Lindy برای صرفه‌جویی میلیون‌ها دلار در هزینه‌های هوش مصنوعی، Claude را با DeepSeek جایگزین کرد

با آغاز عصر سیستم‌های هوش مصنوعی عامل‌محور (agentic AI) که مقادیر عظیمی از توکن‌ها را مصرف می‌کنند، استارتاپ‌ها با یک واقعیت تلخ روبرو هستند: هزینه هوش می‌تواند به سرعت از درآمد پیشی بگیرد. استارتاپ هوش مصنوعی Lindy برای بقا در برابر این فشار اقتصادی، با کنار گذاشتن کامل Claude متعلق به Anthropic و جایگزینی آن با DeepSeek، اقدامی قاطع انجام داده است.

هزینه‌های ناپایدار مدل‌های پیشرو

برای بسیاری از استارتاپ‌های هوش مصنوعی با رشد بالا، هزینه اجرای مدل‌های زبانی بزرگ (LLMs) به یک تهدید اصلی برای توان مالی آن‌ها تبدیل شده است. Lindy، که تیمی کوچک و چابک با تنها ۲۵ کارمند دارد، خود را در وضعیتی یافت که در آن هزینه‌های محاسباتی هوش مصنوعی از هزینه‌های پرسنلی‌اش نیز فراتر رفته بود. Flo Crivello، مدیرعامل شرکت، اخیراً در گفتگو با CNBC فاش کرد که این هزینه‌ها «ناپایدار» شده و بقای کسب‌وکار را تهدید می‌کند.

برای مقابله با این مشکل، Lindy یک چرخش (pivot) بزرگ انجام داد و اکوسیستم Claude را به طور کامل کنار گذاشت. این استارتاپ با مهاجرت به DeepSeek — که برای کاهش نگرانی‌های ژئوپلیتیک توسط یک شرکت مستقر در ایالات متحده و در خاک آمریکا میزبانی می‌شود — شاهد سقوط شدید منحنی هزینه‌های خود بود که منجر به صرفه‌جویی میلیون‌ها دلاری شد.

ظهور کارایی «قیمت به عملکرد»

حرکت Lindy نشان‌دهنده یک تغییر گسترده‌تر در صنعت به سمت بهینه‌سازی «قیمت به عملکرد» (price-performance) به جای تمرکز صرف بر توانمندی مدل است. در حالی که مدل‌های پیشرو مانند Claude و GPT-4 استاندارد طلایی برای استدلال محسوب می‌شوند، اما قیمت بسیار بالایی دارند که حفظ آن برای استارتاپ‌های در حال رشد دشوار است.

کارشناسان صنعت در حال تأیید این گذار هستند. تحلیل اخیر مدیر ارشد فناوری (CTO) شرکت Snowflake نشان داد که اگرچه برخی مدل‌های چینی مانند GLM-5.2 ممکن است در تمام بنچمارک‌ها لزوماً از Claude بهتر عمل نکنند، اما بسیار رقابتی هستند و اغلب در نسبت «قیمت به عملکرد» برای وظایف خاص، برتری دارند. با حرکت شرکت‌ها به سمت جریان‌های کاری عامل‌محور (agentic workflows) — که در آن عوامل هوش مصنوعی وظایف چندمرحله‌ای را به صورت خودکار انجام می‌دهند — حجم عظیم توکن‌های مورد نیاز، مدل‌های پرهزینه را به جای یک دارایی، به یک بار مالی تبدیل می‌کند.

پیامدها برای چشم‌انداز هوش مصنوعی و Anthropic

این تحول به عنوان یک هشدار برای ارائه‌دهندگان مدل مانند Anthropic عمل می‌کند. همان‌طور که Sam Altman از OpenAI اذعان کرده است، گذار به سیستم‌های عامل‌محور، هزینه‌های هوش مصنوعی را به یک «مسئله بزرگ» برای شرکت‌ها تبدیل کرده است. اگر ارائه‌دهندگان مدل‌های پیشرو به ساختار قیمت‌گذاری خود رسیدگی نکنند، با خطر از دست دادن سهم قابل توجهی از بازار به نفع جایگزین‌های کارآمدتر، تخصصی‌تر یا ارزان‌تر روبرو خواهند شد.

Crivello خاطرنشان کرد که تصمیم برای استفاده از DeepSeek لزوماً دائمی نیست؛ او اظهار داشت که اگر این شرکت قیمت‌های خود را به طور قابل توجهی کاهش دهد، دوباره به Anthropic باز خواهد گشت. در حال حاضر، اولویت Lindy و استارتاپ‌های مشابه، بقای عملیاتی در بازاری است که در آن هزینه هوش در حال تبدیل شدن به یکی از ستون‌های اصلی استراتژی کسب‌وکار است.

نکات کلیدی

• مهاجرت هزینه‌محور: استارتاپ‌های هوش مصنوعی مانند Lindy برای جلوگیری از فراتر رفتن هزینه‌های محاسباتی از هزینه‌های پرسنلی، از مدل‌های پرمیوم مانند Claude به سمت جایگزین‌های مقرون‌به‌صرفه‌تری مانند DeepSeek تغییر مسیر می‌دهند.
• بحران توکن در سیستم‌های عامل‌محور: ظهور سیستم‌های هوش مصنوعی عامل‌محور که نیاز به مصرف عظیم توکن دارند، باعث افزایش تقاضا برای کارایی بالای «قیمت به عملکرد» شده است.
• فشار بازار بر ارائه‌دهندگان: شرکت‌های تولیدکننده مدل‌های پیشرو با فشار فزاینده‌ای برای کاهش قیمت‌ها روبرو هستند، زیرا توسعه‌دهندگان اقتصاد واحد (unit economics) پایدار را بر عملکرد حداکثری مطلق اولویت می‌دهند.