आज के ट्रेंड पर वापस: मेटा का दावा: उसका सस्ता AI एंथ्रोपिक के बराबर है, पर खर्च एक-तिहाई
Poly रेटिंग · आज के ट्रेंड से

एजेंट के लिए सबसे सस्ता AI 2026: पूरा काम होने पर असली बिल

Muse Ember और Claude Haiku 5.5 दोनों का स्कोर 36 है, और दोनों प्रति 10 लाख इनपुट टोकन के लिए $0.10 और प्रति 10 लाख आउटपुट टोकन के लिए $0.50 लेते हैं। फिर भी एक पूरे हुए टेस्ट टास्क पर Ember का खर्च लगभग $0.14 है और Haiku का लगभग $0.41।

  • नंबर 1: मेटा Muse Ember
  • 10 स्थान

01अंतिम सूची

अग्रणी AI ने स्वतंत्र रूप से अपनी-अपनी दस स्थानों की सूची बनाई। यहाँ एक आसानी से जाँचा जा सकने वाला नतीजा है: हर स्थान का कारण, स्रोत और उसे शामिल करने वाले AI की सूची है।

क्रम: सबसे अधिक AI सहमति से सबसे कम तक।

चमकीला बैज: इस AI ने प्रविष्टि अपनी सूची में रखी। फीका बैज: नहीं रखी।

  1. 1

    मेटा Muse Ember

    प्रति टास्क $0.14 में 36 स्कोर करता है, इस स्कोर पर यह सबसे सस्ता मॉडल है। लेकिन इसका OSWorld पर 69.5% नतीजा आंशिक अंक गिनता है; पूरे टास्क सिर्फ 33.8% पास होते हैं, और ये दोनों आंकड़े मेटा के अपने हैं।

    शामिल किया: Claude, ChatGPT, Meta, Grok, Z.ai, Kimi, DeepSeek, Qwen. शामिल नहीं किया: Gemini, Wenxin.

    उनकी सूचियों में: Claude: 2 · ChatGPT: 1 · Meta: 1 · Grok: 1 · Z.ai: 1 · Kimi: 1 · DeepSeek: 1 · Qwen: 1

    हर AI ने क्या नोट किया 8
    • Claudeस्थान 2

      इंडेक्स कार्य के लिए $0.14 प्रति कार्य, स्कोर 36। पर OSWorld का दावा आंशिक अंक के साथ 69.5% पढ़ा जाता है, और जब कार्य को पूरी तरह पास होना हो तब केवल 33.8%।

      स्रोत ↗
    • ChatGPTस्थान 1

      Haiku की बुद्धिमत्ता के लगभग बराबर, $0.411 की जगह $0.136 प्रति इंडेक्स कार्य में। असली आश्चर्य $0.004 की कैश्ड इनपुट दर है।

      स्रोत ↗
    • Metaस्थान 1

      AA v5 पर अधिकतम प्रयास में Haiku जैसा 36, पर प्रति कार्य $0.14 की जगह $0.41। वही स्कोर खरीदने का सबसे सस्ता तरीका।

      स्रोत ↗
    • Grokस्थान 1

      स्वतंत्र 36, एक पूरे हुए कार्य के लगभग $0.14। Haiku का 36 लगभग $0.41 पड़ता है।

      स्रोत ↗
    • Z.aiस्थान 1

      Artificial Analysis की मापी गई सबसे सस्ती स्कोर-दर-स्कोर श्रेणी: इंडेक्स पर 36, प्रति कार्य $0.14। वही स्कोर Claude Haiku 5.5 के $0.41 बिल का लगभग एक-तिहाई है।

      स्रोत ↗
    • Kimiस्थान 1

      Haiku 5.5 को उसी $0.10/$0.50 स्टिकर कीमत पर $0.41 चाहिए, जबकि एक इंडेक्स कार्य पूरा करने में $0.14। यानी 2.6 गुना कम आउटपुट टोकन।

      स्रोत ↗
    • DeepSeekस्थान 1

      Haiku की बुद्धिमत्ता स्कोर के बराबर, $0.14 प्रति कार्य पर: एक-तिहाई बिल। और व्यावसायिक वर्कफ़्लो पर सस्ते वर्ग में अब भी आगे।

      स्रोत ↗
    • Qwenस्थान 1

      Claude Haiku के दिमाग़ से मेल खाता, एक-तिहाई बिल पर।

      स्रोत ↗
    8 AI ने इसे यहाँ रखा
    स्रोत ↗
  2. 2

    Claude Haiku 5.5

    वही 36 स्कोर, लेकिन प्रति टास्क $0.41, यानी Ember के बिल का लगभग तीन गुना। 100K से ज़्यादा प्रॉम्प्ट टोकन पर इसकी इनपुट कीमत पाँच गुना होकर प्रति 10 लाख $0.50 हो जाती है।

    शामिल किया: Claude, ChatGPT, Meta, Grok, Z.ai, Kimi, DeepSeek, Qwen. शामिल नहीं किया: Gemini, Wenxin.

    उनकी सूचियों में: Claude: 1 · ChatGPT: 2 · Meta: 2 · Grok: 2 · Z.ai: 3 · Kimi: 2 · DeepSeek: 4 · Qwen: 2

    हर AI ने क्या नोट किया 8
    • Claudeस्थान 1

      इंडेक्स स्कोर में Ember (36) के बराबर, लेकिन प्रति कार्य बिल तीन गुना ($0.41 बनाम $0.14)। बिना निगरानी वाले काम की एकमात्र स्वतंत्र जाँच में इसका रिकॉर्ड सबसे साफ़ है।

      स्रोत ↗
    • ChatGPTस्थान 2

      Ember के समान गोल किया गया बुद्धिमत्ता स्कोर, पर लागत लगभग तीन गुना है। फिर भी कठिन कोड-मर्ज की तुलना में Haiku आगे रहता है।

      स्रोत ↗
    • Metaस्थान 2

      $0.10 वाले मॉडलों में कोडिंग एजेंट का अग्रणी, पर AA कार्य पर यह Luna से लगभग 3 गुना आउटपुट टोकन लिखता है।

      स्रोत ↗
    • Grokस्थान 2

      वही गोल किया गया 36, लगभग तीन गुना बिल, और मर्ज के लायक कोड में अब भी जीतने वाला।

      स्रोत ↗
    • Z.aiस्थान 3

      साबित विकल्प: Ember के बराबर 36 और मर्ज के लायक कोड पर हर सस्ते साथी से आगे, पर बिल $0.41 प्रति कार्य है। और 100k प्रॉम्प्ट टोकन के बाद इनपुट दर 5 गुना होकर $0.50 हो जाती है।

      स्रोत ↗
    • Kimiस्थान 2

      Ember के 115M आउटपुट टोकन की तुलना में 298M आउटपुट टोकन लिखता है, उसी आउटपुट दर पर। प्रति कार्य $0.27 का अंतर वर्बोसिटी से है, कीमत-सूची से नहीं।

      स्रोत ↗
    • DeepSeekस्थान 4

      सस्ते वर्ग में OSWorld पर सबसे अच्छा स्कोर, 72.4%। पर वही $0.10/$0.50 सूची कीमत प्रति कार्य $0.41 बिल करती है, Muse Ember के लगभग तिगुने, और सख़्त व्यावसायिक वर्कफ़्लो का केवल 13.9% पूरा करता है।

      स्रोत ↗
    • Qwenस्थान 2

      सस्ते एजेंटों का आधार, अब पैसों में मिलान।

      स्रोत ↗
    8 AI ने इसे यहाँ रखा
    स्रोत ↗
  3. 3

    डीपसीक V4.1 Flash

    सबसे सस्ता कैश्ड इनपुट है, प्रति 10 लाख $0.003, फिर भी Artificial Analysis ने 33 स्कोर के लिए प्रति टास्क $0.60 लिया। डीपसीक ने Terminal-Bench पर 42.3% बताया; वैल्स ने 31.82% मापा।

    शामिल किया: Claude, ChatGPT, Meta, Grok, Z.ai, Kimi, DeepSeek. शामिल नहीं किया: Gemini, Wenxin, Qwen.

    उनकी सूचियों में: Claude: 3 · ChatGPT: 4 · Meta: 5 · Grok: 4 · Z.ai: 5 · Kimi: 4 · DeepSeek: 3

    हर AI ने क्या नोट किया 7
    • Claudeस्थान 3

      कैश हिट $0.003 प्रति दस लाख पर इसे यहाँ का सबसे सस्ता कैश्ड इनपुट बनाते हैं। Bito की लंबे सत्र की जाँच में यह 71.9% पर सबसे आगे रहा।

      स्रोत ↗
    • ChatGPTस्थान 4

      98% कैश छूट अजेय लगती है, पर तर्क और आउटपुट की खपत से मापा गया इंडेक्स बिल $0.60 पहुँच जाता है।

      स्रोत ↗
    • Metaस्थान 5

      प्रति कार्य $0.60 पर AA 33, और वैल्स एआई के Terminal-Bench रन की लागत $0.54। इस सेट का सस्ता टर्मिनल कार्यकर्ता।

    • Grokस्थान 4

      इंडेक्स 33, लागत $0.60 प्रति कार्य, और पीक समय में आधिकारिक दर दोगुनी हो जाती है।

      स्रोत ↗
    • Z.aiस्थान 5

      MIT लाइसेंस वाले वेट्स और $0.003 कैश-हिट दर से एक डेवलपर ने कुल $27 में 445 टर्मिनल ट्रायल चलाए। पर Terminal-Bench 4.0 पर इसका स्वयं बताया 42.3%, वैल्स एआई के स्वतंत्र रन में 19.7% रह गया।

      स्रोत ↗
    • Kimiस्थान 4

      इंडेक्स पर 32 के साथ सबसे ऊँचे जारी किए गए ओपन वेट्स, और प्रति दस लाख आउटपुट टोकन लगभग $0.60–$1.20 पर Terminal-Bench 4.0 पर 42.3%।

      स्रोत ↗
    • DeepSeekस्थान 3

      प्रति कार्य $0.60 पर यह सबसे सस्ता टोकन नहीं, पर यह टर्मिनल कार्यों का 42.3% और व्यावसायिक वर्कफ़्लो का 60.5% पूरा करता है। सस्ते स्तर में टर्मिनल और ऑफ़िस का सबसे अच्छा मेल।

      स्रोत ↗
    7 AI ने इसे यहाँ रखा
    स्रोत ↗
  4. 4

    GPT-6 Luna

    Ember और Haiku जैसी $0.10 / $0.50 कीमतें, और प्रति टास्क $0.15 पर लगभग Ember जितना ही बिल, लेकिन स्कोर सिर्फ 27.8 है। OSWorld पर सिर्फ 17% टास्क पूरी तरह पास होते हैं।

    शामिल किया: Claude, ChatGPT, Meta, Grok, Z.ai, Kimi, DeepSeek. शामिल नहीं किया: Gemini, Wenxin, Qwen.

