चीन का AI इतना सस्ता क्यों है? कीमत-युद्ध की अंदरूनी कहानी

क्या चीन का AI इसलिए सस्ता है क्योंकि सरकार उसके लिए पैसा दे रही है? नहीं। सब्सिडी मौजूद है, और वह इस अंतर की लगभग कोई व्याख्या नहीं करती। DeepSeek के सितंबर के V4.1-Flash रिलीज़ ने इसका प्रति-उदाहरण असाधारण रूप से ठोस बना दिया: इसकी आधिकारिक API कीमत ऑफ़-पीक में प्रति दस लाख कैश-मिस इनपुट टोकन $0.15 और प्रति दस लाख आउटपुट टोकन $0.60 है, जो पीक घंटों में दोगुनी होकर $0.30 और $1.20 हो जाती है, जबकि डाउनलोड किए जा सकने वाले वेट्स MIT लाइसेंस के साथ आते हैं। सिर्फ़ सस्ते पैसे से आप यहाँ तक नहीं पहुँचते। आपको अच्छी तरह बनाना पड़ता है, एक बड़े मॉडल का छोटा हिस्सा सक्रिय करना पड़ता है और उसे एक सस्ते स्टैक पर परोसना पड़ता है। यह सस्तापन असली है, ज़्यादातर ढाँचागत है, और पाँच चीज़ों के एक के ऊपर एक जुड़ने से आता है। पाँच में से सिर्फ़ एक अस्थायी है।

मुख्य बातें- चीनी AI पाँच वजहों के एक के ऊपर एक जुड़ने से सस्ता है, सिर्फ़ सब्सिडी से नहीं: ओपन वेट्स, सच्ची दक्षता, एक कीमत-युद्ध, सस्ती ऊर्जा और गहरी प्रतिभा।- ओपन वेट्स API मार्जिन को पूरी तरह हटा देते हैं। आप ख़ुद होस्ट करते हैं, इसलिए किसी वेंडर को प्रति-टोकन किराया नहीं चुकाना पड़ता।- सस्ते का मतलब छोटा या पुराना नहीं है। DeepSeek V4.1-Flash एक 552 अरब पैरामीटर वाला मिक्सचर-ऑफ़-एक्सपर्ट्स मॉडल है जो प्रॉम्प्ट पढ़ते समय प्रति टोकन सिर्फ़ 8 अरब पैरामीटर सक्रिय करता है, और इसमें 10 लाख टोकन की कॉन्टेक्स्ट विंडो और नेटिव विज़न है।- हर चीनी फ़्रंटियर मॉडल एक ही तरह से सस्ता नहीं है। Kimi K3 की आधिकारिक कैश-मिस API कीमत प्रति दस लाख टोकन $3 इनपुट और $15 आउटपुट है, इसलिए आर्किटेक्चर, तैनाती और व्यावसायिक स्थिति, तीनों मायने रखते हैं।- सस्ती ऊर्जा सबसे ढाँचागत वजह है: चीन का मासिक सौर-उत्पादन अप्रैल 2025 में रिकॉर्ड 96 TWh पर पहुँचा, जो अमेरिका के परमाणु उत्पादन के पूरे एक महीने के बराबर है।- ख़रीदारों के लिए, "लागत के एक अंश में काफ़ी-अच्छा" अधिकांश वर्कलोड के लिए ख़ुद-बनाएँ-बनाम-ख़रीदें का गणित नए सिरे से लिख देता है।

जिस वजह पर सब ठहरते हैं वह है कीमत-युद्ध, और पाँचों में से यही मुझे सबसे कम दिलचस्प लगती है। मैं यह हांगझोऊ से लिख रहा हूँ, जहाँ DeepSeek और Qwen दोनों के पीछे की लैब बैठी हैं, और यहाँ की बातचीत शायद ही कभी इस बारे में होती है कि इस महीने किसने किसे नीचे काटा। बात इसकी होती है कि अगला आर्किटेक्चर आपको क्या दिलाता है। अगर आप बड़ा तर्क चाहते हैं, तो यह लेख मेरे उस स्तंभ-लेख के अंतर्गत आता है जो इस सवाल पर है कि क्या चीन AI की दौड़ जीत रहा है। सँकरा सवाल व्यावहारिक है: इसकी लागत इतनी कम क्यों है, और हलचल थमने के बाद इसका कितना हिस्सा क़ायम रहता है?

