TL;DR
Tekoälyn kustannukset laskevat nopeimmin, kun lopetat huippumallin hinnan maksamisen jokaisesta vaiheesta. Laske ensin effort-tasoa: Anthropicin omassa testissä yksi malli ratkaisi 87,4 % ohjelmointitehtävistä matalalla effortilla hintaan USD 0,11 per tehtävä, kun korkealla effortilla osuus oli 95,3 % ja hinta USD 0,29. Kun ensin ajettiin matalalla ja vain epäonnistuneet toistettiin korkealla, päästiin noin 97 %:iin noin USD 0,17:n hintaan. Sen jälkeen: tallenna toistuvat promptit välimuistiin, aja odottaa kestävä työ erässä (50 % alennus), anna yksinkertaiset vaiheet ilmaisille tai halvoille malleille ja pidä vahva malli se, joka päättää.
Olen Denys, full-stack- ja tekoälyinsinööri. Rakennan tekoälyagentteja ja automaatioita pienille yrityksille. Tämä on lista, jota käytän itse. Se on tarkoitettu omistajalle, joka näkee laskulla kasvavan tekoälyrivin ja haluaa tietää, mitkä vivut sitä oikeasti liikuttavat. Luvut ovat toimittajien lukuja marraskuulta 2026, linkitettynä siihen kohtaan, jossa ne esiintyvät; Anthropicin vertailuluvut ovat sen omia sisäisiä testejä. Kaikki hinnat ovat dollareina (USD), sellaisina kuin toimittajat ne julkaisevat.
Mistä tekoälyn kustannukset koostuvat?
Tokeneista, niistä tekstinpalasista, joita malli lukee ja kirjoittaa. Kirjoittaminen maksaa enemmän kuin lukeminen: Anthropicin hinnastossa vahva malli veloittaa USD 4 miljoonalta luetulta tokenilta ja USD 20 miljoonalta kirjoitetulta, ja sen pienin malli USD 0,10 ja 0,50 (Anthropic pricing). Lasku kasvaa siis kolmesta asiasta: minkä mallin kutsut, kuinka paljon se ajattelee ja kirjoittaa ja kuinka usein lähetät sille saman pitkän tekstin uudestaan. Jokainen alla oleva keino leikkaa yhtä näistä.
Yhdeksän keinoa pienentää tekoälyn kustannukset
| Keino | Mitä se leikkaa | Tyypillinen säästö (toimittajien luvut) |
|---|---|---|
| 1. Laske effort-tasoa | ajattelu ja kirjoittaminen | medium 30–52 % vähemmän kuin high |
| 2. Matala ensin, epäonnistuneet korkealla | ajattelu helpoissa tehtävissä | noin 40 % vähemmän kuin kaikki korkealla |
| 3. Ilmaiset mallit yksinkertaisiin vaiheisiin | hinta per token | USD 0 päivärajojen sisällä |
| 4. Vahva malli päättää, halvat tekevät työn | hinta per token | noin kolmannes, vain isoissa töissä |
| 5. Promptin välimuisti | saman tekstin lukeminen uudestaan | välimuistin luku 5–10 % syötteen hinnasta |
| 6. Aja odottaa kestävä työ erässä | kaikki | 50 % alennus |
| 7. Lähetä vähemmän | lukeminen | 21–26 % yhdellä pienellä agentilla |
| 8. Pyydä lyhyempiä vastauksia | kirjoittaminen | noin 13 % |
| 9. Käyttäjäpaikat vai API | käyttämättömät paikat | riippuu käytöstä |
1. Laske effort-tasoa
Useimmissa nykyisissä malleissa on effort- tai päättelyasetus, ja se on mallin valinnan jälkeen suurin yksittäinen vipu. Anthropicin tasot ovat low, medium, high, xhigh ja max, ja effort muuttaa kaikkia vastauksen tokeneita, myös työkalukutsuja ja ajattelua (Anthropic effort docs).
Anthropicin julkaisema testi mallilla Claude Opus 5.5 (SWE-bench Pro -osajoukko, sen oma vertailu) (cost and intelligence guide):
| Effort | Ratkaistut tehtävät | Hinta per tehtävä |
|---|---|---|
| low | 87,4 % | USD 0,11 |
| medium (oletus) | 92,8 % | USD 0,21 |
| high | 95,3 % | USD 0,29 |
Sama opas kertoo, että medium maksoi pitkissä ohjelmointitehtävissä noin 30–52 % vähemmän kuin high ja low noin kaksi kolmasosaa vähemmän. OpenAI:n malleissa on sama kytkin (reasoning.effort, low–max), ja OpenAI huomauttaa, että päättelytokenit laskutetaan ulostulona, mutta se ei julkaise prosenttilukua, joten en esitä sellaista (OpenAI reasoning guide).
Jos asetat sen liian matalaksi, malli pysähtyy ennen kuin sillä on tarpeeksi näyttöä. Aloita mediumista, mittaa ja mene matalammalle siellä, missä tulokset pitävät.
2. Aja ensin matalalla, toista vain epäonnistuneet korkealla
Samassa Anthropicin testissä kaiken ajaminen matalalla ja epäonnistuneiden 13 %:n ajaminen uudelleen korkealla ratkaisi noin 97 % noin USD 0,17:n hintaan per tehtävä, kun kaikki korkealla antoi 95,3 % hintaan USD 0,29. Anthropic kutsuu tätä noin 40 % edullisemmaksi samalla läpäisyasteella (opas).
Tämä toimii, kun voit automaattisesti havaita, että tehtävä epäonnistui: testi, lomaketarkistus, puuttuva kenttä. Ilman tällaista tarkistusta et tiedä, mitä toistaa.
3. Käytä ilmaisia malleja yksinkertaisiin vaiheisiin
OpenRouter, yksi API monen mallintarjoajan edessä, listaa joistakin malleista ilmaisia versioita, merkittyinä :free. Rajat (OpenRouter limits):
- 20 pyyntöä minuutissa;
- 50 pyyntöä päivässä, jos olet ostanut krediittejä yhteensä alle USD 10;
- 1 000 pyyntöä päivässä, kun olet ostanut vähintään USD 10;
- epäonnistuneet yritykset lasketaan päiväkattoon.
OpenRouterin ilmaiskokoelmassa oli marraskuussa 2026 NVIDIA Nemotron 3 Ultra ja Nemotron 3.5 Super VL, Cohere North Mini Code ja Google Gemma 4 (free models). Lista muuttuu viikoittain, ja jotkin ilmaiset listaukset vanhenevat.
Lue tietokäytäntö ennen kuin lähetät mitään yksityistä. OpenRouter itse ei tallenna promptteja, ellet valitse sitä, mutta jokaisella tarjoajalla on oma käytäntönsä, ja osa on merkitty «may train» tietojesi osalta (provider logging). Ilmaiset mallit sopivat julkiselle tai anonymisoidulle tekstille: verkkosivujen tiivistelmiin, lajitteluun, ensimmäisiin luonnoksiin, ei asiakastietoihin.
4. Anna vahvan mallin päättää ja halvojen tehdä työ
Pidä kallis malli suunnittelijana ja tarkastajana ja anna suurin osa työstä halvemmille malleille. Molemmat suuret koodausagentit tukevat tätä: Clauden aliagenteilla on oma model-asetuksensa, ja Codexissa on default_subagent_model ja default_subagent_reasoning_effort (Anthropic subagents, Codex subagents).
Miltä tämä jako näyttää yhdellä näytöllä, kunkin agentin kustannus palkkina, näkyy moniagenttiorkestroinnin dashboardin prototyypissä (esimerkkidataa).
Ole rehellinen siitä, missä tämä kannattaa. Anthropic mittasi vahvan orkestroijan ja keskikokoiset aliagentit noin kolmanneksen halvemmaksi suunnilleen samalla tuloksella, mutta työssä, joka oli suurempi kuin yksi kontekstiikkuna. Kun työ oli yksi toisistaan riippuvainen ketju tai mahtui yhteen kontekstiin, yksi malli matalammalla effortilla oli halvempi jokaisessa Anthropicin mittaamassa tapauksessa (opas). Sen neuvo: virittele effort ensin yhdellä mallilla, koska useimmat työkuormat päätyvät siihen.
5. Tallenna joka kerta lähetettävä teksti välimuistiin
Jos jokainen pyyntö alkaa samoilla ohjeilla, asiakirjoilla tai työkalulistalla, tallenna ne välimuistiin. Anthropicilla välimuistin luku maksaa 10 % normaalista syötteen hinnasta ja uusimmissa Opus- ja Sonnet-malleissa 5 %; välimuistiin kirjoitus maksaa hieman enemmän, kerran (Anthropic pricing). OpenAI hinnoittelee välimuistissa olevan syötteen 5 %:iin mallilla GPT-6.1 Sol (model page). Anthropic mittasi välimuistin leikanneen tutkimusagentin kustannuksen 4,8–7,2-osaan ja kutsuu sitä yleensä suurimmaksi vivuksi.
