Jak dobrać model AI do zadania i ograniczyć koszty

W skrócie: niech myśli mocny model, a wykonuje prostszy. Planowanie i złożone decyzje powierz modelowi flagowemu (GPT-6 Astra, Claude Fable 5.1 lub Claude Opus 5.5), pracę według gotowego planu — modelowi ze średniej półki, a rutynowe zadania i wywołania agentów w tle — najtańszemu modelowi, który sobie z nimi poradzi. Jednocześnie sprawdzaj wyniki: im tańszy model, tym uważniej trzeba kontrolować jego pracę. W przeciwnym razie oszczędności pochłonie poprawianie błędów.

Poniżej znajduje się tabela „zadanie → model”, opublikowana przez pierwotnego autora w otwartym repozytorium 23 września 2026 roku. Główne modele w tabeli to jego osobisty wybór oparty na doświadczeniu zawodowym. Nie przeprowadzono testu porównawczego na potrzeby tej tabeli, a takie same wyniki nie są gwarantowane w przypadku innych zadań. Większość tańszych opcji wybrałem na podstawie publicznych rankingów i rekomendacji samych twórców; Opus 5.5 do kodowania również wybrałem na podstawie własnego doświadczenia. Ceny w oryginalnym materiale sprawdziłem na oficjalnych stronach OpenAI i Anthropic, według stanu na 23.09.2026.

Dodatkowe instrukcje dotyczące pracy z Ailoot znajdziesz w dokumentacji.

Dlaczego używanie jednego modelu do wszystkiego jest kosztowne#

Jeśli płacisz za tokeny przez API, każde zadanie wykonywane przez model flagowy kosztuje tyle, co model flagowy — nawet jeśli wystarczyłby prostszy model. W przypadku subskrypcji uwzględnij limity swojego planu i wybranego modelu: sprawdź je na stronie planu. Więcej o działaniu limitów subskrypcji Claude i o tym, co je zużywa, przeczytasz w osobnym artykule Jak nie wyczerpać limitów Claude Code w jeden dzień. Ten artykuł dotyczy wyboru modelu do konkretnego zadania.

Oficjalne ceny API za 1 milion tokenów według stanu na 23.09.2026:

Rozważmy przykładowe uruchomienie agenta: 100 tysięcy tokenów wejściowych i 10 tysięcy tokenów wyjściowych. To przykład obliczenia według cen bazowych, bez cache’owania, a nie pomiar rzeczywistego zadania. Takie uruchomienie kosztuje około $1,5 w przypadku GPT-6 Astra lub Fable 5.1, $0,6 w przypadku Opus 5.5, $0,3 w przypadku Sonnet 5 lub GPT-6 Sol, $0,15 w przypadku Haiku 4.5 i $0,015 w przypadku GPT-6 Luna. W tym obliczeniu model flagowy jest sto razy droższy od najtańszego. Informacje o obliczaniu kosztu takiego uruchomienia na podstawie własnego zużycia znajdziesz w artykule Jak obliczyć zużycie tokenów API.

Dwie uwagi dotyczące cen. W przypadku modeli GPT-6 żądania zawierające ponad 272 tysiące tokenów wejściowych są w całości rozliczane według wyższej stawki: wejście kosztuje dwa razy więcej, a wyjście — półtora raza więcej. Zarówno w OpenAI, jak i Anthropic żądania wsadowe kosztują połowę standardowej ceny.

Zasada: myśl za pomocą mocnego modelu, wykonuj zadania za pomocą taniego#

Dalsza praca zależy od planu, więc na nim nie oszczędzam i korzystam z najmocniejszego modelu. Prostszy model może pisać na podstawie gotowego planu, zbierać dane, zmieniać nazwy czatów i skracać rozmowy.

Przy wyborze modelu kieruję się też trzema innymi zasadami:

1. Im tańszy model, tym uważniej trzeba sprawdzać jego pracę. Jej przegląd również zajmuje twój czas.
2. Porównuj koszt gotowego wyniku, a nie pojedynczego żądania. Na przykład Opus 5.5 jest 2,5 raza tańszy od Fable 5.1 zarówno przy wejściu, jak i wyjściu. Jeśli poprawki sprawią, że Opus zużyje do zadania trzy razy więcej tokenów wejściowych i wyjściowych, ostatecznie będzie kosztować więcej. Czas poświęcony na weryfikację to dodatkowy koszt poza tokenami. Artykuł Który agent AI jest tańszy: koszt rozwiązania jednego zadania wyjaśnia, jak obliczyć koszt wyniku.
3. Jeśli model ci nie odpowiada, wypróbuj inny. Nie ma jednego zwycięzcy — każdy ma swoje mocne strony i ograniczenia.

Wybór modelu to jeden z elementów pracy z agentem AI.

Tabela: zadanie → model#

W kolumnie „główny” znajdują się modele, z których sam korzystam. W kolejnej kolumnie podano alternatywy, z których większość wybrałem na podstawie publicznych rankingów i rekomendacji twórców. Do kodowania wybieram też Opus 5.5 na podstawie własnego doświadczenia. Wyniki tańszego modelu sprawdzaj uważniej. Opcje do rutynowych zadań korzystają z różnych modeli płatności, dlatego ten wybór nie zawsze będzie tańszy.

Strategia i plany. Błąd w planie może przenieść się na kolejne etapy. Tutaj korzystam z najmocniejszego modelu. Tańszą opcją jest GPT-6 Sol: OpenAI pozycjonuje go jako model do złożonego kodu i scenariuszy agentowych.

Kod. Do kodowania używam Fable 5.1. Anthropic zaleca jednak, by w większości zadań zaczynać od Opus 5.5, a Fable 5.1 używać do trudnego wnioskowania i długotrwałej pracy agentów albo wtedy, gdy Opus z włączonym wnioskowaniem na wysokim poziomie nie radzi sobie z zadaniem. Przez API Opus 5.5 kosztuje 2,5 raza mniej; z mojego doświadczenia wynika, że praca z nim również kosztuje mniej. Jeśli plan jest gotowy, tańszy model może pisać na jego podstawie. Szczegółowe porównanie dwóch flagowych modeli do kodowania znajdziesz w artykule GPT-6 Astra czy Claude Fable 5.1: który wybrać?.

Pisanie. Jeśli tekst jest przeznaczony dla klienta, korzystam z mocnego modelu. Tańszą opcją jest Sonnet 5: Anthropic określa go jako najlepszą równowagę między szybkością a inteligencją. Uważniej sprawdzaj jego wyniki.

Liczby i finanse. Tutaj również korzystam z mocnego modelu. To mój wybór oparty na doświadczeniu zawodowym, a nie wynik testu porównawczego. Jednak nawet mocny model nie zwalnia z kontroli: weryfikuj liczby na podstawie źródła pierwotnego. Nie przesyłaj danych finansowych ani osobowych do bezpłatnych planów, których warunki zezwalają na wykorzystywanie twoich danych.

Wyszukiwanie i research. Do prostych zadań i wyszukiwania korzystam z Sonnet 5 — to wybór oparty na moim doświadczeniu. Tańszą opcją jest GPT-6 Luna: OpenAI pozycjonuje go jako model do zadań powtarzalnych w dużej skali.

Zadania rutynowe. Zadania rutynowe często się powtarzają, więc koszty pojedynczych uruchomień się sumują. Korzystam z Kimi K3 w ramach subskrypcji Kimi Code. DeepSeek Flash to opcja z rozliczeniem przez API. Modele mają różne modele płatności, a to, który będzie tańszy, zależy od twojego zużycia.

Na czym nie oszczędzam#

Te zasady opierają się na mojej praktyce. Nie sprawdzałem ich w badaniu porównawczym.

• Planowanie i architektura. Błąd w planie może przenieść się na kolejne etapy.
• Liczby i finanse. Korzystam tu z mocnego modelu, a mimo to weryfikuję liczby na podstawie źródła pierwotnego.
• Sprawdzanie wyniku. Im tańszy model wykonał zadanie, tym uważniej trzeba sprawdzić jego pracę.

Kompresja rozmowy decyduje o tym, co agent zapamięta z długiej rozmowy. Zbyt słaby model może zgubić ważne informacje. Możesz zlecić kompresję tańszemu modelowi, ale sprawdź jej jakość w swoich zadaniach.

Jak przenieść zadania Hermes Agent działające w tle do tańszego modelu#

Oprócz głównej pracy agent wykonuje zadania pomocnicze: wymyśla tytuły czatów, kompresuje długie rozmowy, analizuje obrazy i decyduje, czy można automatycznie zatwierdzić polecenie. W Hermes Agent są one oznaczone jako pomocnicze. Domyślnie każde z nich jest ustawione na auto, więc obsługuje je główny model. Jeśli głównym modelem jest model flagowy, a płacisz przez API, zadania pomocnicze również są rozliczane według stawki flagowej.

