Claude Opus 4.6 या Gemini 3.1 Pro: आधी लागत हमेशा आधी क्षमता नहीं

भारतीय AI उत्पाद में छोटे पाठ अनुरोधों का खर्च प्रमुख है, तो Gemini 3.1 Pro Preview से शुरुआत करना उचित है; वेब ऐप बनाने वाले एजेंट के लिए Claude Opus 4.6 को भी परखना चाहिए। Claude Opus 4.6 की आधिकारिक दरें प्रति दस लाख इनपुट और आउटपुट टोकन $5 और $25 हैं, जबकि छोटे प्रॉम्प्ट पर Gemini 3.1 Pro Preview की दरें $2 और $12 हैं। इसलिए समान छोटे अनुरोध पर Gemini का मॉडल खर्च लगभग आधा बैठ सकता है; इससे किसी खास काम में उसकी सफलता दर तय नहीं होती।

भंडार समीक्षा, कई अनुरोधों वाला एजेंट और तस्वीरों से सवाल पूछने वाला उत्पाद अलग मात्रा में टोकन लेते हैं और उनकी सफलता भी अलग तरह से मापी जाती है। समान इनपुट और आउटपुट मानकर निकाली गई कीमत बजट का शुरुआती अनुमान देती है। कोडिंग, तर्क और बहु-माध्यम काम के लिए उसके साथ उसी काम का तुलनीय परिणाम रखना होगा।

टोकन दर और लंबे संदर्भ में क्या बदलता है?

Claude Opus 4.6 की आधार दर पूरे दस लाख टोकन संदर्भ पर एक समान रहती है। उसके पाँच मिनट के कैश में प्रति दस लाख टोकन लिखने का शुल्क $6.25 और दोबारा पढ़ने का $0.50 है। पहली बार कैश में लिखना सामान्य इनपुट से महँगा पड़ता है, लेकिन सफल पुनः उपयोग पर पढ़ने की दर काफी कम होती है। इसलिए केवल इनपुट और आउटपुट की दो दरों से बार-बार चलने वाले एजेंट का खर्च नहीं निकलेगा।

Gemini 3.1 Pro Preview की प्रकाशित भुगतान वाली दर प्रॉम्प्ट के आकार से बदलती है। दो लाख टोकन तक प्रति दस लाख इनपुट पर $2 और आउटपुट पर $12 लगते हैं; उससे बड़े प्रॉम्प्ट पर ये दरें $4 और $18 हैं। कैश से पढ़ने की दर भी क्रमशः $0.20 और $0.40 है। लंबे भंडार को एक अनुरोध में भेजने पर छोटे प्रॉम्प्ट की दर लागू मान लेना खर्च को कम दिखाएगा।

ये मॉडल के टोकन शुल्क हैं, पूरे उत्पाद का बिल नहीं। Google के प्रकाशित आउटपुट मूल्य में सोचने के दौरान बने टोकन शामिल हैं, इसलिए दोनों मॉडल एक जैसा दिखाई देने वाला जवाब दें तब भी उनके बिल योग्य आउटपुट टोकन बराबर होने की गारंटी नहीं है। अलग से इस्तेमाल किए गए खोज उपकरण और अन्य भुगतान वाली सेवाएँ भी कुल खर्च बढ़ा सकती हैं।

एक समान बातचीत और भंडार समीक्षा का खर्च

पहला काल्पनिक अनुरोध 1,000 नए इनपुट और 500 आउटपुट टोकन का है। ऊपर दी गई मानक दरों से Claude Opus 4.6 का खर्च $0.0175 और Gemini 3.1 Pro Preview का $0.008 निकलता है। यदि केवल उदाहरण के लिए 1 USD = ₹95 मानें, तो रकम लगभग ₹1.66 और ₹0.76 होगी। यह गणना एक ही टोकन संख्या पर है; वास्तविक जवाबों की लंबाई और सोचने में लगे बिल योग्य टोकन बदल सकते हैं।

