छोटे AI मॉडलों की तुलना: रूटीन कार्य के लिए लागत और गुणवत्ता

कंपनियों के कई रूटीन कार्य छोटे AI मॉडलों से पूरे किए जा सकते हैं: ईमेल को श्रेणियों में बाँटना, उत्पादन ऑर्डर की जाँच करना, किसी वेबसाइट पर होने वाली गतिविधियों का वर्गीकरण करना या चौबीसों घंटे किसी स्थिति की निगरानी करना। सूची मूल्यों के मामले में प्रदाता एक-दूसरे के काफ़ी क़रीब हैं। मॉडलों में स्पष्ट अंतर इस बात में है कि वे कितनी बार अनुमान लगाते हैं, टूल को कितनी विश्वसनीयता से चलाते हैं और कितने थिंकिंग टोकन खर्च करते हैं। ये जानकारियाँ प्रदाताओं की मूल्य सूचियों, स्वतंत्र बेंचमार्क और Hawk IVO Force में किए गए हमारे अपने व्यावहारिक परीक्षण से ली गई हैं और 20 अक्टूबर 2026 की स्थिति दर्शाती हैं।

यहाँ लागत डॉलर के बजाय लागत सूचकांक के रूप में दिखाई गई है। सूची मूल्य अक्सर बदलते हैं, और प्रदाताओं की कीमतें Hawk IVO Force की कीमतें नहीं हैं। सूचकांक दिखाता है कि कोई मॉडल दूसरों की तुलना में कितना महँगा है, और कीमतें बदलने पर भी आसानी से पढ़ने योग्य रहता है।

कौन-से मॉडल तुलना में शामिल हैं

OpenAI, Anthropic, Google और Amazon अपने छोटे मॉडलों का आकार नहीं बताते। यहाँ छोटे का अर्थ है: किसी मॉडल परिवार का सबसे सस्ता मौजूदा स्तर, जो गति और बड़ी मात्रा के लिए बनाया गया है।

• OpenAI का GPT-6 Luna, 22 सितंबर 2026 से उपलब्ध: Sol और Astra के साथ GPT-6 परिवार का सबसे छोटा स्तर। OpenAI के अनुसार इसका पूर्ववर्ती GPT-5.6 Luna पहले की Nano श्रेणी के समकक्ष था। यह सीधे OpenAI से तथा Microsoft Azure और Amazon Bedrock के माध्यम से उपलब्ध है।
• Anthropic का Claude Haiku 5.5, 7 अक्टूबर 2026 से उपलब्ध: Claude Haiku 4.5 का उत्तराधिकारी, जो Claude Platform, Amazon Web Services, Google Cloud और Microsoft Azure के माध्यम से उपलब्ध है।
• Google का Gemini 3.5 Flash-Lite, 21 जुलाई 2026 से उपलब्ध: Gemini का सबसे छोटा मौजूदा स्तर। तुलना के लिए अगले बड़े स्तर के रूप में Gemini 3.8 Flash भी शामिल है।
• Amazon Nova 2 Lite और Amazon Nova Micro, दोनों केवल Amazon Bedrock पर: Nova 2 Lite दिसंबर 2025 से, Nova Micro केवल टेक्स्ट मॉडल के रूप में दिसंबर 2024 से।
• चीनी मॉडल: DeepSeek V4.1 Flash, Alibaba का Qwen3.8 Flash, Z.ai का GLM-5.3-Flash और MiniMax M3.1 Flash। Moonshot AI का Kimi K2.6 कई गुना महँगा है और व्यावहारिक परीक्षण में तुलना के लिए शामिल है।

लागत की तुलना: लागत सूचकांक

लागत सूचकांक मानक कार्य को प्रदाताओं के सूची मूल्यों पर आँकता है, लागत स्तर उसे मोटे तौर पर सारांशित करता है।

मॉडल	लागत सूचकांक ↓, कम बेहतर है	लागत स्तर ↓, कम बेहतर है	लंबे प्रॉम्प्ट पर अतिरिक्त शुल्क
Amazon Nova Micro	24	1	कोई ज्ञात नहीं
GPT-6 Luna	76	2	272,000 टोकन से अधिक: इनपुट ×2, आउटपुट ×1.5
Claude Haiku 5.5	76	2	100,000 टोकन से अधिक: इनपुट ×5, आउटपुट ×5
Qwen3.8 Flash	94	2	कोई ज्ञात नहीं
GLM-5.3-Flash	97	2	कोई ज्ञात नहीं
MiniMax M3.1 Flash	103	2	कोई ज्ञात नहीं
DeepSeek V4.1 Flash	207	3	कोई नहीं
Gemini 3.5 Flash-Lite	297	3	कोई नहीं
Amazon Nova 2 Lite	297	3	कोई ज्ञात नहीं
Gemini 3.8 Flash	569	4	कोई नहीं, 1 जनवरी 2027 से मूल कीमत दोगुनी
Claude Sonnet 5.5 (तुलना के लिए)	1,517	5	कोई नहीं
Claude Opus 5.5 (तुलना के लिए)	3,034	5	कोई नहीं

Amazon Nova Micro की लागत मीडियन का एक चौथाई है, GPT-6 Luna और Claude Haiku 5.5 की लगभग तीन चौथाई, और Gemini 3.8 Flash की लगभग छह गुना। बड़े मॉडल Claude Sonnet 5.5 और Claude Opus 5.5 की लागत 15 से 30 गुना है।

