पिछले आठ हफ़्तों में AI इंडस्ट्री के साथ कुछ अजीब हुआ।

जून में Z.ai ने GLM-5.2 जारी किया और चुपचाप Terminal-Bench पर 80% का आँकड़ा पार करने वाला पहला ओपन-वेट मॉडल बन गया। जुलाई में Moonshot AI ने Kimi K3 उतारा — 2.8 ट्रिलियन पैरामीटर, अब तक का सबसे बड़ा प्रकाशित ओपन-वेट मॉडल — और सहानुभूति में चीनी AI शेयर खाई में गिर गए। फिर 3 अगस्त को Alibaba’s Qwen3.8-Max ने जवाब दिया — 2.4 ट्रिलियन पैरामीटर — और कंपनी के इतिहास में पहली बार Max-टियर मॉडल को ओपन-सोर्स किया।

तीन फ़्रंटियर के क़रीब के मॉडल। तीन अलग-अलग लाइसेंसिंग दर्शन। तीन बिल्कुल अलग क़ीमतें। और ढेरों उलझी हुई कवरेज, जो इन्हें एक-दूसरे की जगह इस्तेमाल करने लायक़ मानती है।

ये एक-दूसरे की जगह नहीं ले सकते। इनमें से एक इमेज नहीं देख सकता। एक अभी सचमुच डाउनलोड करने लायक़ नहीं है, चाहे सौ हेडलाइनें इसे “ओपन सोर्स” कह रही हों। और इनमें से एक का हर आउटपुट टोकन दूसरे से पाँच गुना महँगा पड़ता है, जबकि कई कोडिंग बेंचमार्क पर उसका स्कोर कम है।

यही वह तुलना है जो सबका फ़र्क़ साफ़ कर देती है।

TL;DR — 30 सेकंड का फ़ैसला

अगर आपको सबसे तगड़ी मूल क्षमता चाहिए और ख़र्च उठा सकते हैं: Kimi K3. Artificial Analysis Intelligence Index में यह #4 पर है और Frontend Code Arena में #1 पर, और इन तीनों में यही अकेला मॉडल है जो Claude और GPT फ़्लैगशिप से टक्कर लेता है। इसके लिए आपको प्रति मिलियन टोकन $3/$15 चुकाना होगा।

अगर आपको कोडिंग के लिए लागत और क्षमता का सबसे बढ़िया अनुपात चाहिए: GLM-5.2. $1.40/$4.40 पर यह K3 के आउटपुट दाम के एक-तिहाई से भी कम है, इसका लाइसेंस सचमुच MIT है, और इसके वेट्स जून से Hugging Face पर हैं। बस यह इमेज प्रोसेस नहीं कर सकता।

अगर आपको एक ही मॉडल में मल्टीमॉडल इनपुट और लंबे दौड़ वाले एजेंट चाहिए: Qwen3.8-Max. टेक्स्ट, इमेज और वीडियो इनपुट भी, साथ में तीनों में सबसे दमदार प्रकाशित विज़न-एजेंट आँकड़े। लेकिन यह लिखने तक वेट्स अब भी एक वादा हैं, डाउनलोड नहीं।

अगर आप कुछ भी गंभीर बना रहे हैं: एक से ज़्यादा मॉडल इस्तेमाल करें। नीचे राउटिंग वाला हिस्सा बताता है कि यह बहाना क्यों नहीं है।

विषय-सूची

यह तुलना अभी क्यों मायने रखती है
दावेदारों से मिलिए
आमने-सामने के स्पेसिफ़िकेशन
बेंचमार्क की गहराई में
बेंचमार्क का वह तारांकन, जिसका कोई ज़िक्र नहीं करता
प्राइसिंग: असली लागत का गणित
यहाँ “ओपन वेट्स” का असल मतलब क्या है
क्या आप इन्हें सचमुच सेल्फ-होस्ट कर सकते हैं?
तीन 1M कॉन्टेक्स्ट विंडो एक जैसी नहीं होतीं
आपको कौन-सा मॉडल चुनना चाहिए?
मल्टी-मॉडल राउटिंग की रणनीति
जोखिम, चेतावनियाँ और ख़तरे के संकेत
आगे क्या आने वाला है
अक्सर पूछे जाने वाले प्रश्न
आख़िरी फ़ैसला

यह तुलना अभी क्यों मायने रखती है

2024 और 2025 के ज़्यादातर हिस्से में ओपन-वेट बहस एक सांत्वना-दौर जैसी थी। मुश्किल काम के लिए आप कोई पश्चिमी फ़्रंटियर मॉडल चुनते थे और सस्ते, ज़्यादा मात्रा वाले काम के लिए कोई ओपन मॉडल। यह अंतर असली था और सब जानते थे।

यह ढाँचा इसी गर्मी में टूट गया।

जब जुलाई के मध्य में Moonshot ने Kimi K3 जारी किया, तब बाज़ार की प्रतिक्रिया ने किसी भी बेंचमार्क तालिका से बेहतर कहानी बयान की। Z.ai’s हांगकांग में सूचीबद्ध शेयर 30% तक गिरे। MiniMax 16% तक लुढ़का। Alibaba 4% फिसला। निवेशक किसी रिसर्च पेपर पर प्रतिक्रिया नहीं दे रहे थे — वे उस मॉडल पर प्रतिक्रिया दे रहे थे जिसे डेवलपर्स, बिना नाम जाने साथ-साथ मूल्यांकन में, फ़्रंट-एंड कोडिंग के काम पर अग्रणी अमेरिकी सिस्टमों से ऊपर चुन रहे थे।

फिर Alibaba’s Qwen3.8-Max लॉन्च ने हांगकांग में कंपनी के शेयर 7% ऊपर भेजे। उसी हफ़्ते Moonshot’s की दैनिक आय कथित तौर पर K3 के बाद कम-से-कम छह गुना बढ़ी, और कंपनी जून में $300 मिलियन की सालाना आवर्ती आय तक पहुँच गई — अप्रैल के $200 मिलियन से ऊपर — साथ ही $50 बिलियन वैल्यूएशन पर फ़ंडिंग राउंड की तलाश में है।

यह अब सस्ते विकल्पों की कहानी नहीं है। यह इस कहानी है कि क्या फ़्रंटियर-स्तर की क्षमता का दाम अभी-अभी गिर गया है, और अगर हाँ, तो इन तीनों में से किसे आपको सचमुच प्रोडक्शन में लगाना चाहिए।

दावेदारों से मिलिए

Kimi K3 (Moonshot AI)

जारी: July 16, 2026 (API) · July 27, 2026 (weights)

Kimi K3 स्केल का दाँव है। 2.8 ट्रिलियन कुल पैरामीटर के साथ यह DeepSeek’s V4 Pro से क़रीब 75% बड़ा है, जिसके पास “सबसे ज़्यादा इस्तेमाल होने वाला बड़ा ओपन मॉडल” का ख़िताब था। लेकिन इन्फ़रेंस लागत के बारे में सोचने वाले किसी भी व्यक्ति के लिए असली आँकड़ा वह स्पार्स वाला है: K3 में 896 एक्सपर्ट्स वाला mixture-of-experts डिज़ाइन है और प्रति टोकन सिर्फ़ 16 सक्रिय रहते हैं, यानी किसी भी फ़ॉरवर्ड पास में क़रीब 50 अरब पैरामीटर काम करते हैं।

दो आर्किटेक्चरल हिस्से Moonshot’s हैं: Kimi Delta Attention, एक हाइब्रिड लीनियर अटेंशन मैकेनिज़्म, और Attention Residuals, जिसे कंपनी मानक रेज़िडुअल कनेक्शनों के लिए ऐसा ड्रॉप-इन रिप्लेसमेंट बताती है जिसका फ़ायदा स्केल बढ़ने के साथ बना रहता है। K3 आने से पहले दोनों GitHub पर ओपन रिसर्च के रूप में प्रकाशित हो चुके थे।

Moonshot’s पोज़िशनिंग साफ़ है — इसे लंबे दौड़ के इंजीनियरिंग के लिए बनाया गया है। कंपनी की बात कई घंटे चलने वाले सेशन बनाए रखने, बड़े रिपॉज़िटरी में काम करने और कम निगरानी में टर्मिनल टूल्स को साधने की है। इसमें नेटिव विज़ुअल समझ और हमेशा चालू रहने वाला रीज़निंग मोड मिलता है, और यह OpenAI SDK के साथ कम्पैटिबल है, इसलिए इंटीग्रेशन ज़्यादातर बेस-URL बदलने भर का काम है।

Qwen3.8-Max (Alibaba)

जारी: July 19, 2026 (preview at WAIC Shanghai) · August 3, 2026 (general availability)

Qwen3.8-Max में कुल 2.4 ट्रिलियन पैरामीटर हैं और प्रति टोकन क़रीब 95 अरब सक्रिय रहते हैं — K3’s सक्रिय संख्या से लगभग दोगुना, जिसका सर्विंग लागत पर सीधा असर पड़ता है और हम उस पर आगे आएँगे।

यहाँ सचमुच नई बात स्केल नहीं, मोडैलिटी है। एक ट्रिलियन से ज़्यादा पैरामीटर वाला यह पहला Qwen मॉडल है जो मल्टीमॉडल हुआ है और टेक्स्ट, इमेज और और वीडियो इनपुट के रूप में लेता है। और यह पहली बार है कि Alibaba ने किसी Max-टियर फ़्लैगशिप को ओपन-सोर्स करने का फ़ैसला किया है। इससे पहले का हर Max मॉडल — Qwen3.7-Max, Qwen3.6-Max-Preview — API के पीछे बंद रहा, जबकि ओपन-वेट लाइन छोटे आकारों में अलग चलती रही।

Alibaba के लंबे दौड़ वाले डेमो इन तीनों में सबसे दमदार मार्केटिंग हैं। एक में, मॉडल ने कथित तौर पर दस दिन से ज़्यादा वक़्त ख़ुद-चलित तरीक़े से एक ख़ुद को विकसित करने वाला सॉफ़्टवेयर हार्नेस बनाने में बिताया — फ़ीडबैक जोड़ते हुए और कोड, प्रीव्यू और लॉग के ज़रिए दोहराते हुए, बिना किसी इंसानी दख़ल के। दूसरे में, उसने एक मशीन लर्निंग रिसर्च पेपर शून्य से दोबारा बनाया: क़रीब 125 घंटों में GPU ट्रेनिंग के 33 राउंड, 7,600 लाइन कोड, और फिर 18 ख़ुद-पैदा किए सुधार के आइडिया जो मूल पेपर के तरीक़े से बेहतर निकले। 526 इंसानी टीमों के साथ एक लाइव मुक़ाबले में उतरकर यह मैदान के 87% से आगे रहा।

इन्हें वेंडर डेमो मानिए, क्योंकि हैं यही। लेकिन ये असामान्य रूप से ठोस वेंडर डेमो हैं।

GLM-5.2 (Z.ai / Zhipu AI)

जारी: June 13, 2026 (Coding Plan preview) · mid-June 2026 (full open release)

GLM-5.2 यहाँ आकार में काफ़ी फ़ासले से सबसे छोटा मॉडल है और सबसे तेज़ फ़ोकस वाला। क़रीब 744–753 अरब कुल पैरामीटर और प्रति टोकन लगभग 40 अरब सक्रिय, इसे एक ही काम के लिए बनाया गया: लंबे दौड़ वाली एजेंटिक कोडिंग।

यह फ़ोकस एक जान-बूझकर की गई छूट के रूप में दिखता है। GLM-5.2 में कोई विज़ुअल एनकोडर नहीं है। यह टेक्स्ट और कोड लेता है। इसे स्क्रीनशॉट, PDF या UI मॉकअप दीजिए और यह एरर दे देता है। Z.ai के सह-संस्थापक Jie Tang ने इसकी वजह सार्वजनिक रूप से बताई है — उनकी नज़र में मशीन इंटेलिजेंस की ऊपरी सीमा बढ़ाने वाली क्षमता टेक्स्ट-आधारित रीज़निंग है, विज़ुअल इनपुट नहीं। अगले वर्ज़न के फ़ीचरों पर जून में हुए कम्युनिटी पोल को 466,000 से ज़्यादा व्यूज़ मिले, और विज़न सबसे ऊपर माँगा गया फ़ीचर था। वह अब तक नहीं आया।

GLM-5.2 में जो है वह इस तुलना की सबसे साफ़ लाइसेंसिंग कहानी है और, काफ़ी फ़ासले से, सबसे कम क़ीमत। यह बिना शर्त MIT लाइसेंस के तहत आया, वेट्स Hugging Face पर लाइव हैं, और यह बीस से ज़्यादा थर्ड-पार्टी कोडिंग एनवायरनमेंट में पहले दिन से सपोर्ट के साथ आया।

आमने-सामने के स्पेसिफ़िकेशन

	Kimi K3	Qwen3.8-Max	GLM-5.2
डेवलपर	Moonshot AI	Alibaba	Z.ai (Zhipu AI)
कुल पैरामीटर	2.8T	2.4T	~744–753B
प्रति टोकन सक्रिय	~50B (896 एक्सपर्ट में से 16)	~95B	~40B
आर्किटेक्चर	स्पार्स MoE + Kimi Delta Attention	स्पार्स MoE	स्पार्स MoE + IndexShare अटेंशन
कॉन्टेक्स्ट विंडो	1M टोकन	1M टोकन (991K अधिकतम इनपुट)	1M टोकन
अधिकतम आउटपुट	—	131K टोकन	128K–131K टोकन
टेक्स्ट इनपुट	✅	✅	✅
इमेज इनपुट	✅	✅	❌
वीडियो इनपुट	❌	✅	❌
रीज़निंग मोड	हमेशा चालू थिंकिंग	स्टैंडर्ड / थिंकिंग (262K बजट)	हाई / Max
वेट्स उपलब्ध	✅ 27 जुलाई 2026	⏳ 10 अगस्त वाले हफ़्ते का वादा	✅ जून 2026 से
लाइसेंस	संशोधित MIT (शर्तों के साथ)	अभी घोषित नहीं	MIT (बिना शर्त)
API इनपुट / 1M	$3.00	$2.00	$1.40
API आउटपुट / 1M	$15.00	$6.00	$4.40
कैश्ड इनपुट / 1M	$0.30	$0.25	$0.26

उस तालिका से तीन चीज़ें साफ़ उभरकर आती हैं।

पहला, GLM-5.2 कम में ज़्यादा कर रहा है. यह K3 के कुल आकार का क़रीब एक-चौथाई है और कोडिंग बेंचमार्क पर टक्कर दे रहा है — यानी 2026 में स्केल ही पूरी कहानी नहीं है।

दूसरा, Qwen3.8-Max’s सक्रिय पैरामीटर संख्या सबसे अलग है. ~95B सक्रिय के साथ यह कुल में छोटा होने के बावजूद K3 से लगभग दोगुना है। सक्रिय पैरामीटर सर्विंग लागत तय करते हैं, इसलिए सेल्फ-होस्ट करने की सोच रहे किसी भी व्यक्ति को ध्यान रखना चाहिए कि Qwen का फ़्लैगशिप 400 अरब ज़्यादा पैरामीटर वाले मॉडल से प्रति टोकन चलाने में महँगा पड़ता है।

तीसरी, क़ीमत का फ़ासला बहुत बड़ा है. K3 के आउटपुट टोकन GLM-5.2 से 3.4× महँगे पड़ते हैं। महीने भर के भारी एजेंट इस्तेमाल में यह कोई मामूली फ़र्क़ नहीं है।

