NVIDIA Nemotron 3.5 Super VL প্রকাশ করেছে, একটি উন্মুক্ত, কাস্টমাইজযোগ্য মাল্টিমোডাল মডেল যার উদ্দেশ্য বিশেষ এআই এজেন্ট তৈরির উদ্যোগ। মডেলটি একটি 120-বিলিয়ন-প্যারামিটার মিশ্রণ-অফ-বিশেষজ্ঞ আর্কিটেকচার ব্যবহার করে যা প্রতি টোকেন মাত্র 12 বিলিয়ন প্যারামিটার সক্রিয় করে, একটি ডিজাইন NVIDIA বলে যে অনুমান দক্ষতার সাথে সীমান্ত-স্কেল ক্ষমতার ভারসাম্য বজায় রাখে। ওজনগুলি হাগিং ফেস-এ BF16 নির্ভুলতায় উপলব্ধ, এবং NVIDIA রিলিজের পাশাপাশি একটি প্রযুক্তিগত ওয়াকথ্রু প্রকাশ করেছে।

মাল্টিমোডাল বিশেষজ্ঞ হিসাবে NVIDIA-এর সম্প্রসারিত ওপেন-মডেল পরিবারে সুপার ভিএল স্লট। কোম্পানির মতে, ছোট Nemotron 3.5 Lightning মডেলগুলি উচ্চ-ভলিউম টেক্সট কাজগুলি পরিচালনা করে, যখন Frontier Nemotron 3 Ultra জটিল পরিকল্পনা এবং অর্কেস্ট্রেশনকে মোকাবেলা করে — দলগুলিকে এজেন্ট ওয়ার্কফ্লোটির প্রতিটি ধাপকে মডেলের সঠিক আকারে রুট করতে দেয়৷ এটি একটি পুশ ZDNET-এর সর্বশেষ পদক্ষেপ যা মার্কিন ওপেন-ওয়েট এআই-এর জন্য আরও একটি পদক্ষেপ হিসাবে বর্ণনা করা হয়েছে। আপনি যদি ওপেন-ওয়েট রেস ট্র্যাক করছেন, আমাদের সাম্প্রতিক ওপেন মডেল রিলিজের কভারেজের বিস্তৃত ছবি রয়েছে।

পাঠ্য, চিত্র, নথি এবং ভিডিওর জন্য একটি মডেল

মূল পিচ একত্রীকরণ হয়. সুপার ভিএল যুক্তি, নির্দেশনা অনুসরণ এবং টেক্সট, ইমেজ, ডকুমেন্ট এবং ভিডিও বোঝার সাথে টুল ব্যবহারকে একত্রিত করে, তাই দলগুলিকে তাদের মধ্যে আলাদা পাঠ্য এবং দৃষ্টি-ভাষা মডেল বা শাটল টাস্ক প্রসঙ্গ স্থাপন করার প্রয়োজন নেই। NVIDIA বলে যে এর ভিজ্যুয়াল প্রশিক্ষণ চার্ট, টেবিল, অপটিক্যাল ক্যারেক্টার রিকগনিশন, মাল্টিপেজ ডকুমেন্ট এবং ভিডিও কভার করে, একটি দুই-পর্যায়ের তত্ত্বাবধানে সূক্ষ্ম-টিউনিং পাইপলাইন যা যুক্তি, চ্যাট, নিরাপত্তা এবং দীর্ঘ-প্রসঙ্গ ডেটার সাথে ভিজ্যুয়াল প্রমাণকে ফিউজ করে।

