প্রথমে টেবিলটা
প্রতি উত্তরের দাম Whizi মডেল কস্ট ইনডেক্স থেকে নেওয়া (1,000 ইনপুট আর 500 আউটপুট টোকেন, লিস্ট রেট 2026-08-20 তারিখে সংগৃহীত)। সবচেয়ে ভালো বাছাই কোয়ালিটির জন্য অপ্টিমাইজ করা; ভ্যালু বাছাই হলো যেখানে বেশিরভাগ মানুষের আসলে কাজটা পাঠানো উচিত।
| কাজ | সবচেয়ে ভালো বাছাই | ভ্যালু বাছাই | ভ্যালু বাছাই, প্রতি উত্তর |
|---|---|---|---|
| শুরু থেকে শেষ পর্যন্ত মানুষ পড়বে এমন লেখা | Claude (Opus tier) | Claude Sonnet 5 | $0.007 |
| যে কোড আপনি শিপ করবেন | GPT রিজনিং টায়ার | DeepSeek V4 Pro | $0.003 |
| মাল্টি-স্টেপ গণিত আর যুক্তি | GPT-5.6 Sol (reasoning) | DeepSeek R1 | $0.002 |
| খুব দীর্ঘ ডকুমেন্ট | Gemini 3.1 Pro, 1M context | Llama 4 Maverick, 1M context | $0.0006 |
| ফাইলে ডেটা অ্যানালাইসিস | ChatGPT (code execution) | একই, তারপর ভেরিফাই করুন | $0.008 |
| রোজকার প্রশ্ন | কোনো ফ্রন্টিয়ার এভরিডে টায়ার | GPT-5.6 Luna | $0.0008 |
| উচ্চ-ভলিউম ব্যাচ কাজ | ফ্রন্টিয়ার কাজ নয় | Llama 3.3 70B | $0.00026 |
| ছবি তৈরি | Nano Banana Pro (Gemini 3 Pro Image) | Nano Banana 2 | $0.002 |
| চলতি ঘটনার গবেষণা | একটা সার্চ-কানেক্টেড অ্যাসিস্ট্যান্ট | Gemini বা Perplexity | সার্চ অনুযায়ী পরিবর্তনশীল |
প্রতিটা রো একটা দীর্ঘ আলোচনাকে সংক্ষিপ্ত করে। গভীর আলোচনা এক ক্লিক দূরে: ডেটা অ্যানালাইসিস, গণিত, ওপেন-সোর্স ক্ষেত্র, আর তিন-মুখী ফ্রন্টিয়ার তুলনা।
কেন বিজয়ীরা কাজ অনুযায়ী আলাদা হয়
এই বিভাজন আর্কিটেকচারাল, মার্কেটিং নয়, তাই এগুলো ভার্সন আপডেটেও টিকে থাকে।
লেখা রুচিকে পুরস্কৃত করে। মানুষ শুরু থেকে শেষ পর্যন্ত পড়বে এমন গদ্যে Claude-এর সুবিধা একাধিক জেনারেশন ধরে টিকে আছে, তাই এভরিডে GPT টায়ারের চেয়ে বেশি দাম হলেও এটা লেখার রো ধরে রাখে।
কোড আর গণিত রিজনিং মোডকে পুরস্কৃত করে। যে মডেলগুলো উত্তর দেওয়ার আগে একটা দীর্ঘ অভ্যন্তরীণ চিন্তার চেইন তৈরি করে আর তা যাচাই করে, তারা দুটো রোতেই আধিপত্য করে; ওপেন-ওয়েটস এন্ট্রি, কোডের জন্য DeepSeek V4 আর গণিত-স্টাইল রিজনিংয়ের জন্য R1, দামের এক-দশমাংশে এর বেশিরভাগটাই দেয়।
দীর্ঘ ডকুমেন্ট কনটেক্সট লেন্থকে পুরস্কৃত করে। একটা 1M টোকেন উইন্ডো, প্রায় 1,500 পাতা, একটা চুক্তি সম্পূর্ণ বিশ্লেষণ করা আর তার প্রথম এক-তৃতীয়াংশ বিশ্লেষণ করার মধ্যে পার্থক্য তৈরি করে। এখন অনেক মডেলে এটা আছে; প্রতি উত্তরের দামই এগুলোকে আলাদা করে।
ভলিউম কাজ দামকে পুরস্কৃত করে। প্রতি স্ট্যান্ডার্ড উত্তরে $0.00026 দামে, Llama 3.3 70B হাজারটা সারাংশ 26 সেন্টে করে দেয়। এই দামে মাঝেমধ্যে ভুল হওয়া সহনীয়, যেটা 20 থেকে 100 গুণ বেশি ফ্রন্টিয়ার রেটে সম্ভব নয়।
বেঞ্চমার্ক দাবি কীভাবে পড়বেন, আমাদেরটাও সহ
প্রতিটা মডেল রিলিজ এমন একটা চার্ট নিয়ে আসে যেখানে সে জেতে। তিনটা অভ্যাস আপনাকে সৎ রাখে।
গড়ের চেয়ে কাজ-নির্দিষ্ট বেঞ্চমার্ককে প্রাধান্য দিন। SWE-bench-এর মতো একটা কোডিং স্কোর আপনাকে কোড সম্পর্কে বলে; একটা মিশ্র লিডারবোর্ড মিশ্রণ সম্পর্কে বলে। উপরের টেবিল এই কারণেই ইচ্ছাকৃতভাবে কাজ অনুযায়ী রাউট করে।
