GPT-6 Astra बनाम Claude Fable 5.1 बनाम Gemini 4 Carbon: कोडिंग, शोध और लेखन के लिए कैसे चुनें?

हर नए बड़े भाषा मॉडल के आने पर सबसे आम सवाल वही होता है: क्या यह पिछले मॉडल से ज्यादा सक्षम है?

लेकिन API Hop के रोजमर्रा के काम में हमारा ध्यान दूसरी बात पर होता है: उसी काम को नया मॉडल बेहतर और तेज कर सकता है या नहीं? कितना इंतजार होगा? कितना खर्च होगा? क्या सुधार के लिए इंसान को फिर हस्तक्षेप करना पड़ेगा?

इस बार GPT-6 Astra, Claude Fable 5.1 और Gemini 4 Carbon के लिए हमने समग्र क्षमता मूल्यांकन, कोडिंग एजेंट के आंकड़े, वास्तविक प्रोजेक्ट मरम्मत के उदाहरण, लंबे कार्य, लेखन और वेबसाइट बनाने के परीक्षण देखे।

पहले निष्कर्ष: अलग कामों के लिए अलग मूल्यांकन

हमारा निष्कर्ष: अलग व्यावसायिक संदर्भों में अलग मॉडल अलग प्रदर्शन करते हैं।

तीनों मॉडलों की मूल जानकारी

पहले आधिकारिक मूल जानकारी देखें।

एक बात आसानी से छूटती है: मॉडल और उसे इस्तेमाल करने वाला टूल एक चीज नहीं हैं। एक ही कोडिंग कार्य Codex, Claude Code या Antigravity CLI से करवाने पर फ़ाइल पढ़ना, कमांड चलाना, संदर्भ प्रबंधन और दोबारा प्रयास अलग हो सकते हैं। अंतिम परिणाम दरअसल “मॉडल + टूल + कॉन्फ़िगरेशन” का होता है।

सिर्फ लेख का कोई हिस्सा सुधारते समय यह अंतर कम दिख सकता है; बड़े कोड रिपॉज़िटरी में कई घंटे काम करवाने पर टूल का वातावरण अक्सर बहुत महत्वपूर्ण होता है।

समग्र क्षमता: Carbon सबसे आगे, लेकिन हर काम में जीत निश्चित नहीं

पहले एक ही संस्करण का समग्र मूल्यांकन देखें।

इस समग्र सूचकांक संस्करण में Carbon आगे है। Google का नया मॉडल खासकर जटिल तर्क, ज्ञान और विज्ञान कार्यों के लिए ध्यान देने योग्य है।

इन कार्यों में Astra का औसत API खर्च अन्य दो सूचीबद्ध सेटिंग से कम है।

Fable का कम समग्र स्कोर यह नहीं कहता कि वह हर काम में कमजोर है। नीचे का ज्ञान-कार्य परीक्षण अलग परिणाम देता है।

कोडिंग के लिए कैसे चुनें? पैच की गुणवत्ता और वास्तविक खर्च ज्यादा जरूरी हैं

पहले एक ही संस्करण के कोडिंग एजेंट आंकड़े देखें

रोजमर्रा के विकास में रिपॉज़िटरी में सुविधाएं बनाना, बग ठीक करना और परिणाम देना शामिल है। इसलिए हम कोडिंग एजेंट मूल्यांकन इस्तेमाल करते हैं।

Carbon के संयोजन का स्कोर अधिक है; इस डेटा में Astra + Codex तेज और औसत API खर्च में सस्ता है; Fable + Claude Code का स्कोर दोनों के बीच है, लेकिन खर्च और समय ज्यादा हैं।

64 कोडिंग कार्य: Fable ने ज्यादा पूरे किए, लेकिन बिल भी अधिक था

सिर्फ समग्र स्कोर के मुकाबले imec/aistack का परीक्षण हमें डेवलपर के सवालों के ज्यादा करीब लगता है: बग ठीक हुआ? सुविधा पूरी हुई? कितना खर्च हुआ?

यह परिणाम दिलचस्प है: Fable ने 17 अतिरिक्त कार्य हल किए और कुल खर्च लगभग €68 ज्यादा था। कठिन कार्यों की सफलता महत्वपूर्ण हो तो ये 17 कार्य बचत से ज्यादा मूल्यवान हो सकते हैं; रोज बहुत से सरल काम करने हों तो खर्च और गति ज्यादा महत्वपूर्ण हो सकते हैं।

एक ही Gradle बग: दोनों ने ठीक किया, फिर डेवलपर Fable का बदलाव मर्ज क्यों करना चाहते थे?

