কেন এআই মডেলের প্রকাশ মনে হয় অবিরাম—আর আসলে কী দ্রুততর হচ্ছে

মনে হতে পারে যেন প্রতি কয়েক দিনে একটি নতুন ফ্রন্টিয়ার এআই ঘোষণা আসছে। শুধু এই সপ্তাহেই মঙ্গলবারে এসেছে দুটি মডেল — একটি OpenAI থেকে এবং একটি Anthropic থেকে — এর সঙ্গে একদিন আগে SpaceXAI থেকে তৃতীয়টি। ত্বরণের এই ধারণার পেছনে তথ্যও আছে: ২০২৬ সালে ফ্রন্টিয়ার মডেল প্রকাশের ছন্দ দ্রুততর হয়েছে। কিন্তু কত ঘন ঘন পণ্য 출시 হয়, তা আর অন্তর্নিহিত প্রযুক্তি কত দ্রুত এগোচ্ছে, এক নয়—আর শিল্পের গতিপথ বুঝতে চাওয়া যে কারও জন্য এই পার্থক্যটি গুরুত্বপূর্ণ।

এই সপ্তাহের প্রকাশ: বড় পরিসরে পুনঃপ্যাকেজিং

মঙ্গলবারের লঞ্চগুলো এই প্রবণতা স্পষ্টভাবে দেখায়। OpenAI পরিচয় করিয়ে দিয়েছে GPT-6 Sol এবং GPT-6 Luna, যেগুলোকে তারা বর্ণনা করেছে দ্রুততর ও আরও সাশ্রয়ী মডেল হিসেবে, যা তাদের ফ্ল্যাগশিপ GPT-6 Astra-র পেছনের অগ্রগতিগুলো দৈনন্দিন কাজে নিয়ে আসে। এর বার্তা নতুন কোনো ফ্রন্টিয়ার নয়, বরং বিদ্যমান একটিতে বিস্তৃত প্রবেশাধিকার। Anthropic অনুরূপ পথ নিয়েছে Claude Opus 5.5-এর মাধ্যমে, যা কোম্পানির দাবি অনুযায়ী বেশিরভাগ কাজে তাদের ফ্ল্যাগশিপ Claude Fable 5.1 মডেলের পারফরম্যান্সের সমান, অথচ চালাতে খরচ তার পূর্বসূরি Claude Opus 5-এর চেয়ে প্রায় ৪০% কম।

OpenAI-র Sol এবং Luna

Sol এবং Luna-কে দক্ষতার খেলা হিসেবে অবস্থান দেওয়া হয়েছে। তারা GPT-6 Astra-র প্রযুক্তিগত বংশধারা ভাগ করে, কিন্তু গতি ও খরচের জন্য টিউন করা হয়েছে, যা ব্যবসা ও ডেভেলপারদের কাছে আকর্ষণীয় করে তোলে—যারা ফ্ল্যাগশিপের প্রিমিয়াম দাম ছাড়াই সক্ষম মডেল চান। প্রকাশের এই কৌশল শিল্পজুড়ে একটি প্যাটার্নের প্রতিচ্ছবি: যখন শীর্ষ পর্যায়ে একটি বড় সামর্থ্য প্রমাণিত হয়, ল্যাবগুলো দ্রুত নির্দিষ্ট গ্রাহকগোষ্ঠীর লক্ষ্যে হালকা সংস্করণ বের করে।

Anthropic-এর Opus 5.5

Anthropic-এর আপডেট একই যুক্তি অনুসরণ করে, যদিও অর্থনীতির উপর আরও তীক্ষ্ণ জোর দিয়ে। বেশিরভাগ কাজে Fable 5.1-এর সমতা দাবি করে এবং Opus 5-এর চেয়ে প্রায় ৪০% কম চলতি খরচে, কোম্পানিটি কার্যত এন্টারপ্রাইজ গ্রাহকদের বলছে যে পূর্ববর্তী ফ্ল্যাগশিপের পারফরম্যান্স এখন কম দামে পাওয়া যায়। এটি একটি তাৎপর্যপূর্ণ বাণিজ্যিক পদক্ষেপ, কিন্তু এটি এমন একটি মডেল উন্মোচনের সমান নয় যার নতুন সামর্থ্য আগের কোনো সিস্টেম মেলাতে পারত না।

