குழுவின் டோக்கன் செலவைக் கண்காணித்துக் கட்டுப்படுத்துவது எப்படி

டோக்கன் செலவு என்றால் என்ன

டோக்கன் செலவு என்பது ஒரு குழு AI-ஐப் பயன்படுத்தும்போது நுகரும் டோக்கன்களின் எண்ணிக்கையும், அந்த டோக்கன்களுக்கு ஆகும் செலவும் ஆகும். டோக்கன் என்பது ஒரு AI மாடல் படிக்கும் அல்லது எழுதும் உரையின் ஓர் அலகு; அது ஒரு சொல்லாகவோ, சொல்லின் ஒரு பகுதியாகவோ, நிறுத்தக்குறியாகவோ இருக்கலாம். ஆங்கிலத்தில், 1 டோக்கன் என்பது தோராயமாக 4 எழுத்துகள். டோக்கன்கள் மாடல்களுக்கிடையேயோ வழங்குநர்களுக்கிடையேயோ தரப்படுத்தப்படவில்லை, எனவே ஒரே உரை வெவ்வேறு கருவிகளில் வெவ்வேறு எண்ணிக்கையைத் தரக்கூடும்.

பயன்பாட்டு அறிக்கைகள் பொதுவாக டோக்கன்களைச் சில வகைகளாகப் பிரிக்கின்றன:

• உள்ளீட்டு டோக்கன்கள் என்பவை ஒரு கோரிக்கைக்காக மாடல் படிக்கும் அனைத்தும் ஆகும். இதில் வினவல், இணைக்கப்பட்ட உரை, அதே த்ரெட்டில் முன்னர் நடந்தவற்றிலிருந்து மாடல் மீண்டும் பயன்படுத்தும் உரையாடல் வரலாறு ஆகியவை அடங்கும்.
• வெளியீட்டு டோக்கன்கள் என்பவை மாடல் எழுதும் பதில் ஆகும். இவற்றுக்குப் பெரும்பாலும் உள்ளீட்டு டோக்கன்களை விட அதிகச் செலவாகும். Perplexity-இன் API விலை நிர்ணயத்தில், சில மாடல்கள் வெளியீட்டுக்கு ஆறு மடங்கு அதிகக் கட்டணம் வசூலிக்கின்றன.
• பகுத்தறிதல் டோக்கன்கள் என்பவை, பதிலளிப்பதற்கு முன் ஒரு சிக்கலைத் தீர்க்க மாடல் உள்ளுக்குள் உருவாக்கும் உரை ஆகும். இவை பதிலில் தோன்றுவதில்லை, எனவே கண்ணுக்குத் தெரியும் பதில் நீளமாக இருப்பதால் மட்டுமே ஒரு மாடல் ஒட்டுமொத்தமாக அதிக டோக்கன்களைப் பயன்படுத்தியது என்று அர்த்தமில்லை.

சந்தா அடிப்படையில் AI கருவிகளைப் பயன்படுத்தும் குழுக்கள் டோக்கன் வாரியான கட்டணத்தை அரிதாகவே பார்க்கின்றன. இருந்தாலும், அவர்களுக்கு என்ன கிடைக்கிறது என்பதை டோக்கன்களே தீர்மானிக்கின்றன, ஏனெனில் கனமான பணிகள் கிரெடிட்களை விரைவாகத் தீர்த்துவிடும் அல்லது பயன்பாட்டு வரம்புகளை விரைவில் எட்டிவிடும். ஒரு AI மாடலின் மீது தங்கள் சொந்தக் கருவிகளை உருவாக்கும் குழுக்கள், பயன்பாட்டு அடிப்படையிலான விலை நிர்ணயத்தின் கீழ், பொதுவாக ஒவ்வொரு டோக்கனுக்கும் கட்டணம் செலுத்துகின்றன.

