এই বছরের প্রথমার্ধে, সবচেয়ে প্রত্যাশিত এবং উত্তেজনাপূর্ণ বিষয় হল এজেন্ট টুলস, যার বড় প্রতিশ্রুতি রয়েছে: দৈনন্দিন জীবনে সেই সমস্ত মস্তিষ্ক-জ্বালা, পুনরাবৃত্তিমূলক এবং সময়সাপেক্ষ কাজগুলি এখন শুধু আপনার আঙ্গুল নাড়াচাড়া করে এবং কয়েকটি প্রম্পট টাইপ করে করা যেতে পারে।
পাইটি সত্যিই লোভনীয়, তবে এটি সম্পর্কে সাবধানে চিন্তা করুন: আপনি যদি সত্যিই দরকারী হতে চান তবে আপনার এবং আমার মতো কিছু চিন্তাভাবনা এবং পরিকল্পনা প্রয়োজন, এমনকি নিজের সাথে প্রতিদ্বন্দ্বিতা করার এবং নিজেকে প্রতিফলিত করার ক্ষমতাও।
এটি মাথায় রেখে, আমরা গভীরতর পরীক্ষার জন্য সর্বশেষ MiniMax এজেন্ট পরীক্ষা করেছি – প্রবেশ-স্তরের মূল্যায়নে আর সন্তুষ্ট নই, তবে এটি কতটা স্মার্ট হতে পারে তা দেখার জন্য এটিকে কিছু আকর্ষণীয় এবং চ্যালেঞ্জিং কিন্তু বাস্তবসম্মত কাজের পরিস্থিতিতে ফেলে দিয়েছি।
MiniMax এজেন্ট সম্পর্কে আমি বলতে পারি শুধুমাত্র একটি জিনিস: আপনি খেলার সময় কাজটি সম্পন্ন করতে পারেন।
সৃজনশীল বিষয়বস্তু: কল্পনার বাইরে ভিজ্যুয়াল আখ্যান
মিনিম্যাক্সের নিজেই মাল্টিমডাল মডেলগুলিতে গভীর অভিজ্ঞতা রয়েছে এবং এই সুবিধাটি যারা সৃজনশীল কাজ তৈরি করতে চান তাদের জন্য এটি সহজ করে তোলে।
লাবুবু সম্প্রতি অত্যন্ত জনপ্রিয় হয়েছে, তাই এটি এমনই ঘটেছে যে আমাদের লাবুবুর জন্য একটি প্রচার পরিকল্পনা করতে হয়েছিল। এটা জটিল শোনাচ্ছে, কিন্তু এই এজেন্ট মোটেও আতঙ্কিত ছিল না। তিনি প্রথমে একটি সম্পূর্ণ প্রচার কৌশল পরিকল্পনা তৈরি করেন, বিতরণযোগ্য তালিকা নির্ধারণ করেন, একটি সুশৃঙ্খলভাবে পোস্টার তৈরি করেন এবং তারপর ধাপে ধাপে প্রচারের পোস্টার প্রস্তুত করেন।
পুরো প্রক্রিয়া জুড়ে, মিনিম্যাক্স এজেন্ট তার মস্তিষ্ক ব্যবহার করে চিন্তা করার জন্য উপযুক্ত সরঞ্জামগুলি কল করার সময়, সবকিছুকে মসৃণ এবং সুশৃঙ্খল করে তোলে।
বিতরিত ফলাফলের জন্য, এটি বেশ আশ্চর্যজনক ছিল: শুধুমাত্র ভিজ্যুয়াল নান্দনিক অনলাইন ছিল না, ভূমিকার অনুলিপিটিও স্পষ্টভাবে বলা হয়েছিল, এবং সেখানে একের পর এক থিম পোস্টার গ্যালারির সেট ছিল। এটা দেখা যাচ্ছে যে MiniMax এজেন্ট শুধুমাত্র কাজ করতে সক্ষম নয়, কিন্তু "স্বাদ" একটি বিট আছে.
একইভাবে, আপনি নায়ক হিসেবে লাবুবুকে ব্যবহার করা চালিয়ে যেতে পারেন এবং MiniMax এজেন্টকে একটি 20-পৃষ্ঠার ছবির বই লিখতে দিতে পারেন।
মাত্র দশ মিনিটের মধ্যে, MiniMax এজেন্ট তিনটি ধাপে অঙ্কন + গল্প লেখা + ওয়েব পেজ লেআউট সম্পন্ন করেছে।
প্রভাবটি অপ্রত্যাশিতভাবে অসামান্য, চরিত্রের চিত্রগুলি তুলনামূলকভাবে সামঞ্জস্যপূর্ণ, প্রতিটি পৃষ্ঠার পাঠ্য এবং ছবিগুলি অযৌক্তিক নয়, এটি পড়া অর্থপূর্ণ এবং বিরক্তিকর নয়। এটি ওয়েব স্থাপনাকেও সমর্থন করে, লেআউটটি যুক্তিসঙ্গত এবং বিশদ বিবরণগুলি দুর্দান্ত।
অবশ্যই, আমি এটি পছন্দ করি যখন লাবুবুকে লিটল বানি হ্যাট বিয়ারের ডাকনামে পরিবর্তন করা হয়। এটি চতুর শোনাচ্ছে এবং চোখে আনন্দদায়ক দেখাচ্ছে। ছবি এবং পাঠ্য উভয়ের সাথে, এটি শিশু এবং প্রাপ্তবয়স্কদের উভয়ের জন্য উপযুক্ত।
PPT উত্পাদন: শুধুমাত্র সুন্দর নয়, "খোদাই"
এই আপডেটের একটি হাইলাইট হল সুন্দর পিপিটি তৈরি করার ক্ষমতা, যা কর্মক্ষেত্রে কর্মরত মানুষের জন্য প্রয়োজনীয়।
মিনিম্যাক্স এজেন্টের জন্য, পিপিটিও এক ধরনের মাল্টিমডাল। এটি দেখতে শুধু ছবি এবং পাঠ্যের মতোই, তবে এটি টাইপসেটিং, বিষয়বস্তু পরিকল্পনা এবং সংগঠন হোক না কেন, এটির একটি থিম, ধারণা, যুক্তি থাকতে হবে এবং স্বাধীনভাবে বিষয়বস্তু সম্পূর্ণ করতে সক্ষম হতে হবে।
উদাহরণস্বরূপ, জুনিয়র হাই স্কুলের শিক্ষার্থীদের জন্য একটি পদার্থবিদ্যা ব্যাখ্যা PPT ডিজাইন করুন:
অথবা বিনিয়োগকারীদের জন্য একটি ব্যবসায়িক প্রতিবেদন:
সহজ কথায়, একটি ভাল পিপিটি তৈরি করা কেবলমাত্র সাধারণ তথ্য অনুসন্ধানের জন্য নয়, এটি স্ক্রিন করার ক্ষমতা, ডিনোইজ এবং তথ্যের ক্রস-ডোমেন পারস্পরিক সম্পর্কের পরীক্ষা।
সমাপ্ত পণ্যগুলি সবগুলি দুর্দান্ত দেখায়, যা একজনকে অবাক করে দেয়: উৎপাদন প্রক্রিয়া চলাকালীন মিনিম্যাক্স এজেন্ট কী করেছিল?
