مختصر جواب
Whizi cost index میں سب سے سستی قطار inclusionAI کا Ling ہے، جس کی قیمت ایک بار جواب دینے پر $0.000053 ہے۔ یہ فی پیغام ایک credit چارج کرتا ہے، جیسا کہ سیڑھی کے نچلے سرے پر موجود ہر دوسری قطار بھی کرتی ہے، اور ایک turn پر مقرر کردہ فلور اس بات کی ضمانت دیتا ہے کہ کبھی بھی ایک سے کم چارج نہیں کیا جاتا۔
ہر plan کے لیے ایک سستی قطار، نیچے دی گئی مکمل جدولوں کے تعارف کے طور پر:
| ماڈل | فراہم کنندہ | فی جواب لاگت | Context | Credits | Plan |
|---|---|---|---|---|---|
| Ling-3.0-flash | inclusionAI | $0.000053 | 262K | 1 | Powerhouse |
| Llama 3.3 70B Instruct | Meta | $0.00026 | 131K | 1 | Pro |
| GPT-5.6 Luna | OpenAI | $0.0008 | 1M | 1 | Starter |
انڈیکس میں ایک معیاری جواب 1,000 input tokens جمع 500 output tokens پر مشتمل ہے، تاکہ مختلف فراہم کنندگان کی list rates ایک دوسرے سے موازنہ کے قابل ہو جائیں۔ ماخذ قیمتیں 2026-08-20 کو OpenRouter سے حاصل کی گئی تھیں۔ انڈیکس 29 فراہم کنندگان میں 100 قطاروں کی قیمت بتاتا ہے، اور ان میں سے 89 قطاریں Whizi credit چارج رکھتی ہیں۔ مکمل ڈیٹا سیٹ AI model cost index کے طور پر شائع کیا گیا ہے۔
یہ صفحہ اسی انڈیکس کا سستا سرا ہے۔ plan کے لحاظ سے کیٹلاگ دیکھنے کے لیے model list ملاحظہ کریں، اور credit ladder کے لیے خود credits reference دیکھیں۔
ایک سینٹ کے دسویں حصے سے کم قیمت والی قطاریں
یہ ان قطاروں کا انتخاب ہے جو معیاری جواب کے سائز پر ایک بار جواب دینے کے لیے $0.001 سے کم لیتی ہیں۔ یہاں دی گئی قطاروں میں سے صرف ایک کے علاوہ باقی سب صرف ایک credit چارج کرتی ہیں۔
| ماڈل | فراہم کنندہ | فی جواب لاگت | Context | Credits | Plan |
|---|---|---|---|---|---|
| Ling-3.0-flash | inclusionAI | $0.000053 | 262K | 1 | Powerhouse |
| Nex-N2-Mini | Nex Agi | $0.000075 | 262K | 1 | Powerhouse |
| Solar Pro 4 | Upstage | $0.00009 | 524K | 1 | Powerhouse |
| Qwen3.7 Flash | Qwen | $0.000095 | 1M | 1 | Powerhouse |
| Granite 4.1 8B | IBM | $0.0001 | 131K | 1 | Powerhouse |
| Laguna XS 2.1 | Poolside | $0.00012 | 262K | 1 | Powerhouse |
| Phi 4 | Microsoft | $0.00014 | 16K | 1 | Powerhouse |
| Nemotron 3.5 Lightning | NVIDIA | $0.00018 | 262K | 1 | Powerhouse |
| Llama 3.3 70B Instruct | Meta | $0.00026 | 131K | 1 | Pro |
| DeepSeek V4 Flash 0731 | DeepSeek | $0.00028 | 1.31M | 1 | Powerhouse |
| Gemini 2.5 Flash Lite | $0.0003 | 1M | 1 | Pro | |
| DeepSeek V3.2 | DeepSeek | $0.000469 | 164K | 1 | Pro |
| Qwen3 Coder Next | Qwen | $0.00052 | 262K | 1 | Powerhouse |
| Llama 4 Maverick | Meta | $0.0006 | 1M | 1 | Pro |
| DeepSeek V3.1 | DeepSeek | $0.000725 | 164K | 1 | Pro |
| Codestral 2508 | Mistral | $0.00075 | 256K | 1 | Powerhouse |
| Qwen3.6 Flash | Qwen | $0.00075 | 1M | 1 | Powerhouse |
| MiniMax M2 | MiniMax | $0.000765 | 205K | 1 | Powerhouse |
| GPT-5.6 Luna | OpenAI | $0.0008 | 1M | 1 | Starter |