டோக்கன் செலவைக் கண்காணிப்பது எப்படி

சந்தா திட்டத்தில் டோக்கன் செலவைக் கண்காணித்தல்

சந்தா கருவிகள் பொதுவாக டோக்கன் எண்ணிக்கையைக் காட்டுவதில்லை. அதற்குப் பதிலாக, பல திட்டங்கள் கிரெடிட்களைப் பயன்படுத்துகின்றன; இவை முன்கூட்டியே செலுத்தப்பட்ட அலகுகள், வேலை நடக்க நடக்கத் திட்டத்திலிருந்து கழிக்கப்படுகின்றன. கிரெடிட்களும் டோக்கன்களும் ஒன்றல்ல, ஏனெனில் ஒரு கிரெடிட் உரை, படங்கள் அல்லது பிற வேலைகளை உள்ளடக்கலாம். ஆனால் அதிக டோக்கன்களைப் பயன்படுத்தும் பணிகள் பொதுவாக அதிக கிரெடிட்களையும் பயன்படுத்துகின்றன, எனவே சந்தாவில் டோக்கன் செலவை அறிய அவையே சிறந்த வழிகாட்டி. பயனர்கள் தங்கள் சொந்த கிரெடிட் பயன்பாட்டைக் கண்காணிக்கலாம், மேலும் சில திட்டங்களில் முழுக் குழுவின் கிரெடிட் பயன்பாட்டைக் காட்டும் நிர்வாகி டாஷ்போர்டும் இருக்கும்.

உதாரணமாக, Perplexity-இல் வழக்கமான தேடல்கள் கிரெடிட்களைப் பயன்படுத்துவதில்லை. பல படிநிலைப் பணிகளைக் கையாளும் உதவியாளரான Perplexity Computer மட்டுமே அவற்றைப் பயன்படுத்துகிறது. Computer-ஐப் பயன்படுத்துபவர்கள் தாங்கள் எத்தனை கிரெடிட்களைப் பயன்படுத்தியுள்ளனர் என்பதையும், அவற்றை எதற்காகப் பயன்படுத்தினர் என்பதையும் பார்க்கலாம். ஒவ்வொரு Computer பணியும், அதன் உரையாடலில் உள்ள "Usage" மெனுவில் தனக்கான மொத்தக் கிரெடிட்களைக் காட்டுகிறது.

விரிவாக்கு

Enterprise திட்டங்களில், எத்தனை பேர் Perplexity-ஐப் பயன்படுத்துகின்றனர், ஒவ்வொரு வாரமும் அவர்கள் எத்தனை வினவல்களை இயக்குகின்றனர் என்பதை நிர்வாகிகள் Insights டாஷ்போர்டில் பார்க்கலாம் (50 அல்லது அதற்கு மேற்பட்ட இருக்கைகள் கொண்ட அல்லது குறைந்தது ஒரு Enterprise Max உறுப்பினரைக் கொண்ட நிறுவனங்களுக்குக் கிடைக்கும்).

விரிவாக்கு

API பயன்பாட்டு அறிக்கைகளில் டோக்கன் செலவைக் கண்காணித்தல்

API வழங்குநரின் பயன்பாட்டு அறிக்கைகள் டோக்கன் எண்ணிக்கையை நேரடியாகக் காட்டுகின்றன, பொதுவாக டோக்கன் வகை வாரியாகப் பிரித்து. உதாரணமாக, Perplexity-இன் API Platform கன்சோலில், உள்ளீடு, வெளியீடு, பகுத்தறிதல் டோக்கன் செலவு போன்ற அளவீடுகளை Billing பக்கத்தில் பயனர்கள் கண்காணிக்கலாம்.

டோக்கன் செலவு ஏன் அதிகரித்து வருகிறது

ஏஜென்ட்கள் ஒவ்வொரு பணிக்கும் பல படிகளை இயக்குகின்றன, மேலும் ஒவ்வொரு படியும் ஒரு மாடலுக்கான தனிக் கோரிக்கை ஆகும். ஒரே பணிக்கு லட்சக்கணக்கான, ஏன் மில்லியன் கணக்கான டோக்கன்கள் கூடச் செலவாகக்கூடும்.

