Lindy สร้าง AI Employee ขึ้นมา มันย้ายระบบทั้งหมดไปใช้โมเดลโอเพนเวตที่ให้บริการโดย Atlas Cloudลดค่าใช้จ่ายด้าน inference ได้ประมาณ 90% และทำทั้งหมดนี้โดยไม่ทำให้ผลิตภัณฑ์แย่ลงแม้แต่น้อย
~90% ค่า inference ลดลง · 60% ของ input tokens ให้บริการจาก cache · รองรับ 3,000+ คำขอต่อนาทีอย่างต่อเนื่อง · การเติบโตของปริมาณการใช้งาน 10 เท่า+ โดยไม่ต้องสร้างอะไรใหม่ · 24 โมเดลจาก 11 ห้องแล็ปบนคีย์เดียว
Lindy ใช้งาน agent workload ที่โหดที่สุดในโปรดักชัน และมันทำงานบน Atlas Cloud นี่คือสิ่งที่เปลี่ยนไป:
- เพราะ Atlas คิดค่าใช้จ่ายสำหรับการเรียกซ้ำในราคา cache Lindy จึงรัน agents ที่ทวนสอบงานของตัวเองแทนการเดา หกในสิบของ input tokens ที่ส่งออกมาจาก cache ถserved จึงทำให้ prefix ที่ agent อ่านซ้ำเป็นสิบครั้งต่อหนึ่งงานแทบไม่เสียค่าใช้จ่าย
- เพราะ Atlas จัดเตรียมทรัพยากรให้เหมาะกับ workload Lindy จึงเพิ่มปริมาณการใช้งานมากกว่าสิบเท่าด้วยการ ส่ง traffic เพิ่มขึ้น ไม่ใช่การสร้างอะไรใหม่ และ Atlas รองรับได้มากกว่า 3,000 คำขอ/นาทีติดต่อกันเป็นเวลาหนึ่งชั่วโมง
- เพราะ Atlas รวมแคตตาล็อกทั้งหมดไว้ในคีย์เดียว Lindy จึงสามารถสลับไปใช้โมเดลใหม่ได้ภายในครึ่งวัน มันได้รัน 24 โมเดลจาก 11 ห้องแล็บด้วยการผสาน Integration เดียว
- เพราะ Atlas ให้บริการบนสัญญาที่ระบุชื่อและผ่านการรับรอง SOC 2 Lindy จึงสามารถวางโมเดลโอเพนเวอร์ไว้รับข้อมูลของลูกค้า และยืนยันได้ว่าใครเป็นผู้ให้บริการ
ตัวเลข 90% คือหัวข้อใหญ่ของ Lindy และ เหตุผลที่ตัวเลขนเนี้อยู่ และเหตุผลที่การโยกย้ายครั้งต่อไปจะง่ายกว่าครั้งนี้ ก็คือแพลตฟอร์มที่อยู่ข้างล่าง
สำหรับ Lindy ค่าใช้จ่ายคือหัวใจของธุรกิจ
Lindy สร้าง AI Employee Lindy Teammate เข้าร่วมองค์กรเหมือนพนักงานใหม่: รับคำขอใน Slack เชื่อมต่อเครื่องมือที่ทีมใช้อยู่ อยู่ในประชุม และเก็บสิ่งที่เรียนรู้เพื่อให้คำขอครั้งต่อไปเริ่มจากจุดที่ไกลกว่าครั้งก่อน ไม่มีใครเขียน automation พวกเขาแค่กระจายงาน และ agent ทำส่วนที่เหลือ
ดีไซน์แบบนี้ทำให้เกิดค่าใช้จ่ายด้านไอทีที่โหดร้าย AI employee ที่อ่านเธรด และเช็ก calendar โดย "บริษัทหลัก" ของมันคือ "บริษัท" ดาร Prin ...
