OpenAI نے خاموشی سے اپنے کوڈیکس کوڈنگ ایجنٹ اور بنیادی GPT-5.6 ماڈل فیملی کے لیے ورکنگ سیاق و سباق کی ونڈو کو کم کر دیا ہے، قابل استعمال حد کو تقریباً 372,000 ٹوکنز سے کم کر کے 272,000 ٹوکنز کر دیا ہے۔ کمپنی کے اوپن سورس کوڈیکس ریپوزٹری پر ضم شدہ پل کی درخواست کے ذریعے سامنے آنے والی اس تبدیلی نے ڈویلپرز کی جانب سے شدید ردعمل کا اظہار کیا ہے جو ایک ہی پاس میں پورے کوڈ بیس کا تجزیہ کرنے کے لیے بڑے سیاق و سباق پر انحصار کرتے ہیں۔

ایڈجسٹمنٹ AI انڈسٹری میں ایک مانوس تناؤ کی عکاسی کرتی ہے، جہاں کمپنیاں صارفین کو فراہم کردہ سہولت کے مقابلے میں طویل سیاق و سباق کے تخمینے کی لاگت میں توازن رکھتی ہیں۔ تازہ ترین AI انڈسٹری کوریج کے لیے، یہ اقدام اس بات کی نشاندہی کرتا ہے کہ کس طرح ماڈل میٹا ڈیٹا میں چھوٹی تبدیلیاں بھی لاکھوں ڈویلپر ورک فلوز میں پھیل سکتی ہیں۔

کیا بدلا اور کہاں دیکھا؟

کمی کوڈیکس ریپوزٹری کی بنڈل ماڈل میٹا ڈیٹا فائل، `codex-rs/models-manager/models.json` میں نظر آئی۔ ایک پل کی درخواست کے عنوان سے "بیک پورٹ ریفریشڈ بنڈل ماڈل میٹا ڈیٹا ٹو 0.144"، OpenAI انجینئر سیان-اوئی کے ذریعہ تصنیف کردہ اور 18 جولائی 2026 کو ضم کیا گیا، اس میٹا ڈیٹا کو تازہ کر دیا جسے مستحکم کوڈیکس کلائنٹس ہر ماڈل کی صلاحیتوں کو سمجھنے کے لیے استعمال کرتے ہیں۔

موجودہ فائل GPT-5.6 لائن اپ میں 272,000 ٹوکنز کی ایک `سیاق و سباق_ونڈو` قدر دکھاتی ہے، بشمول GPT-5.6-Sol، GPT-5.6-Terra، اور GPT-5.6-Luna کی مختلف حالتوں کے ساتھ ساتھ پرانے GPT-5.5 اور GPT-5.2 اندراجات۔ ہیکر نیوز پر ہونے والی بحث کے مطابق، جہاں تبدیلی نے 350 سے زیادہ ووٹ حاصل کیے، پہلے کام کرنے کی حد تقریباً 372,000 ٹوکن تھی۔ کچھ ماڈلز 10 لاکھ ٹوکنز کی اعلیٰ `max_context_window` کو برقرار رکھتے ہیں، لیکن پہلے سے طے شدہ ونڈو جس کی کلائنٹ درحقیقت درخواست کرتے ہیں اب 272,000 تک پہنچ جاتی ہے۔

یہ فرق اہمیت رکھتا ہے۔ زیادہ سے زیادہ سیاق و سباق کی ونڈو اس بات کی نمائندگی کرتی ہے جسے ماڈل نظریاتی طور پر قبول کر سکتا ہے، جب کہ کام کرنے والی `context_window` وہ ہے جسے Codex کلائنٹ بطور ڈیفالٹ بھیجنے کے لیے ترتیب دیا گیا ہے۔ عملی طور پر، اس کا مطلب ہے کہ وہ ڈویلپرز جو پہلے ایجنٹ کو سیکڑوں ہزاروں ٹوکنز سورس کوڈ فراہم کر رہے تھے، اب جلد ہی چھت پر پہنچ جائیں گے۔

کوڈنگ ایجنٹس کے لیے سیاق و سباق کی لمبائی کیوں اہمیت رکھتی ہے۔

کوڈیکس جیسے کوڈنگ ایجنٹ کے لیے، سیاق و سباق کی ونڈو وینٹی میٹرک نہیں ہے۔ یہ اس بات کا تعین کرتا ہے کہ ماڈل کسی بگ کے بارے میں استدلال کرتے ہوئے، کوئی خصوصیت پیدا کرتے ہوئے، یا ماڈیول کو ری فیکٹر کرتے وقت ایک ساتھ کتنا ذخیرہ "دیکھ" سکتا ہے۔ 100,000 ٹوکن ڈراپ کا مطلب ہے کہ کوڈ، تبصرے، اور دستاویزات کے تقریباً 75,000 کم الفاظ ایک ہی پرامپٹ میں لوڈ ہوتے ہیں۔

حقیقی دنیا کی شرائط میں، یہ ایک ایجنٹ کے درمیان فرق ہو سکتا ہے جو ایک پوری مائیکرو سروس کو اینڈ ٹو اینڈ تک سمجھتا ہے اور اسے جزوی، کٹے ہوئے منظر کے ساتھ کام کرنے کی ضرورت ہے۔ بڑے monorepos پر کام کرنے والے یا صاف کراس فائل ہجرت کرنے والے ڈویلپرز سب سے زیادہ متاثر ہوتے ہیں، کیونکہ ان کے کام بیک وقت بہت سی فائلوں کو سیاق و سباق میں رکھنے پر منحصر ہوتے ہیں۔

تبدیلی اس وقت آتی ہے جب ایجنٹ کوڈنگ ٹولز جارحانہ مقابلہ کرتے ہیں کہ وہ کتنے سیاق و سباق کو سنبھال سکتے ہیں۔ حریفوں نے ایک کلیدی سیلنگ پوائنٹ کے طور پر بہت زیادہ سیاق و سباق کی ونڈوز کی مارکیٹنگ کی ہے، جو کہ حقیقی خود مختار سافٹ ویئر انجینئرنگ کی طرف جانے والے راستے کے طور پر پورے کوڈ بیس کو ہضم کرنے کی صلاحیت کو تیار کرتی ہے۔ OpenAI کا پل بیک پہلے سے طے شدہ سطح پر اس فرق کو کم کرتا ہے۔

لاگت، معیار، اور طویل سیاق و سباق کی معاشیات

ممکنہ محرک لاگت ہے۔ لمبے سیاق و سباق پر کارروائی کرنا ڈرامائی طور پر زیادہ مہنگا ہے، کمپیوٹ اور تاخیر دونوں میں، کیونکہ ماڈل کو ان پٹ میں ہر ٹوکن پر حاضر ہونا ضروری ہے۔ سیاق و سباق کے پھیلنے کے ساتھ ہی "گھاس کے ڈھیر میں سوئی" کی ناکامی کی شرحیں بھی بڑھ جاتی ہیں، مطلب کہ ماڈلز کبھی کبھی طویل پرامپٹ میں گہرائی میں دفن ہونے والی معلومات کو کھو دیتے ہیں۔ پہلے سے طے شدہ ونڈو کو کیپ کرنا ان درستگی کے مسائل کو کم کر سکتا ہے جبکہ تخمینہ خرچ کو تراشتا ہے۔

OpenAI نے کمی کی وضاحت کرنے والا الگ اعلان شائع نہیں کیا۔ تبدیلی صرف میٹا ڈیٹا ریفریش اور بیک پورٹ کے ذریعے 0.144 ریلیز لائن تک پہنچی، جو کہ زیادہ تر غیر الفا کوڈیکس صارفین کو بھیجی جانے والی برانچ ہے۔ یہ کم پروفائل رول آؤٹ خود ہی قابل ذکر ہے: ایک فیصلہ جو ڈویلپر کی پیداواری صلاحیت کو براہ راست متاثر کرتا ہے اسے بلاگ پوسٹ یا چینج لاگ کے بجائے کوڈ ڈیف کے ذریعے بتایا گیا تھا۔

ٹیموں کے لیے، عملی اثر سیدھا ہے۔ وہ کام جو پہلے کسی ایک سیاق و سباق کے پاس میں فٹ ہوتے تھے اب کام کو چھوٹے حصوں میں تقسیم کرنے، متعلقہ فائلوں کو زیادہ منتخب طریقے سے بازیافت کرنے، یا یہ قبول کرنے کی ضرورت ہو سکتی ہے کہ ایجنٹ کا نقطہ نظر ایک تنگ فیلڈ ہے۔ کچھ ڈویلپرز جہاں دستیاب ہوں اعلیٰ `max_context_window` پر بھروسہ کر کے حد سے گزر سکتے ہیں، حالانکہ ایسا کرنے کے لیے عام طور پر واضح کنفیگریشن کی ضرورت ہوتی ہے۔

خاموش ایڈجسٹمنٹ کا ایک وسیع نمونہ

کوڈیکس سیاق و سباق کا کٹ ایک وسیع صنعت کے پیٹرن پر فٹ بیٹھتا ہے جس میں AI لیبز ہیڈ لائن لانچ کے درمیان اپنے ماڈلز کے پیرامیٹرز کو ٹیون کرتی ہیں۔ ونڈو کے سائز، شرح کی حد، اور پہلے سے طے شدہ طرز عمل کو اکثر انفراسٹرکچر اپ ڈیٹس کے ذریعے ایڈجسٹ کیا جاتا ہے جو کبھی بھی پریس ریلیز تک نہیں پہنچتے ہیں۔ ڈویلپرز جو ان سسٹمز پر انحصار کرتے ہیں وہ ابتدائی سگنلز کے لیے بنیادی ذخیروں اور API کے جوابات کو تیزی سے دیکھتے ہیں۔

OpenAI کا یہ اقدام مارکیٹنگ اور حقیقت کے درمیان فرق کو بھی نمایاں کرتا ہے۔ ایک ماڈل سرخی کے سیاق و سباق کی لمبائی کو سپورٹ کر سکتا ہے، لیکن مؤثر ونڈو جو پروڈکٹس حقیقت میں ظاہر کرتی ہیں، کافی چھوٹی ہو سکتی ہے، جس کی تشکیل لاگت کے فیصلوں سے ہوتی ہے جو فراہم کنندگان صارفین کی جانب سے کرتے ہیں۔

AI سے آگے رہیں

ماڈل کے پیرامیٹرز مسلسل بدلتے رہتے ہیں، اور ڈویلپرز جن ٹولز پر انحصار کرتے ہیں وہ راتوں رات تبدیل ہو سکتے ہیں۔ ریلیز، صلاحیت میں تبدیلی، اور فرنٹیئر AI کی معاشیات کے بارے میں بروقت رپورٹنگ کے لیے، AI Buzz Wire پر بریکنگ AI نیوز کی پیروی کریں۔

مزید AI خبریں پڑھیں →