Náklady na AI API: Jak nekrvácet na tokenech

73 % firem překročilo svůj rozpočet na umělou inteligenci v roce 2025. Průměrný podnikový budget na AI narostl z 1,2 milionu dolarů ročně v roce 2024 na 7 milionů v roce 2026 — a inference (samotné zpracování dotazů) tvoří 85 % těchto nákladů. Jenže problém není v tom, že by AI API bylo drahé. Problém je v tom, že většina firem netuší, za co vlastně platí. Systémový prompt o 1 500 řádcích, který stojí 1 000 dolarů denně jen na instrukce. Agentní smyčka, která za 11 dní nažene účet na 47 000 dolarů. Výstupní tokeny, které stojí 10× víc než vstupní — a nikdo nehlídá délku odpovědí. Tento článek přináší kompletní cenový přehled všech velkých providerů, reálné kalkulace v českých korunách a 5stupňový audit tokenů — framework, se kterým lze náklady na AI API snížit o 60–90 % bez ztráty kvality.

Co jsou tokeny a proč stojí peníze

Každý dotaz poslaný přes AI API prochází procesem zvaným tokenizace — text se rozloží na malé jednotky (tokeny), které model zpracovává. Token není ani slovo, ani znak. Je to kus textu o průměrné délce čtyři znaky. Anglické slovo „artificial" jsou dva tokeny. České slovo „inteligence" také dva — ale „příležitostně" jsou tokeny tři, protože diakritika a délka slov tokenizaci komplikují.

Čeština je dražší než angličtina. Český text spotřebuje v průměru o 15–20 % více tokenů než ekvivalentní anglický. Důvod: háčky, čárky a delší slova znamenají, že tokenizér musí text dělit na menší kousky. Pro českou firmu to znamená, že kalkulačky „100 tokenů ≈ 75 slov" platí pro angličtinu — v češtině je to spíš 60–65 slov na 100 tokenů.

Klíčové je pochopit, že platíte dvakrát — za vstup (prompt, kontext, instrukce) i za výstup (odpověď modelu). A zde je zásadní asymetrie: výstupní tokeny stojí 3× až 10× víc než vstupní. U Claude Opus 4.6 je to $5 za milion vstupních tokenů, ale $25 za milion výstupních — pětinásobek. U GPT-5 je poměr $1,25 vs. $10 — osminásobek. Každé zbytečné slovo v odpovědi modelu stojí řádově víc než každé slovo v dotazu.

Praktický příklad: typická konverzace se zákaznickým chatbotem — systémový prompt (500 tokenů) + uživatelský dotaz (100 tokenů) + kontext z databáze (1 500 tokenů) = 2 100 vstupních tokenů. Model vygeneruje odpověď o 400 tokenech. S GPT-5 to stojí $0,0066. Vypadá to jako nic — ale při 5 000 konverzacích denně je to $33 denně, $990 měsíčně. A to je jen jeden chatbot na jednom modelu. Kdo s API teprve začíná, najde technický úvod a první funkční volání v článku Jak používat AI přes API.

Kolik stojí AI API v roce 2026 — kompletní přehled

Trh s AI API prošel v posledních 12 měsících cenovou válkou, která snížila ceny v průměru o 80 %. GPT-4 stál v roce 2024 třicet dolarů za milion vstupních tokenů. Jeho nástupce GPT-5 stojí $1,25 — čtyřiadvacetkrát méně. Claude Opus spadl z $15 na $5. Gemini Pro z $7 na $1,25. A DeepSeek přišel s cenami, které jsou desetkrát nižší než americká konkurence.

Problém je, že nižší ceny vedly k vyššímu objemu. Firmy, které dříve poslaly 10 000 dotazů měsíčně, teď posílají 500 000 — protože AI integrují do více procesů, používají agentní architektury a zpracovávají větší kontexty. Výsledek: celkový účet často roste i přes dramatický pokles jednotkové ceny.

Cenová tabulka hlavních providerů (duben 2026)

Ceny platné k dubnu 2026. Zdroj: oficiální cenové stránky jednotlivých providerů.

Tabulka ukazuje dvě věci. Za prvé: rozpětí je obrovské — nejlevnější volba (DeepSeek R1 za $0,12/$0,20) je stokrát levnější než nejdražší (Claude Opus 4.6 za $5/$25). Za druhé: cena neříká nic o kvalitě bez kontextu úlohy. GPT-5 Nano selhává u komplexního reasoning, ale exceluje v klasifikaci. Claude Opus je zbytečně drahý na extrakci dat ze strukturovaných dokumentů, kde Haiku zvládne totéž.

Skryté náklady, o kterých se nemluví

Většina firem počítá náklady na AI API podle jednoduchého vzorce: „počet dotazů × cena za token". Realita je složitější. Existuje minimálně pět skrytých faktorů, které mohou účet zdvojnásobit až zpětinásobit oproti naivnímu odhadu.

Systémové prompty — neviditelný požírač

Každé volání API začíná systémovým promptem — instrukcemi, které říkají modelu, jak se chovat. V produkčních aplikacích mívá systémový prompt 500 až 5 000 tokenů. Tyto tokeny se posílají s každým dotazem. Při 10 000 dotazech denně a systémovém promptu o 2 000 tokenech to je 20 milionů vstupních tokenů — jen na instrukce, které se nikdy nemění. Jeden audit odhalil klienta, jehož systémový prompt měl 1 500 řádků (včetně celých firemních guidelines), což generovalo náklady přes 1 000 dolarů denně — na text, který model dostal při každém volání znovu a znovu.

RAG — skrytý multiplikátor

Retrieval-Augmented Generation znamená, že model před odpovědí dostane relevantní dokumenty z firemní databáze. Kvalitní RAG pipeline vytahuje 3–8 chunks kontextu, každý o 500–1 500 tokenech. Výsledek: RAG dotaz spotřebuje 3–5× více tokenů než prostý dotaz na stejný model. Firma, která nasadí RAG na interní knowledge base a odhaduje náklady podle „jednoduchých" dotazů, se dočká účtu třikrát až pětkrát vyššího.

Agentní smyčky — nekontrolovaná eskalace

AI agenti provádějí sekvence kroků — volají nástroje, analyzují výstupy, rozhodují o dalším postupu. Jeden uživatelský dotaz může vyvolat 5–50 interních API volání. A pokud agent narazí na chybu a začne se opakovat, vznikne smyčka. Dokumentovaný incident z roku 2025: čtyři LangChain agenti vstoupili do vzájemné konverzační smyčky. Dva z nich si 11 dní vyměňovali zprávy. Účet: 47 000 dolarů — za konverzaci, kterou nikdo nečetl.

Retries a error handling

Když API vrátí chybu (rate limit, timeout, 500), standardní praxe je retry s exponenciálním backoffem. Problém nastává, když retry pošle celý kontext znovu — včetně systémového promptu a RAG chunks. Tři retries na jeden dotaz = čtyřnásobné náklady. Bez logování retries firma nevidí, že za jeden „úspěšný" dotaz ve skutečnosti zaplatila čtyřikrát.

Always-on agenti

Monitoring agenti, kteří nepřetržitě skenují e-maily, logy, tržní data nebo operační systémy, spotřebovávají compute 24 hodin denně, 7 dní v týdnu. Na rozdíl od on-demand chatbota, kde uživatel pošle dotaz a čeká na odpověď, always-on agent generuje náklady neustále. Firma s pěti monitoring agenty snadno utratí více než s chatbotem obsluhujícím tisíce zákazníků. Pokud stavíte produkční agentní systém, srovnání OpenAI Agents SDK v1, Claude Agent SDK a Claude Managed Agents v českých korunách ukazuje, jaká část těchto nákladů spadá na API, sandbox compute a storage — s kalkulací pro tři typické profily českých firem.

Cenová kalkulačka: 3 reálné scénáře v českých korunách

Teoretické ceny za milion tokenů jsou užitečné pro srovnání, ale nic neřeknou o skutečném měsíčním účtu. Následující tři scénáře pokrývají nejčastější use cases českých firem — s reálnými objemy a přepočtem na české koruny (kurz 24 CZK/$).

Scénář A: Zákaznický chatbot (5 000 konverzací/měsíc)

Parametry: systémový prompt 500 tokenů, průměrný kontext 1 500 tokenů (RAG), uživatelský dotaz 100 tokenů, odpověď 400 tokenů. Celkem na konverzaci: 2 100 vstupních + 400 výstupních tokenů.

Rozdíl mezi nejlevnější a nejdražší variantou je 33× — od 44 Kč po 1 476 Kč měsíčně. Pro chatbot, kde kvalita odpovědí nemusí být na úrovni Sonnet, je GPT-5 Mini nebo Gemini Flash jasná volba.

Scénář B: Analýza dokumentů (500 smluv/měsíc)

Parametry: průměrná smlouva 8 000 tokenů, systémový prompt 1 000 tokenů, odpověď s analýzou 2 000 tokenů. Celkem: 9 000 vstupních + 2 000 výstupních tokenů na smlouvu.

U analýzy smluv záleží na kvalitě — DeepSeek za 80 Kč měsíčně zní lákavě, ale pro právní dokumenty je riziko halucinací příliš vysoké. Gemini 2.5 Pro nabízí nejlepší poměr cena/kvalita v tomto segmentu. Detailní porovnání kvalitních modelů pro práci s dokumenty přináší článek AI pro analýzu smluv a právních dokumentů.