दूसरा काल्पनिक अनुरोध किसी सॉफ़्टवेयर भंडार के हिस्से की समीक्षा करता है और उसमें 50,000 इनपुट तथा 3,000 आउटपुट टोकन लगते हैं। समान टोकन संख्या पर Claude का शुल्क $0.325, यानी लगभग ₹30.88, और Gemini का $0.136, यानी ₹12.92 बनता है। समीक्षा का उद्देश्य केवल पढ़कर सार देना हो तो सस्ती दर का असर सीधा दिखेगा। यदि काम में दोष ढूँढ़ना, बदलाव सुझाना और सुधार की पुष्टि कराना शामिल है, तो अतिरिक्त अनुरोधों की संख्या भी कुल लागत तय करेगी।

रुपये के दोनों उदाहरण किसी बाजार विनिमय दर का दावा नहीं करते। वास्तविक भुगतान में उस समय की दर, कर और भुगतान प्रदाता की शर्तें जुड़ेंगी। भारतीय उत्पाद के मासिक बजट में इसलिए डॉलर मूल्य को रुपये में बदलने से पहले यह देखना उपयोगी है कि कितने अनुरोध छोटे रहते हैं, कितने लंबे संदर्भ तक जाते हैं और एक स्वीकार्य उत्तर के लिए कितनी बार मॉडल को फिर चलाना पड़ता है।

कैश-प्रधान एजेंट में सस्ती दर कितनी मदद करती है?

कैश का असर तब बड़ा होता है जब एजेंट बार-बार वही लंबा आरंभिक निर्देश या भंडार सामग्री भेजता है। एक काल्पनिक चक्र में दस अनुरोध मानें: हर बार 100,000 टोकन का समान आरंभिक हिस्सा, साथ में 1,000 नए इनपुट और 500 आउटपुट टोकन। गणना की शर्त है कि आरंभिक हिस्सा पहली बार लिया जाए और अगले नौ अनुरोधों में पूरा कैश हिट मिले। यह वास्तविक सेवा में मिलने वाली हिट दर का अनुमान नहीं है।

Claude के पाँच मिनट वाले कैश में पहले आरंभिक हिस्से को लिखने, अगली नौ बार पढ़ने और सभी अनुरोधों के नए इनपुट तथा आउटपुट को जोड़ने पर $1.25, या मान ली गई रुपये की दर पर ₹118.75 बनते हैं। Gemini में पहले हिस्से को सामान्य इनपुट और अगली नौ बार उसे कैश से पढ़ा हुआ मानें, तो उन्हीं टोकन संख्याओं पर $0.46, यानी ₹43.70 बनते हैं। इस उदाहरण में Gemini का खर्च कम है, लेकिन अंतर को कैश की वास्तविक सफलता दर और मॉडल द्वारा बनाए गए टोकन बदल देंगे।

कैश हिट न मिलने पर दोहराया गया हिस्सा फिर सामान्य इनपुट दर पर आएगा। Google की मूल्य सूची में अलग से संग्रहित संदर्भ के लिए भंडारण शुल्क भी है; ऊपर की गणना में ऐसा अलग भंडारण शामिल नहीं है। Claude के लिए पाँच मिनट की अवधि के भीतर पुनः उपयोग की शर्त मायने रखती है। इसीलिए लंबे अंतराल पर लौटने वाला एजेंट और तेजी से लगातार अनुरोध करने वाला एजेंट, समान प्रॉम्प्ट रखते हुए भी अलग बिल बना सकते हैं।

कोडिंग में किसका माप मजबूत है?

