AI लागत में लाखों की बचत करने के लिए Lindy ने Claude की जगह DeepSeek को चुना

जैसे-जैसे एजेंटिक (agentic) AI सिस्टम का युग भारी मात्रा में टोकन का उपयोग करना शुरू कर रहा है, स्टार्टअप्स एक कठोर वास्तविकता का सामना कर रहे हैं: बुद्धिमत्ता (intelligence) की लागत राजस्व (revenue) से कहीं अधिक तेजी से बढ़ सकती है। AI स्टार्टअप Lindy ने इस आर्थिक दबाव से बचने के लिए Anthropic के Claude को पूरी तरह से छोड़कर DeepSeek को अपनाने का एक निर्णायक कदम उठाया है।

फ्रंटियर मॉडल्स (Frontier Models) की अस्थिर लागत

कई उच्च-विकास वाले AI स्टार्टअप्स के लिए, लार्ज लैंग्वेज मॉडल्स (LLMs) चलाने का खर्च उनकी वित्तीय स्थिरता (solvency) के लिए एक प्राथमिक खतरा बन गया है। केवल 25 कर्मचारियों वाली एक छोटी टीम, Lindy, खुद को ऐसी स्थिति में पाया जहाँ उसके AI कंप्यूट खर्च वास्तव में उसके कर्मियों (personnel) के खर्चों से अधिक हो रहे थे। CEO Flo Crivello ने हाल ही में CNBC को बताया कि ये लागतें "अस्थिर" (unsustainable) हो गई थीं, जिससे व्यवसाय के अस्तित्व को खतरा पैदा हो गया था।

इससे निपटने के लिए, Lindy ने एक बड़ा बदलाव (pivot) किया और Claude इकोसिस्टम को पूरी तरह से छोड़ दिया। DeepSeek पर माइग्रेट करके—जिसे भू-राजनीतिक चिंताओं को कम करने के लिए अमेरिका में स्थित एक कंपनी द्वारा अमेरिकी धरती पर होस्ट किया गया है—स्टार्टअप ने अपनी लागत में भारी गिरावट देखी, जिसके परिणामस्वरूप लाखों डॉलर की बचत हुई।

प्राइस-परफॉर्मेंस एफिशिएंसी (Price-Performance Efficiency) का उदय

Lindy का यह कदम उद्योग में शुद्ध मॉडल क्षमता के बजाय "प्राइस-परफॉर्मेंस" अनुकूलन (optimization) की ओर एक व्यापक बदलाव को दर्शाता है। हालाँकि Claude और GPT-4 जैसे फ्रंटियर मॉडल्स रीजनिंग (reasoning) के लिए गोल्ड स्टैंडर्ड माने जाते हैं, लेकिन उनकी कीमत बहुत अधिक होती है जिसे बढ़ते हुए स्टार्टअप्स के लिए बनाए रखना कठिन होता है।

उद्योग विशेषज्ञ इस बदलाव की पुष्टि करने लगे हैं। Snowflake के CTO द्वारा किए गए एक हालिया विश्लेषण में कहा गया कि हालांकि कुछ चीनी मॉडल्स, जैसे कि GLM-5.2, हर बेंचमार्क में Claude से बेहतर प्रदर्शन नहीं कर सकते हैं, लेकिन वे अत्यधिक प्रतिस्पर्धी हैं और अक्सर कार्य-विशिष्ट प्राइस-परफॉर्मेंस अनुपात (price-performance ratio) में जीत जाते हैं। जैसे-जैसे कंपनियाँ एजेंटिक वर्कफ़्लो (agentic workflows) की ओर बढ़ रही हैं—जहाँ AI एजेंट स्वायत्त रूप से बहु-चरणीय कार्य करते हैं—आवश्यक टोकन की भारी मात्रा उच्च-लागत वाले मॉडल्स को संपत्ति के बजाय एक देनदारी (liability) बना देती है।

AI परिदृश्य और Anthropic के लिए निहितार्थ

यह घटनाक्रम Anthropic जैसे मॉडल प्रदाताओं के लिए एक चेतावनी की तरह है। जैसा कि OpenAI के Sam Altman ने स्वीकार किया है, एजेंटिक सिस्टम की ओर संक्रमण उद्यमों (enterprises) के लिए AI लागत को एक "बड़ी समस्या" बना रहा है। यदि फ्रंटियर मॉडल प्रदाता अपनी मूल्य निर्धारण संरचनाओं (pricing structures) को ठीक नहीं करते हैं, तो वे अधिक कुशल, विशिष्ट या किफायती विकल्पों को अपना महत्वपूर्ण बाजार हिस्सा खोने का जोखिम उठाते हैं।

Crivello ने उल्लेख किया कि DeepSeek का उपयोग करने का निर्णय आवश्यक रूप से स्थायी नहीं है; उन्होंने कहा कि यदि कंपनी अपनी कीमतों में महत्वपूर्ण कमी करती है, तो वह वापस Anthropic पर स्विच कर लेंगे। फिलहाल, Lindy और इसी तरह के स्टार्टअप्स के लिए प्राथमिकता परिचालन उत्तरजीविता (operational survival) है, एक ऐसे बाजार में जहाँ बुद्धिमत्ता की लागत व्यावसायिक रणनीति का एक केंद्रीय स्तंभ बनती जा रही है।

मुख्य बातें

• लागत-प्रेरित माइग्रेशन: Lindy जैसे AI स्टार्टअप कंप्यूट खर्चों को कर्मियों के खर्चों से अधिक होने से रोकने के लिए Claude जैसे प्रीमियम मॉडल्स से DeepSeek जैसे अधिक किफायती विकल्पों की ओर बढ़ रहे हैं।
• एजेंटिक टोकन संकट: एजेंटिक AI सिस्टम का उदय, जिसमें भारी मात्रा में टोकन की खपत होती है, उच्च प्राइस-परफॉर्मेंस एफिशिएंसी की मांग में तेजी ला रहा है।
• प्रदाताओं पर बाजार का दबाव: फ्रंटियर मॉडल कंपनियों को कीमतें कम करने के लिए बढ़ते दबाव का सामना करना पड़ रहा है क्योंकि डेवलपर्स पूर्ण शिखर प्रदर्शन (peak performance) के बजाय टिकाऊ यूनिट इकोनॉमिक्स (unit economics) को प्राथमिकता दे रहे हैं।