फोटो एडिटिंग की स्थिति: 2026 रिसर्च रिपोर्ट

कार्यकारी सारांश

जनवरी से अप्रैल 2026 के बीच, हमने Magic Eraser के iOS, Android और वेब प्लेटफॉर्म पर 10.2 मिलियन फोटो एडिट्स के अनामीकृत समग्र डेटा का विश्लेषण किया। डेटासेट 194 देशों के उपयोगकर्ताओं तक फैला है, हालांकि अधिकांश वॉल्यूम संयुक्त राज्य अमेरिका (34%), भारत (11%), यूनाइटेड किंगडम (8%), जर्मनी (6%) और ब्राज़ील (5%) से आता है। एडिट प्रकार, सेशन अवधि, डिवाइस मेटाडेटा, संतुष्टि रेटिंग और पुनः-एडिट दरें कैप्चर की गईं। विश्लेषण में कोई व्यक्तिगत इमेज या व्यक्तिगत रूप से पहचान योग्य जानकारी शामिल नहीं थी।

पाँच निष्कर्ष प्रमुख हैं। पहला, ऑब्जेक्ट रिमूवल ने तीन में से एक से अधिक एडिट्स के साथ प्रमुख एडिट प्रकार के रूप में अपनी स्थिति मजबूत कर ली है। दूसरा, मोबाइल एडिटिंग ने हमारे डेटासेट में पहली बार वेब को पीछे छोड़ दिया है, जो मुख्य रूप से iOS विकास द्वारा संचालित है। तीसरा, AI-सहायता प्राप्त एडिटिंग अब कोई विशिष्ट सुविधा नहीं बल्कि अधिकांश उपयोगकर्ताओं के लिए डिफ़ॉल्ट वर्कफ़्लो है, जिसमें तीन-चौथाई एडिट्स में कम से कम एक AI-संचालित चरण शामिल है। चौथा, ई-कॉमर्स उत्पाद फोटोग्राफी उद्योग द्वारा सबसे बड़ा एकल उपयोग मामला है, जो सोशल मीडिया और व्यक्तिगत उपयोग से आगे है। पाँचवाँ, AI प्रोसेसिंग में गति सुधार ने 18 महीने पहले की तुलना में औसत एडिट समय को आधे से अधिक कम कर दिया है, जो मूल रूप से उपयोगकर्ताओं की टर्नअराउंड के बारे में अपेक्षाओं को बदल रहा है।

सबसे सामान्य एडिट प्रकार

हमने प्रत्येक एडिट को उपयोग किए गए टूल और लागू परिवर्तनों के दायरे के आधार पर सात प्राथमिक प्रकारों में से एक में वर्गीकृत किया। ऑब्जेक्ट रिमूवल सभी एडिट्स के 34.1% के साथ अग्रणी है। इसमें फ़ोटो से लोगों, संकेतों, तारों, कचरे और अन्य अवांछित तत्वों को हटाना शामिल है। सामान्य ऑब्जेक्ट रिमूवल सेशन में हटाने के लिए एक से तीन ऑब्जेक्ट का चयन शामिल होता है, जिसमें प्रति सेशन औसतन 1.7 ऑब्जेक्ट होते हैं।

बैकग्राउंड रिमूवल 27.8% के साथ दूसरा सबसे सामान्य एडिट है। उपयोगकर्ता उत्पाद लिस्टिंग, प्रोफ़ाइल फ़ोटो, डिज़ाइन कंपोज़िशन और सोशल मीडिया कंटेंट के लिए किसी विषय को उसकी पृष्ठभूमि से अलग करते हैं। बूस्ट एडिट्स (चमक, कंट्रास्ट, शार्पनेस, रंग सुधार) एडिट्स का 17.6% हिस्सा हैं। जबकि बूस्ट ऐतिहासिक रूप से वैश्विक रूप से सबसे आम फोटो एडिटिंग कार्य था, अंतर्निहित कंप्यूटेशनल फोटोग्राफी वाले स्मार्टफोन कैमरों के उदय ने बुनियादी सुधारों की आवश्यकता को कम कर दिया है।

शेष श्रेणियाँ AI एक्सपैंशन या आउटपेंटिंग 8.3%, क्रिएटिव फिल और जनरेटिव एडिट्स 5.9%, टेक्स्ट और वॉटरमार्क रिमूवल 4.1% और बैच या मल्टी-इमेज ऑपरेशन 2.2% हैं। एडिट्स की लंबी पूंछ जो इन श्रेणियों में फिट नहीं होती, शेष भाग के लिए जिम्मेदार है।

