“प्रति 10 लाख टोकन कीमत” सभी प्रोवाइडरों में तुलना-योग्य लगती है। पूरी तरह है नहीं। प्रोवाइडर इस बात में अलग हैं कि वे कौन-से मॉडल होस्ट करते हैं, कैश्ड इनपुट कितने का है, बैच जॉब पर छूट है या नहीं, GPU किराये पर मिलते हैं या नहीं, और ऊपर से कौन-सी फ़ीस लगती है। यह पोस्ट ओपन-वेट मॉडल के छह प्रोवाइडरों की तुलना करती है कि वे कीमत कैसे लेते हैं, फिर एक ही मॉडल के लिए उनकी प्रकाशित कीमतें साथ-साथ रखती है। प्रतिस्पर्धियों के सारे आँकड़े हर प्रोवाइडर के आधिकारिक पेज से हैं, 2026-11-14 को जाँचे गए; लिंक स्रोतों में हैं। कीमतें अक्सर बदलती हैं, इसलिए फ़ैसला करने से पहले दोबारा जाँचें।
ओपन मॉडल की कीमत तय करने के पाँच तरीक़े कौन-से हैं?
- प्रति टोकन, सर्वरलेस। प्रति 1M इनपुट और आउटपुट टोकन की अलग-अलग कीमतें। इस सूची में सब यह देते हैं।
- कैश्ड इनपुट। दोहराए जाने वाले प्रॉम्प्ट प्रीफ़िक्स के लिए कम दर। छूट आधी कीमत से लेकर इनपुट दर के कुछ प्रतिशत तक होती है। कैश्ड टोकन की पूरी व्याख्या।
- बैच। उन जॉब के लिए कम कीमत जो घंटों इंतज़ार कर सकते हैं।
- डेडिकेटेड GPU। हार्डवेयर घंटे के हिसाब से किराये पर लें और मॉडल ख़ुद चलाएँ या प्रोवाइडर के स्टैक से। सेल्फ़-होस्टिंग बनाम API: ब्रेक-ईवन, या अपनी संख्याओं के साथ सेल्फ़-होस्टिंग बनाम API कैलकुलेटर चलाएँ।
- फ़्लैट प्लान। समय के लिए तय कीमत, बिना टोकन मीटर के। देखें फ़्लैट-रेट LLM प्लान।
हर प्रोवाइडर ओपन मॉडल की कीमत कैसे लेता है?
| प्रोवाइडर | मॉडल | प्रति टोकन | कैश्ड इनपुट | बैच | डेडिकेटेड GPU | फ़्लैट प्लान |
|---|---|---|---|---|---|---|
| OpenRouter | कई प्रोवाइडरों के बीच राउटर | प्रोवाइडर की कीमत, “कोई मार्कअप नहीं” | प्रोवाइडर के अनुसार | प्रोवाइडर के अनुसार | नहीं | नहीं |
| Together AI | अपना सर्वरलेस + डेडिकेटेड | हाँ | कुछ मॉडल के लिए सूचीबद्ध | चुने हुए मॉडल पर 50% छूट (जाँच के समय सिर्फ़ Whisper Large v3) | H100, USD 5.49 प्रति GPU घंटे से | नहीं |
| Fireworks AI | अपना सर्वरलेस + ऑन-डिमांड | हाँ, प्रति 1M इनपुट USD 0.05 से | डिफ़ॉल्ट रूप से 50% छूट, कुछ मॉडल पर ज़्यादा | 50% छूट | H100 USD 8.00 प्रति घंटा | नहीं |
| Groq | अपना हार्डवेयर | हाँ, मॉडल की छोटी सूची | 50% छूट, GPT-OSS मॉडल पर | 50% छूट | सूचीबद्ध नहीं | नहीं |
