যদিও চীনা এআই বড় মডেলগুলির ব্যবহার পরিমাণ মার্কিন যুক্তরাষ্ট্রকে নয় সপ্তাহ আগে অগ্রাধিকার দিয়েছে, তবুও উচ্চ চাপের প্রোগ্রামিং পরিস্থিতিতে বাস্তব খরচ GPT Codex প্যাকেজের তুলনায় অনেক বেশি। জিজং 2025 সালে 30 বিলিয়ন ইয়ুয়ানের বেশি ক্ষতির মুখোমুখি হয়েছে, এবং Kimi সহ অন্যান্য প্যাকেজের কোটা সীমিত এবং চূড়ান্ট সময়ে ট্রাফিক নিয়ন্ত্রণ করা হয়। প্রধান কারণটি হল চীনের ক্যালকুলেশন অবকাঠামোর অভাব (ডেটা সেন্টার 449টি vs. মার্কিন যুক্তরাষ্ট্রে 5427টি), যা Codex-এর মতো উচ্চ-মূল্য-কার্যক্ষমতা বিশিষ্ট প্যাকেজ চালু করতে বাধা দেয়। বর্তমানে, ডেভেলপারদেরকে পারফরম্যান্স, মূল্য এবং স্থিতিশীলতা—এই তিনটি মাপদণ্ডের মধ্যে ভারসাম্য বজায় রাখতে হচ্ছে। চীনা মডেলগুলি শুধুমাত্র কিছু পারফরম্যান্স মেট্রিকসেই আন্তর্জাতিক শীর্ষস্থানীয় মডেলগুলির কাছাকাছি, সমগ্রভাবে, "প্রশংসিত, কিন্তু বিক্রি-হওয়া"র সমস্যা।

লেখক এবং উৎস: জাইহুয়া ফুনটক

গত এক মাসে, সিলিকন ভ্যালির এআই জগতে বড় বড় ঘটনা ঘটেছে, GPT-5.6, fable5, Grok-4.5 একের পর এক চালু হয়েছে।

একসময়, দেশীয় ডেভেলপার এবং প্রোগ্রামারদের মধ্যে উত্তেজনা ছড়িয়ে পড়ে, GPT-5.6 এর মতো অগ্রণী মডেল নিয়ে আলোচনা এবং পরীক্ষা-নিরীক্ষা শুরু হয়।

এই মাসে কিমি-কে3 এর মতো নতুন দেশীয় মডেল চালু হলেও, সামগ্রিকভাবে দেখা যায় যে বর্তমানে দেশীয় বড় মডেলগুলি প্রথম স্তরের ডেভেলপারদের মধ্যে সবসময় “প্রশংসিত কিন্তু জনপ্রিয় নয়” অবস্থায় রয়েছে।

সর্বশেষ ডেটা অনুযায়ী, ব্যবহারের দিক থেকে: ওপেনরাউটারের ২২ থেকে ২৮ জুন পর্যন্ত ডেটা অনুযায়ী, চীনা মডেলের সপ্তাহিক টোকেন ব্যবহার ২০.৩৯ ট্রিলিয়ন, যখন মার্কিন মডেলের এটি ৪.২৫ ট্রিলিয়ন, যা প্রথমটি নয়টি সপ্তাহ ধরে অগ্রণী।

তবে এর বিপরীতে, চীনের এআই ষাট ক্রাক্সের আয়ের প্রদর্শন খুব ভালো নয়: প্রকাশিত আর্থিক বিবৃতি অনুযায়ী, জিজং-এর ২০২৫ সালের আয় ৭২৪ মিলিয়ন যুয়ান, কিন্তু ক্ষতি ৩০ বিলিয়ন যুয়ানের বেশি; মিনিম্যাক্সের আয় ৭৯ মিলিয়ন ডলার (প্রায় ৫.৭ বিলিয়ন যুয়ান); মাস অফ দ্য ডার্কনেসসসহ অন্য চারটি প্রতিষ্ঠান এখনও সম্পূর্ণ বার্ষিক আয় প্রকাশ করেনি।