प्लेटफॉर्म उपयोग रुझान

हमारे ट्रैकिंग इतिहास में पहली बार, मोबाइल एडिटिंग सेशंस ने कुल वॉल्यूम में वेब सेशंस को पीछे छोड़ दिया है। मोबाइल अब सभी एडिटिंग सेशंस का 63% हिस्सा है, जो 2025 के मध्य में 54% से बढ़ा है। iOS सभी सेशंस के 38% के साथ मोबाइल उपयोग में अग्रणी है, जबकि Android 25% पर है। वेब-आधारित एडिटिंग 41% से घटकर 37% हो गई है लेकिन विशेषज्ञ और बैच वर्कफ़्लो के लिए महत्वपूर्ण बनी हुई है जहां बड़ी स्क्रीन और कीबोर्ड शॉर्टकट सार्थक दक्षता लाभ प्रदान करते हैं।

मोबाइल की ओर बदलाव सभी एडिट प्रकारों में एक समान नहीं है। बैकग्राउंड रिमूवल और ऑब्जेक्ट रिमूवल भारी मोबाइल (क्रमशः 71% और 66% मोबाइल) हैं, जो त्वरित उत्पाद फोटो सफाई और सोशल मीडिया तैयारी जैसे उपयोग मामलों को दर्शाते हैं। बूस्ट एडिट्स अधिक संतुलित हैं (55% मोबाइल, 45% वेब), और बैच ऑपरेशन अत्यधिक वेब-आधारित (82% वेब) बने हुए हैं। इससे पता चलता है कि उपयोगकर्ता केवल डिवाइस प्राथमिकता के आधार पर नहीं, बल्कि कार्य जटिलता और शामिल इमेजेज की संख्या के आधार पर अपने प्लेटफॉर्म का चयन करते हैं।

भौगोलिक रूप से, मोबाइल का वर्चस्व भारत (78% मोबाइल), ब्राज़ील (74% मोबाइल) और दक्षिण पूर्व एशिया (76% मोबाइल) में सबसे मजबूत है, जबकि वेब उपयोग संयुक्त राज्य अमेरिका (42% वेब), जर्मनी (45% वेब) और जापान (43% वेब) में अपेक्षाकृत मजबूत बना हुआ है। ये अंतर व्यापक इंटरनेट एक्सेस पैटर्न से संबंधित हैं: मोबाइल-प्रथम बाजार तदनुसार मोबाइल-प्रथम एडिटिंग व्यवहार दिखाते हैं।

फोटो एडिटिंग में AI अपनाना

डेटासेट में सबसे उल्लेखनीय प्रवृत्ति AI-संचालित एडिटिंग का त्वरण है। जनवरी 2025 में, हमारे प्लेटफॉर्म पर 41% एडिट्स ने कम से कम एक AI-संचालित सुविधा (ऑब्जेक्ट रिमूवल, बैकग्राउंड रिमूवल, AI एक्सपैंशन, जनरेटिव फिल, या AI-संचालित बूस्ट) का उपयोग किया। अप्रैल 2026 तक, यह आंकड़ा 74% तक पहुंच गया है। यह वृद्धि प्रति माह लगभग 2 प्रतिशत अंकों पर उल्लेखनीय रूप से स्थिर रही है।

AI-केवल वर्कफ़्लो — वे सेशंस जहां हर एडिटिंग चरण AI-संचालित है और कोई मैन्युअल समायोजन नहीं है — सभी सेशंस का 39% हिस्सा हैं, जो 2025 की शुरुआत में 18% से बढ़ा है। हाइब्रिड वर्कफ़्लो जहां उपयोगकर्ता AI टूल्स को मैन्युअल समायोजन (क्रॉपिंग, रोटेशन, मैन्युअल ब्रश सुधार) के साथ जोड़ते हैं, 35% हिस्सा हैं। पूरी तरह से मैन्युअल एडिटिंग 23% से घटकर 12% सेशंस पर आ गई है। शेष 14% में वे सेशंस शामिल हैं जहां उपयोगकर्ता एडिटर खोलते हैं लेकिन एडिट पूरा नहीं करते।

महत्वपूर्ण रूप से, उपयोगकर्ता संतुष्टि स्कोर हाइब्रिड वर्कफ़्लो (5 में से 4.4) के लिए सबसे अधिक हैं, जो AI-केवल वर्कफ़्लो (5 में से 4.3) से थोड़ा ऊपर और मैन्युअल-केवल वर्कफ़्लो (5 में से 3.7) से काफी ऊपर हैं। इससे पता चलता है कि AI ऑटोमेशन और मानव निर्णय का संयोजन वर्तमान में सर्वोत्तम अनुभूत परिणाम देता है। जो उपयोगकर्ता AI-जनरेटेड एडिट लेते हैं और फिर इसे मैन्युअल रूप से फाइन-ट्यून करते हैं, वे अपने आउटपुट में सबसे अधिक विश्वास रिपोर्ट करते हैं।

उद्योग विभाजन

सभी फोटो एडिट्स व्यक्तिगत नहीं होते। हमारे प्लेटफॉर्म पर एडिटिंग गतिविधि का एक बड़ा और बढ़ता हुआ हिस्सा विशेषज्ञ और व्यावसायिक उपयोग मामलों द्वारा संचालित है। हमने स्व-रिपोर्टेड खाता प्रकार (व्यावसायिक खातों के लिए), एडिट पैटर्न और इमेज कंटेंट सिग्नल्स के संयोजन से उद्योग श्रेणियों का अनुमान लगाया। वर्गीकरण अनुमानित है और कुछ ओवरलैप मौजूद है, मुख्यतः सोशल मीडिया और अन्य श्रेणियों के बीच।

ई-कॉमर्स उत्पाद फोटोग्राफी सभी एडिट्स के 31% के साथ सबसे बड़ा एकल-उद्योग खंड है। इसमें Amazon, Shopify, Etsy, eBay और अन्य मार्केटप्लेस पर विक्रेता शामिल हैं जिन्हें सफेद या पारदर्शी पृष्ठभूमि वाली साफ उत्पाद इमेजेज की आवश्यकता होती है। सामान्य ई-कॉमर्स उपयोगकर्ता बैकग्राउंड रिमूवल और बूस्ट एडिट्स करता है और प्रति सेशन औसतन 4.7 इमेजेज प्रोसेस करता है, जो प्लेटफॉर्म-व्यापी औसत 1.9 से काफी अधिक है।

रियल एस्टेट फोटोग्राफी एडिट्स का 16% हिस्सा है। एजेंट और प्रॉपर्टी मैनेजर इंटीरियर और एक्सटीरियर शॉट्स को साफ करने के लिए ऑब्जेक्ट रिमूवल, व्यापक कमरे के दृश्य दिखाने के लिए AI एक्सपैंशन और अंधेरे स्थानों में रोशनी सुधारने के लिए बूस्ट का उपयोग करते हैं। सोशल मीडिया कंटेंट क्रिएशन एडिट्स का 14% हिस्सा है, जिसमें विशेषज्ञ श्रेणियों में सबसे तेज सेशन समय और सबसे अधिक मोबाइल उपयोग हिस्सेदारी है। व्यक्तिगत उपयोग (व्यक्तिगत फ़ोटो का गैर-व्यावसायिक एडिटिंग) सभी एडिट्स का 22% हिस्सा है। शेष 17% मार्केटिंग एजेंसियों (7%), शिक्षा (4%), पत्रकारिता और मीडिया (3%) और अन्य विशेषज्ञ श्रेणियों (3%) में वितरित है।

गुणवत्ता सुधार और संतुष्टि मेट्रिक्स

बड़े पैमाने पर फोटो एडिट्स की गुणवत्ता मापना स्वाभाविक रूप से कठिन है क्योंकि गुणवत्ता व्यक्तिपरक और संदर्भ-निर्भर है। हम तीन प्रॉक्सी मेट्रिक्स का उपयोग करते हैं: उपयोगकर्ता-रिपोर्टेड संतुष्टि रेटिंग (वैकल्पिक पोस्ट-एडिट सर्वेक्षणों के माध्यम से एकत्रित), पुनः-एडिट दरें (एडिट्स का प्रतिशत जहां उपयोगकर्ता AI परिणाम को पूर्ववत या फिर से करते हैं), और निर्यात दरें (सेशंस का प्रतिशत जो उपयोगकर्ता द्वारा एडिटेड इमेज को सेव या शेयर करने के साथ समाप्त होते हैं)।

