TypeSafe AI নামে একটি স্টার্টআপ এই সপ্তাহে দুই বছরের স্টিলথ থেকে একটি সাহসী পিচ নিয়ে আবির্ভূত হয়েছে: শিল্প অটোমেশনের জন্য ভুল ধরণের মডেল তৈরি করছে। এটির প্রথম পণ্য, Jev নামক একটি সিস্টেম, যাকে কোম্পানি একটি "সিস্টেম ওয়ান মডেল" বলে এবং এটি দ্রুত হ্যাকার নিউজের সবচেয়ে আলোচিত গল্পে পরিণত হয়, 1,800 পয়েন্টেরও বেশি।

"মডেলরা বছরের পর বছর ধরে চ্যাটে অতিমানবীয়, তাই সব অটোমেশন কোথায়?" কোম্পানি তার লঞ্চ পোস্টে জিজ্ঞাসা. প্রতিষ্ঠাতা, একজন প্রাক্তন ওপেনএআই গবেষক, বলেছেন যে পদ্ধতিগুলি তিনি সেখানে তৈরি করতে সাহায্য করেছিলেন তা ChatGPT-এর পিছনে গবেষণায় পরিণত হয়েছিল, এবং তিনি একসময় বিশ্বাস করেছিলেন যে চ্যাট মডেলগুলি কৃত্রিম সাধারণ বুদ্ধিমত্তার দিকে নিয়ে যাবে এই সিদ্ধান্তে পৌঁছানোর আগে বড় কিছু অনুপস্থিত। For more context on this story, see our ongoing latest AI developments.

সিস্টেম ওয়ান মডেল কি?

নামটি দ্রুত, স্বজ্ঞাত সিস্টেম এক চিন্তা এবং ধীর, ইচ্ছাকৃত সিস্টেম দুই যুক্তির মধ্যে মনোবিজ্ঞানের পার্থক্য থেকে ধার করা হয়েছে। যেখানে আজকের বৃহৎ ভাষার মডেলগুলি টোকেন দ্বারা টেক্সট টোকেন তৈরি করে, সেখানে Jev তৈরি করা হয়েছে দ্রুত, কাঠামোগত সিদ্ধান্ত নেওয়ার জন্য যা সফ্টওয়্যার সরাসরি ব্যবহার করতে পারে।

কোম্পানি মডেলটিকে "একটি ফ্রন্টিয়ার-ইন্টেলিজেন্স ফাংশন কল: আনস্ট্রাকচার্ড স্টেট ইন, টাইপ করা সম্ভাব্য সিদ্ধান্ত আউট" হিসাবে বর্ণনা করেছে। পার্স করা এবং যাচাই করা আবশ্যক এমন গদ্য তৈরি করার পরিবর্তে, Jev পূর্বনির্ধারিত কাঠামোগত মানগুলি আউটপুট করে, প্রতিটির সাথে ক্যালিব্রেটেড সম্ভাব্যতা এবং আত্মবিশ্বাসের স্কোর থাকে। কোম্পানি দাবি করে যে মডেলটি কখনই টাইপ ত্রুটি করে না এবং টেক্সট মডেলগুলি যেভাবে করতে পারে তাতে হ্যালুসিনেট করতে পারে না, যদিও এই ধরনের বিক্রেতা স্বাধীনভাবে মূল্যায়ন না হওয়া পর্যন্ত পরোয়ানা যাচাইয়ের দাবি করে।

আর্কিটেকচারাল পার্থক্য হল ডেলিভারি মেকানিজম। পোস্ট অনুসারে, Jev তার সমস্ত আউটপুট অটোরিগ্রেসিভের পরিবর্তে একটি একক সমান্তরাল পাসে তৈরি করে, এক সময়ে একটি টোকেন। কোম্পানী বলছে যে ফ্রি-ফর্ম স্ট্রিং জেনারেশন ছেড়ে দেওয়াই এর গতি কিনছে: আউটপুটগুলি ক্রমানুসারে না হয়ে একযোগে গণনা করা হয়।

