اگر مدیر یک تیم مهندسی هستید و از پرداخت هزینههای ثابت برای کاربرانی که بهندرت از هوش مصنوعی استفاده میکنند خسته شدهاید، خبر خوب این است که مدل مالی OpenAI تغییر کرد. اکنون سازمانها میتوانند بدون خرید اشتراک کامل ChatGPT، دسترسی به ابزارهای کدنویسی را برای توسعهدهندگان فعال کنند.
OpenAI مدل قیمتگذاری انعطافپذیری را برای Codex معرفی کرده است که به محیطهای کاری Business و Enterprise اجازه میدهد صندلیهای «فقط Codex» (Codex-only) را بهصورت پرداخت بهازای مصرف (Pay-as-you-go) اضافه کنند. این تغییر در حالی رخ میدهد که شرکتها برای توازن میان هزینه بالای لایسنسهای کاربر-محور و الگوی مصرف واقعی تیمهای فنی در تکاپو هستند. در حالی که ما پیشتر در گزارش خود درباره Felony Bench به خطرات عوامل هوش مصنوعی (AI Agents) پرداختیم، تمرکز فعلی بسیاری از سازمانها بر هزینههای عملیاتی مقیاسبندی این ابزارها در میان گروههای بزرگ توسعهدهندگان است. این رویکرد در تضاد با مدلهای گرانقیمتتر است، مانند صندلیهای پرمیوم OpenAI برای کاربران عاملمحور که هزینههای بسیار بالاتری را برای قابلیتهای پیشرفته پیشبینی کرده بود.
طبق اعلام رسمی OpenAI، در مدل جدید، هزینههای ثابت صندلیها برای اعضای Codex-only حذف شده و جای خود را به مصرف توکن (Token) — شبیه به برشهای یک کیک طولانی که مدل تکهتکه میخورد — در سبک API داده است. این یعنی یک شرکت دیگر مجبور نیست هر برنامهنویس را بهعنوان یک کاربر کامل ChatGPT تعریف کند تا او بتواند از قابلیتهای کدنویسی بهره ببرد. این تغییر در مدل توکنمحور با روند کلی کاهش هزینههای زیرساختی همسو است؛ برای مثال، اخیراً هزینه توکنهای GPT-5.6 Sol تا ۵۰٪ کاهش یافت تا دسترسی به مدلهای قدرتمند تسهیل شود.
جزئیات اجرا و زمانبندی
به نقل از مستندات OpenAI، این مدل نخستین بار در ۲ آوریل ۲۰۲۶ معرفی شد تا دسترسی به کدنویسی از مدلهای اشتراکی سنتی جدا شود. هدف این است که سازمانها بتوانند هزینههای Codex را مستقیماً با مصرف توکن تراز کنند، به جای اینکه با هر کاربر به عنوان یک صندلی کامل ChatGPT برخورد کنند. این رویکرد اجازه میدهد هزینههای Codex مستقیماً با میزان استنتاج (Inference) — لحظهای که مدل واقعاً جواب تولید میکند، مثل خودِ آشپزی و نه دورهی آموزش آشپز — گره بخورد.
در بهروزرسانی بعدی در ۲۴ ژوئن ۲۰۲۶، شرکت تصریح کرد که در دسترس بودن صندلیهای جدید پرداخت بهازای مصرف برای محیطهای Business ممکن است تغییر کند. در حالی که صندلیهای فعلی پرداخت بهازای مصرف پابرجا میمانند، OpenAI اشاره کرد که دسترسی به صندلیهای جدید ممکن است متغیر باشد. بنابراین مدیران باید پیش از هرگونه برنامهریزی برای استقرار گسترده، گزینههای موجود در محیط کاری (Workspace) خاص خود را بررسی و تأیید کنند.
ساختار قیمتگذاری و تسهیلات ورود
برای ترغیب سازمانها به پذیرش این مدل و کاهش هزینه ورود کاربران جدید، OpenAI تغییرات مالی مشخصی را اعمال کرده است:
- قیمت سالانه هر صندلی ChatGPT Business از ۲۵ دلار به ۲۰ دلار کاهش یافت.
- اعضای جدید Codex-only مبلغ ۱۰۰ دلار اعتبار تبلیغاتی دریافت میکنند.
- سقف اعتبارات تبلیغاتی برای هر تیم ۵۰۰ دلار تعیین شده است.
- صندلیهای Codex-only هیچ هزینه ثابت ماهانه یا سالانهای ندارند.
- صورتحساب این صندلیها کاملاً بر اساس مصرف توکن در سبک API محاسبه میشود.
باید توجه داشت که این رویکرد لزوماً به معنای کاهش جهانی هزینههای کدنویسی نیست. از آنجایی که مدل پرداخت بهازای مصرف، مخارج را وابسته به استفاده واقعی میکند، اثر مالی نهایی بسته به هر تیم و حجم کاری آنها متفاوت خواهد بود.
