कृत्रिम बुद्धिमत्ता (Artificial Intelligence - AI) क्षेत्रात आणखी एक महत्त्वपूर्ण घडामोड झाली आहे, कारण Google ने आपल्या प्रगत AI रिझनिंग इंजिन, Gemini 2.5 Pro, ला Application Programming Interface (API) द्वारे ऍक्सेस करण्यासाठीची किंमत रचना अधिकृतपणे उघड केली आहे. या मॉडेलने बरीच चर्चा निर्माण केली आहे, विविध उद्योग मानदंडांमध्ये (benchmarks) उत्कृष्ट कामगिरी दर्शविली आहे, विशेषतः ज्यात अत्याधुनिक कोडिंग, तार्किक युक्तिवाद (logical reasoning) आणि गणितीय समस्या सोडवण्याची क्षमता आवश्यक आहे अशा कामांमध्ये. त्याच्या खर्चाच्या संरचनेचे अनावरण Google च्या वाढत्या स्पर्धात्मक मोठ्या AI मॉडेल्सच्या लँडस्केपमधील स्थिती धोरणाबद्दल महत्त्वपूर्ण अंतर्दृष्टी प्रदान करते आणि व्यापक बाजारपेठेसाठी संभाव्य ट्रेंड्सचे संकेत देते.
प्रीमियम AI ऍक्सेससाठी श्रेणीबद्ध दृष्टिकोन
Google ने Gemini 2.5 Pro साठी दोन-स्तरीय किंमत प्रणाली लागू केली आहे, जी डेव्हलपर्सनी करायच्या कामांची जटिलता आणि व्याप्ती यांच्याशी थेट संबंधित आहे. हे ‘टोकन’ (tokens) मध्ये मोजले जाते – डेटाचे मूलभूत एकक (जसे की अक्षरे, शब्द किंवा कोडचे भाग) जे हे मॉडेल प्रक्रिया करतात.
स्टँडर्ड वापर श्रेणी (Standard Usage Tier) (200,000 टोकन पर्यंत): या मोठ्या, तरीही मानक, संदर्भ विंडोमध्ये (context window) येणाऱ्या प्रॉम्प्टसाठी, डेव्हलपर्सना मॉडेलमध्ये फीड केलेल्या प्रत्येक दशलक्ष इनपुट टोकनसाठी $1.25 शुल्क आकारले जाईल. या व्हॉल्यूमचा अंदाज घेण्यासाठी, एक दशलक्ष टोकन अंदाजे 750,000 इंग्रजी शब्दांच्या बरोबरीचे आहेत, हा व्हॉल्यूम ‘The Lord of the Rings’ सारख्या महाकाव्याच्या संपूर्ण मजकुरापेक्षा जास्त आहे. या श्रेणीतील तयार केलेल्या आउटपुटची किंमत लक्षणीयरीत्या जास्त आहे, प्रत्येक दशलक्ष आउटपुट टोकनसाठी $10. हे भिन्न किंमत निर्धारण केवळ इनपुटवर प्रक्रिया करण्याच्या तुलनेत सुसंगत, संबंधित आणि उच्च-गुणवत्तेचे प्रतिसाद तयार करण्यात गुंतलेल्या संगणकीय तीव्रतेचे (computational intensity) प्रतिबिंब आहे.
विस्तारित संदर्भ श्रेणी (Extended Context Tier) (200,000 टोकन पेक्षा जास्त): एकाच प्रॉम्प्टमध्ये अत्यंत मोठ्या प्रमाणात माहिती हाताळण्यास सक्षम मॉडेल्सची वाढती गरज ओळखून – ही क्षमता स्पर्धकांकडून सार्वत्रिकपणे दिली जात नाही – Google ने Gemini 2.5 Pro च्या विस्तारित संदर्भ विंडोचा वापर करण्यासाठी एक वेगळी, उच्च किंमत निश्चित केली आहे. 200,000-टोकन मर्यादा ओलांडणाऱ्या प्रॉम्प्टसाठी, इनपुट खर्च दुप्पट होऊन प्रत्येक दशलक्ष टोकनसाठी $2.50 होतो, तर आउटपुट खर्चात 50% वाढ होऊन प्रत्येक दशलक्ष टोकनसाठी $15 होतो. हे प्रीमियम प्रगत क्षमता आणि अशा विशाल इनपुट स्पेसवर कार्यप्रदर्शन आणि सुसंगतता टिकवून ठेवण्यासाठी आवश्यक असलेल्या संबंधित संसाधनांच्या मागणीची कबुली देते. लांबलचक कायदेशीर कागदपत्रांचे विश्लेषण करणे, विस्तृत संशोधन पेपर्सचा सारांश काढणे किंवा खोल मेमरीसह जटिल, मल्टी-टर्न संभाषणांमध्ये गुंतणे यासारख्या कार्यांना या विस्तारित संदर्भ क्षमतेचा प्रचंड फायदा होतो.
हे लक्षात घेण्यासारखे आहे की Google Gemini 2.5 Pro साठी विनामूल्य ऍक्सेस श्रेणी (free access tier) देखील प्रदान करते, जरी कठोर दर मर्यादांसह (strict rate limits). हे वैयक्तिक डेव्हलपर्स, संशोधक आणि हौशी लोकांना मॉडेलच्या क्षमतांसह प्रयोग करण्याची, विशिष्ट वापराच्या प्रकरणांसाठी त्याच्या कार्यक्षमतेचे मूल्यांकन करण्याची आणि सुरुवातीच्या आर्थिक वचनबद्धतेशिवाय प्रोटोटाइप विकसित करण्याची परवानगी देते. तथापि, कोणत्याही अनुप्रयोगासाठी ज्याला भरीव थ्रुपुट (throughput) किंवा सातत्यपूर्ण उपलब्धतेची आवश्यकता असते, त्यासाठी सशुल्क API वर स्विच करणे आवश्यक होते.
Google च्या AI पोर्टफोलिओमधील स्थान
Gemini 2.5 Pro च्या किंमतीची ओळख Google च्या API ऍक्सेसद्वारे उपलब्ध असलेल्या सध्याच्या AI मॉडेल लाइनअपमधील प्रीमियम ऑफरिंग म्हणून त्याची जागा निश्चित करते. त्याची किंमत Google ने विकसित केलेल्या इतर मॉडेल्सपेक्षा लक्षणीयरीत्या जास्त आहे, जी क्षमता आणि कार्यक्षमतेवर आधारित त्यांच्या ऑफरिंगचे विभाजन करण्याच्या धोरणावर प्रकाश टाकते.
उदाहरणार्थ, Gemini 2.0 Flash विचारात घ्या. हे मॉडेल एक हलके, वेगवान पर्याय म्हणून स्थित आहे, जेथे वेग आणि खर्च-कार्यक्षमता सर्वात महत्त्वाची आहे अशा कार्यांसाठी ऑप्टिमाइझ केलेले आहे. त्याची किंमत या स्थितीचे प्रतिबिंब आहे, प्रत्येक दशलक्ष इनपुट टोकनसाठी फक्त $0.10 आणि प्रत्येक दशलक्ष आउटपुट टोकनसाठी $0.40 खर्च येतो. हे Gemini 2.5 Pro च्या मानक श्रेणीच्या तुलनेत इनपुटसाठी दहा पटीने आणि आउटपुटसाठी पंचवीस पटीने खर्चातील फरक दर्शवते.
हा स्पष्ट फरक भिन्न लक्ष्य अनुप्रयोगांना अधोरेखित करतो:
- Gemini 2.0 Flash: उच्च-व्हॉल्यूम, कमी-लेटन्सी (low-latency) कार्यांसाठी योग्य जसे की मूलभूत सामग्री निर्मिती, साधे प्रश्नोत्तर, चॅट अनुप्रयोग जेथे जलद प्रतिसाद महत्त्वाचे आहेत आणि डेटा एक्सट्रॅक्शन जेथे उच्च-स्तरीय युक्तिवाद (reasoning) प्राथमिक आवश्यकता नाही.
- Gemini 2.5 Pro: जटिल समस्या सोडवणे, गुंतागुंतीचे कोडिंग तयार करणे आणि डीबगिंग करणे, प्रगत गणितीय युक्तिवाद, मोठ्या डेटासेट किंवा दस्तऐवजांचे सखोल विश्लेषण आणि अचूकता आणि बारकाव्यांच्या सर्वोच्च स्तरांची मागणी करणाऱ्या अनुप्रयोगांसाठी सज्ज आहे.
डेव्हलपर्सना आता काळजीपूर्वक ट्रेड-ऑफ्सचे वजन करावे लागेल. Gemini 2.5 Pro ची उत्कृष्ट युक्तिवाद क्षमता, कोडिंग कौशल्य आणि विस्तारित संदर्भ विंडो Gemini 2.0 Flash च्या वेग आणि परवडण्यायोग्यतेच्या तुलनेत भरीव किंमत प्रीमियम देण्यायोग्य आहे का? याचे उत्तर पूर्णपणे त्यांच्या अनुप्रयोगाच्या विशिष्ट मागण्यांवर आणि वर्धित क्षमतांमधून मिळणाऱ्या मूल्यावर अवलंबून असेल. ही किंमत रचना स्पष्टपणे Google चा हेतू दर्शवते की डेव्हलपर मार्केटच्या वेगवेगळ्या विभागांना वेगवेगळ्या गरजांसाठी ऑप्टिमाइझ केलेल्या विशिष्ट साधनांसह सेवा पुरवणे.
स्पर्धात्मक लँडस्केपमध्ये नेव्हिगेट करणे
जरी Gemini 2.5 Pro Google चे आजपर्यंतचे सर्वात महागडे सार्वजनिकरित्या उपलब्ध AI मॉडेल असले तरी, त्याची किंमत एका रिकाम्या जागेत अस्तित्वात नाही. OpenAI आणि Anthropic सारख्या प्रमुख स्पर्धकांच्या आघाडीच्या मॉडेल्सच्या तुलनेत त्याच्या खर्चाचे मूल्यांकन केल्यास धोरणात्मक स्थिती आणि मानलेल्या मूल्याचे एक जटिल चित्र समोर येते.
जिथे Gemini 2.5 Pro अधिक महाग दिसते:
- OpenAI चे o3-mini: OpenAI चे हे मॉडेल प्रत्येक दशलक्ष इनपुट टोकनसाठी $1.10 आणि प्रत्येक दशलक्ष आउटपुट टोकनसाठी $4.40 दराने उपलब्ध आहे. Gemini 2.5 Pro च्या मानक श्रेणी ($1.25 इनपुट / $10 आउटपुट) च्या तुलनेत, Google च्या ऑफरिंगमध्ये थोडा जास्त इनपुट खर्च आणि लक्षणीयरीत्या जास्त आउटपुट खर्च आहे. ‘mini’ हे नाव अनेकदा ‘pro’ किंवा फ्लॅगशिप मॉडेलपेक्षा लहान, संभाव्यतः वेगवान परंतु कमी सक्षम मॉडेल सूचित करते, ज्यामुळे ही तुलना वेगवेगळ्या क्षमता स्तरांमधील होते.
- DeepSeek चे R1: DeepSeek चे हे मॉडेल, जागतिक स्तरावर कमी प्रसिद्ध असले तरीही एक संबंधित खेळाडू, प्रत्येक दशलक्ष इनपुट टोकनसाठी $0.55 आणि प्रत्येक दशलक्ष आउटपुट टोकनसाठी $2.19 दराने आणखी एक किफायतशीर पर्याय सादर करते. हे Gemini 2.5 Pro ला लक्षणीयरीत्या कमी करते, R1 ला संभाव्यतः अशा वापरकर्त्यांसाठी स्थित करते जे खर्चाला सर्वाधिक प्राधान्य देतात, संभाव्यतः कार्यप्रदर्शन किंवा विस्तारित संदर्भ विंडो सारख्या वैशिष्ट्यांमध्ये तडजोड स्वीकारतात.
जिथे Gemini 2.5 Pro स्पर्धात्मक किंवा कमी किंमत ऑफर करते:
- Anthropic चे Claude 3.7 Sonnet: एक थेट स्पर्धक ज्याचा उल्लेख अनेकदा त्याच्या मजबूत कामगिरीसाठी केला जातो, Claude 3.7 Sonnet ची किंमत प्रत्येक दशलक्ष इनपुट टोकनसाठी $3 आणि प्रत्येक दशलक्ष आउटपुट टोकनसाठी $15 आहे. येथे, Gemini 2.5 Pro ची मानक श्रेणी ($1.25/$10) इनपुट आणि आउटपुट दोन्हीसाठी लक्षणीयरीत्या स्वस्त आहे. Gemini 2.5 Pro ची विस्तारित संदर्भ श्रेणी ($2.50/$15) देखील इनपुटवर स्वस्त आहे आणि Sonnet च्या आउटपुट खर्चाशी जुळते, तसेच संभाव्यतः मोठी संदर्भ विंडो किंवा भिन्न कार्यप्रदर्शन वैशिष्ट्ये ऑफर करते. यामुळे Gemini 2.5 Pro या विशिष्ट Anthropic मॉडेलच्या तुलनेत आक्रमकपणे किंमत ठरवलेले दिसते.
