हमने एक प्रयोग किया जिसमें हमने Kimi K2.7 Code और Claude Fable 5 को साथ-साथ तुलना के लिए 12-12 लैंडिंग पेज बनाने को कहा। कुल मिलाकर, Kimi K2.7 Code की लागत Fable 5 से लगभग 94% कम (16 गुना सस्ती) थी और इसने समान गुणवत्ता का आउटपुट दिया, खासकर जब हमने Kimi को डिज़ाइन MCP के साथ सही संदर्भ दिया।
हमने अपने निष्कर्ष OVSC वेबसाइट पर प्रकाशित किए हैं, साथ ही Claude Opus 4.8, Claude Fable 5, और Kimi K2.7 Code द्वारा उत्पन्न सभी वेरिएंट भी शामिल हैं। औसतन Kimi, Fable से ~16 गुना सस्ता और Opus से ~8 गुना सस्ता था।
ovsc.vercel.app से एक स्क्रीनशॉट
OVSC वेबसाइट आपको सभी लैंडिंग पेजों को कुल लागत, टोकन उपयोग और जनरेशन समय के विवरण के साथ देखने की सुविधा देती है।
यह समझने के लिए कि हमने यह प्रयोग कैसे किया, हमने एक बेसलाइन स्थापित करके शुरुआत की और देखा कि मॉडल अकेले प्रॉम्प्ट से क्या उत्पादन कर सकता है।
प्रॉम्प्ट्स
हमने कुछ अलग-अलग श्रेणियों में लैंडिंग-पेज प्रॉम्प्ट्स का एक छोटा सेट लेकर शुरुआत की, जिसमें B2B SaaS, एक रूफटॉप स्पीकेसी, और SQL क्वेरी के लिए एक डेवलपर टूल शामिल था। यहाँ हमारे द्वारा उपयोग किए गए प्रॉम्प्ट्स का एक नमूना है:
- SQL क्वेरी को चार्ट में बदलने वाले डेवलपर टूल के लिए लैंडिंग पेज बनाएं।
- एक रूफटॉप स्पीकेसी कॉकटेल बार के लिए लैंडिंग पेज बनाएं - आर्ट डेको, गोल्ड-लीफ और एमराल्ड, 1920s ग्लैमर।
- एक B2B SaaS स्टार्टअप के लिए लैंडिंग पेज बनाएं - एक टीम प्रोजेक्ट-मैनेजमेंट और कोलैबोरेशन टूल (कार्य, टाइमलाइन, टीम वर्कफ़्लो, इंटीग्रेशन)।
हमने Kimi K2.7 Code और Claude Fable 5 दोनों को समान प्रॉम्प्ट दिए।
यहाँ वे पेज हैं जो इन मॉडलों ने तब बनाए जब उनसे "SQL क्वेरी को चार्ट में बदलने वाले डेवलपर टूल के लिए लैंडिंग पेज बनाएं" कहा गया।
दुर्भाग्य से, दोनों मॉडलों ने ऐसे लैंडिंग पेज बनाए जो स्पष्ट रूप से AI-जनरेटेड लग रहे थे।
डिज़ाइन इंस्पिरेशन MCP सर्वर
हमने एक कस्टम MCP सर्वर सेट किया जिसने अच्छी तरह से डिज़ाइन किए गए लैंडिंग पेजों के स्क्रीनशॉट, साथ ही व्यक्तिगत UI एलिमेंट्स और अन्य विज़ुअल रेफरेंस प्रदान किए। चूंकि Kimi K2.7 Code मल्टीमॉडल है, हम उन छवियों को टेक्स्ट के साथ सीधे प्रॉम्प्ट में शामिल कर सकते थे।
इसने परिणामों को काफी बदल दिया। अकेले एक छोटे प्रॉम्प्ट से लेआउट जनरेट करने के बजाय, Kimi ठोस उदाहरणों से काम कर सकता था, विज़ुअल भाषा को समझ सकता था, और उन पैटर्न को एक नए पेज पर लागू कर सकता था। व्यवहार में, परिणामों में बेहतर पदानुक्रम, बेहतर टाइपोग्राफी, और अधिक सार्थक रचना थी।
यहाँ रूफटॉप स्पीकेसी लैंडिंग पेज का पहले और बाद का दृश्य है:
डिज़ाइन इंस्पिरेशन के साथ, Kimi ने ऐसे पेज तैयार किए जो तेज़ी से लोड हुए, टूटी-फूटी इमेज प्लेसहोल्डर से बचे, और कहीं अधिक पठनीय टाइपोग्राफी का उपयोग किया।
एक बार जब डिज़ाइन में सुधार हुआ, तो अगली चीज़ जिसे हम एक्सप्लोर करना चाहते थे वह थी लागत।
प्रति लैंडिंग पेज लागत
Kimi K2.7 Code जैसे ओपन-सोर्स मॉडल का एक फायदा लागत है। उदाहरण के लिए, B2B SaaS के लिए इस लैंडिंग पेज की कीमत Kimi के साथ सिर्फ 4 सेंट थी। उसी प्रॉम्प्ट की कीमत Claude Fable के साथ $1.09 थी, जो लगभग 27 गुना अधिक महंगी है।