Scénář C: Generování obsahu (100 článků/měsíc)

Parametry: systémový prompt 2 000 tokenů, kontext a instrukce 3 000 tokenů, generovaný článek 4 000 tokenů (výstup). Celkem: 5 000 vstupních + 4 000 výstupních tokenů na článek.

Generování obsahu je překvapivě levné i s prémiovou kvalitou — 180 Kč měsíčně za 100 článků přes Claude Sonnet. Ale pozor: tyto kalkulace předpokládají jeden průchod bez revizí. V praxi kvalitní článek vyžaduje 3–5 iterací, což náklady násobí. I tak je to řádově levnější než lidský copywriter.

5stupňový audit tokenů: Jak najít, kde firma krvácí

Následující framework vychází z analýzy nákladových vzorců desítek firem, které využívají AI API. Každý krok se dá provést během jednoho pracovního dne s výstupem, na jehož základě lze okamžitě jednat. Podrobnější postup, jak identifikovat AI příležitosti ve firmě, popisuje článek AI audit: Kde AI ušetří firmě čas a peníze.

9 strategií, jak snížit náklady o 60–90 %

Optimalizace nákladů na AI API funguje ve třech vrstvách. Každá další vrstva je technicky náročnější, ale přináší větší úspory. Firmě, která teprve začíná s AI API, stačí Tier 1 — okamžité kroky bez změny architektury.

Tier 1: Okamžité kroky (úspora 30–50 %)

Tier 2: Technická optimalizace (úspora 50–80 %)

Tier 3: Architekturální změny (úspora 60–90 %)

Monitoring a rozpočtování: Jak se neprobouzet s šokem na účtu

Nejlevnější token je ten, o kterém víte. Bez monitoringu a budget alertů je každá optimalizace jen dočasná — stačí jeden nový use case nebo bug, aby náklady vyskočily. Návratnost AI investic závisí nejen na přínosech, ale i na schopnosti kontrolovat výdaje — jak ukazuje článek ROI umělé inteligence.

Vestavěné nástroje providerů

OpenAI nabízí v billing konzoli měsíční spending limit (hard cap — po vyčerpání se API volání blokují), per-key tracking a přehled spotřeby po modelech. Anthropic má usage dashboard se spending limits. Google od dubna 2026 vynucuje tier spend caps v AI Studio — vývojáři si nastavují měsíční strop přímo v rozhraní.

Third-party monitoring

Pro firmy, které používají více providerů současně, existují cross-platform řešení. Portkey umožňuje nastavit budget limity a rate limity na úrovni API klíčů i celých organizací. CostLayer agreguje náklady z více providerů do jednoho dashboardu s trend analýzou. Helicone přidává observabilitu — vidíte nejen kolik platíte, ale i které prompty jsou nejdražší a kde dochází k plýtvání.

Kdy se vyplatí self-hosting místo API

Rostoucí náklady na API tokeny vedou firmy k otázce: „Nevyplatilo by se provozovat model lokálně?" Odpověď závisí na objemu — hranice se v Česku pohybuje kolem čtvrt miliardy tokenů měsíčně. Rozhodovací strom, kalkulace ve třech scénářích a 14denní rollout najdete v textu Soukromá AI, část 2: ekonomika a rollout, technický setup pak v první části průvodce.

Break-even bod se u většiny firem pohybuje kolem 100 000–200 000 požadavků měsíčně. Pod touto hranicí je API jednoznačně levnější. Nad ní se vyplatí hybridní model — rutinní úlohy lokálně, náročné přes API.

Optimální strategie pro českou firmu střední velikosti: začít s API (nulové vstupní náklady, platíte jen za to, co spotřebujete), implementovat Tier 1 a Tier 2 optimalizace, a o self-hostingu uvažovat až ve chvíli, kdy měsíční účet za API přesáhne 50 000 Kč. Podrobně o tom, jak API integrovat do firemních procesů, pojednává článek Jak používat AI přes API: Praktický průvodce.

Jedna kategorie cen, kterou tato kalkulace neřeší: gatekept AI modely. V dubnu 2026 Anthropic i OpenAI spustili uzavřené cyber-specializované modely (Mythos, GPT-5.4-Cyber) bez veřejného ceníku. Co to znamená pro firmy pod NIS2 a pro rozpočty kyberbezpečnosti, rozebírá článek Uvnitř AI cyber-závodů. Pokud k LLM API nákladům přidáváte hlasovou vrstvu (audio verze článků, IVR, voice-over), vyplatí se probrat i TTS alternativy — kdy ElevenLabs, kdy OpenAI TTS a kdy self-host Piper v češtině rozebírá průvodce open source TTS.

Často kladené otázky