সংক্ষিপ্ত উত্তর
ডেটা-সেন্টার স্কেলে কাঁচা ক্ষমতার দিক থেকে, 2026 সালের মাঝামাঝি লিডারবোর্ডের শীর্ষে আছে Kimi K3, যার ওয়েট Moonshot 2026 সালের জুলাইয়ে 1M টোকেন কনটেক্সট উইন্ডো নিয়ে প্রকাশ করেছে, আর DeepSeek V4, যার Pro ভ্যারিয়েন্ট MIT লাইসেন্সের অধীনে SWE-bench Verified কোডিং বেঞ্চমার্কে 80.6% রিপোর্ট করে। দুটোই পাবলিক ইভালুয়েশনে ক্লোজড ফ্ল্যাগশিপের সঙ্গে প্রতিযোগিতামূলক।
একটা ভালো GPU থাকলে, Qwen মিড-সাইজ ডেন্স মডেলগুলোই স্বাভাবিক পছন্দ। একদমই GPU ছাড়া ল্যাপটপের জন্য, Gemma-র মতো ছোট মডেলই বাস্তবসম্মত সর্বোচ্চ সীমা। আর যে ডেভেলপাররা API-র মাধ্যমে শুধু সস্তা আর সক্ষম ইনফারেন্স চান, তাদের জন্য Llama 3.3 70B আর DeepSeek V3.2 ফ্রন্টিয়ার মডেলের দামের একটা ক্ষুদ্র ভগ্নাংশে উত্তর দেয়।
সৎ শিরোনামটা হলো, "কোন ওপেন মডেল সেরা" প্রশ্নের উত্তরের গঠন এখন সাধারণভাবে কোন AI মডেল ব্যবহার করবেন প্রশ্নের মতোই: এটা নির্ভর করে কাজ আর কোথায় চলছে তার ওপর, আর ক্লোজড মডেলের সঙ্গে ফারাক এতটাই কমে এসেছে যে প্রায়ই দাম আর লাইসেন্সই সিদ্ধান্ত নেয়।
ওপেন সোর্স নাকি ওপেন ওয়েট? লাইসেন্সটা আসলেই গুরুত্বপূর্ণ
"ওপেন সোর্স" লেবেলটা তিনটা আলাদা চুক্তি বোঝায়, আর এই পার্থক্যটা অদৃশ্য থাকে যতক্ষণ না এটা আপনার খরচ বাড়ায়।
সত্যিকারের ওপেন লাইসেন্স (MIT, Apache)। DeepSeek MIT-র অধীনে রিলিজ করে: ব্যবহার করুন, পরিবর্তন করুন, এর ওপর একটা কমার্শিয়াল প্রোডাক্ট বানান, চিন্তা করার মতো কোনো শর্ত নেই। এটাই ওপেন সোর্সের সবচেয়ে কঠোর সংজ্ঞা, আর 2026 সালে কয়েকটা ফ্রন্টিয়ার-ক্লাস মডেল অবশেষে এটা বহন করছে।
শর্তসহ ওপেন ওয়েট। Meta-র Llama লাইসেন্স এর সবচেয়ে পরিচিত উদাহরণ: ওয়েটগুলো ডাউনলোডযোগ্য আর প্রায় সবার জন্যই ফ্রি, কিন্তু লাইসেন্স খুব বড় আকারের কমার্শিয়াল ডিপ্লয়মেন্ট আর নির্দিষ্ট কিছু ব্যবহার সীমাবদ্ধ করে। Llama এক্সপ্লেইনার ব্যাখ্যা করে কেন এই পার্থক্যটা নিয়ে অনলাইনে তর্ক হয়।
ওপেন ওয়েট, রিসার্চ সীমাবদ্ধতা। কিছু রিলিজ রিসার্চ আর ব্যক্তিগত ব্যবহারের অনুমতি দেয় কিন্তু কমার্শিয়াল ডিপ্লয়মেন্ট সম্পূর্ণরূপে সীমাবদ্ধ করে। বানানোর আগে পড়ে নিন।
