Apache 2.0 ലൈസൻസിന് കീഴിൽ പുറത്തിറക്കിയ 975 ബില്യൺ പാരാമീറ്റർ മോഡലായ Inkling-ഉം, Moonshot AI-യുടെ 2.8 ട്രില്യൺ പാരാമീറ്റർ മോഡലായ Kimi K3-ഉം ഒരേ ദിവസം തന്നെ വിപണിയിലെത്തി.

ഈ സമയക്രമം പ്രധാനമാകുന്നത് എന്തുകൊണ്ട്

ഈ രണ്ട് ലോഞ്ചുകളും വെറും യാദൃശ്ചികമായി നടന്നതല്ല. Thinking Machines Lab രാവിലെ Inkling പ്രഖ്യാപിച്ചു, അതിന്റെ എളുപ്പത്തിലുള്ള fine-tuning-ഉം നിയന്ത്രണങ്ങളില്ലാത്ത വിന്യാസവും (deployment) അവർ എടുത്തുപറഞ്ഞു. പതിനാറ് മണിക്കൂർ കഴിഞ്ഞ് Moonshot AI തങ്ങളുടെ Kimi K3-നെ Frontend Code Arena-യുടെ മുൻനിരയിലെത്തിച്ചു. ഇവ രണ്ടും ചേർന്ന് “open-weight frontier” — അതായത് ആർക്കും ഡൗൺലോഡ് ചെയ്യാനും മാറ്റം വരുത്താനും കഴിയുന്ന മോഡലുകൾ — AI വികസനത്തിന്റെ മുഖ്യധാരയിലേക്ക് എത്തിക്കുന്നു.

ഇവിടേക്കെത്തിയ വഴി

വർഷങ്ങളായി, ഏറ്റവും മികച്ച ഭാഷാ മോഡലുകൾ വാണിജ്യപരമായ API-കൾക്ക് പിന്നിൽ ഒളിച്ചിരിക്കുകയായിരുന്നു. കമ്പനികൾ ഓരോ ടോക്കണിനും പണം നൽകേണ്ടി വന്നു, ഉപയോഗ പരിധികളുമായി (usage caps) പൊരുത്തപ്പെടേണ്ടി വന്നു, കൂടാതെ തങ്ങളുടെ ഡാറ്റാ പൈപ്പ്‌ലൈനുകളുടെ നിയന്ത്രണം വിട്ടുകൊടുക്കേണ്ടി വന്നു. Open-weight പ്രോജക്റ്റുകൾ നിലവിലുണ്ടായിരുന്നെങ്കിലും, അവ വളരെ ചെറുതായിരുന്നു അല്ലെങ്കിൽ അവ പരിശീലിപ്പിക്കാൻ വൻതോതിലുള്ള കമ്പ്യൂട്ടിംഗ് ശേഷി ആവശ്യമായിരുന്നു, ഇത് അവയുടെ പ്രായോഗിക സ്വാധീനം പരിമിതപ്പെടുത്തി. പുതിയ മോഡലുകളുടെ പുറത്തിറങ്ങുന്ന രീതി നിലവിലുള്ള കമ്പനികൾക്ക് അനുകൂലമായിരുന്നു: OpenAI-യുടെ പ്രധാന മോഡൽ അതിന്റെ ഇപ്പോഴത്തെ നിലവാരത്തിൽ എത്താൻ അഞ്ച് വർഷമെടുത്തു, എന്നാൽ Thinking Machines Lab വെറും ഒൻപത് മാസത്തിനുള്ളിൽ Inkling-ന്റെ ശേഷി വികസിപ്പിച്ചെടുത്തുവെന്ന് പറയുന്നു.

