জটিল পেশাদার কাজের জন্য Google Gemini 4 Argon চালু করেছে

বিশ্বজুড়ে Gemini 4 Argon প্রকাশ করল Google

Google Gemini 4 Argon নামে একটি নতুন frontier AI মডেল চালু করেছে। সফটওয়্যার ইঞ্জিনিয়ারিং, অর্থনীতি, আইন, সাইবার নিরাপত্তা এবং বিজ্ঞানসহ বিভিন্ন ক্ষেত্রে কঠিন, বহু-ধাপের কাজের জন্য মডেলটি তৈরি করা হয়েছে বলে জানিয়েছে সংস্থাটি। Google বলেছে, ১৩ অক্টোবর থেকে তার API পরিষেবা, AI Studio, Gemini প্ল্যাটফর্ম, Gemini অ্যাপ, Search-এর AI Mode এবং যোগ্য গ্রাহকদের জন্য Google Antigravity-এর মাধ্যমে মডেলটি বিশ্বব্যাপী পাওয়া যাবে।

এই প্রকাশের গুরুত্ব কোনও একক ভোক্তা-কেন্দ্রিক বৈশিষ্ট্যের চেয়ে Google যে বিস্তৃত ধরনের কাজ মডেলটির মাধ্যমে করাতে চায়, তার ওপর বেশি নির্ভর করছে। Argon-কে “deep work”-এর জন্য একটি সিস্টেম হিসেবে উপস্থাপন করা হচ্ছে—এমন কাজ, যেখানে প্রসঙ্গ ধরে রাখা, একাধিক ধাপে যুক্তি প্রয়োগ করা এবং এমন পরিবেশে কার্যকর ফল তৈরি করা দরকার, যেখানে ভুল সংশোধন করা ব্যয়বহুল বা সময়সাপেক্ষ হতে পারে।

Google জানিয়েছে, Vals Index-এ Argon প্রথম স্থান পেয়েছে। সংস্থাটি এই benchmark-কে অর্থনীতি-গুরুত্বপূর্ণ ক্ষেত্র—যেমন অর্থনীতি, কোডিং, আইনি কাজ এবং কর—জুড়ে কর্মদক্ষতা মাপার সূচক হিসেবে বর্ণনা করেছে। যেকোনও benchmark দাবির মতো, এই ফলাফলকে মডেলের সক্ষমতার একটি নির্দেশক হিসেবে দেখা ভালো; কোনও নির্দিষ্ট সংস্থার ডেটা, কর্মপ্রবাহ বা ঝুঁকি-সংক্রান্ত প্রয়োজনীয়তায় কর্মদক্ষতার নিশ্চয়তা হিসেবে নয়।

বৃহত্তর ইঞ্জিনিয়ারিং কাজের দিকে জোর

Google-এর অন্যতম প্রধান উদাহরণ হল বড় পরিসরে সফটওয়্যার রক্ষণাবেক্ষণ। Chrome এবং অন্যান্য ব্রাউজারের ভিত্তি হিসেবে ব্যবহৃত open-source ব্রাউজার codebase Chromium নিয়ে কাজসহ কঠিন অভ্যন্তরীণ প্রকল্পে তাদের ইঞ্জিনিয়াররা Argon ব্যবহার করেছেন বলে সংস্থাটি জানিয়েছে।

Google-এর মতে, Chromium-এর প্রায় ৪০ মিলিয়ন লাইনের codebase-এর মধ্যে প্রায় ৬ মিলিয়ন লাইনের legacy browser-features folder থেকে মূল webpage-handling ফাংশন আলাদা করতে Chrome টিমকে Argon সাহায্য করেছে। এই কাজে শত শত ফাইল জুড়ে architectural refactor করা হয়েছে। Google বলেছে, মডেলটির সাহায্যে কয়েক সপ্তাহে এমন কাজ শেষ করা সম্ভব হয়েছে, যা অন্যথায় কয়েক মাস সময় নিত।

সংস্থাটি জানিয়েছে, এই refactor-এর লক্ষ্য হল reload না করেই webpages-কে tabs, side panels এবং floating windows-এর মধ্যে সরানো সম্ভব করা। উদাহরণটি Google যে ধরনের AI-assisted engineering-এর ওপর জোর দিচ্ছে, তা তুলে ধরে: শুধু একটি স্বতন্ত্র code snippet তৈরি করা নয়, বরং বড় ও পরস্পর-নির্ভর codebase-এ পরিবর্তন বুঝতে, প্রয়োগ করতে এবং যাচাই করতে দলগুলিকে সাহায্য করা।

Google আরও জানিয়েছে, Antigravity-তে Argon ব্যবহারকারী ইঞ্জিনিয়ারদের agentic code submissions ৩৫%-এর বেশি বেড়েছে, আর code rollbacks প্রায় এক-তৃতীয়াংশ কমেছে। এগুলি সংস্থার অভ্যন্তরীণ দাবি এবং প্রতিটি development team একই ফল পাবে, তা প্রমাণ করে না। তবে বড় প্রযুক্তি সংস্থাগুলি যে AI tools-এর মূল্যায়ন ক্রমশ delivery speed এবং কতবার পরিবর্তন ফিরিয়ে নিতে হচ্ছে, তার ওপর ভিত্তি করে করছে—এই পরিসংখ্যান তা ইঙ্গিত করে।

উপলভ্যতা ও মূল্য

Google-এর API এবং platform products-এর মাধ্যমে ডেভেলপার ও প্রতিষ্ঠানগুলি Gemini 4 Argon ব্যবহার করতে পারবে। Google জানিয়েছে, Antigravity-তে Google AI Ultra গ্রাহকদের জন্যও মডেলটি পাওয়া যাবে। Google AI Ultra এবং Pro গ্রাহকেরা Gemini অ্যাপ এবং Search-এর AI Mode-এও এটি ব্যবহার করতে পারবেন।

মডেলটির প্রারম্ভিক মূল্য নির্ধারণ করা হয়েছে প্রতি মিলিয়ন input tokens-এর জন্য $2 এবং প্রতি মিলিয়ন output tokens-এর জন্য $10। Cached input tokens-এ ৯৫% ছাড় দেওয়া হবে বলে Google জানিয়েছে। Token pricing গুরুত্বপূর্ণ, কারণ জটিল agentic workloads-এ দীর্ঘ নথি, codebases বা অন্যান্য context বারবার মডেলে পাঠাতে হতে পারে; caching একটি কর্মপ্রবাহে তথ্য পুনরায় ব্যবহারের খরচ কমাতে পারে।

প্রতিষ্ঠানগুলির জন্য developer এবং consumer—উভয় ধরনের পণ্যে উপলভ্যতার অর্থ হল, একই technology stack-এর একাধিক অংশে Argon দেখা যেতে পারে: API-এর মাধ্যমে একটি custom application-এ, workplace-oriented platform-এ এবং general-purpose assistant-এ। এতে adoption সহজ হতে পারে, তবে সংবেদনশীল তথ্য কোথায় process করা হচ্ছে, কোন কাজ automate করা যাবে এবং কোথায় human review প্রয়োজন—এসব পরিচিত governance প্রশ্নও সামনে আসে।

বিজ্ঞান ও ব্যবসা নিয়ে দাবি

Google জানিয়েছে, সংস্থার অভ্যন্তরীণ দল, enterprise users এবং গবেষকেরা code refactoring, workflow optimization, cybersecurity vulnerability work, quantum computing, nuclear fusion এবং life-sciences research-এ ইতিমধ্যে Argon ব্যবহার করেছেন। সংস্থাটি এসব ব্যবহারকে domain expertise-এর বিকল্প হিসেবে উপস্থাপন করেনি। বরং জটিল তথ্য ও প্রযুক্তিগত প্রক্রিয়ার মুখোমুখি বিশেষজ্ঞদের জন্য মডেলটিকে accelerator হিসেবে বর্ণনা করেছে।

frontier-model নির্মাতাদের প্রতিযোগিতায় এই দৃষ্টিভঙ্গি ক্রমশ গুরুত্বপূর্ণ হয়ে উঠছে। সাবলীল উত্তর দেওয়ার chatbot-এর সক্ষমতা থেকে মনোযোগ সরে দীর্ঘ কাজের ধারায় নির্ভরযোগ্যভাবে অবদান রাখার সক্ষমতার দিকে যাচ্ছে। বাস্তবে এর অর্থ হতে পারে একটি বড় repository পড়া, আইনি বা আর্থিক কর্মপ্রবাহের প্রাথমিক খসড়া তৈরি করা, সম্ভাব্য নিরাপত্তা সমস্যা চিহ্নিত করা অথবা গবেষকদের ধারণা সংগঠিত ও পরীক্ষা করতে সাহায্য করা।

Google-এর ঘোষণায় safety এবং reliability-এর ওপরও বিশেষ গুরুত্ব দেওয়া হয়েছে। সংস্থাটি বলেছে, তারা দায়িত্বশীল ও নিরাপদভাবে Argon তৈরি করেছে, আর তাদের উদাহরণগুলি উচ্চ-ঝুঁকির ক্ষেত্রে precision-এর ওপর জোর দেয়। বাস্তব পরীক্ষা হবে গ্রাহকেরা নিজেদের পরিবেশে outputs কীভাবে মূল্যায়ন করেন—বিশেষত যেখানে কোনও উত্তরকে বর্তমান নিয়ম, source material, code বা experimental evidence-এর সঙ্গে যাচাই করতে হয়।

এই প্রকাশে কী বদলাচ্ছে

Gemini 4 Argon Google-এর সেই প্রচেষ্টাকে আরও বিস্তৃত করছে, যেখানে advanced AI-কে শুধু consumer assistant নয়, ডেভেলপার, প্রতিষ্ঠান এবং গবেষকদের জন্য কার্যকরী tool হিসেবে তৈরি করা হচ্ছে। এর ব্যাপক প্রকাশ এবং usage-based pricing সংস্থাগুলিকে এই ধারণা সরাসরি পরীক্ষা করার সুযোগ দেয়।

তাৎক্ষণিক প্রশ্নটি কোনও মডেল জটিল পেশাদার কাজ করার চেষ্টা করতে পারে কি না, তা নয়। প্রশ্ন হল, বাস্তব দলের review process-এর সঙ্গে যুক্ত হওয়ার মতো ধারাবাহিকভাবে সে কাজটি করতে পারে কি না। Google-এর Chromium উদাহরণ বলছে, সংস্থাটি বড় পরিসরের code maintenance-কে প্রাথমিক পরীক্ষাক্ষেত্র হিসেবে দেখছে। রিপোর্ট করা সুবিধাগুলি Google-এর নিজস্ব engineering organization-এর বাইরেও দেখা গেলে, বড় ও বহু-ধাপের প্রযুক্তিগত কাজে সহায়তা করা AI systems-এর বৃহত্তর পরিবর্তনের অংশ হয়ে উঠতে পারে Argon।

এই নিবন্ধটি Google AI Blog-এর প্রতিবেদন অবলম্বনে তৈরি। মূল নিবন্ধ পড়ুন।