Tokeni, credite și mesaje: pentru ce plătești, de fapt

Uneltele AI se facturează în tokeni, credite sau mesaje — trei unități care nu se compară direct. Tokenii sunt singura unitate obiectivă, comparabilă între furnizori; creditele și mesajele sunt definite diferit de fiecare furnizor. Ieșirea costă mai mult decât intrarea, iar tokenii citiți din cache pot fi de zeci de ori mai ieftini. Supracostul exact al românei față de engleză, în tokeni, rămâne o cifră nemăsurată public — inclusiv de noi, deocamdată.

Uneltele AI nu se plătesc pe cuvinte și nici pe caractere. Se plătesc pe tokeni — fragmente de text mai mici decât un cuvânt — iar unele se plătesc pe credite sau pe mesaje, care sunt cu totul altceva. Cele trei unități nu se pot compara direct, și de aici vin aproape toate surprizele de pe factură.

Ce e, de fapt, un token?

Un token e o bucată de text pe care modelul o tratează ca pe o unitate. Nu e un cuvânt, nu e o literă, nu e o silabă. E o secvență de caractere care apare des în datele pe care modelul a fost antrenat.

În engleză, un token înseamnă în medie cam patru caractere. Cuvintele scurte și frecvente — «the», «and», «is» — sunt fiecare un singur token. Cuvintele rare se rup în bucăți.

Modelul nu vede niciodată textul așa cum îl vezi tu. Vede o listă de numere, câte unul pentru fiecare token. Când îți răspunde, produce tot o listă de numere, care se traduce înapoi în text. De-aia se plătește pe tokeni: aia e unitatea reală de muncă.

De ce româna costă mai mult decât engleza

Tokenizatoarele au fost construite pe date majoritar în engleză. Secvențele frecvente în engleză au primit tokeni proprii. Secvențele frecvente în română, în mare parte, nu.

Consecința practică: același conținut, exprimat în română, se rupe în mai mulți tokeni decât în engleză. Un cuvânt englezesc obișnuit poate fi un singur token, în timp ce echivalentul românesc se sparge în trei sau patru bucăți.

La asta se adaugă diacriticele. Literele ă, â, î, ș și ț nu fac parte din setul de bază al alfabetului latin folosit în engleză. În codificarea standard ocupă mai mulți octeți decât o literă simplă, iar tokenizatoarele le tratează frecvent ca pe secvențe separate.

Rezultatul e că plătești mai mult pentru exact același mesaj, doar pentru că e scris în română. Am măsurat cât: pe trei texte de birou, româna a cerut cu 55% până la 82% mai mulți tokeni decât engleza, după tokenizator. Fără diacritice, diferența scade doar la 45–62%. Detaliile și metoda sunt în măsurătoarea noastră.

Regula de lucru: orice estimare de cost făcută pe exemple în engleză, înmulțește-o cu 1,6–1,8 pentru un text în română.

Tokeni, credite, mesaje: trei unități care nu se compară

Unitate	Cine o folosește	Ce măsoară	Se poate compara între furnizori?
Tokeni	API-urile modelelor	Cantitatea reală de text procesat	Da, direct
Credite	Unelte cu interfață proprie — design, generare de imagini, video	O acțiune, definită de furnizor	Nu
Mesaje	Abonamentele de consum	Un schimb de replici	Nu

Tokenii sunt singura unitate obiectivă. Un milion de tokeni înseamnă același lucru la orice furnizor, deci prețurile pe token se compară direct.

Creditele sunt o invenție a fiecărei companii. Un credit poate însemna o imagine la un furnizor, patru imagini la altul, sau o secundă de video la al treilea. Două unelte care cer «20 de credite» pot livra cantități complet diferite de muncă. Ca să compari, trebuie să traduci mai întâi creditul în unități reale.

Mesajele sunt și mai înșelătoare. Un abonament care promite «30 de mesaje la cinci ore» nu spune nimic despre cât de lungi pot fi. O conversație în care încarci un document de zece pagini consumă un mesaj, la fel ca un «mulțumesc». Consumul real de resurse diferă de o sută de ori.

Cum le traduci între ele: nu poți, direct. Poți doar măsura. Rulezi aceeași sarcină reală pe două unelte și compari ce ai plătit la sfârșit, nu ce scrie pe pagina de prețuri.