वजह 1: ओपन वेट्स API मार्जिन को ख़त्म कर देते हैं

सबसे बड़ी वजह सबसे फ़ीकी भी है। चीन के अग्रणी मॉडल ओपन-वेट हैं, इसलिए चुकाने के लिए कोई API मार्जिन है ही नहीं। अगस्त 2026 तक, Hugging Face की अपनी ग्रीष्म गिनती ने अलीबाबा की मॉडल-शृंखला Qwen को अकेले 2026 के पहले सात महीनों में लगभग 204.5 करोड़ Hub डाउनलोड और 1,51,448 डेरिवेटिव मॉडल पर रखा, जबकि अलीबाबा की अपनी गिनती सभी प्लेटफ़ॉर्म मिलाकर 3 अरब से ज़्यादा डाउनलोड और 3 लाख डेरिवेटिव का दावा करती है। कुछ महीने पहले, MIT Technology Review ने इसे 60 करोड़ से अधिक डाउनलोड और सभी नए Hugging Face डेरिवेटिव के 40% से ज़्यादा पर आँका था। आप वेट्स डाउनलोड करते हैं और उन्हें ख़ुद चलाते हैं।

यह सटीकता से समझना ज़रूरी है कि एक बंद API आपसे किस-किस चीज़ के पैसे वसूलता है। कंप्यूट, बेशक। पर साथ में प्रदाता का मार्जिन, उसके शोध-ख़र्च की वसूली की लागत, और इन दोनों के ऊपर चुपचाप बैठा एक जोखिम-प्रीमियम। ओपन वेट्स इन सबको आपके बिल की एक ही पंक्ति में समेट देते हैं: जिस हार्डवेयर पर आप मॉडल चलाते हैं उसकी कच्ची लागत।

यह बात तब तक असली महसूस नहीं होती जब तक आप अपना इनवॉइस हिलते न देख लें। जब मैं किसी वर्कलोड को एक होस्टेड फ़्रंटियर API से उठाकर अपने ही GPU पर एक ओपन चीनी मॉडल पर ले जाता हूँ, तो मैं बेहतर दर पर मोलभाव नहीं कर रहा होता; मैं दर को ही ख़त्म कर रहा होता हूँ। प्रति-टोकन लागत सिर्फ़ सिकुड़ती नहीं, उसकी श्रेणी ही बदल जाती है: अब आप किराए के बजाय बिजली के पैसे चुका रहे हैं।

ओपन वेट्स नीचे की ओर चक्रवृद्धि भी करते हैं। 2025 के दौरान वैश्विक Hugging Face डाउनलोड की हिस्सेदारी में चीनी ओपन-वेट मॉडल अमेरिकी मॉडलों से आगे निकल गए, और Hugging Face की अपनी वसंत 2026 रिपोर्ट में उनकी हिस्सेदारी सभी प्लेटफ़ॉर्म डाउनलोड का 41% है। हर डेरिवेटिव और हर क्वांटाइज़ेशन, रात के दो बजे किसी ऐसे व्यक्ति द्वारा लिखा हर सामुदायिक ट्यूटोरियल जो बस चीज़ को चलाना चाहता था, अगली तैनाती को सस्ता बनाता है। एक बंद API आपको इसमें से कुछ नहीं देता। आप बस किराया चुकाते रहते हैं।

अग्रणी चीनी मॉडल ओपन वेट्स के रूप में जारी होते हैं, जिससे लागत से API मार्जिन पूरी तरह हट जाता है। अगस्त 2026 तक अकेले Qwen ने Hugging Face पर 2 अरब डाउनलोड और 1,51,448 डेरिवेटिव का आँकड़ा पार कर लिया था, और चीनी ओपन-वेट मॉडल वैश्विक Hugging Face डाउनलोड की हिस्सेदारी में अमेरिकी मॉडलों से आगे निकल चुके हैं, जो वसंत 2026 तक सभी प्लेटफ़ॉर्म डाउनलोड का 41% पर पहुँच गई। ख़ुद होस्ट करना प्रति-टोकन वेंडर दर को कच्ची हार्डवेयर लागत से बदल देता है।

अगर आप आमने-सामने की तुलना चाहते हैं, तो मैं मुख्य विकल्पों की तुलना Qwen बनाम DeepSeek बनाम Llama में करता हूँ।

वजह 2: असली दक्षता, सिर्फ़ सब्सिडी नहीं

यहीं सब्सिडी वाली कहानी बिखर जाती है। लागत-लाभ का एक बड़ा हिस्सा सच्ची इंजीनियरिंग है। V4.1-Flash की रीढ़ 552 अरब पैरामीटर की है, पर प्रॉम्प्ट पढ़ते समय वह हर टोकन के लिए सिर्फ़ 8 अरब सक्रिय करता है, और जनरेट करते समय 16 अरब। V4 Pro कहीं बड़ा है: कुल 1.6 ट्रिलियन और 49 अरब सक्रिय। Stanford HAI के AI Index का मार्च 2026 वाला स्नैपशॉट पहले ही अग्रणी अमेरिकी और चीनी मॉडलों को एक सार्वजनिक लीडरबोर्ड पर क़रीब दिखा चुका था, पर वह V4, Qwen3.8, Kimi K3, GLM-5.2 और MiniMax M3 से पहले का है। यह रुझान का सबूत है, मौजूदा कीमत-समायोजित रैंकिंग नहीं।

सबसे साफ़ लीवर आर्किटेक्चर है। मिक्सचर-ऑफ़-एक्सपर्ट्स डिज़ाइन हर टोकन को मॉडल के पैरामीटरों के सिर्फ़ एक अंश से होकर भेजते हैं, इसलिए आपको एक विशाल मॉडल की क्षमता एक कहीं छोटे मॉडल की इन्फरेंस लागत पर मिलती है। कई अग्रणी चीनी मॉडल इसी पर भारी भरोसा करते हैं। यह प्रति-टोकन लागत में ऐसी कटौती है जो बाद में बाहर से जोड़ी नहीं गई, बल्कि मॉडल में ही पकी हुई है।

फिर DeepSeek की कहानी है, जहाँ से “DeepSeek मोमेंट” वाली कहावत आई है। मैं सुर्ख़ियों वाले प्रशिक्षण-लागत के आँकड़ों को परखे हुए के बजाय बताए गए के रूप में लूँगा। सटीक संख्याएँ विवादित हैं, और जो कोई उन्हें तीन सार्थक अंकों तक उद्धृत कर रहा है, वह अंदाज़ा लगा रहा है। पर दिशा पर संदेह नहीं है: उस कंप्यूट बजट के एक अंश में बनाए गए प्रतिस्पर्धी मॉडल, जिसे सब प्रवेश की क़ीमत मानते थे।

दक्षता का पहलू सब्सिडी की बहस से ज़्यादा मायने रखता है, एक सादी वजह से: दक्षता साथ चलती है और सब्सिडी नहीं। सब्सिडी जब तक पैसा बहता रहे, तब तक एक बाज़ार में एक कीमत को थामे रखती है। एक आर्किटेक्चरल जीत, प्रति-टोकन कम सक्रिय पैरामीटर या बेहतर प्रशिक्षण-नुस्ख़ा, सच्चे लागत-तल को हर जगह, हर उस व्यक्ति के लिए नीचे करती है जो उसकी नक़ल करता है। यही वजह है कि इन कुशल मॉडलों का ओपन-वेट रिलीज़ ही असली मायने रखने वाला हिस्सा है। यह सिर्फ़ उत्पाद नहीं, लागत-लाभ का निर्यात करता है।

अपनाने के आँकड़े कहते हैं कि यह काम कर रहा है। फ़रवरी 2026 के अंत में चीनी मॉडल OpenRouter के शीर्ष 10 के भीतर अमेरिकी मॉडलों से आगे निकल गए, शीर्ष-10 टोकन-खपत का लगभग 61% लेते हुए, और OpenRouter की रैंकिंग पर अप्रैल 2026 के आसपास पूरे प्लेटफ़ॉर्म में बहुमत तक पहुँच गए। टोकन प्रेस-रिलीज़ नहीं, असली काम होते हैं, और डेवलपरों ने अपने टोकन वहीं ले जा दिए।

लागत-लाभ का एक बड़ा हिस्सा सच्ची दक्षता है, सब्सिडी नहीं। DeepSeek V4.1-Flash प्रॉम्प्ट पढ़ते समय अपने 552 अरब में से 8 अरब पैरामीटर प्रति टोकन सक्रिय करता है, और इसकी आधिकारिक कैश-मिस API कीमत ऑफ़-पीक में प्रति दस लाख इनपुट टोकन $0.15 और प्रति दस लाख आउटपुट टोकन $0.60 है, जो पीक घंटों में दोगुनी हो जाती है, जबकि आर्किटेक्चर मॉडल कार्ड पर दर्ज है। मिक्सचर-ऑफ़-एक्सपर्ट्स डिज़ाइन हर टोकन पर इस्तेमाल होने वाले कंप्यूट को घटाता है, भले पूरा मॉडल बड़ा हो।

वजह 3: एक घरेलू कीमत-युद्ध

कुछ सस्तापन मॉडलों में बना हुआ है ही नहीं। उसे प्रतिस्पर्धा ने ठोक-पीटकर बैठाया है। घरेलू बाज़ार एक हाथापाई है: अलीबाबा, DeepSeek और कई अन्य, सब अच्छी तरह वित्त-पोषित, सब उन्हीं डेवलपरों के पीछे। यह लड़ाई API और होस्टिंग की लागत को सब ओर नीचे घसीटती है। बहुत-सा सस्तापन बस प्रतिद्वंद्वियों का एक-दूसरे को नीचे काटना है, और यही वह हिस्सा है जिसका हिसाब सब्सिडी वाली कहानी कभी नहीं देती।

तरीक़ा काफ़ी साफ़ है। जब सब तुलनीय ओपन-वेट मॉडल पेश करते हैं, तो बचे हुए इकलौते लीवर हैं कीमत और सहूलियत। जो क्षमता बगल वाली लैब बराबर मुहैया कराकर मुफ़्त बाँट देती है, उसके लिए कोई प्रीमियम वसूल नहीं सकता। इसलिए तल लगातार गिरता रहता है, और बचत हर उस व्यक्ति तक पहुँचती है जो इन मॉडलों को होस्ट करता है, चाहे वह चीन के भीतर हो या बाहर।

ओपन-वेट रिलीज़ आंशिक रूप से उसी लड़ाई का एक हथियार हैं। मज़बूत वेट्स मुफ़्त जारी करना मनोग्रहण जीतता है, एक पारितंत्र बोता है, और किसी प्रतिद्वंद्वी से मुद्रीकरण का मौक़ा छीन लेता है। Qwen के 1,51,448 Hub डेरिवेटिव आंशिक रूप से ठीक उसी रणनीति का फल हैं, और इसमें शामिल कोई भी इसे दान नहीं कहेगा।

यही वह वजह है जिस पर मैं सबसे कम भरोसा करूँगा, और ख़रीदारों को इसके धीमे पड़ने की योजना बनानी चाहिए। कीमत-युद्ध टिकते नहीं। कुछ लैब मिल जाएँगी, कुछ विफल होंगी, और बची हुई लैब आख़िरकार मार्जिन वापस खींचने की कोशिश करेंगी। तल को नीचे थामे रखने वाली बात यह है कि वे ओपन वेट्स को वापस नहीं ले सकते। जो मॉडल पहले से खुली दुनिया में हैं, वे बाज़ार आगे चाहे जो करे, चलाने में सस्ते बने रहते हैं।

चीन का घरेलू AI बाज़ार बेहद प्रतिस्पर्धी है, और वह कीमत-युद्ध होस्टिंग तथा API लागत को सबके लिए नीचे धकेलता है, सिर्फ़ चीन के भीतर के ख़रीदारों के लिए नहीं। मुफ़्त ओपन-वेट रिलीज़ आंशिक रूप से एक प्रतिस्पर्धी हथियार हैं, जो Qwen के 1,51,448 Hub डेरिवेटिव जैसे पारितंत्र बनाने में मदद करते हैं। कीमत-युद्ध अस्थायी है; उससे बनने वाले ओपन वेट्स स्थायी हैं।

जिन बचे रहने वालों पर निर्माण करने लायक है, उनकी तुलना मैं Qwen बनाम DeepSeek बनाम Llama में करता हूँ।

वजह 4: सस्ती ऊर्जा और विनिर्माण का पैमाना

सॉफ़्टवेयर के नीचे भौतिकी बैठी है, और यही इन सबमें सबसे ढाँचागत वजह है। एक परोसा गया टोकन अंततः बिजली की एक छोटी-सी मात्रा है। चीन का मासिक सौर-उत्पादन अप्रैल 2025 में रिकॉर्ड 96 TWh पर पहुँचा, जो उस लगभग 65 TWh मासिक के बराबर है जो अमेरिका को परमाणु ऊर्जा से मिलती है, यानी सालाना करीब 775 TWh। सस्ती, ज़्यादा प्रचुर बिजली का मतलब है प्रशिक्षण और इन्फरेंस दोनों के नीचे एक निचला तल।

