DeepSeek V4 Pro के आते ही AI इनफ़रेंस की लागत 95% से ज़्यादा घट गई, और इससे रीप्राइसिंग की ऐसी लहर चली, जिसने हर बड़े प्रोवाइडर को जवाब देने पर मजबूर कर दिया। OpenAI, Anthropic और Google, तीनों ने अपनी दरें घटाईं। यह लेख बताता है कि क्या हुआ, आर्किटेक्चर ने इसे कैसे संभव बनाया, और इस बदलाव का मतलब आज AI के लिए पैसे देने वाले डेवलपर्स और कारोबारों के लिए क्या है।
जिस पल DeepSeek V4 Pro लाइव हुआ, Silicon Valley की स्प्रेडशीट्स का हिसाब बिगड़ गया। डेवलपर्स अपने मासिक API बिल दोबारा देख रहे थे और उन्हें कुछ नामुमकिन दिखा: एक फ़्रंटियर-स्तर के AI मॉडल को चलाने की लागत, कुछ ही महीने पहले की तुलना में, 95% से ज़्यादा गिर चुकी थी। कोई घोषणा नहीं, कोई प्रेस कॉन्फ़्रेंस नहीं। बस एक नया प्राइसिंग पेज, एक GitHub रिलीज़ और घंटों में टेक इंडस्ट्री में फैलती अविश्वास की लहर।
यह कोई मामूली डिस्काउंट नहीं था। यह इंटेलिजेंस की लागत में आया एक ढाँचागत ढहाव था।
DeepSeek V4 Pro से पहले, एक ऐसा डेवलपर जो शीर्ष-स्तरीय मॉडल के ज़रिए दस लाख इनपुट टोकन प्रोसेस करने वाला प्रोडक्ट बना रहा था, प्रोवाइडर के हिसाब से $15 से $30 के बीच भुगतान करता था। आउटपुट टोकन की लागत और भी ज़्यादा थी। किसी भी बड़े पैमाने पर चलने वाले एप्लिकेशन के लिए यह जल्दी ही भारी पड़ जाता था।
DeepSeek V4 Pro ने गणित को पूरी तरह बदल दिया। लॉन्च के समय इसकी API कीमत लगभग $0.27 प्रति दस लाख इनपुट टोकन और $1.10 प्रति दस लाख आउटपुट टोकन थी। ये किसी बजट-स्तर के मॉडल के बजट-स्तर के आँकड़े नहीं थे। यह एक ऐसा मॉडल था जो लगभग हर मानक बेंचमार्क पर GPT-4 श्रेणी के प्रदर्शन के बराबर या उससे बेहतर था: MMLU, HumanEval, MATH, और वे रीज़निंग कार्य जिनके लिए पहले सबसे महंगे उपलब्ध मॉडल चाहिए थे।
कीमत और प्रदर्शन का अनुपात इतना असाधारण था कि कई डेवलपर्स ने शुरू में मान लिया कि इसमें कोई चाल होगी। कोई रेट लिमिट जो बाद में लागू होगी। कोई क्वालिटी में गिरावट जो प्रोडक्शन में दिखेगी। फ़ाइन प्रिंट में छिपी कोई लागत। इनमें से कुछ भी सामने नहीं आया। मॉडल सचमुच सस्ता था और सचमुच सक्षम भी।
💡 संदर्भ के लिए: $0.27 प्रति दस लाख टोकन का मतलब है कि लगभग 750,000 शब्द एक डॉलर से कम में प्रोसेस किए जा सकते हैं। यह War and Peace का पूरा टेक्स्ट दो बार, एक डॉलर के नोट में।
प्रतिस्पर्धा को लगी चोट तब और साफ़ दिखी जब इसे एक टेबल में रखा गया:
| मॉडल | इनपुट (प्रति 1M टोकन) | आउटपुट (प्रति 1M टोकन) | प्रदर्शन स्तर |
|---|---|---|---|
| DeepSeek V4 Pro | ~$0.27 | ~$1.10 | फ़्रंटियर |
| GPT-5 | ~$10.00 | ~$30.00 | फ़्रंटियर |
| Claude Opus 4.7 | ~$15.00 | ~$75.00 | फ़्रंटियर |
| Gemini 3 Pro | ~$7.00 | ~$21.00 | फ़्रंटियर |
यह अंतर क्रमिक नहीं था। यह पीढ़ी-स्तर का था। DeepSeek V4 Pro ने फ़्रंटियर-स्तर की रीज़निंग उन कीमतों पर दी जो पहले केवल छोटे, तेज़ और सीमित मॉडलों पर लागू होती थीं। उस टेबल का हर आँकड़ा एक बिज़नेस मॉडल, एक रेवेन्यू लाइन, एक प्राइसिंग रणनीति को दर्शाता था, जिसे सालों की मेहनत से सावधानी से गढ़ा गया था। इन सबको शून्य से दोबारा बनाना पड़ा।
