আমার LLM ব্যবহার অডিট : SQLite, OpenCode, Ollama Cloud, এবং আমার প্রো সাবস্ক্রিপশন ব্যাঙ্গлайছে বিশ্বব্যাপী বাজার

Publié le 18 May 2026

Table des matières
pাঠনের সময় : 22 minutes

আমাকে কখনো কখনো জিজ্ঞাসা হয় যে আমার AI ব্যবহার খরচ কত। আমি উত্তর দিই « ২০ টাকা প্রতি মাস » এবং আমাকে চোখ বড়িয়ে দেখানো হয়। তাই আজ, আমি আপনাদের কালো ডিবাক্স খুলব। এই নিবন্ধটি আমার 73 দিনের ভাইব কোডিংয়ের সম্পূর্ণ অডিট: OpenCode SQLite ডেটাবেস থেকে ডেটা বের করার পদ্ধতি, টেবিলগুলোর কোয়েরি করার জন্য SQL কোড, এবং বাজারের সব সরবরাহকারীর সাথে সম্পূর্ণ তুলনা — পাশ্চাত্য seperti চীনীয়। ফলটি এতন অসমমিত যে আমাকে আমার গণনা তিনবার যাচাই করতে হয়েছে।

টক

(empty)

স্ট্যাক বোঝা: কে কী করছে ?

এই সংখ্যাগুলোতে ডুবি যাওয়ার আগে, আমাদের আর্কিটেকচারটি স্পষ্ট করি। আমার সেটআপে তিনটি ভিন্ন অভিনেতা আছে, এবং এগুলোকে মিশিয়ে না নিশ্চিত করা গুরুত্বপূর্ণ:

Failed to generate image: PlantUML preprocessing failed: [From <input> (line 11) ]

@startuml
skinparam backgroundColor #FEFEFE
skinparam defaultFontSize 12

title আমার LLM স্ট্যাকের তিনটি অভিনেতা
left to right direction

actor "আমি (ডেভেলপার)" as Dev

package "OpenCode\n(github.com/anomalyco/opencode)" as OC {
  rectangle "CLI এর vibe coding
^^^^^
 Syntax Error? (Assumed diagram type: component)

@startuml
skinparam backgroundColor #FEFEFE
skinparam defaultFontSize 12

title আমার LLM স্ট্যাকের তিনটি অভিনেতা
left to right direction

actor "আমি (ডেভেলপার)" as Dev

package "OpenCode\n(github.com/anomalyco/opencode)" as OC {
  rectangle "CLI এর vibe coding
মুক্ত উৎস, বিনামূল্যে" as CLI
  note right of CLI
    C'est l'outil que j'utilise
    pour coder avec des agents IA.
    Il ne fournit AUCUN modèle.
    C'est un terminal + un orchestrateur.
  end note
}

package "Ollama (স্থানীয় ইনস্টলেশন)" as OL {
  rectangle "অনুমান ক্লায়েন্ট
আমার মেশিনে ইনস্টল করা হয়েছে" as Client
  note right of Client
    C'est le logiciel qui fait tourner
    les modèles. Il peut les exécuter
    en local OU les déléguer au cloud
    selon le tag (:cloud).
    Il s'authentifie via clé SSH.
  end note
}

package "Ollama ক্লাউড
(ollama.com)" as OCloud {
  rectangle "ক্লাউড অনুমান সেবা
প্রো সাবস্ক্রিপশন : 20€/মাস" as Cloud
  note right of Cloud
    C'est le fournisseur d'inférence.
    Mes modèles avec le tag :cloud
    sont exécutés sur LEURS serveurs.
    L'abonnement Pro donne accès
    à des quotas supérieurs.
  end note
}

Dev --> CLI : "আমি প্রম্পট টাইপ করি"
CLI --> Client : "এই মডেলকে ডাকো"
Client --> Cloud : "এসএসএইচ কী + অনুরোধ
(মডেলগুলো :cloud)"
Client --> Client : "স্থানীয় নिष্পাদন
(মডেল ছাড়া :cloud)"

