AI კრედიტების გადახდის მოდელი

როგორ მუშაობს სისტემა?

1. კრედიტები როგორც AI ვალუტა

   • 1 კრედიტი = 1 აშშ დოლარი.

   • ყველა AI მოქმედება მოიხმარს გარკვეული რაოდენობის კრედიტს.

2. რა ფაქტორები და პარამეტრები ახდენს გავლენას კრედიტებზე და ფასზე?

   • LLM მოდელი - Gemini 2.5 Flash, GPT 5.0, Claude Sonnet 4.5 და სხვა, რაც უფრო მძლავრია მოდელი შესაბამისად მეტი კრედიტი იხარჯება. მაგ: Gemini 2.5 Flash-მა საშუალოდ შეიძლება გახარჯოს ერთ სესიაში 0.1$ ცენტის კრდიტი, როცა GPT 5.0 გახარჯავს 0.4$-ს.

   • LLM მოდელის ინსტრუქციები - ეს არის მოდელისთვის წინასწარ გაწერილი ინსტრუქციები რომელიც გამოიყენება ყოველ სესიაში ავტომატურად. რაც უფრო ვრცელი ინსტრუქციებია გაწერილი ასისტენტზე მით უფრო მეტი კრედიტის გახარჯვა ხდება.

     • You are the AI shopping assistant for a tech e-commerce website. 
       Your role is to help customers with questions about smartphones and prices. Do not answer off-topic questions, always try to talk about smartphones.
       
       Rules:
       - Always give clear, friendly, and professional answers. 
       - Answer in the same language the customer uses (Georgian or English).
       - If you don’t know something (like real-time stock or prices), politely say so and suggest 
       the customer check the website or contact support. 
       - Keep answers short and to the point (2–5 sentences). 
       - Do not invent product details or prices that are not provided. 
       - If a customer asks something not related to the shop (like history of iPhones), 
       you may answer briefly (Really short answer), but always guide them back to shopping context.
       - Avoid unnecessary long texts, use concise explanations.

   • შეყვანის ტოკენები(input tokens) - მომხმარებლის შეტყობინების სიგრძე. მაგ: გრძელი შეტყობინება მოიხმარს მეტ ტოკენს, შესაბამისად მეტ კრედიტს.

   • გამოტანის ტოკენები(output tokens) - AI-ის მიერ გენერირებული პასუხის სიგრძე. მაგ: გრძელი პასუხები მოიხმარენ მეტ კრედიტს

   • ცოდნის ბაზის მოცულობა - მაგ: ეს შეიძლება იყოს მოკლე აღწერა კომპანიის შესახებ და ხშირად დასმული კითხვები, ან ინტეგრაცია კომპანიის სრულ პროდუქციასთან ელ კომერციის შემთხვევაში სრული ბაზა გასაყიდი პროდუქციის, მათი რაოდენობა ფასი და ა.შ. რაც უფრო დიდია ცოდნის ბაზა მით უფრო მეტი ტოკენის გახარჯვა მოხდება და აისახება კრედიტებში.

3. მაგალითი გამოყენებიდან — როგორ გამოითვლება ფასი

   • სცენარი: ორგანიზაცია, რომელსაც ჰყავს 1000 ჩატ-სესია თვეში

     • საშუალოდ თითო ჩატი: 5-10 კითხვაზე პასუხის მიღება მომხმარებლისგან

     • აირჩეული მოდელი: Gemini 2.5 Flash (სწრაფი, ბალანსირებული ფასში და ხარისხში)

     • ინტეგრირებული ცოდნის ბაზა: შეიცავს ხშირად დასმულ კითხვებს, გუნდის, პროდუქტებისა და საქმიანობის აღწერას

   • შედეგი:

     • თითო ჩატ-სესია მოიხმარს: დაახლოებით 0.10 – 0.15 კრედიტს (ანუ $0.10 – $0.15)

     • თვეში 1000 ჩატის ხარჯი: დაახლოებით $100 – $150

     • ეს ფასია ოპტიმიზებული და ეფექტური თანამედროვე AI-ს გამოყენებით

   • უფრო მაღალ ინტელექტუალურ მოდელს: GPT-5

     • GPT-5 მოდელი გამოიყენებს უფრო მეტ კრედიტს

     • იგივე მოცულობის ჩატებისთვის (1000 ჩატი), GPT-5-სთან მუშაობის სავარაუდო ფასი იქნება: $300 – $400 თვეში

გამჭვირვალობა ორგანიზაციისთვის

ორგანიზაცია ყოველთვის ხედავს:

• რამდენი კრედიტი დარჩა

• თითოეულ სესიაში(convesation)-ში რამდენი კრედიტი გაიხარჯა

• რომელი მოდელია იყო არჩეული და მისი ხარჯი

• კრედიტების გახარჯვა ხდება მხოლოდ იმ შემთხვევაში თუ გააქტიურებულია ციფრული ასისტენტი.

უპირატესობები

• სრული კონტროლი ხარჯებზე

• მოქნილი მოდელები — აირჩიე საჭირო AI-ს დონე

• გამჭვირვალე და მარტივად გასაგები სისტემა