শীর্ষ কোম্পানিগুলির আয়ও কয়েক বিলিয়ন ডলারের পরিসরে থাকে।

অন্যদিকে, এআই-এর শীর্ষ প্রতিষ্ঠান অ্যানথ্রোপিকের বার্ষিক পুনরাবৃত্ত আয় (ARR) প্রায় 600 বিলিয়ন—700 বিলিয়ন মার্কিন ডলারে পৌঁছেছে, যার মুখ্য চালিকাশক্তি হল B2B API এবং এআই কোডিং স্কেনারিও।

এটি একটি তীব্র প্রশ্ন তুলে ধরে:

কেন যে স্থানীয় মডেলগুলিকে "সস্তা" এবং "বড় পরিমাণে ব্যবহারযোগ্য" বলা হয়, এখনও এগুলি জনপ্রিয়তা অর্জন করেনি, এবং AI কোডিং-এর মতো উচ্চ-মূল্যের স্কেনারিওতে এখনও বিদেশী শীর্ষস্থানীয় মডেলগুলির সাথে সরাসরি প্রতিদ্বন্দ্বিতা করতে পারছে না?

সাম্প্রতিক সময়ে, এই সমস্যা নিয়ে বিভিন্ন প্রথম-স্তরের ডেভেলপারদের সাথে গভীরভাবে আলোচনা করার পর, আমি একটি খুব অপরিচিত তথ্য আবিষ্কার করেছি:

দেশী বড় মডেলগুলি কিছুটা খুবই "মহঙ্গা"।

এই মূল্যের কারণে কিছু পারফরম্যান্সে উন্নতি লাভকারী দেশীয় মডেলগুলি তাদের উজ্জ্বল দিকগুলি প্রকাশ করতে পারছে না।

01 “নিম্ন মূল্য” এর মিথ্যা ধারণা

স্থানীয় বড় মডেলের কথা উল্লেখ করলে অনেকেই DeepSeek, Kimi-এর মতো প্রতিনিধিদের কথা ভাবেন, এবং এগুলির সাথে সবচেয়ে বেশি যুক্ত ট্যাগগুলির মধ্যে একটি হল কম দাম, সস্তা;

টোকেন একক মূল্যের দিক থেকে দেখলে, চীনা মডেলগুলি GPT-5.6 এবং Fable 5-এর মতো শীর্ষস্থানীয় মডেলগুলির তুলনায় প্রকৃতপক্ষে বড় সুবিধা রাখে। GLM-5.2 এবং DeepSeek V4-এর উদাহরণ দিয়ে দেখা যাক: GLM-5.2-এর জন্য প্রতি মিলিয়ন টোকেন ইনপুট/আউটপুট 1.4/4.4 ডলার, DeepSeek-V4-Pro-এর জন্য 0.435/0.87 ডলার; GPT-5.6 Sol-এর জন্য 5/30 ডলার, এবং Claude Fable 5-এর জন্য 10/50 ডলার।

বাস্তবে, এই “সস্তা” ধারণাটি বাহিরের লোকদের দীর্ঘদিনের ভুল বিশ্বাস।

বিশেষ করে উচ্চ চাপের প্রোগ্রামিং পরিস্থিতিতে, দেশীয় বড় মডেলগুলির একক মূল্য কেবল সুবিধাজনক নয়, বরং GPT এবং Claude-এর প্যাকেজযুক্ত মূল্যের চেয়েও কয়েকগুণ বেশি।

লি গুয়াং (কৃত্রিম নাম) এআই ক্ষেত্রের একজন গবেষক, যিনি কাজের প্রয়োজনে প্রতিদিন এআই কোডিংয়ের পরিস্থিতিতে দশ বিলিয়ন টোকেন ব্যয় করেন। এই পরিমাণ ব্যয়ের ক্ষেত্রে, যদি চীনা বড় মডেল, যেমন GLM-5.2, ব্যবহার করা হয়, তবে মোট খরচ অত্যন্ত ভয়ঙ্কর হয়ে উঠবে।

