Indeks LLM Token Expenditure firmy Silicon Data spadł w poniedziałek 31 sierpnia do 0,97 dolara za milion tokenów, co jest najniższym odczytem od uruchomienia wskaźnika pod koniec 2025 roku. W ciągu siedmiu dni wskaźnik stracił 8,6 procent, a od letniego szczytu ponad połowę wartości.
- Indeks LLM Token Expenditure firmy Silicon Data spadł 31 sierpnia 2026 roku do 0,97 dolara za milion tokenów, co oznacza spadek o 8,6 procent w ciągu tygodnia i o ponad połowę od letniego szczytu wynoszącego 1,62 dolara.
- OpenAI obniżyło 30 lipca 2026 roku cenę modelu GPT-5.6 Luna o 80 procent – z 1 dolara do 0,20 dolara za milion tokenów wejściowych, a niecały miesiąc później objęło czasową obniżką powyżej 20 procent również flagowy model GPT-5.6 Sol.
- Anthropic złożył poufny prospekt emisyjny w amerykańskiej Komisji Papierów Wartościowych i Giełd 1 czerwca 2026 roku, a tydzień później to samo zrobiło OpenAI – oba laboratoria wchodzą na giełdę w momencie, gdy cena ich podstawowego produktu spada od dwóch miesięcy.
Dla firm kupujących dostęp do modeli językowych to prosta wiadomość: ta sama praca kosztuje dziś mniej niż w czerwcu. Dla dostawców modeli sytuacja wygląda inaczej, bo rynek przyzwyczaja się do coraz niższych stawek, a to ogranicza pole do podnoszenia cen w przyszłości.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Indeks Silicon Data mierzy nie cenniki, lecz realne wydatki rynku na milion tokenów
LLM Token Expenditure Index nie jest zestawieniem cen z witryn dostawców. Silicon Data, amerykańska firma zajmująca się danymi o rynku mocy obliczeniowej, liczy średnią ważoną faktycznym zużyciem: łączy stawki dostawców z wolumenem obserwowanym w bramkach routujących zapytania między wieloma modelami. Wskaźnik publikowany jest codziennie, a jego flagowa wersja trafiła na terminal Bloomberga pod tickerem SDLLMTK.
Koszyk indeksu obejmuje ponad 200 modeli o otwartych wagach i ponad 120 modeli zamkniętych, a dane o cenach i wolumenach pochodzą z ponad dwudziestu źródeł. Silicon Data wskazuje trzy powody, dla których odczyt może się zmienić:
- zmiana cen przez dostawców, czyli klasyczna obniżka lub podwyżka cennika,
- przesunięcie zużycia w stronę tańszych albo droższych modeli, nawet gdy żaden cennik się nie zmienił,
- zmiana składu koszyka, gdy model traci albo zyskuje znaczenie gospodarcze na rynku.
Ta konstrukcja ma znaczenie przy interpretacji spadku. Indeks o wartości 0,97 dolara nie oznacza, że najlepsze modele potaniały o połowę. Oznacza, że rynek jako całość płaci dziś za milion tokenów mniej niż płacił w lipcu, kiedy wskaźnik wynosił 1,62 dolara, jak podawał wtedy serwis CIO. Silicon Data zamknęła w tym roku rundę serii A o wartości 30,5 mln dolarów.
OpenAI ścięło ceny Luny o 80 procent, a trzy tygodnie później także flagowego Sola
Największa pojedyncza obniżka cen w tym sezonie wyszła od OpenAI i objęła dwa modele z rodziny GPT-5.6. Firma ogłosiła ją 30 lipca, czyli około trzech tygodni po tym, jak modele weszły do powszechnej dostępności, i tłumaczyła ruch poprawą efektywności systemów obsługujących zapytania.
Zmiany wyglądały tak:
- GPT-5.6 Luna staniał o 80 procent, z 1 dolara do 0,20 dolara za milion tokenów wejściowych i z 6 do 1,20 dolara za milion tokenów wyjściowych,
- GPT-5.6 Terra staniał o 20 procent, z 2,50 do 2 dolarów za wejście i z 15 do 12 dolarów za wyjście,
- GPT-5.6 Sol, model flagowy, początkowo utrzymał stawkę 5 i 30 dolarów, ale 21 sierpnia OpenAI obniżyło jego cenę w API o ponad 20 procent na kolejne trzy miesiące.
