Ile kosztuje przepuszczenie jednej faktury przez model językowy? Rachunek w złotówkach dla 1 000 dokumentów miesięcznie

Sam tekst faktury przepuszczonej przez model językowy kosztuje w opłatach za model od kilku do kilkunastu groszy. Tyle wychodzi w przykładzie poniżej: jedna faktura w PDF, odczyt danych, jedna powtórka, jedna kontrola wyniku, trzy modele od OpenAI, Anthropic i Google, ceny odczytane ze stron dostawców 12 października 2026 r., przeliczone po średnim kursie NBP. Przy 1 000 faktur miesięcznie to od około 51 do około 137 zł netto. To szacunek bez tokenów rozumowania, o których niżej: dwa z trzech modeli zawsze je doliczają, więc całkowity koszt trzeba zmierzyć.

Ta liczba jest potrzebna, ale zwykle stanowi mniejszą część rachunku za automatyzację. Piszę to na początku, bo łatwo wybierać model tak, jakby to on był największym kosztem. Zwykle nie jest: o koszcie projektu decydują integracje z systemami, stan danych i wymagany poziom pewności, co rozpisaliśmy w tekście o tym, ile kosztuje wdrożenie AI. Ten tekst podaje liczbę, której tam brakuje: koszt jednostkowy, czyli ile płacisz dostawcy modelu za jeden dokument.

Dwa pojęcia, zanim zaczniemy. API to dostęp do modelu dla programu, a nie dla człowieka w oknie czatu — przez API automatyzacja sama wysyła dokument do modelu i odbiera wynik. Token to fragment tekstu, mniej więcej kawałek słowa; dostawcy liczą opłaty w tokenach, osobno za tekst wysłany do modelu (wejście) i za tekst, który model napisze (wyjście).

Co dokładnie liczymy

Liczymy jeden dokument od wejścia do wyniku, tak jak przechodzi przez automatyzację opisaną krok po kroku w przewodniku po n8n (sekcja o fakturze z maila do systemu księgowego). Na jeden dokument przypadają trzy zapytania do modelu:

1. Odczyt. Model dostaje instrukcję z opisem pól (numer, daty, NIP-y, pozycje, kwoty, termin płatności) i tekst dokumentu, a zwraca dane zapisane jako nazwane pola i wartości (format JSON). Przełożenie ich na format systemu księgowego to już zadanie integracji, a nie modelu.
2. Powtórka. Zakładamy, że każdy dokument trzeba przepuścić drugi raz — na przykład dlatego, że sumy się nie zgodziły. W praktyce dotyczy to części dokumentów; przyjmujemy wariant ostrożny, żeby nie zaniżyć rachunku.
3. Kontrola. Osobne zapytanie porównuje odczytane dane z dokumentem i wskazuje różnice.

Na końcu wynik zatwierdza człowiek, zanim cokolwiek zostanie zaksięgowane. Tak zakładamy w całym tekście: model przygotowuje dane, a o księgowaniu decyduje osoba odpowiedzialna.

Liczymy dwa dokumenty: fakturę od dostawcy w PDF z pięcioma pozycjami i zamówienie przysłane mailem z czterema pozycjami. Oba są przykładowe i wymyślone na potrzeby tekstu — nazwy firm, NIP-y i numer rachunku to wypełniacze — ale mają długość i budowę typowych dokumentów tego rodzaju.

Jedno zastrzeżenie, które zmienia rachunek bardziej niż wybór modelu. Faktury krajowe między firmami objęte obowiązkiem KSeF (Krajowego Systemu e-Faktur) przychodzą przez ten system jako dane w pliku XML — uporządkowanym pliku z danymi, a nie obrazie faktury — i do ich odczytania model nie jest potrzebny. Model czyta to, co przychodzi obok KSeF: faktury zagraniczne, paragony, dokumenty od sprzedawców, którzy jeszcze mogą fakturować poza systemem (do 31 grudnia 2026 r. mogą to robić podatnicy, u których łączna wartość sprzedaży z VAT na fakturach, które musieliby wystawiać w KSeF, nie przekracza 10 000 zł miesięcznie), zamówienia w mailach. Do końca 2026 r. poza KSeF można też wystawiać faktury z kas rejestrujących oraz paragony z NIP nabywcy uznane za faktury uproszczone. To przykłady, a nie pełna lista: przepisy przewidują więcej wyjątków od KSeF. Ile tego jest i co zostaje dla AI przy fakturach z KSeF, opisaliśmy w tekście KSeF a automatyzacja księgowości.

Ile tokenów ma jedna faktura

Tokeny policzyliśmy, a nie zgadywaliśmy: tokenizerem — programem, który dzieli tekst na tokeny tak jak model — o200k_base z otwartej biblioteki OpenAI tiktoken (wersja 0.14.0), którą biblioteka przypisuje modelom GPT-5. To nie jest pomiar trzech wybranych modeli: każdy z nich może podzielić ten sam tekst trochę inaczej.

Jak z tabeli wychodzi suma dla faktury: odczyt to 571 + 572 tokeny wejścia i 471 wyjścia, powtórka tyle samo, a kontrola dostaje instrukcję, fakturę i odczytane dane (112 + 572 + 471 wejścia) i zwraca werdykt (100 wyjścia). Razem 3 441 tokenów wejścia i 1 042 tokeny wyjścia. Dla zamówienia przyjęliśmy instrukcję tej samej długości co dla faktury; wychodzi 2 525 i 614.

Do obliczeń podwajamy te liczby i zaokrąglamy w górę: 7 000 tokenów wejścia i 2 100 wyjścia na fakturę, 5 100 i 1 300 na zamówienie. To nasze założenie planistyczne, a nie sprawdzona górna granica. Uzasadnienie: różne modele dzielą ten sam polski tekst na wyraźnie różną liczbę tokenów. W pomiarze Promptowy.com z sierpnia 2026 r. Claude Fable 5 policzył polski tekst na 363 tokeny, a GPT-5.6 Terra ten sam tekst na 239. Anthropic sam podaje, że jego modele od wersji 4.7 używają nowego tokenizera, który z tego samego tekstu robi około 30% więcej tokenów. Ten sam pomiar Promptowy.com pokazał też, że polski tekst daje od 40 do 111 procent więcej tokenów niż angielski — to wyjaśnia, dlaczego polskie dokumenty są droższe, ale nasz pomiar jest już na polskim tekście. Wejście dla swoich dokumentów oszacujesz narzędziem, które liczy tokeny dla konkretnego modelu (Anthropic i Google udostępniają liczenie tokenów przez API); ogólny licznik, taki jak iletokenow.pl, da przybliżenie. Rzeczywisty koszt dokumentu pokaże dopiero zużycie zapisane w odpowiedziach na wszystkie zapytania, które go dotyczyły.

Jeżeli zamiast tekstu wysyłasz do modelu obraz skanu albo cały plik PDF, liczba tokenów jest inna i trzeba ją zmierzyć osobno. Nasz przykład zakłada, że tekst wyciąga się z PDF przed wysłaniem do modelu, jak w przewodniku po n8n.

Cennik trzech modeli (stan na 12 października 2026 roku)

U OpenAI i Anthropic wybraliśmy model ze środka oferty — nie najtańszy i nie najdroższy. U Google odpowiednikiem jest Gemini 3.8 Flash, który w cenniku stoi między tańszym Flash-Lite a droższym Pro, ale jest wyraźnie tańszy od dwóch pozostałych. To nie jest porównanie jakości: zanim wybierzesz model, sprawdź na swoich dokumentach, czy odczytuje je równie dobrze.

Ceny są w dolarach za milion tokenów, bez VAT, dla standardowego trybu; tryb wsadowy (batch) to 50% taniej u wszystkich trzech (wynik przychodzi później). Przeliczamy po średnim kursie NBP 3,9022 zł za dolara (tabela A nr 197/A/NBP/2026 z 9 października 2026 r., ostatnia opublikowana przed odczytem cenników).

Sprawdź ponownie, gdy: zmieni się cennik dostawcy, kurs dolara przesunie się o więcej niż kilka procent, dostawca wypuści nową wersję modelu albo minie 1 stycznia 2027 r. — wtedy Google podwaja cenę Gemini 3.8 Flash.

Ceny odczytaliśmy z cenników OpenAI, Anthropic i Google (Gemini API); pełna lista źródeł jest na końcu tekstu. Dostawcy podają ceny w dolarach; kwoty w złotych poniżej to nasze przeliczenie po wskazanym kursie NBP, netto. Rozliczenie VAT od usługi zagranicznej ustal z księgowością.

Rachunek: jedna faktura i jedno zamówienie

Jak to policzyć samemu, na przykładzie faktury i GPT-6.1 Sol: 7 000 tokenów wejścia × 2 $ / 1 000 000 = 0,014 $, plus 2 100 tokenów wyjścia × 10 $ / 1 000 000 = 0,021 $. Razem 0,035 $, czyli po kursie 3,9022 około 0,137 zł. Wyjście jest pięć razy droższe od wejścia, więc długość odpowiedzi modelu waży w rachunku więcej niż długość dokumentu.

Te kwoty nie obejmują tokenów rozumowania (opisanych niżej) — to szacunek dla samego tekstu. W GPT-6.1 Sol i Gemini 3.8 Flash rozumowania nie da się wyłączyć, więc przy przyjętej liczbie tokenów zwiększy ono rachunek; w Claude Sonnet 5.5 rozumowanie przed odpowiedzią można wyłączyć. Całkowity koszt trzeba zmierzyć na wybranym modelu. Doliczaj tokeny rozumowania do wyjścia w tym szacunku. Przy liczeniu rzeczywistego kosztu sprawdź, czy liczba tokenów wyjścia w odpowiedzi API już je obejmuje, i licz je tylko raz.

300, 1 000 i 5 000 dokumentów miesięcznie

Kwoty miesięczne liczymy z kosztu dokumentu przed zaokrągleniem (np. 0,136577 zł), dlatego mogą się różnić o złotówkę lub dwie od iloczynu z tabeli wyżej.

Faktury, zł netto miesięcznie, bez tokenów rozumowania:

Zamówienia, zł netto miesięcznie, bez tokenów rozumowania:

Jeżeli wszystkie trzy zapytania pójdą w trybie wsadowym, każda z tych kwot spada o połowę. Trzeba jednak pamiętać, że to tryb z opóźnieniem: OpenAI i Anthropic podają do 24 godzin na partię, a odczyt, powtórka i kontrola idą po kolei, więc cały obieg może zająć więcej niż dobę. Tabele pokazują wariant ostrożny — z powtórką każdego dokumentu i podwojoną liczbą tokenów, ale bez tokenów rozumowania.

Co podnosi rachunek, a czego nie widać w cenniku

• Tokeny rozumowania. Modele „myślą” przed odpowiedzią, a ten niewidoczny tekst jest liczony jak wyjście, czyli w najdroższej stawce — piszą o tym wprost OpenAI, Anthropic i Google w swojej dokumentacji. W GPT-6.1 Sol i Gemini 3.8 Flash rozumowania nie da się wyłączyć: najniższy dostępny poziom to „low”, a domyślny „medium”. W Claude Sonnet 5.5 myślenie jest włączone domyślnie, ale rozumowanie przed odpowiedzią można wyłączyć ustawieniem between_tools; w opisanych tu zapytaniach bez narzędzi odpowiedź zawiera wtedy tylko tekst. OpenAI zaznacza, że takich tokenów może być od kilkuset do kilkudziesięciu tysięcy na zapytanie. Przy 3 000 takich tokenów na każde z trzech zapytań to 9 000 tokenów wyjścia więcej: 9 000 × 10 $ / 1 000 000 = 0,09 $, czyli około 0,35 zł, więc faktura w GPT-6.1 Sol kosztowałaby około 0,49 zł zamiast 0,137 zł. Ile tokenów rozumowania faktycznie zużywa odczyt faktury, nie mierzyliśmy — to liczba do sprawdzenia w pilotażu. Do odczytu faktury głębokie rozumowanie zwykle nie jest potrzebne; wybierz najniższy poziom, przy którym wyniki na Twoich dokumentach spełniają ustalone kryteria poprawności, i sprawdź w zwracanych danych, ile tokenów faktycznie zużyto.
• Cały wątek maila zamiast jednego dokumentu. Jeżeli automatyzacja wysyła do modelu całą korespondencję ze stopkami i cytatami poprzednich wiadomości, wejście znacznie rośnie. Wyślij tylko to, co model ma przeczytać.
• Pętla agenta. Agent AI, czyli program, który sam decyduje o kolejnych krokach i działa w systemach, pyta model wiele razy na jedno zadanie. Wtedy liczymy tokeny na całe zadanie, nie na jedno zapytanie — rozpisaliśmy to w tekście o tym, ile kosztuje agent AI.
• Miejsce przetwarzania danych. Dla Gemini 3.8 Flash w usłudze Vertex AI Google liczy za przetwarzanie w konkretnym regionie (np. w Unii Europejskiej) o 10% więcej niż za globalne, a OpenAI dolicza 10% za przetwarzanie z wybraną lokalizacją danych (data residency). Anthropic liczy 1,1 raza stawki za przetwarzanie wyłącznie w USA — to opcja dla firm, które potrzebują USA, a nie Unii. Gdzie mogą trafiać dane z faktur, to przede wszystkim pytanie o RODO (unijne przepisy o ochronie danych osobowych), a dopiero potem o cenę — piszemy o nim w tekście RODO a wdrożenie LLM.
• Testy po zmianie wersji modelu. Dostawcy wycofują starsze wersje; automatyzację przenosi się na nową i sprawdza od nowa. To przede wszystkim czas ludzi na przygotowanie i ocenę testów, choć same testowe zapytania do modelu też kosztują.

Abonament na osobę czy API: rachunek dla firmy

Porównanie, które pada najczęściej, wygląda tak: liczba osób × cena abonamentu kontra liczba dokumentów × koszt jednego dokumentu. Standardowe miejsce w abonamencie Claude Team kosztuje 20 dolarów miesięcznie za osobę przy płatności rocznej i 25 dolarów przy miesięcznej, czyli około 78 albo 98 zł netto. Dziesięć osób w dziale finansów to około 780–980 zł netto miesięcznie. Tysiąc faktur przez API to w naszym przykładzie 51–137 zł netto bez tokenów rozumowania.

Gdyby zestawić same opłaty, dziesięć takich miejsc kosztuje tyle, co około 5 700 faktur miesięcznie przez GPT-6.1 Sol albo Claude Sonnet 5.5 przy płatności rocznej (około 7 100 przy miesięcznej) — przy tych samych założeniach, bez tokenów rozumowania. Ta liczba jest jednak tylko punktem odniesienia, a nie progiem opłacalności, bo te dwie rzeczy nie są zamiennikami. Jeśli abonament służy do ręcznej pracy w czacie, pracownik otwiera fakturę, wkleja ją, sprawdza wynik i przenosi go do systemu. Przez API z modelu korzysta automatyzacja, którą trzeba zbudować i połączyć z pocztą oraz systemem księgowym: dokument trafia do modelu, dane do systemu, a człowiek sprawdza i zatwierdza przygotowany wynik zamiast go przepisywać. Rachunek opłacalności to więc koszt budowy i utrzymania automatyzacji kontra minuty pracy zaoszczędzone na każdym dokumencie — opłaty za model są w nim mniejszą pozycją.

Jedno zastrzeżenie dla firm, które już mają Claude Team: według dokumentacji Anthropic abonament zawiera miesięczne kredyty na API Claude — 20 dolarów na każde standardowe miejsce, łącznie najwyżej 500 dolarów, a niewykorzystane przepadają z końcem okresu rozliczeniowego. Dziesięć standardowych miejsc to 200 dolarów, czyli około 780 zł miesięcznie — w naszym przykładzie tyle, ile około 5 700 faktur w Claude Sonnet 5.5 bez tokenów rozumowania, o ile cała pula jest dostępna na tę automatyzację (inne zastosowania objęte kredytami korzystają z tego samego salda). Przy takim abonamencie dodatkowy rachunek za API może więc być niewielki albo zerowy. Kredyty trzeba odebrać, łącząc organizację w konsoli Claude (nowi abonenci po siedmiu dniach), i obejmują API Claude, ale nie np. Claude w Vertex AI; warunki sprawdź w dokumentacji.

Jak ograniczyć wydatki — cztery ustawienia dla dyrektora finansowego

1. Miesięczny limit wydatków. OpenAI pozwala ustawić miesięczny limit wydatków dla organizacji i dla poszczególnych projektów, z powiadomieniami albo z blokadą zapytań po jego osiągnięciu, ale uprzedza, że blokada nie działa natychmiast, więc zarejestrowane wydatki mogą nieco przekroczyć ustawioną kwotę — to nie jest gwarantowana natychmiastowa blokada. Anthropic ma limity wydatków i powiadomienia dla każdej przestrzeni roboczej (workspace) w konsoli Claude. W Gemini API Google sam przypisuje kontu rozliczeniowemu miesięczny limit zależny od poziomu konta (o wyższy można wnioskować), a miesięczny limit dla projektu ustawiasz samodzielnie; obu limitów nie ma przy kontach z miesięcznym rozliczeniem fakturą (Invoiced/Offline). Limit projektu Google opisuje jako funkcję eksperymentalną: dane rozliczeniowe mogą się opóźniać o około 10 minut, a długie zadania, np. w trybie wsadowym, mogą limit przekroczyć. Wydziel automatyzację faktur do osobnego projektu lub przestrzeni roboczej (zależnie od dostawcy), z osobnym kluczem dostępu, żeby śledzić jej koszt i zastosować do niej limity, ograniczenia lub powiadomienia, które dany dostawca oferuje. Limit całego konta dalej dotyczy wszystkich projektów.
2. Limit długości odpowiedzi. Każde zapytanie może mieć ustawioną maksymalną liczbę tokenów wyjścia (u OpenAI max_output_tokens, u Anthropic max_tokens). Odczyt faktury ma przewidywalną długość, więc limit chroni przed odpowiedzią, która z jakiegoś powodu nie ma końca. Uwaga: u OpenAI ten limit obejmuje też tokeny rozumowania, więc zbyt niski może przerwać odpowiedź, zanim pojawi się wynik — a za zużyte tokeny i tak się płaci.
3. Tryb wsadowy dla dokumentów, które mogą poczekać. Wszyscy trzej dostawcy dają 50% zniżki, jeśli wynik może przyjść później; pełna połowa rachunku wymaga, żeby w tym trybie szły wszystkie trzy zapytania. Faktury od dostawców rzadko trzeba zaksięgować w minutę, więc zestaw z całego dnia można wysłać wieczorem — z tym, że odczyt, powtórka i kontrola idą po kolei i wynik może być gotowy dopiero po więcej niż jednej dobie.
4. Koszt jednego dokumentu jako liczba w raporcie. Odpowiedź API podaje liczbę zużytych tokenów. Dla każdego zapytania związanego z dokumentem (odczytu, powtórki i kontroli) zapisuj wszystkie rozliczane rodzaje: wejście, wyjście, odczyt i zapis zapamiętanej części zapytania (prompt caching), jeśli z niego korzystasz, oraz rozumowanie, jeśli dostawca podaje je osobno — każdy tylko raz i według jego stawki z cennika. Opłatę za przechowywanie zapamiętanej części, jeśli dostawca ją nalicza (w Gemini zależy od liczby tokenów i czasu przechowywania), rozlicz osobno i podziel między dokumenty, które z niej korzystały, bez wielokrotnego doliczania. Pokazuj koszt dokumentu co miesiąc obok liczby dokumentów, porównując sumę z fakturą od dostawcy modelu. Nagły wzrost zwykle znaczy, że coś się zmieniło: dłuższe dokumenty, więcej powtórek albo nowa wersja modelu.

Kiedy ten rachunek nie ma znaczenia

Przy 300 fakturach miesięcznie opłata za model wynosi w naszym przykładzie około 15–41 zł (bez tokenów rozumowania). Przy takim wolumenie ważniejsze jest pytanie, czy automatyzacja w ogóle się opłaca — a na nie odpowiadają integracje i czas ludzi. W tekście o KSeF przyjęliśmy ilustracyjny pełny koszt godziny pracy 90 zł; przy takim założeniu jedna minuta sprawdzania dokumentu kosztuje 1,50 zł, więcej niż model za przetworzenie dziesięciu faktur w każdym z trzech modeli z naszego przykładu (w wariancie z tabeli, bez tokenów rozumowania). Skoro każdy wynik i tak zatwierdza człowiek, opłata za model rzadko przesądza o tym, czy automatyzacja ma sens.

Rachunek tokenów zaczyna ważyć przy dużych wolumenach, przy agentach, którzy pytają model wiele razy na jedno zadanie, przy modelach zużywających dużo tokenów rozumowania albo przy długich dokumentach, takich jak umowy. Wtedy warto porównać modele na własnych dokumentach i własnych liczbach.

Co dalej

Jak wygląda automatyzacja obiegu dokumentów księgowych od skrzynki pocztowej do systemu, opisaliśmy na stronie o automatyzacji księgowości, a jak przebiega projekt automatyzacji od wyboru procesu do utrzymania — na stronie o automatyzacji AI w firmie. Koszt modelu liczymy w pilotażu na dokumentach klienta, a nie na przykładzie z artykułu.

Napisz nam, ile dokumentów miesięcznie przychodzi do Twojej firmy i skąd. Odpowiemy, czy przy takim wolumenie warto je automatyzować — również wtedy, gdy odpowiedź brzmi „jeszcze nie”.

Źródła i stan na 12–13 października 2026 roku

• OpenAI — cennik API (szczegółowy) i cennik API dla firm — GPT-6.1 Sol, GPT-6 Astra, GPT-6 Luna, tryb wsadowy, dopłata za przetwarzanie z wybraną lokalizacją danych; odczyt 12 października 2026 r.; OpenAI — limity wydatków — limit organizacji i projektu, blokada działająca z opóźnieniem; odczyt 13 października 2026 r.
• OpenAI — modele rozumujące — tokeny rozumowania liczone jako wyjście, max_output_tokens; OpenAI — model GPT-6.1 Sol — poziomy rozumowania od „low” (bez „none” i „minimal”), domyślnie „medium”; OpenAI — tryb wsadowy; odczyt 12 października 2026 r.
• Anthropic — cennik Claude API i cennik Claude — Claude Sonnet 5.5, Opus 5.5, Haiku 5.5, tryb wsadowy, nowy tokenizer od wersji 4.7, abonament Team; miesięczne kredyty na API w planach Max i Team; odczyt 12 października 2026 r.
• Anthropic — przestrzenie robocze i limity wydatków, tryb wsadowy, liczenie tokenów i myślenie modeli Claude — w Claude Sonnet 5.5 myślenie domyślnie włączone, wyłączenie rozumowania przed odpowiedzią przez between_tools; odczyt 12 października 2026 r.
• Google — cennik Gemini API — Gemini 3.8 Flash, Flash-Lite i Pro, cena do 31 grudnia 2026 r. i od 1 stycznia 2027 r., tokeny rozumowania w cenie wyjścia, tryb wsadowy; strona zaktualizowana 9 października 2026 r., odczyt 12 października 2026 r.
• Google Cloud — cennik Vertex AI — dopłata za przetwarzanie regionalne; Gemini API — rozliczenia i limity wydatków i liczenie tokenów; Gemini API — rozumowanie (thinking) — w Gemini 3.8 Flash domyślnie „medium”, dostępne „low”, „medium”, „high”; odczyt 12 października 2026 r. (strona o rozliczeniach ponownie 13 października 2026 r.: limit konta według poziomu, limit projektu, konta Invoiced/Offline).
• KSeF — „Poniżej 10 000 zł” — limit liczony z VAT, tylko z faktur, które obowiązkowo wystawia się w KSeF; odczyt 12 października 2026 r.; KSeF — zakres obowiązkowego KSeF — wyłączenia z KSeF, faktury z kas rejestrujących i paragony z NIP do końca 2026 r.; odczyt 13 października 2026 r.
• NBP — kurs średni dolara, tabela A nr 197/A/NBP/2026 z 9 października 2026 r. — 3,9022 zł; tabele kursów NBP.
• Promptowy.com, „Polski podatek tokenowy” (21 sierpnia 2026 r., pomiary z 14 sierpnia) i „Ile tokenów ma polski tekst” — różnice w liczbie tokenów polskiego tekstu między modelami; odczyt 12 października 2026 r.
• iletokenow.pl — licznik tokenów dla polskiego tekstu.
• tiktoken (OpenAI), wersja 0.14.0 — tokenizer o200k_base użyty do pomiaru przykładowych dokumentów 12 października 2026 r.