Wyobraź sobie, że wysyłasz ten sam prompt do Claude, a nagle Twój rachunek szybuje w górę bez zmiany cennika. Simon Willison, znany programista i twórca narzędzi do analizy AI, właśnie odkrył przyczynę – nowy tokenizator w modelu Opus 4.7 wywraca stolik. Sprawdźmy, ile realnie tracisz na tej „optymalizacji”.
TL;DR
- Model Opus 4.7 generuje od 1,0 do 1,35 raza więcej tokenów przy tym samym wkładzie danych
- Systemowy prompt w nowej wersji pochłania aż 1,46 raza więcej tokenów niż w Opus 4.6
- Przetwarzanie obrazów o wysokiej rozdzielczości może być nawet 3 razy droższe
- Efektywny wzrost kosztów wynosi około 40 procent, mimo zachowania starych stawek za token
- Zaktualizowane narzędzie Simona Willisona pozwala precyzyjnie porównać modele Anthropic
Simon Willison ulepsza licznik tokenów Claude
Simon Willison, postać doskonale znana w świecie open-source i narzędzi dla modeli językowych, właśnie wypuścił aktualizację swojego projektu Claude Token Counter. Dzięki temu prostemu, ale genialnemu narzędziu webowemu, każdy może teraz sprawdzić, jak ten sam fragment tekstu lub plik graficzny jest interpretowany przez różne wersje silników od Anthropic. Aplikacja korzysta bezpośrednio z API producenta, dając wgląd w „bebechy” takich modeli jak Opus 4.7, Opus 4.6, Sonnet 4.6 czy budżetowy Haiku 4.5.
Dlaczego deweloperzy powinni rzucić wszystko i zacząć liczyć? Odpowiedź jest prozaiczna: tokeny to waluta w świecie AI, a ich liczba bezpośrednio przekłada się na stan konta. Willison wziął pod lupę przede wszystkim model Opus 4.7, ponieważ jest to pierwsza iteracja wyposażona w całkowicie zmieniony tokenizator. Podczas gdy starsze rodzeństwo trzyma się sprawdzonych schematów, nowość od Anthropic zaczyna dzielić dane na mniejsze kawałki, co ma swoje wymierne konsekwencje.
I upgraded my Claude token counter tool to compare different models and Opus 4.7 does appear to use 1.46x times the tokens for text and up to 3x the tokens for images – it’s priced the same as Opus 4.6 on a per-token basis so this is actually a pretty big price bump pic.twitter.com/PPGrwHf39D
— Simon Willison (@simonw) April 20, 2026
Co Anthropic mówi o nowym tokenizatorze?
Kiedy Anthropic ogłaszało premierę Opus 4.7 w połowie kwietnia, narracja skupiała się na potężnych możliwościach w zakresie pisania kodu, analizy wizualnej i autonomicznych zadań agentowych. Jednak w cieniu tych zachwytów ukryto techniczny detal: nowy sposób przetwarzania tekstu, który owszem, poprawia precyzję, ale robi to kosztem „puchnięcia” liczby tokenów. To klasyczny przykład coś za coś, gdzie za wyższą jakość płacimy gęstszym upakowaniem jednostek rozliczeniowych.
Opus 4.7 uses an updated tokenizer that improves how the model processes text. The tradeoff is that the same input can map to more tokens—roughly 1.0–1.35× depending on the content type.
To nie jest tylko czcza teoria – te same dane wejściowe zajmują teraz fizycznie więcej miejsca w oknie kontekstowym modelu. Anthropic otwarcie przyznaje, że to świadomy kompromis mający na celu podniesienie wydajności, jednak dla firm budujących swoje procesy na API oznacza to konieczność błyskawicznego przeliczenia budżetów. Jeśli Twój system operował na granicy limitów, Opus 4.7 może go brutalnie zweryfikować.
Testy Simona: tekst, obrazy i PDF-y
Willison nie uwierzył na słowo i wrzucił standardowy prompt systemowy do swojego licznika, a wynik był jednoznaczny: 1,46 raza więcej tokenów w porównaniu do wersji 4.6. Prawdziwy szok przeżyją jednak fani analizy obrazów. Plik PNG w rozdzielczości 3456×2234 pikseli pożera teraz 3,01 raza więcej jednostek niż wcześniej. Co ciekawe, przy małych grafikach (np. 682×318 pikseli) różnica jest niemal niezauważalna i wynosi zaledwie kilka tokenów, co sugeruje, że nowy algorytm „karze” głównie za wysoką szczegółowość.
Nieco lepiej sytuacja wygląda w przypadku dokumentów biurowych, choć i tu taniej nie będzie. Przy 15-megabajtowym pliku PDF liczącym 30 stron, Opus 4.7 wygenerował 60 934 tokeny, podczas gdy starszy Opus 4.6 zadowolił się liczbą 56 482 – co daje mnożnik na poziomie 1,08x. Poniżej prezentujemy szczegółowe zestawienie tych różnic, które rzuca światło na nową politykę Anthropic:
| Typ wejścia | Mnożnik tokenów Opus 4.7 vs 4.6 |
|---|---|
| Tekst (system prompt) | 1,46x |
| Obraz wysoka rozdzielczość (3456×2234) | 3,01x |
| Obraz niska rozdzielczość (682×318) | ~1x |
| PDF 30 stron (15 MB) | 1,08x |
| Ogólny zakres (Anthropic) | 1,0–1,35x |
Zestawienie wzrostu liczby tokenów w Claude Opus 4.7 w porównaniu do wersji 4.6
Warto odnotować, że Opus 4.7 potrafi teraz obsłużyć obrazy o krawędzi do 2576 pikseli, co stanowi ponad trzykrotny wzrost możliwości w stosunku do poprzednika, ale jak widać, ta moc ma swoją cenę.
Koszty rosną, mimo tych samych stawek
Na papierze wszystko wygląda uczciwie: cena za milion tokenów wejściowych to nadal 5 dolarów, a za wyjściowe płacimy 25 dolarów. Jednak przez zjawisko, które można nazwać „inflacją tokenów”, realny koszt korzystania z modelu rośnie o około 40 procent. To pułapka na nieostrożnych – jeśli Twoje prompty były precyzyjnie zoptymalizowane pod kątem limitów Opus 4.6, w nowej wersji 4.7 limit kontekstu wyczerpie się znacznie szybciej, zmuszając Cię do częstszego czyszczenia historii rozmowy.
Jak wspominaliśmy przy okazji tekstu o tym, jak Claude Opus 4.6 buduje zespoły agentów, ewolucja modeli Anthropic idzie w stronę coraz większej autonomii, ale takie zmiany techniczne uderzają bezpośrednio w rentowność projektów. Deweloperzy muszą teraz przeprowadzić ponowne testy, zwłaszcza jeśli ich aplikacje polegają na analizie długich dokumentów lub zaawansowanej wizji komputerowej. Ironią losu jest fakt, że ulepszony model „myśli głębiej”, co zazwyczaj skutkuje również bardziej rozwlekłymi odpowiedziami, dodatkowo pompując koszty wyjściowe.
Jak porównać inne modele Claude?
Narzędzie stworzone przez Willisona to nie tylko bat na najdroższy model, ale też świetny punkt odniesienia dla Sonnet 4.6 oraz Haiku 4.5. Te dwa modele nadal korzystają ze starego tokenizatora, więc zestawienie ich z Opus 4.7 brutalnie obnaża różnice w ekonomii użytkowania. W testach tekstowych to Haiku niezmiennie okazuje się najbardziej łaskawy dla portfela, choć oczywiście odstaje od najnowszego flagowca w zadaniach wymagających żelaznej logiki czy skomplikowanego kodowania.
Zanim zdecydujesz się na pełną migrację swojej infrastruktury na Opus 4.7, poświęć chwilę na testy w Claude Token Counter. To najprostszy sposób, by uniknąć bolesnego zdziwienia przy wystawianiu faktury na koniec miesiąca. Willison zaznacza, że jego narzędzie precyzyjnie liczy koszty nie tylko dla czystego tekstu, ale i dla multimediów, co czyni je niezbędnikiem dla każdego, kto chce profesjonalnie wdrażać funkcje wizyjne w swoich produktach.
Źródła:
Simon Willison’s Weblog (simonwillison.net/2026/Apr/20/claude-token-counts/), Anthropic (anthropic.com/news/claude-opus-4-7), platform.claude.com/docs, VentureBeat
Najczęściej zadawane pytania
Tokenizator to mechanizm, który tnie tekst, obrazy czy pliki PDF na mniejsze jednostki zwane tokenami. To właśnie za ich liczbę płacisz w modelu API. W wersji Opus 4.7 wprowadzono nowy algorytm, który dzieli dane drobniej, co poprawia rozumienie treści, ale zwiększa ich końcową ilość.
Mimo że cena za jeden token się nie zmieniła, model Opus 4.7 generuje ich więcej z tych samych danych wejściowych. W przypadku tekstu zużycie rośnie o około 35-46%, a przy dużych obrazach może być nawet trzykrotnie wyższe, co przekłada się na realny wzrost kosztów o ok. 40%.
To zależy od Twoich potrzeb. Jeśli kluczowa jest dla Ciebie najwyższa precyzja w kodowaniu lub zaawansowana analiza obrazów o wysokiej rozdzielczości, Opus 4.7 będzie lepszym wyborem. Warto jednak najpierw przeliczyć koszty za pomocą narzędzia Simona Willisona, by sprawdzić, czy budżet to wytrzyma.
Obecnie starszy, bardziej oszczędny sposób tokenizacji zachowały modele Claude Opus 4.6, Sonnet 4.6 oraz Haiku 4.5. Różnice w kosztach są widoczne tylko przy porównaniu tych modeli z najnowszym Opus 4.7.
