আমি অবশ্যই বলব, এটা ২০২৫ সাল, এবং যখন আমি AI কে কোন প্রশ্ন করি, তখন অভিজ্ঞতা প্রায়শই মেরুকৃত হয়।
এটি কয়েক সেকেন্ডের মধ্যেই সহজ প্রশ্নের উত্তর দেয়, কিন্তু মনে হয় যেন এর কোনও উত্তরই দেওয়া হয়নি।
জটিল জিনিসের জন্য গভীরভাবে চিন্তা করতে হয়, এবং চিন্তা করতে 30 সেকেন্ডেরও বেশি সময় লাগে।
এবং প্রতিটি উত্তরের সাথে, AI ক্রমাগত টোকেনগুলিকে "জ্বালিয়ে" দিচ্ছে।
ব্যবসার ক্ষেত্রে, টোকেন খরচ সরাসরি খরচের সমান। যদিও গভীর শিক্ষা সক্ষম করে এমন মডেলগুলি কর্মক্ষমতা উল্লেখযোগ্যভাবে উন্নত করতে পারে, তবুও লেটেন্সি বৃদ্ধি পায়, টোকেন খরচ বৃদ্ধি পায় এবং খরচ আকাশচুম্বী হয়।
এটি সমগ্র শিল্পের জন্য একটি বেদনাদায়ক বিষয়।
কৃত্রিম বুদ্ধিমত্তা (এআই) অ্যাপ্লিকেশনের ক্রমবর্ধমান সংখ্যার সাথে সাথে টোকেনের ব্যবহারও আকাশচুম্বী। উদাহরণস্বরূপ, ডাউবাও মডেলের গড় দৈনিক টোকেন ব্যবহার সেপ্টেম্বরের শেষ নাগাদ ৩০ ট্রিলিয়ন ডলার ছাড়িয়ে গেছে, যা মে মাসের শেষের তুলনায় ৮০% বেশি। এবং এটি বাজারের মাত্র একটি অংশ।
এই হারে AI চাহিদা বৃদ্ধি পাওয়ায়, বিকল্প হল হয় দুর্বল পারফরম্যান্স সহ হালকা ওজনের মডেল ব্যবহার করে অর্থ সাশ্রয় করা, অথবা শীর্ষ-স্তরের মডেলগুলির সাথে পারফরম্যান্স নিশ্চিত করার জন্য অর্থ ব্যয় করা। প্রশ্ন ওঠে: কোনটিকে অগ্রাধিকার দেওয়া উচিত কর্মক্ষমতা নাকি খরচ?
১৬ অক্টোবর, উহানে অনুষ্ঠিত FORCE LINK AI ইনোভেশন ট্যুরে ভলকানো ইঞ্জিন চারটি নতুন পণ্য ব্যবহার করে আপনাকে জানায়: শুধুমাত্র শিশুরাই সিদ্ধান্ত নেয়।
ডুবাও লার্জ মডেল ১.৬ মূলত ৪-স্তরের চিন্তাভাবনার দৈর্ঘ্য সমন্বয় সমর্থন করে, ডুবাও ১.৬ লাইট খরচ অর্ধেক কমিয়ে প্রভাব উন্নত করে, এবং ডুবাও স্পিচ সিন্থেসিস মডেল ২.০ এবং সাউন্ড রিপ্রোডাকশন মডেল ২.০ও রয়েছে।
আইডিসির একটি প্রতিবেদন অনুসারে, ২০২৫ সালের প্রথমার্ধে, ভলকানো ইঞ্জিন চীনের পাবলিক ক্লাউড বিগ মডেল পরিষেবা বাজারের ৪৯.২% অংশ দখল করে দৃঢ়ভাবে প্রথম স্থানে রয়েছে।
কোন ধারণা?
ক্লাউডে বড় মডেল ব্যবহার করা প্রতি দুটি কোম্পানির জন্য, একটি ভলকানো ইঞ্জিন ব্যবহার করছে।
আজকের সংবাদ সম্মেলনে উল্লেখ করা হয়েছে যে ডিপ থিংকিং মোড কর্মক্ষমতা ৩১% উন্নত করতে পারে, তবে ল্যাটেন্সি, বর্ধিত খরচ এবং আকাশছোঁয়া টোকেন ব্যবহারের কারণে প্রকৃত ব্যবহার মাত্র ১৮%। স্পষ্টভাবে বলতে গেলে, ব্যবসাগুলি এটি ব্যবহার করতে চায়, কিন্তু কেবল এটি বহন করতে পারে না।
এই যন্ত্রণার বিষয়টি সমাধানের জন্য, আজকের নতুন আপগ্রেড করা ডুবাও বিগ মডেল ১.৬ চারটি স্তরের চিন্তাভাবনা প্রদান করে: ন্যূনতম, নিম্ন, মাঝারি এবং উচ্চ।
এটি চীনের প্রথম মডেল যা স্থানীয়ভাবে "চিন্তার দৈর্ঘ্যের ধীরে ধীরে সমন্বয়" সমর্থন করে।
এটা কিভাবে বুঝবো?
এটি AI এর জন্য একটি "গিয়ারবক্স" ইনস্টল করার মতো: সহজ প্রশ্নের জন্য, টোকেন সংরক্ষণ করতে ন্যূনতম মোড ব্যবহার করুন এবং জটিল যুক্তির জন্য, প্রভাব বজায় রাখতে উচ্চ মোডে স্যুইচ করুন।
পরিস্থিতি অনুসারে উদ্যোগগুলি নমনীয়ভাবে প্রভাব, বিলম্ব এবং খরচের ভারসাম্য বজায় রাখতে পারে এবং চিন্তাভাবনার দক্ষতা আরও উন্নত হয়।
নিম্ন-স্তরের চিন্তাভাবনার ধরণটিকে উদাহরণ হিসেবে ধরুন।
আপগ্রেডের আগে একক চিন্তাভাবনা মোডের তুলনায়, মোট আউটপুট টোকেন সরাসরি ৭৭.৫% কমেছে এবং চিন্তাভাবনার সময় ৮৪.৬% কমেছে।
প্রভাব? অপরিবর্তিত থাকুন।
যখন প্রতিটি টোকেনের দাম সঠিকভাবে নিয়ন্ত্রণ করা যায়, তখন আপনি যত বেশি কিনবেন, তত বেশি সঞ্চয় করবেন; অপ্টিমাইজেশন যত বেশি বিস্তারিত হবে, তত বেশি আপনি উপার্জন করবেন।
ভলকানো ইঞ্জিন ডুবাও লার্জ মডেল ১.৬ লাইটও লঞ্চ করেছে, যা ফ্ল্যাগশিপ মডেলের তুলনায় হালকা এবং দ্রুত ইনফারেন্স স্পিডের।
কর্মক্ষমতার দিক থেকে, এই মডেলটি এন্টারপ্রাইজ-স্তরের পরিস্থিতি মূল্যায়নে ১৪% উন্নতির সাথে, Doubao 1.5 pro কে ছাড়িয়ে গেছে।
খরচের দিক থেকে, ০-৩২ হাজার ইনপুট পরিসরে, ডাউবাও ১.৫ প্রো-এর তুলনায় ব্যাপক ব্যবহারের খরচ ৫৩.৩% কমেছে।
এর প্রভাব ভালো হয় এবং খরচ অর্ধেক কমে যায়।
"ইউনিট টোকেন মান ঘনত্ব" বৃদ্ধির অর্থ হল প্রতিটি পয়সা বুদ্ধিমানের সাথে ব্যয় করা হচ্ছে।
সম্মেলনে, ভলকানো ইঞ্জিন ডুবাও স্পিচ সিন্থেসিস মডেল 2.0 এবং শব্দ প্রজনন মডেল 2.0 প্রকাশ করে।
AI অ্যাপ্লিকেশনের জন্য ভয়েস মূল মিথস্ক্রিয়া পদ্ধতি হয়ে উঠছে।
কিন্তু তাদের শক্তিশালী আবেগপ্রবণতা বা নির্দেশাবলীর আরও সুনির্দিষ্ট অনুসরণের চেয়েও উল্লেখযোগ্য বিষয় হল তারা অবশেষে জটিল সূত্রগুলি নির্ভুলভাবে আবৃত্তি করতে পারে।