Claude Haiku 5.5 में कीमत का उछाल

Claude Haiku 5.5 में हर एक अनुरोध की लंबाई तय करती है कि कौन-सा टैरिफ़ लागू होगा। प्रॉम्प्ट में 100,000 टोकन या उससे अधिक होने पर पूरे अनुरोध की कीमत पाँच गुना हो जाती है। कैश किए गए प्रॉम्प्ट हिस्से भी लंबाई में गिने जाते हैं। इसलिए जो पूरे ऑर्डर बैकलॉग को एक ही प्रॉम्प्ट में लोड करता है, वह ऊँचा टैरिफ़ चुकाता है, और जो उसे 100,000 टोकन से छोटे हिस्सों में बाँटता है, वह निचला। GPT-6 Luna में 272,000 टोकन पर इसी तरह की सीमा है, लेकिन अतिरिक्त शुल्क कम है। Gemini Flash और Flash-Lite में ऐसी कोई सीमा नहीं है, और न ही पीढ़ी 4.6 से आगे के बड़े Claude मॉडलों में।

• Gemini Flash और Flash-Lite
• GPT-6 Luna
• Claude Haiku 5.5

इनपुट की मूल कीमत पर मूल्य गुणक ↓

टोकन में प्रॉम्प्ट की लंबाई

अतिरिक्त शुल्क हर बार पूरे अनुरोध पर लागू होता है। GPT-6 Luna में आउटपुट की कीमत 1.5 गुना हो जाती है। स्रोत: OpenAI, Anthropic, Google, 20 अक्टूबर 2026 की स्थिति।

चार्ट का डेटा

मॉडल	लंबे प्रॉम्प्ट पर अतिरिक्त शुल्क
GPT-6 Luna	272,000 टोकन से अधिक: इनपुट ×2, आउटपुट ×1.5
Claude Haiku 5.5	100,000 टोकन से अधिक: इनपुट ×5, आउटपुट ×5
Gemini 3.5 Flash-Lite	कोई नहीं
Gemini 3.8 Flash	कोई नहीं, 1 जनवरी 2027 से मूल कीमत दोगुनी
Amazon Nova 2 Lite	कोई ज्ञात नहीं
Amazon Nova Micro	कोई ज्ञात नहीं
DeepSeek V4.1 Flash	कोई नहीं
Qwen3.8 Flash	कोई ज्ञात नहीं
GLM-5.3-Flash	कोई ज्ञात नहीं
MiniMax M3.1 Flash	कोई ज्ञात नहीं

सभी क्लाउड में समान कीमत, डेटा रेज़िडेंसी के लिए अतिरिक्त शुल्क

बड़े क्लाउड प्लेटफ़ॉर्म पर कीमतें एक-दूसरे के काफ़ी क़रीब हैं। वैश्विक प्रोसेसिंग में Microsoft Azure और Amazon Bedrock पर GPT-6 Luna की कीमत उतनी ही है, जितनी सीधे OpenAI पर। Microsoft Foundry, Claude मॉडलों का बिल Anthropic के सूची मूल्यों पर बनाता है। Amazon Bedrock और Google Cloud की अपनी मूल्य सूचियाँ हैं, और उनके क्षेत्रीय एंडपॉइंट के लिए Anthropic वैश्विक एंडपॉइंट की तुलना में 10% अतिरिक्त शुल्क बताता है। अधिक लागत मुख्य रूप से किसी निश्चित क्षेत्र में प्रोसेसिंग पर आती है: Azure के EU डेटा ज़ोन में GPT-6 Luna लगभग 20% अधिक, Google Cloud के EU मल्टी-रीजन में Gemini लगभग 10% अधिक और फ्रैंकफर्ट में EU रूट के माध्यम से Nova 2 Lite अमेरिका में वैश्विक प्रोसेसिंग की तुलना में लगभग 40% अधिक।

और क्या बचत कराता है या लागत बढ़ाता है

• बैच: जिसे परिणाम तुरंत नहीं चाहिए, वह OpenAI, Anthropic, Google और Amazon पर बैच प्रक्रिया में आधी कीमत चुकाता है। DeepSeek अपने पीक समय के बाहर कीमत आधी कर देता है, हालाँकि कार्यदिवसों में ये पीक समय जर्मन समय के अनुसार सुबह के बड़े हिस्से को कवर करते हैं।
• कैशिंग: निर्देश, श्रेणियाँ और उदाहरण जैसे बार-बार आने वाले प्रॉम्प्ट हिस्से कैश किए जा सकते हैं। कैश से पढ़े जाने पर OpenAI, Anthropic और Google पर उनकी कीमत इनपुट मूल्य का लगभग दसवाँ हिस्सा होती है, Amazon Nova पर एक चौथाई।
• टोकन हर जगह एक आकार के नहीं होते: Claude Haiku 5.5 उसी टेक्स्ट को अपने पूर्ववर्ती की तुलना में लगभग 30% अधिक टोकन में गिनता है। इसलिए प्रति टोकन समान कीमत का अर्थ प्रति ईमेल बिल्कुल समान लागत नहीं है।
• मॉडल बदलाव: Google ने सामान्य उपलब्धता के आठ सप्ताह से कुछ कम समय बाद, 8 अक्टूबर 2026 को Gemini 3.7 Flash को बंद करने की घोषणा की और अनुरोधों को Gemini 3.8 Flash पर भेजता है। 1 जनवरी 2027 से उसकी कीमत दोगुनी हो जाती है। इसलिए कीमतें और मॉडल संस्करण हर संचालन योजना का हिस्सा होने चाहिए।

थिंकिंग टोकन: अदृश्य लागत कारक

लगभग सभी मौजूदा छोटे मॉडल उत्तर देने से पहले सोच सकते हैं। ये थिंकिंग टोकन उत्तर में दिखाई नहीं देते, लेकिन आउटपुट के रूप में बिल किए जाते हैं, और मॉडल के अनुसार आउटपुट की कीमत इनपुट से तीन से आठ गुना होती है। कोई मॉडल कितना सोचे, यह आम तौर पर सेट किया जा सकता है:

• GPT-6 Luna: none से max तक, डिफ़ॉल्ट medium
• Claude Haiku 5.5: low से max तक, डिफ़ॉल्ट medium
• Gemini 3.5 Flash-Lite: minimal से high तक, डिफ़ॉल्ट minimal
• Amazon Nova 2 Lite: बंद या low से high तक, डिफ़ॉल्ट बंद
• DeepSeek V4.1 Flash: थिंकिंग के साथ या उसके बिना, डिफ़ॉल्ट थिंकिंग के साथ
• GLM-5.3-Flash: थिंकिंग बंद नहीं की जा सकती

अंतर काफ़ी बड़ा है। Artificial Analysis के पूरे बेंचमार्क सेट के लिए उच्चतम स्तर पर GPT-6 Luna की लागत बिना थिंकिंग की तुलना में छह गुना से कुछ अधिक रही, और उच्चतम स्तर पर Claude Haiku 5.5 की लागत निम्न स्तर की तुलना में लगभग दस गुना। हमारे व्यावहारिक परीक्षण में Kimi K2.6 ने उन्हीं कार्यों के लिए 3,100 से 7,300 आउटपुट टोकन बनाए, जबकि Gemini 3.7 Flash ने 360 से 580। प्रतीक्षा समय भी बढ़ता है: GPT-6 Luna बिना थिंकिंग के उत्तर का पहला टोकन लगभग 0.8 सेकंड में देता है, उच्चतम स्तर पर लगभग 90 सेकंड में।

वर्गीकरण और एक्सट्रैक्शन के लिए आम तौर पर सबसे निचला स्तर पर्याप्त होता है। Google, Gemini 3.5 Flash-Lite के लिए वर्गीकरण, रूटिंग और JSON एक्सट्रैक्शन में स्पष्ट रूप से minimal की सलाह देता है, जबकि कई चरणों में टूल का उपयोग करने वाले सब-एजेंट के लिए medium या high की, क्योंकि अन्यथा मॉडल टूल शृंखलाओं को बहुत जल्दी रोक देता है। उपयुक्त मान सबसे विश्वसनीय ढंग से अपने डेटा के साथ किए गए परीक्षण से पता चलता है।

• GPT-6 Luna
• Claude Haiku 5.5
• अन्य छोटे मॉडल

Intelligence Index ↑

पूरे परीक्षण रन का लागत सूचकांक, लघुगणकीय ↓

रेखाएँ एक ही मॉडल के सबसे निचले और सबसे ऊँचे मापे गए थिंकिंग स्तर को जोड़ती हैं। लागत सूचकांक में वास्तव में खर्च हुए थिंकिंग टोकन शामिल हैं। दिखाए गए बिंदुओं का मीडियन = 100। Amazon Nova के लिए परीक्षण रन की लागत उपलब्ध नहीं है। स्रोत: Artificial Analysis, 20 अक्टूबर 2026 की स्थिति।

चार्ट का डेटा

मॉडल	थिंकिंग स्तर	परीक्षण रन का लागत सूचकांक ↓, कम बेहतर है	Intelligence Index ↑, अधिक बेहतर है
GPT-6 Luna	none	6.0	18.5
Claude Haiku 5.5	low	11	29.5
GPT-6 Luna	max	38	38.1
MiniMax M3.1 Flash	default	89	42.7
GLM-5.3-Flash	max	96	41.8
Claude Haiku 5.5	max	104	43.4
Qwen3.8 Flash	default	114	39.8
Gemini 3.5 Flash-Lite	default	115	22.2
DeepSeek V4.1 Flash	max	140	45.1
Gemini 3.8 Flash	high	510	40.9

हैलुसिनेशन: ज्ञान का प्रश्न या दी गई सामग्री के साथ काम

कोई मॉडल किस हद तक हैलुसिनेशन करता है, यह कार्य पर निर्भर करता है। दो प्रश्नों को अलग रखना होगा: जब मॉडल को कुछ पता नहीं होता, तो क्या वह अनुमान लगाता है? और क्या वह उसे दी गई जानकारी पर टिका रहता है?

स्रोत के बिना ज्ञान के प्रश्न

Artificial Analysis, AA-Omniscience के साथ मापता है कि कोई मॉडल विशेषज्ञ प्रश्नों पर यह स्वीकार करने के बजाय कि उसे उत्तर नहीं पता, कितनी बार गलत उत्तर देता है। हैलुसिनेशन दर उन सभी प्रश्नों में गलत उत्तरों का हिस्सा है, जिनका सही उत्तर नहीं दिया गया। कम होना बेहतर है।

मॉडल	सही उत्तर (% में) ↑, अधिक बेहतर है	हैलुसिनेशन दर (% में) ↓, कम बेहतर है
GLM-5.3-Flash	28	28
Gemini 3.5 Flash-Lite	30	34
Claude Haiku 5.5	33 से 36	40 से 45
Qwen3.8 Flash	25	45
Gemini 3.8 Flash	55	55
Amazon Nova Micro	10	65
DeepSeek V4.1 Flash	43	67
GPT-6 Luna	32 से 44	77 से 85
Amazon Nova 2 Lite	14 से 19	86 से 91
MiniMax M3.1 Flash	56	93

प्रतिशत में हैलुसिनेशन दर ↓

उन सभी प्रश्नों में गलत उत्तरों का हिस्सा, जिनका सही उत्तर नहीं दिया गया (AA-Omniscience)। किसी पट्टी का हल्का भाग थिंकिंग स्तरों में फैला दायरा दिखाता है। स्रोत: Artificial Analysis, AA-Omniscience, 20 अक्टूबर 2026 की स्थिति।

GLM-5.3-Flash, Gemini 3.5 Flash-Lite और Claude Haiku 5.5 अपेक्षाकृत अक्सर स्वीकार करते हैं कि उन्हें उत्तर नहीं पता। इसके विपरीत GPT-6 Luna, Nova 2 Lite और MiniMax M3.1 Flash ज़्यादातर अनुमान लगाते हैं। MiniMax सबसे अधिक प्रश्नों का सही उत्तर तो देता है, लेकिन बाकी प्रश्नों में लगभग हमेशा गढ़े हुए उत्तर के साथ गलत होता है।

साथ में दिए गए डेटा के साथ काम

रूटीन कार्य के लिए आम तौर पर दूसरा प्रश्न मायने रखता है, क्योंकि ईमेल, ऑर्डर या टिकट मॉडल के सामने होता है। यहाँ तस्वीर अलग दिखती है। Google DeepMind की FACTS रैंकिंग के ग्राउंडिंग परीक्षण में, जो जाँचता है कि उत्तर साथ में दिए गए दस्तावेज़ से समर्थित हैं या नहीं, GPT-6 Luna को 100 में से 81 अंक मिलते हैं, Gemini 3.8 Flash को 73 और Gemini 3.5 Flash-Lite को 71। अन्य प्रदाता इस रैंकिंग में शामिल नहीं हैं, जिसे Google स्वयं चलाता है। Vectara के सारांश परीक्षण में Amazon Nova 2 Lite और Nova Micro केवल लगभग 5% सारांशों में ऐसा कुछ जोड़ते हैं, जो मूल पाठ में नहीं है, हालाँकि ज्ञान के प्रश्नों पर वे विशेष रूप से अक्सर अनुमान लगाते हैं। Kimi K2.6 वहाँ लगभग 11% पर है, तुलना के बाकी मौजूदा मॉडल अभी मापे नहीं गए हैं।

इसलिए छोटे मॉडलों को स्मृति से नहीं, बल्कि दी गई सामग्री के आधार पर काम करना चाहिए। यदि उन्हें डेटा साथ में दिया जाए, उन्हें स्पष्ट रूप से “अज्ञात” या null उत्तर देने की अनुमति हो और उनकी जाँच एक निश्चित स्कीमा के विरुद्ध की जाए, तो गढ़ी गई जानकारी का जोखिम अच्छी तरह सीमित किया जा सकता है। हमारे व्यावहारिक परीक्षण में किसी भी मॉडल ने कोई अनुपस्थित जानकारी नहीं गढ़ी।

टूल उपयोग (Tool Use): कई चरणों में टूल

एजेंटों के लिए निर्णायक यह है कि कोई मॉडल कई चरणों में टूल को सही ढंग से कॉल करता है या नहीं। मौजूदा छोटे मॉडलों के लिए स्वतंत्र माप अभी अधूरे हैं। Artificial Analysis, AutomationBench-AA के साथ जाँचता है कि कोई मॉडल ईमेल, स्प्रेडशीट, CRM और टिकट सिस्टम जैसे कई सिम्युलेटेड अनुप्रयोगों में यथार्थवादी व्यावसायिक प्रक्रियाएँ पूरी करता है या नहीं, और Terminal-Bench 4.0 के साथ कमांड लाइन में काम की जाँच करता है। माप मुख्य रूप से उच्च या उच्चतम थिंकिंग स्तर पर किया गया, मान हल किए गए कार्यों का प्रतिशत हैं।

मॉडल	AutomationBench-AA (% में) ↑, अधिक बेहतर है	Terminal-Bench 4.0 (% में) ↑, अधिक बेहतर है
MiniMax M3.1 Flash	73	26
DeepSeek V4.1 Flash	67	34
GLM-5.3-Flash	60	33
Gemini 3.8 Flash	60	20
Qwen3.8 Flash	56	25
GPT-6 Luna	53	13
Claude Haiku 5.5	35	33
Gemini 3.5 Flash-Lite	25	1
Amazon Nova 2 Lite	मापा नहीं गया	मापा नहीं गया

AutomationBench-AA, प्रतिशत में हल किए गए कार्य ↑

ईमेल, स्प्रेडशीट, CRM और टिकट सिस्टम जैसे कई सिम्युलेटेड अनुप्रयोगों में यथार्थवादी प्रक्रियाएँ, मुख्य रूप से उच्च या उच्चतम थिंकिंग स्तर पर मापी गईं। Amazon Nova 2 Lite को मापा नहीं गया। स्रोत: Artificial Analysis, AutomationBench-AA, 20 अक्टूबर 2026 की स्थिति।

निर्माताओं के आँकड़े तस्वीर को पूरा करते हैं। Anthropic, स्क्रीन-संचालन परीक्षण OSWorld 2.1 में Claude Haiku 5.5 के लिए लगभग 72% और GPT-6 Luna के लिए लगभग 49% बताता है। Amazon, Berkeley Function Calling Leaderboard में Nova 2 Lite के लिए 60% बताता है, जबकि रैंकिंग स्वयं 27% और बहु-चरणीय कॉल में केवल 2% दर्ज करती है। चीनी Flash मॉडल टूल कार्यों को अच्छी तरह हल करते हैं, लेकिन इसके लिए बहुत अधिक थिंकिंग टोकन खर्च करते हैं। डेवलपर्स के लिए एक तकनीकी बात: GPT-6 Luna में थिंकिंग के साथ टूल कॉल केवल Responses API के माध्यम से काम करते हैं, Chat Completions के माध्यम से केवल बिना थिंकिंग के।

