Hugging Face या Replicate: सस्ता GPU उपयोग दर बदलते ही पलटता है

लगातार तैयार रहने वाली मॉडल सेवा के लिए T4, L40S और A100 पर Hugging Face का मासिक GPU खर्च कम पड़ता है। अनुरोध रुक-रुककर आते हों और जरूरत Replicate के समय के आधार पर बिल होने वाले सार्वजनिक मॉडल से पूरी होती हो, तो उसका बिल कम हो सकता है। चुनाव प्रति घंटा दर के साथ उस समय पर निर्भर है जिसका शुल्क वास्तव में लिया जाता है।

Hugging Face के Inference Endpoints मूल्य दस्तावेज़ में AWS पर एक GPU की प्रति घंटा दर T4 के लिए $0.50, L40S के लिए $1.80 और A100 के लिए $2.50 है; GCP H100 की दर $10 है, जबकि $4.50 वाला AWS H100 विकल्प अप्रचलित चिह्नित है, और चालू या शुरू हो रही प्रतिकृति का शुल्क प्रति मिनट गिना जाता है। Replicate के मूल्य पृष्ठ पर T4 की समकक्ष दर $0.81, L40S की $3.51, A100 की $5.04 और H100 की $5.49 प्रति घंटा है; समय आधारित सार्वजनिक मॉडल के लिए केवल अनुरोध का सक्रिय प्रसंस्करण समय बिल होता है। ये USD में प्रकाशित कंप्यूट दरें हैं, भारत में भुगतान की रुपये वाली राशि नहीं।

चार उपयोग स्तरों पर महीने का खर्च

तुलना के लिए 30 दिन का महीना, यानी 720 घंटे, और एक GPU मानें। Hugging Face की एक प्रतिकृति पूरे महीने सेवा के लिए तैयार रहती है; Replicate के समय आधारित सार्वजनिक मॉडल का सक्रिय प्रसंस्करण समय महीने का 10%, 25%, 50% या 100% है। ये क्रमशः 72, 180, 360 और 720 बिल योग्य घंटे हैं। यहाँ उपयोग प्रतिशत GPU के भीतर की व्यस्तता या अनुरोधों की गिनती नहीं, बल्कि महीने में सक्रिय प्रसंस्करण समय का हिस्सा है।

नीचे हर पंक्ति में Hugging Face का पूरे महीने का खर्च पहले है। उसके बाद Replicate के खर्च उसी क्रम में 10%, 25%, 50% और 100% सक्रिय समय के लिए दिए गए हैं:

• T4: Hugging Face $360; Replicate $58.32, $145.80, $291.60 और $583.20।
• L40S: Hugging Face $1,296; Replicate $252.72, $631.80, $1,263.60 और $2,527.20।
• A100: Hugging Face $1,800; Replicate $362.88, $907.20, $1,814.40 और $3,628.80।
• H100: Hugging Face के GCP विकल्प पर $7,200; Replicate $395.28, $988.20, $1,976.40 और $3,952.80।

हिसाब दोहराने का तरीका सीधा है: Hugging Face की प्रति घंटा दर को 720 से गुणा करें। Replicate की दर को 720 और सक्रिय समय के अनुपात से गुणा करें। मसलन, T4 पर 25% समय 180 घंटे है; $0.81 × 180 से $145.80 बनते हैं। यह एक प्रतिकृति और केवल सूचीबद्ध कंप्यूट शुल्क का सशर्त अनुमान है, किसी चुने हुए मॉडल का वास्तविक मासिक बिल नहीं।

किस बिंदु पर सस्ता विकल्प बदलता है?

दोनों अनुमानों की बराबरी तब होती है जब सक्रिय समय का अनुपात Hugging Face की प्रति घंटा दर को Replicate की दर से भाग देने के बराबर हो। T4 पर सीमा लगभग 61.7%, L40S पर 51.3% और A100 पर 49.6% है। इन सीमाओं से नीचे समय आधारित सार्वजनिक मॉडल का Replicate अनुमान कम है; इनके ऊपर पूरे महीने चालू रखे गए Hugging Face एंडपॉइंट का अनुमान कम हो जाता है।

A100 पर बदलाव चार उपयोग स्तरों में ही दिखता है। 25% सक्रिय समय में Replicate का अनुमान $907.20 है, जबकि Hugging Face का $1,800 रहता है। सक्रिय समय 50% होने पर Replicate $1,814.40 तक पहुँचता है और Hugging Face $1,800 पर रहता है। यदि एक साथ आए अनुरोधों के लिए अतिरिक्त प्रतिकृतियाँ चलानी पड़ें, तो इस एक GPU वाले हिसाब को सीधे अंतिम बजट नहीं मान सकते।

