গুগল ডিপমাইন্ড এজেন্ট-ভিত্তিক সিদ্ধান্ত গ্রহণের জন্য জেমিনি ডিসিশন 1 চালু করেছে

গুগল ডিপমাইন জেমিনি ডিসিশন 1 এবং একটি বিশেষায়িত ডিসিশনস API চালু করেছে, যা এজেন্ট সিস্টেমের অসংখ্য “কোন টুল কল করবেন”, “নীতির সাথে সঙ্গতিপূর্ণ কি”, “কোন ধরনের মডেলকে বরাদ্দ করবেন”, “ঝুঁকির মাত্রা কত” ইত্যাদি বন্ধ সিদ্ধান্তগুলিকে সাধারণ জেনারেটিভ মডেল থেকে আলাদা করার চেষ্টা করছে। ডেভেলপাররা একবারে 25.6 লক্ষ টোকেনের পাঠ্য, ছবি, অডিও, ভিডিও বা PDF জমা দিতে পারবেন এবং একই উপাদানকে নিয়ে 1000টি পরস্পর স্বাধীন প্রশ্ন করতে পারবেন; মডেলটি অক্ষরে অক্ষরে ব্যাখ্যা তৈরি করবে না, বরং একবারের ফরওয়ার্ড ক্যালকুলেশনেই বিকল্পগুলির জন্য সম্ভাবনা এবং আত্মবিশ্বাসের মাত্রা প্রদান করবে। গুগল-এর প্রকাশিত টাইপিক্যাল এন্ড-টু-এন্ড ল্যাটেন্সি 150-250 মিলিসেকেন্ড, এবং 1000000টি ইনপুটটোকেনের জন্য 0.10 USD, আউটপুটটি বিনামূল্যে। তবে,এই ল্যাটেন্সির ডেটা 16000টোকেনেরও কম, 100টিরও কমপ্রশ্নসহ 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 100টিরও 1০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০০९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९९।

লেখক, উৎস: Google DeepMind

বর্তমানে অনেক এজেন্ট যদিও শুধুমাত্র “হ্যাঁ” বা “না” উত্তর দিতে প্রয়োজনীয়, তবুও পূর্ণাঙ্গ জেনারেটিভ মডেল কল করে। মডেলটিকে প্রেক্ষাপট পড়তে হয়, যুক্তি প্রয়োগ করতে হয় এবং টোকেন অনুযায়ী টেক্সট আউটপুট করতে হয়, তারপর অ্যাপ্লিকেশনটি উত্তর থেকে একটি বুলিয়ান বা শ্রেণী বিশ্লেষণ করে।

এই পদ্ধতিটি নমনীয়, কিন্তু হাই-ফ্রিকোয়েন্সি ওয়ার্কফ্লোতে অপচয়পূর্ণ। একজন কাস্টমার সাপোর্ট এজেন্টকে ব্যবহারকারীর উদ্দেশ্য, অ্যাকাউন্ট ঝুঁকি, প্রযোজ্য নীতিমালা, টুলের অনুমতি, আপগ্রেড কিউ এবং প্রতিক্রিয়া মডেল পরীক্ষা করতে হতে পারে; প্রতিটি ধাপে জেনারেটিভ মডেল কল করা হয়, যা দেরি, খরচ এবং ফরম্যাট পার্সিং ত্রুটির সমষ্টি তৈরি করে।

জেমিনি ডিসিশন 1 একটি ভিন্ন পদ্ধতি ব্যবহার করে: ডেভেলপাররা প্রথমে সীমিত প্রার্থী উত্তর সংজ্ঞায়িত করে, মডেলটি শুধুমাত্র এই বিকল্পগুলির জন্য স্কোর দেয়। এটি একটি চ্যাট মডেল নয়, এটি ব্যাখ্যা তৈরি করে না, এবং এটি দীর্ঘ প্রসঙ্গ এবং মাল্টিমডাল তথ্যকে বুঝতে পারে এমন একটি সাধারণ বিন্যাস, র‍্যাঙ্কিং এবং কৌশলগত সিদ্ধান্ত স্তরের সমান।

গুগল তিনটি প্রশ্নের ফর্ম্যাট প্রদান করে:

• হ্যাঁ/না প্রশ্ন, শর্তটি পূরণ হওয়ার সম্ভাবনা ফেরত দিন;
• 2 থেকে 255 টি বিকল্প থেকে বাছাই করুন এবং প্রতিটি বিকল্পের নরমালাইজড সম্ভাবনা ফেরত দিন;
• পূর্বনির্ধারিত ক্রমিক স্কেলে স্কোর দিন, একসাথে প্রতিটি গ্রেডের সম্ভাবনা এবং ওজনযুক্ত স্কোর ফেরত দিন।