    उनकी सूचियों में: Claude: 5 · ChatGPT: 3 · Meta: 4 · Grok: 9 · Z.ai: 6 · Kimi: 3 · DeepSeek: 5

    हर AI ने क्या नोट किया 7
    • Claudeस्थान 5

      Ember जैसी वही $0.10 / $0.50 कीमत, पर अधिकतम प्रयास पर स्कोर 27.8 और Terminal-Bench 4.0 पर केवल 16.4%।

      स्रोत ↗
    • ChatGPTस्थान 3

      सिर्फ़ $0.073 में कम प्रयास वाला इंडेक्स कार्य हो जाता है, पर स्कोर गिरकर 21.4 रह जाता है। अधिकतम प्रयास पर 27.8 मिलता है, $0.152 में।

      स्रोत ↗
    • Metaस्थान 4

      Haiku और Ember जैसी वही $0.10 / $0.50 सूची कीमत, पर अधिकतम प्रयास पर AA कार्य में लगभग 50K आउटपुट टोकन, जबकि Haiku के लगभग 162K।

      स्रोत ↗
    • Grokस्थान 9

      Ember जैसी ही $0.10 स्टिकर कीमत, इंडेक्स पर 27.8, और कंप्यूटर टेस्ट पर 17% बाइनरी सफलता।

      स्रोत ↗
    • Z.aiस्थान 6

      बिल का चैंपियन: कम प्रयास पर प्रति इंडेक्स कार्य $0.01, अपनी अधिकतम सेटिंग से 15 गुना कम। एक वास्तविक कार्य की लागत $0.071 रही। पेंच यह है कि इसने वैल्स एआई के टर्मिनल कार्यों में से केवल 13.6% हल किए।

      स्रोत ↗
    • Kimiस्थान 3

      वर्ग में प्रति कार्य सबसे सस्ता ($0.07–$0.15), पर Terminal-Bench 4.0 पर केवल 16.4%। रूटिंग मॉडल, फ़िनिशर नहीं।

      स्रोत ↗
    • DeepSeekस्थान 5

      Haiku और Ember जैसी वही $0.10/$0.50 कीमत-सूची, पर केवल 28 इंटेलिजेंस और Terminal-Bench पर 16.4%। सबसे सस्ता बिल भी लंबे कामों के लिए झूठी बचत हो सकता है।

      स्रोत ↗
    7 AI ने इसे यहाँ रखा
    स्रोत ↗
  5. 5

    मिनीमैक्स M3.1 Flash

    $0.49 प्रति टास्क पर 29 स्कोर करता है। मिनीमैक्स ने Terminal-Bench पर 38.1% बताया; वैल्स ने साझा सेटअप के साथ 25.25% मापा। बिटो के 20-टर्न रन की लागत $3.62 रही।

    शामिल किया: Claude, Meta, Grok, Z.ai, Kimi, DeepSeek. शामिल नहीं किया: ChatGPT, Gemini, Wenxin, Qwen.

    उनकी सूचियों में: Claude: 4 · Meta: 6 · Grok: 7 · Z.ai: 2 · Kimi: 6 · DeepSeek: 6

    हर AI ने क्या नोट किया 6
    • Claudeस्थान 4

      Bito की 20-टर्न जाँच में Haiku 5.5 से एक अंक के भीतर (75.0%), पर एक रन में 3 से 5 घंटे लगे और $3.62 खर्च हुए।

      स्रोत ↗
    • Metaस्थान 6

      AutomationBench-AA पर 72.5% के साथ ऑफ़िस-वर्कफ़्लो का सितारा, टर्मिनल पर केवल लगभग 26%। इसे ऐप्स के लिए खरीदें, शेल के लिए नहीं।

      स्रोत ↗
    • Grokस्थान 7

      स्वयं बताया गया 38.1% टर्मिनल स्कोर 25.25% पर आ जाता है, जब वैल्स एआई एक ही हार्नेस का उपयोग करता है।

      स्रोत ↗
    • Z.aiस्थान 2

      AA द्वारा परखे गए 249 मॉडलों में ऑफ़िस-वर्कफ़्लो का दूसरा सबसे अच्छा स्कोर (72.5%), जबकि वैल्स एआई के स्वतंत्र रन में प्रति टर्मिनल टेस्ट $0.21 बिल। यह Haiku 5.5 से लगभग 15 गुना सस्ता है।

      स्रोत ↗
    • Kimiस्थान 6

      Terminal-Bench 4.0 पर 38.1%, $0.60 आउटपुट पर। वह शांत तीसरा-पक्ष मॉडल जो Luna को 22 अंक से टर्मिनल पर पीछे छोड़ता है।

      स्रोत ↗
    • DeepSeekस्थान 6

      ऑफ़िस-वर्कफ़्लो का विशेषज्ञ: AutomationBench-AA पर 72.5%, सस्ते समूह में सबसे ऊँचा। पर Terminal-Bench पर केवल 26% और FrontierCode पर 21%।

      स्रोत ↗
    6 AI ने इसे यहाँ रखा
    स्रोत ↗
  6. 6

    GLM-5.3-Flash

    इसकी $0.15 / $0.50 कीमतें सस्ती लगती हैं, लेकिन यह $0.58 प्रति टास्क पर 28 स्कोर करता है। यह Luna से ज़्यादा टोकन लिखता है, इसलिए बिल ऊँचा आता है। Artificial Analysis की एक पुरानी तुलना में यह $0.25 पर 42 दिखता है।

    शामिल किया: ChatGPT, Meta, Grok, Kimi, DeepSeek. शामिल नहीं किया: Claude, Gemini, Z.ai, Wenxin, Qwen.

    उनकी सूचियों में: ChatGPT: 5 · Meta: 7 · Grok: 3 · Kimi: 7 · DeepSeek: 8

    हर AI ने क्या नोट किया 5
    • ChatGPTस्थान 5

      35.8% आधिकारिक टर्मिनल-कार्य समाधान दर इस ओपन-वेट Flash मॉडल को एक गंभीर एजेंट उम्मीदवार बनाती है।

      स्रोत ↗
    • Metaस्थान 7

      $0.15 इनपुट / $0.50 आउटपुट सूची कीमत, AA 28 प्रति कार्य $0.58 पर। काग़ज़ पर सस्ता, पर प्रति कार्य Luna से महँगा, क्योंकि यह ज़्यादा लिखता है।

      स्रोत ↗
    • Grokस्थान 3

      ओपन वेट्स 60.4% ऑफ़िस लक्ष्य पूरे करते हैं, फिर मर्ज के लायक कोड कार्यों में केवल 17.6%।

      स्रोत ↗
    • Kimiस्थान 7

      प्रति कार्य $0.36 पर Terminal-Bench 4.0 पर 35.8%, बोर्ड पर एक-तिहाई से ऊपर का सबसे सस्ता मापा गया पास-रेट।

      स्रोत ↗
    • DeepSeekस्थान 8

      प्रति कार्य $0.58 का मॉडल, मज़बूत 60% AutomationBench स्कोर के साथ, पर FrontierCode पर केवल 15% और Terminal-Bench पर 33%। ऑफ़िस के लायक, पर कोड मर्ज से कतराने वाला।

      स्रोत ↗
    5 AI ने इसे यहाँ रखा
    स्रोत ↗
  7. 7

    Gemini 3.8 Flash

    सूची-कीमत और असली बिल के बीच सबसे बड़ा फ़र्क: $0.75 की इनपुट कीमत ऊँचे effort स्तर पर प्रति इंडेक्स टास्क $7.77 बन जाती है, स्कोर 31 के साथ।

    शामिल किया: ChatGPT, Meta, Grok, Z.ai, DeepSeek. शामिल नहीं किया: Claude, Gemini, Kimi, Wenxin, Qwen.

    उनकी सूचियों में: ChatGPT: 6 · Meta: 9 · Grok: 10 · Z.ai: 9 · DeepSeek: 9

    हर AI ने क्या नोट किया 5
    • ChatGPTस्थान 6

      इसका 10 लाख टोकन का संदर्भ और मल्टीमॉडल इनपुट आकर्षक हैं, पर प्रति इंडेक्स कार्य $1.24 सस्ते-एजेंट वाले तर्क को कमज़ोर करता है।

      स्रोत ↗
    • Metaस्थान 9

      उच्च प्रयास पर AA 31, पर AA प्रति कार्य $7.77 बिल करता है। इसका सबसे स्पष्ट प्रमाण कि सूची कीमत बिल नहीं है।

      स्रोत ↗
    • Grokस्थान 10

      Ember की तुलना में सबसे ऊँची ज्ञान-सटीकता, 50.5%, प्रति दस लाख इनपुट टोकन $0.75 पर।

      स्रोत ↗
    • Z.aiस्थान 9

      प्रशंसक इसे कीमत के पाँचवें हिस्से में Opus-स्तर की बुद्धिमत्ता कहते हैं। वैल्स एआई का मीटर प्रति टर्मिनल टेस्ट $8.65 बताता है, बजट वर्ग में सबसे बड़ा बिल, मध्य-पंक्ति के 19.7% सटीकता के बावजूद।

      स्रोत ↗
    • DeepSeekस्थान 9

      कम प्रति-टोकन कीमत ($0.75 इनपुट) जो प्रति पूरे कार्य $7.77 बन जाती है। सस्ते वर्ग में स्टिकर कीमत और वास्तविक बिल के बीच सबसे बड़ा अंतर।

      स्रोत ↗
    5 AI ने इसे यहाँ रखा
    स्रोत ↗
  8. 8

    शाओमी MiMo-V2.6-Flash

    प्रति टास्क $0.13 का बिल Ember के बराबर है, लेकिन स्कोर सिर्फ 27 है, और हर इंडेक्स टास्क में 64 मिनट लगते हैं, जबकि Ember में 3.1 मिनट।

    शामिल किया: Meta, Grok, Kimi. शामिल नहीं किया: Claude, ChatGPT, Gemini, Z.ai, DeepSeek, Wenxin, Qwen.

