TypeSafe AI کے نام سے ایک اسٹارٹ اپ اس ہفتے دو سال کے اسٹیلتھ سے ایک جرات مندانہ پچ کے ساتھ سامنے آیا: انڈسٹری آٹومیشن کے لیے غلط قسم کا ماڈل بنا رہی ہے۔ اس کا پہلا پروڈکٹ، جیو نامی ایک سسٹم، جسے کمپنی "سسٹم ون ماڈل" کہتی ہے، اور یہ جلد ہی ہیکر نیوز پر سب سے زیادہ زیر بحث کہانی بن گئی، جس نے 1,800 سے زیادہ پوائنٹس حاصل کیے۔
"ماڈل سالوں سے چیٹ میں مافوق الفطرت رہے ہیں، تو تمام آٹومیشن کہاں ہے؟" کمپنی اپنی لانچ پوسٹ میں پوچھتی ہے۔ بانی، ایک سابق اوپن اے آئی محقق، کہتے ہیں کہ جن طریقوں سے اس نے وہاں بنانے میں مدد کی وہ ChatGPT کے پیچھے تحقیق بن گئی، اور یہ کہ ان کا خیال تھا کہ چیٹ کے ماڈلز مصنوعی عمومی ذہانت کی طرف لے جائیں گے اس سے پہلے کہ کوئی بڑی چیز غائب ہے۔ For more context on this story, see our ongoing AI news.
سسٹم ون ماڈل کیا ہے؟
یہ نام نفسیات کے تیز، بدیہی نظام ایک سوچ اور سست، جان بوجھ کر نظام دو استدلال کے درمیان فرق سے لیا گیا ہے۔ جہاں آج کے بڑے لینگوئج ماڈلز ٹوکن کے ذریعے ٹیکسٹ ٹوکن تیار کرتے ہیں، وہاں Jev کو تیز، منظم فیصلے کرنے کے لیے بنایا گیا ہے جسے سافٹ ویئر براہ راست استعمال کر سکتا ہے۔
کمپنی اس ماڈل کو "ایک فرنٹیئر انٹیلی جنس فنکشن کال: غیر ساختہ حالت میں، ٹائپ شدہ امکانی فیصلے آؤٹ" کے طور پر بیان کرتی ہے۔ نثر تیار کرنے کے بجائے جس کی تجزیہ اور توثیق کی جانی چاہیے، Jev پہلے سے طے شدہ ساختی اقدار کو آؤٹ پٹ کرتا ہے، ہر ایک کیلیبریٹڈ امکانات اور اعتماد کے اسکور کے ساتھ۔ کمپنی کا دعویٰ ہے کہ ماڈل میں کبھی بھی قسم کی غلطیاں نہیں ہوتی ہیں اور ٹیکسٹ ماڈلز کے طریقے سے دھوکہ نہیں دے سکتے ہیں، حالانکہ ایسا وینڈر دعویٰ کرتا ہے کہ اس وقت تک جانچ پڑتال کی ضمانت دی جائے جب تک کہ آزادانہ طور پر جانچ نہ کی جائے۔
آرکیٹیکچرل فرق ترسیل کا طریقہ کار ہے۔ پوسٹ کے مطابق، جیو اپنے تمام آؤٹ پٹس کو ایک وقت میں ایک ٹوکن کے بجائے خودکار طریقے سے ایک ہی متوازی پاس میں تیار کرتا ہے۔ کمپنی کا کہنا ہے کہ فری فارم سٹرنگ جنریشن کو ترک کرنا بالکل وہی ہے جو اس کی رفتار خریدتا ہے: آؤٹ پٹس کو ترتیب وار کے بجائے بیک وقت شمار کیا جاتا ہے۔
ایک نیا تربیتی نسخہ
