OpenAI ने मूल्य निर्धारण रणनीति को समायोजित किया है, और नियमित कार्यों के लिए कम लागत वाले मॉडल की सिफारिश की है

अगर आज भी कोई ओपनएआई के सबसे शक्तिशाली मॉडल को कॉल करने के लिए सबसे अधिक पैसा खर्च कर रहा है।

OpenAI उसे एक अलग विकल्प अपनाने की सलाह देगी।

30 जुलाई को, OpenAI ने एक मूल्य समायोजन घोषणा जारी की।

GPT-5.6Luna मॉडल में 80% की कमी, Terra मॉडल में 20% की कमी।

इस समाचार को देखकर, आसानी से ध्यान सिलिकॉन वैली के मूल्य युद्ध की ओर जा सकता है।

लेकिन, यदि आप आधिकारिक रूप से प्रकाशित तकनीकी दस्तावेज़ और API कॉल गाइड को ध्यान से पढ़ते हैं, तो आपको एहसास होगा कि वास्तविक रूप से ध्यान देने योग्य कार्रवाई मूल्य के अंकों में नहीं है।

यह मूल रूप से OpenAI की पहली बार है जब उन्होंने उपयोगकर्ताओं को बताया कि बहुत सारे कार्यों के लिए सबसे शक्तिशाली मॉडल की आवश्यकता नहीं होती।

आधिकारिक द्वारा एक बहुत स्पष्ट सुझाव दिया गया है। यदि कोई जटिल कार्य है, तो पहले GPT-5.6Sol के साथ आवश्यकता विश्लेषण और समाधान डिज़ाइन करें, फिर Luna को कार्यान्वयन, कोडिंग और परीक्षण चलाने के लिए दें।

सबसे महंगा मॉडल सोचने के लिए और सबसे सस्ता मॉडल काम करने के लिए जिम्मेदार होता है। दो साल पहले इस रणनीति को व्यावसायिक आत्म-निषेध के समान माना जाता था।

याद रखें, पिछले समय में पूरे AI उद्योग में, सभी ने बाजार को अपने मॉडल को सबसे बुद्धिमान बताने के लिए प्रयास किया।

आज, OpenAI ने कहा कि हमेशा सबसे महंगा खरीदने की जरूरत नहीं है।

This matter is much more important than a price reduction.

पिछले दो हफ्तों में हुए घटनाक्रम को देखें।

30 जुलाई को, OpenAI ने कीमतों में समायोजन किया। Luna में 80% की कमी। Terra में 20% की कमी। Sol में कीमत में कमी नहीं हुई, बल्कि इसमें Fast मोड जोड़ा गया, जो स्टैंडर्ड मोड से अधिकतम 2.5 गुना तेज हो सकता है, कीमत दोगुनी हो गई, लेकिन स्मार्टनेस स्तर पूरी तरह समान है।

टॉप मॉडल अभी भी बने रहेंगे। वास्तविक रूप से मात्रा में बढ़ोतरी, मध्यम और निचले स्तर के हो रही है।

एक हफ्ता पहले।

24 जुलाई को, एंथ्रोपिक ने भी लगभग वही काम किया। क्लॉड ऑपस 5 लॉन्च हुआ, जिसमें एक मिलियन टोकन इनपुट 5 डॉलर और आउटपुट 25 डॉलर है, जो फेबल 5 का ठीक आधा है।

Anthropic ने प्रदर्शन के ब्रेकथ्रू के बजाय अपनी आर्थिक दक्षता पर अधिक जोर दिया है: केवल आधी कीमत पर, आप Fable 5 की अग्रणी निष्कर्षण क्षमता के अत्यधिक निकट प्राप्त कर सकते हैं।

एक महीने पहले, Fable 5 Anthropic का प्रमुख उत्पाद था। सबसे शक्तिशाली निष्कर्षण, सबसे लंबा संदर्भ, सबसे उच्च कीमत। लेकिन एक महीने बाद, Anthropic ने स्वयं अपने प्रमुख उत्पाद के लिए आधी कीमत का विकल्प लाया।

अगर केवल एक ही कर रहा है, तो इसे उत्पाद समायोजन के रूप में समझा जा सकता है। लेकिन दोनों लगभग एक ही समय पर, तो यह यादृच्छिक नहीं है।

वे सभी अपने फ्लैगशिप मॉडल के महत्व को सक्रिय रूप से कम करना शुरू कर देते हैं।

मैं बाद में सोचता रहा कि ऐसा इसी समय क्यों हुआ।

उत्तर वास्तव में जटिल नहीं है।

पिछले फ्लैगशिप मॉडल का सबसे बड़ा मूल्य अर्जित करना नहीं, बल्कि तकनीकी अग्रणी होने का सबूत देना था। GPT-4 के आने के बाद, OpenAI का मूल्यांकन लगातार बढ़ता रहा। Claude के हर अपडेट के साथ, Anthropic अपनी तकनीकी स्थिति को फिर से परिभाषित करता है। फ्लैगशिप मॉडल ब्रांड मूल्य को निभाते हैं।

लेकिन व्यवसाय वास्तव में यहाँ नहीं खर्च करते हैं।

एक उद्यम प्रतिदिन करोड़ों API कॉल चलाता है। कस्टमर सपोर्ट, सर्च, अनुमोदन, कोड जेनरेशन, एजेंट निष्पादन जैसे उच्च आवृत्ति के कार्य टोकन खपत का अधिकांश हिस्सा लेते हैं। उद्यमों की खरीद की सबसे बड़ी चिंता Benchmark में पहले स्थान पर होना नहीं, बल्कि एक कार्य की कीमत, इसकी स्थिरता और ROI है।

जब कॉल स्केल दिनभर में करोड़ों स्तर तक बढ़ जाता है, तो फ्लैगशिप मॉडल का थोड़ा सा बुद्धिमत्ता लाभ विशाल कॉम्प्यूटेशनल खर्च से तुरंत मिट जाता है।

OpenAI की कार्रवाई और घोषणाएँ एक मोड़ को दर्शाती हैं: शीर्ष फ्लैगशिप को अब अर्जित करने का बोझ नहीं उठाना है।

यह दृश्य, ऑटोमोबाइल उद्योग पहले ही गुजर चुका है।

बीस साल पहले, 7 सीरीज ने बीएमडब्ल्यू की उच्चता को परिभाषित किया, S क्लास ने मर्सिडीज की लग्जरी टोन को समर्थन दिया, और A8 ने ऑडी की फ्लैगशिप छवि की नींव रखी, फ्लैगशिप मॉडल्स ब्रांड की सीमा निर्धारित करते हैं। लेकिन वास्तविक रूप से ब्रांड की बिक्री को समर्थन देने और लाभ कमाने वाला मूल आधार हमेशा बीएमडब्ल्यू 3 सीरीज, मर्सिडीज C-क्लास और ऑडी A4 ही रहा है।

बाद में यह और स्पष्ट हो गया। मॉडल S ने साबित किया कि टेस्ला कारें बना सकती है। वास्तविक रूप से इसे वैश्विक ऑटोमेकर बनाने वाला मॉडल 3 और मॉडल Y था।

The flagship handles proof of capability, while the mass-market models handle scale.

AI आज से इस चरण में प्रवेश करना शुरू कर दिया है। Sol और Fable जारी रहेंगे, जो तकनीकी सीमाओं को चुनौती देने और Benchmark को अपडेट करने के लिए जिम्मेदार हैं। वास्तविक व्यावसायिकीकरण का भार लगातार Luna, Terra, Opus पर ही स्थानांतरित होता जा रहा है।

OpenAI ने इस बार यहां तक कि सिफारिश प्रक्रिया को स्पष्ट रूप से लिख दिया है, जिसमें Sol योजना बनाता है और Luna इसे लागू करता है।

यह अब केवल एक मॉडल नहीं है, OpenAI एक मॉडल विभाजन प्रणाली डिज़ाइन कर रहा है। भविष्य में, व्यवसाय एक मॉडल नहीं, बल्कि पूरी मॉडल प्रणाली खरीदेंगे। लागत को वास्तव में निर्धारित करने वाला कोई और नहीं, बल्कि हर दिन काम करने वाली निर्माण टीम है।

एक और बात है, जो मुझे घटाव से अधिक दिलचस्प लगती है।

OpenAI ने तकनीकी नोट में उल्लेख किया कि इस घटती कीमत का कारण केवल अधिक GPU खरीदना या स्केल बढ़ना नहीं है। वास्तविक कारण यह है कि मॉडल अब मॉडल के अनुकूलन में शामिल हो रहा है।

विशेष रूप से, मानव इंजीनियरों के नेतृत्व में, Sol ने स्वयं नींव के उत्पादन कोर को पुनः लिखा और अनुकूलित किया। इसने स्वयं सैकड़ों प्रयोग डिज़ाइन किए, टोकन उत्पादन की दक्षता में सुधार किया, और मॉडल प्रशिक्षण प्रक्रिया के निगरानी में भी भाग लिया, जहाँ समस्याएँ पाई जाने पर यह सीधे हस्तक्षेप करता है।

परिणामस्वरूप, एंड-टू-एंड ऑपरेशन लागत 20% कम हो गई और टोकन जनरेशन दक्षता 15% बढ़ गई।

यह संदेश आसानी से नजरअंदाज किया जा सकता है, लेकिन इसका बहुत बड़ा महत्व है।

पिछले समय में, दक्षता में सुधार इंजीनियरों द्वारा किया जाता था। मॉडल लाइव होने के बाद, इंसान एक डॉट डॉट रीजनिंग फ्रेमवर्क, CUDA, कैश स्ट्रैटेजी और स्केड्यूलिंग एल्गोरिदम को ऑप्टिमाइज़ करें। एक साल में, अगर आप 10-15% की दक्षता में सुधार कर पाएं, तो यह बहुत अच्छा है।

आजकल तकनीकी विकास एक नए मार्ग पर चला गया है। मॉडल अब नींव कोड और कैलकुलेशन स्केड्यूलिंग के इंजीनियरिंग अनुकूलन पर काबू पा रहे हैं और 24/7 इटरेशन चला रहे हैं।

यह एक ऐसा चक्र है जो लगातार तेज होता जा रहा है। जितना मॉडल बुद्धिमान होगा, उतना ही अधिक अनुकूलन में योगदान दे सकता है। जितना तेज़ अनुकूलन होगा, उतना ही तेज़ी से लागत कम होगी। जितनी कम लागत होगी, उतनी ही अधिक कॉल की जाएगी। जितनी अधिक कॉल होंगी, उतने ही अधिक डेटा का उत्पादन होगा, जिससे मॉडल का पुनः प्रशिक्षण जारी रहेगा।

पिछले दो वर्ष और आधे के दौरान OpenAI की कीमतों में हुए परिवर्तन को देखा गया। GPT-4 की शुरुआती कीमत 30 डॉलर / मिलियन टोकन थी, GPT-4o घटकर 5 डॉलर हो गया, और GPT-4o mini की कीमत 0.15 डॉलर तक पहुँच गई। आज Luna की कीमत पिछले mini के सस्ते स्तर के करीब है, लेकिन इसका समग्र बुद्धिमत्ता स्तर पहले महंगे GPT-4 से कहीं अधिक है।

दो साल से अधिक के समय में, कीमत लगभग दो घातांक तक गिर चुकी है। यदि मॉडल अपने आप को लगातार अनुकूलित करता रहता है, तो यह वक्र अधिक संभावना से आगे भी नीचे की ओर जाता रहेगा।

आज की कीमत में 80% की गिरावट वास्तव में डरावनी नहीं है, बल्कि लागत में गिरावट को अपनी खुद की गति मिलना डरावना है।

मुझे लगता है कि आज लोग एआई प्रतिस्पर्धा पर चर्चा करते समय कभी-कभी पिछले चरण के ढांचे का उपयोग करते हैं।

उदाहरण के लिए, अक्सर यह भी पूछा जाता है: कौन सबसे बुद्धिमान है? GPT, Claude, Gemini, DeepSeek जब भी कोई नया मॉडल जारी किया जाता है, मीडिया सबसे पहले रैंकिंग सूची देखता है। कौन पहले है, वही जीतता है।

हालांकि, OpenAI और Anthropic के नए कदम इस नियम को तोड़ रहे हैं और बाजार को एक नया संकेत दे रहे हैं: एकल प्रदर्शन चैंपियन की आकर्षकता कम हो रही है।

OpenAI ने अपनी घोषणा में एक बात उल्लेख की है, जो मुझे विशेष रूप से महत्वपूर्ण लगी, इसमें विकासकाओं को कार्य के महत्व, त्रुटि की लागत, आपातकालीनता और पैमाने के आधार पर विभिन्न मॉडलों का मिलान करने की सलाह दी गई है।

ध्यान दें, यह अब मॉडल की बात नहीं, बल्कि कार्य की बात कर रहा है।

पिछले समय में, एक उद्यम द्वारा AI को लागू करने पर अक्सर केवल एक ही विकल्प उपलब्ध होता था। आज से, यह एक संगठन को बनाने जैसा हो गया है। सबसे महत्वपूर्ण कार्यों के लिए Sol, दैनिक कार्यों के लिए Luna, और भविष्य में संभवतः सरल कार्यों के लिए और हल्के मॉडल।

यह बिल्कुल बादल कंप्यूटिंग के समय जैसा था। कोई भी सभी डेटा को सबसे महंगे SSD पर नहीं रखता था। गर्म डेटा SSD पर, सामान्य डेटा HDD पर, और ठंडा डेटा ऑब्जेक्ट स्टोरेज पर रखा जाता था। लोगों की चर्चा हमेशा यह नहीं होती थी कि कौन सी हार्ड डिस्क सबसे तेज है, बल्कि पूरी सिस्टम को सबसे लाभदायक तरीके से कैसे बनाया जाए।

DeepSeek वास्तव में, यह सिलिकॉन वैली से पहले इस दिशा को महसूस कर चुका था। पिछले छह महीनों में, इसने लगातार यह जोर नहीं दिया कि यह वैश्विक रूप से सबसे बुद्धिमान है, बल्कि केवल कुछ ही शब्दों को दोहराया: सस्ता, पर्याप्त तेज़, पर्याप्त।

कैश मिलने के बाद, प्रति लाख टोकन की लागत लगभग नगण्य हो जाती है। यह हमेशा एक ही बात पर जोखिम उठा रहा है: उद्यमों को विश्व चैम्पियन की आवश्यकता नहीं, बल्कि सर्वोच्च ROI वाला डिप्लॉयमेंट विकल्प की आवश्यकता होती है।

यह एक अल्पकालिक कीमत युद्ध नहीं है; सिलिकॉन वैली के दोनों विशालकाय इस व्यावसायिक पथ की अनिवार्यता की पुष्टि कर रहे हैं।

आज तक, OpenAI की रणनीति स्पष्ट है, उसका वास्तविक लक्ष्य अब मॉडल बेचना नहीं, बल्कि अनुरोधों की मात्रा है।

पिछले समय में मॉडल निर्माता उच्च तकनीकी प्रीमियम के आधार पर उच्च लाभ कमाते थे, लेकिन अब व्यापारिक तर्क अत्यंत कम बाधाओं के साथ अत्यधिक विशाल ट्रैफ़िक इकोसिस्टम प्राप्त करने पर स्थानांतरित हो गया है।

माइक्रोसॉफ्ट विंडोज को महंगा बेचकर नहीं, बल्कि इसलिए असली तौर पर कमाता है क्योंकि सभी कंप्यूटर पर विंडोज इंस्टॉल होता है। AWS भी इसलिए कमाता है क्योंकि दुनिया भर में हर दिन असंख्य ऐप्स इस पर चलते हैं, न कि क्योंकि प्रति सर्वर लाभ बहुत अधिक होता है।

प्लेटफॉर्म की आय हमेशा रिसेप्शन रेट पर निर्भर करती है।

यही कारण है कि Sol की कीमत अभी तक नहीं बदली। Sol ब्रांड का भार उठा रहा है, और यह साबित करता है कि OpenAI अभी भी सबसे उच्चतम तकनीकी सीमा वाली कंपनी है। और Luna ही आय इंजन है।

OpenAI डेवलपर्स को एक नया डिफ़ॉल्ट आदत अपनाने की उम्मीद करता है: Agent लिखने के लिए Luna का उपयोग करें, वर्कफ़्लो चलाने के लिए Luna का उपयोग करें, और बैच निष्पादन के लिए भी Luna का उपयोग करें। केवल वास्तविक रूप से कठिन समस्याओं के सामने आने पर ही Sol को एक बार कॉल करें।

एक बार यह डिफ़ॉल्ट स्थापित हो जाने के बाद, बाद की प्रतिस्पर्धा बहुत कठिन हो जाएगी। एक उद्यम द्वारा नींव के मॉडल को स्थानांतरित करना इसका मतलब है कि पूरी प्रक्रिया को पुनः परीक्षण, सत्यापित और अनुकूलित किया जाए। स्थानांतरण लागत लगातार बढ़ती जाएगी।

असली रक्षा खाई अब क्षमता के अग्रणी होने से बदलकर पारिस्थितिकीय चिपकने लगी है।

लंबे समय के दृष्टिकोण से, AI उद्योग एक अत्यंत आम आकार की अर्थव्यवस्था के मोड़ का अनुभव कर रहा है।

जब इकाई कैलकुलेशन लागत बहुत कम हो जाती है, तो टोकन की कुल मांग इकाई मूल्य में कमी के साथ कम नहीं होती, बल्कि घातीय रूप से विस्फोट हो जाती है।

फ्लैगशिप मॉडल अब दिशा निर्धारित नहीं करते, क्योंकि तकनीकी विकास का ध्यान अब बुद्धिमत्ता की सीमा की खोज से बदलकर कैलकुलेशन की औद्योगिक लागत कम करने पर है। जब API कॉल की लागत इतनी कम हो जाए कि उसे नज़रअंदाज़ किया जा सके, तो मॉडल का रूप और सीमाएँ धीरे-धीरे धुंधली होने लगेंगी।

एंटरप्राइज डेवलपर्स अब प्रत्येक टोकन के उपभोग पर ध्यान नहीं दे रहे हैं, बल्कि AI को प्रत्येक व्यावसायिक प्रक्रिया में बिना रुके एम्बेड कर रहे हैं।

इस परिवर्तन का सबसे गहरा पहलू यह है कि API मूल्यों का बर्फ़ की तरह गिरना पूरे सॉफ्टवेयर इंजीनियरिंग के स्थानांतरण लागत को बढ़ा रहा है। जब एक कंपनी के कार्य प्रवाह, एजेंट नियोजन नेटवर्क और स्वचालित डेटा पाइपलाइन सभी कम लागत वाले मॉडल के संयोजन पर स्थापित हो जाते हैं, तो नींव के मॉडल के प्रदाता भविष्य के दशक के लिए कैलकुलेशन पाइपलाइन को बंद कर देते हैं।

पिछले कुछ वर्षों में, बड़े मॉडल कंपनियाँ बुद्धिमत्ता बेच रही थीं। आज से, वे दक्षता बेचना शुरू कर रही हैं।

यह दो पूरी तरह से अलग कहानियाँ हैं।

【बाहर की बात】:

हमने पहले AI के विकास की तुलना उपभोक्ता इलेक्ट्रॉनिक्स से की थी, और बार-बार नए फ्लैगशिप के साथ रिकॉर्ड तोड़ने की उम्मीद की थी।

लेकिन शायद, AI का वास्तविक विजयी रूप, एक बड़ा प्रोडक्ट बनना नहीं है।

जब भाप का इंजन शुरू हुआ था, तो लोग इसकी उत्पादकता से प्रभावित हुए, और आज, बिजली पूरे सभ्यता को संचालित करने के लिए सर्वव्यापी रूप से प्रवाहित हो रही है, लेकिन कोई भी अब इसकी विशेष रूप से चर्चा नहीं करता।

जब मनुष्य एक शीर्ष मॉडल द्वारा किसी बुद्धिमानी स्कोर को फिर से तोड़ने की बात पर उत्साह से बातें करना बंद कर देते हैं, तो AI हर सिस्टम, हर आदेश में शामिल हो जाता है और सभी स्वचालित प्रक्रियाओं के पीछे एक डिफ़ॉल्ट रूप से कॉल किए जाने वाले पानी और बिजली के रूप में बन जाता है।

इसका वास्तविक युग अभी शुरू हुआ है।

यह लेख वेचेन ग्रुप "बोर्ड के बाहर" से है, लेखक: चित्रकार