کاهش ۷۵ درصدی قیمت DeepSeek؛ اما مشکل مصرف صد برابری عامل‌های هوشمند پابرجاست

مدل‌های هوش مصنوعی روز به روز ارزان‌تر می‌شوند، اما آیا این کاهش قیمت برای شرکت‌هایی که از عامل‌های هوشمند (AI Agents) استفاده می‌کنند، کافی است؟ گزارش‌ها نشان می‌دهد که پاسخ منفی است.

هزینه‌های پنهان عامل‌های هوشمند

شرکت DeepSeek اخیراً قیمت استفاده از مدل V4-Pro خود را تا ۷۵ درصد کاهش داد. با این حال، بسیاری از شرکت‌های توسعه‌دهنده متوجه شده‌اند که این افت قیمتِ چشمگیر، لزوماً به معنای افزایش سودآوری آن‌ها نیست. دلیل اصلی این موضوع به تفاوت ساختاری میان چت‌بات‌های ساده و عامل‌های هوشمند برمی‌گردد.

در یک چت‌بات معمولی، یک درخواست (Prompt) مستقیماً به یک پاسخ تبدیل می‌شود. اما در سیستم‌های مبتنی بر عامل هوشمند، همان یک درخواست آغازگر زنجیره‌ای از عملیات‌ها است: برنامه‌ریزی، جستجوی اطلاعات (Retrieval)، استفاده از ابزارها (Tool use)، اعتبارسنجی و تصمیم‌گیری‌های متوالی. هر کدام از این مراحل، توکن‌های مجزایی مصرف می‌کنند که هزینه‌ی نهایی را به شدت بالا می‌برد.

چالش ۱۰۰ برابری

نشریه VentureBeat از این معضل با عنوان «مشکل ۱۰۰ برابری» (The 100x Problem) یاد می‌کند. به این معنا که یک درخواستِ ظاهراً ساده از سمت کاربر، وقتی توسط یک گردش‌کارِ عامل‌محور (Agentic Workflow) پردازش می‌شود، هزینه‌ای بسیار بیشتر از یک پاسخ چت‌بات معمولی روی دست شرکت‌ها می‌گذارد.

در نتیجه، کاهش مداوم قیمتِ پایه‌ی مدل‌های زبانی نمی‌تواند این مشکل معماری را به تنهایی حل کند و فرضیه‌ی اینکه «هزینه‌ی پردازش و استنتاج (Inference) به زودی به صفر میل می‌کند» در عمل، به دلیل افزایش تصاعدی مصرف توکن در عامل‌های هوشمند، زیر سوال رفته است.

منبع: VentureBeat