এটা হয়তো তুচ্ছ শোনাতে পারে, কিন্তু শিক্ষাক্ষেত্রে, জটিল সূত্র এবং প্রতীকগুলি জোরে জোরে পড়া সবসময়ই শিল্পে একটি কঠিন সমস্যা হয়ে দাঁড়িয়েছে।
বর্তমানে, বাজারে থাকা অনুরূপ মডেলগুলির পড়ার নির্ভুলতা সাধারণত 50% এর কম।
নতুন প্রকাশিত দুটি ভয়েস মডেলের লক্ষ্যবস্তু অপ্টিমাইজেশনের পর, প্রাথমিক বিদ্যালয় থেকে উচ্চ বিদ্যালয় পর্যন্ত সকল বিষয়ে জটিল সূত্র আবৃত্তির নির্ভুলতার হার 90% এ উন্নীত হয়েছে।
এর পেছনে রয়েছে ডুবাও বৃহৎ ভাষা মডেলের উপর ভিত্তি করে তৈরি একটি নতুন বক্তৃতা সংশ্লেষণ স্থাপত্য, যা সংশ্লেষিত এবং পুনরুত্পাদিত উভয় শব্দকেই গভীর শব্দার্থিক বোঝার ক্ষমতা প্রদান করে এবং প্রাসঙ্গিক যুক্তি ক্ষমতাও প্রসারিত করে।
এআই আর অযৌক্তিকভাবে টেক্সটকে শব্দে রূপান্তর করে না, বরং প্রথমে বিষয়বস্তু "বোঝে" এবং তারপর "আবেগ সঠিকভাবে প্রকাশ করে।"
ব্যবহারকারীরা স্বাভাবিক ভাষা ব্যবহার করে কথা বলার গতি, আবেগ, কণ্ঠস্বর, স্বর এবং শৈলীর পরিবর্তনগুলিকে সুনির্দিষ্টভাবে সামঞ্জস্য করতে পারেন, যার ফলে কণ্ঠস্বর নিয়ন্ত্রণযোগ্যতা সর্বাধিক হয়।
আরও মৃদু কিছু চাও? "কোমল কিছু।"
আরও উত্তেজিত হতে চান? "উত্তেজনার সাথে পড়ুন।"
সংবাদ সম্মেলনে, ভলকানো ইঞ্জিন একটি খুব আকর্ষণীয় ডেমো দেখিয়েছে:
উহানের বেয়ার্স পোচার্ড রক্ষার প্রতিপাদ্য নিয়ে একটি শিশুদের ছবির বই তৈরি করা হয়েছিল। ডুবাও ইমেজ তৈরির মডেল সিড্রিম৪.০ চিত্রগুলি তৈরি করেছিল এবং ডুবাও স্পিচ সিন্থেসিস মডেল ২.০ আবেগপূর্ণ ব্যাখ্যা প্রদান করেছিল।
প্রক্রিয়া চলাকালীন, আপনি নির্দেশাবলীর মাধ্যমে রিয়েল টাইমে পড়ার প্রভাব নিয়ন্ত্রণ করতে পারেন।
গত বছরের মে মাসে প্রথমবারের মতো চালু হওয়ার পর থেকে, ডুবাও ভয়েস মডেল পরিবার সাতটি প্রধান ক্ষেত্র কভার করেছে যার মধ্যে রয়েছে বক্তৃতা সংশ্লেষণ, বক্তৃতা স্বীকৃতি, শব্দ পুনরুৎপাদন, রিয়েল-টাইম বক্তৃতা, যুগপত ব্যাখ্যা, সঙ্গীত সৃষ্টি এবং পডকাস্ট সৃষ্টি এবং ৪৬ কোটিরও বেশি স্মার্ট টার্মিনালের সাথে সংযুক্ত।
আজকের সংবাদ সম্মেলনে, তান দাই বিশ্বব্যাপী কৃত্রিম বুদ্ধিমত্তার বৃহৎ মডেলগুলির তিনটি প্রধান উন্নয়ন প্রবণতা তুলে ধরেছেন:
গভীর চিন্তাভাবনার মডেলগুলিকে মাল্টিমডাল বোঝার ক্ষমতার সাথে গভীরভাবে একীভূত করা হচ্ছে। ভিডিও, চিত্র এবং ভয়েস মডেলগুলি ধীরে ধীরে উৎপাদন-গ্রেড অ্যাপ্লিকেশন স্তরে পৌঁছেছে এবং এন্টারপ্রাইজ-স্তরের জটিল এজেন্টগুলি পরিপক্ক হচ্ছে।
দাঁড়াও, এক মুহূর্ত থামি।
যত বেশি মডেল আবির্ভূত হচ্ছে, নির্দিষ্ট চাহিদার মুখোমুখি হওয়ার সময় আমরা কীভাবে সবচেয়ে সাশ্রয়ী মডেলটি বেছে নেব?
এটি অনেক কোম্পানির জন্য একটি আত্ম-অনুসন্ধানমূলক প্রশ্ন হতে পারে।
ভলকানো ইঞ্জিন স্মার্ট মডেল রাউটার প্রকাশ করেছে, যা চীনে বুদ্ধিমান মডেল নির্বাচনের জন্য প্রথম সমাধান।
আজ থেকে, ব্যবহারকারীরা ভলকানো আর্কে "স্মার্ট মডেল রাউটিং" ফাংশনটি নির্বাচন করতে পারবেন।
এই ফাংশনটি তিনটি মোড সমর্থন করে: "ভারসাম্যপূর্ণ মোড", "প্রভাব অগ্রাধিকার মোড" এবং "খরচ অগ্রাধিকার মোড", এবং স্বয়ংক্রিয়ভাবে টাস্ক অনুরোধের জন্য সবচেয়ে উপযুক্ত মডেল নির্বাচন করতে পারে।
কেন এটা প্রয়োজন?
কারণ বিভিন্ন কাজের টোকেনের "মান ঘনত্ব" এর জন্য সম্পূর্ণ ভিন্ন প্রয়োজনীয়তা রয়েছে।
গ্রাহক পরিষেবা ব্যবস্থা "কিভাবে পণ্য ফেরত দেওয়া যায়?" প্রশ্নের উত্তর লাইটওয়েট মডেলের মাধ্যমে দেয়।
তবে, যখন চিকিৎসা রোগ নির্ণয় এবং কেস বিশ্লেষণের কথা আসে, তখন সবচেয়ে শক্তিশালী মডেলটি ব্যবহার করা উচিত।
যদিও টোকেন খরচ একই, মূল্য ঘনত্ব খুব আলাদা।
বুদ্ধিমান মডেল রাউটিংয়ের মূল কথা হলো, "এই কাজটি কত টোকেন পোড়ানোর যোগ্য" তা এআই-কে নিজেই সিদ্ধান্ত নিতে দেওয়া।
বর্তমানে, ভলকানো ইঞ্জিনের বুদ্ধিমান মডেল রাউটিং ইতিমধ্যেই বিভিন্ন মূলধারার মডেলকে সমর্থন করে, যার মধ্যে রয়েছে ডুবাও, ডিপসিক, কুয়েন এবং কিমি।
ডিপসিককে উদাহরণ হিসেবে ধরুন, পরিমাপ করা তথ্য:
ইফেক্ট-ফার্স্ট মোডে, ইন্টেলিজেন্ট রাউটিংয়ের পরে মডেল ইফেক্ট সরাসরি ডিপসিক-ভি৩.১ ব্যবহারের তুলনায় ১৪% উন্নত হয়।
খরচ-প্রথম মোডে, DeepSeek-V3.1 এর মতো একই ফলাফল অর্জন করার সময়, মডেলের সামগ্রিক খরচ 70% পর্যন্ত কমানো যেতে পারে।
যখন মডেল নির্বাচন নিজেই AI দ্বারা পরিচালিত হয়, তখন সমগ্র শিল্পে একটি ইতিবাচক প্রতিক্রিয়া লুপ তৈরি হয়:
