छोटा जवाब
डेटा सेंटर स्तर पर शुद्ध क्षमता के लिए, 2026 के मध्य में लीडरबोर्ड में सबसे आगे Kimi K3 है, जिसकी वेट्स Moonshot ने जुलाई 2026 में 1M टोकन कॉन्टेक्स्ट विंडो के साथ प्रकाशित की, और DeepSeek V4, जिसका Pro वेरिएंट MIT लाइसेंस के तहत SWE-bench Verified कोडिंग बेंचमार्क पर 80.6% रिपोर्ट करता है। दोनों सार्वजनिक मूल्यांकनों में क्लोज़्ड फ्लैगशिप मॉडलों के बराबर टक्कर देते हैं।
एक अच्छे GPU के लिए, Qwen के मिड-साइज़ डेंस मॉडल पहली पसंद हैं। बिना GPU वाले लैपटॉप के लिए, Gemma जैसे छोटे मॉडल असली सीमा हैं। और जो डेवलपर बस API के ज़रिए सस्ता, सक्षम इनफ़रेंस चाहते हैं उनके लिए Llama 3.3 70B और DeepSeek V3.2 फ्रंटियर मॉडलों के चार्ज के बहुत छोटे हिस्से में जवाब देते हैं।
सीधी बात यह है कि "कौन सा ओपन मॉडल सबसे अच्छा है" का जवाब अब कौन सा AI मॉडल इस्तेमाल करें जैसे सवाल जैसा ही है: यह काम और उसके चलने की जगह पर निर्भर करता है, और क्लोज़्ड मॉडलों से फासला इतना कम हो गया है कि अक्सर कीमत और लाइसेंस ही तय करते हैं।
ओपन सोर्स या ओपन वेट्स? लाइसेंस असल में मायने रखता है
"ओपन सोर्स" लेबल तीन अलग-अलग सौदों को कवर करता है, और यह फर्क तब तक नहीं दिखता जब तक यह आपको महंगा न पड़ जाए।
असली ओपन लाइसेंस (MIT, Apache)। DeepSeek MIT के तहत रिलीज़ होता है: इसे इस्तेमाल करें, इसमें बदलाव करें, इस पर व्यावसायिक प्रोडक्ट बनाएं, कोई चिंता वाली शर्त नहीं। यह ओपन सोर्स का सबसे सख्त अर्थ है, और 2026 में कई फ्रंटियर-स्तरीय मॉडल आखिरकार यह लाइसेंस लेकर आए हैं।
शर्तों के साथ ओपन वेट्स। Meta का Llama लाइसेंस मशहूर उदाहरण है: वेट्स डाउनलोड करने योग्य और लगभग सभी के लिए मुफ़्त हैं, लेकिन लाइसेंस बहुत बड़े स्तर की व्यावसायिक तैनाती और कुछ खास इस्तेमालों पर रोक लगाता है। Llama explainer बताता है कि यह फर्क ऑनलाइन इतना क्यों बहस का मुद्दा बनता है।
ओपन वेट्स, रिसर्च प्रतिबंध। कुछ रिलीज़ रिसर्च और निजी इस्तेमाल की अनुमति देते हैं लेकिन व्यावसायिक तैनाती पर पूरी तरह रोक लगाते हैं। बनाने से पहले पढ़ लें।
किसी चैट प्रोडक्ट के ज़रिए इन मॉडलों का इस्तेमाल करने वाले व्यक्ति के लिए इससे कुछ नहीं बदलता। लेकिन जो कंपनी इसके ऊपर सॉफ़्टवेयर बना रही है, उसके लिए किसी भी बेंचमार्क से पहले लाइसेंस ही पहली जांचने वाली बात है।
2026 के प्रमुख ओपन मॉडल, तुलना में
कीमतें Whizi मॉडल कॉस्ट इंडेक्स से प्रति मिलियन टोकन होस्टेड API रेट हैं, जो 2026-08-20 को OpenRouter की लिस्ट प्राइस से ली गई हैं। बेंचमार्क आंकड़े डेवलपर्स द्वारा सार्वजनिक लीडरबोर्ड पर रिपोर्ट किए गए नतीजे हैं।
| मॉडल | लाइसेंस | कॉन्टेक्स्ट | इनपुट / आउटपुट प्रति 1M टोकन | खास बात |
|---|---|---|---|---|
| Kimi K3 (Moonshot) | Open weights | 1M | $3.00 / $15.00 | वेट्स जुलाई 2026 में प्रकाशित; ओपन लीडरबोर्ड में आगे |
| DeepSeek V3.2 | MIT | 164K | $0.27 / $0.40 | कमोडिटी कीमत पर फ्रंटियर-स्तरीय जवाब |
| DeepSeek V4 Pro | MIT | 1M | $1.19 / $3.56 | SWE-bench Verified पर 80.6% रिपोर्ट करता है |