பகுத்தறிதல் மாடல்களும் அதிகமாகப் பயன்பாட்டுக்கு வருகின்றன. ஒரு பகுத்தறிதல் மாடல் பதிலளிப்பதற்கு முன் தனது சிந்தனையை எழுதிப் பார்க்கிறது, அதன் ஒவ்வொரு சொல்லும் டோக்கன்களாகக் கணக்கிடப்படுகிறது. எனவே திரையில் தெரியும் பதில் அதே நீளத்தில் இருந்தாலும், ஒரே கோரிக்கை சாதாரண மாடலை விடப் பகுத்தறிதல் மாடலில் பொதுவாக அதிக டோக்கன்களைப் பயன்படுத்துகிறது.

இறுதியாக, பொதுவாகவே அதிகமான நபர்களும் பணிப்பாய்வுகளும் AI-ஐப் பயன்படுத்தும்போது, டோக்கன் பயன்பாடு கூடிக்கொண்டே போகிறது. இந்த வளர்ச்சியில் ஒரு பகுதி tokenmaxxing-இலிருந்தும் வருகிறது; இதில் பொறியாளர்கள் முக்கியமாகத் தங்கள் தனிப்பட்ட டோக்கன் எண்ணிக்கையை உயர்த்தவும், உள் டோக்கன் தரவரிசைப் பட்டியல்களில் மேலே இடம்பிடிக்கவும் ஏஜென்ட்களை இயக்குகின்றனர்.

டோக்கன் செலவைக் குறைப்பது எப்படி

அதிக டோக்கன் செலவின் பெரும்பகுதி, தோற்றத்தில் தெரிவதை விட அதிக டோக்கன்களைப் பயன்படுத்தும் சில வகையான வேலைகளிலிருந்தே வருகிறது.

நீண்ட உரையாடல்களும் ஏஜென்ட் பணிகளும்

ஒவ்வொரு முறை பதிலளிக்கும்போதும், மாடல் பொதுவாக இதுவரையிலான முழு உரையாடலையும் மீண்டும் படிக்கிறது. ஒவ்வொரு புதிய கோரிக்கையிலும் முந்தைய உரையாடல் வரலாறு முழுவதும், தற்போதைய பயனர் செய்தியும் அடங்கும். எனவே நீண்ட த்ரெட்டின் பிற்பகுதியில் கேட்கப்படும் சிறிய கேள்வி, புதிய த்ரெட்டில் கேட்கப்படும் அதே கேள்வியை விட அதிக டோக்கன்களைப் பயன்படுத்துகிறது. ஏஜென்ட் பணிகளும் இதே வழியில் செயல்படுகின்றன, ஏனெனில் ஒவ்வொரு படியும் தனது முடிவுகளை வரலாற்றில் சேர்க்கிறது, அடுத்த படி அதை மீண்டும் படிக்கிறது.

விரிவாக்கு

இதற்கு என்ன செய்யலாம்

• தலைப்பு மாறும்போது புதிய உரையாடலைத் தொடங்குங்கள். பழைய த்ரெட்டிலிருந்து மாடலுக்கு இன்னும் தேவைப்படும் விவரங்களை இரண்டு அல்லது மூன்று வரிச் சுருக்கமாகக் கொடுத்து அதைத் தொடங்குங்கள்.
• நீண்ட ஏஜென்ட் பணிகளைச் சிறிய பணிகளாகப் பிரியுங்கள். ஒவ்வொரு பகுதியையும் தனிப் பணியாக இயக்கி, அடுத்த பகுதிக்குத் தேவையான முடிவுகளை மட்டும் அனுப்புங்கள்.
• குழுவின் ஏஜென்ட் கருவிகள் சூழல் சுருக்குதலை (context compaction) பயன்படுத்துகின்றனவா என்பதைச் சரிபாருங்கள். சுருக்குதல் அம்சம் ஒரு பணியின் பழைய பகுதிகளைத் தானாகவே சுருக்கமாக்குவதால், மாடல் குறைவாகவே மீண்டும் படிக்கிறது. ஒரு கருவி இதை ஓர் அமைப்பாக வழங்கினால், அதை இயக்கிவிடுங்கள்.

