Lindy zbudowała pracownika AI. Przeniosła swoją infrastrukturę na otwarte modele wagowe obsługiwane przez Atlas Cloud, obniżyła koszty wnioskowania o około 90% i zrobiła to bez pogorszenia jakości produktu.
~90% niższe koszty wnioskowania · 60% tokenów wejściowych obsługiwanych z pamięci podręcznej · ponad 3000 żądań na minutę w sposób ciągły · ponad 10-krotny wzrost ruchu, nic nie przebudowano · 24 modele z 11 laboratoriów na jednym kluczu
Lindy prowadzi jeden z najbardziej wymagających obciążeń agentowych w produkcji – i działa na Atlas Cloud. Oto, co się zmieniło:
- Ponieważ Atlas ceni powtórzone wywołania według stawek dla cache, Lindy uruchamia agentów, którzy sprawdzają swoją pracę zamiast zgadywać. Sześć z dziesięciu tokenów wejściowych jest dostarczanych z cache, więc prefiks, który agent odczytuje kilkanaście razy w ramach jednego zadania, kosztuje niemal nic.
- Ponieważ Atlas planuje pojemność kopiec pod realne obciążenie, Lindy zwiększyła swój wolumen ponad dziesięciokrotnie, wysyłając więcej ruchu, a nie przebudowując infrastrukturę. Atlas utrzymuje ponad 3000 żądań na minutę przez godzinę bez przerwy.
- Ponieważ Atlas trzyma cały katalog na jednym kluczu, Lindy może zamienić model w jedno popołudnie. Przez jedną integrację przewinęły się 24 modele z 11 laboratoriów.
- Ponieważ Atlas działa na imiennej umowie z certyfikatem SOC 2, Lindy może postawić model z otwartymi wagami przed danymi klientów i brać odpowiedzialność za to, kto go serwuje.
90% to główny wynik Lindy. Powód, dla którego się utrzymuje, i powód, dla którego następna migracja będzie łatwiejsza od tej, to platforma pod spodem.
Dla Lindy rachunek jest ich biznesem
Lindy buduje pracowników AI. Teammate od Lindy dołącza do firmy jak nowy pracownik: przyjmuje prośby w Slacku, łączy się z narzędziami, zespołu, uczestniczy w spotkaniach, i uczy się, aby kolejne zadanie ruszało dalej, niż ostatnie. Nikt nie tworzy automatyzacji; delegują, a agent wykonuje pracę.
Taki design sztywno wyznacza rachunek za infrastrukturę. AI employee, który czyta wątek, sprawdza kalendarz, wyszukuje rekord i pisze odpowiedź, to kilkanaście wywołań modelu, zanim użytkownik zobaczy słowo. A ponieważ Teammate obsługuje cały zespół, wolumen rośwnie z liczbą pracowników. Przy tym kształcie cena modelu stojąca za produktem decyduje o biznesowej viable.
"Ceny Lindy działają tylko wtedy, gdy wnioskowanie coraz tanieje."
— Bruno Škvorc, Staff Software Engineer, Lindy
Lindy zrobiła więc to, czego chce matematyka finansowa. Przeniosła większość ruchu zarządzanych agentów z Claude, Sonnet i Gemini na DeepSeek v4 Flash na Atlas Cloud – koszty wnioskowania na trasach migrowanych spadły o około 90%. Zmiana nazwy modelu zajęła popołudnie. Utrzymanie tego w produkcji, przy dużej skali, i bez pogorszenia się produktu, jest powodem, że wybrali Atlas Cloud.
Dlaczego to 90% jest trwałe: jedenaste wywołanie jest prawie za darmo
Wyceniając tokeny, agent płaci w pełni za ten sam prefiks kilkanaście razy w jednym zadaniu – rachunek rośnie z tym, jak starannie myśli. Ten podatek trzyma produkty agentowe w płytkości: jedna iteracja zamiast trzech, bo trzecia kosztuje tyle samo co pierwsza. To także powód, dlaczego prosty zamiennik modelu oszczędza mniej niż sugeruje fakt, bo okresowo powtarzany prefiks po cichu wraca do rachunku.
Atlas go zabija tam, gdzie jest największy. Sześć na dziesięć tokenów wejściowych Lindy jest rozpoznawane, a nie przetwarzane od nowa – po cenach umowowych dla realnego wolumenu, trzeba, że prefiks, który dominuje w każdym wywołaniu agenta, jest bliski zeru. To właśnie zamienia zamianę modelu na trwałe 90%, a nie liczbę, która skrusza się w miarę wzrostu aktywności. I to jest to, co pozwala agentowi na Atlasie wykonać trzy iteracje tam, gdzie ten sam agent przy wycenie tokenów robiłby jedną.
Trzecia iteracja jest praktycznie bezpłatna, dzięki temu, że koszt końcowego cushi storage jest niemierzalny. A to niezależne dawanie przyspieszenia nie gra pod pierwszym wywołaniem, ale przy powtórnych.
"Agentowe obciążenia wielokrotnie wykorzystują ten sam kontekst w wielu wywołaniach. Caching Atlasa sprawia, że nie płacimy pełnej ceny za ten sam kontekst każdorazowo – to duża część powodów, że oszczędności utrzymały się w skali."
— Ian McGregor, Head of Engineering, Lindy
Pojemność, która była tam zanim Lindy jej potrzebowała
Ruch agentowy nie ma spokojnych nocnych godzin ani dnia premiery do planowania. Praca przychodzi, gdy pracują zespoły, i nie konczy się, gdy się skalujesz. Liczy się nie skok, który wytrzyma bufor, ale prędkość, którą utrzyma dostawca. Lindy wzrosło ponad dziesięciokrotnie, wysyłając więcej ruchu, a nie przebudowując czegoś, a Atlas trzymał ponad 3000 zapytań na minutę przez godzinę. Michael: Pojemność była wyprzedzona przed obciążeniem, więc skalowanie było decyzją biznesową, a nigdy projektem infrastrukturalnym.
Wsparcie, które przynosi produkty, nie bilety
Przy tego skali różnica między dostawcami to mniej dashboard d a kto odpowiada, gdy coś wygląda źle. Inżynierowie Lindy i inżynierowie inferencji z Atlasa udostępniają ten sam kanał, a odpowiedzi wracają tego samego dnia od ludzi, którzy mogą działać. Część odpowiedzi staje się zmianami w produkcie: Lindy poprosiła o sposób na przenoszenie właścicielstwa konta zespołu, Atlas wtedy nie wspierał tego, i wbudowany – a inżynierowie Atlas sami przenieśli konto.
Dostawca, którego mo saberwowa nazwać
Przechodzenie na model z otwartymi wagami usuwa stroną, która dotąd odpowiadała za sposób uruchomienia. Pytania, które kiedyś załatwiała nazwa labolatore boring, teraz skierowane są na dostawcę: kto to serwuje, jaki jest sterowanie, co dzieje się z danymi. Atlas odpowiada imiennie, a nie przez router, na umowie z certyfikatem SOC 2, wymogując brak skaling danych i nie wykorzystyw danych do treningu. To jest ważniejsze dla pracownika AI niż dla chatbotaprodukt, bo Teammate czyta wątki Slacka, kalendarze i rekordy firmy, dla której pracuje. Pytanie o infrastrukturę leży bezpośrednio pod pytaniem o zaufanie klienta, a Atlas daje odpowiedź na oba.
Nie jesteś przykuty do DeepSeeka – przykuty do niczego
Migracja zaangażowała Lindy w strategię, a nie w konkretchany model. DeepSeek v4 Flash wygrał prace, na których był testowany, i utrzymuje pozycję, dopóki będzie najlepszą cena przy wystarczającej jakości. Kolejny zwycięzca może przyjść z innego laboratorium, pod innej licencją, a ponieważ Atlas Cloud daje dostęp do wszystkich modeli na jednym API, wypróbacja kosztuje popołudnie, a nie epocyw cyklów zakupowy. W dniu testów Lindy zrobił 47 zapytaż przez dwunasię modeli, nigdy wcześniej nie użytych, w siedmiu laboratoriach i trzech modalnościach, na kluczu, który już mieli. Trzy stały się produkcyjnymi. Wolność zawsze uruchamiania najlepszego modelu przez Atlas Cloud daje Lindy gamę operacyjną fluidności.
Jeśli Twoi agenci działają na rynku, przenieś ich do siebie
Lindy poszła tą dokładnie tą drogą. Najpierw spotkało DeepSeek na OpenRouter, przetestowałyna model tam, i udowodnili, że warto migrację. W tym teście odkryli rzecz, która zdecydowała o tym, gdzie stan stal będzie produkcja.
"Co ciekawe, testowaliśmy też ten sam model na różnych dostawcach inferencji. Nieprzyjemnie, ale dostawca miał znaczenie. Ten sam model liczbowy mógł uzyskiwać różne wyniki w zależności odWho go serwuje."
— Brunošvork, Staff Software Engineer, Lindy
Marketplace jest jego nneteen do apple. Skupili się na tym, by ci pomóc kupować, nie działa Twójproduct. Wyślij ruch przez router a idzie do dostawcy z wolną pojemnością, zatem nie wybierasz tego, lecz ono jest, i nie widzisz, kto serwował. Te same wagi na różnych maszynach dają różne liczby – z kwantyzacji lub skrótu w stosie dowującego – a te liczby docierają do userów szybciej niż do radarzo dashboard. Każdy nad hop po cichu zmienia jakość Twojego produktu, który klient płaci. Nie da się tego debugowadić, bo nie widać, kto serwuje wywołanie. Nie da się naprawić, bo nie masz pełni kontroli nad routowing. To prowadzi do Twojej reputacji to decyzja niedokon a.
Then Lindy nie uruchomocyło produkcyjnego na OpenRouter. Apartment of real launch, simOnTraffic went live, it went onto a direct contract with Atlas: jeden stack serwujący, ten sam dla każdego żądania, wytunowany do model, zobowią cou bez auth, chat cache and pojemność potrzebną dla produkcji agentowej, no rid of same key na cały katalog. Jeśli Twoje agentować w produkcji a wciąż idą przez router, wyrulujesz produkt, którego nie potrafisz utrzymaćw mieczu, i nie dowiesz się aż customer to zrobi. Przenieś je, tak jak to zrobiło Lindy.
Porozmawiajcie z nami o Twoim obciążeniu i naszę nie powiedzieć, ile powinieneś właściwie kosztować, albo przyśled ponistrę w katalogu.
O Lindy
Lindy buduje pracowników AI. Lindy Teammate, wystartował w sierpniu 2026, work cy nad bocian przez ludzi: sam to weźmie requesty w Slack, łącz się do narzędzi kompanii, przyjmuje spotkania, i budujemy context zespołu, żeby każde next zaczynało się dalej. Zamiast budować i utrzymygate automatyzacje, Lindy prosi o delegację. Lindy został założony przez Flo Crivello i ma siedzibę w SF.
##O Atlas Cloud
Atlas Cloud to ujednolicona platforma AI multimodalnej: ponad 400 modelamt across video, obrazu, języka i audio, przez jeden api key, jeden endpoint i jedno rozrachunkowe konto, OpenAI compatible dla model języków. SOC 2 and HIPAA Certified.