एक छोटा उदाहरण रोजमर्रा के विकास के और करीब है।

Gradle के इंजीनियरिंग ब्लॉग में दोनों एजेंट को एक ही रिपॉज़िटरी और समान कार्य सीमाओं के साथ दस्तावेज़ कॉन्फ़िगरेशन की एक ही समस्या ठीक करने को दी गई। परिणाम: दोनों पास हुए।

डेवलपर आखिर Fable का बदलाव क्यों मर्ज करना चाहते थे? हमने अंतर देखा: Fable का कॉन्फ़िगरेशन बदलाव अधिक विशिष्ट था, शैली मौजूदा रिपॉज़िटरी से बेहतर मेल खाती थी और उसने रिग्रेशन परीक्षण जोड़ा था। Astra ने वर्तमान समस्या हल की, लेकिन कॉन्फ़िगरेशन का दायरा ज्यादा था, जिससे भविष्य में उसी तरह के नए ऑब्जेक्ट पर अनपेक्षित प्रभाव हो सकता था।

हमारे अनुसार “कौन दो मिनट पहले पूरा हुआ” से ज्यादा उपयोगी सीख यह है: काम पूरा करना बुनियादी क्षमता है। बदलाव जरूरत से ज्यादा व्यापक तो नहीं, रिग्रेशन परीक्षण हैं या नहीं और आगे रखरखाव संभव है या नहीं, यह भी जांचना चाहिए।

कोड समीक्षा में ज्यादा तर्क हमेशा बेहतर नहीं

दूसरे मॉडलों का परिचय देते समय हम यह बात कई बार कह चुके हैं। अपने विकास कार्य में भी हमने देखा है कि ज्यादा तर्क से जरूरी नहीं बेहतर परिणाम मिले।

इस कोड समीक्षा प्रक्रिया में High धीमा था और समग्र माप भी बेहतर नहीं थे। इसलिए सिर्फ High या Max लिखा देखकर अधिक समय और खर्च उचित न मानें। वास्तविक प्रभाव अपने व्यावसायिक संदर्भ में जांचें।

शोध और सामग्री का काम: चलना और परिणाम देना उपयोगी आउटपुट की गारंटी नहीं

ज्ञान-कार्य परीक्षण में Fable की स्थिति उलट गई

अब दूसरे प्रकार के काम पर देखें कि परिणाम बदलते हैं या नहीं।

इसीलिए हम सिर्फ एक समग्र रैंकिंग देखने की सलाह नहीं देते: वही मॉडल ज्ञान-कार्य में आते ही अलग क्रम में हैं।

ग्राहक शोध व्यवस्थित करना, रिपोर्ट लिखना या काम की सामग्री बनाना हो, तो Fable को शुरुआती परीक्षण सूची में रख सकते हैं।

$10,000 शोध बजट होने पर भी परिणाम अस्वीकार हो सकता है

CRUX का लंबा कार्य मूल्यांकन देखने लायक है: अप्रकाशित शोधपत्रों के प्रश्न Astra और Fable 5.1 को दिए, $10,000 का शोध बजट दिया और अंत में मूल शोधकर्ताओं से तैयार शोधपत्रों की समीक्षा करवाई।

हमने देखा कि प्रयोग डिज़ाइन और संसाधन इस्तेमाल में सुधार था, लेकिन दोनों अंतिम शोधपत्र विशेषज्ञों ने स्पष्ट रूप से अस्वीकार किए। टीम ने शोध निर्णय, मौलिकता, संवाद और विफलता पर दिशा बदलने की समस्याएं बताईं। ध्यान दें कि दोनों मॉडल अलग शोध प्रश्नों पर काम कर रहे थे, इसलिए अंतिम स्कोर को सीधे निष्पक्ष आमने-सामने की तुलना नहीं मान सकते। CRUX शोध रिपोर्ट

हमें लगता है कि वास्तविक AI शोध के लिए यह बहुत उपयोगी संदर्भ है।

मिसाल के तौर पर, किसी SaaS प्रतिस्पर्धी का शोध करवाते समय सिर्फ 20 पृष्ठ नहीं चाहिए। यह भी चाहिए कि बताई कीमतें सही हों, सुविधाएं वर्तमान हों, ट्रैफ़िक के स्रोत स्पष्ट हों और नई सुविधाओं से सीखना उपयोगी है या नहीं।

लंबे समय तक काम करने से आउटपुट बढ़ सकता है, लेकिन दिशा सही होने की गारंटी नहीं मिलती; अंत में बहुत सी बेकार सामग्री बन सकती है। हमें पहले आवश्यकताएं लिखनी चाहिए और मॉडल को तय ढांचे में सामग्री भरने को कहना चाहिए, जिससे प्रक्रिया अधिक नियंत्रित रहे।

Carbon के पांच घंटे वाले कार्य में भी डिलिवरी समस्याएं आईं

FrontierCS ने हर कार्य को अधिकतम पांच घंटे दिए। मॉडल को शोधपत्र के कार्यान्वयन से हटाए गए तरीके फिर जोड़ने थे या बेहतर तरीका देना था।

इस तृतीय-पक्ष परीक्षण में कुछ रन एजेंट के पृष्ठभूमि कार्य संभालने के तरीके के कारण परिणाम जमा करने से पहले ही खत्म हो गए।

जिन कार्यों पर दोनों ने परिणाम जमा किए, उनमें Carbon का औसत स्कोर अधिक था। यहां बात सिर्फ यह याद दिलाने की है कि कई घंटे चल सकने वाला एजेंट भी लक्ष्य गलत समझ सकता है या अंतिम डिलिवरी अधूरी छोड़ सकता है।

लेख और वेबसाइट: सार्वजनिक उदाहरण क्या बताते हैं?

एक ही सामग्री: Fable की संरचना बेहतर, Astra का वर्कफ़्लो तेज

शोध के दौरान हमने एक ही 20 पृष्ठ की PDF सामग्री Fable 5.1 और Astra को देकर लंबा लेख बनाने को कहा था।

Fable की शुरुआत और लेख की संरचना हमारी पसंद के करीब थी, क्रम स्पष्ट और तर्क व्यवस्थित था। लेकिन Astra ने पूरा वर्कफ़्लो जल्दी पूरा किया।

लेखन के लिए मॉडल इस्तेमाल करते समय पहले व्यवस्थित सामग्री दें या कम से कम मोटी रूपरेखा और संरचना तय करें। तभी जांच सकते हैं कि आउटपुट जरूरत पूरी करता है या नहीं।

वेबसाइट बनाना: स्कोर को सीधे ट्रैफ़िक और रूपांतरण न मानें

WebDev Arena के 27/10/2026 के पृष्ठ स्नैपशॉट में ये स्कोर थे:

स्रोत: WebDev Arena की मूल रैंकिंग।

वेबसाइट बनाना विकास, लेखन और खोज इंजन नियमों के अनुकूलन का मिश्रित काम है। इसलिए WebDev Arena स्कोर दिखाने के बावजूद, वेबसाइट बनाने के व्यापक अनुभव वाली API Hop टीम के रूप में हमारी सलाह है: लेख की योजना Fable से और विकास Astra से कराएं।

कीमत की तुलना: समान टोकन दर, अलग अंतिम बिल

अक्सर लोग सीधे प्रति दस लाख टोकन की दर देखते हैं और कम कीमत वाला चुनते हैं। यह संख्या महत्वपूर्ण है, लेकिन कई चरणों के तर्क, टूल कॉल और दोबारा प्रयास वाले जटिल कामों में सिर्फ इसी दर से सस्ता मॉडल तय करना उचित नहीं।

पहले आधिकारिक सामान्य API दरें देखें

नीचे इकाई अमेरिकी डॉलर / दस लाख टोकन है; ये API Hop प्लेटफॉर्म की कीमतें नहीं हैं।

बिल पर असर डालने वाली दो और बातें हैं:

• Astra: एक अनुरोध का इनपुट 272K टोकन से ऊपर हो, तो पूरे अनुरोध की इनपुट और कैश दर 2 गुना तथा आउटपुट दर 1.5 गुना होती है; सिर्फ सीमा से अधिक हिस्से पर बढ़ोतरी नहीं होती।
• Fable 5.1: आधिकारिक जानकारी के अनुसार 1M संदर्भ पर सामान्य इनपुट और आउटपुट दरें हैं; कैश लेखन का अलग शुल्क और संग्रहण अवधि के विकल्प हैं।

अगर बड़े रिपॉज़िटरी, लंबे दस्तावेज़ या बहुत सा चैट इतिहास बार-बार संदर्भ में डालते हैं, तो इन नियमों पर खास ध्यान दें, वरना बिल चौंका सकता है।

निश्चित उपयोग की गणना का उदाहरण

मान लें कि एक अनुरोध में ठीक 100,000 गैर-कैश इनपुट टोकन और 10,000 कुल बिल योग्य आउटपुट टोकन हैं। फिलहाल टूल शुल्क, कैश लेखन, दोबारा प्रयास और विशेष प्लान की कीमतें शामिल नहीं हैं।

तालिका की गणना सरल है: इनपुट टोकन / 1,000,000 × इनपुट इकाई कीमत + आउटपुट टोकन / 1,000,000 × आउटपुट इकाई कीमत।

यहां हमने टोकन संख्या निश्चित रखी है, लेकिन वास्तविक रन में अलग मॉडल अलग लंबाई का तर्क और आउटपुट बना सकते हैं तथा अलग संख्या में दोबारा प्रयास कर सकते हैं।

“प्रति स्वीकार्य डिलिवरी खर्च”: बेहतर मूल्यांकन मानदंड

कार्य की सीमा और स्वीकृति शर्तें स्पष्ट हों, तो यह गणना कर सकते हैं:

प्रति स्वीकार्य डिलिवरेबल औसत लागत = सभी रन का API और टूल खर्च ÷ स्वीकृति पास करने वाले कार्यों की संख्या

यहां कुल खर्च में विफलता और दोबारा प्रयास भी शामिल हों। हर सफल परिणाम में मानवीय सुधार का समय अलग दर्ज करें। कोई मॉडल $2 सस्ता हो लेकिन आधा घंटा ज्यादा सुधार मांगता हो, तो वास्तविक चुनाव पूरी तरह बदल सकता है।

API Hop के मॉडल पृष्ठ प्लेटफॉर्म कीमतें और आधिकारिक संदर्भ कीमतें अलग दिखाते हैं। दोनों अलग देखें और वास्तविक निपटान नियमों को आधार बनाएं; प्लेटफॉर्म कीमत आधिकारिक API कीमत नहीं है। API Hop Astra पृष्ठ · API Hop Fable पृष्ठ · API तुलना पृष्ठ

अपने कामों से इन तीन मॉडलों को कैसे जांचेंगे?

हम वास्तविक काम को स्पष्ट स्वीकृति शर्तों वाले छोटे कार्यों में बांटने और एक छोटे बग या सुविधा से परीक्षण शुरू करने की सलाह देते हैं।

प्रक्रिया दोहराने योग्य बनाने के लिए पहले ये तीन प्रकार के कार्य तैयार करेंगे। यह परीक्षण योजना है, हमारे पूरे किए प्रयोगों के परिणाम नहीं।

हर उपलब्ध मॉडल पर हर प्रकार का कार्य तीन बार चलाएं। Astra और Fable का पहला दौर पहले किया जा सकता है; Carbon का दोहराए जा सकने वाला सार्वजनिक परीक्षण प्रवेश पुष्ट न हो, तो उसके परिणाम खाली रखेंगे और Argon को Carbon की जगह नहीं रखेंगे।

उपयोगी डेटा के लिए सामग्री संस्करण, कार्य विवरण, समय और बजट सीमा तय रखेंगे। हर बार नया सत्र लेंगे और सटीक मॉडल ID, तर्क सेटिंग, टूल संस्करण, फ़ॉलबैक हुआ या नहीं, खर्च, समय और अंतिम परिणाम दर्ज करेंगे। लेखन में तथ्य त्रुटियां और मानवीय सुधार, बग सुधार में परीक्षण और बदलाव का दायरा मुख्य माप होंगे।

टेक्स्ट की तुलना करनी हो तो इस सरल टेम्पलेट से शुरू कर सकते हैं:

हमें नीचे दी गई तथ्य सामग्री के आधार पर सामान्य पाठकों के लिए आसानी से पढ़ा जाने वाला लेख लिखना है।

पाठक: इस मुद्दे को पहली बार समझने वाले लोग
काम: समस्या समझाएं, लागू करने योग्य उपाय दें और उनके इस्तेमाल की शर्तें बताएं
जरूर शामिल करें: [3—5 मुख्य बिंदु सूचीबद्ध करें]
क्या न करें: सामग्री में न मौजूद आंकड़े जोड़ना, परीक्षण अनुभव गढ़ना, निष्कर्ष बढ़ा-चढ़ाकर बताना
आउटपुट: लेख, संबंधित तथ्यों के स्रोत और वह जानकारी जिसकी अभी पुष्टि चाहिए

सामग्री:
[वही सामग्री यहां पेस्ट करें]

एक जरूरी सिद्धांत है: सिर्फ सबसे अच्छा दिखने वाला आउटपुट न रखें। विफल कार्य, दोहराए कॉल और मानवीय बचाव भी मॉडल इस्तेमाल करने के वास्तविक खर्च हैं।

अक्सर पूछे जाने वाले सवाल

क्या Gemini 4 Carbon अब सभी के लिए उपलब्ध है?

