ടീമിന്റെ ടോക്കൺ ചെലവ് എങ്ങനെ ട്രാക്ക് ചെയ്യാം, എങ്ങനെ നിയന്ത്രിക്കാം

ടീമുകൾക്ക് ഡാഷ്ബോർഡുകളിലും റിപ്പോർട്ടുകളിലും തങ്ങളുടെ ടോക്കൺ ഉപയോഗം എങ്ങനെ കാണാം, ഏതെല്ലാം തരം AI ജോലികളാണ് ഏറ്റവും കൂടുതൽ ടോക്കണുകൾ ഉപയോഗിക്കുന്നത്, അത് കുറയ്ക്കാൻ നിയന്ത്രണങ്ങൾ എങ്ങനെ ഉപയോഗിക്കാം എന്നിവ.

Perplexity Organization credits and usage page showing available org credits, auto-refill status, and a list of credit grants with dates and amounts

എന്താണ് ടോക്കൺ ചെലവ്

ഒരു ടീം AI ഉപയോഗിച്ച് ഉപഭോഗം ചെയ്യുന്ന ടോക്കണുകളുടെ എണ്ണവും ആ ടോക്കണുകൾക്ക് വരുന്ന ചെലവുമാണ് ടോക്കൺ ചെലവ്. ഒരു AI മോഡൽ വായിക്കുകയോ എഴുതുകയോ ചെയ്യുന്ന ഒരു വാക്ക്, വാക്കിന്റെ ഭാഗം, അല്ലെങ്കിൽ വിരാമചിഹ്നം പോലുള്ള ടെക്സ്റ്റിന്റെ ഒരു യൂണിറ്റാണ് ടോക്കൺ. ഇംഗ്ലീഷിൽ, 1 ടോക്കൺ ഏകദേശം 4 പ്രതീകങ്ങളാണ്. ടോക്കണുകൾ എല്ലാ മോഡലുകളിലും ദാതാക്കളിലും ഏകീകൃതമല്ല, അതിനാൽ ഒരേ ടെക്സ്റ്റിന് വ്യത്യസ്ത ടൂളുകളിൽ വ്യത്യസ്ത ടോക്കൺ എണ്ണം വന്നേക്കാം.

ഉപയോഗ റിപ്പോർട്ടുകൾ സാധാരണയായി ടോക്കണുകളെ ഏതാനും തരങ്ങളായി തിരിക്കുന്നു:

  • ഒരു അഭ്യർത്ഥനയ്ക്കായി മോഡൽ വായിക്കുന്നതെല്ലാം ഇൻപുട്ട് ടോക്കണുകളാണ്. ചോദ്യം, അറ്റാച്ച് ചെയ്ത ടെക്സ്റ്റ്, അതേ ത്രെഡിൽ മുമ്പുണ്ടായതിൽ നിന്ന് മോഡൽ വീണ്ടും ഉപയോഗിക്കുന്ന സംഭാഷണ ചരിത്രം എന്നിവയെല്ലാം ഇതിൽ ഉൾപ്പെടുന്നു.
  • മോഡൽ എഴുതുന്ന പ്രതികരണമാണ് ഔട്ട്പുട്ട് ടോക്കണുകൾ. ഇവയ്ക്ക് പലപ്പോഴും ഇൻപുട്ട് ടോക്കണുകളേക്കാൾ ചെലവ് കൂടുതലാണ്. Perplexity-യുടെ API വിലനിർണ്ണയത്തിൽ, ചില മോഡലുകൾ ഔട്ട്പുട്ടിന് ആറിരട്ടി നിരക്ക് ഈടാക്കുന്നു.
  • ഉത്തരം നൽകുന്നതിന് മുമ്പ് ഒരു പ്രശ്നം പരിഹരിക്കാൻ മോഡൽ ആന്തരികമായി സൃഷ്ടിക്കുന്ന ടെക്സ്റ്റാണ് റീസണിംഗ് ടോക്കണുകൾ. ഇവ ഉത്തരത്തിൽ ദൃശ്യമാകാത്തതിനാൽ, ദൃശ്യമാകുന്ന പ്രതികരണം ദൈർഘ്യമേറിയതാണെന്നത് മോഡൽ മൊത്തത്തിൽ കൂടുതൽ ടോക്കണുകൾ ഉപയോഗിച്ചു എന്ന് അർത്ഥമാക്കണമെന്നില്ല.

സബ്സ്ക്രിപ്ഷനിൽ AI ടൂളുകൾ ഉപയോഗിക്കുന്ന ടീമുകൾ ഓരോ ടോക്കണിനുമുള്ള നിരക്ക് അപൂർവമായേ കാണാറുള്ളൂ. എന്നിരുന്നാലും, അവർക്ക് ലഭിക്കുന്നതിനെ ടോക്കണുകൾ സ്വാധീനിക്കുന്നു, കാരണം ഭാരമേറിയ ടാസ്കുകൾ ക്രെഡിറ്റുകൾ വേഗത്തിൽ തീർക്കുകയോ ഉപയോഗ പരിധികളിൽ നേരത്തെ എത്തുകയോ ചെയ്യുന്നു. ഒരു AI മോഡലിൽ സ്വന്തം ടൂളുകൾ നിർമ്മിക്കുന്ന ടീമുകൾ ആകട്ടെ, സാധാരണയായി ഉപയോഗാധിഷ്ഠിത വിലനിർണ്ണയത്തിന് കീഴിൽ ഓരോ ടോക്കണിനും പണം നൽകുന്നു.

ടോക്കൺ ചെലവ് എങ്ങനെ ട്രാക്ക് ചെയ്യാം

സബ്സ്ക്രിപ്ഷൻ പ്ലാനിൽ ടോക്കൺ ചെലവ് ട്രാക്ക് ചെയ്യൽ

സബ്സ്ക്രിപ്ഷൻ ടൂളുകൾ സാധാരണയായി ടോക്കൺ എണ്ണം കാണിക്കാറില്ല. പകരം, പല പ്ലാനുകളും ക്രെഡിറ്റുകൾ ഉപയോഗിക്കുന്നു: ജോലി പൂർത്തിയാകുന്നതിനനുസരിച്ച് പ്ലാനിൽ നിന്ന് കുറയുന്ന, മുൻകൂട്ടി പണമടച്ച യൂണിറ്റുകളാണിവ. ക്രെഡിറ്റുകൾ ടോക്കണുകൾക്ക് തുല്യമല്ല, കാരണം ഒരു ക്രെഡിറ്റിൽ ടെക്സ്റ്റ്, ചിത്രങ്ങൾ, അല്ലെങ്കിൽ മറ്റ് ജോലികൾ ഉൾപ്പെടാം. എന്നാൽ കൂടുതൽ ടോക്കണുകൾ ഉപയോഗിക്കുന്ന ടാസ്കുകൾ സാധാരണയായി കൂടുതൽ ക്രെഡിറ്റുകളും ഉപയോഗിക്കുന്നു, അതിനാൽ സബ്സ്ക്രിപ്ഷനിലെ ടോക്കൺ ചെലവ് മനസ്സിലാക്കാനുള്ള ഏറ്റവും മികച്ച സൂചകം ക്രെഡിറ്റുകളാണ്. ഉപയോക്താക്കൾക്ക് സ്വന്തം ക്രെഡിറ്റ് ഉപയോഗം ട്രാക്ക് ചെയ്യാം, ചില പ്ലാനുകളിൽ മുഴുവൻ ടീമിന്റെയും ക്രെഡിറ്റ് ഉപയോഗം കാണിക്കുന്ന ഒരു അഡ്മിൻ ഡാഷ്ബോർഡും ഉണ്ടാകും.

ഉദാഹരണത്തിന്, Perplexity-യിൽ സാധാരണ തിരയലുകൾക്ക് ക്രെഡിറ്റുകൾ ആവശ്യമില്ല. ഒന്നിലധികം ഘട്ടങ്ങളുള്ള ടാസ്കുകൾ കൈകാര്യം ചെയ്യുന്ന അസിസ്റ്റന്റായ Perplexity Computer മാത്രമാണ് അവ ഉപയോഗിക്കുന്നത്. Computer ഉപയോഗിക്കുന്നവർക്ക് തങ്ങൾ എത്ര ക്രെഡിറ്റുകൾ ഉപയോഗിച്ചു എന്നും എന്തിനെല്ലാമാണ് അവ ഉപയോഗിച്ചതെന്നും കാണാനാകും. ഓരോ Computer ടാസ്കിന്റെയും മൊത്തം ക്രെഡിറ്റ് അതിന്റെ സംഭാഷണത്തിലെ "ഉപയോഗം" മെനുവിലും കാണിക്കുന്നു.

Enterprise പ്ലാനുകളിൽ, എത്ര പേർ Perplexity ഉപയോഗിക്കുന്നുവെന്നും അവർ ഓരോ ആഴ്ചയും എത്ര ചോദ്യങ്ങൾ നടത്തുന്നുവെന്നും അഡ്മിനിസ്ട്രേറ്റർമാർക്ക് Insights ഡാഷ്ബോർഡിൽ കാണാനാകും (50-ഓ അതിൽ കൂടുതലോ സീറ്റുകളുള്ള, അല്ലെങ്കിൽ കുറഞ്ഞത് ഒരു Enterprise Max അംഗമെങ്കിലുമുള്ള ഓർഗനൈസേഷനുകൾക്ക് ലഭ്യമാണ്).

API ഉപയോഗ റിപ്പോർട്ടുകളിൽ ടോക്കൺ ചെലവ് ട്രാക്ക് ചെയ്യൽ

API ദാതാവിന്റെ ഉപയോഗ റിപ്പോർട്ടുകൾ ടോക്കൺ എണ്ണം നേരിട്ട് കാണിക്കുന്നു, സാധാരണയായി ടോക്കണിന്റെ തരം അനുസരിച്ച് വേർതിരിച്ച്. ഉദാഹരണത്തിന്, Perplexity-യുടെ API Platform കൺസോളിലെ ബില്ലിംഗ് പേജിൽ ഇൻപുട്ട്, ഔട്ട്പുട്ട്, റീസണിംഗ് ടോക്കൺ ചെലവ് പോലുള്ള മെട്രിക്കുകൾ ഉപയോക്താക്കൾക്ക് ട്രാക്ക് ചെയ്യാനാകും.

ടോക്കൺ ചെലവ് വർദ്ധിക്കുന്നത് എന്തുകൊണ്ട്

ഏജന്റുകൾ ഓരോ ടാസ്കിനും നിരവധി ഘട്ടങ്ങൾ പ്രവർത്തിപ്പിക്കുന്നു, ഓരോ ഘട്ടവും ഒരു മോഡലിലേക്കുള്ള പ്രത്യേക അഭ്യർത്ഥനയാണ്. ഒരൊറ്റ ടാസ്കിൽത്തന്നെ ലക്ഷക്കണക്കിനോ ദശലക്ഷക്കണക്കിനോ പോലും ടോക്കണുകൾ ചെലവാകാം.

റീസണിംഗ് മോഡലുകളും കൂടുതൽ പ്രചാരത്തിലാകുകയാണ്. ഒരു റീസണിംഗ് മോഡൽ ഉത്തരം നൽകുന്നതിന് മുമ്പ് അതിന്റെ ചിന്താപ്രക്രിയ എഴുതുന്നു, അതിലെ ഓരോ വാക്കും ടോക്കണുകളായി കണക്കാക്കപ്പെടുന്നു. അതിനാൽ, സ്ക്രീനിലെ ഉത്തരത്തിന് ഒരേ ദൈർഘ്യമാണെന്ന് തോന്നിയാലും, ഒരേ അഭ്യർത്ഥന ഒരു സാധാരണ മോഡലിനേക്കാൾ റീസണിംഗ് മോഡലിൽ സാധാരണയായി കൂടുതൽ ടോക്കണുകൾ ഉപയോഗിക്കുന്നു.

അവസാനമായി, കൂടുതൽ ആളുകളും വർക്ക്ഫ്ലോകളും പൊതുവെ AI ഉപയോഗിക്കുന്നതോടെ ടോക്കൺ ഉപയോഗം വർദ്ധിക്കുന്നു. ഈ വളർച്ചയുടെ ഒരു ഭാഗം ടോക്കൺമാക്സിംഗിൽ (tokenmaxxing) നിന്നും വരുന്നു: തങ്ങളുടെ വ്യക്തിഗത ടോക്കൺ എണ്ണം കൂട്ടാനും ആന്തരിക ടോക്കൺ ലീഡർബോർഡുകളിൽ ഉയർന്ന റാങ്ക് നേടാനും വേണ്ടി പ്രധാനമായും എഞ്ചിനീയർമാർ ഏജന്റുകൾ പ്രവർത്തിപ്പിക്കുന്ന രീതിയാണിത്.

ടോക്കൺ ചെലവ് എങ്ങനെ കുറയ്ക്കാം

ഉയർന്ന ടോക്കൺ ചെലവിന്റെ ഭൂരിഭാഗവും, കാഴ്ചയിൽ തോന്നുന്നതിനേക്കാൾ കൂടുതൽ ടോക്കണുകൾ ഉപയോഗിക്കുന്ന ഏതാനും തരം ജോലികളിൽ നിന്നാണ് വരുന്നത്.

ദൈർഘ്യമേറിയ സംഭാഷണങ്ങളും ഏജന്റ് ടാസ്കുകളും

ഓരോ തവണ മറുപടി നൽകുമ്പോഴും, മോഡൽ സാധാരണയായി ഇതുവരെയുള്ള മുഴുവൻ സംഭാഷണവും വീണ്ടും വായിക്കുന്നു. ഓരോ പുതിയ അഭ്യർത്ഥനയിലും മുമ്പത്തെ മുഴുവൻ സംഭാഷണ ചരിത്രവും നിലവിലെ ഉപയോക്തൃ സന്ദേശവും ഉൾപ്പെടുന്നു. അതിനാൽ, ഒരു നീണ്ട ത്രെഡിന്റെ അവസാനഘട്ടത്തിൽ ചോദിക്കുന്ന ഒരു ചെറിയ ചോദ്യം, പുതിയ ത്രെഡിൽ ചോദിക്കുന്ന അതേ ചോദ്യത്തേക്കാൾ കൂടുതൽ ടോക്കണുകൾ ഉപയോഗിക്കുന്നു. ഏജന്റ് ടാസ്കുകളും ഇതേ രീതിയിലാണ് പ്രവർത്തിക്കുന്നത്, കാരണം ഓരോ ഘട്ടവും അതിന്റെ ഫലങ്ങൾ അടുത്ത ഘട്ടം വീണ്ടും വായിക്കുന്ന ചരിത്രത്തിലേക്ക് ചേർക്കുന്നു.

ഇതിന് എന്ത് ചെയ്യാം

  • വിഷയം മാറുമ്പോൾ ഒരു പുതിയ സംഭാഷണം ആരംഭിക്കുക. പഴയ ത്രെഡിൽ നിന്ന് മോഡലിന് ഇപ്പോഴും ആവശ്യമുള്ള കാര്യങ്ങളുടെ രണ്ടോ മൂന്നോ വരി സംഗ്രഹത്തോടെ അത് തുടങ്ങുക.
  • ദൈർഘ്യമേറിയ ഏജന്റ് ടാസ്കുകളെ ചെറിയവയായി വിഭജിക്കുക. ഓരോ ഭാഗവും ഒരു പ്രത്യേക ടാസ്കായി പ്രവർത്തിപ്പിക്കുക, അടുത്ത ഭാഗത്തിന് ആവശ്യമുള്ള ഫലങ്ങൾ മാത്രം കൈമാറുക.
  • ടീമിന്റെ ഏജന്റ് ടൂളുകൾ കോൺടെക്സ്റ്റ് കോംപാക്ഷൻ ഉപയോഗിക്കുന്നുണ്ടോ എന്ന് പരിശോധിക്കുക. മോഡലിന് കുറച്ച് മാത്രം വീണ്ടും വായിക്കേണ്ടി വരുന്നതിനായി, കോംപാക്ഷൻ ഒരു ടാസ്കിന്റെ പഴയ ഭാഗങ്ങൾ സ്വയമേവ സംഗ്രഹിക്കുന്നു. ഒരു ടൂൾ ഇത് ഒരു ക്രമീകരണമായി നൽകുന്നുണ്ടെങ്കിൽ, അത് ഓണാക്കുക.

ഒരേ ഡോക്യുമെന്റുകൾ വീണ്ടും വീണ്ടും പ്രോസസ്സ് ചെയ്യുന്നത്

ഒരു പോളിസി ഹാൻഡ്ബുക്ക് അല്ലെങ്കിൽ ഉൽപ്പന്ന കാറ്റലോഗ് പോലുള്ള ഒരേ നീണ്ട ഫയൽ ആരെങ്കിലും നിരവധി പ്രത്യേക ചോദ്യങ്ങളിൽ അറ്റാച്ച് ചെയ്യുമ്പോൾ, മോഡൽ ഓരോ തവണയും മുഴുവൻ ഫയലും വായിക്കുന്നു. ഓരോ വായനയും ഇൻപുട്ട് ടോക്കണുകളായി കണക്കാക്കപ്പെടുന്നു.

ഇതിന് എന്ത് ചെയ്യാം

  • മുഴുവൻ ഫയലും അറ്റാച്ച് ചെയ്യുന്നതിന് പകരം, ഹാൻഡ്ബുക്കിന്റെയോ കാറ്റലോഗിന്റെയോ പ്രസക്തമായ ഭാഗം മാത്രം അഭ്യർത്ഥനയിലേക്ക് പകർത്താൻ ഉപയോക്താക്കളെ പരിശീലിപ്പിക്കുക.
  • ടീം പതിവായി ഉപയോഗിക്കുന്ന ഡോക്യുമെന്റുകളുടെ ഒരു ചുരുക്കരൂപം തയ്യാറാക്കുക. പതിവ് ചോദ്യങ്ങളിൽ, ഒരു നീണ്ട പോളിസിയുടെ ഒരു പേജ് സംഗ്രഹം മുഴുവൻ ഡോക്യുമെന്റിനും പകരമായി ഉപയോഗിക്കാം.

വീണ്ടും ശ്രമിക്കലുകളും ലൂപ്പുകളും

ലഭിച്ച ഉത്തരം ആവശ്യമുള്ളതല്ലാത്തതിനാൽ ആരെങ്കിലും ടാസ്ക് വീണ്ടും പ്രവർത്തിപ്പിക്കുമ്പോൾ, ഓരോ ശ്രമവും ടോക്കണുകൾ ഉപയോഗിക്കുന്നു. ഒരു ഏജന്റ് ഒരേ ഘട്ടം ആവർത്തിച്ച് കുടുങ്ങിപ്പോകുമ്പോഴും ഇതുതന്നെ സംഭവിക്കുന്നു.

ഇതിന് എന്ത് ചെയ്യാം

  • ടാസ്ക്, പ്രതീക്ഷിക്കുന്ന ഫലം, ഉറവിടങ്ങൾ എന്നിവ ആദ്യ അഭ്യർത്ഥനയിൽത്തന്നെ വ്യക്തമാക്കുക. ഉദാഹരണത്തിന്: "അറ്റാച്ച് ചെയ്ത സർവേ ഫലങ്ങൾ മാത്രം ഉപയോഗിച്ച്, Q3-ൽ ഉപഭോക്താക്കൾ റദ്ദാക്കിയതിന്റെ പ്രധാന കാരണങ്ങൾ അഞ്ച് ബുള്ളറ്റ് പോയിന്റുകളിൽ സംഗ്രഹിക്കുക."
  • ഒരു ഏജന്റ് ടാസ്കിന്റെ ആദ്യത്തെ ഏതാനും ഘട്ടങ്ങൾ പരിശോധിക്കുക. ഏജന്റ് ഒരേ ഘട്ടമോ തിരയലോ ആവർത്തിക്കുന്നുണ്ടെങ്കിൽ, അത് നിർത്തി കൂടുതൽ കൃത്യമായ ഒരു അഭ്യർത്ഥനയോടെ പുനരാരംഭിക്കുക.

ലളിതമായ ടാസ്കുകൾക്ക് വലിയ മോഡലുകൾ

കൂടുതൽ കഴിവുള്ള മോഡലുകൾക്ക് സാധാരണയായി ഓരോ ടോക്കണിനും ചെലവ് കൂടുതലാണ്, അതിനാൽ സംഗ്രഹങ്ങൾ അല്ലെങ്കിൽ ഫോർമാറ്റ് മാറ്റൽ പോലുള്ള പതിവ് ജോലികൾ ആവശ്യമുള്ളതിനേക്കാൾ വേഗത്തിൽ ഒരു ടീമിന്റെ ബജറ്റ് തീർത്തേക്കാം.