Yksi sudenkuoppa samasta oppaasta: promptin aivan alussa oleva 25 tokenin tilarivi muuttui joka pyynnössä, joten jokainen pyyntö kirjoitti koko välimuistin uudelleen. Laita kaikki muuttuva loppuun.
6. Aja odottaa kestävä työ erässä
Raportit, yöllinen luokittelu, massapoiminta: kaikki, mikä voi odottaa jopa 24 tuntia, voidaan ajaa eräajo-API:n kautta 50 %:n alennuksella sekä Anthropicilla että OpenAI:lla, ja Anthropicilla alennus yhdistyy välimuistiin (Anthropic pricing, OpenAI pricing).
7. Lähetä vähemmän
Jokainen liittämäsi asiakirja, työkalumäärittely ja vanha viesti luetaan uudestaan joka kutsulla. Anthropic mittasi, että syötteen karsiminen vei pienen luokitteluagentin laskusta vielä 21–26 %, ja että työkalumäärittelyjen lataaminen vasta tarvittaessa säästi 45 % kun käytössä oli 500 työkalua (opas). Pitkät promptit voivat myös ylittää hintaportaan: Haiku 5.5 veloittaa 5-kertaisen hinnan yli 100 000 tokenin prompteista.
8. Pyydä lyhyempiä vastauksia
Kirjoittaminen maksaa useimmissa hinnastoissa noin viisinkertaisesti lukemiseen verrattuna. Anthropic mittasi «pyydä lyhyempiä vastauksia» -keinon noin 13 % edullisemmaksi, kun ulostulotokeneja oli 39 % vähemmän (opas). «Vastaa kolmella lauseella» tai «palauta vain JSON» on ilmainen muutos.
9. Vertaa käyttäjäpaikkoja API-käyttöön
Tiimitilaukset ovat henkilökohtaisia: ChatGPT Businessin ja Claude Teamin vakiopaikat maksavat USD 25 kuukaudessa tai USD 20 vuositilauksella (ChatGPT Business, Claude Team). Kymmenen paikkaa vuosilaskutuksella on USD 2 400 vuodessa. Jos puolet tiimistä avaa sen kaksi kertaa kuussa, API:n päällä toimiva sisäinen työkalu kulutusrajalla voi maksaa vähemmän. Jos kaikki käyttävät sitä päivittäin, paikat ovat yleensä parempi kauppa.
Vastaava tapaukseni
Oma työni pyörii keinoilla 1, 3 ja 4 yhdessä. Claude tai Codex pysyy orkestroijana: se suunnittelee tehtävän ja tarkistaa tuloksen. Suurin osa työstä menee OpenRouterin ilmaisille malleille. Ja vaihdan effort-tasoa tehtävästä toiseen sen sijaan, että jättäisin sen korkeaksi. Pelkkä effort on iso vipu: Anthropicin yllä olevien lukujen mukaan se siirtää yhden tehtävän hinnan USD 0,29:stä korkealla USD 0,11:een matalalla.
Mitä kokonainen agentti maksaa ajoa kohti, kerrotaan kirjoituksessa paljonko tekoälyagentti maksaa, ja mikä meni pieleen, kun ajoin monta agenttia rinnakkain, kirjoituksessa monen agentin orkestrointi: mikä hajosi.
Lähetä minulle, mitä maksat tekoälystä nyt ja mitä se tekee, niin näytän, missä se voi maksaa vähemmän. Tämä työ kuuluu tekoälyintegraatioihin.
Kasvaako tekoälylaskusi joka kuukausi?
Lähetä minulle, mitä maksat ja mitä se tekee. Näytän, mitkä näistä vivuista sopivat, ja otan ne käyttöön.
Kirjoita minulleTämän listan rajat
- Toimittajien vertailut. Effortin, välimuistin ja orkestroinnin prosentit ovat Anthropicin omia sisäisiä testejä koodaus- ja agenttityöstä. Sinun tehtäväsi voivat käyttäytyä toisin; mittaa itse.
- Ei OpenAI:n prosentteja. OpenAI ei julkaise tokenien tai kustannuksen eroa effort-tasojen välillä, joten mitään ei esitetä.
- Hinnat muuttuvat. Luettu 9. marraskuuta 2026. OpenRouterin ilmaislista muuttuu viikoittain, ja kaksi toimittajien sivuilla olevaa kampanjaa päättyy 30. marraskuuta ja 31. joulukuuta 2026.
- Ilmaisia malleja ei ole testattu tässä laadun tai käytettävyyden kannalta; tarkista ne omalla tehtävälläsi ennen kuin luotat yhteen.