Whizi में Llama का इस्तेमाल: मॉडल, क्रेडिट लागत और प्लान

त्वरित उत्तर

Whizi अपने कैटलॉग में Meta के Llama परिवार को शामिल करता है, और Pro सेट की सभी तीन Llama पंक्तियों की कीमत 1 क्रेडिट प्रति मैसेज है। Pro वह प्लान है जो Llama सेट को अनलॉक करता है, और Powerhouse इसे शामिल करता है। Starter में कोई भी Llama मॉडल शामिल नहीं है। कोई भी Llama पहचानकर्ता जिसे Pro सेट नाम नहीं देता, वह Powerhouse में आता है।

संक्षिप्त जवाब

हां, Whizi अपने 280+ मॉडल कैटलॉग में Meta के Llama परिवार को शामिल करता है, और Pro सेट की सभी तीन Llama पंक्तियां Whizi की सबसे सस्ती पायदान पर बैठती हैं: 1 क्रेडिट प्रति मैसेज। Llama, Pro प्लान पर मिलता है, जिसकी कीमत $29.99/month है, या सालाना बिलिंग पर $19.99/mo, यानी कुल $239.88। Starter में कोई भी Llama मॉडल शामिल नहीं है।

Whizi जिन Llama पंक्तियों की कीमत तय करता है, प्रति मैसेज ली जाने वाली क्रेडिट लागत के साथ:

मॉडलकॉन्टेक्स्ट विंडोमानक जवाब की लागतप्रति मैसेज क्रेडिटन्यूनतम प्लान
Llama 4 Maverick1M$0.00061Pro
Llama 3.3 70B Instruct131K$0.000261Pro
Llama 4 ScoutCost Index में शामिल नहींCost Index में शामिल नहीं1Pro

एक मानक जवाब 1,000 इनपुट टोकन और 500 आउटपुट टोकन का होता है, जिसकी कीमत 2026-08-20 को पढ़ी गई दरों से ली गई है, ताकि आंकड़े सभी प्रोवाइडरों में एक जैसे आधार पर तुलनीय रहें।

ये तीन पहचानकर्ता ही Pro मॉडल सेट में नाम लिए गए Llama पंक्तियां हैं। कैटलॉग में मौजूद कोई भी अन्य Llama पहचानकर्ता नीचे बताए गए Powerhouse फ़ॉलबैक में आता है, इसलिए इस तालिका को Pro सूची के तौर पर लें, न कि कैटलॉग की पूरी गिनती के तौर पर।

Llama का मैसेज क्रेडिट में कितना पड़ता है

Pro सेट की सभी तीन Llama पंक्तियां क्रेडिट सीढ़ी की सबसे निचली पायदान पर बैठती हैं, इसलिए आप जो भी भेजें, एक Llama टर्न की कीमत 1 क्रेडिट होती है। तीसरा पहचानकर्ता, Llama 4 Scout, Cost Index में शामिल नहीं है, इसलिए तालिका इसके लिए कोई विंडो या प्रति-जवाब कीमत प्रकाशित नहीं करती, लेकिन क्रेडिट तालिका इससे बाकी दोनों की तरह 1 क्रेडिट ही लेती है।

1 क्रेडिट प्रति मैसेज पर, क्रेडिट भत्ता ही Llama मैसेज की गिनती तय करता है: वेब पर, Pro हर महीने 2,000 Llama टर्न देता है और Powerhouse 8,000 देता है। Starter किसी भी Llama पंक्ति तक पहुंचता ही नहीं।

प्लानप्रति माह क्रेडिट (वेब)क्रेडिट अलाउलिस्ट से बाहर प्रति माह मैसेज
Starter400400
Pro2,000800
Powerhouse8,0005,000

साप्ताहिक बिलिंग केवल मोबाइल पर उपलब्ध है, और हर टियर पर नहीं। जहां यह बिकती है, वहां साप्ताहिक क्रेडिट भत्ता Starter पर 100 और Pro पर 500 है, और साप्ताहिक मैसेज भत्ता 100 और 400 है।

एक टर्न की कीमत उसी मॉडल की पायदान पर ली जाती है जिसने जवाब दिया, इसलिए कोई बातचीत जो परिवारों के बीच घूमती है, उसे हर टर्न पर उस जवाब देने वाले मॉडल की दर पर बिल किया जाता है। क्रेडिट आगे नहीं बढ़ते: बैलेंस मौजूदा पीरियड की-में इस्तेमाल जोड़ता है, इसलिए नए पीरियड का आना ही रीसेट है। कोई टॉप-अप रास्ता नहीं है।

