Jak oszczędzać tokeny i zmniejszyć koszt AI?

Wtorek, 11:47. Otwierasz nową rozmowę z Claude. Po dwóch godzinach pracy widzisz komunikat o wyczerpanym tygodniowym limicie. Klniesz pod nosem. Ten sam plan kosztuje Cię 200 dolarów miesięcznie, a działa krócej niż w marcu.

Większość ludzi w tym momencie obwinia Anthropic, OpenAI albo ostatnie zmiany w cenniku. Bardzo rzadko ktoś sprawdza, gdzie naprawdę poszły te tokeny. Pewien deweloper zmierzył to u siebie i wyszło mu, że 98,5% jego tokenów zużyło się na ponowne czytanie historii rozmowy. Tylko 1,5% poszło na wygenerowanie odpowiedzi. To daje dobry pogląd na potencjalną skalę marnotrawstwa.

W trakcie naszej pracy z firmami widzimy ten sam wzorzec u niemal wszystkich klientów. Nikt nie tłumaczy nowym użytkownikom AI jak działają tokeny i jak efektywnie nimi zarządzać.

W tym artykule pokażemy Ci dwie kluczowe techniki, które same z siebie dadzą spore oszczędności, jeśli pracujesz z AI intensywnie. Potem rozwiniemy kolejne 12 codziennych nawyków. Wdrożenie wszystkiego zajmie Ci jeden wieczór.

Najważniejsze liczby z tego artykułu:

• W przykładowej rozmowie składającej się z 30 wiadomości, 98,5% tokenów to powtórne przerabianie kontekstu, tylko 1,5% to nowa odpowiedź

• Wiadomość numer 30 kosztuje 30 razy więcej tokenów niż wiadomość numer 1 w tej samej rozmowie

• Prompt caching daje do 90% zniżki na powtarzany kontekst - dokumentacja Anthropic

• Firma z 100 licencjami Max 20x może zaoszczędzić 120 000 USD (+/- 430 000 PLN) rocznie schodząc na plan Max 5x dzięki dobrym nawykom

• Okno 5-godzinne resetuje się od pierwszej wiadomości w danym dniu, co umożliwia mądre zarządzanie

Dlaczego tokeny kończą się tak szybko, choć Twoje wiadomości są krótkie?

Zacznijmy od matematyki, bo bez niej żadna z technik z dalszej części artykułu nie ma sensu.

Każdy model językowy działa bezstanowo. Brzmi technicznie, ale znaczy jedno: Claude nie pamięta poprzedniej wiadomości. Za każdym razem, gdy piszesz coś w istniejącej rozmowie, system wysyła do modelu całą historię od początku plus Twoją nową wiadomość. Model czyta wszystko, generuje odpowiedź i zapomina.

To dlatego z punktu widzenia tokenów, koszt rozmowy rośnie wykładniczo, nie liniowo.

Tabela, który tłumaczy wszystko

Wiadomość numer 30 w jednej rozmowie kosztuje 30 razy więcej tokenów niż wiadomość numer 1 w tej samej rozmowie. Dzieje się tak dlatego, że model musi przeczytać 29 poprzednich wymian, zanim zobaczy Twoje nowe pytanie.

Co to znaczy dla Twoich tokenów.

Plan Claude Pro daje Ci około 45 wiadomości na 5 godzin. Jeśli prowadzisz jedną długą rozmowę, dobijesz do limitu po 12-15 turach. Jeśli prowadzisz pięć krótkich rozmów po 6 wiadomości każda, masz 5 razy więcej rzeczywistej pracy w tym samym budżecie.

Warto zwrócić uwagę, że według tego wzoru i wraz z szerszą adopcją modeli z 1 milionem kontekstu i więcej - te koszta będą regularnie rosły. Dlatego kluczowe jest, żebyś podjął odpowiednie działania.

Dwa kluczowe ruchy, które dadzą Ci większość oszczędności

Jeśli mam Ci pokazać tylko dwie rzeczy, które naprawdę robią różnicę, to są te dwie. Reszta artykułu jest ważna, ale tymi dwoma ruchami obetniesz najwięcej, najszybciej.

