Cloudflare نے منگل کے روز Clairic کے پیش نظارہ کا اعلان کیا، ایک ایکسٹرکشن ماڈل جسے کمپنی "سسٹم ون" ماڈلز کی ایک نئی کلاس کے پہلے کے طور پر بیان کرتی ہے جسے بغیر کسی ٹوکن ٹوکن نسل کے بغیر ساختہ ڈیٹا سے باہر نکالنے کے لیے ڈیزائن کیا گیا ہے جو بڑے زبان کے ماڈلز کی وضاحت کرتا ہے۔ یہ ماڈل اب Cloudflare کے Workers AI پلیٹ فارم پر @cf/cloudflare/clairic کے طور پر پیش منظر میں دستیاب ہے، اور کمپنی کا کہنا ہے کہ وہ مستقبل قریب میں ماڈل کے وزن کو کھلے عام جاری کرنے کا ارادہ رکھتی ہے۔
لانچ کی پوزیشن کلاؤڈ فلیئر کو ایک اور دلچسپ بحث کے اندر اب AI انفراسٹرکچر مارکیٹ کو نئی شکل دے رہی ہے: چاہے LLM کو تفویض کردہ ہر کام کو درحقیقت LLM کی ضرورت ہو۔ For more context on this story, see our ongoing AI trends.
کلیرک کیا کرتا ہے - اور یہ جان بوجھ کر کیا نہیں کرتا ہے۔
کلیرک ایک تنگ لیکن بہت زیادہ عام کام کے لیے بنایا گیا ہے: گڑبڑ، غیر ساختہ ان پٹ پڑھنا اور ٹائپ شدہ اقدار کو واپس کرنا۔ Cloudflare کے اعلان کے مطابق، ماڈل غیر ساختہ ان پٹ سے قیمتیں نکال سکتا ہے، حساب لگا سکتا ہے، تخمینہ لگا سکتا ہے، اور 80% رینج کے ساتھ نمبرز واپس کر سکتا ہے، ٹائپ شدہ قدریں جیسے کہ نام، تاریخیں، اوقات، اور فہرستیں، اور مکمل امکانی تقسیم — ہر ایک کیلیبریٹڈ اعتماد کے ساتھ۔
یہ جو نہیں کرتا ہے وہ ہے متن تیار کرنا۔ کلیرک کے لیے ایک استفسار یا تو اس قسم کی قدر لوٹاتا ہے جس کا ڈیولپر نے اعلان کیا تھا، یا p_null سکور کے ساتھ جوڑا بنا ہوا ایک کالعدم نتیجہ جو اس امکان کا اندازہ لگاتا ہے کہ جواب صرف ان پٹ میں موجود نہیں ہے۔ ہر جواب اعتماد کے اسکور کے ساتھ بھیجتا ہے تاکہ ڈاؤن اسٹریم سسٹم فیصلہ کر سکے کہ آیا اس پر بھروسہ کرنا ہے یا انسانی جائزہ کے لیے اس پر پرچم لگانا ہے۔
Cloudflare تجارت بند کے بارے میں واضح ہے۔ چونکہ Clairic کوئی ٹوکن نہیں بناتا ہے، اس لیے یہ خراب JSON پیدا نہیں کر سکتا، ہندسوں کے درمیانی جنریشن کو غلط نہیں پڑھ سکتا، یا LLM کی طرح جواب کو گمراہ نہیں کر سکتا۔ یہ اب بھی غلطیاں کر سکتا ہے — کمپنی اس معاملے میں محتاط ہے — لیکن اس کی ناکامیاں آزاد شکل کے بجائے ٹائپ شدہ اور پیمائش کی جاتی ہیں۔
'سسٹم ون' لیبل، وضاحت کی گئی۔
