مختصر جواب
کوڈنگ اسپیشلسٹس ان زمروں میں سے ایک ہیں جو Powerhouse پر رکھے گئے ہیں۔ Pro کسی بھی کوڈر اسپیشلسٹ تک رسائی نہیں رکھتا، اس لیے اس کا کوڈ کا راستہ Claude Sonnet کلاس، Kimi K3، اور منتخب عمومی قطاریں ہیں۔ Starter کل چار پکر اندراجات تک رسائی رکھتا ہے اور ان میں سے کوئی بھی کوڈنگ ماڈل نہیں۔ ایک Free اکاؤنٹ کسی بھی کوڈنگ قطار تک رسائی نہیں رکھتا: 2026-09-02 سے یہ صرف Whizi AI اور Auto کھولتا ہے، پہلے دن 7 پیغامات پر، پھر روزانہ 3۔
| پلان | کوڈ کے لیے کیا رسائی ملتی ہے |
|---|---|
| Free | صرف Whizi AI اور Auto، پہلے دن 7 پیغامات پھر روزانہ 3 |
| Starter، $15.99/ماہ | کل چار پکر اندراجات: Auto، ہاؤس ماڈل، ایک GPT قطار اور ایک Gemini Flash قطار۔ کوئی کوڈنگ اسپیشلسٹ نہیں |
| Pro، $29.99/ماہ | Claude Sonnet کلاس، Kimi K3، اور GPT، Gemini، DeepSeek، Llama، Mistral، Qwen اور GLM میں منتخب عمومی قطاریں۔ اب بھی کوئی کوڈنگ اسپیشلسٹ نہیں |
| Powerhouse، $49.99/ماہ | اوپر کی ہر چیز، جمع کوڈنگ اسپیشلسٹس |
اس صفحے کا باقی حصہ کوڈر کے نام والی قطاریں ان کی قیمتوں کے ساتھ، چیٹ میں کوڈ کیسے شامل کریں اور کیا چیز اسے مسترد کرتی ہے، اور compare اور switch لوپ کا ہر آدھا حصہ کون سا موجودہ صفحہ سنبھالتا ہے، پر مشتمل ہے۔
کیٹلاگ میں کوڈر کے نام والی قطاریں، اور ہر ایک کی قیمت
Starter سیٹ، ایجنٹ سیٹ، یا واضح Pro فہرست میں شامل نہ ہونے والی کوئی بھی چیز Powerhouse پر جا کر طے ہوتی ہے، اور کوڈنگ اسپیشلسٹس جان بوجھ کر انہی زمروں میں سے ایک ہیں جنہیں وہاں روک کر رکھا گیا ہے تاکہ ٹاپ ٹیئر کے پاس بیچنے کے لیے کچھ ہو۔ یہ فرنٹیئر ریزننگ ٹیئر، 400B کلاس اوپن ویٹس، اور روٹنگ ماڈلز کے ساتھ ساتھ رکھے گئے ہیں۔
نیچے دیے گئے شناخت کنندگان ریفرنس ڈیٹا ہیں، جو کیٹلاگ میں موجود شکل میں نقل کیے گئے ہیں۔
| ماڈل | فی پیغام کریڈٹس | کم ترین پلان |
|---|---|---|
openai gpt-5.3-codex | 12 | Powerhouse |
openai gpt-5.2-codex | 10 | Powerhouse |
moonshotai kimi-k2.7-code | 10 | Powerhouse |
openai gpt-5.1-codex | 8 | Powerhouse |
openai gpt-5.1-codex-max | 8 | Powerhouse |
qwen qwen3-coder | 3 | Powerhouse |
qwen qwen3-coder-plus | 3 | Powerhouse |
kwaipilot kat-coder-pro-v2.5 | 3 | Powerhouse |
x-ai grok-build-0.1 | 3 | Powerhouse |
openai gpt-5.1-codex-mini | 2 | Powerhouse |
qwen qwen-2.5-coder-32b-instruct | 2 | Powerhouse |
qwen qwen3-coder-next | 1 | Powerhouse |
qwen qwen3-coder-flash | 1 | Powerhouse |
qwen qwen3-coder-30b-a3b-instruct | 1 | Powerhouse |
kwaipilot kat-coder-air-v2.5 | 1 | Powerhouse |
kwaipilot kat-coder-pro-v2 | 1 | Powerhouse |
mistralai codestral-2508 | 1 | Powerhouse |
Cost Index ان میں سے کئی قطاروں کی قیمت بتاتا ہے، اور یہ ظاہر کرتا ہے کہ ایک معیاری جواب، یعنی 1,000 ان پٹ جمع 500 آؤٹ پٹ ٹوکنز، پرووائیڈر کی لسٹ ریٹ پر کتنے میں پڑتا ہے، جو 2026-08-20 کو OpenRouter سے پڑھا گیا۔
| ماڈل | کانٹیکسٹ ونڈو | فی معیاری جواب لاگت | کریڈٹس |
|---|---|---|---|
| Qwen3 Coder Next | 262K | $0.00052 | 1 |
| Codestral 2508 | 256K | $0.00075 | 1 |
| Grok Build 0.1 | 256K | $0.002 | 3 |
| Kimi K2.7 Code | 262K | $0.00246 | 10 |
قیمت والی چار قطاروں میں سے دو 1 کریڈٹ پر ہیں، ایک 3 پر اور ایک 10 پر، سب ایک ہی پلان کے پیچھے۔
کریڈٹ لاگت فی پیغام ایک مقررہ عدد ہوتی ہے۔ آپ کے کوڈ کی لمبائی، تھریڈ کی لمبائی، یا جواب کی لمبائی کا حساب میں کوئی کردار نہیں ہوتا، اس لیے ایک لائن کا سوال اور 400 لائن کی فائل ایک ہی ماڈل پر ایک جیسی لاگت رکھتے ہیں۔ مکمل سیڑھی کریڈٹس کیسے کام کرتے ہیں میں ہے۔
Pro اس کے بجائے کیا استعمال کرتا ہے
Pro مکمل کے بجائے منتخب ہے: ہر فیملی کے ایک یا دو موجودہ فلیگ شپ، ہر فیملی کا تیز ترین ٹیئر، اور زیادہ حجم والے ورک ہارس۔ Anthropic پر Sonnet ہی Pro کی حد ہے اور Opus کلاس Powerhouse پر ہے، اس لیے Pro پر کوڈ کے لیے سب سے مضبوط منتخب قطاریں Claude Sonnet کلاس بمعہ 10 کریڈٹس اور Kimi K3 بمعہ 10 کریڈٹس ہیں۔
Auto اس سے متفق ہے۔ Auto ہر پیغام کو چھ مقررہ درجوں میں سے ایک پر رکھتا ہے، اور اس کا کوڈ کا درجہ Claude Sonnet کلاس پر 10 کریڈٹس کے ساتھ پن کیا گیا ہے، جہاں Pro سب سے کم پلان ہے جو اس تک پہنچتا ہے۔ Pro پر، وہ قطار جو Auto کوڈ کے پیغام کے لیے چنتا ہے اور بہترین کوڈ قطار جو آپ خود ہاتھ سے چن سکتے ہیں، ایک ہی قطار ہیں۔ مکمل سیڑھی Auto روٹنگ کیسے کام کرتی ہے میں ہے۔
مشکل کی سطح بھی تھریڈ کے اندر قائم رہتی ہے: پچھلی باری کا ماڈل ایک کم از کم حد کا کام کرتا ہے، اس لیے کوڈ کے جواب کا فالو اپ خود بخود سب سے سستی قطار پر واپس نہیں گر سکتا۔
کوڈ کو چیٹ میں لانا
دو راستے کوڈ قبول کرتے ہیں، اور دونوں مختلف چیزیں قبول کرتے ہیں۔
فی پیغام۔ کمپوزر کا فائل پکر سورس فائلیں براہ راست لیتا ہے، اور مکمل ایکسٹینشن فہرست سپورٹڈ فائل ٹائپس میں ہے۔ ویب سائٹ کمپوزر فی پیغام زیادہ سے زیادہ 6 فائلیں قبول کرتا ہے، ہر ایک 10 MB تک محدود۔
پروجیکٹ کے ساتھ پن کیا گیا۔ یہ فہرست تنگ ہے اور سورس کوڈ شامل نہیں کرتی: پن کی گئی فائلیں PDF، پلین ٹیکسٹ، Markdown، CSV، JSON، .docx اور .xlsx قبول کرتی ہیں، اور تصاویر جان بوجھ کر خارج ہیں کیونکہ پن کی گئی فائل ہر باری پر پرامپٹ ٹیکسٹ کے ساتھ ساتھ چلتی ہے۔ .ts یا .py فائل چننے پر Choose a PDF, Word, Excel, text, Markdown, CSV, or JSON file. HTTP 415 unsupported_project_file_type کے طور پر واپس آتا ہے۔ فائل کو پہلے .txt یا .md کے طور پر محفوظ کرنا راستہ ہے۔ باقی اپ لوڈ انکار فائل اپ لوڈ ناکام میں ہیں۔
اٹیچ کرنے کے بجائے پیسٹ کرنا پیغام کی حد سے ٹکراتا ہے۔ ایک واحد چیٹ پیغام 100,000 حروف تک محدود ہے، اور اس سے زیادہ ہونے پر بھیجنے کو This message is {count} characters, over the 100,000 character limit. Attach a shorter file, or ask about one section at a time. کے طور پر HTTP 400 message_too_long کے ساتھ مسترد کر دیا جاتا ہے۔ اس گنتی میں آپ کی فائلوں سے نکالا گیا ٹیکسٹ بھی شامل ہے۔ دیکھیں پیغام نہیں بھیجا جا رہا۔
جو کچھ فٹ ہو جائے، اس کے بعد زیادہ تر کیٹلاگ ماڈلز کو فی باری 40,000 ان پٹ ٹوکنز کا فلیٹ بجٹ ملتا ہے، اور جس ماڈل کی کانٹیکسٹ ونڈو 93,000 ٹوکنز سے کم ہو اسے اس کے بجائے چھوٹا متناسب بجٹ ملتا ہے، اس لیے ایک بڑی فائل اور ایک لمبا تھریڈ ایک ہی جگہ کے لیے مقابلہ کرتے ہیں۔ جب گفتگو بہت لمبی ہو جائے میں مکمل بجٹ موجود ہے۔
لوپ، اور ہر آدھا حصہ کہاں دستاویز ہے
دو تکنیکیں اصل کام کرتی ہیں، اور ہر ایک کا اپنا صفحہ ہے۔
- ترتیب وار۔ گفتگو کے دوران ماڈل تبدیل کرنا۔
- متوازی۔ ماڈلز کا ساتھ ساتھ موازنہ کرنا۔
ایک اٹیچمنٹ اصول دونوں میں یاد رکھنے کے قابل ہے: صرف تازہ ترین صارف پیغام جس میں اٹیچمنٹس ہوں اس کی اٹیچمنٹس پرووائیڈر کو بھیجی جاتی ہیں، اس لیے پانچ باریوں پہلے اٹیچ کی گئی فائل موجودہ باری میں دوبارہ نہیں بھیجی جاتی۔
تین حدود اس بات کو شکل دیتی ہیں کہ یہ لوپ خاص طور پر کوڈ پر کیسا محسوس ہوتا ہے۔
کوئی ری جنریٹ کنٹرول نہیں ہے۔ باری دوبارہ چلانے کا طریقہ اپنا پیغام ایڈٹ کر کے دوبارہ بھیجنا ہے، جو اس باری کا ایک ورژن بناتا ہے، جسے تیروں سے نیویگیٹ کیا جا سکتا ہے جو "2/2" جیسا پڑھتے ہیں۔ ورژن صرف ایڈٹ کیا گیا پیغام نہیں ہوتا: یہ وہ پیغام اور اس کے بعد آنے والا ہر جواب ہوتا ہے، اس لیے ورژن بدلنا پوری گفتگو کی دم بدل دیتا ہے، اور کسی باری کو ایڈٹ کرنا اس کے بعد کی ہر باری کی ورژن ہسٹری ضائع کر دیتا ہے۔ تین باریاں پیچھے کسی پرامپٹ کو درست کرنا اس کے بعد آپ کی دریافت کردہ شاخوں کو ضائع کر دیتا ہے۔
ایک وقت میں ہر اکاؤنٹ کے لیے صرف ایک جنریشن چلتی ہے۔ فی صارف لاک کا مطلب ہے کہ ایک اکاؤنٹ کے لیے دو ڈیوائسز، یا دو ٹیبز، کبھی بھی بیک وقت جنریٹ نہیں کر سکتے، اور دوسری کوشش کو ایک جاری جنریشن کے تنازعے کے طور پر مسترد کر دیا جاتا ہے۔ تاہم جواب کلائنٹ سے بچ جاتا ہے: جنریشن فی گفتگو کوآرڈینیٹر میں چلتی ہے، اس لیے سٹریم کے دوران ٹیب بند کرنا اب جواب کو ختم نہیں کرتا، اور دوبارہ کھلا گیا ٹیب پہلے سے جاری سٹریم سے دوبارہ جڑ سکتا ہے۔
اپنے پلان سے اوپر کا ماڈل چننا ڈاؤن گریڈ نہیں بلکہ انکار ہے۔ یہ Upgrade your plan to use this model. کو HTTP 403 tier_upgrade_required کے طور پر واپس کرتا ہے۔ Auto کبھی وہ خرابی پیدا نہیں کرتا، کیونکہ یہ صرف وہی قطاریں چنتا ہے جو آپ کا پلان پہلے ہی کھول سکتا ہے۔ ماڈل دستیاب نہیں میں باقی گیٹ پیغامات موجود ہیں۔
کوڈ کے لیے Whizi کے پاس کیا نہیں ہے
کوئی پبلک یا ڈیولپر API نہیں ہے، نہ کوئی API key اجراء اور نہ کوئی پرسنل ایکسیس ٹوکنز، اس لیے Whizi کو کسی ایڈیٹر، ٹرمینل یا CI جاب میں وائر نہیں کیا جا سکتا۔ ہر روٹ ایک تھرڈ پارٹی انٹیگریشن کے بجائے اینڈ یوزر سیشن کے طور پر تصدیق کرتا ہے۔ کیا Whizi کے پاس API ہے اس کے بجائے کیا کرنا ہے وہ بتاتا ہے۔
اکاؤنٹ سطح کی کسٹم انسٹرکشنز کی سیٹنگ بھی موجود نہیں ہے۔ پر پروجیکٹ انسٹرکشنز، 32,000 حروف تک اور اس پروجیکٹ کی ہر گفتگو پر لاگو، پروڈکٹ میں واحد صارف کی لکھی ہوئی مستقل ہدایت ہیں، اور یہی وہ جگہ ہے جہاں سٹیک کی تفصیل یا ہاؤس کنونشن کا تعلق بنتا ہے۔
کوئی پرامپٹ ٹیمپلیٹ یا محفوظ شدہ پرامپٹ فیچر بھی نہیں ہے: چیٹ UI میں کہیں بھی نہ کوئی ٹیمپلیٹ لائبریری ہے، نہ محفوظ شدہ پرامپٹس اور نہ سنیپٹ داخل کرنے کی سہولت۔ اس کے قریب ترین حقیقی متبادل پروجیکٹ کی انسٹرکشنز ہیں، جو اس پروجیکٹ کی ہر چیٹ پر خود بخود لاگو ہوتی ہیں۔
- کوڈنگ اسپیشلسٹس صرف Powerhouse زمرہ ہیں؛ Starter اور Pro ان تک نہیں پہنچتے
- Pro کے پاس کوئی کوڈر اسپیشلسٹ نہیں؛ اس کی کوڈ قطاریں Claude Sonnet کلاس اور Kimi K3 ہیں، 10 کریڈٹس پر
- Starter کل چار پکر اندراجات تک رسائی رکھتا ہے اور ان میں سے کوئی بھی کوڈنگ ماڈل نہیں
- ایک Free اکاؤنٹ کسی بھی کوڈنگ قطار تک نہیں پہنچتا: Powerhouse ہی اسپیشلسٹس رکھتا ہے
- کوڈر کے نام والی قطاریں فی پیغام 1 کریڈٹ سے 12 تک چلتی ہیں، ہر ایک Powerhouse کے پیچھے
- فی پیغام سورس فائلیں اٹیچ کریں؛ پروجیکٹ پن کی گئی فائلیں کوڈ ایکسٹینشنز قبول نہیں کرتیں
- ایک چیٹ پیغام 100,000 حروف تک محدود ہے، اور زیادہ تر ماڈلز کو 40,000 ٹوکن ان پٹ بجٹ ملتا ہے
- کوئی ری جنریٹ کنٹرول نہیں: پیغام ایڈٹ کر کے دوبارہ بھیجیں، جو پوری دم کو ورژن دیتا ہے
عمومی سوالات
Whizi میں کوڈنگ کے لیے کون سا ماڈل بہترین ہے؟
Whizi ہر قطار کے لیے جو کچھ شائع کرتا ہے وہ پلان گیٹ، کریڈٹ درجہ اور کانٹیکسٹ ونڈو ہے، کوئی رینکنگ نہیں۔ پروڈکٹ کی رائے کے قریب ترین چیز Auto ہے، جس کا کوڈ درجہ Claude Sonnet پر 10 کریڈٹس کے ساتھ پن کیا گیا ہے اور Pro سے پہنچا جا سکتا ہے۔ اس کے علاوہ عملی طریقہ یہ ہے کہ ایک ہی کام دو قطاروں کے خلاف چلائیں اور جو آپ کے اپنے کوڈ پر جیتے اسے رکھیں۔
کیا میں Pro پر Codex ماڈلز استعمال کر سکتا ہوں؟
نہیں۔ Pro کا OpenAI سیٹ عمومی GPT قطاریں ہیں، اور ہر Codex شناخت کنندہ Starter سیٹ اور Pro سیٹ دونوں سے باہر آتا ہے، جس کا مطلب Powerhouse ہے۔ Codex قطاریں openai gpt-5.1-codex-mini کے لیے فی پیغام 2 کریڈٹس سے لے کر openai gpt-5.3-codex کے لیے 12 تک چلتی ہیں، اس لیے پانچ میں سے تین Claude Sonnet کلاس کے 10 سے نیچے ہیں۔
کیا میں کسی پروجیکٹ کے ساتھ سورس فائل پن کر سکتا ہوں تاکہ ہر چیٹ اسے دیکھے؟
اس کے اصل ایکسٹینشن کے ساتھ نہیں، اور حدود ایکسٹینشن سے زیادہ اہم ہیں۔ ایک پن کی گئی فائل اس پروجیکٹ کی ہر ایک باری پر پرامپٹ میں دوبارہ بنائی جاتی ہے، گفتگو کے اسی ان پٹ بجٹ کے اندر، جہاں ہر پن کی گئی فائل زیادہ سے زیادہ 32,000 حروف کا نکالا گیا ٹیکسٹ دیتی ہے اور پورا پروجیکٹ بلاک زیادہ سے زیادہ 10 فائلوں میں 120,000 حروف تک محدود ہے۔
کیا میرا کوڈ AI ماڈلز کو تربیت دینے کے لیے استعمال ہوتا ہے؟
نہیں۔ Whizi آپ کے پرامپٹس، فائلوں، گفتگوؤں، وائس ٹرانسکرپٹس، یا تیار کردہ مواد کو Whizi کے اپنے AI ماڈلز کی تربیت کے لیے استعمال نہیں کرتا۔ Whizi اس مواد کو تربیتی ڈیٹا کے طور پر فروخت نہیں کرتا۔ اپ لوڈ کی گئی اٹیچمنٹس زیادہ سے زیادہ 30 دن بعد ختم ہونے کے لیے سیٹ ہیں اور آپ کی طرف سے یا اکاؤنٹ ڈیلیٹ کرنے کے دوران جلد ڈیلیٹ ہو سکتی ہیں۔ اپ سٹریم ماڈل پرووائیڈرز کی پروسیسنگ ہر پرووائیڈر کی اپنی شرائط اور کنفیگریشن کے تحت ہوتی ہے، اور Whizi یہ دعویٰ نہیں کرتا کہ ہر پرووائیڈر ایک ہی ریٹینشن سیٹنگ پر عمل کرتا ہے۔ تفصیل Whizi آپ کے ڈیٹا کے ساتھ کیا کرتا ہے میں ہے۔