बेंचमार्क की गहराई में

कोडिंग और एजेंटिक परफ़ॉर्मेंस

तीनों मॉडल यहीं निशाना लगा रहे हैं, इसलिए असली तुलना भी यहीं मायने रखती है।

बेंचमार्क	Kimi K3	Qwen3.8-Max	GLM-5.2
Terminal-Bench 2.1	88.3	86.6	81.0
SWE-bench Pro	—	67.7	62.1
FrontierSWE	81.2	73.5	74.4
SWE Marathon	42.0 (#1)	—	—
Program Bench	77.8 (#1)	—	—
DeepSWE	67.5	56.6	—
MCP-Atlas (टूल इस्तेमाल)	~Fable 5 −0.5	—	77.0

उन Terminal-Bench आँकड़ों के संदर्भ के लिए: अधिकतम रीज़निंग पर GPT-5.6 Sol 88.8 अंक लाता है, और Alibaba’s प्रकाशित तालिका में Claude Opus 4.8 और Claude Fable 5 दोनों 84.6 पर आते हैं। Kimi K3 के 88.3 उसे शीर्ष से आधा अंक पीछे रखते हैं। उसी तालिका में Qwen3.8-Max के 86.6 दोनों Claude मॉडलों से आगे हैं। GLM-5.2 के 81.0 उस समय 80 पार करने वाला पहला ओपन-वेट स्कोर था।

GLM-5.2 की सबसे चर्चित जीत ख़ास तौर पर GPT-5.5 के ख़िलाफ़ है: SWE-bench Pro पर 62.1 बनाम 58.6, और FrontierSWE पर 74.4 बनाम 72.6 — बाद वाला इसे 75.1 पर मौजूद Claude Opus 4.8 के साथ लगभग बराबरी पर ले आता है। MCP-Atlas टूल इस्तेमाल पर इसने 77.0 हासिल किया, जबकि GPT-5.5 का 75.3 और Opus 4.8 का 77.8 था।

रीज़निंग और सामान्य ज्ञान

बेंचमार्क	Kimi K3	Qwen3.8-Max	GLM-5.2
GPQA Diamond	93.5	92.6	89.5
Artificial Analysis Intelligence Index	57.11 (189 में चौथा)	—	51.09
BrowseComp	91.2 (#1)	—	—
PaperBench	—	93.0 (सबसे आगे)	—
IFBench	—	82.8 (सबसे आगे)	—

K3 के GPQA Diamond पर 93.5 अंक लॉन्च के समय उस बेंचमार्क पर किसी भी ओपन-वेट मॉडल का सबसे अच्छा प्रकाशित स्कोर थे। स्वतंत्र Artificial Analysis Intelligence Index पर इसने 57.11 हासिल किए, जो 189 ट्रैक किए गए मॉडलों में चौथा स्थान है — Claude Fable 5 (59.86) और दोनों GPT-5.6 Sol कॉन्फ़िगरेशन (58.89 और 57.65) से पीछे, लेकिन आगे Claude Opus 4.8 के 55.69 से।

GLM-5.2 उस मिश्रित इंडेक्स पर 51.09 के साथ साफ़ तौर पर नीचे बैठता है। यह अंतर सामान्य रीज़निंग पर उसकी सस्ती क़ीमत की सच्ची क़ीमत है — हालाँकि शुद्ध कोडिंग काम पर यह तेज़ी से घट जाता है।

मल्टीमॉडल और विज़न

यह वह श्रेणी है जहाँ GLM-5.2 की कोई टक्कर ही नहीं, और जहाँ Qwen3.8-Max अपनी सबसे मज़बूत दलील देता है।

बेंचमार्क	Qwen3.8-Max	नोट्स
OSWorld-Verified	86.1	कंप्यूटर-इस्तेमाल एजेंट कार्य
Parametric CAD Bench	91.5	स्ट्रक्चर्ड डिज़ाइन रीज़निंग
OmniDocBench 1.5	92.1	डॉक्यूमेंट समझ
Vision Arena	वैश्विक स्तर पर दूसरा	सिर्फ़ Fable 5 के एक वेरिएंट से पीछे

Alibaba’s प्रकाशित तालिका में Qwen3.8-Max विज़न की ज़्यादातर पंक्तियों में सबसे ऊपर है, और Vision Arena में उसका दूसरा स्थान सचमुच मज़बूत स्वतंत्र संकेत है। Kimi K3 में नेटिव विज़ुअल समझ है और कथित तौर पर चार्ट, डॉक्यूमेंट और मल्टीमॉडल काम में अच्छा प्रदर्शन करता है, लेकिन इन तीनों में यह श्रेणी Qwen की है।

इंसानी पसंद की रैंकिंग

बिना नाम जाने, भीड़ से जुटाए गए अरीना नतीजे बेंचमार्क तालिकाओं से अलग पढ़ने लायक़ हैं, क्योंकि वे कुछ ऐसा पकड़ते हैं जो तालिकाएँ छोड़ देती हैं।

Frontend Code Arena: Kimi K3 1,679 Elo के साथ पहले स्थान पर रहा, Claude Fable 5 के 1,631 से आगे। Qwen3.8-Max 1,668 के साथ चौथे स्थान पर रहा — Claude Opus 5 से 37 अंक पीछे।
Text Arena: Qwen3.8-Max सबसे ऊँचे स्थान वाले चीनी मॉडल के रूप में दाख़िल हुआ, हालाँकि वह अब भी Anthropic के कई मॉडलों से पीछे है।
Code Arena: ब्लाइंड लीडरबोर्ड पर कोडिंग मॉडलों में GLM-5.2 दूसरे स्थान पर रहा।

Kimi K3 का Frontend Code Arena सीधे जीतना — Fable 5 के ऊपर — शायद इस पूरे लेख का सबसे प्रभावशाली नतीजा है।

बेंचमार्क का वह तारांकन, जिसका कोई ज़िक्र नहीं करता

ऊपर दी गई हर तालिका के साथ एक चेतावनी ज़रूरी है, और इस तुलना का ईमानदार संस्करण यह साफ़-साफ़ कहता है।

हार्नेस का असर बहुत बड़ा है। कोडिंग-एजेंट बेंचमार्क किसी मॉडल को नहीं मापता। वह मॉडल मापता है और उसके आसपास का रनटाइम: टूल एक्सेस, फ़ाइल अनुमतियाँ, कॉन्टेक्स्ट कम्पैक्शन लॉजिक, रिट्राई व्यवहार, रुकने के नियम। Kimi Code, Claude Code, Codex, Terminus और mini-SWE-agent सब अलग-अलग हार्नेस हैं, अलग-अलग क्षमताओं के साथ। “Kimi K3 + Kimi Code” लेबल वाला नतीजा सीधे बेयर API नतीजे से तुलनीय नहीं है।

Moonshot’s ख़ुद की लॉन्च तालिका हार्नेस मिला देती है — K3 के लिए KimiCode और Claude Code, Claude और GLM पंक्तियों के लिए Claude Code, GPT के लिए Codex। कुछ प्रतिस्पर्धी स्कोर उन प्रतिस्पर्धियों के अपने वेंडरों से आए हैं। कुछ मूल्यांकनों में उपयोग नीति के तहत अस्वीकार किए गए Fable 5 अनुरोध Opus 4.8 पर चले गए। हालाँकि डेटा में एक काम की सेहत-जाँच भी छिपी है: K3 ने DeepSWE पर KimiCode के साथ 67.5 और बेंचमार्क’s अपने mini-SWE-agent हार्नेस के साथ 67.3 हासिल किए। 0.2 अंक का फ़ासला बताता है कि उस ख़ास काम पर हार्नेस का असर छोटा है।