அதே ஆவணங்கள் திரும்பத் திரும்பச் செயலாக்கப்படுதல்

கொள்கைக் கையேடு அல்லது தயாரிப்புப் பட்டியல் போன்ற அதே நீண்ட கோப்பை ஒருவர் பல தனித்தனி வினவல்களில் இணைக்கும்போது, மாடல் ஒவ்வொரு முறையும் முழுக் கோப்பையும் படிக்கிறது. ஒவ்வொரு வாசிப்பும் உள்ளீட்டு டோக்கன்களாகக் கணக்கிடப்படுகிறது.

இதற்கு என்ன செய்யலாம்

• முழுக் கோப்பையும் இணைப்பதற்குப் பதிலாக, கையேடு அல்லது பட்டியலின் தொடர்புடைய பகுதியை மட்டும் கோரிக்கையில் நகலெடுத்து ஒட்டப் பயனர்களுக்குப் பயிற்சி அளியுங்கள்.
• குழு அடிக்கடி பயன்படுத்தும் ஆவணங்களின் சுருக்கப் பதிப்பை உருவாக்குங்கள். நீண்ட கொள்கையின் ஒரு பக்கச் சுருக்கம், வழக்கமான வினவல்களில் முழு ஆவணத்துக்குப் பதிலாகப் பயன்படலாம்.

மறுமுயற்சிகளும் லூப்களும்

ஒருவருக்குத் தேவையான பதில் கிடைக்காமல் அவர் பணியை மீண்டும் இயக்கும்போது, ஒவ்வொரு முயற்சியும் டோக்கன்களைப் பயன்படுத்துகிறது. ஒரு ஏஜென்ட் அதே படியைத் திரும்பத் திரும்பச் செய்து சிக்கிக்கொள்ளும்போதும் இதுவே நடக்கிறது.

இதற்கு என்ன செய்யலாம்

• முதல் கோரிக்கையிலேயே பணி, எதிர்பார்க்கும் முடிவு, ஆதாரங்கள் ஆகியவற்றைத் தெளிவாகக் குறிப்பிடுங்கள். உதாரணமாக: "இணைக்கப்பட்ட கருத்துக்கணிப்பு முடிவுகளை மட்டும் பயன்படுத்தி, Q3-இல் வாடிக்கையாளர்கள் ரத்து செய்ததற்கான முக்கியக் காரணங்களை ஐந்து புள்ளிகளில் சுருக்கமாகக் கூறு."
• ஏஜென்ட் பணியின் முதல் சில படிகளைச் சரிபாருங்கள். ஏஜென்ட் அதே படியையோ தேடலையோ மீண்டும் மீண்டும் செய்தால், அதை நிறுத்தி, இன்னும் குறுகிய கோரிக்கையுடன் மீண்டும் தொடங்குங்கள்.

எளிய பணிகளுக்குப் பெரிய மாடல்கள்

அதிகத் திறன் கொண்ட மாடல்களுக்குப் பொதுவாக ஒரு டோக்கனுக்கு அதிகச் செலவாகும், எனவே சுருக்கங்கள் அல்லது வடிவமைப்பு மாற்றம் போன்ற வழக்கமான வேலைகள், தேவைக்கு அதிகமான வேகத்தில் குழுவின் பட்ஜெட்டைத் தீர்த்துவிடக்கூடும்.

இதற்கு என்ன செய்யலாம்

• மாடல் ரூட்டிங்கைப் பயன்படுத்துங்கள்; இது ஒவ்வொரு பணியையும் அதைக் கையாளக்கூடிய மாடலுடன் பொருத்துகிறது. சிறிய மறுஎழுத்து அல்லது சுருக்கத்தைச் சிறிய, மலிவான மாடலுக்கு அனுப்பலாம், மிகத் திறன் வாய்ந்த மாடலைப் பல படிநிலைப் பகுத்தறிதல் அல்லது பகுப்பாய்வுக்காக ஒதுக்கி வைக்கலாம். Perplexity-இன் API தனது முன்னமைவுகள் (presets) மூலம் இந்த அணுகுமுறையைப் பின்பற்றுகிறது; இவை விரைவான தேடலுக்குச் சிறிய மாடலையும், விரிவான பகுப்பாய்வுக்குப் பெரிய மாடலையும் ஒதுக்குகின்றன.

புதிய பணிப்பாய்வுகளுக்குப் பிறகு ஏற்படும் திடீர் உயர்வுகள்

புதிய தன்னியக்கப் பணிப்பாய்வு, அல்லது முழுக் குழுவுக்கும் அறிமுகப்படுத்தப்படும் ஒரு கருவி, ஒரே இரவில் பயன்பாட்டை உயர்த்தக்கூடும். திடீர் உயர்வு தானாகவே ஒரு பிரச்சனை அல்ல, ஆனால் அதற்கு எந்த வேலை காரணம் என்பதை அறிந்துகொள்வது பயனுள்ளது.

இதற்கு என்ன செய்யலாம்

• புதிய பணிப்பாய்வுகளை முதலில் ஒரு சிறிய குழுவுடன் சோதியுங்கள். முழுக் குழுவுக்கும் அந்தப் பணிப்பாய்வை அறிமுகப்படுத்தும் முன், ஓரிரு வாரங்களுக்கு அவர்களின் பயன்பாட்டைச் சரிபாருங்கள்.
• ஒவ்வொரு குழுவுக்கும் மாதாந்திரப் பட்ஜெட்டை அமையுங்கள். வழக்கமான ஒரு மாதத்தின் பயன்பாட்டை அடிப்படையாகக் கொண்டு அதை அமைத்தால், திடீர் அதிகரிப்பு தெளிவாகத் தெரியும்.
• தானியங்கு மறுநிரப்பலை முடக்குங்கள். தானியங்கு மறுநிரப்பல் முடக்கப்பட்டிருந்தால், கிரெடிட்கள் தீர்ந்ததும் தானாகவே கூடுதல் கிரெடிட்கள் வாங்கப்படுவதற்குப் பதிலாக, வேலை நின்றுவிடும்.

Perplexity-இல் டோக்கன் செலவை உகந்ததாக்குவது எப்படி

அன்றாடப் பயன்பாட்டுக்கு

Computer கிரெடிட்களைப் பயன்படுத்துகிறது, ஆனால் Computer ஐகானைத் தேர்ந்தெடுப்பது, இயல்பாக Computer-க்கு அமைக்கப்பட்ட ஒரு திட்டத்தில் வேலை செய்வது அல்லது Comet Work பயன்முறையைப் பயன்படுத்துவது என நீங்களே அதைத் தேர்வுசெய்யும்போது மட்டுமே அது இயங்கும்.

விரிவாக்கு

வழக்கமான தேடலுக்குத் திரும்ப, Perplexity ஐகானைத் தேர்ந்தெடுத்து Ask பயன்முறைக்கு மாறுங்கள். கிரெடிட் பயன்பாட்டைப் பார்க்க, பயனர்கள் Perplexity இடைமுகத்திலேயே உள்ள டிராக்கரைத் திறக்கலாம்.

விரிவாக்கு

Perplexity-இன் பகிரப்பட்ட பணியிடங்களான திட்டங்களில் பணிபுரியும் குழுக்கள், ஒவ்வொரு திட்டத்தின் இயல்புநிலைப் பயன்முறையையும் Search அல்லது Computer என அமைக்கலாம். பெரும்பாலும் விரைவான ஆய்வுக்குப் பயன்படுத்தப்படும் ஒரு திட்டத்தை இயல்பாக Search-க்கு அமைத்தால், யாரும் தவறுதலாக Computer பணியைத் தொடங்க மாட்டார்கள்.