| DeepInfra | अपना सर्वरलेस + डेडिकेटेड | हाँ, कुछ मॉडल का बिल एक्ज़िक्यूशन समय से | कई मॉडल के लिए सूचीबद्ध | प्राइसिंग पेज पर सूचीबद्ध नहीं | H100 USD 2.90 प्रति GPU घंटा | नहीं |
| BroadNet Inference | मॉडल की छोटी सूची; कुछ मॉडल US इन्फ़रेंस पार्टनरों द्वारा होस्ट किए गए | हाँ | चार में से तीन चैट मॉडल के लिए सूचीबद्ध | उपलब्ध नहीं | नहीं | हाँ, DeepSeek V4.1 Flash |
पेजों से नोट्स:
- OpenRouter कहता है “there is no markup on inference pricing” (अनुवाद: इन्फ़रेंस की कीमत पर कोई मार्कअप नहीं है)। वह क्रेडिट ख़रीदते समय फ़ीस लेता है: Standard प्लान पर 5.5% (उसके FAQ के अनुसार न्यूनतम USD 0.80) और Business पर 8%, या क्रिप्टो पर 5%। मुफ़्त मॉडल वेरिएंट 20 अनुरोध प्रति मिनट और 50 प्रति दिन तक सीमित हैं, या कम से कम USD 10 के क्रेडिट ख़रीदने के बाद 1,000 प्रति दिन। यह एक राउटर है, इसलिए एक मॉडल की कई कीमतें हो सकती हैं। OpenRouter बनाम फ़्लैट-रेट प्रोवाइडर।
- Together AI डेडिकेटेड H100 को ऑन-डिमांड USD 5.49 प्रति GPU घंटे पर दिखाता है। उसके बैच डॉक्स कहते हैं कि चुने हुए सर्वरलेस मॉडल 50% छूट पर चलते हैं, 24 घंटे की तय कम्प्लीशन विंडो के साथ, लेकिन जाँच के समय छूट वाले मॉडल की तालिका में सिर्फ़
openai/whisper-large-v3था। बाक़ी मॉडल सामान्य दरों पर चलते हैं। - Fireworks के Standard, Priority, Fast, Batch (50% छूट) और Spot (कुछ मॉडल पर 30% छूट) मोड हैं। कैश्ड इनपुट का बिल आधी कीमत या उससे कम पर बनता है, बिना किसी राइट फ़ीस के।
- Groq प्रोडक्शन मॉडल के एक छोटे सेट के लिए प्रति टोकन कीमतें दिखाता है, जैसे
openai/gpt-oss-120bप्रति 1M USD 0.15 इनपुट और USD 0.60 आउटपुट पर, और Whisper स्पीच-टू-टेक्स्ट घंटे के हिसाब से। उसके GPT-OSS मॉडल पर कैश्ड इनपुट आधी कीमत पर है, और बैच जॉब 24 घंटे से 7 दिन के भीतर 50% छूट पर चलते हैं। - DeepInfra कई मॉडल के लिए लिस्ट प्राइस के बगल में छूट वाली दर दिखाता है, जैसे DeepSeek-V4.1-Flash-1017 पर 51% और GLM-5.3 पर 38% छूट। पेज यह नहीं बताता कि ये छूट कब ख़त्म होंगी। वह Standard, Priority (1.5×) और Flex (0.8×) टियर भी देता है।
एक ही मॉडल हर प्रोवाइडर पर कितने का है?