@enduml

OpenCode কোনো মডেল প্রদানকারী নয়।এটি একটি ওপেন-সোর্স CLI (github.com/anomalyco/opencode) যা কৃত্রিম বুদ্ধিমত্তা (IA) এজেন্টদেরকে পরিচালনা করে। এটি কোনো সাবস্ক্রিপশন বিক্রি করে না, কোনো অনুমান প্রদান করে না। এটি তার সমতুল্য।git`সংস্করণের জন্য : একটি সরঞ্জাম, একটি পরিষেবা না. Ollama Cloud হল অনুমানের প্রদানকারী।আমার স্থানীয় ওllamা ইনস্টলেশন একটি client হিসেবে কাজ করে — এটি একটি অনন্য SSH কী (Device Key) এর মাধ্যমে ওllamা সার্ভারদের সাথে প্রমাণীকরণ করে এবং ট্যাগ করা মডেল들의実行কে সে সার্ভার들에게প্রভুক্ত করে।:cloud`। প্রো সাবস্ক্রিপশন (২০€/মাস) Ucch quota উন্মুক্ত করে এবং একই মেশিনে Docker এর মাধ্যমে একাধিক অ্যাকাউন্ট একত্রিত করার অনুমতি দেয়।

ভূমিকা : একটি অডিট কেন ?

দুই মাস আগে, আমি স্থানীয় Ollama ইনস্টলেশনে মডেলগুলো বিনামূল্যে ব্যবহার করছিলাম। তারপর প্রথমবারের মতো Ollama Cloud Pro সাবস্ক্রিপশন নিয়েছি ২০ ইউরো/মাসে, যা আমাকে ক্লাউড মডেল (যেগুলোর ট্যাগ`:cloud`) প্রোভাইডারের মাধ্যমে`ollama-cloud`. দ্বিতীয় সাবস্ক্রিপশন একটি মাস পরে অনুসরণしていた, একটি আলাদা ডকার ইনস্ট্যান্সে, যেখানে এর নিজস্ব অ্যাকাউন্ট এবং নিজস্ব SSH কী ছিল — সাবস্ক্রিপশন সংযোঁড়ের বিষয়ে আমার লেখা.

আমাকে উদ্বিগ্ন করিতていた প্রশ্ন: এই ২০ ইউরো/মাস কি সঠিক? অনুমান দ্বারা নয়। সংখ্যায়।

উত্তর দিতে, আমাকে সঠিক ডেটা দরকার ছিল। অনুমান নয়। গড় নয়। আমার বাস্তব ব্যবহার, টোকেন করে টোকেন, মডেল করে মডেল, সেশন করে সেশন।

এবং OpenCode — CLI — সব এইককে একটি SQLite ডেটাবেজে সংরক্ষণ করে।

ওপেনকোড ডেটাবেস: একটি স্বর্ণ খনি

OpenCode তার সেশনের পুরো ইতিহাসকে একটি SQLite ফাইলে সংরক্ষণ করে যা অবস্থিত`~/.local/share/opencode/opencode.db`. La mienne pèse 660 Mo pour 73 jours d’utilisation — une base de données de production tout à fait respectable.

$ ls -lh ~/.local/share/opencode/opencode.db
-rw-r--r-- 1 cheroliv cheroliv 660M mai 18 12:25 opencode.db

স্কিম

ডেটাবেসে প্রায় বিশ টেবিল আছে, কিন্তু তিনটি আমাদের অডিটের জন্য গুরুত্বপূর্ণ:

schema principal

টেবিল`session`এটি বিশ্বব্যাপী নিরীক্ষণের জন্য পরিপূর্ণ: প্রতিটি সেশনে সমষ্টিগত টোকেন সংখ্যা, ব্যবহৃত মডেল ও খরচ আছে। খেত্র`model`কাঁচা JSON:

{
  "id": "deepseek-v4-pro:cloud",
  "providerID": "ollama-cloud",
  "variant": "default"
}

ক্ষেত্র`cost`ওপেনকোড ডেটাবেসে শুধুমাত্র বাহ্যিক API ফি কনসাম্পশন অনুযায়ী API কী দিয়ে পরিশোধ করা হয় (Google Gemini, OpenAI, ইত্যাদি)। Ollama- এর মাধ্যমে API কল — স্থানীয়ভাবে অথবা Ollama Cloud Pro- এর মাধ্যমে — চিহ্নিত করা হয়`cost=0`কারণ খরচটি সাবস্ক্রিপশন-ভিত্তিক, প্রতি-টোকেন না। এই 콜দের সত্য খরচ, মাসিক সাবস্ক্রিপশন।

এক্সট্র্যাকশন কোড

কোনো জিনিস ইনস্টলের দরকার নেই। Node.js 22+ একটি পরীক্ষামূলক SQLite মডিউলANTARBHUKTO KEDE (node:sqlite) যেটি পূর্ণাঙ্গরূপে কাজ করে। এখানে স্ক্রিপ্টটি দেওয়া হয়েছে যা আমাকে সবকিছু দিয়েছে :

const { DatabaseSync } = require('node:sqlite');
const db = new DatabaseSync(
  `${process.env.HOME}/.local/share/opencode/opencode.db`,
  { readonly: true }
);

