Токеномика: разбираем Big-T нотацию на примере механики работы Yandex AI Studio
<img src="https://habrastorage.org/getpro/habr/upload_files/f7e/026/17d/f7e02617d53ef40553ba6afbac8f70a7.png" /><p>Под крылом Linux Foundation появилось новое направление — Tokenomics Foundation. Фонд выпустил проект описания “<a href="https://www.tokeneconomics.com/docs/projects/big-t/big-t-notation-paper/">Big-T Notation</a>” (автор — Ден Нефф, старший архитектор облачных решений в Adobe), в котором предлагается фреймворк для оценки и управления расходами на токены в LLM- и агентных системах — по аналогии с Big-O в теории алгоритмов. Токены в бюджетировании обычно относят к категории «разберёмся потом» — примерно как когда-то на заре Интернета веб-разработчики относились к SQL-запросам. Проблема не в дороговизне токенов самих по себе, а в том, что этот рост сложно структурно предсказать и управленчески трудно контролировать. В статье разберём основные идеи Big-T, а заодно проверим их на живых цифрах — прайс-листе Yandex Cloud AI Studio. Реальные тарифы хорошо показывают, что «невидимые множители», о которых пишет автор фреймворка, — это не абстракция, а конкретные строки в биллинге.</p> <a href="https://habr.com/ru/articles/1078620/?utm_source=habrahabr&utm_medium=rss&utm_campaign=1078620#habracut">Читать далее</a>