Kluczowa zmiana #1: Claude Code Router z tańszym subagentem

Jeśli używasz Claude Code do programowania, automatyzacji albo budowania agentów (a powinieneś, bo to dziś najefketywniejszy sposób na intensywną pracę z AI), zainstaluj plugin Claude Code Router. Bez niego płacisz za wyjątkowo drogiego Opusa nawet przy najbardziej przyziemnych zadaniach. Z nim drogi model planuje, a tani model wykonuje.

Schemat działania jest prostu. Opus dostaje od Ciebie zadanie, dzieli je na mniejsze kroki i deleguje wykonanie do tańszego subagenta - GLM 5.1, Sonnet, Haiku, w zależności od trudności konkretnego kroku. Subagent robi 80% roboty (czytanie plików, pisanie boilerplate, drobne refactory), a Opus tylko sprawdza wynik i prowadzi projekt dalej.

Anthropic sam wskazuje ten model jako najbardziej efektywny, sugerując oczywiście użycie własnych modeli. Natomiast jeżeli naprawdę chcesz zwiększyć swoją efektywność tokenową, polecamy GLM 5.1 jako subagenta. Jest niemal tak dobry jak Opus, a znacznie, znacznie tańszy.

Konkretne liczby z naszych projektów: typowa sesja Claude Code, w której Opus robi wszystko, kosztuje 8-15 USD na godzinę intensywnej pracy. Ta sama sesja z routerem i GLM 5.1 jako subagentem schodzi do 2-4 USD za godzinę. 50-70% redukcji rachunku, bez zauważalnej utraty jakości. Krzysztof, który prowadzi nasze szkolenia z automatyzacji AI, używa tego ustawienia do niemal każdego większego projektu.

Pełne ustawienie krok po kroku znajdziesz w poradniku do Claude Code. Jeśli pracujesz w przeglądarce z Claude Cowork zamiast w terminalu, poradnik do Claude Cowork pokazuje analogiczne zasady oszczędzania kontekstu.

Kluczowa zmiana #2: Cały Twój system plików powinien działać w markdownach (.md)

Przestań trzymać wiedzę w PDF, DOCX, PPTX i w screenshotach. Przejdź na markdown w całym workflow firmy.

PDF z umową na 20 stron może zająć 2-5 razy więcej tokenów niż ten sam tekst po konwersji do markdown. Im więcej tabel, kolumn i obrazków w PDF, tym gorszy stosunek. Skanowane PDF wysyłane przez vision API podbijają koszt 5-10 razy. DOCX i PPTX zawierają metadane formatowania, czcionki, struktury layoutu, których AI musi się przekopać przed dotarciem do treści.

Markdown jest skrajnie oszczędny. Sześć znaków składa się na nagłówek, dwa na pogrubienie, jeden na element listy. Nie ma layoutu, czcionek, embeddowanych obrazów. Czysty tekst plus minimalna struktura. AI rozumie go natywnie i tokenizuje optymalnie.

Co to znaczy w praktyce:

• Notatki ze spotkań trzymaj w Obsidianie, Notionie z eksportem do .md, Logsequ, Apple Notes z Markdown plugin. Nie w Wordzie

• Bazę wiedzy firmy migruj na markdown plus statyczny generator (np. Docusaurus). Confluence i SharePoint generują natywnie eksporty, które są katastrofalnie nieefektywne

• Umowy i dokumenty prawne trzymaj w wersjach markdown obok PDF-ów (PDF dla podpisów, .md dla AI i wyszukiwania)

• Specyfikacje produktowe od pierwszego znaku w markdown

Korzyść jest podwójna. Po pierwsze: zużycie tokenów AI spada o 30-50% u zespołów, które dużo pracują z dokumentami. Po drugie: markdown zmusza Cię do myślenia o treści zamiast formatowania. Kolory, marginesy i czcionki nie odwracają już uwagi od tego, co naprawdę masz do powiedzenia.

Filip, który od 9 lat buduje produkty technologiczne, opisuje to tak: jeśli Twoja firma trzyma jeszcze wiedzę w PDF-ach, sam wymuszasz na sobie koszty o 30%+ większe niż konieczne.

11 nawyków, które tną Twoje zużycie tokenów o kolejne kilkadziesiąt procent

Lista jest podzielona na trzy bloki. Pierwszy dotyczy higieny rozmowy. Drugi dotyczy ustawień konta i wyboru modelu. Trzeci to triki dla zaawansowanych. Pamiętaj, żeby zawsze wdrażać je po kolei - nie na raz.