লি গুয়াং দ্বারা প্রদর্শিত টোকেন বিল

যোগাযোগের দিনে, লি গুয়াং দ্বারা ব্যয়িত টোকেন প্রায় 4 বিলিয়নে পৌঁছেছে। এখানে একটু রূপান্তর করা যাক: যদি তিনি GLM-5.2 ব্যবহার করেন, তবে খরচ প্রায়: (86.39 মিলিয়ন সাধারণ ইনপুট × 1.4 ডলার + 3.38 বিলিয়ন ক্যাশ ইনপুট × 0.26 ডলার + 19.06 মিলিয়ন আউটপুট এবং ইনফারেন্স × 4.4 ডলার) = প্রায় 1084 ডলার, 1 ডলার = 7.2 যুয়ানের হিসাবে, প্রায় 7800 চীনা যুয়ান।

যেহেতু লি গুয়াং গপ্টের কোডএক্স প্যাকেজ খুলেছেন, তাই তিনি এতটাই স্বাধীনভাবে টোকেন ব্যয় করতে পারছেন,

CodeX প্যাকেজটি কীভাবে কাজ করে তা সহজ করে ব্যাখ্যা করা যাক: সংক্ষেপে, এটি প্রোগ্রামিংয়ের জন্য ডিজাইন করা একটি প্যাকেজ: কঠোরভাবে বললে, এটি সত্যিকারের অসীম নয়, বরং এটি Codex-কে ChatGPT সাবস্ক্রিপশনের সাথে একীভূত করে: Plus 20 ডলার/মাস, Pro 100 ডলার/মাস থেকে শুরু, যার পরিমাণ Plus-এর প্রায় 5 গুণ বা 20 গুণ; সীমা ছাড়ানোর পরেও Credits কিনে ব্যবহার চালিয়ে যাওয়া যায়।

একইভাবে, Anthropic-এর Claude Code-এর জন্য একটি সমান প্যাকেজ রয়েছে: Claude Pro মাসিক 20 ডলার, Max 5x এবং Max 20x যথাক্রমে মাসিক 100 এবং 200 ডলার; Claude ওয়েবসাইট এবং Claude Code প্রতি 5 ঘন্টা এবং সপ্তাহের ক্ষমতা শেয়ার করে, সীমা পৌঁছানোর পরে API মূল্যে অতিরিক্ত ব্যবহার করা যায়।

এই প্যাকেজের অধীনে, বিশাল টোকেন খরচ বাতিল হয়ে যায়।

দেশীয় ডেভেলপারদের জন্য, উচ্চ ঘনত্বের AI কোডিং পরিস্থিতিতে প্রতিদিন কয়েক বিলিয়ন থেকে শত বিলিয়ন টোকেন ব্যয় করা একটি সাধারণ অবস্থা।

ছোট লিয়াও একজন অত্যন্ত প্রবীণ এআই কোডিং ডেভেলপার, যিনি কোডেক্সে এক সপ্তাহে বাস্তবে ৩০০ চীনা ইয়ুয়ান খরচ করেন, এবং এটি কোম্পানির রিম্বার্সমেন্ট ছাড়াই।

কিন্তু এই খরচের সাথে তুলনা করলে স্থানীয় মডেলগুলির তুলনায় এটি অনেক বেশি সস্তা, কারণ একই 300 টাকায় GLM 5.2-এর সমান সংখ্যক টোকেন কিনতে পারবেন না।

ছোট লিউয়ের টোকেন বিল

দেশীয় ডেভেলপারদের দৃষ্টিতে, GPT-এর Codex প্যাকেজ এখন পর্যন্ত কেনা যায় এমন সবচেয়ে সস্তা টোকেন, যা জিজ্ঞা এবং কিমির চেয়ে কয়েকগুণ সস্তা। এটি বিপরীত মনে হতে পারে, কিন্তু সত্য হলো যে দেশীয় মডেলগুলি উচ্চ-ঘনত্বের কোডিং পরিস্থিতিতে এর সাথে দাম-পারফরম্যান্সের দিক থেকে তুলনা করা যায় না।