औसतन, हमने Kimi K2.7 Code के साथ जो लैंडिंग पेज जनरेट किए, वे Claude Fable 5 जैसे मालिकाना मॉडल से उत्पन्न पेजों की तुलना में लगभग 16 गुना कम महंगे थे।
जनरेटिव कोडिंग एजेंटों के साथ आप शायद ही कभी लैंडिंग पेज का सिर्फ एक वर्जन जनरेट करते हैं। अक्सर, आप कई वेरिएशन जनरेट करते हैं ताकि आप विभिन्न डिज़ाइन दिशाओं, कॉपी और पेज एलिमेंट्स का पता लगा सकें। फिर आप उन पर पुनरावृत्ति करते हैं जो संभावना दिखाते हैं, प्रयोग और समायोजन के बार-बार चक्रों के माध्यम से संपादन और परिशोधन करते हैं। इस सारे आगे-पीछे के साथ, SaaS लैंडिंग पेज जैसी साधारण चीज़ के लिए भी कीमत का अंतर जल्दी से बढ़ जाता है।
यदि आप Kimi K2.7 Code के साथ 100 पेज जनरेट करते हैं, तो आप Claude Fable 5 जैसे मालिकाना मॉडल का उपयोग करने की तुलना में लगभग $94 बचाएंगे।
कम लागत एक स्पष्ट लाभ था, लेकिन हम परिणामों की गुणवत्ता की तुलना करने का एक तरीका भी चाहते थे।
परिणामों की तुलना
लैंडिंग पेज जनरेट करने के बाद, हम Kimi और Fable की तुलना करने का एक व्यवस्थित तरीका चाहते थे। हम केवल कोड को ही नहीं देख रहे थे, बल्कि प्रत्येक पेज की समग्र गुणवत्ता को देख रहे थे, जिसमें पोजिशनिंग, विज़ुअल दिशा, सामग्री संरचना, क्राफ्ट, रिस्पॉन्सिवनेस और तकनीकी निष्पादन शामिल था। ऐसा करने के लिए, हमने GPT-5.5 को प्रत्येक पेज के स्क्रीनशॉट और सोर्स कोड की समीक्षा और स्कोर करने के लिए एक रूब्रिक दिया और 0 से 100 तक अंतिम स्कोर निर्दिष्ट किया।
यहाँ प्रत्येक लैंडिंग पेज के स्कोर हैं:
Claude Fable ने दोनों उदाहरणों में उच्च स्कोर किया, लेकिन अंतर अपेक्षाकृत छोटा था। Kimi डिज़ाइन, संरचना और समग्र पेज गुणवत्ता पर प्रतिस्पर्धी बना रहा, जबकि चलाने में बहुत कम लागत आई। इस तरह के वर्कफ़्लो के लिए हमने इस ट्रेड-ऑफ को उचित माना।
Claude Fable ने दोनों उदाहरणों में उच्च स्कोर किया, लेकिन अंतर अपेक्षाकृत छोटा था। Kimi डिज़ाइन, संरचना और समग्र पेज गुणवत्ता पर प्रतिस्पर्धी बना रहा, जबकि चलाने में बहुत कम लागत आई। इस तरह के वर्कफ़्लो के लिए हमने इस ट्रेड-ऑफ को उचित माना।
अंतिम विचार
Kimi K2.7 Code जैसे ओपन-सोर्स मॉडल पहले से ही उपयोगी लैंडिंग पेज जनरेट करने में सक्षम हैं, लेकिन हमारे प्रयोग से पता चला कि अकेले प्रॉम्प्ट ही समीकरण का केवल एक हिस्सा हैं। बेहतर संदर्भ के बिना, Kimi और Claude Fable दोनों ही पॉलिश लेकिन सामान्य परिणाम उत्पन्न करते हैं।
सबसे बड़ा सुधार एक कस्टम MCP सर्वर के माध्यम से Kimi को विज़ुअल इंस्पिरेशन देने से आया। एक बार जब यह स्क्रीनशॉट और डिज़ाइन रेफरेंस से काम कर सका, तो पेज अधिक पठनीय, अधिक संरचित और अधिक विज़ुअल रूप से सार्थक हो गए।
कम लागत के साथ मिलकर, यह ओपन-सोर्स मॉडल को इस तरह के वर्कफ़्लो के लिए एक व्यावहारिक विकल्प बनाता है। यदि आप मॉडल को मजबूत इनपुट दे सकते हैं और सस्ते में पुनरावृत्ति कर सकते हैं, तो आप आश्चर्यजनक रूप से दूर तक जा सकते हैं।
आप Kimi K2.7 Code जैसे ओपन-सोर्स मॉडल को together.ai पर आज़मा सकते हैं।