ഇതിന് എന്ത് ചെയ്യാം

  • മോഡൽ റൂട്ടിംഗ് ഉപയോഗിക്കുക: ഓരോ ടാസ്കിനെയും അത് കൈകാര്യം ചെയ്യാൻ കഴിയുന്ന ഒരു മോഡലുമായി ഇത് പൊരുത്തപ്പെടുത്തുന്നു. ഒരു ചെറിയ മാറ്റിയെഴുത്തോ സംഗ്രഹമോ ചെറുതും ചെലവ് കുറഞ്ഞതുമായ ഒരു മോഡലിന് നൽകാം, ഏറ്റവും കഴിവുള്ള മോഡൽ ഒന്നിലധികം ഘട്ടങ്ങളുള്ള റീസണിംഗിനോ വിശകലനത്തിനോ വേണ്ടി മാറ്റിവയ്ക്കാം. Perplexity-യുടെ API അതിന്റെ പ്രീസെറ്റുകളിലൂടെ ഈ സമീപനം സ്വീകരിക്കുന്നു: ഒരു ദ്രുത തിരച്ചിലിന് ചെറിയ മോഡലും സമഗ്രമായ വിശകലനത്തിന് വലിയ മോഡലും അവ നിയോഗിക്കുന്നു.

പുതിയ വർക്ക്ഫ്ലോകൾക്ക് ശേഷമുള്ള കുതിച്ചുചാട്ടങ്ങൾ

ഒരു പുതിയ ഓട്ടോമേറ്റഡ് വർക്ക്ഫ്ലോയോ മുഴുവൻ ടീമിനുമായി നടപ്പിലാക്കുന്ന ഒരു ടൂളോ ഒറ്റരാത്രികൊണ്ട് ഉപയോഗം വർദ്ധിപ്പിച്ചേക്കാം. ഒരു കുതിച്ചുചാട്ടം അതിൽത്തന്നെ ഒരു പ്രശ്നമല്ല, എന്നാൽ ഏത് ജോലിയാണ് അതിന് കാരണമായതെന്ന് അറിയുന്നത് നല്ലതാണ്.

ഇതിന് എന്ത് ചെയ്യാം

  • പുതിയ വർക്ക്ഫ്ലോകൾ ആദ്യം ഒരു ചെറിയ ഗ്രൂപ്പിനൊപ്പം പരീക്ഷിക്കുക. വർക്ക്ഫ്ലോ മുഴുവൻ ടീമിനും നടപ്പിലാക്കുന്നതിന് മുമ്പ് ഒന്നോ രണ്ടോ ആഴ്ച അവരുടെ ഉപയോഗം പരിശോധിക്കുക.
  • ഓരോ ടീമിനും ഒരു പ്രതിമാസ ബജറ്റ് നിശ്ചയിക്കുക. ഒരു സാധാരണ മാസത്തെ ഉപയോഗത്തെ അടിസ്ഥാനമാക്കി അത് നിശ്ചയിച്ചാൽ, പെട്ടെന്നുള്ള വർദ്ധനവ് വ്യക്തമായി ശ്രദ്ധയിൽപ്പെടും.
  • ഓട്ടോ-റീഫിൽ ഓഫാക്കുക. ഓട്ടോ-റീഫിൽ ഓഫായിരിക്കുമ്പോൾ, കൂടുതൽ ക്രെഡിറ്റുകൾ സ്വയമേവ വാങ്ങുന്നതിന് പകരം, ക്രെഡിറ്റുകൾ തീരുമ്പോൾ ജോലി നിലയ്ക്കുന്നു.

Perplexity-യിൽ ടോക്കൺ ചെലവ് എങ്ങനെ ഒപ്റ്റിമൈസ് ചെയ്യാം

ദൈനംദിന ഉപയോഗത്തിന്

Computer ക്രെഡിറ്റുകൾ ഉപയോഗിക്കുന്നു, എന്നാൽ നിങ്ങൾ തിരഞ്ഞെടുക്കുമ്പോൾ മാത്രമേ അത് പ്രവർത്തിക്കൂ: Computer ഐക്കൺ തിരഞ്ഞെടുത്തോ, ഡിഫോൾട്ടായി Computer ഉപയോഗിക്കുന്ന ഒരു പ്രോജക്റ്റിൽ പ്രവർത്തിച്ചോ, അല്ലെങ്കിൽ Comet Work മോഡ് ഉപയോഗിച്ചോ.

സാധാരണ തിരയലിലേക്ക് മടങ്ങാൻ, Perplexity ഐക്കൺ തിരഞ്ഞെടുത്ത് Ask മോഡിലേക്ക് തിരികെ മാറുക. ക്രെഡിറ്റ് ഉപയോഗം കാണാൻ, ഉപയോക്താക്കൾക്ക് Perplexity ഇന്റർഫേസിനുള്ളിലെ ട്രാക്കർ തുറക്കാം.

