智能AI
morning
二账本模型:跨云、模型和记录系统的多代理人工智能系统的交易粒度成本核算
摘要
arXiv:2611.06989v1 Announce Type: new Abstract: Enterprises run business transactions through multi-agent AI systems spanning clouds, large language models (LLMs), orchestration harnesses, and systems...
and
the
cost
grain
business
billing
settlement
data
transaction
FOCUS
2026-11-06
1 阅读
约2分钟阅读
Vivek Acharya
字号:
arXiv:2611.06989v1 公告类型:新 摘要:企业通过跨云、大型语言模型 (LLM)、编排工具和记录系统的多代理人工智能系统运行业务交易。财务仅在结算粒度中收取 AI 成本,按 SKU 和收费周期汇总。业务问题(这个订单、索赔或案件在人工智能中的成本是多少?)无法从计费数据中得到答案,因为提供商永远看不到企业交易边界。 FinOps 开放成本和使用规范 (FOCUS) 为跨提供商的计费数据提供了一种模式,但即使添加了 AI 令牌和请求者归因,仍保持结算粒度。我们将这种粒度不匹配形式化,得出七个要求,并提出双账本模型:符合 FOCUS 的计费数据的结算账本与基于 OpenTelemetry GenAI 遥测构建的调用粒度使用记录的归属账本相结合。分层关联主干(跟踪上下文、A2A/MCP 元数据、业务关键关联、概率匹配)通过记录的方法和置信度将每条记录分配给其业务事务;版本化的价目表近乎实时地对使用情况进行定价;期间对账将两个分类账与发票联系起来,而无法解释的残差则识别出影子人工智能。使用代理成本指标按订单、索赔或结果报告成本。已知地面事实的模拟显示,随着踪迹传播降至零,脊柱维持超过 99% 的成本覆盖率,对账残差将植入的未计量支出恢复在 0.24 个百分点内,同时标记提供商计费错误,并且飞行中的门控以 2-4% 的错误暂停率将 p99 交易成本削减高达 61%。我们建议将归因分类账作为标准化的调用粒度焦点配置文件。
这篇文章对您有帮助吗?
订阅66必读
每日精选科技资讯,直达你的邮箱