OpenAI और Anthropic ने लॉन्च किए सस्ते GPT-6 और Claude…
OpenAI ने GPT-5.6 प्रचार मूल्य निर्धारण की तुलना में 50% API मूल्य कटौती का उल्लेख किया, जबकि Anthropic ने टोकन दक्षता के माध्यम से ~40% कम संचालन लागत का प्रस्ताव रखा।
OpenAI और Anthropic ने 22 सितंबर को कम लागत वाले मॉडल विकल्पों का परिचय दिया, ग्राहकों के अनुमानित खर्च को कम करने के इर्द-गिर्द इन रिलीज़ को ढाला, क्योंकि सस्ते ओपन-वेट प्रतिद्वंद्वी होस्टेड API मूल्य निर्धारण को दबा रहे हैं। ये लॉन्च हाल ही में AI सुरक्षा बहस से जुड़े उद्योगव्यापी धीमी गति के लिए किए गए कॉल के बाद से किसी भी प्रयोगशाला से पहले नए मॉडल के रूप में भी आते हैं।
OpenAI का GPT-6 Sol/Luna और Anthropic का Opus 5.5 लागत में कटौती को प्रमुखता से रखता है।
OpenAI ने 22 सितंबर को अपने GPT-6 परिवार में दो नए स्तर जोड़े: GPT-6सोलऔर GPT-6 लूना। कंपनी ने कहा कि नए स्तरों ने कटौती कीएपीआईGPT-5.6 के प्रचार मूल्य की तुलना में 50% की कीमत में कमी, इस कदम को डेवलपर्स द्वारा मॉडल को प्रोग्रामेटिक रूप से कॉल करने के लिए चुकाए जाने वाले मूल्य में सीधे कमी के रूप में प्रस्तुत किया गया है।
सेगमेंटेशन स्पष्ट है। OpenAI ने Sol को Astra के एक स्तर नीचे रखा और इसे कोडिंग जैसी अधिक जटिल कार्यभार के लिए लक्षित किया। Luna को "उच्च-वॉल्यूम कार्यों" के लिए तैयार किया गया है जैसे कि जानकारी निकालना या दस्तावेज़ों का सारांश बनाना, वह प्रकार का थ्रूपुट-भारी काम जहां टोकन-आधारित API बिल यूनिट अर्थशास्त्र पर हावी हो सकते हैं।
Anthropic का रिलीज़ एक अलग कोण से उसी स्तर को छू गया। कंपनी ने Claude Opus 5.5 का अनावरण किया, जो कि इसके Claude 5.5 परिवार का नवीनतम मॉडल है और इसे अधिक टोकन-कुशल बताया, यह अनुमान लगाते हुए कि इसे Opus 5 की तुलना में चलाने में लगभग 40% कम लागत आएगी। टोकन वे टेक्स्ट के टुकड़े हैं जिन्हें मॉडल प्रोसेस करता है, और टोकन दक्षता महत्वपूर्ण है क्योंकि अधिकांश API मूल्य निर्धारण टोकन के इन और आउट के आधार पर मापा जाता है।
एंथ्रोपिक की उत्पाद नेता डायन पेन ने इस तंत्र का वर्णन करते हुए कहा कि यह मॉडल को एक दिए गए "प्रयास सेटिंग" पर समान कार्य करने के लिए आवश्यक टोकनों की संख्या को कम करता है। पेन ने कहा, "हम जिन चीजों पर लगातार नवाचार कर रहे हैं, उनमें से एक यह है कि उस सोच को कैसे बनाया जाए, उत्तर देने को अधिक कुशल कैसे बनाया जाए, ताकि यह आपकी प्रयास सेटिंग के आधार पर कम टोकन का उपयोग करे।"
दोनों लॉन्च एक ही प्रतिस्पर्धात्मक पृष्ठभूमि के खिलाफ ढाले गए थे: सस्ते, ओपन-वेट मॉडल से दबाव, जिसका अर्थ है ऐसे मॉडल जिनका वजन दूसरों के लिए चलाने या फाइन-ट्यून करने के लिए उपलब्ध है, बजाय इसके कि वे एक होस्टेड API के पीछे बंद हों। उस संदर्भ में नामित प्रतिद्वंद्वियों में अलीबाबा, मूनशॉट एआई, और डीपसीक शामिल थे।
समय भी मायने रखता है। इन्हें हाल की सुरक्षा बहस के तेज होने और उन्नत एआई के विकास पर उद्योगव्यापी धीमी गति की मांग के बीच से किसी भी प्रयोगशाला से पहले रिलीज के रूप में वर्णित किया गया है। एंथ्रोपिक के सीईओ डारियो अमोडेई ने हाल के हफ्तों में धीमी गति की मांग की, और ओपनएआई के सीईओ सैम ऑल्टमैन और एलोन मस्क ने भी उस कॉल में शामिल हुए। सुरक्षा बहस आंशिक रूप से पूर्व एंथ्रोपिक शोधकर्ता जैकब कॉक्सन द्वारा 8 सितंबर को किए गए एक एक्स पोस्ट द्वारा उत्प्रेरित हुई, जिन्होंने कहा कि उन्होंने इस्तीफा दे दिया और चेतावनी दी कि दोनों प्रयोगशालाएँ “हमारी ज़िंदगी के साथ जुआ खेल रही हैं।”