[PUBLIC] "ราคาของ Lindy จะใช้งานได้ก็ต่อเมื่อ inference ถูกลงเรื่อยๆ"
— Bruno Skušrovic, Staff Software Engineer, Lindy
Lindy จึงทำสิ่งที่คณิตศาสตร์การเงินเรียกร้อง มันโยก traffic ส่วนใหญ่ของ managed-agent จาก Claude, Sonnet และ Gemini ไปที่ DeepSeek v4 Flash ที่รันบน Atlas Cloud และ [Inference costs ลดลง]].(_https://www.lindy.ai/blog/migrating-from-claude-to-deepseek) การเปลี่ยนชื่อโมเดลใช้เวลาแค่ครึ่งวัน แต่ การตรึงผลนี้ที่ระดับโปรดักชัน โดยไม่ทำให้ผลิตภัณฑ์แย่ลง นั่นคือเหตุผลที่พวกเขาเลือก Atlas Cloud
ทำไมตัวเลข 90% อันตรึง: การเรียกครั้งที่ ส่วนไกล่ฟรี
ราคาต่อ token นั้น agent จ่ายเต็มราคสำหรับ prefix เดิมถึง " > 1 " ครั้งต่องาน และค่าใช้จ่ายเพิ่มตามความรอบคอบของตัวมันเอง ภาษีนี้คือสิ่งที่ทำให้ agent ทำงานเพียวแค่ " " pass เดียว แทนที่จะ " สาม " และ" เพราะครั้งที่สาม " ราคาเท่าครั้งแรก ทั้งนี้ยังเป็นเหตุผล fridgeว่า " "การเปลี่ยนโมเดลแบบไม่มีปวน" นั้นประหยัดได้น้อยกว่าบนกระดาษ เนื่องจาก prefix แล้วมาเติมบิล อย่างเงียบๆ ในรอบ
Atlas จำกัดภาษีที่มันหนักที่สุด ในทุกหกในสิบของ input tokens ของ Lindy ได้รับการจดจำหรือ ไม่ใช่ประมวลผลใหม่ ด้วยราคาที่ถูกทำสัญญาตามปริมาณจริง ดังนั้น prefix ที่ครอบงำทุก agent call แทบไม่มีค่าใช้ ได้" "เปลี่ยน " โมเดลสวิตช์ เป็นตัวเลข 90% ที่ยั่งยืน ไม่ใช่ตัวเลขที่ค่อยๆ กร่อนลงเมื่อการใช้งานเพิ่มขึ้น และมันเป็นเหตุผลว่า agent บน Atlas รันสามรอบ " " เช่นที่เดิมมห้อ $_ "... while เหนื่อยมาหนัก" " " ยไล กว่า ตัง เอง then มันเรียกครั้งเดียว.
[PROPOSED — your call] _"Agent workloads ใช้ context ร่วมกันบ่อยมากๆ ในการเรียก model หลายครั้ง การ cache ของ Atlas แปลว่าเราไม่ต้องจ่ายเงินเต็มราคาสำหรับ context เดิม อาจจะ"ทุกๆ ครัง — นั่นคือปัจจัยใหญ่ที่ทำ ให้การประหยัดยังคง"ยืนที่ scale"
— Ian McGregor, Head of Engineering, Lindy
ขนาด Capacity ที่มีอยู่ ก่อนที่ Lindy จะ"ถึง"ต้องการ
Traffic ของ agents ไม่มีช่วง "deep quiet ตอนกลางคืน" และไม่มี launch day ให้ " کارشناسان" กล่าวคืองานจะมา " เมื่อทีมกำลัง"ใช้" และหยุด " " " ก็ไม่ได้ " เกิดจากการใช้" สิ่งสำคัญคือจริงๆ แล้วไม่ใช่ " สไปก์" ที่ buffer จับไว้ " แต่"อัตราต่อที่ ผู้ให้บริการ"ถือไว้ได้" — " ข้อเท็จจริง " ที่ " " ที่ volume เมื่อ … "ส่ง traffic " มากขึ้น" " — และ "Altasc" "รองรับ" เมื่อ " 3,000 requests" ต่อ " นาทีติดต่อกัน" หนึ่ง" ชม." —" ขนาด Capacity" อยู่ข้างหน้าอยู่ข้างหน้าแล้ว" " การขยายจากนี้" จึง" เป็น" การตัดสินใจ" ทางธุรากรไม่"ใช่" " โครงการ"ไอ어ры " — _"เอ"ย"
การสนับสนุนที่มีโฉมหน้าเป็น " ผลิตภัณฑ์ " มากกว่าหน้าตั่ว "Ticket"
ที่โวอลุ่ม"มากขนาดนี้" ความแตกต่างระหว่าง" providers ไม่ได้" อยู่" ที่ " dashboard" " แต่คือ" ใครตอบ
เมื่อ "มีอะไรดู" ผิด" — วิศวกรของ" Lindy "และ" วิศวการ" Inference" ของ Atlas" แชร์ ช่อง "เดียว" และ" " ตอบ"ใน"วัน"จาก " ี่ที่ ลงมือทำ" ได้จริง" — " ข้อความ" ทั้งหมด" นี้" " " " " " " " " " " " " " — บางส่วน" " กลาย" แต่ "product" " Changed": "Lindy" ขอ " "วิธี" โอมว" "ownership" ของ"ทีมแอ็กเคานต์" โดย "ตอนนั้น" Atlas" ยังไม่"สนับสนุน " — " และ"all" " ส่ง" ออก" มา" โดย"วิศวกร"ของ" Atlas" "ย้าย" แอ็กเ...