वेंडरों की तालिकाएँ अपने बनाने वालों की तारीफ़ करती हैं। Alibaba’s मल्टीमॉडल तुलना में Qwen3.8-Max की तुलना Qwen3.7-Plus, Qwen3.7-Max से नहीं — जिससे पीढ़ी-दर-पीढ़ी की छलांग असल से बड़ी दिखती है। Alibaba की तारीफ़ में यह भी कहना चाहिए कि कंपनी ने एक RL स्केलिंग कर्व भी प्रकाशित किया, जो नहीं इसे चापलूसी भरता है: प्रदर्शन क़रीब 4,000 ट्रेनिंग एनवायरनमेंट पर 0.725 की चोटी छूता है, फिर 0.719 और 0.689 तक गिरता है। यह कंपनी का अपना घटता रिटर्न सार्वजनिक रूप से दिखाना है, जो ज़्यादातर लैब्स से ज़्यादा है।

स्वतंत्र सत्यापन पीछे चलता है। GLM-5.2 बिना किसी बेंचमार्क तालिका के ही आया; घूमते हुए आँकड़े बाद में वेंडर डेटा और थर्ड-पार्टी टेस्टिंग से आए। Qwen3.8-Max के पाँच प्रकाशित स्कोर वेंडर के बताए हुए हैं, और अगस्त की शुरुआत तक कोई स्वतंत्र मूल्यांकन उपलब्ध नहीं था। Kimi K3 के पीछे सबसे ज़्यादा थर्ड-पार्टी डेटा है — Artificial Analysis, Vals, Arena — और वहाँ भी नतीजे आपस में नहीं मिलते। Vals ने 17 जुलाई को K3 को कुल मिलाकर दूसरे स्थान पर रखा, Fable 5 और GPT-5.6 Sol के बीच, जबकि Terminal-Bench 2.1 और SWE-bench Verified पर विशेष रूप से Sol को K3 से आगे रखा।

मुझे जो सबसे काम का स्वतंत्र परीक्षण मिला वह Fireworks AI का था, जिसने क़रीब 1,000 एजेंटिक टास्क पर K3 की Claude Fable 5 से तुलना कराई। नतीजा किसी के लिए साफ़ जीत नहीं था। K3 सुरक्षा काम, क्रिप्टो और लंबे टर्मिनल लूप पर आगे निकला। Fable 5 बहुभाषी कामों और वेब/डेटा विज़ुअलाइज़ेशन पर जीता। कोई भी पूरी तरह हावी नहीं हुआ।

काम की बात: आगे बढ़ने से पहले अपने ही टास्क पर ख़ुद मूल्यांकन चलाएँ। ये सारे मॉडल एक-दूसरे के इतने क़रीब हैं कि लीडरबोर्ड की रैंक आपके नतीजों का अंदाज़ा नहीं दे सकती।

प्राइसिंग: असली लागत का गणित

प्रति-टोकन API दरें

मॉडल	इनपुट / 1M	आउटपुट / 1M	कैश्ड इनपुट / 1M
GLM-5.2	$1.40	$4.40	$0.26
Qwen3.8-Max	$2.00	$6.00	$0.25
Kimi K3	$3.00	$15.00	$0.30
Claude Sonnet 5	$2.00	$10.00	—
Claude Opus 5	$5.00	$25.00	$0.50
Claude Fable 5	$10.00	$50.00	—

दो बातें जो कच्चे आँकड़ों से ज़्यादा मायने रखती हैं।

Kimi K3 की क़ीमत पश्चिमी मिड-टियर मॉडल जैसी है, किसी बजट विकल्प जैसी नहीं। $3/$15 पर यह Claude Sonnet 5 से प्रति आउटपुट टोकन महँगा पड़ता है और GLM-5.2 से 3.4× ज़्यादा। अगर आपने मान लिया था कि “चीनी ओपन-वेट मॉडल” का मतलब “सस्ता” है, तो K3 उस धारणा को तोड़ता है।

असली लीवर कैशिंग है, स्टिकर प्राइस नहीं। Qwen का कैश्ड इनपुट $0.25 पर ताज़ा इनपुट से आठ गुना सस्ता है, और Alibaba का अपना डॉक्यूमेंटेशन कहता है कि लागत प्रॉम्प्ट की लंबाई से ज़्यादा प्रीफ़िक्स की स्थिरता तय करती है। स्थिर सिस्टम प्रॉम्प्ट और बढ़ती बातचीत वाले एजेंट कामों में, आक्रामक कैशिंग आपका बिल मॉडल चुनने से ज़्यादा हिलाएगी। जिन कामों की आप पहले से योजना बना सकते हैं, उनके लिए Qwen स्पष्ट कैश बनाने की सुविधा $2.50 पर और स्पष्ट रीड $0.17 पर भी देता है।

सब्सक्रिप्शन प्लान

अगर आप अकेले डेवलपर या छोटी टीम हैं, तो हो सकता है आपकी ख़रीद प्रति-टोकन हिसाब से ही न हो।

GLM Coding Plan में तीन टियर हैं। मूल मासिक दरें $18 (Lite), $72 (Pro) और $160 (Max) हैं, बिलिंग साइकल के हिसाब से छूट के साथ — मासिक 10%, तिमाही 20%, सालाना 30%। सालाना बिलिंग पर यह महीने के क़रीब $12.60, $50.40 और $112 बैठता है। हर टियर एक प्रॉम्प्ट पूल देता है जो हर पाँच घंटे में रीफ़्रेश होता है, और योजना Claude Code, Cline, Kilo Code और OpenClaw के साथ सीधे काम करती है।

एक बात समझने लायक़ है: कोटा खपत मल्टीप्लायर से चलती है। प्रोमोशन के तहत सितंबर 2026 तक ऑफ़-पीक GLM-5.2 इस्तेमाल 1× पर है। उसके बाद यह ऑफ़-पीक 2× और पीक पर 3× हो जाएगा — यानी आपका असली कोटा इस पर बहुत निर्भर है कि आप कब काम करते हैं, सिर्फ़ कितना नहीं।

Qwen प्रति-टोकन बिलिंग के विकल्प के तौर पर Lite टियर पर क़रीब $6 प्रति माह (39 CNY) से शुरू होने वाला Token Plan सब्सक्रिप्शन देता है।

Moonshot Kimi ऐप्स के लिए टेम्पो मार्किंग के नाम पर सब्सक्रिप्शन टियर चलाता है — Moderato, Allegro, Allegretto और Vivace — जबकि ऐप्स ख़ुद सामान्य रेट लिमिट के तहत मुफ़्त हैं।

प्रति टास्क लागत बनाम प्रति टोकन लागत

यहाँ जाल यह है: प्रति-टोकन क़ीमत का मतलब पूरा हुए टास्क की लागत नहीं है।

जो मॉडल आपकी समस्या $15/1M आउटपुट पर एक ही बार में हल कर दे, वह $4.40/1M पर चार बार दोहराने वाले मॉडल से आसानी से सस्ता पड़ सकता है। इन तीनों में रीज़निंग टोकन आउटपुट दरों पर बिल होते हैं, और K3 ख़ास तौर पर हमेशा चालू थिंकिंग पर चलता है — एक विश्लेषण में पाया गया कि K3 ने Artificial Analysis सूट पूरा करने में GPT-5.6 Sol से थोड़ी कम कुल लागत लगाई , हालाँकि उसने काफ़ी ज़्यादा आउटपुट टोकन बनाए, क्योंकि उसे कम कोशिशें लगीं। काफ़ी अधिक आउटपुट टोकन जनरेट करना, क्योंकि इसे कम प्रयासों की ज़रूरत थी।

हर सुलझाए गए टिकट की लागत मापें, प्रति मिलियन टोकन की लागत नहीं। यही एकमात्र संख्या है जो वास्तविकता दर्शाती है।

यहाँ “ओपन वेट्स” का असल मतलब क्या है

यह वह हिस्सा है जहाँ इन तीन मॉडलों की ज़्यादातर चर्चा बिखर जाती है, क्योंकि कई शीर्षकों में “ओपन” बहुत बड़ा काम कर रहा है।

तीन अलग-अलग स्थितियों को एक ही शब्द में समेटा जा रहा है:

API के ज़रिए उपलब्ध — आप इसे कॉल कर सकते हैं, पर इसे अपने पास नहीं रख सकते
ओपन-वेट — आप पैरामीटर डाउनलोड कर सकते हैं
पर्मिसिव लाइसेंस वाला ओपन सोर्स — आप स्वतंत्र रूप से डाउनलोड, संशोधन, पुनर्वितरण और व्यावसायिक उपयोग कर सकते हैं

यहाँ बताया गया है कि हर मॉडल वास्तव में कहाँ खड़ा है।

GLM-5.2: वास्तव में ओपन

MIT लाइसेंस, बिना किसी प्रतिबंध के, वेट्स Hugging Face पर इसके अंतर्गत मौजूद हैं zai-org/GLM-5.2। इसे डाउनलोड करें, फाइन-ट्यून करें, सेल्फ-होस्ट करें और इस पर बने उत्पाद बेचें। कोई राजस्व सीमा नहीं, कोई एट्रिब्यूशन आवश्यकता नहीं, कोई बातचीत नहीं। ओपन-वेट लाइसेंसिंग में यह सबसे साफ़ स्थिति है, और यह एक वास्तविक प्रतिस्पर्धी लाभ है जिस पर कम चर्चा होती है क्योंकि MIT लाइसेंसिंग सुर्खियाँ नहीं बनाती।

Kimi K3: शर्तों के साथ ओपन

वेट्स 27 जुलाई को एक कस्टम लाइसेंस के तहत जारी किए गए, जिसे Moonshot Kimi K3 License कहता है। व्यापक व्यावसायिक उपयोग की अनुमति है, लेकिन दो शर्तें लागू होती हैं:

ऐसी कोई भी कंपनी जिसका $20 मिलियन से अधिक वार्षिक राजस्व है उसे K3 को बाहरी ग्राहकों को सेवा के रूप में देने से पहले Moonshot के साथ अनुबंध पर बातचीत करनी होगी
ऐसी कोई भी कंपनी जिसका मासिक राजस्व $20 मिलियन से अधिक या 100 मिलियन से अधिक मासिक सक्रिय उपयोगकर्ता उसे मॉडल का उपयोग करने वाले किसी भी उत्पाद में Kimi K3 का एट्रिब्यूशन दिखाना होगा

किसी इंडी डेवलपर या स्टार्टअप के लिए दोनों में से कोई भी शर्त बाध्यकारी नहीं है। किसी स्थापित SaaS कंपनी के लिए जो K3-संचालित इन्फ़रेंस को पुनः बेचने की योजना बना रही है, पहली शर्त निश्चित रूप से लागू होती है। इस पर व्यवसाय मॉडल बनाने से पहले लाइसेंस पढ़ें।

Qwen3.8-Max: अभी ओपन नहीं

यह वह हिस्सा है जिसे सीधे-सीधे कहना ज़रूरी है, क्योंकि बहुत सारी सुर्खियों ने पहले ही Qwen3.8-Max को ओपन सोर्स कह दिया है।

5 अगस्त 2026 तक, Qwen3.8-Max के वेट्स डाउनलोड करने योग्य नहीं हैं। Alibaba ने लॉन्च के समय वादा किया था कि वह “अगले सप्ताह” — यानी 10 अगस्त वाले सप्ताह में — Hugging Face और ModelScope पर Qwen3.8-Max और एक छोटे Qwen3.8-27B चेकपॉइंट, दोनों के वेट्स जारी करेगी। किसी लाइसेंस का नाम नहीं दिया गया है। 4 अगस्त तक Hugging Face पर Qwen3.8 खोजने पर Alibaba का कोई आधिकारिक मॉडल कार्ड नहीं मिला, केवल सामुदायिक अपलोड मिले जिनके नाम इस तरह थे Qwen3.8_4B_Distilled — तीसरे पक्ष के डिस्टिल, फ्लैगशिप नहीं, और अगर आप जल्दी से देख रहे हैं तो असली चीज़ समझने की गलती आसानी से हो सकती है।

सतर्क आशावाद का कारण है: Alibaba का ओपन सोर्स रिकॉर्ड वास्तविक है, Qwen3 और Qwen3.5 श्रृंखलाएँ Apache 2.0 के तहत जारी हुई हैं। लेकिन दूसरी दिशा में भी एक पैटर्न है — Qwen3-Max के बाद से हर Max-स्तरीय फ्लैगशिप स्वामित्वाधीन रहा है। अगर वेट्स किसी पर्मिसिव लाइसेंस के साथ आते हैं, तो यह उस पैटर्न को पूरी तरह तोड़ता है और पैरामीटर संख्या से भी बड़ी खबर कहा जा सकता है। जब तक कोई रिपॉज़िटरी और लाइसेंस फ़ाइल मौजूद नहीं होती, API के इर्द-गिर्द योजना बनाएँ।

क्या आप इन्हें सचमुच सेल्फ-होस्ट कर सकते हैं?

ओपन वेट्स तभी उपयोगी हैं जब आप उन्हें चला सकें, और यहीं मार्केटिंग और हार्डवेयर की वास्तविकता में तेज़ अंतर दिखता है।

Kimi K3 एक 1.56 TB डाउनलोड है, जिसे व्यापक हार्डवेयर संगतता के लिए MXFP4 परिशुद्धता में जारी किया गया है। फिर भी, 2.8-ट्रिलियन-पैरामीटर मॉडल के लिए सुपरनोड-श्रेणी का बुनियादी ढाँचा चाहिए — 64 या अधिक एक्सेलेरेटर अनुशंसित संख्या है। भारी बहुमत वाली टीमों के लिए, वेट्स एक शोध-कलाकृति और संप्रभुता की गारंटी हैं, डिप्लॉयमेंट योजना नहीं। आप API का उपयोग करेंगे।

Qwen3.8-Max कुल 2.4T के साथ यह भी मल्टी-नोड डेटा सेंटर पर ही चलने वाली चीज़ है। Alibaba का छोटा Qwen3.8-27B चेकपॉइंट ही वास्तविक ऑन-प्रिमाइस रास्ता है, और यही उन लोगों की दिलचस्पी लेनी चाहिए जो वास्तव में सेल्फ-होस्ट करने की योजना बना रहे हैं।

GLM-5.2 कुल ~753B और ~40B सक्रिय के साथ यह तीनों में सबसे व्यावहारिक है, लेकिन “सबसे व्यावहारिक” का अर्थ अब भी गंभीर GPU बुनियादी ढाँचा है। छोटे व्यवसायों के पास आम तौर पर यह नहीं होता।

तो अगर इन्हें लगभग कोई नहीं चला सकता, तो ओपन वेट्स क्यों मायने रखते हैं? दो कारण हैं, दोनों वास्तविक।

पहला है संप्रभुता। जिन देशों ने घरेलू AI बुनियादी ढाँचे पर अरबों खर्च किए हैं, उनके पास ज़्यादातर हार्डवेयर अपना रहा है जबकि मॉडल अमेरिकी प्रदाताओं से किराए पर लिए हैं। एक ओपन-वेट फ्रंटियर मॉडल इस गणित को बदल देता है — कोई सरकार इसे अपनी धरती पर चला सकती है, अपनी भाषा और कानूनी संदर्भ के लिए इसे फिर से प्रशिक्षित कर सकती है, और नागरिक डेटा अपनी सीमाओं के भीतर रख सकती है।

दूसरा है इन्फ़रेंस बाज़ार। ओपन वेट्स का मतलब है कि कोई भी होस्टिंग प्रदाता मॉडल को सर्व कर सकता है, जिससे प्रति-टोकन कीमतें विक्रेता की कृपा के बजाय प्रतिस्पर्धा से नीचे आती हैं। यही एक बड़ा कारण है कि GLM-5.2 तीसरे पक्ष के राउटर के ज़रिए $1.00–$1.20 इनपुट पर उपलब्ध है, जो Z.ai के अपने $1.40 से कम है।

