AI क्रेडिट कीमतों का भविष्य

 (growthunhinged.com)
1 पॉइंट द्वारा GN⁺ 2026-03-24 | अभी कोई टिप्पणी नहीं है. | WhatsApp पर शेयर करें
  • क्रेडिट-आधारित प्राइसिंग 2025 में 126% की तेज़ बढ़ोतरी के साथ SaaS उद्योग के मानक के रूप में उभर रही है, और इसी बीच Clay ने डेटा लागत और प्लेटफ़ॉर्म वैल्यू को पूरी तरह अलग करने वाला बड़ा प्राइसिंग बदलाव किया है
  • Figma ने 2025 के दिसंबर में AI क्रेडिट मॉडल पेश किया था, लेकिन वास्तविक लागूकरण टालता रहा; अब 18 मार्च 2026 से क्रेडिट लिमिट लागू करना औपचारिक रूप से शुरू कर रहा है
  • PostHog ने AI लागत को केवल 20% मार्जिन जोड़कर सीधे पास करने वाला pass-through तरीका अपनाया है, जिससे प्लेटफ़ॉर्म और टोकन लागत के बीच स्पष्ट अंतर बनाया गया है
  • Clay नए प्राइसिंग मॉडल पर जाने से तुरंत 10% रेवेन्यू गिरावट की उम्मीद कर रहा है, फिर भी प्लेटफ़ॉर्म अपनाने में बढ़ोतरी से इसकी भरपाई हो सकती है—यह उसका दीर्घकालिक दांव है
  • अगर AI एजेंट सीधे AI क्रेडिट खरीदने लगते हैं, तो जटिल usage-based प्राइसिंग भी transparency और optimization के लिहाज़ से उलटे अधिक फ़ायदेमंद बन सकती है

Figma की AI क्रेडिट सीमा का औपचारिक लागूकरण

  • Figma ने 2025 के दिसंबर में AI क्रेडिट मॉडल पेश किया था, लेकिन वास्तविक लिमिट लागूकरण में देरी हुई; अब 18 मार्च 2026 से यह पूरी तरह लागू होगा
    • क्रेडिट खरीद 11 मार्च से उपलब्ध होगी
  • क्रेडिट प्रति-उपयोगकर्ता आवंटित होंगे और सभी प्लान में शामिल हैं
    • मुफ़्त उपयोगकर्ता: प्रति माह 500 क्रेडिट ($12 के बराबर)
    • Enterprise full seat: प्रति माह 4,200 क्रेडिट ($100 के बराबर)
  • क्रेडिट हर महीने रीसेट होंगे और आगे carry forward नहीं होंगे
  • अकाउंट-स्तर पर अतिरिक्त pooled credit subscription खरीदी जा सकती है; न्यूनतम $120 प्रति माह में 5,000 क्रेडिट मिलेंगे (लगभग 2 सेंट प्रति क्रेडिट)
  • Pay-as-you-go क्रेडिट बाद में उपलब्ध कराए जाएंगे, और इन पर मासिक subscription की तुलना में 25% अतिरिक्त शुल्क लगेगा
  • 3 महीने तक मुफ़्त क्रेडिट देने की रणनीति के प्रभाव
    • उपयोगकर्ताओं को AI फ़ीचर्स आज़माने और उनसे परिचित होने का मौका मिला
    • वास्तविक usage data और cost data इकट्ठा किया जा सका
    • बिलिंग शुरू करने से पहले प्राइसिंग ढांचे को बेहतर बनाने के लिए फ़ीडबैक जुटाया गया
  • AI उपभोग में power law वितरण देखा गया: $10,000 से अधिक ARR वाले paid ग्राहकों में 75% साप्ताहिक आधार पर AI क्रेडिट खर्च कर रहे हैं
  • कुछ उपयोगकर्ता पहले से ही अपनी क्रेडिट सीमा पार कर चुके हैं, लेकिन सटीक संख्या सार्वजनिक नहीं की गई
  • seat upgrade के लिए प्रेरित करने वाली संरचना बनाई गई है: Dev seat (प्रति माह 500 क्रेडिट) → Professional seat (प्रति माह 3,000 क्रेडिट, $60 के बराबर अतिरिक्त उपलब्धता), जबकि seat upgrade की लागत केवल $5 प्रति माह है, इसलिए यह अलग से क्रेडिट खरीदने की तुलना में काफी सस्ता है
  • प्राइसिंग संरचना में अंतर्निहित तनाव: prototype बनाना स्थिर 20 क्रेडिट है, जबकि image generation चुने गए LLM के अनुसार 5~25 क्रेडिट के बीच बदलता है
    • value-based और cost-based मॉडल के मिश्रण के कारण उपयोगकर्ता पर खुद price-value tradeoff समझने का बोझ आता है
    • LLM लागत घटने पर उसका लाभ उपयोगकर्ताओं तक पहुंचेगा या नहीं, यह भी स्पष्ट नहीं है

प्लेटफ़ॉर्म + टोकन: AI प्राइसिंग की नई संरचना

  • क्रेडिट को cost-based और value-based दोनों रूपों में मिलाकर इस्तेमाल करने की सीमाओं को पार करने के लिए, प्लेटफ़ॉर्म (वैल्यू) और टोकन (लागत) को अलग करने वाली संरचना एक विकल्प के रूप में उभर रही है
    • इसकी तुलना car lease (प्लेटफ़ॉर्म) + fuel cost (टोकन), या Costco membership (प्लेटफ़ॉर्म) + खरीदे गए सामान (टोकन) से की जा सकती है
  • Snowflake: storage·data transfer (लागत पास-थ्रू) बनाम computing·cloud services (वैल्यू प्रदान करना)
  • vertical software: payment processing (कम मार्जिन वाला cost pass-through) बनाम software modules (उच्च मार्जिन वैल्यू)
  • इस संरचना के 4 फ़ायदे
    1. मार्जिन का न्यूनतम आधार सुनिश्चित: कम से कम लगभग 20% gross margin सुरक्षित, और AI टोकन consumption के साथ रेवेन्यू स्वाभाविक रूप से बढ़ सकता है
    2. लागत पारदर्शिता: LLM लागत में कमी, सस्ते मॉडल का चयन, और vendor की scale economics का लाभ सीधे ग्राहक तक पहुंच सकता है; ग्राहक खुद लागत नियंत्रित कर सकता है
    3. उत्पाद की विशिष्ट वैल्यू पर फ़ोकस: AI infrastructure पर नहीं, जो धीरे-धीरे commoditized हो रहा है, बल्कि उत्पाद की अपनी अलग पहचान पर ज़ोर दिया जा सकता है
    4. लचीले खरीद विकल्प: BYOK(Bring Your Own Key), AI marketplace मॉडल (AWS Marketplace की तरह OpenAI या Anthropic के ज़रिए ऐप खरीदना) जैसी नई खरीद संरचनाओं तक विस्तार संभव
  • कमी: खरीदार के नज़रिए से जटिलता बढ़ जाती है

PostHog में प्लेटफ़ॉर्म + टोकन का उपयोग

  • AI प्राइसिंग को सिर्फ 20% markup जोड़कर सीधे पास करने वाले(pass-through) तरीके से सरल बनाया गया
  • नए ग्राहकों को $20 का मुफ़्त usage दिया जाता है
  • PostHog 10 से अधिक अलग-अलग उत्पादों के ज़रिए वैल्यू बनाता है, इसलिए AI फ़ीचर इन उत्पादों को और अधिक मूल्यवान बनाने वाले पूरक के रूप में काम करते हैं

Clay का नया प्लेटफ़ॉर्म + टोकन प्राइसिंग मॉडल

  • Clay का पुराना प्राइसिंग मॉडल पहले से ही GTM tech क्षेत्र में अग्रणी क्रेडिट-आधारित मॉडल था, और सभी प्लान में unlimited users को सपोर्ट करता था
  • पुराने क्रेडिट data point lookup के लिए इस्तेमाल होते थे; उदाहरण के लिए, मोबाइल नंबर lookup में data provider के आधार पर 2~25 क्रेडिट लगते थे
  • शुरुआती data marketplace-केंद्रित संरचना से विकसित होकर यह जटिल workflows चलाने वाले automation platform में बदल गया, जिससे पुराने क्रेडिट ढांचे और मौजूदा उपयोग के बीच असंगति पैदा हुई
  • नए प्राइसिंग मॉडल के मुख्य बदलाव (मार्च 2026 के अनुसार)
    • लागत (data credits) और वैल्यू (actions) को स्पष्ट रूप से अलग किया गया
    • प्लान की संख्या 5 से घटाकर 4 की गई, और हर प्लान का target customer messaging अधिक स्पष्ट किया गया
    • data credit लागत 50~90% तक घटाई गई
    • उन्नत AI models की लागत 0% markup के साथ pass-through होगी; ग्राहक केवल वास्तविक token consumption का भुगतान करेगा
    • मौजूदा self-serve ग्राहक legacy plan पर बने रह सकते हैं
  • इस बदलाव के कारण तुरंत 10% रेवेन्यू गिरावट की उम्मीद है
  • Clay का दीर्घकालिक flywheel: (a) उत्पाद की पहुंच बढ़ाना → (b) GTM data लागत घटाना → (c) जटिल GTM workflows चलाकर रेवेन्यू बनाना

वह भविष्य जहाँ AI एजेंट खुद क्रेडिट खरीदेंगे

  • usage-based प्राइसिंग की अनुमान-लगाना-कठिन समस्या को Clay दो तरीकों से संभालता है
    • action limits को काफ़ी उदार रखा गया है: मौजूदा ग्राहकों में 90% अभी अपनी action limit तक नहीं पहुंचे हैं
    • ग्राहक के अपने API data integration (BYOD): data credit वाला variable हटाकर प्राइसिंग को सरल बनाता है
  • यह संभावना जताई गई है कि जटिल token-based प्राइसिंग उलटे AI एजेंटों के लिए अधिक उपयुक्त हो सकती है
    • AI एजेंट charm pricing, decoy effect, price anchoring, zero price effect जैसे मनोवैज्ञानिक pricing प्रभावों से प्रभावित नहीं होते
    • वे बड़ी मात्रा में जानकारी (terms सहित) प्रोसेस कर सकते हैं, इसलिए transparent documentation, usage tracking, और budget caps वाली जटिल प्राइसिंग को पसंद कर सकते हैं
  • AI एजेंट ऐसे स्तर तक विकसित हो रहे हैं जहाँ वे उत्पाद खरीदने का निर्णय भी ले सकते हैं, और Claude Code जैसे agent context में यह रुझान और तेज़ हो सकता है

संबंधित पढ़ाई

अभी कोई टिप्पणी नहीं है.

अभी कोई टिप्पणी नहीं है.