هزینه مقیاس‌پذیری ایجنت‌های هوش مصنوعی: چرا معماری، نه مدل، تعیین‌کننده است

مشکل واقعی: هزینه ایجنت‌ها به‌صورت نمایی رشد می‌کند، نه خطی

اکثر تیم‌ها وقتی از ساخت یک ایجنت هوش مصنوعی حرف می‌زنند، فقط به قیمت هر توکن مدل فکر می‌کنند. این اشتباه اول است.

یک وظیفه‌ی agentic ساده می‌تواند بین ۵٬۰۰۰ تا ۱۵٬۰۰۰ توکن مصرف کند، اما یک سیستم چندایجنتی پیچیده به راحتی به ۲۰۰٬۰۰۰ تا بیش از یک میلیون توکن در هر وظیفه می‌رسد. تفاوت بین این دو عدد، تفاوت بین یک سیستم سودآور و یک سیستم است که پول شرکت را می‌بلعد.

[1]

در واقع، وظایف agentic coding تا هزار برابر بیشتر از یک چت ساده یا استدلال تک‌مرحله‌ای توکن مصرف می‌کنند. این عدد اغراق نیست؛ این واقعیت معماری ایجنت‌هایی است که چند بار فکر می‌کنند، ابزار صدا می‌زنند، و نتیجه را بازبینی می‌کنند.

[2]

چیزی که اکثر افراد اشتباه می‌فهمند

فرض غالب این است: «قیمت هر میلیون توکن مدل، هزینه‌ی واقعی سیستم است.» این فرض غلط است.

هزینه‌ی واقعی عملیاتی یک ایجنت production معمولاً دو تا پنج برابر بیشتر از هزینه‌ی خام API مدل است که در فاز برنامه‌ریزی تخمین زده می‌شود. علتش این نیست که مدل گران‌تر شده؛ علتش این است که هیچ‌کس لایه‌های اطراف مدل را حساب نمی‌کند: retrieval، orchestration، observability، و نگهداری prompt.

[3]

یک گزارش سال ۲۰۲۶ نشان می‌دهد هزینه‌ی نگه‌داری سالانه‌ی یک ایجنت بین ۱۵ تا ۳۰ درصد هزینه‌ی توسعه‌ی اولیه است، و در یک چارچوب TCO سازمانی سه‌ساله، هزینه‌های عملیاتی ۶۵ تا ۷۵ درصد کل هزینه را تشکیل می‌دهند. یعنی هزینه‌ی ساخت، نوک کوه یخ است.

[4]

چطور یک معمار سیستم به این قضیه نگاه می‌کند

تعریف: هزینه‌ی مقیاس‌پذیری ایجنت چیست

هزینه‌ی مقیاس‌پذیری ایجنت (Agent Scaling Cost) مجموع هزینه‌های token، compute، retrieval، و عملیات انسانی است که با افزایش حجم وظایف، رشد می‌کند — نه فقط هزینه‌ی فراخوانی مدل.

یک معمار سیستم، ایجنت را نه به‌عنوان یک «پرامپت هوشمند» بلکه به‌عنوان یک خط تولید (pipeline) با چند ایستگاه هزینه می‌بیند: مصرف توکن، فراخوانی ابزار، ذخیره‌ی context، و مانیتورینگ خطا. هر ایستگاه، نقطه‌ی شکست هزینه‌ای خودش را دارد.

چهار دسته‌ی هزینه‌ای که باید جداگانه مدل‌سازی شوند

• هزینه‌ی توکن: ورودی و خروجی مدل در هر turn ایجنت

[3]

• هزینه‌ی زیرساخت: compute، ذخیره‌سازی، retrieval، و orchestration

[3]

• هزینه‌ی پلتفرم: سرویس‌های واسط مثل embedding و vector search

[3]

• هزینه‌ی عملیاتی: مهندسی prompt، evaluation، و نگهداری — معمولاً معادل نیم تا یک نیروی تمام‌وقت در سال اول

[3]

اگر این چهار دسته را جداگانه مدل نکنید، بودجه‌تان روی کاغذ خوب به نظر می‌رسد و در واقعیت شکست می‌خورد.

نکته‌ای که کمتر گفته می‌شود: قیمت مدل ارزان می‌شود، اما هزینه‌ی کل نه

هزینه‌ی inference برای عملکرد معادل، سالانه حدود ده برابر کاهش می‌یابد؛ آنچه در ۲۰۲۱ شصت دلار در هر میلیون توکن بود، امروز کسری از یک سنت است. این خبر خوب است، اما یک تله دارد.

[5][6]

وقتی توکن ارزان می‌شود، تیم‌ها معمولاً چند‌مرحله‌ای‌تر فکر می‌کنند: مراحل بیشتر، بازبینی بیشتر، ایجنت‌های موازی بیشتر. نتیجه؟ مصرف توکن کل ثابت نمی‌ماند یا کاهش نمی‌یابد — رشد می‌کند، چون سطح انتظار از سیستم بالا می‌رود. این دقیقاً همان چیزی است که در طراحی سیستم به آن می‌گویند «Jevons Paradox» در لباس مهندسی.

مکانیزم عملی: مسیریابی مدل به‌جای مدل ثابت

یک راه‌حل عملی که در سیستم‌های production واقعی کار می‌کند: شروع با یک مدل کوچک و سریع، و ارتقا به مدل بزرگ‌تر فقط وقتی پیچیدگی یا عدم‌قطعیت از یک آستانه‌ی مشخص عبور کند. این الگو را «model routing» یا «cascading inference» می‌نامند.

