AI ఖర్చులలో మిలియన్ల డాలర్లను ఆదా చేయడానికి Lindy, Claude స్థానంలో DeepSeekని ఎంచుకుంది

ఏజెంటిక్ (agentic) AI వ్యవస్థల యుగం భారీ మొత్తంలో టోకెన్లను వినియోగించడం ప్రారంభించడంతో, స్టార్టప్‌లు ఒక కఠినమైన వాస్తవతను ఎదుర్కొంటున్నాయి: మేధస్సు (intelligence) కోసం అయ్యే ఖర్చు, ఆదాయం కంటే వేగంగా పెరిగిపోవచ్చు. ఈ ఆర్థిక ఒత్తిడి నుండి తప్పుకోవడానికి, AI స్టార్టప్ Lindy, Anthropic యొక్క Claudeను పూర్తిగా వదిలివేసి, DeepSeek వైపు మొగ్గు చూపుతూ ఒక నిర్ణయాత్మక అడుగు వేసింది.

ఫ్రంటియర్ మోడల్స్ (Frontier Models) యొక్క అదుపులేని ఖర్చు

వేగంగా వృద్ధి చెందుతున్న అనేక AI స్టార్టప్‌లకు, లార్జ్ లాంగ్వేజ్ మోడల్స్ (LLMs) నడపడానికి అయ్యే ఖర్చు ఆర్థిక స్థితిస్థాపకతకు (solvency) ప్రధాన ముప్పుగా మారింది. కేవలం 25 మంది ఉద్యోగులతో నడుస్తున్న Lindy, తన AI కంప్యూట్ ఖర్చులు సిబ్బంది ఖర్చుల కంటే ఎక్కువగా ఉన్న పరిస్థితిని ఎదుర్కొంది. ఈ ఖర్చులు "అదుపు చేయలేనంతగా" (unsustainable) పెరిగిపోయాయని, ఇది వ్యాపార మనుగడకే ముప్పుగా పరిణమించిందని CEO Flo Crivello ఇటీవల CNBCకి వెల్లడించారు.

దీనిని ఎదుర్కోవడానికి, Lindy ఒక భారీ మార్పును (pivot) చేపట్టి, Claude ఎకోసిస్టమ్‌ను పూర్తిగా వదిలేసింది. భౌగోళిక రాజకీయ ఆందోళనలను తగ్గించడానికి అమెరికాలోని ఒక కంపెనీ ద్వారా అమెరికాలోనే హోస్ట్ చేయబడే DeepSeekకి మారడం వల్ల, స్టార్టప్ యొక్క ఖర్చు గణనీయంగా తగ్గి, మిలియన్ల డాలర్ల ఆదా జరిగింది.

ధర-పనితీరు సామర్థ్యం (Price-Performance Efficiency) పెరుగుదల

Lindy తీసుకున్న ఈ నిర్ణయం, కేవలం మోడల్ సామర్థ్యం కంటే "ధర-పనితీరు" (price-performance) ఆప్టిమైజేషన్ వైపు పరిశ్రమలో జరుగుతున్న విస్తృత మార్పును ప్రతిబింబిస్తుంది. Claude మరియు GPT-4 వంటి ఫ్రంటియర్ మోడల్స్ రీజనింగ్ (reasoning) విషయంలో అత్యుత్తమ ప్రమాణంగా ఉన్నప్పటికీ, అవి చాలా ఎక్కువ ధర కలిగి ఉంటాయి, ఇది వృద్ధి చెందుతున్న స్టార్టప్‌లకు భారంగా మారుతుంది.

పరిశ్రమ నిపుణులు కూడా ఈ మార్పును సమర్థిస్తున్నారు. Snowflake యొక్క CTO చేసిన ఇటీవలి విశ్లేషణ ప్రకారం, GLM-5.2 వంటి కొన్ని చైనీస్ మోడల్స్ ప్రతి బెంచ్‌మార్క్‌లో Claude కంటే మెరుగ్గా లేకపోయినప్పటికీ, అవి చాలా పోటీతత్వంతో ఉన్నాయి మరియు నిర్దిష్ట పనుల (task-specific) ధర-పనితీరు నిష్పత్తిలో తరచుగా విజయం సాధిస్తున్నాయి. కంపెనీలు ఏజెంటిక్ వర్క్‌ఫ్లోల (agentic workflows) వైపు మళ్లుతున్న కొద్దీ—అంటే AI ఏజెంట్లు స్వయంచాలకంగా బహుళ దశల పనులను చేసే విధానం—అవసరమయ్యే టోకెన్ల సంఖ్య పెరగడం వల్ల, అధిక ఖరీదైన మోడల్స్ ఆస్తుల కంటే భారంగా మారుతున్నాయి.

AI రంగం మరియు Anthropic పై ప్రభావం

ఈ పరిణామం Anthropic వంటి మోడల్ ప్రొవైడర్లకు ఒక హెచ్చరిక వంటిది. OpenAI యొక్క Sam Altman పేర్కొన్నట్లుగా, ఏజెంటిక్ వ్యవస్థల వైపు మళ్లడం వల్ల సంస్థలకు AI ఖర్చులు ఒక "పెద్ద సమస్యగా" మారుతున్నాయి. ఫ్రంటియర్ మోడల్ ప్రొవైడర్లు తమ ధరల విధానాలను సరిదిద్దకపోతే, మరింత సమర్థవంతమైన, ప్రత్యేకమైన లేదా తక్కువ ధర కలిగిన ప్రత్యామ్నాయాల వల్ల తమ మార్కెట్ వాటాను కోల్పోయే ప్రమాదం ఉంది.

DeepSeekని ఉపయోగించాలని తీసుకున్న నిర్ణయం శాశ్వతం కాదని Crivello పేర్కొన్నారు; ఒకవేళ Anthropic తన ధరలను గణనీయంగా తగ్గించినట్లయితే, మళ్ళీ అక్కడికే మారుతానని ఆయన చెప్పారు. ప్రస్తుతానికి, మేధస్సు (intelligence) కోసం అయ్యే ఖర్చు వ్యాపార వ్యూహంలో ఒక ప్రధాన అంశంగా మారుతున్న ఈ మార్కెట్‌లో, Lindy మరియు ఇతర స్టార్టప్‌ల ప్రాధాన్యత తమ కార్యకలాపాలను కొనసాగించడమే (operational survival).

ముఖ్య అంశాలు

  • ఖర్చు ఆధారిత మార్పు (Cost-Driven Migration): కంప్యూట్ ఖర్చులు సిబ్బంది ఖర్చుల కంటే పెరగకుండా ఉండటానికి, Lindy వంటి AI స్టార్టప్‌లు Claude వంటి ప్రీమియం మోడల్స్ నుండి DeepSeek వంటి తక్కువ ధర కలిగిన ప్రత్యామ్నాయాల వైపు మళ్లుతున్నాయి.
  • ఏజెంటిక్ టోకెన్ సంక్షోభం (The Agentic Token Crunch): భారీ మొత్తంలో టోకెన్ల వినియోగాన్ని కోరుకునే ఏజెంటిక్ AI వ్యవస్థల పెరుగుదల, అధిక ధర-పనితీరు సామర్థ్యం (price-performance efficiency) కోసం డిమాండ్‌ను పెంచుతోంది.
  • ప్రొవైడర్లపై మార్కెట్ ఒత్తిడి: డెవలపర్లు అత్యుత్తమ పనితీరు కంటే స్థిరమైన యూనిట్ ఎకనామిక్స్‌కు (sustainable unit economics) ప్రాధాన్యత ఇస్తున్నందున, ఫ్రంటియర్ మోడల్ కంపెనీలు ధరలను తగ్గించాలనే పెరుగుతున్న ఒత్తిడిని ఎదుర్కొంటున్నాయి.