यह वह इनपुट है जिसकी बराबरी कोई मॉडल-रिलीज़ नहीं कर सकता। अगर आपकी बिजली सस्ती है और आपका ग्रिड तेज़ी से बढ़ रहा है, तो पूरे स्टैक की हर परत एक साथ सस्ती हो जाती है: प्रशिक्षण-रन, इन्फरेंस-सर्विंग, और वे इमारतें जिनमें रैक रखे हैं। यह सुर्ख़ी वाले फ़ायदे के बजाय एक चुपचाप, चक्रवृद्धि होता फ़ायदा है, और शायद यही वजह है कि इस पर सबसे कम चर्चा होती है और यही सबसे ज़्यादा मायने रखता है।

विनिर्माण का पैमाना उसके ऊपर जुड़ जाता है। वही औद्योगिक आधार जो हार्डवेयर को सस्ता बनाता है, डेटा-सेंटर के निर्माण को भी सस्ता बनाता है। चीन सिर्फ़ सस्ती बिजली पर मॉडल नहीं चला रहा; वह रैक, कूलिंग और सुविधाएँ घरेलू आपूर्ति-शृंखला की लागत पर बना रहा है। यह एक पूँजीगत-व्यय की बढ़त है, और यह सीधे एक टोकन की कीमत तक बह जाती है।

पाँचों में से यही वह वजह है जिसके पाँच साल बाद भी सच बने रहने की मुझे उम्मीद है। आप एक तिमाही में किसी आर्किटेक्चर की नक़ल कर सकते हैं और एक साल में एक कीमत-युद्ध ख़त्म कर सकते हैं। राष्ट्रीय उत्पादन दोगुना करने में काफ़ी ज़्यादा समय लगता है, और एक घरेलू विनिर्माण आधार को आप जादू से पैदा कर ही नहीं सकते। अगर मुझे यहाँ किसी एक वजह के इर्द-गिर्द दीर्घकालिक योजना बनानी हो, तो वह यही होगी, क्योंकि इसे पलटना किसी के लिए भी सबसे कठिन है।

सबसे ढाँचागत लागत-वजह ऊर्जा है। चीन का मासिक सौर-उत्पादन अप्रैल 2025 में रिकॉर्ड 96 TWh पर पहुँचा, जो अमेरिका के परमाणु उत्पादन के पूरे एक महीने (करीब 65 TWh) के बराबर है। सस्ती बिजली प्रशिक्षण और इन्फरेंस दोनों के लागत-तल को एक साथ नीचे करती है, और विनिर्माण का पैमाना डेटा-सेंटर के निर्माण को भी सस्ता बनाता है। इस फ़ायदे को पलटना सबसे कठिन है।

ग्रिड की कहानी में मैं चीन का AI ऊर्जा-लाभ में और गहराई तक जाता हूँ।

वजह 5: एक गहरा प्रतिभा-भंडार

आख़िरी वजह लोग हैं, और आपूर्ति के आँकड़े चौंकाने वाले हैं: NeurIPS 2024 के लेखकों से मापें तो चीन दुनिया के 38% शीर्ष AI शोधकर्ताओं को शिक्षित करता है, जो 2017 के 27% से ऊपर है। कुलीन इंजीनियरों का एक गहरा, सस्ता भंडार ठीक वही है जो आपको उन दक्षता-वृद्धियों के पीछे भागने के लिए चाहिए जो मॉडलों को चलाने में सस्ता बनाती हैं।

दक्षता-कार्य एक ख़ास तरह से श्रम-गहन होता है। किसी मॉडल से लागत निचोड़ना, चाहे बेहतर आर्किटेक्चर से हो, समझदार प्रशिक्षण से या आक्रामक अनुकूलन से, बहुत-से कुशल शोधकर्ताओं का तेज़ी से बार-बार दोहराना माँगता है। एक गहरी घरेलू आपूर्ति वाला देश उस समस्या पर, दुर्लभ विशेषज्ञ आयात करने वाले देश की तुलना में, कम लागत पर ज़्यादा सक्षम लोग झोंक सकता है। प्रतिभा-भंडार सीधे वजह 2 को पोषित करता है।

जब मैं इन मॉडलों के पीछे की तकनीकी रिपोर्ट पढ़ता हूँ, तो जो चीज़ उभरती है वह कोई एक सफलता नहीं होती। वह होती है सावधान, क्रमिक इंजीनियरिंग की निरी मात्रा। दर्जनों छोटे-छोटे अनुकूलन, जो तभी हो पाते हैं जब उन्हें करने के लिए पर्याप्त हाथ हों। यह एक प्रतिभा-गहराई की कहानी है, और यही एक बड़ी वजह है कि हर रिलीज़ के साथ दक्षता बेहतर होती जाती है।

एक चेतावनी जिसे मैं नहीं छोड़ूँगा: चीन में शिक्षित कुलीन शोधकर्ताओं का एक बड़ा हिस्सा परंपरागत रूप से विदेश में काम करता रहा है, इसलिए यह कोई साफ़-सुथरा घरेलू-टीम का फ़ायदा नहीं है। पर रुझान ऊपर की ओर है, सात साल में 27% से 38%, और स्वदेश में विश्व-स्तरीय लैबों की बढ़ती सूची उस प्रतिभा को उतरने की जगह देती है।

चीन का गहरा प्रतिभा-भंडार दक्षता-इंजन को पोषित करता है। यह दुनिया के 38% शीर्ष AI शोधकर्ताओं को शिक्षित करता है, जो 2017 के 27% से ऊपर है। लागत-कटौती वाला मॉडल-कार्य श्रम-गहन होता है, इसलिए एक बड़ा, सक्षम इंजीनियरिंग भंडार ठीक वही है जो चीनी लैबों को हर रिलीज़ के साथ असली प्रति-टोकन लागत घटाते रहने देता है।

उदाहरणात्मक, दिशासूचक आकलन, सटीक मापे गए मान नहीं। स्थितियाँ बताए गए पैटर्न को दर्शाती हैं: चीनी ओपन-वेट मॉडल अधिक-क्षमता, कम-लागत वाले चतुर्थांश में गुच्छित हैं, जबकि शीर्ष बंद अमेरिकी फ़्रंटियर क्षमता में अब भी सबसे ऊपर है, पर अधिक लागत पर। क्षमता-अंतर का संदर्भ: Stanford HAI AI Index 2026।

आपके ख़रीद-निर्णय के लिए इसका क्या मतलब है

यहीं यह बात सामान्य ज्ञान से निकलकर निर्णय बदलने लगती है। जब 10 लाख टोकन की कॉन्टेक्स्ट विंडो वाला एक मॉडल DeepSeek V4.1-Flash जैसी कीमतों पर मिलता है, तो कई नियमित वर्कलोड के लिए ख़ुद-बनाएँ-बनाम-ख़रीदें का गणित पलट जाता है। अब आप डिफ़ॉल्ट रूप से भारी प्रीमियम नहीं चुका रहे होते। आप यह तय कर रहे होते हैं कि क्या कोई महँगा मॉडल आपके अपने मूल्यांकन पर इतना बेहतर काम देता है कि उसकी क़ीमत जायज़ ठहरे।

इसे असली काम से जोड़िए। सारांश बनाना, निष्कर्षण, वर्गीकरण, मसौदा तैयार करना, रूटिंग: इनमें से किसी को भी धरती के इकलौते सबसे बेहतरीन मॉडल की ज़रूरत नहीं। इन्हें ऐसा मॉडल चाहिए जो भरोसेमंद हो, इतना सस्ता हो कि आप उसके बारे में सोचना ही छोड़ दें, और किसी ऐसी जगह चल रहा हो जो आपके नियंत्रण में है। ओपन-वेट चीनी मॉडल उस लक्ष्य को साधते हैं, और क्योंकि आप उन्हें ख़ुद होस्ट करते हैं, आवर्ती लागत हार्डवेयर है, न कि एक प्रति-टोकन मीटर जो आपकी अपनी सफलता के साथ बढ़ता जाए।

मेरे अपने स्टैक में, इस सस्तेपन ने चुपचाप बदल दिया है कि कौन-से प्रोजेक्ट करने लायक भी हैं। जिन वर्कलोड को मैं किसी फ़्रंटियर API पर बड़े पैमाने पर चलाने के लिए बहुत महँगा मानकर ताक पर रख देता, वे अब मेरे ख़ुद के होस्ट किए ओपन मॉडल पर मामूली रूप से सस्ते हैं। सस्तापन सिर्फ़ उस काम पर पैसा नहीं बचाता जो आप पहले से कर रहे हैं। यह नए काम को संभव बनाता है, और यही दूसरे-दर्जे का असर है जिसके इर्द-गिर्द मैं योजना बनाऊँगा।

इसमें से कुछ भी परख छोड़ने की वजह नहीं है। उत्पत्ति, डेटा-शासन, सेंसरशिप-व्यवहार, लाइसेंसिंग: कुछ भी उत्पादन तक पहुँचने से पहले इन सबकी जाँच ज़रूरी है। सस्तापन किसी चीज़ का ठीक से मूल्यांकन करने की वजह है, उसे बिना देखे पास करने की नहीं। आपको चाहिए एक संरचित निर्णय। कौन-सा वर्कलोड, वह किस गुणवत्ता को सहन करता है, और उस ख़ास मॉडल के बारे में जोखिम-आकलन क्या कहता है जिसकी ओर आप इशारा कर रहे हैं।

जब सक्षम ओपन मॉडल कई फ़्रंटियर API की लागत के एक अंश में मिलते हैं, तो नियमित वर्कलोड के लिए ख़ुद-बनाएँ-बनाम-ख़रीदें पलट जाता है। DeepSeek V4.1-Flash में 10 लाख टोकन की कॉन्टेक्स्ट विंडो के साथ आधिकारिक कीमतें ऑफ़-पीक में प्रति दस लाख कैश-मिस इनपुट टोकन $0.15 और प्रति दस लाख आउटपुट टोकन $0.60 हैं, जो पीक घंटों में दोगुनी हो जाती हैं। ख़ुद होस्ट करना वेंडर के मीटर को हार्डवेयर और परिचालन लागत से बदल देता है, एक उचित जोखिम-आकलन के बाद।

पूरे ढाँचे के लिए, देखिए क्या DeepSeek एंटरप्राइज़ के लिए सुरक्षित है?, फिर मुख्य विकल्पों की तुलना Qwen बनाम DeepSeek बनाम Llama में करिए।

अक्सर पूछे जाने वाले सवाल

एक वाक्य में, चीन का AI इतना सस्ता क्यों है? ओपन वेट्स API मार्जिन हटा देते हैं, कुशल आर्किटेक्चर प्रति-टोकन लागत घटाते हैं, एक कीमत-युद्ध दामों को नीचे धकेलता है, सस्ती ऊर्जा तल को नीचे करती है, और एक गहरा प्रतिभा-भंडार इस सबको बेहतर बनाता रहता है। सब्सिडी एक मामूली कारक है, मुख्य कारक नहीं।

DeepSeek इतना सस्ता क्यों है? दो वजहें एक के ऊपर एक जुड़ती हैं। यह डाउनलोड किए जा सकने वाले MIT-लाइसेंसी वेट्स के रूप में आता है, इसलिए अगर आप ख़ुद होस्ट करें तो कोई अनिवार्य API मार्जिन नहीं, और इसके मिक्सचर-ऑफ़-एक्सपर्ट्स मॉडल प्रति टोकन अपने कुल पैरामीटरों का सिर्फ़ एक अंश सक्रिय करते हैं। आधिकारिक मॉडल कार्ड के अनुसार, V4.1-Flash प्रॉम्प्ट पढ़ते समय 552 अरब में से 8 अरब पैरामीटर सक्रिय करता है; V4 Pro 1.6 ट्रिलियन में से 49 अरब। ऐतिहासिक प्रशिक्षण-लागत की सुर्ख़ियों को परखे हुए के बजाय बताए गए के रूप में लें, पर मौजूदा इन्फरेंस आर्किटेक्चर और प्रकाशित API कीमतें ठोस हैं।

क्या चीनी AI मॉडल OpenAI से सस्ते हैं? कुछ हैं, अक्सर काफ़ी हद तक, पर सिर्फ़ परिवार का नाम काफ़ी नहीं। DeepSeek V4.1-Flash अपनी आधिकारिक API पर बेहद सस्ता है, जबकि Kimi K3 की कीमत काफ़ी ऊँची है। ख़ुद होस्ट करना प्रति-टोकन वेंडर कीमत हटा देता है, पर उसकी जगह हार्डवेयर, ऊर्जा और परिचालन आ जाते हैं। किसी सार्वभौमिक गुणक को उद्धृत करने के बजाय अपने ठीक-ठीक वर्कलोड पर कुल लागत की तुलना करें।

क्या सस्ता चीनी AI निम्न गुणवत्ता का है? सिर्फ़ कीमत यह नहीं बता सकती। अग्रणी चीनी परिवारों में अब विशाल लॉन्ग-कॉन्टेक्स्ट और मल्टीमॉडल मॉडल शामिल हैं, पर उनकी ताक़त अलग-अलग है और प्रदाताओं की बेंचमार्क तालिकाएँ तटस्थ तुलना नहीं होतीं। DeepSeek V4.1-Flash असाधारण रूप से सस्ता है; Kimi K3 प्रति दस लाख कैश-मिस इनपुट टोकन $3 और प्रति दस लाख आउटपुट टोकन $15 पर काफ़ी महँगा है। अपने वर्कलोड पर ठीक उसी मॉडल का परीक्षण करें।

क्या चीनी AI इतना सस्ता बना रहेगा? ज़्यादातर, हाँ, ढाँचागत वजहों से। कीमत-युद्ध अस्थायी है और शायद थम जाए, पर ओपन वेट्स, कुशल आर्किटेक्चर और सस्ती ऊर्जा को आसानी से नहीं पलटा जा सकता। एक बार जब कोई मज़बूत मॉडल खुलकर जारी हो जाता है, तो वह बाज़ार आगे चाहे जो करे, हमेशा चलाने में सस्ता बना रहता है। मैं सस्तेपन के जारी रहने पर ही योजना बनाऊँगा।

निचोड़

चीन का AI पाँच वजहों से सस्ता है जो एक के ऊपर एक जुड़ती हैं, और “यह सब सब्सिडी है” इसमें से लगभग कुछ भी नहीं समझाता। ओपन वेट्स API मार्जिन को मिटा देते हैं। सच्ची दक्षता, यानी मिक्सचर-ऑफ़-एक्सपर्ट्स और DeepSeek की कहानी, असली प्रति-टोकन लागत घटाती है। एक घरेलू कीमत-युद्ध दामों को और नीचे घसीटता है। सस्ती ऊर्जा और विनिर्माण का पैमाना एक निचला तल बैठाते हैं। एक गहरा प्रतिभा-भंडार दक्षता को बेहतर बनाता रहता है। कीमत-युद्ध वह हिस्सा है जो धीमा पड़ता है। बाक़ी ढाँचागत है।

मौजूदा रिलीज़ इस तर्क के आलसी रूप को भी ख़त्म कर देती हैं। “चीनी AI सस्ता है” कोई एक कीमत नहीं है। DeepSeek V4.1-Flash की कीमत बुनियादी ढाँचे जैसी रखी गई है। Kimi K3 की कीमत एक प्रीमियम एजेंटिक मॉडल जैसी है। Qwen3.8 के ओपन वेट्स अगस्त में एक कस्टम लाइसेंस के तहत आए, जबकि होस्टेड Qwen3.8-Max एक टोकन प्लान से बँधा है। लैब पर लगे झंडे की नहीं, ठीक-ठीक चेकपॉइंट, लाइसेंस, सर्विंग मार्ग और मापी गई कार्य-गुणवत्ता की तुलना करें।

आपके व्यवसाय के लिए सार साफ़ है। कुछ सबसे सस्ते सक्षम मॉडल चीनी और डाउनलोड करने लायक हैं, जबकि दूसरे चीनी फ़्रंटियर मॉडल प्रीमियम सेवाएँ हैं या विशाल ख़ुद-होस्टिंग प्रोजेक्ट। इसलिए मैं आँख मूँदकर उन्हीं को डिफ़ॉल्ट नहीं बनाऊँगा, पर ठीक-ठीक चेकपॉइंट ठीक से देखने लायक है, क्योंकि ख़ुद-बनाएँ-बनाम-ख़रीदें का गणित सचमुच बदल चुका है।

अगर आप रणनीतिक संदर्भ चाहते हैं, तो इससे शुरू करें कि क्या चीन AI की दौड़ जीत रहा है। जब आप क़दम उठाने को तैयार हों, तो क्या DeepSeek एंटरप्राइज़ के लिए सुरक्षित है? वही जगह है जहाँ यह लेख असली निर्णय को सौंप देता है।