ਇੱਕ ਨਵੇਂ ਓਪਨ-ਸੋਰਸ ਟੂਲ, pxpipe, ਨੇ Anthropic ਦੇ Claude AI ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਾਲੇ ਡਿਵੈਲਪਰਾਂ ਲਈ ਖਰਚੇ ਘਟਾਉਣ ਦਾ ਤਰੀਕਾ ਲੱਭਿਆ ਹੈ। ਇਹ ਟੂਲ ਟੈਕਸਟ ਨੂੰ ਚਿੱਤਰ ਫਾਈਲਾਂ (image files) ਵਿੱਚ ਬਦਲ ਕੇ ਕੰਮ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਕੰਪਨੀ ਵੱਲੋਂ ਟੈਕਸਟ ਬਨਾਮ ਵਿਜ਼ੂਅਲ ਇਨਪੁਟ ਲਈ ਲਈ ਜਾਂਦੀ ਕੀਮਤ ਦੇ ਅੰਤਰ ਦਾ ਫਾਇਦਾ ਉਠਾਇਆ ਜਾਂਦਾ ਹੈ। ਹਾਲਾਂਕਿ ਇਹ ਪੈਸੇ ਬਚਾਉਂਦਾ ਹੈ, ਪਰ ਇਸ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਡਾਟਾ ਦੀ ਸਹੀ ਪੜਤ 'ਤੇ ਜੋਖਮ ਹੋ ਸਕਦਾ ਹੈ।
ਇੱਕ ਨਵੇਂ ਓਪਨ-ਸੋਰਸ ਸੌਫਟਵੇਅਰ ਟੂਲ, pxpipe, ਨੇ Anthropic ਦੇ Claude AI ਮਾਡਲ ਨਾਲ ਜੁੜੇ ਖਰਚਿਆਂ ਨੂੰ ਘਟਾਉਣ ਦਾ ਰਾਹ ਦਿਖਾਇਆ ਹੈ। ਇਹ ਟੂਲ ਇੱਕ ਲੋਕਲ ਪ੍ਰੌਕਸੀ (local proxy) ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ, ਜੋ ਕਿ AI ਸੇਵਾ ਨੂੰ ਭੇਜਣ ਤੋਂ ਪਹਿਲਾਂ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਟੈਕਸਟ ਨੂੰ PNG ਚਿੱਤਰ ਫਾਈਲਾਂ ਵਿੱਚ ਬਦਲ ਦਿੰਦਾ ਹੈ। ਇਹ ਤਕਨੀਕ ਮੌਜੂਦਾ ਪ੍ਰਾਈਸਿੰਗ ਢਾਂਚੇ ਵਿੱਚ ਇੱਕ ਅੰਤਰ ਦਾ ਫਾਇਦਾ ਉਠਾਉਂਦੀ ਹੈ, ਜਿੱਥੇ ਚਿੱਤਰ ਇਨਪੁਟਸ (image inputs) ਨੂੰ ਉਨ੍ਹਾਂ ਵਿੱਚ ਮੌਜੂਦ ਜਾਣਕਾਰੀ ਦੀ ਘਣਤਾ (density) ਦੀ ਬਜਾਏ ਉਨ੍ਹਾਂ ਦੇ ਭੌਤਿਕ ਆਕਾਰ (physical dimensions) ਦੇ ਆਧਾਰ 'ਤੇ ਬਿਲ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਖਰਚਾ ਘਟਾਉਣ ਦਾ ਤਰੀਕਾ
