Balinder Walia2026 ਵਿੱਚ AI ਸਿਖਲਾਈ ਲਈ ਵਧੀਆ NVIDIA GPUs
AI ਹਾਰਡਵੇਅਰ ਦਾ ਲੈਂਡਸਕੇਪ ਤੇਜ਼ੀ ਨਾਲ ਵਿਕਸਤ ਹੋਇਆ ਹੈ, ਅਤੇ ਤੁਹਾਡੇ ਸਿਖਲਾਈ ਵਰਕਲੋਡ ਲਈ ਸਹੀ GPU ਦੀ ਚੋਣ ਕਰਨਾ ਪਹਿਲਾਂ ਨਾਲੋਂ ਕਿਤੇ ਜ਼ਿਆਦਾ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਭਾਵੇਂ ਤੁਸੀਂ ਇੱਕ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ ਨੂੰ ਵਧੀਆ ਬਣਾ ਰਹੇ ਹੋ, ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ ਪਾਈਪਲਾਈਨ ਨੂੰ ਸਿਖਲਾਈ ਦੇ ਰਹੇ ਹੋ, ਜਾਂ ਰੀਨਫੋਰਸਮੈਂਟ ਸਿੱਖਣ ਦੇ ਪ੍ਰਯੋਗਾਂ ਨੂੰ ਚਲਾ ਰਹੇ ਹੋ, ਤੁਹਾਡੇ ਦੁਆਰਾ ਚੁਣਿਆ GPU ਤੁਹਾਡੀ ਦੁਹਰਾਓ ਦੀ ਗਤੀ, ਲਾਗਤ ਕੁਸ਼ਲਤਾ, ਅਤੇ ਅੰਤ ਵਿੱਚ, ਤੁਹਾਡੇ ਨਤੀਜਿਆਂ ਦੀ ਗੁਣਵੱਤਾ ਨੂੰ ਸਿੱਧਾ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ।
ਇਸ ਗਾਈਡ ਵਿੱਚ, ਅਸੀਂ 2026 ਵਿੱਚ AI ਸਿਖਲਾਈ ਲਈ NVIDIA ਦੇ ਸਭ ਤੋਂ ਢੁਕਵੇਂ GPU ਵਿੱਚੋਂ ਚਾਰ ਦੀ ਤੁਲਨਾ ਕਰਦੇ ਹਾਂ: GeForce RTX 4090, A100, H100, ਅਤੇ ਸਭ ਤੋਂ ਨਵੇਂ B200। ਹਰ ਇੱਕ ਮਾਰਕੀਟ ਦੇ ਇੱਕ ਵੱਖਰੇ ਹਿੱਸੇ ਦੀ ਸੇਵਾ ਕਰਦਾ ਹੈ, ਅਤੇ ਉਹਨਾਂ ਦੇ ਵਪਾਰ ਨੂੰ ਸਮਝਣਾ ਸਹੀ ਨਿਵੇਸ਼ ਕਰਨ ਲਈ ਜ਼ਰੂਰੀ ਹੈ।
ਇੱਕ ਨਜ਼ਰ ਵਿੱਚ GPU ਨਿਰਧਾਰਨ
| ਨਿਰਧਾਰਨ | RTX 4090 | A100 (80GB) | H100 (SXM) | ਬੀ200 |
|---|---|---|---|---|
| ਆਰਕੀਟੈਕਚਰ | ਐਡਾ ਲਵਲੇਸ | ਐਂਪੀਅਰ | ਹੌਪਰ | ਬਲੈਕਵੈਲ |
| VRAM | 24 GB GDDR6X | 80 GB HBM2e | 80 GB HBM3 | 192 GB HBM3e |
| FP16 TFLOPS | 165 | 312 | 990 | 2,250 |
| ਮੈਮੋਰੀ ਬੈਂਡਵਿਡਥ | 1,008 GB/s | 2,039 GB/s | 3,350 GB/s | 8,000 GB/s |
| ਟੀ.ਡੀ.ਪੀ | 450 ਡਬਲਯੂ | 300 ਡਬਲਯੂ | 700 ਡਬਲਯੂ | 1,000 ਡਬਲਯੂ |
| ਲਗਭਗ. ਕੀਮਤ | $1,600 | $15,000 | $30,000 | $40,000+ |
RTX 4090: ਬਜਟ-ਅਨੁਕੂਲ ਪਾਵਰਹਾਊਸ