Blok 1: Higiena rozmowy (najszybsze efekty)

1. Edytuj prompt zamiast wysyłać poprawkę

Klasyczna sytuacja. Claude źle zrozumiał Twoją prośbę. Twój odruch:

Nie, miałem na myśli X
Spróbuj jeszcze raz, ale Y
Hmm, dalej źle, spróbuj Z

W tym momencie Claude czyta TRZY pomyłki, swoje TRZY błędne odpowiedzi i Twoją czwartą poprawkę. Razem może to być 5-8 tysięcy tokenów zmarnowanego kontekstu.

Zamiast tego: kliknij ikonę edycji przy swojej oryginalnej wiadomości. Popraw ją. Wygeneruj odpowiedź ponownie. Stara wymiana zostaje zastąpiona, a model pracuje na czystym kontekście.

To jedna zmiana nawyku, która sama oszczędza do 20% tokenów u typowego użytkownika. Sprawdziliśmy to w naszych zespołach trenerskich.

2. Zaczynaj nowy czat co 15-20 wiadomości

Z tabeli wyżej wiesz już, dlaczego rozmowa mająca 50 wiadomości kosztuje 85 razy więcej niż taka z jedną rozmową. Jeśli czujesz, że temat się rozrasta, przerwij rozmowę.

Konkretne działania:

• Poproś Claude o krótkie podsumowanie tego, co ustaliliście (3-4 zdania plus lista decyzji)

• Skopiuj to podsumowanie

• Otwórz nowy czat

• Wklej podsumowanie jako pierwszą wiadomość i kontynuuj

Tracisz 30 sekund, oszczędzasz tysiące tokenów. Twój limit dziennego planu ucierpi mniej, a jakość odpowiedzi w nowym czacie będzie lepsza, bo model nie grzebie w 29 starych wymianach, żeby znaleźć kontekst.

3. Łącz pytania w jeden prompt

Wielu użytkowników wierzy, że dzielenie zadań na osobne wiadomości daje lepsze wyniki. Prawie zawsze jest odwrotnie.

Trzy oddzielne prompty to trzy załadowania kontekstu. Jeden prompt z trzema zadaniami to jedno załadowanie kontekstu.

Zamiast pisać:

Streść ten artykuł.
Teraz wymień główne tezy.
Zaproponuj nagłówek.

Pisz:

Streść ten artykuł, wymień jego trzy główne tezy i zaproponuj alternatywny nagłówek.

Bonus: odpowiedzi często są lepsze, bo model od razu widzi pełny obraz tego, czego od niego chcesz. Trzy pytania, jeden prompt. Zawsze.

4. Wrzucaj powtarzające się pliki do Projektów

Jeśli wrzucasz ten sam PDF z briefem klienta do dziesięciu różnych rozmów, Claude tokenizuje go dziesięć razy. To zazwyczaj 5-15 tysięcy tokenów spalonych za każdym razem na to samo.

Funkcja Projekty w Claude i ChatGPT rozwiązuje to w bardzo prosty sposób. Wrzucasz plik raz, do projektu. Każda nowa rozmowa wewnątrz tego projektu odwołuje się do pliku z cache, a nie tokenizuje go od nowa.

Jeśli pracujesz ze styleguide'ami, kontraktami, briefami albo długimi dokumentami referencyjnymi, sama ta zmiana potrafi obciąć Twoje zużycie o kilkadziesiąt procent.

Blok 2: Ustawienia i wybór modelu

5. Skonfiguruj Memory i User Preferences

Każda nowa rozmowa bez zapisanego kontekstu marnuje 3-5 wiadomości na rozkręcenie się: jestem marketerem, piszę nieformalnym tonem, preferuję krótkie akapity, działam w branży B2B SaaS. To są tokeny spalone w kółko, codziennie, w każdej nowej rozmowie.

Claude i ChatGPT mają funkcję pamięci. W Claude wejdź w Settings, znajdź sekcję Memory and User Settings i zapisz raz:

• Twoją rolę i branżę

• Styl komunikacji, jakiego oczekujesz

• Stałe ograniczenia (np. zawsze odpowiadaj po polsku, nie używaj emoji)

• Format odpowiedzi (długość, struktura)

Claude automatycznie zastosuje to w każdym nowym czacie. Zero tokenów na powtarzanie.

