Kateri agent UI je leta 2026 cenejši: strošek ene rešene naloge

Na kratko: primerjava agentov UI glede na ceno naročnine ali ceno na žeton nima smisla. Za isti denar lahko en agent opravi pet nalog ali pa samo eno — odvisno je od tega, kaj se skriva pod pokrovom. Tu je samo eno pošteno merilo: koliko stane ena naloga, ko jo agent dejansko spravi v delujoče stanje.

V nadaljevanju bom pokazal formulo za ta strošek in ga izračunal na podlagi cen ponudnikov v začetku septembra 2026. Uporabil bom vzorčne podatke o uporabi in to jasno označil: vaši podatki bodo drugačni. Vse spodaj lahko preračunate sami; ne obljubljam prihrankov in ni čarobnih kombinacij.

Informacije o uporabi storitve najdete v dokumentaciji Ailoot.

Zakaj vam mesečna cena ne pove, kateri agent je cenejši?#

Večina ljudi se pri izbiri ozira na ceno naročnine. Eden od agentov stane 20 $ na mesec, drugi 200 $, zato se zdi, da je prvi desetkrat ugodnejši. V resnici vam ta primerjava ne pove ničesar: naročnina meri dostop, ne opravljenega dela.

Predstavljajte si dva taksija s fiksno mesečno naročnino. Prvi vas že v prvem poskusu pripelje, kamor želite, drugi pa pri polovici voženj zavije narobe, zato ga morate poklicati še enkrat. Njuni naročnini sta lahko enaki, a boste v praksi do cilja prišli za polovico stroška s prvim. Pri agentih je enako: plačujete isto naročnino, toda število opravljenih nalog je odvisno od tega, kaj se skriva pod pokrovom.

Naročnino je najbolje obravnavati ločeno od pogovora o strošku naloge. Njena prednost je predvidljiv znesek. Izbiro modela plačevanja — naročnino, plačilo po porabi ali razvoj po meri — posebej obravnavam v članku Kaj sestavlja ceno agenta UI. Ta članek odgovarja na drugo vprašanje: ne glede na model plačevanja, kateri agent zagotavlja rezultate z nižjimi stroški?

Zakaj je zavajajoča tudi cena na žeton?#

Drugi najbolj priljubljeni način primerjave je pogled na ceno na žeton. Žeton je del besedila, približno del besede; meri tako to, kar pošljete modelu, kot to, kar model napiše v odgovoru. Ponudniki objavljajo cene na milijon žetonov, med modeli pa so lahko velike razlike. Zdi se logično: izberite cenejši model in plačajte manj.

Past je v tem, da je cena na žeton cena surovine, podobno kot cena bencina na liter. Pomemben je strošek celotne poti; cena litra sama po sebi ne pove veliko. Agent rešuje nalogo v številnih korakih: brska po datotekah, izvaja ukaze, bere napake, prepisuje kodo in ob vsakem koraku znova pošlje kontekst modelu. En sam pogovor z agentom se zlahka spremeni v več deset zahtevkov, pri vsakem pa se porabljajo žetoni.

Zaradi tega nastopita dva učinka, ki onemogočita neposredno primerjavo cen. Poceni model je pogosto manj zmogljiv, zato opravi več nepotrebnih korakov in nalogo večkrat poskuša rešiti z različnimi pristopi — pri tem pa porabi več žetonov. Prav tako pogosteje ne spravi naloge v delujoče stanje, zato so porabljeni žetoni izgubljeni. Podrobno razložim, kako raste račun, v članku Kako izračunati porabo žetonov API, ločeno pa tudi v članku Zakaj vibe coding stane več, kot se zdi.

Koliko stane ena rešena naloga?#

Zdaj pa k merilu, ki je tema tega članka. Izračunati morate strošek enega dokončanega, delujočega rezultata; za to ne ustrezata ne cena paketa ne cena žetona. Formula je preprosta:

1. Vzemite ceno enega zagona agenta za nalogo — strošek vseh žetonov, ki jih uporabi v enem poskusu.
2. Ocenite delež nalog, ki jih agent dejansko spravi v delujoče stanje.
3. Prvo vrednost delite z drugo, da dobite strošek ene rešene naloge.

Poglejmo, zakaj delimo. Če agent opravi sedem od desetih nalog, so trije od desetih zagonov zaman, vendar ste plačali za vseh deset. To pomeni, da se strošek vseh desetih zagonov porazdeli med sedem delujočih rezultatov, zato je vsak dražji od enega samega zagona. Nižja kot je stopnja uspešnosti, višji je strošek na delujočo nalogo.