| Llama 4 Maverick (Meta) | Llama license | 1M | $0.20 / $0.80 | इंडेक्स में सबसे सस्ता 1M कॉन्टेक्स्ट |
| Llama 3.3 70B (Meta) | Llama license | 131K | $0.10 / $0.32 | वर्कहॉर्स: हर जगह, और लगभग मुफ़्त |
| Mistral Large 3 | Open weights | 262K | $0.50 / $1.50 | सबसे मज़बूत यूरोपीय ओपन रिलीज़ |
| Qwen3.7 Flash | Apache | 1M | $0.03 / $0.13 | अपनी क्लास में सबसे कम कीमत पर 1M कॉन्टेक्स्ट |
दो पैटर्न ध्यान देने लायक हैं। पहला, 1M टोकन कॉन्टेक्स्ट विंडो, जो एक समय क्लोज़्ड मॉडल की खास बात थी, अब ओपन रिलीज़ में सामान्य बन गई है; कॉन्टेक्स्ट विंडो तुलना पूरी टेबल दिखाती है। दूसरा, कीमत की तली लगातार गिर रही है: Qwen3.7 Flash कॉस्ट इंडेक्स पर एक स्टैंडर्ड क्वेरी का जवाब $0.000095 में देता है, यानी हज़ार जवाब एक डाइम से भी कम में।
इन्हें चलाने का असली खर्च कितना है?
Whizi कॉस्ट इंडेक्स हर मॉडल की कीमत एक स्टैंडर्ड जवाब के लिए तय करता है, यानी 1,000 इनपुट टोकन प्लस 500 आउटपुट टोकन, ताकि लिस्ट रेट आपस में तुलनीय बनें। इस पैमाने पर, ओपन मॉडल क्लोज़्ड फ्लैगशिप से थोड़े सस्ते नहीं हैं; वे एक अलग आर्थिक श्रेणी में हैं।
Llama 3.3 70B से एक स्टैंडर्ड जवाब की कीमत $0.00026 है। DeepSeek V3.2 से, $0.00047। Kimi K3 से, जो इंडेक्स का सबसे महंगा ओपन मॉडल है, $0.0105। क्लोज़्ड फ्लैगशिप मॉडल वही जवाब देने के लिए $0.0175 से $0.035 के बीच रहते हैं, और सबसे सस्ते से सबसे महंगे मॉडल तक पूरे इंडेक्स का फासला करीब 2,000x है। Llama 3.3 से हज़ार जवाब की कीमत 26 सेंट है; क्लोज़्ड फ्लैगशिप से वही हज़ार जवाब $30 से ऊपर जा सकते हैं।
यही वजह है कि ओपन मॉडल चुपचाप कई AI प्रोडक्ट के तेज़ या किफ़ायती टियर को चलाते हैं, और यही वजह है कि बड़ी मात्रा वाले काम, जैसे वर्गीकरण, एक्सट्रैक्शन, बड़े स्तर पर समरी बनाना, लगभग हमेशा इन्हीं पर आ टिकते हैं। लाइव कॉस्ट इंडेक्स में प्रति-जवाब गणित के साथ पूरी 100-मॉडल टेबल है।
जो बात इसे ईमानदार बनाए रखती है वह यह है: खुद वेट्स चलाना तभी मुफ़्त है जब आपका समय और हार्डवेयर मुफ़्त हों। 70B मॉडल को अच्छे से सर्व करने में सक्षम GPU चार अंकों की खरीद है, और जो मिड-साइज़ मॉडल एक कंज़्यूमर GPU में फिट होते हैं वे इसके बदले क्षमता खो देते हैं। ज़्यादातर लोगों के लिए, ओपन मॉडलों का होस्टेड एक्सेस हार्डवेयर के बिना ही कीमत का फायदा दे देता है।
कौन सा ओपन मॉडल किस काम के लिए
बड़ी मात्रा, कीमत के लिहाज़ से संवेदनशील काम (समरी, एक्सट्रैक्शन, टैगिंग): Llama 3.3 70B या Qwen3.7 Flash। प्रति जवाब एक सेंट के दसवें हिस्से से भी कम में, कभी-कभी गलत होने की कीमत किसी प्रीमियम मॉडल के सही होने की कीमत से कम है।
कोडिंग: DeepSeek V4 Pro या Kimi K3 के कोडिंग वेरिएंट। रिपोर्ट किए गए SWE-bench नंबर इन्हें क्लोज़्ड कोडिंग असिस्टेंट के बराबर मुकाबले में रखते हैं, और MIT लाइसेंसिंग DeepSeek को सुरक्षित इस्तेमाल का विकल्प बनाती है। Claude vs DeepSeek इसे आमने-सामने परखता है।
लंबे दस्तावेज़: 1M कॉन्टेक्स्ट वाली कोई भी रिलीज़, जिसमें Llama 4 Maverick प्रति मिलियन इनपुट टोकन $0.20 पर बजट पसंद है।
लोकल और निजी: 24 GB GPU पर कोई Qwen मिड-साइज़ मॉडल, या लैपटॉप पर Gemma-क्लास के छोटे मॉडल। प्राइवेसी पूरी है, क्षमता मिड-टियर है, और Llama गाइड लोकल चलाने की असली उम्मीदें बताता है।
बहुभाषी और यूरोपीय-होस्टेड काम: Mistral Large 3, जो Mistral explainer का भी आधार है।
जहां ओपन मॉडल अभी भी पीछे हैं
एक ईमानदार गाइड कमियों को भी नाम देती है, क्योंकि वे असली हैं और खरीद का फैसला तय करती हैं।
रीज़निंग की सबसे ऊंची पायदान। सबसे कठिन मल्टी-स्टेप रीज़निंग और एजेंटिक कामों में, क्लोज़्ड फ्लैगशिप मॉडल अभी भी ज़्यादातर प्रकाशित मूल्यांकनों में आगे हैं। यह फासला नाटकीय रूप से कम हुआ है; पूरी तरह बंद नहीं हुआ।
पॉलिश और प्रोडक्ट। ओपन वेट्स सिर्फ वेट्स के रूप में आते हैं। वॉइस मोड, डीप रिसर्च टूल, मेमोरी और ऐप इकोसिस्टम प्रोडक्ट इंजीनियरिंग हैं जिन्हें क्लोज़्ड प्रोवाइडर बंडल करते हैं और ओपन मॉडल इसे होस्ट करने वाले पर छोड़ देते हैं।
होस्टिंग की एकरूपता। एक ही ओपन मॉडल अलग-अलग होस्ट पर क्वांटाइज़ेशन और सर्विंग के फैसलों के आधार पर अलग तरह से परफ़ॉर्म कर सकता है, यह एक ऐसी खराबी है जो क्लोज़्ड API में नहीं होती। अगर कोई ओपन मॉडल अचानक कमज़ोर लगे, तो मॉडल से पहले होस्ट पर शक करें।
सपोर्ट और जवाबदेही। जब कोई क्लोज़्ड मॉडल गड़बड़ करता है तो एक वेंडर होता है। जब सेल्फ़-होस्टेड वेट्स गड़बड़ करती हैं, तो एक GitHub इशू ट्रैकर होता है।
असल में इस्तेमाल करने के तीन तरीके
1. एक मल्टी-मॉडल वर्कस्पेस के ज़रिए। ज़ीरो-सेटअप रास्ता: Whizi में Llama, DeepSeek, Kimi, Qwen और Mistral जैसे ओपन मॉडल GPT, Claude और Gemini के साथ शामिल हैं, इसलिए ओपन-बनाम-क्लोज़्ड अब सब्सक्रिप्शन का फैसला नहीं, बल्कि हर सवाल का अलग फैसला बन जाता है। एक ही बातचीत में बड़ी मात्रा वाला काम सस्ते ओपन मॉडलों को दें और कठिन रीज़निंग किसी फ्लैगशिप को।
2. एक API के ज़रिए। डेवलपर्स के लिए, ऊपर दी गई कीमतों पर होस्टेड ओपन मॉडल प्रोडक्शन वर्कलोड के लिए फ्रंटियर प्रोवाइडरों से आगे देखने की मुख्य वजह हैं।
3. अपने खुद के हार्डवेयर पर। Ollama और LM Studio अब लोकल चलाना सचमुच आसान बना देते हैं। इसे प्राइवेसी या ऑफ़लाइन ज़रूरतों के लिए चुनें, बचत के लिए नहीं; बिजली सस्ती है लेकिन GPU नहीं है।
- कोई भी व्यावसायिक चीज़ बनाने से पहले लाइसेंस जांच लें: MIT और Apache बिना शर्त हैं, Llama-जैसे लाइसेंस नहीं
- बड़ी मात्रा वाले काम पहले ओपन मॉडलों को भेजें; प्रति-जवाब कीमत का फासला 20 से 100x है
- रिपोर्ट किए गए बेंचमार्क को शॉर्टलिस्ट के तौर पर मानें, फिर कमिट करने से पहले अपने खुद के काम पर टेस्ट करें
- अगर कोई होस्टेड ओपन मॉडल कमज़ोर परफ़ॉर्म करे, तो मॉडल को दोष देने से पहले कोई दूसरा होस्ट आज़माएं
- प्राइवेसी या ऑफ़लाइन इस्तेमाल के लिए लोकल चलाएं, पैसे बचाने के लिए नहीं
- उन कामों के लिए एक फ्रंटियर मॉडल हमेशा तैयार रखें जहां अभी भी फासला दिखता है
अक्सर पूछे जाने वाले सवाल
अभी सबसे अच्छा ओपन सोर्स LLM कौन सा है?
