জানুয়ারি ২০২৫-এর একটি সংক্ষিপ্ত ও সুন্দর মুহূর্তে, ওপেন-ওয়েট এআই মডেলগুলি তাদের ক্লোজড-সোর্স প্রতিদ্বন্দ্বীদের অনুসরণ করে। এরেনার জনসম্মত লিডারবোর্ডে ইলো রেটিং ফারাক শূন্যে পৌঁছায়। সমতা।
সেই মুহূর্ত শেষ হয়ে গেছে। ২০২৬ সালের সেপ্টেম্বর থেকে, সেরা বন্ধ ফ্রন্টিয়ার মডেল এবং তাদের শীর্ষ ওপেন-ওয়েট প্রতিদ্বন্দ্বীদের মধ্যে পার্থক্য এখন ২৯ ইলো পয়েন্টে পৌঁছেছে, এরেনা AI-এর মূল্যায়ন ডেটা অনুযায়ী। Claude Opus 5 Max-এর রেটিং ১৫০৫, যখন সবচেয়ে শক্তিশালী ওপেন-ওয়েট প্রতিদ্বন্দ্বী Moonshot AI-এর Kimi K3 Max প্রায় ৩০ পয়েন্ট পিছিয়ে। এরেনার AI ক্ষমতা নেতা পিটার গস্টেভ এই বিচ্ছিন্নতা ট্র্যাক এবং ভিজুয়ালাইজ করার কেন্দ্রে রয়েছেন।
সংখ্যাগুলি বাস্তবে কী বোঝায়
ট্র্যাজেক্টরি কোনো একক স্ন্যাপশটের চেয়ে বেশি আকর্ষক গল্প বলে। জানুয়ারি ২০২৫-এ শূন্য থেকে সেপ্টেম্বর ২০২৬-এ ২৯ পয়েন্টে, ট্রেন্ড লাইনটি ওপেন-ওয়েট পক্ষের জন্য ভুল দিকে এগিয়ে যাচ্ছে। ইপক এআই-এর বিশ্লেষণটি এই চিত্রটিকে একটি ভিন্ন দিক থেকে শক্তিশালী করে: সবচেয়ে চ্যালেঞ্জিং কাজগুলিতে ওপেন-ওয়েট মডেলগুলি এখন তাদের ক্লোজড প্রতিদ্বন্দ্বীদের চেয়ে প্রায় চার মাস পিছিয়ে। ২০২৫-এর শেষদিকে পর্যবেক্ষিত তিন মাসের পিছনের পার্থক্যের চেয়ে এটি বেড়েছে।
এরেনা প্রতি মাসে 10 মিলিয়নের বেশি মূল্যায়ন প্রক্রিয়া করে, যা কৃত্রিম বেঞ্চমার্কের পরিবর্তে বাস্তব ব্যবহারকারীদের বিপুল পরিমাণের ইন্টারঅ্যাকশনের উপর ভিত্তি করে। যখন কোটি কোটি অজানা ব্যবহারকারী একটি মডেলের আউটপুটকে অন্যটির চেয়ে নিয়মিতভাবে পছন্দ করে, তখন সেই সংকেতকে উপেক্ষা করা কঠিন।
এআই পরিমাপের ব্যবসা
অ্যারেনা নিজেই একটি আকর্ষণীয় ব্যবসায়িক গল্পে পরিণত হয়েছে। ২০২৩ সালে ইউসি বার্কলের গবেষণা প্রকল্প হিসেবে শুরু হওয়া এই প্রকল্পটি বছরে ১০০ মিলিয়ন ডলারের বার্ষিক আয় করা একটি প্রতিষ্ঠানে পরিণত হয়েছে। পেইড মূল্যায়ন সেবা চালুর মাত্র আট মাসের মধ্যেই এটি এই আয়ের হারে পৌঁছেছে।
গস্টেভের বিশেষ অবদান হল মডেলের দুর্বলতাগুলিকে স্পষ্ট করে তোলা। তার কাজটি ডোমেইন বিশেষজ্ঞদের দ্বারা মূল্যায়নের সময় মডেলের পারফরম্যান্স এবং সাধারণ ব্যবহারকারীদের দ্বারা মূল্যায়নের সময় মডেলের পারফরম্যান্সের মধ্যে তৈরি হওয়া টেনশনকে উজ্জ্বল করে, যা এন্টারপ্রাইজ ডিপ্লয়মেন্টের জন্য অত্যন্ত গুরুত্বপূর্ণ।
খোলা মডেলের ভূ-রাজনীতি
সবচেয়ে বেশি সক্রিয় ওপেন-ওয়েট মডেল বিকাশ প্রধানত চীনা ল্যাবগুলিতে সরে গেছে। মুনশট AI-এর কিমি সিরিজ, জিপুর GLM, ডিপসিক এবং আলিবাবার Qwen হল পাবলিকলি উপলব্ধ সবচেয়ে এগিয়ে যাওয়া মডেলগুলি। তবুও ফারাক বজায় রয়েছে। অ্যানথ্রোপিক, ওপেনএআই এবং গুগল ডিপমাইন্ড তাদের ক্লোজড মডেলগুলি আরও দ্রুত এগিয়ে নিয়ে যাচ্ছে।