एआय किंमतीचे कोडे: कंपन्यांना टोकन, एजंट आणि सबस्क्रिप्शन खर्च करण्यासाठी संघर्ष का करावा लागतो

नवी दिल्ली: ChatGPT, Claude आणि Gemini च्या मोफत आवृत्त्यांनी शक्तिशाली AI ला ग्राहक आणि लहान व्यवसायांसाठी एक सौदासारखे वाटले आहे. या इंटरफेसच्या मागे, तथापि, Microsoft, Google आणि Anthropic सारख्या कंपन्यांनी शेकडो अब्ज डॉलर्सच्या गुंतवणुकीसह तयार केलेले मोठे भाषा मॉडेल (LLM) आहेत. खर्चाची परतफेड करण्यासाठी, या कंपन्या प्रगत वैशिष्ट्यांसह प्रीमियम स्तरांची विक्री करतात, तर तृतीय-पक्ष विक्रेते त्याच मॉडेलच्या शीर्षस्थानी विशेष AI एजंट सेवा तयार करतात. या सेवांसाठी स्थिर किंमती सेट करणे अनपेक्षितपणे कठीण झाले आहे.

टोकन: अदृश्य चलन

जेव्हा एखादा वापरकर्ता LLM ला मजकूर मसुदा तयार करण्यास, कोड तयार करण्यास किंवा कार्य स्वयंचलित करण्यास सांगतो, तेव्हा विनंती टोकनमध्ये रूपांतरित केली जाते—गणितीय युनिट मॉडेल प्रक्रिया करतात. प्रतिसाद टोकन्समध्ये देखील तयार केला जातो आणि नंतर वाचनीय आउटपुटमध्ये परत केला जातो. खर्च टोकन वापराशी जोडलेले आहेत, परंतु वापराचा अंदाज लावणे कठीण आहे. प्रॉम्प्टमधील लहान बदलांमुळे खूप भिन्न आउटपुट मिळू शकतात आणि समान प्रॉम्प्ट रन किंवा मॉडेलमध्ये भिन्न परिणाम देऊ शकतात. एजंटिक सिस्टीममध्ये, जेथे अनेक AI एजंट निर्णय घेण्यासाठी आणि कृती करण्यासाठी सहयोग करतात, टोकनचा वापर वाढतो आणि अगदी कमी अंदाज लावता येतो.

वाढता वापर, अनिश्चित बिले

अलिकडच्या वर्षांत टोकनच्या किमती झपाट्याने कमी झाल्या आहेत, तरीही एकूण वापर वाढत आहे. Goldman Sachs ने अंदाज वर्तवला आहे की 2026 आणि 2030 दरम्यान मासिक टोकन वापर 24 पटीने वाढू शकतो, कंपन्या AI एजंट्सकडे वळत असताना 120 चतुर्भुज टोकन्सपर्यंत पोहोचू शकतात. तथापि, बऱ्याच संस्थांना मर्यादा येईपर्यंत किंवा मोठी मासिक बिले मिळेपर्यंत ते किती टोकन बर्न करत आहेत याची केवळ अस्पष्ट कल्पना असते. अहवाल सूचित करतात की मायक्रोसॉफ्टने अभियंत्यांच्या काही तृतीय-पक्ष कोडिंग टूल्सच्या वापरावर अंकुश ठेवला आहे, तर Uber ने कथितपणे त्याचे वार्षिक AI कोडिंग टोकन बजेट काही महिन्यांतच संपवले आहे.

वर्कअराउंड आणि आगामी क्रॅकडाउन

काही लहान कंपन्या सध्या खर्च कमी ठेवण्यासाठी फ्लॅट-फी वैयक्तिक खात्यांवर अवलंबून असतात, ही पद्धत मोठ्या विक्रेते सध्या सहन करतात परंतु नफ्यासाठी भागधारकांच्या दबावाखाली टिकून राहण्याची शक्यता नाही. तज्ञ चेतावणी देतात की प्लॅटफॉर्म नफा शोधत असताना, ते प्रवेश घट्ट करतील आणि किंमत सुधारित करतील. अपव्यय टोकन वापर टाळण्यासाठी कंपन्यांना मॉडेल्स अधिक काळजीपूर्वक निवडण्याचे आणि अचूक प्रॉम्प्ट तयार करण्याचे आवाहन केले जात आहे.

ग्राहकांना खर्च पास करणे

उत्पादनांमध्ये AI एम्बेड करणाऱ्या सॉफ्टवेअर विक्रेत्यांसाठी, विकास, चाचणी, सुरक्षा आणि रेलिंगसाठी टोकन आवश्यक असल्याने खर्च लवकर वाढू शकतो. चर्चेत असलेल्या किंमतींच्या पर्यायांमध्ये बोर्डावरील किंमती वाढ, परिणामांसाठी पे-मॉडेल किंवा एकत्रित घटना पॅकेजेसचा समावेश आहे. तरीही प्रमुख LLM प्रदात्यांनी दर काही महिन्यांनी त्यांची स्वतःची किंमत बदलल्यास कोणतीही रचना विस्कळीत होण्याचा धोका असतो, ज्यामुळे ग्राहकांना बजेटिंगसाठी स्थिर आधार मिळत नाही.