मुख्य कंटेंट तक स्किप करें

DeepSeek, Qwen और ओपन-वेट लहर

मध्यम

लंबे समय तक "अच्छे AI" की कहानी कुछ गिने-चुने क्लोज़्ड, फ़्रंटियर मॉडलों की कहानी थी जिन्हें आप सिर्फ़ किसी API के ज़रिए किराए पर ले सकते थे। अब यह पूरी कहानी नहीं रही। ओपन-वेट मॉडलों की एक लहर — इनमें से कई DeepSeek जैसी चीनी लैब और Alibaba की Qwen से, साथ ही Meta की Llama और फ़्रांस की Mistral से — इतनी अच्छी, इतनी सस्ती, और इतनी छोटी हो गई कि अपना खुद का सक्षम मॉडल डाउनलोड करके चलाना एक असली विकल्प बन गया। यह पेज उस परिदृश्य का टिकाऊ नक्शा है: ऐसा क्यों हुआ, "ओपन वेट" का असल में क्या मतलब है, क्लोज़्ड फ़्रंटियर मॉडलों की तुलना में ईमानदार ट्रेड-ऑफ़, और आज इन मॉडलों को वाकई कैसे इस्तेमाल करें।

What you'll learn
  • समझें कि ओपन-वेट मॉडल प्रतिस्पर्धी क्यों बने — प्रति-लागत क्षमता और ओपन रीज़निंग
  • साफ़ करें कि 'ओपन वेट' का असल में क्या मतलब है — ओपन-सोर्स बनाम, और ओपन-डेटा बनाम
  • आर्केटाइप पहचानें: जनरल चैट, रीज़निंग, कोडिंग, और छोटे/किफ़ायती मॉडल
  • क्लोज़्ड फ़्रंटियर बनाम असली ट्रेड-ऑफ़ तौलें — सबसे कठिन कामों पर क्षमता का फ़ासला, और अपनी खुद की infra व सुरक्षा संभालना
  • इन्हें वाकई इस्तेमाल करने के दो तरीके जानें: एक होस्टेड API, या Ollama के ज़रिए सेल्फ़-होस्टिंग

ओपन-वेट मॉडल अचानक प्रतिस्पर्धी क्यों हो गए​

लगभग एक ही समय पर तीन चीज़ें बदलीं, और मिलकर उन्होंने रोज़मर्रा का ज़्यादातर फ़ासला पाट दिया।

  • प्रति-लागत क्षमता ढह गई। बेहतर ट्रेनिंग रेसिपी, डेटा क्यूरेशन, और mixture-of-experts (MoE) आर्किटेक्चर (जहाँ किसी बड़े मॉडल के पैरामीटरों का सिर्फ़ एक अंश ही प्रति टोकन सक्रिय होता है) ने लैब को ऐसे मॉडल भेजने दिए जो अपनी लागत से कहीं ऊपर का प्रदर्शन करते हैं। असली कामों के एक बड़े हिस्से के लिए — ड्राफ़्टिंग, सारांश बनाना, एक्सट्रैक्शन, वर्गीकरण, नियमित कोडिंग — एक अच्छा ओपन मॉडल अब फ़्रंटियर-API लागत के एक अंश में "काफ़ी अच्छा" है।
  • ओपन रीज़निंग मॉडल आ गए। DeepSeek की रीज़निंग शृंखला एक मोड़ थी: इसने दिखाया कि "जवाब देने से पहले कदम-दर-कदम सोचो" वाली क्षमता — जो पहले चंद क्लोज़्ड मॉडलों की खाई थी — ओपन वेट के साथ ट्रेन और रिलीज़ की जा सकती है। एक बार एक लैब ने साबित किया, तो बाक़ी ओपन इकोसिस्टम ने पीछा किया।
  • छोटे मॉडल वाकई इस्तेमाल-योग्य हो गए। 10B से कम और यहाँ तक कि 1B से कम मॉडल सुसंगत और उपयोगी हो गए, जिसका मतलब है कि आप किसी लैपटॉप या सस्ते सर्वर पर कुछ सक्षम चला सकते हैं। यह गोपनीयता, विलंब (latency), और पैमाने के अर्थशास्त्र को बदल देता है।

कुल असर: क्लोज़्ड फ़्रंटियर से फ़ासला ग़ायब नहीं हुआ, पर ज़्यादातर काम के लिए यह निर्णायक कारक नहीं रहा। निर्णायक कारक बन गए लागत, नियंत्रण, और आपका डेटा कहाँ रहता है।