Enterprise நிர்வாகிகளுக்கு

• ஒவ்வொரு இருக்கையிலும் என்ன அடங்கும் என்பதை அறிந்துகொள்ளுங்கள். Enterprise Pro பயனர்கள் மாதந்தோறும் 500 கிரெடிட்களையும், Enterprise Max பயனர்கள் 15,000 கிரெடிட்களையும் ஒதுக்கீடாகப் பெறுகின்றனர். இவை ஒவ்வொரு மாதாந்திரச் சுழற்சியின் முடிவில் காலாவதியாகிவிடும், அடுத்த சுழற்சிக்கு எடுத்துச் செல்லப்படாது.
• முதலில் ஓர் இயல்புநிலைப் பயன்பாட்டு வரம்பை அமையுங்கள். ஓர் உறுப்பினரின் சொந்த ஒதுக்கீடு தீர்ந்த பிறகு, பகிரப்பட்ட தொகுப்பிலிருந்து அவர் எத்தனை கூடுதல் கிரெடிட்களைப் பெறலாம் என்பதற்குப் பயன்பாட்டு வரம்பு உச்சவரம்பு விதிக்கிறது.
• வெவ்வேறு வகையான பயனர்களுக்குப் பெயரிடப்பட்ட வரம்புகளை உருவாக்குங்கள். நிர்வாகிகள் "நிலையானது", "பவர் பயனர்", "ஒப்பந்ததாரர்" போன்ற வரம்புகளை அமைத்து, அவற்றைப் பயனர் குழுக்களுக்கோ தனிப்பட்ட உறுப்பினர்களுக்கோ ஒதுக்கலாம். குழுக்களை Perplexity-இலேயே உருவாக்கலாம் அல்லது நிறுவனத்தின் அடையாள வழங்குநரிடமிருந்து ஒத்திசைக்கலாம். ஒருவர் ஒன்றுக்கு மேற்பட்ட குழுக்களில் இருந்தால், அவற்றில் உள்ள அதிகபட்ச வரம்பே பொருந்தும்.
• விதிவிலக்குகளுக்குத் தனிப்பட்ட மேலெழுதல்களைப் பயன்படுத்துங்கள். ஒருவருக்கு அவரது குழுவிலிருந்து வேறுபட்ட உச்சவரம்பு தேவைப்படும்போது, தனிப்பட்ட மேலெழுதல் எந்தக் குழு அல்லது பகிரப்பட்ட வரம்பையும் விட முன்னுரிமை பெறுகிறது. முழுக் குழுவுக்குமான உச்சவரம்பை உயர்த்தாமல், அதிக ஆய்வு தேவைப்படும் குறுகிய காலத் திட்டத்துக்கு இது பயனுள்ளதாக இருக்கும்.
• தானியங்கு மறுநிரப்பலுக்கு ஓர் உச்சவரம்பு வையுங்கள். தானியங்கு மறுநிரப்பல் பகிரப்பட்ட தொகுப்பைத் தானாகவே நிரப்புகிறது. இதில் அமைக்கக்கூடிய மாதாந்திர மறுநிரப்பு வரம்பு உள்ளது, எனவே நிர்ணயிக்கப்பட்ட அதிகபட்ச அளவைத் தாண்டிச் செலவு வளர முடியாது.
• உறுப்பினர்கள் கூடுதல் கிரெடிட்களை எப்படிக் கோரலாம் என்பதை முடிவு செய்யுங்கள். Allow members to request more credits அமைப்பு, தங்கள் வரம்பை எட்டியவர்கள் முழுமையாக நிறுத்தப்படுவதற்குப் பதிலாக, நிர்வாகியிடம் கூடுதல் கிரெடிட்களைக் கோர அனுமதிக்கிறது.
• ஒவ்வொரு மாதமும் பயன்பாட்டை மதிப்பாய்வு செய்யுங்கள். Organization credits பக்கம், ஒவ்வொரு உறுப்பினருக்கும் வழங்கப்பட்ட, பயன்படுத்தப்பட்ட, மீதமுள்ள கிரெடிட்களைக் குழு வரம்புகள் மற்றும் தொகுப்பு இருப்புடன் சேர்த்துக் காட்டுகிறது. 50 அல்லது அதற்கு மேற்பட்ட இருக்கைகள் கொண்ட அல்லது குறைந்தது ஒரு Enterprise Max உறுப்பினரைக் கொண்ட நிறுவனங்களுக்கு, Insights டாஷ்போர்டு காலப்போக்கில் மாதாந்திரச் செயலில் உள்ள பயனர்களையும் வாராந்திர வினவல்களையும் கூடுதலாகக் காட்டுகிறது. மேலும் விரிவான தகவலுக்கு, தணிக்கைப் பதிவுகள் பணிச் செயலாக்கம், இணைப்பான் பயன்பாடு, கிரெடிட் நுகர்வு, கிரெடிட் வழங்கல்கள் ஆகியவற்றைப் பதிவு செய்கின்றன.

