AI मॉडल और मूल्य की तुलना: होस्टेड, लोकल, यह API
AI मॉडल और मूल्य की निष्पक्ष तुलना करने के लिए आपको अपनी स्वयं की टोकन गणना चाहिए, न कि एक कीमत सूची। यह लेख आपको सूत्र, तुलना के लिए चार विकल्प, और इस API के गलत चयन होने के समय का ईमानदार विवरण देता है।

मॉडल प्राप्त करने के चार तरीके, और प्रत्येक की लागत
अधिकांश तुलनाएँ अलग-अलग चीज़ों को मिला देती हैं। एक मॉडल, एक प्रदाता और एक बिलिंग योजना तीन अलग-अलग विकल्प हैं। ऐप में टेक्स्ट जनरेशन के लिए, चार यथार्थवादी मार्ग हैं, और प्रत्येक की अपनी लागत संरचना है।
- एक बंद विक्रेता का अपना एपीआई। आपको उस विक्रेता के फ्लैगशिप मॉडल, उनकी फीचर सेट और उपयोग नीति मिलती है। कीमत प्रति टोकन है, और यह बदलती रहती है, इसलिए किसी ब्लॉग पोस्ट, इस एक सहित, पर भरोसा करने के बजाय उनकी वर्तमान कीमत जाँचें।
- एक राउटर या मार्केटप्लेस। एक खाता, कई मॉडल कई विक्रेताओं से। प्रयोगों के लिए सुविधाजनक, जिसमें अंतर्निहित कीमत के ऊपर मार्कअप या शुल्क की परत होती है, सेवा के आधार पर।
- एक ओपन-वेट मॉडल को स्वयं चलाना। प्रति टोकन शुल्क नहीं। आप GPUs या एक सक्षम वर्कस्टेशन, बिजली, सेटअप समय और रखरखाव के लिए भुगतान करते हैं, और आपकी थ्रूपुट वही होती है जो हार्डवेयर देता है।
- एक होस्टेड ओपन-वेट एपीआई जिसका संकीर्ण कार्य है। यही इस साइट है: एक ओपन-वेट मॉडल, एक स्वतंत्र प्रदाता द्वारा चलाया गया, कानूनी वयस्कों के उपयोग के लिए बिना सामग्री अस्वीकृति के उत्तर देने के लिए ट्यून्ड, एक OpenAI-संगत एंडपॉइंट के पीछे। यह Meta, Mistral, Qwen, DeepSeek, OpenAI, xAI, Google या Anthropic का आधिकारिक एपीआई नहीं है, और यह एक राउटर भी नहीं है।
इस लेख का शेष भाग आपको हर मार्ग पर संख्याएँ लगाने का एक तरीका देता है, किसी भी मार्केटिंग पेज पर भरोसा किए बिना।
यह एपीआई क्या प्रदान करता है, तथ्यों में जिन्हें आप जाँच सकते हैं
उस पक्ष से शुरुआत करें जिसे आप सत्यापित कर सकते हैं। यहाँ सब कुछ मूल्य सूची पृष्ठ और दस्तावेज़ में प्रकाशित है।
| आइटम | यह API |
|---|---|
| मॉडल ID | uncensored (एक मॉडल) |
| एंडपॉइंट | POST /v1/chat/completions, GET /v1/models |
| API फ़ॉर्मेट | Base URL और कुंजी बदलकर OpenAI SDK और क्लाइंट |
| कॉन्टेक्स्ट विंडो | 100,000 टोकन, प्रॉम्प्ट और पूर्णता |
| इनपुट मूल्य | $0.15 प्रति 1M टोकन |
| आउटपुट मूल्य | $0.50 प्रति 1M टोकन |
| बिलिंग | प्रीपेड क्रेडिट, कोई सदस्यता नहीं, कोई समाप्ति नहीं, विफल या अस्वीकृत अनुरोधों के लिए शुल्क नहीं |
| विशेषताएँ | स्ट्रीमिंग, टूल कॉलिंग, JSON मोड, सीड और सैंपलिंग नियंत्रण |
| सीमाएँ | पूर्ण कुंजी: 8 समानांतर अनुरोध, प्रति मिनट 300 अनुरोध। ट्रायल कुंजी: 2 समानांतर अनुरोध, प्रति मिनट 60 |
| पेश नहीं किया गया | छवियाँ, ऑडियो, वीडियो, एम्बेडिंग्स, फाइन-ट्यूनिंग |