// 1. Statistiques globales
const global = db.prepare(`
  SELECT
    COUNT(*) as sessions,
    SUM(tokens_input) as total_input,
    SUM(tokens_output) as total_output,
    SUM(tokens_reasoning) as total_reasoning,
    SUM(tokens_cache_read) as total_cache_read,
    SUM(cost) as total_cost
  FROM session
`).get();

// 2. Ventilation par modèle et fournisseur
const byModel = db.prepare(`
  SELECT
    json_extract(model, '$.id') as model_id,
    json_extract(model, '$.providerID') as provider,
    COUNT(*) as sessions,
    SUM(tokens_input) as total_input,
    SUM(tokens_output) as total_output,
    SUM(cost) as total_cost
  FROM session
  WHERE model IS NOT NULL
  GROUP BY model_id, provider
  ORDER BY SUM(tokens_input) DESC
`).all();

// 3. Par mois
const monthly = db.prepare(`
  SELECT
    strftime('%Y-%m', datetime(time_created/1000, 'unixepoch')) as month,
    COUNT(*) as sessions,
    SUM(tokens_input) as total_input,
    SUM(tokens_output) as total_output,
    SUM(cost) as total_cost
  FROM session
  WHERE time_created IS NOT NULL
  GROUP BY month
  ORDER BY month
`).all();

// 4. Messages par modèle (détection des changements intra-session)
const msgByModel = db.prepare(`
  SELECT
    json_extract(m.data, '$.model.providerID') as provider,
    json_extract(m.data, '$.model.modelID') as model_id,
    COUNT(*) as messages
  FROM message m
  WHERE json_extract(m.data, '$.model') IS NOT NULL
  GROUP BY provider, model_id
  ORDER BY COUNT(*) DESC
`).all();

console.log({ global, byModel, monthly, msgByModel });
db.close();

ঝাঁড়`--experimental-sqlite`Node.js 22.x-এ প্রয়োজন। Node.js 24+ -এ মডিউল স্থিতিশীল এবং আর কোনো ফ্ল্যাগ প্রয়োজন নেই।

ফলাফল : 73 দিনের ব্যবহার

বিশ্বদৃশ্য

মেট্রিক মান প্রেক্ষাপট

Sessions OpenCode

1 022

প্রতি দিন গড়েও প্রায় ১৪ সেশন

টোকেন ইনপুট

২.৬২ আर्ब

যে 94,5M ক্যাশ হিটে

Tokens Output

২১ মিলিয়ন

(No output, as no French text was provided for translation)

টোকেন তর্কবিচার

141 000

অ গুরুত্বপূর্ণ — প্রায় কোনো চিন্তা না

বাহ্যিক API খরচ

$0,22

সাবস্ক্রিপশন বাইরের খরচ (Gemini + free tiers)

এই \$0,22 সংখ্যা গুরুত্বপূর্ণ: এটি হলো যে আমি Ollama Cloud Pro সাবস্ক্রিপশনের বাড়তি অংশে পরিশোধ করেছি, অর্থাৎ تقریباً কিছু না। সাবস্ক্রিপশনটি জরুরি বিষয়গুলো কভার করে।

Failed to generate image: PlantUML preprocessing failed: [From <input> (line 7) ]

@startuml
skinparam backgroundColor #FEFEFE
skinparam defaultFontSize 12

title মাসিক উন্নয়ন — টোকেন ইনপুট
rectangle "মার্চ ২০২৬
৯ সেশন
^^^^^
 Syntax Error? (Assumed diagram type: activity)

@startuml
skinparam backgroundColor #FEFEFE
skinparam defaultFontSize 12

title মাসিক উন্নয়ন — টোকেন ইনপুট
rectangle "মার্চ ২০২৬
৯ সেশন
৩৭,৭M টোকেন" as MARS #FFE082
rectangle "এপ্রিল ২০২৬
৪৮৬ সেশন
১,৩৩ মিলিয়ন টোকেন" as AVR #81C784
rectangle "মে ২০২৬\n527 সেশন\n১.২৫ বিলিয়ন টোকেন" as MAI #64B5F6

MARS -right-> AVR : ×35
AVR -right-> MAI : stable (période en cours)

note bottom of MAI
  Mai comptabilisé jusqu'au 18.
  Projection mois complet : ~2,1 Md tokens
  si la tendance se maintient.
end note
@enduml

মার্চ ও এপ্রিলের মধ্যে উঠানবাজা অদ্ভুত: একটি মাসে ×35 বৃদ্ধি। এটি « test » ব্যবহার থেকে « production » ব্যবহারে সক্রিয়ান্তার — যখন আমিGradle প্লাগইনের জন্য সতatamente OpenCode এজেন্ট চালু করার শুরু

মডেল ও সরবাহকারী द्वारा বেনটিলেশন

Wait, that has Devanagari "द्वारा". Need to use Bengali "দ্বারা". So correct: "মডেল ও সরবাহকারী দ্বারা বেনটিলেশন". Let’s output exactly.

