AI செலவுகளில் மில்லியன் கணக்கான டாலர்களைச் சேமிக்க Lindy, Claude-க்கு பதிலாக DeepSeek-ஐத் தேர்ந்தெடுத்துள்ளது

ஏஜென்டிக் (agentic) AI அமைப்புகளின் காலம் மிகப்பெரிய அளவிலான டோக்கன்களைப் பயன்படுத்தத் தொடங்கியுள்ள நிலையில், ஸ்டார்ட்அப்கள் ஒரு கடுமையான யதார்த்தத்தை எதிர்கொள்கின்றன: அறிவாற்றலுக்கான செலவு (cost of intelligence), வருவாயை விட மிக வேகமாக அதிகரிக்கக்கூடும். இந்த பொருளாதார அழுத்தத்திலிருந்து தப்பிக்க, AI ஸ்டார்ட்அப் நிறுவனமான Lindy, Anthropic நிறுவனத்தின் Claude-ஐ முற்றிலும் கைவிட்டு, அதற்குப் பதிலாக DeepSeek-ஐப் பயன்படுத்தும் ஒரு முக்கிய முடிவை எடுத்துள்ளது.

முன்னணி மாடல்களின் (Frontier Models) நீடிக்க முடியாத செலவு

அதிக வளர்ச்சியடையும் பல AI ஸ்டார்ட்அப்களுக்கு, பெரிய மொழி மாதிரிகளை (LLMs) இயக்குவதற்கான செலவு, அவற்றின் நிதி நிலைத்தன்மைக்கு (solvency) ஒரு முதன்மையான அச்சுறுத்தலாக மாறியுள்ளது. வெறும் 25 ஊழியர்களைக் கொண்ட சிறிய குழுவாக இருக்கும் Lindy, தனது AI கணினிச் செலவுகள் (compute expenses) ஊழியர்களுக்கான செலவை விட அதிகமாக இருக்கும் நிலையை எட்டியது. இந்தச் செலவுகள் "நீடிக்க முடியாதவை" (unsustainable) என்றும், இது வணிகத்தின் உயிர்வாழ்வையே அச்சுறுத்துவதாகவும் CEO Flo Crivello சமீபத்தில் CNBC-யிடம் தெரிவித்தார்.

இதனைச் சமாளிக்க, Lindy தனது செயல்பாடுகளைப் பெரிய அளவில் மாற்றியமைத்து (pivot), Claude சூழலை (ecosystem) முற்றிலும் கைவிட்டது. புவிசார் அரசியல் கவலைகளைத் தவிர்க்க, அமெரிக்க மண்ணிலேயே ஒரு அமெரிக்க நிறுவனத்தால் ஹோஸ்ட் செய்யப்படும் DeepSeek-க்கு மாறியதன் மூலம், அந்த ஸ்டார்ட்அப் தனது செலவு விகிதத்தை "மிகக் கடுமையாகக் குறைத்துக்கொண்டது" (crash to the ground), இதன் மூலம் மில்லியன் கணக்கான டாலர்களைச் சேமித்துள்ளது.

விலை-செயல்திறன் திறனின் (Price-Performance Efficiency) எழுச்சி

Lindy-யின் இந்த நடவடிக்கை, வெறும் மாடல் திறனை விட "விலை-செயல்திறன்" (price-performance) மேம்பாட்டை நோக்கித் தொழில்துறையில் ஏற்பட்டுள்ள ஒரு பரந்த மாற்றத்தைப் பிரதிபலிக்கிறது. Claude மற்றும் GPT-4 போன்ற முன்னணி மாடல்கள் தர்க்கரீதியான சிந்தனைக்கு (reasoning) ஒரு தரமான அளவுகோலாக இருந்தாலும், அவை அதிக விலையுடையவை, இது வளர்ந்து வரும் ஸ்டார்ட்அப்கள் தொடர்ந்து பராமரிப்பதற்கு கடினமாக உள்ளது.

இந்த மாற்றத்தை தொழில்துறை வல்லுநர்கள் அங்கீகரிக்கத் தொடங்கியுள்ளனர். Snowflake நிறுவனத்தின் CTO செய்த சமீபத்திய ஆய்வில், GLM-5.2 போன்ற சில சீன மாடல்கள் அனைத்து அளவுகோல்களிலும் (benchmarks) Claude-ஐ விடச் சிறப்பாகச் செயல்படாமல் போகலாம் என்றாலும், அவை மிகவும் போட்டித்தன்மை வாய்ந்தவை மற்றும் குறிப்பிட்ட பணிகளுக்கான விலை-செயல்திறன் விகிதத்தில் பெரும்பாலும் வெற்றி பெறுகின்றன என்று குறிப்பிடப்பட்டுள்ளது. நிறுவனங்கள் ஏஜென்டிக் பணிப்பாய்வுகளை (agentic workflows) நோக்கி நகரும்போது—அதாவது AI ஏஜென்ட்கள் பல படிநிலைகளைக் கொண்ட பணிகளைத் தானாகவே செய்யும் போது—தேவைப்படும் டோக்கன்களின் அளவு மிக அதிகமாக இருப்பதால், அதிக செலவு கொண்ட மாடல்கள் ஒரு சொத்தாக இல்லாமல் சுமையாக மாறிவிடுகின்றன.

AI சூழல் மற்றும் Anthropic நிறுவனத்திற்கான தாக்கங்கள்

இந்த வளர்ச்சி Anthropic போன்ற மாடல் வழங்குநர்களுக்கு ஒரு எச்சரிக்கையாக அமைகிறது. OpenAI நிறுவனத்தின் Sam Altman ஒப்புக்கொண்டது போல, ஏஜென்டிக் அமைப்புகளுக்கான மாற்றம், நிறுவனங்களுக்கு AI செலவுகளை ஒரு "மிகப்பெரிய பிரச்சினையாக" (huge issue) மாற்றி வருகிறது. முன்னணி மாடல் வழங்குநர்கள் தங்களின் விலை அமைப்புகளைச் சரிசெய்யாவிட்டால், அதிக திறன் கொண்ட, சிறப்பு வாய்ந்த அல்லது மலிவான மாற்றுத் தேர்வுகளுக்குத் தங்கள் சந்தைப் பங்குகளை இழக்கும் அபாயம் உள்ளது.

DeepSeek-ஐப் பயன்படுத்துவதற்கான முடிவு நிரந்தரமானது அல்ல என்று Crivello குறிப்பிட்டார்; நிறுவனம் தனது விலைகளை கணிசமாகக் குறைத்தால் மீண்டும் Anthropic-க்கு மாறுவேன் என்றும் அவர் கூறினார். தற்போதைக்கு, அறிவாற்றலுக்கான செலவு வணிக உத்தியின் முக்கியத் தூணாக மாறிவரும் ஒரு சந்தையில், Lindy மற்றும் அது போன்ற ஸ்டார்ட்அப்களின் முன்னுரிமை தங்களின் செயல்பாட்டு உயிர்வாழ்வே (operational survival) ஆகும்.

முக்கியக் குறிப்புகள்

• செலவு சார்ந்த இடமாற்றம்: கணினிச் செலவுகள் ஊழியர்களுக்கான செலவை விட அதிகமாகாமல் தடுக்க, Lindy போன்ற AI ஸ்டார்ட்அப்கள் Claude போன்ற பிரீமியம் மாடல்களிலிருந்து DeepSeek போன்ற மலிவான மாற்றுத் தேர்வுகளுக்கு மாறி வருகின்றன.
• ஏஜென்டிக் டோக்கன் நெருக்கடி: மிகப்பெரிய அளவிலான டோக்கன் நுகர்வு தேவைப்படும் ஏஜென்டிக் AI அமைப்புகளின் எழுச்சி, அதிக விலை-செயல்திறன் திறனுக்கான தேவையைத் தூண்டுகிறது.
• வழங்குநர்கள் மீதான சந்தை அழுத்தம்: டெவலப்பர்கள் உச்சகட்ட செயல்திறனை விட நிலையான பொருளாதாரத் தன்மையை (sustainable unit economics) முன்னிறுத்துவதால், முன்னணி மாடல் நிறுவனங்கள் விலையைக் குறைக்க வேண்டிய அழுத்தத்தை எதிர்கொள்கின்றன.