सभी एडिट प्रकारों में, औसत संतुष्टि रेटिंग 5 में से 4.2 है, जो Q1 2025 में 3.8 से ऊपर है। सुधार मुख्य रूप से बेहतर AI मॉडल प्रदर्शन द्वारा संचालित है, न कि उपयोगकर्ता अपेक्षाओं में बदलाव से। बैकग्राउंड रिमूवल 5 में से 4.5 पर सबसे अधिक संतुष्टि दिखाता है, जो सेगमेंटेशन मॉडल की परिपक्वता को दर्शाता है जो अब बाल, फर, पारदर्शी वस्तुओं और जटिल किनारों को उच्च विश्वसनीयता के साथ संभालते हैं। ऑब्जेक्ट रिमूवल संतुष्टि औसतन 5 में से 4.3 है, जिसमें ऑब्जेक्ट जटिलता के अनुसार स्कोर भिन्न होते हैं: सरल ऑब्जेक्ट (संकेत, तार, छोटा मलबा) 4.6 स्कोर करते हैं जबकि जटिल ऑब्जेक्ट (भीड़-भाड़ वाले दृश्यों में लोग, आंशिक रूप से अस्पष्ट वस्तुएँ) 3.9 स्कोर करते हैं।

पुनः-एडिट दरें 2025 की शुरुआत में 28% से घटकर Q1 2026 में 17% हो गई हैं। कम पुनः-एडिट दर इंगित करती है कि उपयोगकर्ता पहले AI-जनरेटेड परिणाम से अधिक बार संतुष्ट होते हैं। निर्यात दरें तदनुसार 71% से बढ़कर 83% हो गई हैं, जिसका अर्थ है कि अधिक एडिटिंग सेशंस अब परित्याग के बजाय सहेजे गए आउटपुट के साथ समाप्त होते हैं। कम पुनः-एडिट और अधिक निर्यात का संयोजन आउटपुट गुणवत्ता में वास्तविक सुधार सुझाता है, न कि केवल उपयोगकर्ता की आदतन।

गति बेंचमार्क

प्रोसेसिंग गति सीधे उपयोगकर्ता अनुभव और वर्कफ़्लो थ्रूपुट को प्रभावित करती है। हमने एडिट प्रकारों और प्लेटफॉर्मों में औसत प्रोसेसिंग समय (उस क्षण से जब उपयोगकर्ता एडिट ट्रिगर करता है से लेकर परिणाम प्रदर्शित होने तक) मापा। सभी समय क्लाउड-प्रोसेस्ड एडिट्स के लिए सर्वर-साइड प्रोसेसिंग और राउंड-ट्रिप नेटवर्क लेटेंसी को दर्शाते हैं।

AI-संचालित ऑब्जेक्ट रिमूवल अब औसतन 1.8 सेकंड में पूरा होता है, जो Q1 2025 में 4.7 सेकंड से कम है — 62% सुधार। बैकग्राउंड रिमूवल सबसे तेज़ AI ऑपरेशन है जो औसतन 1.2 सेकंड में पूरा होता है, जो अत्यधिक अनुकूलित सेगमेंटेशन मॉडल से लाभान्वित होता है जिन्हें कई पीढ़ियों में परिष्कृत किया गया है। बूस्ट एडिट्स औसतन 0.8 सेकंड में पूरे होते हैं, क्योंकि कई बूस्ट ऑपरेशन हल्के मॉडल या GPU द्वारा त्वरित पारंपरिक एल्गोरिदम के साथ किए जा सकते हैं।

AI एक्सपैंशन और क्रिएटिव फिल ऑपरेशन क्रमशः औसतन 3.4 सेकंड और 4.1 सेकंड के साथ सबसे धीमे हैं, जो खरोंच से नई इमेज कंटेंट उत्पन्न करने की कम्प्यूटेशनल लागत को दर्शाते हैं। ये समय अभी भी उस सीमा के भीतर हैं जिसे उपयोगकर्ता प्रतिक्रियाशील मानते हैं (शोध हमेशा दिखाता है कि उपयोगकर्ता क्रिएटिव वर्कफ़्लो के लिए 5 सेकंड से कम के ऑपरेशन को तेज़ और 10 सेकंड से अधिक के ऑपरेशन को धीमा मानते हैं)।