এটি উল্লেখ করা প্রয়োজন যে, কোডেক্স প্রকৃতপক্ষে অসীম প্যাকেজ নয়; যদি সর্বোচ্চ স্তরের 200 ডলার ধরা হয়, তবে এক সপ্তাহে প্রায় 20 বিলিয়ন কোটা থাকে।

কিন্তু, কিছু ডেভেলপার মডেল ব্যবহারের জন্য “ট্রানজিট স্টেশন” ইত্যাদি পদ্ধতি ব্যবহার করে, যার ফলে কিছু মডেলের প্রকৃত খরচ অফিসিয়াল চ্যানেলের তুলনায় অনেক কম হয়, যার ফলে কখনও কখনও কম দামে বেশি Token কেনা যায়, ফলে 300 টাকায় 120 বিলিয়ন Token কেনার ঘটনা ঘটে।

বাস্তবে, স্থানীয় মডেলগুলি এই ধরনের প্যাকেজ চালু করেনি বলে নয়, কিন্তু যদি এটি বিশদে পর্যালোচনা করা হয়, তবে কোডেকের তুলনায় এই প্যাকেজগুলির সীমাবদ্ধতা অনেক বেশি।

02 স্থানীয় মূল্যনির্ধারণের বেদনা

দেশীয় বড় মডেলগুলির মূল্যনির্ধারণের বর্তমান অবস্থা একটি বাক্যে বর্ণনা করা যায়:

আপনি মনে করেছিলেন আপনি একটি বাফে রেস্তোঁরায় প্রবেশ করেছেন, কিন্তু শেষ পর্যন্ত বুঝতে পারলেন যে ব্যবসায়ীরা এখনও কিলোগ্রাম অনুযায়ী চার্জ করছে।

উদাহরণস্বরূপ, প্যাকেজের ক্ষেত্রে, চীনের Kimi এবং GLM-5.2: Kimi Code চারটি স্তরে উপলব্ধ—49, 99, 199 এবং 699 যুয়ান, যেগুলি সপ্তাহে আপডেট হয়; GLM Coding Plan-এর Lite, Pro, Max-এর জন্য প্রতি 5 ঘন্টায় যথাক্রমে প্রায় 80, 400, 1600টি Prompt এবং সপ্তাহে প্রায় 400, 2000, 8000টি Prompt, এবং GLM-5.2-এর চূড়ান্ট সময়ে তিনগুণ ক্রেডিট কাটা হয়।

আলিবাবার Qoder-এর উদাহরণ দিয়ে, আমার এক বি-বেসড ক্লায়েন্ট অপারেশন পেশাদার আমি (নাম পরিবর্তিত) বলেন: “Qoder একসময় চীনের সবচেয়ে ভালো AI IDE ছিল, কিন্তু এর নিজস্ব নতুন মূল্যনির্ধারণ এর সুবিধাগুলোকে নষ্ট করে দিয়েছে।”

প্যাকেজ সম্পর্কে: Qoder CN পার্সোনাল প্রো এবং প্রো+ যথাক্রমে 59 এবং 169 যুযান/মাস, যার মধ্যে যথাক্রমে 2000 এবং 6000 ক্রেডিট অন্তর্ভুক্ত; টিমস এবং VPC সংস্করণ যথাক্রমে 99 এবং 199 যুযান/সদস্য·মাস, যার প্রতিটিতে 3000 ক্রেডিট অন্তর্ভুক্ত, এবং VPC সংস্করণটি 50 সদস্য থেকে শুরু হয়।

"এই বছর তারা লিংমা প্রাইসিং একীভূত করার পর, আমার জানা অনুযায়ী, কমপক্ষে বিশ-ত্রিশটি কোম্পানি রিনিউ করা বাতিল করে দিয়েছে।" আমি পরে বর্ণনা করল।

আমির পরীক্ষার ভিত্তিতে, কোডার এন্টারপ্রাইজ এডিশন 199 প্ল্যানটি তার ব্যবহারের ক্ষেত্রে মাত্র 3 দিনে শেষ হয়ে যায়, এবং ভারী ডেভেলপারের ব্যবহারের ক্ষেত্রে এটি একদিনেই শেষ হয়ে যাওয়ার সম্ভাবনা রয়েছে।

একইভাবে, প্যাকেজের ক্ষেত্রে, GLM-5.2 স্থানীয় ব্যবহারকারীদের মধ্যে বিভিন্ন অনুভূতি তৈরি করেছে।

ডেভেলপার শিওয়েয়ের মতে: "GLM-5.2-এর প্যাকেজ প্রায় নেই, যদি থাকেও চূড়ান্ট সময়ে লিমিটেশন থাকে এবং ব্যবহারকারীদের 'ব্যাকস্টিং' করা হয়।"

36氪 এর প্রতিবেদন অনুযায়ী: GLM-5.2 প্যাকেজগুলি আগে কনসার্ট টিকিটের চেয়েও কঠিনভাবে কেনা যেত, প্রতিদিন সকাল ১০টায় ঠিক সময়ে রিফ্রেশ হত, কেনা যাবে কিনা তা শুধুমাত্র আপনার হাতের গতির উপর নির্ভর করত।

জানুয়ারি ২০২৬-এ, জিজং ঘোষণা করে যে ক্যালকুলেশন ক্ষমতার অভাবের কারণে দৈনিক বিক্রয়যোগ্য পরিমাণ মূল পরিমাণের ২০% এ কমিয়ে দেওয়া হয়েছে, প্রতিদিন সকাল ১০টায় কিছু ক্ষমতা মুক্তি দেওয়া হয় এবং কয়েক মিনিটের মধ্যেই এটি শেষ হয়ে যায়।

শেষ পর্যন্ত, স্থানীয় মডেলগুলির প্যাকেজ এবং মূল্যে সংকীর্ণতা মূলত ক্যালকুলেশন ক্ষমতার অভাবের কারণে হয়।

2025 সালের চীনা ইনফরমেশন কমিউনিকেশন রিসার্চ ইনস্টিটিউট এবং ইন্ডাস্ট্রি এন্ড ইনফরমেশন টেকনোলজি মন্ত্রণালয়ের তথ্য অনুযায়ী, চীনে বর্তমানে 449টি ডেটা সেন্টার রয়েছে, যেখানে মার্কিন যুক্তরাষ্ট্রে রয়েছে 5427টি। মোট কম্পিউটিং ক্ষমতার ক্ষেত্রে, চীনের ক্ষমতা 1053 EFLOPS, যেখানে মার্কিন যুক্তরাষ্ট্রের ক্ষমতা 2400 EFLOPS।

কিন্তু এখানে মূল বিষয় হল: মার্কিন যুক্তরাষ্ট্রের 2,400 EFLOPS-এর মধ্যে উচ্চপ্রদর্শনকারী GPU-এর অংশ অত্যন্ত বেশি; চীনের ক্যালকুলেশন ক্ষমতার মধ্যে ব্যাপকভাবে হুয়াওয়ে আসেন, হানওয়ুজি ইত্যাদি দেশীয় চিপ রয়েছে, যাদের একক কার্ডের পারফরম্যান্স H100-এর চেয়ে এক প্রজন্মের পার্থক্য রয়েছে।

2026 মার্চ থেকে, বৃদ্ধি পাচ্ছে ক্যালকুলেশন চাহিদা মেটানোর জন্য, জিজং, আলিবাবা ক্লাউড, টেনসেন্ট ক্লাউড এবং বাইডু টোকেনের দামে 5% থেকে 460% পর্যন্ত একসাথে বৃদ্ধি করে।

সরল কথায়, স্থানীয় মডেলের “কম দাম” এবং “দামের যুদ্ধ” এখন অতীতের কথা।

দেশীয় মডেলগুলি বাফেট চালানোর ইচ্ছা নেই না, বরং কারণ হলো হিসাব করে দেখা গেছে: বর্তমান ক্যালকুলেশন খরচ এবং ক্ষতির অবস্থার সাথে, মাসিক প্যাকেজ চালানো মানে স্থির মাসিক ফি দিয়ে ব্যবহারকারীদের ট্র্যাফিক বিস্ফোরিত হওয়ার ঝুঁকি নেওয়া, এবং দেশীয় ডেভেলপারদের, প্রোগ্রামারদের দিনে দশ বিলিয়ন, এমনকি শত বিলিয়ন Token ব্যবহারের ধরন বিবেচনা করলে, এই ব্যবসায়িক মডেলটি খুব শীঘ্রই খরচের রেখা ছাড়িয়ে যাবে।

