মীরা মুরাটির Thinking Machines Lab আনুষ্ঠানিকভাবে Inkling-এর মাধ্যমে ময়দানে নেমেছে, যা একটি open-weight মডেল এবং এটি মূলত কেন্দ্রীভূত, “one-size-fits-all” AI জায়ান্টদের আধিপত্যকে চ্যালেঞ্জ করার জন্য তৈরি করা হয়েছে। সাধারণ ক্ষমতার পরিবর্তে কাস্টমাইজেশনের ওপর বাজি ধরে এই স্টার্টআপটি বলছে যে, এন্টারপ্রাইজ AI-এর ভবিষ্যৎ হলো বিশেষায়িত এবং স্থানীয়ভাবে অপ্টিমাইজ করা বুদ্ধিমত্তার মধ্যে।

Inkling-এর আর্কিটেকচার: MoE-এর মাধ্যমে দক্ষতা

Inkling হলো একটি Mixture-of-Experts সিস্টেম যার মোট প্যারামিটার সংখ্যা বিশাল ৯৭৫ বিলিয়ন। তবুও এটি যেকোনো একক কাজের জন্য মাত্র প্রায় ৪১ বিলিয়ন প্যারামিটার সক্রিয় করে, যা উচ্চ-স্তরের রিজনিং বজায় রেখে ল্যাটেন্সি এবং খরচ কমিয়ে দেয়। মডেলটি টেক্সট, ইমেজ, অডিও এবং ভিডিওর ৪৫ ট্রিলিয়ন টোকেন থেকে শিখেছে, যা একে নেটিভ মাল্টিমোডাল ক্ষমতা প্রদান করে। কোম্পানিটি দাবি করেছে যে, Inkling কোডিং বেঞ্চমার্কে Nvidia-র Nemotron 3 Ultra-এর সমতুল্য পারফরম্যান্স দেখায়, অথচ এটি মাত্র এক-তৃতীয়াংশ টোকেন ব্যবহার করে—যা ট্রেনিং দক্ষতার একটি স্পষ্ট লক্ষণ।

এন্টারপ্রাইজ কাস্টমাইজেশনের দিকে একটি কৌশলগত পরিবর্তন

OpenAI, Anthropic বা Google-এর ফ্ল্যাগশিপ প্রোডাক্টগুলোর মতো নয়, যা মূলত সাধারণ উদ্দেশ্যে চ্যাটবট হিসেবে কাজ করে, Inkling-কে সংস্থাগুলোর জন্য একটি ফাউন্ডেশন হিসেবে বাজারজাত করা হচ্ছে। Thinking Machines এই মডেলটিকে একটি শুরুর বিন্দু হিসেবে উপস্থাপন করছে এবং এন্টারপ্রাইজগুলোকে তাদের নিজস্ব ডেটা ব্যবহার করে এর “Tinker” প্ল্যাটফর্মের মাধ্যমে এটিকে ফাইন-টিউন করার আহ্বান জানাচ্ছে।

এই পদক্ষেপটি ইন্ডাস্ট্রির “double payment” ফাঁদটি মোকাবিলা করে। Microsoft-এর CEO Satya Nadella সতর্ক করেছিলেন যে, কোম্পানিগুলো দুবার পেমেন্ট করে—একবার সাবস্ক্রিপশনের জন্য এবং দ্বিতীয়বার তাদের অনন্য বিজনেস লজিক একটি মডেলে ইনপুট দেওয়ার মাধ্যমে, যা শেষ পর্যন্ত প্রোভাইডারের ট্রেনিং সেটকে আরও সমৃদ্ধ করে। একটি open-weight মডেল অফার করার মাধ্যমে, Thinking Machines কোম্পানিগুলোকে সেই বুদ্ধিমত্তা নিজেদের কাছেই (in-house) রাখতে সাহায্য করছে।

উচ্চ-ঝুঁকিপূর্ণ ইনফ্রাস্ট্রাকচার এবং দ্রুত উন্নয়ন

Thinking Machines খুব দ্রুত বাজারে এসেছে। OpenAI-এর প্রায় পাঁচ বছর এবং Anthropic-এর প্রায় তিন বছর সময় লেগেছিল; Thinking Machines বলছে তারা মাত্র নয় মাসে একটি সমতুল্য মাইলফলকে পৌঁছেছে।

এই গতি বজায় রাখতে কোম্পানিটি হার্ডওয়্যারের ওপর নির্ভর করেছে। মার্চ মাসে Nvidia-র সাথে অংশীদারিত্বের পর, Inkling সম্পূর্ণভাবে Nvidia-র GB300 NVL72 সিস্টেমে ট্রেনিং পেয়েছে। কোম্পানিটি ডিস্টিলেশন ট্রিকস ব্যবহার করেছে—প্রাথমিক পোস্ট-ট্রেনিংয়ের জন্য Moonshot AI-এর Kimi K2.5-এর মতো open-weight মডেলগুলোকে কাজে লাগিয়েছে—তবে তারা প্রতিশ্রুতি দিয়েছে যে ভবিষ্যতে সমস্ত পোস্ট-ট্রেনিং সম্পূর্ণ ইন-হাউস পরিচালনা করবে।

মূল বিষয়সমূহ

  • Open-Weight সুবিধা: ডেভেলপাররা ৯৭৫ বিলিয়ন প্যারামিটারের MoE মডেলটি ডাউনলোড এবং পরিবর্তন করতে পারেন, যা নিয়ন্ত্রণকে ক্লোজড ইকোসিস্টেমের হাত থেকে দূরে রাখে।
  • দক্ষতা-কেন্দ্রিক ডিজাইন: প্রতি টাস্কে মাত্র ৪১ বিলিয়ন প্যারামিটার সক্রিয় করা এবং টোকেন ব্যবহার কমানোর ফলে মডেলটি অত্যন্ত কম পরিচালন ব্যয়ে শীর্ষমানের রিজনিং প্রদান করতে পারে।
  • কাস্টমাইজেশনের ওপর বাজি: Thinking Machines সাধারণ চ্যাটবট থেকে সরে এসে “Tinker”-এর দিকে মনোযোগ দিচ্ছে, যা এমন একটি প্ল্যাটফর্ম যা ফাউন্ডেশন মডেলগুলোকে প্রতিটি সংস্থার জন্য বিশেষায়িত সম্পদে পরিণত করে।