Melyik AI-ügynök olcsóbb 2026-ban: egy megoldott feladat költsége

Röviden: az előfizetési díj vagy a tokenenkénti ár önmagában nem elég az AI-ügynökök eredményköltségének összehasonlításához. Ugyanannyi pénzért az egyik ügynök öt feladatot is megoldhat, a másik pedig csak egyet — attól függ, mi rejlik a motorháztető alatt. Itt egyetlen becsületes mérőszám van: mennyibe kerül egy feladat, amikor az ügynök ténylegesen működő állapotba hozta.

A következőkben bemutatom ennek a költségnek a képletét, és kiszámolom a szolgáltatók 2026. szeptember eleji árai alapján. Példaként használati adatokat veszek, és ezt egyértelművé teszem: az Ön adatai eltérőek lesznek. Az alábbiakat saját maga is újraszámolhatja; nincs megtakarítási ígéret, és nincsenek varázslatos kombinációk.

A szolgáltatás használatáról az Ailoot dokumentációjában olvashat.

Miért nem árulja el a havi díj, hogy melyik ügynök olcsóbb?#

A legtöbben választáskor az előfizetés árát nézik. Az egyik ügynök havi 20 dollárba kerül, a másik 200-ba, és úgy tűnik, az első tízszer jobb ár-érték arányt kínál. Az ár-összehasonlítás önmagában nem igazolja az eredmény értékét: az előfizetés hozzáférést mér, az azon belül elvégzett munkát külön meg kell mérni.

Képzeljen el két taxit, amelyeknek rögzített havi díjuk van. Az egyik elsőre elviszi a kívánt helyre, a másik viszont az utak felében rossz irányba fordul, ezért újra hívnia kell. Az előfizetésük lehet ugyanannyi, de a gyakorlatban az elsővel feleannyiért jut el a céljához. Ugyanez a helyzet az ügynökökkel: ugyanazt az előfizetési díjat fizeti, de az elvégzett feladatok száma attól függ, mi rejlik a motorháztető alatt.

Érdemes külön kezelni az előfizetést és a feladat költségének kérdését. Az előfizetés előnye, hogy kiszámítható az összege. Az árképzési modell — előfizetés, használatalapú fizetés vagy egyedi fejlesztés — kiválasztását külön tárgyalom a mi alkotja egy AI-ügynök árát című cikkben. Ez a cikk más kérdésre ad választ: a fizetési modelltől függetlenül melyik ügynök szolgáltat eredményt alacsonyabb költséggel?

Miért félrevezető a tokenenkénti ár is?#

A második legnépszerűbb összehasonlítási mód a tokenenkénti ár vizsgálata. A token egy szövegrész, nagyjából egy szó töredéke; azt méri, amit a modellnek küld, és azt is, amit válaszként ír. A szolgáltatók millió tokenenként adják meg az áraikat, és az egyes modellek között nagy különbségek lehetnek. Logikusnak tűnik: válassza az olcsóbb modellt, és fizessen kevesebbet.

A csapda az, hogy a tokenenkénti ár a nyersanyag ára, ahogy a benziné literenként. Az egész út költsége számít; önmagában egy liter ára nem sokat mond. Egy ügynök sok lépésben old meg egy feladatot: fájlokat böngész, parancsokat futtat, hibákat olvas, átírja a kódot, és minden lépésben újra elküldi a kontextust a modellnek. Egyetlen beszélgetés az ügynökkel könnyen több tucat kéréssé válhat, és mindegyik tokeneket használ.

Két lehetséges hatás módosíthatja a pusztán áralapú összehasonlítást: egy modell több lépést és tokent igényelhet, vagy kevesebb feladatot oldhat meg. Egyik sem következik önmagában az árból. Mindkettőt azonos feladatokon mérje minden jelöltnél, a sikertelen próbálkozásokkal együtt. Részletesen bemutatom, hogyan növekszik a számla a hogyan számoljuk ki az API-tokenhasználatot című cikkben, valamint külön írok arról is, miért kerül többe a vibe coding, mint amilyennek látszik.

Mennyibe kerül egy megoldott feladat?#

Most a cikk fő mérőszáma következik: egy befejezett, működő eredmény költsége. A csomag vagy a token ára hozzájárul ehhez, de önmagában nem elég; a tényleges fogyasztást és az elkészült eredményeket is számolja bele. A képlet egyszerű:

1. Vegye az ügynök egy feladatra jutó futásának költségét — az egy próbálkozás alatt használt összes token árát.
2. Becsülje meg, a feladatok mekkora hányadát juttatja el ténylegesen működő állapotba az ügynök.
3. Az első számot ossza el a másodikkal, így megkapja egy megoldott feladat költségét.

Az osztás oka a következő. Ha az ügynök tízből hét feladatot megold, a tíz futásból három kárba vész, de mind a tízért fizetett. Ez azt jelenti, hogy a tíz futás költsége hét működő eredmény között oszlik meg, így mindegyik drágább lesz, mint egyetlen futás. Azonos futásköltségnél az alacsonyabb sikerarány növeli a működő feladat költségét; ha az ár és a fogyasztás is változik, mindent újra kell számolni.

A „megoldott feladatok aránya” mérhető. Olyan benchmarkokkal mérik, mint a SWE-bench: az ügynök valódi projektek valódi hibáit kapja meg, majd javításokat küld be, amelyeket a rendszer automatizált tesztekkel ellenőriz. A táblázatban szereplő százalék a megoldott feladatok aránya. A laboratóriumi százalék azonban nem azonos az Önével: a saját projektjén elért arány eltér majd, ezért a benchmarkot viszonyítási pontnak, ne ígéretnek tekintse. Külön cikkben magyarázom el, hogyan kell ezeket a táblázatokat olvasni, az AI-kódoló ügynökök rangsorolásáról szóló írásban.

Melyik három tényező határozza meg egy feladat költségét?#

Bontsuk részekre a költséget, hogy lássuk, hol rejtőzik a többletkiadás.

Első: a tokenenkénti ár. A modell alapára: mennyibe kerül egymillió bemeneti token és egymillió kimeneti token. A nagy teljesítményű és a könnyű modellek között akár több tízszeres különbség is lehet.

Második: a feladatonkénti tokenmennyiség. Ennyi szöveget dolgoztat át az ügynök a modellen egy próbálkozás alatt. A mennyiség attól függ, mekkora a feladat, hány fájlt olvas újra az ügynök, és hány lépést tesz meg. A kevesebb lépésben megoldáshoz jutó modell kevesebb tokent használhat; a tényleges fogyasztást ellenőrizze, ne az árból vagy a modell címkéjéből következtessen rá.

Harmadik: a megoldott feladatok aránya. A működő eredménnyel végződő próbálkozások százaléka. Ez a tényező osztja el a teljes költséget: azonos futásköltség mellett 40 százalékos sikeraránynál kétszer annyit fizet egy működő feladatért, mint 80 százaléknál. Ez nem állapítja meg, melyik tényező a legfontosabb, ha közben az árak és a fogyasztás is változnak.

Az összehasonlítás körüli zavar abból ered, hogy az emberek csak az első számot — a tokenenkénti árat — nézik. Pedig mindhárom szám meghatározza a végső költséget. Az alacsony ár nagy mennyiséggel és alacsony sikeraránnyal könnyen többe kerülhet, mint a magas ár alacsony mennyiséggel és magas sikeraránnyal.

A három számot egy működő rendszerbe szervezni külön feladat, és itt a modell ára és a módszer egyaránt hat az eredményre; relatív súlyukat mérni kell. A teljes megközelítés három pillére: egy AI-klón, egy Second Brain és a kontextusmérnökség. A tiszta kontextus csökkentheti a tokenmennyiséget vagy javíthatja a sikerarányt — a képlet második és harmadik számát; a tényleges hatást a modell árával és kiválasztásával együtt kell mérni.