DeepSeek की लागत-दक्षता कोई चमत्कार नहीं है। यह एक खास आर्किटेक्चर चुनाव का नतीजा है: Mixture of Experts (MoE)। हर इनफ़रेंस कॉल पर मॉडल के हर पैरामीटर को सक्रिय करने के बजाय, MoE मॉडल किसी भी टोकन के लिए कुल पैरामीटर का केवल एक छोटा हिस्सा सक्रिय करते हैं। DeepSeek V4 Pro के लिए, कुल पैरामीटर सैकड़ों अरब होने के बावजूद, हर फ़ॉरवर्ड पास पर लगभग केवल 37 अरब पैरामीटर चलते हैं।
इनफ़रेंस लागत के लिए यह बहुत मायने रखता है। प्रति टोकन लगने वाली कंप्यूट शक्ति, उतनी ही क्षमता वाले डेंस मॉडल की तुलना में नाटकीय रूप से कम है। आपको एक विशाल मॉडल में संग्रहित ज्ञान मिलता है, लेकिन रनटाइम पर आप कंप्यूट के केवल एक हिस्से का भुगतान करते हैं।
💡 इसे 500 विशेषज्ञों वाले एक अस्पताल की तरह सोचें। हर मरीज़ की विज़िट में सभी 500 विशेषज्ञों की ज़रूरत नहीं पड़ती। जब ज़रूरत हो, तब सही विशेषज्ञ सक्रिय होता है। बाकी उपलब्ध तो रहते हैं, पर खाली बैठे होते हैं।
OpenAI और Anthropic के पास भी इस आर्किटेक्चर के अपने वर्ज़न हैं, लेकिन DeepSeek ने इस पैमाने और क्वालिटी स्तर पर लागत-दक्षता को उस हद तक आगे बढ़ाया, जितना सार्वजनिक रूप से किसी ने पहले नहीं दिखाया था।
कहानी का दूसरा हिस्सा ट्रेनिंग लागत है। DeepSeek ने ऐसे आँकड़े प्रकाशित किए जिनसे लगता है कि V4 Pro को तुलनीय फ़्रंटियर मॉडलों के कंप्यूट बजट के एक छोटे हिस्से में ट्रेन किया गया, और इसमें डिस्टिलेशन तरीकों और डेटा पाइपलाइन ऑप्टिमाइज़ेशन का इस्तेमाल हुआ, जिन्होंने हर ट्रेनिंग टोकन से अधिकतम सिग्नल निकाला।
यह इसलिए मायने रखता है क्योंकि यह इंडस्ट्री की एक लंबे समय से चली आ रही मान्यता को तोड़ता है: कि फ़्रंटियर AI के लिए फ़्रंटियर पूँजी चाहिए। OpenAI, Google और Anthropic की दलील हमेशा यह रही थी कि क्वालिटी कंप्यूट के साथ बढ़ती है और कंप्यूट की लागत अरबों में होती है। DeepSeek के प्रकाशित ट्रेनिंग रन से लगा कि अगर आर्किटेक्चर और डेटा पाइपलाइन मज़बूत हों, तो अरबों नहीं, बल्कि कुछ करोड़ में ही लगभग-फ़्रंटियर क्षमता तक पहुँचा जा सकता है।
यह मान्यता गलत साबित होना केवल प्राइसिंग को प्रभावित नहीं करता। यह मोट्स, प्रतिस्पर्धी रणनीति और हर बंद AI बिज़नेस मॉडल की लंबी अवधि की टिकाऊपन को भी प्रभावित करता है।
OpenAI प्राइसिंग पर पहले कभी इतनी तेज़ी से नहीं चला था। DeepSeek V4 Pro के रिलीज़ होने के कुछ ही हफ़्तों में GPT-5 की कीमत काफ़ी घट गई और कंपनी ने नए टियर पेश किए, जिनका निशाना उन डेवलपर्स पर था जो पहले लागत की वजह से बाहर रह गए थे। तर्क सीधा था: अगर वे जवाब नहीं देते, तो लागत के प्रति संवेदनशील हर डेवलपर माइग्रेट कर जाता।
कटौतियाँ असली थीं, पर उन्होंने अंतर को पूरी तरह नहीं पाटा। OpenAI ने अपने इकोसिस्टम के फ़ायदों पर भरोसा किया: Microsoft Azure के साथ गहरा इंटीग्रेशन, फ़ंक्शन-कॉलिंग की भरोसेमंदी, एंटरप्राइज़ खरीदारों में ब्रांड की पहचान और टूलिंग की व्यापकता। ये वास्तविक फ़ायदे हैं। लेकिन ये अब कच्चे इनफ़रेंस पर 40 गुना प्रीमियम को जायज़ ठहराने के लिए पर्याप्त नहीं थे।