6. Wyłącz funkcje, których aktywnie nie używasz

Web search, pluginy, serwery MCP, integracje z Google Drive. Każda z tych funkcji dokłada tokeny do każdej odpowiedzi, nawet jeśli ich w danym momencie nie potrzebujesz.

Piszesz tekst marketingowy, nie potrzebujesz wyszukiwania w sieci? Wyłącz Search and Tools w danym czacie. Robisz krótkie tłumaczenie, nie potrzebujesz głębokiego myślenia? Wyłącz Extended thinking, on jest domyślnie kosztowny.

Zasada prosta: jeśli nie włączyłeś funkcji świadomie pod konkretne zadanie, wyłącz ją. Włącz dopiero, gdy pierwsza próba okaże się niewystarczająca. Będziesz zaskoczony, jak wiele tokenów zaoszczędzisz.

7. Dobieraj model do trudności zadania

To jest najważniejsza decyzja, którą podejmujesz codziennie. Większość użytkowników odpala Opusa do wszystkiego, bo to najlepszy model. To trochę jak jechać czołgiem na zakupy do Żabki.

Mentalna mapa, której uczymy klientów na szkoleniach:

• Haiku to drafty, formatowanie, krótkie tłumaczenia, korekta gramatyczna, klasyfikacja, ekstrakcja danych. Szybki, 3 razy tańszy niż Sonnet i 5 razy tańszy niż Opus

• Sonnet to prawdziwa praca: pisanie, analiza, programowanie, większość codziennych zadań biznesowych

• Opus to głębokie myślenie: skomplikowane problemy strategiczne, planowanie wieloetapowe, trudne refactory kodu, orkiestracja agentów

Sam fakt przeniesienia 20-30% prostych zadań na Haiku uwalnia masę budżetu na zadania, które naprawdę wymagają mocnego modelu. Nie potrzebujesz Opusa do sprawdzenia interpunkcji.

8. Włącz prompt caching dla powtarzanych procesów

To technika dla osób korzystających z API albo z narzędzi typu Claude Code. Jeśli masz długi system prompt, zestaw definicji narzędzi albo standardową dokumentację referencyjną, którą wysyłasz do modelu w każdym zapytaniu, oznacz ten fragment jako cacheable.

Anthropic daje do 90% zniżki na zacacheowaną część kontekstu - dokumentacja prompt cachingu. Jak to zrobić? Po prostu poproś Claude - wykona to za Ciebie.

Dla zespołów technicznych to jest jedna z największych oszczędności na liście.

9. Używaj wyszukiwarki przez MCP lub CLI zamiast natywnego przeglądania

Natywne wyszukiwanie w sieci w Claude albo ChatGPT jest wygodne, ale drogie. Model otwiera kilka stron, wczytuje całe HTML, wyciąga kontekst, dopiero potem syntetyzuje odpowiedź. Łatwo spalić 10-20 tysięcy tokenów na jedno pytanie.

Alternatywą jest Perplexity podpięte przez MCP, dedykowane narzędzia search albo CLI. One zwracają zwięzłe, wstępnie przetworzone wyniki - kilkaset tokenów zamiast kilkudziesięciu tysięcy. Tę samą informację dostajesz dziesięć razy taniej.

Więcej o tym, jak pisać dobre prompty, żeby maksymalnie wykorzystać każdy zacacheowany kontekst, znajdziesz w naszym osobnym poradniku.

Blok 3: Czas, plany i triki dla zaawansowanych

10. Rozłóż pracę na 2-3 sesje w ciągu dnia

System Claude działa w przesuwanym oknie 5-godzinnym. Nie resetuje się o północy. Wiadomości wysłane o 9:00 przestają liczyć się do limitu o 14:00.

Jeśli wykorzystasz cały dzienny limit w jednej porannej sesji, większość Twojego dziennego budżetu przepada. System nie sumuje godzin po dniu, tylko po oknie.

Praktyka: dziel pracę na poranek (8:00-10:00), popołudnie (13:00-15:00) i wieczór (18:00-20:00). Wracasz do każdej sesji ze świeżym, odnowionym oknem. To jak mieć trzy plany Claude Pro w cenie jednego.

