OpenAI ने AI लागत दबाव बढ़ने के बीच GPT-5.6 Luna की कीमतों में भारी कटौती की

OpenAI ने अपने कम लागत वाले GPT-5.6 tiers पर कीमतें तेज़ी से घटाईं

OpenAI ने AI model market में एक महत्वपूर्ण pricing कदम उठाया है, जिसमें उसने अपने GPT-5.6 Luna tier की लागत 80% और Terra tier की लागत 20% घटा दी है, जो 30 जुलाई से प्रभावी है। इस बदलाव से कंपनी की top-tier Sol pricing अपरिवर्तित रहती है, लेकिन यह छोटे और midrange offerings की लागत को काफी कम कर देता है, जो price-sensitive inference workloads और large-scale deployment के लिए सबसे अधिक महत्वपूर्ण होने की संभावना रखते हैं।

The Decoder के अनुसार, Luna अब प्रति million input tokens $0.20 और प्रति million output tokens $1.20 की लागत पर उपलब्ध है, जिससे यह एक आक्रामक low-cost option के रूप में स्थापित होता है। Terra की कीमत घटकर प्रति million input tokens $2 और प्रति million output tokens $12 हो गई है। कंपनी का कहना है कि GPT-5.6 के सभी तीन variants ChatGPT Work, Codex, और OpenAI API के माध्यम से उपलब्ध बने हुए हैं, जिससे यह कटौती consumer-adjacent enterprise tools और developer-facing platforms दोनों के लिए प्रासंगिक हो जाती है।

तत्काल headline Luna में की गई कटौती का आकार है। 80% की कटौती कोई routine pricing adjustment नहीं है। यह ऐसा कदम है जो संकेत देता है कि कंपनी price-to-performance पर सीधे प्रतिस्पर्धा करने के लिए तैयार है, खासकर ऐसे बाजार में जहां ग्राहक अब models की तुलना केवल benchmark results के आधार पर नहीं, बल्कि production workloads को scale पर चलाने की लागत के आधार पर भी कर रहे हैं।

OpenAI की व्याख्या: अपने frontier model से मिली infrastructure efficiency

OpenAI ने The Decoder को बताया कि ये कटौतियाँ आंशिक रूप से इसलिए संभव हुईं क्योंकि GPT-5.6 Sol ने कंपनी की अपनी infrastructure efficiency में सुधार किया। विशेष रूप से, रिपोर्ट में कहा गया है कि model ने अपने आप GPU software को optimize किया, जिससे deployment costs में 20% की कमी आई। इसने speculative decoding के जरिए token generation में 15% से अधिक सुधार भी किया। इन दावों को मिलाकर देखें तो यह अपने आप में एक उल्लेखनीय कहानी बनती है: OpenAI यह तर्क दे रहा है कि उसके highest-end system से मिलने वाले gains उसकी lower-cost offerings की economics में वापस प्रवाहित हो सकते हैं।

यदि यह विवरण सही है, तो कंपनी अपने ही stack के भीतर vertical learning का एक रूप प्रस्तुत कर रही है। सबसे सक्षम model केवल ग्राहकों के लिए एक product नहीं है, बल्कि ऐसा tool भी है जो नीचे के platform की operating cost को कम करने में मदद करता है। यह महत्वपूर्ण है क्योंकि AI deployment की economics अब केवल raw model quality से नहीं, बल्कि infrastructure efficiency से भी तय हो रही है। Throughput, software optimization, या token generation speed में अपेक्षाकृत छोटे बदलाव भी तब बड़ा असर डाल सकते हैं जब उन्हें विशाल inference volumes पर लागू किया जाए।

The Decoder ने यह भी रिपोर्ट किया कि OpenAI का दावा है कि Luna एक साल पहले के leading models के प्रदर्शन से मेल खाता है, जबकि वह काफी तेज़ और बहुत कम लागत पर काम करता है। प्रकाशन ने तुलना को इस तरह संक्षेपित किया: जो कार्य पहले उन earlier leading models पर एक डॉलर का पड़ता था, वह अब Luna पर लगभग छह सेंट में चलता है और लगभग नौ गुना गति से चलता है। भले ही यह framing आंशिक रूप से प्रचारात्मक हो, यह नई pricing का केंद्रीय बिंदु पकड़ती है। OpenAI एक ऐसे model को, जिसकी capability पिछले वर्ष के high-end के बराबर है, आज के applications के लिए एक commodity building block की तरह प्रस्तुत करना चाहता है।

बाजार का व्यापक दबाव अनदेखा करना मुश्किल है

OpenAI की व्याख्या internal efficiency पर केंद्रित है, लेकिन market context उतना ही महत्वपूर्ण है। The Decoder विशेष रूप से AI sector में बढ़ते price pressure का उल्लेख करता है, खासकर low-cost Chinese providers से। यह एक महत्वपूर्ण विवरण है क्योंकि इससे पता चलता है कि नई pricing सिर्फ तकनीकी प्रगति का पुरस्कार नहीं है। यह उस competitive environment की प्रतिक्रिया भी है जिसमें lower-cost inference एक strategic weapon बनता जा रहा है।

रिपोर्ट यह भी नोट करती है कि Microsoft अपने MAI models को OpenAI के cheap alternatives के रूप में खुले तौर पर प्रचारित कर रहा है। इससे प्रतिस्पर्धी तस्वीर में एक और परत जुड़ती है। Price pressure अब केवल U.S. frontier model ecosystem के बाहर से नहीं आ रहा है। यह करीबी commercial relationships और पड़ोसी product stacks के भीतर से भी उभर रहा है, जहां ग्राहक पहले से ही suppliers को diversify करने या model bills कम करने के तरीके खोज सकते हैं।

व्यावहारिक रूप से, इसका मतलब है कि OpenAI ऐसे बाजार में काम कर रहा है जहां हर model tier में premium pricing को बचाए रखना कठिन होता जा रहा है। जब top-end capability परिणामों में ठोस सुधार करती है, तब ग्राहक अब भी उसके लिए भुगतान कर सकते हैं, लेकिन production use cases का बड़ा हिस्सा classification, retrieval, transformation, summarization, routing, और scale पर tool use के इर्द-गिर्द घूमता है। इन श्रेणियों में, lower cost और पर्याप्त quality अक्सर इस बात से अधिक मायने रखती है कि आपके पास एकमात्र best frontier model है या नहीं।

Luna क्यों headline से भी अधिक महत्वपूर्ण है

रिपोर्ट में Luna को OpenAI का सबसे छोटा AI model बताया गया है, और शायद यही कारण है कि यह pricing move इतना महत्वपूर्ण है। छोटे models आमतौर पर high-volume systems के workhorses होते हैं। वे repetitive tasks संभालते हैं, agentic workflows का समर्थन करते हैं, और उन applications की लागत कम करते हैं जिन्हें प्रति user session कई calls करनी पड़ती हैं। Luna की कीमत में इतनी गहरी कटौती करके OpenAI केवल entry-level option को आकर्षक नहीं बना रहा है। वह उस model tier को मजबूत कर रहा है जिसका adoption economics पर सबसे व्यापक प्रभाव पड़ने की संभावना है।

The Decoder का कहना है कि Luna को price-to-performance पर प्रतिस्पर्धियों पर हावी होने के लिए बनाया गया है। यह महत्वाकांक्षा AI market में एक व्यापक बदलाव को दर्शाती है। generative AI boom के अधिकांश हिस्से में, कंपनियाँ नवीनतम flagship capability तक पहुँच को लेकर प्रतिस्पर्धा करती थीं। लेकिन अब अधिक टिकाऊ मुकाबला operational efficiency जैसा दिखता है: कोई ग्राहक अपने बजट में कितनी उपयोगी intelligence खरीद सकता है, और वह उसे कितनी जल्दी प्राप्त कर सकता है।

इस बदलाव के परिणाम vendor rankings से आगे जाते हैं। Lower inference prices उन applications के प्रकारों का विस्तार कर सकते हैं जिन्हें developers ship करने के लिए तैयार होते हैं, खासकर उन क्षेत्रों में जहां margins कम हैं या user behavior अप्रत्याशित है। वे market-wide expectations भी बढ़ा सकते हैं, जिससे प्रतिस्पर्धी providers को यह समझाना पड़े कि उनके lower-tier models अधिक महंगे, धीमे, या समान price points पर कमजोर प्रदर्शन क्यों करते हैं।

एक price war जिसमें वास्तविक strategic risks हैं

रिपोर्ट एक सावधानी भरे नोट के साथ समाप्त होती है, और उस सावधानी को गंभीरता से लेना चाहिए। The Decoder चेतावनी देता है कि एक escalating price war broader market को नुकसान पहुँचा सकती है यदि वह frontier labs की revenue growth को धीमा कर दे, जिनका financial outlook बहुत बड़े infrastructure investments पर निर्भर करता है। यह तनाव AI के defining questions में से एक बन गया है: उद्योग chips, data centers, और model development पर भारी खर्च कर रहा है, फिर भी competitive forces end-user prices को लगातार नीचे धकेल रही हैं।

OpenAI की 30 जुलाई की कटौतियाँ इस equation के दोनों पक्षों को एक साथ दिखाती हैं। एक ओर, कंपनी यह संकेत दे रही है कि efficiency gains कहीं कम लागत वाले deployment को सहारा दे सकते हैं। दूसरी ओर, वह ऐसे race में भाग ले रही है जो sector भर में margins को संकुचित कर सकती है। Developers और enterprise buyers के लिए तात्कालिक प्रभाव सकारात्मक है: बेहतर economics और model tiers चुनते समय अधिक leverage। Model providers के लिए दीर्घकालिक प्रश्न यह है कि क्या efficiency improvements प्रतिस्पर्धा के downward force से आगे निकल सकते हैं।

फिलहाल संदेश सीधा है। OpenAI खास तौर पर चाहता है कि Luna को compromise option नहीं, बल्कि production AI के लिए एक तेज़, कम लागत वाला foundation माना जाए। कीमत में कटौती का पैमाना बताता है कि कंपनी मानती है कि प्रतिस्पर्धा का अगला चरण सिर्फ इस बात से नहीं जीता जाएगा कि कौन सबसे स्मार्ट model बनाता है, बल्कि इस बात से कि कौन सबसे कम टिकाऊ लागत पर उपयोगी intelligence दे सकता है।

यह लेख The Decoder की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें.