چینی AI بڑے ماڈلز، ہفتہ کے لحاظ سے امریکہ سے نو ہفتے آگے ہیں، لیکن اعلیٰ پروگرامنگ کے مناظر میں ان کی اصل لاگت GPT Codex پیکجز سے کہیں زیادہ ہے۔ زہی پو 2025 میں 30 ارب یوان سے زیادہ کا نقصان برداشت کرے گا، جبکہ کِمی جیسے پیکجز کی سیٹنگ محدود ہے اور چوٹی کے اوقات میں ٹریفک کو روکا جاتا ہے۔ بنیادی وجہ چین کی کمپوٹنگ انفراسٹرکچر کی کمی ہے (ڈیٹا سینٹرز 449 کے مقابلے میں امریکہ میں 5427)، جس کی وجہ سے Codex جیسے اعلیٰ قیمتی فائدہ والے پیکجز فراہم نہیں کیے جا سکتے۔ موجودہ دور میں ڈویلپرز کو توانائی، قیمت اور استحکام کے تین پہلوؤں پر توازن برقرار رکھنا پڑتا ہے، جبکہ چینی ماڈلز صرف کچھ پرفارمنس معايروں میں بین الاقوامی بہترین ماڈلز کے قریب ہیں، اور مجموعی طور پر وہ تعریف تو ملتی ہیں لیکن استعمال نہیں ہوتے۔

مضمون کے مصنف، ذریعہ: سب سے بات FunTalk

پچھلے ایک ماہ میں، سلیکون ویلی AI دنیا میں بڑے اقدامات کا سلسلہ جاری رہا، GPT-5.6، fable5، Grok-4.5 کے ساتھ۔

ایک وقت کے لیے، گھریلو ڈویلپرز اور پروگرامرز کے گروپس میں خوشی کی لہر دوڑ گئی، GPT-5.6 جیسے اعلیٰ ماڈلز کے بارے میں بحثیں اور جائزے اٹھتے گئے۔

اگرچہ اس ماہ کیمی-کے 3 جیسے نئے گھریلو ماڈلز بھی متعارف کرائے گئے، لیکن کل مل کر، گھریلو بڑے ماڈلز موجودہ دور میں ایکسپرٹ ڈویلپرز کے درمیان ہمیشہ "تعریف کی جاتی ہیں لیکن استعمال نہیں کیے جاتے" کی حالت میں ہیں۔

تازہ ترین ڈیٹا کے مطابق، استعمال کے لحاظ سے: 22 سے 28 جون تک کے ڈیٹا کے مطابق، چینی ماڈل کا ہفتہ وار استعمال 20.39 تریلین ٹوکن تھا، جبکہ امریکی ماڈل کا 4.25 تریلین تھا، جس میں پہلے والے نے نو ہفتے سے لگاتار اگے رہنا جاری رکھا ہے۔

لیکن اس کے برعکس، گھریلو AI چھوٹے گھروں کی آمدنی کا پرفارمنس کافی مایوس کن رہا ہے: علیحدہ فنانشل رپورٹس کے مطابق، زھی پو کی 2025 کی آمدنی 724 ملین یوان تھی، جبکہ نقصان 30 ارب یوان سے زائد تھا، مینی میکس کی آمدنی 79 ملین امریکی ڈالر (تقریباً 5.7 ارب یوان) تھی؛ مہ کے اندھیرے سطح سمیت باقی چار کمپنیوں نے اب تک مکمل سالانہ آمدنی کا اعلان نہیں کیا ہے۔

حتیٰ کہ بڑی کمپنیوں کی آمدنی بھی کئی ارب یوان کے سطح پر ہی رہی۔

اس کے مقابلے میں، AI کے لیڈنگ کمپنی Anthropic کا ARR تقریباً 60 ارب سے 70 ارب امریکی ڈالر تک پہنچ چکا ہے، جس کا بنیادی محرک B2B API اور AI کوڈنگ کے سیناریوز ہیں۔

یہ ایک تیز سوال کو ابھارتا ہے:

کیوں کہ "سستے" اور "زیادہ استعمال ہونے والے" چینی ماڈلز، اب تک صرف تعریف کے لیے مشہور ہیں، لیکن AI Coding جیسے اعلیٰ قیمت والے سیناریوز میں اب تک بیرونی عظیم ماڈلز کے ساتھ سیدھا مقابلہ نہیں کر پا رہے؟

ہالیا وقت میں، میں نے متعدد اول درجہ ڈویلپرز کے ساتھ اس مسئلے پر گہری بات چیت کے بعد ایک بہت غیر متوقع حقیقت دریافت کی:

مقامی بڑے ماڈل، کسی نہ کسی طرح، بہت "مہنگے" ہیں۔

اسی "مہنگائی" کی وجہ سے، کچھ صلاحیتوں میں ترقی پانے والے چینی ماڈلز اپنی چمک کو حقیقی طور پر ظاہر نہیں کر پا رہے ہیں۔

01 “سستی” کا خیال

قومی بڑے ماڈلز کی بات آئے تو بہت سے لوگ DeepSeek، Kimi جیسے نمائندگان کو یاد کرتے ہیں، اور اس کے ساتھ سب سے زیادہ منسلک لیبلوں میں سے ایک، کم قیمت، سستا ہے؛

اگر صرف ٹوکن کی قیمت کے لحاظ سے دیکھا جائے تو، چینی ماڈلز GPT-5.6 اور Fable5 جیسے عالی شان ماڈلز کے مقابلے میں بالکل واضح فائدہ رکھتے ہیں؛ GLM-5.2 اور DeepSeek V4 کا مثال کے طور پر موازنہ کیا جائے تو: GLM-5.2 کی فی ملین ٹوکن ان پٹ/آؤٹ پٹ قیمت 1.4/4.4 امریکی ڈالر ہے، جبکہ DeepSeek-V4-Pro کی قیمت 0.435/0.87 امریکی ڈالر ہے؛ GPT-5.6 Sol کی قیمت 5/30 امریکی ڈالر ہے، اور Claude Fable 5 کی قیمت 10/50 امریکی ڈالر ہے۔

لیکن واقعیت میں، اس “سستی” کا اندازہ، باہری لوگوں کا ایک طویل عرصے سے چلنے والا غلط فہمی ہے۔

خاص طور پر انٹنس پروگرامنگ سیناریوز میں، چینی بڑے ماڈلز کی ایکل قیمت نہ تو فائدہ مند ہے، بلکہ اسٹاک پیکجز والے GPT، Claude سے کئی گنا زیادہ مہنگی ہے۔

لی گوانگ (ایک فرضی نام) AI کے شعبے میں ایک تحقیقی محقق ہیں، جنہیں اپنے کام کی ضرورت کے تحت روزانہ AI کوڈنگ کے منظر میں اربوں ٹوکن استعمال کرنے پڑتے ہیں۔ اس قدر کے استعمال کے ساتھ، اگر وہ چینی بڑے ماڈل جیسے GLM-5.2 استعمال کریں، تو مجموعی لاگت بہت خوفناک ہو جائے گی۔

لی گوانگ نے ٹوکن بیلنس دکھایا

اسی دن کے دوران، لی گوانگ نے تقریباً 40 ارب ٹوکن استعمال کیے، اگر وہ GLM-5.2 استعمال کر رہا ہو، تو لاگت تقریباً یہ ہوگی: (86.39 ملین عام ان پٹ × 1.4 امریکی ڈالر + 3.38 ارب کیشڈ ان پٹ × 0.26 امریکی ڈالر + 19.06 ملین آؤٹ پٹ اور انفرینس × 4.4 امریکی ڈالر) جو تقریباً 1084 امریکی ڈالر کے برابر ہے، اور 1 امریکی ڈالر = 7.2 یوان کے مطابق، یہ تقریباً 7800 چینی یوان کے برابر ہے۔

لی گوانگ کو اتنے آزادانہ طریقے سے ٹوکن خرچ کرنے کی اجازت دینے کا سبب یہ ہے کہ اس نے GPT کا CodeX پیکیج شروع کر لیا ہے،

یہاں کوڈ ایکس پیکیج کی تفصیل سمجھائی جاتی ہے: سادہ الفاظ میں، یہ پروگرامنگ کے ماحول کے لیے تیار کیا گیا ایک پیکیج ہے: سخت الفاظ میں، یہ حقیقی طور پر بے حد نہیں ہے، بلکہ اسے چیٹ جی پی ٹی سبسکرپشن میں شامل کیا گیا ہے: پلس 20 ڈالر فی ماہ، پرو 100 ڈالر فی ماہ سے شروع ہوتا ہے اور اس کا مقدار پلس کا تقریباً 5 گنا یا 20 گنا ہے؛ جب حد پہنچ جائے تو آپ کریڈٹس خرید کر استعمال جاری رکھ سکتے ہیں۔

اسی طرح، Anthropic کا Claude Code بھی ایک مترادف پیکیج پیش کرتا ہے: Claude Pro 20 ڈالر/ماہ، Max 5x اور Max 20x ک lần 100 اور 200 ڈالر/ماہ ہیں؛ Claude ویب سائٹ اور Claude Code ہر 5 گھنٹے اور ہفتے کے لیے کوٹا شیئر کرتے ہیں، اور حد تک پہنچنے کے بعد API قیمت پر مزید استعمال کیا جا سکتا ہے۔

اس پیکیج کے تحت، بڑے ٹوکن کی لاگت کو ختم کر دیا جاتا ہے۔

مقامی ڈویلپرز کے لیے، تیز رفتار AI کوڈنگ کے سیناریوز میں روزانہ اربوں، سو اربوں ٹوکن استعمال کرنا ایک عام بات ہے۔

چھو یو بھی ایک شدید AI کوڈنگ صارف ہیں، جن کا کوڈیکس پر ایک ہفتے کا اخراج 300 یوان ہے، اور یہ اس صورت میں بھی ہے جب کمپنی کی طرف سے اخراجات کا بھرپور نہ ہونا۔

لیکن اس قیمت کے باوجود، یہ گھریلو ماڈلز کے مقابلے میں کافی سستا لگتا ہے، کیونکہ اسی 300 روپے میں GLM 5.2 کے برابر ٹوکن خریدنا ممکن نہیں۔

چھوٹے لیو کا ٹوکن بیلنس

مقامی ڈیولپرز کے لیے، GPT کا کوڈیکس پیکیج اب تک دستیاب سب سے سستا ٹوکن ہے، جو زھی پو اور کیمی سے کئی گنا سستا ہے۔ یہ الٹا سمجھ میں آ سکتا ہے، لیکن حقیقت یہ ہے کہ چینی ماڈلز کو شدید کوڈنگ کے مناظر میں ان کی قیمت اور مفیدت کا مقابلہ نہیں کیا جا سکتا۔

یہ قابل ذکر ہے کہ کوڈیکس حقیقی معنوں میں بے حد پلان نہیں ہے؛ اگر اعلی ترین سطح 200 ڈالر کے مطابق ہو، تو ایک ہفتے میں تقریباً 2 بلین کا لیمٹ ہوتا ہے۔

تاہم، کچھ ڈیولپرز "ٹرانزٹ اسٹیشن" جیسے طریقوں کے ذریعے ماڈلز کا استعمال کرتے ہیں، جس کی وجہ سے کچھ ماڈلز کی اصل لاگت، افسرانہ چینل سے کافی کم ہوتی ہے، جس کی وجہ سے کبھی کبھی کم قیمت پر زیادہ ٹوکن خریدے جا سکتے ہیں، اس لیے 300 ڈالر میں 120 ارب ٹوکن خریدنے کا ظاہر ہوتا ہے۔

درحقیقت، گھریلو ماڈلز نے قیمت کے لحاظ سے ایسے پیکجز کبھی نہیں لانچ کیے، لیکن اگر آپ تفصیل سے دیکھیں تو، ایسے پیکجز کی حدود کوڈیکس کے مقابلے میں بہت زیادہ محدود ہیں۔

02 گھریلو قیمت دیں کی تکلیف

ممالک کے بڑے ماڈلز کی قیمت دہنے کی موجودہ صورتحال کو ایک جملے میں بیان کیا جا سکتا ہے:

آپ کو لگا کہ آپ نے بفے کا ماحول چنا ہے، لیکن آخرکار پتہ چلا کہ دکاندار پھر بھی وزن کے حساب سے چارج کر رہا ہے۔

مثال کے طور پر، کمپلیکس کے حوالے سے، چین میں Kimi اور GLM-5.2: Kimi Code کے چار اسکیم ہیں—49، 99، 199، اور 699 یوان—اور امتیازات ہفتے میں اپڈیٹ ہوتے ہیں؛ GLM Coding Plan کے Lite، Pro، اور Max کے لیے ہر 5 گھنٹے میں تقریباً 80، 400، اور 1600 Prompt، جبکہ ہفتے میں تقریباً 400، 2000، اور 8000 Prompt، اور GLM-5.2 کے ذروہ کے دوران امتیازات تین گنا کاٹے جاتے ہیں۔

الی کے qoder کے مثال کے طور پر، مصنف کے ایک B-ٹریڈ کلائنٹس کے آپریشن اور مینٹیننس میں ملوث دوست عالم ( pseudonym) کے مطابق: "qoder کبھی دیسی سب سے بہترین AI IDE تھا، لیکن اس کی اپنی نئی قیمت گذاری نے اس کا فائدہ ختم کر دیا۔"

پیکجز کے بارے میں: Qoder CN فردی Pro اور Pro+ کی قیمت 각각 مہینے کے لیے 59 اور 169 یوان ہے، جس میں 2000 اور 6000 کریڈٹس شامل ہیں؛ ٹیمز اور VPC ورژن کی قیمت 각각 99 اور 199 یوان فرد فی مہینہ ہے، دونوں میں 3000 کریڈٹس شامل ہیں، اور VPC ورژن کم از کم 50 سیٹس پر دستیاب ہے۔

اس کے بعد آمی نے بتایا: “اس سال، جب انہوں نے لِنگ مَا کو اپنی قیمتوں کے ساتھ ضم کر لیا، تو میری جانکاری کے مطابق، کم از کم بیس تیس کمپنیاں اپنی ری نیو کرنا چھوڑ چکی ہیں۔”

عمر کے ٹیسٹ کے مطابق، qoder ایکنٹ ورژن 199 کا پلان اس کے استعمال کے مطابق تین دن میں ختم ہو جاتا ہے، اگر اسے ایک شدید ڈویلپر کے طور پر استعمال کیا جائے تو شاید ایک دن میں ختم ہو جائے۔

اسی طرح، پیکجز کے حوالے سے، GLM-5.2 بھی مقامی صارفین کو متعدد جذبات کا شکار کر رہا ہے۔

ڈیولپر چیاو کے مطابق: "GLM-5.2 کا پلان تقریباً نہیں ہے، اگر چاہے پلان ہو تو بھی چوٹی کے وقت ٹریفک کنٹرول ہوتا ہے اور صارفین کو 'پیچھے سے چھری مارنے' کا مسئلہ بھی موجود ہے۔"

36氪 کی رپورٹ کے مطابق: GLM-5.2 کے پیکجز، جو پہلے کنسرٹ کے ٹکٹوں سے بھی زیادہ مشکل سے ملتے تھے، ہر روز صبح دس بجے بالکل وقت پر ریفرش ہوتے تھے، اور خریدنا ممکن ہوتا تھا صرف اپنی رفتار پر منحصر تھا۔

جنوری 2026 میں، Zhipu نے اعلان کیا کہ کیلکولیشن کی کمی کی وجہ سے روزانہ فروخت کی جانے والی مقدار کو صرف 20 فیصد کر دیا گیا ہے، جس میں ہر روز صبح 10 بجے تھوڑا سا حصہ جاری کیا جاتا ہے اور کچھ ہی منٹوں میں فروخت ہو جاتا ہے۔

آخر کار، گھریلو ماڈلز کی پیکج اور قیمتوں میں کنجوسی بنیادی طور پر کمپوٹیشنل پاور کی کمی کی وجہ سے پیدا ہوئی ہے۔

2025 کے مطابق چین کے انفارمیشن اینڈ کمیونیکیشن ٹیکنالوجی انسٹیٹیوٹ اور چین کے صنعت اور ڈیجیٹل کے ڈیٹا کے مطابق، چین میں 449 ڈیٹا سینٹرز موجود ہیں، جبکہ امریکہ میں 5427 ہیں۔ کل کمپوٹنگ طاقت کے لحاظ سے، چین میں 1053 EFLOPS ہے، جبکہ امریکہ میں 2400 ہے۔

لیکن یہاں اہم بات یہ ہے کہ امریکہ کے 2,400 EFLOPS میں، اعلیٰ درجے کے GPU کا تناسب بہت زیادہ ہے؛ جبکہ چین کی کمپوٹنگ طاقت میں، ہواوی کے شین تینگ، کیمودی جی جیسے چینی چپس زیادہ تر ہیں، جن کی ایکل کارکردگی H100 سے ایک نسل کا فرق رکھتی ہے۔

زیادہ تر طاقت کی ضروریات کے جواب میں، مارچ 2026 سے، زہی پُو، علی بابا کلاؤڈ، تینگن کلاؤڈ اور بیڈو کلاؤڈ نے ٹوکن قیمتوں میں 5% سے 460% تک کی اضافہ کیا۔

بیان کیا جائے تو، چینی ماڈل کی “سستی” اور “قیمت کا جنگ” پہلے ہی گزر چکا ہے۔

ممالکی ماڈل نہ ہونے کی وجہ سے بفےٹ نہیں کیا جا رہا، بلکہ اس کا حساب لگا چکے ہیں: موجودہ کمپوٹیشنل لاگت اور نقصان کی حالت کے ساتھ، ماہانہ پیکج کا آپشن مطلب ہے کہ آپ مخصوص ماہانہ فیس کے خلاف صارفین کے طور پر ٹوکن کے استعمال کو جوک کر رہے ہیں، اور گھریلو ڈویلپرز اور پروگرامرز جو اکثر دن میں دس بلین یا اس سے زیادہ ٹوکن استعمال کرتے ہیں، اس طرح کا تجارتی ماڈل جلد ہی لاگت کی لکیر کو توڑ دے گا۔

اور OpenAI اور Anthropic کے پروگرامنگ پیکجز کو ہائی نیٹ ویلیو کاروباری صارفین کو بیچا جا رہا ہے — Cursor، GitHub Copilot جیسے بڑے صارفین Anthropic کو سالانہ 14 ارب ڈالر کی آمدنی فراہم کر سکتے ہیں۔

ہائی کمپوٹنگ پاور کے ساتھ، یہ بزنس ماڈل "فکسڈ ماہانہ فیس" کے بدلے "طویل مدتی صارفین کو قفل کرنے" پر مبنی ہے، جس میں صارفین کی معیار اعلیٰ ہے اور ARPU بھی نسبتاً زیادہ ہے، جس سے لاگت برابر ہو جاتی ہے۔

اس کے مقابلے میں، گھریلو سطح پر، جہاں علی بابا جیسے بڑے کلاؤڈ پلیئرز ہیں، لیکن مسئلہ یہ ہے: علی بابا کلاؤڈ کا FY2026 کا تنظیم شدہ EBITA مارجن صرف 7.5% ہے، جبکہ کلاؤڈ اینٹیلی جنس گروپ کی آمدنی تیزی سے بڑھ رہی ہے، لیکن منافع زیادہ نہیں ہے۔

اور روایتی کلاؤڈ فرنڈز "بے محدود کلاؤڈ سرورز" فروخت کرتے ہیں کیونکہ صارفین 24 گھنٹے مکمل لوڈ پر نہیں ہوتے۔ ایک ECS کی واقعی CPU استعمال کی شرح صرف 10% ہو سکتی ہے، اور کلاؤڈ فرنڈ ایک فزیکل ماشین کو دس لوگوں کو سپر بیچ سکتے ہیں۔

لیکن بڑے ماڈل کی استدلال الگ ہے: ایک ٹوکن آنے پر، GPU کی کمپوٹیشنل طاقت کا حقیقی استعمال ہوتا ہے۔ اگر صارف 24 گھنٹے لگاتار استعمال کرے، تو کلاؤڈ فراہم کنندہ کے HBM میموری، GPU کورز، اور بجلی کا خرچ مکمل طور پر مستقل اخراجات ہیں، جس میں کوئی اضافی فروخت کا ڈھانچہ نہیں۔

03 ماڈل کا "سونے کا تھلیا"

قیمت کے علاوہ، ڈومیسٹک ڈویلپرز کے لیے Codex اور Claude Code کا انتخاب ان کی طاقتور پروگرامنگ صلاحیتوں کی وجہ سے ہے۔

تاہم، کارکردگی کے لحاظ سے، چینی ماڈلز کچھ اسٹریو ٹائپس کی طرح نہیں ہیں۔

کئی ڈویلپرز کے ساتھ بات چیت کے بعد، ایک عام رائے یہ نکلی کہ چینی بڑے ماڈل، خاص طور پر GLM-5.2 جیسے نئے ماڈل، ٹیسٹنگ اور بگ درست کرنے جیسے معاون اور ثانوی کاموں کو سنبھالنے کے قابل ہو چکے ہیں۔

لیکن زیادہ پیچیدہ اور طویل مدتی ای سینکرونس ٹاسکس پر، چینی ماڈل اب بھی GPT، Claude جیسے بہترین ماڈلز کے ساتھ کافی فرق رکھتے ہیں۔

ڈیولپر چانگ نے اس سال مارچ میں ایک گھریلو ماڈل کا استعمال کیا تھا، GLM، Qwen اور GPT کا استعمال کرتے ہوئے ایک ہی کام کا موازنہ کیا، صرف GPT نے کام مکمل کیا اور صفحے کی درخواستوں کے مطابق نتائج پیدا کیے، جو ایک متعدد سطحی، متعدد کالم والے مواد کے موازنہ اور نتائج کی تخلیق کا منصوبہ تھا۔

دوسرے ڈویلپر شیاو نے کہا کہ اپنے تجربے کے مطابق، کیمی 2.7 اور دوباؤ 2.1 پرو کی پرفارمنس بھی قابل قبول ہے، لیکن کل مل کر یہ ایک درجہ کمزور ہے (دوسروں کی شریٹ میں)، تاہم کل مل کر یہ کلاڈ سونٹ 4.6 سے زیادہ بہتر ہے۔

ابھی، ڈویلپر کمیونٹی میں عام اتفاق یہ ہے کہ GLM-5.2 پہلا وہ گھریلو ماڈل ہے جو Opus سطح تک پہنچ گیا ہے۔

یہ حقیقی، پیچیدہ اور طویل عرصے تک جاری رہنے والے غیر متزامن کاموں میں دستیاب اور اہم مقام رکھتا ہے۔

ہر ایک پہلو، جیسے عالمی علم پر، یہ اصل Opus ماڈل سے بہت زیادہ کم ہے، لیکن یہ اس کے ہونے کا باعث نہیں ہے کہ یہ گھریلو ماڈل کا نیا اونچا درجہ بن جائے۔

لیکن حقیقت یہ ہے: یہ صرف کچھ "بہترین" کے لیے شروع ہوا ہے، جنہیں اداء سے متعلق نہ ہونے والے دیگر عوامل نے پیچھے کھینچا ہے۔

خاصة طور پر، ایسے عوامل میں کیش کی کارکردگی کم ہونا، شدید ٹریفک کے دوران بھی ریٹ لِمٹنگ شامل ہے، جس سے ڈویلپرز کا تجربہ بہت خراب ہوتا ہے۔

یہ موجودہ ماڈل کے مقابلے میں ایک اور پہلو کی طرف لے جاتا ہے: استحکام۔

ایک لائن کے ڈیولپرز اور پروگرامرز کے تجربے میں، ماڈل کا انتخاب صرف اداء کا موازنہ نہیں رہا، بلکہ ——

کارکردگی—قیمت—استقامت کا "سونے کا تہے"۔

ان تین ابعاد میں، گھریلو ماڈل صرف پہلے بعد کے کچھ اشاریے حاصل کر پایا۔

ہالیا وقت میں، چینی کمپنی Kimi نے اپنا نئے ترین فلگ شپ ماڈل K3 جاری کیا: یہ ایک کھلا وزن والا فلگ شپ ماڈل ہے جس میں 2.8 ٹریلین پیرامیٹرز، نیچے سے متعدد ماڈل، اور 100 لاکھ ٹوکن کا کنٹیکس شامل ہے، جو لمبے دور کے پروگرامنگ، جانچ کام، اور گہرے استدلال پر مرکوز ہے۔

بہت سے جائزہ جات میں، اس کا Artificial Analysis پر ذہنی اندیکس 57 ہے اور عالمی سطح پر تیسرے نمبر پر ہے؛ Arena فرنٹ اینڈ پروگرامنگ لسٹ میں 1679 اسکور کے ساتھ ٹاپ پر پہنچ گیا، اور کچھ افواہوں کے مطابق، اس کی کارکردگیClaude Fable 5 کے برابر ہو چکی ہے۔

تاہم، چمکدار اسکور اور رینکنگ کے پیچھے، ڈویلپرز کی سب سے بڑی فکر ایک لفظ ہے: قیمت اور قیمت کا توازن۔

K3 کے اطلاق کے بعد، بہت سے ڈویلپرز نے کہا کہ اب بھی Kimi بہت مہنگا ہے، Codex کے مقابلے میں قیمت کے لحاظ سے کوئی فائدہ نہیں، اور اس کا کوٹا کافی نہیں ہے؛ API کی قیمت کو دیکھتے ہوئے، K3 کو "سستا" بھی نہیں کہا جا سکتا: ہر ملین ٹوکن کی کیش/ان پٹ/آؤٹ پٹ کی قیمت 2/20/100 یوان ہے؛ GPT-5.6 Sol کی قیمت 0.5/5/30 امریکی ڈالر ہے، جبکہ K3 Sol سے کم ہے لیکن GPT-5.6 Luna کی 0.1/1/6 امریکی ڈالر کی قیمت کے مقابلے میں واضح طور پر زیادہ ہے۔

اور K3 کے استعمال کے دوران، ڈویلپرز نے بتایا کہ API کنکشن بھی قطع ہو گیا، اور کبھی کبھی صبح بھر کے لیے قطع ہو گیا۔

حالیہ صورتحال کے مطابق، ڈومیسٹک ڈویلپرز کو ڈومیسٹک ماڈلز کے لیے ادائیگی نہیں کرنا چاہتے، بلکہ ڈومیسٹک ماڈلز کو ابھی تک کمپوٹیشنل پاور کی کمی اور اعلی لاگت کی وجہ سے Codex جیسا قیمتی اور موثر پیکج شروع نہیں کر سکتے، اور وہ صرف محدود مقدار میں دستیاب "ڈیفولٹ ریسٹورنٹ پیکج" (جیسے زھی پو کا کوڈنگ پلان) شروع کر سکتے ہیں۔

اور پیکیج کا تجربہ ناپائیدار اور قیمت کے لحاظ سے غیر واضح ہونے کی وجہ سے صارفین استعمال کے بعد برقرار نہیں رہ پاتے۔ یہ بنیادی طور پر، موجودہ حسابی طاقت کے بنیادی اخراجات کے اعلیٰ ہونے کے تحت صارفین کا منطقی فیصلہ ہے۔

یہ سب، ہم اپنی حوصلہ افزائی کے لیے نہیں کہ رہے، بلکہ صرف ایک خطرہ کی طرف اشارہ کرنا چاہتے ہیں۔

ابھی، چینی ماڈلز GPT اور Claude کے پیچھے پڑنے کے راستے میں صرف پرفارمنس پر زور دے رہے ہیں، لیکن چینی بڑے ماڈلز کو ترقی سے استعمال تک پہنچنے کے لیے صرف پرفارمنس کی ایک ہی پہاڑ نہیں تھوڑھی ہے۔

ہمیں صبر کرنے کی ضرورت ہے، جب تک کہ گھریلو کمپیوٹنگ پاور انفراسٹرکچر کا بڑے پیمانے پر تیاری نہیں ہو جاتا، جب تک کہ ٹیکنالوجی، قیمت اور استحکام کے شعبوں میں ایک مربوط طاقت نہیں بن جاتی، تو ہمارا پروڈکٹ صارفین کی توقعات کو پورا کر پائے گا۔