Naplaćivanje: Svaki agent se računa
Na ovoj stranici
Drugačiji model naplaćivanja
Zapamti jednu stvar prije nego što kreneš u produkciju: svaki token koji potroši svaki agent se naplaćuje. To staje u jednu rečenicu, ali posljedice se vide na računu. Mnogi timovi otkriju multi-agent sustav kroz uvjerljivu demonstraciju na nekoliko upita, otvore ga svojim korisnicima i na kraju mjeseca vide desetorostruku razliku u odnosu na svoje prognoze. Ova lekcija osigurava da se ne pridružiš toj grupi.
Što se naplaćuje
Za svaki zahtjev plaćaš tri kategorije tokena za svakog uključenog agenta – i za vođu i za pod-agente: ulazne tokene, izlazne tokene i tokene za rezoniranje. Treća kategorija je ona na koju ćeš zaboraviti jer je nevidljiva. Interno rezoniranje pod-agenata šifrirano je i tebi nedostupno, ali se svejedno računa. Tome dodaj pozive alata koje izvrši bilo koji agent i razmjenu koordinacije između agenata: interna rasprava tima je posao, dakle to su tokeni.
Kako to izgleda u praksi
Kod standardnog zahtjeva modelu Grok, plaćaš tokene jednog modela. S četiri agenta, računaj na barem četiri puta više, a općenito i više jer agenti međusobno komuniciraju. Sa šesnaest agenata, jaz se kreće od deset do pedeset puta, ovisno o složenosti teme i broju pokrenutih pretraživanja. Jedan zahtjev upućen šesnaestorici agenata opremljenih aktivnim alatima za pretraživanje lako generira desetke tisuća tokena, a još više tijekom istrage koja baca široku mrežu.
Alati značajno opterećuju ovaj ukupni iznos iz tri kumulativna razloga: zahtjev koji agent šalje alatu, odgovor koji alat vraća i obrada tog odgovora. Pomnoži to sa šesnaest agenata od kojih svaki obavlja nekoliko web pretraživanja i vidjet ćeš zašto volumen tako brzo raste.
Četiri poluge za kontrolu troškova
Najjednostavnija poluga je ujedno i najučinkovitija: sustavno postavi četiri agenta kao zadani izbor. Prebaci se na šesnaest samo kada je dubina doista ključna, što predstavlja manjinu slučajeva. Velika većina pitanja dobiva izvrstan odgovor s četiri agenta, a korisnik neće primijetiti nikakvu razliku osim kraćeg kašnjenja.
Sljedeća je preciznost prompta. Nejasan prompt raspršuje agente, a svaka nepotrebno istražena staza košta novca. „Reci mi sve o umjetnoj inteligenciji u Europi“ šalje šesnaest agenata u šesnaest smjerova bez kriterija zaustavljanja; „Koja su 3 glavna regulatorna okvira za umjetnu inteligenciju u EU-u usvojena 2025.-2026.?“ ograničava posao i proizvodi korisniji odgovor za manje novca. Strogoća pisanja ovdje je mjera štednje jednako koliko i mjera kvalitete.
Treća točka zaslužuje izravan stav: multi-agent sustav ne pripada svugdje. Opravdan je kada odgovor zahtijeva unakrsno referenciranje više izvora, kada trebaš provesti složenu komparativnu analizu ili kada tražiš sintezu vijesti o širokoj temi. Za činjenično pitanje s jednim odgovorom, standardni model košta djelić cijene i odgovara jednako dobro, ponekad i bolje.
Konačno, organizacijska strana: prati potrošnju umjesto da je tek otkriješ. Postavi upozorenja o proračunu na svom xAI računu i limite tokena u svojoj aplikaciji kako bi bio upozoren dok troškovi rastu, a ne nakon toga.
Podsjetnik s posljedicama po proračun
Multi-agent model nije dostupan putem Chat Completions API-ja. Ako tvoja infrastruktura ovisi o njemu, usvajanje multi-agent sustava podrazumijeva migraciju na Responses API s OpenAI SDK-om ili na xAI SDK. Taj trošak migracije dio je jednadžbe baš kao i cijena tokena: integriraj ga u svoju odluku umjesto da ga otkriješ tijekom razvoja.
Ključne točke
- Svi tokeni svih agenata se naplaćuju (ulazni, izlazni, rezoniranje)
- Pozivi alata svakog agenta dodaju naplative tokene
- 16 agenata troši znatno više od 4 agenta
- Uvijek kreni s 4 agenta i povećaj broj po potrebi
- Rezerviraj multi-agent sustav za zahtjeve koji to doista opravdavaju
- Chat Completions API nije podržan za multi-agent