اکوسیستم اعتبارات مشترک
یکی از مهمترین تغییرات فنی، معرفی یک استخر اعتباری مشترک (Common Credit Pool) است. زمانی که یک طرح از این قابلیت پشتیبانی کند، اعتبارات مربوط به Codex، ChatGPT Work و ChatGPT for Excel، به همراه ویژگیهای مرتبط با Workspace، همگی از یک موجودی واحد برداشت میشوند.
راهنمای مرکز کمک OpenAI تأیید میکند که این اعتبارات در تمامی ویژگیهای پشتیبانیشده عمل میکنند. این یکپارچگی اگرچه فرآیند خرید را ساده میکند، اما چالش بودجهبندی جدیدی برای مدیران میسازد. استفاده در یک ابزار، مانند اتوماسیون اکسل، اکنون مستقیماً از اعتبارات در دسترس یک توسعهدهنده برای وظایف کدنویسی میکاهد.
برای مدیران، این موضوع یک پرسش بودجهبندی گستردهتر از هزینه یک ابزار کدنویسی واحد ایجاد میکند. از آنجایی که یک استخر اعتباری مشترک چندین جریان کاری فعالشده با هوش مصنوعی را پوشش میدهد، مصرف در یک ویژگی میتواند بر اعتبارات ویژگی دیگر تأثیر بگذارد. سازمانها اکنون باید تصمیم بگیرند که چگونه اعتبارات را بین موارد استفاده توسعهدهندگان و کاربردهای تجاری تقسیم کنند.
برای خواننده، این بدان معناست که بودجه هوش مصنوعی شما دیگر یک ردیف هزینهی ماهانه و پیشبینیپذیر به ازای هر نفر نیست. بلکه به یک هزینه عملیاتی متغیر تبدیل شده است که بر اساس پیچیدگی و حجم کدهای تولید شده نوسان میکند.
از دیدگاه تحریریه، این یک حرکت استراتژیک برای تصاحب بازار «کاربران سبک» است. با حذف سد قیمتی ۲۰ تا ۲۵ دلاری، OpenAI ورود دهها توسعهدهنده را که ممکن است فقط گاهی از ابزار استفاده کنند، برای یک مدیر بدون اصطکاک میکند.
اما مدل اعتبارات مشترک یک وابستگی پنهان ایجاد میکند. اگر یک تیم تجاری بهطور تهاجمی از ChatGPT for Excel استفاده کند، ممکن است بهطور ناخواسته اعتبارات کدنویسی تیم مهندسی را تمام کند و این امر سطح جدیدی از حاکمیت داخلی بر مصرف هوش مصنوعی را ضروری سازد.
بنابراین مسئولیت مدیران از «تدارکات» (خرید تعداد مشخصی لایسنس) به «مدیریت عملیاتی» (پایش لحظهای نرخ مصرف توکن) تغییر مییابد. مدیران اکنون باید نرخ سوخت توکن (Token Burn Rate) را مانیتور کنند، نه فقط تعداد صندلیها را.
سازمانها باید پیش از برنامهریزی برای استقرار، گزینههای خاص محیط کاری خود را بررسی کنند، زیرا بهروزرسانی ۲۴ ژوئن نشان میدهد که در دسترس بودن صندلیهای جدید Business تضمین شده نیست.
باید دید سایر دستیارهای کدنویسی هوش مصنوعی، مانند GitHub Copilot، چگونه به این فشار مبتنی بر مصرف پاسخ میدهند. صنعت ممکن است به سمت یک مدل ترکیبی حرکت کند که در آن دسترسی پایه ثابت است، اما استدلالهای با عملکرد بالا (High-performance reasoning) بر اساس توکن صورتحساب شوند.
برای سازمانهایی که دسترسی به کدنویسی هوش مصنوعی را ارزیابی میکنند، مسئله عملی صرفاً هزینه توکن نیست؛ بلکه این است که اعتبارات مشترک، مجوزهای محیط کاری و جریانهای کاری توسعهدهندگان چگونه در حاکمیت و بودجهبندی جای میگیرند. Scalevise از طریق خدمات مشاوره هوش مصنوعی خود به تیمها کمک میکند تا ابزارهای AI را با نیازهای عملیاتی قابل اندازهگیری و کنترلهای اجرایی تطبیق دهند. برای ارزیابی رویکرد Codex و محیط کاری ChatGPT پیش از گسترش استفاده، درخواست مشاوره دهید.
گام بعدی شما
- مدیران IT باید نرخ مصرف توکن (Token Burn Rate) تیمهای مختلف را مانیتور کنند تا تداخل بودجهای رخ ندهد.
- در محیط کاری خود بررسی کنید که آیا گزینه Pay-as-you-go برای صندلیهای Business هنوز فعال است یا خیر.
- برای بهینهسازی هزینهها، اعتبارات تبلیغاتی ۱۰۰ دلاری را برای تست ابزار در پروژههای کوچکتر به کار ببرید.
اما رقابت در این حوزه به اینجا ختم نمیشود؛ بررسی خواهیم کرد که رقبایی مثل GitHub Copilot در برابر این فشار قیمتی چه واکنشی نشان میدهند.
گفتگو