OpenAI এবং Anthropic-এর প্রোগ্রামিং প্যাকেজগুলি উচ্চ-সম্পদ সম্পন্ন ব্যবসায়িক গ্রাহকদের জন্য বিক্রি করা হয়—Cursor, GitHub Copilot এর মতো বড় গ্রাহকরা প্রতি বছর Anthropic-কে 14 বিলিয়ন ডলার আয় করিয়ে দেয়।

উচ্চ ক্ষমতার সহায়তায়, এই ব্যবসায়িক মডেলটি মূলত "নির্দিষ্ট মাসিক ফি" বিনিময়ে "দীর্ঘমেয়াদি গ্রাহক আবদ্ধকরণ" করে, যার ফলে গ্রাহকের মান উচ্চ এবং ARPU প্রায়শই তুলনামূলকভাবে বেশি, যা খরচকে সমানভাবে বণ্টন করে।

অন্যদিকে, ঘরোয়া বাজারে যদিও অ্যালিবাবা এর মতো একটি বড় ক্লাউড প্রদানকারী রয়েছে, তবে সমস্যা হল: অ্যালিবাবা ক্লাউডের FY2026-এর সমন্বিত EBITA মার্জিন মাত্র 7.5%, যদিও ক্লাউড ইন্টেলিজেন্স গ্রুপের আয় দ্রুত বৃদ্ধি পাচ্ছে, তবে লাভ খুব বেশি নয়।

এছাড়াও, প্রাচীন ক্লাউড প্রোভাইডাররা “অসীম ক্লাউড সার্ভার” বিক্রি করতে সাহস করে, কারণ ব্যবহারকারীরা ২৪ ঘন্টা পূর্ণ লোডে থাকে না। একটি ECS-এর প্রকৃত CPU ব্যবহার মাত্র ১০% হতে পারে, যার অর্থ ক্লাউড প্রোভাইডার একটি ভৌত মেশিনকে দশজনের মধ্যে অতিরিক্তভাবে বিক্রি করতে পারে।

কিন্তু বড় মডেল ইনফারেন্স ভিন্ন: প্রতিটি টোকেনের জন্য বাস্তবিকভাবে GPU ক্ষমতা ব্যয় হয়। যদি ব্যবহারকারী 24 ঘন্টা ধরে অবিরাম ব্যবহার করে, তাহলে ক্লাউড প্রোভাইডারের HBM মেমোরি, GPU কোর এবং বিদ্যুৎ বিল সবই কঠোর খরচ, কোনও অতি-বিক্রয়ের সম্ভাবনা নেই।

03 মডেলের "সোনার ত্রিভুজ"

দামের পাশাপাশি, ডোমেস্টিক ডেভেলপারদের জন্য Codex, Claude Code বেছে নেওয়ার কারণ হল এর শক্তিশালী প্রোগ্রামিং পারফরম্যান্স।

তবে, পারফরম্যান্সের দিক থেকে, স্থানীয় মডেলগুলি কিছু স্টেরিওটাইপের মতো নয়।

একাধিক ডেভেলপারের সাথে কথা বলার পর, লেখক একটি সাধারণ দৃষ্টিভঙ্গি খুঁজে পান: চীনা বড় মডেল, বিশেষ করে GLM-5.2 এর মতো সর্বশেষ মডেলগুলি, পরীক্ষা এবং বাগ ঠিক করার মতো সহায়ক, গৌণ কাজগুলি পরিচালনা করতে পারে।

কিন্তু অধিক জটিল এবং দীর্ঘস্থায়ী অ্যাসিঙ্ক্রোনাস টাস্কে, স্থানীয় মডেলগুলি এখনও GPT, Claude ইত্যাদি শীর্ষস্থানীয় মডেলগুলির সাথে ব্যাপক পার্থক্য রাখে।

