১৪৯২ সালে কলম্বাস আটলান্টিকের গভীরে যাত্রা করেছিলেন। যদিও সমুদ্রযাত্রার জন্য গতি অপরিহার্য, কিন্তু একটি নৌবহর তার গন্তব্যে পৌঁছাতে পারবে কি না, তা প্রকৃতপক্ষে নির্ভর করে বিশুদ্ধ জল ও খাদ্যের প্রাপ্যতা এবং দীর্ঘ ঝড় সহ্য করার জন্য জাহাজ, মাস্তুল ও রজ্জুর ক্ষমতার উপর। এই গতানুগতিকতাহীন প্রকৌশলগত যুক্তিই আন্তঃমহাসাগরীয় বাণিজ্যের ধারাকে বদলে দিয়েছিল।
পরবর্তীতে, ডাচরা 'ফ্লুট' নামক বাণিজ্যিক জাহাজের নকশা তৈরি করে: এটি নির্মাণে খরচ কম ছিল, এতে নাবিক সংখ্যাও কম ছিল এবং এর মালপত্র রাখার জায়গাগুলো ছিল বড়, যা এটিকে আটলান্টিক রুটে স্থিতিশীলভাবে আসা-যাওয়ার ট্রিপ করতে সক্ষম করে তুলেছিল। এভাবেই সমুদ্রযাত্রা অভিযাত্রীদের একাকী অভিযান থেকে একটি অনুকরণযোগ্য, পরিমাপযোগ্য এবং সম্প্রসারণযোগ্য ব্যবসায় রূপান্তরিত হয়।
আজকের এআই মডেলের প্রতিযোগিতাও একই রকম এক সন্ধিক্ষণে এসে পৌঁছেছে।
অতীতে, মডেল নিয়ে কথা বলার সময় সাধারণত প্যারামিটার, লিডারবোর্ড এবং সর্বোচ্চ পারফরম্যান্স নিয়েই আলোচনা করা হতো। কিন্তু ক্লড কোড এবং কোডেক্স-এর মতো কোডিং এজেন্ট ব্যবহার করার পর অ্যাপসো স্পষ্টভাবে উপলব্ধি করে যে, এআই এজেন্টগুলো যখন প্রোডাকশন এনভায়রনমেন্টে প্রবেশ করতে শুরু করে, তখন আসল উদ্বেগের বিষয়গুলো কিছুটা ভিন্ন হয়ে দাঁড়ায়: সেগুলো কি ক্রমাগত উচ্চ-ফ্রিকোয়েন্সির অনুরোধগুলো সামলাতে পারবে, সেগুলো কি স্থিতিশীলভাবে টুলগুলোকে কল করতে পারবে, সেগুলো কি জটিল ইন্টারফেস বুঝতে পারবে, এবং সেগুলোকে কি বিদ্যমান এন্টারপ্রাইজ প্রসেসের সাথে একীভূত করে দীর্ঘ সময় ধরে পরিচালনা করা যাবে।
এই প্রশ্নগুলোর উত্তর প্রায়শই বেঞ্চমার্ক লিডারবোর্ডে পাওয়া যায় না।
সম্প্রতি, স্টেপস্টার আনুষ্ঠানিকভাবে স্টেপ ৩.৭ ফ্ল্যাশ প্রকাশ ও ওপেন-সোর্স করেছে। প্রোডাকশন-গ্রেড এজেন্টের জন্য একটি নতুন প্রজন্মের ফ্ল্যাশ মডেল হিসেবে এটি প্রধানত এজেন্ট, কোডিং, সার্চ এবং মাল্টিমোডাল ওয়ার্কফ্লোতে কাজ করে।
এর আবির্ভাব ঠিক এই সন্ধিক্ষণেই ঘটেছে। উৎপাদন-মানের এজেন্টদের জন্য এখন আর শুধু গতি এবং সাশ্রয়ী মূল্যই যথেষ্ট নয়; এর চেয়েও গুরুত্বপূর্ণ হলো, সেগুলোকে নির্ভরযোগ্য, সহজে ব্যবহারযোগ্য, সহজে স্থাপনযোগ্য এবং বাস্তব কর্মপ্রবাহে প্রতিদিন ফলাফল প্রদানে সক্ষম হতে হবে।
ফ্ল্যাশ মডেলগুলো এখন আর ফ্ল্যাগশিপ মডেলের বিকল্প নয়।
অতীতে, ফ্ল্যাশ মডেলকে প্রায়শই ফ্ল্যাগশিপ মডেলের একটি হালকা সংস্করণ হিসেবে দেখা হতো, যার মূল আকর্ষণ ছিল গতি এবং সাশ্রয়ী মূল্য। তবে, এজেন্ট যেহেতু ওয়ার্কফ্লোর কেন্দ্রবিন্দুতে পরিণত হচ্ছে, তাই ফ্ল্যাশ মডেলের ভূমিকাও বদলে গেছে।
যদি কোনো মডেল একাধিক ধাপের কাজে তার উদ্দেশ্য থেকে বিচ্যুত হওয়ার প্রবণতা দেখায়, তবে ব্যবসা প্রতিষ্ঠান বা ব্যক্তি কেউই তা গ্রহণ করতে স্বাচ্ছন্দ্য বোধ করবে না। এর বিপরীতে, যে মডেল গতি, খরচ, টুলের সহজলভ্যতা, বহুবিধ মাধ্যম বোঝার ক্ষমতা এবং বাস্তুতন্ত্রের সাথে সামঞ্জস্যের মধ্যে ভারসাম্য রক্ষা করতে পারে, সেটির এজেন্ট সিস্টেমের জন্য একটি সত্যিকারের নির্ভরযোগ্য মৌলিক সক্ষমতা হয়ে ওঠার সম্ভাবনা রয়েছে।
