DeepSeek ने कीमतें 75% कम कीं। AI लागतें अभी भी बढ़ रही हैं।
सस्ते AI मॉडल के लिए माना जाता था कि AI व्यवसायों को अधिक लाभदायक बनाएंगे। टोकन एम्प्लिफिकेशन नामक एक छिपी हुई समस्या इसके विपरीत कर रही है।
मुख्य बिंदु
- DeepSeek ने 2025 के मध्य में अपने V4-Pro बड़े भाषा मॉडल की कीमत में 75% की कटौती की, लेकिन कई व्यावसायिक ग्राहकों का कहना है कि उनके AI बिल अभी भी बढ़ रहे हैं।
- एक AI एजेंट द्वारा संभाली गई एक उपयोगकर्ता अनुरोध, ऐसा सॉफ्टवेयर जो स्वयं बहु-चरणीय कार्य करता है, 35,000 या अधिक बिल योग्य पाठ इकाइयों को ट्रिगर कर सकता है, जिन्हें टोकन कहा जाता है, जहां एक मूल चैटबॉट कुछ सौ को ट्रिगर करेगा।
- एक प्रमुख मॉडल पर एक यथार्थवादी एंटरप्राइज क्वेरी की लागत $0.10 से $0.40 के बीच है; प्रति माह एक मिलियन क्वेरी पर, यह किसी भी अन्य खर्च से पहले छह अंकों की पंक्ति वस्तु है।
- कई एंटरप्राइज सॉफ्टवेयर विक्रेताओं को अपने सबसे भारी AI उपयोगकर्ताओं पर नकारात्मक सकल मार्जिन दिखाई दे रहे हैं, जिसका मतलब है कि वे ग्राहकों को जो भुगतान करते हैं उससे अधिक खर्च करते हैं।
- OpenAI ने हाल ही में Y Combinator एक्सेलेरेटर में हर स्टार्टअप को $2 मिलियन की मुफ्त API क्रेडिट की पेशकश की, जो यह संकेत देता है कि शुरुआत से एक AI-मूल उत्पाद बनाना कितना महंगा है।
DeepSeek, चीनी AI लैब, ने इस साल की शुरुआत में अपने V4-Pro मॉडल की लागत में 75% की कटौती की। AI उत्पाद बनाने वाली कंपनियों के लिए, यह वेतन वृद्धि की तरह महसूस होना चाहिए था। कई के लिए, इसने सुई को मुश्किल से हिलाया है।
कारण इस बात में है कि आधुनिक AI सिस्टम वास्तव में कैसे बनाए जाते हैं।
एक मूल चैटबॉट सरल है: उपयोगकर्ता से एक प्रश्न, मॉडल से एक उत्तर। एक AI एजेंट अलग है। यह सॉफ्टवेयर है जो एक उपयोगकर्ता अनुरोध को कई छोटे चरणों में विभाजित करता है, योजना बनाता है कि क्या करना है, जानकारी खोजता है, उपकरण का उपयोग करता है, अपने काम की जांच करता है, फिर अंतिम उत्तर लिखता है। उपयोगकर्ता एक प्रतिक्रिया देखता है। विक्रेता बीच के हर चरण के लिए भुगतान करता है।
उपयोगकर्ता जो देखता है और विक्रेता जो भुगतान करता है के बीच का अंतर अब 100x समस्या कहलाता है। एक चैटबॉट पर कुछ सेंट की लागत वाली क्वेरी एक एजेंट सिस्टम पर कभी-कभी डॉलर की लागत हो सकती है, कभी-कभी बहुत अधिक।
यहाँ एक ठोस उदाहरण है। एक उपयोगकर्ता टाइप करता है: "पिछले हफ्ते हमारे शीर्ष ग्राहक ने क्या पूछा था?" सरल प्रश्न। लेकिन एक विशिष्ट एजेंट इसका उत्तर देने के लिए सात अलग-अलग बिल किए गए संचालन को छूता है: उपयोगकर्ता के संदेश को पढ़ना, इसके निर्देश और उपकरण सूची लोड करना, प्रासंगिक रिकॉर्ड खींचना, कौन सा उपकरण उपयोग करना है यह चुनना, वह उपकरण चलाना, परिणामों को सारांशित करना, और यह तय करना कि क्या अनुवर्ती पूछना है। साथ में, ये चरण लगभग 35,000 टोकन बिल करते हैं। टोकन पाठ के छोटे टुकड़े हैं, आमतौर पर कुछ वर्ण प्रत्येक, जो AI मॉडल गिनते और चार्ज करते हैं।
एक सीमावर्ती मॉडल पर वर्तमान कीमतों पर, वह एक क्वेरी $0.10 से $0.40 की लागत करता है। प्रति माह एक मिलियन क्वेरी में, किसी भी व्यावसायिक सॉफ्टवेयर सुविधा के लिए एक विशिष्ट लक्ष्य, बिल छह अंकों में आता है।
यह साधारण सॉफ्टवेयर ग्राहकों के लिए क्यों मायने रखता है?
