বছরের পর বছর ধরে, প্রযুক্তি নীতি নির্ধারক মহলে একটি স্পষ্ট ধারণা প্রচলিত ছিল: NVIDIA চিপ না থাকলে frontier AI সম্ভব নয়। H100 এবং নতুন Blackwell লাইনের মতো হাই-এন্ড GPU-র ওপর রপ্তানি নিয়ন্ত্রণ ব্যবস্থাটি ঠিক এই প্রতিবন্ধকতাটি মাথায় রেখেই তৈরি করা হয়েছিল। তত্ত্বটি ছিল এই যে, সেরা সিলিকন বা চিপের অ্যাক্সেস বন্ধ করে দিলে কোনো দেশের সবচেয়ে বড় এবং সবচেয়ে সক্ষম মডেলগুলো প্রশিক্ষিত করার ক্ষমতা ধীর করে দেওয়া সম্ভব। Meituan এই ধারণাকে ভুল প্রমাণ করে দেখিয়েছে।
ফুড ডেলিভারি এবং লোকাল সার্ভিসে আধিপত্যের জন্য পরিচিত চীনা টেক জায়ান্ট Meituan সম্প্রতি LongCat 2.0 প্রকাশ করেছে। এটি একটি ১.৬ ট্রিলিয়ন প্যারামিটার বিশিষ্ট মডেল যা Mixture-of-Experts আর্কিটেকচারের ওপর ভিত্তি করে তৈরি। আসল চমকটি কী? দলটি এটি সম্পূর্ণভাবে চীনের দেশীয় চিপের ওপর প্রশিক্ষণ দিয়েছে। কোনো NVIDIA H100 নয়। কোনো Blackwell GPU নয়। এবং এটিকে কোনো API-এর আড়ালে লুকিয়ে না রেখে, Meituan এর weights, training code এবং সম্পূর্ণ data pipeline GitHub-এ উন্মুক্ত করে দিয়েছে যাতে যে কেউ তা পরীক্ষা করতে পারে।
LongCat 2.0 আসলে কী নিয়ে এসেছে
চলুন প্রথমে হার্ডওয়্যার-নিরপেক্ষ (hardware-agnostic) তথ্যগুলো দেখে নেওয়া যাক। ১.৬ ট্রিলিয়ন প্যারামিটার নিয়ে LongCat 2.0 এখন পর্যন্ত মুক্তি পাওয়া সবচেয়ে বড় open-weight মডেলগুলোর মধ্যে একটি। প্যারামিটারই গুণমানের একমাত্র মাপকাঠি নয়, তবে এই স্কেলে এগুলো একটি গুরুতর ইঞ্জিনিয়ারিং উচ্চাকাঙ্ক্ষার ইঙ্গিত দেয়। যেহেতু এটি Mixture-of-Experts ডিজাইন ব্যবহার করে, তাই যেকোনো নির্দিষ্ট কাজের জন্য সেই প্যারামিটারগুলোর একটি অংশ মাত্র সক্রিয় হয়। এটি inference খরচকে নিয়ন্ত্রণের বাইরে যেতে বাধা দেয়, পাশাপাশি মডেলটিকে বিশাল জ্ঞান এবং reasoning patterns সংরক্ষণ করার সুযোগ দেয়।
এর context window এক মিলিয়ন টোকেন পর্যন্ত বিস্তৃত। এটি OpenAI এবং Anthropic-এর হাই-এন্ড অফারগুলোর সমতুল্য, এবং এটি মডেলটি ব্যবহারিকভাবে কী করতে পারে তা বদলে দেয়। এত বড় উইন্ডো থাকার ফলে, আপনি একটি মাত্র প্রম্পটে পুরো আইনি চুক্তি, কয়েক মাসের চ্যাট লগ বা বিশাল কোড রিপোজিটরি এতে ইনপুট দিতে পারেন। দীর্ঘ নথির তথ্য মনে রাখার প্রয়োজন আছে এমন অ্যাপ্লিকেশন তৈরির ডেভেলপারদের জন্য এটি কোনো সামান্য উন্নতি নয়; এটি একটি কার্যকরী প্রয়োজনীয়তা।
এরপর রয়েছে এর উন্মুক্ততা। Meituan কোনো সীমিত ডেমো বা সীমাবদ্ধ API প্রকাশ করেনি। মডেলের weights উপলব্ধ, training code প্রকাশ করা হয়েছে এবং পাইপলাইনটিও উন্মুক্ত। এটি সেইসব গবেষকদের জন্য গুরুত্বপূর্ণ যারা ফলাফল পুনরায় তৈরি (reproduce) করতে চান, সেইসব এন্টারপ্রাইজের জন্য যারা মডেলের আচরণ অডিট করতে চান এবং সেইসব ইঞ্জিনিয়ারদের জন্য যারা কোনো থার্ড-পার্টি সার্ভারে কিছু না পাঠিয়ে নিজস্ব ডেটার ওপর মডেলটিকে fine-tune করতে চান।
হার্ডওয়্যার সংক্রান্ত সেই গল্প যা সবাই মিস করেছে
এখানকার মূল খবরটি শুধু প্যারামিটার সংখ্যা নয়; এটি হলো এর পেছনের সিলিকন। LongCat 2.0 দেশীয় অ্যাক্সিলারেটর, বিশেষ করে Huawei Ascend সিরিজের মতো চিপের ওপর প্রশিক্ষণপ্রাপ্ত। এটি কোনো বিদ্যমান ফ্রেমওয়ার্ককে NVIDIA ক্লাস্টারের ওপর বসিয়ে রান করার চেয়ে সম্পূর্ণ ভিন্ন একটি বিষয়।
একটি ট্রিলিয়ন-প্যারামিটার মডেল প্রশিক্ষণের জন্য চরম পর্যায়ের distributed computing সমস্যা সমাধান করা প্রয়োজন। মেমরি ব্যান্ডউইথ, ইন্টার-চিপ কমিউনিকেশন এবং ফ্লোটিং-পয়েন্ট পারফরম্যান্স—সবকিছু অত্যন্ত নিখুঁতভাবে পরিচালনা করতে হয়। NVIDIA-র সুবিধা কখনোই কেবল তাদের raw GPU ছিল না। এটি হলো CUDA ইকোসিস্টেম, অপ্টিমাইজড কার্নেল এবং সেই স্ট্যাক থেকে সর্বোচ্চ পারফরম্যান্স বের করে আনার সম্মিলিত জ্ঞান। Ascend হার্ডওয়্যারে সমমানের একটি মডেল তৈরি করার অর্থ হলো Meituan-এর ইঞ্জিনিয়ারদেরকে ট্রেনিং ফ্রেমওয়ার্ক মানিয়ে নেওয়া, low-level অপারেশনগুলো পুনরায় লেখা এবং সম্পূর্ণ ভিন্ন একটি আর্কিটেকচারে distributed training রান ডিবাগ করার মতো কঠিন কাজ করতে হয়েছে।
তাদের এই সাফল্য একটি মডেলের চেয়েও বড় কিছু নির্দেশ করে। এটি দেখায় যে চীনের হার্ডওয়্যার-সফটওয়্যার co-design এমন পর্যায়ে পৌঁছেছে যেখানে পশ্চিমা চিপের অনুপস্থিতি আর কোনো কঠিন বাধা নয়। এটি একটি সীমাবদ্ধতা এবং ব্যয়বহুলও বটে, কিন্তু এটি কোনো অসম্ভব বাধা নয়।
এটি আসলে কোথায় পারফর্ম করে
LongCat 2.0 চীনা reasoning, গণিত এবং long-context retrieval-এ দারুণ স্কোর করেছে। এগুলো নির্দিষ্ট এবং উচ্চ-মূল্যের বেঞ্চমার্ক। ম্যাথমেটিক্যাল রিজনিং একটি মডেলের লজিক এবং symbolic manipulation সামলানোর ক্ষমতা পরীক্ষা করে। Long-context retrieval পরীক্ষা করে যে মডেলটি একটি মিলিয়ন-টোকেনের খড়ের গাদার মধ্যে থেকে তথ্য খুঁজে বের করতে পারে কি না। এই উভয় ক্ষেত্রেই সফল হওয়া হলো একটি মডেল যা কেবল শুনতে বুদ্ধিমান মনে হয় এবং একটি মডেল যা প্রকৃতপক্ষে কাজ করতে পারে—তাদের মধ্যকার পার্থক্য।
