व्यवहार्यता अध्ययन: Claude और ChatGPT को टक्कर देने वाला AI कैसे बनाएं, और इसकी लागत कितनी है

व्यवहार्यता अध्ययन: क्या Claude और ChatGPT को टक्कर देने वाला AI बनाया जा सकता है? और इसकी लागत कितनी है?

Origami के विशेषज्ञों का ईमानदार जवाब: Claude या ChatGPT के स्तर का फ्रंटियर मॉडल शून्य से बनाने की लागत सैकड़ों मिलियन से लेकर एक अरब डॉलर से ज़्यादा तक होती है, और व्यावहारिक रूप से यह केवल बड़ी-बड़ी लैब्स और देशों की पहुंच में है। लेकिन "टक्कर देना" शब्द के लागत के लिहाज़ से तीन बिल्कुल अलग अर्थ हैं — और एक सामान्य कंपनी के लिए समझदारी भरा रास्ता उसका बहुत छोटा सा हिस्सा ही ख़र्च करता है। यह अध्ययन तीनों रास्तों और हर एक की लागत को ईमानदारी से समझाता है।

"Claude और ChatGPT को टक्कर देना" असल में क्या मतलब है?

लागत की बात करने से पहले महत्वाकांक्षा तय करनी होगी, क्योंकि रास्तों के बीच का अंतर हज़ारों गुना में मापा जाता है:

• शून्य से फ्रंटियर मॉडल: आप एक नया "दिमाग़" बनाते हैं जो हर चीज़ में दुनिया के नवीनतम मॉडलों को टक्कर देता है।
• संप्रभु या विशेषज्ञ मॉडल: आप किसी भाषा, क्षेत्र या देश की सेवा के लिए एक छोटा मॉडल बनाते हैं, या किसी ओपन मॉडल की ट्रेनिंग आगे बढ़ाते हैं।
• ओपन मॉडल पर निर्माण: आप एक तैयार ओपन मॉडल लेते हैं और उसे अपने डेटा के अनुसार ढालते हैं ताकि वह आपके अपने क्षेत्र में जीते।

पहला रास्ता: शून्य से फ्रंटियर मॉडल — खगोलीय लागत

यह सबसे कठिन और सबसे महंगा रास्ता है। ट्रेनिंग लागतों पर नज़र रखने में विशेषज्ञ Epoch AI के अनुसार, फ्रंटियर मॉडलों की ट्रेनिंग की लागत हर साल लगभग 2.4 गुना बढ़ रही है, और सबसे बड़े ट्रेनिंग रन के 2027 तक एक अरब डॉलर से ज़्यादा होने का अनुमान है — जिससे वे "सबसे ज़्यादा फ़ंडिंग वाले संगठनों को छोड़कर सभी की पहुंच से बाहर" हो जाते हैं। लागत हार्डवेयर (47–67%), R&D कर्मचारियों के वेतन (29–49%) और ऊर्जा (2–6%) में बंटी होती है।

व्यवहार में इसका मतलब है दसियों हज़ार GPU (एक H100 की कीमत लगभग $25,000–$40,000 और एक B200 की लगभग $30,000–$50,000), जो सैकड़ों मिलियन डॉलर का क्लस्टर बनाते हैं, साथ में शीर्ष स्तर के शोधकर्ता जिनमें से हर एक दस लाख डॉलर से ज़्यादा कमाता है, विशाल डेटासेट और सालों का काम। नतीजा: यह किसी कंपनी का विकल्प नहीं, बल्कि OpenAI, Anthropic, Google और DeepSeek जैसी लैब्स या बड़े राष्ट्रीय कार्यक्रमों का विकल्प है।

दूसरा रास्ता: संप्रभु या विशेषज्ञ मॉडल — एक बड़ा रणनीतिक निवेश

यहां आप हर चीज़ में वैश्विक स्तर पर मुक़ाबला नहीं करते; आप किसी भाषा या क्षेत्र में उत्कृष्टता के लिए एक छोटा मॉडल बनाते हैं (या किसी ओपन मॉडल की ट्रेनिंग गहराई से आगे बढ़ाते हैं)। सऊदी अरब संप्रभु AI की अपनी पहल के ज़रिए इसका स्पष्ट उदाहरण है, जैसे HUMAIN कंपनी और सऊदी डेटा और आर्टिफ़िशियल इंटेलिजेंस प्राधिकरण (SDAIA) का "ALLaM" मॉडल। इस रास्ते की लागत कुछ मिलियन से लेकर दसियों मिलियन डॉलर तक होती है, और इसके लिए एक विशेषज्ञ शोध टीम, एक कंप्यूट क्लस्टर, साफ़ डेटा और 6 से 18 महीने चाहिए। यह रणनीतिक लक्ष्य वाली सरकारों और बड़े उद्यमों के लिए उपयुक्त है।

तीसरा रास्ता: ओपन मॉडल पर निर्माण — 99% कंपनियों के लिए सबसे समझदारी भरा

व्यावहारिक जवाब यहीं है। आप एक मज़बूत ओपन-वेट मॉडल (DeepSeek V4, Qwen, Llama या GLM) लेते हैं और उसे फ़ाइन-ट्यूनिंग और रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) के ज़रिए अपने डेटा के अनुसार ढालते हैं। आप हर चीज़ में ChatGPT को नहीं हराते — आप उसे अपने क्षेत्र, अपनी भाषा और अपने डेटा में हराते हैं, और आपके कारोबार के लिए यही मायने रखता है। यहां लागत "खगोलीय" से घटकर, महत्वाकांक्षा और इंफ्रास्ट्रक्चर के अनुसार, दसियों हज़ार से लेकर कुछ मिलियन रियाल तक आ जाती है, और समय हफ़्तों से महीनों तक लगता है। एक अतिरिक्त फ़ायदा: आप इसे सेल्फ़-होस्ट कर सकते हैं ताकि आपका डेटा आपके पास ही रहे — जो व्यक्तिगत डेटा संरक्षण क़ानून (PDPL) के तहत महत्वपूर्ण है।

तीनों रास्तों की तुलना

आपको शायद ही कभी नया इंजन बनाने की ज़रूरत होती है; आमतौर पर आपको किसी मौजूदा इंजन के इर्द-गिर्द अपनी सड़क के लिए सही गाड़ी बनानी होती है।

ओपन सोर्स विकल्प विस्तार से: कौन सा मॉडल, और उस पर कैसे निर्माण करें?

चूंकि ज़्यादातर कंपनियों के लिए ओपन मॉडल पर निर्माण ही सही रास्ता है, यहां व्यावहारिक विवरण है: कौन से मॉडल चुनें, उन पर कैसे निर्माण करें, और हर तरीक़े की लागत कितनी है।

2026 के प्रमुख ओपन मॉडल:

इन पर निर्माण कैसे करें? चार तरीक़े, बढ़ती लागत और मेहनत के क्रम में:

• 1) सीधा इस्तेमाल + प्रॉम्प्ट इंजीनियरिंग: आप मॉडल को जैसा है वैसा ही चलाते हैं (क्लाउड API के ज़रिए या सेल्फ़-होस्ट करके) और बिना किसी ट्रेनिंग के समझदार निर्देशों से उसे दिशा देते हैं। सबसे सस्ता और सबसे तेज़ — कुछ दिनों से हफ़्तों तक, हज़ारों से लेकर दसियों हज़ार रियाल तक।
• 2) रिट्रीवल-ऑगमेंटेड जनरेशन (RAG): आप मॉडल को अपने नॉलेज बेस और दस्तावेज़ों से जोड़ते हैं ताकि वह बिना ट्रेनिंग के आपके अपने डेटा से जवाब दे — ऐसे नॉलेज सहायक के लिए आदर्श जो आपके उत्पादों और नीतियों को जानता हो। हफ़्ते, दसियों हज़ार रियाल।
• 3) फ़ाइन-ट्यूनिंग / LoRA: आप मॉडल को अपने क्षेत्र और शैली के उदाहरणों पर ट्रेन करते हैं ताकि वह आपके ख़ास काम (लहजा, वर्गीकरण, आउटपुट फ़ॉर्मैट) में माहिर हो जाए। हफ़्तों से महीनों तक, दसियों हज़ार से लेकर लाखों रियाल तक।
• 4) निरंतर प्री-ट्रेनिंग: आप मॉडल को अपने क्षेत्र या भाषा का बड़ी मात्रा में डेटा देते हैं ताकि उसका ज्ञान बुनियादी रूप से गहरा हो — सबसे शक्तिशाली और सबसे महंगा, "संप्रभु रास्ते" के क़रीब। महीने, लाखों रियाल और उससे ऊपर।

सेल्फ़-होस्टिंग और गोपनीयता: ओपन मॉडलों का बड़ा फ़ायदा यह है कि आप उन्हें अपने ख़ुद के इंफ्रास्ट्रक्चर (प्राइवेट क्लाउड या स्थानीय सर्वर) पर चलाते हैं, इसलिए आपका डेटा कभी आपके संगठन से बाहर नहीं जाता — जो व्यक्तिगत डेटा संरक्षण क़ानून (PDPL) के तहत निर्णायक है। आपको मॉडल के आकार के अनुसार GPU चाहिए (छोटे मॉडलों के लिए एक ही कार्ड से लेकर बड़े मॉडलों के लिए पूरे क्लस्टर तक), और आप होस्टिंग की स्थिर लागत को क्लाउड API की इस्तेमाल के हिसाब से भुगतान वाली लागत के साथ संतुलित करते हैं।

Origami के विशेषज्ञों की सिफ़ारिश

बड़ी-बड़ी लैब्स को उनके अपने खेल में ट्रेनिंग से पछाड़ने की कोशिश न करें — वह अरबों की लड़ाई है। समझदारी भरा क़दम है किसी ओपन मॉडल पर एक विशेषज्ञ समाधान बनाना जो आपके क्षेत्र, आपकी अरबी भाषा, आपके डेटा की गोपनीयता और आपकी लागत में जीते। यह रास्ता हासिल करने योग्य है, निवेश पर ऊंचा रिटर्न देता है, और आपको अरब डॉलर के बिल के बिना "अपना ख़ुद का AI" देता है।

Origami कैसे मदद करता है

Origami में हम पहले व्यवहार्यता का अध्ययन करते हैं, फिर आपके लक्ष्य और बजट के लिए सही रास्ता और मॉडल चुनते हैं, मॉडल को आपके डेटा के अनुसार ढालते हैं (फ़ाइन-ट्यूनिंग + RAG), पूरी गोपनीयता के लिए उसे सेल्फ़-होस्ट करते हैं, और MCP के ज़रिए उसे आपके सिस्टम और एजेंट्स से जोड़ते हैं। लक्ष्य है ऐसा AI जो आपके क्षेत्र में मुक़ाबला करे, एक यथार्थवादी और अच्छी तरह अध्ययन की गई लागत पर।

स्रोत

• Epoch AI — फ्रंटियर मॉडलों की ट्रेनिंग की लागत: epoch.ai
• सऊदी डेटा और आर्टिफ़िशियल इंटेलिजेंस प्राधिकरण (SDAIA): sdaia.gov.sa

हार्डवेयर लागत के आंकड़े प्रकाशन के समय NVIDIA GPU के बाज़ार अनुमान हैं और इनमें बदलाव हो सकता है।