ব্যতিক্রম হিসেবে Grok 4.7

SpaceXAI-র সোমবারের প্রকাশ, Grok 4.7, আলাদা হয়ে দাঁড়ায়। কোম্পানির দাবি, মডেলটি কোডিং ও নলেজ ওয়ার্কে অসাধারণ, দীর্ঘ কাজ সামলাতে পারে এবং নিজের আউটপুট যাচাই করতে পারে। গুরুত্বপূর্ণ হলো, Grok 4.7-কে বর্ণনা করা হয়েছে সত্যিকারের নতুন ফ্ল্যাগশিপ হিসেবে—নতুন পারফরম্যান্স ও সামর্থ্যসহ, পূর্ববর্তী কোনো মডেলের অপ্টিমাইজড সংস্করণ নয়। এটি এই সপ্তাহের বৃহত্তর প্যাটার্নের বিপরীত উদাহরণ—এবং মনে করিয়ে দেয় যে ব্যস্ত প্রকাশচক্রের প্রতিটি শিরোনাম পুনঃপ্যাকেজিংয়ের ব্যায়াম নয়।

প্রকাশের ছন্দ বনাম প্রকৃত অগ্রগতি

ত্বরণের অনুভূতির পেছনের সংখ্যাগুলো চমকপ্রদ। Anthropic-এর ফ্রন্টিয়ার মডেল প্রকাশের ছন্দ ২০২৬ সালে প্রায় দ্বিগুণ হয়েছে—বছরের প্রথমার্ধে প্রতি ৪৬ দিনে একটি মডেল থেকে দ্বিতীয়ার্ধে এখন পর্যন্ত প্রতি ২৬ দিনে একটি। OpenAI-র প্রকাশের ছন্দ উল্টো দিকে গেছে—প্রথমার্ধে প্রতি ৪৬ দিন থেকে দ্বিতীয়ার্ধে এখন পর্যন্ত প্রতি ৫১ দিনে। তবুও, সত্যিকারভাবে নতুন ফ্ল্যাগশিপ মডেলগুলোর মধ্যে সময়ের ব্যবধান দুই কোম্পানির জন্যই খুব একটা বদলায়নি, প্রকাশের তারিখ অনুযায়ী। এ বছর এখন পর্যন্ত Anthropic আটটি ফ্ল্যাগশিপ ফ্রন্টিয়ার মডেল প্রকাশ করেছে এবং OpenAI ছয়টি।

এই বিচ্যুতিই মূল বিষয়। একটি ল্যাব তার লঞ্চ সংখ্যা বাড়াতে পারে, কিন্তু যে হারে সে যুগান্তকারী সিস্টেম তৈরি করে তা না বাড়িয়েই। একটি বড় যুগান্তকারী অগ্রগতি সস্তা বা আরও বিশেষায়িত সংস্করণের একটি পুরো পরিবার জন্ম দিতে পারে, যার প্রতিটি ভিন্ন গ্রাহককে লক্ষ্য করে—যা পণ্য 출시ের গতিকে প্রযুক্তিগত অগ্রগতির কম নির্ভরযোগ্য সূচক করে তোলে।

কেন ছন্দ অগ্রগতির চেয়ে দ্রুত মনে হয়

কয়েকটি শক্তি পরিবর্তনের আপাত গতিকে ফুলিয়ে তুলছে:

• পণ্য বিভাজন: একটি একক ফ্ল্যাগশিপ খরচ, লেটেন্সি বা বিশেষায়িত কাজের জন্য টিউন করা একাধিক ডেরিভেটিভ মডেল দিতে পারে।
• মূল্য প্রতিযোগিতা: নতুন প্রকাশগুলো প্রায়ই কাঁচা সামর্থ্যের বদলে প্রতি টোকেন খরচে প্রতিযোগিতা করে, যেমন Anthropic-এর Opus 5.5 দেখায়।
• মার্কেটিং ছন্দ: ঘন ঘন ঘোষণা ল্যাবগুলোর এন্টারপ্রাইজ আলোচনা ও ডেভেলপার ওয়ার্কফ্লোতে থাকতে সাহায্য করে।
• প্রকৃত অগ্রগতি: কিছু প্রকাশ, যেমন Grok 4.7, সত্যিই নতুন সামর্থ্য আনে, কিন্তু শিরোনামের সংখ্যাগরিষ্ঠ অংশ তারা নয়।

পুনরাবৃত্ত আত্ম-উন্নয়ন: এআই দিয়ে এআই তৈরি

গভীরতর গল্পটি প্রকাশের ক্যালেন্ডারের চেয়ে কম দৃশ্যমান হতে পারে। এআই ল্যাবগুলো ক্রমশ বলছে তারা নতুন মডেল ডিজাইন ও নির্মাণে এআই নিজেই ব্যবহার করছে, যা পুনরাবৃত্ত আত্ম-উন্নয়ন নামে পরিচিত। এই প্রবণতা চলতে থাকলে, এটি শেষ পর্যন্ত ঘোষণার ফ্রিকোয়েন্সি ও প্রকৃত অগ্রগতির সম্পর্ক বদলে দিতে পারে—কিন্তু বর্তমান প্রমাণ ইঙ্গিত দেয় এটি এখনও প্রাথমিক পর্যায়ে।

Anthropic-এর R&D সংখ্যা

Anthropic জানায়, আগস্ট পর্যন্ত তাদের Claude মডেলগুলো তাদের এআই গবেষণা ও উন্নয়ন কাজের ২৬% নেতৃত্ব দিচ্ছিল এবং ৯০%-এর বেশি কাজে সহযোগিতা করছিল। গবেষকরা আরও বেশি শক্তি, দক্ষতা ও গতি দেওয়া নতুন কম্পিউটিং অবকাঠামো ডিজাইনেও এআই মডেল ব্যবহার করছেন। তারা সিন্থেটিক ট্রেনিং ডেটা তৈরি করছেন, মডেল ট্রেনিং পরিচালনাকারী সফটওয়্যার ফ্রেমওয়ার্ক অপ্টিমাইজ করছেন, এবং মডেলগুলোকে সংজ্ঞায়িত ও বাস্তবায়নকারী কোড লিখতে ও পরিমার্জন করতে এআই কোডিং মডেল ব্যবহার করছেন।

OpenAI-র এজেন্ট রান টাইম

OpenAI আরেকটি তথ্যবিন্দু দেয়। ২০২৬ সালের জুনের আগে, কোম্পানির দাবি অনুযায়ী তাদের মোট এআই এজেন্ট রান টাইম তাদের মানব-শ্রম ঘণ্টার চেয়ে কম ছিল। আগস্টের মাঝামাঝি নাগাদ, তাদের এআই এজেন্টরা মানব শ্রমের প্রতি এক দিনের জন্য ৩.১ দিন কাজ করছিল, আট ঘণ্টার কর্মদিবসের ভিত্তিতে। মেশিন-উৎপন্ন কাজের পরিমাণে এটি নাটকীয় পরিবর্তন, যদিও এটি সরাসরি বলে না ফ্রন্টিয়ার সামর্থ্য কত দ্রুত এগোচ্ছে।

যা লক্ষ্য রাখতে হবে

আগামী কয়েক প্রান্তিক স্পষ্ট করবে বর্তমান প্রকাশের জোয়ার এআই সামর্থ্যে সত্যিকারের ত্বরণ প্রতিফলিত করে, নাকি একটি পরিণত শিল্প যা তার কাছে ইতিমধ্যে থাকা জিনিস প্যাকেজিং ও মূল্য নির্ধারণে আরও দক্ষ হয়ে উঠছে। দুটি সংকেত লক্ষ্য রাখার মতো। প্রথমত, সত্যিকারভাবে নতুন ফ্ল্যাগশিপ মডেলগুলোর মধ্যে ব্যবধান—ডেরিভেটিভ নয়—দেখাবে মৌলিক অগ্রগতি দ্রুততর হচ্ছে কি না। দ্বিতীয়ত, এআই সিস্টেমগুলো নিজেদের উন্নয়নে কতটা অবদান রাখছে, যা Anthropic-এর R&D সম্পৃক্ততা ও OpenAI-র এজেন্ট রান টাইমের মতো মেট্রিক দিয়ে মাপা হয়, তা ইঙ্গিত দেবে পুনরাবৃত্ত আত্ম-উন্নয়ন সত্যিকারের শক্তি হয়ে উঠছে কি না।

আপাতত, অবিরাম প্রকাশচক্রকে প্রতিযোগিতামূলক, বাণিজ্যিকভাবে কেন্দ্রীভূত বাজারের লক্ষণ হিসেবে বোঝাই ভালো। নতুন মডেলের নাম আসতেই থাকবে। কঠিন প্রশ্ন হলো, তাদের কতগুলো একই গন্তব্যের সস্তা পথের বদলে সামনের দিকে এক ধাপ উপস্থাপন করে।

এই নিবন্ধটি Fast Company-র প্রতিবেদনের উপর ভিত্তি করে। মূল নিবন্ধ পড়ুন।