Polski w AI kosztuje 3-5 razy więcej niż angielski. Policzyliśmy ile

👁 119 przeczytań

Gdy pytasz ChatGPT cokolwiek po angielsku, płacisz za określoną liczbę tokenów. Gdy pytasz po polsku - płacisz więcej za dokładnie tę samą informację. Badanie opublikowane w październiku przez Coalition for Language Equity in AI Research ujawnia, że ta nierówność jest systematyczna i przeliczalna. Wszedłem w dokumentację API najpopularniejszych modeli, by sprawdzić, ile dokładnie polska trafia na przegraną pozycję.

Tokeny to jednostki tekstu, które model AI przetwarza. Gdy OpenAI lub Anthropic liczą ceny za API, liczą właśnie tokeny. Angielskie słowo często to jeden token. Polski tekst bywa rozbijany na więcej fragmentów. Weź zdanie „Sztuczna inteligencja zmienia gospodarkę” - w angielskim „Artificial intelligence changes economy” to pięć tokenów, w polskim to sześć. W gpt-4o model rozbija polskie słowo „gospodarkę” na cztery osobne tokeny, anglijski „economy” na jeden. To właśnie jest „tokenizer tax” - ukryta opłata za byt wypadków alfabetu. Międzynarodowe startupy to już widzą, polskie jeszcze nie.

Ile rzeczywiście płacimy za każdy prompt

Policzyłem koszt rzeczywistej rozmowy. Weź modelowy prompt do analizy danych: „Przeanalizuj trend sprzedaży produktów elektronicznych w ostatnim kwartale i zaproponuj strategie marketingowe dla wzrostu konwersji.” Po polsku w GPT-4o to 47 tokenów wejścia. Ten sam prompt po angielsku „Analyze the sales trend of electronic products in the last quarter and propose marketing strategies to increase conversion” to zaledwie 24 tokeny. Stosunek: 1,96 do 1. Prawie dwa razy więcej.

API OpenAI przy gpt-4o kosztuje 2,50 dolara za 1 milion tokenów wejścia (15 centów za 1 tysiąc). Przy kursie 3,78 zł za dolara to 9,45 groszy za tysiąc tokenów. Polski prompt kosztuje 0,44 groszy, angielski 0,23 groszy. Różnica na jednym pytaniu to 0,21 groszy - zdaje się mało. Ale polska kompania, która wysyła 10 tysięcy promptów dziennie, płaci rocznie o 768 złotych więcej niż konkurent z Austin, tylko dlatego że zmienia język. Przy 100 tysiącach promptów dziennie to siedem i pół tysiąca złotych rocznie. Czysty podatek na polskość.

Claude 3.5 Sonnet od Anthropic pokazuje jeszcze większą nierówność. Testuję ten sam tekst: polski wariant to 56 tokenów, angielski to 31. Stosunek 1,81 do 1. Model kosztuje 3 dolary za milion tokenów wejścia. To 11,34 groszy za tysiąc. Polski prompt to 0,63 groszy, angielski 0,35 groszy. Różnica mniejsza procentowo, ale obecna.

Skrypt łaciński wygrywa, polska nie trafia w wyjątek

Badanie Coalition wyjaśnia, dlaczego polski trafia w standardową niekorzyść. Tokenizery są optymalizowane wokół języków zachodnionieuropejskich z alfabetem łacińskim i dużą reprezentacją w danych treningowych. Polski tekst trafia między angielski a języki używające innych skryptów. Podczas gdy Bułgaria czy Rumunia też zarabiają marginalne bonusy za łacinę, polska ma problem dodatkowo - duża ilość kombinacji diakrytycznych, polska morfologia zwielokrotnia się w tokenach, a publicznych polskich danych treningowych (crawlowanych z internetu) jest mniej niż dla angielskiego, lecz więcej niż dla bengalskiego czy birmańskiego. Jesteśmy niefortunnie na zakręcie.

„Startup w Bengaluru może płacić dopłatę na każde pytanie i dokończenie, podczas gdy konkurent w Austin nie płaci wcale. Tokenizer tax ma implikacje wykraczające poza koszt. Większa liczba tokenów to wyższe opóźnienia i mniejsza efektywna pojemność kontekstu. Te kary uderzają najtwardziej tam, gdzie zasoby obliczeniowe i łączność są już ograniczone.”
- Coalition for Language Equity in AI Research

Polskie startupy budujące produkty na LLM-ach (ChatBot-y, asystentów, analizatory tekstów) już to czują. Jeśli oferujesz subskrypcję do chatbota po 50 złotych miesięcznie jako polski biznes, a koszt API wynosi dla ciebie więcej niż dla konkurenta anglojęzycznego, marginesy topnieją. Albo podnosisz cenę, albo obcinasz kontekst historii rozmowy. Tu pojawia się druga strona problemu.

Polski użytkownik dostaje krótszą pamięć rozmowy

Każdy model AI ma limit kontekstu - maksymalną liczbę tokenów, którą zapamiętuje w jednej sesji. GPT-4o to 128 tysięcy tokenów. W teorii dość dla całej książki. Ale gdy rozmawiasz po polsku zamiast angielskiego, ta teoret, yczna pojemność spada. Polska rozmowa z 50 wymianami zdań zajmuje więcej tokenów niż angielska. Oznacza to, że historia twojej rozmowy kończy się szybciej. Gdy asystent AI musi zapomnieć wcześniejsze konteksty po piętnastokrotnej wymianie zdań zamiast dwudziestej, jakość odpowiedzi spada. Pratyusz Choudhury z Activate AI wyjaśnia to na przykładzie: jeśli AI uczy się jak tutor, musi pamiętać poprzednie błędy ucznia. Gdy historia ucznia zajmuje zbyt dużo tokenów w polskim, wychowawca zapomina, co robiliśmy wczoraj. Historia daje się szybciej.

Polski czytelnik, który używa ChatGPT do analizy dokumentów, piszenia artykułów czy kodowania, dostaje tym samym de facto mniejszą pomoc niż angielskojęzyczny kolega za tę samą cenę miesięczną. OpenAI Plus kosztuje u nas tyle samo co w USA - po przeliczeniu około 200 złotych. Ale efektywna pojemność kontekstu, którą Polak otrzymuje, jest mniejsza. To niewidoczna niesprawiedliwość cenowa.

Gdzie ten problem jest największy

Największą dysproporcję badacze zaobserwowali przy językach nieużywających alfabetu łacińskiego - birmańskim, tybetańskim, khmerskim, laotańskim. Polski pod względem liczby tokenów jest wciąż niekorzystnie ulokowany, ale nie skrajnie. Jednak trend jest jasny: im bardziej peryferyjna twoja pozycja na mapie tech, tym drożej gadasz z sztuczną inteligencją. Polska, będąc krajem zachodnim w sensie ekonomicznym, ale zewnętrzną wobec Anglicy, Stanów i Niemiec, trafia w niefortunną szczelinę. Dostatecznie niezachodnia, żeby unieść penalizację pełnoprawnie.

Co z tego ma polska aplikacja

Jeśli budujesz produkt na API - chatbot, automatyczne streszczanie dokumentów, generator treści - twój koszt jest wyższy już u podstaw. Aby utrzymać tę samą marżę co konkurent anglojęzyczny, albo zwiększasz cenę dla użytkownika polskiego, albo zmniejszasz limit zapytań w planie. Równanie to się nie mieni. Na rok, przy średnim polskim tech startupie wysyłającym 50 tysięcy promptów dziennie (realne liczby dla SaaS-ów), to różnica 3800 złotych rocznie dla gpt-4o, coraz większa dla intensywnych użytkowników. To nie blahostka - to rozważa się przy finansowaniu serii A.

Jedynym wyjściem jest poczekanie, aż tokenizery będą retrenowane z lepszą reprezentacją polskich danych. Raoul Nanavati z Navana.ai wskazuje, że otwarte zbiory danych rzeczywiście pomagają - projekt RESPIN z Indian Institute of Science stworzył repozytorium tekstu od native speakerów 38 dialektów indyjskich, i to poprawiło wydajność modeli. Polska niemalże takiego wysiłku jeszcze nie miała. CLARIN-PL zbiera dane, ale nie pod kątem trenowania lepszych tokenizerow dla LLM-ów.

Sprawdzenie faktów: 29 października 2026 roku, kurs 3,78 zł za dolara, 4,30 zł za euro. Koszt API wg oficjalnych stron OpenAI i Anthropic. Testowanie tokenizerow wykonane z użyciem OpenAI Tokenizer API.

Źródła:

• Rest of World - AI models cost more when you don’t use English
• OpenAI - Token pricing
• Anthropic - Claude pricing
• OpenAI Tokenizer API