30/10/2026 तक ऐसा मानना सही नहीं है। Google ने पहले कुछ साइबर रक्षा संगठनों को पहुंच देने और धीरे-धीरे भरोसेमंद साझेदारों तक बढ़ाने की बात कही। शोध संस्थानों का परीक्षण होना सभी डेवलपर के लिए सामान्य सार्वजनिक API पहुंच नहीं है। हम आधिकारिक उपलब्धता और वास्तविक प्लेटफॉर्म मॉडल सूची के अनुसार जानकारी अपडेट करेंगे। Google की आधिकारिक घोषणा

Astra और Fable की इनपुट-आउटपुट दरें समान हैं, तो कार्य खर्च अलग क्यों?

टोकन खपत, कैश हिट, तर्क स्तर, टूल कॉल और दोबारा प्रयास की संख्या अलग होती है। दोनों पर प्रति दस लाख टोकन $10 इनपुट और $50 आउटपुट लिखा हो, तब भी एक ही बग का खर्च समान होने की गारंटी नहीं। Gradle उदाहरण में बिल क्रमशः $3.54 और $4.34 थे। Gradle का वास्तविक परीक्षण

क्या Fable 5.1 का Max हमेशा कम तर्क स्तर से बेहतर है?

इस निश्चित दावे का प्रमाण हमने नहीं देखा। CodeRabbit के समान कोड समीक्षा कार्यों में ज्यादा तर्क वाली सेटिंग धीमी थी और समग्र रिकॉल भी कम था। पहले स्वीकृति शर्तें पूरी करने वाली सेटिंग अपनाएं, फिर तय करें कि तर्क स्तर बढ़ाना उचित है या नहीं। CodeRabbit का वास्तविक परीक्षण

चीनी में लंबे लेख के लिए तीनों में कौन बेहतर है?

अभी हम निश्चित तीन-तरफा रैंकिंग नहीं देना चाहते। लेखन उदाहरण और ज्ञान-कार्य बेंचमार्क हैं, लेकिन वे समान सामग्री, वातावरण और चीनी लेखन मानदंड वाले तीन-तरफा परीक्षण नहीं हैं। एक ही चीनी सामग्री से तथ्य शुद्धता, संरचना, लहजा और सुधार समय तुलना करें।

अलग मूल्यांकन वेबसाइटों की रैंकिंग अलग क्यों?

कार्य सेट, स्कोरिंग, तर्क सेटिंग, एजेंट टूल और बिलिंग का आधार अलग हो सकते हैं। समग्र ज्ञान परीक्षण, वास्तविक रिपॉज़िटरी सुधार और व्यावसायिक दस्तावेज़ व्यवस्थित करना अलग काम हैं। निष्कर्ष अपनाने से पहले कम से कम रैंकिंग संस्करण, परीक्षण तारीख, मॉडल सेटिंग और पास होने की शर्तें जांचें।

क्या API Hop पर तीनों मॉडल की एक ही कार्य पर सीधी तुलना कर सकते हैं?

पहले API Hop में सूचीबद्ध GPT-6 Astra, Claude Fable 5.1 और मॉडल कैटलॉग से वास्तव में उपलब्ध मॉडल और कीमतें जांचें, फिर उसी टेक्स्ट कार्य पर आउटपुट तुलना करें। हम फिलहाल Carbon को सामान्य खाते से सीधे कॉल किए जा सकने वाला मॉडल नहीं बताते। साथ ही ऑनलाइन टेक्स्ट टूल को कोड चलाने, फ़ाइल अपलोड करने या वेब ब्राउज़ करने वाले पूरे एजेंट वातावरण के बराबर न मानें; कोडिंग एजेंट तुलना में टूल क्षमताएं अलग पुष्ट करें।

आखिर हम कैसे चुनेंगे?

इन सार्वजनिक आंकड़ों को साथ देखने के बाद हमारा चुनाव तरीका और सरल हो जाता है।

अगर मौजूदा रिपॉज़िटरी में बग ठीक करना है, तो पहले Astra और Fable को अपने प्रोजेक्ट में वही काम देंगे। सिर्फ पहले कोड लिखने वाले को नहीं, पूर्णता, रिग्रेशन परीक्षण और भविष्य के रखरखाव खर्च को देखेंगे।

अगर सामग्री व्यवस्थित करनी है, रिपोर्ट लिखनी है या लंबा शोध करना है, तो Fable के ज्ञान-कार्य प्रदर्शन पर अधिक ध्यान देंगे और Carbon के नए मूल्यांकन को आगे के परीक्षण की दिशा मानेंगे। लेकिन हर मॉडल में तथ्य जांच और स्पष्ट अंतिम स्वीकृति जरूरी है।

अगर लगातार लेख या लैंडिंग पेज बनाने हैं, तो पहले सामग्री की शर्तें पूरी होना और हर लेख का सुधार समय गिनेंगे, पूरे वर्कफ़्लो का निर्णय समग्र क्षमता रैंकिंग से नहीं करेंगे।

हमारे अनुसार सबसे उपयोगी तुलना सूत्र है: डिलिवरी स्वीकार्य है या नहीं + कुल खर्च + प्रतीक्षा समय + मानवीय सुधार।

वास्तविक टेक्स्ट कार्य आजमाने के लिए API Hop पर Astra और Fable 5.1 के विवरण, कीमतें और परीक्षण प्रवेश हैं। API तुलना पृष्ठ पर वर्तमान मॉडल और शर्तें भी देख सकते हैं। हम मॉडल सेवाएं देते हैं, लेकिन लेख के तृतीय-पक्ष परीक्षण API Hop के अपने प्रयोग नहीं हैं। स्रोत और परीक्षण सीमाएं बनाए रखेंगे ताकि आप खुद निर्णय कर सकें।

स्रोत और अपडेट रिकॉर्ड

सामग्री सत्यापन तारीख: 2026-10-29। उद्धृत रैंकिंग उस समय उपलब्ध संस्करण हैं; कीमतें, मॉडल पहुंच और मूल्यांकन बदल सकते हैं। नई आधिकारिक उपलब्धता या अपने दोहराए जा सकने वाले परीक्षण आने पर बदलाव अलग दर्ज करेंगे, नए डेटा से पुराने परीक्षण की शर्तें चुपचाप नहीं बदलेंगे।

आधिकारिक मॉडल और कीमतें

• OpenAI: GPT-6 Astra मॉडल विनिर्देश और बिलिंग
• Anthropic: Claude Fable 5.1 का आधिकारिक मॉडल पृष्ठ
• Google: Gemini 4 Carbon का परिचय, 2026-10-28

स्वतंत्र मूल्यांकन और उदाहरण

• Artificial Analysis: Intelligence Index v5.0 में Carbon के परिणाम
• Artificial Analysis: Astra और Fable की समग्र/ज्ञान-कार्य तुलना
• Artificial Analysis: Antigravity CLI और Codex
• Artificial Analysis: Claude Code और Codex (Fable 5.1 संस्करण के परिणाम सहित)
• imec/aistack: 64 कोडिंग कार्य और वास्तविक बिल
• Gradle इंजीनियरिंग ब्लॉग: एक दस्तावेज़ बग सुधारने के दो तरीके
• CodeRabbit: Fable 5.1 का वास्तविक कोड समीक्षा परीक्षण
• CRUX: Astra और Fable के खुले शोध कार्य
• FrontierCS: Gemini 4 Carbon के पांच घंटे वाले शोध कोड कार्य
• Aaron Makelky: Astra और Fable लेखन/वेबसाइट अनुभव
• WebDev Arena: वेबसाइट निर्माण रैंकिंग

संपादकीय टिप्पणी: लेख में “हम” का अर्थ API Hop टीम का स्रोत सत्यापन, विश्लेषण और उपयोग सुझाव है, यह दावा नहीं कि हमने तृतीय-पक्ष प्रयोग खुद दोहराए हैं। हर उदाहरण की खर्च गणना में मान्यताएं स्पष्ट हैं; अलग मूल्यांकन प्रणालियों के स्कोर और खर्च सीधे जोड़े या बदले नहीं जाते।