Tokenomics: Quantifying Where Tokens Are Used in Agentic Software Engineering
यह शोध पत्र LLM-आधारित मल्टी-एजेंट सॉफ्टवेयर इंजीनियरिंग सिस्टम में टोकन खपत के पैटर्न का विश्लेषण करता है, जो यह प्रकट करता है कि पुनरावृत्ति कोड समीक्षा चरण और इनपुट टोकन संसाधन उपयोग पर हावी हैं, जिससे यह स्पष्ट होता है कि प्राथमिक लागत प्रारंभिक कोड जनरेशन के बजाय स्वचालित परिशोधन और सत्यापन में निहित है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आपने अपने लिए सॉफ्टवेयर बनाने के लिए एआई (AI) रोबोटों की एक टीम को काम पर रखा है। आप सोच सकते हैं कि काम का सबसे महंगा हिस्सा वास्तव में "निर्माण" (कोड लिखना) है। हालाँकि, यह शोध पत्र सुझाव देता है कि यह ऐसा ही है जैसे यह सोचना कि घर बनाने में सबसे महंगा हिस्सा ईंटें बिछाना है, जबकि वास्तव में, लागत उन अंतहीन बैठकों से आती है जहाँ टीम इस बात पर बहस करती है कि पेंट का रंग सही है या नहीं।
यहाँ शोधकर्ताओं ने जो पाया है, उसका एक सरल विवरण दिया गया है:
मुख्य विचार: "टोकनोमिक्स" (Tokenomics)
लेखकों ने एआई की "अर्थशास्त्र" (economics) का वर्णन करने के लिए एक नया शब्द, "टोकनोमिक्स" बनाया। ठीक वैसे ही जैसे एक मानव टीम वेतन और कॉफी पर पैसा खर्च करती है, एआई टीमें "टोकन" (वह मुद्रा जिसका उपयोग एआई सोचने और बात करने के लिए करता है) खर्च करती हैं। हर बार जब एआई एक प्रॉम्प्ट पढ़ता है या कोड की एक पंक्ति लिखता है, तो उसमें टोकन खर्च होते हैं। शोधकर्ता एक सरल प्रश्न का उत्तर देना चाहते थे: यह पैसा वास्तव में कहाँ जाता है?
प्रयोग: एक वर्चुअल सॉफ्टवेयर फैक्ट्री
यह पता लगाने के लिए, शोधकर्ताओं ने ChatDev नामक एक वर्चुअल सॉफ्टवेयर कंपनी बनाई। उन्होंने इस एआई टीम को 30 अलग-अलग काम दिए, जिनमें सरल गणितीय समस्याओं से लेकर शतरंज का खेल बनाने तक शामिल थे। उन्होंने इस टीम को चलाने के लिए एक बहुत ही स्मार्ट एआई मॉडल (GPT-5) का उपयोग किया।
उन्होंने एआई टीम को चरण-दर-चरण काम करते हुए देखा, उनके द्वारा उपयोग किए गए प्रत्येक टोकन को ट्रैक किया, और उन चरणों को वास्तविक दुनिया के सॉफ्टवेयर चरणों के साथ मैप किया:
- डिज़ाइन (Design): क्या बनाना है इसकी योजना बनाना।
- कोडिंग (Coding): पहला ड्राफ्ट लिखना।
- कोड रिव्यू (Code Review): काम की जाँच करना और गलतियों को सुधारना।
- टेस्टिंग (Testing): यह देखने के लिए कि क्या यह काम करता है, इसे तोड़कर देखना।
- डॉक्यूमेंटेशन (Documentation): मैनुअल लिखना।
चौंकाने वाले परिणाम
1. "कोड रिव्यू" ही पैसे का गड्ढा है
आप उम्मीद कर सकते हैं कि "कोडिंग" चरण सबसे महंगा होगा। यह नहीं है।
- उपमा (Analogy): एक निर्माण दल की कल्पना करें। वास्तव में कीलें ठोकना (कोडिंग) तेज़ और सस्ता है। लेकिन वह हिस्सा जहाँ फोरमैन और आर्किटेक्ट साइट पर घूमते हैं, एक ही दीवार की ओर इशारा करते हैं, योजना को बार-बार फिर से लिखते हैं और माप की बार-बार जाँच करते हैं? वह है कोड रिव्यू।
- निष्कर्ष: शोधकर्ताओं ने पाया कि कुल टोकन (पैसे) का 59.4% केवल इस "कोड रिव्यू" चरण में खर्च हुआ। एआई एजेंट कोड को रिफाइन और ठीक करने के लिए लगातार एक-दूसरे से बात कर रहे थे, जो अविश्वसनीय रूप से महंगा था।
2. "सुनने" का टैक्स (The "Listening" Tax)
एआई टोकन तीन प्रकार के होते हैं: इनपुट (जो एआई पढ़ता है), आउटपुट (जो एआई लिखता है) और रीज़निंग (जिस पर वह सोचता है)।
- उपमा: एक समूह की कल्पना करें जो पहेली सुलझाने की कोशिश कर रहा है। वे निर्देशों को पढ़ने और टुकड़ों को देखने में 2 मिनट बिताते हैं (इनपुट), लेकिन केवल -1 मिनट वास्तव में टुकड़ों को रखने में बिताते हैं (आउटपुट)।
- निष्कर्ष: एआई ने अपना 53.4% समय केवल संदर्भ (context) को पढ़ने में बिताया (इनपुट)। शोधकर्ता इसे "कम्युनिकेशन टैक्स" कहते हैं। क्योंकि एजेंट एक लूप में एक-दूसरे से बात करते हैं, वे पूरी बातचीत और कोड को बार-बार आगे-पीछे भेजते रहते हैं। वे अपना अधिकांश बजट कुछ नया बनाने के बजाय, जो वे पहले से जानते हैं उसे दोहराने में खर्च कर रहे हैं।
3. अलग-अलग काम, अलग-अलग लागत
- कोडिंग: यह वास्तव में सबसे सस्ता हिस्सा था। यह "आउटपुट-हैवी" (Output-heavy) था, जिसका अर्थ है कि एआई कुछ नया लिखने में व्यस्त था।
- डॉक्यूमेंटेशन और रिव्यू: ये "इनपुट-हैवी" (Input-heavy) थे। एआई को एक छोटा सा सारांश लिखने या एक छोटी सी बग खोजने के लिए मौजूदा कोड की बड़ी मात्रा को पढ़ना पड़ता था।
निचोड़ (The Bottom Line)
शोध पत्र निष्कर्ष निकालता है कि सॉफ्टवेयर बनाने के लिए एआई का उपयोग करने की उच्च लागत इसलिए नहीं है क्योंकि एआई कोड लिखने में बुरा है। बल्कि इसलिए है क्योंकि एआई टीमें एक-दूसरे से बात करने में अक्षम हैं।
वे अपने संसाधनों का एक बड़ा हिस्सा काम की बार-बार जाँच करने (कोड रिव्यू) और संदर्भ को बार-बार पढ़ने (इनपुट) के लूप में खर्च करते हैं। शोधकर्ताओं का सुझाव है कि यदि हम एआई सॉफ्टवेयर विकास को सस्ता और तेज़ बनाना चाहते हैं, तो हमें एआई को तेज़ी से कोड लिखने के लिए बनाने पर ध्यान केंद्रित नहीं करना चाहिए; हमें एआई टीम को इतना अधिक बहस करने और बार-बार पढ़ने से रोकने पर ध्यान केंद्रित करना चाहिए।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।