- OpenAI चे GPT-4.5: अनेकदा सध्याच्या AI क्षमतेच्या शिखरांपैकी एक मानले जाणारे, GPT-4.5 खूप जास्त किंमत आकारते: प्रत्येक दशलक्ष इनपुट टोकनसाठी $75 आणि प्रत्येक दशलक्ष आउटपुट टोकनसाठी $150. या मानदंडाच्या तुलनेत, Gemini 2.5 Pro, त्याच्या प्रीमियम श्रेणीत देखील, लक्षणीयरीत्या परवडणारे दिसते, इनपुटसाठी अंदाजे 30 पट कमी आणि आउटपुटसाठी 10 पट कमी खर्च येतो. हे उच्च-स्तरीय मॉडेल्समध्ये देखील महत्त्वपूर्ण खर्च स्तरीकरण दर्शवते.
हे तुलनात्मक विश्लेषण सूचितकरते की Google ने Gemini 2.5 Pro ला स्पर्धात्मक मध्यभागी धोरणात्मकदृष्ट्या स्थान दिले आहे. हा सर्वात स्वस्त पर्याय नाही, जो त्याच्या प्रगत क्षमतांचे प्रतिबिंब आहे, परंतु ते बाजारातील काही सर्वात शक्तिशाली (आणि महागड्या) मॉडेल्सना लक्षणीयरीत्या कमी करते, विशेषतः Claude 3.7 Sonnet आणि GPT-4.5 सारख्या मॉडेल्सच्या तुलनेत कार्यप्रदर्शन आणि खर्चाचा आकर्षक समतोल साधण्याचा उद्देश आहे.
डेव्हलपर प्रतिसाद आणि मानलेले मूल्य
Google चे सर्वात महागडे मॉडेल असूनही, टेक आणि डेव्हलपर समुदायांमधून समोर आलेला प्रारंभिक अभिप्राय प्रामुख्याने सकारात्मक राहिला आहे. अनेक भाष्यकार आणि सुरुवातीच्या वापरकर्त्यांनी मॉडेलच्या प्रदर्शित क्षमतांच्या प्रकाशात किंमतीला ‘समंजस’ (‘sensible’) किंवा ‘वाजवी’ (‘reasonable’) असे वर्णन केले आहे.
ही धारणा संभाव्यतः अनेक घटकांमुळे उद्भवते:
- बेंचमार्क कामगिरी (Benchmark Performance): Gemini 2.5 Pro केवळ हळूहळू सुधारलेले नाही; त्याने कोडिंग निर्मिती, तार्किक अनुमान (logical deduction) आणि जटिल गणितीय कार्यांमध्ये AI च्या मर्यादा तपासण्यासाठी खास डिझाइन केलेल्या बेंचमार्कवर उद्योगात आघाडीचे गुण मिळवले आहेत. या क्षमतांवर मोठ्या प्रमाणावर अवलंबून असलेल्या अनुप्रयोगांवर काम करणारे डेव्हलपर्स संभाव्यतः उत्कृष्ट परिणाम, कमी त्रुटी दर किंवा पूर्वी कमी सक्षम मॉडेल्ससह हाताळता न येणाऱ्या समस्यांना सामोरे जाण्याच्या क्षमतेमुळे किंमत योग्य मानू शकतात.
- विस्तारित संदर्भ विंडो (Extended Context Window): 200,000 टोकनपेक्षा मोठे प्रॉम्प्ट्स प्रक्रिया करण्याची क्षमता एक महत्त्वपूर्ण फरक आहे. मोठ्या दस्तऐवज विश्लेषणांचा समावेश असलेल्या वापराच्या प्रकरणांसाठी, दीर्घ संभाषण इतिहास राखण्यासाठी किंवा विस्तृत कोडबेसवर प्रक्रिया करण्यासाठी, हे वैशिष्ट्य एकटेच प्रचंड मूल्य प्रदान करू शकते, उच्च श्रेणीशी संबंधित प्रीमियम खर्चाचे समर्थन करते. अनेक प्रतिस्पर्धी मॉडेल्समध्ये एकतर ही क्षमता नसते किंवा ती संभाव्यतः आणखी जास्त अप्रत्यक्ष खर्चात ऑफर करतात.
- स्पर्धात्मक किंमत (Competitive Pricing) (सापेक्ष): जसे आधी नमूद केले आहे, Anthropic च्या Sonnet किंवा OpenAI च्या GPT-4.5 किंवा त्याहूनही महागड्या o1-pro सारख्या उच्च-स्तरीय मॉडेल्सच्या तुलनेत, Gemini 2.5 Pro ची किंमत स्पर्धात्मक, किंबहुना फायदेशीर वाटते. या विशिष्ट उच्च-कार्यक्षमतेच्या मॉडेल्सची तुलना करणारे डेव्हलपर्स Google च्या ऑफरिंगला अगदी सर्वोच्च खर्चाशिवाय उच्च-स्तरीय परिणाम प्रदान करणारे म्हणून पाहू शकतात.
- विनामूल्य श्रेणी उपलब्धता (Free Tier Availability): दर-मर्यादित विनामूल्य श्रेणीचे अस्तित्व डेव्हलपर्सना सशुल्क वापरासाठी वचनबद्ध होण्यापूर्वी त्यांच्या गरजांसाठी मॉडेलची योग्यता सत्यापित करण्याची परवानगी देते, प्रवेशातील अडथळा कमी करते आणि सदिच्छा वाढवते.
सकारात्मक प्रतिसाद सूचित करतो की Google ने यशस्वीरित्या मूल्य प्रस्ताव (value proposition) संवादित केला आहे – Gemini 2.5 Pro ला केवळ एक AI मॉडेल म्हणून नव्हे, तर एक उच्च-कार्यक्षमतेचे साधन म्हणून स्थान दिले आहे ज्याचा खर्च त्याच्या प्रगत क्षमता आणि स्पर्धात्मक स्थितीशी जुळतो.
अत्याधुनिक AI ची वाढती किंमत
AI उद्योगात सर्वत्र दिसणारा एक अंतर्निहित ट्रेंड म्हणजे फ्लॅगशिप मॉडेल्सच्या किंमतीवर लक्षणीय वाढीचा दबाव. जरी मूरच्या कायद्याने (Moore’s Law) ऐतिहासिकदृष्ट्या संगणकीय खर्च कमी केला असला तरी, नवीनतम, सर्वात शक्तिशाली मोठ्या भाषिक मॉडेल्सचा विकास आणि उपयोजन त्या ट्रेंडला आव्हान देत असल्याचे दिसते, किमान सध्या तरी. Google, OpenAI आणि Anthropic सारख्या प्रमुख AI लॅबमधील अलीकडील उच्च-स्तरीय रिलीझने सामान्यतः त्यांच्या पूर्ववर्ती किंवा निम्न-स्तरीय भावंडांपेक्षा जास्त किंमती आकारल्या आहेत.
OpenAI चे नुकतेच लॉन्च केलेले o1-pro या घटनेचे एक स्पष्ट उदाहरण आहे. हे कंपनीचे आजपर्यंतचे सर्वात महागडे API ऑफरिंग आहे, ज्याची किंमत प्रत्येक दशलक्ष इनपुट टोकनसाठी $150 आणि प्रत्येक दशलक्ष आउटपुट टोकनसाठी $600 इतकी प्रचंड आहे. ही किंमत GPT-4.5 च्या किंमतीलाही मागे टाकते आणि Gemini 2.5 Pro ला तुलनेत किफायतशीर बनवते.
अत्याधुनिक मॉडेल्ससाठी या वाढत्या किंमतीच्या मार्गामध्ये अनेक घटक योगदान देतात:
- तीव्र संगणकीय मागण्या (Intense Computational Demands): या प्रचंड मॉडेल्सना प्रशिक्षित करण्यासाठी प्रचंड संगणकीय शक्तीची आवश्यकता असते, ज्यात अनेकदा हजारो विशेष प्रोसेसर (जसे की GPUs किंवा Google चे TPUs) आठवडे किंवा महिने चालवावे लागतात. यामुळे हार्डवेअर संपादन, देखभाल आणि गंभीरपणे, ऊर्जा वापराच्या बाबतीत मोठे खर्च येतात.