API-ஐக் கொண்டு உருவாக்கும் குழுக்களுக்கு

• ஒவ்வொரு கருவிக்கும் அல்லது குழுவுக்கும் தனி API விசையை வழங்குங்கள். Perplexity ஒவ்வொரு விசைக்கான பில்லிங்கையும் தனித்தனியாகக் காட்டும், மேலும் தனித்தனி விசைகள் எந்தக் கருவி பயன்பாட்டை அதிகரிக்கிறது என்பதைத் தெளிவாக்குகின்றன.
• எந்த வகை டோக்கன் அதிகரித்து வருகிறது என்பதை பில்லிங் பக்கத்தில் சரிபாருங்கள். அது காலப்போக்கில் உள்ளீடு, வெளியீடு, பகுத்தறிதல் டோக்கன்களைக் காட்டுகிறது. உள்ளீட்டு டோக்கன்கள் அதிகரிப்பது பொதுவாக, ஒரு கருவி தேவைக்கு அதிகமான உரையை அனுப்புகிறது என்பதைக் குறிக்கிறது. பகுத்தறிதல் டோக்கன்கள் அதிகரிப்பது, சிக்கல்களை விரிவாகச் சிந்தித்துத் தீர்க்கும் மாடல்களில் பணிகள் இயங்குகின்றன என்பதைக் குறிக்கிறது.
• ஒரு கருவிக்குத் தேடல் முடிவுகள் மட்டுமே தேவைப்படும்போது Search API-ஐப் பயன்படுத்துங்கள். இது மாடல் பதில் எழுதாமலேயே இணைய முடிவுகளைத் தருகிறது, மேலும் டோக்கன் அடிப்படையிலான கூடுதல் கட்டணங்கள் இல்லாமல் ஒவ்வொரு கோரிக்கைக்கும் கட்டணம் வசூலிக்கிறது.
• ஏஜென்ட் கருவிகளை ஒரு முன்னமைவிலிருந்து தொடங்குங்கள். Perplexity-இன் முன்னமைவுகள் பணியின் அளவுக்கு ஏற்ற அளவிலான மாடலைப் பொருத்துகின்றன, மேலும் எளிய கோரிக்கைகள் மிக விலையுயர்ந்த மாடல்களுக்குச் செல்லாமல் தடுக்கின்றன.