</think>

মডেল ও সরবাহকারী দ্বারা বেনটিলেশন

ক্ষেত্র`model`টেবিলের`session`JSON হলে,`json_extract()`শুদ্ধভাবে বাতাস বাহন করতে সক্ষম :

মডেল × প্রদানকারী সেশন Input (Note: Since no French text was provided to translate, the output is empty.) খরচ

deepseek-v4-pro @ ollama-cloud

63

220 M

1,94 M

\$0

deepseek-v4-pro @ ollama-b

124

463 M

4,15 M

\$0

deepseek-v4-pro @ ollama

100

252 M

2,25 M

\$0

deepseek-v4-flash-free @ opencode

16

1,3 M

279 K

\$0

qwen3.6-plus-free @ opencode

1

369 K

25 K

\$0

gemini-2.5-flash @ google

1

211 K

19 K

\$0,04

তিনটি ভিন্ন providers পুরোপুরি একই DeepSeek V4 Pro মডেলের জন্য : * ollama-cloud→ via পরিশোধিত Pro সাবস্ক্রিপশন (Ollama द्वारा পরিচালিত ক্লাউড) * ollama-b→ দ্বিতীয় Pro সাবস্ক্রিপশন, একটি পৃথক Docker কনটেইনারে পৃথক করা হয়েছে * ollama→ instance native locale, নিরুখ্য (আমার মেশিনে সরাসরি চলে) তিনের যোগফল 936M ইনপুট, 8,4M আউটপুট — এটি মোট ব্যবহার আমার DeepSeek V4 Pro, সব প্রোভাইডর মিলিয়ে। শুধু`ollama-cloud`(220M input) একটি সাবস্ক্রিপশন খরচ হয়। বাকি 716M মুক্ত (স্থানীয় অথবা সাবস্ক্রিপশনের সমন্বয়)।

অন্তর-সেশান মডেল: সেশন টেবিল যা দেখে না

টেবিল`session`শুধু সেশনের প্রধান মডেলটি ক্যাপচার করে। কিন্তু একই সেশনে, একটি OpenCode এজেন্ট বিভিন্ন মডেলের মধ্যে পরিবর্তন করতে পারে। টেবিল`message`প্রকাশ করে:

Modèles utilisés dans les messages (ollama-cloud provider) :
├─ deepseek-v4-pro      1 441 msgs  (32%)
├─ qwen3.5:397b         1 217 msgs  (27%)
├─ glm-5.1                712 msgs  (16%)
├─ kimi-k2.6:cloud        634 msgs  (14%)
├─ qwen3-coder:480b       414 msgs   (9%)
├─ gpt-oss:20b             34 msgs  (0,8%)
├─ qwen3-coder-next        27 msgs  (0,6%)
└─ gemma4:31b               7 msgs  (0,2%)

আমি এখন Qwen, GLM, Kimi এবং অন্যান্য মডেল ব্যবহার করি না। তারা ইতিহাসে প্রদর্শিত হয় কারণ আমি অপ্রিলে অনেক জিনিষ পরীক্ষা করেছি। মাঝে-মে থেকে, আমি DeepSeek V4 Pro-এ সীমাবদ্ধ আছি — এটি একমাত্র মডেল যা দীর্ঘ কনটেক্সটে agent governance সহ লোডকে বজায় রাখে (cf. ma comparaison Kimi/GLM/DeepSeek)। ইতিহাসে deepseek বার্তার 32% মিথyai: আজ এটি 100%।

টারিফের তুলনা — পশ্চিমিম সরবরাহকারী

অস্বস্তিকর প্রশ্ন : এই একই مصرفের খर्च ঐ প্রথাগত সরবরাহদাতাদের কাছে কতো হতো?

আমার গণনার ভিত্তি tulnar jonny :২২০M টোকেন ইনপুট + ১,৯M টোকেন আউটপুট— শুধু পাস করা আয়তন`ollama-cloud`(একমাত্রটি যা আমার প্রিমিয়াম সাবসক্রিপশনের সাথে মেলে)। বাকি 716Mটি বিনামূল্যে (Ollama স্থানীয় এবং Docker B ইনস্ট্যান্স)।

প্রদানকারী মডেল \$/M আউটপুট \$/M মাসিক খরচ × আমার সাবস্ক্রিপশন

মার সেটআপ

DeepSeek V4 Pro

0

0

\~20€

1×

Anthropic — Claude

মডেল $/M আউটপুট \$/M মাসিক খরচ × আমার সাবস্ক্রিপশন

অপাস ৪.৭

\$5

\$25

\$1 148

57×

সোনেট ৪.৬

\$3

\$15

\$689

34×

Haiku 4.5

\$1

\$5

\$230

11×

এবেন Haiku 4.5, ক্লোডের সবচেয়ে আর্থিক মডেল, ১১ গুণ আমার সাবস্ক্রিপশনের খরচ। এবং এটি আমার কোডবেসের কিছু না জানে, আমার শৈলিতে কিছু উৎপন্ন করে না, এবং গড়াল কোটলিন DSL API-কে হ্যালুসিনেট করে।

OpenAI — GPT

মডেল $/M আউটপুট \$/M মাসিক খরচ × আমার সাবস্ক্রিপশন

GPT 5.5

\$5

\$30

\$1 157

58×

GPT 5.4

\$2,50

\$15

\$579

29×

GPT 5.4 মিনি

\$0,75

\$4,50

\$174

9×

Google — Gemini

মডেল \$/M আউটপুট \$/M মাসিক খরচ × আমার সাবস্ক্রিপশন

জেমיני ৩.১ প্রো

\$2,00

\$10

\$459

২৩ বার

জেমিনি ৩ ফ্ল্যাশ

\$0,30

\$1,50

\$69

3,5×

Gemini 3 Flash 69€-এ শুধুমাত্র « নিকট » মূলyat প্রতিযোগী — কিন্তু এটি হালকা ঘন মডেল, DeepSeek V4 Pro এর মতো 1.6T MoE নয়। উৎপন্ন কোডের গুণমান কোনো সম্পর্ক নেই।

HuggingFace অনুমান প্রদানকারী

HuggingFace নিজে কোনো inferences করে না — এটি তৃতীয়-পক্ষ providers (Novita, Together, DeepInfra, Cerebras, SambaNova, Fireworks, Groq…)কে একটি একত্রিত API-কে মাধ্যমে জুড়ে। আমরা সস্তে বা দ্রুততম provider-কে বেছে নিই। এখানে মে ২০২৬-এ সংগ্রহিত DeepSeek V4 Pro-এর মূল্যাবলী দেওয়া হল:

প্রোভাইডার HF $/M আউটপুট $/M মাসিক খরচ × আমার সাবস্ক্রিপশন

নভিটা (সেরা সাশ্রয়ী)

\$1,67

\$3,38

$374

১৯×

DeepInfra

\$1,74

\$3,48

$389

19×

একসঙ্গে

\$2,10

\$4,40

৪৭০ ডলার

23×

আবজ

গোপন ট্যারিফ

(no output, as no French text was provided to translate)

—

—

হ্যাগিংফেস (Novita) এ সবচেয়ে সস্তা প্রদানকারীও আমার সাবস্ক্রিপশনের মূল্যের ১৯ গুণ খরচ করে। Ollama Cloud-এ বিপরীত, হ্যাগিংফেস অতিরিক্ত প্ল্যাটফর্ম ফি খরচ করে যদি আপনার PRO HF সাবস্ক্রিপশন না থাকে (\$9/মাস)।

Groq

Groq-এ কোনো মডেল যা আমি ব্যবহার করি না — তাদের ক্যাটালগ শুধুমাত্র GPT-OSS, Llama এবং Qwen 32B-এ সীমিত। তুলনা করা সম্ভব নয়।

ট্যারিফ তুলনা — চীনা সরবাহকারীদের

সত্যি পরীক্ষাটি চীনের বাজার। যদি DeepSeek একটি চীনীয় মডেল, তাহলে Its নেটিভ API সাশত হওয়া উচিত, না?

DeepSeek API Direct (platform.deepseek.com)

কাল \$/M আউটপুট \$/M খরচ/মাস

প্রমো -75% (শেষ ৩১ মে)

\$0,435

\$0,87

$৯৮

পূর্ণ টারিফ (জুনের থেকে)

\$1,74

\$3,48

$390

DeepSeek-এর আগ্রহী প্রচার (-75% দীর্ঘমেয়াদি) থাকলেও, সরাসরি API খরচ হয়৫×বেশি ব্যয়বহুল. নিয়মিত দামে,20×. এই শুধুমাত্র DeepSeek — অন্য কোন মডেলে অ্যাক্সেস নেই।

কিমি মুনশট (platform.kimi.com)

Kimi শুধু তার নিজের মডেলগুলো প্রস্তাব করে। DeepSeek নয়।

Alibaba Bailian (bailian.aliyun.com)

শুধুমাত্র এক প্রদানকারী যা সমস্ত চীনীয় মডেলকে জোড়া দেয় — কিন্তু বিক্রয়ের মাধ্যমে margin দিয়ে। মূল্যগুলো JavaScript-এ গতিশীলভাবে লোড হয়, যা স্ক্র্যাপিংকে অসম্ভব করে তোলে।

সারসংক্ষেপ সারণি — সব প্রদানকারী

প্রদানকারী মডেল \$/M Output \$/M মাসিক খরচ × আমার সাবস্ক্রিপশন

Ollama ক্লাউড প্রো

DeepSeek V4 Pro

0

0

প্রায় ২০ ইউরো

1×

জেমিনি 3 ফ্ল্যাশ

Gemini 3 Flash

\$0,30

\$1,50

\$69

3,5×

DeepSeek API (প্রমোশন)

DeepSeek V4 Pro

\$0,44

\$0,87

\$98

5×

GPT 5.4 Mini

GPT 5.4 মিনি

\$0,75

\$4,50

\$174

9×

Claude Haiku 4.5

ক্লোড হাইকু 4.5

\$1

\$5

\$230

11×

HuggingFace/Novita

DeepSeek V4 প্রো

\$1,67

\$3,38

\$374

19×

DeepSeek API (সাধারন)

DeepSeek V4 Pro

\$1,74

\$3,48

\$390

20×

একসাথে AI

DeepSeek V4 Pro

\$2,10

\$4,40

\$470

23×

GPT 5.4

GPT 5.4

\$2,50

\$15

\$579

29×

Claude Sonnet 4.6

Claude Sonnet 4.6

\$3

\$15

\$689

34×

ক্লোড ওপাস ৪.৭

Claude Opus 4.7

\$5

\$25

\$1 148

57×

GPT 5.5

GPT 5.5

\$5

\$30

\$1 157

58×

 
Failed to generate image: PlantUML preprocessing failed: [From <input> (line 7) ]

@startuml
skinparam backgroundColor #FEFEFE
skinparam defaultFontSize 11

title প্রত্যাশিত মাসিক খরচ — ২২০M ইনপুট + ১.৯M আউটপুট
rectangle "Ollama Cloud Pro
~20€" as OC #4CAF50
^^^^^
 Syntax Error? (Assumed diagram type: activity)

@startuml
skinparam backgroundColor #FEFEFE
skinparam defaultFontSize 11

title প্রত্যাশিত মাসিক খরচ — ২২০M ইনপুট + ১.৯M আউটপুট
rectangle "Ollama Cloud Pro
~20€" as OC #4CAF50
rectangle "Gemini Flash
$69" as GF #8BC34A
rectangle "DeepSeek প্রমো
$98" as DSP #FFC107
rectangle "GPT Mini
$174" as GM #FF9800
rectangle "ক্লোড হাইকু
$230" as CH #FF5722
rectangle "HF/Novita
\$374" as HF #F44336
rectangle "DeepSeek সাধারণ
\$390" as DSN #F44336
rectangle "GPT 5.4
$579" as G4 #D32F2F
rectangle "Claude Sonnet\n\$689" as CS #D32F2F
rectangle "Claude Opus
\$1 148" as CO #B71C1C
rectangle "GPT 5.5\n\$1 157" as G5 #880E4F

note bottom of OC
  DeepSeek V4 Pro 1.6T MoE
  + accès à tout le catalogue
  Ollama Cloud (Qwen, GLM, Kimi...)
  Inclus dans l'abonnement
end note
@enduml

লুকানো খরচ: Prompt Engineering এবং অবরতী

টোকেন খরচ শুধুমাত্র সমীকরণের একটি অংশ। সত্য খরচ হল ডেভেলপারের সময়।

OpenCode + Ollama Cloud Pro + আমার গবর্নেন্স এজেন্ট (EAGER/LAZY/Hot/Warm/Cold, গবর্নেন্স বিষয়ক নিবন্ধে বর্ণিত), আমি পাই :

  • 0 প্রম্পট ইঞ্জিনিয়ারিং পুনরাবৃত্তিমূলক: প্রসঙ্গটি স্বয়ংক্রিয়ভাবে ইনজেক্ট করা হয়

  • 90%+ প্রথম শট সঠিককোড প্রথম চেষ্টায় কম্পাইল করে।

  • deepseek 8 সমব্যাপ্ত সেশনে শূন্য হ্যালুসিনেশন(থেকে ডকুমেন্ট করা হয়েছে Kimi/GLM/DeepSeek তুলনা)

ক্লaud বা GPT বিনা ফাইন-টিউন ও governance ছাড়াই :

  • 2-3 পুনরাবৃত্তি প্রতি কাজে গড়ভাবে

  • সিস্টেম্যাটিক প্রম্পট ইঞ্জিনিয়ারিং

  • Kotlin/Gradle API-এ হ্যালুসিনেশন হয়, যখন কনটেক্সট 30K টোকেনের বেশি হয়ে যায়

মাসিক « effectif » খরচ — টোকেন × পুনরাবৃত্তি × সংশোধন সময় — আমার সমাধানের চেয়ে ২৭ গুণ থেকে ৫৪ গুণ, যেমন আমি দেখायেছি দক্ষতার অনুপাত নibond

_ এটা শুধুমাত্র টোকেন প্রতি দামের ব্যাপার নয়। একটি Claude Opus, যা ৫৭× মূল্যে এবং ৩× বেশি ইটারেশন প্রয়োজন, এর কার্যকর খরচ প্রায় ১৭০× বেশি। সরাসরি বললে: একটি ইੰਟার্নকে একটি ম্যাককিনজি পার্টনারের বেতন দেওয়ার মতো। _

Ollama ক্লাউড প্রো সাবস্ক্রিপ্টগুলো একত্রিত করা: ডকার পদ্ধতি

একটি সাবস্ক্রিপশন পর্যাপ্ত না হলে, আমরা এগুলো সংচয় করি। নিয়ম হলো প্রতিটি সাবস্ক্রিপশনকে তার নিজস্য ওল Lama ইনস্টলেশনে পৃথক করা, সঙ্গে তার নিজস্য SSH প্রমাণীকরণ কী থাকা। ডকার এটি সহজ করে দেয়।

সম্পূর্ণ পদ্ধতিটি ডক্কার সংযোগের নিবন্ধে বিস্তারিতভাবে বর্ণিত, এখানে নীতি দেওয়া হল :

Failed to generate image: PlantUML preprocessing failed: [From <input> (line 9) ]

@startuml
skinparam backgroundColor #FEFEFE
skinparam defaultFontSize 12

title আর্কিটেকচার — দুটি ওলামা ক্লাউড প্রো সাবস্ক্রিপশন একটি মেশিনে
left to right direction

node "আমার ফিজিক্যাল মেশিন" {
  frame "Ollama Instance A (native)
^^^^^
 Syntax Error? (Assumed diagram type: class)

@startuml
skinparam backgroundColor #FEFEFE
skinparam defaultFontSize 12

title আর্কিটেকচার — দুটি ওলামা ক্লাউড প্রো সাবস্ক্রিপশন একটি মেশিনে
left to right direction

node "আমার ফিজিক্যাল মেশিন" {
  frame "Ollama Instance A (native)
পোর্ট :11434" as Native {
    database "আইডেন্টিটি A
/usr/share/ollama/.ollama/id_ed25519"
  }
  frame "Ollama ইন্সটেন্স B (ডকর)
পোর্ট :11435" as Docker {
    database "Identity B
~/ollama-b-data/id_ed25519"
  }
}

cloud "Ollama Cloud" {
  actor "অ্যাকাউন্ট প্রফেশনাল A
(ইমেইল 1)" as A
  actor "প্রো অ্যাকাউন্ট B\n(ইমেইল 2)" as B
}

Native --> A : "ডিভাইস কী A"
Docker --> B : "ডিভাইস কী B"

note bottom of Docker
  Conteneur Docker isolé :
  - Clé SSH distincte
  - Port réseau distinct (11435)
  - Volume persistant (~/ollama-b-data)
  - restart: always
end note
@enduml

প্যাটার্নটি সহজ:

  1. একটি ভলিউম তৈরি করুন`~/ollama-b-data`

  2. একটি Docker কন্টেইনার চালু করুন`ollama/ollama:0.20.2`মানচিত্রে অঙ্কিত`11435:11434`

  3. কন্টেইনার থেকে SSH কী অর্জন করুন → ollama.com-এ এটি সংরক্ষণ করুন

  4. করা`ollama signin`দ্বিতীয় ইমেলের সাথে

  5. OpenCode কে দুটি প্রোভাইডার সঙ্গে কনফিগার করুন (`ollama`পর :11434,`ollama-b`উপর :11435)

দুইটি অ্যাকাউন্ট, একটি নীল কার্ড, কোন সংঘর্ষ নেই।

অডিট যা পরিমাপ করে না

অদৃশ্য কোণ প্রভাব

উত্পাদিত কোডের গুণমান

2,6 কোটি টোকেন বলে না যে কোড কম্পাইল হয় কি না। আমার 8 সেশন DeepSeek V4 Pro-এর first-shot হার >90%।

ইকোসিস্টেম OpenCode

CLI-এ (এজেন্ট, স্যান্ডবক্স, ইতিহাস, প্রম্পট ক্যাশিং) এর মূল্য অসংখ্য, তবে এটি বিনামূল্যে। এটি সাবস্ক্রিপশন মূল্যে অন্তর্ভুক্ত নয় — এটি একটি আলাদা সরঞ্জাম।

অবসর খরচ

প্রতি দিন 2 ঘন্টা নিম্নমানের মডেলের হালসিনেশন ডিবাগ করা 20€/মাস থেকে বেশি খরচ হয়।

মানের শান্তি

ধারাবাহিক ফি = কোনো আশ্চর্য নেই। প্রতি-টোকেনের মাধ্যমে, গতিবিদyarের স্পাইক খুব কষ্ট দিতে পারে।

উद्धৃত দামগুলো মে ২০২৬-এর। ছয় মাসে সবشيء কমে যাবে। কিন্তু গঠনগত বলের সমীকরণ —স্থির সাবস্ক্রিপশন vs ব্যবহার অনুযায়ী পেমেন্ট— বড় ব্যবহারকারীদের জন্য সাবস্ক্রিপশনকে এখনও অনুকূল রাখবে।

নিষ্কর্ষ : সংখ্যার বিচার

৭৩ দিন পর, ১,০২২ OpenCode সেশন, এবং ২.৬ বিলিয়ন টোকেন:

মেট্রিক বিচারের সিদ্ধান্ত

সংযোজিত বাহ্যিক API খরচ

$০.২২(প্রায় শূন্য)

সাবস্ক্রিপশন খরচ Ollama Cloud Pro

~২০€/মাস

সমতুল্য Claude Opus

$1 148/প্রতি মাস— 57× আরো মূল্যবান

সমকúl GPT 5.5

$1 157/মাস— 58× বেশি দামের

সমান HuggingFace/Novita

$374/মাস— ১৯ গুন বেশি দামি

DeepSeek API-এর সরাসরি সমতুল্য

$390/মাস— 20× বেশি মূল্য

সর্বনিম্ন খরচের সমতুল্য (Gemini Flash)

$69/মাস— 3,5× বেশি দামের, নিম্ন মডেল

বাজারের সেরা অফার

Ollama Cloud Pro ২০ ইউরো/মাস— অপরাজেয়

(empty) প্রতি মাসে 20€ দিয়ে DeepSeek V4 Pro (1.6T প্যারামিটার, MoE, CSA+HCA, 1M কনটেক্সট) Ollama Cloud‑এর মাধ্যমে অ্যাক্সেস পাওয়ার জন্য, আমি বিশ্বব্যাপার বাজারের শ্রেষ্ঠ মূল্য‑গুণমান অনুপাত পেয়েছি। চীনের সরাসরি সরবরাহকারীদেরও 5 গুণ থেকে 20 গুণ বেশি মূল্য লাগে। HuggingFace‑কেেও, তার low‑cost providers এর সমাহার দিয়ে, 19 গুণ বেশি মূল্য লাগে। পশ্চিমিম বাজার (Claude, GPT) 50‑60 গুণের দামে — একটি অন্য গ্রহের মতো।

এই অনুপাত অতিশয় অসंतুলিত, যা শাশ্বতভাবে থাকতে পারে না। যতক্ষণ এই উপস্থিত থাকে, ততক্ষণ এটি উপভোগ করুন। __

তো হ্যাঁ, আমার মাসে ২০ টাকা, এটি আমার ডেভেলপারের জীবনে সবচেয়ে ভালো টেকনিকাল বিনিয়োগ। এবং এখন আপনার কাছে এটি সঠিকভাবে প্রমাণ করতে সংখ্যাগুলো আছে।

রেফারেন্স

টারিফের উৎস

Articles connexes

HyperFrames-Gradle : ASCIIDoc কে MP4 ভিডিওতে রূপান্তর করুন
31 May 2026
স্বাধীন প্লাগিন + ব্যবহারকারী রুট আর্কিটেকচার: আমার Gradle বিল্ডগুলো কেন ডুপ্লিকেট হয়?
14 May 2026
Knowledge Graph একটি সুপারিশ ইঞ্জিন: কিভাবে আমি কালKrমে « সংলগ্ন নিবন্ধ » গুলোকে মারা দিয়েছিলাম
12 May 2026