Uber Menghabiskan Seluruh Bajet Pengkodan AI dalam Masa 4 Bulan

Kos pengkodan AI meningkat dengan pantas.

Uber telah menghabiskan seluruh bajet Claude Code 2026 mereka menjelang April. Mereka terpaksa mengehadkan perbelanjaan pekerja kepada $1,500 sebulan.

Data lain menunjukkan trend yang besar:

  • Gartner menyatakan 23% pemimpin teknologi membelanjakan $200 hingga $500 bagi setiap pembangun setiap bulan untuk token.
  • GitHub Copilot telah beralih kepada pengebilan berasaskan penggunaan.
  • Firma terkemuka membelanjakan $7,500 bagi setiap pekerja setiap bulan untuk AI.

Masalahnya mudah. Aliran kerja ejen (agentic workflows) menggunakan token terlalu cepat. Jika anda menggunakan satu model mahal untuk setiap tugasan, anda membazir wang.

Saya melihat perkara ini berlaku dengan perbelanjaan saya sendiri. Bil pengkodan AI saya mencecah $10,000 sebulan.

Saya menggunakan Claude Opus untuk segalanya. Saya menggunakannya untuk perancangan kod, menulis ujian, memformat fail, dan menamakan semula pemboleh ubah.

Ini ibarat mengupah arkitek kanan untuk mengalih perabot. Kerja selesai, tetapi anda membayar terlalu mahal.

Saya menganalisis penggunaan saya dan menemui satu corak:

  • 15% tugasan memerlukan penaakulan tahap tinggi.
  • 25% tugasan memerlukan keupayaan tahap pertengahan.
  • 60% tugasan bersifat mekanikal.

60% kerja tersebut tidak memerlukan model perintis (frontier model). Model kecil boleh melakukannya dengan kos yang jauh lebih rendah.

Pasukan yang bijak mengarahkan tugasan kepada model yang betul:

  • Tahap 1 (Frontier Models): Gunakan ini untuk seni bina, pepijat kompleks, dan keselamatan.
  • Tahap 2 (Mid-Tier Models): Gunakan ini untuk pelaksanaan ciri dan semakan kod.
  • Tahap 3 (Fast/Cheap Models): Gunakan ini untuk pemformatan, dokumentasi, dan kod templat (boilerplate).

Saya beralih kepada kaedah ini. Perbelanjaan bulanan saya turun daripada $10,000 kepada $3,000. Kualiti output saya kekal sama.

Cara untuk bermula:

  • Logkan prom API anda selama seminggu.
  • Cari isu pengembangan konteks (context bloat) atau gelung pemikiran yang tidak perlu.
  • Arahkan mengikut tugasan, bukan mengikut sesi. Satu aliran kerja harus menggunakan model yang berbeza pada langkah yang berbeza.

Syarikat yang berjaya dengan AI bukan sekadar berbelanja lebih. Mereka berbelanja dengan lebih bijak. Mereka mencampur dan memadankan model untuk mengekalkan kos yang rendah.

Berhenti membayar untuk penaakulan mahal bagi tugasan yang mudah.

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

Komuniti pembelajaran pilihan: https://t.me/GyaanSetuAi