11. Przesuwaj okno wcześniej krótkim pingiem do Haiku

Twoje 5-godzinne okno startuje od pierwszej wiadomości w danym dniu, zaokrąglone w dół do pełnej godziny.

Wysyłasz pierwszą wiadomość o 8:30? Okno liczy się od 8:00 do 13:00. O 10:00 zaczynasz najważniejsze zadanie, a o 11:00 dostajesz blokadę w połowie pracy. Czekasz na reset.

Trick: wyślij rano krótką, jednowyrazową wiadomość do Haiku (np. cześć) o 6:00. Okno otwiera się na 6:00-11:00 i kosztuje Cię tokenów tyle co kichnięcie. Zaczynasz prawdziwą pracę o 9:00, a o 11:00 limit się zeruje. Pracujesz dalej bez przerwy.

Mnie osobiście nie chce się wstawać o 6:00, żeby przywitać się z modelem. Są dwa sposoby na automatyzację:

• GitHub Actions - dla osób technicznych, prosty workflow z cron uruchamiający wywołanie API z jednym tokenem

  

• Zaplanowane zadania w Claude Code lub Cowork - dla osób nietechnicznych

Strategie pracy z agentami: jak nie spalić budżetu na automatyzacji

Jeśli budujesz lub używasz agentów AI (OpemClaw, asystentów własnych, RAG-ów), zasady są trochę inne. Agenci potrafią wypalić budżet w godzinę.

Pierwsza zasada to selektywność na wejściu. Nie wrzucaj agentowi całej bazy dokumentów ani pełnego repo kodu na zapas. Indeksuj referencje, podawaj tylko te kawałki, których agent naprawdę potrzebuje do bieżącego zadania. Każdy zbędny tysiąc tokenów na wejściu mnoży się razy liczba wywołań w sesji, a tych w typowej sesji pracy agenta jest kilkadziesiąt.

Druga zasada: czyść dane przed podaniem. Wszystko, do czego agent sięga, powinno być wstępnie podsumowane i ustrukturyzowane. Model nie marnuje tokenów na parsowanie chaotycznego tekstu, jeśli karmisz go gotowym markdownem.

Trzecia zasada to pomiar. Zapisuj tokeny wejściowe, wyjściowe i koszt całkowity. Bez tego nie zobaczysz, że jeden konkretny krok pochłania 60% budżetu. Anthropic wystawia te dane przez API, OpenAI też. Wystarczy poprosić Claude o przygotowanie Ci dashboardu - zrobi go samodzielnie.

Na koniec zrób audyt pluginów i konektorów. Włączone integracje z Google Drive, Notionem albo bazami wiedzy ładują się do kontekstu zanim w ogóle napiszesz pierwszy prompt. Wyłącz wszystko, czego nie używasz aktywnie. Zazwyczaj agent ma podpięte 5 narzędzi, a używa jednego.

W naszych wdrożeniach agentowych dla klientów widzimy regularnie sytuacje, w których 20% wywołań generuje 80% kosztów. Szukaj tych 20% i optymalizuj je.

Ile to wszystko realnie oszczędza? Liczby dla firmy i freelancera

Era subsydiów AI dobiega końca. W kolejnych latach ceny pójdą w górę, a darmowe limity w dół. Następna generacja modeli będzie droższa od obecnej (Anthropic już sygnalizował ceny mocno premium dla Claude Mythosa). W tej sytuacji, umiejętność efektywnego używania tokenów staje się podstawową kompetencją zawodową.

Liczby dla freelancera

Plan Claude Pro kosztuje 20 USD miesięcznie, Max 5x to 100 USD, Max 20x to 200 USD. Większość freelancerów, którzy stosują wszystkie 12 nawyków z tej listy, schodzi z Maxa 20x do Maxa 5x bez utraty produktywności. To 1 200 USD (+/- 4300 PLN) oszczędności rocznie.

Jeśli zostajesz na tym samym planie, dostajesz 2-3 razy więcej rzeczywistej pracy w tym samym budżecie.