[7]

مثال عددی: مدل‌های ارزان مثل Gemini Flash-Lite حدود ۰٫۰۷۵ دلار در هر میلیون توکن ورودی هزینه دارند، در حالی که مدل‌های top-tier مثل GPT-5 حدود ۳٫۴۴ دلار در هر میلیون توکن می‌گیرند. اگر ۸۰ درصد وظایف شما ساده هستند و فقط ۲۰ درصد نیاز به مدل قوی دارند، مسیریابی درست می‌تواند هزینه‌ی کل را تا ۷۰ درصد کاهش دهد بدون افت قابل‌توجه در کیفیت.

[5][7]

یک عدد دیگر برای واقعی‌سنجی: برای یک ایجنت سازمانی متوسط با حجم صدها تا چند هزار وظیفه در روز، هزینه‌ی زیرساختی ماهانه (بدون لایسنس‌های Copilot) معمولاً بین ۵۰۰ تا ۳٬۰۰۰ دلار است.

[3]

اشتباهات رایج در مقیاس‌دهی ایجنت‌ها

• محاسبه‌ی بودجه فقط بر اساس قیمت لیست مدل، بدون در نظر گرفتن retry و بازبینی داخلی ایجنت
• نادیده گرفتن هزینه‌ی context — نگه‌داشتن تاریخچه‌ی کامل گفتگو در هر فراخوانی، به‌جای summarization
• عدم جداسازی وظایف ساده از پیچیده، و اجرای همه با یک مدل واحد و گران
• نبود observability؛ یعنی وقتی هزینه بالا می‌رود، هیچ‌کس دقیقاً نمی‌داند کدام مرحله مقصر است
• فرض این‌که هزینه‌ی نگهداری صفر است — در حالی‌که معمولاً ۱۵ تا ۳۰ درصد هزینه‌ی توسعه در سال است

[4]

تریدآف‌ها و محدودیت‌ها

مسیریابی مدل رایگان نیست. پیچیدگی مهندسی‌ای اضافه می‌کند: باید یک لایه‌ی طبقه‌بندی (classifier) بسازید که تصمیم بگیرد کدام وظیفه به کدام مدل برود، و این لایه خودش نیاز به نگهداری دارد.

کش‌کردن (caching) توکن‌ها هزینه را کاهش می‌دهد، اما اگر داده‌ها پویا باشند، ریسک پاسخ قدیمی و نادرست بالا می‌رود. هیچ سیستمی بدون هزینه‌ی پنهان مقیاس نمی‌یابد؛ سؤال واقعی این است که آن هزینه را کجا می‌پذیرید — در توکن، در مهندسی، یا در کیفیت.

واقعیت عملیاتی: چیزی که در کاغذ دیده نمی‌شود

در عمل، تیم‌ها معمولاً پس از سه تا شش ماه اجرای واقعی متوجه می‌شوند که الگوی مصرف واقعی کاربران با فرضیات اولیه فرق دارد. کاربران سؤالات پیچیده‌تر از حد انتظار می‌پرسند، ایجنت بیشتر retry می‌کند، و هزینه‌ی واقعی از تخمین اولیه فاصله می‌گیرد.

این یعنی بودجه‌بندی ایجنت باید از روز اول یک بازه (range) باشد، نه یک عدد ثابت، و باید هر ماه بازبینی شود بر اساس داده‌ی واقعی مصرف — نه فرض تئوریک.

جمع‌بندی کلیدی

• هزینه‌ی توکن فقط بخشی از هزینه‌ی واقعی است؛ زیرساخت، عملیات، و نگهداری معمولاً بیشتر هزینه می‌برند
• مسیریابی مدل (model routing) بین مدل ارزان و گران، ابزار اصلی کنترل هزینه در مقیاس است
• هزینه‌ی نگهداری سالانه معمولاً ۱۵ تا ۳۰ درصد هزینه‌ی توسعه‌ی اولیه است
• بدون observability دقیق در سطح مرحله، هیچ تیمی نمی‌تواند هزینه را کنترل کند
• مقیاس‌دهی ایجنت یک مسئله‌ی معماری است، نه یک مسئله‌ی انتخاب مدل

پرسش‌های پرتکرار

چرا هزینه‌ی ایجنت هوش مصنوعی بیشتر از قیمت اعلام‌شده‌ی مدل است؟

چون هزینه‌ی واقعی شامل retrieval، orchestration، observability، و نگهداری prompt هم می‌شود، که معمولاً دو تا پنج برابر هزینه‌ی خام API است.

[3]

آیا مدل‌های ارزان‌تر باعث کاهش کل هزینه‌ی سیستم می‌شوند؟

نه همیشه. وقتی توکن ارزان می‌شود، تیم‌ها معمولاً پیچیدگی و تعداد مراحل ایجنت را افزایش می‌دهند و مصرف کل بالا می‌رود.

مسیریابی مدل (Model Routing) چیست؟

یک الگوی معماری که وظایف ساده را به مدل ارزان و سریع می‌فرستد و فقط وظایف پیچیده را به مدل قوی و گران ارجاع می‌دهد.

[7]

هزینه‌ی نگهداری سالانه‌ی یک ایجنت production چقدر است؟

معمولاً بین ۱۵ تا ۳۰ درصد هزینه‌ی توسعه‌ی اولیه، بر اساس چند منبع صنعتی مستقل در سال ۲۰۲۶.

[4]