W przypadku zatwierdzania poleceń w trybie smart dokumentacja Hermes zaleca tani, szybki model i określa korzystanie z drogich modeli jako marnotrawstwo. Do kompresji kontekstu i podsumowywania stron internetowych — czyli krótkiego opisywania ich treści — również zaleca szybki model zamiast drogiego modelu rozumującego.

Kroki:

1. Z wyprzedzeniem podłącz dostawcę taniego modelu i dodaj klucz. Zgodnie z dokumentacją Hermes, jeśli przypiszesz do zadania dostawcę bez klucza, system przejdzie na domyślną opcję, a w dzienniku agent.log pojawi się ostrzeżenie. W trybie auto, jeśli główny model nie może wykonać zadania i nie skonfigurowano łańcucha awaryjnego, Hermes pominie zadanie z ostrzeżeniem i nie przełączy się na innych podłączonych dostawców.
2. Otwórz panel Hermes w przeglądarce i przejdź do Models → Model Settings → Auxiliary tasks → Configure. W wierszu potrzebnego zadania (na przykład Compression, Title Gen, Vision) kliknij Change, wybierz dostawcę i model, a następnie kliknij Switch. Dokumentacja Hermes wymienia zamiast tego przycisk Show auxiliary; etykiety zależą od wersji.
3. Możesz też wpisać te same ustawienia w pliku ~/.hermes/config.yaml. Przykład z dokumentacji Hermes: analiza obrazu (vision) za pomocą szybkiego modelu.

Znajdź poradniki dotyczące narzędzi w dokumentacji Ailoot

W przypadku tytułów czatów dokumentacja sugeruje przypięcie szybkiego modelu lub ustawienie auxiliary.title_generation.prefer_fast_model: true. Hermes wybierze wtedy szybki model spośród dostawców, z których korzystasz.

4. Otwórz nową sesję. Zmiany modelu dotyczą tylko nowych sesji; już otwarte czaty nadal korzystają ze starych ustawień. Jeśli ręcznie edytujesz config.yaml, a nowa sesja nie zastosuje ustawienia, uruchom ponownie Hermes.

Jak to sprawdzić. Wiersz zadania powinien wyświetlać provider · model zamiast auto (use main model). Jeśli nadal widzisz auto, zadanie wciąż korzysta z głównego modelu. Aby przywrócić główny model dla wszystkich zadań, kliknij Reset all to auto.

Tabela z modelami do zadań w tle wymienia GPT-6 Luna, Gemini 3.8 Flash, DeepSeek Flash i Claude Haiku 4.5. Wybierz spośród dostawców, których już podłączono. Jeśli łączysz modele OpenAI przez dostawcę subskrypcji ChatGPT / Codex, a GPT-6 Sol i GPT-6 Luna nie są jeszcze dostępne na liście modeli Hermes, tabela poleca GPT-5.6 Sol lub GPT-5.6 Luna. Według strony Anthropic Haiku 4.5 zostanie wycofany nie wcześniej niż 15 października 2026 roku. Nie podano dokładnej daty, więc wcześniej sprawdź jego status.

Czego nie uwzględnia tabela#

• Procentowych oszczędności. Nie mierzyłem ich. Wysokość oszczędności zależy od twoich zadań i wybranych modeli.
• Dokładnego zużycia limitu subskrypcji. Dokumentacja Hermes nie wyjaśnia dokładnie, jak żądania z Hermes zużywają limity subskrypcji ChatGPT.
• Niezmiennych cen. Modele i plany się zmieniają. Przed zakupem sprawdź oficjalne strony.

Co zrobić dzisiaj#

1. Wypisz trzy lub cztery rodzaje zadań, które najczęściej zlecasz swojemu agentowi.
2. Przy każdym zdecyduj, czy wymaga myślenia, czy wykonania gotowego planu.
3. Do „myślenia” zostaw model flagowy, do „wykonywania” używaj modelu o poziom niżej, a do rutynowych zadań — najtańszego modelu, który sobie z nimi poradzi.
4. W Hermesie zacznij od tytułów czatów — najłatwiej przenieść je do taniego modelu. Następnie przenieś kompresję kontekstu i sprawdź na własnych długich rozmowach, czy agent nie zaczął gubić ważnych informacji.

Więcej informacji o pracy z modelami znajdziesz na stronie Ailoot.