টার্গেট ওয়ার্কফ্লোগুলি হল যেগুলি এন্টারপ্রাইজগুলি হোঁচট খাচ্ছে: একজন গ্রাহক-পরিষেবা এজেন্ট যাকে অবশ্যই কোম্পানির নীতির নথিগুলি পড়তে হবে, একটি গবেষণা এজেন্ট যা উত্স জুড়ে প্রমাণ সংযুক্ত করে, বা একটি নথি এজেন্ট যেটি একটি চার্ট ব্যাখ্যা করে এবং একই ফাইলিংয়ের অন্য কোথাও একটি টেবিলের সাথে লিঙ্ক করে৷ প্রতিটি ক্ষেত্রে মডেলটিকে একই প্রসঙ্গ উইন্ডোতে উপাদান এবং যুক্তি দেখতে হবে।

থ্রুপুট দাবি: একটি একক GPU-তে 5x পর্যন্ত

দক্ষতা যেখানে NVIDIA সবচেয়ে তীক্ষ্ণ রেখা আঁকছে। কোম্পানি দাবি করে যে Nemotron 3.5 Super VL একটি একক GPU-তে তার আকারের বিভাগে অন্যান্য উন্মুক্ত মডেলের তুলনায় এজেন্টিক কাজগুলির জন্য 5x বেশি থ্রুপুট প্রদান করে এবং বেসেটেন ইনফারেন্স এন্ডপয়েন্টের মাধ্যমে আর্টিফিশিয়াল অ্যানালাইসিস ইন্টেলিজেন্স ইনডেক্স এজেন্টিক কাজগুলিতে প্রতি সেকেন্ডে 600 টোকেন দেখানো বেঞ্চমার্কের দিকে নির্দেশ করে।

হুড অধীনে বেশ কিছু কৌশল যারা সংখ্যা ড্রাইভ. NVIDIA হাইলাইট করেছে LiLiCorr, একটি উন্মুক্ত অনুমানমূলক ডিকোডিং পদ্ধতি, সাথে NVFP4 মিশ্র নির্ভুলতা, মাল্টি-টোকেন ভবিষ্যদ্বাণী, এবং এজেন্ট পালা জুড়ে প্রসঙ্গ পুনঃব্যবহার — যে এজেন্টদের জন্য একটি অর্থপূর্ণ অপ্টিমাইজেশান যা সরঞ্জামগুলির সাথে দীর্ঘ-চলমান কথোপকথন রাখে৷ এজেন্টদের ননস্টপ চালানোর জন্য, GPU প্রতি থ্রুপুট প্রায়ই একটি কার্যকর পণ্য এবং একটি অব্যবহারযোগ্য খরচ কাঠামোর মধ্যে পার্থক্য।

পোস্ট-ট্রেনিং ইজ দ্য পয়েন্ট

NVIDIA স্পষ্ট যে বেস মডেলটি একটি সমাপ্ত পণ্যের পরিবর্তে একটি সূচনা বিন্দু। বিকাশকারীরা ডোমেন-নির্দিষ্ট আচরণ শেখানোর জন্য তত্ত্বাবধানে থাকা ফাইন-টিউনিং এবং LoRA ব্যবহার করে NeMo লাইব্রেরির সাথে Super VL কাস্টমাইজ করতে পারে, তারপর তাদের নিজস্ব ক্রিয়াকলাপগুলিকে প্রতিফলিত করে এমন পরিবেশে NeMo RL এবং NeMo জিমের মাধ্যমে শক্তিবৃদ্ধি শিক্ষা প্রয়োগ করতে পারে। সংস্থাটি বলেছে যে সাইবারসিকিউরিটি, ফিনান্স এবং স্বাস্থ্যসেবা সংস্থাগুলি ইতিমধ্যেই তাদের উত্পাদন কর্মপ্রবাহে সীমান্ত বিকল্পগুলিকে হারাতে মডেলটিকে প্রশিক্ষণ-পরবর্তী করছে, একটি দাবি যা স্বাধীনভাবে যাচাই করা কঠিন তবে এন্টারপ্রাইজ-এজেন্ট অবস্থানের সাথে সামঞ্জস্যপূর্ণ।