अन्य मार्गों के लिए उसी टेबल को एक टेम्पलेट के रूप में उपयोग करें। यदि आप किसी प्रतिस्पर्धी सेवा के दस्तावेज़ीकरण से किसी पंक्ति को भर नहीं सकते, तो उसे एक निष्कर्ष मानें। समानांतरता और रेट लिमिट विशेष रूप से अक्सर मार्केटिंग पेजों पर अनुपलब्ध होते हैं और बैच वर्क के लिए निर्णायक होते हैं।
लागत सूत्र, सटीक उदाहरणों के साथ
मासिक लागत = (इनपुट टोकन / 1,000,000) × इनपुट दर + (आउटपुट टोकन / 1,000,000) × आउटपुट दर। यहाँ इसमें छिपी कोई अन्य लागत नहीं है। $0.15 और $0.50 पर तीन उदाहरण:
- छोटा टूल। एक महीने में 2M इनपुट और 0.5M आउटपुट टोकन: 2 x $0.15 = $0.30, और 0.5 x $0.50 = $0.25, कुल $0.55।
- व्यस्त उत्पाद। 50M इनपुट और 10M आउटपुट: 50 x $0.15 = $7.50, और 10 x $0.50 = $5.00, कुल $12.50।
- आउटपुट-भारी लेखन ऐप। 5M इनपुट और 5M आउटपुट: 5 x $0.15 = $0.75, प्लस 5 x $0.50 = $2.50, कुल $3.25।
तीसरी पंक्ति यह दर्शाती है कि इनपुट-से-आउटपुट अनुपात क्यों महत्वपूर्ण है। समान मात्रा पर, यहाँ आउटपुट इनपुट से तीन गुना से अधिक महंगा है, इसलिए एक उपयोग-केस जो छोटे प्रॉम्प्ट से लंबे जवाब लिखता है, उसका व्यवहार एक ऐसे उपयोग-केस से अलग होता है जो लंबे दस्तावेज़ पढ़ता है और संक्षेप में जवाब देता है। जब आप किसी भी दो सेवाओं की तुलना करते हैं, तो दोनों अनुपातों को दोनों मूल सूचियों से चलाएं।
अब उसी प्रश्न को अन्य विकल्पों से पूछें। किसी बंद वेंडर या राउटर के लिए, उनकी वर्तमान प्रति-टोकन दरें लें और उसी तीन परिदृश्यों को चलाएं। स्थानीय रन के लिए, अपने मासिक हार्डवेयर लागत, बिजली और उसे बनाए रखने में लगाए गए समय को उस मॉडल द्वारा वास्तव में उत्पादित टोकन की संख्या से विभाजित करें। आइडल GPU स्थानीय रन को प्रति टोकन महंगा दिखाते हैं, और पूरी तरह से लोड वाला GPU उसे बहुत सस्ता दिखा सकता है। आपको जो मिलता है, वह आपके लोड पर निर्भर करता है, इसलिए मापें।
अपने प्रॉम्प्ट पर मापें
प्रकाशित मूल्य आपको रेट बताते हैं, लेकिन आपके टोकन काउंट्स के बारे में कुछ नहीं। अलग-अलग मॉडल अलग-अलग तरीके से टोकनाइज़ करते हैं, और विस्तृत मॉडल एक ही सवाल के लिए लंबे उत्तर लिखते हैं। ईमानदार तुलना के लिए, अपने असली प्रॉम्प्ट चलाएँ और लॉग करें कि क्या वापस आया। यह स्क्रिप्ट इस API के खिलाफ ऐसा ही करती है; बेस URL और मॉडल को किसी अन्य सेवा पर पॉइंट करें ताकि उससे समान नंबर प्राप्त हो सकें।
import os, time
from openai import OpenAI
client = OpenAI(
base_url="https://api.uncensoredaimodels.com/v1",
api_key=os.environ["UNCENSORED_KEY"],
)
IN_PER_M, OUT_PER_M = 0.15, 0.50 # dollars per 1M tokens
def cost(prompt_tokens, completion_tokens):
return prompt_tokens / 1e6 * IN_PER_M + completion_tokens / 1e6 * OUT_PER_M
def trial(prompt):
t0 = time.time()
r = client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": prompt}],
max_tokens=500,