আমরা বাজার গবেষণা পিপিটি ব্যবহার করে একটি পরীক্ষা পরিচালনা করেছি, যা সাধারণত ডেটা-নিবিড় এবং তথ্য-নিবিড়। পিপিটি কতটা ভালোভাবে ডেটা বুঝেছে, উপযুক্ত চার্ট বেছে নিয়েছে এবং ফলাফল উপস্থাপন করেছে তা দেখার জন্য এটি একটি ভালো সুযোগ ছিল।
প্রথমত, এটি "পৃষ্ঠা লেআউট + চার্ট টাইপ + ডেটা স্টাইল" এর তিন-স্তর কাঠামো অনুসারে কাজগুলিকে সঠিকভাবে বিভক্ত করতে পারে এবং বিষয়বস্তু সংগঠিত করতে পারে এবং পৃষ্ঠা পরিকল্পনাটি খুব ভাল।
ভিজ্যুয়ালাইজেশন শুধুমাত্র মূল ডেটা পয়েন্টগুলিকে সম্পূর্ণরূপে প্রদর্শন করে না, তবে বিভিন্ন ডেটার বৈশিষ্ট্য অনুসারে তাদের প্রদর্শনের জন্য উপযুক্ত ভিজ্যুয়ালাইজেশন পদ্ধতিও ব্যবহার করে। সম্পূর্ণ PPT-এর অ্যানিমেশন ট্রানজিশনও খুব মসৃণ, যা স্বাভাবিকভাবেই মূল পয়েন্টগুলিকে হাইলাইট করে এবং অ্যানিমেশনটিকে সূক্ষ্ম-টিউন করার প্রচেষ্টাকে বাঁচায়।
চূড়ান্ত বিতরণে, প্রয়োজনীয় পিপিটি নথি ছাড়াও, অতিরিক্ত ওয়েব এবং পিডিএফ ফাইলের পাশাপাশি মার্কডাউন ফাইলগুলিও সরবরাহ করা হয়েছিল।
সামগ্রিকভাবে, মিনিম্যাক্স এজেন্টের "বোঝা-একীকরণ-যুক্তি-প্রজন্ম-প্রকাশ" এর সম্পূর্ণ শৃঙ্খলে খুব ভাল ক্ষমতা রয়েছে, বিশেষত নন-কোড, কপিরাইটিং এবং ব্যবসায়িক বিশ্লেষণে, এবং সম্পূর্ণরূপে "পেশাদার" হিসাবে বর্ণনা করা যেতে পারে।
ওয়েবসাইট থেকে অডিও: একটি ওয়ান-স্টপ স্মার্ট কন্টেন্ট ওয়ার্কফ্লো
যদি ছবি এবং পাঠ্যগুলি যথেষ্ট উন্নত না হয়, তাহলে একটি দৃশ্য যা এজেন্টের ক্ষমতাকে আরও বেশি পরীক্ষা করে: এই কাজটির জন্য আপলোড করা অডিও ফাইলের বিন্যাসকে রূপান্তর করা প্রয়োজন, এবং তারপর একটি টাইমস্ট্যাম্প সহ একটি প্রতিলিপিতে রূপান্তর করা প্রয়োজন৷ অবশেষে, বিষয়বস্তুর উপর ভিত্তি করে একটি মাইন্ড ম্যাপ তৈরি করতে হবে।
আলাদাভাবে নেওয়া, এই কাজগুলি কঠিন নয়, তবে এগুলি একসাথে সম্পন্ন করা যেখানে অসুবিধা রয়েছে।
অতীতে, আমাদের হয় রূপান্তর সরঞ্জামগুলি আয়ত্ত করতে হয়েছিল বা বিভিন্ন অনলাইন রূপান্তর সরঞ্জামগুলির সন্ধান এবং চেষ্টা করে সময় ব্যয় করতে হয়েছিল। MiniMax এজেন্ট এটি সরাসরি অভ্যন্তরীণভাবে করতে পারে, যা আমাদের বাহ্যিক সরঞ্জামগুলি সন্ধান, ইনস্টল এবং পরিচালনা করার প্রচেষ্টাকে ব্যাপকভাবে বাঁচায়।
মিনিম্যাক্স এজেন্ট পুরো প্রক্রিয়া জুড়ে অত্যন্ত দক্ষ এবং সুবিধাজনক। সবচেয়ে স্বজ্ঞাত অনুভূতি বিজোড় বিন্যাস রূপান্তর হয়. প্রক্রিয়া উইন্ডো থেকে, আপনি দেখতে পারেন যে MiniMax এজেন্ট ট্রান্সক্রিপ্ট তৈরি করতে দ্রুত এবং সঠিক।
অডিও বিষয়বস্তুকে টেক্সটে রূপান্তর করতে সক্ষম হওয়ার পাশাপাশি, আপনি অডিও বিষয়বস্তু সম্পর্কে গভীর উপলব্ধিও করতে পারেন, যা প্রদত্ত মাইন্ড ম্যাপে প্রতিফলিত হয়।
মাইন্ড ম্যাপগুলি কেবল স্পষ্টভাবে অডিওর মূল ধারণা এবং যৌক্তিক প্রসঙ্গগুলিকে সাজাতে পারে না, তবে বিষয়বস্তুর অনুক্রম এবং মূল তথ্য পয়েন্টগুলিও সঠিকভাবে ক্যাপচার করতে পারে৷
এটি সাধারণ কীওয়ার্ড এক্সট্রাকশনের অনেক বাইরে যায় এবং বিক্ষিপ্ত তথ্য গঠন এবং কল্পনা করার জন্য MiniMax এজেন্টের শক্তিশালী ক্ষমতা প্রদর্শন করে।
যদিও আমি প্রয়োজনীয়তা দিয়েছি, আমি আসলে সেগুলি কীভাবে বাস্তবায়ন করতে পারি তার কোন ধারণা ছিল না। পরিবর্তে, এটি নিজের জন্য কাজটি সাজানোর উদ্যোগ নিয়েছে: নির্ভরতা প্যাকেজ ইনস্টল করা থেকে শুরু করে সার্ভার শুরু করা পর্যন্ত, এটি কোনও উদ্বেগ ছাড়াই কাজটি সম্পূর্ণ করেছে।
UI ডিজাইন: করে শেখা, দক্ষ আউটপুট
যখন আমরা সত্যিই আমাদের দৈনন্দিন কাজে ফিরে আসি, তখন নিম্নলিখিত পদক্ষেপগুলি অবশ্যই জড়িত থাকতে হবে: গবেষণা এবং বোঝা – শেখা এবং বোধগম্য – হাতে-কলমে অনুশীলন। এটি মানুষের জন্য সবচেয়ে মৌলিক কাজের প্রক্রিয়া। সব পরে, গবেষণা ছাড়া, কোন ধারণা হবে না.
সুতরাং, আপনি যদি একজন ভাল এজেন্ট হতে চান তবে এই প্রক্রিয়াটিও অপরিহার্য – এটি জটিল, তবে প্রয়োজনীয়।
নিম্নলিখিত কেস স্টাডি পুরো প্রক্রিয়ার বাস্তবায়ন পরীক্ষা করে: Apple iOS 26 এর তরল গ্লাসের ডিজাইন শৈলী অধ্যয়ন করুন এবং একটি অনুরূপ UI তৈরি করুন।
স্পষ্টতই, মিনিম্যাক্স এজেন্টও জানত যে এটি একটি বরং জটিল কাজ এবং নিজের জন্য একটি সম্পূর্ণ কাজের পরিকল্পনা তৈরি করেছে।
পরবর্তী ধাপে ধাপে ধাপে কোড ডিজাইন করা, স্থাপন করা এবং লেখা। অনেকগুলি পদক্ষেপ রয়েছে, তবে এটি মানুষের হস্তক্ষেপের প্রয়োজন ছাড়াই একটি সুশৃঙ্খলভাবে কার্যকর করা হয় – এমনকি "দৃষ্টিগতভাবে প্রভাবশালী" উপকরণগুলি খুঁজে বের করার চিন্তাভাবনাও করা হয়।
চূড়ান্ত ডেলিভারি শুধুমাত্র একটি কোড প্যাকেজ নয়, পুরো গবেষণা প্রক্রিয়ার ফলাফল প্রদর্শন করার জন্য এবং বিভিন্ন মাত্রায় ফলাফলগুলি দৃশ্যমানভাবে প্রদর্শন করার জন্য একটি ওয়েবসাইটও।
এমনকি ইন্টারেক্টিভ অভিজ্ঞতার জন্য একটি উত্সর্গীকৃত এলাকা রয়েছে, যেখানে আপনি কেবল প্রভাবটি চেষ্টা করে দেখতে পারেন – এটি সম্পূর্ণভাবে মূল প্রম্পটের সেটিংসকে ছাড়িয়ে যায় এবং কাজটি অতিরিক্ত পূরণ করে।
মূল প্রম্পট আসলে খুব সহজ. চূড়ান্ত বিতরণ করা ফলাফলের সাথে এটির তুলনা করলে, আমরা দেখতে পাচ্ছি যে MiniMax এজেন্টের শুধুমাত্র গবেষণা এবং গভীর গবেষণা পরিচালনা করার ক্ষমতা এবং কোডের সাথে কাজগুলি সম্পূর্ণ করার ক্ষমতা নেই, কিন্তু কাজগুলির "নিজস্ব বোধগম্য"ও রয়েছে ৷
গভীর গবেষণা: শুধু অনুসন্ধান, আরো যুক্তি
ডেটা গবেষণা একটি মৌলিক দক্ষতা। এটি কঠিন নয়, তবে এটি একটি সূক্ষ্ম কাজ – বিশেষ করে সর্বশেষ খবরের উপর ভিত্তি করে গবেষণা করার সময়, তথ্য অর্জন যতটা সম্ভব বাড়ানো উচিত।
চিন্তা চেইন প্রক্রিয়া এবং বিতরণের ফলাফল থেকে বিচার করে, এই গবেষণা প্রতিবেদনটি সম্পূর্ণ করার ক্ষেত্রে এজেন্টের কর্মক্ষমতা প্রত্যাশা ছাড়িয়ে গেছে: এটি কেবল কাঠামোগত তথ্য একীকরণ সম্পূর্ণ করেনি, তার যুক্তির ক্ষমতাও প্রদর্শন করেছে।
প্রতিবেদনে, MiniMax এজেন্ট কেবল ডেটা তালিকাভুক্ত করে না, তবে বাজারের আকার "টপ-ডাউন" এবং "নিচে-নিচে" এর মধ্যে বিশাল পার্থক্য চিহ্নিত করে এবং এটিকে একটি "গুরুত্বপূর্ণ বাজার অন্তর্দৃষ্টি" হিসাবে উপস্থাপন করে।
স্পষ্টতই, কেবল তথ্য তালিকাভুক্ত করাকে সত্য "গভীর গবেষণা" বলা যাবে না। এজেন্টদের ডেটার পিছনে নিদর্শন, প্রবণতা এবং কার্যকারণ সম্পর্কগুলি সনাক্ত করতে হবে এবং এর উপর ভিত্তি করে মূল্যবান "অন্তর্দৃষ্টি" এবং "মূল দৃষ্টিভঙ্গি" গঠন করতে হবে – এর জন্য যুক্তির ক্ষমতা প্রয়োজন যা পাঠ্য মিলের বাইরে যায় ৷
সারাংশ: বাম হাতে মডেল, ডান হাতে এজেন্ট, মিনিম্যাক্স আমাকে বুদ্ধিমান এজেন্টদের ভবিষ্যত কেমন হবে তা দেখতে দেয়
এজেন্ট হল এই বছরের AI-এর অন্যতম হটেস্ট ট্র্যাক৷ সবাই এজেন্টের ভবিষ্যৎ নিয়ে কথা বলছে, কিন্তু আসলে খুব কম টুল আছে যা সত্যিকার অর্থে এজেন্টকে শো-অফ প্রদর্শনী থেকে রূপান্তরিত করতে পারে এবং "পাঁচ মিনিটের গরম" খেলনাকে এমন একটি টুলে পরিণত করতে পারে যা উৎপাদনশীলতা পরিবর্তন করতে পারে।
MiniMax, যার নিজস্ব স্ব-উন্নত মডেল রয়েছে, তার নিজস্ব এজেন্ট পণ্য চালু করেছে, যা আমাদের খেলার একটি ভিন্ন উপায় দেখাচ্ছে৷ পরীক্ষার পর, আমাদের এজেন্ট সম্পর্কে একটি নতুন বোঝাপড়াও হয়েছে: এজেন্টের অভিজ্ঞতা যা নির্ধারণ করে তা কেবল মডেল নিজেই নয়, অদৃশ্য অবকাঠামোও।
এখানে একটি বিশদ বিবরণ রয়েছে যা বিশেষভাবে উল্লেখ করার মতো – একটি স্বাধীন কোম্পানি হিসাবে, MiniMax প্রায় একমাত্র প্রস্তুতকারক যা সম্পূর্ণ সম্পূর্ণ-মোডাল ক্ষমতা প্রদান করতে পারে।
▲ MiniMax স্পিচ মডেল Speech-02-HD কৃত্রিম বিশ্লেষণ স্পিচ এরিনা তালিকায় প্রথম স্থান পেয়েছে
▲ MiniMax ভিডিও মডেল Hailuo 02 কৃত্রিম বিশ্লেষণ ভিডিও এরিনা তালিকায় দ্বিতীয় স্থানে রয়েছে
এজেন্টের বেশিরভাগ ক্ষমতা মডেল ইঞ্জিনের উপর নির্ভর করে এবং "এজেন্ট হিসাবে মডেল" এর প্রবণতা আরও স্পষ্ট হয়ে উঠছে।
এই মুহুর্তে, এআই অ্যাপ্লিকেশনগুলিতে মডেল কোম্পানিগুলির সুবিধাগুলি সম্পূর্ণরূপে প্রদর্শিত হয়। যেহেতু তারা সরাসরি অন্তর্নিহিত মডেল নিয়ন্ত্রণ করে, তারা আরও কার্যকরভাবে সময়সূচী যুক্তিকে অপ্টিমাইজ করতে পারে, অপারেটিং খরচ কমাতে পারে এবং স্বায়ত্তশাসিত পুনরাবৃত্তির জন্য একটি ডেটা ফ্লাইহুইল তৈরি করতে পারে ।
MiniMax এর একটি আদর্শ উদাহরণ। এর নিজস্ব মডেলের ক্ষমতা যেমন উন্নত হয়, এজেন্টের অপারেটিং খরচ ক্রমাগত অপ্টিমাইজ করা হয় এবং এর কার্যকারিতা উল্লেখযোগ্যভাবে উন্নত হয়।
আজ, MiniMax বিশ্বের প্রথম বৃহৎ-স্কেল হাইব্রিড আর্কিটেকচার অনুমান মডেল MiniMax-M1 উন্মুক্ত করেছে, যা স্থানীয়ভাবে 1 মিলিয়ন টোকেনের ইনপুট দৈর্ঘ্য এবং শিল্পের দীর্ঘতম আউটপুট 80,000 আউটপুট টোকেন সমর্থন করে। 100,000 টোকেন জেনারেট করার জন্য যে ইনফারেন্স কম্পিউটিং পাওয়ার প্রয়োজন তার জন্য শুধুমাত্র DeepSeek R1-এর 25% প্রয়োজন, যা ইনফারেন্স মডেলের দাম আরও কমিয়ে দিয়েছে।
যদিও অন্যান্য স্টার্টআপগুলি এখনও উচ্চ টোকেন খরচ নিয়ে চিন্তিত, মিনিম্যাক্স তার নিজস্ব মডেলগুলির অনুপাত বৃদ্ধি করে পদ্ধতিগতভাবে এজেন্ট অপারেটিং খরচ কমাতে সক্ষম হয়েছে, যা ব্যবহারকারীদের একটি ক্রমাগত এবং স্থিতিশীল অভিজ্ঞতার জন্য খুবই গুরুত্বপূর্ণ।
এটি "প্রচেষ্টা কম করুন, বুদ্ধিমত্তা সর্বাধিক করুন" এর চূড়ান্ত ব্যাখ্যা। সহজ কথায়, এর অর্থ হল সর্বাধিক বুদ্ধিমত্তা অর্জনের জন্য ন্যূনতম প্রচেষ্টা ব্যবহার করা।
MiniMax-এর "বাম হাতে মডেল, ডান হাতে এজেন্ট" লেআউট তাদের প্রযুক্তিগত সক্ষমতা এবং ব্যবহারকারীর মূল্যের মধ্যে সর্বোত্তম ভারসাম্য খুঁজে পেতে সক্ষম করে এবং প্রকৃতপক্ষে এই বুদ্ধিমান এজেন্ট প্রতিযোগিতায় দাঁড়ানোর শর্ত রয়েছে৷
আমরা একটি অভূতপূর্ব মোড়ের দিকে রয়েছি: AI একটি হাতিয়ার থেকে "মস্তিষ্ক, ইন্দ্রিয়, হাত এবং পা সহ একটি যৌগিক বুদ্ধিমান সত্তায় বিকশিত হচ্ছে", ভবিষ্যতের কাজ এবং জীবনের জন্য নতুন এবং শীতল কল্পনার জায়গা খুলে দিচ্ছে৷
#iFanr: iFanr (WeChat ID: ifanr) এর অফিসিয়াল WeChat পাবলিক অ্যাকাউন্ট অনুসরণ করতে স্বাগতম, যেখানে যত তাড়াতাড়ি সম্ভব আরও উত্তেজনাপূর্ণ বিষয়বস্তু আপনার কাছে উপস্থাপন করা হবে।