RTX 4090 ਸੁਤੰਤਰ ਖੋਜਕਰਤਾਵਾਂ, ਛੋਟੇ ਸਟਾਰਟਅੱਪਾਂ, ਅਤੇ ਸ਼ੌਕੀਨਾਂ ਵਿੱਚ ਇੱਕ ਪਸੰਦੀਦਾ ਬਣਿਆ ਹੋਇਆ ਹੈ। VRAM ਦੇ 24 GB ਦੇ ਨਾਲ, ਇਹ QLoRA ਵਰਗੀਆਂ ਕੁਆਂਟਾਈਜ਼ੇਸ਼ਨ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਲਗਭਗ 7B ਪੈਰਾਮੀਟਰਾਂ ਤੱਕ ਮਾਡਲਾਂ ਦੀ ਫਾਈਨ-ਟਿਊਨਿੰਗ ਨੂੰ ਸੰਭਾਲ ਸਕਦਾ ਹੈ। ਇਸਦੀ ਖਪਤਕਾਰ-ਗਰੇਡ ਕੀਮਤ ਇਸ ਨੂੰ ਪਹੁੰਚਯੋਗ ਬਣਾਉਂਦੀ ਹੈ, ਅਤੇ ਇਸਦਾ Ada Lovelace ਆਰਕੀਟੈਕਚਰ ਇਸਦੇ ਕੀਮਤ ਬਰੈਕਟ ਲਈ ਪ੍ਰਭਾਵਸ਼ਾਲੀ FP16 ਥ੍ਰੁਪੁੱਟ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।
ਇਸ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ: ਛੋਟੇ ਤੋਂ ਦਰਮਿਆਨੇ ਮਾਡਲਾਂ, ਪ੍ਰੋਟੋਟਾਈਪਿੰਗ, ਅਨੁਮਾਨ ਵਰਕਲੋਡ, ਬਜਟ 'ਤੇ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਵਧੀਆ-ਟਿਊਨਿੰਗ। ਜੇਕਰ ਤੁਸੀਂ 13B ਪੈਰਾਮੀਟਰਾਂ ਦੇ ਅਧੀਨ ਮਾਡਲਾਂ 'ਤੇ ਪ੍ਰਯੋਗ ਚਲਾ ਰਹੇ ਹੋ ਅਤੇ ਗਰੇਡੀਐਂਟ ਚੈਕਪੁਆਇੰਟਿੰਗ ਜਾਂ ਕੁਆਂਟਾਈਜ਼ਡ ਸਿਖਲਾਈ ਦੇ ਨਾਲ ਕੰਮ ਕਰ ਸਕਦੇ ਹੋ, ਤਾਂ RTX 4090 ਕੀਮਤ-ਤੋਂ-ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਸ਼ਾਨਦਾਰ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ।
A100 (80GB): ਸਾਬਤ ਵਰਕ ਹਾਰਸ
A100 ਸਾਲਾਂ ਤੋਂ AI ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀ ਰੀੜ੍ਹ ਦੀ ਹੱਡੀ ਰਿਹਾ ਹੈ। ਇਸਦੀ HBM2e ਮੈਮੋਰੀ ਦਾ 80 GB ਹਮਲਾਵਰ ਮੈਮੋਰੀ ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਤੋਂ ਬਿਨਾਂ ਮਾਧਿਅਮ ਤੋਂ ਵੱਡੇ ਮਾਡਲਾਂ ਦੀ ਸਿਖਲਾਈ ਲਈ ਕਾਫ਼ੀ ਜਗ੍ਹਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। NVLink ਦੁਆਰਾ ਮਲਟੀ-GPU ਸਕੇਲਿੰਗ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸਮਰਥਿਤ ਹੈ, ਅਤੇ A100 ਦੇ ਆਲੇ ਦੁਆਲੇ ਸਾਫਟਵੇਅਰ ਈਕੋਸਿਸਟਮ ਪਰਿਪੱਕ ਅਤੇ ਲੜਾਈ-ਜਾਂਚ ਕੀਤਾ ਗਿਆ ਹੈ।
ਇਸ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ: ਉਤਪਾਦਨ ਸਿਖਲਾਈ ਪਾਈਪਲਾਈਨਾਂ, ਮੱਧਮ-ਪੈਮਾਨੇ ਦੇ ਮਾਡਲ ਸਿਖਲਾਈ (7B-30B ਪੈਰਾਮੀਟਰ), ਸੰਸਥਾਵਾਂ ਜਿਨ੍ਹਾਂ ਨੂੰ ਭਰੋਸੇਯੋਗਤਾ ਦੀ ਸਾਬਤ ਹੋਣ ਦੀ ਲੋੜ ਹੈ। A100 ਕਲਾਉਡ ਪਲੇਟਫਾਰਮਾਂ 'ਤੇ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਉਪਲਬਧ ਹੈ, ਇਸ ਨੂੰ ਉਹਨਾਂ ਟੀਮਾਂ ਲਈ ਇੱਕ ਵਿਹਾਰਕ ਵਿਕਲਪ ਬਣਾਉਂਦਾ ਹੈ ਜੋ ਕਸਟਮ ਹਾਰਡਵੇਅਰ ਦਾ ਪ੍ਰਬੰਧਨ ਨਹੀਂ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਨ।
H100 (SXM): ਮੌਜੂਦਾ ਰਾਜਾ
H100 A100 ਉੱਤੇ ਇੱਕ ਪੀੜ੍ਹੀ ਦੀ ਲੀਪ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਇਸ ਦਾ ਹੌਪਰ ਆਰਕੀਟੈਕਚਰ ਟਰਾਂਸਫਾਰਮਰ ਇੰਜਣ ਨੂੰ ਪੇਸ਼ ਕਰਦਾ ਹੈ, ਜੋ ਟ੍ਰਾਂਸਫਾਰਮਰ-ਅਧਾਰਿਤ ਮਾਡਲਾਂ 'ਤੇ ਥ੍ਰੁਪੁੱਟ ਨੂੰ ਵੱਧ ਤੋਂ ਵੱਧ ਕਰਨ ਲਈ ਗਤੀਸ਼ੀਲ ਤੌਰ 'ਤੇ FP8 ਅਤੇ FP16 ਸ਼ੁੱਧਤਾ ਵਿਚਕਾਰ ਸਵਿਚ ਕਰਦਾ ਹੈ। 80 GB ਤੇਜ਼ HBM3 ਮੈਮੋਰੀ ਦੇ ਨਾਲ ਅਤੇ A100 ਦੇ FP16 TFLOPS ਤੋਂ ਲਗਭਗ ਤਿੰਨ ਗੁਣਾ, H100 ਸਿਖਲਾਈ ਦੇ ਸਮੇਂ ਨੂੰ ਨਾਟਕੀ ਢੰਗ ਨਾਲ ਘਟਾਉਂਦਾ ਹੈ।
ਇਸ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ: ਵੱਡੇ ਪੈਮਾਨੇ ਦੇ ਮਾਡਲ ਸਿਖਲਾਈ (30B-70B+ ਪੈਰਾਮੀਟਰ), ਸੰਗਠਨਾਂ ਦੀ ਸਿਖਲਾਈ ਫਾਊਂਡੇਸ਼ਨ ਮਾਡਲ, ਪੈਮਾਨੇ 'ਤੇ ਉਤਪਾਦਨ ਦਾ ਅਨੁਮਾਨ। H100 ਗੰਭੀਰ AI ਕੰਪਨੀਆਂ ਲਈ ਮਿਆਰੀ ਵਿਕਲਪ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਅਧਿਕਤਮ ਸਿਖਲਾਈ ਥ੍ਰੁਪੁੱਟ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਅਤੇ ਪ੍ਰੀਮੀਅਮ ਕੀਮਤ ਨੂੰ ਜਾਇਜ਼ ਠਹਿਰਾ ਸਕਦੀ ਹੈ।
B200: ਅਗਲੀ ਪੀੜ੍ਹੀ
NVIDIA ਦਾ ਬਲੈਕਵੈਲ-ਅਧਾਰਿਤ B200 ਡਾਟਾ ਸੈਂਟਰ GPU ਲਾਈਨਅੱਪ ਲਈ ਨਵੀਨਤਮ ਜੋੜ ਹੈ। HBM3e ਮੈਮੋਰੀ ਦੇ ਇੱਕ ਹੈਰਾਨਕੁਨ 192 GB ਅਤੇ 2,000 FP16 TFLOPS ਦੇ ਨਾਲ, ਇਹ ਇੱਕ ਸਿੰਗਲ GPU 'ਤੇ ਕੀ ਸੰਭਵ ਹੈ, ਨੂੰ ਮੁੜ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦਾ ਹੈ। ਵਿਸ਼ਾਲ ਮੈਮੋਰੀ ਪੂਲ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਤੁਸੀਂ ਆਪਣੇ ਸਿਖਲਾਈ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਨੂੰ ਸਰਲ ਬਣਾ ਕੇ, ਵੱਧ ਤੋਂ ਵੱਧ GPUs ਵਿੱਚ ਵੰਡੇ ਬਿਨਾਂ ਵੱਡੇ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇ ਸਕਦੇ ਹੋ।