একটি নতুন প্রশিক্ষণ রেসিপি

হুডের নীচে, টাইপসেফ বলে যে এটি একটি নতুন স্ট্যাক তৈরি করেছে: একটি কাস্টম মডেল আর্কিটেকচার, সমান্তরাল নমুনা, এবং একটি প্রশিক্ষণ পদ্ধতি যাকে ক্যালিব্রেটেড সিদ্ধান্তের জন্য রিইনফোর্সমেন্ট লার্নিং বা RLCD বলে। কোম্পানিটি শিল্পের দুটি প্রভাবশালী রেসিপির বিপরীতে RLCD-কে অবস্থান করে। মানুষের প্রতিক্রিয়া থেকে শক্তিবৃদ্ধি শিক্ষা মানব রেটারদের পছন্দের প্রতিক্রিয়াগুলির জন্য অপ্টিমাইজ করে; যাচাইযোগ্য পুরষ্কার সহ শক্তিবৃদ্ধি শিক্ষা এমন আউটপুটগুলির জন্য অপ্টিমাইজ করে যা প্রোগ্রামগতভাবে পরীক্ষা করা যেতে পারে। RLCD এর পরিবর্তে মডেলটিকে দ্রুত-বিচারের কাজগুলিতে তার উত্তরগুলির সাথে জ্ঞানগতভাবে সৎ সম্ভাব্যতা সংযুক্ত করতে প্রশিক্ষণ দেয়।

ফলাফল, কোম্পানির প্রতি: উচ্চ আত্মবিশ্বাস উচ্চতর নির্ভুলতার সাথে সম্পর্কযুক্ত হওয়া উচিত, এবং অনুরূপ ইনপুটগুলি সামঞ্জস্যপূর্ণ আউটপুট তৈরি করা উচিত, যে বৈশিষ্ট্যগুলি গুরুত্বপূর্ণ যখন একটি মডেলের সিদ্ধান্তগুলি সরাসরি উত্পাদন সফ্টওয়্যারে সংযুক্ত করা হয়।

কর্মক্ষমতা এবং মূল্যের দাবি

দাবিগুলি এমনকি স্টার্টআপ মান দ্বারা আক্রমণাত্মক। TypeSafe বলে যে Jev সেই ক্যোয়ারী শেপের জন্য 40x থেকে 200x দ্রুত গতিতে চলাকালীন সিস্টেম ওয়ান টাস্কগুলির উপর বিদ্যমান LLM-এর অনুরূপ বুদ্ধিমত্তা পৌঁছে দেয়। কোম্পানির হোমপেজে 193.6x দ্রুত এবং 444.6x সস্তার পরিসংখ্যান উদ্ধৃত করা হয়েছে, যদিও ব্লগ পোস্টটি স্বীকার করে যে এটি "বাস্তব বিশ্বের লাভের উচ্চ প্রান্তে।" কোম্পানি আরও বলেছে যে মডেলটি প্রায় 100 মিলিসেকেন্ডের গতি অর্জন করে, ব্যবহারকারী-মুখী ওয়ার্কফ্লোতে AI রায় এম্বেড করার জন্য যথেষ্ট দ্রুত যেখানে লেটেন্সি গুরুত্বপূর্ণ।

মূল্য অপ্রচলিত নকশা অনুসরণ করে. TypeSafe ইনপুট টোকেনগুলিকে প্রতি মিলিয়ন টোকেনে $0.042, প্রতি বিলিয়নে প্রায় $42, এবং নোট করে যে সাধারণ LLM খরচ কাঠামোটি উল্টানো হয়েছে: কারণ Jev দীর্ঘ স্ট্রিং তৈরি করার পরিবর্তে সমান্তরালভাবে কাঠামোগত আউটপুট তৈরি করে, লেজারের ব্যয়বহুল আউটপুট-টোকেন দিকটি মূলত অদৃশ্য হয়ে যায়। কোম্পানি এটিকে প্রচলিত মডেলের সাথে তুলনা করে, যেখানে আউটপুট টোকেনের দাম সাধারণত ইনপুট টোকেনের চেয়ে কয়েকগুণ বেশি।

রসিদ, এবং তাদের সীমা

এর কৃতিত্বের জন্য, লঞ্চ পোস্টটি পাশাপাশি প্রদর্শনের মাধ্যমে হাইপটিকে প্রমাণ করার চেষ্টা করে। তার শিরোনাম তুলনার জন্য, কোম্পানিটি ডিফল্ট যুক্তি সহ GPT-5.6 Terra ব্যবহার করেছে, যা এটি গড় বুদ্ধিমত্তায় Jev-এর সাথে সবচেয়ে তুলনামূলক মডেল হিসাবে বর্ণনা করে। এর মূল্যায়নে রেফারেন্স উত্তরগুলি OpenAI-এর GPT-6 Astra এবং Anthropic's Fable 5.1-এর গড় হিসাবে গণনা করা হয়, এমন একটি পছন্দ যা কোম্পানি স্বীকার করে যে বর্তমান ল্যাবগুলির প্রতি তার তুলনা পক্ষপাতদুষ্ট। LLM সাইডের জন্য খরচ এবং লেটেন্সি নম্বরগুলি OpenRouter থেকে আসে, যা কোম্পানি নোট করে তার নিজস্ব রাউটিং পক্ষপাতিত্ব প্রবর্তন করে।

সেই পদ্ধতির বিভাগটি একটি লঞ্চ ঘোষণার জন্য অস্বাভাবিকভাবে স্পষ্ট, এবং এটিও যেখানে সন্দেহবাদীরা ফোকাস করবে। সমস্ত শিরোনাম নম্বরগুলি কোম্পানি নিজেই বেছে নেওয়া কাজগুলি থেকে আসে, যেগুলিকে শ্রেণীবদ্ধ, রুট করা, স্কোর করা, নিষ্কাশন করা বা শাখা করা যেতে পারে, সঠিকভাবে এর স্থাপত্যের অনুকূল আকারগুলি। এখনও কোন স্বাধীন বেঞ্চমার্ক নেই, এবং কোম্পানির নিজস্ব ফ্রেমিং স্বীকার করে যে তুলনাগুলি প্রশ্ন নির্বাচনের উপর নির্ভর করে।

কেন লঞ্চ অনুরণিত

উত্সাহী হ্যাকার নিউজ অভ্যর্থনা, যেখানে পোস্টটি একদিনের মধ্যে 1,800 পয়েন্টের শীর্ষে রয়েছে, পরামর্শ দেয় যে পিচটি একটি সত্যিকারের স্নায়ুকে স্পর্শ করে। AI পণ্য তৈরির বিকাশকারীরা চিত্তাকর্ষক ডেমো এবং নির্ভরযোগ্য অটোমেশনের মধ্যে ব্যবধানের সাথে লড়াই করে দুই বছর কাটিয়েছে: হ্যালুসিনেটেড টুল কল, অসংলগ্ন রায়, ভঙ্গুর আঠালো কোডের সাথে একত্রিত ধীর যুক্তির পদক্ষেপের ব্যয়বহুল চেইন।

TypeSafe এর বাজি হল যে বাস্তব-বিশ্বের AI কাজের চাপের একটি অর্থপূর্ণ ভাগের জন্য চ্যাটি মডেলের আদৌ প্রয়োজন নেই। জালিয়াতি চেক, সমর্থন-টিকিট ট্রাইজ, লিড স্কোরিং, বিষয়বস্তু সংযম, লগ বিশ্লেষণ, এবং অগণিত রাউটিং সিদ্ধান্তগুলি মৌলিকভাবে সুসংজ্ঞায়িত আউটপুট স্পেস সহ শ্রেণীবিভাগের সমস্যা। তাদের জন্য, একটি বিশেষ মডেল যা মিলিসেকেন্ডে ক্যালিব্রেটেড সম্ভাব্যতা প্রদান করে তা গতি এবং খরচ উভয় ক্ষেত্রেই সাধারণ-উদ্দেশ্য LLM-কে কম করতে পারে।

পাল্টা যুক্তিটিও পরিচিত: সাধারণ মডেলগুলি আরও ভাল এবং সস্তা হয়ে উঠছে এবং নমনীয় স্ট্রিং ইন্টারফেস যা LLM-গুলিকে অপ্রত্যাশিত করে তোলে তা আবার প্রশিক্ষণ ছাড়াই নতুন কাজের সাথে খাপ খাইয়ে নিতে পারে৷ একটি সংকীর্ণ সিদ্ধান্ত ইঞ্জিনকে তার অস্তিত্বকে ন্যায্যতা দেওয়ার জন্য যথেষ্ট সমজাতীয় কাজের চাপের পরিমাণ খুঁজে পেতে হবে।

Jev এই সপ্তাহ থেকে প্রারম্ভিক অ্যাক্সেস পাওয়া যায়. এটি একটি নতুন বিভাগ বা একটি কৌতূহলী পাদটীকা হয়ে উঠুক না কেন, লঞ্চটি একটি শিল্পের যুক্তিতে একটি স্বতন্ত্র কণ্ঠস্বর যোগ করে যা কেবল উচ্চতর হচ্ছে: AI অটোমেশনের দ্রুততম পথটি বড় চ্যাটবটের মাধ্যমে নাও চলতে পারে, তবে প্রথম নীতিগুলি থেকে ডিজাইন করা মডেলগুলির মাধ্যমে ঠিক একটি জিনিস দ্রুত করতে এবং তারা কতটা নিশ্চিত তা আপনাকে জানাতে।

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →