Параллельные вопросы
Запускает регуляторный брифинг из 13 вопросов по статье в Википедии о GDPR и показывает, что объединение всех вопросов в один вызов TypeSafe обходится в 12.2 раза дешевле и в 10.0 раз быстрее без изменений в ответах.
У вас один документ и N вопросов о нём. Можно отправить один запрос со всеми N вопросами или N запросов по одному вопросу. В TypeSafe ответы получаются одинаковыми в обоих случаях: каждый вопрос оценивается сам по себе относительно документа, поэтому его ответ не зависит от того, что ещё есть в запросе.
Чтобы это проверить, cookbook задаёт каждый вопрос несколько раз обоими способами — все N в одном запросе и по одному вопросу на запрос — и сравнивает стандартное отклонение от запуска к запуску: насколько ответ смещается от повтора к повтору. Какой бы шум ни был у вопроса, он одинаков при обеих стратегиях батчинга. Батчинг не добавляет ничего. Большинство ответов вернулись идентичными во всех 5 повторах в обоих случаях, одно и то же значение при каждом вызове, стандартное отклонение ровно 0.0.
Стоимость и скорость меняются. Документ доминирует в каждом запросе. N вызовов с одним вопросом платят за него N раз, за N круговых рейсов; батч-вызов платит один раз. Чем больше документ, тем ближе эта экономия к полному Nx.
Рассматриваемый случай — это регуляторный брифинг. Документ — статья в Википедии о GDPR
(около 54,000 символов, нагрузка, где доминирует документ, то есть документ составляет
большую часть каждого запроса), а команда по соблюдению требований хочет проверить 13
вещей: 8 вопросов Noul, 2 вопроса Choice и 3 вопроса Score.
Установка
pip install ipython 'cooksafe>=0.2.0,<0.3.0'затем задайте TYPESAFE_API_KEY.
import json
import os
import urllib.request
from pathlib import Path
from statistics import mean, stdev
from time import perf_counter
from cooksafe import JsonCache, make_playground_link
from IPython.display import Markdown, display
from typesafe_sdk import Choice, ChoiceAnswer, Noul, NoulAnswer, Score, TypeSafeClient
TYPESAFE_MODEL = "jev-1.12"
PRICE = (
0.042,
0.00,
) # $ per 1M tokens (input, output); TypeSafe jev-1.12 as of 2026-09, see README
RUNS = 5 # repeats per batching strategy, to estimate each answer's run-to-run std dev
client = TypeSafeClient(api_key=os.environ["TYPESAFE_API_KEY"], timeout=120.0)
json_cache = JsonCache(Path("json_cache.json"))Документ: статья в Википедии о GDPR
Получается как простой текст из закреплённой ревизии статьи и кэшируется в
json_cache.json рядом с вызовами API, поэтому документ и его числа остаются
неизменными, даже когда живую статью правят.
WIKIPEDIA_REVISION = 1363040264 # "General Data Protection Regulation", as of 2026-07
@json_cache
def fetch_article(revision_id: int) -> str:
url = (
"https://en.wikipedia.org/w/api.php?action=query&format=json"
f"&prop=extracts&explaintext=1&revids={revision_id}"
)
request = urllib.request.Request(
url, headers={"User-Agent": "typesafe-cookbook/1.0"}
)
with urllib.request.urlopen(request) as response:
pages = json.loads(response.read())["query"]["pages"]
return next(iter(pages.values()))["extract"]
DOCUMENT = {
"source": f"https://en.wikipedia.org/?oldid={WIKIPEDIA_REVISION}",
"text": fetch_article(WIKIPEDIA_REVISION),
}
print(f"{len(DOCUMENT['text']):,} characters")
display(Markdown(f"📄 [Read the pinned Wikipedia revision]({DOCUMENT['source']})"))53,777 characters📄 Прочитать закреплённую ревизию Википедии
Вопросы: 8 noul + 2 choice + 3 score
За каждым ответом отслеживается одно число, в зависимости от типа:
Noul: вероятность «да».Choice: максимальная вероятность, то есть вероятность выбранной метки.criteriaсопоставляет каждой метке её смысл.Score: score, нормированный к 0–1, то есть score, делённый на верхний уровень.criteriaперечисляет описания уровней, начиная с уровня 0.
QUESTIONS = {
"breach_72h": Noul(
instructions="Must a personal data breach be reported to the supervisory authority within 72 hours?"
),
"applies_non_eu": Noul(
instructions="Does the regulation apply to organisations established outside the EU that offer goods or services to people in the EU?"
),
"dpo_all_orgs": Noul(
instructions="Must every organisation appoint a Data Protection Officer, regardless of what data it processes?"
),
"pre_ticked_consent": Noul(
instructions="Can valid consent be obtained through pre-ticked boxes or inactivity?"
