तीस दिनों में पाँच नए मॉडल। मैंने उन्हें एक शुक्रवार को गिना, एक Stripe डैशबोर्ड के सामने बैठा हुआ जिसे मैं छोटा रखने की पूरी कोशिश कर रहा हूँ, क्योंकि मैं अकेला एक व्यक्ति एक प्रोडक्ट शिप कर रहा हूँ और "मॉडल इवैल्यूएशन टीम" मेरे पास कोई लाइन आइटम नहीं है।
यहाँ वो जाल है जिसके बारे में कोई नहीं बताता जब पूरी इंडस्ट्री हर हफ़्ते टूल्स बदलती है। हर रिलीज़ के पीछे भागो और बिल्डिंग बंद हो जाती है। तुम एक फुल-टाइम टूल रिव्यूअर बन जाते हो जिसके पास संयोगवश एक GitHub भी है। बदलाव को नज़रअंदाज़ करो और एक सुबह उठकर देखते हो कि बिल दोगुना हो गया, क्योंकि किसी वेंडर ने सोते वक़्त बिलिंग की शर्तें बदल दीं। दोनों काम मैं कर चुका हूँ। तो असल में जो बात मैं करना चाहता हूँ वो ये है: मैं कैसे अपना AI कोडिंग वर्कफ़्लो लगभग हर हफ़्ते करंट रखता हूँ, बिना उसमें पूरा हफ़्ता गँवाए।
वो महीना जिसने मेरी पुरानी आदतें तोड़ दीं
सिर्फ़ जून 2026 की बात करते हैं, क्योंकि ये लगभग मज़ेदार है।
OpenCode ने Cursor को पछाड़कर डेव-टूल पावर रैंकिंग में नंबर 1 की जगह ले ली, एक ऐसा टूल जो एक साल पहले मुश्किल से दिखता था, अब जिसके GitHub पर छह अंकों की स्टार संख्या है। एक नया ओपन-वेट मॉडल WebDev Arena पर सस्ते में आया और उन इंकम्बेंट्स को अंडरकट कर दिया जिनके लिए मैं पहले से पैसे दे रहा था। GitHub Copilot ने अपने पूरे बेस को यूज़ेज-बेस्ड AI Credits में बदल दिया, और फ्लैट प्राइसिंग बस गायब हो गई। और Anthropic ने एक बिलिंग स्प्लिट की घोषणा की जो Agent SDK और claude -p को सब्सक्रिप्शन लिमिट से बाहर कर देती, क्लेम ईमेल भेजे, फिर बैकलैश के बाद लगभग दो हफ़्ते बाद पूरी बात वापस ले ली।
Anthropic वाला एक बार फिर पढ़ो। उन्होंने घोषणा शिप की, क्लेम्स प्रोसेस खोली, लगभग दो हफ़्ते चलाई, फिर बैकलैश के बाद रोककर उसे फिर से डिज़ाइन किया।
यही अब काम है। ज़मीन पैरों तले खिसकती रहती है, और असली सवाल सिर्फ़ ये है कि किन हिस्सों को तुम छूते हो और किन्हें बिल्कुल अकेला छोड़ देते हो।
मेरा AI कोडिंग वर्कफ़्लो हर हफ़्ते असल में क्या जाँचता है
मेरी एक रिचुअल है। शुक्रवार दोपहर, चालीस मिनट, एक टाइमर ताकि ज़्यादा न खिंचे। मैं तीन चीज़ें टटोलता हूँ, इससे ज़्यादा कुछ नहीं।
मॉडल रूटिंग। कौन सा मॉडल कौन सा काम करता है, और हर एक की लागत क्या है। जब सस्ता ओपन-वेट मॉडल आया, मैंने अपना पूरा स्टैक नहीं उखाड़ा। मैंने उसे एक उबाऊ, हाई-वॉल्यूम काम पर लगाया — बल्क मेटाडेटा क्लीनअप, वो काम जो मैं हर हफ़्ते हज़ारों बार चलाता हूँ। स्विच को सही ठहराने वाला गणित कुछ ऐसा दिखता है — ये आँकड़े मैकेनिक्स समझाने की एक मिसाल हैं, कोई नापा हुआ बिल नहीं: उस काम पर मौजूदा मॉडल महीने में लगभग 180 डॉलर का पड़ता है, बनाम उसी वॉल्यूम पर लगभग 95 डॉलर, ऐसी क्वालिटी पर जिसके साथ जिया जा सके। इतने से वो उस एक काम के लिए जगह कमा लेता है। वो मेरे प्रोडक्ट कोड के आसपास भी नहीं आया, और जब तक वो किसी कम-दाँव वाली जगह एक महीने के लिए खुद को साबित न कर दे, नहीं आएगा।
बिलिंग की शर्तें। ये वो है जो ज़्यादातर बिल्डर्स छोड़ देते हैं, और ये वही है जो असल में काटती है। Copilot का बदलाव कोई फ़ीचर अपडेट नहीं था, ये मेरे मार्जिन पर एक चोट थी। जब completions मुफ़्त रहीं लेकिन chat, agents और CLI क्रेडिट्स काटने लगे, वो चीज़ें जिन पर मैं दिन भर निर्भर हूँ, अचानक मीटर पर आ गईं। तुम्हें बिलिंग changelogs उसी तरह पढ़ने होंगे जैसे रिलीज़ नोट्स, क्योंकि तुम्हारे वॉलेट के लिए वो यही हैं।
रैंकिंग का शीर्ष। किसी सनक में बदलाव करने के लिए नहीं, बस मौसम का अंदाज़ा लगाने के लिए। OpenCode का दर्जनों प्रोवाइडर्स पर मॉडल-अज्ञेयवादी रहते हुए चार्ट टॉप करना मुझे बताता है कि लॉक-इन हार रहा है और पोर्टेबिलिटी जीत रही है। जानने लायक है। मैं लिख लेता हूँ। किसी चार्ट के हिलने की वजह से शुक्रवार को कुछ माइग्रेट नहीं करता।
ये तीनों जाँचना सस्ता है और छोड़ना महँगा। नंबर, शर्तें और रैंकिंग। कॉफ़ी ब्रेक से भी कम समय में सब स्कैन कर सकते हो।
मैं जान-बूझकर किसे उबाऊ रखता हूँ
यहाँ मेरी असली बढ़त है, और ये लगभग शर्मनाक रूप से नीरस है। मेरा ज़्यादातर स्टैक बिल्कुल नहीं हिलता।
मेरा कोर लूप महीनों से मुश्किल से बदला है: टर्मिनल में Claude Code, मेरे अपने स्क्रिप्ट्स, मेरा टेस्ट सूट, मेरा डिप्लॉय पाथ। उस लूप के अंदर के मॉडल लगातार बदलते रहते हैं। लूप खुद अपनी शेप बनाए रखता है। मेरे प्रॉम्प्ट्स git में रहते हैं। मेरे eval स्क्रिप्ट्स मेरे खुद के हैं, किसी वेंडर का डैशबोर्ड नहीं जिसका एक्सेस खो जाए। जब कोई मॉडल आता है, मैं अपना मौजूदा हार्नेस उस पर लगाता हूँ और बीस मिनट में नंबर वापस मिल जाता है। हार्नेस ही मुझे बचाता है, किसी भी एकल मॉडल से कहीं ज़्यादा।
यही वजह है कि Anthropic की बिलिंग उठापटक ने मुझे कभी छुआ नहीं। मेरा वर्कफ़्लो किसी ख़ास बिलिंग स्ट्रक्चर को नहीं मानता। वो मानता है कि मैं tokens के लिए किसी न किसी तरह पैसे दूँगा और खुद खर्च ट्रैक करता है। तो जब बदलाव रोका गया और फिर से डिज़ाइन किया गया, मुझे कुछ भी पूर्ववत नहीं करना था। जो जले, वो वो थे जिन्होंने अपनी पाइपलाइन एक ऐसे बिलिंग मॉडल से जोड़ ली थी जो दो हफ़्ते चली।
ठोस रूप में क्या जमा हुआ? मेरे डेटा स्कीमा। मेरे MCP server इंटरफ़ेस। मेरे डिप्लॉय स्क्रिप्ट्स, और "पूरा हुआ" की मेरी परिभाषा। ये लोड-बेयरिंग हैं, इसलिए मैं इन्हें धीरे, सोच-समझकर, और केवल तब बदलता हूँ जब कोई कारण हो जिसे मैं ज़ोर से बोल सकूँ। भले ही उनके नीचे का स्टैंडर्ड बदले — जैसे हाल के MCP spec additions — मैं नोट्स पढ़ता हूँ, फाइल करता हूँ, और सिर्फ़ वो टुकड़ा अपनाता हूँ जो आज मेरी किसी समस्या को हल करे।
अगर तुम अपनी नींव को भी हर हफ़्ते फिर से मूल्यांकन के लिए तैयार समझते हो, तो वास्तव में कोई नींव है ही नहीं। हर बार बेंचमार्क हिलने पर टेस्ट सूट फिर से लिखो और किसी बिंदु पर तुम्हारे पास टेस्ट सूट नहीं होगा, बस चिंता से भरी एक कमिट हिस्ट्री होगी।
वो नियम जो मैंने एक स्टिकी नोट पर लिखा
इनपुट्स को हर हफ़्ते फिर से जाँचो। इंटरफ़ेस स्थिर रखो।
मॉडल, कीमतें, रैंकिंग: ये इनपुट हैं। ये अंदर-बाहर बहते हैं और डिज़ाइन से बदले जा सकते हैं, टेस्ट करने में सस्ते और छोड़ने में सस्ते। तुम्हारे टुकड़ों के बीच के इंटरफ़ेस ही असली इमारत हैं: कोड-के-रूप-में-प्रॉम्प्ट्स, eval हार्नेस, तुम्हारे स्कीमा, डिप्लॉय पाथ। तुम इमारत का नवीनीकरण करते हो। सड़क के उस पार दुकान में नया रंग लगने की वजह से उसे नहीं गिराते।
जब पिछले महीने Claude Fable 5 GA गया, वो एक असली कदम था, और मैंने एक हफ़्ते के अंदर उसे अपना लिया। इसमें एक दोपहर लगी, क्योंकि मैंने अपना मौजूदा हार्नेस claude-fable-5 पर लगाया, देखा कि नंबर मेरे अपने evals पर बेहतर आए, और शिप कर दिया। ये तेज़ अडैप्टेशन है। ये सिर्फ़ इसलिए तेज़ लगा क्योंकि स्वैप के आसपास की हर चीज़ उबाऊ और स्थिर थी, और Fable के अस्तित्व में आने से सालों पहले बनाई हुई थी।
तो जब अगला "एक महीने में पाँच मॉडल" आएगा — और आएगा, शायद इसी महीने — मैं उसके लिए नहीं बैठा रहूँगा। मेरे पास मेरा शुक्रवार का टाइमर और मेरी उबाऊ रीढ़ है। अगले शुक्रवार के चालीस मिनट पहले से मेरे कैलेंडर पर ब्लॉक हैं। बदलाव तो बस इनपुट है। पहले हार्नेस बनाओ, उसे स्थिर रखो, और मॉडल्स को उसके पीछे लाइन में खड़ा होने दो।