তিনটি বর্ডারলাইন মডেল কয়েক সপ্তাহের মধ্যে এই পতনে অবতরণ করেছে, Zhipu থেকে GLM 5.2, Moonshot থেকে Kimi K3 এবং Google থেকে Gemini 3.6 Flash, এবং আমি প্রাথমিক বিকাশকারীর প্রতিক্রিয়া ক্যাপচার করতে চেয়েছিলাম যাতে আমি ট্র্যাক করতে পারি যে এই মডেলগুলি সম্পর্কে কীভাবে অনুভূতিগুলি সময়ের সাথে পরিবর্তিত হয়৷ স্বতন্ত্র রায়গুলি ভিন্ন, কিন্তু একসাথে তারা ইঙ্গিত দেয় যে কর্পোরেট কৃত্রিম বুদ্ধিমত্তার ব্যয় আসলে কোথায় যাচ্ছে।
আমাদের সাপ্তাহিক নিউজলেটার জন্য সাইন আপ করুন
GLM 5.2 উপেক্ষা করা কঠিন হতে যথেষ্ট ভাল করে
GLM 5.2-এর প্রাথমিক প্রেস কভারেজ ছিল যে এটি এখনও পর্যন্ত সবচেয়ে শক্তিশালী কেস ছিল যে খোলা এবং কম দামের মডেলগুলি ব্যবধানটি বন্ধ করে, এটির সাথে ঠিক মেলে না, তবে মূল্যের ব্যবধানটি আসল গল্পে পরিণত হওয়ার জন্য যথেষ্ট কাছাকাছি। একজন ডেভেলপার একটি সম্পূর্ণ উইকএন্ড প্রজেক্ট তৈরি করেছেন, একটি সম্পূর্ণ কর্মরত এজেন্ট, প্রায় $20-এর জন্য, এই ধরনের টাস্ক যা অনুরূপ সুযোগের প্রিমিয়াম মডেলগুলিতে $100-এর বেশি চলে। স্বাধীন পরীক্ষা এটিকে এজেন্ট কোডিং-এ বর্তমান ফ্রন্টিয়ার লিডারের ঠিক পিছনে ফেলে দিয়েছে, একটি ওপেন ওয়েট মডেলের জন্য সত্যিই একটি শক্তিশালী ফলাফল। একটি নিরাপত্তা গবেষণা সংস্থা এমনকি খুঁজে পেয়েছে যে এটি প্রতি বাগ পাওয়া প্রায় সতেরো সেন্ট হারে দুর্বলতার জন্য ক্লাউড কোড অনুসন্ধান করে, যদিও এই তুলনাটি এই মডেলের জন্য বিশেষভাবে নির্মিত একটি কাস্টম পাইপলাইনের মাধ্যমে চালানো হয়েছিল, তাই আমি এটিকে প্রতিশ্রুতিশীল হিসাবে গ্রহণ করব এবং প্রমাণ করব না যে একটি মডেল অন্যটির চেয়ে স্মার্ট। যেহেতু Zhipu পরিচিত API শৈলী ব্যবহার করে, তাই আপনার বিদ্যমান সরঞ্জামগুলিকে GLM 5.2-এ পোর্ট করা অন্তত কাগজে এক-লাইন পরিবর্তনের কাছাকাছি হতে পারে।
আপনি ডেমোর মধ্য দিয়ে যাওয়ার সাথে সাথে জটিলতা দেখা দেয়। এটি নিজে চালানোর জন্য সার্ভার-গ্রেড হার্ডওয়্যারে $80,000 থেকে $150,000 এর মতো কিছু লাগে, তাই সস্তার অর্থ হল ভাড়া দেওয়া সস্তা, নিজের জন্য সস্তা নয়। একাধিক ডেভেলপার রিপোর্ট করেছেন যে এটি লুপে আটকে গেছে বা আরও কঠিন সমস্যায় থ্রেড হারিয়েছে, একটি কাজ যা একটি প্রতিযোগী মডেল পাঁচ মিনিটেরও কম সময়ে GLM 5.2 কে এক ঘন্টার কাছাকাছি নিয়ে শেষ করেছে এবং একবার আপনি অতিরিক্ত ডিবাগিং সময় যোগ করলে, টোকেন সঞ্চয় দ্রুত বাষ্পীভূত হতে পারে। একটি বাস্তব ভূ-রাজনৈতিক দ্বন্দ্বও রয়েছে, যখন রপ্তানি নিয়ন্ত্রণ উভয় দিকে চলে যায় তখনও নিষ্পত্তি হয় না। এই সব প্রমাণ করে না যে মডেল