তারিখ দেখুন। এখানকার বাছাইগুলো 2026 সালের আগস্টে কস্ট ইনডেক্স আর পাবলিক রিপোর্টিংয়ের বিরুদ্ধে যাচাই করা হয়েছে, আর নতুন রিলিজ এলে এই পাতা আপডেট হয়। তারিখ ছাড়া একটা "সেরা মডেল" দাবি লোককথা মাত্র; মডেল টাইমলাইন দেখায় জমিটা কত দ্রুত বদলাচ্ছে।
নিজের তিনটা প্রম্পট চালান। আপনার সপ্তাহের একটা বাস্তব কাজ নিন আর সবচেয়ে ভালো বাছাই আর ভ্যালু বাছাই দিয়ে সেটা চালান। আপনার নিজের দশ মিনিটের প্রমাণ যেকোনো টেবিলকে হারায়, এটাও সহ, আর একটা AI মডেল কীভাবে বাছবেন সেটাকে একটা পুনরাবৃত্তিযোগ্য প্রক্রিয়ায় পরিণত করে।
এই টেবিল সত্যিকারভাবে যেখানে অনিশ্চিত
প্রতিটা রোর শীর্ষ বদলাতে থাকে। সবচেয়ে ভালো বাছাই প্রতিটা বড় রিলিজ সাইকেলে বদলায়; ভ্যালু বাছাই বেশি স্থির থাকে কারণ দামের নিম্নসীমা সক্ষমতার উচ্চসীমার চেয়ে ধীরে বদলায়।
"সেরা" বিচ্যুতিকে চাপা দেয়। গড়ে Claude লেখায় জেতে; একটা নির্দিষ্ট GPT ড্রাফট একটা নির্দিষ্ট Claude ড্রাফটকে যথেষ্ট প্রায়ই হারায় যে ক্রস-চেক করার অভ্যাসটা ডিফল্টের চেয়ে বেশি গুরুত্বপূর্ণ।
সার্চ-কানেক্টেড গবেষণা সার্চের উপর নির্ভর করে। চলতি ঘটনার জন্য, মডেলের চেয়ে বেশি সিদ্ধান্ত নেয় রিট্রিভাল লেয়ার, তাই গবেষণার রো একজন বিজয়ীর বদলে একটা বিভাগের নাম দেয়।
আপনার প্রম্পট আপনার মডেলের চেয়ে বড় ভ্যারিয়েবল। একটা অস্পষ্ট আর একটা নির্দিষ্ট প্রম্পটের মধ্যে ফারাক প্রায় প্রতিটা কাজে পাশাপাশি মডেলগুলোর মধ্যে ফারাককে ছাড়িয়ে যায়। টেবিলটা ছোট ভ্যারিয়েবলটাকে অপ্টিমাইজ করে; প্রম্পট বেসিকস বড়টাকে অপ্টিমাইজ করে।
এই টেবিলে যে সাবস্ক্রিপশন অঙ্ক আছে
টেবিলটা হুবহু সিঙ্গল-প্রোভাইডার সাবস্ক্রিপশন দিয়ে অনুসরণ করলে আপনি প্রতিটা রোর সবচেয়ে ভালো বাছাই পেতে ChatGPT Plus, Claude Pro আর একটা Gemini প্ল্যানের জন্য প্রতিটায় প্রায় $20, মাসে মোট প্রায় $60 খরচ করছেন।
বিকল্প হলো একটা ওয়ার্কস্পেস যা সব রো বহন করে। বছরে বিল হওয়া মাসে $19.99-এ Whizi Pro-তে আছে ChatGPT Sol, Claude Sonnet ও Opus, Kimi K3, আর Gemini Pro, সাথে ভলিউম রোর জন্য DeepSeek আর Llama-এর মতো ভ্যালু বাছাই, আর $34.99-এ Powerhouse-এ শীর্ষ রিজনিং টায়ার আর Claude Fable। এটাই একটা মাল্টি-মডেল ওয়ার্কস্পেসের পুরো থিসিস: টেবিলটা একটা শপিং লিস্ট থাকা বন্ধ করে একটা সাবস্ক্রিপশনের ভেতরে একটা রাউটিং নিয়ম হয়ে যায়। সাবস্ক্রিপশন খরচের বিশ্লেষণ বিস্তারিত তুলনা করে দেখায়।
- ব্র্যান্ড লয়ালটি নয়, কাজ অনুযায়ী রাউট করুন: লেখা, কোড, দীর্ঘ কনটেক্সট আর ভলিউমের বিজয়ী আলাদা
- ডিফল্টভাবে ভ্যালু বাছাই ব্যবহার করুন আর কোয়ালিটি স্পষ্টভাবে গুরুত্বপূর্ণ হলে সবচেয়ে ভালো বাছাইয়ে যান
- ব্যাচ কাজ ওপেন মডেলে পাঠান; ফ্রন্টিয়ার দাম ফ্রন্টিয়ার সমস্যার জন্য
- কোনো বেঞ্চমার্ক দাবি একটা তারিখসহ কাজ-নির্দিষ্ট বেঞ্চমার্কের বিরুদ্ধে যাচাই করুন
- প্রতিটা বড় রিলিজ সাইকেলের পর আপনার নিজের তিন-প্রম্পট টেস্ট আবার চালান
প্রায়ই জিজ্ঞাসিত প্রশ্ন
2026-এ সামগ্রিকভাবে সেরা AI মডেল কোনটা?