»Delež dokončanih nalog« je mogoče izmeriti. Meri se z referenčnimi testi, kot je SWE-bench: agent dobi resnične napake iz resničnih projektov ter predloži popravke, ki jih sistem preveri z avtomatiziranimi testi. Odstotek v tabeli je delež rešenih nalog. Toda laboratorijski odstotek ni enak vašemu: vaš delež pri lastnem projektu bo drugačen, zato referenčni test obravnavajte kot orientacijo, ne kot obljubo. Kako brati te tabele, posebej pojasnim v članku o razvrstitvi agentov UI za programiranje.

Kateri trije dejavniki sestavljajo strošek naloge?#

Razčlenimo strošek na njegove sestavne dele, da vidimo, kje se skriva dodatna poraba.

Prvič: cena na žeton. Osnovna cena modela: koliko stane milijon vhodnih in milijon izhodnih žetonov. Med zmogljivim in lahkim modelom je lahko tudi več desetkratna razlika.

Drugič: količina žetonov na nalogo. Koliko besedila agent v enem poskusu obdela z modelom. Odvisna je od velikosti naloge, števila datotek, ki jih agent znova prebere, in števila korakov. Pameten model pogosto porabi manj, ker do rešitve pride v manj korakih, kar se takoj pozna na računu.

Tretjič: delež dokončanih nalog. Delež poskusov, ki se končajo z delujočim rezultatom. Ta dejavnik deli skupni strošek: pri nespremenjenem strošku zagona pri 40-odstotni uspešnosti za vsako delujočo nalogo plačate dvakrat toliko kot pri 80-odstotni. Primerjava ne določa, kateri dejavnik je najpomembnejši, kadar se spreminjajo tudi cene in poraba.

Vsa zmeda pri primerjavah izvira iz tega, da ljudje gledajo samo prvo številko — ceno na žeton. Toda končni strošek določajo vse tri. Nizka cena ob veliki porabi in nizki stopnji uspešnosti lahko zlahka pomeni večji strošek kot visoka cena ob majhni porabi in visoki stopnji uspešnosti.

Za delujoč način dela je treba vse tri številke meriti skupaj. Tukajšnji pristop temelji na klonu UI, Second Brain in inženiringu konteksta. Čist kontekst lahko zmanjša porabo žetonov in izboljša uspešnost; izbira modela in cene žetonov še vedno sodijo v skupni strošek.

Koliko stane zagon pri različnih modelih?#

Da bo formula konkretna, bom izračunal strošek zagona z uporabo dejansko objavljenih cen. Uporabljam vzorčno zahtevnejšo nalogo, pri kateri agent v enem poskusu porabi približno 300,000 vhodnih žetonov (zaradi večkratnega branja projekta in napak v številnih korakih) ter približno 40,000 izhodnih žetonov. Še enkrat: to je primer za izračun, ne meritev; vaša poraba bo drugačna.

Tu so cene na milijon žetonov glede na uradne cenike ponudnikov v začetku septembra 2026:

Formulo lahko preverite na resničnem primeru iz dokumentacije Anthropic. Za zahtevek modelu Opus 5 s 50,000 vhodnimi in 15,000 izhodnimi žetoni je izračun takšen:

Z drugimi besedami, vhodne in izhodne žetone seštejemo po njim pripadajočih cenah — natanko tako kot v formuli. Ostane le še, da strošek zagona delimo z deležem dokončanih nalog; tu se začne nizka cena obnašati nepričakovano.

Zakaj lahko poceni model nalogo podraži v primerjavi z zmogljivim?#

Tukaj primerjam dva hipotetična poteka glede na strošek rezultata. Upoštevani so strošek zagona, celotna poraba in uspešnost; primer ne določa, kateri dejavnik je na splošno najpomembnejši.

Sonnet 5: zagon stane približno en dolar, pri vzorčni nalogi pa predpostavimo, da model dokonča 70 odstotkov poskusov. Strošek ene delujoče naloge je en dolar, deljen z 0.7, kar znaša približno 1.40 $.

Haiku 4.5: Osnovni zagon v ponazoritvenem izračunu stane približno 50 centov, cena žetonov pa je za polovico nižja. Predpostavimo 1.6-krat toliko žetonov in 40-odstotno uspešnost, ne da bi te številke izpeljali iz kategorije modela. S temi predpostavkami delujoča naloga stane približno 2 $. Porabo in celotne poskuse izmerite sami, da ugotovite, ali veljajo za vaše delo.

V ponazoritvenem izračunu je model s pol nižjo ceno žetonov povzročil dražjo nalogo zaradi predpostavljene večje porabe in manjše uspešnosti. To kaže, kako lahko poceni surovina da dražji rezultat, če je porabimo več in uspe manj poskusov; ne gre za meritev dejanskih rezultatov imenovanih modelov.