"ओपन वेट" का असल में क्या मतलब है​

पूरे क्षेत्र में यह इकलौता सबसे भ्रमित करने वाला बिंदु है। "ओपन" तीन अलग-अलग तरीकों से बहुत काम कर रहा है, और वे एक ही चीज़ नहीं हैं।

शब्दआपको असल में क्या मिलता हैआपको आमतौर पर क्या नहीं मिलता
ओपन वेटट्रेन किया हुआ मॉडल फ़ाइल (weights)। आप इसे डाउनलोड, चला, फ़ाइन-ट्यून, और सेल्फ़-होस्ट कर सकते हैं।ट्रेनिंग डेटा, और कभी-कभी पूरा ट्रेनिंग कोड। इस्तेमाल किसी कस्टम लाइसेंस से नियंत्रित हो सकता है।
ओपन सोर्स (सख़्त)Weights साथ ही OSI-शैली लाइसेंस के तहत ट्रेनिंग/इन्फ़रेंस कोड, इस्तेमाल, संशोधन और पुनर्वितरण की स्वतंत्रता के साथ।फिर भी अक्सर ट्रेनिंग डेटा नहीं।
ओपन डेटाअसल डेटासेट जिन पर मॉडल ट्रेन हुआ, खुलेआम प्रकाशित।फ़्रंटियर-पैमाने के मॉडलों के लिए दुर्लभ; ज़्यादातर "ओपन" मॉडल ओपन-वेट हैं, ओपन-डेटा नहीं।

व्यावहारिक निष्कर्ष: जिन्हें लोग "ओपन सोर्स" कहते हैं वे ज़्यादातर मॉडल असल में ओपन-वेट हैं। आप उन्हें चला और अनुकूलित कर सकते हैं, पर आमतौर पर उन्हें शून्य से पुन: नहीं बना सकते, और आपको लाइसेंस पढ़ना ज़रूरी है। लाइसेंस अलग-अलग होते हैं:

  • कुछ अनुज्ञेय (permissive) लाइसेंसों (Apache 2.0, MIT) के तहत आते हैं जो व्यावसायिक इस्तेमाल के लिए साफ़-सुथरे हैं — मसलन Qwen और Mistral मॉडलों ने ऐतिहासिक रूप से Apache 2.0 इस्तेमाल किया है, और DeepSeek ने प्रमुख रिलीज़ों के लिए MIT इस्तेमाल किया है।
  • कुछ शर्तों वाले कस्टम कम्युनिटी लाइसेंसों के तहत आते हैं — मसलन Meta के Llama लाइसेंस में ऐतिहासिक रूप से एक क्लॉज़ रहा है जो सबसे बड़ी कंपनियों (मासिक सक्रिय उपयोगकर्ताओं के आधार पर) को इसे स्वतंत्र रूप से इस्तेमाल करने से रोकता है।

किसी मॉडल पर निर्माण करने से पहले हमेशा उसके विशिष्ट मॉडल कार्ड में लाइसेंस जाँचें। तटस्थ पर महत्वपूर्ण: किसी मॉडल का ओपन-वेट होना आपको बताता है कि आप इसे खुद होस्ट कर सकते हैं; यह आपको क़ानूनी शर्तें नहीं बताता, और यह लाइसेंसिंग या डेटा-रेज़िडेंसी के सवालों को ग़ायब नहीं करता — यह उन्हें आप तक स्थानांतरित कर देता है।

चार आर्केटाइप​

ओपन-वेट परिवार लगभग हमेशा एक ही मॉडल के बजाय वैरिएंट के एक फैलाव के रूप में आते हैं। चार आर्केटाइप सीख लें और आप किसी भी लैब की लाइनअप एक नज़र में पढ़ सकते हैं।

ओपन-वेट मॉडल आर्केटाइप
कार्ड पलटने के लिए Enter या Space दबाएँ। कार्ड बदलने के लिए बाएँ और दाएँ तीर कुंजियों का उपयोग करें।शब्द दिखाया गया।
1 / 4

एक ही परिवार — Qwen सबसे साफ़ उदाहरण है — आमतौर पर आपको पूरी सीढ़ी देता है: edge और लैपटॉप के लिए छोटे मॉडल, सर्वरों के लिए मध्यम-आकार के मॉडल, सबसे कठिन कामों के लिए एक बड़ा फ़्लैगशिप, साथ ही कोडिंग- और रीज़निंग-विशेष वैरिएंट। आप उस पायदान को चुनते हैं जो आपके हार्डवेयर और काम में फ़िट हो, न कि "the model"।

