टाइपसेफ़ एआई नामक एक स्टार्टअप इस सप्ताह दो साल की गुमनामी के बाद एक साहसिक पिच के साथ उभरा: उद्योग स्वचालन के लिए गलत प्रकार का मॉडल बना रहा है। इसका पहला उत्पाद, जेव नामक एक सिस्टम है, जिसे कंपनी "सिस्टम वन मॉडल" कहती है और यह जल्द ही हैकर न्यूज़ पर सबसे अधिक चर्चा वाली कहानी बन गई, जिसने 1,800 से अधिक अंक प्राप्त किए।

"मॉडल वर्षों से चैट में अलौकिक रही हैं, तो सारा स्वचालन कहाँ है?" कंपनी अपने लॉन्च पोस्ट में पूछती है। संस्थापक, एक पूर्व ओपनएआई शोधकर्ता, का कहना है कि जिन तरीकों को बनाने में उन्होंने मदद की, वे चैटजीपीटी के पीछे अनुसंधान बन गए, और उन्होंने एक बार माना था कि चैट मॉडल कृत्रिम सामान्य बुद्धिमत्ता की ओर ले जाएंगे, इससे पहले कि यह निष्कर्ष निकाला जाए कि कुछ बड़ा गायब है। For more context on this story, see our ongoing latest AI developments.

सिस्टम वन मॉडल क्या है?

यह नाम मनोविज्ञान के तेज़, सहज ज्ञान युक्त सिस्टम वन सोच और धीमी, जानबूझकर सिस्टम दो तर्क के बीच के अंतर से लिया गया है। जहाँ आज के बड़े भाषा मॉडल टोकन द्वारा टेक्स्ट टोकन उत्पन्न करते हैं, Jev को तेज़, संरचित निर्णय लेने के लिए बनाया गया है जिसे सॉफ़्टवेयर सीधे उपभोग कर सकता है।

कंपनी मॉडल का वर्णन "एक फ्रंटियर-इंटेलिजेंस फ़ंक्शन कॉल: असंरचित स्थिति में, टाइप किए गए संभाव्य निर्णय बाहर" के रूप में करती है। गद्य का निर्माण करने के बजाय जिसे पार्स किया जाना चाहिए और मान्य किया जाना चाहिए, जेव पूर्वनिर्धारित संरचित मूल्यों को आउटपुट करता है, प्रत्येक कैलिब्रेटेड संभावनाओं और आत्मविश्वास स्कोर के साथ। कंपनी का दावा है कि मॉडल कभी भी प्रकार की त्रुटियां नहीं करता है और टेक्स्ट मॉडल की तरह मतिभ्रम नहीं कर सकता है, हालांकि ऐसे विक्रेता स्वतंत्र रूप से मूल्यांकन होने तक जांच की गारंटी का दावा करते हैं।

वास्तुशिल्प अंतर वितरण तंत्र है। पोस्ट के अनुसार, Jev अपने सभी आउटपुट को ऑटोरेग्रेसिव तरीके से, एक समय में एक टोकन के बजाय एक ही समानांतर पास में उत्पन्न करता है। कंपनी का कहना है कि फ्री-फॉर्म स्ट्रिंग जेनरेशन को छोड़ने से ही इसकी गति बढ़ती है: आउटपुट की गणना क्रमिक रूप से करने के बजाय एक साथ की जाती है।

एक नया प्रशिक्षण नुस्खा

हुड के तहत, टाइपसेफ़ का कहना है कि उसने एक नया स्टैक बनाया है: एक कस्टम मॉडल आर्किटेक्चर, समानांतर नमूना, और एक प्रशिक्षण विधि जिसे वह कैलिब्रेटेड निर्णयों के लिए सुदृढीकरण सीखना या आरएलसीडी कहता है। कंपनी आरएलसीडी को उद्योग के दो प्रमुख व्यंजनों के मुकाबले रखती है। मानव प्रतिक्रिया से सुदृढीकरण सीखना उन प्रतिक्रियाओं के लिए अनुकूलन करता है जो मानव मूल्यांकनकर्ता पसंद करते हैं; सत्यापन योग्य पुरस्कारों के साथ सुदृढीकरण सीखना उन आउटपुट के लिए अनुकूलन करता है जिन्हें प्रोग्रामेटिक रूप से जांचा जा सकता है। आरएलसीडी इसके बजाय तेजी से निर्णय कार्यों पर अपने उत्तरों के लिए ज्ञानमीमांसीय रूप से ईमानदार संभावनाओं को संलग्न करने के लिए मॉडल को प्रशिक्षित करता है।

कंपनी के अनुसार नतीजा: उच्च आत्मविश्वास को उच्च सटीकता के साथ सहसंबद्ध होना चाहिए, और समान इनपुट को लगातार आउटपुट, गुण उत्पन्न करना चाहिए जो तब मायने रखते हैं जब किसी मॉडल के निर्णय सीधे उत्पादन सॉफ़्टवेयर में जुड़े होते हैं।

प्रदर्शन और मूल्य निर्धारण के दावे

स्टार्टअप मानकों के हिसाब से भी दावे आक्रामक हैं। टाइपसेफ़ का कहना है कि Jev उन क्वेरी आकृतियों के लिए 40x से 200x तेज़ गति से चलते हुए सिस्टम वन कार्यों पर मौजूदा एलएलएम के समान बुद्धिमत्ता तक पहुँचता है। कंपनी का होमपेज 193.6x तेज और 444.6x सस्ते के आंकड़ों का हवाला देता है, हालांकि ब्लॉग पोस्ट मानता है कि ये "वास्तविक दुनिया के लाभ के उच्च स्तर पर हैं।" कंपनी का यह भी कहना है कि मॉडल लगभग 100 मिलीसेकंड की गति प्राप्त करता है, जो उपयोगकर्ता-सामना वाले वर्कफ़्लो में एआई निर्णय को एम्बेड करने के लिए पर्याप्त तेज़ है जहां विलंबता महत्वपूर्ण है।

मूल्य निर्धारण अपरंपरागत डिज़ाइन का अनुसरण करता है। टाइपसेफ़ इनपुट टोकन को $0.042 प्रति मिलियन टोकन, लगभग $42 प्रति बिलियन पर सूचीबद्ध करता है, और नोट करता है कि सामान्य एलएलएम लागत संरचना उलटी है: क्योंकि जेईवी लंबी स्ट्रिंग उत्पन्न करने के बजाय समानांतर में संरचित आउटपुट का उत्पादन करता है, खाता बही का महंगा आउटपुट-टोकन पक्ष काफी हद तक गायब हो जाता है। कंपनी इसकी तुलना पारंपरिक मॉडल से करती है, जहां आउटपुट टोकन की कीमत आमतौर पर इनपुट टोकन से कई गुना अधिक होती है।

रसीदें, और उनकी सीमाएँ

इसके श्रेय के लिए, लॉन्च पोस्ट साथ-साथ प्रदर्शनों के साथ प्रचार को पुष्ट करने का प्रयास करता है। इसकी हेडलाइन तुलना के लिए, कंपनी ने डिफ़ॉल्ट तर्क के साथ GPT-5.6 टेरा का उपयोग किया, जिसे वह औसत बुद्धिमत्ता में Jev के सबसे तुलनीय मॉडल के रूप में वर्णित करती है। इसके मूल्यांकन में संदर्भ उत्तरों की गणना ओपनएआई के जीपीटी-6 एस्ट्रा और एंथ्रोपिक के फैबल 5.1 के औसत के रूप में की जाती है, एक विकल्प जिसे कंपनी मौजूदा प्रयोगशालाओं के प्रति अपनी तुलना को पूर्वाग्रह के रूप में स्वीकार करती है। एलएलएम पक्ष के लिए लागत और विलंबता संख्या ओपनराउटर से आती है, जिसे कंपनी अपने स्वयं के रूटिंग पूर्वाग्रहों का परिचय देती है।