),
"right_erasure": Noul(
instructions="Does the regulation grant individuals a right to erasure of their personal data?"
),
"data_portability": Noul(
instructions="Does the regulation include a right to data portability?"
),
"us_federal_law": Noul(instructions="Is the GDPR a United States federal law?"),
"criminal_penalties": Noul(
instructions="Does the GDPR itself impose criminal penalties such as imprisonment?"
),
"instrument_type": Choice(
instructions="What kind of EU legal instrument is the GDPR?",
criteria={
"Regulation": "Directly binding law in all member states, no national implementation needed.",
"Directive": "Sets goals that member states implement through national law.",
"Treaty": "An international treaty between states.",
"Recommendation": "Non-binding guidance.",
},
),
"max_fine": Choice(
instructions="What is the maximum administrative fine for the most serious infringements?",
criteria={
"TwentyM_or_4pct": "Up to EUR 20 million or 4% of annual worldwide turnover, whichever is greater.",
"TenM_or_2pct": "Up to EUR 10 million or 2% of annual worldwide turnover, whichever is greater.",
"FixedCap": "A fixed amount not tied to turnover.",
"NoFines": "The GDPR provides no administrative fines.",
},
),
"individual_rights": Score(
instructions="How strong are the rights the GDPR grants to individuals over their data?",
criteria=[
"None: individuals get no rights over their data.",
"Weak: a right to be informed, but little control.",
"Moderate: access and correction rights, but limited means to act on them.",
"Strong: access, erasure, portability, and objection rights, with enforcement behind them.",
],
),
"penalty_severity": Score(
instructions="How severe are the penalties the GDPR provides for non-compliance?",
criteria=[
"None: no penalties of any kind.",
"Symbolic: small fixed fines unlikely to change behavior.",
"Substantial: fines large enough to matter to most companies.",
"Severe: fines scaled to global revenue, material even to the largest companies.",
],
),
"compliance_burden": Score(
instructions="How heavy is the compliance burden the GDPR places on organisations?",
criteria=[
"Negligible: no meaningful obligations.",
"Light: a few notices and disclosures.",
"Moderate: documented processes and some dedicated roles for larger processors.",
"Heavy: records, impact assessments, officers, and breach procedures for many organisations.",
"Extreme: obligations so demanding that ordinary organisations cannot fully comply.",
],
),
}
N = len(QUESTIONS)
METRIC = { # question type -> the one number we track per answer
Noul: "p(yes)",
Choice: "max prob",
Score: "normalized score",
}Спросить двумя способами, по 5 раз каждый
ask() отправляет любое подмножество вопросов вместе с документом и сводит каждый ответ
к одному отслеживаемому числу. Документ побайтово идентичен при каждом вызове.
Обе стратегии батчинга выполняются RUNS = 5 раз, давая каждому вопросу по 5 ответов на
стратегию — этого достаточно, чтобы сравнить среднее (совпадают ли два способа?) и
стандартное отклонение (добавляет ли батчинг шум?). Вызовы кэшируются в
json_cache.json, который поставляется вместе с cookbook, поэтому повторный рендеринг
бесплатен; удалите его, чтобы перезапустить вживую.
@json_cache
def ask(keys: tuple[str, ...], run: int):
"""One TypeSafe call -> ({key: tracked metric}, input_tokens, output_tokens, latency_s);
``run`` only forces a distinct live call per repeat."""
started = perf_counter()
response = client.system_one(
state={"article": DOCUMENT},
questions={key: QUESTIONS[key] for key in keys},
model=TYPESAFE_MODEL,
)
values = {}
for key in keys:
answer = response.answers[key]
if isinstance(answer, NoulAnswer):
values[key] = answer.noul
elif isinstance(answer, ChoiceAnswer):
values[key] = max(answer.probabilities.values())
else:
values[key] = answer.score / (len(QUESTIONS[key].criteria) - 1)
return (
values,
response.usage.input_tokens,
response.usage.output_tokens,
perf_counter() - started,
)
def priced(result):
"""({key: metric}, in_tokens, out_tokens, latency) -> ({key: metric}, cost_usd, latency)."""
values, input_tokens, output_tokens, latency = result
return values, input_tokens / 1e6 * PRICE[0] + output_tokens / 1e6 * PRICE[1], latency
# Price after cache retrieval, so a price change needs no new calls.
batched = [
priced(ask(tuple(QUESTIONS), run)) for run in range(RUNS)
] # all N in one call, x RUNS
singles = [
{key: priced(ask((key,), run)) for key in QUESTIONS} for run in range(RUNS)
] # N x 1, x RUNSБатчинг не меняет ответы
По каждому вопросу: среднее и стандартное отклонение его отслеживаемого числа за 5 запусков при каждой стратегии батчинга. Если бы батчинг менял ответы, столбцы батча отличались бы от одиночных столбцов. Смещённое среднее — это систематическая ошибка. Большее стандартное отклонение — это шум.
print(
f"{'question':<22}{'metric':<18}{'batched mean':>13}{'single mean':>12}"
f"{'batched std':>13}{'single std':>12}"
)
for key, question in QUESTIONS.items():
batched_values = [values[key] for values, _cost, _latency in batched]
single_values = [singles[run][key][0][key] for run in range(RUNS)]
print(
f"{key:<22}{METRIC[type(question)]:<18}{mean(batched_values):>13.3f}"
f"{mean(single_values):>12.3f}{stdev(batched_values):>13.4f}{stdev(single_values):>12.4f}"
)question metric batched mean single mean batched std single std
breach_72h p(yes) 0.804 0.814 0.0055 0.0055
applies_non_eu p(yes) 0.990 0.990 0.0000 0.0000
dpo_all_orgs p(yes) 0.030 0.030 0.0000 0.0000
pre_ticked_consent p(yes) 0.040 0.040 0.0000 0.0000
right_erasure p(yes) 0.990 0.990 0.0000 0.0000
data_portability p(yes) 0.990 0.990 0.0000 0.0000
us_federal_law p(yes) 0.010 0.010 0.0000 0.0000
criminal_penalties p(yes) 0.108 0.108 0.0045 0.0084
instrument_type max prob 1.000 1.000 0.0000 0.0000
max_fine max prob 1.000 1.000 0.0000 0.0000
individual_rights normalized score 1.000 1.000 0.0000 0.0000
penalty_severity normalized score 1.000 1.000 0.0000 0.0000
compliance_burden normalized score 0.750 0.750 0.0000 0.0000Читаем таблицу по типам вопросов:
- Choice, score и шесть из восьми noul возвращаются идентичными во всех 5 повторах: стандартное отклонение ровно 0.0 при обеих стратегиях батчинга, каждый батч-вызов и одиночный вызов возвращает одно и то же число. Один вызов с N вопросами даёт те же ответы, что N вызовов по одному вопросу.
breach_72hиcriminal_penaltiesнесут немного шума выборки от запуска к запуску, и он одного размера при обеих стратегиях батчинга, а средние совпадают в пределах этого шума. Шум — свойство вопроса, а не способа батчинга: батчинг ни смещает ответ, ни добавляет дисперсию.
В любом случае эффекта батчинга нет: ответ ни одного вопроса не зависит от 12 других вопросов, делящих с ним запрос.
Единственная разница: стоимость и скорость
Ответы те же, счёт другой. Статья примерно на 54,000 символов доминирует в каждом запросе, поэтому:
- Стоимость: 13 вызовов с одним вопросом пересылают статью 13 раз; батч-вызов отправляет её один раз. Эта экономия сохраняется, как бы вы ни запускали вызовы.
- Скорость: число суммирует задержки 13 одиночных вызовов, поэтому предполагает, что они идут один за другим. Запустите их параллельно, и разрыв уменьшится, но 13-кратная стоимость токенов останется.
Числа токенов и задержки кэшируются рядом с ответами; стоимость применяется после, и то и другое усредняется по 5 запускам.
batched_cost = mean(cost for _values, cost, _latency in batched)
batched_latency = mean(latency for _values, _cost, latency in batched)
singles_cost = mean(
sum(singles[run][key][1] for key in QUESTIONS) for run in range(RUNS)
)
singles_latency = mean(
sum(singles[run][key][2] for key in QUESTIONS) for run in range(RUNS)
)
print(f"{'batching':<24}{'calls':>6}{'cost':>12}{'total time':>12}")
print(
f"{f'one call, all {N}':<24}{1:>6}{'$' + format(batched_cost, '.6f'):>12}{format(batched_latency, '.2f') + 's':>12}"
)
print(
f"{f'{N} calls, one each':<24}{N:>6}{'$' + format(singles_cost, '.6f'):>12}{format(singles_latency, '.2f') + 's':>12}"
)
print(
f"\nbatching: {singles_cost / batched_cost:.1f}x cheaper, {singles_latency / batched_latency:.1f}x faster"
)batching calls cost total time
one call, all 13 1 $0.000497 0.27s
13 calls, one each 13 $0.006090 2.71s
batching: 12.2x cheaper, 10.0x fasterОткрыть в playground TypeSafe
Та же статья и те же 13 вопросов, упакованные в ссылку для общего доступа. Откройте её, чтобы заново запустить брифинг вживую; вернутся те же числа.
playground_link = make_playground_link(
{"article": DOCUMENT}, QUESTIONS, models=[TYPESAFE_MODEL]
)
display(
Markdown(
f"🔗 [Open this article + questions in the TypeSafe playground]({playground_link})"
)
)