খারাপ। এর অর্থ হল সবচেয়ে জোরে দাবি করা হচ্ছে যে সস্তা খোলা মডেলগুলি চালানোর কথা দামের ব্যাপক পতন সমগ্র শিল্পে, খুব শীঘ্রই প্রকাশিত হতে পারে. সস্তা প্রতিযোগিতা অতীতে সুস্থ মার্জিনের সাথে সহ-অস্তিত্ব করেছে, এবং বড় প্রশ্ন হল যে ব্যবসায়গুলিকে সমর্থন চুক্তির প্রয়োজন এবং যারা সত্যিকারের দায়বদ্ধ তারা এই মাত্রার মূল্যের পার্থক্য বাণিজ্য করবে কিনা।
কিমি কে 3 তে রুমে পড়া
বিকাশকারীদের কাছ থেকে প্রাথমিক প্রতিক্রিয়ার মধ্য দিয়ে যাওয়ার পরে আমার দৃষ্টিভঙ্গি হল Kimi K3 কম গুরুত্বপূর্ণ কারণ এটি শীর্ষ মালিকানাধীন মডেলগুলিকে আরও বেশি হারে হারায় কারণ এটি অনেক বাস্তব কাজের জন্য পার্থক্যটিকে প্রায় একাডেমিক বোধ করার জন্য যথেষ্ট কাছাকাছি পৌঁছে যায়। স্বাধীন বেঞ্চমার্কগুলি এটিকে দুটি প্রভাবশালী ফ্রন্টিয়ার মডেলের ঠিক পিছনে এবং অন্য সব কিছুর চেয়ে এগিয়ে রাখে এবং যথেষ্ট বিকাশকারীরা তাদের নিজস্ব কোডিং সেশনে এটিকে ব্যাক আপ করেছে যে বিপণন হিসাবে এটিকে বন্ধ করা কঠিন। মূল্যের ব্যবধান হল যা শেষ পর্যন্ত কেনার সিদ্ধান্তগুলিকে প্রভাবিত করবে, যেখানে একই ধরনের ক্ষমতার জন্য শীর্ষ মার্কিন ল্যাবগুলি চার্জ করে তার এক তৃতীয়াংশ এবং পঞ্চমাংশের মধ্যে। একটি একক নির্দেশ এবং একটি স্বায়ত্তশাসিত চিপ ডিজাইন রান থেকে নির্মিত একটি সম্পূর্ণ মক ডেস্কটপ সহ মুষ্টিমেয় ডেমো, বাস্তব গুঞ্জন যোগ করেছে, যদিও আমি যে কোনও চটকদার শোকেসকে আপনি নিয়মিত দিনে যা পান তার চেয়ে কী সম্ভব তার পূর্বরূপ হিসাবে বিবেচনা করব। অন্য কোম্পানির মডেলের আউটপুটে আংশিকভাবে প্রশিক্ষিত, এমন কিছু যা যাইহোক কঠিন প্রমাণের সাথে কেউ একমত নয়।
একটি অভ্যাস ফিরে একটি মূল অভিযোগ, K3 অত্যধিক চিন্তা. এটি এমন প্রশ্নে যুক্তিযুক্ত টোকেনগুলিকে বার্ন করে যেগুলির প্রয়োজন নেই, তাই একটি টোকেনের জন্য বিজ্ঞাপিত মূল্য এবং একটি সম্পূর্ণ টাস্কের প্রকৃত মূল্য খুব ভিন্ন গল্প বলতে পারে এবং একাধিক পরীক্ষক একটি সাবস্ক্রিপশন কোটা এক বৈঠকে চলে গেছে। হার্ডওয়্যারের দামের উপর নির্ভর না করা পর্যন্ত খোলা ওজনের স্ব-হোস্টিং আকর্ষণীয় মনে হয়, যা এটিকে বড় কোম্পানি এবং বিশেষায়িত হোস্ট ছাড়া অন্য কারো নাগালের বাইরে রাখে এবং ব্যবহারের শর্তাবলী আপনি অ্যাপ, API, বা শেষ পর্যন্ত ওপেন সোর্স ব্যবহার করছেন কিনা তার উপর নির্ভর করে, যে কেউ ক্রয় করার উপর তার নিজস্ব ধরনের ট্যাক্স। এর কোনটিই নির্ধারণ করে না কার কাছে সেরা মডেল আছে। এটি যা বোঝায় তা হ’ল প্রান্ত এবং যথেষ্ট ভালের মধ্যে ব্যবধান এমন জায়গায় সংকুচিত হয়েছে যেখানে আসল প্রতিযোগিতা চলে যায় যে মডেলের চারপাশে সেরা পণ্য তৈরি করে, যে কেউ সবচেয়ে স্মার্টের মালিক নয়।
Gemini 3.6 Flash: খরচের খেলা, ধারণক্ষমতা লাফিয়ে নয়
আমি এখানে পর্যালোচনা করেছি শেষ দুটি মডেলের বিপরীতে, GLM 5.2 এবং Kimi K3, এটি ডাউনলোড করার জন্য কোনও খোলা ওজন, কোনও স্ব-হোস্টিং বিকল্প এবং কোনও সূক্ষ্ম-টিউনিং সম্প্রদায় ইকোসিস্টেমের সাথে আসে। Gemini 3.6 Flash শুধুমাত্র API, এবং আমি এটির প্রতিক্রিয়া কীভাবে পড়ি তা এটি আকার দেয়। কেউ দাবি করছে না যে এটি আগের তুলনায় একটি স্মার্ট মডেল, এবং Google সত্যিই এটি দাবি করছে না। ডেভেলপাররা আসলে যা প্রশংসা করেন তা হল সংকীর্ণ, পুনরাবৃত্তিমূলক কাজের জন্য গতি এবং মূল্য, ই-কমার্স তালিকার শ্রেণিবিন্যাস, ব্যাচ অনুবাদ এবং ব্যাক-এন্ড এজেন্টরা যারা খুব বেশি তত্ত্বাবধান ছাড়াই সারাদিন চালায়। এটি যেকোন বেঞ্চমার্ক চার্টের চেয়ে আরও সৎ সংকেত, কারণ AI উৎপাদনের বেশিরভাগ ব্যয় খোলা যুক্তির পরিবর্তে ঠিক এই ধরনের পুনরাবৃত্তিমূলক কাজে যায়। Google এখনও মাল্টিমডাল কাজের ক্ষেত্রে একটি আসল সুবিধা ধরে রেখেছে বলে মনে হচ্ছে, একজন ব্যক্তি একটি গয়না ব্যবসার জন্য দশ থেকে পনের মিনিটের একটি ক্লান্তিকর চিত্র পরিষ্কার করার কাজকে স্বয়ংক্রিয়ভাবে বর্ণনা করেছেন এবং অন্যরা অ-ইংরেজি পাঠ্য এবং সাধারণ চিত্র বিশ্লেষণে শক্তিশালী ফলাফলের ইঙ্গিত দিয়েছেন। এর কোনোটিই সীমার লাফ বলে মনে হচ্ছে না। Google মনে হচ্ছে AI কাজের বিশাল মধ্যম স্তরের জন্য সস্তা এবং দ্রুত বিকল্প হিসাবে দ্বিগুণ হচ্ছে যা প্রথম স্থানে সবচেয়ে স্মার্ট মডেলের প্রয়োজন ছিল না।
অভিযোগগুলি প্রশংসার চেয়ে আরও আকর্ষণীয় গল্প বলে। সবচেয়ে উচ্চারণটি আসলেই মডেল সম্পর্কে নয়, এটি Google-এর নিজস্ব পণ্যের পাইপলাইন, স্তরগুলির একটি বিভ্রান্তিকর অ্যারে, ব্যক্তিগত অ্যাকাউন্টগুলির পিছনে থাকা এন্টারপ্রাইজ বিলিং এবং একটি কোডিং টুল যা সাবস্ক্রিপশন স্তরটি নিঃশব্দে অদৃশ্য হওয়ার পরে লোকেদের বাইরে ঠেলে দেওয়া হয়েছিল। মূল্য নির্ধারণও সংস্করণ জুড়ে ঊর্ধ্বমুখী হয়েছে, কিছু বিকাশকারী গত বছর থেকে সবচেয়ে সস্তা ফ্ল্যাশ স্তরের জন্য থ্রুপুট মূল্যের ছয় গুণেরও বেশি লাফিয়েছে, যা তাদের কাজের চাপ সম্পূর্ণভাবে প্রতিযোগীর কাছে স্থানান্তর করার জন্য যথেষ্ট। এবং সামনের প্রশ্নটি হল ফ্ল্যাগশিপ প্রো মডেল যা স্লাইড করতে থাকে, বাইরের রিপোর্টগুলি পরামর্শ দেয় যে প্রতিযোগিতার তুলনায় কম পারফরম্যান্সের কারণে পূর্ববর্তী সংস্করণটি প্রত্যাহার করা হয়েছিল। এটিকে একসাথে রাখুন এবং এটি স্মার্টতম মডেলের প্রতিযোগিতার মতো কম দেখায় এবং Google তার নিজস্ব অর্থনীতির জন্য একটি ওয়ার্কহরসকে টার্গেট করার মতো, সম্পূর্ণ প্ল্যাটফর্মের তুলনায় বাইরের বিকাশকারীদের তুলনায় এটি ইতিমধ্যেই প্রতিদিন অনুসন্ধানের মাধ্যমে অনুসন্ধানের নিছক পরিমাণ অনুসন্ধান করে৷ এটি একটি পুরোপুরি সঠিক ব্যবসায়িক সিদ্ধান্ত হতে পারে। ওপেনএআই এবং অ্যানথ্রোপিক তৈরির চেয়ে এটি একটি ভিন্ন বাজি, এবং আপনি এটির চারপাশে একটি ওয়ার্কফ্লো তৈরি করার আগে জেনে রাখা মূল্যবান।
খোলা ওজন ভলিউম স্তর শোষণ করবে
মডেল স্কোর করে মডেল থেকে ফিরে যান এবং খরচ সম্পর্কে একটি পরিষ্কার সংকেত প্রদর্শিত হবে। GLM 5.2 এবং Kimi K3 এন্টারপ্রাইজ AI এর ভলিউম স্তর, রুটিন কোডিং, এক্সট্রাকশন এবং টুল কলগুলিকে শোষণ করতে সেট করে যা কোম্পানিগুলি আসলে যা করে তার বেশিরভাগই তৈরি করে, হয় কঠিন সমস্যাগুলির সীমানাকে চ্যালেঞ্জ করার অনেক আগেই৷ বিকাশকারীরা ইতিমধ্যেই একই ওয়ার্কফ্লোতে ক্লাউড, কোডেক্স এবং ডিপসিকের পাশাপাশি এই মডেলগুলি চালাচ্ছে, রুটিন বাস্তবায়নের জন্য সস্তা মডেল ব্যবহার করে এবং ডিজাইন, পর্যালোচনা বা বাস্তব বিচারের প্রয়োজন এমন কিছুর জন্য আরও ব্যয়বহুল মডেলটি সংরক্ষণ করে৷ এটি একটি অনুমানমূলক স্থাপত্য নয়, প্রতিটি প্রকাশের কয়েক দিনের মধ্যে লোকেরা এটিকে বর্ণনা করেছে।
এর কোনটির মানেই এই যে বিল আসলে সঙ্কুচিত হচ্ছে, বা বন্ধ ল্যাবগুলি আগামীকাল সমস্যায় পড়েছে। আমি উপরে গিয়েছিলাম অতিরিক্ত ডিবাগিং এবং হার্ডওয়্যার খরচগুলি গণনা করার পরে সঞ্চয়গুলি বাষ্পীভূত হতে থাকে এবং সস্তার কাজগুলি কেবলমাত্র একটি ছোট চালানের পরিবর্তে আরও বেশি কাজ স্বয়ংক্রিয় হওয়া বোঝায়। দীর্ঘমেয়াদী চাপ একটি ভিন্ন গল্প, এবং এটা আমার জন্য একই সম্প্রতি পতাকাঙ্কিত: ফ্রন্টিয়ার প্রাইস একটি ট্রেডমিলে চলে, আজকের সীসাকে কয়েক মাসের মধ্যে বরাদ্দ করা হয় বা পাতিত করা হয় এবং এই ধরনের প্রতিটি রিলিজ উইন্ডোকে সংকীর্ণ করে দেয় একটি প্রিমিয়াম ল্যাব সত্যিকারের একচেটিয়া কিছুর জন্য সম্পূর্ণ মূল্য চার্জ করতে পারে। মোট পতনের চেয়ে যা বেশি সম্ভব তা হল প্রতিটি রুটিন পদক্ষেপের জন্য প্রান্তিক হার পরিশোধ করার বাইরে এবং এই মডেলগুলির উপরে নির্মিত রাউটিং, মূল্যায়ন, জমা দেওয়া, গভর্নেন্স এবং ডোমেন-নির্দিষ্ট অ্যাপ্লিকেশনগুলিতে অর্থ অদৃশ্য হওয়ার পরিবর্তে চলে যায়। GLM 5.2 এবং Kimi K3 হল প্রথম রিলিজ যা এই কেসটিকে একটি বিমূর্ত যুক্তির পরিবর্তে বাস্তব সংখ্যা দিয়ে উপস্থাপন করা হয়েছে। এই পরিবর্তন, কোনো একক মডেলের বেঞ্চমার্ক স্কোর নয়, এটি আসলে নির্ধারণ করবে যে আগামী বছরে এআই ব্যয় কীভাবে বরাদ্দ করা হবে।
