A DeepSeek 75%-os áresése önmagában jó hír lenne minden AI-t használó cégnek, a valóság mégis bonyolultabb: a kínai fejlesztő V4-Pro modelljének inferencia-árait vágta le háromnegyedével, de a fejlesztők és vállalatok azt tapasztalják, hogy ettől a haszonkulcsuk nem javul. A magyarázat egy jelenség, amit a VentureBeat elemzése a token-gazdaságtan „100x problémájának” nevez.

A lényeg egyszerű, de kellemetlen: az AI-ágensek nagyságrendekkel több tokent égetnek el egyetlen felhasználói kérésre, mint a klasszikus chatbotok. Így hiába zuhan a token egységára, ha közben a felhasznált tokenek száma sokszorosára nő. A 75%-os árcsökkentés csak akkor jelentene megtakarítást, ha a fogyasztás közben nem robbanna szét.

DeepSeek 75%-os áresés: miért nem old meg mindent?

A DeepSeek V4-Pro tokenárai 75%-kal estek, ami elsőre drámai költségcsökkentésnek tűnik. Az iparágban az inferencia egységköltségei amúgy is évente nagyjából a harmadukra csökkennek, ez tehát egy erős, de nem példátlan lépés.

A probléma az, hogy a token-amplifikáció mértéke túlmutat ezen a csökkenésen. Ahogy a VentureBeat elemzői összefoglalják: „a tokenenkénti árak 75%-os csökkentése nem segít azon a cégen, amelynek ágensei 700-szor több tokent használnak egy kéréshez, mint amit az árazási modelljük feltételezett.”

Vagyis az árcsökkentés valós, de a megtakarítás elpárolog, amint a rendszer nem egyszerű kérdés-válasz chatbotként, hanem többlépéses ágensként működik. A cégek egy része ezt csak akkor veszi észre, amikor megérkezik a havi számla.

Mi az a „100x probléma” és a token-amplifikáció?

A klasszikus chatbot egyszerűen működik: a felhasználó feltesz egy kérdést, a modell egyszer válaszol. A bemenet és a számlázott tokenek aránya itt nagyjából 1:5 — tehát minden beírt tokenre öt körül számláz a szolgáltató.

Az AI-ágens ezzel szemben a kérdést tervezési, lekérdezési, eszközhasználati, ellenőrzési és összegzési ciklusok sorozatára bontja. A felhasználó egyetlen választ lát, miközben a szolgáltató a háttérben tucatnyi modellhívásért fizet. Náluk a bemenet és a számlázott tokenek aránya rendszeresen 1:700 vagy magasabb.

Ez a token-amplifikáció. A „100x probléma” elnevezés arra utal, hogy ugyanaz a felhasználói kérés nagyságrendekkel drágább lesz, ha ágens dolgozik rajta — és ezt a különbséget semmilyen árcsökkentés nem tünteti el, mert a mennyiség maga nő meg.

Egyetlen mondat, ami 35 000 tokenbe kerül

A VentureBeat egy kézzelfogható példát mutat egy „egyszerű” ágenshívásra. A kérdés ártatlan: „Mit kérdezett a legfontosabb ügyfelünk a múlt héten?”. A háttérben mégis a következő zajlik le:

• Felhasználói prompt: ~50 token
• Rendszer prompt és eszközdefiníciók (minden hívásnál ismételve): ~3000 token
• Lekérdezés (retrieval kontextus): ~5000 token
• Modellhívás #1 (eszköz kiválasztása): 8000 be / 200 ki
• Eszköz lefutása: ~4000 token visszatérési érték
• Modellhívás #2 (összegzés): 12 000 be / 400 ki
• Modellhívás #3 (következő lépésről döntés): 12 400 be / 100 ki

Összesen ez körülbelül 35 000 bemeneti token egyetlen mondatért. Egy prémium modellnél ez hívásonként 0,10 és 0,40 dollár közötti összeg.

Havi 1 millió lekérdezésnél — ami egy standard B2B funkció alapmérete — a számla már hatszámjegyű dollárösszeg havonta. Egyetlen funkcióra.

Ez az a pont, ahol a token-gazdaságtan átbillen absztrakcióból konkrét pénzügyi kockázatba. A rendszer működik, a demó látványos, a számla viszont fenntarthatatlan.

Miért roppantja meg ez a SaaS üzleti modellt?

A hagyományos szoftverárazás felhasználónkénti havi díjon alapul: a klasszikus seat-alapú SaaS, mondjuk 40 dollár/fő/hó. Ez a modell abból indul ki, hogy egy felhasználó kiszolgálása fix, alacsony és kiszámítható költséget jelent.

A token-amplifikáció ezt a feltételezést dönti romba. Egy aktív power user — aki naponta 50 vagy több ágenst indít — több inferenciaköltséget termelhet, mint amennyit a havi előfizetése hoz. Ilyenkor a szolgáltató bruttó árrése az adott felhasználón negatívba fordul.

Nem elméleti veszélyről van szó: több szoftverszolgáltató már most negatív bruttó árrésről számol be a legaktívabb felhasználóknál. Vagyis minél többet használják a terméket, annál többet veszít rajta a cég.

Salesforce, OpenAI és a valóság, ami a demók mögött van

A jelenség a legnagyobb szereplőknél is látszik. A Bloomberg beszámolt arról, hogy szakadék nyílik a Salesforce Agentforce marketingdemói és a felhasználókhoz ténylegesen eljutó funkciók között. A beígért képességek technikailag működnek, de seat-alapú árazás mellett gazdaságilag fenntarthatatlanok.

Az OpenAI lépése ugyanezt a valóságot tükrözi a másik oldalról. A cég terve szerint minden Y Combinator startup 2 millió dollárnyi API-kreditet kapna. Korábban ezek a startupok néhány ezer dolláros AWS-kredittel indultak — a különbség jól mutatja, mennyire drága lett egy AI-natív cég működtetése már az első évben.

A tanulság mindkét példából ugyanaz: a token nem elhanyagolható működési költség többé, hanem a termékstratégia egyik legfontosabb korlátja.

Mit jelent ez a vállalatoknak?

A legfontosabb üzenet a vállalati felhasználóknak az, hogy az AI-ágensek bevezetése nem szoftverlicenc-döntés, hanem infrastruktúra-költség döntés. Az inferencia költségét ugyanúgy tervezni és auditálni kell, mint a felhő- vagy hírközlési kiadásokat.

A VentureBeat szerzői ezért több konkrét védekezési stratégiát javasolnak. A költségtudatos útválasztás (cost-aware routing) lényege, hogy egy kis osztályozó modell először eldönti, elég-e egy olcsóbb modell (például Haiku vagy Flash), vagy tényleg a legdrágábbra van szükség. Ez minőségromlás nélkül akár 60%-kal csökkentheti az inferencia számláját.

Emellett a prompt cache-elés az Anthropic, az OpenAI és a Google rendszereiben 75-90%-os kedvezményt ad a cache-elt bemenetekre, a kontextus-fegyelem pedig — az eszközválaszok csonkolása, a gondolkodási láncok szűkítése — tovább apasztja a fölösleges tokeneket. Saját hosztolásnál a spekulatív dekódolás 2-3-szoros GPU-áteresztőképességet hoz.

Mit jelent ez a piacnak?

Piaci szinten a „100x probléma” átrendezi az AI-szoftverek árazását. A fix, seat-alapú modellek helyét fokozatosan átveszik a fogyasztásalapú vagy hibrid konstrukciók, ahol a valós tokenhasználat is beépül a díjba.

Ez a nyertesek és vesztesek felállását is átírja. Előnybe kerülnek azok a szolgáltatók, amelyek az orchestration-réteget — a modellek közötti okos irányítást — a termékük magjába építik. Egy IBM-jelentés szerint az orchestration-alapú irányítást használó cégek hatszor nagyobb termelékenységnövekedést könyvelnek el, mint akik csak megfelelőségi megközelítést alkalmaznak.

A DeepSeek agresszív árcsökkentése ebben a képben inkább tünet, mint megoldás: az árháború folytatódik, de a versenyelőnyt már nem a legolcsóbb token adja, hanem az, ki tudja a legkevesebb tokenből kihozni ugyanazt az eredményt.

5 döntéshozói következtetés

1. Az inferenciát kezeld termékmétrikaként: mérd a költséget bérlőnként, funkciónként és lekérdezésenként, ne csak összesített havi számlaként.
2. Ne az egységáron optimalizálj, hanem a tokenmennyiségen: egy elburjánzott, 4000 tokenes rendszerprompt százezres extra számlát okozhat — a promptaudit közvetlen árrés-esemény.
3. Vezess be modell-útválasztást: a triviális kéréseket olcsó modell vigye, a drágát tartsd fenn a valóban komplex feladatokra.
4. Gondold újra az árazásod: a fix seat-alapú modell power usereknél veszteséget termelhet — tervezz be fogyasztásalapú vagy limitált konstrukciót.
5. Számolj a rejtett kockázattal: egy rosszul korlátozott ágens-hurok üzemzavarrá válhat, amihez bankkártya van kapcsolva — építs be költségplafonokat.

Az árháború nem a token áráról szól többé

A DeepSeek 75%-os árcsökkentése jól mutatja, hogy az AI-piac új szakaszába lépett. A tokenár csökkenése továbbra is folytatódik, de a valódi verseny már nem itt dől el. A cégek, amelyek nem értik a token-amplifikációt, olcsó tokenek mellett is elvéreznek a számlán.

A győztes az lesz, aki a legkevesebb tokenből hozza ki a legjobb eredményt — ehhez pedig nem alkudozás kell a szolgáltatóval, hanem fegyelmezett architektúra, mérés és orchestration. Ahogy a VentureBeat összefoglalja: egy prompt újratervezése ma már árrés-módosító esemény.

Kapcsolódó vállalati elemzésünk a token-gazdaságtan hátteréről: Miért fogy el a ChatGPT limit ilyen gyorsan? A token-gazdaságtan érthetően. További AI-vállalati hírekért iratkozz fel az AI Hírek hírlevelére.