Ile tokenów zajmuje polski tekst w API? Pomiar pięciu modeli z września 2026

Krótka odpowiedź: w moim pomiarze z 29 września 2026 tysiąc znaków polskiej prozy biznesowej zajęło od 309 tokenów w GPT-6 Sol do 494 w Claude Opus 5.5 i Sonnet 5.5. Fragmenty AI Act i RODO po polsku dały 1,72⁠–⁠1,80 raza więcej tokenów niż ich oficjalna wersja angielska, choć znaków miały tylko o 8% więcej. Cena za milion tokenów nie jest więc ceną za tekst. Milion znaków tej prozy, rozłożony na wywołania, z których każde ma do 272 tys. tokenów wejścia, kosztuje na wejściu 3,80 zł w Sonnecie i 2,38 zł w Solu, przy tej samej stawce 2 USD za milion tokenów. W jednym wywołaniu do Sola ten tekst przekroczyłby próg długiego kontekstu i kosztowałby około 4,75 zł. Cennik trzeba więc połączyć z pomiarem tekstu i długością wejścia, a obietnice tańszego zadania, które składa Anthropic, sprawdzić na całym zadaniu: kolejnych turach, rozumowaniu i odpowiedzi.

Co zmierzyłem 29 września 2026

Sprawdziłem, ile tokenów wejścia zgłasza API pięciu modeli dla tych samych trzech tekstów. Tokeny samego tekstu szacowałem różnicowo: wejście wywołania z tekstem minus wejście wywołania bez tekstu z tej samej serii, przy tych samych ustawieniach i instrukcji „odpowiedz wyłącznie słowem OK”. Narzędzia CLI dokładają własny kontekst, który zmieniał się między wywołaniami, więc wynik jest przybliżeniem; rozrzut opisuję w ograniczeniach. W Claude Code narzędzia były wyłączone, a Codex CLI działał w piaskownicy tylko do odczytu, z zakazem używania narzędzi w samej instrukcji. Każdy wariant zmierzyłem dwa razy. Modele Anthropic (Opus 5.5, Sonnet 5.5, Haiku 4.5) wywoływałem przez Claude Code 2.1.284, modele OpenAI (GPT-6 Sol i GPT-6 Luna) przez Codex CLI 0.158.

Korpus dobrałem tak, żeby nie mieć wpływu na przekład. Artykuły 4, 50 i 73 AI Act oraz 33 i 34 RODO istnieją w oficjalnych wersjach językowych, więc treść jest ta sama, a różni się tylko język. Oba teksty pobrałem z EUR-Lex: 13 868 znaków po polsku i 12 825 po angielsku. Druga próbka to początki trzech moich tekstów o kosztach i wdrożeniach AI, 9005 znaków, tylko po polsku; sprawdzałem na niej, czy proza biznesowa zachowuje się tak jak język przepisów.

Liczby w trzech kolumnach z tekstami (proza biznesowa PL, tekst prawny PL i EN) to tokeny na 1000 znaków, średnia z dwóch powtórzeń. Ostatnia kolumna to stosunek liczby tokenów polskiej i angielskiej wersji tego samego tekstu prawnego. Wszystkie przebiegi, skrypt i korpus są w zbiorze danych na licencji CC BY 4.0.

W pomiarze z 29 września 2026 polski tekst prawny zajął 1,7⁠–⁠1,8 raza więcej tokenów niż angielski

W pomiarze z 29 września 2026 polska wersja tekstu prawnego zajęła w każdym z pięciu modeli od 1,72 do 1,80 raza więcej tokenów niż angielska, przy liczbie znaków większej o 8%. Na tej próbce prawa UE proporcja była zbliżona u obu dostawców. To wskazówka do sprawdzenia własnego korpusu przed ustaleniem budżetu; innych tekstów prawnych i innych gatunków w dwóch językach nie mierzyłem.

Przeliczniki producentów się tu rozjeżdżają. Cennik Anthropic podaje zgrubnie, że token to około 4 znaki po angielsku, i zastrzega, że wynik zależy od języka. Strony modeli dodają, że milion tokenów to w obecnym tokenizerze około 2,5 miliona znaków Unicode, czyli mniej więcej 400 tokenów na 1000 znaków. W moim pomiarze polska proza w Opusie i Sonnecie 5.5 dała 494 tokeny na 1000 znaków, czyli 2,0 znaku na token. Budżet liczony regułą czterech znaków wyszedłby w tych dwóch modelach o połowę za niski, a liczony z przelicznika 2,5 miliona znaków zaniżony o mniej więcej jedną piątą. Ani Anthropic, ani OpenAI takiej liczby dla polszczyzny nie publikuje.

Tokenizery różnią się o kilkadziesiąt procent

W moim pomiarze z 29 września 2026 najmniej tokenów na tej samej polskiej prozie dały GPT-6 Sol i Luna, 308,7 i 311,6 na 1000 znaków, a najwięcej Opus i Sonnet 5.5, 494; różnica wyniosła 60%. Nowszy tokenizer Anthropic dał przy tym na trzech badanych tekstach 1,34⁠–⁠1,43 raza więcej tokenów niż starszy, na którym nadal działa Haiku 4.5.

Anthropic pisze o tym otwarcie, tylko mniejszymi liczbami. Cennik mówi, że tokenizer wprowadzony w modelach 4.7 daje dla tego samego tekstu „approximately 30% more tokens”, a przewodnik migracji do Opusa 5.5 podaje zakres od 1 do 1,35 raza, „up to ~35% more, varying by content”. W moim pomiarze polska proza wyszła 34% powyżej Haiku, polski tekst prawny 38%, a angielski tekst prawny 43%. Obie próbki tekstu prawnego przekroczyły więc górną granicę z dokumentacji. To mały korpus i jeden dzień, ale przy migracji tekstów prawnych z Haiku 4.5 na nowszy model nie zakładałbym 30%.

Opus 5.5 i Sonnet 5.5 liczą ten sam tekst z dokładnością do kilku tokenów, co zgadza się z dokumentacją: Sonnet 5.5 używa tokenizera Sonneta 5, a Opus 5.5 tego z Opusa 4.7, czyli oba działają na nowszym tokenizerze, wprowadzonym w modelach 4.7. GPT-6 Sol i Luna w pierwszym powtórzeniu dały dla wszystkich trzech tekstów wynik identyczny co do tokena. W drugim powtórzeniu wywołania Sola z tekstem dały te same liczby, a zmieniła się tylko baza, więc różnica między 308,7 a 311,6 nie pochodzi z tokenizera. O tokenizerze GPT-6 dokumentacja OpenAI nie mówi nic, więc nie wiem, czy zmienił się względem GPT-5.6.

Ta sama cena za token, inna cena za tekst

Poniższa tabela przelicza milion znaków polskiej prozy biznesowej rozłożony na wywołania, z których każde ma do 272 tys. tokenów wejścia; do tego limitu wliczają się też instrukcje i pozostały kontekst. Przy takim założeniu sam tekst kosztuje na wejściu od 0,12 zł w GPT-6 Luna do 7,61 zł w Claude Opus 5.5. Sonnet 5.5 i GPT-6 Sol mają wtedy identyczną stawkę, a na prozie zmierzonej 29 września 2026 różnią się kosztem o 60%. Opus 5.5 kosztuje na niej 3,2 raza tyle co Sol, choć za token tylko dwa razy tyle.

Ceny standardowe z cenników odczytanych 29 września 2026, bez cache i bez trybu wsadowego; kurs NBP z 28 września 2026 (tabela A nr 188/A/NBP/2026), 3,8478 zł za dolara. To koszt samego tekstu, zsumowany z mniejszych wywołań, bez dopłaty za długi kontekst. Kolumna z wyjściem zakłada, że model napisze polską prozę o tej samej gęstości tokenów; odpowiedzi modeli nie mierzyłem.

W jednym długim wywołaniu porównanie wygląda inaczej. Według dokumentacji GPT-6 Sol i Luna po przekroczeniu 272 tys. tokenów wejścia stawka wejścia i cache rośnie dwukrotnie, a wyjścia 1,5 raza dla całego wywołania. Milion znaków prozy o zmierzonej tu gęstości to w Solu około 308,7 tys. tokenów. Sam ten tekst na wejściu kosztowałby więc około 4,75 zł (308 700 / 1 000 000 × 4 USD × 3,8478), wobec 3,80 zł w Sonnecie 5.5. Sonnet byłby w tym wariancie tańszy. Instrukcje i pozostały kontekst trzeba doliczyć osobno.

Przy wywołaniach do 272 tys. tokenów wejścia Sonnet 5.5 i GPT-6 Sol mają te same stawki 2 i 10 USD za milion tokenów, ale w pomiarze z 29 września 2026 Sonnet potrzebował na próbce polskiej prozy 1,60 raza więcej tokenów, a na polskim tekście prawnym 1,46 raza więcej.

Przejście z Haiku 4.5 na Sonnet 5.5 podnosi stawkę dwukrotnie. W pomiarze z 29 września 2026 koszt badanej polskiej prozy wzrósłby przy tym 2,7 raza, a polskiego tekstu prawnego 2,8 raza, bo do wyższej ceny dochodzi nowszy tokenizer. Anthropic uprzedza o tym w przewodniku migracji: cena za token jest wyższa, a ten sam tekst daje więcej tokenów.

Między Opusem 5 a Opusem 5.5 tokenizer, według dokumentacji, się nie zmienił, bo oba modele są późniejsze niż 4.7. Obniżka o 20% za token przekłada się więc tutaj jeden do jednego na tekst: 4 i 20 USD zamiast 5 i 25 USD.

