असली प्रश्न token को मूल्य होइन। नेपालको business ले वर्षभरि विदेशी सेवामा कति डलर पठाउन पाउँछ भन्ने हो — र यहीँनेर हिसाब उल्टिन्छ।
Kathmandu को कुनै सफ्टवेयर company ले ग्राहकको सोधपुछ जवाफ दिन, डकुमेन्ट summarize गर्न, वा code लेख्न AI चलाउँछ भने पहिलो प्रश्न सामान्यतया यही आउँछ — “कुन model सस्तो?” तर नेपालको context मा त्यो पूरा प्रश्न होइन। सस्तो-महँगोभन्दा पहिले सोध्नुपर्ने कुरा हो: यो बिल कुन मुद्रामा तिर्ने, र तपाईंलाई त्यति डलर तिर्ने अनुमति नै छ कि छैन।
यही एउटा कुराले open-weight model र closed AI lab बीचको छनोटलाई नेपालमा फरक बनाइदिन्छ।
दुई शिविर, सिधा भाषामा
Closed lab भनेको OpenAI (GPT), Anthropic (Claude), Google (Gemini) जस्ता कम्पनी हुन्। तिनको model को “weight” — मतलब भित्री गणना — कहिल्यै सार्वजनिक हुँदैन। तपाईं तिनको सर्भरमा API मार्फत पुग्नुहुन्छ, र प्रयोग गरेजति token अनुसार डलरमा तिर्नुहुन्छ। model तपाईंको हातमा हुँदैन, तपाईं भाडामा बुद्धि किन्नुहुन्छ।
Open-weight model — DeepSeek V4, Qwen, GLM, Kimi, Meta को Llama series — मा weight download गर्न पाइन्छ। चाहेमा आफ्नै सर्भरमा चलाउनुहोस्, चाहेमा कसैको सस्तो hosted API बाट। डाटा कहाँ जान्छ भन्नेमा तपाईंको नियन्त्रण धेरै हुन्छ।
मूल्यको खाडल साँच्चै ठूलो छ
संख्यामा हेर्दा फरक अचम्मलाग्दो देखिन्छ। यो लेख लेख्दासम्म DeepSeek V4 Flash — एउटा सक्षम open-weight model — API मा प्रति 1M input token करिब $0.14 र output token $0.28 पर्छ।
अब frontier closed model हेरौं। GPT-5.6 Sol को दर करिब $5 input र $30 output प्रति 1M token हो। Claude Opus 4.8 करिब $5 / $25 मा छ। Google को Gemini 3.1 Pro चाहिँ दुवैलाई काटेर करिब $2 / $12 मा बस्छ (200K context भन्दा माथि दर दोब्बर हुन्छ)।
मतलब उही एक million output token का लागि DeepSeek V4 Flash ले $0.28 माग्दा GPT-5.6 Sol ले $30 माग्छ — झन्डै सय गुणा फरक। सधैं यति चर्को हुँदैन, तर उच्च मात्राको काममा यो अन्तर बजेट नै फेरिदिने खालको हो।
तर यहाँ एउटा कुरा इमानदारीपूर्वक भन्नैपर्छ: सस्तो हुनु भनेकै बराबर हुनु होइन।
कहाँ बराबर, कहाँ पछि
Epoch AI को नाप अनुसार, यो वर्षको सुरुदेखि सबैभन्दा सक्षम open-weight model हरू frontier closed model भन्दा औसतमा करिब चार महिना पछाडि छन्। classification, extraction, summarization, अनि अधिकांश coding जस्ता दैनिक काममा राम्रो open-weight model अहिले सम्झौता होइन — काम सिध्याइदिन्छ।
closed model को बाँकी बढ्ता क्षमता specific ठाउँमा देखिन्छ: लामो, धेरै चरण भएको agentic reasoning — जहाँ बीसौं निर्भर चरण चल्छन् र सुरुको एउटा गल्ती पछि गएर सच्याउनुपर्छ। यस्तो जटिल काममा GPT, Claude, Gemini अझै अगाडि छन्।
त्यसैले “कुन राम्रो” भन्ने प्रश्नको एउटै जवाफ छैन। तपाईंको काम के हो, त्यसमा भर पर्छ।
नेपालको असली अड्चन: डलरको सिलिङ
अब त्यो कुरा जसले सिंगो हिसाब उल्टाइदिन्छ। नेपाली रुपैयाँको सामान्य debit/credit card ले विदेशी अनलाइन भुक्तानी गर्न पाइँदैन — Nepal Rastra Bank (NRB) को नियमले रोक्छ। GPT, Claude वा Gemini लाई डलरमा तिर्न dollar card वा prepaid foreign-currency card नै चाहिन्छ।
र त्यसमा सिलिङ छ। व्यक्तिगत रूपमा वर्षमा USD 500 मात्र। तर IT, communication र सूचनामा आधारित उद्योगका लागि NRB ले यो हद बढाएर वर्षमा USD 3,000 पुर्याएको छ — सफ्टवेयर र अनलाइन सेवा किन्नकै लागि। विदेशी मुद्रा आर्जन गर्ने, मतलब सेवा export गर्ने IT company लाई यो सीमा वर्षमा USD 5,000 सम्म पुग्छ।
यहीँनेर closed lab को token-मूल्य नयाँ अर्थमा हेर्नुपर्छ। मानौं तपाईंको बढ्दो स्टार्टअपले महिनामा करिब $300 को frontier API चलायो — सुन्दा सानै रकम। तर त्यो वर्षमा $3,600 हुन्छ, र IT company को $3,000 को सिलिङ नाघिसक्यो। अनि AI मात्र होइन — hosting, domain, अरू विदेशी SaaS सबै त्यही सीमित डलरबाट तिर्नुपर्छ। नेपालमा तपाईंको बजेट रुपैयाँमा जति भए पनि, डलरमा बाँधिएको छ।
यहाँ open-weight ले फरक पार्छ। DeepSeek जस्ता open model को hosted API दस-सयौं गुणा सस्तो भएकाले उही सिलिङभित्र धेरै बढी काम अटाउँछ। र आफ्नै सर्भरमा चलाए त डलर बाहिरै जाँदैन — hardware र बिजुलीको खर्च रुपैयाँमा तिरे पुग्छ।
आफ्नै सर्भरमा चलाउने — सपना कि व्यवहार?
