TokenMaxxing: چگونه از مدل‌های هوش مصنوعی خود بیشترین بهره را ببریم

کارمندان متا در 30 روز گذشته 60 تریلیون توکن هوش مصنوعی را سوزاندند و به دنبال جایگاه‌هایی در یک جدول رده‌بندی داخلی به نام "Claudeonomics" بودند. نویسنده فناوری، گرگلی اوروش برآورد کرد که هزینه آن تقریباً 900 میلیون دلار با قیمت‌های فهرست آنتروپیک است، اگرچه متا احتمالاً هزینه بسیار کمتری پرداخت می‌کند.

مشاور شرکت بین و شرکت، جوی وانگ، نسخه‌ای آرام‌تر از این هدررفت را در همه جا می‌بیند: "بسیاری از شرکت‌ها و کاربران به طور پیش‌فرض از اوپوس برای همه چیز، از جمله تولید ایمیل‌ها استفاده می‌کنند،" او به آسوشیتدپرس گفت و به مدل‌های پیشرفته آنتروپیک اشاره کرد. اگر شما هم همین کار را انجام دهید، در واقع آلبرت اینشتین را استخدام کرده‌اید تا تغییرات شما را در یک مک‌دونالد محاسبه کند. Myriad: کدام شرکت بهترین مدل هوش مصنوعی را خواهد داشت؟ برای پیش‌بینی خود کلیک کنید.

هر کلمه‌ای که شما در ChatGPT یا Claude تایپ می‌کنید و هر کلمه‌ای که آن‌ها به شما پاسخ می‌دهند، با توکن‌ها اندازه‌گیری می‌شود، بخش‌هایی از متن که به طور متوسط حدود سه‌چهارم یک کلمه هستند. در یک اشتراک 20 دلاری، این متر تعیین می‌کند که چقدر سریع به حد استفاده خود می‌رسید. در API، دسترسی پرداخت به ازای توکن که توسعه‌دهندگان برای اتصال مدل‌ها به برنامه‌های خود استفاده می‌کنند، هزینه را تعیین می‌کند.

در اینجا فهرست قیمت فعلی آنتروپیک، به ازای هر میلیون توکن آمده است:

نرخ های هایکو برای درخواست‌های زیر 100,000 توکن اعمال می‌شود؛ درخواست‌های طولانی‌تر پنج برابر هزینه دارند.

مدل برتر 100 برابر بیشتر از کوچک‌ترین مدل هزینه دارد و خط تولید OpenAI نیز همین دامنه را دارد، از 10 دلار تا 0.10 دلار به ازای هر میلیون توکن ورودی. این قیمت‌های به ازای توکن به سرعت برای آزمایشگاه‌ها و شما جمع می‌شود: نرخ درآمد آنتروپیک از حدود 9 میلیارد دلار در پایان سال 2025 به بیش از 47 میلیارد دلار تا ماه مه افزایش یافت، در حالی که OpenAI در حال جنگ قیمت برای حفظ موقعیت خود است.

چند عادت می‌تواند این هزینه را به شدت کاهش دهد و پنج نکته اول زیر نیازی به کدنویسی ندارند.

مفهوم توکن مکسینگ (و آنچه باید باشد)

توکن مکسینگ به عنوان یک نمایش در سیلیکون ولی آغاز شد، مانند Claudeonomics متا، با رتبه‌بندی کارمندان مایکروسافت، شاپیفای و آمازون در جدول‌های توکن مشابه. مدیرعامل انویدیا، جنسن هوانگ، در مارس در پادکست "All-In" گفت که اگر یک مهندس 500,000 دلاری حداقل 250,000 دلار توکن نسوزاند، "به شدت نگران" خواهد شد.

و آن‌ها واقعاً توکن‌ها را سوزاندند... بر روی کارهای بی‌فایده.

در آمازون، کارمندان اعتراف کردند که با اجرای ابزار هوش مصنوعی داخلی بر روی کارهای نامربوط، اعداد خود را بزرگ‌نمایی کرده‌اند، تا اینکه یک معاون ارشد به کارکنان گفت: "لطفاً فقط به خاطر استفاده از هوش مصنوعی از آن استفاده نکنید."

این راهنما از معنایی که مهندسان اکنون به آن فشار می‌آورند استفاده می‌کند: حداکثر کردن ارزش هر توکن، نه تعداد توکن‌هایی که خرج می‌کنید.

سه مفهوم توضیح می‌دهد که توکن‌ها کجا می‌روند، با حلقه عامل شروع می‌شود. یک عامل مدلی است که می‌تواند از ابزارها استفاده کند، بنابراین فکر می‌کند، در وب جستجو می‌کند یا کد اجرا می‌کند، نتیجه را می‌خواند و دوباره ادامه می‌دهد تا تصمیم بگیرد که کارش تمام شده است، و کل مکالمه را در هر دور ارسال می‌کند.

هماهنگی هزینه را چند برابر می‌کند: یک مدل به عنوان مدیر عمل می‌کند، درخواست شما را به قطعات تقسیم می‌کند، آن‌ها را به مدل‌های کارگری به نام زیرعامل‌ها می‌دهد و پاسخ‌های آن‌ها را دوباره به هم می‌چسباند. هر کارگر حلقه خود را با حافظه خود اجرا می‌کند، به همین دلیل است که آنتروپیک می‌گوید تیم‌های عامل در Claude Code می‌توانند حدود هفت برابر بیشتر توکن نسبت به یک جلسه استاندارد استفاده کنند وقتی که همکاران در حالت برنامه‌ریزی اجرا می‌شوند، تنظیمی که در نکات میانی زیر پوشش داده شده است.

نمودارها نحوه جلوگیری از سرگردانی این حلقه‌ها را به توسعه‌دهندگان نشان می‌دهند. چارچوب‌هایی مانند LangGraph به شما اجازه می‌دهند یک جریان کار مانند نقشه مترو ترسیم کنید، با ایستگاه‌ها (گره‌ها) که کار را انجام می‌دهند و مسیرها (لبه‌ها) که تصمیم می‌گیرند کجا بروند، بنابراین مدل یک مسیر ثابت را دنبال می‌کند به جای اینکه تا زمانی که ایده‌ها یا بودجه تمام شود، در حلقه بماند.

به عبارت دیگر، حلقه‌ها به شما کمک می‌کنند تا کارها را خودکار کنید و کیفیت را افزایش دهید، اما همچنین هزینه زیادی را صرف خواهید کرد، بنابراین بسیار مهم است که کارآمد باشید. در اینجا چند نکته وجود دارد که ممکن است به شما کمک کند.

مبتدی: کارهای کوچک، مدل‌های کوچک

1. مدل مناسب را برای کار انتخاب کنید

اگر تازه شروع کرده‌اید، احتمالاً از یک رابط کاربری گرافیکی برای اجرای هوش مصنوعی خود استفاده می‌کنید.

نام مدل را در برنامه چت خود کلیک کنید (در بالای چت در ChatGPT، در کنار دکمه ارسال در Claude یا Hermes) و به گزینه‌ای کوچک‌تر و سریع‌تر برای ایمیل‌ها، خلاصه‌ها و بازنویسی‌ها سوئیچ کنید. مدل اصلی را برای استدلال‌های سخت و تصمیم‌گیری‌هایی که یک اشتباه جزئی هزینه واقعی دارد، نگه دارید.

پنج کار از هفته گذشته را در هر دو مدل به صورت همزمان اجرا کنید و اگر مدل کوچک‌تر موفق بود، آن را نگه دارید. در یک اشتراک که محدودیت استفاده شما را گسترش می‌دهد، و در API، این هزینه را تا 99٪ کاهش می‌دهد.

2. یک درخواست خوب بنویسید به جای پنج درخواست بد

سه دور از "نه، فقط مجموع" یا "این را بهتر و دقیق‌تر کن" هر بار کل چت را دوباره ارسال می‌کند. یک درخواست واضح کار و شکل دقیق پاسخ را مشخص می‌کند. چیزی مانند این می‌تواند کار کند:

شماره فاکتور، تاریخ، فروشنده و مجموع را از متن زیر استخراج کنید. هر مقدار را دقیقاً همان‌طور که نوشته شده نگه دارید. یک خط برای هر فیلد برگردانید و اگر فیلدی وجود ندارد، "غایب" بنویسید.

آزمایش‌های خود OpenAI نشان داد که درخواست‌های ساده‌تر و واضح‌تر امتیاز بالاتری کسب کردند در حالی که از توکن‌های کمتری استفاده کردند.

3. وقتی موضوع را تغییر می‌دهید، یک چت جدید شروع کنید

مدل هر بار که دکمه ارسال را فشار می‌دهید، کل مکالمه را دوباره می‌خواند، بنابراین یک رشته 50 پیامی درباره تعطیلات شما، سوال مالیاتی شما را همزمان گران‌تر و احمق‌تر می‌کند.

Anthropic این زوال را "پوسیدگی زمینه" می‌نامد.

بنابراین، به خاطر خدا، هر بار که موضوع تغییر می‌کند، یک چت جدید شروع کنید.

4. اندازه‌ای که نیاز دارید را بخواهید

توکن‌های خروجی پنج برابر بیشتر از ورودی در مدل‌های برتر Anthropic و OpenAI هزینه دارند. درخواست‌های خود را با چیزی مانند "سه گلوله، زیر 100 کلمه" یا "فقط خطوط تغییر یافته" به پایان برسانید، و مدل فضای کمتری برای اضافه کردن خواهد داشت.

اگر مدل محدودیتی از نظر طول خروجی داشته باشد، توکن‌ها را ذخیره خواهد کرد، به ویژه اگر کار خلاقانه باشد (مانند نوشتن یا تحقیق) و نه قطعی (مانند کدنویسی یا حل ریاضی).

5. قبل از پرداخت، رایگان امتحان کنید

OpenRouter، سایتی که به صدها مدل هوش مصنوعی از طریق یک حساب متصل می‌شود، یک روتر رایگان دارد که درخواست شما را به یکی از حدود 20 مدل بدون هزینه ارسال می‌کند. همچنین می‌توانید مدل‌ها را به صورت محلی با LM Studio یا Ollama بر روی یک کارت گرافیک با 8 گیگابایت حافظه ویدئویی یا یک مک سری M اپل اجرا کنید.

لایه‌های رایگان می‌توانند یک شبه ناپدید شوند، بنابراین هیچ چیز مهمی را بر روی یکی از آن‌ها نساخته و قبل از چسباندن هر چیزی حساس، سیاست داده‌ها را بخوانید.

با این حال، می‌توانید با استفاده از پیشنهادات رایگان، حداکثر تکرارهای خود را به دست آورید. Hermes انتخاب خوبی از مدل‌های رایگان دارد که ممکن است کار شما را انجام دهد و Nvidia نیز همینطور. بهتر است یک درخواست را با یک مدل رایگان و ساده‌تر تنظیم کنید تا اینکه برای یک مدل پریمیوم که همان کار را سریع‌تر انجام می‌دهد، پرداخت کنید.

نکات اضافی برای مبتدیان

برای سوالات ساده، تفکر طولانی را کنار بگذارید یا تنظیم تلاش را در مدل‌های جدیدتر Claude که نمی‌توانند تفکر را خاموش کنند، کاهش دهید. Anthropic کل فرآیند تفکر را به عنوان خروجی محاسبه می‌کند، از جمله بخشی که هرگز نمی‌بینید.

مشترکین Claude Pro و Max که اعتبار استفاده را فعال می‌کنند، می‌توانند یک محدودیت هزینه ماهانه را در زیر تنظیمات، سپس استفاده تنظیم کنند.

متوسط: نماینده شما بیش از حد مطالعه می‌کند

از اینجا به بعد، مثال‌ها از Claude Code، نماینده Anthropic که در ترمینال شما اجرا می‌شود و فایل‌ها را برای شما ویرایش می‌کند، استفاده می‌کنند؛ دستورات مستقیماً به جعبه چت آن وارد می‌شوند. سایر ابزارها نیز منطق مشابهی خواهند داشت.

اگر فقط از برنامه‌های چت استفاده می‌کنید، نکته 8 در هر پنجره چت نیز کار می‌کند.

6. ارزان شروع کنید، در صورت شکست افزایش دهید

نوع /model برای تغییر مدل‌ها را تایپ کنید، Sonnet را به عنوان پیش‌فرض خود نگه دارید و فقط زمانی به Opus بروید که Sonnet در چیزی خاص، مانند یک باگ که نمی‌تواند پس از دو تلاش برطرف کند، شکست بخورد. برای کارهای ساده زیرمجموعه، مستندات Anthropic پیشنهاد می‌کنند که مدل: haiku را در تنظیمات زیرمجموعه تنظیم کنید.