क्लोज़्ड फ़्रंटियर बनाम ईमानदार ट्रेड-ऑफ़​

ओपन-वेट मॉडल कोई सीधा अपग्रेड नहीं हैं। वे एक अलग सौदा हैं। यहाँ यह अदला-बदली तटस्थ रूप से है।

आयामओपन-वेट (सेल्फ़-होस्ट या सस्ता होस्ट)क्लोज़्ड फ़्रंटियर (होस्टेड API)
सबसे कठिन-काम की क्षमतामज़बूत और तेज़ी से फ़ासला पाटती हुई, पर क्लोज़्ड फ़्रंटियर आमतौर पर सबसे कठिन रीज़निंग, लंबी-अवधि के agentic, और विशिष्ट कामों पर अब भी आगे रहता हैसबसे मुश्किल कामों पर आमतौर पर छत
पैमाने पर लागतनाटकीय रूप से सस्ता हो सकता है, ख़ासकर सेल्फ़-होस्टेड या बजट होस्ट के ज़रिएप्रति-टोकन प्रीमियम; अनुमानित पर जुड़ता जाता है
गोपनीयता / डेटा रेज़िडेंसीआप डेटा को पूरी तरह अपने वातावरण के भीतर रख सकते हैंडेटा आपके नेटवर्क से निकलकर प्रदाता के पास जाता है
नियंत्रण और अनुकूलनपूर्ण: फ़ाइन-ट्यून, quantize, किसी संस्करण को पिन करना, ऑफ़लाइन चलानाजितना API उजागर करे उतने तक सीमित; संस्करण आपके नीचे बदल सकते हैं
सुरक्षा और ऑप्स का मालिक कौनआप हैं — गार्डरेल, दुरुपयोग फ़िल्टरिंग, अपटाइम, स्केलिंग, और पैचिंग आपका काम हैप्रदाता infra चलाता है और बेसलाइन सुरक्षा भेजता है

वह आख़िरी पंक्ति ही वह है जिसे लोग कम आँकते हैं। जब आप किसी ओपन-वेट मॉडल को सेल्फ़-होस्ट करते हैं तो आप वे ज़िम्मेदारियाँ भी विरासत में लेते हैं जिन्हें कोई फ़्रंटियर लैब सामान्यतः आपके लिए सोख लेती है: कंटेंट सुरक्षा और दुरुपयोग शमन, डिप्लॉयमेंट को पैच रखना, क्षमता और अपटाइम, और हर नए मॉडल संस्करण का ख़ुद मूल्यांकन। "ओपन वेट" आपको नियंत्रण दिलाता है, और नियंत्रण जितना फ़ायदा है उतना ही लागत भी। इस अदला-बदली के API पक्ष पर लागत की समझ के लिए, देखें टोकन अर्थव्यवस्था।

किसी ओपन मॉडल को वाकई कैसे इस्तेमाल करें​

बिल्कुल दो रास्ते हैं, और ज़्यादातर टीमें अलग-अलग चरणों में दोनों का इस्तेमाल करती हैं।

  1. होस्टेड API — कई प्रदाता (ख़ुद लैब और तीसरे-पक्ष के इन्फ़रेंस होस्ट समेत) ओपन-वेट मॉडलों को किसी API के पीछे परोसते हैं, अक्सर OpenAI-compatible। आपको ओपन-मॉडल अर्थशास्त्र मिलता है, इन्फ़्रास्ट्रक्चर का शून्य काम। तब सबसे अच्छा जब आप सर्वर चलाए बिना कम लागत चाहते हैं, पर ध्यान रहे कि आपका डेटा तब भी आपके नेटवर्क से निकलता है।
  2. सेल्फ़-होस्ट — weights डाउनलोड करें और उन्हें अपने वातावरण में चलाएँ। अधिकतम गोपनीयता और नियंत्रण, और तब इकलौता विकल्प जब डेटा वाकई आपके नेटवर्क से नहीं निकल सकता। सबसे आसान शुरुआत है Ollama, जो ओपन मॉडलों को एक ही कमांड से खींचकर चलाता है।

किसी मॉडल को चार चरणों में लोकल आज़माएँ​

Guided walkthrough1 of 4
  1. इसे ollama.com/download (macOS/Windows) से डाउनलोड करें या Linux इंस्टॉल स्क्रिप्ट इस्तेमाल करें। यह आपको ollama कमांड और एक लोकल बैकग्राउंड सर्विस देता है। पूरा वॉकथ्रू Run models locally पेज पर।

Ollama के साथ एक ओपन मॉडल को लोकल खींचें और चलाएँ

ollama run qwen3

वह एक कमांड एक Qwen ओपन-वेट मॉडल डाउनलोड करता है और एक लोकल चैट शुरू करता है — कोई API key नहीं, आपकी मशीन से कोई डेटा नहीं निकलता। किसी और परिवार पर उनकी तुलना करने के लिए qwen3 को बदल दें (मसलन कोई Llama, Mistral, या DeepSeek टैग)। किसी दिए गए काम के लिए सही मॉडल चुनना अपने आप में एक कौशल है: देखें मॉडल चुनना।

व्यवहार में, ओपन और क्लोज़्ड के बीच चुनना​

लीडरबोर्ड से मत चुनें। बाधा से चुनें:

  • डेटा आपके नेटवर्क से नहीं निकल सकता → सेल्फ़-होस्टेड ओपन-वेट ही जवाब है, बात ख़त्म।
  • ज़्यादा वॉल्यूम, लागत-संवेदनशील, "काफ़ी अच्छी" गुणवत्ता → ओपन-वेट (होस्टेड या सेल्फ़-होस्टेड) आमतौर पर लागत पर जीतता है।
  • आपको सबसे कठिन कामों पर एकदम बेहतरीन चाहिए → क्लोज़्ड फ़्रंटियर अब भी आगे रहता है — जहाँ मायने रखता है वहाँ इसका इस्तेमाल करें और आसान ट्रैफ़िक को सस्ते ओपन मॉडलों पर रूट करें।
  • आप फ़ाइन-ट्यून, quantize, किसी संस्करण को पिन, या ऑफ़लाइन चलाना चाहते हैं → वह नियंत्रण सिर्फ़ ओपन weights ही देते हैं।

सबसे टिकाऊ चाल यह है कि अपने ही असली डेटा पर एक ओपन और एक क्लोज़्ड उम्मीदवार के बीच एक छोटा-सा मूल्यांकन चलाएँ। बेंचमार्क किसी और के काम का वर्णन करते हैं; आपका eval आपके काम का वर्णन करता है।

ख़ुद को जाँचें

0/3
  1. 'ओपन वेट' आपको क्या पाने की गारंटी देता है?
  2. आपको ऐसा डेटा प्रोसेस करना है जो क़ानूनी रूप से आपके नेटवर्क से नहीं निकल सकता। कौन-सा रास्ता फ़िट है?
  3. किसी ओपन-वेट मॉडल को सेल्फ़-होस्ट करने पर आप कौन-सी नई ज़िम्मेदारी लेते हैं?
Key takeaways
  • ओपन-वेट मॉडलों ने रोज़मर्रा का ज़्यादातर फ़ासला पाट दिया — प्रति-लागत क्षमता, ओपन रीज़निंग मॉडल, और वाकई इस्तेमाल-योग्य छोटे मॉडलों की बदौलत
  • 'ओपन वेट' = डाउनलोड-योग्य weights जिन्हें आप चला और फ़ाइन-ट्यून कर सकते हैं — ज़रूरी नहीं कि ओपन-सोर्स कोड, ओपन ट्रेनिंग डेटा, या अनुज्ञेय लाइसेंस; हमेशा मॉडल कार्ड पढ़ें
  • किसी भी लाइनअप को आर्केटाइप से पढ़ें: जनरल चैट, रीज़निंग, कोडिंग, और छोटा/किफ़ायती — ज़्यादातर परिवार पूरी साइज़ सीढ़ी भेजते हैं
  • अदला-बदली असली है: ओपन लागत, गोपनीयता और नियंत्रण दिलाता है, पर क्लोज़्ड फ़्रंटियर आमतौर पर सबसे कठिन कामों पर आगे रहता है और आप सुरक्षा व infra विरासत में लेते हैं
  • इन्हें इस्तेमाल करने के दो तरीके: एक होस्टेड (अक्सर OpenAI-compatible) API, या एक कमांड से Ollama के ज़रिए सेल्फ़-होस्ट — फिर लीडरबोर्ड पर नहीं, अपने डेटा पर मूल्यांकन करें

स्रोत और आगे पढ़ें​