प्लेटफॉर्म अंतर सार्थक हैं। वेब-आधारित एडिट्स समान ऑपरेशन के लिए मोबाइल एडिट्स की तुलना में औसतन लगभग 15% तेज़ हैं, मुख्य रूप से अधिक सुसंगत उच्च-बैंडविड्थ कनेक्शन के कारण। iOS एडिट्स Android एडिट्स की तुलना में औसतन लगभग 8% तेज़ हैं, जो iOS उपयोगकर्ता आधार में नेटवर्क बुनियादी ढांचे के अंतर और iOS उपकरणों के बीच थोड़े अधिक सुसंगत डिवाइस प्रदर्शन प्रोफाइल को दर्शाता है।

भविष्य का दृष्टिकोण: 2027 के रुझान

हमारे डेटा और व्यापक उद्योग विकास में दिखाई देने वाले प्रक्षेपवक्र के आधार पर, हम पाँच रुझानों की पहचान करते हैं जो 2027 में फोटो एडिटिंग को आकार देने की संभावना रखते हैं।

पहला, ऑन-डिवाइस AI प्रोसेसिंग का विस्तार होगा। Apple, Google और Qualcomm सभी डिफ्यूजन-आधारित मॉडल चलाने में सक्षम न्यूरल प्रोसेसिंग यूनिट्स (NPUs) में निवेश कर रहे हैं। हमारा डेटा दिखाता है कि समर्थित डिवाइसों पर 6% AI एडिट्स सरल ऑपरेशनों के लिए पहले से ही ऑन-डिवाइस प्रोसेस होते हैं। हम अनुमान लगाते हैं कि 2027 के अंत तक यह 15-20% तक पहुंच जाएगा, जो गोपनीयता प्राथमिकताओं और सामान्य एडिट्स के लिए नेटवर्क लेटेंसी के उन्मूलन से प्रेरित है।

दूसरा, वीडियो एडिटिंग फोटो एडिटिंग के साथ अभिसरित होगी। हमारा आंतरिक रोडमैप और Adobe, Canva और अन्य की सार्वजनिक घोषणाएँ AI टूल्स की ओर इशारा करती हैं जो वीडियो फ्रेम को स्थिर छवियों के समान आसानी से संभालते हैं। वीडियो से ऑब्जेक्ट रिमूवल, वीडियो में बैकग्राउंड रिप्लेसमेंट और AI-संचालित वीडियो बूस्ट सभी उद्योग भर में सक्रिय विकास में हैं। इंस्टेंट फोटो एडिटिंग द्वारा स्थापित उपयोगकर्ता अपेक्षा वीडियो पर भी लागू होगी।

तीसरा, AI एडिटिंग अदृश्य हो जाएगी। जैसे-जैसे AI प्रोसेसिंग डिफ़ॉल्ट बन जाती है (हमारे डेटा में पहले से 74% पर), AI एडिटिंग और एडिटिंग के बीच का अंतर धुंधला हो जाएगा। उपयोगकर्ता बिना यह सोचे कि AI शामिल है या नहीं, हर टूल से बुद्धिमान व्यवहार की उम्मीद करेंगे। इसका उत्पाद डिज़ाइन के लिए प्रभाव है: AI लेबल एक सुविधा बैज से एक पृष्ठभूमि धारणा में स्थानांतरित हो जाएगा।

चौथा, बैच और वर्कफ़्लो ऑटोमेशन बढ़ेगा। हमारा डेटा केवल 2.2% सेशंस पर बैच ऑपरेशन दिखाता है, लेकिन ये सेशंस असमान रूप से अधिक इमेजेज प्रोसेस करते हैं। जैसे-जैसे ई-कॉमर्स और मार्केटिंग उपयोग मामले बढ़ते हैं, हम स्वचालित पाइपलाइनों की मांग की उम्मीद करते हैं जो नियमों के एक सुसंगत सेट के खिलाफ सैकड़ों या हजारों इमेजेज प्रोसेस करती हैं। API-आधारित एडिटिंग मैन्युअल टूल उपयोग के साथ-साथ बढ़ेगी।

पाँचवाँ, गुणवत्ता की अपेक्षाएँ बढ़ती रहेंगी। AI मॉडल गुणवत्ता में प्रत्येक सुधार उपयोगकर्ता की अपेक्षाओं को ऊपर की ओर रीसेट करता है। 2026 में 4.2 का औसत संतुष्टि स्कोर 2025 में 3.8 के स्कोर की तुलना में उच्च निरपेक्ष गुणवत्ता को दर्शाता है। उपयोगकर्ता केवल खुश करने में कठिन नहीं हैं, वे एक बेहतर आधार रेखा के खिलाफ तुलना कर रहे हैं। संतुष्टि बनाए रखने के लिए स्थिर मॉडल सुधार की आवश्यकता है, न कि केवल वर्तमान गुणवत्ता स्तरों को बनाए रखने की।