এক অর্থে, এজেন্ট যুগে প্রয়োজনীয় ফ্ল্যাশ মডেলটিকে একটি 'দ্রুততর ছোট মডেল' থেকে 'সর্বোচ্চ উৎপাদন দক্ষতাসম্পন্ন বেস মডেল'-এ উন্নীত করা হয়েছে।
এটিকে ফ্ল্যাগশিপ মডেলের সক্ষমতার সীমাবদ্ধতা পূরণ করার পাশাপাশি বৃহৎ পরিসরের এজেন্ট কলের কার্যকারিতার চাপও সামলাতে হবে। ধাপ ৩.৭ ফ্ল্যাশকে এই দ্বিতীয়টি হিসেবে উপস্থাপন করা হয়েছে—একটি পরবর্তী প্রজন্মের এজেন্টিক ভিত্তি মডেল।
উৎপাদন-স্তরের এজেন্টদের জন্য প্রথম বাধা হলো বাস্তব কর্মপরিবেশ বোঝা।
এজেন্টের বিপুল সংখ্যক কাজ জটিল ইন্টারফেস, অফিস ডকুমেন্ট, চার্টিং সিস্টেম, ব্রাউজার পেজ, বিশেষায়িত সফটওয়্যার এবং অভ্যন্তরীণ টুল জুড়ে ছড়িয়ে থাকে। যে এজেন্টরা শুধু টেক্সট-ভিত্তিক প্রশ্নোত্তরে পারদর্শী, তাদের পক্ষে এই কাজগুলো সঠিকভাবে সামলানো কঠিন হবে।
ধাপ ৩.৭ ফ্ল্যাশ নেটিভ মাল্টিমোডাল বোধগম্যতা এবং সম্পাদন ক্ষমতা উন্নত করার উপর মনোযোগ দেয়।
এটি UI, চার্ট, ডকুমেন্ট, ছবি এবং অ্যাপ্লিকেশন ইন্টারফেস বুঝতে পারে এবং জটিল ভিজ্যুয়াল সমস্যায় স্বয়ংক্রিয়ভাবে ছবি ক্রপ, বড় ও পুনরায় পড়তে পারে। অনিশ্চিত তথ্যের সম্মুখীন হলে, মডেলটি স্বতঃপ্রণোদিত হয়ে অনুসন্ধান শুরু করতে এবং টেক্সচুয়াল ও ছবির তথ্য ক্রস-ভ্যালিডেট করতে পারে।
এখানে একটি প্রচলিত ধারণার বিপরীত ডিজাইন পদ্ধতি রয়েছে। একটি 11B অ্যাক্টিভেটেড ফ্ল্যাশ মডেলের জন্য, ওয়েটগুলোর মধ্যে বিপুল পরিমাণ ভিজ্যুয়াল জ্ঞান ঠাসাঠাসি করে ঢোকানো ব্যয়-সাশ্রয়ী নয়। স্টেপ এর বিপরীত পদ্ধতি গ্রহণ করে: ওয়েটগুলোতে কেবল মূল ইনফারেন্স ইঞ্জিনটি থাকে, যা পারসেপচুয়াল বা উপলব্ধিমূলক সীমানা এবং জাগতিক জ্ঞানকে ইনফারেন্স পর্যায়ে নিয়ে যায়। এটি অত্যন্ত দ্রুত গতি ব্যবহার করে "আরও কয়েকবার দেখে নেওয়া এবং যাচাই করার" সক্ষমতার পরিবর্তে সেই অংশটিকে ব্যবহার করে, যেটিতে "প্রথমেই যথেষ্ট প্যারামিটার থাকত না"।
কম ল্যাটেন্সি এবং উচ্চ থ্রুপুট শুধুমাত্র স্থাপনের সময়কার সুবিধাই নয়, বরং তা সক্ষমতারই একটি অংশ হয়ে ওঠে, যা অত্যন্ত উদ্ভাবনী এবং বুদ্ধিদীপ্ত।
উদাহরণস্বরূপ, এই ককপিট পরিচালনার প্রদর্শনীতে, ব্যবহারকারীকে কেবল "কীভাবে উড্ডয়ন করতে হয়" লিখতে হবে, এবং মডেলটি স্বয়ংক্রিয়ভাবে ককপিট এলাকা নির্বাচন করবে, যন্ত্রাংশ, বোতাম এবং কী-অপারেশনের তথ্য শনাক্ত করবে, বর্তমান ইন্টারফেসের পরিচালনার যুক্তি বুঝবে এবং একটি ধাপে ধাপে টিউটোরিয়াল তৈরি করবে।
এখানে মূল বিষয়টি শুধু এই নয় যে এটি একটি ককপিটের ছবি শনাক্ত করতে পারে, বরং তার চেয়েও গুরুত্বপূর্ণ হলো, এটি একটি ঘন, অপরিচিত এবং প্রেক্ষাপট-নির্ভর দৃশ্যমান পরিবেশকে এমন একটি কার্য নির্দেশিকায় রূপান্তরিত করতে পারে যা একজন ব্যক্তি অনুসরণ করতে পারে।
কোনো কিছু বুঝতে পারা এবং আপনাকে তা কীভাবে করতে হয় তা শিখিয়ে দেওয়া, এই দুটি বিষয় কঠিনতার দিক থেকে সম্পূর্ণ ভিন্ন।
আমরা ধাপ ৩.৭ ফ্ল্যাশকে একটি মোবাইল GUI এজেন্ট প্রসেসে একীভূত করেছি এবং একটি ভিভো ফোন ব্যবহার করে তা প্রদর্শন করেছি।
ফোনটিকে ইউএসবি-র মাধ্যমে ম্যাকের সাথে সংযুক্ত করার পর এবং এডিবি ডিবাগিং-এর অনুমতি দেওয়ার পর, টার্মিনালটি ফোনের বর্তমান অবস্থার একটি স্ক্রিনশট নিতে পারে এবং scrcpy-এর মাধ্যমে তা সিনক্রোনাসভাবে প্রদর্শন করতে পারে। এরপর স্ক্রিপ্টটি এই স্ক্রিনশটটি ধাপ ৩.৭ ফ্ল্যাশে পাঠিয়ে দেয়, যা মডেলটিকে স্ক্রিনে কী ঘটছে তা নির্ধারণ করতে সাহায্য করে।
উদাহরণস্বরূপ, আমরা ধাপ ৩.৭-এ একটি মোবাইল ফোনে WeChat Reading ট্রেন্ডিং তালিকাটি ফ্ল্যাশ করে দেখিয়েছি। এটি কেবল পৃষ্ঠার শব্দগুলোই পড়ে না, বরং তালিকার কাঠামোও বুঝতে পারে: কোনগুলো বইয়ের শিরোনাম, কোনগুলো প্রচ্ছদ, বর্তমান র্যাঙ্কিং কী, কতজন এটি পড়ছে এবং কোন বইটি সুপারিশ মানের সাথে মিলে যায়।
এই সক্ষমতার তাৎপর্য এই যে, এজেন্টটি একটি সুবিন্যস্ত স্ক্রিনশট নয়, বরং একটি আসল অ্যাপ নিয়ে কাজ করে। ব্যবহারকারীকে বই খুঁজে পেতে, জনপ্রিয়তার তুলনা করতে, র্যাঙ্কিং তৈরি করতে, বা এমনকি পরবর্তী ধাপে যেতে সাহায্য করার আগে এটিকে পৃষ্ঠাটি বুঝতে হয়।
এরপর আমরা একজন ব্যবসায়ীর আপিল নিষ্পত্তির জন্য এটিকে মেইতুয়ানের 'লিটল জাজ'-এর মতো একটি পেজে রাখি। পেজটিতে ব্যবহারকারীর রিভিউ, আলোকচিত্র প্রমাণ, ব্যবসায়ীর উত্তর এবং 'ব্যবহারকারীর পক্ষ অধিকতর যুক্তিযুক্ত' ও 'ব্যবসায়ীর পক্ষ অধিকতর যুক্তিযুক্ত'-এর মতো প্রসেসিং বাটন রয়েছে।
মডেলটির জন্য, এটি আর সাধারণ ওসিআর নয়; বরং এটি একটি ব্যবসায়িক প্রক্রিয়া বোঝার বিষয়: কারা অভিযোগ করছে, বিরোধের মূল বিষয়গুলো কী, প্রমাণ কী, এবং প্ল্যাটফর্মটি এরপর কী করার সুযোগ দেয়। মাল্টিমোডাল এজেন্টদের একটি বাস্তব কর্মপ্রবাহে প্রবেশ করতে হলে, তারা প্রায়শই এমন ইন্টারফেসের সম্মুখীন হয় যেখানে টেক্সট, ছবি, মতামত এবং কার্যকর ইনপুট মিশ্রিত থাকে।
ব্লেন্ডার দৃশ্যে প্রবেশ করার পর, ব্যবহারকারী যখন "এই ব্লকটি কীভাবে মুছবেন" লিখবেন, তখন মডেলটি ব্লেন্ডার ইন্টারফেসের কাঠামো, লেয়ার, টুলবার এবং বর্তমান সম্পাদনার অবস্থা শনাক্ত করবে এবং তারপর নির্দিষ্ট ব্লকটি মুছে ফেলার জন্য প্রয়োজনীয় কার্যপ্রণালী দেখিয়ে দেবে।
এরপর, চলুন অ্যাপ্লিকেশন ইন্টারফেস ডিজাইন বিশ্লেষণটি দেখি। যখন ব্যবহারকারীরা মডেলকে জিজ্ঞাসা করে "এই ডিজাইনগুলোর আকর্ষণীয় দিকগুলো কী কী", তখন মডেলটি বিভিন্ন ছবির মধ্যে থাকা তথ্যগত বিষয়বস্তু শনাক্ত করবে, ডিজাইন উপাদানগুলোর মধ্যকার সম্পর্ক বুঝবে এবং একটি পেশাদার বিশ্লেষণ তৈরি করবে।
ধাপ ৩.৭ ফ্ল্যাশের আরেকটি প্রধান সক্ষমতা হলো উন্নত নেটওয়ার্কিং এবং ভিজ্যুয়াল সার্চ।
বাস্তব ব্যবসায়িক পরিস্থিতিতে, এজেন্টরা প্রায়শই যে সমস্যাগুলোর সম্মুখীন হন, সেগুলোর মধ্যে থাকে পরিবর্তনশীল তথ্য, বাহ্যিক ডেটা, একাধিক উৎস থেকে প্রাপ্ত প্রমাণ এবং প্রচুর অসম্পূর্ণ ইনপুট। যদি কোনো মডেল কেবল তার নিজস্ব সীমিত জ্ঞানের উপর নির্ভর করে, তবে সময়ানুবর্তিতা এবং নির্ভুলতার দিক থেকে এটি ব্যর্থ হওয়ার ঝুঁকিতে থাকে।
‘রুই শি লু’ প্রদর্শনীটি একটি আদর্শ উদাহরণ। এই মডেলটি প্রথমে ব্যবহারকারীদের আপলোড করা ছবি থেকে দৃশ্যমান সূত্রগুলো পড়ে, সেই সূত্রগুলোকে কেন্দ্র করে অনুসন্ধানের জন্য শব্দ তৈরি করে, তথ্য খোঁজার জন্য ওয়েব স্ক্র্যাপিং টুল ব্যবহার করে এবং সবশেষে ছবির দৃশ্যমান তথ্যের সাথে অনলাইনের লিখিত তথ্য মিলিয়ে একটি সম্পূর্ণ উত্তর তৈরি করে।
এখানে অনুসন্ধান প্রক্রিয়াটি আর শুধু কয়েকটি ওয়েব পেজের লিঙ্ক ফেরত দেওয়ার মতো সহজ নয়। মডেলটি কাজের উদ্দেশ্যকে কেন্দ্র করে সক্রিয়ভাবে তথ্য অনুসন্ধান, ফিল্টার, তুলনা এবং সংগঠিত করে। সার্চ এজেন্ট এবং রিসার্চ এজেন্টদের ঠিক এভাবেই কাজ করা উচিত।
অফিসিয়াল ডকুমেন্টেশনে বলা হয়েছে যে, SimpleVQA Search এবং V* (Python)-এর মতো জটিল ভিশন টাস্কের বেঞ্চমার্কে Step 3.7 Flash বৃহত্তর ফ্ল্যাগশিপ মডেলগুলোর কাছাকাছি পারফরম্যান্স প্রদর্শন করে। এর মানে হলো, মডেলটি অপর্যাপ্ত তথ্য নিয়েও কাজ চালিয়ে যেতে পারে এবং যাচাইবিহীন প্রতিক্রিয়া কমাতে পারে।
বৃহৎ আকারের মডেল স্থাপনের জন্য একযোগে ৪০টি এজেন্ট কাজ করানোই সঠিক পদ্ধতি।
একজন এজেন্ট এবং একটি সাধারণ চ্যাটবটের মধ্যে পার্থক্য হলো এর উচ্চতর কল ঘনত্ব।
একটি সাধারণ প্রশ্নোত্তর পর্বে সাধারণত একবারই আলাপ-আলোচনা হয়, যেখানে একজন এজেন্টকে একটি কাজ সম্পন্ন করার জন্য বারবার পরিবেশ পর্যবেক্ষণ করতে, টুল ব্যবহার করতে এবং ফলাফল সংগ্রহ করতে হয়। একজন কোডিং এজেন্টকে কোড পড়তে, ফাইল পরিবর্তন করতে এবং কমান্ড চালাতে হয়; একজন সার্চ এজেন্টকে তথ্য সংগ্রহ, যাচাই এবং সংগঠিত করতে হয়; এবং একজন অফিস এজেন্টকে স্প্রেডশিট, ডকুমেন্ট এবং ইমেল প্রসেস করতে হয়।
কলের সংখ্যা উল্লেখযোগ্যভাবে বৃদ্ধি পেলে, মডেলের গতি এবং খরচ সিস্টেম-স্তরের বিষয় হয়ে দাঁড়াবে।
ধাপ ৩.৭ ফ্ল্যাশ একটি স্পার্স MoE আর্কিটেকচার গ্রহণ করে, যেখানে মোট ১৯৬ বাইট প্যারামিটার ও ১.৮ বাইট ViT এবং মাত্র ১১ বাইট অ্যাক্টিভেশন প্যারামিটার রয়েছে, যা প্রতি সেকেন্ডে সর্বোচ্চ ৪০০ টোকেন তৈরির গতি অর্জন করে। হাই-ফ্রিকোয়েন্সি এজেন্ট, কোডিং এজেন্ট, সার্চ এজেন্ট, মাল্টিমোডাল এজেন্ট এবং এন্টারপ্রাইজ নলেজ ওয়ার্ক এজেন্টদের জন্য এর অর্থ হলো, একই সময়ে আরও বেশি সংখ্যক অবজারভেশন, ইনভোকেশন এবং ইনফারেন্স সম্পন্ন করা যাবে।
উদাহরণস্বরূপ, ধাপ ৩.৭-এ ফ্ল্যাশ একটি এজেন্ট ক্লাস্টার তৈরি করতে পারে, যা ভিন্ন ভিন্ন পরিচয়ধারী ৪০ জন ভার্চুয়াল ব্যক্তিকে একটি পণ্য মূল্যায়নকারী দল হিসেবে কাজ করার সুযোগ দেয়; এরা পণ্যের কোনো একটি সমস্যা নিয়ে সমান্তরালভাবে মতামত প্রদান করে এবং রিয়েল টাইমে ৫টি MVP দিকের জন্য তাদের পছন্দগুলোর সারসংক্ষেপ তৈরি করে।
এজেন্টদের ব্যাচে চালানোর গুরুত্ব এখানেই নিহিত।
অতীতে, প্রতিটি মডেলের জন্য একবার বিশ্লেষণ করা খরচ এবং বিলম্বের দিক থেকে সহনীয় ছিল। তবে, যখন একটি কোম্পানি একই সাথে কয়েক ডজন এজেন্ট চালায়, যাদের প্রতিটি ব্যবহারকারী, বিশেষজ্ঞ, বিক্রয়কর্মী, পণ্য ব্যবস্থাপক, অপারেশনস ম্যানেজার এবং গ্রাহক পরিষেবা প্রতিনিধি হিসাবে কাজ করে, তখন থ্রুপুট ক্ষমতা অবিলম্বে একটি পূর্বশর্ত হয়ে ওঠে। অপর্যাপ্ত গতির কারণে প্রতিক্রিয়া ধীর হয়; অত্যধিক উচ্চ মূল্য পরিবর্ধনযোগ্যতাকে অসম্ভব করে তোলে।
একইভাবে, এজেন্টদের দ্বারা বৃহৎ নলেজ গ্রাফের সমান্তরাল ও রিয়েল-টাইম নির্মাণও একটি উচ্চ-ফ্রিকোয়েন্সি, বহু-ধাপের কাজ। মডেলটির উপযোগিতা কেবল তার তৈরির গতির মধ্যেই নিহিত নয়, বরং প্রতি একক সময়ে এটি যে পরিমাণ পর্যবেক্ষণ, পুনরুদ্ধার এবং যুক্তি সম্পাদন করতে পারে, তার মধ্যেও রয়েছে।
তারপর আমি তথ্য বিন্যাসের দিকে তাকালাম। আমি তাকে একটি পরামর্শ দিলাম: "আমাকে স্বচালিত গাড়ি নিয়ে একটি সার্বিক ধারণা লিখতে হবে, তাই আমাকে চারটি ক্ষেত্র নিয়ে আলাদাভাবে গবেষণা করতে হবে: প্রযুক্তিগত দিক, নীতি ও প্রবিধান, বাজারের কাঠামো এবং প্রতিনিধিত্বকারী সংস্থাগুলো।"
এই কাজগুলোকে আপাতদৃষ্টিতে কেবল ডেটা একত্রীকরণ বলে মনে হতে পারে, কিন্তু বাস্তবে এগুলো একাধিকবার অনুসন্ধান, উৎস যাচাই, বিষয়বস্তুর শ্রেণিবিভাগ এবং কাঠামোগত আউটপুট তৈরি করে। টাস্ক চেইন যত দীর্ঘ হয় এবং কলগুলো যত ঘন ঘন করা হয়, মডেলের থ্রুপুটের পার্থক্য তত সহজে বিবর্ধিত হতে পারে।
ধাপ ৩.৭ ফ্ল্যাশ তার গতি দিয়ে আমাকে মুগ্ধ করেছে, কিন্তু মানের সাথে কোনো আপোস না করেই। এটি ইন্টারনেটের চারটি ভিন্ন দিক থেকে তথ্য সংগ্রহ করে সেগুলোকে নিজ নিজ বিভাগে সাজিয়েছে। প্রযুক্তিগত রূপরেখাটি স্পষ্টভাবে ব্যাখ্যা করা হয়েছিল এবং নীতি, প্রবিধান ও বাজার কাঠামো সম্পর্কিত তথ্যও আলাদা করা ছিল। এমন কোনো পরিস্থিতি ছিল না যেখানে বিভিন্ন দিক একসাথে মিশে গিয়েছিল, এবং কাঠামোগত আউটপুটে সমস্ত প্রয়োজনীয় স্তর বিদ্যমান ছিল।
এটা উল্লেখ্য যে, ধাপ ৩.৭ ফ্ল্যাশ কাজ সম্পন্ন করার ক্ষেত্রে অত্যন্ত সাশ্রয়ী, বিশেষ করে এজেন্টের মতো ঘন ঘন সম্পাদিত কাজের ক্ষেত্রে।
একজন একক এজেন্টের কাজে সাধারণত তথ্য বিশ্লেষণ, পুনরুদ্ধার ও ওয়েব পেজ পড়া, টুল কল করা, ফলাফল তুলনা করা এবং আউটপুট গোছানোর মতো কাজ অন্তর্ভুক্ত থাকে, যার ফলে একটি সাধারণ প্রশ্নোত্তর পর্বের তুলনায় অনেক বেশি কল করতে হয়। সম্পূর্ণ টাস্ক চেইনের মধ্যে রাখলে, প্রতি কাজের খরচের এই পার্থক্য দ্রুত বহুগুণ বেড়ে যায়।
সরকারি তথ্য থেকে দেখা যায় যে, অ্যাডভাইজর মোড চালু করা হলে স্টেপ ৩.৭ ফ্ল্যাশের প্রোগ্রামিং ক্ষমতা ক্লদ ওপাস ৪.৬-এর ৯৭%-এ পৌঁছায়, কিন্তু প্রতি কাজের খরচ তার মাত্র প্রায় এক-নবমাংশ হয়।
সুতরাং, স্টেপ ৩.৭ ফ্ল্যাশের উপযোগিতাকে কেবল 'দ্রুত' বলে সংক্ষেপে বর্ণনা করা যায় না। এজেন্ট ওয়ার্কলোডের প্রেক্ষাপটে, এটি একই সাথে তিনটি সমস্যার সমাধান করে: উচ্চ থ্রুপুট অপেক্ষার সময় কমায়, কম টাস্ক খরচ বৃহৎ পরিসরের কার্যক্রমকে সমর্থন করে, এবং এর প্রোগ্রামিং ক্ষমতা, যা শীর্ষস্থানীয় মডেলগুলোর কাছাকাছি, একে বাস্তব ওয়ার্কফ্লোতে প্রবেশ করতে এবং নিরবচ্ছিন্ন ও জটিল কাজ সম্পাদন করতে সক্ষম করে।
এছাড়াও, একটি এজেন্টকে প্রোডাকশন সিস্টেমে সফলভাবে একীভূত করার জন্য স্থিতিশীল টুল কল অত্যন্ত গুরুত্বপূর্ণ। ধাপ ৩.৭ ফ্ল্যাশ উচ্চ-নির্ভরযোগ্য টুল কল এবং অর্কেস্ট্রেশনকে অপ্টিমাইজ করেছে। আনুষ্ঠানিকভাবে, এটি দীর্ঘস্থায়ী, বহু-পর্যায়ের এজেন্ট ওয়ার্কফ্লোতে এপিআই, ব্রাউজার, টার্মিনাল, অফিস টুল এবং বাহ্যিক সিস্টেমগুলোকে নির্ভরযোগ্যভাবে কল করার দাবি করে, যা সামঞ্জস্যপূর্ণ টাস্ক ট্র্যাজেক্টরি বজায় রাখে এবং টাস্কের বিচ্যুতি ও নির্বাহ ব্যর্থতার সম্ভাবনা হ্রাস করে।
অফিসিয়াল টিমের পক্ষ থেকে বেশ কয়েকটি ডেটাসেট প্রকাশ করা হয়েছে। স্টেপ ৩.৭ ফ্ল্যাশ, মাল্টি-টুল কোলাবোরেশন পরীক্ষাকারী টুল্যাথলন-এ ৪৯.৫%, বাস্তব পরিবেশে দৈনন্দিন স্বয়ংক্রিয় কাজ সম্পাদনের পরীক্ষাকারী ক্ল-ইভ্যাল ১.১-এ ৬৭.১% এবং ৪৪টি ভিন্ন পেশাগত কাজ অন্তর্ভুক্তকারী জিডিপিভ্যাল-এ ৪৫.৮% পাস রেট অর্জন করেছে। τ²-বেঞ্চ টেলিকম-এর নিম্ন, মধ্যম এবং উচ্চ কঠিনতার স্তরগুলিতে পাস রেট ৯৮% ছাড়িয়ে গেছে।
অবশ্যই, এজেন্ট তৈরির জন্য আরও একটি শর্ত রয়েছে যা প্রায়শই অবমূল্যায়ন করা হয়: মডেলটিকে অবশ্যই কর্মপ্রবাহের সাথে খাপ খাইয়ে নিতে হবে। মডেলটিকে সাধারণত একটি আবরণে আবদ্ধ করা হয়, যা প্রম্পট ওয়ার্ড টেমপ্লেট, টুল প্রোটোকল, ব্রাউজার পরিবেশ, ফাইল সিস্টেম, কোড এক্সিকিউটর, ইভ্যালুয়েশন সেট, পারমিশন সিস্টেম এবং ব্যবসায়িক প্রক্রিয়া দ্বারা পরিবেষ্টিত থাকে।
এর জবাবে, স্টেপ ৩.৭ ফ্ল্যাশ, ক্লড কোড, কিলো কোড, রু কোড, ওপেনকোড, হার্মিস এজেন্ট এবং ওপেনক্ল-এর মতো মূলধারার কোডিং ও এজেন্ট টুলগুলোর জন্য সামঞ্জস্যপূর্ণ অপ্টিমাইজেশন করেছে এবং এমসিপি ও স্কিলস-এর মতো টুলগুলোর কলিং প্রোটোকল ও ডেভেলপমেন্ট পাথের সাথেও নিজেকে মানিয়ে নিয়েছে।
এর ফলে ডেভেলপাররা সম্পূর্ণ প্রক্রিয়াটিকে পুরোপুরি রিফ্যাক্টর না করেই বিদ্যমান এজেন্ট ফ্রেমওয়ার্কগুলিতে মডেলগুলিকে আরও সহজে একীভূত করতে পারেন। ব্যবসার জন্য, এই অভিযোজনের গুরুত্ব সুস্পষ্ট: একটি মডেল বিদ্যমান সিস্টেমে যত সহজে একীভূত হতে পারে, তার ট্রায়াল ও ডেপ্লয়মেন্ট চক্র তত সংক্ষিপ্ত হয় এবং ইঞ্জিনিয়ারিং খরচও তত কম হয়।
বর্তমানে, স্টেপ ৩.৭ ফ্ল্যাশ সফলভাবে কিলো কোড, নুস রিসার্চ এবং লেমনেডের মতো এজেন্ট ও ডেভেলপার ইকোসিস্টেম প্রজেক্টগুলোতে ইন্টিগ্রেট এবং ভ্যালিডেট করা হয়েছে। সামঞ্জস্যতার জন্য স্টেপস্টার ফায়ারওয়ার্কস এআই, ডিপইনফ্রা এবং মোডাল ল্যাবসের মতো এআই ইনফ্রাস্ট্রাকচার ও ইনফারেন্স প্ল্যাটফর্মগুলোর সাথেও কাজ করছে এবং পরবর্তীতে ওপেনরাউটার ও জেনমাক্সের মতো বিদেশী মডেল অ্যাগ্রিগেশন ও ডেভেলপার প্ল্যাটফর্মগুলোর সাথে ইন্টিগ্রেট করবে।
▲ 
https://huggingface.co/stepfun-ai/Step-3.7-Flash
আজ পর্যন্ত, অফিসিয়াল ডকুমেন্টেশন মডেল পেজ, গিটহাব, হাগিং ফেস, মডেলস্কোপ, দেশীয় ওপেন প্ল্যাটফর্ম এপিআই, বিদেশী ওপেন প্ল্যাটফর্ম এপিআই, স্টুডিও অনলাইন অভিজ্ঞতা এবং স্টেপ এআই অ্যাপের মাধ্যমেও স্টেপ ৩.৭ ফ্ল্যাশ-এ অ্যাক্সেস প্রদান করে।
এই এন্ট্রি পয়েন্টগুলোর অর্থ হলো, এটি একই সাথে ডেভেলপার ট্রায়াল, এন্টারপ্রাইজ এপিআই অ্যাক্সেস এবং ওপেন-সোর্স ইকোসিস্টেমের মধ্যে ব্যবহারের জন্য উন্মুক্ত। আরও গুরুত্বপূর্ণ বিষয় হলো, স্টেপ ৩.৭ ফ্ল্যাশ ক্লাউড এবং অন-প্রিমিসেস উভয় ডেপ্লয়মেন্টই সমর্থন করে। ক্লায়েন্ট-সাইড ব্যবহারের জন্য একটি অফিসিয়াল মাল্টি-প্রিসিশন সংস্করণও উপলব্ধ রয়েছে, যা ব্যক্তিগত ওয়ার্কস্টেশন এবং স্থানীয় পরিবেশের জন্য অপ্টিমাইজ করা হয়েছে।
বিদেশী ডেভেলপারদের কাছ থেকে প্রাপ্ত মতামতও প্রাতিষ্ঠানিক তথ্যের বাইরে একটি নতুন দৃষ্টিকোণ প্রদান করে। শিক্ষা মন্ত্রণালয়ের (MoE) একটি স্থানীয় পরীক্ষায় DeepSeek V4 Flash, Step 3.7 Flash এবং Minimax M2.7-এর মধ্যে তুলনা করে দেখা গেছে যে, agg@64-এ Step 3.7 Flash অন্যান্য মডেলকে ছাড়িয়ে গেছে এবং 2123.13 tok/s গতি অর্জন করেছে।
কিছু ডেভেলপার এও উল্লেখ করেছেন যে, Gemini 3.5 Flash ব্যবহার করে কোড লেখার পর Step 3.7 Flash দিয়ে তা পরীক্ষা করিয়ে তারা সাতটিরও বেশি ছোটখাটো বাগ ও ত্রুটি খুঁজে পেয়েছেন। লোকাল থ্রুপুট হোক বা কোড ডিবাগিং, এটি পরিষ্কারভাবে দেখায় যে Step 3.7 Flash বাস্তব ডেভেলপমেন্ট প্রক্রিয়ায় ব্যবহৃত হতে শুরু করেছে এবং ডেভেলপাররা এটিকে একটি দীর্ঘমেয়াদী প্রোডাক্টিভিটি টুল হিসেবে ব্যবহার করছেন।
বেস মডেলটি এজেন্টদের জন্য ডিজাইন করা উচিত।
স্টেপ ৩.৭ ফ্ল্যাশ ব্যবহারের পর অ্যাপসো দেখেছে যে, এটি কোনো নির্দিষ্ট ক্ষেত্রে বেঞ্চমার্ক স্কোর অর্জনের চেয়ে প্রকৌশলগত বাস্তবতার ওপর বেশি জোর দেয়।
মাল্টিমোডাল, নেটওয়ার্ক-ভিত্তিক অনুসন্ধান, টুল আহ্বান, ফ্রেমওয়ার্ক সামঞ্জস্যতা, স্থানীয় স্থাপন, স্বল্প ব্যয় এবং উচ্চ থ্রুপুট। এককভাবে এগুলোর কোনোটিই নতুন নয়, কিন্তু একত্রে এগুলো প্রোডাকশন পরিবেশে এজেন্টদের সবচেয়ে প্রয়োজনীয় শূন্যস্থানগুলো নিখুঁতভাবে পূরণ করে।
এই পথটি জাঁকজমকপূর্ণ নয়, কিন্তু এজেন্ট বিকাশের বর্তমান পর্যায়ের জন্য এটি বেশ উপযুক্ত। অতীতে, আমরা যখন কোনো মডেল সম্পর্কে জিজ্ঞাসা করতাম, তখন জানতে চাইতাম সেটি যথেষ্ট বুদ্ধিমান কি না। কিন্তু এজেন্ট যুগে আসল প্রশ্নটি হওয়া উচিত: এই মডেলটি কার জন্য তৈরি করা হয়েছে?
