
Make eller n8n för AI-automation? Flödet avgör kostnaden

Make passar ett kort AI-flöde med få utförda åtgärder per körning. n8n Cloud blir mer intressant när samma uppgift kräver många steg men körs ett måttligt antal gånger. För ett team som kan sköta infrastrukturen själv tillkommer n8n Community Edition som ett tredje alternativ, med en annan kostnad för drift och underhåll.
Skillnaden ligger i vad plattformarna räknar. Make tar krediter för utförda modulåtgärder; n8n Cloud räknar körningar av hela arbetsflödet, oavsett hur många steg det innehåller. Därför kan ett kort flöde som körs ofta ge motsatt kostnadsbild mot ett förgrenat flöde som körs mer sällan. AI-modellens avgifter behöver bedömas separat från plattformspriset.
Vad är det som debiteras?
Enligt Makes prislista får Free-planen 1 000 krediter per månad, medan Core kostar 12 dollar per månad vid månadsbetalning för 10 000 krediter. En vanlig utförd modulåtgärd förbrukar normalt en kredit. En router eller ett filter kan däremot styra flödet utan att själv ta en kredit; det är åtgärderna som faktiskt utförs efter förgreningen som spelar roll.
n8n:s prislista anger 20 euro per månad för Starter med 2 500 körningar och 50 euro för Pro med 10 000 körningar, båda vid årsfakturering och med obegränsat antal steg per körning. Den listar också Community Edition för egen drift. Make-beloppet ovan gäller månadsbetalning, n8n-beloppen förutsätter ett årsavtal och valutorna skiljer sig; siffrorna är därför planpriser, inte en direkt jämförelse av vad en tjänst kostar i svenska kronor.
Ett flödes ritning visar inte hela kreditåtgången. Om en gren aldrig väljs förbrukar dess åtgärder inga Make-krediter under den körningen. Om en modul däremot behandlar flera dataposter var för sig kan den utföras flera gånger utan att fler moduler syns i ritningen. För n8n Cloud är den centrala planfrågan i stället hur många fullständiga körningar som behövs.
Tre beräkningar för olika arbetsflöden