Perplexity-യുടെ പങ്കിട്ട വർക്ക്‌സ്‌പേസുകളായ പ്രോജക്റ്റുകളിൽ പ്രവർത്തിക്കുന്ന ടീമുകൾക്ക്, ഓരോ പ്രോജക്റ്റിന്റെയും ഡിഫോൾട്ട് മോഡ് Search അല്ലെങ്കിൽ Computer ആയി സജ്ജീകരിക്കാം. പ്രധാനമായും ദ്രുത ഗവേഷണത്തിനായി ഉപയോഗിക്കുന്ന ഒരു പ്രോജക്റ്റിന് Search ഡിഫോൾട്ടായി നൽകാം, അങ്ങനെ ആരും അബദ്ധത്തിൽ ഒരു Computer ടാസ്ക് ആരംഭിക്കില്ല.

Enterprise അഡ്മിനിസ്ട്രേറ്റർമാർക്ക്

  • ഓരോ സീറ്റിലും എന്തെല്ലാം ഉൾപ്പെടുന്നുവെന്ന് അറിയുക. Enterprise Pro ഉപയോക്താക്കൾക്ക് പ്രതിമാസം 500 ക്രെഡിറ്റുകളും Enterprise Max ഉപയോക്താക്കൾക്ക് 15,000 ക്രെഡിറ്റുകളും ലഭിക്കും. ഇവ ഓരോ പ്രതിമാസ സൈക്കിളിന്റെയും അവസാനം കാലഹരണപ്പെടും, അടുത്ത സൈക്കിളിലേക്ക് നീക്കിവയ്ക്കപ്പെടില്ല.
  • ആദ്യം ഒരു ഡിഫോൾട്ട് ഉപയോഗ പരിധി സജ്ജീകരിക്കുക. ഒരു അംഗത്തിന്റെ സ്വന്തം വിഹിതം തീർന്നുകഴിഞ്ഞാൽ, പങ്കിട്ട പൂളിൽ നിന്ന് അവർക്ക് എത്ര അധിക ക്രെഡിറ്റുകൾ എടുക്കാമെന്നതിന് ഉപയോഗ പരിധി ഒരു ഉയർന്ന പരിധി നിശ്ചയിക്കുന്നു.
  • വ്യത്യസ്ത തരം ഉപയോക്താക്കൾക്കായി പേരുള്ള പരിധികൾ സൃഷ്ടിക്കുക. അഡ്മിൻമാർക്ക് "സ്റ്റാൻഡേർഡ്", "പവർ യൂസർ", "കോൺട്രാക്ടർ" പോലുള്ള പരിധികൾ സജ്ജീകരിച്ച് അവ ഉപയോക്തൃ ഗ്രൂപ്പുകൾക്കോ വ്യക്തിഗത അംഗങ്ങൾക്കോ നൽകാം. ഗ്രൂപ്പുകൾ Perplexity-യിൽ നിന്നോ കമ്പനിയുടെ ഐഡന്റിറ്റി പ്രൊവൈഡറിൽ നിന്ന് സിങ്ക് ചെയ്തോ വരാം. ഒരാൾ ഒന്നിലധികം ഗ്രൂപ്പുകളിൽ ഉൾപ്പെടുന്നുവെങ്കിൽ, ഏറ്റവും ഉയർന്ന പരിധി ബാധകമാകും.
  • ഒഴിവാക്കലുകൾക്ക് വ്യക്തിഗത ഓവർറൈഡുകൾ ഉപയോഗിക്കുക. ഒരാൾക്ക് തന്റെ ഗ്രൂപ്പിൽ നിന്ന് വ്യത്യസ്തമായ ഒരു പരിധി ആവശ്യമുള്ളപ്പോൾ, ഏത് ഗ്രൂപ്പ് പരിധിയേക്കാളും പങ്കിട്ട പരിധിയേക്കാളും വ്യക്തിഗത ഓവർറൈഡിന് മുൻഗണന ലഭിക്കും. മുഴുവൻ ടീമിന്റെയും പരിധി ഉയർത്താതെ തന്നെ, വിപുലമായ ഗവേഷണം ആവശ്യമുള്ള ഒരു ഹ്രസ്വകാല പ്രോജക്റ്റിന് ഇത് ഉപയോഗപ്രദമാണ്.
  • ഓട്ടോ-റീഫില്ലിന് ഒരു പരമാവധി പരിധി വയ്ക്കുക. ഓട്ടോ-റീഫിൽ പങ്കിട്ട പൂൾ സ്വയമേവ ടോപ്പ് അപ്പ് ചെയ്യുന്നു. ഇതിൽ ക്രമീകരിക്കാവുന്ന ഒരു പ്രതിമാസ റീലോഡ് പരിധിയുണ്ട്, അതിനാൽ നിശ്ചിത പരമാവധിക്കപ്പുറം ചെലവ് വർദ്ധിക്കില്ല.
  • അംഗങ്ങൾ കൂടുതൽ ക്രെഡിറ്റുകൾ ആവശ്യപ്പെടുന്നത് എങ്ങനെയെന്ന് തീരുമാനിക്കുക. പരിധിയിലെത്തുന്നവരെ പൂർണ്ണമായി തടയുന്നതിന് പകരം, ഒരു അഡ്മിനിൽ നിന്ന് കൂടുതൽ ക്രെഡിറ്റുകൾ അഭ്യർത്ഥിക്കാൻ "കൂടുതൽ ക്രെഡിറ്റുകൾ അഭ്യർത്ഥിക്കാൻ അംഗങ്ങളെ അനുവദിക്കുക" ക്രമീകരണം അവരെ സഹായിക്കുന്നു.
  • എല്ലാ മാസവും ഉപയോഗം അവലോകനം ചെയ്യുക. "ഓർഗനൈസേഷൻ ക്രെഡിറ്റുകൾ" പേജ് ഓരോ അംഗത്തിനും അനുവദിച്ചതും ഉപയോഗിച്ചതും ശേഷിക്കുന്നതുമായ ക്രെഡിറ്റുകൾ, ഗ്രൂപ്പ് പരിധികൾ, പൂൾ ബാലൻസ് എന്നിവ കാണിക്കുന്നു. 50-ഓ അതിൽ കൂടുതലോ സീറ്റുകളുള്ള, അല്ലെങ്കിൽ കുറഞ്ഞത് ഒരു Enterprise Max അംഗമെങ്കിലുമുള്ള ഓർഗനൈസേഷനുകൾക്ക്, Insights ഡാഷ്ബോർഡ് പ്രതിമാസ സജീവ ഉപയോക്താക്കളെയും കാലക്രമേണയുള്ള പ്രതിവാര ചോദ്യങ്ങളെയും കൂടി കാണിക്കുന്നു. കൂടുതൽ വിശദാംശങ്ങൾക്കായി, ഓഡിറ്റ് ലോഗുകൾ ടാസ്ക് നിർവ്വഹണം, കണക്ടർ ഉപയോഗം, ക്രെഡിറ്റ് ഉപഭോഗം, ക്രെഡിറ്റ് അനുവദിക്കലുകൾ എന്നിവ രേഖപ്പെടുത്തുന്നു.

API-യിൽ നിർമ്മിക്കുന്ന ടീമുകൾക്ക്

  • ഓരോ ടൂളിനും ടീമിനും പ്രത്യേക API കീ നൽകുക. Perplexity-ക്ക് ഓരോ കീയുടെയും ബില്ലിംഗ് വെവ്വേറെ കാണിക്കാനാകും, കൂടാതെ പ്രത്യേക കീകൾ ഏത് ടൂളാണ് ഉപയോഗം വർദ്ധിപ്പിക്കുന്നതെന്ന് വ്യക്തമാക്കുന്നു.
  • ഏത് തരം ടോക്കണാണ് വർദ്ധിക്കുന്നതെന്ന് ബില്ലിംഗ് പേജിൽ പരിശോധിക്കുക. കാലക്രമേണയുള്ള ഇൻപുട്ട്, ഔട്ട്പുട്ട്, റീസണിംഗ് ടോക്കണുകൾ അത് കാണിക്കുന്നു. ഇൻപുട്ട് ടോക്കണുകൾ വർദ്ധിക്കുന്നത് സാധാരണയായി ഒരു ടൂൾ ആവശ്യമുള്ളതിനേക്കാൾ കൂടുതൽ ടെക്സ്റ്റ് അയയ്ക്കുന്നു എന്നതിന്റെ സൂചനയാണ്. റീസണിംഗ് ടോക്കണുകൾ വർദ്ധിക്കുന്നത്, പ്രശ്നങ്ങളെക്കുറിച്ച് ദീർഘമായി ചിന്തിക്കുന്ന മോഡലുകളിലാണ് ടാസ്കുകൾ പ്രവർത്തിക്കുന്നതെന്ന് സൂചിപ്പിക്കുന്നു.
  • ഒരു ടൂളിന് തിരയൽ ഫലങ്ങൾ മാത്രം ആവശ്യമുള്ളപ്പോൾ Search API ഉപയോഗിക്കുക. ഒരു മോഡൽ ഉത്തരം എഴുതാതെ തന്നെ ഇത് വെബ് ഫലങ്ങൾ നൽകുന്നു, കൂടാതെ ടോക്കൺ അടിസ്ഥാനമാക്കിയുള്ള അധിക നിരക്കുകളില്ലാതെ ഓരോ അഭ്യർത്ഥനയ്ക്കും മാത്രം നിരക്ക് ഈടാക്കുന്നു.
  • ഒരു പ്രീസെറ്റിൽ നിന്ന് ഏജന്റ് ടൂളുകൾ ആരംഭിക്കുക. Perplexity-യുടെ പ്രീസെറ്റുകൾ ടാസ്കിന്റെ വലുപ്പത്തിനനുസരിച്ച് മോഡലിന്റെ വലുപ്പം തിരഞ്ഞെടുക്കുകയും ലളിതമായ അഭ്യർത്ഥനകളെ ഏറ്റവും ചെലവേറിയ മോഡലുകളിൽ നിന്ന് അകറ്റി നിർത്തുകയും ചെയ്യുന്നു.

ലോക്കൽ-ഫസ്റ്റ് ജോലികൾ

ചില ജോലികൾക്ക് പണമടച്ചുള്ള ക്ലൗഡ് മോഡൽ ആവശ്യമേയില്ല. ഒരാളുടെ സ്വന്തം കമ്പ്യൂട്ടറിൽ, ആ മെഷീനിൽ സംഭരിച്ചിരിക്കുന്ന ഒരു AI മോഡൽ ഉപയോഗിച്ച് പ്രവർത്തിക്കുന്ന Perplexity-യുടെ ഏജന്റിന്റെ ഒരു പതിപ്പാണ് Portable Computer. മോഡൽ ലോക്കലായി പ്രവർത്തിക്കുന്നതിനാൽ, പതിവ് ജോലികൾക്ക് പണമടച്ചുള്ള ടോക്കണുകൾ ആവശ്യമില്ല. ഒരു ടാസ്കിന് ആവശ്യമുള്ളപ്പോൾ മാത്രമാണ് ഇത് വെബ്ബിലേക്കോ കണക്റ്റ് ചെയ്ത ആപ്പുകളിലേക്കോ കൂടുതൽ ശക്തമായ ക്ലൗഡ് മോഡലിലേക്കോ ബന്ധപ്പെടുന്നത്, അതും ഉപയോക്താവിനോട് ആദ്യം ചോദിച്ചതിന് ശേഷം മാത്രം.

വെബ്, ഫയലുകൾ, കണക്റ്റ് ചെയ്ത ടൂളുകൾ എന്നിവയിലുടനീളം Perplexity Computer ഒന്നിലധികം ഘട്ടങ്ങളുള്ള ജോലികൾ എങ്ങനെ കൈകാര്യം ചെയ്യുന്നു എന്ന് കണ്ടെത്തുക.

പതിവ് ചോദ്യങ്ങൾ

ടോക്കൺ ചെലവും AI ചെലവുകളും തമ്മിലുള്ള വ്യത്യാസം എന്താണ്?

ഒരു ടീം എത്രത്തോളം AI ജോലി ചെയ്യുന്നുവെന്ന് ടോക്കണുകളിൽ കണക്കാക്കുന്നതാണ് ടോക്കൺ ചെലവ്. സബ്സ്ക്രിപ്ഷനുകൾ, അധിക ക്രെഡിറ്റുകൾ, സജ്ജീകരണം എന്നിവയുൾപ്പെടെ AI ഉപയോഗിക്കുന്നതിന് ഒരു ടീം നൽകുന്ന എല്ലാ തുകയും AI ചെലവുകളിൽ ഉൾപ്പെടുന്നു. ആ ബില്ലിലെ ഉപയോഗാധിഷ്ഠിത ഭാഗം നിർണ്ണയിക്കുന്നത് ടോക്കൺ ചെലവാണ്.

സബ്സ്ക്രിപ്ഷൻ ഉപയോക്താക്കൾ ഓരോ ടോക്കണിനും പണം നൽകുന്നുണ്ടോ?

സാധാരണയായി നേരിട്ട് നൽകുന്നില്ല. സബ്സ്ക്രിപ്ഷൻ ടൂളുകൾ സന്ദേശങ്ങൾ, ചോദ്യങ്ങൾ, അല്ലെങ്കിൽ ക്രെഡിറ്റുകൾ എന്നിവയിലാണ് ഉപയോഗം ട്രാക്ക് ചെയ്യുന്നത്, കൂടുതൽ ടോക്കണുകൾ ഉപയോഗിക്കുന്ന ടാസ്കുകൾ അവ വേഗത്തിൽ തീർക്കുന്നു. Perplexity-യിൽ സാധാരണ തിരയലുകൾക്ക് ക്രെഡിറ്റുകൾ ആവശ്യമേയില്ല; Computer ടാസ്കുകൾക്ക് മാത്രമേ ആവശ്യമുള്ളൂ.

AI ഏജന്റുകൾ ഇത്രയധികം ടോക്കണുകൾ ഉപയോഗിക്കുന്നത് എന്തുകൊണ്ട്?

ഒരു ഏജന്റ് നിരവധി ഘട്ടങ്ങളിലായാണ് ഒരു ടാസ്ക് പൂർത്തിയാക്കുന്നത്, ഓരോ ഘട്ടവും ഇതുവരെയുള്ള ജോലി വീണ്ടും വായിക്കുന്ന ഒരു പ്രത്യേക അഭ്യർത്ഥനയാണ്. അതിനാൽ, ഒരു നീണ്ട ടാസ്ക് ഓരോ ഘട്ടം പിന്നിടുമ്പോഴും കൂടുതൽ ടോക്കണുകൾ ഉപയോഗിക്കുന്നു.

ടോക്കൺ ഉപയോഗം പെട്ടെന്ന് കുതിച്ചുയരുന്നത് എന്തുകൊണ്ട്?

മിക്ക കുതിച്ചുചാട്ടങ്ങളും ഒരു ടീം പ്രവർത്തിക്കുന്ന രീതിയിലെ മാറ്റത്തെ തുടർന്നാണ് ഉണ്ടാകുന്നത്, ഉദാഹരണത്തിന് ഒരു പുതിയ ഓട്ടോമേറ്റഡ് വർക്ക്ഫ്ലോ, കൂടുതൽ ആളുകളിലേക്ക് എത്തിച്ച ഒരു ടൂൾ, അല്ലെങ്കിൽ ഒരു നീണ്ട ഏജന്റ് ടാസ്ക്. കുതിച്ചുചാട്ടത്തിന്റെ തീയതി സമീപകാല ലോഞ്ചുകളുമായി താരതമ്യം ചെയ്യുന്നത് സാധാരണയായി കാരണം വ്യക്തമാക്കും. പുതിയ വർക്ക്ഫ്ലോകൾ ആദ്യം ഒരു ചെറിയ ഗ്രൂപ്പിനൊപ്പം പരീക്ഷിക്കുന്നത് കുതിച്ചുചാട്ടങ്ങൾ തടയാൻ സഹായിക്കും.