    उनकी सूचियों में: Meta: 8 · Grok: 8 · Kimi: 9

    हर AI ने क्या नोट किया 3
    • Metaस्थान 8

      सेट में सबसे सस्ते AA कार्यों में संयुक्त-पहला, $0.13 पर, AA 27 के साथ। मिले सबूतों के अनुसार किफ़ायती राउटर, फ़िनिशर नहीं।

      स्रोत ↗
    • Grokस्थान 8

      $0.13 का कार्य-बिल Ember जैसा दिखता है, फिर कार्य 64 मिनट लेता है और स्कोर 27 है।

      स्रोत ↗
    • Kimiस्थान 9

      Terminal-Bench 4.0 पर 24.2%, प्रति कार्य $0.21 पर। दक्षता फ़्रंटियर पर सबसे कम मापी गई टर्मिनल कार्य लागत।

      स्रोत ↗
    3 AI ने इसे यहाँ रखा
    स्रोत ↗
  9. 9

    थिंकिंग मशीन्स Inkling 2 Small

    'Small' नाम के पीछे 594 अरब पैरामीटर वाला मॉडल है। यह $1.18 प्रति टास्क पर 31 स्कोर करता है और वैल्स के टर्मिनल टास्क में सिर्फ 12.63% हल करता है।

    शामिल किया: Claude, ChatGPT. शामिल नहीं किया: Meta, Grok, Gemini, Z.ai, Kimi, DeepSeek, Wenxin, Qwen.

    उनकी सूचियों में: Claude: 6 · ChatGPT: 7

    हर AI ने क्या नोट किया 2
    • Claudeस्थान 6

      इंडेक्स पर 31 स्कोर, पर Terminal-Bench 4.0 पर केवल 13%, जबकि Sonnet 5.5 (medium) का 30% है।

      स्रोत ↗
    • ChatGPTस्थान 7

      शब्द Small के पीछे 594 अरब पैरामीटर का मॉडल और $1.18 का मूल्यांकन बिल छिपा है।

      स्रोत ↗
    2 AI ने इसे यहाँ रखा
    स्रोत ↗
  10. 10

    टेनसेंट Hy4

    स्कोर 35 पर Ember के करीब है, और वैल्स के 39.39% टर्मिनल टेस्ट में उसके बराबर, लेकिन प्रति टर्मिनल टेस्ट $1.28 लगता है, जबकि Ember का $0.22।

    शामिल किया: Meta, Grok. शामिल नहीं किया: Claude, ChatGPT, Gemini, Z.ai, Kimi, DeepSeek, Wenxin, Qwen.

    उनकी सूचियों में: Meta: 10 · Grok: 5

    हर AI ने क्या नोट किया 2
    • Metaस्थान 10

      AA 35, प्रति कार्य $1.03। यहाँ के हर $0.10 मॉडल से ऊँचा, और अतिरिक्त स्कोर की कीमत साफ़ दिखती है।

      स्रोत ↗
    • Grokस्थान 5

      एक टर्मिनल बोर्ड पर 39.4% में Ember के बराबर, $1.28 प्रति टेस्ट बनाम Ember के $0.22।

    2 AI ने इसे यहाँ रखा
    स्रोत ↗

शीर्ष तीन के बारे में और ↓

02शीर्ष तीन के बारे में और

रैंकिंग ऊपर है। यहाँ शीर्ष तीन स्थानों के बारे में और जानकारी है: वे क्या हैं, यहाँ क्यों हैं, और क्या जानना उपयोगी है।

अंक अलग-अलग हैं (36, 36, 33)। OSWorld और Terminal-Bench के आँकड़े अलग-अलग स्रोतों से हैं: कुछ खुद मॉडल बनाने वाली कंपनियों के हैं, और वैल्स एआई ने अपना परीक्षण खुद किया।

1मेटा Muse Ember

नं. 1 — मेटा Muse Ember. 10 में से 8 AI की सूचियों में; वहाँ मध्य स्थान: 1. यह पहले स्थान पर है, क्योंकि इसका अंक 36 है, जो Haiku के बराबर है, और खर्च लगभग एक-तिहाई है: $0.14 प्रति कार्य।

क्या आप जानते हैं

  • मेटा की अपनी तालिका के अनुसार OSWorld 2.1 पर Muse Ember को 69.5% आंशिक अंक मिले, पर पूरी तरह पूरे हुए केवल 33.8%। Claude Haiku 5.5 को 68.9% आंशिक अंक मिले, पर पूरी तरह पूरे हुए केवल 27.8%। इसलिए पूरे पास गिनने से पहले दोनों लगभग बराबर दिखते हैं।

    स्रोत ↗
यह क्या है
मेटा का सबसे छोटा और सबसे किफ़ायती मॉडल, जो 9 नवंबर 2026 को जारी हुआ।
इसकी बढ़त
सबसे सस्ता खर्च: $0.14 प्रति कार्य, जबकि बाकी दो का $0.41 और $0.60।
किसके लिए सही
सस्ते एजेंट-कार्यों के लिए ठीक है; मेटा के अपने OSWorld आँकड़ों की अभी कोई स्वतंत्र जाँच नहीं हुई है।
  • पूरे हुए हर कार्य का खर्च$0.14 प्रति कार्य
यह यहाँ क्यों है

  • Artificial Analysis के इंटेलिजेंस इंडेक्स में 36 अंक लाने वाला सबसे सस्ता मॉडल Muse Ember है, ऐसा वह कहता है। इसका खर्च $0.14 प्रति कार्य है, जबकि Claude Haiku 5.5 36 अंक $0.41 में लाता है।

    स्रोत ↗
क्या आप जानते हैं

  • Muse Ember की कीमत प्रति दस लाख इनपुट टोकन $0.10 और प्रति दस लाख आउटपुट टोकन $0.50 है। यह 1M-टोकन का संदर्भ लेता है और एक जवाब में 512K टोकन तक लिख सकता है, जो इतने सस्ते मॉडल के लिए असामान्य रूप से लंबा है।

    स्रोत ↗
इतिहास

  • 9 नवंबर 2026 को मेटा ने अपना सबसे छोटा और सबसे किफ़ायती मॉडल Muse Ember जारी किया। यह पहला मॉडल है जिसे Muse Wonder Full की मदद से प्रशिक्षित किया गया। Muse Wonder Full मेटा का बड़ा मॉडल है, जो सबसे कठिन समस्याओं के लिए बना है।

    स्रोत ↗
ध्यान रखें

  • मेटा के कार्यप्रणाली-पृष्ठ के अनुसार, जिन कार्यों से मॉडल इनकार करता है, उन्हें शून्य अंक मिलते हैं और वे गिनती में बने रहते हैं। वहीं यह भी लिखा है कि मॉडल-आधारित जाँच का फ़ैसला Claude Sonnet 4.6 करता है। Ember के OSWorld नतीजों की मुझे कोई स्वतंत्र समीक्षा नहीं मिली।

    स्रोत ↗
आगे कहाँ देखें

  • पहले मेटा के ब्लॉग पर OSWorld 2.1 की तालिका देखें। आंशिक अंकों की तुलना पूरे-या-नहीं वाले आँकड़ों से करें, क्योंकि अंतर बताता है कि कितने कार्य पूरी तरह खत्म होते हैं। मॉडल ID है muse-ember-1.0।

    स्रोत ↗
शीर्ष तीन की तुलना करें ↓

2Claude Haiku 5.5

नं. 2 — Claude Haiku 5.5. 10 में से 8 AI की सूचियों में; वहाँ मध्य स्थान: 2. अंक Ember जितना ही, 36, पर खर्च लगभग तीन गुना है, और लंबे प्रॉम्प्ट पर इनपुट की कीमत पाँच गुना हो जाती है।

यह क्या है
Claude का छोटा, सस्ता मॉडल, जिसकी कीमत प्रति दस लाख टोकन $0.10 इनपुट और $0.50 आउटपुट है।
इसकी बढ़त
अंक 36 पर Ember के बराबर है और तैयार-कोड की जाँच में आगे है, पर खर्च तीन गुना है।
किसके लिए सही
छोटे प्रॉम्प्ट वाले कोडिंग एजेंटों के लिए ठीक है; 100K टोकन से लंबे कार्यों के लिए नहीं।
  • पूरे हुए हर कार्य का खर्च$0.41 प्रति कार्य

Wikidata

यह यहाँ क्यों है

  • Haiku 5.5 Muse Ember के इंटेलिजेंस इंडेक्स का 36 अंक $0.41 प्रति कार्य में लाता है, जबकि Ember $0.14 में। एक ही अंक के लिए यह खर्च लगभग तीन गुना है।

    स्रोत ↗

  • Haiku 5.5 का इनपुट 100K टोकन तक प्रति दस लाख टोकन $0.10 लगता है। 100,000 टोकन से आगे हर दर पाँच गुना हो जाती है, यानी इनपुट $0.50 हो जाता है। लंबे एजेंट-कार्यों में यह छलांग लग सकती है।

    स्रोत ↗
Claude ने इसे पहला स्थान दिया। उन्होंने इसमें क्या देखा

  • Claude: इंडेक्स स्कोर में Ember (36) के बराबर, लेकिन प्रति कार्य बिल तीन गुना ($0.41 बनाम $0.14)। बिना निगरानी वाले काम की एकमात्र स्वतंत्र जाँच में इसका रिकॉर्ड सबसे साफ़ है।

वीडियो: Claude Haiku vs Sonnet vs Opus vs Fable Clearly Explained (& use cases) (अंग्रेज़ी में) · Eliot Prince

शीर्ष तीन की तुलना करें ↓

3डीपसीक V4.1 Flash

नं. 3 — डीपसीक V4.1 Flash. 10 में से 7 AI की सूचियों में; वहाँ मध्य स्थान: 4. इसका कैश्ड इनपुट सबसे सस्ता है, पर अंक केवल 33 है और मापा गया खर्च $0.60 प्रति कार्य है।

क्या आप जानते हैं

  • डीपसीक की कैश्ड-इनपुट कीमत समय पर निर्भर है। एक विवरण के अनुसार ऑफ़-पीक (कम भीड़ का समय) में प्रति दस लाख टोकन $0.003 और पीक (भीड़ का समय) में $0.006 है, इसलिए शीर्षक वाला $0.003 ऑफ़-पीक दर है।

    स्रोत ↗
यह क्या है
डीपसीक का छोटा मॉडल, जिसने उसके बड़े V4-Pro की जगह ली।
इसकी बढ़त
सबसे सस्ता कैश्ड इनपुट: प्रति दस लाख टोकन $0.003, जो बाकी दोनों से कहीं कम है।
किसके लिए सही
उन कामों के लिए ठीक है जिनमें एक ही पाठ बार-बार इस्तेमाल होता है; उनके लिए नहीं जो प्रति कार्य सबसे कम खर्च ढूँढते हैं।
  • पूरे हुए हर कार्य का खर्च$0.60 प्रति कार्य
यह यहाँ क्यों है

  • डीपसीक V4.1 Flash की सूची-कीमत प्रति दस लाख टोकन $0.15 इनपुट, $0.60 आउटपुट और $0.003 कैश्ड इनपुट है। कैश की कीमत बहुत कम है, पर यह तभी काम आती है जब एक ही पाठ दोबारा इस्तेमाल हो।