JSON और वर्गीकरण

रूटीन कार्य के लिए किसी मॉडल को एक निश्चित फ़ॉर्मेट में उत्तर देना चाहिए। कई प्रदाता उत्तर बनाते समय ही JSON स्कीमा लागू करते हैं:

• GPT-6 Luna: OpenAI के अनुसार सख़्त JSON स्कीमा के साथ उत्तर हमेशा स्कीमा का पालन करता है, सिवाय अस्वीकृति या कटे हुए उत्तर के।
• Claude Haiku 5.5: Structured Outputs भी स्कीमा लागू करते हैं, Amazon Bedrock पर bedrock-runtime एंडपॉइंट के माध्यम से।
• Gemini 3.5 Flash-Lite और 3.8 Flash: JSON स्कीमा समर्थित है, लेकिन Google मानों की हमेशा जाँच करने की सलाह देता है। बहुत बड़े स्कीमा अस्वीकार किए जा सकते हैं।
• Amazon Nova 2 Lite और Nova Micro: Bedrock का Structured Outputs फ़ंक्शन उपलब्ध नहीं है। वैकल्पिक रास्ता अधिकतम दो स्तरों वाले टूल स्कीमा के माध्यम से है।
• DeepSeek, Qwen और GLM: प्रदाता के अनुसार JSON आउटपुट समर्थित है। MiniMax M3.1 Flash के लिए कोई जानकारी उपलब्ध नहीं है।

एक वैध स्कीमा सही मानों की गारंटी नहीं देता। वर्गीकरण के लिए मौजूदा छोटे मॉडलों का कोई स्वतंत्र तुलनात्मक परीक्षण नहीं है। सटीकता काफ़ी हद तक अपनी श्रेणियों पर निर्भर करती है और केवल अपने उदाहरणों से मापी जा सकती है।

Hawk IVO Force में व्यावहारिक परीक्षण

20 अक्टूबर 2026 को हमने Hawk IVO Force में चार मॉडलों को दो सामान्य रूटीन कार्यों के साथ जाँचा। हर मॉडल एक अलग एजेंट में, बिना ज्ञान एक्सेस और बिना टूल के, एक ही छोटे निर्देश के साथ चला। हर कार्य दो बार चला।

• ईमेल ट्राइएज: एक विनिर्माण कंपनी के बारह जर्मन भाषा के ईमेल, जिनमें एक शिकायत, दो फ़िशिंग मेल, एक अनुपस्थिति सूचना और स्वचालित स्थिति संदेश शामिल थे। श्रेणी, प्राथमिकता, उत्तर आवश्यक है या नहीं, और ऑर्डर नंबर पूछा गया था, ऑर्डर नंबर केवल तब, जब वह शब्दशः मौजूद हो। आर्टिकल, इनवॉइस और टिकट नंबर जाल के रूप में रखे गए थे। श्रेणी, उत्तर की आवश्यकता और ऑर्डर नंबर का मूल्यांकन किया गया, कुल 72 मान।
• उत्पादन ऑर्डर: एक ERP एक्सपोर्ट से चार ऑर्डर और कार्य-तैयारी विभाग का एक नोट। फ़ील्ड, जोखिम और कारण JSON के रूप में माँगे गए थे। चार जानकारियाँ जानबूझकर नहीं दी गई थीं, जिनमें एक डिलीवरी तिथि, एक मशीन और घंटों में एक क्षमता शामिल थी। एक ऑर्डर समय पर पूरा नहीं हो सकता था, क्योंकि सामग्री डिलीवरी तिथि के बाद ही पहुँचती है।

मॉडल	ईमेल ट्राइएज	उत्पादन ऑर्डर	प्रति रन आउटपुट टोकन ↓
GPT-6 Luna	त्रुटिरहित	त्रुटिरहित	760 से 1,330
Gemini 3.7 Flash	त्रुटिरहित	त्रुटिरहित, एक बार “Gehäuse” की जगह “Gehaeuse” (जर्मन अक्षर ä की जगह ae)	360 से 580
Kimi K2.6	त्रुटिरहित	एक बार स्कीमा का उल्लंघन, जोखिम का आकलन नहीं	3,100 से 7,300
GPT-4.1 mini, पुरानी पीढ़ी	72 में से 7 मान गलत	त्रुटिरहित	300 से 480

GPT-4.1 mini दोनों फ़िशिंग मेल का उत्तर दे देता और इनवॉइस तथा टिकट नंबरों को ऑर्डर नंबर के रूप में ले लेता। मौजूदा पीढ़ी अब ये गलतियाँ नहीं करती। Kimi K2.6 ने एक रन में अनुपस्थित जानकारियों को null पर सेट करने का निर्देश जोखिम आकलन पर भी लागू कर दिया। परीक्षण में सूची मूल्यों पर प्रति ईमेल Gemini Flash की लागत GPT-6 Luna की लगभग पाँच गुना रही, और बहुत अधिक थिंकिंग टोकन के कारण Kimi K2.6 की लगभग तीस गुना।

यह परीक्षण दो रन वाला एक नमूना है, कोई बेंचमार्क नहीं। Claude Haiku 5.5 और Amazon Nova हमारे परीक्षण वातावरण में उपलब्ध नहीं थे। Gemini 3.7 Flash को बंद करने की घोषणा अब हो चुकी है, Google अनुरोधों को Gemini 3.8 Flash पर भेजता है।

रूटीन कार्य की मासिक लागत

इन मान्यताओं के साथ चार सामान्य यूज़ केस:

