मुख्य सामग्री पर जाएं
महत्वपूर्ण सूचना: हमारी अन्य Automation Anywhere उत्पादों के साथ समानता बनाए रखने के लिए, हमने UI में गणितीय क्रेडिट के प्रतिनिधित्व को 10 गुना बढ़ा दिया है। आगे से, UI में क्रेडिट k इकाइयों (हज़ारों) में प्रदर्शित होंगे, जैसे 1,000 क्रेडिट के लिए 1k क्रेडिट। यह अपडेट वर्तमान में टीम दर टीम धीरे-धीरे लागू किया जा रहा है। बिक्री, ऑर्डर और डील डेस्क टीमों ने पहले ही सहज संक्रमण में सहायता के लिए संपर्क किया हो सकता है, जिसमें पावर यूज़र्स के लिए अतिरिक्त ऐड-ऑन क्रेडिट शामिल हैं। प्रश्नों या चर्चाओं के लिए, support@automationanywhere.com से संपर्क करें, और हम आपकी सहायता के लिए प्रसन्न होंगे।
EKB उपयोग क्रेडिट में बिल किया जाता है, जो AI-संचालित वर्कफ़्लो को चलाने की अंतर्निहित लागतों को एक एकल मुद्रा में सारांशित करता है। क्रेडिट दो प्रकार की गतिविधियों को कवर करते हैं: दस्तावेज़ अपलोड करने, संदेश भेजने और उपकरण आह्वान करने जैसे विशिष्ट संचालन के लिए फ़्लैट-रेट प्लेटफ़ॉर्म एक्शन क्रेडिट; और भाषा मॉडल द्वारा प्रसंस्करण और उत्पादित टेक्स्ट की मात्रा के आधार पर परिवर्तनशील LLM टोकन क्रेडिट। एक साथ, ये दो घटक EKB में किसी भी संचालन की कुल लागत बनाते हैं। यह पृष्ठ बताता है कि प्रत्येक क्रेडिट प्रकार की गणना कैसे की जाती है, वास्तविक उदाहरणों के माध्यम से चलता है, और समझाता है कि कौन से कारक उपयोग को बढ़ाते या घटाते हैं।

​
मूल अवधारणाएँ

​
क्रेडिट क्या हैं?

क्रेडिट वह मापन इकाई है जिसका उपयोग EKB प्लेटफ़ॉर्म उपयोग को ट्रैक और बिल करने के लिए करता है। प्रत्येक अंतर्निहित संसाधन (कम्प्यूट, API कॉल, LLM उपयोग) के लिए अलग से बिल करने के बजाय, क्रेडिट एक एकल, एकीकृत मुद्रा प्रदान करते हैं जो उन लागतों को एक पूर्वानुमेय प्रारूप में सारांशित करती है। क्रेडिट दो तरीकों से खर्च होते हैं:
  • प्लेटफ़ॉर्म एक्शन क्रेडिट विशिष्ट उपयोगकर्ता क्रियाओं से जुड़े फ़्लैट-रेट शुल्क हैं — दस्तावेज़ अपलोड करना, चैट संदेश भेजना, या उपकरण आह्वान करना। ये सामग्री के आकार या उपयोग किए गए मॉडल की परवाह किए बिना निश्चित और पूर्वानुमेय होते हैं।
  • LLM टोकन क्रेडिट वास्तविक भाषा मॉडल उपयोग के आधार पर परिवर्तनशील शुल्क हैं। क्योंकि LLM लागत इस बात पर निर्भर करती है कि मॉडल में कितना टेक्स्ट जाता है और बाहर आता है, ये क्रेडिट दस्तावेज़ के आकार, प्रतिक्रिया की लंबाई और मॉडल चयन के आधार पर उतार-चढ़ाव करते हैं।
किसी भी संचालन के लिए आपका कुल क्रेडिट खपत हमेशा दोनों प्रकारों का योग होता है।

​
टोकन क्या हैं?

टोकन वह इकाई है जिसका उपयोग Large Language Models टेक्स्ट को प्रसंस्करित करने के लिए करते हैं। किसी भी टेक्स्ट के LLM द्वारा पढ़े या उत्पन्न किए जाने से पहले, उसे टोकन में तोड़ा जाता है — छोटे टुकड़े जो मोटे तौर पर शब्दों या शब्दों के भागों के अनुरूप होते हैं। एक सामान्य नियम के रूप में:
  • 1 टोकन ≈ 4 वर्ण, या लगभग ¾ शब्द अंग्रेज़ी में
  • 100,000 शब्दों का दस्तावेज़ लगभग 133,000 टोकन है
  • “इस दस्तावेज़ को समझाओ” जैसा एक छोटा वाक्य लगभग 4–5 टोकन है
LLM प्रदाता इनपुट टोकन (मॉडल को भेजा गया टेक्स्ट — आपका प्रॉम्प्ट, पुनःप्राप्त दस्तावेज़ टुकड़े, सिस्टम निर्देश) और आउटपुट टोकन (मॉडल द्वारा प्रतिक्रिया में उत्पन्न टेक्स्ट) के लिए अलग से शुल्क लेते हैं। इनपुट और आउटपुट दरें अलग-अलग होती हैं, और दोनों आपकी LLM टोकन क्रेडिट खपत में योगदान करते हैं। EKB में, टोकन उपयोग बढ़ जाता है जब बड़े दस्तावेज़ संदर्भ में पुनःप्राप्त होते हैं, कई ज्ञान आधार टुकड़े प्रॉम्प्ट में शामिल होते हैं, या मॉडल लंबी या संरचित प्रतिक्रियाएँ उत्पन्न करता है।

