Fotowoltaika w Brazylii drożeje o 7%, a kalkulatory kosztów inferencji lądują w tym samym arkuszu

Ta liczba nie ma nic wspólnego z GPU. Mimo to trafia na to samo biurko. Kto pod koniec września 2026 roku planuje budżet obliczeniowy, ten żongluje wydatkami na sprzęt, rachunkami za prąd, stawkami API za token i arkuszem założeń, które rzadko wytrzymują zderzenie z realnym ruchem produkcyjnym.

Dwa najnowsze zestawienia opublikowane w ten weekend biorą ten problem z dwóch stron: ile kosztuje sprzęt i słońce oraz ile kosztują tokeny, gdy sprzęt już działa.

Brazylijska liczba w szczegółach

Według pv magazine, który 26 września opisał badanie Greener, wzrost o 7% obejmuje okres od stycznia do czerwca 2026 roku. Ceny finalne systemów wahały się od 2,02 reala (0,38 dolara) za wat przy instalacjach 30 kW i 50 kW do 3,62 reala za wat przy systemach 2 kW. Średnia dla 2 kW wzrosła z 3,44 reala za wat w styczniu do 3,62 reala za wat w czerwcu, co daje około 7 200 reali za cały system. System 300 kW kosztował średnio 2,40 reala za wat, czyli około 720 000 reali, a wersja naziemna około 834 000 reali.

Za wzrost odpowiadał sprzęt, nie robocizna. Ceny zestawów do systemów 4 kW skoczyły między styczniem a czerwcem o 18,3%, z 1,42 reala za wat do 1,68 reala za wat. W systemach 300 kW zestaw podrożał tylko o 2,0%, z 1,02 reala za wat do 1,04 reala za wat. Zestawy 50 kW poszły w górę z 1,14 reala za wat do 1,24 reala za wat, czyli o 8,8%.

Popyt w tym samym czasie osłabł. Liczba nowych przyłączeń generacji rozproszonej spadła rok do roku o 16%, z 488 000 do 411 000. Nowych jednostek odbiorczych otrzymujących kredyty było o 43% mniej, z 951 000 do 541 000. Systemy mieszkaniowe odpowiadały za 65% dodanej mocy, wobec 39% w 2019 roku. Finansowanie pojawiło się tylko w 33% sprzedaży integratorów, o osiem punktów mniej i najniższy udział w analizowanym okresie. Historyczny szereg Greener pokazuje system mieszkaniowy 4 kW po 7,74 reala za wat w styczniu 2017 roku wobec 2,91 reala za wat w czerwcu 2026 roku.

Ile naprawdę kosztuje token

23 września deweloper Flavio Copes opublikował kalkulator kosztów inferencji. Narzędzie ma przypisać miesięczny rachunek do funkcji, zanim ktokolwiek napisze integrację rozliczeniową. Porównuje 27 modeli od OpenAI, Anthropic, Google, xAI, Mistral, OpenRouter i Workers AI na podstawie publikowanych stawek API. Z dziennych aktywnych użytkowników, liczby wywołań na użytkownika, tokenów wejściowych i wyjściowych oraz opcjonalnego współczynnika trafień w pamięć podręczną promptu tworzy szacunek.

Narzędzie samo mówi o swoich ograniczeniach. Pomija ceny batchowe, rabaty dla firm, dopłaty za obrazy i narzędzia oraz każdą warstwę pamięci podręcznej, którą zbudujesz sam. Copes opisuje wynik jako szacunek planistyczny, nie ofertę dostawcy. Wszystko działa w przeglądarce, a link do udostępnienia koduje w adresie URL wyłącznie dane wejściowe.

Najwięcej sporów dotyczy różnicy między ceną z cennika a realnym kosztem. Badanie opublikowane przez Nexlab 20 września porównuje LocalAI, exo, GPUStack, vLLM, Ollama, llama.cpp, Xinference, LiteLLM, SkyPilot i inne narzędzia. Wynika z niego, że routing uwzględniający pamięć podręczną decyduje o tym, czy kolejna tura trafi tam, gdzie już leży jej pamięć KV albo prefiks. Ollama, z 181 000 gwiazdek na GitHubie 20 września, nie ma żadnej historii klastrowej poza rozdzielaniem ruchu między kilka adresów URL. vLLM buforuje prefiksy w obrębie instancji. LocalAI dodało w czerwcu 2026 roku tryb rozproszony z wykrywaniem przez libp2p i routerem opartym na NATS, który zna stan pamięci VRAM i pamięci prefiksów.

Różnica między tymi dwiema wartościami to koszt integracji, który obejmuje marżę techniczną i operacyjną integratora.

To zdanie pochodzi z metodologii Greener, tak jak opisuje ją pv magazine. Pasuje równie dobrze do inferencji: sprzęt to nie rachunek.

Benchmarki też drożeją

26 września StarSkirmish uruchomił benchmark. Dziesięć modeli LLM dostaje w nim godzinę czasu zegarowego na napisanie bota Protoss w C++ pod BWAPI 4.4.0, testowanego na OpenBW. GPT-6 Astra i Claude Opus 5.5 opisano jako funkcjonalnie równorzędne na szczycie, z GPT-6 Sol tuż za nimi. Sol wyróżniono za stosunek jakości do średniego kosztu API godzinnego przebiegu.

Stawkę tworzy 50 botów LLM (10 modeli, po 5 przebiegów), 3 boty demonstracyjne i 9 botów napisanych przez ludzi, razem 62 uczestników. Każdy gra z każdym sześć razy, po dwa razy na każdej z trzech map. Rankingi to Elo dopasowane do wszystkich gier jednocześnie, ze Stardust przeskalowanym do 100 i Four Gate Dragoon do 0. Gry działały na sandboxach Prime Intellect przez OpenRouter, wyłącznie na inferencji własnej dostawcy. Organizatorzy zapowiadają dłuższe okresy rozumowania, bo modele na szczycie zyskują na przebiegach dłuższych niż godzina.

Koszt takiej oceny nie został podany. Podobnie jak cena złota.

Tom's Hardware poinformował 27 września, że klient zamówił niestandardowy mini PC Kubb Fanless z pasywną obudową z czystego 24-karatowego złota za około 1 700 000 dolarów, powołując się na Fanless Tech. Waga rośnie z 4,6 funta (2,1 kg) do 28,7 funta (13 kg). Fanless Tech podaje, że przewodność cieplna złota jest o 30% do 50% lepsza niż aluminium. Tom's Hardware zauważa, że miedź byłaby tańsza i lepiej przewodzi ciepło. Podstawą jest skrzynka 120 x 120 x 120 mm z Intel Core Ultra 5 225H, Core Ultra X7 358H albo AMD Ryzen AI 5 340, wyceniona na 1 595 euro (1 822 dolary) na Kubb.eu, bez dostępnych sztuk.

Niewygodna część

Żadna z tych liczb nie ma wspólnej jednostki. Reale za wat, dolary za milion tokenów, dolary za przebieg benchmarku, dolary za kilogram złota. Trzyma się tylko jedno porównanie: wszystkie cztery rosną albo są przedmiotem sporu w tym samym tygodniu, a żadna z publicznych kwot nie obejmuje kosztów, które decydują o zwrocie z projektu.

Planującym inferencję zostaje jedno praktyczne posunięcie: modelować współczynnik trafień w pamięć podręczną. Kalkulator Copesa traktuje go jako opcjonalny i zauważa, że co najmniej jeden dostawca nie publikuje żadnego rabatu za wejście z pamięci podręcznej, więc dla tego modelu współczynnik jest pomijany. Badanie Nexlaba mówi to samo od strony infrastruktury: skierowanie powtarzanego promptu do maszyny, która już trzyma jego prefiks, jest warte więcej niż tańszy GPU, który musi go przeliczyć od nowa. Żadne ze źródeł nie podaje jednej liczby na te oszczędności i żadne tego nie obiecuje. Traktuj oba jako dane do planowania, a potem mierz własny ruch.