• कार्यालय: 22 कार्यदिवसों में प्रति कार्यदिवस 80 ईमेल, जिनमें स्थिति संदेश भी शामिल हैं। प्रति ईमेल निर्देशों, श्रेणियों, उदाहरणों और पिछले संवाद सहित मेल के लिए 3,000 इनपुट टोकन, तथा वर्गीकरण और एक छोटे उत्तर ड्राफ़्ट के लिए 500 आउटपुट टोकन।
• उत्पादन: 500 खुले उत्पादन ऑर्डर, 30 दिनों तक तीनों शिफ़्टों में से हर एक में दोबारा मूल्यांकित। प्रति मूल्यांकन ऑर्डर, कार्य योजना, सामग्री और क्षमता के लिए 4,000 इनपुट टोकन, तथा जोखिम, बाधा और सिफ़ारिश के लिए 600 आउटपुट टोकन।
• वेबसाइट: प्रतिदिन 1,500 विज़िट, एक ऐसे एजेंट के साथ जो गतिविधियों का अवलोकन करता है, उन्हें वर्गीकृत करता है और सिफ़ारिश देता है। प्रति विज़िट छह वर्गीकरण और एक सिफ़ारिश, कुल 16,000 इनपुट टोकन और 1,000 आउटपुट टोकन।
• निरंतर कार्य: एक एजेंट चौबीसों घंटे हर पाँच मिनट में किसी स्थिति की जाँच करता है, जैसे टिकटों की आवक, मशीन संदेश या डिलीवरी स्थिति। प्रति जाँच 5,000 इनपुट टोकन और 300 आउटपुट टोकन।

लागत परिमाण दिखाता है कि कोई यूज़ केस कार्यालय वाले केस की तुलना में प्रति माह कितनी मॉडल लागत पैदा करता है, छोटे मॉडलों के मीडियन के आधार पर मापा गया:

यूज़ केस	प्रति माह प्रक्रियाएँ	प्रति प्रक्रिया टोकन, इनपुट / आउटपुट	लागत परिमाण, कार्यालय = 1 ↓, कम बेहतर है
कार्यालय	1,760	3,000 / 500	×1
उत्पादन	45,000	4,000 / 600	×33
वेबसाइट	45,000	16,000 / 1,000	×104
निरंतर कार्य	8,640	5,000 / 300	×6

प्रतिदिन 80 ईमेल पर मॉडल लागत व्यावहारिक रूप से कोई भूमिका नहीं निभाती, Claude Opus 5.5 जैसे बड़े मॉडल के साथ भी। यहाँ महँगी पड़ती है कोई गलती, जैसे अनदेखी रह गई शिकायत या किसी फ़िशिंग मेल का दिया गया उत्तर। इसलिए विश्वसनीयता कीमत से अधिक मायने रखती है। इसके विपरीत उत्पादन, वेबसाइट और निरंतर कार्यों में मात्राएँ तेज़ी से बढ़ती हैं। तब एक छोटे और एक बड़े मॉडल के बीच 20 से 40 गुना का अंतर होता है, GPT-6 Luna और Gemini 3.8 Flash के बीच लगभग 7 गुना। अधिक थिंकिंग टोकन आउटपुट लागत बढ़ाते हैं। कैशिंग इनपुट लागत घटाती है, ख़ासकर वेबसाइट पर, जहाँ पेज का संदर्भ हर अनुरोध में समान रहता है।

पूरे ऑर्डर बैकलॉग वाला एक ही प्रॉम्प्ट सबसे महँगा विकल्प है। Claude Haiku 5.5 के साथ 300,000 टोकन वाले एक अनुरोध की लागत उतनी ही मात्रा को सीमा से नीचे के हिस्सों में भेजने की तुलना में पाँच गुना है। साथ ही बहुत लंबे संदर्भों में सटीकता घटती है: Google के अनुसार Gemini 3.5 Flash-Lite लंबे संदर्भ परीक्षण MRCR में 128,000 टोकन पर 72% और दस लाख टोकन पर 21% प्राप्त करता है। बेहतर है कि हर ऑर्डर या हर समूह के लिए अलग मूल्यांकन हो।

सब-एजेंट के रूप में छोटे मॉडल

छोटे मॉडल विशेष रूप से सब-एजेंट के रूप में उपयुक्त हैं। एक बड़ा मॉडल कार्य की योजना बनाता है, उसे विभाजित करता है और स्पष्ट रूप से सीमित उप-कार्य छोटे मॉडलों को सौंपता है, जैसे दस्तावेज़ पढ़ना, डेटा निकालना, प्रविष्टियों को वर्गीकृत करना या खोज परिणामों का सारांश बनाना। हर सब-एजेंट एक छोटे, नए संदर्भ के साथ काम करता है और एक संक्षिप्त परिणाम लौटाता है, जिसे बड़ा मॉडल जाँचता है और एक साथ जोड़ता है। Anthropic स्पष्ट रूप से Claude Haiku 5.5 को इस भूमिका के लिए प्रस्तुत करता है।

इसके कई लाभ हैं:

• लागत: Claude Haiku 5.5 में एक इनपुट टोकन की कीमत Claude Opus 5.5 की कीमत का चालीसवाँ हिस्सा है। इससे पढ़ना, जिसमें सबसे अधिक टोकन खर्च होते हैं, सस्ता हो जाता है।
• गति: कई सब-एजेंट समानांतर में काम करते हैं।
• स्पष्टता: योजना बनाने वाला मॉडल हज़ारों पृष्ठों की कच्ची सामग्री के बजाय केवल संक्षिप्त परिणाम देखता है।
• मूल्य सीमाएँ: छोटे उप-कार्य Claude Haiku 5.5 की 100,000 टोकन सीमा से नीचे रहते हैं।

ताकि यह काम करे, हर उप-कार्य के लिए एक निश्चित आउटपुट फ़ॉर्मेट चाहिए, सबसे अच्छा एक JSON स्कीमा। सब-एजेंट को केवल वही डेटा और टूल मिलते हैं, जिनकी उसके उप-कार्य को आवश्यकता है। बहु-चरणीय टूल कार्य के लिए मध्यम थिंकिंग स्तर उपयुक्त है, केवल वर्गीकरण के लिए सबसे निचला। जुड़े हुए सिस्टम में कुछ भी बदले जाने से पहले योजना बनाने वाला मॉडल या कोई मनुष्य परिणाम की जाँच करता है, जैसा कि अनुमोदनों के साथ एजेंट लागू करना में बताया गया है।

Hawk IVO Force में मॉडल हर एजेंट की अपनी सेटिंग है। इस तरह योजना और समन्वय के लिए एक एजेंट बड़े मॉडल के साथ काम कर सकता है, जबकि ट्राइएज, एक्सट्रैक्शन या निगरानी के एजेंट छोटे मॉडल का उपयोग करते हैं।

चीनी मॉडल: सस्ते, खुले, डेटा सुरक्षा के प्रश्नों के साथ

चीनी Flash मॉडल सस्ते हैं और टूल कार्यों को अच्छी तरह हल करते हैं। तुलना किए गए सभी मॉडलों में GLM-5.3-Flash सबसे कम अनुमान लगाता है। DeepSeek V4.1 Flash और GLM-5.3-Flash, MIT लाइसेंस के तहत खुले वेट्स के रूप में उपलब्ध हैं, Qwen3.8 कई खुले संस्करणों में। जर्मनी की कंपनियों के लिए सबसे महत्वपूर्ण यह है कि डेटा कहाँ प्रोसेस होता है:

• DeepSeek अपनी गोपनीयता नीति के अनुसार अपने API का डेटा चीन में प्रोसेस और संग्रहीत करता है। DeepSeek V4.1 Flash, Microsoft Azure के EU डेटा ज़ोन में भी उपलब्ध है, वहाँ वैश्विक कीमत की तुलना में लगभग 20% अतिरिक्त शुल्क के साथ।
• Alibaba फ्रैंकफर्ट में दो दायरे प्रदान करता है। केवल EU दायरा प्रोसेसिंग को क्षेत्र के भीतर रखता है, जबकि Qwen3.8 Flash वहाँ फ़िलहाल केवल वैश्विक दायरे में सूचीबद्ध है।
• Z.ai अपने बयान के अनुसार डेटा आम तौर पर सिंगापुर में प्रोसेस करता है, MiniMax उसे अमेरिका में संग्रहीत करता है।
• खुले वेट्स को स्वयं चलाया जा सकता है। कई सौ अरब पैरामीटर होने के कारण DeepSeek और GLM के लिए यह श्रमसाध्य है। Apache-2.0 लाइसेंस के तहत छोटा Qwen3.8-27B अधिक यथार्थवादी है।

अमेरिकी संस्थान NIST ने DeepSeek और Kimi के पुराने संस्करणों की जाँच की और चीनी कम्युनिस्ट पार्टी के रुख़ों से निकटता तथा हेरफेर के प्रति अधिक संवेदनशीलता पाई। ये विशेषताएँ स्वयं मॉडल में निहित हैं और अपने संचालन में भी बनी रहती हैं। मौजूदा संस्करणों के लिए ऐसी कोई जाँच उपलब्ध नहीं है। निश्चित श्रेणियों में वर्गीकरण में इसका प्रभाव संभवतः स्वतंत्र रूप से लिखे गए पाठों की तुलना में कम होगा। GLM-5.3-Flash का मॉडल कार्ड जर्मन भाषा का उल्लेख नहीं करता, इसलिए जर्मन पाठों के साथ परीक्षण विशेष रूप से महत्वपूर्ण हैं।

कौन-सा मॉडल किस कार्य के लिए

कीमतों, माप परिणामों और व्यावहारिक परीक्षण से यह आकलन निकलता है:

• निश्चित श्रेणियों के साथ ईमेल ट्राइएज और वर्गीकरण: निम्न थिंकिंग स्तर के साथ GPT-6 Luna या Claude Haiku 5.5। दोनों की लागत समान रूप से कम है। व्यावहारिक परीक्षण और ग्राउंडिंग परीक्षण में GPT-6 Luna दी गई सामग्री पर बारीकी से टिका रहा, Claude Haiku 5.5 ज्ञान में कमी होने पर कम अनुमान लगाता है।
• उत्पादन ऑर्डर की जाँच और दस्तावेज़ों से एक्सट्रैक्शन: वही मॉडल, बहुत लंबे प्रॉम्प्ट के बजाय हर ऑर्डर या समूह के लिए अलग मूल्यांकन के साथ, JSON स्कीमा और null की अनुमति के साथ।
• रीयल-टाइम प्रतिक्रिया वाला वेबसाइट एजेंट: बिना थिंकिंग या न्यूनतम थिंकिंग वाला मॉडल, जैसे लगभग 0.8 सेकंड में पहला टोकन देने वाला GPT-6 Luna या बिना थिंकिंग के लगभग 1.1 सेकंड में Nova 2 Lite। Artificial Analysis पर Gemini 3.5 Flash-Lite को पहले टोकन तक लगभग 8 सेकंड लगे।
• निरंतर कार्य और टूल वाले सब-एजेंट: बहु-चरणीय व्यावसायिक प्रक्रियाओं के लिए Gemini 3.8 Flash, GLM-5.3-Flash या DeepSeek V4.1 Flash, कमांड लाइन और स्क्रीन संचालन के लिए Claude Haiku 5.5, दोनों स्थितियों में मध्यम थिंकिंग स्तर के साथ।
• बहुत सरल पाठों की बहुत बड़ी मात्रा: 24 के लागत सूचकांक के साथ Amazon Nova Micro तुलना का सबसे सस्ता मॉडल है, लेकिन उसका ज्ञान सीमित है और वह अधिकतम 128,000 टोकन प्रोसेस करता है। यह केवल निश्चित स्कीमा के साथ और अपने परीक्षण के बाद उपयुक्त है।
• व्यक्तिगत डेटा: EU में प्रोसेसिंग चुनें, जैसे Azure में EU डेटा ज़ोन, Google Cloud में EU मल्टी-रीजन या Amazon Bedrock में कोई EU रूट, और इसके लिए 10 से लगभग 40% अतिरिक्त शुल्क की योजना बनाएँ।