लॉन्च की घोषणा के लिए वह कार्यप्रणाली अनुभाग असामान्य रूप से स्पष्ट है, और यह वह जगह भी है जहां संशयवादी ध्यान केंद्रित करेंगे। सभी हेडलाइन नंबर कंपनी द्वारा स्वयं चुने गए कार्यों से आते हैं, जिन्हें ऐसे निर्णयों के रूप में वर्णित किया जाता है जिन्हें वर्गीकृत, रूट किया जा सकता है, स्कोर किया जा सकता है, निकाला जा सकता है, या शाखाबद्ध किया जा सकता है, ठीक उसी आकार के अनुसार जो इसकी वास्तुकला के अनुकूल है। अभी तक कोई स्वतंत्र बेंचमार्क नहीं हैं, और कंपनी की अपनी फ़्रेमिंग मानती है कि तुलना क्वेरी चयन पर निर्भर करती है।

लॉन्च की गूंज क्यों गूंजी

उत्साही हैकर न्यूज़ रिसेप्शन, जहां पोस्ट एक दिन के भीतर 1,800 अंकों से ऊपर हो गया, यह बताता है कि पिच वास्तविक तंत्रिका को छूती है। एआई उत्पादों का निर्माण करने वाले डेवलपर्स ने प्रभावशाली डेमो और विश्वसनीय स्वचालन के बीच अंतर से जूझने में दो साल बिताए हैं: मतिभ्रम उपकरण कॉल, असंगत निर्णय, भंगुर गोंद कोड के साथ स्टेपल किए गए धीमे तर्क चरणों की महंगी श्रृंखला।

टाइपसेफ़ का दांव यह है कि वास्तविक दुनिया के एआई वर्कलोड के एक सार्थक हिस्से के लिए किसी बातूनी मॉडल की बिल्कुल भी आवश्यकता नहीं है। धोखाधड़ी जांच, समर्थन-टिकट ट्राइएज, लीड स्कोरिंग, सामग्री मॉडरेशन, लॉग विश्लेषण, और अनगिनत रूटिंग निर्णय मौलिक रूप से अच्छी तरह से परिभाषित आउटपुट स्पेस के साथ वर्गीकरण समस्याएं हैं। उन लोगों के लिए, एक विशेष मॉडल जो मिलीसेकंड में कैलिब्रेटेड संभावनाएं लौटाता है, गति और लागत दोनों पर सामान्य प्रयोजन एलएलएम को कम कर सकता है।

प्रतिवाद भी परिचित है: सामान्य मॉडल बेहतर और सस्ते होते रहते हैं, और लचीला स्ट्रिंग इंटरफ़ेस जो एलएलएम को अप्रत्याशित बनाता है, वह भी उन्हें बिना दोबारा प्रशिक्षण के नए कार्यों के लिए अनुकूल बनाता है। एक संकीर्ण निर्णय इंजन को अपने अस्तित्व को उचित ठहराने के लिए पर्याप्त सजातीय कार्यभार की मात्रा ढूंढनी होगी।

Jev इस सप्ताह से आरंभिक पहुंच में उपलब्ध है। चाहे यह एक नई श्रेणी बन जाए या एक जिज्ञासु फुटनोट, लॉन्च एक उद्योग तर्क में एक अलग आवाज जोड़ता है जो केवल जोर से हो रहा है: एआई स्वचालन का सबसे तेज़ रास्ता बड़े चैटबॉट्स के माध्यम से नहीं चल सकता है, लेकिन पहले सिद्धांतों से डिज़ाइन किए गए मॉडल के माध्यम से बिल्कुल एक काम, जल्दी से, और आपको यह बताने के लिए कि वे कितने आश्वस्त हैं।

---

Stay Ahead of AI

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

Read more AI news →