Tokenomics

Hvad er tokenomics?

Tokenomics er økonomien i AI-tokens. Et token er et stykke tekst, typisk et ord eller en orddel, og det er den enhed sprogmodeller både regner og fakturerer i. Tokenomics handler om at forstå og styre den økonomi: hvad hver token koster, og hvor meget brugbart arbejde der kommer ud af pengene.

Begrebet deler sig naturligt i to halvdele:

1. Prissiden. Hvad koster en token? Det dækker prisen per million input- og output-tokens, forskellen mellem modeller, og hvordan ting som thinking tokens og lang kontekst påvirker regningen.
2. Værdisiden. Hvad får du for pengene? Det dækker hvor stor en del af dit token-forbrug der faktisk bliver til arbejde du kan bruge, frem for spild.

Tokenomics blev et nødvendigt begreb i takt med at AI gik fra eksperiment til daglig drift. Da forbruget var lille, var omkostningen ligegyldig. Da hele teams begyndte at bruge AI hver dag, blev token-økonomien pludselig en post på budgettet der skal styres.

En vigtig afklaring: AI vs. krypto

Ordet tokenomics stammer oprindeligt fra kryptovaluta, og de to betydninger forveksles let. De har intet med hinanden at gøre ud over navnet:

Resten af denne artikel handler om tokenomics i AI-forstand, fordi det er den betydning der er relevant når man arbejder med sprogmodeller.

Sådan fungerer token-prissætning

Når du bruger en kommerciel AI-model via en API, betaler du typisk per million tokens. Et par principper går igen:

1. Input og output prissættes hver for sig. Din prompt (input) og modellens svar (output) tæller separat. Output er som regel dyrere end input, ofte to til fem gange så dyrt.
2. Større modeller koster mere. De stærkeste modeller koster markant mere per token end de mindre. Det er kernen i at vælge den rette model til opgaven.
3. Tænkning koster. Reasoning-modeller bruger thinking tokens til at ræsonnere før de svarer. De faktureres typisk til output-pris og kan udgøre en stor del af regningen på komplekse opgaver.
4. Lang kontekst koster. Jo mere du putter ind i context-vinduet, jo flere input-tokens betaler du for, hver gang.

To tal er værd at kende for hver model: prisen (kroner per million tokens) og hastigheden (tokens per sekund). Sammen fortæller de hvad en opgave koster og hvor hurtigt den bliver løst.

Værdisiden: får du noget for pengene?

Det er let at måle hvad tokens koster. Det svære, og det vigtigere, er at måle hvad de er værd. To medarbejdere kan bruge lige mange tokens og levere vildt forskellige resultater.

Den nyttige måling er ikke det samlede token-forbrug, men prisen per færdig, brugbar opgave:

1. Hvad kostede det at få noget løst? Ikke hvor mange tokens der blev brugt, men hvad det kostede at nå et resultat du faktisk kunne bruge.
2. Hvor meget blev til spild? Forsøg der ikke virkede, svar der måtte kasseres, runder der skulle gentages. Det tæller med i den reelle pris.
3. Skabte det mere arbejde end det sparede? Hvis AI’en producerer materiale der skal læses, rettes og godkendes, kan en del af gevinsten forsvinde i review.

Det er her tokenomics adskiller sig fra bare at kigge på regningen. En lav regning er ikke nødvendigvis godt, hvis intet brugbart kom ud af den. En høj regning er ikke nødvendigvis skidt, hvis den sparede mange timers arbejde.

Tokenomics i praksis for mindre virksomheder

For en mindre dansk virksomhed handler tokenomics ikke om komplicerede regnemodeller, men om at have nogenlunde styr på hvad AI koster og giver. Et par konkrete greb:

1. Match model til opgave. Brug en lille, billig model til simple opgaver og gem den dyre til det der virkelig kræver den. Det er den enkleste måde at sænke regningen markant uden at miste kvalitet.
2. Hold øje med forbruget. De fleste AI-udbydere har et dashboard der viser dit token-forbrug. Kig på det med jævne mellemrum, så en regning ikke overrasker.
3. Genbrug i stedet for at gentage. Gem resultater du allerede har betalt for, og brug context caching hvor det giver mening, frem for at sende den samme dyre forespørgsel igen og igen.
4. Mål på resultatet, ikke aktiviteten. Spørg ikke hvor meget AI blev brugt. Spørg hvad der kom ud af det, og hvad det kostede. Det er den fælde tokenmaxxing advarer mod.

Hvorfor det betyder noget nu

I takt med at AI flytter ind i den daglige drift, er det at forstå AI-omkostninger gået fra at være en niche for IT-afdelingen til at være noget næsten alle der bruger AI må forholde sig til. Token-økonomien er ikke længere en teknisk detalje. Den er en driftsomkostning på linje med abonnementer og licenser.

Den gode nyhed er at priserne på tokens er faldet kraftigt over tid, og at en token i dag køber langt mere kvalitet end for et par år siden. Den dårlige nyhed er at fristelsen til at bruge mere også vokser. Derfor er det værd at have et sprog for det, og det sprog er tokenomics.