প্রশ্ন দুটির পেছনের উদ্দেশ্য ভিন্ন।
এর একটি দিক হলো, মডেলটি মানুষের জন্য বিশেষভাবে তৈরি করা হয়েছে। অর্থাৎ, এটি এমন একজন মানুষের ব্যবহারের জন্য তৈরি যিনি পড়তে, অপেক্ষা করতে এবং নিজের মাথায় শূন্যস্থান পূরণ করে নিতে পারেন। আপনি একটি প্রশ্ন করেন, এটি উত্তর দেয়; কয়েক সেকেন্ড দেরি হলেও সমস্যা নেই, এবং উত্তরটি মাঝে মাঝে অস্পষ্ট মনে হলেও আপনি তা বুঝে নিতে পারেন।
কিন্তু এজেন্ট তা করে না। এজেন্টকে পর্যবেক্ষণ, আহ্বান, অনুমান এবং ভুল সংশোধনের চক্রে অবিরাম কাজ করতে হয়। এটি একদিনে একজন মানুষের এক বছরের কথার চেয়েও বেশি অনুরোধ করতে পারে। এটি মডেলের ভুলত্রুটি ঢেকে রাখে না; মডেল পথভ্রষ্ট হলে, এটিও পথভ্রষ্ট হয়।
মানুষের জন্য অপ্টিমাইজ করা একটি মডেল কোনো এজেন্টের জন্য উপযুক্ত নাও হতে পারে। এ কারণেই এজেন্ট যুগে "ফ্ল্যাশ" শব্দটি একটি নতুন অর্থ লাভ করেছে। এটি এখন আর কোনো ফ্ল্যাগশিপ পণ্যের সস্তা বিকল্প নয়, বরং এজেন্টের নির্দিষ্ট চাহিদা মেটানোর জন্য এটিকে একেবারে গোড়া থেকে নতুন করে ডিজাইন করতে হয়।
ধাপ ৩.৭ ফ্ল্যাশ: এই বৈশিষ্ট্যগুলো এই যুক্তির সাথে হুবহু মিলে যায়।
নেটিভ মাল্টিমোডাল অপরিহার্য, কারণ এজেন্টকে প্রথমে টাস্কের প্রেক্ষাপট দেখতে হয়; ৪০০ টোকেন/সেকেন্ড অপরিহার্য, কারণ উচ্চ-ফ্রিকোয়েন্সির কলগুলো ধীরগতি সহ্য করতে পারে না; টুল কলের স্থিতিশীলতা অপরিহার্য, কারণ একটি দীর্ঘমেয়াদী টাস্কের কোনো একটি লিঙ্কে বিঘ্ন ঘটলে পুরো প্রক্রিয়াটি ব্যর্থ হয়ে যাবে; হারনেস অ্যাডাপ্টেশন অপরিহার্য, কারণ মডেলটি যতই শক্তিশালী হোক না কেন, যদি এটি বিদ্যমান সিস্টেমে প্রবেশ করতে না পারে তবে তা অকেজো।
এর লক্ষ্য র্যাঙ্কিং নয়; এর লক্ষ্য হলো "এজেন্টরা কীভাবে দক্ষতার সাথে এবং সাশ্রয়ীভাবে কাজ করতে পারে।" স্টেপ ৩.৫ ফ্ল্যাশ থেকে স্টেপ ৩.৭ ফ্ল্যাশ পর্যন্ত, জেটস্টার শুরু থেকেই আসলে একই জিনিসকে শক্তিশালী করে আসছে: এজেন্টের জন্য মডেলটিকে ডিজাইন করা এবং এজেন্টকে বৃহৎ পরিসরের বাণিজ্যিক ব্যবহারে চালিত করা।
ভবিষ্যতে মডেলটির জন্য এটি একটি গুরুত্বপূর্ণ বিবর্তনমূলক পথ হয়ে উঠবে, এবং ধাপ ৩.৭ ফ্ল্যাশই এর শেষ নয়। কিন্তু এটি আমাদের একটি পরিবর্তন দেখায়: এজেন্ট যুগের মডেলকে বিচার করার সময়, আমাদের কেবল এটি কতটা স্মার্ট তার উপরই মনোযোগ দেওয়া উচিত নয়, বরং এটি সেই তুচ্ছ ইঞ্জিনিয়ারিং খরচগুলো এক এক করে বুঝতে ইচ্ছুক কিনা, সেদিকেও নজর দেওয়া উচিত।
১৪৯২ সালে যা সত্যিই বিশ্বকে বদলে দিয়েছিল, তা কলম্বাসের বিপদসংকুল সমুদ্রযাত্রা ছিল না, বরং তার পরবর্তীকালে ফ্লুক বণিক জাহাজগুলোর অবিচল চলাচল—তাদের যাত্রা শুরু করা, ফিরে আসা, মালামাল বোঝাই করা এবং তারপর আবার যাত্রা শুরু করার ক্ষমতা। অভিযাত্রীরা অপর পারে পৌঁছানোর জন্য দায়ী ছিল, আর বণিক জাহাজগুলো সেই পারের নৌপথকে একটি নৌপথে পরিণত করার জন্য দায়ী ছিল।
মডেলগুলোর মধ্যে প্রতিযোগিতা যখন এজেন্ট পর্যায়ে পৌঁছায়, তখনও একই নীতি প্রযোজ্য। যা তাদের মধ্যে প্রকৃত পার্থক্য গড়ে দেয়, তা শুধু চিত্তাকর্ষক বেঞ্চমার্ক স্কোরই নয়, বরং এমন মডেল যা এজেন্টদের বারবার যাত্রা শুরু করতে ও নির্ভরযোগ্যভাবে পৌঁছাতে সক্ষম করে এবং যার সক্ষমতাগুলোকে পরবর্তীতে ফ্লাইট পাথে রূপান্তরিত করা হয়।
iFanr-এর অফিসিয়াল WeChat অ্যাকাউন্ট iFanr (WeChat ID: ifanr) ফলো করুন, যেখানে যত তাড়াতাড়ি সম্ভব আপনার জন্য আরও আকর্ষণীয় কন্টেন্ট উপস্থাপন করা হবে।