- Ana sayfa
- Öğrenme merkezi
- Yapay zekâ ile kodlama ne kadara mal olur ve nasıl kontrol edilir?
Yapay zekâ ile kodlama ne kadara mal olur ve nasıl kontrol edilir?
Son güncelleme
Yapay zekâ ile kodlamanın token başına nasıl fiyatlandırıldığı, ajan oturumlarının neden sohbetten pahalı olduğu, geliştirici başına harcamanın nasıl tahmin edileceği ve faturayı durduran limitler.
Bu sayfada
Yapay zekâ ile kodlama token başına faturalandırılır: her model çağrısı, gönderilen metin (girdi token'ları) ve üretilen metin (çıktı token'ları) için, modele göre değişen ve çıktı için genellikle daha yüksek olan milyon token başına ücretlerle ücretlendirilir. Bir ekibin gerçekte ne harcadığı fiyat listesinden çok çalışma biçimine bağlıdır: ajan oturumları her turda büyüyen bir bağlamı yeniden gönderir; bu yüzden uzun tek bir oturum, yüzlerce hızlı tamamlamadan daha pahalıya mal olabilir. Bunu oturum başına maliyeti görerek, modeli göreve uydurarak, bağlamı küçük ve önbellekte tutarak ve yalnızca uyarmak yerine işi durduran kesin limitler belirleyerek kontrol edersiniz.
Token fiyatlandırması nasıl işler
Token bir metin parçasıdır; kabaca kısa bir sözcük veya daha uzun bir sözcüğün bir kısmı. Her model ailesinin kendi tokenizer'ı vardır; bu yüzden aynı metin farklı modellerde farklı sayıda token olarak sayılabilir. Bir modele yapılan her istek token cinsinden ölçülür ve üç ana kısımda faturalandırılır:
- Girdi token'ları: sistem prompt'u, talimatlar, dosyalar, araç sonuçları ve o ana kadarki konuşma dahil, modele gönderilen her şey.
- Çıktı token'ları: modelin ürettiği her şey. Yanıt vermeden önce akıl yürüten modellerde akıl yürütme token'ları da genellikle çıktı olarak faturalandırılır.
- Önbelleğe alınmış girdi: prompt önbelleklemeyi destekleyen sağlayıcılar, önbellekten okunan tekrarlanan girdiyi daha düşük bir ücretle faturalandırır. Önbelleğe yazmak sıradan girdiden daha pahalı olabilir.
Fiyatlar milyon token başına verilir ve modeller arasında büyük farklılık gösterir. Daha büyük ve daha yetenekli modeller token başına küçüklerden daha pahalıdır. Yeni modeller çıktıkça fiyatlar da çoğu zaman aşağı yönde değişir. Yarı yolda başarısız olan bir çağrı genellikle token'ları zaten kullanmıştır ve sağlayıcılar bunları faturalandırır.
Ajan oturumları neden sohbetten daha pahalıdır
Bir sohbet sorusu tek bir istektir: bir prompt girer, bir yanıt çıkar. Bir ajan oturumu ise bir döngüdür. Ajan görevi okur, modeli çağırır, bir araç çalıştırır, sonucu konuşmaya ekler ve modeli yeniden çağırır. Her çağrı o ana kadarki konuşmanın tamamını gönderir.
Bunun katlanan bir etkisi vardır. Bağlam her turda benzer bir miktarda büyürse, oturum boyunca toplam girdi kabaca tur sayısının karesiyle artar. Bir oturumun uzunluğunu iki katına çıkarmak maliyetini iki kattan fazla artırır. Bir ajan oturumunun faturasına genellikle çıktı değil, girdi token'ları hâkimdir.
Çok ajanlı iş akışları bunu katlar: her ajan adımının kendi prompt'u ve bağlamı vardır ve sonraki adımlar çoğu zaman öncekilerin yazdıklarını okur.
Hesaplanmış bir örnek
Buradaki ücretler herhangi bir sağlayıcının fiyatları değil, gösterim amaçlı yuvarlak sayılardır: milyon girdi token'ı başına 2 $ ve milyon çıktı token'ı başına 10 $.
Bir ajan oturumu 20 model çağrısı yapar. İlk çağrı 20.000 token bağlam gönderir ve her çağrı 4.000 token dosya içeriği, araç sonucu ve model çıktısı ekler. Her çağrı 1.000 çıktı token'ı üretir.
- Girdi: 20.000 token'la başlayıp her seferinde 4.000 büyüyen 20 çağrı toplam 1.160.000 token eder, yani 2,32 $.
- Çıktı: 20 × 1.000 = 20.000 token, yani 0,20 $.
- Toplam: yaklaşık 2,52 $; bunun %90'ından fazlası girdidir.
Aynı oturum 20 yerine 40 çağrı çalışırsa girdi 3.920.000 token'a, toplam ise yaklaşık 8,24 $'a çıkar: iki kat tur, üç kattan fazla maliyet.
Önbellekleme tabloyu değiştirir. İlk çağrıdan sonraki her çağrıda önceki konuşma girdi ücretinin onda biri karşılığında önbellekten okunursa ve çağrı başına yalnızca yeni 4.000 token tam ücretle faturalandırılırsa, 20 çağrılık oturumun girdisi, önbelleğe yazma ücretlerinden önce, 2,32 $'dan yaklaşık 0,40 $'a düşer.
Geliştirici başına harcama
Yapay zekâ ile kodlamanın geliştirici başına maliyeti için tek bir sayı yoktur, çünkü kişi sayısından çok alışkanlıklara bağlıdır. İşe yarar bir tahmin şudur:
aylık maliyet ≈ geliştirici sayısı × iş günü başına geliştirici başına oturum × iş günü sayısı × oturum başına ortalama maliyet
Yukarıdaki örnekle, her biri 21 iş günü boyunca günde 5 oturum çalıştıran 10 geliştirici, oturum başına 2,52 $ ile ayda yaklaşık 2.646 $ eder. Herhangi bir etkeni değiştirdiğinizde sonuç orantılı olarak değişir; oturum uzunluğunu değiştirdiğinizde ise bundan daha hızlı değişir.
Harcamayı en çok etkileyen etkenler:
- Model seçimi. Aynı görev en iyi modelde küçük bir modeldekinden kat kat daha pahalıya mal olabilir.
- Oturum uzunluğu. Uzun ve ucu açık görevler daha çok döngüye girer. Daha küçük ve iyi tanımlanmış görevler daha erken biter.
- Bağlam boyutu. Birkaç dosya yeterliyken repoların tamamını göndermek.
- Yeniden denemeler ve yeniden çalıştırmalar. Başarısız çalıştırmalar da para tutar.
- Zamanlanmış ve otomatik işler. Her repoda saatte bir çalışan bir zamanlama, kimse izlemeden harcama yapar.
İzlenmeye değer değer, token başına maliyet değil, merge edilen değişiklik başına maliyettir. Üç deneme gerektiren ucuz bir model, ilk seferde doğru yapan pahalı bir modelden daha pahalıya mal olabilir.
Kullanıcı başına ve kullanıma dayalı fiyatlandırma
Yapay zekâ kodlama araçları genel olarak iki şekilde satılır ve birçoğu ikisini birleştirir.
| Boyut | Kullanıcı başına abonelik | Kullanıma dayalı (token başına) |
|---|---|---|
| Neye ödeme yaparsınız | Her kullanıcı, aylık | Gerçekte kullanılan token'lar |
| Öngörülebilirlik | Kullanım limitleri veya aşım ücretleri devreye girene kadar yüksek | Limit olmadan düşük; gerçek işi izler |
| Yoğun kullanıcılar | Hafif kullanıcılar tarafından sübvanse edilir veya istek limitine takılır | Kullandıkları kadar öder |
| Ajan iş yükleri | Çoğu zaman adil kullanım veya istek kotalarıyla sınırlıdır | Oturum uzunluğu ve model seçimiyle ölçeklenir |
| Kontrol mekanizması | Kullanıcı sayısı ve plan kademesi | Bütçeler, limitler, model seçimi ve kotalar |
| Gereken görünürlük | Kimin kullanıcı lisansı olduğu | Oturum, adım ve model başına maliyet |
Kullanıma dayalı fiyatlandırma ajan işinin gerçek maliyetine daha yakındır, ancak bir sonraki bölümdeki kontrolleri gerektirir.
Yapay zekâ kodlama harcaması nasıl kontrol edilir
- Oturum ve adım başına ölçün. Yalnızca aylık bir fatura olarak gördüğünüz şeyi yönetemezsiniz. Her model çağrısının token'larını ve maliyetini bir oturuma, bir kişiye ve bir iş akışına atfederek kaydedin.
- Dönem başına kesin bir limit belirleyin. Günlük, haftalık veya aylık. Yalnızca bir e-posta göndermekle kalmamalı, yeni işi ve çalışan işi bir sonraki model çağrısından önce durdurmalıdır.
- Altına bir esnek limit ekleyin; böylece insanlar kesin duruştan önce tepki verebilir.
- Pahalı iş akışlarına ayrı limit koyun; böylece uzun süren tek bir görev türü bütçenin tamamını kullanamaz.
- Modelleri görevlere uydurun. En güçlü modelleri planlama ve inceleme gibi muhakemenin önemli olduğu yerlerde, daha ucuzlarını taslak hazırlama ve rutin düzenlemelerde kullanın.
- Bağlamı yalın ve önbellekte tutun. Görevin ihtiyaç duyduğu dosyaları gönderin ve sağlayıcının desteklediği yerde prompt önbellekleme kullanın.
- Her çalıştırmayı sınırlayın. Süre ve tur sınırları, yakınsamayan döngüleri durdurur.
- Hata durumunda kapalı kalın. Bütçe kontrolünün kendisi hata verirse, çalıştırmanın ölçümsüz ilerlemesine izin vermek yerine onu engelleyin.
- Pahalı istisnaları her hafta inceleyin ve arkalarındaki görev tanımlarını veya zamanlamaları düzeltin.
OWASP, sınırsız tüketimi (unbounded consumption) LLM uygulamaları için en önemli riskler arasında sayar. Kodlama ajanları için bunu ele alan kontrol kesin bir limittir.
AI CodeOps bunu nasıl yapar
AI CodeOps, bir oturumun yaptığı her model çağrısını, yarı yolda başarısız olanlar dahil, gerçekleştiği anda ölçer ve her oturumun ve ajan adımının maliyetini oturum sayfasında, her değişikliğinkini Changes altında ve günlük maliyeti Usage sayfasında gösterir. Açık beta süresince ücretsizdir; bkz. fiyatlandırma.
Owner, Admin ve Billing Admin rolleri bir çalışma alanı maliyet bütçesi belirler: bir dönem (günlük, haftalık, aylık veya UTC'ye göre kayan 30 gün), bir esnek limit, bir kesin limit ve isteğe bağlı iş akışı başına limitler. Ajan başına limit yoktur. Tutarlar ABD dolarının milyonda biri cinsinden saklanır. 400 $'da uyarı ve bir iş akışı için 50 $ limit içeren 500 $'lık aylık bir limit:
{
"enabled": true,
"period": "monthly",
"softLimitMicros": 400000000,
"hardLimitMicros": 500000000,
"perWorkflowLimits": { "feature-sdlc": 50000000 },
"expectedVersion": 3
}
Harcama kesin limiti aştığında yeni bir oturum reddedilir:
{
"allowed": false,
"state": "denied",
"summary": "Dispatch denied: budget exceeded",
"reasons": ["over_workspace_cap"],
"currentSpendMicros": 501830000,
"softLimitMicros": 400000000,
"hardLimitMicros": 500000000,
"perWorkflowLimitMicros": null,
"estimatedCostUsdMicros": 0,
"periodStartedAt": "2026-10-01T00:00:00.000Z",
"period": "monthly"
}
Bütçe ayrıca her model çağrısından önce kontrol edilir; böylece kesin limiti geçen çalışan bir oturum bir sonraki çağrısından önce durur; hâlihazırda devam eden tek bir çağrı harcamayı limitin biraz üzerine taşıyabilir. Bir oturum başlarken kontrolün kendisi başarısız olursa oturum ölçümsüz çalıştırılmak yerine engellenir; bir oturum sırasında başarısız olursa oturum çalışmaya devam eder.
Platformun modellerindeki oturumlar, her birinin aylık bir token kotası olan Economy, Standard veya Premium kademelerinde ya da planlama ve inceleme gibi yönlendirici adımları kotanızın bulunduğu en iyi kademeye, taslak hazırlama adımlarını ise önce Economy kademesine gönderen Auto ile çalışır. Bir kota tükendiğinde oturum asla kendiliğinden kademe değiştirmez. Bir çalışma alanı kendi sağlayıcı anahtarını da getirebilir; sağlayıcı bunu doğrudan faturalandırır ve çalışma alanı bütçesi yine geçerlidir. Claude oturumları prompt önbellekleme kullanır ve kullanım, önbellek okumalarını kendi ücretleriyle sayar.
Yapay zekâ kodlama maliyet kontrolleri sayfasına, Maliyet kontrolleri, Modeller ve kademeler ve Kullanım ve harcama kılavuzlarına bakın ve kendi sayılarınızı ücretsiz yapay zekâ kodlama maliyet hesaplayıcısıyla tahmin edin.
Daha derine inin
- Prompt önbellekleme açıklaması: önbelleklemenin nasıl çalıştığı, bağlamını yeniden gönderen ajanlara neden uygun olduğu, bir önbelleği neyin bozduğu ve çalışıp çalışmadığının nasıl kontrol edileceği.
- Yapay zekâ ile kodlama bütçesi nasıl belirlenir: bir dönem, esnek limitler ve kesin limitler seçmek, uygulamanın nerede gerçekleşmesi gerektiği ve iş akışı başına limitler.
Sık sorulan sorular
Çıktı token'ları neden girdi token'larından daha pahalıdır?
Her çıktı token'ını üretmek model üzerinden tam bir geçiş gerektirir, girdi token'ları ise birlikte işlenir. Sağlayıcılar bu farkı fiyatlandırır; bu yüzden çıktı genellikle token başına birkaç kat daha pahalıdır.
Yapay zekâ ajan oturumları neden sohbetten çok daha pahalıdır?
Bir ajan bir döngü içinde çalışır ve her turda o ana kadarki konuşmayı modele geri gönderir. Bağlam her turda büyür; bu yüzden toplam girdi token'ları tur sayısından çok daha hızlı artar.
Yapay zekâ ile kodlamanın geliştirici başına maliyeti nedir?
Her geliştiricinin ne sıklıkla oturum çalıştırdığına, oturumların ne kadar uzun olduğuna ve hangi modelleri kullandığına bağlıdır. Geliştirici sayısını günlük oturum sayısı, iş günü sayısı ve oturum başına ortalama maliyetle çarpın ve son değeri kendi işiniz üzerinde ölçün.
Esnek limit ile kesin limit arasındaki fark nedir?
Esnek limit, harcama onu aştığında uyarır ve işin devam etmesine izin verir. Kesin limit ise ulaşıldığında yeni işi ve ideal olarak çalışan işi durdurur. Faturayı sınırlamak için kesin bir limite ihtiyacınız vardır.
Prompt önbellekleme maliyeti azaltır mı?
Evet, tekrarlanan bağlam için. Bunu destekleyen sağlayıcılar önbellekten okunan girdiyi yeni girdiden daha düşük bir ücretle faturalandırır; bu da her turda aynı geçmişi yeniden gönderen ajan döngülerine yardımcı olur. Önbellek yazmaları ek ücretli olabilir.