उन मॉडल की प्रकाशित प्रति 1M कीमतें जिन्हें BroadNet भी चलाता है। ”—” का मतलब है कि मॉडल उस प्रोवाइडर के प्राइसिंग पेज पर नहीं था।
DeepSeek V4.1 Flash (इनपुट / कैश्ड / आउटपुट):
| प्रोवाइडर | इनपुट | कैश्ड | आउटपुट |
|---|---|---|---|
| Together AI | USD 0.30 | USD 0.006 | USD 1.20 |
| Fireworks AI | USD 0.30 | USD 0.006 | USD 1.20 |
| DeepInfra, लिस्ट | USD 0.20 | USD 0.006 | USD 0.60 |
| DeepInfra, छूट के साथ (30% छूट) | USD 0.14 | USD 0.0042 | USD 0.42 |
| DeepInfra, DeepSeek-V4.1-Flash-1017, छूट के साथ (51% छूट) | USD 0.098 | USD 0.0029 | USD 0.294 |
| Groq | — | — | — |
| BroadNet Inference | $0.175 | $0.0055 | $0.52 |
DeepInfra का तारीख़ वाला -1017 वेरिएंट वही रिलीज़ है जिसे DeepSeek का अपना API deepseek-flash नाम से चलाता है; जाँच लें कि आपका कोड किसे कॉल करता है। जाँच के समय OpenRouter पर इस मॉडल के 28 प्रोवाइडरों के 37 एंडपॉइंट थे, प्रति 1M इनपुट टोकन लगभग USD 0.05 (Baidu) से USD 3 (Venice का सबसे तेज़ टियर) तक। हमारी DeepSeek V4.1 Flash कीमत तालिका हर उस प्रोवाइडर को दिखाती है जो इस मॉडल की अपनी कीमत प्रकाशित करता है, हर पंक्ति में स्रोत पेज और जाँच की तारीख़ के साथ। पूरे बाज़ार में एक ही मॉडल की कीमतों का फ़ासला कितना है, यह हमारे LLM API प्राइस इंडेक्स में मापा गया है। एक ही वर्कलोड पर ये ओपन मॉडल कीमतें GPT, Claude और Gemini से कैसे तुलना करती हैं, इसके लिए देखें ओपन-वेट बनाम क्लोज़्ड मॉडल API लागत।
GLM 5.3 (हर प्रोवाइडर की अपनी कीमत: GLM 5.3 कीमत तालिका):
| प्रोवाइडर | इनपुट | कैश्ड | आउटपुट |
|---|---|---|---|
| Together AI | USD 1.40 | USD 0.26 | USD 4.40 |
| Fireworks AI | USD 1.40 | USD 0.26 | USD 4.40 |
| DeepInfra, लिस्ट | USD 0.90 | USD 0.20 | USD 4.00 |
| DeepInfra, छूट के साथ (38% छूट) | USD 0.5625 | USD 0.125 | USD 2.50 |
| BroadNet Inference | $0.78 | $0.173 | $3.46 |
Qwen3.8 27B (हर प्रोवाइडर की अपनी कीमत: Qwen3.8 27B कीमत तालिका):
| प्रोवाइडर | इनपुट | कैश्ड | आउटपुट |
|---|---|---|---|
| DeepInfra, लिस्ट | USD 0.20 | USD 0.05 | USD 2.50 |
| DeepInfra, छूट के साथ (25% छूट) | USD 0.15 | USD 0.0375 | USD 1.875 |
| Groq (प्रीव्यू, सिर्फ़ मूल्यांकन के लिए) | USD 0.80 | — | USD 4.00 |
| BroadNet Inference | $0.175 | $0.0435 | $2.17 |
Gemma 4 26B A4B (BroadNet का बिल्ड Gemma 4 VL 26B है):
| प्रोवाइडर | इनपुट | आउटपुट |
|---|---|---|
| DeepInfra | USD 0.07 | USD 0.34 |
| BroadNet Inference | $0.10 | $0.22 |
यहाँ प्रति टोकन के हिसाब से BroadNet सबसे सस्ता नहीं है। DeepSeek V4.1 Flash, GLM 5.3 और Qwen3.8 27B की हर पंक्ति पर DeepInfra की छूट वाली दरें BroadNet से कम हैं, और Gemma इनपुट पर भी कम हैं (Gemma आउटपुट BroadNet का कम है)। DeepSeek का अपना API ऑफ़-पीक समय में अपनी सारी कीमतें आधी कर देता है, जिससे उस समय उसका इनपुट BroadNet से कम हो जाता है (विवरण)। DeepSeek V4.1 Flash और GLM 5.3 पर BroadNet की लिस्ट प्राइस Together और Fireworks से कम है। प्रति टोकन कीमत सिर्फ़ एक पहलू है; कॉन्टेक्स्ट लंबाई, डेटा रिटेंशन और रेट लिमिट भी जाँचें, जो ये तालिकाएँ नहीं दिखातीं।
सिर्फ़ इन चार नहीं, बल्कि उन सभी 119 मॉडल में जिन्हें कई होस्ट बेचते हैं, सबसे महँगी लिस्ट प्राइस सबसे सस्ती की मीडियन 1.76 गुना है; देखें एक मॉडल, अलग होस्ट। होस्ट की कीमतें मॉडल बनाने वालों की कीमतों से ज़्यादा बार बदलती भी हैं: LLM API की कीमतें कितनी बार बदलती हैं।
स्पीच-टू-टेक्स्ट का क्या?
Groq whisper-large-v3-turbo को USD 0.04 प्रति घंटा ऑडियो और whisper-large-v3 को USD 0.111 प्रति घंटा पर दिखाता है। DeepInfra Voxtral Mini को USD 0.001 प्रति मिनट पर दिखाता है। BroadNet का बहुभाषी मॉडल $0.002 प्रति मिनट ($0.12 प्रति घंटा) का है, और उसका अरबी मॉडल $0.0042 प्रति मिनट। और प्रोवाइडरों के लिए देखें speech to text API की कीमतों की तुलना। अरबी के लिए, दर से ज़्यादा अहम है आपकी बोलियों पर सटीकता: अरबी स्पीच-टू-टेक्स्ट API कैसे चुनें।
अपने वर्कलोड के लिए प्रोवाइडरों की तुलना कैसे करें?
- मॉडल और वर्ज़न तय करें। “DeepSeek V4.1 Flash” और उसके तारीख़ वाले वेरिएंट की कीमत अलग हो सकती है।
- अपना टोकन मिश्रण मापें: इनपुट, कैश्ड हिस्सा और आउटपुट, रीज़निंग समेत। लॉन्च से पहले लागत का अनुमान।
- हर प्रोवाइडर की तीनों दरों से कीमत निकालें, सिर्फ़ इनपुट कीमत से नहीं। एजेंट के लिए अक्सर कैश्ड दर फ़ैसला करती है। LLM API कॉस्ट कैलकुलेटर और प्रॉम्प्ट कैशिंग कैलकुलेटर हिसाब कर देते हैं।
- बैच छूट सिर्फ़ उस काम पर लगाएँ जो इंतज़ार कर सकता है।
- फ़ीस जोड़ें: क्रेडिट ख़रीद की फ़ीस और टियर मल्टीप्लायर।
- सीमाएँ जाँचें: रेट लिमिट, कॉन्करेंसी और कॉन्टेक्स्ट लंबाई किसी प्रोवाइडर को किसी भी कीमत पर बाहर कर सकती हैं।
- फ़्लैट प्लान से तुलना करें अगर एक एजेंट दिन के ज़्यादातर समय चलता है। ब्रेक-ईवन का हिसाब, या फ़्लैट-रेट बनाम प्रति टोकन कैलकुलेटर।
BroadNet Inference कहाँ फ़िट होता है
BroadNet मॉडल की एक छोटी सूची देता है, जिनमें से कुछ US इन्फ़रेंस पार्टनरों द्वारा होस्ट किए जाते हैं, और प्रति टोकन कीमतें एक प्राइस फ़ाइल में प्रकाशित करता है। उसकी प्रति टोकन दरें बीच की हैं, सबसे कम नहीं: अगर सिर्फ़ प्रति टोकन कीमत मायने रखती है, तो DeepInfra की छूट वाली लिस्टिंग कम पड़ती हैं। जो यहाँ बाक़ी कोई नहीं बेचता, वह है हर सेशन के लिए $60 प्रति माह में अनलिमिटेड DeepSeek V4.1 Flash, साथ में $15 साप्ताहिक और $1 प्रति घंटा विकल्प। यह मार्केटप्लेस नहीं है, इसमें बैच छूट नहीं है और डेडिकेटेड GPU नहीं हैं। इसकी बाक़ी ख़ूबियाँ हैं हर अनुरोध पर ज़ीरो डेटा रिटेंशन, अरबी स्पीच-टू-टेक्स्ट, और चैट और ऑडियो के लिए एक OpenAI-कम्पैटिबल key। अगर आपको दर्जनों मॉडल फ़ैमिली या उतार-चढ़ाव वाले वर्कलोड के लिए सबसे कम प्रमोशनल दर चाहिए, तो कोई राउटर या बड़ा होस्ट आपके लिए बेहतर रहेगा।