প্রতিটি ফলাফলের সাথে 0 থেকে 1 এর মধ্যে একটি আত্মবিশ্বাসের মান থাকে। অ্যাপ্লিকেশনটি একটি সীমা নির্ধারণ করতে পারে: উচ্চ আত্মবিশ্বাসের ক্ষেত্রে স্বয়ংক্রিয়ভাবে কার্যকর করুন, যদি আত্মবিশ্বাস পর্যাপ্ত না হয় তবে একটি শক্তিশালী মডেল বা মানব পরীক্ষা দিয়ে স্থানান্তরিত করুন।blog.google

একটি অনুরোধে সর্বোচ্চ 2,56,000 টোকেন অন্তর্ভুক্ত করা যেতে পারে এবং একই ইনপুটের জন্য 1000টি স্বতন্ত্র প্রশ্ন করা যেতে পারে।

উদাহরণস্বরূপ, বীমা কোম্পানিগুলি একসাথে একটি স্ক্যান করা দাবি ফর্ম, স্থানীয় ক্ষতির ছবি, গ্রাহকের কল রেকর্ডিং এবং অ্যাকাউন্ট তথ্য জমা দিতে পারে এবং মডেলকে জিজ্ঞাসা করতে পারে যে কাগজপত্রগুলি সম্পূর্ণ কিনা, এটি কোন ধরনের দুর্ঘটনা, কোনও প্রতারণার সংকেত আছে কিনা, এটি কোন কলামে বরাদ্দ করা উচিত এবং এটি কতটা জরুরি প্রক্রিয়াকরণের প্রয়োজন।

শেয়ার করা ম্যাটেরিয়াল শুধু একবার চার্জ করা হয়, প্রতিটি প্রশ্ন শুধু নিজের ইনস্ট্রাকশন এবং অপশনের টোকেন যোগ করে। তাই, যখন দশগুণ চেক একই দীর্ঘ ফাইলটি পড়তে চায়, তখন ফাইলটিকে দশগুণ পাঠানোর চেয়ে এটি অধিক অর্থনৈতিক। অফিসিয়াল মূল্য প্রতি মিলিয়ন ইনপুট টোকেনের জন্য 0.10 ডলার, আউটপুট টোকেনের জন্য কোনও শুল্ক নেওয়া হয় না, এবং আলাদা OCR বা অডিও ট্রান্সক্রিপশন ফি নেই।

কিন্তু এই ১০০০টি প্রশ্ন পরস্পরের সাথে স্বাধীন হতে হবে। মডেলটি দ্বিতীয় নির্ণয়কে প্রথম নির্ণয়ের ফলাফল পড়তে দেবে না। যদি কাজের প্রবাহ হয় “প্রথমে দলিলের ধরন নির্ণয় করুন, তারপর ধরনটির ভিত্তিতে বিভিন্ন নিরীক্ষা নিয়ম প্রয়োগ করুন”, তবুও ডেভেলপারদের কোডে এই দুটি ধাপকে সংযুক্ত করতে হবে, অথবা API-কে আবার কল করতে হবে। ব্যাখ্যামূলক টেক্সট তৈরি করতে, যেকোনো ক্ষেত্র বাছাই করতে বা উত্তর লিখতেও এখনও জেনারেটিভ বা তথ্য আকর্ষণ মডেলের প্রয়োজন।

জেমিনি সিদ্ধান্ত 1 টোকেন-ভিত্তিক ডিকোডিং এড়িয়ে সমস্ত বিকল্পের জন্য একক ফরওয়ার্ড ক্যালকুলেশনে স্কোর দেয়। গুগল বলেছে, মডেল ক্যালকুলেশনের মধ্যম সময় 50 থেকে 100 মিলিসেকেন্ড, যা সার্ভিস এবং নেটওয়ার্ক অংশ সহ এন্ড-টু-এন্ড ল্যাটেন্সি প্রায় 150 থেকে 250 মিলিসেকেন্ড।

অফিসিয়াল টেস্ট অনুসারে, 16,000টি টোকেনের কম মাল্টিমোডাল ইনপুটে, একক রিকোয়েস্টকে 1টি প্রশ্ন থেকে 100টি প্রশ্নে বাড়ালে ল্যাটেন্সি প্রায় স্থির থাকে। একই বেঞ্চমার্কে, এটি Interactions API এর মাধ্যমে Gemini 3.5 Flash-Lite কল করার তুলনায় প্রায় পাঁচগুণ কম খরচের দাবি করা হয়েছে।

এই সংখ্যাগুলিকে সমস্ত পরিস্থিতিতে সরাসরি প্রয়োগ করা যায় না। মডেলটি 256,000 টোকেন এবং 1,000টি প্রশ্নের জন্য অনুমতি দেয়, তবে Google প্রমাণ করেননি যে একসাথে উভয় সীমানা পূরণ করলেও 250 মিলিসেকেন্ডের মধ্যে সম্পন্ন হবে; বড় ভিডিও, অডিও এবং PDF-এর আপলোড সময় মডেলের গণনা সময়ের মধ্যে অন্তর্ভুক্ত নয়। বাস্তবায়নের জন্য আপনার নিজস্ব ফাইলের দৈর্ঘ্য, প্রশ্নের সংখ্যা এবং নেটওয়ার্ক অবস্থান ব্যবহার করে পুনরায় পরিমাপ করতে হবে।

প্রাচীন শ্রেণীবিভাজকগুলি সাধারণত একটি পূর্বনির্ধারিত ডেটা ফরম্যাটের জন্য উপযোগী, যখন Gemini Decision 1 একই অনুরোধে পাঠ্য, ছবি, অডিও, ভিডিও এবং PDF একসাথে পড়তে পারে।

অফিসিয়াল উদাহরণটি মডেলের কাছে একটি চা বা কফি এলাকার টেবিলের ছবি এবং একটি টেক্সট বর্ণনা জমা দিয়েছে এবং তিনটি বিষয় জিজ্ঞাসা করেছে: অপরিষ্কার তরল আছে কি, মুছে ফেলা উচিত কি নাকি ক্লিনিং স্টাফকে ডাকা উচিত, এবং স্থানটির গুরুত্বপূর্ণতা কতটা। মডেলটি কিছুটা ছিটিয়ে যাওয়ার কথা চিহ্নিত করেছে, একটি কাপড় দিয়ে মুছে ফেলার পরামর্শ দিয়েছে এবং প্রতিটি বিকল্পের সম্ভাবনা প্রদান করেছে।

ডেভেলপাররা ছবি বা ভিডিওর রেজোলিউশন কমিয়ে কিছু বিস্তারিত বিসর্জন দিয়ে টোকেন এবং ফি কমাতে পারেন। দাবি, কন্টেন্ট অডিট, পণ্য পরীক্ষা বা ভিডিও ইভেন্ট শনাক্তকরণের জন্য, এটি OCR, অডিও রিকগনিশন, ভিজুয়াল মডেল এবং রুল ইঞ্জিনকে আলাদাভাবে চালানোর চেয়ে সহজেই স্থাপন করা যায়; কিন্তু একক মডেলের অর্থ হল, যদি এটি ভিজুয়াল বা অডিও কন্টেন্টকেভুলভাবে বুঝতে পারে, তবে অনেকগুলি পরবর্তী সিদ্ধান্ত একসাথে প্রভাবিত হতে পারে।

গুগল দাবি করে যে জেমিনি ডিসিশন 1 রাউটিং, রিজনিং, সর্টিং এবং মাল্টিমোডাল বুঝতে সক্ষমতার বেঞ্চমার্কে শীর্ষে রয়েছে এবং সর্বনিম্ন ক্যালিব্রেশন ত্রুটি অর্জন করেছে। এর অফিসিয়াল তুলনায়, মডেলটি JevBench-এ 92.2% পয়েন্ট অর্জন করেছে, যা GPT‑6 Luna-এর 90.9% এবং Jev 1.14-এর 90.0% এর চেয়ে বেশি; ক্যালিব্রেশন ত্রুটি 0.0250, যা Jev-এর 0.0494-এর প্রায় অর্ধেক।

কিন্তু এটি সমস্ত কাজ জুড়ে নেয় না। Jev ব্রাউজার টাস্ক ডিসিশন Mind2Web Multimodal-এ 86.8% স্কোর করেছে, যা Gemini-এর 86.2% এর চেয়ে কিছুটা বেশি, এবং যখন টুল কল করতে হবে তা বিচার করার When2Call-এ 82.0% স্কোর করেছে, যা Gemini-এর 79.9% এর চেয়ে বেশি।