Opomba: za prikaz delovanja sem uporabil 70- in 40-odstotno stopnjo uspešnosti ter vzorčne količine žetonov. Vaše številke bodo drugačne in povsem mogoče je, da bo lahek model dobro obvladal vaše delo in ostal najcenejši. Dražji model ni nujno ugodnejši; strošek na rezultat primerjajte z uporabo svojih treh številk.

Kako izračunati strošek na nalogo: trije profili?#

Če želite to uporabiti pri svojem delu, ocenite, kateri profil mu najbolj ustreza. Formula ostane enaka; spremenijo se samo tri številke.

Prvi profil: preproste, ponavljajoče se naloge. Prepisovanje besedila, urejanje podatkov, manjši popravek kode. Preverite, ali lahek model, kot sta Haiku ali DeepSeek V4-Flash, izpolni vaša merila sprejema z majhno porabo in malo ponovitvami. Njegov izmerjeni strošek na delujoč rezultat primerjajte z drugim kandidatom, preden katerega razglasite za najcenejšega ali uporabo Opusa za preplačilo.

Drugi profil: zapleteno delo z neznano kodo. Razumevanje projekta nekoga drugega, odpravljanje nejasne napake, izdelava nove funkcije. Na teh nalogah merite celotne poskuse. Model z višjo ceno žetonov lahko stane manj na uporaben rezultat, če boljša uspešnost ali manjša poraba odtehta višjo ceno. Prednost morajo pokazati vaši rezultati; ne smete je predpostaviti iz kategorije modela.

Tretji profil: mešano delo. Primerjajte uporabo enega modela z razporejanjem rutinskih in težkih nalog med različne kandidate. Upoštevajte porabo, neuspehe in popravljanje pri celotnem delu. Razporejanje lahko izboljša strošek na rezultat, vendar članek ni izmeril, da je to najcenejša rešitev. Številni agenti omogočajo menjavo modela med delom.

Vsak profil izračunajte posebej z isto formulo in videli boste, kje je strošek nižji.

Katero je najpogostejše napačno ravnanje pri izbiri?#

To napako vidim ves čas: nekdo najde model z najnižjo ceno na žeton in ga z veseljem uporablja za vse, od prepisovanja besedila do izdelave zapletene funkcije. Pri rutini lahko izbira prihrani denar, če model poda uporabne rezultate z majhno porabo in malo popravki. Pri težkih nalogah lahko dodatni poskusi, ponovno branje ali neuspehi povečajo strošek na rezultat. Te izide morate izmeriti na istih nalogah; niso zagotovljene lastnosti modela z nizko ceno žetonov.

Možna je tudi nasprotna napaka: za drag model lahko plačate preveč, če drug izpolni iste zahteve z nižjim skupnim stroškom. Če meritev na primer pokaže, da lahek model nalogo reši za tretjino stroška, razlika velja za to konkretno nalogo; ni ugotovljena zgolj iz kategorije modela.

Opomba o mojem pristopu. Delam s Claude Code in naročnino; za vsakodnevno delo ne uporabljam običajnega API-ja, ker imam raje predvidljiv znesek kot merilnik, ki se neprestano vrti. Po mojih izkušnjah lahko čist kontekst in jasna naloga izboljšata uspešnost ter zmanjšata porabo. To ne dokazuje, da je metoda pomembnejša od cene modela. Ceno, porabo in uporabne rezultate merite na istih nalogah, skupaj s ponovnimi poskusi in popravki.

Kateri agent je torej cenejši?#

Ni enega samega »najcenejšega« agenta in zdaj lahko vidite, zakaj: ugodnost se meri s stroškom na rezultat, ta pa je odvisen od vrste dela. Cena paketa in cena na žeton sta tu zavajajoči. Izračunajte strošek zagona, vstavite svoj delež dokončanih nalog, delite in primerjajte dobljene številke — nato zaprite stran s cenikom.

Še zadnja stvar. Strošek na rešeno nalogo je odvisen od cen modela, porabe žetonov pri vseh poskusih in deleža nalog, ki dejansko uspejo. Kontekst in način dela lahko spremenita porabo in stopnjo uspešnosti, prav tako tudi zamenjava modela. Zgornje ponazoritvene stopnje uspešnosti ne merijo, kateri dejavnik je najpomembnejši. Modele primerjajte na istih reprezentativnih nalogah, upoštevajte ponovne poskuse in človeške popravke ter izbirajte po izmerjenem strošku na uporaben rezultat.

Tukajšnja metoda vibe coding združuje klon UI, Second Brain in inženiring konteksta. Čist kontekst in strukturirano delo lahko vplivata na porabo žetonov in uspešnost. Te meritve primerjajte s cenami modela; niti metoda niti cena sama ne določata stroška na rešeno nalogo.

Spoznajte Ailoot.