)
u = r.usage
return {
"seconds": round(time.time() - t0, 2),
"in": u.prompt_tokens,
"out": u.completion_tokens,
"dollars": round(cost(u.prompt_tokens, u.completion_tokens), 6),
"text": r.choices[0].message.content,
}
for p in open("my_real_prompts.txt").read().split("\n---\n"):
print(trial(p))
my_real_prompts.txt में तीन डैश वाली लाइन से अलग-अलग 20 से 50 असली प्रॉम्प्ट डालें। आउटपुट खुद पढ़ें। प्रत्येक प्रॉम्प्ट का खर्च तभी उपयोगी है जब उत्तर आपकी शर्तों पर खरे उतरें, और एक सस्ता मॉडल जो हर टास्क के लिए दो बार प्रयास करे, वह सस्ता नहीं है। इसके लिए ट्रायल कुंजी काफी है: नए उपयोगकर्ता API कुंजी पेज पर एक क्लिक से $0.50 का क्रेडिट प्राप्त कर सकते हैं, जो 7 दिनों के लिए मान्य है, कार्ड की आवश्यकता नहीं है। ध्यान दें कि ट्रायल कुंजी में 2 समानांतर अनुरोध और प्रति मिनट 60 अनुरोध की सीमा है, इसलिए स्क्रिप्ट को क्रमिक रूप से चलाएं।
जब एक बंद फ्रंटियर API बेहतर विकल्प है
इस बारे में स्पष्ट रहें कि आप कुछ भी खर्च करने से पहले। यदि आपका कार्य उपलब्ध सबसे मजबूत सामान्य तर्क, विज़न इनपुट, ऑडियो, खोज के लिए एम्बेडिंग्स या वेंडर की फाइन-ट्यूनिंग सेवा पर निर्भर करता है, तो एक बंद वेंडर की API सही उपकरण है और यह API इसे प्रतिस्थापित नहीं कर सकती। इस API में एक टेक्स्ट मॉडल है। यह छवियों या ऑडियो को जनरेट या पढ़ता नहीं है, एम्बेडिंग्स उत्पन्न नहीं करता है, और न ही फाइन-ट्यून करता है।
यही नीति पर लागू होता है। बंद वेंडर अपने स्वयं के सामग्री नियम लागू करते हैं, और एक कस्टमर-सपोर्ट बॉट या बच्चों के ट्यूटिंग टूल के लिए, वे नियम एक फीचर हैं। बिना अस्वीकृति के जवाब देने के लिए ट्यून्ड एक API उस उत्पाद के लिए खराब मेल है जहां आप चाहते हैं कि मॉडल सीमा वाले अनुरोधों पर विरोध करे। आप अपने स्वयं के फिल्टरिंग जोड़ सकते हैं, लेकिन यदि अस्वीकृतियां ही आपकी आवश्यकता हैं, तो एक ऐसी सेवा चुनें जो उनके आसपास बनी हो।
अंत में, एंटरप्राइज़ आवश्यकताओं की जांच करें। यदि आपको एक हस्ताक्षरित डेटा-प्रोसेसिंग समझौता, क्षेत्र की गारंटी या अपटाइम प्रतिबद्धताओं की आवश्यकता है, तो प्रत्येक प्रदाता से उन्हें लिखित में पूछें। यह साइट ऊपर सूचीबद्ध तथ्यों को प्रकाशित करती है और उनसे परे कुछ नहीं।
जब स्थानीय रन जीतता है
स्थानीय रन सही उत्तर है जब डेटा कभी भी आपके हार्डवेयर से बाहर नहीं जाना चाहिए, जब आपको ऑफलाइन संचालन की आवश्यकता हो, जब आपकी मात्रा उच्च और स्थिर हो कि GPU व्यस्त रहे, या जब आप मॉडल फाइलों और सैंपलिंग पर पूर्ण नियंत्रण चाहते हों। आप किसी भी ओपन-वेट मॉडल को चुन सकते हैं और इच्छानुसार बदल सकते हैं।
