystko porządkuje.
Gdy wpisujesz pytanie do Google, wyszukiwarka robi coś stosunkowo prostego: porównuje twoje słowa z indeksem miliardów stron internetowych i zwraca te, które najlepiej pasują. To szybka, zautomatyzowana operacja – jak szukanie hasła w bardzo dobrze zorganizowanym katalogu bibliotecznym. Tania obliczeniowo, możliwa do finansowania reklamami.
Gdy piszesz do AI – ona nie szuka. Ona tworzy. Każda odpowiedź jest generowana od zera, słowo po słowie, przez setki warstw obliczeniowych, które analizują twoje pytanie, rozumieją kontekst całej rozmowy i przewidują najbardziej trafny ciąg dalszy. To operacja fundamentalnie droższa – i dlatego ktoś musi za nią zapłacić.
Ale jak zmierzyć, ile kosztuje jedno „myślenie”? Tu właśnie wkracza pojęcie, które słyszysz coraz częściej.
Token – waluta świata AI
Wyobraź sobie, że zamiast płacić za rozmowę telefoniczną jako całość, płacisz za każdą wymówioną sylabę. Każde „hej”, każde „tak”, każde „do widzenia” – wszystko ma swoją cenę mierzoną w jednostkach mowy. Absurdalne w świecie telefonów. Całkowicie logiczne w świecie AI.
Token to właśnie taka podstawowa jednostka obliczeniowa modelu językowego. Nie jest to dokładnie litera ani dokładnie słowo – jest czymś pomiędzy. Najprostszy opis: token to fragment tekstu, który model przetwarza jako jedną całość.
Jak to wygląda w praktyce? Słowo „weekend” to prawdopodobnie jeden token. Słowo „nieoczekiwanie” może być rozbite na dwa: „nieoczeki” i „wanie” – bo model widywał te fragmenty częściej osobno niż razem. Spacja, przecinek, nawias – to też tokeny. Liczba „2026″ może być jednym tokenem albo czterema cyframi potraktowanymi osobno.
Średnio, dla języka angielskiego przyjmuje się, że jeden token to mniej więcej trzy czwarte słowa. Dla języka polskiego – języka z długimi, odmienianymi przez przypadki formami – tokenów jest zazwyczaj więcej na to samo zdanie, bo model częściej „łamie” słowa na mniejsze kawałki.
Sto tokenów to mniej więcej siedemdziesiąt pięć angielskich słów. Albo sześćdziesiąt polskich. Mniej więcej pół strony maszynopisu.
Dwa liczniki, które działają jednocześnie
I tu pojawia się szczegół, którego większość użytkowników nie podejrzewa.
Gdy piszesz do AI, uruchamiają się dwa liczniki tokenów jednocześnie.
Pierwszy liczy tokeny wejściowe – wszystko, co model musi przeczytać, zanim zacznie odpowiadać. To nie tylko twoje bieżące pytanie. To cała historia rozmowy od początku – każde poprzednie pytanie, każda poprzednia odpowiedź. Im dłuższa rozmowa, tym więcej tokenów wejściowych przy każdym kolejnym pytaniu.
Wyobraź sobie rozmowę jako zwój papieru, który rośnie z każdą wymianą zdań. Zanim AI odpowie na twoje dziesiąte pytanie w tej rozmowie, musi przeczytać cały zwój od początku – żeby rozumieć kontekst. I każde przeczytane słowo tego zwoju to token wejściowy, za który płacisz.
Drugi licznik liczy tokeny wyjściowe – każde słowo odpowiedzi, którą generuje model. Te są zazwyczaj droższe od wejściowych, bo generowanie jest bardziej obliczeniowo kosztowne niż czytanie. AI musi nie tylko zrozumieć pytanie, ale też wyprodukować odpowiedź – a to wymaga wielokrotnie więcej obliczeń.
Rachunek końcowy to suma obu: ile model przeczytał, plus ile napisał.
Dlaczego długa rozmowa drożeje z każdym pytaniem?
Tu wiele osób robi zaskoczoną minę, gdy to słyszy po raz pierwszy.
Wyobraź sobie restaurację, w której płacisz nie tylko za swoje danie, ale też za odczytanie przez kelnera całego menu wszystkim przy stoliku – za każdym razem, gdy ktoś coś zamawia. Pierwsze zamówienie: tanie. Piąte zamówienie: kelner musi przeczytać menu, wszystkie poprzednie zamówienia, wszystkie uwagi i zmiany – i dopiero wtedy przynosi kolejne danie.
Właśnie tak działa model językowy z historią rozmowy. Przy pierwszym pytaniu przetwarza tylko to pytanie. Przy piętnastym pytaniu przetwarza wszystkie czternaście poprzednich wymian plus bieżące pytanie. Koszt rośnie wraz z głębokością rozmowy – nawet jeśli każde kolejne pytanie jest tak samo krótkie.
Dlatego profesjonalne narzędzia AI pozwalają zarządzać „pamięcią kontekstu” – usuwać starsze fragmenty rozmowy, gdy nie są już potrzebne, żeby nie płacić za ich ponowne czytanie w nieskończoność.
A co z dokumentami i zdjęciami?
Tokeny to nie tylko tekst.
Gdy wgrywasz do AI plik PDF, zdjęcie, tabelę w Excelu albo fragment kodu – to wszystko też jest przeliczane na tokeny. Strona tekstu z dokumentu to kilkaset tokenów. Zdjęcie w wysokiej rozdzielczości – w zależności od systemu – może odpowiadać tysiącom tokenów, bo model musi przetworzyć informację wizualną i zamienić ją na coś, czym może operować.
Firma, która wysyła AI tysiąc faktur do analizy, płaci za każdą przetworzoną stronę. Prawnik, który każe AI przeanalizować dwustuStronicową umowę – płaci za każde słowo tej umowy jako token wejściowy, plus za każde słowo analizy jako token wyjściowy.
To właśnie dlatego rachunek za AI w zastosowaniach biznesowych może być zaskakująco wysoki dla kogoś, kto przyzwyczaił się do bezpłatnego Googla.
Więc za co dokładnie jest ten rachunek?
Wróćmy do pytania zadanego na początku.
Formalnie: płacisz za tokeny. Ale tokeny to tylko miara. Za nimi kryją się realne zasoby.
Każdy token wejściowy to ułamek sekundy pracy tysięcy procesorów GPU, które muszą go przetworzyć przez wszystkie warstwy modelu. Każdy token wyjściowy to kolejny ułamek sekundy tych samych procesorów, generujących jeden fragment odpowiedzi. Pomnóż to przez setki warstw obliczeniowych, przez które przechodzi każdy token – i masz obraz tego, co dzieje się pod maską.
Za tokenami stoją więc: czas procesorów, zużycie energii elektrycznej, koszt chłodzenia, amortyzacja sprzętu wartego miliardy dolarów, koszt infrastruktury sieciowej przesyłającej dane między serwerami a twoim ekranem.
Token to waluta, którą płacisz. Ale waluta tą kupujesz coś bardzo konkretnego: kawałek uwagi ogromnej maszyny obliczeniowej, skupionej wyłącznie na twoim pytaniu, przez ułamek sekundy, który kosztuje więcej niż mogłoby się wydawać.
Czy darmowe AI jest naprawdę darmowe?
Ostatnie pytanie, które wisi w powietrzu.
Tak, istnieją bezpłatne wersje popularnych modeli AI. Ale „bezpłatne” nigdy nie znaczy „bez kosztów” – znaczy tylko, że ktoś inny płaci za ciebie.
W przypadku darmowych planów ten ktoś to firma oferująca usługę – licząc, że część użytkowników przejdzie na płatny plan, gdy darmowe limity przestaną wystarczać. Albo że dane z rozmów pomogą ulepszyć model. Albo że samo budowanie bazy użytkowników ma wartość strategiczną.
Ograniczenia darmowych planów – mniej wiadomości dziennie, wolniejsze odpowiedzi, brak dostępu do najnowszych modeli – to bezpośrednia konsekwencja kosztów tokenów. Firma limituje zużycie, żeby ograniczyć rachunek za prąd i procesory przypadający na darmowego użytkownika.
Gdy przekraczasz limit i zaczyna pojawiać się subskrypcja – właśnie zacząłeś płacić za tokeny. Tyle że w formie wygodnego ryczałtu miesięcznego, zamiast rachunku za każde słowo z osobna.
Następnym razem, gdy zobaczysz komunikat „przekroczono dzienny limit wiadomości” – wiedz, że to nie kapryś firmy. To moment, w którym twoje bezpłatne tokeny się skończyły. A maszyna, choć chętna do rozmowy, nie działa za darmo. Nawet jeśli odpowiada uprzejmie.