Mennyibe kerül egy futás különböző modellekkel?#

Hogy kézzelfoghatóvá tegyem a képletet, ténylegesen közzétett árak alapján számolom ki egy futás költségét. Egy olyan mintafeladatot veszek, amely nem triviális, és amelynél az ügynök próbálkozásonként körülbelül 300,000 bemeneti tokent (a projekt és a hibák sok lépésen át történő újraolvasásával), valamint körülbelül 40,000 kimeneti tokent használ. Ez ismét csak példa a számításhoz, nem mérés; az Ön felhasználása ettől eltér.

Az alábbiakban a szolgáltatók hivatalos árai láthatók egymillió tokenre, 2026. szeptember eleji állapot szerint:

A képletet az Anthropic dokumentációjában szereplő valós példával is ellenőrizheti. Az Opus 5-nek küldött, 50,000 bemeneti tokent és 15,000 kimeneti tokent tartalmazó kérés számítása a következő:

Más szóval a bemenetet és a kimenetet a hozzájuk tartozó árakkal kell összeadni — pontosan úgy, ahogyan a képletben. Már csak el kell osztani a futás költségét a megoldott feladatok arányával, és ekkor kezd az alacsony ár váratlanul viselkedni.

Miért teheti egy olcsó modell drágábbá a feladatot, mint egy nagy teljesítményű?#

Ebben a példában két modellt az eredmény költsége alapján hasonlítok össze. A futás ára továbbra is bemenet, a feltételezett fogyasztással és sikeraránnyal együtt.

Sonnet 5: egy futás körülbelül egy dollárba kerül, a példafeladatunk pedig tegyük fel, hogy a próbálkozások 70 százalékában sikerül. Egy működő feladat költsége egy dollár osztva 0.7-del, vagyis körülbelül 1.40 dollár.

Haiku 4.5: a mintafutás körülbelül 50 centbe kerül, a felsorolt tokenár pedig feleakkora. A szemléltetéshez feltételezzünk körülbelül 1.6-szeres tokenfogyasztást és 40 százalékos sikerarányt. Ezekkel a feltételekkel egy működő feladat körülbelül 2 dollár. A többletfogyasztás és a sikerarány a példa bemenete, nem az olcsóbb modellből következő megfigyelés.

Ebben a hipotetikus példában a feleakkora tokenárú modell számított eredményköltsége magasabb, mert a feltételezett fogyasztás és hibaarány felülírja az árelőnyét. Ez a képlet működését mutatja, nem azt, melyik modell lesz jobb ár-érték arányú a saját projektjén.

Egy megjegyzés: a működés bemutatásához 70 és 40 százalékos sikerarányt, valamint példaként megadott tokenmennyiségeket használtam. Az Ön számai eltérőek lesznek, és egyáltalán nem kizárt, hogy egy könnyű modell jól kezeli a munkaterhelését, és továbbra is ez lesz a legolcsóbb. A drágább modell nem feltétlenül éri meg jobban; saját három számával hasonlítsa össze az eredményenkénti költséget.

Hogyan számítsa ki a feladatonkénti költségét: három profil?#

Ha ezt a saját munkájára szeretné alkalmazni, becsülje meg, melyik profil illik hozzá a legjobban. A képlet változatlan; csak a három szám módosul.

Első profil: egyszerű, ismétlődő feladatok. Szöveg átírása, adatok rendszerezése, kisebb kódjavítás. Tesztelje, hogy egy könnyű modell, például a Haiku vagy a DeepSeek V4-Flash alacsony fogyasztással és kevés újrapróbálkozással teljesíti-e az elfogadási feltételeket. A működő eredmény mért költségét vesse össze másik jelölttel, mielőtt valamelyiket a legolcsóbbnak vagy az Opust túlfizetésnek nevezné.

Második profil: összetett munka ismeretlen kóddal. Más projektjének megértése, egy nem egyértelmű hiba kijavítása, új funkció fejlesztése. Mérje a teljes próbálkozásokat ezeken a feladatokon. Magasabb tokenár mellett is lehet alacsonyabb a használható eredmény költsége, ha a jobb sikerarány vagy a kisebb fogyasztás ellensúlyozza az árat. Az előnyt az eredményeinek kell igazolniuk; a modell kategóriája nem bizonyítja.

Harmadik profil: vegyes munkaterhelés. Hasonlítsa össze az egyetlen modellt használó rendszert a rutin- és nehéz feladatok külön jelöltekre irányításával. A teljes munkaterhelés fogyasztását, hibáit és javítási munkáját számolja. Az irányítás javíthatja az eredményköltséget, de ez a cikk nem mérte a legolcsóbb megoldásnak. Sok ügynök lehetővé teszi a munka közbeni modellváltást.

Számolja ki külön az egyes profilokat ugyanazzal a képlettel, és látni fogja, hol alacsonyabb a költség.

Mi a leggyakoribb hiba, amit az emberek választáskor elkövetnek?#

A kizárólag ár alapján hozott döntés eltérő munkaterhelések eltérő eredményeit rejtheti el. Egy modell gazdaságosan kezelheti a rutint, de több próbálkozást igényelhet egy nehéz funkciónál. A mért fogyasztás és teljesítési arány mutatja meg, hogy ettől drágább lesz-e az eredménye más modellénél; az alacsony tokenár önmagában nem állapítja meg.

Az ellenkezője is megtörténhet: ha egy könnyű modell ugyanazt az elfogadott feladatot harmadannyiért teljesíti, a drágább rendszer választása szükségtelen többletkiadás. Ez feltételes összehasonlítás; tesztelje a minőséget, a próbálkozásokat és a költséget, mielőtt feltételezi, hogy az olcsóbb rendszer valóban teljesíti.

Egy megjegyzés a saját módszeremről. Claude Code-dal és előfizetéssel dolgozom; a mindennapi munkához nem használom a sima API-t, mert a folyamatosan pörgő mérőóra helyett a kiszámítható összeget részesítem előnyben. Másfél évnyi mindennapos AI-használat után azonban egy következtetésre jutottam: a munkaszervezés módosíthatja a megoldott feladatonkénti költséget, de ez a tapasztalat nem különíti el a modell árának vagy kiválasztásának hatását. A releváns kontextus és az egyértelmű feladat javíthatja a sikerarányt vagy csökkentheti a fogyasztást, de ez a tapasztalat nem különíti el hatásukat a modell kiválasztásától és árától. Zavaros kontextussal még egy drága modell is égeti a pénzt; rendezett kontextussal egy olcsó modell is elvégezheti a feladatot.

Tehát melyik ügynök olcsóbb?#

Nincs minden helyzetben egyetlen „legolcsóbb” ügynök: az eredményenkénti költség munkaterhelésenként változik. A csomag vagy a token ára önmagában nem elég; a modell árát az összes próbálkozás fogyasztásával és a valóban megoldott feladatok arányával együtt vegye figyelembe. Számolja ki a futás költségét, használja a saját munkáján mért megoldási arányt, és így hasonlítsa össze az eredményenkénti költséget a megfelelő árakkal.

Még egy utolsó gondolat. A megoldott feladatonkénti költség a modell áraitól, az összes próbálkozás tokenfelhasználásától és a valóban sikeres feladatok arányától függ. A kontextus és a munkamódszer is módosíthatja a tokenfelhasználást és a sikerarányt, de a modellváltás is hatással lehet mindkettőre. A fenti szemléltető sikerarányok nem mérik, melyik tényező számít a legtöbbet. Ugyanazokon a jellemző feladatokon hasonlítsa össze a modelleket, számolja bele az újrapróbálkozásokat és az emberi javításokat, majd a használható eredmény mért költsége alapján válasszon.

Ebben a vibe coding megközelítésben a módszer az ügynök kiválasztásával és a modell árával együtt hat az eredményre; a mért eredményköltség alapján hasonlítsa össze őket. A módszer elemei: AI-klón plusz Second Brain plusz kontextusmérnökség. A kontextus és a rendezett munka módosíthatja a tokenmennyiséget és a sikerarányt; a hatást a modell árával együtt, az elfogadott eredmény mért költsége alapján értékelje.

Ismerje meg az Ailootot.