GitHub 'ਤੇ ਰਿਲੀਜ਼ ਕੀਤੇ ਗਏ ਸੌਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰ Steven Chong ਦੁਆਰਾ ਵਿਕਸਿਤ ਕੀਤੇ ਗਏ ਇਸ ਟੂਲ ਦਾ ਮੁੱਖ ਉਦੇਸ਼ AI ਪਲੇਟਫਾਰਮਾਂ ਦੁਆਰਾ ਸਟੈਂਡਰਡ ਟੈਕਸਟ ਟੋਕਨਾਂ (text tokens) ਬਨਾਮ ਵਿਜ਼ੂਅਲ ਡਾਟਾ (visual data) ਲਈ ਲਈ ਜਾਂਦੀ ਕੀਮਤ ਦੇ ਅੰਤਰ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਣਾ ਹੈ। ਵਿਸਤ੍ਰਿਤ ਦਸਤਾਵੇਜ਼ਾਂ, ਪ੍ਰੋਂਪਟ ਕੰਟੈਂਟ (prompt context) ਜਾਂ ਚੈਟ ਹਿਸਟਰੀ (chat history) ਨੂੰ ਹਾਈ-ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਚਿੱਤਰਾਂ ਵਿੱਚ ਬਦਲ ਕੇ, ਉਪਭੋਗਤਾ ਰਵਾਇਤੀ ਟੈਕਸਟ-ਅਧਾਰਿਤ ਪ੍ਰਾਈਸਿੰਗ ਮਾਡਲ ਨੂੰ ਬਾਈਪਾਸ ਕਰ ਸਕਦੇ ਹਨ। ਹਾਲਾਂਕਿ AI ਤੋਂ ਪ੍ਰਾਪਤ ਜਵਾਬ ਅਤੇ ਗੱਲਬਾਤ ਦੇ ਸਭ ਤੋਂ ਨਵੇਂ ਹਿੱਸੇ ਟੈਕਸਟ ਫਾਰਮੈਟ ਵਿੱਚ ਰਹਿੰਦੇ ਹਨ, ਪਰ ਬਲਕ ਜਾਣਕਾਰੀ ਨੂੰ ਕੰਪਰੈਸ (compress) ਕਰਨ ਨਾਲ ਮਹੱਤਵਪੂਰਨ ਲਾਗਤ ਬਚਾਈ ਜਾ ਸਕਦੀ ਹੈ।
ਵਿੱਤੀ ਪ੍ਰਭਾਵ ਅਤੇ ਤਕਨੀਕੀ ਜੋਖਮ
ਸੁਤੰਤਰ ਸਮੀਖਿਆਵਾਂ ਅਤੇ ਦਸਤਾਵੇਜ਼ਾਂ ਤੋਂ ਪਤਾ ਲੱਗਦਾ ਹੈ ਕਿ ਇਹ ਪਹੁੰਚ ਸਟੈਂਡਰਡ Claude API ਪ੍ਰਾਈਸਿੰਗ ਦੇ ਮੁਕਾਬਲੇ ਪ੍ਰੋਸੈਸਿੰਗ ਖਰਚਿਆਂ ਨੂੰ 59% ਤੋਂ 70% ਤੱਕ ਘਟਾ ਸਕਦੀ ਹੈ। ਇੱਕ ਦਸਤਾਵੇਜ਼ੀ ਕੇਸ ਵਿੱਚ, ਇੱਕ ਕੋਡਿੰਗ ਸੈਸ਼ਨ ਦਾ ਖਰਚਾ $42 ਤੋਂ ਵੱਧ ਤੋਂ ਲਗਭਗ $6 ਤੱਕ ਘੱਟ ਗਿਆ। ਹਾਲਾਂਕਿ, ਇਹ ਤਕਨੀਕ ਡਾਟਾ ਦੀ ਭਰੋਸੇਯੋਗਤਾ (data reliability) ਦੇ ਸਬੰਧ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਸਮਝੌਤਾ ਪੇਸ਼ ਕਰਦੀ ਹੈ। ਕਿਉਂਕਿ AI ਨੂੰ ਇਨ੍ਹਾਂ ਚਿੱਤਰਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਟੈਕਸਟ ਨੂੰ ਪੜ੍ਹਨ ਲਈ ਆਪਟੀਕਲ ਕੈਰੈਕਟਰ ਰਿਕੋਗਨੀਸ਼ਨ (OCR) ਦੀ ਵਰਤੋਂ ਕਰਨੀ ਪੈਂਦੀ ਹੈ, ਇਸ ਲਈ ਇਸ ਗੱਲ ਦਾ ਜੋਖਮ ਹੈ ਕਿ ਸਿਸਟਮ ਅੱਖਰਾਂ ਨੂੰ ਗਲਤ ਸਮਝ ਸਕਦਾ ਹੈ ਜਾਂ ਸੰਵੇਦਨਸ਼ੀਲ ਡਾਟਾ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਪ੍ਰੋਸੈਸ ਕਰਨ ਵਿੱਚ ਅਸਫਲ ਹੋ ਸਕਦਾ ਹੈ।