क्रेडिट मल्टीप्लायर केवल उन प्लेटफ़ॉर्मों पर लिए जाते हैं जो क्रेडिट अलाउलिस्ट में हैं, जो आज केवल वेब ऐप है। अलाउलिस्ट से बाहर का प्लेटफ़ॉर्म सपाट 1x देखता है, प्रति टर्न एक लिया जाता है, और पुराने मैसेज भत्ते पर ही चलता रहता है। Starter पर दोनों भत्ते एक ही संख्या हैं, 400। Pro और Powerhouse पर ये अलग हैं, जो ऊपर की तालिका के दूसरे और तीसरे कॉलम में है।

पूरी सीढ़ी, सभी चौदह भरी पायदानें, क्रेडिट रेफ़रेंस में हैं।

प्लान की शर्त, ठीक-ठीक

पहुंच सर्वर साइड पर पहचानकर्ता के हिसाब से तय होती है (देखें मॉडल रेफ़रेंस)।

Starter ठीक चार पिकर एंट्री तक पहुंचता है: Auto, Whizi AI, एक OpenAI मॉडल और एक Google मॉडल। इनमें कोई Llama पंक्ति नहीं है।

Pro, Starter के ऊपर Llama सेट जोड़ता है। एक परिवार पर लागू क्यूरेशन नियम के तौर पर पढ़ें तो, वह सेट मौजूदा Llama 4 पंक्तियों और पुराने Llama 3 वर्कहॉर्स का जोड़ है, कुल मिलाकर तीन पहचानकर्ता।

Powerhouse वह सब शामिल करता है जो Pro तक पहुंचता है, क्योंकि टियर रैंक की तुलना बड़े-या-बराबर टेस्ट से होती है, इसलिए ऊंचा टियर हमेशा नीचे की शर्त पूरी करता है। Powerhouse ही वह जगह भी है जहां कोई भी कैटलॉग पहचानकर्ता उतरता है जिसे Starter या Pro सेट में नाम नहीं दिया गया, इसीलिए कोई असूचीबद्ध Llama पहचानकर्ता तब तक Powerhouse ही रहता है जब तक उसे जानबूझकर प्रमोट न किया जाए।

अपने टियर से ऊपर का मॉडल चुनने पर HTTP 403 कोड tier_upgrade_required के साथ आता है, और संदेश होता है "Upgrade your plan to use this model." यह लक्षण जब कोई मॉडल उपलब्ध नहीं होता में कवर किया गया है।

फ्री खाते किसी भी Llama पंक्ति तक नहीं पहुंचते: 2026-09-02 से फ्री टियर केवल Whizi AI और Auto खोलता है, और कुछ नहीं। फ्री क्रेडिट भत्ता 0 है, और मैसेज भत्ता पहले दिन 7 मैसेज है, फिर रोज़ 3, जो इन्हीं दो पंक्तियों पर खर्च होते हैं।

कॉन्टेक्स्ट विंडो बनाम एक टर्न को असल में क्या मिलता है

ऊपर की तालिका में कॉन्टेक्स्ट विंडो मॉडल की प्रकाशित विंडो है। यह वह बजट नहीं है जिस पर एक अकेला Whizi टर्न चलता है।

कैटलॉग का हर मॉडल प्रति टर्न 40,000 इनपुट टोकन और 20,000 आउटपुट टोकन का सपाट बजट पाता है। जिस मॉडल की विंडो 93,000 टोकन से कम है, उसे इसकी जगह एक छोटा आनुपातिक बजट मिलता है, जिसमें आउटपुट विंडो के 40 प्रतिशत तक सीमित रहता है और 1,000 टोकन की सुरक्षा मार्जिन रोक ली जाती है।

क्योंकि दोनों कीमत वाली Llama पंक्तियां 93,000 टोकन की सीमा से ऊपर बैठती हैं, दोनों उसी सपाट 40,000 इनपुट और 20,000 आउटपुट बजट पर चलती हैं। बड़ी प्रकाशित विंडो यह नहीं बढ़ाती कि एक अकेला Whizi टर्न कितना भेजता है, और प्रोवाइडर मांगे गए अधिकतम आउटपुट को भी विंडो के खिलाफ गिनता है, इनपुट के साथ, इसलिए यहां 1M पंक्ति और 131K पंक्ति एक जैसे आकार की हैं। अगर कोई थ्रेड बजट से बड़ा हो जाए, तो देखें जब कोई बातचीत बहुत लंबी हो जाए

