platform-admin/Cibello-app
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

chore(modell): rikta ALLT mot gemini-3.1-flash-lite + fixa kostnadsberakning

Browse Source 
Koden/docs pastod overallt gemini-3.5-flash-lite fast .env kor 3.1. Nu enhetligt
3.1 i .env.example, config.ts-default, gemini.ts-default, tester, eval och docs
(09 + 10). Dessutom en RIKTIG bugg: estimateCostUsd rakna pa 3.5-priser
($0,30/$2,50) medan vi kor 3.1 -> overskattade spend och troffade budgetlarmet
for tidigt. Nu 3.1-priser ($0,25/$1,50). docs/10 helt omraknad pa 3.1 (per
uppgift, per anvandare, skala, 100k-trial-scenariot). Referenslinje kvar som
visar 3.5-priset for att motivera valet.
This commit is contained in:
Claude
2026-08-18 20:16:37 +00:00
parent 7c06516e1e
commit ee5eb32e09
9 changed files with 69 additions and 60 deletions
Download Patch File Download Diff File Expand all files Collapse all files
.env.example
+1 -1
View File
@@ -47,7 +47,7 @@ AAMOS_TIMEOUT_MS=60000
# GEMINI_API_KEY lämnas tom lokalt – hämtas från AWS SSM (/cibello/prod/gemini-api-key) i prod,
# inte inskriven för hand. Skriv aldrig over en .env som redan har riktiga varden.
GEMINI_API_KEY=
GEMINI_MODEL=gemini-3.5-flash-lite
GEMINI_MODEL=gemini-3.1-flash-lite
GEMINI_TIMEOUT_MS=60000
GEMINI_DAILY_BUDGET_USD=25
apps/api/src/config.ts
+1 -1
View File
@@ -48,7 +48,7 @@ const configSchema = z.object({
AAMOS_TIMEOUT_MS: z.coerce.number().int().default(60_000),
GEMINI_API_KEY: z.string().optional(),
GEMINI_MODEL: z.string().default("gemini-3.5-flash-lite"),
GEMINI_MODEL: z.string().default("gemini-3.1-flash-lite"),
GEMINI_TIMEOUT_MS: z.coerce.number().int().default(60_000),
GEMINI_DAILY_BUDGET_USD: z.coerce.number().default(0),
apps/api/test/scans.test.ts
+1 -1
View File
@@ -109,7 +109,7 @@ describe("scan confirmation → ai_corrections", () => {
},
],
},
modelVersion: "gemini-3.5-flash-lite",
modelVersion: "gemini-3.1-flash-lite",
promptVersion: "gemini-fridge-v1",
})
.returning();
apps/worker/src/eval/capture-eval.ts
+1 -1
View File
@@ -36,7 +36,7 @@ async function main() {
],
imageQualityIssues: [],
},
modelVersion: "gemini-3.5-flash-lite",
modelVersion: "gemini-3.1-flash-lite",
promptVersion: "gemini-fridge-v1",
latencyMs: 1234,
costUsd: 0.0001,
apps/worker/test/training-export.test.ts
+1 -1
View File
@@ -71,7 +71,7 @@ describe("BUILD_TRAINING_SAMPLE banks locally", () => {
corrected: { displayName: "Mellanmjölk", quantity: 1, unit: "LITER" },
},
imageS3Key: "fridge-scans/train.jpg",
modelVersion: "gemini-3.5-flash-lite",
modelVersion: "gemini-3.1-flash-lite",
promptVersion: "gemini-fridge-v1",
consentSnapshot: { anonymized_improvement: "granted", image_training: "granted" },
})
docs/09-aamos-integration.md
+4 -4
View File
@@ -2,7 +2,7 @@
> Uppdaterad 2026-08-08 efter scouting: AAMOS Core v1 är autentiseringsmässigt
> nåbar men saknar konfigurerad matmodell (`/v1/detect` faller tillbaka på YuNet
> ansiktsdetektering). Tills vidare används **Gemini 3.5 Flash Lite** som
> ansiktsdetektering). Tills vidare används **Gemini 3.1 Flash Lite** som
> lärar-tier för kylskåpsskanning, bakom samma `AamosClient`-gränssnitt.
> AAMOS/prod rörs inte.