اصطلاحات AI سٹارٹ اپ TypeSafe سے آتی ہیں، جس نے تقریباً ایک ماہ قبل اپنے سسٹم ون ماڈلز کا اعلان کیا تھا اور تیزی سے ڈویلپر کمیونٹی میں سب سے زیادہ زیر بحث لانچوں میں سے ایک بن گیا۔ یہ فریمنگ ماہر نفسیات ڈینیئل کاہنی مین کی کتاب "تھنکنگ، فاسٹ اینڈ سلو" سے لی گئی ہے: سسٹم ون سوچ تیز، خودکار اور عین مطابق ہے، جبکہ سسٹم ٹو سوچ سست اور جان بوجھ کر ہے۔ TypeSafe نے اس امتیاز کو AI ماڈلز پر نقش کیا، یہ بحث کرتے ہوئے کہ بہت سے پروڈکشن ورک بوجھ کو کھلے عام استدلال کی بجائے تیز، اچھی طرح سے ٹائپ شدہ جوابات کی ضرورت ہوتی ہے۔
TypeSafe's Jev، ایک مخصوص ڈومین کے لیے بنایا گیا فیصلہ ساز ماڈل، ممکنہ جوابات کی ایک مقررہ فہرست پر امکانات کو ان پٹ کے طور پر لیا اور امکانات کو واپس کر دیا۔ اب تک، یہ پوری کیٹیگری تھی: ہر سسٹم ون ماڈل فیصلہ کن ماڈل تھا۔
کلیرک تصور کو بڑھاتا ہے۔ جہاں فیصلہ کرنے والا ماڈل پہلے سے طے شدہ اختیارات میں سے انتخاب کرتا ہے، ایک نکالنے والا ماڈل اقدار کے ساتھ جواب دیتا ہے — نمبر براہ راست ان پٹ سے نکالے گئے، اس سے شمار کیے گئے، یا اس سے آگے کی پیشن گوئی۔ Cloudflare کا کہنا ہے کہ دو ماڈل فیملیز، روایتی LLMs کے ساتھ، اب ایک تین پرتوں کا اسٹیک بناتے ہیں: نکالنے والے ماڈل خام ان پٹ کو ٹائپ شدہ اقدار میں تبدیل کرتے ہیں، فیصلہ کن ماڈل اقدار کو فیصلوں میں بدل دیتے ہیں، اور LLM فیصلوں کو الفاظ میں بدل دیتے ہیں۔
کیوں نکالنا دوبارہ سوچنے کے لئے تیار ہے۔
Cloudflare کی دلیل اس بات پر منحصر ہے کہ آج کی LLM ٹریفک کا کتنا حصہ ایسے کام پر خرچ ہوتا ہے جو بات چیت کی طرح کچھ نہیں لگتا ہے۔ کمپنی نکالنے کو "شاید آج کل LLMs کو دیا جانے والا سب سے عام کام" کہتی ہے - ایک انوائس کل، ڈیلیوری کی تاریخ، یا کسی دستاویز میں سے ایک حصہ نمبر نکالنا۔
Cloudflare کے بتانے میں مسئلہ یہ ہے کہ LLM اس کام کو کسی اور چیز کے لیے بنائی گئی مشینری کے ساتھ ہینڈل کرتے ہیں۔ آؤٹ پٹ درست JSON نہیں ہو سکتا۔ ایک ہندسہ غلط پڑھا جا سکتا ہے کیونکہ ٹوکنز تیار ہوتے ہیں۔ واپس کیے گئے متن کے اقتباس کو ماخذ دستاویز میں اس کے مقام پر واپس نہیں پایا جا سکتا۔ ٹیمیں ماڈلز کو دفاعی پائپ لائنوں میں لپیٹ کر جواب دیتی ہیں: اسکیما کی توثیق کرنے والے، دوبارہ کوشش کریں منطق، پرتوں کو پارس کرنا، اور اسپاٹ چیک۔ اور چونکہ LLMs کا بل استدلال اور آؤٹ پٹ ٹوکنز کے لیے ہوتا ہے، اس لیے ہر دستاویز کے ہر شعبے میں ایک نسل کی لاگت ہوتی ہے جو کام کی دشواری کے بجائے لفظی طور پر ہوتی ہے۔