व्यापारियों को अगली बातों पर नज़र रखने की आवश्यकता है: मूल्य निर्धारण पत्रक, बेंचमार्क, और ओपन-वेट स्पिलओवर।
तत्काल सीमा यह है कि खुलासे दिशा-निर्देशित हैं, पूरी तरह से मूल्य निर्धारण नहीं हैं। ओपनएआई और एंथ्रोपिक ने प्रतिशत में कमी दी, लेकिन प्रदान किया गया पाठ पूर्ण API मूल्य निर्धारण तालिकाएँ शामिल नहीं करता, जैसे कि इनपुट और आउटपुट के लिए $/1M टोकन, या यह कि क्या कटौती संदर्भ विंडो, उपकरण उपयोग, या उच्च-प्रयास तर्क मोड में समान रूप से लागू होती हैं।
बेंचमार्क अगली गायब प्राथमिकता हैं। बिना तीसरे पक्ष की तुलना के GPT-6 सोल/लूना और क्लॉड ओपस 5.5 की पिछले संस्करणों और नामित ओपन-वेट प्रतिस्पर्धियों के खिलाफ, बाजार को एक लागत-वलय संकेत के साथ छोड़ दिया गया है लेकिन एक मात्रात्मक प्रदर्शन-प्रति-डॉलर डेल्टा नहीं।
अपनाने का एक अन्य पहलू है। यदि लूना वास्तव में “उच्च मात्रा के कार्यों” के लिए ट्यून किया गया है, तो मान्यता मापनीय थ्रूपुट वृद्धि, डेवलपर प्रवासन, या उपयोग की संकेंद्रण के रूप में दिखाई देगी, जहां ओपन-वेट तैनाती होस्टेड APIs को कम कर सकती हैं। अंश में कोई उपयोग मेट्रिक्स नहीं दिए गए हैं, इसलिए किसी भी डाउनस्ट्रीम रीड-थ्रू से कंप्यूट मांग का अनुमानित रहना है।
अंत में, रिलीज़ एक निकट-अवधि की विश्वसनीयता परीक्षण के लिए धीमी गति की बयानबाजी के लिए सेट करती हैं। नेतृत्व से फॉलो-ऑन बयानों पर कि क्या हाल की कॉल रिलीज़ की गति को बदलती है या तैनाती पर प्रतिबंध लगाती है, यह मुख्य छूट से अधिक महत्वपूर्ण होगा, क्योंकि गति और गेटिंग यह निर्धारित करते हैं कि सस्ते फ्रंटियर इनफेरेंस वास्तव में उत्पादन कार्यभार में कितनी तेजी से फैलता है।
मेरी राय: सस्ते फ्रंटियर APIs ‘AI टोकन’ नारेटिव के लिए नए प्रमाण बिंदुओं के बिना बार उठाते हैं।
यहाँ तंत्र सरल है: दोनों प्रयोगशालाएँ प्रभावी रन लागत को कम करके इनफेरेंस मात्रा की रक्षा करने की कोशिश कर रही हैं, या तो स्पष्ट API मूल्य कटौती (ओपनएआई का 50% बनाम GPT-5.6 प्रोमो मूल्य निर्धारण) के माध्यम से या टोकन दक्षता को “एक ही काम, कम टोकन” के रूप में विपणन करके (एंथ्रोपिक का ~40% सस्ता-चलाने का दावा)। यह एक बार का प्रोमो कम और लागत-संवेदनशील उपयोग के मामलों के लिए विभाजन अधिक पढ़ता है, विशेष रूप से उच्च-थ्रूपुट निष्कर्षण और संक्षेपण लेन जहाँ ओपन-वेट मॉडल को सस्ते में चलाया जा सकता है यदि आप स्टैक को संचालित कर सकते हैं।
जो सीमा महत्वपूर्ण है वह यह है कि क्या पूर्ण मूल्य निर्धारण पत्रक और स्वतंत्र बेंचमार्क जल्दी से इसको नैरेटीव से मापने योग्य प्रदर्शन-प्रति-डॉलर रीसेट में बदलते हैं। यदि संख्याएँ और अपनाने का डेटा पुष्टि करते हैं कि सस्ते स्तर वास्तविक कार्यभार को ओपन-वेट तैनातियों से वापस खींचते हैं, तो व्यावहारिक प्रभाव यह है कि इनफेरेंस मूल्य निर्धारण के लिए एक निम्न फर्श है जो हर एआई-संबंधित टोकन कहानी को उपयोग के साथ खुद को सही ठहराने के लिए मजबूर करता है, न कि नारों के साथ।
