Uber ने अपना पूरा AI कोडिंग बजट 4 महीनों में ही खत्म कर दिया

AI कोडिंग की लागत तेजी से बढ़ रही है।

Uber ने अप्रैल तक अपना पूरा 2026 Claude Code बजट खर्च कर दिया। उन्हें कर्मचारियों के खर्च को $1,500 प्रति माह तक सीमित करना पड़ा।

अन्य डेटा एक बड़े रुझान को दर्शाते हैं:

  • Gartner का कहना है कि 23% टेक लीडर्स टोकन पर प्रति डेवलपर हर महीने $200 से $500 खर्च करते हैं।
  • GitHub Copilot उपयोग-आधारित बिलिंग (usage-based billing) पर आ गया है।
  • शीर्ष कंपनियां AI पर प्रति कर्मचारी हर महीने $7,500 खर्च करती हैं।

समस्या सरल है। एजेंटिक वर्कफ़्लो (Agentic workflows) बहुत तेज़ी से टोकन का उपयोग करते हैं। यदि आप हर कार्य के लिए एक ही महंगे मॉडल का उपयोग करते हैं, तो आप पैसे बर्बाद करते हैं।

मैंने अपने स्वयं के खर्च में भी ऐसा होते देखा। मेरा AI कोडिंग बिल $10,000 प्रति माह तक पहुँच गया था।

मैं हर चीज़ के लिए Claude Opus का उपयोग करता था। मैंने इसका उपयोग कोड प्लानिंग, टेस्ट लिखने, फ़ाइलों को फॉर्मेट करने और वेरिएबल्स का नाम बदलने के लिए किया।

यह फर्नीचर हटाने के लिए एक सीनियर आर्किटेक्ट को काम पर रखने जैसा है। काम तो हो जाता है, लेकिन आप बहुत अधिक भुगतान करते हैं।

मैंने अपने उपयोग का विश्लेषण किया और एक पैटर्न पाया:

  • 15% कार्यों के लिए उच्च-स्तरीय तर्क (high-level reasoning) की आवश्यकता थी।
  • 25% कार्यों के लिए मिड-टियर क्षमता की आवश्यकता थी।
  • 60% कार्य यांत्रिक (mechanical) थे।

उस 60% काम के लिए फ्रंटियर मॉडल (frontier model) की आवश्यकता नहीं है। छोटे मॉडल इसे बहुत कम लागत में कर सकते हैं।

स्मार्ट टीमें कार्यों को सही मॉडल पर भेजती हैं:

  • टियर 1 (Frontier Models): इनका उपयोग आर्किटेक्चर, जटिल बग्स और सुरक्षा के लिए करें।
  • टियर 2 (Mid-Tier Models): इनका उपयोग फीचर इम्प्लीमेंटेशन और कोड रिव्यू के लिए करें।
  • टियर 3 (Fast/Cheap Models): इनका उपयोग फॉर्मेटिंग, डॉक्यूमेंटेशन और बॉयलरप्लेट (boilerplate) के लिए करें।

मैं इस तरीके पर आ गया। मेरा मासिक खर्च $10,000 से घटकर $3,000 हो गया। मेरे आउटपुट की गुणवत्ता वैसी ही रही।

शुरुआत कैसे करें:

  • एक सप्ताह के लिए अपने API प्रॉम्प्ट्स को लॉग करें।
  • कॉन्टेक्स्ट ब्लोट (context bloat) या अनावश्यक थिंकिंग लूप्स की तलाश करें।
  • सत्र (session) के बजाय कार्य (task) के आधार पर रूट करें। एक एकल वर्कफ़्लो को अलग-अलग चरणों में अलग-अलग मॉडल का उपयोग करना चाहिए।

AI के साथ जीत हासिल करने वाली कंपनियां केवल अधिक खर्च नहीं करती हैं। वे अधिक समझदारी से खर्च करती हैं। वे लागत कम रखने के लिए मॉडलों का मिश्रण (mix and match) करती हैं।

सरल कार्यों के लिए महंगे तर्क (reasoning) के लिए भुगतान करना बंद करें।

स्रोत: https://dev.to/aplomb2/uber-burned-through-its-entire-ai-coding-budget-in-4-months-heres-what-smart-teams-do-instead-2792

वैकल्पिक लर्निंग कम्युनिटी: https://t.me/GyaanSetuAi