എന്താണ് ഇതിലൂടെ പ്രധാനമായി മാറുന്നത്

  • മോഡൽ സ്വാതന്ത്ര്യം (Model independence) – Apache 2.0 ലൈസൻസ് ഉപയോഗിച്ച് ആർക്കും അനുമതി തേടാതെ തന്നെ Inkling ഡൗൺലോഡ് ചെയ്യാനും മാറ്റം വരുത്താനും ഏത് ഇൻഫ്രാസ്ട്രക്റ്ററിലും പ്രവർത്തിപ്പിക്കാനും കഴിയും. സംരംഭങ്ങൾക്ക് തങ്ങളുടെ സെൻസിറ്റീവ് ഡാറ്റ സ്വന്തം പ്ലാറ്റ്‌ഫോമുകളിൽ (on-premises) സൂക്ഷിക്കാനും വെണ്ടർ ലോക്ക്-ഇൻ (vendor lock-in) ഒഴിവാക്കാനും ഇതിലൂടെ സാധിക്കും.
  • പ്രകടനത്തിലെ തുല്യത (Performance parity) – കോഡിംഗ് ബെഞ്ച്മാർക്കുകളിൽ ഏറ്റവും മികച്ച ക്ലോസ്ഡ് മോഡലുകളോട് (closed models) കിടപിടിക്കാൻ Kimi K3-ന് സാധിക്കുന്നു.
  • നവീകരണത്തിന്റെ വേഗത (Speed of innovation) – Thinking Machines വെറും ഒൻപത് മാസത്തിനുള്ളിൽ ഈ നിലവാരത്തിൽ എത്തിച്ചേർന്നു.
  • പരമാധികാരം (Sovereignty) – ബാഹ്യ നിയന്ത്രണങ്ങളെക്കുറിച്ച് ആശങ്കയുള്ള രാജ്യങ്ങൾക്കും വലിയ കമ്പനികൾക്കും ഇനി നേരിട്ട് നിയന്ത്രിക്കാൻ കഴിയുന്ന ഒരു മികച്ച ബദൽ ലഭ്യമാണ്.

രണ്ട് വ്യത്യസ്ത തന്ത്രങ്ങൾ രൂപപ്പെടുന്നു

  1. കസ്റ്റമൈസേഷൻ പാത (The Customization Path) – എല്ലാ കാര്യങ്ങളിലും Inkling ഏറ്റവും ശക്തമായ മോഡലല്ല, എന്നാൽ അതിന്റെ ലൈസൻസും ആർക്കിടെക്ചറും പ്രത്യേക മേഖലകളിലെ അറിവ് (domain knowledge) ഉൾപ്പെടുത്താനും, സ്വന്തമായി അസിസ്റ്റന്റുകളെ നിർമ്മിക്കാനും, പുതിയ പ്രോംപ്റ്റിംഗ് രീതികൾ പരീക്ഷിക്കാനും ആഗ്രഹിക്കുന്ന ടീമുകൾക്ക് അനുയോജ്യമാണ്.
  2. സ്കെയിൽ പാത (The Scale Path) – ബെഞ്ച്മാർക്ക് സ്കോറുകളിൽ മികച്ച ക്ലോസ്ഡ് സോഴ്സ് മോഡലുകളോട് നേരിട്ട് മത്സരിക്കാൻ Kimi K3-ന് കഴിയും. ഉയർന്ന കൃത്യത (out-of-the-box accuracy) ആവശ്യമുള്ള സ്ഥാപനങ്ങൾ, ഒരു മൾട്ടി-ട്രില്യൺ പാരാമീറ്റർ സിസ്റ്റം ഹോസ്റ്റ് ചെയ്യാനുള്ള അധിക ചിലവ് (overhead) സഹിച്ചുകൊണ്ട് ഇതിലേക്ക് ആകർഷിക്കപ്പെട്ടേക്കാം.

എതിർവാദങ്ങളും ജാഗ്രതയും

Open-weight മോഡലുകൾക്ക് പിന്നിലും ചിലവ് ഒളിഞ്ഞിരിപ്പുണ്ട്. ഒരു 2.8 ട്രില്യൺ പാരാമീറ്റർ സിസ്റ്റം പരിശീലിപ്പിക്കാനോ fine-tune ചെയ്യാനോ വൻതോതിലുള്ള GPU ക്ലസ്റ്ററുകളും, ഡിസ്ട്രിബ്യൂട്ടഡ് ട്രെയിനിംഗിലുള്ള വൈദഗ്ധ്യവും, ശക്തമായ ഡാറ്റാ പൈപ്പ്‌ലൈനുകളും ആവശ്യമാണ്—പല സ്റ്റാർട്ടപ്പുകൾക്കും ഇത്രയും വിഭവങ്ങൾ ലഭ്യമല്ല. തുറന്ന സ്വഭാവം (Openness) ഗുണനിലവാരം ഉറപ്പുനൽകുന്നില്ല; പക്ഷപാതം (bias), സുരക്ഷാ പിഴവുകൾ, നിയന്ത്രണങ്ങൾ പാലിക്കൽ (regulatory compliance) എന്നിവയ്ക്കായി കമ്മ്യൂണിറ്റി ഇപ്പോഴും മോഡലുകളെ പരിശോധിക്കേണ്ടതുണ്ട്. ഒരു കോഡിംഗ് ബെഞ്ച്മാർക്കിൽ കാണിക്കുന്ന പ്രകടനമികവ് മെഡിക്കൽ ഡയഗ്നോസിസ് അല്ലെങ്കിൽ ലീഗൽ റീസണിംഗ് പോലുള്ള മറ്റ് മേഖലകളിൽ നിലനിൽക്കണമെന്നില്ല.

ഇനി ശ്രദ്ധിക്കേണ്ട കാര്യങ്ങൾ

  • അഡോപ്ഷൻ കർവുകൾ (Adoption curves) – ഇൻഫ്രാസ്ട്രക്ചർ ചിലവിനെ ഡാറ്റാ നിയന്ത്രണത്തിലൂടെയുള്ള നേട്ടങ്ങൾ കൊണ്ട് മറികടക്കാൻ കമ്പനികൾക്ക് കഴിയുമോ എന്ന് ആദ്യമായി ഉപയോഗിക്കുന്നവർ (early adopters) കാണിച്ചുതരും.
  • ഇക്കോസിസ്റ്റം ടൂളിംഗ് (Ecosystem tooling) – ഓപ്പൺ സോഴ്സ് ഇൻഫറൻസ് റൺടൈമുകൾ, ക്വാണ്ടൈസേഷൻ ലൈബ്രറികൾ, മോഡൽ മാനേജ്‌മെന്റ് പ്ലാറ്റ്‌ഫോമുകൾ എന്നിവ ഡെവലപ്പർമാർ എത്ര വേഗത്തിൽ ഡൗൺലോഡ് ചെയ്യുന്ന ഘട്ടത്തിൽ നിന്ന് പ്രൊഡക്ഷനിലേക്ക് മാറുമെന്ന് തീരുമാനിക്കും.
  • നിയമപരമായ പ്രതികരണം (Regulatory response) – രാജ്യത്തിന്റെ അതിർത്തിക്കുള്ളിൽ സൂക്ഷിക്കുന്ന മോഡലുകൾക്ക് അനുകൂലമായ നയങ്ങൾ സർക്കാരുകൾ രൂപീകരിച്ചേക്കാം, ഇത് ഓപ്പൺ-വെയിറ്റ് വിന്യാസങ്ങളിലേക്കുള്ള മാറ്റം വേഗത്തിലാക്കിയേക്കാം.
  • മത്സരപരമായ റിലീസുകൾ (Competitive releases) – മറ്റ് ലാബുകൾ ഈ രീതി പിന്തുടരുകയാണെങ്കിൽ, വിപണിയിൽ വലിയ തോതിൽ ഓപ്പൺ ലൈസൻസുള്ള മോഡലുകൾ വരാം, ഇത് പ്രൊപ്രൈറ്ററി API-കളുടെ ആധിപത്യം കുറയ്ക്കാൻ കാരണമാകും.

പ്രായോഗികമായ ഒരു പാഠം

ബാഹ്യ API-കളെ മാത്രം ആശ്രയിക്കുന്ന അവസ്ഥ ഒഴിവാക്കാൻ നേതാക്കൾ തങ്ങളുടെ AI സ്റ്റാക്കുകൾ പരിശോധിക്കേണ്ടതുണ്ട്. കൂടാതെ, കുറഞ്ഞ തടസ്സങ്ങളോടെ മോഡലുകൾ മാറ്റാൻ സഹായിക്കുന്ന അബ്സ്ട്രാക്ഷൻ ലെയറുകൾ (abstraction layers) നിർമ്മിച്ചു തുടങ്ങുകയും വേണം. ഒരു പ്രത്യേക മോഡൽ കൈവശം വെക്കുന്നതിനേക്കാൾ, ഒരു ജോലിക്ക് ഏറ്റവും അനുയോജ്യമായ മോഡൽ തിരഞ്ഞെടുക്കാനും കസ്റ്റമൈസ് ചെയ്യാനും വിന്യസിക്കാനുമുള്ള വഴക്കം (flexibility) കൈവശം വെക്കുന്നതിലേക്കാണ് മൂല്യം മാറുന്നത്.