पद्धति

यह रिपोर्ट Magic Eraser की प्रोडक्शन प्रणालियों से अनामीकृत, समग्र टेलीमेट्री डेटा पर आधारित है। डेटासेट 1 जनवरी 2026 से 30 अप्रैल 2026 के बीच 10,247,381 पूर्ण एडिटिंग सेशंस को कवर करता है। एक पूर्ण सेशन को वह माना जाता है जहां उपयोगकर्ता ने कम से कम एक एडिटिंग टूल का उपयोग किया, भले ही उन्होंने परिणाम निर्यात किया हो या नहीं।

सभी डेटा विश्लेषण से पहले अनामीकृत किया गया था। इस रिपोर्ट के लिए कोई व्यक्तिगत इमेज नहीं देखी या संग्रहीत की गई। विश्लेषण डेटासेट में कोई व्यक्तिगत रूप से पहचान योग्य जानकारी (नाम, ईमेल पते, IP पते) शामिल नहीं थी। डिवाइस और प्लेटफॉर्म जानकारी को मॉडल परिवार और ऑपरेटिंग सिस्टम स्तर पर एकत्र किया गया। भौगोलिक डेटा को सेशन लॉगिंग के दौरान लागू GeoIP मैपिंग का उपयोग करके देश स्तर पर एकत्र किया गया, विश्लेषण से पहले GeoIP डेटा को हटा दिया गया।

उद्योग वर्गीकरण तीन सिग्नल्स से प्राप्त हुआ: व्यावसायिक खातों के लिए स्व-रिपोर्टेड खाता प्रकार (लगभग 23% सेशंस के लिए उपलब्ध), टूल उपयोग, सेशन अवधि, इमेज काउंट और निर्यात प्रारूप की फीचर वैक्टर पर k-means का उपयोग करके एडिट पैटर्न क्लस्टरिंग, और सत्यापन के लिए 5,000 अनामीकृत सेशन मेटाडेटा रिकॉर्ड के स्तरीकृत यादृच्छिक नमूने की मैन्युअल समीक्षा। उद्योग लेबल को सटीक माप के बजाय अनुमानित अनुमान माना जाना चाहिए।

संतुष्टि रेटिंग सेशंस के यादृच्छिक 15% नमूने को प्रस्तुत एक वैकल्पिक वन-टैप पोस्ट-एडिट सर्वेक्षण के माध्यम से एकत्र की जाती है। सर्वेक्षण प्रस्तुत किए गए लोगों में प्रतिक्रिया दर 34% है, जो लगभग 520,000 संतुष्टि डेटा बिंदु प्रदान करती है। हमने प्रतिक्रिया पूर्वाग्रह को समायोजित करने के लिए व्युत्क्रम प्रवृत्ति भारांक लागू किया (जो उपयोगकर्ता उच्च-गुणवत्ता वाले एडिट्स पूरे करते हैं वे प्रतिक्रिया देने की अधिक संभावना रखते हैं)। पुनः-एडिट दरें और निर्यात दरें सभी सेशंस के लिए टेलीमेट्री से मापी जाती हैं और सर्वेक्षणों पर निर्भर नहीं करती हैं।

गति बेंचमार्क सर्वर-साइड पर अनुरोध प्राप्ति से प्रतिक्रिया प्रेषण तक मापे गए औसत और 95वें प्रतिशतक प्रोसेसिंग समय, और क्षेत्रीय नेटवर्क प्रदर्शन डेटा के आधार पर अनुमानित क्लाइंट-साइड राउंड-ट्रिप लेटेंसी दर्शाते हैं। वास्तविक उपयोगकर्ता-अनुभूत समय डिवाइस रेंडरिंग गति और स्थानीय नेटवर्क स्थितियों के आधार पर भिन्न हो सकते हैं।

यह इस रिपोर्ट का पहला संस्करण है। हम अर्ध-वार्षिक रूप से अपडेट प्रकाशित करने की योजना बनाते हैं। पद्धति और कवरेज पर प्रतिक्रिया research@magiceraser.io पर भेजी जा सकती है।