यहाँ अति उत्साहित हुनुअघि एउटा सत्य: सबै open model घरमा चल्दैनन्। DeepSeek V4 Pro जस्तो ठूलो model पूरै चलाउन बलियो GPU cluster चाहिन्छ, जुन आयात गर्दा लाग्ने रकम धेरै नेपाली SME को पहुँच बाहिर हुन्छ। सानो वा हल्का (quantized) open model भने दुई-वटा राम्रा GPU भएको एउटै सर्भरमा चल्न सक्छ।
नेपालको फाइदा चाहिँ बिजुलीमा छ। घरायसी दरमै प्रति युनिट करिब Rs 8 देखि Rs 11 पर्ने बिजुली, र देश आफैंमा बिजुली बढी भएर भारत निर्यात गर्ने अवस्थामा — सर्भर चलाउने आवर्ती खर्च यहाँ धेरै देशभन्दा सस्तो पर्छ। (व्यावसायिक/औद्योगिक दर घरायसीभन्दा फरक हुन्छ, त्यो आफ्नो category अनुसार जाँच्नुहोला।)
त्यसैले आफ्नै सर्भरमा चलाउने कुरा सबैका लागि जादुको छडी होइन। तर ग्राहकको संवेदनशील डाटा बाहिरको सर्भरमा पठाउनु नहुने काम — कानुनी डकुमेन्ट, स्वास्थ्य record, आर्थिक विवरण — का लागि local मै चल्ने open model ले डाटा नेपालभित्रै राख्न दिन्छ। यो privacy को फाइदा token-मूल्यमा नापिँदैन।
अनि नेपाली भाषा?
एउटा कुरा आफैं जाँच्नुपर्छ — तपाईंको काम नेपाली भाषामा छ भने। ठूला closed model हरू सामान्यतया नेपालीलगायत धेरै भाषामा राम्रो चल्छन्; केही open model पनि दर्जनौं भाषा बुझ्छन्, तर सबैको नेपाली उत्तिकै पोख्त छैन। किन्ने वा deploy गर्ने अघि आफ्नै नमुना prompt मा दुवै किसिमको model परीक्षण गरेर हेर्नु बेस — benchmark ले भन्दा तपाईंकै वास्तविक काममा को राम्रो निस्कन्छ, त्यो बढी काम लाग्छ।
त कसले के रोज्ने?
छोटोमा भन्दा, नेपालका अधिकांश business का लागि सही जवाफ “एउटै रोज्नुपर्छ” होइन — मिलाएर चलाउनु हो।
धेरै मात्राको, नियमित, संवेदनशील नभएको काम — summarization, classification, ग्राहकको साधारण सोधपुछ, routine code — मा open-weight model (hosted API बाट, वा सक्ने भए आफ्नै सर्भरमा) ले खर्च नाटकीय रूपमा घटाउँछ, र सीमित डलर बजेट धेरै टाढासम्म तन्काउँछ। डाटा नेपालभित्रै राख्नुपर्ने काममा त local open model को विकल्पै छैन जस्तो।
अर्कोतिर, जटिल agentic reasoning वा सबैभन्दा कठिन काम — जहाँ एउटा गल्तीले सबै बिगार्छ — मा अझै frontier closed model राख्नु उचित। त्यो बढ्ता क्षमता साँच्चै फरक पार्ने ठाउँमा त्यही थोरै डलर खर्चनु बुद्धिमानी हो।
छनोट model को नाम होइन, तपाईंको बजेट कुन मुद्रामा बाँधिएको छ र डाटा कहाँ बस्नुपर्छ भन्नेले तय गर्छ। नेपालमा त्यो हिसाब, अरू धेरै देशभन्दा फरक तरिकाले, open-weight तिर झुक्छ।