AI খরচের চাপ বাড়তে থাকায় OpenAI GPT-5.6 Luna-এর দাম কমাল

OpenAI তার কম খরচের GPT-5.6 tier-গুলিতে দাম ব্যাপকভাবে কমিয়েছে

OpenAI AI model market-এ একটি বড় মূল্য পদক্ষেপ নিয়েছে, 30 জুলাই থেকে তার GPT-5.6 Luna tier-এর দাম 80% এবং Terra tier-এর দাম 20% কমিয়ে দিয়েছে। এই পরিবর্তনে কোম্পানির শীর্ষ-স্তরের Sol pricing অপরিবর্তিত থাকছে, তবে ছোট এবং মাঝারি-স্তরের offering-গুলোর খরচ উল্লেখযোগ্যভাবে কমে যাচ্ছে, যা price-sensitive inference workloads এবং large-scale deployment-এর ক্ষেত্রে সবচেয়ে বেশি গুরুত্বপূর্ণ হতে পারে।

The Decoder অনুযায়ী, Luna এখন প্রতি million input tokens-এ $0.20 এবং প্রতি million output tokens-এ $1.20 খরচ করে, যা এটিকে একটি আক্রমণাত্মক low-cost option হিসেবে স্থাপন করছে। Terra-র দাম কমে প্রতি million input tokens-এ $2 এবং প্রতি million output tokens-এ $12 হয়েছে। কোম্পানির মতে, GPT-5.6-এর তিনটি variant-ই ChatGPT Work, Codex, এবং OpenAI API-এর মাধ্যমে উপলব্ধ থাকবে, ফলে এই কাটছাঁট consumer-adjacent enterprise tools এবং developer-facing platforms উভয়ের জন্যই প্রাসঙ্গিক।

সবচেয়ে বড় শিরোনাম হলো Luna-র এই বিশাল মূল্যহ্রাস। 80% কাটছাঁট কোনো নিয়মিত pricing adjustment নয়। এটি এমন একটি পদক্ষেপ যা ইঙ্গিত দেয় কোম্পানি price-to-performance ভিত্তিতে সরাসরি প্রতিযোগিতা করতে প্রস্তুত, বিশেষ করে এমন একটি বাজারে যেখানে গ্রাহকরা শুধু benchmark results নয়, production workloads বড় পরিসরে চালানোর খরচও তুলনা করছেন।

OpenAI-এর ব্যাখ্যা: তার own frontier model থেকে infrastructure efficiency

OpenAI The Decoder-কে বলেছে যে এই কাটছাঁট আংশিকভাবে সম্ভব হয়েছে কারণ GPT-5.6 Sol কোম্পানির নিজস্ব infrastructure efficiency উন্নত করেছে। বিশেষভাবে, report বলছে modelটি নিজেই GPU software optimize করেছে, ফলে deployment costs 20% কমেছে। এটি speculative decoding-এর মাধ্যমে token generation-ও 15%-এর বেশি উন্নত করেছে। এই দাবিগুলো একত্রে একটি উল্লেখযোগ্য গল্প তৈরি করে: OpenAI বলছে, তার সর্বোচ্চ-স্তরের system থেকে পাওয়া লাভ নিচের স্তরের কম-খরচের offering-গুলোর অর্থনীতিতে ফিরে আসতে পারে।

যদি এই বর্ণনা সঠিক হয়, তবে কোম্পানি তার stack-এর ভিতরে vertical learning-এর একটি রূপ তুলে ধরছে। সবচেয়ে সক্ষম model শুধু গ্রাহকদের জন্য একটি product নয়, বরং এমন একটি tool যা platform-এর নিচের স্তরের operating cost কমাতে সাহায্য করে। এটি গুরুত্বপূর্ণ, কারণ AI deployment-এর economics এখন কেবল raw model quality নয়, infrastructure efficiency দ্বারাও নির্ধারিত হচ্ছে। Throughput, software optimization, বা token generation speed-এ তুলনামূলক ছোট পরিবর্তনও বিপুল inference volume-এর সঙ্গে গুণিত হলে বড় প্রভাব ফেলতে পারে।

The Decoder আরও জানিয়েছে যে OpenAI দাবি করেছে Luna গত বছরের leading models-এর performance-এর সমান, তবে অনেক দ্রুত এবং অনেক সস্তায় কাজ করে। প্রকাশনাটি তুলনাটি এভাবে সংক্ষেপ করেছে: আগে ওই leading models-এ যে কাজ করতে এক ডলার লাগত, Luna-তে তা এখন প্রায় ছয় সেন্টে এবং প্রায় নয় গুণ গতিতে সম্পন্ন হয়। এই framing আংশিকভাবে প্রচারণামূলক হলেও, এটি নতুন pricing-এর মূল বিষয়টি ধরে। OpenAI একটি model-কে, যার capability গত বছর high-end ছিল, আজকের applications-এর জন্য commodity building block-এর মতো করে তুলতে চাইছে।

বাজারের চাপ উপেক্ষা করা কঠিন

OpenAI-এর ব্যাখ্যা internal efficiency-এর ওপর কেন্দ্রীভূত, কিন্তু market context-ও সমান গুরুত্বপূর্ণ। The Decoder স্পষ্টভাবে AI sector জুড়ে মূল্যচাপ বাড়ার কথা বলছে, বিশেষ করে low-cost Chinese providers-এর দিক থেকে। এটি একটি গুরুত্বপূর্ণ দিক, কারণ এটি দেখায় নতুন pricing কেবল প্রযুক্তিগত অগ্রগতির পুরস্কার নয়। এটি এমন একটি competitive environment-এর প্রতিক্রিয়াও, যেখানে lower-cost inference একটি strategic weapon হয়ে উঠছে।

রিপোর্টে আরও বলা হয়েছে যে Microsoft তার নিজের MAI models-কে OpenAI-এর তুলনায় সস্তা বিকল্প হিসেবে প্রকাশ্যে প্রচার করছে। এতে প্রতিযোগিতার চিত্রে আরেক স্তর যোগ হয়েছে। Price pressure এখন আর শুধু U.S. frontier model ecosystem-এর বাইর থেকে আসছে না। এটি ঘনিষ্ঠ commercial relationships এবং পাশের product stacks থেকেও উঠে আসছে, যেখানে গ্রাহকরা ইতিমধ্যেই সরবরাহকারী বৈচিত্র্য বা model bill কমানোর উপায় খুঁজছেন।

ব্যবহারিক অর্থে, এর মানে হলো OpenAI এমন একটি বাজারে কাজ করছে যেখানে প্রতিটি model tier-এ premium pricing ধরে রাখা কঠিন। গ্রাহকরা এখনও top-end capability-এর জন্য অর্থ দিতে পারেন যখন তা ফলাফলে বাস্তব উন্নতি আনে, কিন্তু production use case-এর বড় অংশ classification, retrieval, transformation, summarization, routing, এবং scale-এ tool use-এর সঙ্গে জড়িত। ওইসব ক্ষেত্রে, কম খরচ এবং পর্যাপ্ত quality প্রায়ই একমাত্র best frontier model থাকার চেয়ে বেশি গুরুত্বপূর্ণ।

Luna শিরোনামের চেয়েও বেশি গুরুত্বপূর্ণ কেন

রিপোর্টে Luna-কে OpenAI-এর সবচেয়ে ছোট AI model হিসেবে বর্ণনা করা হয়েছে, আর সম্ভবত এটাই কারণ যে এই pricing move এত গুরুত্বপূর্ণ। ছোট models সাধারণত high-volume systems-এর workhorse হিসেবে কাজ করে। তারা repetitive tasks সামলায়, agentic workflows সমর্থন করে, এবং এমন applications-এর খরচ কমায় যেগুলোকে প্রতি user session-এ অনেকবার call করতে হয়। Luna-র দাম এত গভীরভাবে কমিয়ে OpenAI শুধু entry-level option-কে আকর্ষণীয় করছে না। এটি সেই model tier-কে শক্তিশালী করছে, যা বিস্তৃত software products জুড়ে adoption economics-কে সবচেয়ে বেশি প্রভাবিত করতে পারে।

The Decoder বলছে Luna price-to-performance-এর ক্ষেত্রে প্রতিদ্বন্দ্বীদের ছাড়িয়ে যাওয়ার জন্য তৈরি। এই লক্ষ্য AI market-এ একটি বিস্তৃত পরিবর্তনকে প্রতিফলিত করে। generative AI boom-এর বেশিরভাগ সময় ধরে কোম্পানিগুলো সবচেয়ে নতুন flagship capability-র অ্যাক্সেস নিয়ে প্রতিযোগিতা করেছে। তবে increasingly, আরও স্থায়ী প্রতিযোগিতা operational efficiency-এর মতো দেখাচ্ছে: নির্দিষ্ট budget-এ একজন গ্রাহক কতটা useful intelligence কিনতে পারে, এবং তা কত দ্রুত delivered হতে পারে।

এই পরিবর্তনের প্রভাব vendor rankings-এর বাইরেও যায়। Lower inference prices developers-কে যে ধরনের applications ship করতে উৎসাহিত করবে, তা বাড়াতে পারে, বিশেষ করে যেখানে margins কম বা user behavior অনিশ্চিত। এটি বাজারের প্রত্যাশাও বাড়াতে পারে, প্রতিদ্বন্দ্বী providers-দের বাধ্য করতে পারে ব্যাখ্যা করতে কেন তাদের lower-tier models বেশি দামি, ধীর, বা একই price point-এ দুর্বল performance দেয়।

বাস্তব strategic risk-সহ একটি price war

রিপোর্টটি সতর্কবার্তার সুরে শেষ হয়েছে, এবং সেই সতর্কতাকে গুরুত্ব দেওয়া উচিত। The Decoder সতর্ক করেছে যে বাড়তে থাকা price war broader market-কে ক্ষতিগ্রস্ত করতে পারে, যদি তা frontier labs-এর revenue growth ধীর করে, যাদের আর্থিক ভবিষ্যৎ খুব বড় infrastructure investment-এর ওপর নির্ভরশীল। AI-তে এই tension একটি সংজ্ঞায়িত প্রশ্ন হয়ে উঠেছে: industry chips, data centers, এবং model development-এ ব্যাপক ব্যয় করছে, অথচ competitive forces end-user prices-কে ক্রমাগত নিচে ঠেলে দিচ্ছে।

OpenAI-এর 30 জুলাইয়ের কাটছাঁট এই সমীকরণের দুই দিকই একসঙ্গে দেখায়। একদিকে, কোম্পানি ইঙ্গিত দিচ্ছে যে efficiency gains অনেক সস্তা deployment সমর্থন করতে পারে। অন্যদিকে, এটি এমন একটি দৌড়ে অংশ নিচ্ছে যা sector জুড়ে margins সংকুচিত করতে পারে। Developers এবং enterprise buyers-এর জন্য তাৎক্ষণিক প্রভাব ইতিবাচক: উন্নত economics এবং model tier বাছাইয়ে বেশি leverage। Model providers-এর জন্য দীর্ঘমেয়াদি প্রশ্ন হলো efficiency improvements কি প্রতিযোগিতার নিম্নমুখী চাপের চেয়ে দ্রুত এগোতে পারবে।

এখনের জন্য বার্তাটি সরল। OpenAI বিশেষ করে Luna-কে একটি compromise option নয়, বরং production AI-এর জন্য একটি দ্রুত, কম-খরচের foundation হিসেবে দেখতে চায়। মূল্যছাঁটের পরিমাণ ইঙ্গিত দেয়, প্রতিযোগিতার পরবর্তী পর্ব কেবল কে সবচেয়ে বুদ্ধিমান model তৈরি করে তা দিয়ে নয়, বরং কে সবচেয়ে কম টেকসই খরচে useful intelligence সরবরাহ করতে পারে তা দিয়েও নির্ধারিত হবে।

এই নিবন্ধটি The Decoder-এর reporting-এর ওপর ভিত্তি করে তৈরি। মূল নিবন্ধ পড়ুন.