স্বাধীন Artificial Analysis Decision Index v2.1 গেমিনি ডিসিশন 1-কে প্রায় ৬৬ পয়েন্ট দিয়েছে, যা ১৮টি ডিসিশন মডেলের মধ্যে ৯ম স্থান। এটি জ্ঞান এবং যুক্তি ভিত্তিক প্রকল্পগুলিতে প্রথম স্থান অধিকার করেছে, কিন্তু একটি রিজিউমে, বিল, রসিদ বা পেপারের সম্পূর্ণ বিষয়বস্তু একসাথে বুঝতে হওয়ার প্রয়োজন হওয়া AA‑Paperclip টেস্টে, শুধুমাত্র ৩৩% ডকুমেন্টেই সমস্ত প্রশ্নের উত্তর সঠিকভাবে দেওয়া গিয়েছে; Drex Max v1.1-এর ক্ষেত্রে ৬৩%। স্বাধীন When2Call টেস্টেও, এটি Drex Max এবং Jev-এর চেয়ে পিছিয়ে।

এটি বোঝায় যে "ভরসা ঠিক করা" এবং "প্রতিটি বিচার সর্বাধিক সঠিক" একই বিষয় নয়। ভালভাবে ক্যালিব্রেট করা মডেলগুলি বুঝতে পারে যে কখন এটি ভুল হতে পারে, যা মানব পুনরালোচনা থ্রেশহোল্ড সেট করতে সহায়তা করে; তবে যদি প্রয়োগটি উচ্চ ভরসা কে সত্যের গ্যারান্টি হিসাবে ভুলভাবে ব্যবহার করে, তবে এটি এখনও ভুল সিদ্ধান্ত স্বয়ংক্রিয়ভাবে বাস্তবায়ন করতে পারে।

গুগল এই API-টি বেশ কয়েকটি পণ্যে ব্যবহার করছে। জেমিনি নোটবুক এটি ব্যবহার করে জানতে পারে যে কোন মডেল এবং কোন চিন্তার তীব্রতা প্রয়োজন; অফিসিয়ালভাবে বলা হয়েছে যে সাধারণ কুয়েরির ল্যাটেন্সি 40% পর্যন্ত কমিয়েছে; স্টিচ এটি ব্যবহার করে ভয়েস বা ক্লিক দ্বারা উৎপন্ন ডিজাইন পরিবর্তনগুলির দ্রুত প্রতিক্রিয়া দেয়; Google Labs-এর CC 200-এরও বেশি ইমোজির মধ্যে প্রতিক্রিয়া নির্বাচন করে; Google Search এটিকে MCP টুল কলের আগে রাখে, যা প্রতিরোধমূলক আচরণ এবং বিপজ্জনক কনটেন্ট শনাক্ত করে।

এই কেসগুলি এর প্রকৃত অবস্থান প্রকাশ করে: এটি ব্যবহারকারী যা শেষ পর্যন্ত দেখে তা নয়, বরং এজেন্টের পিছনে থাকা কন্ট্রোল প্লেন। জেনারেটিভ মডেলগুলি কোড লেখা, ভাষা সংগঠিত করা এবং খোলা সমস্যাগুলি সমাধান করার জন্য দায়ী; ডিসিশন মডেলগুলি পরবর্তী কী কল করবে, কলটি অনুমোদন করা হবে কিনা, কতটা শক্তিশালী মডেলের প্রয়োজন, এবং কখন অটোমেশনটি বন্ধ করে মানুষের হাতে ছেড়ে দেওয়া উচিত — সেগুলির জন্য দায়ী।

এই বিভাজন বড় স্কেলের Agent সিস্টেমের জন্য শুধুমাত্র সাধারণ মডেলকে বড় করার চেয়ে বেশি উপযুক্ত হতে পারে, কারণ অসংখ্য দৈনন্দিন ধাপের জন্য “আরও ভালোভাবে লেখা” প্রয়োজন হয় না, শুধুমাত্র যথেষ্ট দ্রুত, সস্তা এবং সম্ভাবনামূলকভাবে বিশ্বস্ত শাখা নির্বাচন করা প্রয়োজন।

Gemini ডিসিশন 1 এখন Gemini Developer API-এর `v1beta` এন্ডপয়েন্টের মাধ্যমে প্রদান করা হচ্ছে, এবং Google Cloud সমর্থন এখনও "আগামীকাল" হিসাবে চিহ্নিত। Google এখনও প্যারামিটার সংখ্যা, প্রশিক্ষণ ডেটা, প্রশিক্ষণ কম্পিউটিং, নির্দিষ্ট আর্কিটেকচার বা সম্পূর্ণ সিস্টেম কার্ড প্রকাশ করেননি, তাই এটি কি বর্তমান Gemini মডেলগুলি থেকে ডিস্টিলেশন করা হয়েছে তা বিচার করা যায়নি, এবং প্রশিক্ষণ-স্তরের নিরাপত্তা এবং ডেটা দাবিগুলি স্বতন্ত্রভাবে যাচাইও করা যায়নি।