" ผู้ให้บริการ"ที่ระบุชื่อได้"
การย้ายไป " โมเดล" "Oเพนเวต" — ให้ลบ " บริษัท" ที่ "เมื่อ" ก่อน" "ตอบ" "คำถาม" ที่เกี่ยวกับ "ว่า" ใคร" "เป็น" ใคร " รัน"โมเดล" — "มาซึ่ง" คำยาม" ที่ " แบรนด์" "ของ" experimental" agency" เคย" "plain" ทีนี้" "指向" ที่" service provider"ได้: " ใคร" คือ ""คน" ที่ "เสิร์ หรือ" "การ" " control" อะไร" แท้" — " และ" "เกิด" อะไร" ขึ้น" อ่าน "ต่อข้อมูล" ที่ "ผ่าน" — Atlas "ตอบ" "ถาม" เหล่านี้ "ได้" ด้วย" ชื่อ" เฉพาะเจาะจงว่า" " แบบ"ที่เรา" า" แทน" อร์" " และ"นี่" เป็น" เรือง" ที่" " Sick" "สำคัญ" "กว่า" — "ใคร" ที่" อ่าน" ครับ "THREADS" " Sloton" calendar และ** "บันทึก" "ข้อมูล" "ของ" บริษัท" ลูกค้า" "ไม่" ถูก" จัดเก็บ หรือ" ใช้" สำหรับ" training" —" "โปรบาที่" "ตอบ" — "นี่" คือ"คำถาม" " อินฟรา" ที่" "อยู่"
"ไม่" "ถูก" "Lock" "กับ" DeepSeek — "ไม่" "ถูก" "ล็อก" กับ" "อะไร"
การ" "โยก" "ย้าย" "ใน" ครั้ง" นั้น" " เป็น" "การ" " ผูก" "กลยุทธ์" — "ไม่" "ใช่" "กับ" "โมเดล" "ใด" — "โดย" "เฉพาะ" "def DeepSeek" ที่" "ชนะ" "ใน" "การ" "ทดสอบ" — "บน" "งาน" — ที่"ถูก" "ทดสอบ" "แล้ว" " และ" "ยัง" "คง" "ตำแหน่ง" "ได้" " เท่า" "ที่" " ยัง" "เป็น" "ทางเลือกที่" "ดี" ที่"สุด" "ในราคา" "เทียบ" "กับ" "คุณภาพ" — และ" "ผู้" "ชนะ" "คน" "ต่อไป" "คง" "มา" จาก" "lab" "อื่น" "ที่มี" "L" "และ" "เงื่อนไข" "ใช้" "งาน" "ที่" "ต่าง" "ไป" — แต่" "เพราะ" "Atlas" "Cloud" ให้" "เข้า" "ได้" — "ถึง": "odell" "ทั้ง" "หมด" "ด้วยAPIเดียว, " "ลอง" "ของ" "ใหม่" " "ครึ่งวัน" — " "ไม่ใช่" " กระบวนการ" "จัด" "หา" "ของ" "ระบบ" — ใน "หนี่ง" "วัน" "ทดสอบ" — "Lindy" "รัน" "47 ขอ" "ผ่าน" " " 12 โมเดล" — "I" "ไม่" "เคย" ถูก" "ใช้" "มาก่อน" "รวม" " 7" labs " และ" 3" รูปแบบ" "โดย" "ใช้" "คีย์" ที่" มีอยู่แล้ว" — "สาม" "กลาย" "เป็น" "โปรดักชัน" — **มีเสรีภาพในการ" "ใช้" "รัน" "โมเดล" "ที่ดี" "สุด" "อยู่" "ได้" "บน" "Minio" "ของเราทุก" —
ถ้าคุณ รัน agent "อยู่" บน marketplace "จง" "ย้าย" มา
"Lindy เดิน" "เส้นทางนี้" "มาแล้ว" "จริง" เริ่มจาก" "แค่เจอ" "DeepSeek" "ใน" "OpenRouter" — "รัน" "โมเดล" "บน evals ที่" "นั่น" — "และ" ""
[PUBLIC] _"เราได้ทดสอบโมเดลเดียวกันบน "providers" ที่แต่" прошлом" ต่าง"กัน" "ด้วย "เช่น" "มัน "มีความ" "จริง" "เจ้า" "provider" "สำคัญ" — "ความ Digо" "นเดียวกัน" "สามา" "ร" ถ "คะ" แУ" ที่" ต่าง" "กัน" ได้" "ทั้ง" ขึ้น" อยู่" กับ" ใคร" "รัน" "มัน"
— Bruno Škvorc, Staff Software Engineer, Lindy