কোনো অর্থবহ সামগ্রিক বিজয়ী নেই: ফ্রন্টিয়ার মডেলগুলো মিশ্র বেঞ্চমার্কে কয়েক পয়েন্টের মধ্যে জড়ো হয়ে থাকে, যখন কাজ অনুযায়ী তীব্রভাবে বিভক্ত হয়। Claude গদ্যে এগিয়ে, রিজনিং টায়ার কোড আর গণিতে এগিয়ে, Gemini খুব দীর্ঘ ডকুমেন্টে এগিয়ে, আর ওপেন মডেল দামে এগিয়ে। উপযোগী প্রশ্নটা হলো কাজ-অনুযায়ী প্রশ্নটা, যার উত্তর দেয় রাউটিং টেবিল।
কোডিংয়ের জন্য কোন AI মডেল সবচেয়ে ভালো?
যে কোড আপনি শিপ করবেন তার জন্য, GPT রিজনিং টায়ার সবচেয়ে ভালো বাছাই, আর ভ্যালু বাছাই DeepSeek V4 Pro: SWE-bench Verified বেঞ্চমার্কে DeepSeek-এর নিজের রিপোর্ট করা 80.6% ফ্রন্টিয়ার এলাকায় বসে, MIT লাইসেন্সের অধীনে প্রতি স্ট্যান্ডার্ড উত্তরে প্রায় $0.003 দামে। দ্রুত স্ক্রিপ্ট আর বয়লারপ্লেটের জন্য, এভরিডে টায়ার ঠিকঠাক আর অনেক সস্তা।
সবচেয়ে দামি AI মডেলই কি সেরা?
শুধু সবচেয়ে কঠিন কাজের জন্য। দাম কম্পিউটকে অনুসরণ করে, আর রিজনিং টায়ার মাল্টি-স্টেপ সমস্যায় সত্যিই তার প্রিমিয়াম অর্জন করে। কিন্তু সস্তা থেকে সবচেয়ে দামি মডেল পর্যন্ত ইনডেক্সের ব্যাপ্তি প্রায় 2,000x, যখন রোজকার প্রশ্নে কোয়ালিটির ফারাক প্রায় অনুভবযোগ্যই নয়, তাই রুটিন কাজে ফ্রন্টিয়ার রেট দেওয়াটাই AI-তে বেশি খরচ করার সবচেয়ে সাধারণ পথ।
সেরা মডেল কত ঘন ঘন বদলায়?
একটা বিভাগে সবচেয়ে ভালো বাছাই প্রায় প্রতিটা বড় রিলিজ সাইকেলে বদলায়, বছরে কয়েকবার। বিভাগের গঠন অনেক ধীরে বদলায়: লেখা Claude-কে পুরস্কৃত করেছে, দীর্ঘ ডকুমেন্ট কনটেক্সট লেন্থকে পুরস্কৃত করেছে, আর ভলিউম কাজ একাধিক জেনারেশন ধরে ওপেন মডেলকে পুরস্কৃত করেছে। কোনো সুপারিশে তারিখ দেখুন, এই পাতাও সহ।
এই টেবিল অনুসরণ করতে কি একাধিক AI সাবস্ক্রিপশন লাগবে?
আর নয়। সিঙ্গল-প্রোভাইডার প্ল্যান দিয়ে টেবিলটা অনুসরণ করতে তিনটা সাবস্ক্রিপশনে মাসে প্রায় $60 খরচ হয়। একটা মাল্টি-মডেল ওয়ার্কস্পেস একটা প্ল্যানে প্রতিটা রো বহন করে: বছরে বিল হওয়া মাসে $19.99-এ Whizi Pro ফ্রন্টিয়ার আর ভ্যালু বাছাই কভার করে, আর Powerhouse প্ল্যানে থাকে শীর্ষ রিজনিং টায়ার আর Claude Fable। কথোপকথনের মাঝখানে মডেল বদলানোই সেই মেকানিজম যা কাজ-অনুযায়ী রাউটিংকে ব্যবহারিক করে তোলে।