Ta ostatnia decyzja jest w całej układance najbardziej wymowna. Sol to model, który miał bronić marży. Obniżka objęła go niecały miesiąc po tym, jak firma zapewniała, że najwyższy poziom cenowy pozostaje bez zmian.
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
Chińskie modele otwarte przestały być automatycznie najtańszą opcją
Charles-Henry Monchau, dyrektor inwestycyjny Bank Syz, wskazał we wtorkowym wpisie cytowanym przez CNBC, że za spadkiem indeksu stoi między innymi wzrost popularności chińskich modeli o otwartych wagach, takich jak Kimi K3 od Moonshot AI. Cennik samego K3 pokazuje jednak, że to uproszczenie.
Moonshot wypuścił Kimi K3 16 lipca 2026 roku, a wagi modelu udostępnił 27 lipca. Model liczy 2,8 bln parametrów i kosztuje 3 dolary za milion tokenów wejściowych oraz 15 dolarów za wyjściowe, czyli dokładnie tyle, co poziom Claude Sonnet. Tanio robi się dopiero przy trafieniu w pamięć podręczną, gdzie wejście spada do 0,30 dolara, oraz przy starszych modelach tej samej rodziny.
| Model | Wejście za mln tokenów | Wyjście za mln tokenów |
|---|---|---|
| GPT-5.6 Sol | 5 USD | 30 USD |
| GPT-5.6 Terra | 2 USD | 12 USD |
| GPT-5.6 Luna | 0,20 USD | 1,20 USD |
| Kimi K3 | 3 USD (0,30 USD z cache) | 15 USD |
| Kimi K2.6 | 0,95 USD | 4 USD |
| Claude Opus 5 | 5 USD | 25 USD |
Stawki Sola podano według cennika sprzed sierpniowej, czasowej obniżki. Cena Claude Opus 5 pochodzi z premiery modelu z 24 lipca, którą opisywaliśmy szerzej w AIPORT.pl.
Spadek indeksu bierze się więc nie tyle z tego, że frontowe modele potaniały, ile z tego, dokąd wędruje ruch. Kiedy zespoły przerzucają rutynowe zadania na Lunę czy K2.6, a najdroższe modele rezerwują dla trudnych przypadków, średnia ważona zużyciem leci w dół nawet bez jednej obniżki cennika.
Deflacja tokenów wygląda jak prezent dla każdego, kto płaci rachunki za AI, i po części nim jest. Mam jednak wątpliwość co do tego, jak ten wskaźnik będzie czytany przez rynek. Indeks Silicon Data mierzy średni koszt miliona tokenów, a nie koszt wykonania zadania. Jeśli firma przenosi ruch na tańszy model, który do tej samej pracy potrzebuje dwa razy więcej tokenów rozumowania, indeks pokaże spadek, a faktura urośnie. Widziałem już kilka takich zaskoczeń w polskich zespołach i podejrzewam, że to dopiero początek. Druga rzecz to pokusa czytania spadku jako sygnału, że popyt na AI słabnie. Na razie nic takiego z tych danych nie wynika, bo to samo zjawisko można opisać jako dojrzewanie rynku, który przestał płacić flagową stawkę za każde zapytanie. Pytanie, na które nie mam odpowiedzi, brzmi: co się stanie z tym wskaźnikiem, gdy laboratoria przestaną finansować obniżki z oszczędności na infrastrukturze i zaczną je finansować z marży.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Deflacja tokenów uderza w laboratoria tuż przed debiutami giełdowymi
Najbardziej wystawione na spadek cen tokenów są firmy budujące modele podstawowe, ponieważ ich zobowiązania wobec dostawców mocy obliczeniowej są sztywne, a przychód z jednego tokena maleje. Tak ocenia to Monchau.