Meituan এটিকে Llama, DeepSeek এবং Qwen-এর একটি সরাসরি বিকল্প হিসেবে উপস্থাপন করছে। চীনা ভাষার কাজের ক্ষেত্রে এই প্রতিযোগিতা বিশেষভাবে তীব্র। মূলত ইংরেজি ইন্টারনেট ডেটা দিয়ে প্রশিক্ষিত মডেলগুলো প্রায়শই ধ্রুপদী চীনা রেফারেন্স, স্থানীয় নিয়ন্ত্রণমূলক ভাষা, মূল ভূখণ্ডের বাজারে ব্যবহৃত আর্থিক পরিভাষা এবং চীনা সোশ্যাল মিডিয়ায় প্রচলিত অনানুষ্ঠানিক সংক্ষিপ্ত রূপের ক্ষেত্রে হোঁচট খায়। একটি মডেল যা গভীর চীনা ভাষা দক্ষতার সাথে তৈরি এবং এমন একটি কোম্পানি দ্বারা পরিচালিত যার মূল ব্যবসা চীনা ভোক্তা আচরণের ওপর নির্ভরশীল, সেই সব পরিস্থিতিতে একটি কাঠামোগত সুবিধা পায়।
এটি চ্যাটবটের চেয়েও বেশি কিছু। PRC চুক্তি আইন বিশ্লেষণকারী Legaltech সংস্থা, ঐতিহাসিক পাঠ্য বিশ্লেষণকারী গবেষক, ম্যান্ডারিন ঋণ সংক্রান্ত নথি প্রসেসকারী ব্যাংক এবং আঞ্চলিক উপভাষা সামলানো কাস্টমার সার্ভিস প্ল্যাটফর্ম—সবারই এমন মডেল প্রয়োজন যা ইংরেজি-কেন্দ্রিক দৃষ্টিভঙ্গির মাধ্যমে অনুবাদ করার পরিবর্তে সূক্ষ্ম পার্থক্যগুলো বুঝতে পারে।
Meituan-এর গোপন অস্ত্র: স্কেল এবং ডেটা
Meituan কেবল একটি ডেলিভারি অ্যাপের পাশাপাশি থাকা কোনো গবেষণা ল্যাব নয়। এটি একটি বিশাল অপারেশনাল শক্তি যা প্রতিদিন চীনজুড়ে লক্ষ লক্ষ রাইডার, রেস্তোরাঁ এবং মার্চেন্টদের সমন্বয় করে। এই স্কেল বাস্তব জগতের ভাষার ডেটার একটি বিশাল প্রবাহ তৈরি করে। চ্যাটবটে আসা গ্রাহকদের অভিযোগ। আঞ্চলিক স্ল্যাং এবং আনুষ্ঠানিক ব্যবসায়িক নিবন্ধনের বিবরণের মিশ্রণে থাকা রেস্তোরাঁর বর্ণনা। ঠিকানা এবং অনানুষ্ঠানিক ল্যান্ডমার্কের মিশ্রণে থাকা রাউটিং নির্দেশাবলী। কর, স্বাস্থ্যবিধি সংক্রান্ত প্রবিধান এবং স্থানীয় অধ্যাদেশ সম্পর্কিত মার্চেন্ট সার্ভিস টিকিট।
এই ডেটা অগোছালো, প্রাসঙ্গিক এবং অত্যন্ত স্থানীয় পর্যায়ের, যা সাধারণ ওয়েব ক্রল ডেটা কখনোই অনুকরণ করতে পারে না। এই ডেটা LongCat 2.0-এ ব্যবহার করার ফলে মডেলটি এমন একটি ব্যবহারিক ভিত্তি পায় যা বিশুদ্ধ একাডেমিক ট্রেনিংয়ে অনুপস্থিত থাকে। পরিমার্জিত উইকিপিডিয়া টেক্সটের ওপর প্রশিক্ষণ নেওয়া এক কথা, আর প্রকৃত বাণিজ্যের বিশৃঙ্খল ও লেনদেনমূলক ভাষার ওপর প্রশিক্ষণ নেওয়া সম্পূর্ণ অন্য কথা।
কেন পরিস্থিতির পরিবর্তন ঘটছে
যদি কোম্পানিগুলো দেশীয় সিলিকন ব্যবহার করে ফ্রন্টিয়ার-ক্লাস মডেল প্রশিক্ষণ দিতে পারে, তবে চিপ রপ্তানি নিষেধাজ্ঞার পেছনের সম্পূর্ণ কৌশলগত যুক্তিটি ক্ষয় হতে শুরু করবে। এই নিষেধাজ্ঞাগুলো এই ধারণার ওপর ভিত্তি করে তৈরি করা হয়েছিল যে NVIDIA-এর সরবরাহ ব্যবস্থা নিয়ন্ত্রণ করলে AI সক্ষমতাও নিয়ন্ত্রণ করা যাবে। সেই ধারণাটি ধরে নিয়েছিল যে কোনো কার্যকর বিকল্প ইকোসিস্টেম নেই।
LongCat 2.0 এই ঘোষণা দিচ্ছে না যে চীনা চিপ প্রতিটি ক্ষেত্রে NVIDIA-কে ছাড়িয়ে গেছে। এটি প্রমাণ করে যে কাজ সম্পন্ন করার জন্য তাদের নিখুঁতভাবে মিল থাকার প্রয়োজন নেই। পর্যাপ্ত মেমরি, পর্যাপ্ত ব্যান্ডউইথ এবং যথেষ্ট স্মার্ট সফটওয়্যার অপ্টিমাইজেশন ব্যবধান কমিয়ে প্রতিযোগিতামূলক ফলাফল দিতে পারে। এটি সম্পূর্ণ সমতার চেয়ে অনেক সহজ লক্ষ্য, এবং মনে হচ্ছে সেই লক্ষ্যটি অর্জন করা সম্ভব হয়েছে।
বৈশ্বিক AI সাপ্লাই চেইনের জন্য এর প্রভাব স্পষ্ট। সমস্ত গুরুত্বপূর্ণ ট্রেনিং রান অবশ্যই NVIDIA হার্ডওয়্যারের মাধ্যমে হতে হবে—এই ধারণাটি এখন মৃত। এটি AI উন্নয়নে জাতীয় সার্বভৌমত্বের দিকে ক্ষমতাকে স্থানান্তরিত করে। যারা পাশ থেকে দেখছে, সেই দেশ এবং কোম্পানিগুলো এখন আর একটি একক চোকপয়েন্ট সরবরাহকারীকে ফ্রন্টিয়ার সক্ষমতার একমাত্র পথ হিসেবে দেখছে না। তারা একটি দ্বিভাজন এবং সম্ভবত একটি বহুমুখী হার্ডওয়্যার ল্যান্ডস্কেপ দেখতে পাচ্ছে, যা অনেকের পূর্বাভাসের চেয়ে দ্রুত উদ্ভূত হচ্ছে।
আসল শিক্ষা
LongCat 2.0 কেবল একটি প্রযুক্তিগত রিলিজ নয়। এটি একটি রাজনৈতিক হাইপোথিসিসের পরীক্ষা, এবং সেই হাইপোথিসিসটি মাত্র ব্যর্থ হলো। Meituan প্রমাণ করেছে যে সঠিক ডেটা, সঠিক ইঞ্জিনিয়ারিং টিম এবং সঠিক হার্ডওয়্যার সম্পন্ন একটি কনজিউমার টেক কোম্পানি একটি নিষিদ্ধ পশ্চিমা GPU স্পর্শ না করেই ১.৬ ট্রিলিয়ন প্যারামিটারের একটি ওপেন মডেল প্রশিক্ষণ দিতে পারে।
ডেভেলপারদের জন্য এর অর্থ হলো চীনা ভাষা এবং লং-কনটেক্সট টাস্কগুলোতে প্রকৃত গভীরতা সম্পন্ন একটি নতুন ওপেন-ওয়েট অপশন। নীতিনির্ধারকদের জন্য এর অর্থ হলো হার্ডওয়্যার নিষেধাজ্ঞার ওপর ভিত্তি করে আরোপিত নিষেধাজ্ঞাগুলোতে কেবল সংগ্রহ নয়, বরং অভিযোজনের বিষয়টিও বিবেচনা করতে হবে। শিল্পের বাকি অংশের জন্য এর অর্থ হলো কে কী তৈরি করতে পারে এবং কোন সরঞ্জাম দিয়ে করতে পারে, তার মানচিত্র রিয়েল-টাইমে নতুন করে আঁকা হচ্ছে।
রপ্তানি নিষেধাজ্ঞা হয়তো কিছুটা সময় কিনে দিয়েছে। তবে এটি একটি বিকল্পও তৈরি করে দিয়েছে বলে মনে হচ্ছে।