সেই কাজটিকে সমর্থন করার জন্য, NVIDIA ওজনের পাশাপাশি Hugging Face-এ খোলা ডেটাসেট প্রকাশ করছে, যার মধ্যে রয়েছে এজেন্টিক টুল-ব্যবহার এবং কথোপকথনমূলক ডেটা, ফিনান্স রিজনিং এবং টুল-কলিং সেট, নির্দেশ-অনুসরণ এবং চ্যাট ডেটা, দীর্ঘ-প্রসঙ্গ ট্রান্সডাকশন এবং অনুবাদ ডেটা, ন্যায্যতা ডেটা এবং 40টি দৃষ্টি-ভাষা ডেটাসেট। প্রাইম ইন্টেলেক্ট ইতিমধ্যে দীর্ঘ-দিগন্ত এন্টারপ্রাইজ কাজের জন্য মডেলটিকে প্রশিক্ষণ-পরবর্তী করার জন্য একটি রেসিপি প্রকাশ করেছে, এটি একটি প্রাথমিক লক্ষণ যা ইকোসিস্টেম মুক্তিকে একটি গুরুতর ভিত্তি হিসাবে বিবেচনা করছে। NVIDIA কাস্টমাইজেশন কভার করার জন্য GitHub-এ একটি ব্যবহারের কুকবুকও প্রকাশ করেছে এবং কোম্পানি জোর দিয়েছে যে অবকাঠামো এবং ডেটা-রেসিডেন্সির প্রয়োজনীয়তা মেটাতে ওপেন ওয়েটগুলি স্থানীয়, ডেটা সেন্টার বা ক্লাউড পরিবেশে স্থাপন করা যেতে পারে — যে নমনীয়তা নিয়ন্ত্রিত ক্রেতারা ক্রমাগত জিজ্ঞাসা করে এবং বন্ধ APIগুলি অফার করতে পারে না।

ওপেন-ওয়েট রেসের জন্য এর অর্থ কী

রিলিজটি সেগমেন্ট এন্টারপ্রাইজগুলিতে খোলা এবং বন্ধ মডেলগুলির মধ্যে ব্যবধানকে শক্ত করে: নথি-ভারী এজেন্ট কাজের জন্য মধ্য-আকারের মাল্টিমোডাল সিস্টেম। যেহেতু ওজনগুলি স্থানীয়, ডেটা সেন্টার বা ক্লাউড পরিবেশে চলতে পারে, সুপার ভিএল নিয়ন্ত্রিত শিল্পগুলিকে এমন একটি বিকল্প দেয় যা সীমান্ত API গুলি করতে পারে না — তাদের নিজস্ব অবকাঠামোতে সংবেদনশীল নথিগুলি রাখা যখন এখনও চার্ট, টেবিল এবং ভিডিও বোঝার সুবিধা পায়৷

প্রতিযোগিতামূলক পড়া সোজা। Meta, Alibaba, DeepSeek এবং Liquid AI এই বছর এজেন্টদের লক্ষ্য করে ওপেন-ওয়েট মডেলগুলি পাঠিয়েছে, এবং NVIDIA - যে হার্ডওয়্যার বিক্রি করে অন্য সবাই প্রশিক্ষণ দেয় - এখন অনুমতিমূলক লাইসেন্সিং এবং একটি দক্ষতার গল্প সহ মডেল স্তরে সরাসরি প্রতিযোগিতা করছে৷ যদি থ্রুপুট দাবিগুলি স্বাধীন বেঞ্চমার্কে ধরে থাকে, তাহলে 2027 সালে এন্টারপ্রাইজ এজেন্টদের জন্য ডিফল্ট স্ট্যাকটি এক বছর আগের চেয়ে অনেক বেশি খোলা হতে পারে।

---

এআই থেকে এগিয়ে থাকুন

সর্বশেষ AI খবর, বিশ্লেষণ এবং সাফল্য পান — সব এক জায়গায়।

আরও এআই খবর পড়ুন →