7. پاک‌سازی بین وظایف

زمانی که به یک وظیفه نامربوط تغییر می‌دهید، /clear را تایپ کنید که هیچ هزینه‌ای ندارد و تاریخچه قدیمی را حذف می‌کند. از /compact با یادداشتی در مورد آنچه باید نگه دارید، مانند /compact keep the database decisions، فقط زمانی که به تاریخچه نیاز دارید، استفاده کنید، زیرا فشرده‌سازی خود یک درخواست بزرگ است.

8. بگذارید کد ریاضیات خسته‌کننده را انجام دهد

چسباندن یک صفحه‌گسترده ۵۰۰۰ ردیفی به یک چت باعث می‌شود مدل هر ردیف را بخواند و هنوز هم ممکن است اشتباه بشمارد، زیرا یک مدل زبانی یک ماشین حساب نیست، هرچقدر هم که برای آن هزینه کنید.

به جای آن از آن یک فرمول یا یک اسکریپت کوتاه بخواهید، خودتان آن را اجرا کنید و فقط نتیجه را به مدل بدهید.

9. ابزارهای خود را کاهش دهید

سرورهای MCP پلاگین‌هایی هستند که یک مدل را به برنامه‌هایی مانند GitHub یا Google Drive متصل می‌کنند و هر کدام نام ابزارها و دستورالعمل‌ها را به هر جلسه اضافه می‌کنند.

برای دیدن اینکه چه چیزی فضای شما را اشغال می‌کند، /context را تایپ کنید و برای غیرفعال کردن سرورهایی که پروژه از آنها استفاده نمی‌کند، /mcp را تایپ کنید.

نکات اضافی میان‌مدت

برای دیدن اینکه توکن‌های شما کجا رفته‌اند، /usage را تایپ کنید. CLAUDE.md (یا Soul.md)، فایل دستورالعملی که عامل شما در ابتدای هر جلسه می‌خواند، را زیر ۲۰۰ خط نگه دارید.

برای تغییرات بزرگتر، Shift+Tab را فشار دهید تا به حالت برنامه‌ریزی تغییر دهید، جایی که عامل یک برنامه برای تأیید شما قبل از دست زدن به فایل‌ها پیشنهاد می‌دهد و به محض اینکه به سمت اشتباه رفت، Esc را فشار دهید. از /effort برای کاهش استدلال در کارهای ساده مانند تغییر نام یک متغیر استفاده کنید.

Anthropic نشان داد که استفاده از توکن یک عامل از ۱۵۰۰۰۰ توکن به ۲۰۰۰ توکن کاهش می‌یابد زمانی که فقط تعاریف ابزاری را که نیاز دارد بارگذاری می‌کند، بنابراین ابزارهای خط فرمان مانند gh GitHub، که تا زمانی که اجرا نشوند هیچ هزینه‌ای ندارند، اغلب بر پلاگین‌های همیشه فعال برتری دارند.

پیشرفته: ساخت نرده‌های حفاظتی در سیستم

یک توسعه‌دهنده را در نظر بگیرید که نیاز به پردازش ۱۰۰۰ فاکتور با ۲۰۰۰ توکن هر کدام دارد، با پاسخ‌های ۲۰۰ توکنی: این کار حدود ۳۰ دلار در Fable 5.1 و حدود ۰.۳۰ دلار در Haiku 5.5 هزینه دارد، قبل از هر یک از ترفندهای زیر.

10. کش کردن بخش‌هایی که هرگز تغییر نمی‌کنند

دستورالعمل‌های پایدار را اول قرار دهید و بخش‌های متغیر را آخر، و بلوک پایدار را برای کش علامت‌گذاری کنید. در API Anthropic این یک فیلد اضافی است:

"system": [{

"type": "text",

"text": "دستورالعمل‌های فاکتور شما...",

"cache_control": {"type": "ephemeral"}

}

]

خواندن از کش هزینه‌ای جزئی از قیمت ورودی عادی دارد در حالی که نوشتن به کش پیش‌فرض پنج دقیقه‌ای هزینه بیشتری دارد. فیلد cache_read_input_tokens را در هر پاسخ بررسی کنید؛ اگر پس از اولین تماس هنوز صفر خوانده شود، کش کار نمی‌کند.

11. هر چیزی که می‌تواند منتظر بماند را دسته‌بندی کنید

هم OpenAI و هم Anthropic کارهای دسته‌ای را با ۵۰٪ تخفیف پردازش می‌کنند، با OpenAI که نتایج را در عرض ۲۴ ساعت وعده می‌دهد. ۱۰۰۰ فاکتور را به عنوان یک فایل دسته‌ای بارگذاری کنید به جای اینکه ۱۰۰۰ تماس زنده انجام دهید، و هزینه به شدت کاهش می‌یابد.

12. عامل‌ها را کنترل کنید

حداکثر تعداد مراحل و یک سقف دلاری برای هر اجرای عامل تعیین کنید و قبل از شروع تعریف کنید که "تمام" چه شکلی است. Claude Code یک پرچم --max-budget-usd برای اجراهای اسکریپتی می‌پذیرد و Shopify از قطع‌کننده‌های مدار استفاده می‌کند که می‌تواند دسترسی یک توسعه‌دهنده را به سرعت قطع کند اگر هزینه‌های آنها در یک روز افزایش یابد، که برای شناسایی عوامل سرکش طراحی شده است.

در حال حاضر، کار معمول این است که واقعاً آن عوامل را آزاد بگذارید و بگذارید تا زمانی که نتیجه کامل به نظر برسد، حلقه بزنند. اگر پول ندارید، فقط اجازه ندهید عوامل شما تصمیم بگیرند که چه چیزی "کامل" است یا نیست.

نکات اضافی پیشرفته

حقایق حیاتی را در ابتدای یا انتهای یک پرامپت طولانی قرار دهید. یک مطالعه تحت رهبری استنفورد نشان داد که مدل‌ها اطلاعات را در این موقعیت‌ها بهتر استفاده می‌کنند و بدترین عملکرد را زمانی دارند که در وسط دفن شده‌اند.

فقط زمانی که یک اشتباه هزینه‌بر است، برای بررسی کار یک مدل دوم پرداخت کنید، مانند یک بند قرارداد یا یک رقم پرداخت. در API OpenAI، یک محدودیت سخت هزینه برای هر پروژه فعال کنید، زیرا هشدارهای هزینه فقط شما را مطلع می‌کنند و ترافیک را متوقف نمی‌کنند.

با یک تست شروع کنید

مدل ارزان‌ترین که تست پنج‌وظیفه‌ای شما را از نکته ۱ پاس می‌کند، به مدت یک هفته به عنوان پیش‌فرض انتخاب کنید و فقط زمانی که شکست خورد، تغییر دهید. سپس صفحه مصرف خود را با هفته قبل مقایسه کنید؛ در کار فاکتور، فقط با تغییر مسیر، هزینه از ۳۰ دلار به ۳.۹۰ دلار کاهش یافت، حتی پس از پرداخت ۵.۵ دلار به اوپوس برای اصلاح ۳۰۰ شکست.

با این حال، توکن‌های ارزان‌تر به تنهایی کار را انجام نمی‌دهند: قیمت یک توکن به بیش از ۹۰٪ از سال ۲۰۲۳ کاهش یافته است، طبق شاخص هزینه توکن سیلیکون دیتا، اما هزینه‌ها برای مدل‌های زبان بزرگ از اواخر ۲۰۲۵ دو برابر شده است.

اقتصاددانان این را پارادوکس جونس می‌نامند، زمانی که یک منبع آنقدر ارزان می‌شود که مردم در مجموع بیشتر بر روی آن هزینه می‌کنند. یک گزارش از Bain & Co. در ژوئن همین الگو را پیدا کرد، با هزینه‌های توکن که بین دسامبر ۲۰۲۴ و ۲۰۲۵ نصف شده در حالی که تعداد توکن‌های مصرفی ۴۵۰٪ افزایش یافته است.

نکته مثبت این است که همین کاهش قیمت‌ها به محض اینکه از سوزاندن توکن‌ها برای تفریح دست بکشید، برای شما کار می‌کند: آنها را با عادات بالا جفت کنید و هوش مصنوعی همزمان ارزان‌تر و بهتر می‌شود.