اوپن اے آئی کے ایک سابق محقق کے ذریعہ قائم کردہ ایک نئے AI اسٹارٹ اپ نے لانچ کیا ہے جسے وہ مکمل طور پر ایک نئی کلاس آف ماڈل کہتے ہیں - ایک ایسا جو آپ کو مضمون نہیں لکھ سکتا، اور کہتا ہے کہ بالکل یہی بات ہے۔
TypeSafe AI نے منگل کو اپنے پہلے "System One Model" کے اجراء کا اعلان کیا، جس کا نام Jev ہے، جو کہ فوری طور پر ابتدائی رسائی میں دستیاب ہے۔ کمپنی کی بنیاد ڈیوگو المیڈا نے رکھی تھی، جن کا کہنا ہے کہ ChatGPT کی ہدایات پر عمل کرنے کے پیچھے تحقیق اس کام سے بڑھی جس میں انہوں نے OpenAI میں تعاون کیا۔ چپکے سے دو سال گزارنے کے بعد، وہ بحث کر رہا ہے کہ چیٹ پر انڈسٹری کی فکسیشن نے اس بات کو دھندلا دیا ہے کہ جہاں آٹومیشن دراصل ناکام ہو جاتی ہے۔ For more context on this story, see our ongoing artificial intelligence updates.
"ماڈل سالوں سے چیٹ میں مافوق الفطرت رہے ہیں، تو تمام آٹومیشن کہاں ہے؟" المیڈا نے لانچ پوسٹ میں لکھا۔ "یہ پچھلے چار سالوں سے میرا ڈرائیونگ سوال رہا ہے۔"
اصل میں 'سسٹم ون' ماڈل کیا ہے۔
یہ نام نفسیات کے تیز، فطری سوچ اور سست، دانستہ استدلال کے درمیان امتیاز سے لیا گیا ہے۔ جہاں بڑے لینگویج ماڈلز ٹوکن کے ذریعے ٹیکسٹ ٹوکن تیار کرتے ہیں — لچکدار، عام، اور کبھی کبھار پر اعتماد بکواس کا شکار — TypeSafe's Jev کو کچھ تنگ کرنے کے لیے بنایا گیا ہے: غیر ساختہ حالت کو ان پٹ کے طور پر لیں اور ٹائپ شدہ، ترتیب شدہ فیصلے منسلک کیلیبریٹڈ امکانات کے ساتھ واپس کریں۔
کمپنی جیو کو "ایک فرنٹیئر انٹیلی جنس فنکشن کال: غیر ساختہ حالت میں، ٹائپ شدہ امکانی فیصلے آؤٹ" کے طور پر بیان کرتی ہے۔ چونکہ ممکنہ آؤٹ پٹس کی پہلے سے وضاحت کی جاتی ہے اور ماڈل کبھی بھی فری فارم سٹرنگز نہیں بناتا، TypeSafe کا دعویٰ ہے کہ یہ قسم کی غلطیاں پیدا نہیں کر سکتا - ایک ایسی پراپرٹی جو کمپنی کہتی ہے کہ اعداد و شمار کے لحاظ سے امکان کی بجائے ریاضیاتی طور پر ضمانت دی جاتی ہے - اور ٹیکسٹ تیار کرنے والے ماڈلز کے طریقے سے دھوکہ نہیں دے سکتے۔
لانچ پوسٹ کے مطابق فن تعمیر مرکزی دھارے کی مشق سے تین طریقوں سے الگ ہوتا ہے: ایک نیا ماڈل آرکیٹیکچر، ایک متوازی نمونہ جو ترتیب وار کی بجائے ایک ہی سوال میں تمام آؤٹ پٹ تیار کرتا ہے، اور ایک تربیتی طریقہ جسے کمپنی Reinforcement Learning for Calibrated Decisions (RLCD) کہتی ہے، جو کہ انسانوں کے لیے پرہیزگاری کے پروگرام کے بجائے پرہیزگاری کے لیے بہتر ہوتی ہے۔ قابل تصدیق نتائج۔
دعوے: 100x تیز، لاگت کا ایک حصہ
TypeSafe کے شائع کردہ نمبر جارحانہ ہیں۔ کمپنی کا کہنا ہے کہ Jev موجودہ فرنٹیئر LLMs کے مقابلے میں انٹیلی جنس فراہم کرتا ہے جسے وہ "سسٹم ون شیپڈ" ٹاسکس کہتے ہیں - درجہ بندی، روٹنگ، اسکورنگ، نکالنے اور برانچنگ کے فیصلے - جبکہ فرنٹیئر ماڈل کے لیے 3 سے 329 سیکنڈ کے اینڈ ٹو اینڈ ریسپانس ٹائمز کے مقابلے میں 70 سے 500 ملی سیکنڈ میں جواب دیتے ہیں۔ کمپنی کا کہنا ہے کہ یہ 40x سے 200x تک تیزی سے کام کرتا ہے۔
قیمتوں کا تعین بھی اسی طرح غیر روایتی ہے: $0.042 فی ملین ان پٹ ٹوکنز، آؤٹ پٹ ٹوکنز کے ساتھ مفت، کیونکہ آؤٹ پٹ ٹوکن کے ذریعہ تیار کردہ ٹوکن کے بجائے متوازی طور پر شمار کیے جاتے ہیں۔ کمپنی نے اپنی پوسٹ میں تسلیم کیا کہ وہ ابھی تک یہ ثابت نہیں کر سکتی کہ قیمتوں کا تعین پیمانے پر پائیدار ہے۔
"غیر معمولی دعووں کے لیے غیر معمولی ثبوت کی ضرورت ہوتی ہے،" پوسٹ پڑھتی ہے، اس سے پہلے کہ اس کے پاس کیا ثبوت ہیں۔
رسیدیں - اور شکی لوگ کیا کہتے ہیں۔
TypeSafe نے GPT-5.6 Terra سے Jev کا موازنہ کرتے ہوئے ایک ساتھ بہ پہلو ڈیمو شائع کیا، جسے وہ اسی طرح کی انٹیلی جنس پر سب سے زیادہ موازنہ فرنٹیئر ماڈل کے طور پر بیان کرتا ہے، اور کہتا ہے کہ ریکارڈ شدہ رن میں واحد اختلاف حقیقی طور پر مبہم فیصلہ کال شامل ہے۔ اس نے ایک نیا "ورک فلو ایول" طریقہ کار بھی متعارف کرایا جو ماڈلز کو سب سے بڑے بیرونی ماڈلز - OpenAI's Astra اور Anthropic's Fable - کے اتفاق رائے کے خلاف ایک مقررہ کمپیوٹ گراف کے اندر ماپتا ہے، اور دعویٰ کرتا ہے کہ Jev "تقریباً 2 آرڈرز کے لیے پیریٹو فرنٹیئر کا مالک ہے۔"
خاص طور پر، کمپنی نے "اینٹی بینچ میکسنگ" کے عنوان سے ایک ساتھ والی پوسٹ شائع کی جس میں بتایا گیا کہ یہ روایتی معیارات سے کیوں گریز کرتی ہے، یہ دلیل دیتے ہوئے کہ سافٹ ویئر ورک فلو کے اندر ساختی فیصلوں کے لیے ڈیزائن کیا گیا ماڈل بامعنی عالمی موازنہ کی مزاحمت کرتا ہے۔
ہیکر نیوز پر ردعمل، جہاں لانچ نے گھنٹوں کے اندر سینکڑوں پوائنٹس حاصل کیے، حقیقی جوش و خروش سے لے کر واضح شکوک و شبہات تک۔ متعدد تبصرہ نگاروں نے نوٹ کیا کہ عوامی ثبوت بڑے پیمانے پر ڈیمو ویڈیوز پر مشتمل ہوتے ہیں — جس میں ایک ماڈل کو دکھاتا ہے جو ڈوم گیم پلے لوپ کو طاقت دیتا ہے — بجائے اس کے کہ تیسری پارٹی کے دوبارہ پیدا ہونے والے جائزوں کے۔ دوسروں نے استدلال کیا کہ نقطہ نظر کو ایک انتہائی تیز، سرحدی معیار کے درجہ بندی کے طور پر سمجھا جاتا ہے، جو LLMs کے متبادل کے بجائے کام کے بوجھ کے ایک ٹکڑے کے لیے مفید ہے۔
یہاں تک کہ ہمدرد مبصرین نے ثبوت کا بوجھ واضح طور پر تیار کیا۔ "ہاں، وہ شکوک و شبہات کے طور پر بات کرتے ہیں لیکن ڈیمو کے ایک دو ویڈیوز کے علاوہ ایک ٹن ثبوت پیش نہیں کرتے ہیں،" ایک تبصرہ نگار نے لکھا۔ "ایک لائیو ڈیمو کہیں زیادہ قائل ہوگا۔"
یہ بہرحال کیوں فرق پڑتا ہے۔
پچ ایک حقیقی درد کے مقام پر اترتی ہے۔ تجارتی سافٹ ویئر میں پروڈکشن LLM کالز کا ایک بڑا حصہ بالکل بھی تخلیقی نہیں ہوتا ہے - وہ بائنری فیصلے، زمرہ اسائنمنٹس، اور نثر میں لپٹے ہوئے روٹنگ فیصلے ہیں۔ اگر کوئی ماڈل ان کالز کو 70 ملی سیکنڈز میں کیلیبریٹڈ اعتماد کے ساتھ اور مؤثر طریقے سے صفر آؤٹ پٹ لاگت کے ساتھ کر سکتا ہے، تو AI سے چلنے والے سافٹ ویئر کی معاشیات کافی حد تک بدل جاتی ہے: ریئل ٹائم یوزر انٹرفیس عملی ہو جاتے ہیں، اور پائپ لائن کے اقدامات جو LLMs کے ساتھ خودکار کرنے کے لیے بہت مہنگے تھے ہر جگہ چلانے کے لیے کافی سستے ہو جاتے ہیں۔
TypeSafe کے تجویز کردہ استعمال کے معاملات میں ڈیٹا کی درجہ بندی اور روٹنگ، LLM آؤٹ پٹس کی تصدیق اور حفاظت، جیل بریک کا پتہ لگانا، اور بڑے ڈیٹا سیٹس پر نقشہ کم کرنے کا تجزیہ شامل ہیں - کام کا بوجھ جہاں آس پاس کا کوڈ ماڈل کی آزادی کو روک سکتا ہے اور غلطیوں کو پکڑ سکتا ہے۔
کمپنی کھلے سوالات کے بارے میں واضح ہے: اس کے شائع شدہ ایولز یو ایس ویسٹ کوسٹ پر لیپ ٹاپس سے چلائے گئے تھے، اور طویل مدتی قیمتوں کی پائیداری غیر ثابت شدہ ہے۔ آیا جیو کے ذہانت کے دعوے آزاد جانچ کے ساتھ رابطے میں رہتے ہیں اس بات کا تعین کرے گا کہ آیا "سسٹم ون ماڈلز" ایک زمرہ بنتا ہے یا ایک تجسس۔
ابتدائی رسائی اب کمپنی کی ویب سائٹ کے ذریعے کھلی ہے۔
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