"Marketplace" "สร้างขึ้น" "เพื่อ" "ช่วยให้" "คุณ" "เลือก" "ซื้อ" "—" "ไม่" "ใช่" "สำหรับ" "รัน" "โปรดักชัน" ของ" คุณ" —- "ส่ง" "การ" " ใช้งาน" "ไป" "ผ่าน" "router" — "แล้ว" "มัน" "จะ" "ไปหา" "อีก" "ผู้ให้" — "ที่" "มี" "แค่" "ความ" "จุ" "ที่" "ใช้" — "คุณ" "ไม่ได้" "เลือก" "ว่า" "ใคร" "serve" "โม" — "แล้ว" "ก็" "ไม่" "เห็น" "ด้วย" "ว่า" "ใคร" — "น้ำหนัก" "เท่าเดิม" "บน" "เครื่อง" "ที่" "ต่าง" "กัน" "ให้" "ผล" "ตัวเลข" — "ที่" "ต่าง" "กัน" — ไม่" "ว่า" "จะ" "Quantization" หรือ" "shortcut" "ใน" "serving stack" "ของ" "บาง" "คน" — แล้ว " สิ่ง" "นี้" "ก็จะ" "ถึง" "ผู้ใช้" "ก่อน" "ที่" "จะ" "ถึง" "dashboard" — "ทุก" "การ" "hop" "ของ" "router" "เงียบ" " ๆ" "สับ" "เปลี่ยน" "คุณภาพ" "ของ" "สินค้า" "ที่" "ลูกค้า" "จ่าย" "เงิน" "อยู่" — คุณ" " และ" "ไม่" "สามารถ" "ดีบั๊" "ได้" — เพราะ" "มอง" "ไม่" "เห็น" "ว่า" "ใคร" เป็น" " " ไม่" "สามารถ" "แก้ไข" "ได้" "ด้วย" "เพราะ" "ไม่มี" "สิทธิ์" "ควบคุม" "เส้นทาง" "Routing" "นั่น" "คือ" "ชื่อเสียง" "ของ" "คุณ" — "ถูก" "ตัดสิน" "โดย" "เหรียญ" "ที่" "คุณ" "ไม่มี" "สิทธิ์" "จะ" "โยน" — "เลย"
ดังนั้น Lindy จึงไมรัน production บน OpenRouter เมื่อ traffic เริ่ม "เปิด" "สด" "จ, มัน" "ถูก" ส่ง" "ไป" "ยัง" "สัญญ" "ตัด" "กับ Atlas" โดย "ตรง" — "หนึ่ง" สแตก" "serving" — "คือ" "" "น" "เดียว" " เดียว" "กับ" "ทุก" "คำขอ" "ถูก" "ปรับ" "มา" "สำหรับ" "โมเดล" — "และ" "ถูก" "ยึด" "อยู่" "บน" "สัญญา" ที่"มี" "cache" "และ" "ศักยภาพ" "ที่" "พอ" "สำหรับ" "งาน" agent," "และ" " join "、" ครบวง "จร มี ทั้งค " ิ.e. "ได้" "อยู่" "บน "กุ" "แจ" "เดียว" "เดียวกัน" — ถ้า "คุณ" "agent" "จ" "ต" " conduct" และ" ยัง" "รัน" "ผ่าน" "router" ท่าน "แม่" — "คุณ" "ส่ง" "มอบ" "สินค้า" "ที่" "คุณ" "คง" "ความ" "เสถียร" "ไว้" "ไม่ได้" — "และ" "ท่าน" "จะ" "ไม่" "รู้" "จน" "กระทั่ง" "ลูกค่า" " คมา" "เห็น" — **จงย้ายออก ซะ อย่างที่ Lindy ท่า"
คุยกับเราเรื่อง Workload ของคุณ แล้วเรจะบอกว่า "ควรมีค่า" เท่าไหร่ หรือ ดูแคตตาล็อต.
เกี่ยวกับ Lindy
Lindy สร้าง AI Employee — Lindy Teammate เปิดตัวในเดือนสิงหาคม 2026 โดยทำงานเคียงข้างทีมมนุษย์ รับคำขอใน Slack เชื่อมต่อเครื่องมือที่บริษัทใช้อยู่แล้ว มา งานประชุม และสะสมบริบทขอecho ทีม — ผู้คนไม่ได้ถูก ขอให้ม สร้างและดูแล automation — แต่เป็นการ มอบหมายงาน ให้ — Lindy ก่อตั้งโดย Flo Crivello และตั้งอยู่ที่ซานฟรานซิสโก
เกี่ยวกับ Atlas Cloud
Atlas Cloud เป็นแพลตฟอร์ม AI Fol inference แบบรวมโมดอล: โมเดล 400+ ทั้งหมดวิดีโอ รูปภาพ ภาษา และเสียง ผ่าน API คีย์เดียว หนึ่ง endpoint และบัญชีเดียว — เข้ากันได้กับ OpenAI สำหรับ language models — SOC 2 Certified