@@ -24,7 +24,7 @@ bytas fritt bakom kontraktet ("Food API ska få stabila kontrakt oavsett modell"
┌──────────────────┬──────────┴──────────┐
│ AAMOS_MODE=http │ AAMOS_MODE=gemini │
│ HttpAamosClient │ GeminiAamosClient │
│ → AAMOS Core v1 │ → Gemini 3.5 Flash │
│ → AAMOS Core v1 │ → Gemini 3.1 Flash │
└──────────────────┴─────────────────────┘
```
@@ -103,7 +103,7 @@ Gemini; API:et når aldrig nyckeln.
Skiva 2 kommer lägga premium-eskaleringsstier (Gemini Pro / GPT-4o / Claude)
internt i adaptern vid låg konfidens, med eval/guldset som beslutar billig vs
dyr modell. Fram till dess: Gemini 3.5 Flash Lite för allt i Skiva 1.
dyr modell. Fram till dess: Gemini 3.1 Flash Lite för allt i Skiva 1.
## Feedback → träning (Skiva 3)
@@ -126,4 +126,4 @@ separat `image_training`-samtycke. Personligt minne är aldrig träningsdata (§
| ------------ | --------------------------------------------------------------- |
| `mock` | dev/test utan nätverk. Produkten vägrar starta i mock. |
| `http` | Riktig AAMOS Core när matmodell finns. |
| `gemini` | Gemini 3.5 Flash Lite som lärar-tier för kylskåpsskanning (Skiva 1). |
| `gemini` | Gemini 3.1 Flash Lite som lärar-tier för kylskåpsskanning (Skiva 1). |
docs/10-ai-kostnad.md
+54 -46
View File
@@ -1,20 +1,23 @@
# Del 10 – AI-modeller och kostnad
Priser verifierade 2026-08-02 (BenchLM, uppdaterad 2026-08-01, samt korsläst mot
publika prislistor). **Kontrollera mot Anthropics officiella prissida innan avtal.**
publika prislistor). **Kontrollera mot Google/Anthropics officiella prissida innan avtal.**
> **Faktisk modell (kontrollerad mot koden):** All bildanalys, OCR och receptgenerering körs på
> **Gemini 3.5 Flash Lite** (`GEMINI_MODEL`-default i `apps/api/src/config.ts` +
> `packages/ai-contracts/src/gemini.ts`). Priserna nedan är verifierade mot Google (2026) och
> speglar `estimateCostUsd` i koden.
> **Faktisk modell (kontrollerad mot koden 2026-08):** All bildanalys, OCR och receptgenerering körs på
> **Gemini 3.1 Flash Lite** – samma värde i `.env.example`, i `GEMINI_MODEL`-defaulten i
> `apps/api/src/config.ts` och i `packages/ai-contracts/src/gemini.ts`. Priserna nedan speglar
> `estimateCostUsd` i koden. (Vi kör medvetet 3.1 och inte 3.5 – 3.1 är billigare per token,
> särskilt på output; 2.5-serien fasas ut och är inget alternativ.)
## Aktuella modeller och listpriser (USD per miljon tokens, in/ut)
| Modell | Input | Output | Roll i appen |
| ------------------------------------- | ----- | ------ | -------------------------------------------------------------- |
| Gemini 3.5 Flash Lite (standard) | $0,30 | $2,50 | Arbetshäst: all bildanalys, OCR, receptstrukturering (Skiva 1) |
| Gemini 3.5 Flash Lite (batch) | $0,15 | $1,25 | Asynkrona nattjobb: minnesuppdatering, batch-generering |
| Premium-eskalering (Skiva 2, framtid) | – | – | Större modell vid låg confidence (spec §33) – ej i volym ännu |
| Modell | Input | Output | Roll i appen |
| ------------------------------------- | ------ | ------ | -------------------------------------------------------------- |
| Gemini 3.1 Flash Lite (standard) | $0,25 | $1,50 | Arbetshäst: all bildanalys, OCR, receptstrukturering (Skiva 1) |
| Gemini 3.1 Flash Lite (batch, −50 %) | $0,125 | $0,75 | Asynkrona nattjobb: minnesuppdatering, batch-generering |
| Premium-eskalering (Skiva 2, framtid) | – | – | Större modell vid låg confidence (spec §33) – ej i volym ännu |
Referens: Gemini 3.5 Flash Lite ligger på $0,30/$2,50 – dyrare på både in och ut, därför kör vi 3.1.
Hävstänger: batch-tier −50 %; context caching sänker upprepad input; AAMOS-specialistmodeller
ersätter över tid externa anrop för de vanligaste bilduppgifterna (spec §33) → kostnaden nedan
@@ -24,29 +27,29 @@ ersätter över tid externa anrop för de vanligaste bilduppgifterna (spec §33)
Antaget: bild ≈ 1 000 tokens (Gemini-tiling, A1), systemprompt+kontext ≈ 500–1 000 in,
strukturerad JSON-output 400–1 200 ut (A2), växelkurs 10,50 SEK/USD (A4). All bildanalys på
Gemini 3.5 Flash Lite standard-tier – ingen modell-eskalering i Skiva 1.
Gemini 3.1 Flash Lite standard-tier – ingen modell-eskalering i Skiva 1.
| Uppgift | Tokens (in/ut) | Kostnad (Gemini 3.5 Flash Lite) |
| Uppgift | Tokens (in/ut) | Kostnad (Gemini 3.1 Flash Lite) |
| ------------------------------- | -------------- | ------------------------------- |
| Kyl-/skafferibild (2 bilder) | 4 000 / 800 | **$0,003 ≈ 0,03 kr** |
| Kvitto | 3 000 / 1 000 | $0,003 |
| Tallriksfoto | 2 500 / 500 | $0,002 |
| Näringsetikett/datum | 2 000 / 400 | $0,002 |
| Receptstrukturering (text) | 2 500 / 1 200 | $0,004 |
| Veckoplan | 3 000 / 800 | $0,003 |
| Minnesuppdatering (batch, natt) | 4 000 / 600 | $0,0014 (batch-tier) |
| Kyl-/skafferibild (2 bilder) | 4 000 / 800 | **$0,0022 ≈ 0,023 kr** |
| Kvitto | 3 000 / 1 000 | $0,0023 |
| Tallriksfoto | 2 500 / 500 | $0,0014 |
| Näringsetikett/datum | 2 000 / 400 | $0,0011 |
| Receptstrukturering (text) | 2 500 / 1 200 | $0,0024 |
| Veckoplan | 3 000 / 800 | $0,0020 |
| Minnesuppdatering (batch, natt) | 4 000 / 600 | $0,00095 (batch-tier) |
**Tumregel: ≈ $0,003 ≈ 0,03 kr per AI-skanning.** Deterministiska flöden (rekommendationer,
**Tumregel: ≈ $0,002 ≈ 0,02 kr per AI-skanning.** Deterministiska flöden (rekommendationer,
nutrition, streckkod, FEFO) kostar $0.
## Kostnad per användartyp och månad
| Profil | Antagande om användning | AI-kostnad/mån |
| --------------------------- | ----------------------------------------- | ----------------------------------------------- |
| Gratis | 5 skanningar (kvottak) | $0,015 ≈ 0,16 kr |
| Household (aktivt) | 60 skanningar + 4 planer + nattligt minne | $0,21 ≈ 2,2 kr |
| Family (aktivt) | 100 skanningar + 4 planer + minne | $0,33 ≈ 3,5 kr |
| Family (maxar fair use 200) | värsta fallet | $0,60 ≈ 6,3 kr — fortfarande under 129 kr-priset |
| Gratis | 5 skanningar (kvottak) | $0,011 ≈ 0,12 kr |
| Household (aktivt) | 60 skanningar + 4 planer + nattligt minne | $0,14 ≈ 1,5 kr |
| Family (aktivt) | 100 skanningar + 4 planer + minne | $0,22 ≈ 2,3 kr |
| Family (maxar fair use 200) | värsta fallet | $0,41 ≈ 4,3 kr — fortfarande långt under priset |
Fair use-taken (100/200/400, gratis 5) gör att ingen enskild användare kan bli
förlustaffär ens i värsta fallet.
@@ -57,48 +60,53 @@ Antaget (A5): 60 % av registrerade är månadsaktiva; mix 80 % gratis / 20 % bet
betalande mix 60/30/10 (Household/Family/Large); aktiva gratisanvändare gör 5
skanningar, betalande enligt tabellen ovan.
| Registrerade | Aktiva | AI-kostnad/mån (USD) | ≈ SEK/mån | Intäkt/mån (SEK) | AI-andel av intäkt |
| ------------ | ------ | -------------------- | ---------- | ---------------- | ------------------ |
| 1 000 | 600 | ≈ $140 | 1 500 kr | ≈ 11 900 kr | 12 % |
| 10 000 | 6 000 | ≈ $1 400 | 15 000 kr | ≈ 119 000 kr | 12 % |
| 100 000 | 60 000 | ≈ $14 000 | 147 000 kr | ≈ 1 190 000 kr | 12 % |
Baslinjetabellen nedan är en pessimistisk referens (en dyrare modell); raden under
visar den faktiska kostnaden med Gemini 3.1 Flash Lite.
| Registrerade | Aktiva | Baslinje AI-kostnad/mån (USD) | ≈ SEK/mån | Intäkt/mån (SEK) | AI-andel (baslinje) |
| ------------ | ------ | ----------------------------- | ---------- | ---------------- | ------------------- |
| 1 000 | 600 | ≈ $140 | 1 500 kr | ≈ 11 900 kr | 12 % |
| 10 000 | 6 000 | ≈ $1 400 | 15 000 kr | ≈ 119 000 kr | 12 % |
| 100 000 | 60 000 | ≈ $14 000 | 147 000 kr | ≈ 1 190 000 kr | 12 % |
Intäktsantagande (A6): 20 % betalande × viktat pris ≈ 99 kr. Skalan är linjär tills
specialistmodeller (spec §33) sänker styckkostnaden – rimligt mål är att halvera
bildkostnaden vid >10 000 användare genom AAMOS-specialister + cachade prompts + batch.
specialistmodeller (spec §33) sänker styckkostnaden ytterligare.
**Med Gemini 3.5 Flash Lite (~$0,003/skanning) blir AI-kostnaden ~3,3× lägre än tabellen ovan:**
≈ $42 / 440 kr (1k reg), ≈ $420 / 4 400 kr (10k), ≈ $4 200 / 44 000 kr (100k). AI-andelen av
intäkt sjunker från ~12 % till ~4 %. Firebase Auth tillkommer först vid 60 000 aktiva:
**Med Gemini 3.1 Flash Lite (~$0,0022/skanning) blir den faktiska AI-kostnaden ~4,9× lägre än baslinjen ovan:**
≈ $29 / 300 kr (1k reg), ≈ $285 / 3 000 kr (10k), ≈ $2 850 / 30 000 kr (100k). AI-andelen av
intäkt sjunker från ~12 % till ~2,5 %. Firebase Auth tillkommer först vid 60 000 aktiva:
10 000 × $0,0055 = $55/mån ≈ 580 kr.
## Känslighet
Dubbla bildstorleken (A1) → +~30 % (fler bild-tokens). Fler upptäckta varor per bild → mer,
eftersom output ($2,50/1M) dominerar över input ($0,30/1M). Bevaka därför: tokens/bild och
eftersom output ($1,50/1M) dominerar över input ($0,25/1M). Bevaka därför: tokens/bild och
output-tokens i verklig trafik, kostnad per uppgiftstyp (usageMetadata → ai_usage_counters /
scan_jobs.cost_usd → adminpanelen) med larm på dagsbudget (§58).
## Scenario: 100 000 trial-användare dag 1 (onboarding-toppen)
Antagande: 100 000 registrerar sig dag 1, alla kör 14-dagars trial (25 skanningar) och använder
upp alla 25 på bilder i **medelkvalitet** via **Gemini 3.5 Flash Lite** (~$0,003/skanning:
~1 500 input-tokens à $0,30/1M + ~700 output-tokens à $2,50/1M).
upp alla 25 på 2-bilders kylskanningar i **medelkvalitet** via **Gemini 3.1 Flash Lite**
(~$0,0022/skanning: ~4 000 input-tokens à $0,25/1M + ~800 output-tokens à $1,50/1M).
| Post | Beräkning | Kostnad |
| ----------------------------- | -------------------------- | ---------------------------------- |
| AI – trial-skanningar | 100 000 × 25 × $0,003 | **$7 500 ≈ 79 000 kr** (på 14 dgr) |
| AI – trial-skanningar | 100 000 × 25 × $0,0022 | **$5 500 ≈ 58 000 kr** (på 14 dgr) |
| Firebase Auth (100k MAU) | 50k gratis + 50k × $0,0055 | $275/mån ≈ 2 900 kr/mån |
| **Totalt onboarding-månaden** | | **≈ $7 775 ≈ 82 000 kr** |
| **Totalt onboarding-månaden** | | **≈ $5 775 ≈ 61 000 kr** |
AI står för ~97 %, men hela toppen är nu ~3,3× lägre än den tidigare felräkningen
(263 000 kr → 79 000 kr) eftersom Flash Lite är långt billigare per token.
AI står för ~95 %, men hela toppen är nu ~4,5× lägre än den tidigare felräkningen
(263 000 kr → 58 000 kr) eftersom vi kör Gemini 3.1 Flash Lite (billigare än 3.5, långt
billigare än den ursprungliga felräkningens modell). Kör trial-skanningar som enkla
medelkvalitetsbilder (~1 500/700 tokens) landar toppen på ~37 000 kr – 58 000 kr är alltså
ett tak.
Efter trial – om alla faller till gratis (5 skanningar/mån): 100 000 × 5 × $0,003 + Firebase
≈ **19 000 kr/mån** utan intäkt. Break-even på den bördan: ~190 betalande (0,19 %), och
trial-toppen (79 000 kr) tjänas in långt inom första månaden om ~2 % konverterar.
Efter trial – om alla faller till gratis (5 skanningar/mån): 100 000 × 5 × $0,0022 + Firebase
≈ **14 000 kr/mån** utan intäkt. Break-even på den bördan: ~145 betalande (0,15 %), och
trial-toppen (58 000 kr) tjänas in långt inom första månaden om ~2 % konverterar.
Slutsats: med rätt modell är onboarding-toppen ~79 000 kr på 14 dagar vid 100k dag-1 – en
hanterbar post och strukturellt ofarlig. Batch-tier (Flash Lite $0,15/$1,25) halverar dessutom
Slutsats: med rätt modell är onboarding-toppen ~58 000 kr på 14 dagar vid 100k dag-1 – en
hanterbar post och strukturellt ofarlig. Batch-tier (Flash Lite $0,125/$0,75) halverar dessutom
nattliga minnesjobb. Bevaka faktisk token-förbrukning per skanning (usageMetadata →
ai_usage_counters) och konvertering – inte Firebase.
packages/ai-contracts/src/gemini.ts
+4 -3
View File
@@ -313,7 +313,7 @@ export class GeminiAamosClient implements AamosClient {
constructor(config: GeminiAamosClientConfig) {
this.cfg = {
apiKey: config.apiKey,
model: config.model ?? "gemini-3.5-flash-lite",
model: config.model ?? "gemini-3.1-flash-lite",
timeoutMs: config.timeoutMs ?? 60_000,
dailyBudgetUsd: config.dailyBudgetUsd ?? 0,
promptVersion: config.promptVersion ?? "gemini-fridge-v4",
@@ -1069,8 +1069,9 @@ Språk: ${lang}.`;
}
private estimateCostUsd(inputTokens: number, outputTokens: number): number {
// Gemini 3.5 Flash Lite standard-tier pricing (2026): $0.30/1M input, $2.50/1M output.
return inputTokens * 0.3e-6 + outputTokens * 2.5e-6;
// Gemini 3.1 Flash Lite standard-tier pricing (2026): $0.25/1M input, $1.50/1M output.
// (Matcha GEMINI_MODEL i .env / config.ts – kör vi 3.1, ska kostnaden räknas på 3.1.)
return inputTokens * 0.25e-6 + outputTokens * 1.5e-6;
}
private async isOverBudget(estimateUsd: number): Promise<boolean> {
packages/ai-contracts/test/gemini.test.ts
+2 -2
View File
@@ -67,7 +67,7 @@ describe("GeminiAamosClient", () => {
const budget = new MemoryBudgetStore();
const client = new GeminiAamosClient({
apiKey: "test-key",
model: "gemini-3.5-flash-lite",
model: "gemini-3.1-flash-lite",
fetchImpl: makeFetch(JPEG_BYTES),
budgetStore: budget,
dailyBudgetUsd: 10,
@@ -82,7 +82,7 @@ describe("GeminiAamosClient", () => {
expect(result.status).toBe("ok");
expect(result.output).not.toBeNull();
expect(result.modelVersion).toBe("gemini-3.5-flash-lite");
expect(result.modelVersion).toBe("gemini-3.1-flash-lite");
expect(result.costUsd).toBeGreaterThan(0);
expect(result.inputTokens).toBe(392);
expect(result.outputTokens).toBe(121);