Cost Index में ये पंक्तियां कहां बैठती हैं

Cost Index, 29 प्रोवाइडरों में फैली 100 पंक्तियों की कीमत एक मानक जवाब पर तय करता है। यह संख्या प्राइस इंडेक्स के आकार की है, Whizi कैटलॉग के आकार की नहीं।

संदर्भ बिंदुमानक जवाब की लागत
इंडेक्स की सबसे सस्ती कीमत वाली पंक्ति$0.000053
मध्यम कीमत वाली पंक्ति$0.00185
Llama 3.3 70B Instruct$0.00026
Llama 4 Maverick$0.0006
इंडेक्स की सबसे महंगी कीमत वाली पंक्ति$0.105

दोनों कीमत वाली Llama पंक्तियां इंडेक्स के मध्यमान से नीचे उतरती हैं, और सबसे सस्ती व सबसे महंगी कीमत वाली पंक्ति के बीच का फासला करीब 2000x है। 100 कीमत वाली पंक्तियों में से 89 पर Whizi क्रेडिट शुल्क लगता है; बाकी तुलना के लिए कीमत रखती हैं लेकिन अपनी अलग मीटर की गई पंक्ति के तौर पर नहीं दी जातीं।

Whizi में Llama किन कामों के लिए इस्तेमाल नहीं होता

Auto सीढ़ी पर कोई Llama पंक्ति नहीं बैठती। Auto में छह पायदानें हैं, और उन पर बैठे मॉडल हैं: छोटे सवालों के लिए हाउस मॉडल, रीराइट के लिए एक Gemini Flash पंक्ति और अटैचमेंट के लिए फिर वही, लंबे फॉर्म के लिए एक GPT पंक्ति, कोड के लिए एक Claude Sonnet पंक्ति, और मल्टी-स्टेप रीज़निंग के लिए एक दूसरी GPT पंक्ति। इन छह में से किसी पर भी कोई Llama पहचानकर्ता नहीं दिखता, इसलिए Auto किसी भी टियर पर Llama तक नहीं पहुंच सकता, और Llama का जवाब हमेशा मॉडल पिकर में की गई एक मैनुअल पसंद ही होता है।

Auto पर अटैचमेंट कहीं और जाते हैं। Auto किसी भी अटैचमेंट वाले टर्न को Gemini Flash की ओर भेजता है, इस तर्क पर कि एक इमेज को बड़ी विंडो नहीं बल्कि विज़न चाहिए। खुद कोई Llama पंक्ति चुनें तो अटैचमेंट प्रति मॉडल के बजाय प्रति रिक्वेस्ट संभाला जाता है। ऐप पर, यह उसी मॉडल को आगे भेजा जाता है जिस पर टर्न चल रहा है, और सिर्फ अटैचमेंट वाला सबसे हालिया यूज़र मैसेज ही आगे भेजा जाता है। वेब पर, PDF, Word या स्प्रेडशीट फ़ाइल का टेक्स्ट ब्राउज़र में ही निकाल लिया जाता है, और वही टेक्स्ट मॉडल तक पहुंचता है।

वॉइस और मीडिया जनरेशन प्रति मॉडल पसंद नहीं हैं। मीडिया जनरेटर प्रति मॉडल गेट को पूरी तरह छोड़ देते हैं और इसकी बजाय पिकर सेक्शन के हिसाब से टियर होते हैं, और वॉइस मोड अपने खुद के रीयलटाइम रूट पर चलता है, इसलिए कोई Llama पंक्ति चुनने से इनमें से कुछ नहीं बदलता।

Whizi प्रति मॉडल विज़न सपोर्ट प्रकाशित नहीं करता। कैटलॉग या कॉस्ट इंडेक्स में कहीं भी कोई विज़न या मल्टीमॉडल क्षमता फ़्लैग नहीं है, इसलिए Whizi आपको यह नहीं बता सकता कि कौन-सी Llama पंक्ति इमेज पढ़ती है। इमेज पार्ट्स उसी मॉडल को आगे भेजे जाते हैं जिस पर टर्न चल रहा है, और नतीजा आपके और मॉडल के बीच की बात है।