2026 के मध्य में प्रकाशित लीडरबोर्ड पर, Kimi K3 ओपन रिलीज़ में सबसे आगे है, DeepSeek V4 Pro उसके करीब है और असली MIT लाइसेंस के तहत सबसे मज़बूत कोडिंग नतीजे रखता है। एक ही GPU के लिए, Qwen मिड-साइज़ डेंस मॉडल आम पसंद हैं। यह रैंकिंग हर कुछ महीनों में बदलती है, इसलिए किसी भी स्थिर जवाब को शुरुआती शॉर्टलिस्ट समझें।
क्या ओपन सोर्स LLM ChatGPT या Claude जितने अच्छे हैं?
कई प्रकाशित बेंचमार्क पर सबसे अच्छे ओपन मॉडल अब क्लोज़्ड फ्लैगशिप से कुछ ही अंक पीछे हैं, और रोज़मर्रा के सवालों में फर्क बताना मुश्किल है। क्लोज़्ड मॉडल सबसे कठिन रीज़निंग कामों में बढ़त बनाए रखते हैं और कहीं ज़्यादा प्रोडक्ट पॉलिश के साथ आते हैं: वॉइस, रिसर्च टूल और मेमोरी। बड़ी मात्रा या कीमत के लिहाज़ से संवेदनशील काम के लिए, ओपन मॉडल अक्सर बेहतर पसंद होते हैं।
क्या ओपन सोर्स LLM सच में मुफ़्त हैं?
वेट्स डाउनलोड करने के लिए मुफ़्त हैं; कंप्यूट कभी मुफ़्त नहीं होता। किसी सक्षम मॉडल को खुद चलाने के लिए गंभीर GPU की ज़रूरत होती है, और होस्टेड एक्सेस की कीमत टोकन के हिसाब से ली जाती है, बस बहुत सस्ती: Llama 3.3 70B के लिए एक स्टैंडर्ड जवाब पर लगभग $0.0003, जबकि किसी क्लोज़्ड फ्लैगशिप के लिए $0.02 या ज़्यादा। लाइसेंस के मतलब में मुफ़्त, व्यावहारिक मतलब में सस्ता।
क्या मैं अपने लैपटॉप पर ओपन सोर्स LLM चला सकता हूं?
हां, थोड़ी समायोजित उम्मीदों के साथ। Ollama और LM Studio जैसे टूल कंज़्यूमर हार्डवेयर पर छोटे और मिड-साइज़ मॉडल चलाते हैं, और बिना मज़बूत GPU वाला लैपटॉप भी छोटे मॉडलों को संभाल लेता है। आपको पूरी प्राइवेसी और ऑफ़लाइन इस्तेमाल मिलता है; इसके बदले आप बड़े मॉडलों की क्षमता छोड़ देते हैं, जिन्हें डेटा सेंटर हार्डवेयर या किसी होस्टेड प्रोवाइडर की ज़रूरत होती है।
ओपन सोर्स और ओपन वेट्स में क्या फर्क है?
सख्त अर्थ में ओपन सोर्स का मतलब है MIT या Apache जैसा लाइसेंस जिसमें कोई गंभीर प्रतिबंध नहीं, जो DeepSeek और Qwen की रिलीज़ में मिलता है। ओपन वेट्स का मतलब है कि मॉडल डाउनलोड करने योग्य है लेकिन लाइसेंस में शर्तें जुड़ी हैं, जैसे Llama लाइसेंस बहुत बड़ी व्यावसायिक तैनाती पर रोक लगाता है। व्यक्तियों को यह फर्क शायद ही कभी दिखता है; मॉडल को अपने प्रोडक्ट में शामिल करने वाली कंपनियों को इसे पहले जांचना ही होता है।