ہڈ کے تحت، TypeSafe کا کہنا ہے کہ اس نے ایک نیا اسٹیک بنایا: ایک حسب ضرورت ماڈل فن تعمیر، متوازی نمونہ، اور ایک تربیتی طریقہ جسے یہ Reinforcement Learning for Calibrated Decisions، یا RLCD کہتے ہیں۔ کمپنی RLCD کو صنعت کی دو غالب ترکیبوں کے مقابلے میں رکھتی ہے۔ انسانی تاثرات سے کمک سیکھنا ان ردعمل کے لیے بہتر بناتا ہے جو انسانی ریٹرز کو ترجیح دیتے ہیں۔ قابل تصدیق انعامات کے ساتھ کمک سیکھنا ان آؤٹ پٹ کے لیے بہتر بناتا ہے جن کو پروگرام کے مطابق چیک کیا جا سکتا ہے۔ RLCD اس کے بجائے ماڈل کو تیز رفتار فیصلے کے کاموں پر اپنے جوابات کے ساتھ علمی اعتبار سے ایماندار امکانات کو منسلک کرنے کی تربیت دیتا ہے۔
نتیجہ، کمپنی کے مطابق: اعلیٰ اعتماد کا تعلق اعلیٰ درستگی کے ساتھ ہونا چاہیے، اور اسی طرح کے ان پٹس کو مسلسل آؤٹ پٹ پیدا کرنا چاہیے، ایسی خصوصیات جو اس وقت اہمیت رکھتی ہیں جب ماڈل کے فیصلوں کو براہ راست پروڈکشن سافٹ ویئر میں وائرڈ کیا جاتا ہے۔
کارکردگی اور قیمتوں کے دعوے
دعوے جارحانہ ہیں یہاں تک کہ آغاز کے معیارات کے مطابق۔ TypeSafe کا کہنا ہے کہ Jev موجودہ LLMs تک اسی طرح کی ذہانت تک پہنچتا ہے جسے یہ سسٹم ون ٹاسک کہتے ہیں جبکہ ان سوالات کی شکلوں کے لیے 40x سے 200x تیزی سے چلتے ہیں۔ کمپنی کا ہوم پیج 193.6x تیز اور 444.6x سستا کے اعداد و شمار کا حوالہ دیتا ہے، حالانکہ بلاگ پوسٹ تسلیم کرتی ہے کہ یہ "حقیقی دنیا کے فوائد کے اعلی سرے پر ہیں۔" کمپنی کا یہ بھی کہنا ہے کہ ماڈل تقریباً 100 ملی سیکنڈ کی رفتار حاصل کرتا ہے، جو کہ صارف کے سامنے کام کے بہاؤ میں AI فیصلے کو سرایت کرنے کے لیے کافی تیز ہے جہاں تاخیر بہت اہم ہے۔
قیمتوں کا تعین غیر روایتی ڈیزائن کی پیروی کرتا ہے۔ TypeSafe ان پٹ ٹوکنز کو $0.042 فی ملین ٹوکنز، تقریباً $42 فی بلین کے حساب سے درج کرتا ہے، اور نوٹ کرتا ہے کہ LLM لاگت کا معمول کا ڈھانچہ الٹا ہے: کیونکہ Jev لمبے ڈور بنانے کے بجائے متوازی طور پر ساختی آؤٹ پٹ تیار کرتا ہے، لیجر کا مہنگا آؤٹ پٹ ٹوکن سائیڈ بڑی حد تک غائب ہو جاتا ہے۔ کمپنی اس کا موازنہ روایتی ماڈلز سے کرتی ہے، جہاں آؤٹ پٹ ٹوکن کی قیمت عام طور پر ان پٹ ٹوکن سے کئی گنا زیادہ ہوتی ہے۔
رسیدیں، اور ان کی حدود
اس کے کریڈٹ کے لئے، لانچ پوسٹ ساتھ ساتھ مظاہروں کے ساتھ ہائپ کو ثابت کرنے کی کوشش کرتی ہے۔ اس کی سرخی کے مقابلے کے لیے، کمپنی نے پہلے سے طے شدہ استدلال کے ساتھ GPT-5.6 Terra کا استعمال کیا، جسے وہ اوسط ذہانت میں Jev سے سب سے زیادہ موازنہ ماڈل کے طور پر بیان کرتا ہے۔ اس کی تشخیص میں حوالہ جات کے جوابات OpenAI کے GPT-6 Astra اور Anthropic's Fable 5.1 کی اوسط کے طور پر شمار کیے جاتے ہیں، ایک ایسا انتخاب جسے کمپنی تسلیم کرتی ہے کہ اس کے تقابل کو موجودہ لیبز کی طرف متعصب ہے۔ LLM سائیڈ کے لیے لاگت اور لیٹنسی نمبرز OpenRouter سے آتے ہیں، جسے کمپنی نوٹ کرتی ہے کہ اس کے اپنے روٹنگ تعصبات متعارف کرائے گئے ہیں۔
وہ طریقہ کار سیکشن لانچ کے اعلان کے لیے غیر معمولی طور پر واضح ہے، اور یہ وہ جگہ بھی ہے جہاں شک کرنے والوں کی توجہ مرکوز ہوگی۔ تمام ہیڈ لائن نمبرز ان کاموں سے آتے ہیں جو کمپنی نے خود منتخب کیے ہیں، جن کو ایسے فیصلوں کے طور پر بیان کیا گیا ہے جن کی درجہ بندی، روٹ، اسکور، نکالا، یا برانچ کیا جا سکتا ہے، بالکل وہی شکلیں جو اس کے فن تعمیر کو پسند کرتی ہیں۔ ابھی تک کوئی آزاد معیار نہیں ہے، اور کمپنی کی اپنی فریمنگ تسلیم کرتی ہے کہ موازنہ سوال کے انتخاب پر منحصر ہے۔
لانچ کیوں گونج اٹھی۔
پرجوش ہیکر نیوز کا استقبال، جہاں پوسٹ ایک دن کے اندر 1,800 پوائنٹس پر پہنچ گئی، تجویز کرتی ہے کہ پچ ایک حقیقی اعصاب کو چھوتی ہے۔ AI پروڈکٹس بنانے والے ڈویلپرز نے متاثر کن ڈیمو اور قابل اعتماد آٹومیشن کے درمیان فرق کے ساتھ کشتی کرتے ہوئے دو سال گزارے ہیں: ہیلوسینیٹڈ ٹول کالز، متضاد فیصلے، سست استدلال کے اقدامات کی مہنگی زنجیریں ٹوٹنے والے گلو کوڈ کے ساتھ مل کر جڑی ہوئی ہیں۔
TypeSafe کی شرط یہ ہے کہ حقیقی دنیا کے AI کام کے بوجھ کے ایک بامعنی حصہ کو چیٹی ماڈل کی بالکل بھی ضرورت نہیں ہے۔ فراڈ چیک، سپورٹ ٹکٹ ٹرائیج، لیڈ اسکورنگ، مواد میں اعتدال، لاگ تجزیہ، اور لاتعداد روٹنگ فیصلے بنیادی طور پر اچھی طرح سے متعین آؤٹ پٹ اسپیس کے ساتھ درجہ بندی کے مسائل ہیں۔ ان لوگوں کے لیے، ایک خصوصی ماڈل جو ملی سیکنڈز میں کیلیبریٹڈ احتمالات واپس کرتا ہے، رفتار اور لاگت دونوں پر عام مقصد کے LLM کو کم کر سکتا ہے۔
جوابی دلیل بھی جانی پہچانی ہے: عام ماڈلز بہتر اور سستے ہوتے رہتے ہیں، اور لچکدار سٹرنگ انٹرفیس جو LLMs کو غیر متوقع بناتا ہے وہ بھی ہے جو انہیں دوبارہ تربیت کے بغیر نئے کاموں کے لیے موافق بناتا ہے۔ ایک تنگ فیصلے والے انجن کو اپنے وجود کا جواز پیش کرنے کے لیے کام کے بوجھ کا کافی یکساں حجم تلاش کرنا چاہیے۔
Jev اس ہفتے شروع ہونے والی ابتدائی رسائی میں دستیاب ہے۔ چاہے یہ ایک نیا زمرہ بن جائے یا ایک متجسس فوٹ نوٹ، لانچ انڈسٹری کے ایک استدلال میں ایک الگ آواز کا اضافہ کرتا ہے جو صرف بلند تر ہوتا جا رہا ہے: AI آٹومیشن کا تیز ترین راستہ بڑے چیٹ بوٹس کے ذریعے نہیں چل سکتا، لیکن پہلے اصولوں سے تیار کردہ ماڈلز کے ذریعے بالکل ایک کام، جلدی، اور آپ کو یہ بتانے کے لیے کہ وہ کس حد تک یقینی ہیں۔
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