சாதனத்தில் முதன்மையாகச் செய்யப்படும் வேலை

சில வேலைகளுக்குக் கட்டணம் செலுத்தும் கிளவுட் மாடல் தேவையே இல்லை. Portable Computer என்பது Perplexity-இன் ஏஜென்ட்டின் ஒரு பதிப்பு; இது ஒருவரின் சொந்தக் கணினியிலேயே, அந்தக் கணினியில் சேமிக்கப்பட்ட AI மாடலைப் பயன்படுத்தி இயங்குகிறது. மாடல் உள்ளூரிலேயே இயங்குவதால், வழக்கமான வேலைகள் கட்டண டோக்கன்களைப் பயன்படுத்துவதில்லை. ஒரு பணிக்குத் தேவைப்படும்போது மட்டுமே இது இணையம், இணைக்கப்பட்ட ஆப்கள் அல்லது வலுவான கிளவுட் மாடலை அணுகுகிறது, அதுவும் முதலில் பயனரிடம் கேட்ட பிறகே.

இணையம், கோப்புகள், இணைக்கப்பட்ட கருவிகள் முழுவதும் Perplexity Computer பல படிநிலை வேலைகளை எவ்வாறு கையாள்கிறது என்பதை ஆராயுங்கள்.

அடிக்கடி கேட்கப்படும் கேள்விகள்

டோக்கன் செலவுக்கும் AI செலவுகளுக்கும் என்ன வித்தியாசம்?

டோக்கன் செலவு, ஒரு குழு செய்யும் AI வேலையின் அளவை டோக்கன்களில் கணக்கிட்டு அளவிடுகிறது. AI செலவுகள் என்பவை சந்தாக்கள், கூடுதல் கிரெடிட்கள், அமைவு உட்பட AI-ஐப் பயன்படுத்த ஒரு குழு செலுத்தும் அனைத்தையும் உள்ளடக்கும். அந்தக் கட்டணத்தின் பயன்பாட்டு அடிப்படையிலான பகுதியை டோக்கன் செலவே தீர்மானிக்கிறது.

சந்தா பயனர்கள் ஒவ்வொரு டோக்கனுக்கும் கட்டணம் செலுத்துகிறார்களா?

பொதுவாக நேரடியாக இல்லை. சந்தா கருவிகள் பயன்பாட்டைச் செய்திகள், வினவல்கள் அல்லது கிரெடிட்களில் கண்காணிக்கின்றன, மேலும் அதிக டோக்கன்களைப் பயன்படுத்தும் பணிகள் அவற்றை விரைவாகத் தீர்த்துவிடுகின்றன. Perplexity-இல், வழக்கமான தேடல்கள் கிரெடிட்களைப் பயன்படுத்துவதே இல்லை; Computer பணிகள் மட்டுமே பயன்படுத்துகின்றன.

AI ஏஜென்ட்கள் ஏன் இவ்வளவு அதிக டோக்கன்களைப் பயன்படுத்துகின்றன?

ஒரு ஏஜென்ட் ஒரு பணியைப் பல படிகளில் முடிக்கிறது, ஒவ்வொரு படியும் இதுவரை செய்த வேலையை மீண்டும் படிக்கும் தனிக் கோரிக்கை ஆகும். எனவே நீண்ட பணி, அது எடுக்கும் ஒவ்வொரு படியிலும் அதிக டோக்கன்களைப் பயன்படுத்துகிறது.

டோக்கன் பயன்பாடு ஏன் திடீரென அதிகரிக்கிறது?

பெரும்பாலான திடீர் உயர்வுகள், புதிய தன்னியக்கப் பணிப்பாய்வு, அதிகமான நபர்களுக்கு அறிமுகப்படுத்தப்பட்ட கருவி அல்லது நீண்ட ஏஜென்ட் பணி போன்ற, குழு வேலை செய்யும் முறையில் ஏற்படும் மாற்றத்தைத் தொடர்ந்தே வருகின்றன. திடீர் உயர்வு ஏற்பட்ட தேதியைச் சமீபத்திய அறிமுகங்களுடன் ஒப்பிட்டால் பொதுவாகக் காரணம் தெரியவரும். புதிய பணிப்பாய்வுகளை முதலில் ஒரு சிறிய குழுவுடன் சோதிப்பது திடீர் உயர்வுகளைத் தடுக்க உதவுகிறது.