Koszt korzystania z pionierskich modeli sztucznej inteligencji po cichu spadł. Od czerwca OpenAI i Anthropic obniżyły ceny swoich flagowych rozwiązań LLM o 40–80% w wyniku serii szybkich nakładających się obniżek cen, a analiza opublikowana 25 października przez analityka danych Maxa Woolfa pokazuje miesiąc po miesiącu, jak rozwinęła się pełnowymiarowa wojna cenowa między obiema firmami.

Harmonogram ma znaczenie, ponieważ pokazuje, że cięcia nie były jednorazowym rabatem, ale ciągłą spiralą konkurencyjności, w ramach której każda firma reaguje na ruchy drugiej w ciągu kilku dni. Więcej kontekstu tej historii znajdziesz w naszych bieżących relacjach z wiadomości o AI.

Oś czasu: cztery miesiące spadających cen

Analiza Woolfa śledzi ceny za milion tokenów – dane wejściowe, wyjściowe i odczyt pamięci podręcznej – w każdej głównej wersji obu laboratoriów od końca czerwca:

  • 26 czerwca: OpenAI wypuściło GPT-5.6 Sol przy cenie wejściowej 5 USD / wyjściu 30 USD na milion tokenów, z małym modelem Luna po cenie 1 USD / 6 USD.
  • 30 czerwca: Anthropic wprowadził na rynek Claude Sonnet 5 w cenie 2/10 dolarów – cenę premierową, którą określił jako tymczasową.
  • 24 lipca: Anthropic wypuścił Claude Opus 5 w cenie 5/25 USD, bezpośrednio odpowiadającej GPT-5.6 Sol.
  • 30 lipca: OpenAI obniżyło cenę GPT-5.6 Luna o 80%, do 0,20 USD / 1,20 USD.
  • 10 sierpnia: Anthropic na stałe wprowadził obniżkę ceny Sonnet 5.
  • 21 sierpnia: OpenAI obniżył GPT-5.6 Sol o około 20%, do 4/20 dolarów, na trzy miesiące.
  • 1 września: Anthropic wprowadził na rynek Fable 5.1 w cenie 10/50 USD, przy obniżce ceny odczytu pamięci podręcznej o 75%.
  • 22 września: OpenAI wypuściło GPT-6 Sol w zaskakującej cenie 2/10 dolarów – czyli połowę swojego poprzednika przecenionego – i tego samego dnia Anthropic wypuściło Claude Opus 5.5 w cenie 4/20 dolarów, przy czym firma stwierdziła, że ​​„Opus 5.5 wymaga mniej mocy obliczeniowej do obsługi niż Opus 5 i jego cena to odzwierciedla”.
  • 29 września: Następnie pojawił się OpenAI z GPT-6.1 Sol, ponownie po cenie 2 USD / 10 USD, ale z ceną odczytu pamięci podręcznej zmniejszoną o połowę do 0,10 USD — co oznacza, że ​​rodzina modeli jest łącznie o około 75% tańsza niż w czerwcu.

Według obliczeń Woolfa koszt korzystania z tych rodzin modeli gwałtownie spadł w ciągu czterech miesięcy, bez widocznego spadku jakości wydruku. Cięcia dotyczą także narzędzi do kodowania opartych na subskrypcji, takich jak Codex i Claude Code, a nie tylko dostępu do surowego interfejsu API.

Ceny pamięci podręcznej to ukryte pole bitwy

Jedno z najostrzejszych spostrzeżeń analizy dotyczy kosztów odczytu pamięci podręcznej – ceny ponownego odczytania pamięci modelu dotyczącej trwającej rozmowy. W przypadku obciążeń związanych z kodowaniem agentowym odczyty pamięci podręcznej stanowią od 96% do 99% całkowitych wydatków na tokeny, a współczynniki trafień w pamięci podręcznej zwykle wynoszą od 90% do 100%.

Dzięki tej arytmetyce zmniejszenie odczytu pamięci podręcznej przez firmę Anthropic o 75% w przypadku Fable 5.1 korelowało z redukcją rzeczywistych kosztów korzystania z modelu o 70–75%, mimo że główne ceny wejściowe i wyjściowe nigdy się nie zmieniły. Kiedy miesiąc później OpenAI obniżyło o połowę cenę pamięci podręcznej GPT-6.1 Sol, dorównała ona pamięci podręcznej Anthropic ustalonej na około 5% ceny wejściowej.

Po co obniżać ceny o 80%?

Odpowiedź Woolfa koncentruje się na utowarowieniu. Argumentuje, że odkąd w listopadzie 2025 r. wykorzystanie agentycznego LLM weszło w fazę hiperrozwoju, zamiana modeli stała się łatwa: programiści mogą przełączać się między modelami za pomocą narzędzi takich jak OpenCode lub inny punkt końcowy w OpenRouter, co pozostawia laboratoriom niewielką fosę i dużą presję cenową.

Drugim efektem zewnętrznym są zawody w wadze otwartej. Pamięć Flash V4 firmy DeepSeek, wypuszczona w kwietniu 2026 r. przy cenie wejściowej 0,14 USD/wyjściowej 0,28 USD i cenie odczytu pamięci podręcznej wynoszącej zaledwie 0,0028 USD, stała się wirusowa właśnie dlatego, że OpenAI nie posiadało wówczas taniego modelu małej klasy. Woolf podejrzewa, że ​​lipcowa obniżka GPT-5.6 Luna o 80% była skierowana bezpośrednio do mniejszych modeli o otwartej masie. Zaktualizowany Flash V4.1 firmy DeepSeek uzyskał 45 punktów w indeksie sztucznej analizy, w porównaniu z 24, przy podobnych cenach, co utrzymuje presję.

„Nikt nie obniża cen o 80%, chyba że w grę wchodzą efekty zewnętrzne” – pisze Woolf.

Wydatki i tak rosną

Zwrot akcji na koniec analizy: tańsze tokeny nie oznaczają tańszych rachunków. Dane z bramy modelowej AI firmy Vercel pokazują, że koszt tokena spadł do 43,3% w porównaniu z poziomem z kwietnia 2026 r., podczas gdy łączne wydatki stale rosną, ponieważ modele zyskują coraz większe możliwości szybciej niż tanieją.

Ta dynamika wyjaśnia logikę strategiczną obu stron. W przypadku laboratoriów niższe ceny zwiększają wykorzystanie i blokują programistów, nawet gdy marże na token ulegają kompresji. Dla klientów efektywna cena jednostki użytecznej pracy – zamkniętego zgłoszenia, połączonego żądania ściągnięcia, ukończonego zadania badawczego – spada jeszcze szybciej, niż sugerują ceny naklejek.

Co obejrzeć dalej

Jeśli ten schemat się utrzyma, kolejne premiery modeli OpenAI i Anthropic pojawią się z cenami głównymi na poziomie lub niższymi od cen poprzedników, a ceny odczytu pamięci podręcznej będą nadal zbiegać się w stronę agresywnych wskaźników ustalonych przez DeepSeek. Google i Meta, które, jak zauważa Woolf, również konkurują na tym rynku, mierzą się z tą samą matematyką.

Na razie nabywcy rozwiązań obliczeniowych AI są wyraźnymi zwycięzcami wojny, która nie wykazuje oznak końca, a analiza sugeruje, że grą końcową jest rynek, na którym pionierskie możliwości są wyceniane jak towar, a zróżnicowanie wynika ze wszystkiego, co jest związane z modelem, a nie z samego modelu.

---

Wyprzedź sztuczną inteligencję

Otrzymuj najnowsze wiadomości, analizy i przełomowe informacje dotyczące sztucznej inteligencji — wszystko w jednym miejscu.

Przeczytaj więcej aktualności o sztucznej inteligencji →