ਇਸ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ: ਅਤਿ-ਆਧੁਨਿਕ ਖੋਜ, 100B ਪੈਰਾਮੀਟਰਾਂ ਤੋਂ ਵੱਧ ਸਿਖਲਾਈ ਦੇ ਮਾਡਲ, ਅਗਲੀ ਪੀੜ੍ਹੀ ਦੇ ਫਾਊਂਡੇਸ਼ਨ ਮਾਡਲ ਬਣਾਉਣ ਵਾਲੀਆਂ ਸੰਸਥਾਵਾਂ। B200 ਉਹਨਾਂ ਟੀਮਾਂ ਲਈ ਹੈ ਜੋ ਸੰਭਵ ਹੈ ਦੀਆਂ ਸੀਮਾਵਾਂ ਨੂੰ ਅੱਗੇ ਵਧਾ ਰਹੀਆਂ ਹਨ ਅਤੇ ਜਿਨ੍ਹਾਂ ਨੂੰ ਕੰਪਿਊਟ ਘਣਤਾ ਵਿੱਚ ਪੂਰਨ ਅਧਿਕਤਮ ਦੀ ਲੋੜ ਹੈ।
ਕੀਮਤ-ਪ੍ਰਦਰਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ
ਜਦੋਂ ਅਸੀਂ TFLOPS ਪ੍ਰਤੀ ਡਾਲਰ ਦੇਖਦੇ ਹਾਂ, ਤਾਂ ਤਸਵੀਰ ਦਿਲਚਸਪ ਬਣ ਜਾਂਦੀ ਹੈ:
- RTX 4090: ~103 FP16 TFLOPS ਪ੍ਰਤੀ $1,000 — ਵਧੀਆ ਕੱਚੀ ਕੀਮਤ-ਪ੍ਰਦਰਸ਼ਨ ਅਨੁਪਾਤ
- A100: ~21 FP16 TFLOPS ਪ੍ਰਤੀ $1,000 — ਐਂਟਰਪ੍ਰਾਈਜ਼ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਅਤੇ VRAM ਲਈ ਪ੍ਰੀਮੀਅਮ
- H100: ~33 FP16 TFLOPS ਪ੍ਰਤੀ $1,000 — ਆਰਕੀਟੈਕਚਰਲ ਲਾਭਾਂ ਲਈ A100 ਤੋਂ ਬਿਹਤਰ
- B200: ~56 FP16 TFLOPS ਪ੍ਰਤੀ $1,000 — ਇਸਦੀ ਕਲਾਸ ਲਈ ਬੇਮਿਸਾਲ ਮੈਮੋਰੀ ਦੇ ਨਾਲ ਸ਼ਾਨਦਾਰ
ਹਾਲਾਂਕਿ, ਕੱਚਾ TFLOPS-ਪ੍ਰਤੀ-ਡਾਲਰ ਪੂਰੀ ਕਹਾਣੀ ਨਹੀਂ ਦੱਸਦਾ। RTX 4090 ਵਿੱਚ ECC ਮੈਮੋਰੀ ਦੀ ਘਾਟ ਹੈ, ਇਸ ਵਿੱਚ ਸੀਮਤ ਮਲਟੀ-GPU ਇੰਟਰਕਨੈਕਟ ਬੈਂਡਵਿਡਥ ਹੈ, ਅਤੇ ਇਸਦਾ 24 GB VRAM ਉਹਨਾਂ ਮਾਡਲ ਆਕਾਰਾਂ ਨੂੰ ਸੀਮਤ ਕਰਦਾ ਹੈ ਜਿਸ ਨਾਲ ਤੁਸੀਂ ਕੰਮ ਕਰ ਸਕਦੇ ਹੋ। ਐਂਟਰਪ੍ਰਾਈਜ਼ GPUs ਭਰੋਸੇਯੋਗਤਾ ਗਾਰੰਟੀਆਂ, ਡਾਟਾ ਸੈਂਟਰ ਵਾਤਾਵਰਨ ਲਈ ਬਿਹਤਰ ਕੂਲਿੰਗ ਹੱਲ, ਅਤੇ ਸਾਫਟਵੇਅਰ ਸਹਾਇਤਾ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦੇ ਹਨ ਜੋ ਉਹਨਾਂ ਦੇ ਪ੍ਰੀਮੀਅਮ ਨੂੰ ਜਾਇਜ਼ ਠਹਿਰਾਉਂਦੇ ਹਨ।
ਤੁਹਾਨੂੰ ਕਿਹੜਾ GPU ਚੁਣਨਾ ਚਾਹੀਦਾ ਹੈ?
