Auriko เรียกตัวเองว่า Trading Desk for AI Inference…
ปัญหาที่มันแก้คือทีมที่เรียก LLM API เยอะๆ (ผ่าน production จริง ไม่ใช่แค่ทดลอง) ค่าใช้จ่ายมันไหลแบบไม่รู้ตัว Auriko เข้ามาทำหน้าที่ router กลาง คอย route request ไปยัง provider และโมเดลที่คุ้มค่าที่สุดให้อัตโนมัติ แบบเดียวกับที่ trading desk คอย route คำสั่งซื้อขายไปยังที่ที่ได้ราคาดีที่สุด
จุดที่ทำให้ประหยัดจริงคือ cache-aware routing เอง มันรู้ว่า request ไหนซ้ำหรือใกล้เคียงกับที่เคยถามไปแล้ว แล้วดึงจาก cache แทนที่จะยิงเข้าโมเดลใหม่ทุกครั้ง จาก dashboard ตัวอย่างที่โชว์ ใช้ token ไป 70.6 ล้าน token แต่ประหยัดได้ทั้ง routing savings 74 ดอลลาร์ และ cache savings อีก 25 ดอลลาร์กว่า จากค่าใช้จ่ายจริงแค่ 9.94 ดอลลาร์เท่านั้น
รองรับ provider หลายเจ้าอย่าง Fireworks AI, Together AI, DeepSeek ให้เลือก route ข้ามค่ายได้ตามต้นทุนจริง ไม่ผูกติดเจ้าใดเจ้าหนึ่ง
เหมาะกับทีม engineering ที่ product มี AI feature วิ่งอยู่จริงและอยากรู้ว่าเงินที่จ่ายให้ LLM ไปคุ้มหรือเปล่า มีทางประหยัดได้อีกไหมโดยไม่ต้องแก้โค้ดเยอะ
https://www.auriko.ai
อยากใช้ AI กับงานจริงเป็นระบบ?
เรียน Claude Method — วิธีคิดและลงมือใช้ Claude/AI กับงานจริง ตั้งแต่วันแรก
📍 โพสต้นฉบับบน Facebook: AI กับ Peesamac