একজন ব্যক্তি যে একটা চ্যাট প্রোডাক্টের মাধ্যমে এই মডেলগুলো ব্যবহার করেন, তার জন্য এসবের কিছুই কিছু বদলায় না। কিন্তু কোনো কোম্পানি যদি এর ওপর সফটওয়্যার তৈরি করে, তাহলে যেকোনো বেঞ্চমার্কের আগে লাইসেন্সটাই যাচাই করার প্রথম বিষয়।
2026 সালের শীর্ষস্থানীয় ওপেন মডেল, তুলনায়
দামগুলো Whizi মডেল কস্ট ইনডেক্স থেকে প্রতি মিলিয়ন টোকেনের হোস্টেড API রেট, যা 2026-08-20 তারিখে OpenRouter-এর লিস্ট প্রাইস থেকে সংগ্রহ করা হয়েছে। বেঞ্চমার্কের সংখ্যাগুলো ডেভেলপারদের পাবলিক লিডারবোর্ডে রিপোর্ট করা ফলাফল।
| মডেল | লাইসেন্স | কনটেক্সট | ইনপুট / আউটপুট প্রতি 1M টোকেন | উল্লেখযোগ্য তথ্য |
|---|---|---|---|---|
| Kimi K3 (Moonshot) | ওপেন ওয়েট | 1M | $3.00 / $15.00 | ওয়েট প্রকাশিত হয়েছে জুলাই 2026; ওপেন লিডারবোর্ডে শীর্ষে |
| DeepSeek V3.2 | MIT | 164K | $0.27 / $0.40 | কমোডিটি দামে ফ্রন্টিয়ার-ক্লাস উত্তর |
| DeepSeek V4 Pro | MIT | 1M | $1.19 / $3.56 | SWE-bench Verified-এ 80.6% রিপোর্ট করে |
| Llama 4 Maverick (Meta) | Llama লাইসেন্স | 1M | $0.20 / $0.80 | ইনডেক্সে সবচেয়ে সস্তা 1M কনটেক্সট |
| Llama 3.3 70B (Meta) | Llama লাইসেন্স | 131K | $0.10 / $0.32 | কাজের ঘোড়া: সব জায়গায়, আর প্রায় ফ্রি |
| Mistral Large 3 | ওপেন ওয়েট | 262K | $0.50 / $1.50 | সবচেয়ে শক্তিশালী ইউরোপীয় ওপেন রিলিজ |
| Qwen3.7 Flash | Apache | 1M | $0.03 / $0.13 | তার শ্রেণিতে সবচেয়ে কম দামে 1M কনটেক্সট |
খেয়াল করার মতো দুটো প্যাটার্ন আছে। প্রথমত, 1M টোকেন কনটেক্সট উইন্ডো, যা একসময় ক্লোজড-মডেলের বিক্রির পয়েন্ট ছিল, এখন ওপেন রিলিজগুলোতে স্ট্যান্ডার্ড হয়ে গেছে; কনটেক্সট উইন্ডো তুলনা-তে পুরো টেবিল দেখা যায়। দ্বিতীয়ত, দামের সর্বনিম্ন সীমা কমতেই থাকছে: Qwen3.7 Flash কস্ট ইনডেক্সে একটা স্ট্যান্ডার্ড কোয়েরির জন্য $0.000095 দামে উত্তর দেয়, যাতে হাজার উত্তরের দাম দশ সেন্টের নিচে থাকে।
এগুলো চালাতে আসলে কত খরচ হয়?
Whizi কস্ট ইনডেক্স প্রতিটা মডেলের দাম হিসাব করে একটা স্ট্যান্ডার্ড উত্তরের জন্য, 1,000 ইনপুট টোকেন প্লাস 500 আউটপুট টোকেন, যাতে লিস্ট রেটগুলো তুলনাযোগ্য হয়। এই মাপকাঠিতে, ওপেন মডেলগুলো ক্লোজড ফ্ল্যাগশিপের চেয়ে সামান্য সস্তা নয়; এগুলো সম্পূর্ণ আলাদা এক অর্থনৈতিক শ্রেণি।
Llama 3.3 70B থেকে একটা স্ট্যান্ডার্ড উত্তরের দাম $0.00026। DeepSeek V3.2 থেকে, $0.00047। Kimi K3 থেকে, ইনডেক্সের সবচেয়ে দামি ওপেন মডেল, $0.0105। একই উত্তরের জন্য ক্লোজড ফ্ল্যাগশিপগুলোর দাম $0.0175 থেকে $0.035, আর সবচেয়ে সস্তা থেকে সবচেয়ে দামি মডেল পর্যন্ত পুরো ইনডেক্সের ব্যবধান প্রায় 2,000x। Llama 3.3 থেকে হাজার উত্তরের দাম 26 সেন্ট; একই হাজার উত্তর কোনো ক্লোজড ফ্ল্যাগশিপ থেকে $30 পার করে যেতে পারে।
এই কারণেই ওপেন মডেলগুলো নিঃশব্দে অনেক AI প্রোডাক্টের ফাস্ট বা ইকোনমিকাল টিয়ার চালায়, আর এই কারণেই হাই-ভলিউম কাজ, ক্লাসিফিকেশন, এক্সট্রাকশন, বড় স্কেলে সামারাইজিং, প্রায় সব সময় এগুলোর ওপরই পড়ে। লাইভ কস্ট ইনডেক্স-এ প্রতি-উত্তরের হিসাব-সহ পুরো 100-মডেলের টেবিল আছে।
যে সতর্কতাটা এটাকে সৎ রাখে: নিজে ওয়েট চালানো ফ্রি তখনই যদি আপনার সময় আর হার্ডওয়্যার ফ্রি হয়। একটা 70B মডেল ভালোভাবে সার্ভ করতে সক্ষম GPU একটা চার-সংখ্যার কেনাকাটা, আর একটা কনজিউমার GPU-তে চলার মতো মিড-সাইজ মডেলগুলো তার বিনিময়ে ক্ষমতা কমিয়ে দেয়। বেশিরভাগ মানুষের জন্য, ওপেন মডেলে হোস্টেড অ্যাক্সেস হার্ডওয়্যার ছাড়াই দামের সুবিধাটা ধরে রাখে।
কোন কাজে কোন ওপেন মডেল
হাই-ভলিউম, খরচ-সংবেদী কাজ (সামারি, এক্সট্রাকশন, ট্যাগিং): Llama 3.3 70B বা Qwen3.7 Flash। প্রতি উত্তরে এক সেন্টের দশ ভাগের কয়েক ভাগ দামে, কখনো কখনো ভুল হওয়ার খরচ একটা প্রিমিয়াম মডেলের সঠিক হওয়ার খরচের চেয়ে কম।
কোডিং: DeepSeek V4 Pro বা Kimi K3-র কোডিং ভ্যারিয়েন্ট। রিপোর্ট করা SWE-bench সংখ্যাগুলো এদের ক্লোজড কোডিং অ্যাসিস্ট্যান্টদের সঙ্গে আসল প্রতিযোগিতায় ফেলে দেয়, আর MIT লাইসেন্স DeepSeek-কে এমবেড করার নিরাপদ পছন্দ করে তোলে। Claude vs DeepSeek এটা মুখোমুখি পরীক্ষা করে।
দীর্ঘ ডকুমেন্ট: 1M কনটেক্সটের যেকোনো রিলিজ, বাজেট পছন্দ হিসেবে Llama 4 Maverick, প্রতি মিলিয়ন ইনপুট টোকেনে $0.20 দামে।
লোকাল আর প্রাইভেট: 24 GB GPU-তে একটা Qwen মিড-সাইজ মডেল, বা ল্যাপটপে Gemma-ক্লাস ছোট মডেল। প্রাইভেসি সম্পূর্ণ, ক্ষমতা মাঝারি স্তরের, আর Llama গাইড লোকাল চালানোর বাস্তবসম্মত প্রত্যাশা নিয়ে আলোচনা করে।
বহুভাষিক আর ইউরোপে-হোস্টেড কাজ: Mistral Large 3, যা Mistral এক্সপ্লেইনার-এর মূল ভিত্তিও।
যেখানে ওপেন মডেল এখনো পিছিয়ে
একটা সৎ গাইড ফাঁকগুলো নাম ধরে বলে, কারণ এগুলো আসল আর এগুলোই ক্রয়ের সিদ্ধান্ত ঠিক করে।
রিজনিংয়ের একদম শীর্ষ। সবচেয়ে কঠিন মাল্টি-স্টেপ রিজনিং আর এজেন্টিক কাজে, বেশিরভাগ প্রকাশিত ইভালুয়েশনে ক্লোজড ফ্ল্যাগশিপরাই এখনো এগিয়ে। ফারাকটা নাটকীয়ভাবে কমে গেছে; কিন্তু পুরোপুরি মিটে যায়নি।
পলিশ আর প্রোডাক্ট। ওপেন ওয়েট শুধু ওয়েট হিসেবেই আসে। ভয়েস মোড, ডিপ রিসার্চ টুল, মেমোরি, আর অ্যাপ ইকোসিস্টেম হলো প্রোডাক্ট ইঞ্জিনিয়ারিং, যা ক্লোজড প্রোভাইডাররা একসঙ্গে দেয় আর ওপেন মডেলগুলো যে কেউ হোস্ট করে তার হাতেই ছেড়ে দেয়।
হোস্টিংয়ের সামঞ্জস্যতা। একই ওপেন মডেল কোয়ান্টাইজেশন আর সার্ভিং-এর পছন্দের ওপর ভিত্তি করে বিভিন্ন হোস্টে আলাদাভাবে পারফর্ম করতে পারে, এমন একটা সমস্যা যা ক্লোজড API-তে থাকে না। যদি একটা ওপেন মডেল আচমকা খারাপ মনে হয়, তাহলে মডেলের আগে হোস্টকেই সন্দেহ করুন।
সাপোর্ট আর দায়বদ্ধতা। ক্লোজড মডেল ভুল করলে একটা ভেন্ডর আছে। সেলফ-হোস্টেড ওয়েট ভুল করলে, আছে একটা GitHub ইস্যু ট্র্যাকার।
একটা আসলে ব্যবহার করার তিনটা উপায়
1. একটা মাল্টি-মডেল ওয়ার্কস্পেসের মাধ্যমে। কোনো সেটআপ ছাড়া রুট: Whizi-তে GPT, Claude, আর Gemini-র পাশাপাশি Llama, DeepSeek, Kimi, Qwen, আর Mistral-এর মতো ওপেন মডেল আছে, ফলে ওপেন-বনাম-ক্লোজড আর একটা সাবস্ক্রিপশন সিদ্ধান্ত থাকে না, বরং প্রশ্ন-বাই-প্রশ্ন সিদ্ধান্ত হয়ে যায়। একই কনভারসেশনে ভলিউম কাজ সস্তা ওপেন মডেলে পাঠান আর কঠিন রিজনিং একটা ফ্ল্যাগশিপে।
2. একটা API-র মাধ্যমে। ডেভেলপারদের জন্য, উপরের দামে হোস্টেড ওপেন মডেলগুলোই প্রোডাকশন ওয়ার্কলোডের জন্য ফ্রন্টিয়ার প্রোভাইডারদের বাইরে তাকানোর মূল কারণ।
3. আপনার নিজের হার্ডওয়্যারে। Ollama আর LM Studio এখন লোকাল চালানো সত্যিই সহজ করে দিয়েছে। এটা প্রাইভেসি বা অফলাইন প্রয়োজনের জন্য বেছে নিন, খরচ বাঁচানোর জন্য নয়; বিদ্যুৎ সস্তা কিন্তু GPU নয়।
- কোনো কিছু কমার্শিয়ালি বানানোর আগে লাইসেন্স চেক করুন: MIT আর Apache শর্তহীন, Llama-স্টাইলের লাইসেন্স তা নয়
- হাই-ভলিউম কাজ প্রথমে ওপেন মডেলে পাঠান; প্রতি-উত্তরের দামের ফারাক 20 থেকে 100 গুণ
- রিপোর্ট করা বেঞ্চমার্ককে একটা শর্টলিস্ট হিসেবে বিশ্বাস করুন, তারপর কমিট করার আগে নিজের কাজে পরীক্ষা করুন
- কোনো হোস্টেড ওপেন মডেল খারাপ পারফর্ম করলে, মডেলকে দোষ দেওয়ার আগে অন্য একটা হোস্ট চেষ্টা করুন
- প্রাইভেসি বা অফলাইন ব্যবহারের জন্য লোকালি চালান, টাকা বাঁচানোর জন্য নয়
- যেসব কাজে ফারাকটা এখনো দেখা যায়, তার জন্য একটা ফ্রন্টিয়ার মডেল হাতে রাখুন
প্রায়ই জিজ্ঞাসিত প্রশ্ন
এখন সেরা ওপেন সোর্স LLM কোনটা?
2026 সালের মাঝামাঝি প্রকাশিত লিডারবোর্ডে, Kimi K3 ওপেন রিলিজগুলোর মধ্যে সামগ্রিকভাবে এগিয়ে, DeepSeek V4 Pro তার কাছাকাছি আছে আর সত্যিকারের MIT লাইসেন্সের অধীনে সবচেয়ে শক্তিশালী কোডিং ফলাফল ধরে রেখেছে। একটা মাত্র GPU-র জন্য, Qwen মিড-সাইজ ডেন্স মডেলগুলোই সাধারণ পছন্দ। কয়েক মাস পরপর র্যাঙ্কিং বদলায়, তাই কোনো স্থির উত্তরকে শুরুর শর্টলিস্ট হিসেবেই দেখুন।
ওপেন সোর্স LLM কি ChatGPT বা Claude-এর মতোই ভালো?
অনেক প্রকাশিত বেঞ্চমার্কে সেরা ওপেন মডেলগুলো এখন ক্লোজড ফ্ল্যাগশিপের কয়েক পয়েন্টের মধ্যেই আছে, আর সাধারণ প্রশ্নের ক্ষেত্রে পার্থক্যটা খুব একটা বোঝা যায় না। ক্লোজড মডেলগুলো সবচেয়ে কঠিন রিজনিং কাজে এগিয়ে থাকে আর অনেক বেশি প্রোডাক্ট পলিশ নিয়ে আসে: ভয়েস, রিসার্চ টুল, আর মেমোরি। হাই-ভলিউম বা খরচ-সংবেদী কাজের জন্য, ওপেন মডেলই প্রায়ই ভালো পছন্দ।
ওপেন সোর্স LLM কি আসলেই ফ্রি?
ওয়েট ডাউনলোড করা ফ্রি; কম্পিউট কখনোই ফ্রি নয়। একটা সক্ষম মডেল নিজে চালাতে একটা সিরিয়াস GPU লাগে, আর হোস্টেড অ্যাক্সেসের দাম টোকেন-প্রতি ধরা হয়, শুধু খুবই সস্তায়: Llama 3.3 70B-র জন্য প্রতি স্ট্যান্ডার্ড উত্তরে প্রায় $0.0003, যেখানে একটা ক্লোজড ফ্ল্যাগশিপের জন্য $0.02 বা তার বেশি। লাইসেন্সের অর্থে ফ্রি, বাস্তবিক অর্থে সস্তা।
আমি কি আমার ল্যাপটপে একটা ওপেন সোর্স LLM চালাতে পারি?
হ্যাঁ, তবে প্রত্যাশা কিছুটা কমিয়ে। Ollama আর LM Studio-র মতো টুল কনজিউমার হার্ডওয়্যারে ছোট আর মিড-সাইজ মডেল চালায়, আর শক্তিশালী GPU ছাড়া একটা ল্যাপটপ ছোট মডেলগুলো সামলাতে পারে। আপনি সম্পূর্ণ প্রাইভেসি আর অফলাইন ব্যবহার পাবেন; কিন্তু বড় মডেলগুলোর ক্ষমতা হারাবেন, যেগুলোর জন্য ডেটা-সেন্টার হার্ডওয়্যার বা একটা হোস্টেড প্রোভাইডার লাগে।
ওপেন সোর্স আর ওপেন ওয়েটের মধ্যে পার্থক্য কী?
কঠোর অর্থে ওপেন সোর্স মানে MIT বা Apache-র মতো একটা লাইসেন্স যাতে কোনো অর্থবহ সীমাবদ্ধতা নেই, যা DeepSeek আর Qwen রিলিজ বহন করে। ওপেন ওয়েট মানে মডেলটা ডাউনলোডযোগ্য কিন্তু লাইসেন্সের সঙ্গে শর্ত জুড়ে দেওয়া, যেমন Llama লাইসেন্স খুব বড় কমার্শিয়াল ডিপ্লয়মেন্ট সীমাবদ্ধ করে। ব্যক্তিরা এই পার্থক্যটা খুব কমই খেয়াল করেন; কিন্তু কোনো মডেল এমবেড করা কোম্পানিকে আগে এটা যাচাই করতে হয়।