Claude Opus 4.7 और Gemini 3 Pro, दोनों की कीमतें DeepSeek V4 Pro के लॉन्च के बाद के महीनों में घटीं। Anthropic ने Haiku की कीमत आक्रामक रूप से घटाई, जिससे Claude 4.5 Haiku उपलब्ध सबसे सस्ते सक्षम मॉडलों में से एक बन गया। Google ने कुछ उपयोग सीमाओं से नीचे के एप्लिकेशन के लिए Gemini 2.5 Flash की कीमत लगभग शून्य तक घटा दी।
💡 मुख्य बात: जो शुरू DeepSeek की प्राइसिंग घटना के रूप में हुआ था, वह पूरी इंडस्ट्री के लिए एक रीसेट बन गया। छह महीने से भी कम समय में, सभी प्रोवाइडरों में एक फ़्रंटियर AI मॉडल चलाने की औसत लागत लगभग 80% गिर गई। सॉफ़्टवेयर इंडस्ट्री में ऐसे बदलाव का कोई ऐतिहासिक उदाहरण नहीं है।
इसका फ़ायदा उन कंपनियों को नहीं मिला जो कटौती कर रही थीं। फ़ायदा उन डेवलपर्स और कारोबारों को मिला जो बाज़ार से पूरी तरह बाहर कर दिए गए थे।
सोचिए कि पहले एक डेवलपर को $1,000 प्रति माह में क्या मिलता था। 2023 की कीमतों पर, वह रकम लगभग 33 मिलियन GPT-4 इनपुट टोकन के बराबर थी। एक मामूली एप्लिकेशन के लिए यह काफ़ी था, लेकिन बड़े पैमाने पर कुछ भी चलाने के लिए नहीं। दस्तावेज़ प्रोसेस करने, ग्राहकों के सवालों के जवाब देने, कोड रिव्यू चलाने या बड़ी मात्रा में रिसर्च का सार निकालने वाले प्रोडक्शन वर्कलोड उन दरों पर मुनाफ़े के साथ चल ही नहीं सकते थे।
DeepSeek के बाद के रीप्राइसिंग के बाद, $1,000 प्रति माह कई सक्षम मॉडलों के साथ 3 अरब से ज़्यादा टोकन दे देता है। यह कोई मामूली अंतर नहीं है। यही वह फ़र्क है कि एक विचार नोटबुक में पड़ा रहे या एक प्रोडक्ट असली यूज़र्स तक पहुँचे।
वे श्रेणियाँ जिन्हें इस बदलाव से सबसे ज़्यादा फ़ायदा होता है:
सबसे अहम संरचनात्मक बदलाव स्टार्टअप स्तर पर है। DeepSeek V4 Pro के आने से पहले, एक शुरुआती स्टार्टअप जो AI-नेटिव प्रोडक्ट बनाना चाहता था, एक कठिन समझौते का सामना करता था: डेवलपमेंट के लिए सस्ते लेकिन सीमित मॉडल इस्तेमाल करें, फिर प्रोडक्शन-ग्रेड इनफ़रेंस पर जाते ही लागत में अचानक और अक्सर घातक उछाल झेलें। कई प्रोडक्ट इसी मोड़ पर खत्म हो गए।
वह बाधा काफ़ी हद तक खत्म हो चुकी है। अब एक स्टार्टअप उसी मॉडल टियर के साथ प्रोटोटाइप, टेस्ट और लॉन्च कर सकता है जिसे बड़े एंटरप्राइज़ इस्तेमाल करते हैं, और लागत में अचानक आने वाली खड़ी छलांग का सामना नहीं करना पड़ता। फ़्रंटियर इनफ़रेंस का खर्च उठा सकने के कारण बड़ी कंपनियों को मिलने वाली बढ़त काफ़ी कमज़ोर हो गई है।
Llama 4 Maverick Instruct और Kimi K2 Instruct जैसे ओपन-सोर्स मॉडल भी इस बदलाव का हिस्सा हैं, और उन टीमों के लिए लागत-वक्र के निचले सिरे पर अतिरिक्त विकल्प देते हैं जो अपना इनफ़रेंस इंफ़्रास्ट्रक्चर खुद चलाना चाहती हैं।
PicassoIA तीन DeepSeek मॉडल होस्ट करता है, जिनसे आप इस लागत-क्रांति को तुरंत व्यवहार में ला सकते हैं, बिना अपनी API keys या इंफ़्रास्ट्रक्चर संभाले।