यह मायने रखता है क्योंकि व्यावसायिक सॉफ्टवेयर के लिए मानक मूल्य निर्धारण मॉडल इस दबाव के तहत टूट जाता है। अधिकांश AI सॉफ्टवेयर आज प्रति-सीट, प्रति-माह के आधार पर बेचा जाता है, जिसका मतलब है कि एक कंपनी उपकरण का उपयोग करने वाले प्रत्येक कर्मचारी के लिए एक निश्चित शुल्क का भुगतान करती है। यदि प्रति उपयोगकर्ता लागत अनुमानित रहती है तो यह ठीक काम करता है। टोकन एम्प्लिफिकेशन भविष्यवाणी को नष्ट करता है।
एक पावर उपयोगकर्ता $40-प्रति-माह योजना पर प्रति दिन 50 से 100 एजेंट कार्य चलाता है जो विक्रेता को AI प्रसंस्करण में उस योजना द्वारा एकत्रित राजस्व से अधिक खर्च कर सकता है। विक्रेता अपने सर्वश्रेष्ठ ग्राहकों पर पैसा खो देता है। यह विरोधाभास है जो, जैसा कि VentureBeat ने इस सप्ताह बताया, वास्तविक कंपनी खातों में दिखाई दे रहा है।
Salesforce का Agentforce उत्पाद सबसे सार्वजनिक उदाहरण है। मार्केटिंग जो दिखाता है और ग्राहकों को वास्तव में क्या भेजा जा रहा है के बीच एक अंतर खुल गया है। इस तरह का अंतर तब दिखाई देता है जब एक सुविधा तकनीकी रूप से संभव होती है लेकिन सदस्यता के अर्थ वाली कीमत पर वितरित करने के लिए बहुत महंगी होती है।
Nvidia VP Bryan Catanzaro ने इसे स्पष्ट रूप से कहा: "मेरी टीम के लिए, गणना की लागत कर्मचारियों की लागत से बहुत अधिक है।"
समाधान मौजूद हैं। विक्रेताएं सस्ते क्वेरीज को छोटे, सस्ते मॉडल में रूट कर सकते हैं और अनुमान बिलों पर लगभग 60% बचा सकते हैं। वे कैश कर सकते हैं, जिसका मतलब है दोबारा उपयोग, दोहराए जाने वाले निर्देशों को ताकि मॉडल हर कॉल पर उन्हें शुरुआत से दोबारा न पढ़े। वे हर चरण में मॉडल को पारित की गई जानकारी को ट्रिम कर सकते हैं। ये सभी विदेशी नहीं हैं। ये सभी AI लागत को एक मूल इंजीनियरिंग प्राथमिकता के रूप में, एक सोच-समझकर नहीं, मानने की आवश्यकता है।
व्यावसायिक सॉफ्टवेयर के उपयोगकर्ताओं के लिए, व्यावहारिक संकेत यह है: यदि आपकी कंपनी जिस AI सुविधा के लिए भुगतान करती है वह डेमो द्वारा वादा किए जाने से कम सक्षम लगती है, तो मूल्य निर्धारण दबाव एक संभावित व्याख्या है। अपने विक्रेता से पूछें कि वे एजेंट उपयोग को कैसे मापते हैं और क्या भारी उपयोग अतिरिक्त शुल्क को ट्रिगर करता है। ईमानदार लोगों के पास तैयार उत्तर होगा।
