AI मॉडेल्सचे प्रकाशन सतत का वाटते—आणि खरोखर काय वेगवान होत आहे

असे वाटू शकते की दर काही दिवसांनी एक नवीन फ्रंटियर AI घोषणा येते. या आठवड्यातच मंगळवारी दोन मॉडेल्स आली — एक OpenAI कडून आणि एक Anthropic कडून — आणि एक दिवस आधी SpaceXAI कडून तिसरे. वेगवानतेची ही धारणा डेटाद्वारे समर्थित आहे: 2026 मध्ये फ्रंटियर मॉडेल प्रकाशनाची गती वाढली आहे. परंतु उत्पादने किती वेळा लॉन्च होतात हे अंतर्निहित तंत्रज्ञान किती वेगाने प्रगती करत आहे यासारखे नाही, आणि उद्योगाचा मार्ग वाचण्याचा प्रयत्न करणाऱ्या कोणासाठीही हा फरक महत्त्वाचा आहे.

या आठवड्यातील प्रकाशने: मोठ्या प्रमाणावर पुनर्पॅकेजिंग

मंगळवारची लॉन्च या ट्रेंडचे स्पष्ट उदाहरण देतात. OpenAI ने GPT-6 Sol आणि GPT-6 Luna सादर केली, ज्यांचे वर्णन ते वेगवान आणि अधिक परवडणारी मॉडेल्स म्हणून करते जी त्यांच्या फ्लॅगशिप GPT-6 Astra मागील प्रगती दैनंदिन कामात आणतात. ही ऑफर नवीन फ्रंटियर नसून विद्यमान फ्रंटियरमध्ये व्यापक प्रवेश आहे. Anthropic ने Claude Opus 5.5 सह समान दृष्टिकोन स्वीकारला, ज्याबद्दल कंपनी म्हणते की ते बहुतेक कामांवर त्यांच्या फ्लॅगशिप Claude Fable 5.1 मॉडेलच्या कामगिरीशी जुळते, तर त्याचा वापर खर्च त्याच्या पूर्ववर्ती Claude Opus 5 पेक्षा सुमारे 40% कमी आहे.

OpenAI चे Sol आणि Luna

Sol आणि Luna यांना कार्यक्षमतेचा डाव म्हणून स्थान दिले आहे. ते GPT-6 Astra चे तांत्रिक वंश परंपरा सामायिक करतात परंतु वेग आणि खर्चासाठी ट्यून केलेले आहेत, ज्यामुळे ते व्यवसाय आणि विकसकांना आकर्षक वाटतात ज्यांना फ्लॅगशिपच्या प्रीमियम किंमतीशिवाय सक्षम मॉडेल्स हवी आहेत. प्रकाशन धोरण उद्योगभरातील एका पद्धतीचे प्रतिबिंब आहे: जेव्हा उच्च स्तरावर मोठी क्षमता सिद्ध होते, तेव्हा लॅब्स त्वरीत विशिष्ट ग्राहक विभागांना लक्ष्य करणारी हलकी आवृत्ती बाहेर काढतात.

Anthropic चे Opus 5.5

Anthropic चे अपडेट समान तर्काचे अनुसरण करते, जरी अर्थशास्त्रावर अधिक तीव्र भर देते. बहुतेक कार्यांवर Fable 5.1 शी समानता आणि Opus 5 पेक्षा सुमारे 40% कमी चालू खर्चाचा दावा करून, कंपनी प्रभावीपणे एंटरप्राइझ ग्राहकांना सांगत आहे की मागील फ्लॅगशिपची कामगिरी आता कमी किंमतीत मिळू शकते. ही एक अर्थपूर्ण व्यावसायिक हालचाल आहे, परंतु ती अशा मॉडेलचे अनावरण करण्यासारखी नाही ज्यात नवीन क्षमता आहेत ज्यांना कोणतीही पूर्वीची प्रणाली जुळू शकत नाही.

Grok 4.7 अपवाद म्हणून

SpaceXAI चे सोमवारचे प्रकाशन, Grok 4.7, वेगळे उभे आहे. कंपनी म्हणते की मॉडेल कोडिंग आणि ज्ञान कार्यात उत्कृष्ट आहे, लांब कार्ये हाताळू शकते आणि त्याचे आउटपुट सत्यापित करू शकते. महत्त्वाचे म्हणजे, Grok 4.7 चे वर्णन पूर्वीच्या मॉडेलची ऑप्टिमाइझ केलेली आवृत्ती नसून नवीन कामगिरी आणि क्षमता असलेले खरोखर नवीन फ्लॅगशिप म्हणून केले आहे. त्यामुळे ते या आठवड्यातील व्यापक पद्धतीचा प्रतिउदाहरण बनते — आणि एक स्मरण करून देते की व्यस्त प्रकाशन चक्रातील प्रत्येक शीर्षक पुनर्पॅकेजिंग व्यायाम नसतो.

प्रकाशन गती विरुद्ध खरे यश

वेगवानतेच्या भावनामागील आकडेवारी आश्चर्यकारक आहे. Anthropic ची फ्रंटियर मॉडेल्ससाठीची गती 2026 मध्ये सुमारे दुप्पट झाली, वर्षाच्या पहिल्या सहामाहीत दर 46 दिवसांनी एक मॉडेल वरून दुसऱ्या सहामाहीत आतापर्यंत दर 26 दिवसांनी एक मॉडेल. OpenAI ची प्रकाशन गती उलट दिशेने गेली, पहिल्या सहामाहीत दर 46 दिवसांवरून दुसऱ्या सहामाहीत आतापर्यंत दर 51 दिवसांनी. तरीही, खरोखर नवीन असलेल्या फ्लॅगशिप मॉडेल्समधील वेळ दोन्ही कंपन्यांसाठी फारसा बदललेला नाही, असे प्रकाशन तारखांनुसार दिसते. या वर्षी आतापर्यंत, Anthropic ने आठ फ्लॅगशिप फ्रंटियर मॉडेल्स आणि OpenAI ने सहा पाठवली आहेत.

हा फरकच महत्त्वाचा आहे. एक लॅब त्याच्या लॉन्चची संख्या वाढवू शकते परंतु ती ज्या दराने यशस्वी प्रणाली तयार करते तो दर वाढवू शकत नाही. एक मोठा यश स्वस्त किंवा अधिक विशेषीकृत आवृत्त्यांचे संपूर्ण कुटुंब तयार करू शकतो, प्रत्येक वेगळ्या ग्राहकाला लक्ष्य करतो, ज्यामुळे उत्पादन लॉन्चचा वेग तांत्रिक प्रगतीचा कमी विश्वासार्ह निर्देशक बनतो.

प्रगतीपेक्षा गती वेगवान का वाटते

बदलाचा स्पष्ट वेग वाढवणारे अनेक घटक आहेत:

• उत्पादन विभाजन: एकच फ्लॅगशिप खर्च, विलंब किंवा विशेष कार्यांसाठी ट्यून केलेली अनेक व्युत्पन्न मॉडेल्स देऊ शकते.
• किंमत स्पर्धा: नवीन प्रकाशने अनेकदा कच्च्या क्षमतेऐवजी प्रति टोकन खर्चावर स्पर्धा करतात, जसे Anthropic चे Opus 5.5 दर्शवते.
• विपणन लय: लॅब्सना वारंवार घोषणांमुळे एंटरप्राइझ संभाषणे आणि विकसक कार्यप्रवाहात राहण्याचा फायदा होतो.
• खरी प्रगती: काही प्रकाशने, जसे Grok 4.7, नवीन क्षमता सादर करतात, परंतु ती शीर्षकांचा बहुसंख्य भाग नाहीत.

पुनरावर्ती स्व-सुधारणा: AI ने AI तयार करणे

खरी गोष्ट प्रकाशन दिनदर्शिकेपेक्षा कमी दृश्य असू शकते. AI लॅब्स वाढत्या प्रमाणात म्हणतात की ते नवीन मॉडेल्स डिझाइन आणि तयार करण्यासाठी AI चाच वापर करत आहेत, या प्रथेला पुनरावर्ती स्व-सुधारणा म्हणतात. हा कल चालू राहिल्यास, तो शेवटी घोषणा वारंवारता आणि खरी प्रगती यांच्यातील संबंध बदलू शकतो — परंतु सध्याचे पुरावे सूचित करतात की ते अजून लवकर आहे.

Anthropic चे R&D आकडे

Anthropic नोंदवते की ऑगस्टपर्यंत, त्यांची Claude मॉडेल्स त्यांच्या AI संशोधन आणि विकास कार्याच्या 26% नेतृत्व करत होती आणि 90% पेक्षा जास्त कामात सहयोग करत होती. संशोधक अधिक शक्ती, कार्यक्षमता आणि वेग देणारी नवीन संगणकीय पायाभूत सुविधा डिझाइन करण्यासाठी AI मॉडेल्सचा वापर करत आहेत. ते कृत्रिम प्रशिक्षण डेटा तयार करत आहेत, मॉडेल प्रशिक्षण व्यवस्थापित करणारे सॉफ्टवेअर फ्रेमवर्क ऑप्टिमाइझ करत आहेत आणि मॉडेल्स स्वतः परिभाषित आणि अंमलात आणणारा कोड लिहिण्यासाठी आणि सुधारण्यासाठी AI कोडिंग मॉडेल्स वापरत आहेत.

OpenAI चा एजंट रन टाइम

OpenAI आणखी एक डेटा पॉइंट देते. जून 2026 पूर्वी, कंपनी म्हणते की त्यांचा एकूण AI एजंट रन टाइम त्यांच्या मानवी श्रम तासांपेक्षा कमी होता. ऑगस्टच्या मध्यापर्यंत, त्यांचे AI एजंट मानवी श्रमाच्या प्रत्येक एका दिवसासाठी 3.1 दिवस काम करत होते, आठ तासांच्या कामकाजाच्या दिवसावर आधारित. मशीन-निर्मित कामाच्या प्रमाणात हा नाट्यमय बदल आहे, जरी तो थेट सांगत नाही की फ्रंटियर क्षमता किती वेगाने प्रगती करत आहेत.

काय पाहावे

पुढील काही तिमाही स्पष्ट करतील की सध्याचा प्रकाशन बूम AI क्षमतेतील खरी वेगवानता प्रतिबिंबित करतो की परिपक्व होणारा उद्योग जे आधीच आहे ते पॅकेजिंग आणि किंमत ठरवण्यात चांगला होत आहे. दोन संकेत लक्षात ठेवण्यासारखे आहेत. प्रथम, खरोखर नवीन फ्लॅगशिप मॉडेल्समधील अंतराल — व्युत्पन्न नाहीत — मूलभूत प्रगती वेगवान होत आहे का हे दर्शवेल. दुसरे, AI प्रणाली त्यांच्या स्वतःच्या विकासात किती योगदान देतात, Anthropic च्या R&D सहभाग आणि OpenAI च्या एजंट रन टाइमसारख्या मेट्रिक्सद्वारे मोजले जाते, हे दर्शवेल की पुनरावर्ती स्व-सुधारणा खरी शक्ती बनत आहे का.

सध्या, सतत चालणारे प्रकाशन चक्र स्पर्धात्मक, व्यावसायिकदृष्ट्या केंद्रित बाजाराचे लक्षण म्हणून समजून घेणे उत्तम. नवीन मॉडेल नावे येत राहतील. कठीण प्रश्न हा आहे की त्यापैकी किती समान गंतव्यस्थानाकडे स्वस्त मार्गाऐवजी पुढे पाऊल टाकतात.

हा लेख Fast Company च्या अहवालावर आधारित आहे. मूळ लेख वाचा.