​
क्रेडिट खपत तालिका

​
A. ज्ञान आधार (KB) इन्जेस्शन

एक दस्तावेज़ को ज्ञान आधार में अपलोड करना एक बहु-चरणीय इन्जेस्शन पाइपलाइन को सक्रिय करता है। प्रत्येक चरण की अपनी लागत संरचना होती है, और आपकी परियोजना कॉन्फ़िगरेशन के आधार पर कुछ चरणों में अतिरिक्त LLM टोकन क्रेडिट लगते हैं। इन्जेस्शन पाइपलाइन
चरणविवरणलागत
1. दस्तावेज़ अपलोडफ़ाइल प्राप्त होती है और शब्द गणना की जाती हैप्रति 10,000 शब्द 1 क्रेडिट
2. LLM एक्सट्रैक्शन (वैकल्पिक)एक LLM दस्तावेज़ से सामग्री को पार्स और निकालता हैइनपुट + आउटपुट टोकन × मॉडल दर
3. प्लेटफ़ॉर्म चंकिंगटोकनाइज़ेशन, विभाजन और मेटाडेटा असेंबलीमुफ़्त (प्लेटफ़ॉर्म)
4. चंक एनरिचमेंट (वैकल्पिक)एक LLM प्रत्येक टुकड़े के लिए एक संदर्भ उपसर्ग उत्पन्न करता हैइनपुट + आउटपुट टोकन × मॉडल दर
चरण 2 और 4 केवल तभी बिल किए जाते हैं जब वे आपकी परियोजना सेटिंग्स में सक्षम हों। दस्तावेज़ चंकिंग इन्जेस्शन के हिस्से के रूप में होती है और इसमें अतिरिक्त लागत लग सकती है। विस्तृत विवरण के लिए खंड B देखें। उदाहरण – 100,000 शब्दों का दस्तावेज़ (कोई वैकल्पिक चरण सक्षम नहीं)
आइटमक्रेडिट
100,000 शब्द10 क्रेडिट
उदाहरण – 100,000 शब्दों का दस्तावेज़ (सभी चरण सक्षम)
आइटमक्रेडिट
100,000 शब्द (अपलोड)10 क्रेडिट
LLM एक्सट्रैक्शन टोकनमॉडल के अनुसार भिन्न
प्लेटफ़ॉर्म चंकिंगमुफ़्त
चंक एनरिचमेंट टोकन~10 क्रेडिट (खंड B देखें)
अनुमानित कुल~20+ क्रेडिट
आप जितने अधिक वैकल्पिक चरण सक्षम करेंगे, प्रति दस्तावेज़ इन्जेस्शन लागत उतनी अधिक होगी। शब्द-आधारित अपलोड लागत हमेशा निश्चित और पूर्वानुमेय होती है।

​
B. दस्तावेज़ चंकिंग

चंकिंग दस्तावेज़ एक्सट्रैक्शन और एम्बेडिंग के बीच का चरण है। यह अपलोड किए गए दस्तावेज़ से साफ़ किए गए टेक्स्ट को लेता है और उसे छोटे टुकड़ों (चंक) में तोड़ता है जिन्हें वेक्टर स्टोर में इंडेक्स किया जाता है और बाद में चैट या एजेंट प्रश्नों के लिए पुनःप्राप्त किया जाता है। चंकिंग लागत दो श्रेणियों में आती है:
  • प्लेटफ़ॉर्म चंकिंग: निर्धारणात्मक संचालन (टोकनाइज़ेशन, विभाजन, मेटाडेटा असेंबली) जो सर्वर पर स्थानीय रूप से चलते हैं और LLM उपयोग के रूप में नहीं बिल किए जाते।
  • चंक एनरिचमेंट (LLM टोकन क्रेडिट): केवल तभी बिल किया जाता है जब ज्ञान आधार सेटिंग्स में परियोजना के लिए चंक एनरिचमेंट सक्षम हो। LLM प्रत्येक टुकड़े के लिए एक छोटा संदर्भ उपसर्ग उत्पन्न करता है; इनपुट और आउटपुट दोनों टोकन शुल्क लगते हैं।

​
उदाहरण: दस्तावेज़ चंकिंग लागत

निम्न उदाहरण मध्यम आकार के दस्तावेज़ को चंक एनरिचमेंट सक्षम के साथ मानता है:
  • दस्तावेज़ आकार: 100,000 शब्द (~133,000 इनपुट टोकन, प्रति टोकन 4 वर्ण)
  • चंक सेटिंग्स: chunk_size=64 tokens, chunk_overlap=10 tokens → ~2,300 चंक
  • चंक एनरिचमेंट: gpt-4o-mini के साथ सक्षम
  • आउटपुट टेक्स्ट (एनरिचमेंट उपसर्ग सहित जोड़े गए चंक): ~140,000 आउटपुट टोकन
  • मॉडल मूल्य निर्धारण (उदाहरण): इनपुट $0.15 प्रति 1M टोकन, आउटपुट $0.60 प्रति 1M टोकन
घटकटोकनलागत
इनपुट टोकन (दस्तावेज़)133,000$0.01995
आउटपुट टोकन (चंक)140,000$0.084
कुल LLM लागत273,000$0.104
इसलिए, $0.104 (कुल LLM लागत) / $0.01 (प्रति क्रेडिट लागत) बराबर है 10.4 क्रेडिट, ~10 क्रेडिट के रूप में प्रदर्शित।
यदि वही दस्तावेज़ चंक एनरिचमेंट सक्षम न करके अपलोड किया जाता, तो चंकिंग 0 LLM टोकन क्रेडिट खर्च करती।

​
C. चैट / एजेंट अंतर्क्रिया

निश्चित प्लेटफ़ॉर्म क्रेडिट
क्रियाक्रेडिट
उपयोगकर्ता चैट संदेश भेजता है1 क्रेडिट
टूल कॉल आह्वान किया जाता हैप्रति कॉल 1
परिवर्तनशील LLM टोकन क्रेडिट LLM क्रेडिट इस प्रकार गणना किए जाते हैं: (इनपुट टोकन × इनपुट दर) + (आउटपुट टोकन × आउटपुट दर) उदाहरण मूल्य निर्धारण (Claude 4.5 नमूना मॉडल):
  • इनपुट: $3 प्रति 1M टोकन
  • आउटपुट: $15 प्रति 1M टोकन

​
D. वर्कफ़्लो निष्पादन

क्रियाक्रेडिट
वर्कफ़्लो निष्पादनप्रति निष्पादन 1
लागत प्रति निष्पादन 1 क्रेडिट है, शामिल चरणों की संख्या की परवाह किए बिना।

​
पूर्ण चैट उदाहरण

परिदृश्य उपयोगकर्ता पूछता है: “संलग्न दस्तावेज़ को समझाओ।” प्लेटफ़ॉर्म क्रेडिट
घटकक्रेडिट
पूछा गया प्रश्न1
टूल कॉल (दस्तावेज़ पुनःप्राप्ति)2
उप-योग3
LLM टोकन उपयोग
प्रकारटोकनलागत
इनपुट~53,634~$0.161
आउटपुट~900~$0.0135
कुल—~$0.1745
क्रेडिट में रूपांतरित: 17 क्रेडिट अंतिम कुल
घटकक्रेडिट
निश्चित प्लेटफ़ॉर्म3
LLM उपयोग17
कुल20

​
लागत गणना सूत्र सारांश

दस्तावेज़ अपलोड शब्द क्रेडिट = कुल शब्द ÷ 10,000 + LLM टोकन क्रेडिट (पार्सिंग) चैट संदेश निश्चित संदेश क्रेडिट + टूल कॉल क्रेडिट + LLM टोकन क्रेडिट (इनपुट + आउटपुट)

​
LLM क्रेडिट उपयोग क्या बढ़ाता है?

LLM लागत बढ़ जाती है जब: ▶ बड़े दस्तावेज़ संदर्भ में पुनःप्राप्त होते हैं ▶ कई KB टुकड़े प्रॉम्प्ट में इंजेक्ट किए जाते हैं ▶ प्रतिक्रियाएँ लंबी या संरचित होती हैं ▶ कई टूल कॉल सक्रिय होते हैं ▶ अधिक लागत वाले मॉडल चुने जाते हैं

​
ग्राहकों के लिए महत्वपूर्ण नोट्स

✓ शब्द-आधारित इन्जेस्शन लागत पूर्वानुमेय है। ✓ चैट लागत दस्तावेज़ के आकार और उपयोग किए गए टोकन की संख्या के आधार पर काफ़ी भिन्न होती है। ✓ मॉडल मूल्य निर्धारण सुपर एडमिन में कॉन्फ़िगर करने योग्य है। ✓ LLM क्रेडिट उपयोग-आधारित हैं और फ़्लैट-रेट नहीं किए जा सकते। ✓ अंतिम क्रेडिट कुल = प्लेटफ़ॉर्म क्रेडिट + LLM क्रेडिट।