Detta är villkorliga beräkningar efter publicerade priser kontrollerade den 18 november 2026, inte användningstester. Varje scenario avser en månad och antar en inkommande förfrågan per körning, en datapost, inga omförsök och ett AI-steg med egen nyckel till en extern modell. De angivna Make-åtgärderna antas kosta en kredit vardera. Beloppen är exklusive skatt, valutaväxling, modellens egna avgifter och eventuell serverdrift.
För det förgrenade exemplet behövs extra krediter utöver Core. Makes villkor för extra krediter anger köp i steg om 1 000 krediter och ett påslag på 25 procent jämfört med krediterna i planen. Beräkningen nedan använder manuellt köpta krediter, inte automatisk påfyllning, som kan köpa en större mängd åt gången.
- Kort flöde: Antag 300 körningar med tre debiterbara Make-åtgärder i varje. Det ger 900 krediter och ryms i Core för 12 dollar per månad. Hos n8n Cloud ryms 300 fullständiga körningar i Starter för 20 euro per månad vid årsfakturering. Make Free har visserligen utrymme för 900 vanliga krediter, men uppfyller inte antagandet om egen leverantörsnyckel i AI-steget.
- Förgrenat flöde: Antag 1 200 körningar med tio åtgärder som faktiskt utförs längs den valda vägen varje gång. Make behöver 12 000 krediter. Core täcker 10 000; ytterligare 2 000 kostar enligt den angivna modellen 3 dollar, totalt 15 dollar för månaden. n8n Cloud räknar 1 200 körningar, vilket ryms i Starter för 20 euro per månad vid årsfakturering.
- Högfrekvent, kort flöde: Antag 4 000 körningar med två debiterbara Make-åtgärder per körning. Det blir 8 000 krediter och ryms i Core för 12 dollar per månad. Hos n8n Cloud överskrider 4 000 körningar Starter men ryms i Pro för 50 euro per månad vid årsfakturering.
Det korta exemplet visar varför få steg inte automatiskt betyder lägst plattformspris: för AI-steget krävs här en betald Make-plan trots den låga kreditåtgången. Det förgrenade exemplet visar den omvända effekten av många utförda steg. Om bara hälften av de antagna åtgärderna körs i ett verkligt flöde förändras Make-utfallet, medan antalet n8n-körningar kan vara detsamma. Beräkningen gäller den utförda vägen, inte alla möjliga grenar tillsammans.
AI-anslutningen kan ändra kreditåtgången
Antagandet om en kredit per AI-åtgärd gäller bara den valda anslutningen. Makes regler för AI-krediter skiljer mellan den egna AI-leverantören, där tokenanvändning kan ge dynamisk kreditförbrukning, och en egen leverantörsanslutning på betalda planer. För exempelvis Make AI Toolkit anges en fast kredit per åtgärd med egen anslutning, medan AI-leverantören kan ta betalt separat för modellen.
Den som väljer Makes inbyggda AI-leverantör kan alltså inte använda räkneexemplens kreditåtgång som en prognos utan att även uppskatta tokenförbrukningen. Ett längre underlag, flera modellfrågor eller ett agentflöde som anropar verktyg kan förändra den delen av kostnaden. Med egen nyckel behöver modellens faktura läggas till utöver Make-planen.
Samma åtskillnad behövs för n8n. En arbetsflödeskörning är plattformens måttenhet även när den innehåller flera AI-noder. Används en extern modell med egen betalanslutning kan den ändå debitera varje anrop och mängden behandlad text. Ett billigare plattformsutfall säger därför inte ensamt vilken lösning som ger lägst total kostnad för ett AI-flöde.
När egen drift förändrar valet
n8n Community Edition kan köras på egen infrastruktur utan en molnprenumeration för Starter eller Pro. Då behöver teamet i stället betala för kapacitet och sköta installation, uppdateringar, säkerhetskopior och övervakning. Något jämförbart månadsbelopp går inte att räkna fram utan uppgifter om server, belastning och arbetstid. I de tre exemplen är utfallet för egen drift därför en driftkostnad att fastställa, inte noll kronor.
Egen drift ger samtidigt kontroll över var instansen körs och hur den ansluter till egna system och modeller. För ett tekniskt team som redan sköter liknande tjänster kan det vara ett relevant skäl att välja n8n. Ett team utan sådan kapacitet behöver väga kontrollen mot löpande underhåll och risken för avbrott. Betalda självhostade n8n-planer finns också för behov som går utöver Community Edition; egen drift betyder alltså inte alltid att licensdelen saknar kostnad.
Make erbjuder i stället en hanterad tjänst. Det kan minska arbetet med plattformens drift, men lämnar mindre utrymme att själv bestämma installationsmiljö. Valet gäller därmed både prisets måttenhet och vem som ska ansvara för systemet när ett AI-flöde används regelbundet.
Vad går att säga om hastigheten?

I Abner Enoque Monteiro Silvas studie vid Universidade Federal do Ceará gav ett boknings- och notifieringsflöde med 20 samtidiga webhook-anrop en genomsnittlig latens på 3,6 sekunder i n8n och 4,0 sekunder i Make; de separata boknings- och påminnelseflödena omfattade tillsammans 17 noder i n8n och 15 moduler i Make.
n8n kördes på en egen Debian-server i São Paulo, medan Make kördes i leverantörens moln. Skillnaden i svarstid gäller därför de uppbyggda flödena i två olika driftmiljöer. Den visar varken hur n8n Cloud skulle ha svarat i samma test eller hur ett annat AI-flöde med externa modellanrop skulle prestera.
För ett verkligt val ger kostnadsberäkningen en tydligare utgångspunkt än denna begränsade hastighetsmätning: räkna de åtgärder som faktiskt utförs i Make och de fullständiga körningarna i n8n. När egen drift är möjlig avgör även teamets driftskostnad om den vägen är rimlig. Hur AI-modellen ansluts bestämmer sedan vilken ytterligare förbrukning som måste läggas till.
Läs också:
Relaterade artiklar


Google Workspace eller Microsoft 365 för svenska småteam?

Klang säger att danska Pianissimo klarar en timme ljud på en sekund

Swish via bank eller Stripe: fast avgift möter procenttak

BankID eller Freja+: dominansen döljer det praktiska valet

Skapa en passkey för Microsoft-kontot – välj lagringsplats först
Prenumerera på vårt nyhetsbrev
Få de senaste nyheterna om Web3, AI och krypto direkt i din inkorg.