उस नियंत्रण का दाम असली है। आपको ड्राइवर, सर्विंग सॉफ़्टवेयर, क्वांटीज़ेशन विकल्प, मेमोरी सीमाएँ और अपडेट हैंडल करने होते हैं। लंबे कॉन्टेक्स्ट विंडो मेमोरी में महंगे होते हैं, इसलिए एक API पर एक ही पैरामीटर वाला 100,000-टोकन विंडो स्थानीय रूप से हार्डवेयर प्रोजेक्ट बन सकता है। एक प्रोटोटाइप के लिए, या ऐसी ऐप के लिए जिसकी ट्राफिक बर्स्ट्स में आती है, एक API आमतौर पर जल्दी काम करने वाले उत्पाद तक पहुँचाता है। यदि आप कोडिंग साइड पर इंजीनियरिंग ट्रेड-ऑफ्स का अंदाज़ा चाहते हैं, तो एक बिना सेंसर कोडिंग LLM के लिए प्रोडक्शन चेकलिस्ट उन पर विस्तार से चर्चा करता है।
यह API कहाँ फिट बैठता है, और शुरुआत कैसे करें
यह तब फिट बैठता है जब आप एक OpenAI-कम्पैटिबल एंडपॉइंट चाहते हैं, एक मॉडल जो कानूनी वयस्क अनुरोधों को अस्वीकार नहीं करता है, बिना सब्सक्रिप्शन के प्रीपेड बिलिंग, और स्पष्ट सीमाएं। सामान्य कार्य फिक्शन और रोलप्ले बैकएंड, वयस्कों के लिए कंपैनियन ऐप्स, रेड-टीम और लेखन टूल, और एजेंट लूप हैं जो कहीं और अस्वीकृति पर विफल हो जाते हैं। नाबालिगों से संबंधित यौन सामग्री एक कठोर सीमा है। प्रॉम्प्ट प्रशिक्षण के लिए उपयोग नहीं किए जाते हैं।
मौजूदा क्लाइंट को बदलने के लिए दो पंक्तियाँ चाहिए: बेस URL को https://api.uncensoredaimodels.com/v1 और मॉडल को uncensored पर बदलें। टॉप-अप $20 से $500 तक पूर्ण राशि में होते हैं, जिनमें $50 से +5%, $100 से +10% और $200 से +15% बोनस मिलता है, जिसे क्रिप्टो (TRC20 पर USDT, Base पर USDC) से भुगतान किया जा सकता है। क्रेडिट कभी समाप्त नहीं होता, इसलिए $20 का पहला टॉप-अप वास्तविक वॉल्यूम के साथ ऊपर दिए गए मापन स्क्रिप्ट को चलाने का कम जोखिम वाला तरीका है। क्विकस्टार्ट में पूरा अनुरोध प्रारूप दिया गया है।
अधिक गाइड
प्रश्न और उत्तर
मैं AI मॉडल की कीमत की तुलना सही ढंग से कैसे करूं?
इनपुट और आउटपुट दरों को एकत्र करें, फिर प्रत्येक को अपनी मासिक टोकन मात्रा से गुणा करें और उन्हें जोड़ें। मॉडल विस्तार और टोकनाइज़ेशन में भिन्न होते हैं, इसलिए वास्तविक टोकन गणना प्राप्त करने के लिए प्रत्येक सेवा के माध्यम से असली प्रॉम्प्ट चलाएं।
क्या होस्टेड API, स्थानीय रूप से मॉडल चलाने से सस्ता है?
कम या बर्स्ट ट्राफिक के लिए, आमतौर पर हाँ, क्योंकि आप केवल उपयोग किए गए टोकन के लिए भुगतान करते हैं। उच्च, स्थिर लोड के लिए जो GPU को व्यस्त रखता है, स्थानीय प्रति टोकन सस्ता हो सकता है। स्थानीय लागत में हार्डवेयर, बिजली और अपना समय शामिल करें।
क्या यह API कई मॉडल प्रदान करता है?
नहीं। यह एक मॉडल को उपलब्ध कराता है, जिसका ID uncensored है। यह वेंडर के बीच एक राउटर नहीं है और न ही यह किसी वेंडर की आधिकारिक API है।
यहाँ इनपुट और आउटपुट के लिए 1M टोकन का खर्च कितना है?
इनपुट $0.15 प्रति 1M टोकन है और आउटपुट $0.50 प्रति 1M टोकन है। बिलिंग प्रीपेड क्रेडिट से होती है, और विफल या अस्वीकृत अनुरोधों के लिए चार्ज नहीं किया जाता है।
आपकी कुंजी बस एक फॉर्म दूर है
एक खाता बनाएँ, कुंजी कॉपी करें, बेस URL बदलें। सेटअप यही है।