| GPT-5.4 Nano | OpenAI | $0.000825 | 400K | 2 | Powerhouse |
| MiniMax M3 | MiniMax | $0.0009 | 1M | 1 | Powerhouse |
| Qwen3.7 Plus | Qwen | $0.00096 | 1M | 1 | Pro |
کئی سستی ترین قطاریں دس لاکھ یا اس سے زیادہ tokens رکھتی ہیں، اور پوری price index میں سب سے بڑی window لاگت کی فہرست کے نچلے سرے کے قریب موجود ایک قطار سے تعلق رکھتی ہے۔ یہاں سستا اور چھوٹا ایک ہی محور نہیں ہیں۔ اوپر دی گئی سب سے چھوٹی window 16K ہے۔
ان میں سے زیادہ تر قطاریں سب سے مہنگے plan پر موجود ہیں، جس کی وجہ نیچے بیان کی گئی ہے۔
اگلا درجہ: انڈیکس کے median تک
median قیمت والی قطار ایک Kimi reasoning قطار ہے جس کی قیمت فی معیاری جواب $0.00185 ہے۔ ایک سینٹ کے دسویں حصے اور اس median کے درمیان موجود قطاروں کا ایک نمونہ:
| ماڈل | فراہم کنندہ | فی جواب لاگت | Context | Credits | Plan |
|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | $0.001 | 1M | 1 | Powerhouse | |
| Muse Glimmer 30B | Meta | $0.0011 | 131K | 2 | Powerhouse |
| Mistral Large 3 2512 | Mistral | $0.00125 | 262K | 2 | Pro |
| GLM 4.7 | Z.ai | $0.001275 | 205K | 2 | Powerhouse |
| Gemini 3.7 Flash | $0.001313 | 1M | 2 | Pro | |
| Mistral Medium 3.1 | Mistral | $0.0014 | 131K | 2 | Pro |
| GLM 4.6 | Z.ai | $0.0015 | 205K | 1 | Powerhouse |
| Gemini 2.5 Flash | $0.00155 | 1M | 2 | Pro | |
| Gemini 3.5 Flash Lite | $0.00155 | 1M | 2 | Powerhouse | |
| GLM 5 | Z.ai | $0.00156 | 205K | 2 | Pro |
| Kimi K2 0711 | Moonshot | $0.00172 | 131K | 10 | Powerhouse |
| Kimi K2 Thinking | Moonshot | $0.00185 | 262K | 10 | Powerhouse |
credit کالم اور ڈالر کالم ایک ہی قطاروں کے سیٹ کا احاطہ نہیں کرتے۔ 100 قیمت والی قطاروں میں سے گیارہ کوئی credit چارج بالکل نہیں رکھتیں: انہیں موازنے کے لیے قیمت دی گئی ہے مگر product میں انہیں اپنی الگ metered قطار کے طور پر پیش نہیں کیا جاتا۔ اس لیے انڈیکس میں ڈالر کا ہندسہ اپنی جگہ یہ ثابت نہیں کرتا کہ وہ قطار picker میں کھولی جا سکتی ہے۔
زیادہ تر سستی قطاریں Powerhouse پر کیوں ہیں
اوپر دیا گیا plan کالم کوئی قیمتوں کا فیصلہ نہیں بلکہ ایک fallback ہے۔ ماڈل تک رسائی identifier کے ذریعے طے ہوتی ہے: پہلے Starter کے چار identifiers، پھر agent personas، پھر Pro کے لیے 37 مزید identifiers کی واضح فہرست، اور باقی سب کچھ Powerhouse پر جاتا ہے۔ کوئی سستی قطار جسے کبھی Pro کی فہرست میں شامل نہیں کیا گیا وہ اس لیے by default سب سے اوپر والے tier پر آ جاتی ہے، اور یہی وجہ ہے کہ لاگت کی فہرست کا نچلا حصہ Powerhouse کالم کی طرح نظر آتا ہے۔ یہ fallback خود model list پر دستاویز کیا گیا ہے۔
| Plan | سستے سرے پر یہ کیا حاصل کرتا ہے |
|---|---|
| Free | کوئی credit الاؤنس نہیں۔ صرف Whizi AI اور Auto، پہلے دن 7 پیغامات پھر روزانہ 3 |
| Starter | کل چار identifiers: Auto، Whizi AI، GPT-5.6 Luna، Gemini 3 Flash۔ ان سب کی قیمت 1 credit ہے |
| Pro | Starter کے علاوہ مزید 37، بشمول DeepSeek، Llama، Gemini Flash، Mistral اور Qwen کی وہ قطاریں جو اوپر Pro کے طور پر نشان زد ہیں |
| Powerhouse | کیٹلاگ میں باقی سب کچھ، جہاں چھوٹی labs کی قطاریں لاگت کی فہرست کے بالکل نچلے سرے پر بیٹھی ہیں |
free tier اس موازنے میں بالکل شامل نہیں ہے: 2026-09-02 سے یہ صرف Whizi AI اور Auto تک رسائی دیتا ہے اور کچھ نہیں، اس لیے انڈیکس کی نہ سب سے سستی قطار اور نہ سب سے مہنگی قطار اس پر دستیاب ہے۔ یہ پہلے دن 7 پیغامات اور پھر روزانہ 3 پیغامات دیتا ہے، جو انہی دو قطاروں پر خرچ ہوتے ہیں۔
Starter محدود ترین ہے۔ یہ چار identifiers تک رسائی دیتا ہے، ان میں سے ہر ایک صرف ایک credit چارج کرتا ہے، اس لیے اس کا 400 credit الاؤنس 400 پیغامات کے برابر ہے۔ Starter پر کوئی Anthropic ماڈل نہیں ہے، اور نہ ہی اوپر دی گئی جدولوں میں موجود چھوٹی labs کی سستی قطاروں تک رسائی ہے۔
ایک credit سے کیا ملتا ہے
credit کی تعریف house model پر ایک پیغام کے طور پر کی گئی ہے، جو base OpenAI ماڈل پر چلتا ہے اور ایک credit پر pin کیا گیا ہے۔ اگر ان میں سے کوئی بھی کبھی اس rung سے ہٹے تو ایک build test ناکام ہو جاتا ہے، کیونکہ کسی ایک کو بھی حرکت دینا پوری ladder کو دوبارہ re-denominate کر دیتا ہے۔
چارج ہر model id کے لیے ایک مقررہ integer ہے۔ کیٹلاگ کے اس سرے پر اس کا مطلب یہ ہے کہ 1 credit والی قطار input یا output کی لمبائی سے قطع نظر صرف ایک credit لیتی ہے: اس میں ایک لمبی دستاویز paste کریں، جواب کو لمبا چلنے دیں، پھر بھی turn پر صرف ایک ہی چارج ہوگا۔
| قطار | فی جواب لاگت | فی 1,000 جوابات لاگت | Credits |
|---|---|---|---|
| Nemotron 3.5 Lightning | $0.00018 | $0.18 | 1 |
| Llama 3.3 70B Instruct | $0.00026 | $0.26 | 1 |
| DeepSeek V4 Flash 0731 | $0.00028 | $0.28 | 1 |
| Gemini 2.5 Flash Lite | $0.0003 | $0.30 | 1 |
| DeepSeek V3.2 | $0.000469 | $0.469 | 1 |
| Llama 4 Maverick | $0.0006 | $0.60 | 1 |
| GPT-5.6 Luna | $0.0008 | $0.80 | 1 |
| Qwen3.7 Plus | $0.00096 | $0.96 | 1 |
الاؤنس کی صورت میں دیکھا جائے تو سب سے نچلا rung وہ واحد جگہ ہے جہاں credit کا ہندسہ اور پیغامات کا ہندسہ ایک ہی نمبر ہوتے ہیں: ہر turn پر ایک ہی چارج ہوتا ہے، اس لیے N credits کا plan الاؤنس اس وقت تک N پیغامات کے برابر رہتا ہے جب تک آپ 1 credit والی قطاروں پر رہیں۔ ہر plan کا الاؤنس، reset اور rollover کا قاعدہ سب credits reference میں موجود ہیں۔
سستے سرے پر ایک اور اہم میکانزم: جو turn باقی balance میں پورا نہیں آتا اسے مکمل طور پر مسترد کر دیا جاتا ہے، جزوی چارج نہیں کیا جاتا۔ اگر باقی صرف تین credits ہوں اور بیس credits درکار ہوں تو درخواست مسترد ہو جاتی ہے، رعایت نہیں دی جاتی۔ 1 credit والے ماڈل پر یہ مسئلہ تقریباً کبھی پیش نہیں آتا۔
credit rung کہاں سے آتا ہے، اور owner policy اسے کب overrides کرتی ہے
cost index ایک معیاری جواب، یعنی 1,000 input tokens جمع 500 output tokens، کو فراہم کنندہ کی list rates کے مقابلے میں ناپتا ہے۔ credit ladder ایک مختلف reference turn سے اخذ کی جاتی ہے، یعنی 3,000 input tokens اور 800 output tokens، جسے اس بات پر تقسیم کیا جاتا ہے کہ وہی turn anchor model پر کتنا لیتا ہے، جو کہ فراہم کنندہ کے $0.00156 خرچ کے برابر ہے۔ نتیجے کو پھر اوپر کی طرف قریب ترین legal rung تک round کیا جاتا ہے۔ ladder میں کل اٹھارہ rungs ہیں: 1، 2، 3، 4، 5، 6، 8، 10، 12، 15، 20، 25، 30، 40، 50، 60، 80، 100۔ آج ان میں سے چودہ کم از کم ایک ماڈل رکھتے ہیں، اور باقی چار جان بوجھ کر خالی رکھے گئے ہیں، کیونکہ ایک غائب rung اگلے مہنگے ماڈل کو اس سے اوپر والے rung تک round کر دیتا۔ جب کوئی ماڈل دو rungs کے درمیان آتا ہے تو گول کرنا ہمیشہ اوپر کی طرف ہوتا ہے۔
اس کے علاوہ، کچھ قطاریں arithmetic کے بجائے owner policy کے ذریعے pin کی جاتی ہیں۔ اوپر دی گئی جدولوں اور وسیع تر کیٹلاگ میں نظر آنے والی تین مثالیں:
- Kimi family کو قطار کے لحاظ سے 2، 3، 4 اور 12 کی cost-true شرحوں کے مقابلے میں 10 credits چارج کیے جاتے ہیں۔ یہی وجہ ہے کہ دو Moonshot قطاریں ڈالر میں ایک دوسرے کے قریب ترین ہیں، یعنی $0.00172 اور $0.00185، پھر بھی دونوں 10 credits چارج کرتی ہیں۔
- Starter پر Gemini قطار کو cost-true 2 کے مقابلے میں 1 credit چارج کیا جاتا ہے، جو Starter کو فی پیغام یکساں ایک credit رکھتا ہے۔
- GPT Terra قطار کو cost-true 10 کے مقابلے میں 4 credits چارج کیا جاتا ہے۔
Search-grounded قطاروں کی قیمت پھر ایک بار مختلف طریقے سے لگائی جاتی ہے، کیونکہ فراہم کنندہ فی search ایک flat fee چارج کرتا ہے جو per-token شرح کے ساتھ scale نہیں ہوتی۔ $0.005 کی ایک search 3.2 credits کے برابر ہے، اس لیے ایک واحد search کیٹلاگ کے زیادہ تر حصے پر پورے پیغام سے زیادہ لاگت رکھتی ہے۔ یہ rungs دراصل وہ فلورز ہیں جو فرض کرتے ہیں کہ فی جواب ایک search ہوگی۔
جس model identifier کا کوئی rung بالکل نہیں ہوتا اسے جان بوجھ کر ladder کے سب سے اوپر، یعنی 100 credits، پر چارج کیا جاتا ہے: ایک بغیر قیمت والے ماڈل کو خاموشی سے margin کھانے کے بجائے support ticket کے طور پر سامنے آنا چاہیے۔ اگر کیٹلاگ کا کوئی ماڈل یا agent identifier بغیر rung کے production تک پہنچے تو ایک build test ناکام ہو جاتا ہے۔
آخر میں، credit pricing ہر platform کے لیے الگ سے فعال کی جاتی ہے۔ allowlist پر موجود platform picker میں اصل multipliers دیکھتا ہے اور credit الاؤنس کے مقابلے میں انہی پر چارج کیا جاتا ہے۔ جو platform allowlist پر نہیں وہ فی turn یکساں ایک credit دیکھتا ہے اور اس کے بجائے پرانا message الاؤنس رکھتا ہے، یعنی Starter پر ماہانہ 400 پیغامات، Pro پر 800 اور Powerhouse پر 5,000۔ آج web client credit نظام پر ہے۔
- انڈیکس کی سب سے سستی قطار ایک بار جواب دینے پر $0.000053 لیتی ہے
- ایک معیاری جواب 1,000 input tokens جمع 500 output tokens ہے، جس کی قیمت 2026-08-20 کو OpenRouter کی list rates سے لی گئی
- ہر چارج ایک credit پر floor کیا گیا ہے، اس لیے کوئی پیغام ایک سے کم قیمت کا نہیں
- سب سے سستی قطاروں میں سے زیادہ تر Powerhouse پر ہیں، کیونکہ جو کچھ Starter یا Pro کی فہرست میں نہیں وہ سب سے اوپر والے tier پر گر جاتا ہے
- Starter چار identifiers تک رسائی دیتا ہے اور ان سب کی قیمت 1 credit ہے، اس لیے 400 credits 400 پیغامات کے برابر ہیں
- Free اکاؤنٹس میں کوئی credit الاؤنس نہیں اور صرف دو قطاروں تک رسائی ہے: Whizi AI اور Auto
- credit rung انڈیکس کے ہندسے سے مختلف reference turn سے اخذ کیا جاتا ہے، اور کچھ rungs policy کے تحت pin کیے گئے ہیں
عمومی سوالات
Whizi پر سب سے سستا AI ماڈل کون سا ہے؟
فی معیاری جواب لاگت کے لحاظ سے، Whizi cost index میں سب سے سستی قطار inclusionAI کا Ling ہے، جس کی قیمت $0.000053 ہے، اس کے بعد Nex Agi کا Nex، Upstage کا Solar Pro اور Qwen کا fast tier آتے ہیں۔ یہ سب فی پیغام ایک credit چارج کرتے ہیں۔ آپ اصل میں جو ادا کرتے ہیں اس لحاظ سے یہ ہر دوسری 1 credit والی قطار کے برابر ہیں، بشمول Whizi house model، Starter پر موجود base GPT ماڈل اور کئی DeepSeek، Llama اور Gemini قطاریں۔
سب سے سستے ماڈلز تک پہنچنے کے لیے مجھے کون سا plan چاہیے؟
یہ قطار پر منحصر ہے۔ کئی انتہائی سستی قطاروں کے لیے Powerhouse درکار ہوتا ہے، کیونکہ کسی بھی identifier کے لیے جو چار آئٹمز والی Starter فہرست یا 37 آئٹمز والی Pro فہرست میں نہ ہو، رسائی سب سے اوپر والے tier پر گر جاتی ہے۔ Pro پر دستیاب سستی قطاروں میں DeepSeek، Llama، Mistral، Qwen اور Gemini Flash کی وہ اندراجات شامل ہیں جو اس صفحے کی جدولوں میں Pro کے طور پر نشان زد ہیں۔
کیا سستا ماڈل ہمیشہ کم credits لیتا ہے؟
نہیں۔ یہ دونوں ہندسے مختلف طریقوں سے ناپے جاتے ہیں۔ انڈیکس فراہم کنندہ کی list rates کے مقابلے میں 1,000 in، 500 out والے معیاری جواب کی قیمت لگاتا ہے، جبکہ credit rung ایک 3,000 in، 800 out reference turn سے آتا ہے جسے ایک مقررہ ladder پر قریب ترین legal rung تک round کیا جاتا ہے، اور کچھ قطاریں اپنی arithmetic سے اوپر یا نیچے policy کے تحت pin کی جاتی ہیں۔ یہی وجہ ہے کہ فی جواب $0.0015 والی قطار ایک credit چارج کر سکتی ہے جبکہ $0.000825 والی قطار دو چارج کرتی ہے۔
اگر کوئی جواب درمیان میں ناکام ہو جائے تو credit کا کیا ہوتا ہے؟
وہ واپس آ جاتا ہے۔ جو generation ناکام ہو یا روک دی جائے اس کی usage قطار حذف کر کے refund کر دیا جاتا ہے، جس سے balance اپنی پرانی حالت پر واپس آ جاتا ہے۔ refund کسی client کے فراہم کردہ ڈیٹا کے بجائے سرور کے بنائے گئے request id سے منسلک ہوتا ہے، اس لیے ایک ہی refund کو دو بار apply کرنا صرف ایک ہی turn بحال کرتا ہے، دو نہیں۔ ایک چیز جو refund نہیں ہوتی: quota سے باہر ہونے کی وجہ سے مسترد ہونے والا turn پھر بھی اپنے rate-limit tokens خرچ کرتا ہے، ورنہ credit سے محروم client بلا حد دوبارہ کوشش کر سکتا۔
کیا میں بغیر subscription کے سستے ماڈلز آزما سکتا ہوں؟
free اکاؤنٹ پر نہیں، جو صرف Whizi AI اور Auto تک رسائی دیتا ہے۔ اس کا الاؤنس پہلے دن 7 پیغامات اور پھر روزانہ 3 پیغامات ہے، جو انہی دو قطاروں پر خرچ ہوتے ہیں، اور guest اکاؤنٹ کلیم کرنے پر اس کا استعمال registered اکاؤنٹ میں منتقل ہو جاتا ہے، اس لیے guest کے طور پر شروع کر کے بعد میں sign up کرنا آپ کو نیا دن واپس نہیں دیتا۔