ایک سسٹم ون نکالنے کا ماڈل اس معاشیات کو الٹ دیتا ہے۔ Cloudflare کا کہنا ہے کہ Clairic ایک ہی فارورڈ پاس کے ساتھ ان پٹ پر کارروائی کرتا ہے، صرف ان پٹ ٹوکنز کے لیے چارج کرتا ہے، اور عام طور پر ایک سیکنڈ کے اندر جواب دیتا ہے - جب کہ ایک ہی فیلڈز کے ذریعے کام کرنے والے LLM میں کئی سیکنڈ لگ سکتے ہیں۔ ہائی والیوم دستاویز کی پروسیسنگ کے لیے، فرق تیزی سے مل جاتا ہے۔
درخواست دراصل کیسے کام کرتی ہے۔
ڈویلپرز کلیرک کو ایک ریاست بھیجتے ہیں — پڑھنے کے لیے متن، نیز چار اختیاری تصاویر تک — ٹائپ کردہ فیلڈز کے نقشے کے ساتھ۔ ہر فیلڈ میں ایک نام، ایک قسم، اور اختیاری سادہ زبان کی ہدایات ہوتی ہیں۔ ماڈل فی فیلڈ میں ایک ٹائپ شدہ جواب دیتا ہے، ایک ہی متوازی پاس میں شمار کیا جاتا ہے۔ اگر فیلڈ کی فہرست ایک پاس میں ان پٹ کے ساتھ فٹ نہیں ہوتی ہے، تو سرور کام کو متوازی پاسوں میں تقسیم کرتا ہے جس میں ہر ایک مکمل ان پٹ دیکھتا ہے، پھر جوابات کو ضم کر دیتا ہے۔
تخمینہ لگانے کے کاموں کے لیے، جوابات تقسیم کے طور پر آتے ہیں: 10ویں سے 90ویں پرسنٹائلز پر محیط 80% وقفہ کے ساتھ ایک میڈین، درخواست پر دستیاب تمام 99 پرسنٹائلز کے ساتھ۔ یہ ماڈل کو پیشن گوئی کے طرز کے سوالات کے لیے قابل استعمال بناتا ہے — متوقع مرمت کے اخراجات، ڈیلیوری ٹائم لائنز، اگلے دن ٹریفک — جہاں ایک پوائنٹ کا تخمینہ ماڈل کی یقین کو بڑھاوا دے گا۔
انفراسٹرکچر مارکیٹ کے لیے ایک سگنل
کلیرک خود کامیاب ہوتا ہے یا نہیں یہ بات قریب قریب ہے۔ لانچ بنیادی ڈھانچے کے فراہم کنندگان کے درمیان کاموں میں دائیں سائز کے ماڈلز کی طرف تیزی سے منتقل ہونے والی تبدیلی میں ایک اور ڈیٹا پوائنٹ ہے: تنگ ساختی کام کے لیے چھوٹے، تیز، سستے ماڈل، جس میں فرنٹیئر LLMs حقیقی طور پر کھلے عام استدلال کے لیے محفوظ ہیں۔ Cloudflare کی اپنی پوزیشننگ - کہ نکالنے، فیصلہ، اور زبان کے ماڈلز کو ایک ساتھ کام کرنا چاہیے - ایک بلیو پرنٹ کے طور پر پڑھتا ہے کہ یہ کس طرح سوچتا ہے کہ پروڈکشن AI اسٹیکس کو جمع کیا جائے گا۔
کمپنی نے وعدہ شدہ اوپن ویٹ ریلیز کی تاریخ کا اعلان نہیں کیا ہے۔ ابھی کے لیے، Clairic Workers AI پر پیش نظارہ میں دستیاب ہے، جہاں ڈویلپرز اسے اپنے نکالنے والے کام کے بوجھ کے خلاف جانچ سکتے ہیں — اور معلوم کریں کہ ان کے LLM بل کا کتنا حصہ واقعی ضروری تھا۔
_یہ مضمون Cloudflare کے Clairic Extract ماڈل کے پیش نظارہ کے سرکاری اعلان پر مبنی ہے۔_
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