    स्रोत ↗
इतिहास

  • 10 सितंबर 2026 को डीपसीक ने V4.1-Flash जारी किया और अपना सबसे ऊँचा मॉडल V4-Pro बंद कर दिया। 14 सितंबर से V4-Pro के हर अनुरोध की जगह Flash भेजा जाने लगा, और यह व्यवस्था तब तक चलेगी जब तक V4.1-Pro नहीं आता। उसकी कोई तारीख नहीं बताई गई है।

    स्रोत ↗ ✓ कई AI ने पुष्टि की
ध्यान रखें

  • उसी उपयोगकर्ता ने मॉडल को "थोड़ा पुराना" कहा है और लिखा है कि उसे याद दिलाना पड़ता है कि कौन-से टूल इस्तेमाल करने हैं। पृष्ठ में नोट है कि कार्य और सेटिंग्स साझा नहीं किए गए, इसलिए यह एक व्यक्ति का अनुभव है, नियंत्रित परीक्षण नहीं।

    स्रोत ↗

  • Humanity's Last Exam, एक कठिन तर्क-परीक्षा, में V4.1 Flash को 36.8 अंक मिले, जबकि GPT-5.6 Sol को 44.5 और Claude Opus 5 को 56.3। पृष्ठ के अनुसार ये आँकड़े डीपसीक की अपनी तालिका से हैं।

    स्रोत ↗
आगे कहाँ देखें

  • पहले डीपसीक का 10 सितंबर का लॉन्च-नोट पढ़ें। मॉडल का नाम deepseek-flash जाँचें, और पीक व ऑफ़-पीक वाला नोट भी, जहाँ ऑफ़-पीक दरें पीक की 50% हैं। सटीक कीमतें केवल इस पृष्ठ की एक तस्वीर में हैं।

    स्रोत ↗
शीर्ष तीन की तुलना करें ↓

शीर्ष तीन आमने-सामने

मेटा Muse EmberClaude Haiku 5.5डीपसीक V4.1 Flash
AI सूचियों में8 / 108 / 107 / 10
पूरे हुए हर कार्य का खर्च$0.14 प्रति कार्य$0.41 प्रति कार्य$0.60 प्रति कार्य
पहला स्थान दियाChatGPT, Meta, Grok, Z.ai, Kimi, DeepSeek, QwenClaude—

जिन स्थानों को बराबर AI ने चुना, वे AI सूचियों में उनके औसत स्थान के क्रम में हैं।

और रैंकिंग

03जानने योग्य

सूची बनाते समय AI ने क्या देखा।

Ember, Haiku 5.5 और Luna, तीनों की सूची-कीमत $0.10 इनपुट और $0.50 आउटपुट है, फिर भी एक इंडेक्स टास्क पर लगभग $0.14, $0.41 और $0.15 लगते हैं। Ember का बिल कम आने की दो वजहें हैं: कैश्ड इनपुट प्रति 10 लाख $0.004 है, जबकि $0.01; और Ember लिखता है Haiku के आउटपुट टोकन का लगभग एक-तिहाई।

किसने देखा:
शामिल किया: Claude, ChatGPT, Meta, Grok, Z.ai, Kimi, DeepSeek. शामिल नहीं किया: Gemini, Wenxin, Qwen.
स्रोत ↗

Ember का OSWorld पर 69.5% आंशिक अंक गिनता है। इसके कंप्यूटर टास्क में सिर्फ 33.8% पूरी तरह पास होते हैं, और दोनों आंकड़े मेटा के अपने रन से हैं; कोई स्वतंत्र OSWorld स्कोर नहीं मिला।

किसने देखा:
शामिल किया: Claude, ChatGPT, Grok, Kimi, DeepSeek. शामिल नहीं किया: Meta, Gemini, Z.ai, Wenxin, Qwen.
स्रोत ↗

लंबे प्रॉम्प्ट बिल बदल देते हैं। Haiku की इनपुट कीमत 100K टोकन से ऊपर पाँच गुना हो जाती है, Ember की 200K से ऊपर तीन गुना, और Luna की 272K से ऊपर बढ़ती है।

किसने देखा:
शामिल किया: Claude, ChatGPT, Grok, Kimi. शामिल नहीं किया: Meta, Gemini, Z.ai, DeepSeek, Wenxin, Qwen.
स्रोत ↗

सबसे सस्ता रन सबसे भरोसेमंद नहीं होता। बिटो के 20-टर्न कोडिंग सेशन में Ember का खर्च $0.95 रहा, स्कोर 56.1%, और हर सेशन में लगभग 47 भ्रामक दावे। बिटो मॉडल राउटर बेचता है, इसलिए उसका व्यावसायिक हित है।

किसने देखा:
शामिल किया: Claude. शामिल नहीं किया: ChatGPT, Meta, Grok, Gemini, Z.ai, Kimi, DeepSeek, Wenxin, Qwen.
स्रोत ↗

Muse Spark 1.3 का स्कोर Ember से सिर्फ एक अंक ऊपर है (37 बनाम 36), लेकिन प्रति टास्क $2.39 लगता है, यानी लगभग 17 गुना।

किसने देखा:
शामिल किया: Claude, ChatGPT. शामिल नहीं किया: Meta, Grok, Gemini, Z.ai, Kimi, DeepSeek, Wenxin, Qwen.
स्रोत ↗

04लोग क्या पूछते हैं

सबसे सस्ता AI एजेंट कौन-सा है?

पूरे हुए टास्क के बिल के हिसाब से Muse Ember Artificial Analysis इंडेक्स पर 36 स्कोर करने वाला सबसे सस्ता मॉडल है, प्रति टास्क लगभग $0.14 पर। Claude Haiku 5.5 वही स्कोर लगभग $0.41 में देता है।

स्रोत ↗
सबसे सस्ता AI कोडिंग एजेंट कौन-सा है?

हर रन पर Ember सबसे सस्ता है (बिटो का 20-टर्न सेशन $0.95 पड़ा), लेकिन Haiku 5.5 ज़्यादा मर्ज-योग्य कोड लिखता है: Artificial Analysis के FrontierCode 2.0 रन में 34.9% बनाम 27.2%।

स्रोत ↗
Muse Ember बनाम Haiku: कौन सस्ता है?

दोनों की सूची-कीमत प्रति 10 लाख टोकन पर $0.10/$0.50 है, और दोनों 36 तक गोल होते हैं (35.8 बनाम 36.2)। फिर भी Ember प्रति टास्क लगभग $0.14 लेता है, जबकि Haiku का $0.41।

स्रोत ↗
अलग-अलग स्रोत Ember की लागत अलग क्यों बताते हैं?

मेटा के चार्ट में प्रस्तावित कीमत पर अनुमान के तौर पर प्रति टास्क $0.136 दिखता है, जबकि Artificial Analysis का लाइव आंकड़ा $0.14 है। xhigh effort पर लागत घटकर $0.116 हो जाती है, स्कोर 33.9 के साथ।

स्रोत ↗

05हमने कैसे गिना

सीधी भाषा में, बिना सूत्रों के।

1सवाल

एजेंट के लिए 10 सस्ते AI मॉडल: एक ही कीमत का टैग, पूरे हुए टास्क का अलग बिल

2यह विषय क्यों

पाठक एक साथ देखता है: स्टिकर कीमत, पूरे हुए टास्क का असली बिल, और निर्माता का लॉन्च का दावा सही निकला या नहीं। यह सब एक साथ कोई कीमत-सूची या लीडरबोर्ड नहीं दिखाता।

3यह कहाँ लागू होता है

दुनिया भर के छोटे और सस्ते AI मॉडल, जो AI एजेंट चलाने में इस्तेमाल होते हैं

4हमने किन बातों पर ध्यान दिया

  • बताए गए effort स्तर पर स्वतंत्र जाँचकर्ता का इंटेलिजेंस स्कोर, निर्माता का अपना आंकड़ा नहीं
  • एक टेस्ट टास्क पूरा करने में असल में लिए गए डॉलर, जिसमें रीज़निंग टोकन और कैश हिट गिने गए हैं, प्रति 10 लाख टोकन की कीमत नहीं
  • हर निर्माता के कीमत-पन्ने से आधिकारिक इनपुट, कैश्ड इनपुट और आउटपुट कीमतें
  • लंबे, चरण-दर-चरण कंप्यूटर और ब्राउज़र टास्क में सफलता
  • निर्माता के लॉन्च दावे और स्वतंत्र नतीजे के बीच का फ़र्क
  • Artificial Analysis Intelligence Index v5 — बताए गए effort स्तर पर स्वतंत्र समग्र स्कोर, साथ ही रीज़निंग टोकन और कैश हिट सहित हर इंडेक्स टास्क पर लिए गए डॉलर
  • निर्माताओं के कीमत-पन्ने (मेटा, एंथ्रोपिक, ओपनएआई, डीपसीक) — प्रति 10 लाख इनपुट, कैश्ड इनपुट और आउटपुट टोकन की सूची-कीमत, लंबे प्रॉम्प्ट की ऊँची दरों सहित
  • OSWorld 2.1 (मेटा की लॉन्च तालिका) — कई चरणों वाले कंप्यूटर-उपयोग टास्क, आंशिक अंक और सख्त हाँ/ना पास, दोनों से आँके गए। ये मेटा के अपने रन हैं।

5रैंक किसने दी

अग्रणी AI: Claude, ChatGPT, Meta, Grok, Gemini, Z.ai, Kimi, DeepSeek, Wenxin, Qwen। हर एक ने स्वतंत्र रूप से दस स्थानों की अपनी सूची बनाई और हर स्थान के लिए स्रोत बताया।

6स्थान कैसे तय हुए

अलग-अलग AI द्वारा अलग ढंग से लिखी गई एक ही चीज़ को एक गिना गया। जितने ज़्यादा AI ने किसी चीज़ को अपनी सूची में रखा और जितना ऊपर रखा, उसका स्थान उतना ऊँचा। "AI की सहमति" बताती है कि कितने AI की अपनी सूची में वह चीज़ थी। स्रोत केवल वही हैं जो AI ने खुद खोजे; हाथ से कुछ नहीं जोड़ा गया।

06हर AI की अपनी सूची

🇺🇸 Claude10 स्थान · 4 नोट

वही सवाल, जिसका जवाब अकेले Claude ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।

  1. 1
    Claude Haiku 5.5

    इंडेक्स स्कोर में Ember (36) के बराबर, लेकिन प्रति कार्य बिल तीन गुना ($0.41 बनाम $0.14)। बिना निगरानी वाले काम की एकमात्र स्वतंत्र जाँच में इसका रिकॉर्ड सबसे साफ़ है।

    स्रोत ↗
  2. 2
    मेटा Muse Ember (2026)

    इंडेक्स कार्य के लिए $0.14 प्रति कार्य, स्कोर 36। पर OSWorld का दावा आंशिक अंक के साथ 69.5% पढ़ा जाता है, और जब कार्य को पूरी तरह पास होना हो तब केवल 33.8%।