শক্তিশালী মডেল ক্ষমতা নতুন অ্যাপ্লিকেশন পরিস্থিতি আনলক করে → নতুন অ্যাপ্লিকেশনের বিস্ফোরণ টোকেন খরচ বাড়ায় → খরচ বৃদ্ধি বুদ্ধিমান রাউটিংয়ের ক্রমাগত অপ্টিমাইজেশনকে বাধ্য করে → রাউটিং অপ্টিমাইজেশন ইউনিট খরচ আরও কমিয়ে দেয় → কম খরচ আরও চাহিদা স্থিতিস্থাপকতা প্রকাশ করে → চাহিদার মুক্তি পালাক্রমে সামগ্রিক খরচ বাড়ায়।
এটি আমাদের ১৮৮২ সালের কথা মনে করিয়ে দেয়, যখন এডিসন বিশ্বের প্রথম বাণিজ্যিক বিদ্যুৎ কেন্দ্র তৈরি করেছিলেন। কেউ কল্পনাও করতে পারেনি যে "কিলোওয়াট-ঘন্টা" ইউনিটটি সমগ্র আধুনিক শিল্প ব্যবস্থার জন্ম দেবে।
আজ, টোকেনগুলি AI যুগের "কিলোওয়াট-ঘন্টা" হয়ে উঠছে।
সম্প্রতি OpenAI কর্তৃক ঘোষিত "ট্রিলিয়ন টোকেন ক্লাব" এর তালিকা এবং প্রতি মাসে গুগল কর্তৃক পোড়ানো ১৩০ ট্রিলিয়ন টোকেন উভয়ই উৎপাদনশীলতার তীব্র উত্থানের বিষয়টি নিশ্চিত করে।
অবশ্যই, একটি ভালো মডেল কেবল শুরুর বিন্দু, এবং একটি ভালো অভিজ্ঞতা হল চূড়ান্ত লক্ষ্য।
যখন আপনি AI কে কোন প্রশ্ন জিজ্ঞাসা করেন, তখন আপনার চিন্তা করা উচিত নয় যে এটি দ্রুত নাকি ভালো। স্তরবদ্ধ চিন্তাভাবনা সহজ প্রশ্নের তাৎক্ষণিক এবং নির্ভুল উত্তর দেওয়ার সুযোগ দেয়, একই সাথে জটিল প্রশ্নের জন্য গভীর যুক্তি এবং দক্ষতা প্রদান করে।
স্মার্ট রাউটিং মানে আপনাকে কোন মডেলটি বেছে নেবেন তা নিয়ে চিন্তা করতে হবে না, AI সবচেয়ে উপযুক্তটি খুঁজে পাবে।
প্রাকৃতিক ভাষা ব্যবহার করে, আপনি অনেকগুলি পরামিতি দ্বারা অভিভূত হওয়ার পরিবর্তে বক্তৃতা মডেলটিকে সঠিকভাবে নিয়ন্ত্রণ করতে পারেন। এই প্রযুক্তির প্রতিটি পুনরাবৃত্তির একটিই চূড়ান্ত লক্ষ্য রয়েছে: এটিকে সাশ্রয়ী মূল্যের এবং আরও গুরুত্বপূর্ণভাবে, ব্যবহারকারীদের জন্য কার্যকর করে তোলা।
হয়তো এআই এমনই হওয়া উচিত।
#iFaner-এর অফিসিয়াল WeChat পাবলিক অ্যাকাউন্ট অনুসরণ করতে আপনাকে স্বাগতম: iFaner (WeChat ID: ifanr), যেখানে যত তাড়াতাড়ি সম্ভব আরও উত্তেজনাপূর্ণ সামগ্রী আপনার কাছে উপস্থাপন করা হবে।