वेब ऐप शुरू से बनवाने वाले Vibe Code Bench के परिणाम में OpenHands के साथ Claude Opus 4.6 के बिना अतिरिक्त तर्क मोड वाले विन्यास को 57.57% और Gemini 3.1 Pro Preview को 32.03% मिला। यह मॉडल और एजेंट विन्यास की संयुक्त सफलता है। भंडार की एक फ़ाइल की समीक्षा या पहले से बने ऐप में बदलाव को उसी अंक से मापना ठीक नहीं होगा।

कोडिंग का दूसरा काम अलग तस्वीर देता है: BenchLM की तुलनात्मक सूची में LiveCodeBench Pro पर Claude के लिए 70.7% और Gemini के लिए 82.9% दर्ज हैं। उसी सूची में Vibe Code Bench पर बढ़त Claude की है। एक परीक्षण में ऐप बनाने की प्रक्रिया और दूसरे में कोडिंग प्रश्नों का प्रदर्शन मापा जाता है; दोनों प्रतिशतों को जोड़कर एक सार्वभौमिक कोडिंग विजेता निकालना भ्रामक होगा।

भंडार समीक्षा के काल्पनिक खर्च को इन परीक्षणों की सफलता दर से सीधे गुणा भी नहीं करना चाहिए। समीक्षा में सही निष्कर्ष, सुझाए गए बदलाव की उपयोगिता और उसे लागू करने के बाद की जाँच अलग परिणाम हैं। ऐप बनाने वाले एजेंट में पूरा कार्य पूरा होना प्रमुख माप हो सकता है। किसी भारतीय उत्पाद के लिए उपयोगी तुलना वही होगी जिसमें दोनों API को एक ही तरह के काम, समान स्वीकार्यता मानक और कुल दोहराव खर्च पर रखा जाए।

बहु-माध्यम काम और तर्क में कौन-सा संकेत उपयोगी है?

तस्वीर और पाठ वाले काम में केवल संदर्भ सीमा देखकर मॉडल चुनना पर्याप्त नहीं है। BenchLM की सूची में बहु-माध्यम परीक्षणों के कई परिणाम Gemini के पक्ष में जाते हैं, लेकिन सभी पंक्तियाँ एक ही स्वतंत्र परीक्षण व्यवस्था से नहीं आतीं। उन्हें एक संयुक्त सफलता प्रतिशत की तरह पढ़ना ठीक नहीं होगा। तस्वीर से उत्पाद विवरण निकालना, चार्ट समझना और दृश्य प्रश्न का उत्तर देना भी अलग काम हैं; कम दर तभी लाभ देती है जब आवश्यक उत्तर सही मिले।

अनिश्चितता जताने की क्षमता पर ConfidenceBench शोध में तीन स्वतंत्र दौर के बाद Claude Opus 4.6 और Gemini 3.1 Pro Preview, दोनों का सर्वश्रेष्ठ Brier स्कोर 0.103 था। शोध ने निजी बहुविकल्पीय प्रश्नों पर मॉडल के बताए आत्मविश्वास और उत्तर की सत्यता का तालमेल मापा। बराबर स्कोर का अर्थ हर तर्क प्रश्न, भारतीय भाषा या कोड परिवर्तन में बराबर गुणवत्ता नहीं है।

इससे चुनाव का केंद्र साफ होता है। छोटे पाठ अनुरोध और समान टोकन संख्या पर Gemini का कम शुल्क ठोस लाभ है; वेब ऐप बनाने वाले एक साझा एजेंट परीक्षण में Claude की बढ़त भी ठोस है। बहु-माध्यम काम और विश्वसनीयता के लिए अलग माप चाहिए। अंतिम API चुनाव प्रति टोकन सबसे कम कीमत पर नहीं, अपने प्रमुख काम में स्वीकार्य परिणाम पाने की कुल लागत पर टिकेगा।

यह भी पढ़ें:

• Gemini 3.7 Flash तेज ही नहीं—स्वतंत्र परीक्षण में कार्य लागत 30% घटी
• Claude Code या Codex: ऊँचा स्कोर महँगा, सस्ता एजेंट हमेशा कमजोर नहीं
• Shopify या WooCommerce: भारतीय ऑनलाइन दुकान के लिए आसानी, नियंत्रण और कुल लागत में क्या चु