तीन 1M कॉन्टेक्स्ट विंडो एक जैसी नहीं होतीं

तीनों मॉडल 1-मिलियन-टोकन कॉन्टेक्स्ट विंडो का दावा करते हैं। यह लगभग 750,000 शब्द है — एक पूरा बड़ा कोडबेस, या एक ही अनुरोध में लगभग 400 पेज के दस्तावेज़।

विवरण ऐसे तरीकों से भिन्न हैं जो परिचालन के लिए मायने रखते हैं:

Qwen3.8-Max वास्तविक इनपुट को 991K टोकन पर सीमित करता है, थिंकिंग सक्षम होने पर यह 983K तक घट जाता है, साथ में अलग 262K अधिकतम रीज़निंग बजट है। दोनों मोड में आउटपुट 131K टोकन तक सीमित है। दर सीमाएँ 2M टोकन प्रति मिनट और 15K अनुरोध प्रति मिनट हैं।
GLM-5.2 128–131K आउटपुट टोकन तक समर्थन करता है, जो एक ही बार में बड़े मल्टी-फ़ाइल डिफ़ के लिए पर्याप्त है। इसकी 1M विंडो GLM-5.1 की ~200K से लगभग 5× बड़ी छलांग थी, और यही वह अपग्रेड है जिसने मॉडल की क्षमता को सबसे ज़्यादा बदला।
Kimi K3 तीनों में सबसे मज़बूत लंबे-कॉन्टेक्स्ट रिट्रीवल संकेतों के साथ 1M कॉन्टेक्स्ट प्रदान करता है, क्योंकि इसकी आर्किटेक्चर विशेष रूप से लंबे-क्षितिज सत्रों के इर्द-गिर्द डिज़ाइन की गई है।

“विंडो कितनी बड़ी है” से ज़्यादा उपयोगी सवाल यह है कि “क्या मॉडल उसके दूर के छोर पर भी सुसंगत रहता है।” विज्ञापित कॉन्टेक्स्ट और उपयोगी कॉन्टेक्स्ट में अंतर होता है, और इन तीनों में से किसी का भी पूरी लंबाई पर स्वतंत्र रूप से ऐसा तनाव-परीक्षण नहीं हुआ है जिसे मैं निर्णायक मानूँ। अगर आपका वर्कलोड वास्तविक 800K-टोकन रिकॉल पर निर्भर है, तो उसके इर्द-गिर्द आर्किटेक्चर बनाने से पहले उसे परखें।

आपको कौन-सा मॉडल चुनना चाहिए?

सोलो डेवलपर या इंडी हैकर के लिए → GLM-5.2

आर्थिक गणित निर्णायक है। वार्षिक बिलिंग पर $12.60/माह का Lite Coding Plan आपको Claude Code या Cline के भीतर वास्तव में सक्षम कोडिंग एजेंट देता है, साथ में ZCode के ज़रिए पाँच दिन का मुफ़्त ट्रायल (प्रति दिन 3 मिलियन GLM-5.2 टोकन और 2 मिलियन GLM-5-Turbo टोकन) उपलब्ध है ताकि कुछ भी भुगतान करने से पहले वास्तविक आकलन कर सकें।

आप विज़न छोड़ देते हैं। अगर आपका काम बैकएंड, CLI, स्क्रिप्टिंग या API विकास है, तो आपको शायद ही फ़र्क दिखेगा। अगर आप डिज़ाइन मॉकअप से फ्रंट-एंड काम कर रहे हैं, तो आपको तुरंत फ़र्क दिखेगा।

स्टार्टअप इंजीनियरिंग टीम के लिए → GLM-5.2 प्राथमिक, एस्केलेशन के लिए Kimi K3

अपने काम के बड़े मध्य हिस्से — नियमित बग फ़िक्स, रिफ़ैक्टर, टेस्ट जनरेशन, बॉयलरप्लेट — को GLM-5.2 पर भेजें और K3 को उन कामों के लिए रखें जहाँ अतिरिक्त क्षमता वास्तव में पूरा टिकट बनाने में बदलती है। उनके बीच SWE-bench Pro का 7-अंक का अंतर वास्तविक है, लेकिन यह केवल कठिन सिरे पर मायने रखता है।

एंटरप्राइज़ और नियमन वाले उद्योगों के लिए → सेल्फ-होस्टेड GLM-5.2, या Qwen3.8-27B जब वह उपलब्ध हो

अहम बात: Z.ai का क्लाउड API चीन-आधारित बुनियादी ढाँचे से होकर जाता है। व्यक्तिगत प्रोजेक्ट और ज़्यादातर स्टार्टअप के लिए यह कोई मुद्दा नहीं है। नियमन वाले एंटरप्राइज़ के लिए यह या तो कानूनी समीक्षा या सेल्फ-होस्टिंग की ओर बदलाव माँगता है। MIT लाइसेंस सेल्फ-होस्टिंग को उस तरह वास्तविक रूप से व्यवहार्य बनाता है जिस तरह K3 की राजस्व-सीमा वाली शर्तें नहीं बनातीं।

मल्टीमॉडल और कंप्यूटर-उपयोग वर्कफ़्लो के लिए → Qwen3.8-Max

अगर आपके एजेंट को स्क्रीनशॉट पढ़ने, दस्तावेज़ों को दृश्य रूप से समझने या वीडियो प्रोसेस करने की ज़रूरत है, तो GLM-5.2 अयोग्य है और प्रकाशित विज़न आंकड़ों में Qwen, Kimi से आगे है। OSWorld-Verified पर 86.1 और OmniDocBench पर 92.1 मज़बूत कंप्यूटर-उपयोग और दस्तावेज़-समझ के संकेत हैं। बस जब तक वेट्स और लाइसेंस वास्तव में सामने न आ जाएँ, सेल्फ-होस्टिंग के बजाय API एक्सेस के लिए बजट रखें।

शोधकर्ताओं और संप्रभुता-केंद्रित डिप्लॉयमेंट के लिए → Kimi K3

अब तक प्रकाशित सबसे बड़ा ओपन-वेट चेकपॉइंट, जिसमें डिज़ाइन, प्रशिक्षण और बेंचमार्क कार्यप्रणाली को कवर करने वाली तकनीकी रिपोर्ट है। अगर आप फ्रंटियर-स्तरीय MoE आर्किटेक्चर, Kimi Delta Attention या Attention Residuals का अध्ययन कर रहे हैं, तो यह सबसे सक्षम मॉडल है जिसे आप वास्तव में निरीक्षण कर सकते हैं।

लागत की परवाह किए बिना अधिकतम क्षमता के लिए → Kimi K3

Artificial Analysis में चौथा, Vals Index में दूसरा, Frontend Code Arena में पहला, और तीनों में अकेला ऐसा मॉडल जो Claude और GPT फ्लैगशिप के साथ लगातार जीत-हार की टक्कर देता है। कीमत भी उसी हिसाब से है।

मल्टी-मॉडल राउटिंग की रणनीति

“मुझे कौन-सा इस्तेमाल करना चाहिए” का ईमानदार जवाब यह है कि केवल एक चुनना आम तौर पर गलत ढाँचा है।

ये तीनों मॉडल OpenAI-SDK संगत हैं। GLM-5.2 अतिरिक्त रूप से Anthropic-संगत एंडपॉइंट भी देता है, और Qwen OpenAI और DashScope दोनों स्पेक्स का समर्थन करता है। इनके बीच स्विच करना बस एक बेस URL और एक मॉडल ID है। लॉक-इन की लागत लगभग शून्य है।

यह राउटिंग आर्किटेक्चर को बनाना सस्ता और छोड़ना महंगा बनाता है:

ज़्यादा मात्रा और कम जोखिम वाले काम के लिए सस्ता स्तर। वर्गीकरण, सारांशन, सीधे संपादन। $0.60/$2.20 पर GLM-4.7 लोगों की अपेक्षा से ज़्यादा संभालता है — यह अब भी SWE-bench Verified पर 73.8% स्कोर करता है।
असली काम के बड़े हिस्से के लिए डिफ़ॉल्ट स्तर। GLM-5.2 या Qwen3.8-Max, यह इस पर निर्भर है कि आपको विज़न चाहिए या नहीं।
कठिन सिरे के लिए एस्केलेशन स्तर। Kimi K3, या कोई पश्चिमी फ्लैगशिप, उन कामों के लिए जहाँ विफलता महंगी है और पुनरावृत्ति की लागत टोकन लागत से ज़्यादा है।
काम के प्रकार के अनुसार विशेषज्ञ राउटिंग। यहाँ Fireworks का डेटा शिक्षाप्रद है — K3 ने सुरक्षा और लंबे टर्मिनल लूप में बेहतर प्रदर्शन किया, जबकि Fable 5 ने बहुभाषी और डेटा विज़ुअलाइज़ेशन में जीत हासिल की। ये राउट किए जा सकने वाले अंतर हैं, शोर नहीं।

2026 के मॉडल परिदृश्य से सबसे ज़्यादा फ़ायदा उठाने वाली टीमें वे नहीं हैं जिन्होंने सही चुनाव किया। वे हैं जिन्होंने स्विच बनाया।

जोखिम, चेतावनियाँ और ख़तरे के संकेत

डिस्टिलेशन का आरोप। व्हाइट हाउस के Office of Science and Technology Policy के निदेशक Michael Kratsios ने सार्वजनिक रूप से Moonshot पर आरोप लगाया है कि उसने Anthropic के Claude Fable मॉडल को डिस्टिल करके Kimi K3 बनाया। Moonshot ने इसे स्वीकार नहीं किया है। यह एक अनसुलझा विवाद है जिसके संभावित कानूनी और खरीद संबंधी निहितार्थ हो सकते हैं, और अगर आप ऐसे संदर्भ में हैं जहाँ मॉडल की उत्पत्ति मायने रखती है — उदाहरण के लिए सरकारी अनुबंध — तो इसे अपने जोखिम रजिस्टर में रखें।

डेटा राउटिंग और क्षेत्राधिकार। तीनों कंपनियाँ मुख्य रूप से चीनी क्षेत्राधिकार के अंतर्गत काम करती हैं। API कॉल उनके बुनियादी ढाँचे से होकर जाते हैं। सेल्फ-होस्टिंग इसे हल करती है; API उपयोग नहीं। यह अनुपालन का सवाल है, राजनीतिक नहीं, और अगर आपकी आवश्यकताएँ इसे माँगती हैं तो इसका स्पष्ट तकनीकी उत्तर मौजूद है।

बेंचमार्क सत्यापन वास्तव में कमज़ोर है। Qwen3.8-Max की बेंचमार्क तालिका पूरी तरह विक्रेता-रिपोर्टेड है और कोई स्वतंत्र पुनरावृत्ति प्रकाशित नहीं हुई है। GLM-5.2 के आंकड़े लॉन्च के बाद मिश्रित स्रोतों से आए। केवल K3 के पास पर्याप्त तीसरे पक्ष का मूल्यांकन है, और वे मूल्यांकन एक-दूसरे से असहमत हैं।

Qwen पर लाइसेंसिंग की अनिश्चितता। पूर्व-उदाहरण प्रतिबद्धता नहीं होती। जब तक वास्तविक लाइसेंस फ़ाइल के साथ Hugging Face रिपॉज़िटरी मौजूद नहीं होती, Qwen3.8-Max वेट्स पर निर्भर कोई भी योजना एक प्रेस रिलीज़ पर बनी योजना है।

कोटा की गणना बदलती है। GLM का ऑफ़-पीक 1× मल्टीप्लायर प्रमोशन सितंबर 2026 में समाप्त होगा, जिसके बाद ऑफ़-पीक में कोटा खपत लगभग दोगुनी और पीक पर तीन गुनी हो जाएगी। अगर आप मौजूदा प्रभावी थ्रूपुट के आधार पर सब्सक्रिप्शन का आकार तय कर रहे हैं, तो प्रमोशन के बाद के आंकड़ों पर भी गणना करें।

रिलीज़ की गति बेरहम है। GLM-5 फरवरी में, 5.1 अप्रैल में, 5.2 जून में आया। Kimi ने जनवरी में K2.5, अप्रैल में K2.6, जून में K2.7 Code और जुलाई में K3 पेश किया। आज आप जो भी निष्कर्ष निकालते हैं, उसकी शेल्फ लाइफ़ हफ़्तों में मापी जाती है।

आगे क्या आने वाला है

Z.ai का अगला फ्लैगशिप निकट भविष्य में सबसे प्रतीक्षित रिलीज़ है। Reuters और CGTN द्वारा प्रसारित JPMorgan रिसर्च नोट अगस्त 2026 की खिड़की की ओर इशारा करता है। सामुदायिक लीक एक ट्रिलियन से अधिक पैरामीटर वाले मॉडल का वर्णन करते हैं, जिसमें 1M कॉन्टेक्स्ट विंडो आगे बढ़ाई गई है और ओपन वेट्स हैं, और यह लंबे समय तक चलने वाले कोडिंग एजेंट्स पर केंद्रित है। नाम पर भी विवाद है — GLM-5.3, GLM-5.5 और GLM-6 सभी मौजूदा चर्चा में हैं, कुछ रिपोर्टों के अनुसार Z.ai 5.3 और 5.4 को पूरी तरह छोड़ सकता है। 4 अगस्त तक, Z.ai का दस्तावेज़ीकरण अब भी GLM-5.2 को नवीनतम रिलीज़ के रूप में सूचीबद्ध करता है। विज़न समर्थन सबसे ज़ोरदार सामुदायिक माँग है, बड़े अंतर से।

Qwen3.8-Max के वेट्स निकटतम ठोस घटना हैं, जिनका वादा 10 अगस्त वाले सप्ताह में Qwen3.8-27B के साथ किया गया है। 27B चेकपॉइंट ही व्यावहारिक ऑन-प्रिमाइस डिप्लॉयमेंट के लिए देखने वाली चीज़ है।

Kimi K3 की पूरी तकनीकी रिपोर्ट डिज़ाइन, प्रशिक्षण कार्यप्रणाली और बेंचमार्क पुनरुत्पादन को कवर करने वाली यह रिपोर्ट वेट्स जारी होने के बाद आने की उम्मीद थी।

जैसे ही इनमें से हर एक सामने आएगा, मैं यह तुलना अपडेट करूँगा।

अक्सर पूछे जाने वाले प्रश्न

अभी सबसे अच्छा ओपन-वेट AI मॉडल कौन-सा है?

मूल क्षमता के मामले में, Kimi K3 — यह Artificial Analysis Intelligence Index पर 189 मॉडलों में चौथे और Frontend Code Arena में पहले स्थान पर है। कोडिंग काम के मूल्य पर, GLM-5.2 — K3 की आउटपुट लागत के एक-तिहाई से भी कम पर, वास्तव में अप्रतिबंधित MIT लाइसेंसिंग के साथ। “सबसे अच्छा” पूरी तरह इस पर निर्भर है कि आप क्षमता के लिए अनुकूलन कर रहे हैं या प्रति हल किए गए काम की लागत के लिए।

क्या Qwen3.8-Max वास्तव में ओपन सोर्स है?

अभी नहीं। 5 अगस्त 2026 तक यह केवल API है। Alibaba ने 10 अगस्त वाले सप्ताह में Hugging Face और ModelScope पर वेट्स जारी करने का वादा किया था, लेकिन कोई रिपॉज़िटरी या लाइसेंस सामने नहीं आया। इसे ओपन सोर्स कहने वाली सुर्खियाँ एक प्रतिबद्धता का वर्णन कर रही हैं, किसी डाउनलोड का नहीं।

क्या GLM-5.2 छवियाँ प्रोसेस कर सकता है?

नहीं। GLM-5.2 में कोई विज़ुअल एनकोडर नहीं है — यह केवल टेक्स्ट और कोड स्वीकार करता है। यह जानबूझकर लिया गया आर्किटेक्चर निर्णय था, कोई चूक नहीं, और विज़न अगली रिलीज़ के लिए शीर्ष सामुदायिक माँग है।

Kimi K3 की कीमत कितनी है?

$3 प्रति मिलियन इनपुट टोकन और $15 प्रति मिलियन आउटपुट टोकन, कैश्ड इनपुट $0.30 पर। इससे यह इन तीनों में सबसे महंगा है, बड़े अंतर से, हालाँकि यह अब भी Claude Opus 5 के $5/$25 और Claude Fable 5 के $10/$50 से काफ़ी नीचे है।

क्या मैं इन मॉडलों को अपने हार्डवेयर पर चला सकता हूँ?

व्यावहारिक रूप से, फ्लैगशिप नहीं। Kimi K3 एक 1.56 TB डाउनलोड है जिसके लिए 64+ एक्सेलेरेटर चाहिए। Qwen3.8-Max 2.4T पर मल्टी-नोड डेटा सेंटर डिप्लॉयमेंट है। GLM-5.2 कुल ~753B और ~40B सक्रिय के साथ सबसे व्यावहारिक है, लेकिन फिर भी गंभीर GPU बुनियादी ढाँचा माँगता है। आने वाला Qwen3.8-27B ही वास्तविक ऑन-प्रिमाइस विकल्प है।

कोडिंग एजेंट्स के लिए कौन-सा मॉडल सबसे अच्छा है?

Kimi K3 Terminal-Bench 2.1 (88.3), Program Bench और SWE Marathon में आगे है। GLM-5.2 Terminal-Bench पर 81.0 और SWE-bench Pro पर 62.1 के साथ सबसे अच्छा लागत-से-क्षमता अनुपात देता है। Qwen3.8-Max 86.6 और 67.7 के साथ उनके बीच है और साथ में मल्टीमॉडल इनपुट जोड़ता है। तीनों Claude Code, Cline और इसी तरह के हार्नेस के साथ काम करते हैं।

क्या ये मॉडल Claude और GPT को हराते हैं?

कुछ खास बेंचमार्क पर, कभी-कभी। Kimi K3 Frontend Code Arena में Claude Fable 5 से आगे है और Artificial Analysis इंडेक्स पर Claude Opus 4.8 से ऊपर स्कोर करता है। लेकिन Moonshot खुद मानता है कि K3 समग्र रूप से Fable 5 और GPT-5.6 Sol से अभी भी पीछे है, और स्वतंत्र परीक्षण काम की श्रेणी के हिसाब से मिश्रित परिणाम दिखाते हैं, न कि कोई साफ़ विजेता।

व्यावसायिक उपयोग के लिए सबसे अच्छा लाइसेंस किसका है?

GLM-5.2, निर्विवाद रूप से। बिना किसी राजस्व सीमा या एट्रिब्यूशन आवश्यकता के अप्रतिबंधित MIT। Kimi K3 का कस्टम लाइसेंस व्यापक व्यावसायिक उपयोग की अनुमति देता है, लेकिन $20M से अधिक राजस्व वाली कंपनियों के लिए इसे सेवा के रूप में पुनः बेचने पर शर्तें जोड़ता है। Qwen3.8-Max के लिए कोई घोषित लाइसेंस ही नहीं है।

क्या व्यावसायिक डेटा के लिए चीनी AI मॉडलों का उपयोग सुरक्षित है?

API कॉल चीनी क्षेत्राधिकार वाले बुनियादी ढाँचे से होकर जाते हैं। व्यक्तिगत प्रोजेक्ट और ज़्यादातर स्टार्टअप के लिए यह कोई मुद्दा नहीं है। नियमन वाले उद्योगों के लिए इसके लिए कानूनी समीक्षा या सेल्फ-होस्टिंग ज़रूरी है — और यही कारण है कि कुछ संगठनों के लिए GLM-5.2 का MIT लाइसेंस उसके बेंचमार्क स्कोर से ज़्यादा मायने रखता है।

कुल और सक्रिय पैरामीटर में क्या अंतर है?

मिक्सचर-ऑफ-एक्सपर्ट्स मॉडल प्रति टोकन अपने पैरामीटर का केवल एक हिस्सा सक्रिय करते हैं। Kimi K3 में कुल 2.8T हैं लेकिन लगभग 50B सक्रिय होते हैं (896 विशेषज्ञों में से 16)। Qwen3.8-Max में कुल 2.4T और ~95B सक्रिय हैं। GLM-5.2 में ~753B और ~40B सक्रिय हैं। सक्रिय पैरामीटर इन्फ़रेंस लागत तय करते हैं — यही कारण है कि Qwen का फ्लैगशिप बड़े K3 की तुलना में सर्व करने में ज़्यादा महंगा है।

आख़िरी फ़ैसला

इस तुलना से जो सबसे अहम बात सामने आती है वह यह नहीं है कि कौन-सा मॉडल जीतता है। वह यह है कि सवाल बदल गया है।

दो साल पहले, ओपन-वेट मॉडलों के बारे में दिलचस्प सवाल यह था कि वे कितने पीछे हैं। वह सवाल अब उबाऊ है, क्योंकि जवाब है “इतना करीब कि यह आपके काम पर निर्भर करता है।” Kimi K3 ने फ्रंट-एंड कोड के लिए एक ब्लाइंड मानव-प्राथमिकता लीडरबोर्ड पर Claude Fable 5 को हराया। GLM-5.2 ने वास्तविक बग फ़िक्स पर GPT-5.5 को एक-छठे खर्च पर हराया। ये सांत्वना-ब्रैकेट के नतीजे नहीं हैं।

अब दिलचस्प सवाल है आप वास्तव में क्या खरीद रहे हैं। और जवाब इन तीनों में से हर एक के लिए अलग है, ऐसे तरीकों से जिनका बेंचमार्क स्थिति से कोई लेना-देना नहीं है:

GLM-5.2 आपको बेचता है स्वतंत्रता। MIT वेट्स, कोई शर्त नहीं, कोई बातचीत नहीं, तुलना में सबसे कम कीमत। आप विक्रेता पर निर्भर रहना बंद करने का अधिकार खरीद रहे हैं।
Kimi K3 आपको बेचता है क्षमता। यहाँ सबसे मज़बूत स्कोर, उसी के अनुरूप कीमत पर, ऐसी लाइसेंस शर्तों के साथ जो केवल तभी चुभती हैं जब आप बड़े हो जाएँ।
Qwen3.8-Max आपको बेचता है विस्तार। एक ही मॉडल में टेक्स्ट, छवि और वीडियो, मज़बूत एजेंटिक आंकड़े, Alibaba की $53 अरब बुनियादी ढाँचा प्रतिबद्धता के समर्थन के साथ — और, अभी के लिए, वेट्स के बारे में एक वादा, वेट्स नहीं।

अगर मुझे इसे एक-एक पंक्ति में समेटना हो: GLM-5.2 चुनें अगर बिल आप खुद भर रहे हैं, Kimi K3 अगर क्षमता प्रीमियम के लायक है, और Qwen3.8-Max अगर आपके एजेंट को आँखें चाहिए।

और आप जो भी चुनें, राउटर बनाएँ। ऐसे परिदृश्य में जहाँ आठ हफ़्तों में तीन फ्रंटियर-निकट मॉडल आए, स्विच करने की क्षमता सही चुनाव करने की क्षमता से ज़्यादा मूल्यवान है।

अंतिम अपडेट: 5 अगस्त 2026। इस क्षेत्र में प्राइसिंग, बेंचमार्क और लाइसेंसिंग हर हफ़्ते बदलते हैं — खरीदारी के निर्णय लेने से पहले आधिकारिक दस्तावेज़ों के खिलाफ मौजूदा आंकड़े सत्यापित करें। स्रोतों में VentureBeat, MarkTechPost, Fortune, SCMP, Quartz, Artificial Analysis, Northflank और Moonshot AI, Alibaba Qwen तथा Z.ai के विक्रेता दस्तावेज़ शामिल हैं।