Od 17 maja 2026 Google zastąpił te limity systemem śledzącym zużycie mocy obliczeniowej zamiast liczby wiadomości.

W nowym modelu wykorzystanie zależy od kilku czynników:

• Złożoność promptu
• Używane modele lub funkcje (np. zaawansowane rozumowanie czy generowanie multimediów)
• Długość konwersacji

Zamiast resetu dziennego, pule odświeżają się co 5 godzin, aż do osiągnięcia limitu tygodniowego.

Oznacza to, że krótkie zapytanie tekstowe może zużyć bardzo mało z puli, podczas gdy długa rozmowa z zaawansowanymi narzędziami lub pomocą w kodowaniu może ją wyczerpać błyskawicznie. Google twierdzi, że takie podejście lepiej odzwierciedla rzeczywistość, w której niektóre zadania AI wymagają znacznie więcej zasobów obliczeniowych niż inne.

Jak nowe limity wpływają na plany darmowe i płatne

System obliczeniowy obowiązuje we wszystkich poziomach subskrypcji Gemini, ale każdy plan otrzymuje inny budżet.

Zgodnie z dokumentacją pomocy Google:

• Użytkownicy darmowi: otrzymują standardowe limity obliczeniowe.
• Subskrybenci AI Plus: mają około 2× wyższe limity niż warstwa darmowa.
• Subskrybenci AI Pro: otrzymują około 4× wyższe limity niż warstwa darmowa.
• Subskrybenci AI Ultra: mogą liczyć na znacznie wyższe przydziały, w zależności od produktu i funkcji.

Podczas Google I/O 2026 firma wprowadziła również plan AI Ultra za 100 USD/miesiąc, który oferuje znacznie większe limity – na przykład pięciokrotnie wyższy limit w środowisku programistycznym Antigravity w porównaniu z AI Pro.

Innymi słowy, kluczowym wyróżnikiem planów przestał być już tylko dostęp do funkcji – stał się nim dostępny dla użytkownika budżet obliczeniowy.

Dlaczego użytkownicy tak szybko wyczerpywali limity

Natychmiastowym problemem była przewidywalność. W starym systemie użytkownicy mogli mniej więcej oszacować, ile promptów im zostało. Przy limitach obliczeniowych ta przewidywalność w dużej mierze zniknęła.

Ponieważ wykorzystanie zależy od złożoności zadania, intensywne obciążenia mogą spalić pulę znacznie szybciej niż oczekiwano. Przykłady obejmują:

• Długie sesje programowania
• Workflowy typu agentowego
• Generowanie multimediów lub zaawansowane funkcje rozumowania

Raporty od programistów i użytkowników pokazały, że intensywne sesje mogły wyczerpać 5-godzinny przydział, a nawet limit tygodniowy po zaledwie kilku sesjach pracy.

Wielu subskrybentów czuło się zaskoczonych zmianą. Niektórzy określili nowe limity jako "bait-and-switch" (zwabienie i zamiana), argumentując, że ich płatne plany oferują teraz mniej praktycznego użytku niż wcześniej – mimo że Google formalnie nie zredukował oficjalnych poziomów subskrypcji.

Awaryjna łatka Google'a: podniesienie limitów

Fala krytyki skłoniła Google do szybkiej reakcji, szczególnie w przypadku Antigravity, narzędzia do kodowania opartego na AI.

W ciągu kilku dni od wdrożenia:

• Google potroił stawki modeli Gemini w Antigravity.
• Zresetował tygodniowe pule użytkowników, aby mogli natychmiast kontynuować pracę.

Krótko potem firma ponownie potroiła limity, dodatkowo zwiększając dostępny budżet obliczeniowy dla programistów korzystających z narzędzia.

Szybkie korekty sugerują, że Google nie docenił, jak szybko rzeczywiste obciążenia – szczególnie kodowanie i zadania agentowe – wyczerpią nowe pule.

Czego ten epizod uczy o ekonomii AI

Kontrowersje uwypuklają narastające napięcie w całej branży AI.

Nowoczesne systemy AI nie mają jednolitych kosztów. Krótka odpowiedź tekstowa może być tania do wygenerowania, podczas gdy rozumowanie z długim kontekstem, agenci kodujący czy generowanie wideo mogą wymagać dramatycznie większych zasobów obliczeniowych. To sprawia, że proste "liczniki wiadomości" stają się dla dostawców coraz bardziej niepraktyczne.

Limity obliczeniowe rozwiązują ekonomiczną stronę problemu – ale wprowadzają wyzwanie związane z użytecznością. Gdy limity zależą od nieprzejrzystych kalkulacji dotyczących złożoności, użytkownicy mogą mieć trudności z przewidzeniem, ile faktycznego dostępu mają.

Wdrożenie Gemini przez Google wyraźnie ilustruje ten kompromis: system zaprojektowany w celu dopasowania użycia do kosztów obliczeniowych zdezorientował użytkowników i niemal natychmiast wywołał falę krytyki.

Dla firm AI skalujących duże modele wyzwaniem na przyszłość będzie znalezienie równowagi między trzema sprzecznymi siłami:

• Rosnącymi kosztami wnioskowania dla zaawansowanych funkcji AI
• Jasnymi, przewidywalnymi limitami, które użytkownicy rozumieją
• Planami subskrypcyjnymi, które wciąż wydają się wartościowe dla płacących klientów

W miarę jak asystenci AI stają się potężniejsi – i bardziej zasobożerni – to balansowanie prawdopodobnie stanie się jednym z kluczowych wyzwań produktowych w branży.

Od 17 maja 2026 Google zastąpił te limity systemem śledzącym zużycie mocy obliczeniowej zamiast liczby wiadomości.

W nowym modelu wykorzystanie zależy od kilku czynników:

• Złożoność promptu
• Używane modele lub funkcje (np. zaawansowane rozumowanie czy generowanie multimediów)
• Długość konwersacji

Zamiast resetu dziennego, pule odświeżają się co 5 godzin, aż do osiągnięcia limitu tygodniowego.

Oznacza to, że krótkie zapytanie tekstowe może zużyć bardzo mało z puli, podczas gdy długa rozmowa z zaawansowanymi narzędziami lub pomocą w kodowaniu może ją wyczerpać błyskawicznie. Google twierdzi, że takie podejście lepiej odzwierciedla rzeczywistość, w której niektóre zadania AI wymagają znacznie więcej zasobów obliczeniowych niż inne.

Jak nowe limity wpływają na plany darmowe i płatne

System obliczeniowy obowiązuje we wszystkich poziomach subskrypcji Gemini, ale każdy plan otrzymuje inny budżet.

Zgodnie z dokumentacją pomocy Google:

• Użytkownicy darmowi: otrzymują standardowe limity obliczeniowe.
• Subskrybenci AI Plus: mają około 2× wyższe limity niż warstwa darmowa.
• Subskrybenci AI Pro: otrzymują około 4× wyższe limity niż warstwa darmowa.
• Subskrybenci AI Ultra: mogą liczyć na znacznie wyższe przydziały, w zależności od produktu i funkcji.

Podczas Google I/O 2026 firma wprowadziła również plan AI Ultra za 100 USD/miesiąc, który oferuje znacznie większe limity – na przykład pięciokrotnie wyższy limit w środowisku programistycznym Antigravity w porównaniu z AI Pro.

Innymi słowy, kluczowym wyróżnikiem planów przestał być już tylko dostęp do funkcji – stał się nim dostępny dla użytkownika budżet obliczeniowy.

Dlaczego użytkownicy tak szybko wyczerpywali limity

Natychmiastowym problemem była przewidywalność. W starym systemie użytkownicy mogli mniej więcej oszacować, ile promptów im zostało. Przy limitach obliczeniowych ta przewidywalność w dużej mierze zniknęła.

Ponieważ wykorzystanie zależy od złożoności zadania, intensywne obciążenia mogą spalić pulę znacznie szybciej niż oczekiwano. Przykłady obejmują:

• Długie sesje programowania
• Workflowy typu agentowego
• Generowanie multimediów lub zaawansowane funkcje rozumowania

Raporty od programistów i użytkowników pokazały, że intensywne sesje mogły wyczerpać 5-godzinny przydział, a nawet limit tygodniowy po zaledwie kilku sesjach pracy.

Wielu subskrybentów czuło się zaskoczonych zmianą. Niektórzy określili nowe limity jako "bait-and-switch" (zwabienie i zamiana), argumentując, że ich płatne plany oferują teraz mniej praktycznego użytku niż wcześniej – mimo że Google formalnie nie zredukował oficjalnych poziomów subskrypcji.

Awaryjna łatka Google'a: podniesienie limitów

Fala krytyki skłoniła Google do szybkiej reakcji, szczególnie w przypadku Antigravity, narzędzia do kodowania opartego na AI.

W ciągu kilku dni od wdrożenia:

• Google potroił stawki modeli Gemini w Antigravity.
• Zresetował tygodniowe pule użytkowników, aby mogli natychmiast kontynuować pracę.

Krótko potem firma ponownie potroiła limity, dodatkowo zwiększając dostępny budżet obliczeniowy dla programistów korzystających z narzędzia.

Szybkie korekty sugerują, że Google nie docenił, jak szybko rzeczywiste obciążenia – szczególnie kodowanie i zadania agentowe – wyczerpią nowe pule.

Czego ten epizod uczy o ekonomii AI

Kontrowersje uwypuklają narastające napięcie w całej branży AI.

Nowoczesne systemy AI nie mają jednolitych kosztów. Krótka odpowiedź tekstowa może być tania do wygenerowania, podczas gdy rozumowanie z długim kontekstem, agenci kodujący czy generowanie wideo mogą wymagać dramatycznie większych zasobów obliczeniowych. To sprawia, że proste "liczniki wiadomości" stają się dla dostawców coraz bardziej niepraktyczne.

Limity obliczeniowe rozwiązują ekonomiczną stronę problemu – ale wprowadzają wyzwanie związane z użytecznością. Gdy limity zależą od nieprzejrzystych kalkulacji dotyczących złożoności, użytkownicy mogą mieć trudności z przewidzeniem, ile faktycznego dostępu mają.

Wdrożenie Gemini przez Google wyraźnie ilustruje ten kompromis: system zaprojektowany w celu dopasowania użycia do kosztów obliczeniowych zdezorientował użytkowników i niemal natychmiast wywołał falę krytyki.

Dla firm AI skalujących duże modele wyzwaniem na przyszłość będzie znalezienie równowagi między trzema sprzecznymi siłami:

• Rosnącymi kosztami wnioskowania dla zaawansowanych funkcji AI
• Jasnymi, przewidywalnymi limitami, które użytkownicy rozumieją
• Planami subskrypcyjnymi, które wciąż wydają się wartościowe dla płacących klientów

W miarę jak asystenci AI stają się potężniejsi – i bardziej zasobożerni – to balansowanie prawdopodobnie stanie się jednym z kluczowych wyzwań produktowych w branży.