ডেভেলপার জাং, এই বছর মার্চে একবার দেশীয় মডেল প্রোগ্রামিং ব্যবহার করেছিলেন, GLM, Qwen এবং GPT ব্যবহার করে একই কাজের তুলনা করেছিলেন, শুধুমাত্র GPT কাজটি সম্পন্ন করেছিল এবং পৃষ্ঠার প্রয়োজনীয়তা পূরণ করেছিল, যা একটি বহু-স্তরীয়, বহু-কলাম কনটেন্ট তুলনা এবং ফলাফল তৈরির প্রকল্প ছিল।

অন্য একজন ডেভেলপার শিওয়ে বলেছেন, তাঁর অভিজ্ঞতানুযায়ী, Kimi 2.7 এবং ডোবাও 2.1 Pro-এর পারফরম্যান্সও ভালো, কিন্তু সামগ্রিকভাবে এগুলি এক ধাপ কম (দ্বিতীয় স্তরের), তবে এগুলি Claude Sonnet 4.6-এর চেয়ে বেশি।

বর্তমানে ডেভেলপার সম্প্রদায়ে সাধারণ সমঝোতা হল যে, GLM-5.2 প্রথম এমন দেশীয় মডেল যা Opus লেভেলে পৌঁছেছে।

এটি বাস্তবিক, জটিল এবং দীর্ঘস্থায়ী অ্যাসিঙ্ক্রোনাস টাস্ক সম্পাদনে উপলব্ধ এবং একটি স্থান দখল করে।

যদিও বিশ্ব জ্ঞানের মতো অনেক মাপকাঠিতে এটি প্রকৃত ওপাস মডেলের চেয়ে বড় পার্থক্য রাখে, তবুও এটি দেশীয় মডেলের একটি নতুন উচ্চতা হয়ে উঠেছে।

কিন্তু বাস্তবতা হল: এটি শুধুমাত্র কয়েকজন “শীর্ষ শিক্ষার্থী” এর জন্য শুরু হয়েছে, যাদের অন্যান্য কার্যকারিতার সাথে সম্পর্কহীন কারণগুলি বাধা হিসেবে কাজ করছে।

বিশেষ করে, এই কারণগুলির মধ্যে রয়েছে ক্যাশ দক্ষতার অভাব, শীর্ষ সময়েও লিমিটিং ইত্যাদি, যা ডেভেলপারদের বাস্তব অভিজ্ঞতাকে খারাপ করে তোলে।

এটি বর্তমান মডেল তুলনার একটি অন্য মাত্রা—স্থিতিশীলতা—কে নিয়ে আসে।

একটি লাইভ ডেভেলপার বা প্রোগ্রামারের অভিজ্ঞতায়, মডেলের বাছাই শুধুমাত্র পারফরম্যান্সের তুলনা নয়, বরং—

পারফরম্যান্স—মূল্য—স্থিতিশীলতার “গোল্ডেন ট্রায়াঙ্গেল”।

এই তিনটি মাপদণ্ডের মধ্যে, দেশীয় মডেলগুলি শুধুমাত্র প্রথম মাপদণ্ডের কিছু সূচক অর্জন করেছে।

সাম্প্রতিক সময়ে, চীনা Kimi তার নবীন ফ্ল্যাগশিপ মডেল K3 প্রকাশ করেছে: এটি একটি ওপেন ওয়েটস ফ্ল্যাগশিপ মডেল যার 2.8 ট্রিলিয়ন প্যারামিটার, ন্যাটিভ মাল্টিমডাল এবং 1,00,000 টোকেন কনটেক্সট রয়েছে, যা দীর্ঘ-পরিসর প্রোগ্রামিং, জ্ঞানভিত্তিক কাজ এবং গভীর যুক্তির জন্য ডিজাইন করা হয়েছে।