De ce fiecare preț are cel puțin două cifre

Pe orice pagină de prețuri a unui API vei găsi minimum două tarife, de obicei trei.

Tokeni de intrare — tot ce trimiți tu: întrebarea, documentul atașat, instrucțiunile de sistem, istoricul conversației.

Tokeni de ieșire — ce scrie modelul înapoi.

Tokeni citiți din cache — intrarea pe care ai mai trimis-o o dată și care a rămas memorată temporar.

Ieșirea costă întotdeauna mai mult decât intrarea, adesea de trei sau patru ori. Motivul e tehnic: intrarea se procesează dintr-o dată, în paralel, în timp ce ieșirea se generează token cu token, fiecare depinzând de cel dinainte. E mai lentă și ocupă mai mult hardware.

Consecința pentru tine: sarcinile care citesc mult și scriu puțin sunt ieftine. Rezumat de contract, clasificare de facturi, extragere de date dintr-un tabel — toate trimit mult și primesc puțin. Sarcinile care scriu mult pornind de la puțin — generează cincizeci de descrieri de produs dintr-o listă scurtă — sunt cele scumpe.

Cache-ul: de ce a doua întrebare costă mai puțin

Dacă trimiți de fiecare dată aceleași instrucțiuni de sistem — procedura firmei, catalogul, regulile de clasificare — furnizorul le poate păstra memorate pentru scurt timp și nu le mai procesează de la zero.

Diferența de preț e dramatică. La DeepSeek, un milion de tokeni de intrare costă 0,68 lei fără cache și 0,01 lei cu cache. De aproape cincizeci de ori mai puțin.

De-aia fluxurile repetitive, cu același context lung reutilizat, ajung mult mai ieftine decât pare din tariful de listă. Și de-aia comparațiile între furnizori sunt înșelătoare dacă se uită doar la prețul de intrare fără cache.

Un exemplu concret, cu cifre

Sarcina: o sută de descrieri de produs pentru un magazin online, generate dintr-o listă de caracteristici.

Componentă	Tokeni	Cost
Instrucțiuni, trimise la fiecare apel	100.000 intrare
Datele produselor	20.000 intrare
Descrierile generate	30.000 ieșire
Total		circa 0,16 lei

Calculat la tarifele DeepSeek V4.1 Flash în afara orelor de vârf, la cursul BNR al zilei. În orele de vârf, aceleași cifre dau dublu.

Aceeași sarcină, rulată pe un model de top occidental, la tarife de peste 200 de lei pe milionul de tokeni la ieșire, ajunge la câteva zeci de lei. Diferența nu e de procente, e de ordin de mărime.

Ce nu spune tabelul: dacă descrierile ies suficient de bune încât să nu fie rescrise. Un cost de zece ori mai mic nu ajută dacă rezultatul cere o oră de editare.

Cum estimezi înainte să plătești

Patru pași, fără calculator:

Numără caracterele dintr-un exemplu real de sarcină, intrare și ieșire separat.
Împarte la patru. Obții o estimare în tokeni pentru engleză.
Adaugă o marjă pentru română. Până publicăm măsurătoarea, mergi pe o estimare prudentă, nu pe cifra din calculatoarele englezești.
Înmulțește cu numărul de rulări pe lună, apoi aplică tarifele de intrare și de ieșire separat.

Dacă rezultatul iese sub câțiva lei pe lună, nu merită optimizat. Dacă iese în sute, atunci contează cache-ul, ora la care rulezi și alegerea modelului.

Ce nu am măsurat încă

Supracostul românei la Claude și Gemini. Cele două nu au tokenizator public, iar numărarea se face doar prin API-ul lor, cu cheie. Cifrele de mai sus vin din tokenizatoarele publice ale OpenAI, DeepSeek, Qwen și Mistral.

Citește și

DeepSeek V4.1 Flash: cât costă și când e cel mai scump
ChatGPT gratis în română: ce poți face fără să plătești

Surse: documentația oficială de prețuri a furnizorilor citați, cursul de referință BNR.

Prețuri verificate la: 14 septembrie 2026.

Verificat editorial de Radu Druță, 14 septembrie 2026.