चेकलिस्ट
  • Llama कैटलॉग में है और Pro सेट की सभी तीन पंक्तियों की कीमत 1 क्रेडिट प्रति मैसेज है
  • Pro वह प्लान है जो Llama सेट को अनलॉक करता है, और Powerhouse इसे शामिल करता है
  • Starter में कोई भी Llama मॉडल शामिल नहीं है
  • फ्री खाता किसी भी Llama पंक्ति तक नहीं पहुंचता: Pro ही सबसे निचला प्लान है जो पहुंचता है
  • एक Llama टर्न 40,000 इनपुट और 20,000 आउटपुट टोकन के सपाट बजट पर चलता है, क्योंकि दोनों कीमत वाली पंक्तियां 93,000 टोकन की सीमा से ऊपर हैं
  • Auto की छह पायदानों में से किसी पर भी कोई Llama पंक्ति नहीं बैठती, इसलिए Llama हमेशा एक मैनुअल पसंद रहता है
  • Whizi कोई प्रति मॉडल विज़न फ़्लैग प्रकाशित नहीं करता, इसलिए कौन-सी Llama पंक्ति इमेज पढ़ती है, यह वह नहीं बता सकता

अक्सर पूछे जाने वाले सवाल

Whizi में कौन-से Llama मॉडल शामिल हैं?

Pro मॉडल सेट तीन Llama पहचानकर्ताओं के नाम लेता है: दो Llama 4 वेरिएंट प्लस Llama 3 वर्कहॉर्स, और तीनों की कीमत 1 क्रेडिट प्रति मैसेज है। इनमें से दो की कीमत Whizi Cost Index में तय है, जिनकी प्रकाशित कॉन्टेक्स्ट विंडो 1M और 131K है। कैटलॉग में आगे और भी Llama पहचानकर्ता हो सकते हैं, और जो भी Starter या Pro सेट में नाम नहीं है, उसके लिए Powerhouse चाहिए।

एक Llama मैसेज की कीमत कितने क्रेडिट होती है?

एक क्रेडिट, जो सीढ़ी की सबसे निचली पायदान है और Whizi के हाउस मॉडल पर एक मैसेज के बराबर है। न तो Starter और न ही फ्री यहां कोई Llama पंक्ति खोलता है, इसलिए Pro ही पहला प्लान है जहां वह 1 क्रेडिट कुछ खरीदता है।

क्या Llama इस्तेमाल करने के लिए मुझे टॉप प्लान चाहिए?

नहीं। Pro सबसे सस्ता प्लान है जो एक Llama पंक्ति खोलता है, $29.99/month पर। Starter वहां तक नहीं पहुंचता, Powerhouse सिर्फ उस Llama पहचानकर्ता के लिए चाहिए जिसे Pro सेट नाम नहीं देता, और फ्री खाता इनमें से किसी तक नहीं पहुंचता: यह Whizi AI और Auto चलाता है।

क्या मैं किसी बातचीत को Llama से किसी और मॉडल पर बदल सकता हूं?

हां। हर टर्न उसी मॉडल की पायदान पर बिल होता है जिसने जवाब दिया, इसलिए कोई थ्रेड जो परिवारों के बीच घूमता है, उसे थ्रेड स्तर पर नहीं बल्कि हर टर्न पर उस दर से बिल किया जाता है। एक बार पेश किया गया मॉडल कभी कैटलॉग से नहीं हटता, क्योंकि कोई बातचीत उसी मॉडल को साथ रखती है जिसके साथ वह बनी थी, इसलिए कोई पुरानी Llama थ्रेड बाद में भी खुलती है। पूरी मशीनरी बातचीत के बीच मॉडल बदलना में है।

मैं Llama टर्न पर क्या अटैच कर सकता हूं?

अटैचमेंट प्रति मॉडल के बजाय प्रति रिक्वेस्ट संभाले जाते हैं, और इनकी अपनी कोई क्रेडिट लागत नहीं होती। सीमाएं हैं: प्रति फ़ाइल 10 MB, प्रति प्रॉम्प्ट 4 अटैचमेंट, और प्रति प्रॉम्प्ट कुल मिलाकर 20 MB। स्वीकृत प्रकार हैं JPEG, PNG, WebP, GIF, PDF, प्लेन टेक्स्ट, Markdown, CSV और JSON।

क्या Llama के साथ वेब सर्च काम करता है?

Whizi प्रति मॉडल वेब सर्च सूची प्रकाशित नहीं करता। सर्च एक प्रति रिक्वेस्ट टॉगल है जिसके तीन मोड हैं, off, probe और native, न कि कोई प्रति मॉडल क्षमता फ़्लैग, और प्रति मॉडल मैट्रिक्स कभी गिना ही नहीं गया, इसलिए इसका कोई Llama-विशिष्ट जवाब नहीं है। यह टॉगल खुद वेब सर्च में कवर किया गया है।