Liczby dla firmy 100-osobowej

Załóżmy zespół 100 licencji Claude Max 20x po 200 USD miesięcznie. To 240 000 USD rocznie. Po wdrożeniu dobrych nawyków zespół spokojnie schodzi na Maxa 5x po 100 USD: 120 000 USD rocznie. Oszczędność: 120 000 USD (+/- 430 000 PLN) w skali roku.

Za te pieniądze zatrudniasz dodatkowych seniorów. Bez utraty produktywności zespołu, bez negocjacji z dostawcą, bez rezygnacji z funkcji.

Z naszej pracy z klientami przy wdrażaniu AI w korporacjach widzimy, że firmy, które inwestują 2 dni szkolenia w nawyki około-tokenowe, z nawiązką zwracają sobie ten koszt w pierwszym miesiącu.

Najtrudniejszy jest moment, w którym przekonujesz zespół, że GLM 5.1 jest wystarczający do większości codziennych zadań. Po tygodniu nikt już nie chce wracać do drogiego Opusa do prostych rzeczy - szczególnie jeżeli zautomatyzujesz to pluginami.

FAQ - najczęściej zadawane pytania o oszczędzanie tokenów

Czy te techniki działają tylko dla Claude, czy też dla ChatGPT?

Większość zasad jest uniwersalna. Edytowanie promptu zamiast wysyłania poprawek, łączenie pytań, zaczynanie nowych rozmów co kilkanaście wymian, dobór modelu do trudności zadania, używanie tańszego modelu jako subagent - to działa w każdym modelu AI. Warto pamiętać, że ChatGPT ma swoje odpowiedniki w nazwenictwie.

Czy Sonnet lub GLM 5.1 naprawdę wystarczy do mojej pracy?

Sprawdź to na konkretnym zadaniu. Weź swoje typowe codzienne zadanie (np. tłumaczenie maila, formatowanie tabeli, krótkie streszczenie) i zrób je w Sonnecie lub GLM 5.1. W 90% przypadków nie zauważysz różnicy. W 20% przypadków wynik będzie odrobinę gorszy, ale wystarczający. W 10% przypadków będziesz musiał wrócić do Sonnet. Na tej podstawie ustal, które zadania robisz w którym modelu.

Co to jest okno 5-godzinne w Claude i jak je sprawdzić?

To jest okno, w którym Claude liczy Twoje wykorzystanie limitu. Startuje od pierwszej wiadomości w danym dniu, zaokrąglone w dół do pełnej godziny. Po 5 godzinach okno się zamyka, otwiera się nowe. W aplikacji Claude widzisz informację o pozostałym limicie pod ikoną avatara. W ustawieniach (Settings, zakładka Usage) sprawdzisz dokładny status.

Czy automatyczny ping do Haiku o 6:00 nie jest oszustwem ?

Nie. Anthropic publikuje zasady działania okna 5-godzinnego i sam pokazuje, że okno startuje od pierwszej wiadomości. Wysłanie krótkiej wiadomości to legalne korzystanie z planu. Jeśli chcesz zoptymalizować swoje godziny pracy względem okien resetowych, masz do tego pełne prawo.

Jakie narzędzie polecacie do liczenia tokenów w istniejących plikach?

Anthropic udostępnia darmowy Token Counter w API. OpenAI ma tiktoken (biblioteka Pythona). Do tego pobierz jedno z darmowych narzędzi Open Source do wizualizacji - lub poproś Claude, żeby stworzył Twoje własne narzedzie.

Tokeny to nowa waluta pracy umysłowej. Każda firma, która nie nauczy swoich zespołów liczyć tokenów tak, jak liczy godziny pracy, wkrótce dostanie za to sowity rachunek.

Jeśli masz dziś tylko jeden wieczór, zrób dwie rzeczy. Zainstaluj Claude Code Router, żeby drogi model przestał wykonywać prostą robotę. I zacznij migrować swoje notatki, briefy i bazę wiedzy na pliki markdown. To są dwa ruchy, które dadzą Ci najwięcej oszczędności. Dwanaście nawyków z części taktycznej wdrożysz w kolejnym tygodniu.

Jeśli chcesz przeszkolić cały zespół z efektywnego używania AI, sprawdź naszą ofertę szkoleń AI dla biznesu. Pokazujemy konkretne narzędzia, konkretne procesy i konkretne liczby. Bez teorii.