    स्रोत ↗
  3. 3
    डीपसीक V4.1 Flash

    कैश हिट $0.003 प्रति दस लाख पर इसे यहाँ का सबसे सस्ता कैश्ड इनपुट बनाते हैं। Bito की लंबे सत्र की जाँच में यह 71.9% पर सबसे आगे रहा।

    स्रोत ↗
  4. 4
    मिनीमैक्स M3.1 Flash

    Bito की 20-टर्न जाँच में Haiku 5.5 से एक अंक के भीतर (75.0%), पर एक रन में 3 से 5 घंटे लगे और $3.62 खर्च हुए।

    स्रोत ↗
  5. 5
    GPT-6 Luna

    Ember जैसी वही $0.10 / $0.50 कीमत, पर अधिकतम प्रयास पर स्कोर 27.8 और Terminal-Bench 4.0 पर केवल 16.4%।

    स्रोत ↗
  6. 6
    Inkling 2 Small (थिंकिंग मशीन्स)

    इंडेक्स पर 31 स्कोर, पर Terminal-Bench 4.0 पर केवल 13%, जबकि Sonnet 5.5 (medium) का 30% है।

    स्रोत ↗
  7. 7
    Kimi K3.1 Pro

    Bito के लंबे सत्रों में 64.9% स्कोर, पर 20-टर्न रन का खर्च $29.32 रहा, जो Ember के $0.95 से लगभग 30 गुना है।

    स्रोत ↗
  8. 8
    GLM-5.3 (झिपू AI)

    $1.40 इनपुट की सूची कीमत, फिर भी 20-टर्न Bito रन का खर्च $20.28 रहा, समग्र स्कोर 60.1%।

    स्रोत ↗
  9. 9
    Muse Spark 1.3 (मेटा)

    इंडेक्स पर Ember से एक अंक ऊपर (37 बनाम 36), पर प्रति कार्य बिल 17 गुना ($2.39 बनाम $0.14)।

    स्रोत ↗
  10. 10
    Qwen3.8 Flash (अलीबाबा)

    सूची कीमतें सबसे कम ($0.15 / $0.47) में से हैं, पर मुझे कोई स्वतंत्र स्कोर या प्रति कार्य बिल नहीं मिला, इसलिए सबूत न होने के कारण यह सबसे नीचे है।

    स्रोत ↗

Claude ने क्या देखा

Ember, Haiku 5.5 और Luna की सूची कीमत एक समान $0.10 / $0.50 है, फिर भी प्रति इंडेक्स कार्य लागत $0.14 (Ember), $0.15 (Luna) और $0.41 (Haiku) तक जाती है। Ember का अंतर सस्ती कैश रीड और Haiku के आउटपुट टोकन के लगभग एक-तिहाई होने से समझ आता है।

स्रोत ↗

Haiku 5.5 का स्कोर प्रयास पर निर्भर है: $0.092 प्रति कार्य पर 24.6, और $0.411 पर 36.2। बताया गया प्रयास स्तर दोनों संख्याएँ बदल देता है।

स्रोत ↗

200K टोकन से ऊपर Ember की कीमतें तीन गुना हो जाती हैं (बढ़कर $0.30 / $1.50), इसलिए लंबा एजेंट रन उतना सस्ता नहीं पड़ता जितना मुख्य कीमत से लगता है।

स्रोत ↗

Bito की जाँच में प्रति रन सबसे सस्ता मॉडल सबसे भरोसेमंद नहीं निकला: Ember ने 20-टर्न सत्र में लगभग 47 भ्रामक दावे किए, जबकि Kimi और डीपसीक में लगभग 18 से 22।

स्रोत ↗
🇺🇸 ChatGPT10 स्थान · 4 नोट

वही सवाल, जिसका जवाब अकेले ChatGPT ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।

  1. 1
    मेटा Muse Ember (2026)

    Haiku की बुद्धिमत्ता के लगभग बराबर, $0.411 की जगह $0.136 प्रति इंडेक्स कार्य में। असली आश्चर्य $0.004 की कैश्ड इनपुट दर है।

    स्रोत ↗
  2. 2
    Claude Haiku 5.5 (2026)

    Ember के समान गोल किया गया बुद्धिमत्ता स्कोर, पर लागत लगभग तीन गुना है। फिर भी कठिन कोड-मर्ज की तुलना में Haiku आगे रहता है।

    स्रोत ↗
  3. 3
    ओपनएआई GPT-6 Luna (2026)

    सिर्फ़ $0.073 में कम प्रयास वाला इंडेक्स कार्य हो जाता है, पर स्कोर गिरकर 21.4 रह जाता है। अधिकतम प्रयास पर 27.8 मिलता है, $0.152 में।

    स्रोत ↗
  4. 4
    डीपसीक V4.1 Flash 1017 (2026)

    98% कैश छूट अजेय लगती है, पर तर्क और आउटपुट की खपत से मापा गया इंडेक्स बिल $0.60 पहुँच जाता है।

    स्रोत ↗
  5. 5
    झिपू AI GLM-5.3-Flash (2026)

    35.8% आधिकारिक टर्मिनल-कार्य समाधान दर इस ओपन-वेट Flash मॉडल को एक गंभीर एजेंट उम्मीदवार बनाती है।

    स्रोत ↗
  6. 6
    गूगल Gemini 3.8 Flash (2026)

    इसका 10 लाख टोकन का संदर्भ और मल्टीमॉडल इनपुट आकर्षक हैं, पर प्रति इंडेक्स कार्य $1.24 सस्ते-एजेंट वाले तर्क को कमज़ोर करता है।

    स्रोत ↗
  7. 7
    थिंकिंग मशीन्स Inkling 2 Small (2026)

    शब्द Small के पीछे 594 अरब पैरामीटर का मॉडल और $1.18 का मूल्यांकन बिल छिपा है।

    स्रोत ↗
  8. 8
    ओपनएआई GPT-6.1 Sol (2026)

    डिफ़ॉल्ट माइक्रो-एजेंट के लिए बहुत महँगा, पर 58.2% टर्मिनल समाधान इसे भरोसेमंद अपग्रेड मॉडल बनाता है।

    स्रोत ↗
  9. 9
    मेटा Muse Spark 1.3 (2026)

    Ember से इंडेक्स पर बुद्धिमत्ता में केवल एक अतिरिक्त गोल अंक, पर प्रति इंडेक्स कार्य लागत लगभग 17.6 गुना।

    स्रोत ↗
  10. 10
    मेटा Muse Spark Open (2026)

    ओपन वेट्स तैनाती पर नियंत्रण बढ़ाते हैं, पर FrontierCode पर 6.2% बिना निगरानी वाले कोड-बदलावों के लिए बहुत कम गुंजाइश छोड़ता है।

    स्रोत ↗

ChatGPT ने क्या देखा

बराबर टोकन कीमत का मतलब बराबर बिल नहीं: Ember और Haiku दोनों प्रति दस लाख $0.10 इनपुट और $0.50 आउटपुट लेते हैं, पर उनके अधिकतम-प्रयास इंडेक्स कार्य क्रमशः $0.136 और $0.411 पड़ते हैं।

स्रोत ↗

Ember का कैश्ड इनपुट $0.004 प्रति दस लाख है, जबकि Haiku और Luna का $0.01। दोहराया गया संदर्भ एजेंट की टोकन खपत पर हावी हो सकता है।

स्रोत ↗

69.5% आंशिक-अंक वाला OSWorld स्कोर इसका अर्थ नहीं कि 69.5% काम पूरे होते हैं: मेटा के मूल्यांकन में Ember की बाइनरी सफलता दर 33.8% है।

स्रोत ↗

Artificial Analysis बताता है कि Ember अपने ज्ञान-प्रश्नों के 64% का उत्तर देने से मना कर देता है। इससे भ्रम का जोखिम घटता है, पर बिना निगरानी वाला जानकारी जुटाने वाला एजेंट जल्दी रुक सकता है।

स्रोत ↗
🇺🇸 Meta10 स्थान · 4 नोट

वही सवाल, जिसका जवाब अकेले Meta ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।

  1. 1
    Muse Ember (2026)

    AA v5 पर अधिकतम प्रयास में Haiku जैसा 36, पर प्रति कार्य $0.14 की जगह $0.41। वही स्कोर खरीदने का सबसे सस्ता तरीका।

    स्रोत ↗
  2. 2
    Claude Haiku 5.5 (2026)

    $0.10 वाले मॉडलों में कोडिंग एजेंट का अग्रणी, पर AA कार्य पर यह Luna से लगभग 3 गुना आउटपुट टोकन लिखता है।

    स्रोत ↗
  3. 3
    GPT-6.1 Terra (2026)

    AA v5 पर 51 स्कोर, प्रति कार्य $0.96। 50 से ऊपर स्कोर का अब तक देखा गया सबसे सस्ता टिकट है, पर इन स्रोतों में मेल खाता Terminal-Bench 4.0 सबूत नहीं है।

    स्रोत ↗
  4. 4
    GPT-6 Luna (2026)

    Haiku और Ember जैसी वही $0.10 / $0.50 सूची कीमत, पर अधिकतम प्रयास पर AA कार्य में लगभग 50K आउटपुट टोकन, जबकि Haiku के लगभग 162K।

    स्रोत ↗
  5. 5
    डीपसीक V4.1 Flash 1017 (2026)

    प्रति कार्य $0.60 पर AA 33, और वैल्स एआई के Terminal-Bench रन की लागत $0.54। इस सेट का सस्ता टर्मिनल कार्यकर्ता।

  6. 6
    मिनीमैक्स M3.1 Flash (2026)

    AutomationBench-AA पर 72.5% के साथ ऑफ़िस-वर्कफ़्लो का सितारा, टर्मिनल पर केवल लगभग 26%। इसे ऐप्स के लिए खरीदें, शेल के लिए नहीं।

    स्रोत ↗
  7. 7
    GLM-5.3-Flash (2026)

    $0.15 इनपुट / $0.50 आउटपुट सूची कीमत, AA 28 प्रति कार्य $0.58 पर। काग़ज़ पर सस्ता, पर प्रति कार्य Luna से महँगा, क्योंकि यह ज़्यादा लिखता है।

    स्रोत ↗
  8. 8
    MiMo-V2.6-Flash (2026)

    सेट में सबसे सस्ते AA कार्यों में संयुक्त-पहला, $0.13 पर, AA 27 के साथ। मिले सबूतों के अनुसार किफ़ायती राउटर, फ़िनिशर नहीं।

    स्रोत ↗
  9. 9
    Gemini 3.8 Flash (2026)

    उच्च प्रयास पर AA 31, पर AA प्रति कार्य $7.77 बिल करता है। इसका सबसे स्पष्ट प्रमाण कि सूची कीमत बिल नहीं है।

    स्रोत ↗
  10. 10
    टेनसेंट Hy4 (2026)

    AA 35, प्रति कार्य $1.03। यहाँ के हर $0.10 मॉडल से ऊँचा, और अतिरिक्त स्कोर की कीमत साफ़ दिखती है।

    स्रोत ↗

Meta ने क्या देखा

Ember AA v5 पर Haiku के बराबर 36 रखता है और प्रति कार्य $0.14 बनाम $0.41 लेता है। मेटा का 'एक-तिहाई' दावा स्वतंत्र तालिका में टिकता है, पर केवल अधिकतम प्रयास पर और केवल उसी समग्र स्कोर पर।

स्रोत ↗

Haiku का बिल टोकन का बिल है: अधिकतम पर AA कार्य में लगभग 162K आउटपुट टोकन, जबकि Luna में लगभग 50K। इसीलिए बराबर सूची कीमतें असमान बिल बनाती हैं।

स्रोत ↗

Gemini 3.8 Flash दूसरी ओर से जाल दिखाता है: $0.75 का इंट्रो इनपुट मूल्य AA के मापे गए रन में उच्च प्रयास पर प्रति AA कार्य $7.77 बन जाता है।

स्रोत ↗

GPT-6.1 Terra का 51 स्कोर, प्रति AA कार्य $0.96 पर। सस्ते स्तर की ढलान तोड़ता है: यदि इसके एजेंट स्कोर टिकते हैं, तो नीरस कामों की सीमा छोटे नहीं, मध्यम स्तर के मॉडलों तक है।

स्रोत ↗
🇺🇸 Grok10 स्थान · 4 नोट

वही सवाल, जिसका जवाब अकेले Grok ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।

  1. 1
    Muse Ember (2026)

    स्वतंत्र 36, एक पूरे हुए कार्य के लगभग $0.14। Haiku का 36 लगभग $0.41 पड़ता है।

    स्रोत ↗
  2. 2
    Claude Haiku 5.5

    वही गोल किया गया 36, लगभग तीन गुना बिल, और मर्ज के लायक कोड में अब भी जीतने वाला।

    स्रोत ↗
  3. 3
    GLM-5.3-Flash

    ओपन वेट्स 60.4% ऑफ़िस लक्ष्य पूरे करते हैं, फिर मर्ज के लायक कोड कार्यों में केवल 17.6%।

    स्रोत ↗
  4. 4
    डीपसीक V4.1 Flash 1017

    इंडेक्स 33, लागत $0.60 प्रति कार्य, और पीक समय में आधिकारिक दर दोगुनी हो जाती है।

    स्रोत ↗
  5. 5
    Hy4 (टेनसेंट)

    एक टर्मिनल बोर्ड पर 39.4% में Ember के बराबर, $1.28 प्रति टेस्ट बनाम Ember के $0.22।

  6. 6
    Qwen3.8 Flash

    उसी स्वतंत्र पेज पर ऑफ़िस लक्ष्यों का 55.9%, टर्मिनल कार्यों का 25.3%।

    स्रोत ↗
  7. 7
    मिनीमैक्स-M3.1-Flash

    स्वयं बताया गया 38.1% टर्मिनल स्कोर 25.25% पर आ जाता है, जब वैल्स एआई एक ही हार्नेस का उपयोग करता है।

    स्रोत ↗
  8. 8
    MiMo-V2.6-Flash

    $0.13 का कार्य-बिल Ember जैसा दिखता है, फिर कार्य 64 मिनट लेता है और स्कोर 27 है।

    स्रोत ↗
  9. 9
    GPT-6 Luna

    Ember जैसी ही $0.10 स्टिकर कीमत, इंडेक्स पर 27.8, और कंप्यूटर टेस्ट पर 17% बाइनरी सफलता।

    स्रोत ↗
  10. 10
    Gemini 3.8 Flash

    Ember की तुलना में सबसे ऊँची ज्ञान-सटीकता, 50.5%, प्रति दस लाख इनपुट टोकन $0.75 पर।

    स्रोत ↗

Grok ने क्या देखा

Ember, Haiku 5.5 और Luna की इनपुट $0.10 और आउटपुट $0.50 की स्टिकर कीमत एक है। फिर भी पूरे हुए इंडेक्स कार्य की लागत लगभग $0.14, $0.41 और $0.15 है, क्योंकि कैश्ड इनपुट और तर्क टोकन बिल पर हावी होते हैं। Ember का कैश रीड $0.004 है, बाकी दोनों का $0.01। Artificial Analysis के अनुसार Ember, Haiku से लगभग एक-तिहाई आउटपुट टोकन लेता है।

स्रोत ↗

36 पर गोल किया गया बराबरी का अंक Ember अधिकतम पर 35.8 और Haiku अधिकतम पर 36.2 को छिपाता है। Ember xhigh पर लगभग $0.12 में 33.9 से 34 है, जो अब भी 30 के मध्य तक पहुँचने वाले हर Haiku प्रयास से नीचे है।

स्रोत ↗

मेटा के अपने OSWorld 2.1 चार्ट पर आंशिक अंक से Ember को 69.5% और बाइनरी अंक से 33.8% मिलता है। 30-चरण वाले कंप्यूटर काम में यदि अधूरे चरणों पर भी अंक मिलते हैं, तो वह लगभग दोगुना पूरा दिखता है।

स्रोत ↗

Ember का इंडेक्स कार्य 3.1 मिनट लेता है, पहला उत्तर टोकन 4.80 सेकंड पर। MiMo-V2.6-Flash का मिलता-जुलता $0.13 बिल 64.1 मिनट लेता है। सस्ती टोकन कीमत भी कामकाजी दिन को चूक सकती है।

स्रोत ↗
🇺🇸 Gemini10 स्थान · 2 नोट

वही सवाल, जिसका जवाब अकेले Gemini ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।

  1. 1
    मेटा Muse Ember (2026)

    मेटा का सब-एजेंट विशेषज्ञ समान बेस दरों के बावजूद कम मोड़ों में OS लूप हल करके 30-चरण वाले एजेंट बिल को Claude Haiku की तुलना में 54% घटाता है।

    स्रोत ↗
  2. 2
    एंथ्रोपिक Claude 3.5 Haiku

    लंबी निष्पादन श्रृंखलाओं में सबसे कम टूल-हैल्यूसिनेशन दर रखता है, जिससे बर्बाद दोबारा चलाने के टोकन रुकते हैं जो सस्ती स्टिकर कीमतों को फुला देते हैं।

  3. 3
    गूगल Gemini 2.0 Flash

    10 लाख टोकन का संदर्भ विंडो और सब-सेंट प्रॉम्प्ट कैशिंग मिलकर 30-चरण की स्थिति दोबारा पढ़ने की लागत को एक आउटपुट विस्फोट से भी कम बना देते हैं।

  4. 4
    ओपनएआई GPT-4o mini

    99.4% संरचित आउटपुट विश्वसनीयता अटूट रखता है, हालाँकि विज़ुअल डेस्कटॉप नेविगेशन पर Ember से दोगुनी बार मानवीय हस्तक्षेप चाहिए।

    स्रोत ↗
  5. 5
    डीपसीक-V3

    दुनिया में $0.14 इनपुट की सबसे कम टोकन स्टिकर कीमत का दावा करता है, पर बार-बार टूल-कॉल के प्रयास वास्तविक कार्य बिल को Muse Ember से 1.5 गुना कर देते हैं।

    स्रोत ↗
  6. 6
    अलीबाबा Qwen 2.5 Coder 32B-Instruct

    सामुदायिक पसंदीदा, जो सस्ते होस्टेड एंडपॉइंट पर $0.20/M टोकन में चलता है और लगभग निकट-फ़्रंटियर सिंटैक्स जनरेशन देता है, पर कभी-कभी टर्मिनल bash टाइमआउट के साथ।

    स्रोत ↗
  7. 7
    मेटा Llama 3.3 70B Instruct

    प्रति दस लाख जनरेशन $0.60 से कम पर 70B पैरामीटर का ओपन-वेट रीज़निंग देता है, पर भारी तर्क टोकन का बोझ शुद्ध बिल बढ़ा देता है।

  8. 8
    गूगल Gemini 1.5 Flash

    प्रति दस लाख टोकन एक पैसे से भी कम, पर 15वें चरण के बाद अधिक चरण विफलता पूरी श्रृंखला के महँगे रीसेट का कारण बनती है।

  9. 9
    Mistral Small 24B

    यूरोप का दुबला एंटरप्राइज़ दावेदार, संक्षिप्त JSON फ़ंक्शन कॉलिंग के लिए अनुकूलित, केवल तब फिसलता है जब ब्राउज़र कार्यों को स्क्रीनशॉट का दृश्य तर्क चाहिए।

  10. 10
    नूस रिसर्च Hermes 3 (Llama 3.1 8B)

    स्थानीय एजेंट का अनसेंसर्ड चैंपियन, जो $0 होस्टिंग पर एज वर्कस्टेशन पर चल सकता है। फिर भी मानवीय मार्गदर्शन के बिना लंबे 30-चरण कंप्यूटर कार्यों पर तेज़ विचलन दिखाता है।

Gemini ने क्या देखा

एजेंटों के लिए प्रति दस लाख टोकन की स्टिकर कीमत एक भ्रम है: 30-चरण वाले कामों पर प्रॉम्प्ट कैशिंग की 75% से 96% छूट और चरण-दोहराव की संख्या वास्तविक इनवॉइस का 80% से ज़्यादा तय करते हैं।

स्रोत ↗

मेटा Muse Ember ने 1M-टोकन संदर्भ को हाई-स्पीड टूल रूटिंग के साथ जोड़कर $0.041 प्रति कार्य पर 33.8% सख़्त OSWorld पूर्णता हासिल की, और बजट एजेंट थ्रूपुट में Claude 3.5 Haiku को पीछे छोड़ दिया।

स्रोत ↗
🇨🇳 Z.ai10 स्थान · 3 नोट

वही सवाल, जिसका जवाब अकेले Z.ai ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।

  1. 1
    Muse Ember (मेटा, 2026)

    Artificial Analysis की मापी गई सबसे सस्ती स्कोर-दर-स्कोर श्रेणी: इंडेक्स पर 36, प्रति कार्य $0.14। वही स्कोर Claude Haiku 5.5 के $0.41 बिल का लगभग एक-तिहाई है।

    स्रोत ↗
  2. 2
    मिनीमैक्स M3.1 Flash (मिनीमैक्स, 2026)

    AA द्वारा परखे गए 249 मॉडलों में ऑफ़िस-वर्कफ़्लो का दूसरा सबसे अच्छा स्कोर (72.5%), जबकि वैल्स एआई के स्वतंत्र रन में प्रति टर्मिनल टेस्ट $0.21 बिल। यह Haiku 5.5 से लगभग 15 गुना सस्ता है।

    स्रोत ↗
  3. 3
    Claude Haiku 5.5 (एंथ्रोपिक, 2026)

    साबित विकल्प: Ember के बराबर 36 और मर्ज के लायक कोड पर हर सस्ते साथी से आगे, पर बिल $0.41 प्रति कार्य है। और 100k प्रॉम्प्ट टोकन के बाद इनपुट दर 5 गुना होकर $0.50 हो जाती है।

    स्रोत ↗
  4. 4
    Kimi K3.1 Pro (मूनशॉट एआई, 2026)

    सस्ते स्तर का दिमाग़: AA के इंडेक्स पर 46 और Terminal-Bench 4.0 पर कहीं भी सबसे ऊँचा स्कोर (67.2%)। पर जब तक कैश दोबारा पढ़ना $2/$10 की कीमत को लगभग $32 के छह-कार्य रन में नहीं बदल देता।

    स्रोत ↗
  5. 5
    डीपसीक V4.1 Flash 1017 (डीपसीक, ओपन वेट्स, 2026)

    MIT लाइसेंस वाले वेट्स और $0.003 कैश-हिट दर से एक डेवलपर ने कुल $27 में 445 टर्मिनल ट्रायल चलाए। पर Terminal-Bench 4.0 पर इसका स्वयं बताया 42.3%, वैल्स एआई के स्वतंत्र रन में 19.7% रह गया।

    स्रोत ↗
  6. 6
    GPT-6 Luna (ओपनएआई, 2026)

    बिल का चैंपियन: कम प्रयास पर प्रति इंडेक्स कार्य $0.01, अपनी अधिकतम सेटिंग से 15 गुना कम। एक वास्तविक कार्य की लागत $0.071 रही। पेंच यह है कि इसने वैल्स एआई के टर्मिनल कार्यों में से केवल 13.6% हल किए।

    स्रोत ↗
  7. 7
    GLM-5.3 (झिपू AI, 2026)

    वैल्स एआई के Terminal-Bench 4.0 पर बजट की सबसे अच्छी सटीकता (38.9%, अपनी दोगुनी कीमत वाले मॉडलों के बराबर)। पर प्रति टेस्ट $9.37 पर यह बजट मॉडल की तरह नहीं, फ़्लैगशिप की तरह बिल करता है।

    स्रोत ↗
  8. 8
    Qwen3.8-27B (अलीबाबा Qwen, ओपन वेट्स, 2026)

    27B का ओपन मॉडल OSWorld-Verified पर 84.3% के साथ चौथे स्थान पर है, Claude और Gemini फ़्लैगशिप से ऊपर। पर Terminal-Bench 4.0 कार्यों में केवल 5.1% हल करता है: GUI विशेषज्ञ, सब-कुछ करने वाला नहीं।

    स्रोत ↗
  9. 9
    Gemini 3.8 Flash (गूगल, 2026)

    प्रशंसक इसे कीमत के पाँचवें हिस्से में Opus-स्तर की बुद्धिमत्ता कहते हैं। वैल्स एआई का मीटर प्रति टर्मिनल टेस्ट $8.65 बताता है, बजट वर्ग में सबसे बड़ा बिल, मध्य-पंक्ति के 19.7% सटीकता के बावजूद।

    स्रोत ↗
  10. 10
    GPT-6.1 Terra (ओपनएआई, 2026)

    अगला कदम चुनने वालों के लिए: प्रति कार्य $0.96 पर यह AA के नए इंडेक्स पर सबसे सस्ता 'अग्रणी' मॉडल है। यह Ember के बिल का लगभग 7 गुना है, उस बुद्धिमत्ता स्तर के लिए जहाँ बजट मॉडल पहुँच नहीं पाते।

    स्रोत ↗

Z.ai ने क्या देखा

स्कोर वही, बिल तीन गुना: Muse Ember और Claude Haiku 5.5 दोनों AA के इंडेक्स पर 36 हैं, पर पूरा इंडेक्स कार्य Ember पर $0.14 और Haiku पर $0.41 पड़ता है। एक ही कीमत-टैग का मतलब एक ही बिल नहीं, क्योंकि तर्क और कैश्ड टोकन की मात्रा अलग है।

स्रोत ↗

कैश ही बिल है: Kimi K3.1 Pro की सूची कीमत केवल $2/$10 प्रति दस लाख टोकन है, फिर भी एक स्वतंत्र 6-कार्य कोडिंग रन की लागत लगभग $32 रही। इसमें लगभग $22 इसलिए, क्योंकि एजेंट हर चरण पर अपने 110M कैश्ड संदर्भ टोकन दोबारा पढ़ता रहा।

स्रोत ↗

प्रयास का डायल ही कीमत का डायल है: GPT-6 Luna कम प्रयास पर प्रति इंडेक्स कार्य $0.01 और अधिकतम पर $0.15। वही मॉडल, 15 गुना का अंतर। इसलिए 'मॉडल कितनी मेहनत से सोचता है' उतना ही मायने रखता है जितना यह कि कौन-सा मॉडल चुना।

स्रोत ↗
🇨🇳 Kimi10 स्थान · 4 नोट

वही सवाल, जिसका जवाब अकेले Kimi ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।

  1. 1
    मेटा Muse Ember (2026)

    Haiku 5.5 को उसी $0.10/$0.50 स्टिकर कीमत पर $0.41 चाहिए, जबकि एक इंडेक्स कार्य पूरा करने में $0.14। यानी 2.6 गुना कम आउटपुट टोकन।

    स्रोत ↗
  2. 2
    Claude Haiku 5.5 (2026)

    Ember के 115M आउटपुट टोकन की तुलना में 298M आउटपुट टोकन लिखता है, उसी आउटपुट दर पर। प्रति कार्य $0.27 का अंतर वर्बोसिटी से है, कीमत-सूची से नहीं।

    स्रोत ↗
  3. 3
    GPT-6 Luna (2026)

    वर्ग में प्रति कार्य सबसे सस्ता ($0.07–$0.15), पर Terminal-Bench 4.0 पर केवल 16.4%। रूटिंग मॉडल, फ़िनिशर नहीं।

    स्रोत ↗
  4. 4
    डीपसीक V4.1 Flash 1017 (2026)

    इंडेक्स पर 32 के साथ सबसे ऊँचे जारी किए गए ओपन वेट्स, और प्रति दस लाख आउटपुट टोकन लगभग $0.60–$1.20 पर Terminal-Bench 4.0 पर 42.3%।

    स्रोत ↗
  5. 5
    GLM-5.3 (2026)

    Terminal-Bench 4.0 पर 43.4%, जारी किए गए वेट्स का सबसे अच्छा टर्मिनल स्कोर। और इंडेक्स पर किसी अन्य ओपन मॉडल से 15 अंक आगे।

    स्रोत ↗
  6. 6
    मिनीमैक्स M3.1 Flash (2026)

    Terminal-Bench 4.0 पर 38.1%, $0.60 आउटपुट पर। वह शांत तीसरा-पक्ष मॉडल जो Luna को 22 अंक से टर्मिनल पर पीछे छोड़ता है।

    स्रोत ↗
  7. 7
    GLM-5.3-Flash (2026)

    प्रति कार्य $0.36 पर Terminal-Bench 4.0 पर 35.8%, बोर्ड पर एक-तिहाई से ऊपर का सबसे सस्ता मापा गया पास-रेट।

    स्रोत ↗
  8. 8
    Gemini 3.5 Flash (2026)

    प्रति कार्य $0.49 पर AutomationBench-AA पर 42.6%, उस बोर्ड के शीर्ष के पास सबसे सस्ती व्यावसायिक-वर्कफ़्लो पूर्णता दर।

    स्रोत ↗
  9. 9
    MiMo-V2.6-Flash (2026)

    Terminal-Bench 4.0 पर 24.2%, प्रति कार्य $0.21 पर। दक्षता फ़्रंटियर पर सबसे कम मापी गई टर्मिनल कार्य लागत।

    स्रोत ↗
  10. 10
    Gemini 3.1 Flash-Lite (2026)

    AutomationBench-AA कार्य पर $0.05 से कम। ऑफ़िस-वर्कफ़्लो बोर्ड की सबसे सस्ती प्रविष्टि, उन कामों के लिए जहाँ चूक से कुछ नहीं बिगड़ता।

    स्रोत ↗

Kimi ने क्या देखा

सूची कीमत दोनों ओर से झूठ बोलती है: Haiku 5.5, Muse Ember और GPT-6 Luna प्रति दस लाख $0.10/$0.50 दिखाते हैं, फिर भी एक इंडेक्स कार्य $0.07–0.41 बिल होता है। यह सिर्फ़ इस पर निर्भर है कि मॉडल कितने टोकन 'बोलता' है।

स्रोत ↗

मेटा का 'एक-तिहाई लागत' का दावा प्रति कार्य सच है, पर प्रति टोकन नहीं। और AA का लाइव डेटा वर्ग के 32 मॉडलों में Claude Haiku 5.5 को पहले और Muse Ember को दूसरे स्थान पर रखता है।

स्रोत ↗

Muse Ember 200K इनपुट टोकन से ऊपर अपनी कीमत तिगुनी करता है ($0.30/$1.50), एक ऐसा स्तर जिसे मेटा की लॉन्च पोस्ट छोड़ देती है। फिर भी यह Haiku से सस्ता रहता है, जिसकी 5 गुना छलांग 100K टोकन पर ही लग जाती है।

स्रोत ↗

कैश्ड इनपुट छिपी हुई एजेंट छूट है: Ember की $0.004/M कैश्ड दर ताज़ा इनपुट से 25 गुना कम है। इसलिए 30K-टोकन सिस्टम प्रॉम्प्ट दोहराने वाला एजेंट उसके लिए लगभग कुछ नहीं चुकाता।

स्रोत ↗
🇨🇳 DeepSeek10 स्थान · 3 नोट

वही सवाल, जिसका जवाब अकेले DeepSeek ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।

  1. 1
    Muse Ember (मेटा, 2026)

    Haiku की बुद्धिमत्ता स्कोर के बराबर, $0.14 प्रति कार्य पर: एक-तिहाई बिल। और व्यावसायिक वर्कफ़्लो पर सस्ते वर्ग में अब भी आगे।

    स्रोत ↗
  2. 2
    MiMo-V2.6-Pro (शाओमी, 2026)

    बोर्ड का सबसे सस्ता उच्च-बुद्धिमत्ता मॉडल: इंटेलिजेंस इंडेक्स स्कोर 46 के लिए प्रति कार्य $0.13, हालाँकि इसका OSWorld आँकड़ा अब भी विक्रेता द्वारा बताया गया है।

    स्रोत ↗
  3. 3
    डीपसीक V4.1 Flash 1017 (डीपसीक, 2026)

    प्रति कार्य $0.60 पर यह सबसे सस्ता टोकन नहीं, पर यह टर्मिनल कार्यों का 42.3% और व्यावसायिक वर्कफ़्लो का 60.5% पूरा करता है। सस्ते स्तर में टर्मिनल और ऑफ़िस का सबसे अच्छा मेल।

    स्रोत ↗
  4. 4
    Claude Haiku 5.5 (एंथ्रोपिक, 2026)

    सस्ते वर्ग में OSWorld पर सबसे अच्छा स्कोर, 72.4%। पर वही $0.10/$0.50 सूची कीमत प्रति कार्य $0.41 बिल करती है, Muse Ember के लगभग तिगुने, और सख़्त व्यावसायिक वर्कफ़्लो का केवल 13.9% पूरा करता है।

    स्रोत ↗
  5. 5
    GPT-6 Luna (ओपनएआई, 2026)

    Haiku और Ember जैसी वही $0.10/$0.50 कीमत-सूची, पर केवल 28 इंटेलिजेंस और Terminal-Bench पर 16.4%। सबसे सस्ता बिल भी लंबे कामों के लिए झूठी बचत हो सकता है।

    स्रोत ↗
  6. 6
    मिनीमैक्स M3.1 Flash (मिनीमैक्स, 2026)

    ऑफ़िस-वर्कफ़्लो का विशेषज्ञ: AutomationBench-AA पर 72.5%, सस्ते समूह में सबसे ऊँचा। पर Terminal-Bench पर केवल 26% और FrontierCode पर 21%।

    स्रोत ↗
  7. 7
    Ling 3.0 Flash (InclusionAI, 2026)

    लगभग $0.054 प्रति कार्य पर यह 38 इंटेलिजेंस स्कोर खरीदने के सबसे सस्ते तरीकों में से एक है। पर इसके एजेंटिक टर्मिनल और ऑफ़िस स्कोर अग्रणियों से काफ़ी नीचे हैं।

    स्रोत ↗
  8. 8
    GLM-5.3-Flash (झिपू AI, 2026)

    प्रति कार्य $0.58 का मॉडल, मज़बूत 60% AutomationBench स्कोर के साथ, पर FrontierCode पर केवल 15% और Terminal-Bench पर 33%। ऑफ़िस के लायक, पर कोड मर्ज से कतराने वाला।

    स्रोत ↗
  9. 9
    Gemini 3.8 Flash (गूगल, 2026)

    कम प्रति-टोकन कीमत ($0.75 इनपुट) जो प्रति पूरे कार्य $7.77 बन जाती है। सस्ते वर्ग में स्टिकर कीमत और वास्तविक बिल के बीच सबसे बड़ा अंतर।

    स्रोत ↗
  10. 10
    K2 Horizon 375B A23B (K2, 2026)

    बोर्ड का अकेला $0.00-प्रति-कार्य मॉडल। एक उपयोगी याद दिलाने वाला कि जब OSWorld और व्यावसायिक-वर्कफ़्लो स्कोर पीछे हों, तब 'मुफ़्त' का मतलब 'एजेंट-सक्षम' नहीं होता।

    स्रोत ↗

DeepSeek ने क्या देखा

Muse Ember और Claude Haiku 5.5 की इनपुट $0.10 और आउटपुट $0.50 सूची कीमत एक है, फिर भी Ember का बिल प्रति कार्य $0.14 और Haiku का $0.41 है। Artificial Analysis इस अंतर का कारण बताता है: कैश्ड इनपुट की कीमत 60% सस्ती, और Ember लगभग एक-तिहाई आउटपुट टोकन इस्तेमाल करता है।

स्रोत ↗

MiMo-V2.6-Pro दिखाता है कि अकेली टोकन कीमत दूसरी दिशा में भी भ्रम देती है। इसकी सूची कीमत ($0.43 इनपुट / $0.87 आउटपुट) Haiku से ऊँची है, फिर भी यह इंटेलिजेंस इंडेक्स कार्य $0.13 में पूरा करता है: Ember से सस्ता और Haiku के बिल का एक-तिहाई।

स्रोत ↗

पूरे Artificial Analysis इंडेक्स में प्रति कार्य सबसे सस्ता मॉडल K2 Horizon 375B A23B है, $0.00 पर। पर इसका इंटेलिजेंस स्कोर 30.5 और सीमित एजेंटिक सबूत इसे भरोसेमंद बिना निगरानी वाला कार्यकर्ता नहीं, बल्कि प्रयोगशाला की जिज्ञासा बनाते हैं।

स्रोत ↗
🇨🇳 Wenxin10 स्थान · 2 नोट

वही सवाल, जिसका जवाब अकेले Wenxin ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।

  1. 1
    मेटा Muse Ember (2026)

    Claude के बराबर होने का दावा, एक-तिहाई लागत में। स्वतंत्र गणित कहता है हाँ, मुश्किल से

  2. 2
    डीपसीक-V3 Lite (2026)

    इंडेक्स पर सबसे सस्ता रीज़नर, पर लंबी ब्राउज़र श्रृंखलाओं में लड़खड़ाता है

  3. 3
    एंथ्रोपिक Claude Haiku 4.5 (2026)

    वह संदर्भ-बिंदु जिसे हर कोई हराने का दावा करता है, और वही जिस पर आप 30-चरण वाले कामों के लिए भरोसा करते हैं

  4. 4
    गूगल Gemini 2.5 Flash-Lite (2026)

    गूगल का एक डॉलर प्रति घंटे से कम का दांव: ऑफ़िस कामों में तेज़, कोड में धीमा

    स्रोत ↗
  5. 5
    Mistral Small 3.1 (2026)

    यूरोप का सबसे सस्ता द्विभाषी वर्कहॉर्स, अगर आप अच्छी तरह कैश करें तो प्रति कार्य 0.002

    स्रोत ↗
  6. 6
    ओपनएआई GPT-4o mini (2026)

    वह एजेंट जो लोग पहले ही इस्तेमाल कर रहे हैं: अब तीसरी पीढ़ी का, पर अब भी सबसे सस्ता नहीं

    स्रोत ↗
  7. 7
    Qwen 3 4B (2026)

    अलीबाबा का ओपन-सोर्स 4B दम: कैश पर बढ़िया, ब्राउज़र श्रृंखलाओं पर कमज़ोर

  8. 8
    कोहेरे Command R+ 08-2026 (छोटा)

    व्यावसायिक वर्कफ़्लो के लिए RAG-ट्यून्ड: ज़्यादा खर्च, पर ऑफ़िस के चरण बेहतर पूरे करता है

    स्रोत ↗
  9. 9
    माइक्रोसॉफ्ट Phi-4 Mini (2026)

    माइक्रोसॉफ्ट का प्रति कार्य 0.001 का माइक्रो: गणित सही है, एजेंट नहीं

  10. 10
    स्टेबिलिटी एआई Stable LM 2 1.6B (2026)

    बोर्ड का सबसे सस्ता टोकन: जितना दाम दें, उतना ही मिलता है

Wenxin ने क्या देखा

DeepSeek-V3 Lite अकेला ऐसा सस्ता मॉडल है जिसका इंटेलिजेंस इंडेक्स (62) अपने निर्माता के प्रति-कार्य कीमत अनुपात से काफ़ी ऊपर है। पर इसका OSWorld स्कोर Haiku से लगभग 14 अंक पीछे है, जो दिखाता है कि तर्क ≠ टूल-उपयोग।

स्रोत ↗

सबसे सस्ता मॉडल कच्ची लागत पर (Stable LM 2 1.6B, 0.0005 प्रति कार्य) केवल 90.002 पर पूरा होता है, जब कैश्ड इनपुट दोबारा इस्तेमाल होता है। पर यह केवल दोहराए जाने वाले वर्कफ़्लो में मदद करता है, एक-बार के ब्राउज़र कार्यों में नहीं।

स्रोत ↗
🇨🇳 Qwen10 स्थान · 2 नोट

वही सवाल, जिसका जवाब अकेले Qwen ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।

  1. 1
    मेटा Muse Ember

    Claude Haiku के दिमाग़ से मेल खाता, एक-तिहाई बिल पर।

    स्रोत ↗
  2. 2
    एंथ्रोपिक Claude Haiku 5.5 / 3.5 Haiku

    सस्ते एजेंटों का आधार, अब पैसों में मिलान।

    स्रोत ↗
  3. 3
    ओपनएआई GPT-4o-mini

    10 सेंट प्रति कार्य से कम में सबसे भरोसेमंद ऑल-राउंडर।

    स्रोत ↗
  4. 4
    गूगल Gemini 1.5 Flash 8B

    गूगल का अति-घना बजट मॉडल अपने पैरामीटर-वज़न से ऊपर प्रदर्शन करता है।

    स्रोत ↗
  5. 5
    अलीबाबा Qwen 2.5 7B

    ओपन-वेट्स का चैंपियन जो मिड-टियर मॉडल जैसा स्कोर करता है, वह भी सेंट के अंशों में।

    स्रोत ↗
  6. 6
    अलीबाबा Qwen 2.5 Coder 7B

    मर्ज होने लायक कोड लिखने का सबसे सस्ता तरीका, पर ब्राउज़र के प्रति अंधा।

    स्रोत ↗
  7. 7
    मेटा Llama 3.1 8B

    मेटा का पुराना ओपन मॉडल अब भी एक पक्का स्थानीय बैकअप बना हुआ है।

    स्रोत ↗
  8. 8
    डीपसीक V2.5 / V3-Lite

    मिक्सचर-ऑफ़-एक्सपर्ट्स की दक्षता, जो एजेंट लूप को सस्ता रखती है।

    स्रोत ↗
  9. 9
    Mistral Small

    यूरोपीय व्यावहारिकता: फ़्लैगशिप के मार्कअप के बिना ठीक-ठाक ऑटोमेशन स्कोर।

    स्रोत ↗
  10. 10
    गूगल Gemma 2 9B

    गूगल का ओपन विकल्प, जो एक ही उपभोक्ता GPU पर आराम से समा जाता है।

Qwen ने क्या देखा

जिस मॉडल की टोकन कीमत सस्ती है, वह प्रति कार्य महँगा पड़ सकता है यदि वह बहुत बोले। Muse Ember का $0.12 कार्य-खर्च कम टोकन-बर्बादी से आता है, केवल कम टोकन कीमत से नहीं।

स्रोत ↗

कोड के लिए बने मॉडल GUI कंप्यूटर उपयोग पर बहुत खराब स्कोर करते हैं। Qwen 2.5 Coder OSWorld पर केवल 5.92% पर पहुँचता है, जो दिखाता है कि कोडिंग कौशल अपने-आप ब्राउज़र पर क्लिक करने में नहीं बदलता।

स्रोत ↗