निर्णय से पहले अपने डेटा के साथ परीक्षण करें

इस बाज़ार में मॉडल संस्करण और कीमतें कुछ ही हफ़्तों के अंतराल पर बदलते हैं। निर्णय से पहले अपने 50 से 100 उदाहरणों के साथ एक छोटा परीक्षण उपयोगी है। यह सटीकता, फ़ॉर्मेट का पालन और प्रति प्रक्रिया वास्तविक टोकन खपत दिखाता है। हम एक उपयुक्त कार्य को सीमित करने, आपके डेटा के साथ मॉडलों की तुलना करने और Hawk IVO Force में एजेंट स्थापित करने में मदद करते हैं। अगर आपके मन में ऐसा कोई कार्य है, तो हमसे बात करें।

सूची मूल्य और गणना

सूची मूल्य और गणना (20 अक्टूबर 2026 की स्थिति)

वैश्विक प्रोसेसिंग के साथ मानक टैरिफ़ में प्रदाताओं के सार्वजनिक सूची मूल्य, प्रति दस लाख टोकन अमेरिकी डॉलर में। ये Hawk IVO Force की कीमतें नहीं हैं। कीमतें अक्सर बदलती हैं, निर्णायक प्रदाताओं के लिंक किए गए मूल्य पेज हैं।

प्रति दस लाख टोकन अमेरिकी डॉलर में सूची मूल्य

मॉडल	इनपुट	आउटपुट	लंबे प्रॉम्प्ट पर अतिरिक्त शुल्क
GPT-6 Luna	0.10	0.50	272,000 टोकन से अधिक: इनपुट ×2, आउटपुट ×1.5
Claude Haiku 5.5	0.10	0.50	100,000 टोकन से अधिक: इनपुट ×5, आउटपुट ×5
Gemini 3.5 Flash-Lite	0.30	2.50	कोई नहीं
Gemini 3.8 Flash	0.75	3.75	कोई नहीं, 1 जनवरी 2027 से मूल कीमत दोगुनी
Amazon Nova 2 Lite	0.30	2.50	कोई ज्ञात नहीं
Amazon Nova Micro	0.035	0.14	कोई ज्ञात नहीं
DeepSeek V4.1 Flash	0.30	1.20	कोई नहीं
Qwen3.8 Flash	0.15	0.47	कोई ज्ञात नहीं
GLM-5.3-Flash	0.15	0.50	कोई ज्ञात नहीं
MiniMax M3.1 Flash	0.15	0.60	कोई ज्ञात नहीं
Claude Sonnet 5.5 (तुलना के लिए)	2.00	10.00	कोई नहीं
Claude Opus 5.5 (तुलना के लिए)	4.00	20.00	कोई नहीं

वैश्विक प्रोसेसिंग के साथ Microsoft Azure, Amazon Bedrock और Google Cloud पर मॉडलों की कीमत आम तौर पर उतनी ही होती है, जितनी सीधे प्रदाता के पास। क्षेत्रीय प्रोसेसिंग, जैसे EU में, 10 से लगभग 40% अधिक महँगी है।

लेख के यूज़ केस के लिए प्रति माह अमेरिकी डॉलर में मॉडल लागत, पूर्णांकित, कैशिंग, बैच और डेटा रेज़िडेंसी के बिना

मॉडल	कार्यालय	उत्पादन	वेबसाइट	निरंतर कार्य
GPT-6 Luna	0.97	32	95	6
Claude Haiku 5.5	0.97	32	95	6
Gemini 3.5 Flash-Lite	4	120	330	19
Gemini 3.8 Flash	7	240	710	42
Amazon Nova 2 Lite	4	120	330	19
Amazon Nova Micro	0.31	10	32	2
DeepSeek V4.1 Flash	3	86	270	16
Qwen3.8 Flash	1	40	130	8
GLM-5.3-Flash	1	41	130	8
MiniMax M3.1 Flash	1	43	140	8
Claude Sonnet 5.5 (तुलना के लिए)	19	630	1,890	110
Claude Opus 5.5 (तुलना के लिए)	39	1,260	3,780	220

प्रदाताओं के मूल्य पेज

• developers.openai.com (नए टैब में खुलता है) (openai)
• platform.claude.com (नए टैब में खुलता है) (anthropic)
• ai.google.dev (नए टैब में खुलता है) (google)
• aws.amazon.com (नए टैब में खुलता है) (aws)
• api-docs.deepseek.com (नए टैब में खुलता है) (deepseek)
• www.alibabacloud.com (नए टैब में खुलता है) (alibaba)
• docs.z.ai (नए टैब में खुलता है) (zai)
• platform.minimax.io (नए टैब में खुलता है) (minimax)