DeepSeek R1 DeepSeek का रीज़निंग-केंद्रित मॉडल है, जो उन कार्यों के लिए बनाया गया है जहाँ आपको जवाब देने से पहले मॉडल को समस्या पर चरण-दर-चरण सोचने की ज़रूरत हो। यह इनमें उत्कृष्ट है:
PicassoIA पर इसे कैसे इस्तेमाल करें:
DeepSeek V3.1 सामान्य-उद्देश्य वाला रिलीज़ है, जो लेखन, सारांश, कोडिंग सहायता और बातचीत वाले कार्यों के लिए अच्छा है। यह R1 के अतिरिक्त रीज़निंग भार के बिना गति और क्षमता के बीच मज़बूत संतुलन देता है।
DeepSeek V3 सरल कार्यों के लिए एक भरोसेमंद बेसलाइन के रूप में उपलब्ध है, जहाँ आपको पूरी V3.1 क्षमता के स्तर तक जाए बिना तेज़ और सटीक टेक्स्ट जेनरेशन चाहिए।
ये दोनों मॉडल PicassoIA के व्यापक LLM कैटलॉग में भी मौजूद हैं, जिसमें GPT-5, Claude Opus 4.7, Gemini 3 Pro और Grok 4 शामिल हैं, जिससे आप बिना प्लेटफ़ॉर्म बदले सीधी तुलना कर सकते हैं।
DeepSeek V4 Pro ने जिस गहरे तनाव को उजागर किया, वह सिर्फ़ प्राइस पॉइंट्स का नहीं है। यह AI इनफ़रेंस के संरचनात्मक लागत फ़्लोर का सवाल है। बंद मालिकाना मॉडलों का फ़्लोर उनके इंफ़्रास्ट्रक्चर, सेफ़्टी टेस्टिंग पाइपलाइन, सपोर्ट संगठनों और ट्रेनिंग निवेश पर रिटर्न कमाने की ज़रूरत की लागत से तय होता है।
DeepSeek श्रृंखला जैसे ओपन-सोर्स और सेमी-ओपन मॉडल पूरी तरह अलग फ़्लोर पर चलते हैं। एक बार वेट्स सार्वजनिक हो जाएँ, तो एक और इनफ़रेंस चलाने की अतिरिक्त लागत पूरी तरह कंप्यूट बन जाती है। कोई लाइसेंसिंग नहीं, API कीमत में कोई मार्जिन नहीं। ओपन वेट्स मॉडल होस्ट करने के लिए प्रतिस्पर्धा करने वाले क्लाउड प्रोवाइडर उस फ़्लोर को और नीचे धकेलते हैं।
इससे हर बंद प्रोवाइडर पर संरचनात्मक दबाव बनता है। वे या तो इतने महत्वपूर्ण क्वालिटी और क्षमता के फ़ायदे खोजें जो प्रीमियम को जायज़ ठहराएँ, या ओपन-सोर्स लागत फ़्लोर की ओर दौड़ें। इंडस्ट्री अभी दोनों काम एक साथ कर रही है, और संतुलन बिंदु अभी भी अज्ञात है।
कई संकेत तय करेंगे कि अगले एक साल में AI प्राइसिंग कैसे आगे बढ़ती है:
💡 अगर आप अभी AI के साथ कुछ बना रहे हैं, तो सबसे अहम फ़ैसला यह नहीं कि कौन सा मॉडल चुनें। अहम फ़ैसला है ऐसा प्लेटफ़ॉर्म चुनना जो मॉडल का लचीलापन दे, ताकि बाज़ार बदलने पर आप भी बदल सकें।
DeepSeek V4 Pro ने जो प्राइस बदलाव शुरू किया, वह सिर्फ़ लागत की स्प्रेडशीट के लिए अच्छी खबर भर नहीं है। यह इस बात का संकेत है कि AI के साथ आप क्या बना सकते हैं, इस पर लगी बाधा मूल रूप से बदल चुकी है। जिन एप्लिकेशन के लिए छह महीने पहले एक अच्छी फ़ंडिंग वाली टीम और बड़ा API बजट चाहिए था, अब वे एक अकेले डेवलपर के वीकेंड प्रोजेक्ट में आराम से फ़िट हो जाते हैं।
PicassoIA आपको DeepSeek R1, DeepSeek V3.1, DeepSeek V3, GPT-5, Claude Opus 4.7, Gemini 3 Pro, Grok 4 और दर्जनों दूसरे मॉडल एक ही जगह पर देता है। आउटपुट की तुलना करें, मॉडल परिवारों में प्रॉम्प्ट टेस्ट करें, और बिना रुकावट के स्विच करें।
कोई स्प्रेडशीट ज़रूरी नहीं। कोई बाध्यता नहीं। बस एक प्रॉम्प्ट और एक ऐसा मॉडल, जो अचानक बेहद किफ़ायती हो गया है।
picassoia.com/en/all-models पर जाएँ और तब बनाना शुरू करें, जब लागत अब रुकावट नहीं रही।
अपनी भाषा चुनें
