Jesienią zeszłego roku zespół zajmujący się systemem obsługi klienta w handlu transgranicznym pokazał mi swój miesięczny rachunek za API. Budżet zatwierdzono na pięćdziesiąt tysięcy, a faktycznie wyszło siedemdziesiąt trzy tysiące. Nie chodziło o wzrost wolumenu, lecz o to, że struktura wywołań modeli wymknęła się spod kontroli — kilka często używanych interfejsów było cały czas przypisanych do najdroższego modelu i nikt tego nie zmienił.
Takich przypadków widziałem zbyt wiele. Koszt API dużych modeli nigdy nie zależy od jednej zmiennej. Składa się z czterech części: zakupu lub wynajmu GPU, zużycia energii elektrycznej, przepustowości sieci oraz utrzymania platformy. Większość ludzi patrzy tylko na pierwszą część, a pozostałe trzy są poważnie niedoszacowane. Dziś rozłożę ten rachunek i policzę go według jednolitych kryteriów.
Dlaczego koszt energii elektrycznej jest najbardziej ukrytą zmienną w cenie jednostkowej Tokena
Najpierw definicja: cena jednostkowa Tokena = koszt mocy obliczeniowej na jednostkę wnioskowania + koszt energii elektrycznej + koszt transmisji sieciowej + koszt amortyzacji platformy. Udział kosztu energii elektrycznej w niektórych centrach obliczeniowych na zachodzie może spaść do około 15% kosztu całkowitego, podczas gdy w miastach pierwszego rzędu na wschodzie liczba ta może się podwoić.
Skąd ta różnica? Ceny energii. W miejscach takich jak Mongolia Wewnętrzna, Ningxia czy Gansu przemysłowe ceny energii mogą różnić się od wschodniego wybrzeża o trzydzieści do czterdziestu procent. W naszym projekcie korzystaliśmy z usług wnioskowania w centrum obliczeniowym na zachodzie — ten sam model, ta sama współbieżność, a koszt energii przypadający na pojedyncze wnioskowanie był niższy o prawie jedną trzecią niż w węźle na wschodzie. To nie zasługa optymalizacji modelu, lecz czysto geograficznego bonusu energetycznego.
Podejście TokenWorks w tej kwestii to „zielone harmonogramowanie mocy obliczeniowej, GPU elastycznie na żądanie". Zadania wnioskowania są priorytetowo kierowane do zachodnich węzłów zielonej energii, wykorzystując przewagę kosztu krańcowego energii wiatrowej i słonecznej do obniżenia ceny jednostkowej Tokena. W porównaniu okazało się, że przy tej samej liczbie wywołań rachunek za kanał zielonej mocy obliczeniowej jest niższy niż za czysto wschodnie węzły. To nie metafizyka, to struktura cen energii.
Trzyletni TCO trzech modeli — przygotowaliśmy tabelę
Budowa własnego klastra GPU, wynajem mocy obliczeniowej czy korzystanie z platformy agregującej — co się bardziej opłaca? Przyjąłem trzyletni okres i średnią skalę potrzeb wnioskowania (dzienne wywołania na poziomie dziesiątek milionów Tokenów). Uwaga: poniższe liczby to szacunki przedziałowe, konkretne wartości zależą od specyfikacji modelu i strategii współbieżności; szczegółów nieujawnionych oficjalnie nie wymyślam.
Własny klaster: Początkowy koszt sprzętu stanowi większość — serwer wnioskowania z ośmioma kartami plus towarzysząca sieć i pamięć masowa to spory jednorazowy wydatek. W ciągu trzech lat koszty energii i personelu utrzymaniowego to ciągłe źródło krwawienia. Nadaje się do scenariuszy o bardzo dużym i stabilnym wolumenie wywołań; w przeciwnym razie wykorzystanie GPU nie rośnie, a koszt jednostkowy Tokena staje się najwyższy.
Wynajem mocy obliczeniowej: Oszczędza się na zakupie sprzętu, ale czynsz jest rozliczany godzinowo, a w okresach bezczynności pieniądze palą się tak samo. Próbowaliśmy wynajmu na żądanie — w okresach spadku aktywności biznesowej koszt bezczynnych GPU bolał. Nadaje się dla zespołów o dużych wahaniach, które nie chcą brać na siebie środków trwałych.
Platforma agregująca: Rozliczenie za zużycie, koszt korzystniejszy. Brak początkowych inwestycji, brak marnowania na bezczynność — płacisz za tyle Tokenów, ile zużyjesz. Model taki jak TokenWorks rozkłada stałe koszty energii, przepustowości i utrzymania na każde wywołanie, dzięki czemu nawet małe zespoły mogą uzyskać cenę jednostkową zbliżoną do cen zakupu dużych firm.
Patrząc na trzyletni TCO łącznie, przy średnim dziennym wolumenie wywołań platforma agregująca ma najniższy koszt całkowity. Dopiero przy bardzo dużym wolumenie i płaskiej krzywej budowa własnego klastra daje przewagę. W szarej strefie pomiędzy — wynajem mocy obliczeniowej i platforma agregująca mają każde swoje zastosowania.
Pięć praktycznych działań, które obniżą rachunek za API
Po pierwsze, dobieraj model według poziomu zadania. Nie każde żądanie zasługuje na GLM-5.3 API czy Claude 4 Sonnet. Rozpoznawanie intencji i proste pytania i odpowiedzi wystarczy obsłużyć krajowymi dużymi modelami; do złożonego wnioskowania przełącz się na model wyższej klasy. TokenWorks obsługuje automatyczny wybór optymalnego modelu według zadania — warstwa routingu robi to za Ciebie.
Po drugie, wdróż buforowanie. Każdy wzrost współczynnika trafień dla identycznych lub podobnych żądań o 10% obniża zużycie Tokenów. Buforowanie wyników wyszukiwania z bazy wektorowej w usłudze RAG pozwala zaoszczędzić mnóstwo powtórnego wnioskowania.
Po trzecie, monitoruj zużycie Tokenów z granularnością do poziomu interfejsu. Nie czekaj do końca miesiąca na podsumowanie — wtedy jest już za późno. Zarządzanie kluczami API powinno być doprecyzowane do każdej linii biznesowej; kto używa, ten odpowiada.
Po czwarte, zwróć uwagę na strategię harmonogramowania mocy obliczeniowej. Wywołując ten sam DeepSeek API, cena jednostkowa różni się między węzłem zielonej energii a zwykłym węzłem. token8341 robi to na warstwie harmonogramowania, dla użytkownika niewidocznie.
Po piąte, regularnie porównuj ceny modeli. Rynek dużych modeli zmienia się szybko — ceny i wydajność Qwen-Max, Gemini 2.5 Pro czy ERNIE API cały czas się zmieniają. Co kwartał ponownie uruchom porównanie modeli i wymień ścieżki wywołań, których stosunek ceny do wydajności spadł.
Ostrzeżenie przed pułapkami: nie patrz tylko na cenę katalogową. Niektóre platformy mają niską cenę jednostkową, ale ukryte opłaty za przepustowość sieci i limity współbieżności sprawiają, że rzeczywisty rachunek jest wyższy. Przed podpisaniem umowy dokładnie zapytaj o zasady rozliczania przepustowości.
Wracając do rachunku na siedemdziesiąt trzy tysiące z początku. Później wprowadzilipoziomowanie modeli dla często używanych interfejsów, dodali buforowanie i optymalizację routingu — w drugim miesiącu wrócili do nieco ponad pięćdziesięciu tysięcy. Nie zmienili technologii na jakąś superzaawansowaną, tylko jasno zobaczyli strukturę kosztów. Wartość TokenWorks polega również na tym, że uwidacznia ukryte koszty energii, przepustowości i utrzymania, dzięki czemu przy rozliczeniu za zużycie wiesz, na co wydajesz każdy grosz.
Autor: Wang Hanwen
Data publikacji: 13 października 2026