বিভিন্ন মূল্যায়নে, এটি Artificial Analysis-এ 57 পয়েন্ট স্কোর করে বিশ্বের তৃতীয় স্থানে রয়েছে; Arena ফ্রন্টএন্ড প্রোগ্রামিং লিস্টে 1679 পয়েন্টে শীর্ষে পৌঁছেছে, এবং এমনকি এটি বলা হচ্ছে যে এর পারফরম্যান্স Claude Fable 5-এর সাথে তুলনীয়।

তবে, উজ্জ্বল স্কোর এবং র্যাঙ্কিংয়ের পিছনে, ডেভেলপারদের সবচেয়ে বেশি চিন্তা একটি শব্দ: মূল্য-প্রতি-মূল্য।

K3 প্রকাশের পর, অনেক ডেভেলপার বলেছেন যে এখনও Kimi খুব ব্যয়বহুল, Codex-এর তুলনায় মূল্য-প্রতি-কার্যক্ষমতা কম, এবং কোটা যথেষ্ট নয়। API মূল্য দেখলে, K3-কে "সস্তা" বলা যায় না: প্রতি মিলিয়ন টোকেন ক্যাশ/ইনপুট/আউটপুট যথাক্রমে 2/20/100 যুয়ান; GPT-5.6 Sol-এর জন্য 0.5/5/30 ডলার, K3 Sol-এর চেয়ে কম কিন্তু GPT-5.6 Luna-এর 0.1/1/6 ডলারের চেয়ে স্পষ্টভাবে বেশি।

এবং K3 ব্যবহার করার সময়, ডেভেলপাররা বলেছেন যে API কানেকশন বিচ্ছিন্ন হয়েছিল, এমনকি সকাল জুড়ে বিচ্ছিন্ন হয়েছিল।

বর্তমান পরিস্থিতি অনুযায়ী, দেশীয় ডেভেলপাররা দেশীয় মডেলের জন্য পেমেন্ট করতে অস্বীকার করছে না, বরং দেশীয় মডেলগুলি বর্তমানে কম্পিউটিং পাওয়ারের অভাব এবং উচ্চ খরচের কারণে Codex-এর মতো মূল্য-প্রতি-কার্যক্ষমতা সম্পন্ন প্যাকেজ খুলতে পারছে না, এবং শুধুমাত্র স্ব-সহায়তামূলক বলে মনে হওয়া, কিন্তু পরিমিত পরিমাণের “ডাওয়ানপিং প্যাকেজ” (যেমন Zhipu-এর Coding Plan) খুলছে।

এবং প্যাকেজের অভিজ্ঞতা অস্থিতিশীল এবং মূল্য-প্রতি-পারফরম্যান্স অস্পষ্ট হওয়ায়, ব্যবহারকারীরা ব্যবহারের পরে ধরে রাখা যায় না। এটি মূলত, বর্তমানে ক্যালকুলেশন ক্ষমতার ভিত্তির খরচ বেশি হওয়ার পরিস্থিতিতে ব্যবহারকারীদের যুক্তিসঙ্গত পছন্দ।

এগুলো শুধু একটি ঝুঁকি নিয়ে সতর্ক করার জন্য, আমাদের উদ্দেশ্য অন্যদের উৎসাহিত করা বা নিজেদের আত্মবিশ্বাস হ্রাস করা নয়।

বর্তমানে, স্থানীয় মডেলগুলি GPT এবং Claude-এর পিছনে পিছনে যাওয়ার পথে পারফরম্যান্সকে অত্যন্ত গুরুত্ব দেয়, কিন্তু স্থানীয় বড় মডেলগুলির গবেষণা থেকে প্রয়োগ পর্যন্ত যে পথ অতিক্রম করতে হবে, তা শুধুমাত্র পারফরম্যান্সের একটি পাহাড় নয়।

আমাদের কাজ হলো অপেক্ষা করা, যতক্ষণ না দেশীয় ক্যালকুলেশন বেসিস বড় পরিসরে উৎপাদিত হয়, যখন প্রযুক্তি, মূল্য এবং স্থিতিশীলতা একসাথে কাজ করবে, তখনই আমাদের পণ্য ব্যবহারকারীদের আশা পূরণ করতে সক্ষম হবে।