# Jak liczyć zużycie tokenów w Responses API: wejście, wyjście, pamięć podręczna i rozumowanie

https://jsonscraper.com/pl/blog/jak-liczyc-zuzycie-tokenow-api

Author: Michael Johnson

Published: 2026-10-08T05:36:01+00:00

Updated: 2026-10-08T06:34:05+00:00

Praktyczne śledzenie usage: jak sprawdzić oszczędności po optymalizacji promptu, historii i rozumowania.

Po skróceniu promptu sprawdzaj oszczędności na podstawie `usage` każdej odpowiedzi i kosztu całego zadania. Krótkiej odpowiedzi może towarzyszyć znaczny koszt rozumowania, a kontynuowanie rozmowy może wiązać się z ponownym naliczeniem historii. Aby kontrolować budżet, rozdziel liczbę tokenów, kategorie taryfowe i liczbę wywołań potrzebnych do uzyskania wyniku.



![Jak liczyć zużycie tokenów w Responses API: wejście, wyjście, pamięć podręczna i rozumowanie
Kontekst: Omawiamy liczniki Responses API, ponowne naliczanie kontekstu i wzór na koszt. Tokeny rozumowania są już uwzględnione w output_tokens; tokeny z pamięci podręcznej wliczają się do wejścia, a zapis w pamięci podręcznej może być rozliczany osobno.
Temat wizualny: Wspólna okładka AI dla wersji rosyjskiej, angielskiej i niemieckiej. Fotorealistyczna martwa natura w stylu redakcyjnym: na biurku programisty cztery grupy niewielkich, półprzezroczystych szklanych żetonów; wewn](https://jsonscraper.com/assets/uploads/journal/2026/10/2f9f402c92335ef20778ea3dd8f9313c.png.hero.webp)

© jsonscraper · Obraz wygenerowany przez AI



## Cztery liczniki i ich zależności



W [przykładowym obiekcie usage](https://developers.openai.com/api/docs/guides/reasoning) OpenAI przedstawia wejście, wyjście i szczegóły obu liczników. Interpretuj je następująco:



- `input_tokens` — łączna liczba tokenów wejściowych danego wywołania, w tym kontekst używany do kontynuowania rozmowy.
- `input_tokens_details.cached_tokens` — część wejścia obsłużona z pamięci podręcznej. Jest już uwzględniona w `input_tokens`.
- `output_tokens` — łączna liczba wygenerowanych tokenów, w tym tokenów rozumowania.
- `output_tokens_details.reasoning_tokens` — część wyjścia przeznaczona na rozumowanie.



**Tokeny rozumowania są już uwzględnione w `output_tokens`; nie wolno doliczać ich do wyjścia po raz drugi.** OpenAI rozlicza je według [taryfy za tokeny wyjściowe](https://developers.openai.com/api/docs/guides/reasoning). Podobnie dodanie `cached_tokens` do wejścia oznaczałoby ponowne uwzględnienie tej samej części żądania. Aby uzyskać łączną liczbę tokenów, użyj `total_tokens` lub sumy `input_tokens + output_tokens`.



## Koszt: podziel wejście na kategorie



Na aktualnej [stronie z cennikiem](https://developers.openai.com/api/docs/pricing) osobno podano zwykłe wejście, wejście z pamięci podręcznej, zapis w pamięci podręcznej i wyjście. Wybierz stawki dla używanego modelu, trybu przetwarzania i właściwej długości kontekstu. Dokładne wartości przechowuj w wersjonowanej konfiguracji obliczeń.



Ważny szczegół bieżącej [dokumentacji pamięci podręcznej](https://developers.openai.com/api/docs/guides/prompt-caching): w przypadku GPT-5.6 i nowszych modeli uwzględniane jest `input_tokens_details.cache_write_tokens`. Jeśli w Twoim modelu rozliczeń zapis w pamięci podręcznej jest osobno płatny, odejmij tę kategorię od zwykłego wejścia i zastosuj dla niej odpowiednią stawkę.



```
I = input_tokens
C = input_tokens_details.cached_tokens
W = input_tokens_details.cache_write_tokens
O = output_tokens

ordinary_input = I - C - W
cost = ((I - C - W) * P_input
        + C * P_cached
        + W * P_write
        + O * P_output) / 1_000_000
```



![Jak liczyć zużycie tokenów w Responses API: wejście, wyjście, pamięć podręczna i rozumowanie
Kontekst: Omawiamy liczniki Responses API, ponowne naliczanie kontekstu i wzór na koszt. Tokeny rozumowania są już uwzględnione w output_tokens; tokeny z pamięci podręcznej wliczają się do wejścia, a zapis w pamięci podręcznej może być rozliczany osobno.
Temat wizualny: Wspólna okładka AI dla wersji rosyjskiej, angielskiej i niemieckiej. Fotorealistyczna martwa natura w stylu redakcyjnym: na biurku programisty cztery grupy niewielkich, półprzezroczystych szklanych żetonów; wewn](https://jsonscraper.com/assets/uploads/journal/2026/10/5593ee2461bd677cdf83d438b3421248.png.hero.webp)

© jsonscraper · Obraz wygenerowany przez AI



Ceny podano tu za milion tokenów; w modelu bez osobnej kategorii zapisu ustaw `W = 0`. Wzór obejmuje wymienione kategorie tokenów. Płatne narzędzia dodawaj jako osobne pozycje zgodnie z ich [warunkami rozliczania](https://developers.openai.com/api/docs/pricing).



Przykład: wejście — 4000, wejście z pamięci podręcznej — 3000, zapis w pamięci podręcznej — 500, wyjście — 1000, w tym 600 tokenów rozumowania. Otrzymujemy 500 zwykłych tokenów wejściowych i 5000 tokenów łącznie. Rozliczeniu podlega 1000 tokenów wyjściowych; wartość 600 zachowujemy do diagnostyki.



## Kontynuacja rozmowy ponownie zużywa tokeny wejściowe



Przy ręcznym zarządzaniu historią aplikacja [przekazuje poprzednie wiadomości](https://developers.openai.com/api/docs/guides/conversation-state) wraz z nowym wejściem. Wiadomości uwzględnione w kolejnym żądaniu ponownie stają się częścią kontekstu wejściowego. Dlatego pomiar wyłącznie ostatniej wypowiedzi użytkownika pomija koszt historii.



W przypadku `previous_response_id` aplikacja przekazuje odwołanie do poprzedniej odpowiedzi, a API łączy kontekst. Zgodnie z [zasadami rozliczania kontynuacji](https://developers.openai.com/api/docs/guides/conversation-state) poprzednie tokeny wejściowe z łańcucha są ponownie rozliczane jako wejściowe. Pamięć podręczna może zmienić kategorię taryfową części tego wejścia; faktyczne trafienie sprawdzaj w `cached_tokens` każdej odpowiedzi.



## Jak sprawdzić efekt optymalizacji



1. **Zapisz próbkę bazową.** Porównuj takie same zadania, model, kryterium powodzenia i zbliżoną długość rozmów.
2. **Rejestruj każde wywołanie.** Zapisuj identyfikatory odpowiedzi i zadania, model, ustawienia rozumowania, status, opóźnienie i pełne `usage`. Zachowuj wersję promptu i konfiguracji taryfowej.
3. **Sumuj koszty zadania.** Uwzględniaj wszystkie jego wywołania oraz odpowiedzi uzyskane w ponownych próbach. Główna miara to koszt pomyślnie ukończonego zadania.
4. **Rozdzielaj przyczyny zmian.** Śledź zwykłe wejście, odczyt i zapis w pamięci podręcznej, wyjście oraz udział tokenów rozumowania. Aby obliczyć zagregowany udział pamięci podręcznej, podziel sumę `C` przez sumę `I`.
5. **Sprawdzaj jakość i skrajne wartości rozkładu.** Oprócz średniego kosztu porównuj p95, liczbę prób i odsetek pomyślnie ukończonych zadań.



Parametr [max_output_tokens](https://developers.openai.com/api/docs/guides/reasoning) ogranicza generowanie łącznie z rozumowaniem. Po wyczerpaniu limitu odpowiedź może otrzymać status `incomplete`, także w przypadkach bez widocznego tekstu, ale z naliczonym zużyciem tokenów. Uwzględniaj takie odpowiedzi, oceniając oszczędności: optymalizacja przyniosła efekt, gdy porównywalne zadania są pomyślnie kończone przy niższym łącznym koszcie.