H100 को इसी निष्कर्ष में नहीं मिलाना चाहिए। यहाँ इस्तेमाल किए गए GCP विन्यास में Hugging Face की $10 दर, Replicate की $5.49 दर से अधिक है। बराबरी लगभग 182.1% सक्रिय समय पर आएगी, जो महीने में संभव नहीं; इसलिए इन शर्तों पर Replicate का अनुमान 100% सक्रिय समय में भी कम है। Hugging Face की मूल्य सूची में दिखने वाली कम AWS H100 दर को नई तैनाती के लिए उपलब्ध मानकर गणना करना भ्रामक होगा, क्योंकि वह विकल्प अप्रचलित चिह्नित है।

निष्क्रिय समय का बिल मॉडल के प्रकार से तय होता है

Replicate पर ऊपर दिखाई गई बचत समय आधारित सार्वजनिक मॉडल की शर्त से आती है। कुछ सार्वजनिक मॉडलों का शुल्क GPU समय के बजाय इनपुट या आउटपुट पर तय होता है; उनके लिए यह तालिका लागू नहीं होती। अधिकांश निजी मॉडल समर्पित हार्डवेयर पर चलते हैं और उनकी प्रतिकृति के शुरू होने, खाली रहने तथा अनुरोध संसाधित करने का समय बिल योग्य होता है। तेजी से शुरू होने वाले कुछ फाइन-ट्यून मॉडल इस निजी मॉडल नियम के अपवाद हैं।

Hugging Face पर भी पूरे महीने चालू प्रतिकृति रखना अनिवार्य नहीं है। इसकी स्वचालित क्षमता समायोजन मार्गदर्शिका निष्क्रियता के बाद एंडपॉइंट को शून्य प्रतिकृतियों तक घटाने का विकल्प बताती है; अगला अनुरोध आने पर प्रतिकृति फिर शुरू करनी पड़ती है। ऐसा विन्यास खाली समय का कंप्यूट खर्च घटा सकता है, इसलिए ऊपर दिया स्थिर Hugging Face मासिक खर्च तब लागू नहीं रहेगा। कितनी बचत होगी, यह निष्क्रिय अंतराल, शुरू होने के समय और प्रतिकृतियों की संख्या पर निर्भर करेगा।

ठंडे आरंभ की कीमत समय में दिखती है

शून्य तक घटा Hugging Face एंडपॉइंट अगले अनुरोध पर फिर तैयार होता है; मॉडल के अनुसार इसमें कुछ मिनट लग सकते हैं। Replicate की मॉडल चलाने की मार्गदर्शिका बताती है कि कुछ समय इस्तेमाल न हुआ मॉडल बंद हो सकता है और उसके अगले अनुरोध पर ठंडा आरंभ आता है; लोकप्रिय सार्वजनिक मॉडल साझा मांग के कारण अधिक बार तैयार रहते हैं। मांग अचानक बढ़ने पर नई प्रतिकृतियों को तैयार होने में भी समय लग सकता है।

इसलिए कम निष्क्रिय खर्च और पहले जवाब की गति के बीच वास्तविक चुनाव है, लेकिन प्रकाशित कीमतों से किसी खास अनुरोध का विलंब नहीं निकाला जा सकता। अगस्त 2026 की स्वतंत्र लागत तुलना ने भी दोनों सेवाओं पर प्रत्यक्ष विलंब परीक्षण न करने की सीमा स्पष्ट की थी। यहाँ दिए खर्च के अंतर को गति या मॉडल गुणवत्ता का मापा हुआ परिणाम नहीं समझना चाहिए।

तैनाती के लिए कौन सा हिसाब चुनें?

यदि अपना मॉडल लगातार तैयार रखना है, तो चुने गए GPU, क्षेत्र और कम से कम चालू प्रतिकृतियों की दर से बजट बनता है। एक स्थिर प्रतिकृति की शर्त पर T4, L40S और A100 की सूचीबद्ध दरें Hugging Face के पक्ष में हैं। यदि मांग छिटपुट है और Replicate पर उपलब्ध समय आधारित सार्वजनिक मॉडल काम पूरा करता है, तो निष्क्रिय समय का शुल्क न लगना अधिक अहम हो सकता है। निजी मॉडल के लिए पहले उसकी अलग बिलिंग शर्त देखें।

एक ही GPU नाम का अर्थ हर सार्वजनिक मॉडल पर वही हार्डवेयर चुन पाने की सुविधा नहीं है। मॉडल का उपलब्ध विन्यास, बिलिंग पद्धति और ठंडे आरंभ के लिए स्वीकार्य प्रतीक्षा खर्च की गणना के साथ मिलकर चुनाव तय करते हैं। Hugging Face पर समर्पित तैनाती के विकल्प को समझते समय मॉडल और Space का अंतर भी प्रासंगिक है।

यह भी पढ़ें:

• Hugging Face पर मॉडल चलाएँ या Space बनाएँ? पहले यह अंतर समझें
• Aadhaar Face Auth SDK आया—बैंक ऐप में FaceRD की जरूरत घटेगी
• Zerodha या Groww: मुफ्त डिलीवरी और ₹5 न्यूनतम शुल्क चुनाव बदलते हैं