Co zmienił reset cen z 22⁠–⁠28 września

W jednym tygodniu OpenAI obciął stawki o połowę, a Anthropic obniżył cenę za token tylko w Opusie. 22 września 2026 OpenAI wypuścił GPT-6 Sol za 2 i 10 USD za milion tokenów wejścia i wyjścia, o połowę taniej niż promocyjne 4 i 20 USD za GPT-5.6 Sol, oraz GPT-6 Luna za 0,10 i 0,50 USD. Tego samego dnia Anthropic wydał Opusa 5.5 za 4 i 20 USD, o 20% taniej niż Opus 5, z odczytem cache za 0,20 USD, czyli 5% ceny wejścia. 28 września przyszedł Sonnet 5.5 za 2 i 10 USD, tyle samo co Sonnet 5, którego cena wprowadzająca stała się ceną standardową. Anthropic twierdzi, że Opus 5.5 w większości prac dorównuje Claude Fable 5.1, który kosztuje 10 i 50 USD. 29 września 2026 OpenAI dodał GPT-6.1 Sol w tej samej cenie 2 i 10 USD, z odczytem cache za 0,10 USD zamiast 0,20 USD; strona GPT-6 Sol odsyła do niego jako do nowszego modelu.

Obietnice tańszego zadania mają węższy zakres, niż sugerują hasła z premier. O Opusie 5.5 Anthropic pisze, że „at default settings it will cost 40% less than Opus 5 on typical workloads”; domyślny poziom wysiłku tego modelu w API to medium. O Sonnecie 5.5 pisze: „In our testing, it costs up to 30% less per task than its predecessor”, przy identycznej cenie za token, więc cała oszczędność ma pochodzić z mniejszej liczby tokenów na zadanie; domyślny wysiłek w API to tu high. W Opusie 5.5 na deklarowane 40% składa się też niższy cennik, 20% mniej za token i 60% mniej za odczyt cache, bo, jak pisze Anthropic, „It costs less per token than Opus 5 and uses fewer tokens per task”. Tokenizer w obu parach został ten sam.

Artificial Analysis zmierzył koszt przy maksymalnym wysiłku i dostał inny obraz. Według jego stron odczytanych 29 września 2026 przejście indeksu kosztowało średnio 5,98 USD na zadanie w Opusie 5.5 wobec 5,86 USD w Opusie 5, bo nowy model wygenerował 260 mln tokenów wyjścia zamiast 140 mln. Sonnet 5.5 kosztował 7,60 USD na zadanie wobec 5,09 USD u Sonneta 5. Wyniki w indeksie wzrosły przy tym z 51 do 58 i z 38 do 56 punktów. Obie wersje mogą być prawdziwe. Przy Opusie pochodzą z pomiarów przy różnych ustawieniach wysiłku: Anthropic liczył przy domyślnych (medium), Artificial Analysis przy maksymalnym. Przy Sonnecie 5.5 Anthropic nie podaje, na jakim poziomie wysiłku policzył „do 30%”. U Opusa liczba tokenów wyjścia wzrosła 1,86 raza, bardziej niż różnią się tokenizery w moim pomiarze, a u Sonneta z 370 do 410 mln, czyli 1,11 raza. Liczyć trzeba jedno i drugie: tokeny samego tekstu i tokeny całego zadania.

Ile kosztuje wymóg przetwarzania w UE

Przetwarzanie w UE kosztuje u OpenAI 10% więcej, a własne API Anthropic regionu UE w ogóle nie ma. Firma, która musi trzymać dane w Unii, powinna wpisać to do wyceny od początku.

OpenAI dolicza 10% za endpointy regionalne dla modeli wydanych od 5 marca 2026. Według przewodnika OpenAI o danych, odczytanego 30 września 2026, GPT-6 Sol i Luna działają w regionie UE w trybach Standard, Flex i Batch; niedostępny jest tylko tryb Fast. Dzień wcześniej cennik ograniczał je w UE do trybu Standard. Przy wywołaniach do 272 tys. tokenów wejścia Sol w UE kosztuje więc 2,20 i 11 USD za milion tokenów wejścia i wyjścia w trybie Standard albo 1,10 i 5,50 USD w trybie Batch lub Flex. Sam region wymaga kontaktu z działem sprzedaży, zatwierdzenia kontroli nadużyć i aneksu o zmodyfikowanym przechowywaniu danych. Przy gęstości tokenów zmierzonej 29 września 2026 milion znaków polskiej prozy łącznie w takich wywołaniach kosztowałby na wejściu w UE, w trybie Standard, 2,61 zł w Solu i 0,13 zł w Lunie. Powyżej 272 tys. tokenów wejścia dopłata za długi kontekst obowiązuje także w regionie UE.

W API Anthropic parametr inference_geo przyjmuje tylko dwie wartości: „us”, za 1,1 ceny, i „global”, w cenie standardowej. Przetwarzanie w UE pozostaje możliwe przez Google Cloud (Vertex AI) albo Amazon Bedrock, z dopłatą 10% wobec endpointów globalnych. Dokumentacja Anthropic nie mówi, czy Opus 5.5 i Sonnet 5.5 są już dostępne w regionie UE u tych partnerów, a ich cenników nie sprawdzałem. Europejski Mistral też bierze 10% więcej za endpoint unijny. Jeśli dopłata obciąży oba porównywane modele, proporcja z mojej tabeli się nie zmieni: przy wywołaniach do 272 tys. tokenów wejścia Sonnet 5.5 zostanie na polskiej prozie zmierzonej 29 września 2026 droższy od Sola 1,6 raza.

Jak policzyć koszt polskiego tekstu przed wyborem modelu

Zamiast mnożyć cennik przez regułę czterech znaków, lepiej policzyć tokeny własnych tekstów w każdym rozważanym modelu, a koszt zadania zmierzyć osobno. Kolejność, którą stosowałbym:

1. Weź kilka typowych dokumentów z procesu, który chcesz zautomatyzować, w tej postaci, w jakiej trafią do modelu.
2. Policz ich tokeny w każdym modelu z listy. Mój skrypt robi to metodą różnicową; wystarczy podmienić pliki w katalogu korpusu.
3. Dobierz stawki do długości całego wejścia, razem z instrukcjami i historią rozmowy. W GPT-6 Sol i Luna powyżej 272 tys. tokenów wejścia obowiązuje podwójna stawka wejścia i cache oraz 1,5 stawki wyjścia dla całego wywołania. Dopiero wtedy pomnóż tokeny przez stawki i założony kurs dolara.
4. Uruchom kilka prawdziwych zadań na tym poziomie wysiłku, na którym model ma pracować, i odczytaj wszystkie tokeny zadania: wejścia (z odczytami cache), wyjścia i rozumowania. Tu leży cała deklarowana oszczędność Sonneta 5.5, do 30%, i część 40% w Opusie 5.5; tu też Artificial Analysis zmierzył wzrost kosztu.
5. Dolicz dopłatę za lokalizację danych, 10%, i sprawdź, czy w regionie są dostępne tryby przetwarzania, na które liczysz.

Cały rachunek miesięczny, z hostingiem i utrzymaniem, rozpisałem w odpowiedzi o kosztach utrzymania AI, a porównanie z własnym serwerem w tekście własny model czy API. Przy agentach krok czwarty waży najwięcej.

Czego ten pomiar nie mówi

Pomiar szacuje tokenizację tekstu wejściowego na podstawie różnic zużycia zgłaszanych przez narzędzia CLI. Nie mierzy tokenów rozumowania, długości odpowiedzi ani jakości, więc nie mówi, ile kosztuje konkretne zadanie ani który model zrobi je lepiej. Kolumna z kosztem wyjścia jest przeliczeniem, którego nie sprawdziłem na prawdziwych odpowiedziach.

Próbka jest mała: dwa gatunki tekstu, jeden dzień, jeden komputer, po dwa powtórzenia. Proporcję polskiego do angielskiego zmierzyłem tylko na tekście prawnym, bo tylko on ma oficjalny przekład; proza biznesowa jest w próbce wyłącznie po polsku. Kod, tabele, JSON czy korespondencja mogą dać inne proporcje. Modeli Google i Mistrala nie mierzyłem. GPT-6.1 Sol, wydanego 29 września 2026, też nie, więc nie wiem, czy liczy polski tekst tak jak GPT-6 Sol.

Pomiar szedł przez Claude Code i Codex CLI, więc zależy od ich promptów systemowych. Prompt Codeksa zmienia się między wywołaniami, stąd rozrzut 53 tokenów między powtórzeniami GPT-6 Sol, w całości z bazy drugiego powtórzenia (2,2% na tekście angielskim, 1,9% na polskiej prozie i 1,2% na polskim tekście prawnym); u Anthropic rozrzut nie przekroczył 8 tokenów. Baza Claude Code zmieniała się między seriami: w Haiku 4.5 wzrosła w niecałe trzy minuty z 57 659 do 57 818 tokenów, dlatego każdy wariant liczyłem wobec bazy z tej samej serii. Pierwszą serię Haiku 4.5 odrzuciłem: przy zimnej pamięci podręcznej raport zużycia w wariancie angielskim pominął prompt systemowy i różnica z bazą nie miała sensu. Seria została powtórzona, a odrzucone przebiegi leżą w zbiorze danych razem z powodem. Ceny i kurs są ze stanu na 28⁠–⁠29 września 2026.