ਇਸ ਜੋਖਮ ਨੂੰ ਘੱਟ ਕਰਨ ਲਈ, ਡਿਵੈਲਪਰ ਨੇ ਟੂਲ ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਡਿਜ਼ਾਈਨ ਕੀਤਾ ਹੈ ਕਿ ਪਾਸਵਰਡ ਜਾਂ ਪਛਾਣ ਨੰਬਰਾਂ ਵਰਗੀ ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਸਾਦੇ ਟੈਕਸਟ (plain text) ਵਿੱਚ ਰਹੇ। ਕਾਰੋਬਾਰਾਂ ਅਤੇ ਡਿਵੈਲਪਰਾਂ ਲਈ, ਇਹ ਵਰਕਅਰਾਊਂਡ (workaround) AI ਬਿਲਿੰਗ ਮਾਡਲਾਂ ਦੀ ਵਿਕਸਤ ਹੋ ਰਹੀ ਪ੍ਰਕਿਰਤੀ ਨੂੰ ਉਜਾਗਰ ਕਰਦਾ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਕੰਪਨੀਆਂ ਮਲਟੀਮੋਡਲ AI (multimodal AI) – ਅਜਿਹੀਆਂ ਪ੍ਰਣਾਲੀਆਂ ਜੋ ਟੈਕਸਟ ਅਤੇ ਚਿੱਤਰ ਦੋਵਾਂ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰ ਸਕਦੀਆਂ ਹਨ – ਲਈ ਆਪਣੀ ਕੀਮਤ ਨਿਰਧਾਰਨ ਨੂੰ ਵਧੀਆ ਬਣਾਉਂਦੀਆਂ ਹਨ, ਅਜਿਹੇ ਵਰਕਅਰਾਊਂਡ ਦੀ ਵਿੱਤੀ ਵਾਇਬਿਲਟੀ (financial viability) ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰੇਗੀ ਕਿ ਕੀ ਡਿਵੈਲਪਰ ਇਨ੍ਹਾਂ ਵਰਤੋਂ ਪੈਟਰਨਾਂ (usage patterns) ਲਈ ਆਪਣੇ ਫੀਸ ਢਾਂਚੇ ਨੂੰ ਵਿਵਸਥਿਤ ਕਰਦੇ ਹਨ। ਨਿਵੇਸ਼ਕਾਂ ਅਤੇ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਮੁੱਖ ਨਿਗਰਾਨੀਯੋਗ ਇਹ ਹੋਵੇਗਾ ਕਿ Anthropic ਅਤੇ ਹੋਰ AI ਪ੍ਰਦਾਤਾ ਅਜਿਹੇ ਲਾਗਤ-ਅਨੁਕੂਲਨ (cost-optimization) ਟੂਲ ਦੇ ਜਵਾਬ ਵਿੱਚ ਆਪਣੀਆਂ ਬਿਲਿੰਗ ਸ਼ਰਤਾਂ ਨੂੰ ਕਿਵੇਂ ਅਪਡੇਟ ਕਰਦੇ ਹਨ।