- अनुमान खर्च (Inference Costs): वापरकर्त्यांसाठी मॉडेल चालवणे (अनुमान) देखील महत्त्वपूर्ण संगणकीय संसाधने वापरते. उच्च मागणी म्हणजे सर्व्हर पायाभूत सुविधा वाढवणे, जे पुन्हा उच्च परिचालन खर्चात रूपांतरित होते. मोठे पॅरामीटर संख्या (parameter counts) किंवा Mixture-of-Experts (MoE) सारख्या प्रगत आर्किटेक्चर असलेले मॉडेल मोठ्या प्रमाणावर चालवण्यासाठी विशेषतः महाग असू शकतात.
- संशोधन आणि विकास गुंतवणूक (Research and Development Investment): AI च्या सीमा पुढे ढकलण्यासाठी संशोधन, प्रतिभा संपादन आणि प्रयोगांमध्ये मोठ्या प्रमाणात, सतत गुंतवणूकीची आवश्यकता असते. कंपन्यांना त्यांच्या व्यावसायिक ऑफरिंगद्वारे हे भरीव R&D खर्च वसूल करणे आवश्यक आहे.
- उच्च बाजारातील मागणी (High Market Demand): व्यवसाय आणि डेव्हलपर्स प्रगत AI च्या परिवर्तनीय क्षमतेला अधिकाधिक ओळखत असल्याने, सर्वात सक्षम मॉडेल्सची मागणी वाढत आहे. मूलभूत अर्थशास्त्रानुसार, उच्च मागणी, पुरवठ्याच्या उच्च खर्चासह (संगणकीय संसाधने), उच्च किंमतींना कारणीभूत ठरू शकते, विशेषतः प्रीमियम उत्पादनांसाठी.
- मूल्य-आधारित किंमत (Value-Based Pricing): AI लॅब त्यांच्या शीर्ष मॉडेल्सची किंमत केवळ खर्च वसुलीवर आधारित न ठेवता ते प्रदान करत असलेल्या मानलेल्या मूल्यावर आधारित ठरवू शकतात. जर एखादे मॉडेल उत्पादकता लक्षणीयरीत्या सुधारू शकत असेल, जटिल कार्ये स्वयंचलित करू शकत असेल किंवा पूर्णपणे नवीन अनुप्रयोग सक्षम करू शकत असेल, तर वापरकर्ते त्या क्षमतेसाठी प्रीमियम भरण्यास तयार असू शकतात.
Google चे CEO सुंदर पिचाई (Sundar Pichai) यांचे भाष्य मागणीच्या घटकाला बळ देते. त्यांनी नमूद केले की Gemini 2.5 Pro सध्या कंपनीचे डेव्हलपर्समध्ये सर्वाधिक मागणी असलेले AI मॉडेल आहे. या लोकप्रियतेमुळे Google च्या AI Studio प्लॅटफॉर्ममध्ये आणि Gemini API द्वारे केवळ चालू महिन्यातच वापरात 80% वाढ झाली आहे. असे जलद अवलंबन शक्तिशाली AI साधनांसाठी बाजाराची भूक अधोरेखित करते आणि प्रीमियम किंमत संरचनेसाठी समर्थन प्रदान करते.
हा ट्रेंड संभाव्य बाजार विभाजनाकडे निर्देश करतो जेथे अत्याधुनिक क्षमता महत्त्वपूर्ण प्रीमियमवर येतात, तर अधिक स्थापित किंवा कमी शक्तिशाली मॉडेल अधिकाधिक वस्तू बनतात आणि परवडणारे होतात. डेव्हलपर्स आणि व्यवसायांसाठी आव्हान हे असेल की खर्च-लाभ गुणोत्तराचे सतत मूल्यांकन करणे, फ्लॅगशिप मॉडेल्सची प्रगत वैशिष्ट्ये ‘पुरेशी चांगली’ (‘good enough’) पर्यायांच्या तुलनेत जास्त खर्च कधी योग्य ठरवतात हे निर्धारित करणे. Gemini 2.5 Pro ची किंमत AI बाजाराच्या या चालू उत्क्रांतीमधील एक स्पष्ट डेटा पॉइंट आहे.