„Laboratoria modeli podstawowych są najbardziej bezpośrednio narażone” / „Foundation model labs are the most directly exposed”
Monchau dodaje, że odpowiedź strategiczna jest już widoczna: przewaga musi przesunąć się z surowej zdolności modeli, gdzie dystans do konkurentów o otwartych wagach mierzy się w miesiącach, w stronę dystrybucji, pamięci i kontekstu. Steve Hou, szef badań w Silicon Data, interpretuje spadek inaczej. Jego zdaniem odczyt może oznaczać, że łączna podaż modeli frontowych i tańszych alternatyw wystarcza już do obsłużenia większości zadań.
Moment jest dla obu największych laboratoriów niewygodny. Anthropic złożył poufny prospekt emisyjny w amerykańskiej Komisji Papierów Wartościowych i Giełd 1 czerwca 2026 roku, tydzień później to samo zrobiło OpenAI. Anthropic zamknął wcześniej rundę finansowania przy wycenie 965 mld dolarów, OpenAI wyceniano na 852 mld dolarów. Inwestorzy, którzy będą czytać te prospekty, dostaną jednocześnie wskaźnik pokazujący, że cena podstawowego produktu obu firm spada od dwóch miesięcy. Notowania spółek technologicznych spadały we wtorek 1 września, a Nasdaq Composite stracił blisko procent.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Polskie firmy nie poczują taniejących tokenów, bo prawie ich nie kupują
Spadek cen tokenów ma nad Wisłą ograniczone przełożenie, ponieważ wydatki na AI w polskich firmach nadal są symboliczne. W badaniu AIPORT.pl „Polska firma w erze AI 2026″, które objęło 479 osób z 19 branż ze wszystkich województw, 63 procent respondentów zadeklarowało wydatki poniżej 500 zł miesięcznie. Przy takich kwotach różnica między stawką 5 a 2 dolarów za milion tokenów nie zmienia niczego w budżecie.
Znaczenie ma za to druga strona rachunku. Z raportu EY Polska „Jak polskie firmy wdrażają AI?” z kwietnia 2026 roku wynika, że 51 procent firm widzi realne korzyści z wdrożeń, ale tylko 9 procent ma kompletną infrastrukturę danych gotową do zasilenia zaawansowanych modeli. Autorzy raportu wskazują, że wdrożenie AI w codziennej pracy zespołów pochłania około 90 procent wysiłku całego projektu, a niedoszacowane koszty utrzymania i skalowania szybko weryfikują entuzjazm.
Tanie tokeny zmieniają więc w Polsce nie tyle wysokość faktury, ile próg wejścia. Przy stawce 0,20 dolara za milion tokenów wejściowych scenariusze, które rok temu odpadały w kalkulacji, na przykład masowa klasyfikacja dokumentów czy stała analiza zgłoszeń klientów, mieszczą się dziś w budżecie małej firmy. Wąskim gardłem pozostaje to, czy ktoś w tej firmie ma uporządkowane dane i wie, który proces chce zautomatyzować.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym danych i metodologii LLM Token Expenditure Index (SDLLMTK) firmy Silicon Data z odczytem na 31.08.2026, komunikatu OpenAI o rodzinie modeli GPT-5.6 z aktualizacjami cennika z 30.07.2026 i 21.08.2026 oraz materiału CNBC z 01.09.2026. Kontekst polski oparto na raporcie EY Polska „Jak polskie firmy wdrażają AI?” oraz badaniu własnym AIPORT.pl. Dane o cenach modeli Kimi K3 i K2.6 zweryfikowano z dokumentacją Moonshot AI referowaną przez BenchLM i Tom’s Hardware, informacje o poufnych wnioskach o debiut giełdowy z relacjami CNBC i TechCrunch, a wcześniejszy poziom indeksu z publikacją CIO.
Cytat Charlesa-Henry’ego Monchau, dyrektora inwestycyjnego Bank Syz, został zweryfikowany z oryginalnym anglojęzycznym materiałem źródłowym.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o cenach tokenów i kolejnych obniżkach dostawców modeli.