ਤੁਹਾਡੇ ਫੈਸਲੇ ਨੂੰ ਤਿੰਨ ਕਾਰਕਾਂ ਦੁਆਰਾ ਸੇਧਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ: ਮਾਡਲ ਦਾ ਆਕਾਰ, ਸਿਖਲਾਈ ਦਾ ਪੈਮਾਨਾ, ਅਤੇ ਬਜਟ.
- ਜੇ ਤੁਸੀਂ ਇੱਕ ਵਿਅਕਤੀਗਤ ਖੋਜਕਰਤਾ ਜਾਂ ਛੋਟੀ ਟੀਮ ਹੋ ਜੋ 13B ਪੈਰਾਮੀਟਰਾਂ ਦੇ ਅਧੀਨ ਮਾਡਲਾਂ ਨਾਲ ਕੰਮ ਕਰ ਰਹੀ ਹੈ, ਤਾਂ ਇਸ ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ RTX 4090 GPUs.
- ਜੇਕਰ ਤੁਸੀਂ 7B-30B ਰੇਂਜ ਵਿੱਚ ਉਤਪਾਦਨ ML ਪਾਈਪਲਾਈਨ ਅਤੇ ਸਿਖਲਾਈ ਮਾਡਲ ਚਲਾ ਰਹੇ ਹੋ, ਤਾਂ A100 ਸ਼ਾਨਦਾਰ ਕਲਾਉਡ ਉਪਲਬਧਤਾ ਦੇ ਨਾਲ ਇੱਕ ਠੋਸ, ਲਾਗਤ-ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਵਿਕਲਪ ਬਣਿਆ ਹੋਇਆ ਹੈ।
- ਜੇਕਰ ਤੁਸੀਂ ਵੱਡੇ ਮਾਡਲਾਂ (30B+) ਦੀ ਸਿਖਲਾਈ ਦੇ ਰਹੇ ਹੋ ਅਤੇ ਵੱਧ ਤੋਂ ਵੱਧ ਥ੍ਰੁਪੁੱਟ ਦੀ ਲੋੜ ਹੈ, ਤਾਂ H100 ਪ੍ਰਦਰਸ਼ਨ ਅਤੇ ਈਕੋਸਿਸਟਮ ਪਰਿਪੱਕਤਾ ਦਾ ਸਭ ਤੋਂ ਵਧੀਆ ਸੰਤੁਲਨ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।
- ਜੇ ਤੁਸੀਂ ਏਆਈ ਖੋਜ ਦੇ ਮੋਰਚੇ 'ਤੇ ਹੋ ਅਤੇ ਬਜਟ ਸਮਰੱਥਾ ਲਈ ਸੈਕੰਡਰੀ ਹੈ, ਤਾਂ ਬੀ200 ਸਭ ਤੋਂ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਿੰਗਲ GPU ਉਪਲਬਧ ਹੈ।
ਸਿੱਟਾ
AI ਸਿਖਲਾਈ ਲਈ ਕੋਈ ਵੀ ਵਧੀਆ GPU ਨਹੀਂ ਹੈ — ਤੁਹਾਡੇ ਖਾਸ ਵਰਕਲੋਡ, ਸਕੇਲ ਅਤੇ ਬਜਟ ਲਈ ਸਿਰਫ਼ ਸਭ ਤੋਂ ਵਧੀਆ GPU। RTX 4090 AI ਸਿਖਲਾਈ ਤੱਕ ਪਹੁੰਚ ਨੂੰ ਜਮਹੂਰੀ ਬਣਾਉਂਦਾ ਹੈ, A100 ਅਤੇ H100 ਉਤਪਾਦਨ ਦੇ ਕੰਮ ਦੇ ਭਾਰ ਨੂੰ ਤਾਕਤ ਦਿੰਦਾ ਹੈ, ਅਤੇ B200 ਸਰਹੱਦੀ ਖੋਜ ਲਈ ਨਵੀਆਂ ਸੰਭਾਵਨਾਵਾਂ ਖੋਲ੍ਹਦਾ ਹੈ। ਆਪਣੀਆਂ ਜ਼ਰੂਰਤਾਂ ਦਾ ਧਿਆਨ ਨਾਲ ਮੁਲਾਂਕਣ ਕਰੋ, ਵਿਚਾਰ ਕਰੋ ਕਿ ਕੀ ਕਲਾਉਡ ਜਾਂ ਆਨ-ਪ੍ਰੀਮਾਈਸ ਤੈਨਾਤੀ ਤੁਹਾਡੀ ਸਥਿਤੀ ਲਈ ਵਧੇਰੇ ਸਮਝਦਾਰ ਹੈ, ਅਤੇ ਹਾਰਡਵੇਅਰ ਚੁਣੋ ਜੋ ਤੁਹਾਡੇ ਟੀਚਿਆਂ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ।