নভেম্বর ৭-এ, মাইক্রোসফট এজেন্ট এক্সিকিউশন সিস্টেম সম্পর্কে একটি প্রযুক্তিগত সাদা কাগজ প্রকাশ করে, যাতে কিছুটা অপ্রত্যাশিত পরীক্ষার ফলাফল রয়েছে: একই Claude Opus 4.8 ব্যবহার করে, শুধুমাত্র Copilot Studio-এর পিছনের Harness পরিবর্তন করলে, জটিল কাজের সফলতার হার ২২.১ পার্সেন্টপয়েন্ট বৃদ্ধি পায়। নতুন সিস্টেমটি প্রতিটি কাজের জন্য মডেলকে প্রায় দ্বিগুণ বার কল করে, কিন্তু প্রতিফলিত ইনপুট Token খরচ ২১% কমিয়ে আনা যায়।
দশ দিন আগে, মাইক্রোসফট ঘোষণা করেছিল যে তারা একীকৃত Copilot Harness-কে তাদের অনেকগুলি পণ্যে প্রসারিত করবে এবং ক্লাউড প্ল্যাটফর্মের মাধ্যমে ডেভেলপারদের জন্য হোস্টেড সার্ভিস বিক্রি করবে।
নভেম্বর ৫, মুন অফ দ্য ডার্ক কিমি হোস্টেড এজেন্টস (হোস্টেড এজেন্ট) প্রকাশ করেছে এবং হারনেস অ্যাস এ সার্ভিস প্রস্তাব করেছে। আগস্টে, ডিপসিক নিজের হারনেস ওপেনসোর্স করেছে; ওপেনএআই, অ্যানথ্রোপিক আগেই তাদের অভ্যন্তরীণ সিস্টেমকে ডেভেলপারদের জন্য কল করার সুবিধাযুক্ত সার্ভিসে পরিণত করেছে।
বড় মডেলের পিছনের “রানিং সিস্টেম” এখন মডেল কোম্পানিগুলির কাছে একটি কী ফিগার হয়ে উঠছে।
ছবিটি এআই দ্বারা তৈরি
01 হারনেস বাজারে প্রবেশ করুন
হারনেস হল একটি এজেন্ট রানিং সিস্টেম যা বড় মডেলের চারপাশে তৈরি করা হয়েছে। এটি মডেলকে বাহ্যিক টুল ব্যবহার করতে, একাধিক ধাপের কাজ অবিরতভাবে সম্পন্ন করতে এবং সম্পাদনের ফলাফলের ভিত্তিতে পরবর্তী কাজগুলি সামঞ্জস্য করতে সক্ষম করে। দীর্ঘসময় চলমান এজেন্টের জন্য, হারনেস কাজের অবস্থা সংরক্ষণ করে, যাতে বিচ্ছিন্নতার পরেও কাজটি চালিয়ে যাওয়া যায়।
এটি এআই অ্যাপ্লিকেশনের বিভিন্ন স্তরের সাথে সম্পর্কিত। উদাহরণস্বরূপ, Claude Code, WorkBuddy ইত্যাদি পণ্যগুলি সরাসরি ব্যবহারকারীদের জন্য উপলব্ধ, যখন নিচের Harness বিভিন্ন অ্যাপ্লিকেশন দ্বারা পুনঃব্যবহার করা যেতে পারে বা ডেভেলপারদের জন্য একটি স্বাধীন সেবা হিসাবে প্রদান করা যেতে পারে। যতক্ষণ এজেন্টগুলি যে কাজগুলি করছে তা আরও জটিল হয়ে উঠছে, Harness ধীরে ধীরে কাজের সফলতা, কার্যকারিতা এবং পরিচালনা খরচকে প্রভাবিত করছে।
অ্যানথ্রোপিক হ্যারনেস রিসার্চে অগ্রগামী মডেল কোম্পানি গুলির মধ্যে একটি, যা প্রাথমিকভাবে ক্লাউড কোডের দীর্ঘসময়ের প্রোগ্রামিং টাস্কে সমস্যার সমাধানের জন্য তৈরি করা হয়েছিল।
২০২৫ সালের শেষের দিকে, Anthropic দেখতে পায় যে Claude-এর কনটেক্সট উইন্ডো শেষ হয়ে গেলে পরবর্তী কথোপকথনটি আগের কাজ চালিয়ে যেতে পারে না। এরপর ইঞ্জিনিয়াররা Claude Code-এর পিছনের Harness-কে উন্নত করে, যাতে Agent প্রতিটি পর্যায়ের শেষে এগ্রেস সংরক্ষণ করে, এবং পরবর্তী পর্যায়ে এই রেকর্ডগুলি পড়ে অসমাপ্ত কাজগুলি চালিয়ে যায়। এভাবে, একবার মডেলের সেশন শেষ হয়ে গেলেও, সম্পূর্ণ প্রোগ্রামিং টাস্কটি অব্যাহতভাবে এগিয়ে যেতে পারে।
এপ্রিল ২০২৪-এ, Anthropic ডেভেলপারদের জন্য ক্লাউড-ভিত্তিক সেবা হিসেবে Managed Agents চালু করে। প্রতিষ্ঠানগুলির জন্য Agent কে দীর্ঘমেয়াদি ও স্থিতিশীলভাবে চালানোর জন্য, Anthropic নিচের আর্কিটেকচারকেও সামঞ্জস্য করেছে: Harness কাজগুলি চালানোর দায়িত্ব নেয়, ইতিহাস আলাদাভাবে সংরক্ষণ করা যায়, এবং AI প্রোগ্রামের স্যান্ডবক্সকে যেকোনো সময় প্রতিস্থাপন করা যায়। এমনকি যদি স্যান্ডবক্সের সমস্যা হয়, Agentও আগের কাজগুলি পুনরুদ্ধার করতে পারে।
অ্যানথ্রোপিক বহু বছরের অর্জিত হারনেস ক্ষমতা একটি স্বতন্ত্র পণ্যে রূপান্তরিত করেছেন, যা ক্লাউড কোডের অভ্যন্তরীণ সিস্টেম থেকে বাইরের ডেভেলপারদের জন্য হোস্টেড সার্ভিস পর্যন্ত বিস্তৃত।
ওপেনএআই কোডেক্সের পিছনের হারনেসকেও আরও বেশি ডেভেলপারদের জন্য খুলে দিয়েছে। এই বছর ফেব্রুয়ারিতে, ওপেনএআই প্রকাশ করেছিল যে কোডেক্সের ওয়েবসাইট, কমান্ড লাইন এবং আইডিই প্লাগইনগুলি সবই একই এজেন্ট রানটাইম সিস্টেম ব্যবহার করে। আগস্টে, ওপেনএআই কোডেক্সকে একটি খোলা হারনেস প্ল্যাটফর্ম হিসাবে অবস্থান দিয়েছিল, যা তৃতীয় পক্ষের অ্যাপ্লিকেশনগুলিকে সরাসরি যুক্ত করতে অনুমতি দেয়। সেপ্টেম্বরে চালু করা Agents API-এর মাধ্যমে, ওপেনএআই এই সিস্টেমটির হোস্টিং এবং রক্ষণাবেক্ষণ করছে, যাতে ডেভেলপাররা সরাসরি এজেন্টের রানটাইম পরিবেশের সাথে যুক্ত হতে পারে।
এই রুটটি OpenAI-কে Codex এর মাধ্যমে সরাসরি ব্যবহারকারীদের সেবা প্রদান করতে এবং অন্যান্য সফটওয়্যার কোম্পানিগুলিকে নিম্নস্তরের কার্যক্ষমতা প্রদান করতে সক্ষম করে। ডেভেলপাররা তাদের নিজস্ব পণ্য ইন্টারফেস এবং ব্যবসায়িক প্রক্রিয়াগুলি বজায় রাখতে পারে, যেখানে Codex পিছনে বিশেষ কাজগুলি সম্পন্ন করে।
DeepSeek এপ্রিল ১৩ তারিখে MIT লাইসেন্সে Harness-এর সম্পূর্ণ ফ্রেমওয়ার্ক কোড প্রকাশ করেছে, যা "Everything is a Plugin" প্রস্তাব করে, যা প্রায় সম্পূর্ণ Agent রানটাইম সিস্টেমকে মুক্তভাবে কম্বাইন করা যায় এমন প্লাগইনে বিভক্ত করে। ডেভেলপাররা শুধুমাত্র মডেল এবং বাহ্যিক টুল প্রতিস্থাপন নয়, Agent-এর মডেল কল, টাস্ক এক্সিকিউশনের উপায়ও পরিবর্তন করতে পারেন, এমনকি Agent-এর নিজের দ্বারা নতুন প্লাগইন লিখে ইনস্টল করারও সুযোগ রয়েছে।
কর্ডিস ভিত্তিক এই আর্কিটেকচারটি ডেভেলপারদের জন্য এমন একটি ব্যবস্থা করে, যাতে তারা নিজেদের প্রয়োজন অনুযায়ী বিভিন্ন ধরনের এজেন্ট তৈরি করতে পারে, বিনা শূন্য থেকে রানিং সিস্টেম তৈরি করার প্রয়োজন ছাড়াই।
৫ নভেম্বর, কিমি ঘোষণা করেছে যে হোস্টেড এজেন্টগুলি প্রদান করে একটি ২৪/৭ ক্লাউড পরিবেশ, যেখানে কোম্পানিগুলি এজেন্টগুলিকে তাদের অভ্যন্তরীণ সিস্টেমে রাখতে পারে বা বিক্রয়ের জন্য বাইরের পণ্যগুলিতে এম্বেড করতে পারে এবং স্পষ্টভাবে হারনেস অ্যাস এ সার্ভিসকে উল্লেখ করেছে।
02 হারনেস ইভোলিউশন
বাস্তবে, হারনেসের জনপ্রিয়তা মডেল কোম্পানি দ্বারা শুরু হয়নি।
এই বছরের শুরুতে, ওপেনক্লসের জনপ্রিয়তা শিল্পকে দেখিয়েছে যে, একটি বেস মডেল ছাড়াই একটি কোম্পানি এজেন্ট রান সিস্টেমের মাধ্যমে বড় সংখ্যক ব্যবহারকারী আকর্ষণ করতে পারে। ফেব্রুয়ারিতে, ওপেনএআই ওপেনক্লসের প্রতিষ্ঠাতা পিটার স্টাইনবারগারকে পরবর্তী প্রজন্মের ব্যক্তিগত এজেন্টের উন্নয়নে যোগ দিতে নিযুক্ত করেছে।
তারপর, Nous Research হারমেস এজেন্ট চালু করে, যা এজেন্টকে তাদের কাজে অর্জিত অভিজ্ঞতা পুনঃব্যবহারযোগ্য দক্ষতায় সংরক্ষণ করতে এবং পরবর্তী কাজগুলিতে নিয়মিত উন্নতি করতে সক্ষম করে।
মার্চের শেষের দিকে, স্ট্যানফোর্ড বিশ্ববিদ্যালয় সহ কিছু প্রতিষ্ঠান Meta-Harness প্রস্তাব করে, যা AI-কে ব্যর্থতার রেকর্ডের ভিত্তিতে হারনেস কোড সরাসরি সংশোধন করতে এবং পরীক্ষার মাধ্যমে ফলাফল যাচাই করতে দেয়। একটি টেক্সট ক্লাসিফিকেশন পরীক্ষায়, সঠিকতা 7.7% বৃদ্ধি পায় এবং কনটেক্সট টোকেনের ব্যবহার মূল মানের চারভাগের একভাগে নেমে আসে।
এই অনুসন্ধানগুলি মডেল কোম্পানিগুলির জন্য কেন বিনিয়োগ করা উচিত? অক্টোবরে, সিঙ্গাপুরের নানইয়াং প্রযুক্তি বিশ্ববিদ্যালয় 66টি মডেল এবং Harness-এর সংমিশ্রণ পরীক্ষা করে দেখেছে যে Harness পরিবর্তন করা এমনকি মডেলগুলির মধ্যে পারফরম্যান্স র্যাঙ্কিংও পরিবর্তন করতে পারে।
ফ্রন্টিয়ারহারনেস মূল্যায়ন এছাড়াও পাওয়া গেছে যে, একই Kimi K3-এর জন্য Codex ব্যবহার করে কাজের সফলতার হার 66.7%, DeepSeek Harness Creator ব্যবহার করে 63.3%, এবং Kimi Code ব্যবহার করে 56.7%।
মডেলের পারফরম্যান্স উন্নত করার জন্য বেসিক মডেল কোম্পানিগুলির জন্য মডেলটিকে উন্নত করার পাশাপাশি হারনেসের ডিজাইন এবং অপ্টিমাইজেশনের উপরও বেশি নির্ভরশীল হয়ে উঠছে।
গবেষকদের মডেল প্রশিক্ষণের জন্য হারনেসের সঞ্চিত অভিজ্ঞতা ব্যবহার করার চেষ্টা চলছে। জুলাইয়ে প্রস্তাবিত কো-হারনেস, প্রথমে ব্যর্থতার রেকর্ড দিয়ে হারনেসকে উন্নত করে, তারপর অপ্টিমাইজড একিউটিং ডেটা ব্যবহার করে মডেল প্রশিক্ষণ দেয়। নভেম্বরে প্রকাশিত হারনেসফ্লো ছয়টি কাজে গড় স্কোর 10.89 পার্সেন্টপয়েন্ট বাড়ানোর জন্য আরও ভালো হারনেস ডিজাইন খুঁজতে স্বয়ংক্রিয়ভাবে চেষ্টা করে।
তবে, স্বয়ংক্রিয় অপ্টিমাইজেশনের ঝুঁকি রয়েছে। নভেম্বরের প্রথম সপ্তাহের একটি গবেষণা দেখিয়েছে যে, নির্দিষ্ট পরীক্ষায়, একটি Harness নতুন কাজের জন্য অপ্টিমাইজ করার পরে, SWE-bench-এর উপর এর পূর্ববর্তী স্কোর 94% থেকে 32% এ পতন ঘটেছিল। মডেল আপগ্রেড করলে আগের কার্যকরী ডিজাইনগুলি অকার্যকর হয়ে যাওয়ারও সম্ভাবনা রয়েছে।
এর অর্থ হলো, হারনেসের প্রযুক্তিগত সঞ্চয় একবারের জন্য সমাধান করা কঠিন। বিভিন্ন কাজের স্থিতিশীলতা বজায় রাখতে কীভাবে নিরন্তর উন্নতি করা যায়, এটি এখনও অসমাধান সমস্যা।
একজন শিল্প বিশেষজ্ঞ বলেছেন, এটিই ওপেন-সোর্স মডেল ডিপ্লয়ের একটি বড় চ্যালেঞ্জ। তাই, মডেল কোম্পানিগুলি হারনেস সার্ভিস বিক্রি শুরু করেছে। ওপেন-সোর্স ফ্রেমওয়ার্কগুলি বিনামূল্যে পাওয়া যায়, কিন্তু ব্যবসাগুলির জন্য Agent-কে দীর্ঘমেয়াদীভাবে স্থিতিশীলভাবে চালানোর জন্য ডিপ্লয়মেন্ট এবং মেইনটেনেন্স খরচ বহন করতে হয়। Kimi, Anthropic ইত্যাদি কোম্পানিগুলি এই কাজগুলি নেওয়ার সুযোগটি দেখেছে এবং হারনেসকে একটি স্বতন্ত্র ব্যবসা হিসাবে পরিণত করেছে, তবে বিভিন্ন কোম্পানির পদ্ধতির মধ্যে বড় পার্থক্য রয়েছে।
03 হারনেসের গোপন মূল্য
হার্নেস একটি আলাদা চার্জযুক্ত সেবায় পরিণত হচ্ছে, তবে বর্তমান মূল্য তালিকা অনুসারে, মডেল ইনফারেন্স এখনও প্রধান চার্জের উৎস।
Anthropic-এর ম্যানেজড এজেন্টগুলি প্রতি সক্রিয় সেশন ঘন্টায় 0.08 ডলার চার্জ করে, টোকেন আলাদাভাবে গণনা করা হয়; অফিসিয়ালভাবে প্রকাশিত এক ঘন্টার প্রোগ্রামিং টাস্কের উদাহরণ অনুযায়ী, মোট খরচ 0.58 ডলার, যার মধ্যে ম্যানেজড রানিং ফি মাত্র প্রায় 14%।
কিমির চার্জ মডেল টোকেন, স্যান্ডবক্স রান এবং পেইড প্লাগইনের উপর ভিত্তি করে বিভক্ত। এটি একটি বিনিয়োগ ব্যাংকের আইনি বিশ্লেষণ কাজের অনুমানিত খরচ ৩০ টাকা এবং স্যান্ডবক্স ফি ০.১ টাকার কম প্রকাশ করেছে। OpenAI Agents API-এর প্রাথমিক পরীক্ষার সময় অতিরিক্ত সেবা শুল্ক মুক্ত, মূলত মডেল এবং টুলের ব্যবহারের ভিত্তিতে চার্জ করা হয়। DeepSeek Harness-কে MIT লাইসেন্সে ওপেন-সোর্স করেছে এবং সরাসরি কোনও চার্জিং লজিক নেই।
অর্থাৎ, এই মুহূর্তে মডেল কোম্পানিগুলি হারনেস থেকে প্রাপ্ত সরাসরি আয় অত্যন্ত কম হতে পারে।
তাহলে, কেন এত বড় গবেষণা ও উন্নয়ন সম্পদ ব্যয় করা হচ্ছে?
একটি গুরুত্বপূর্ণ কারণ হলো, প্রতিষ্ঠানগুলি প্রকৃতপক্ষে Agent কে বাস্তবায়ন করার পরে, কোনো নির্দিষ্ট মডেলের চেয়ে Harness-এর প্রয়োজনীয়তা আরও স্থিতিশীল হতে পারে।
আমেরিকান লিগাল সার্ভিস কোম্পানি ABC Legal মূলত এজেন্টগুলিকে কর্মচারীদের কম্পিউটারে ডিপ্লয় করেছিল এবং টাইমার টাস্কের মাধ্যমে চালু রেখেছিল। ব্যবহারের পরিসর বৃদ্ধির সাথে সাথে, CTO Brandon Fuller এই এজেন্টগুলিকে একীভূতভাবে পরিচালনা করার জন্য একটি প্ল্যাটফর্ম খুঁজতে শুরু করেন। তিনি বিভিন্ন সমাধানের তুলনা করেন এবং শেষপর্যন্ত Anthropic-এর Managed Agents বেছে নেন, কারণ প্রতিষ্ঠানটি বিচ্ছিন্ন রানটাইম পরিবেশগুলি বজায় রাখতে চায় না।
অ্যানথ্রোপিকের প্রকাশিত তথ্য অনুযায়ী, ABC Legal এক মাসের মধ্যে 50টিরও বেশি এজেন্টকে উৎপাদনে চালু করেছে এবং প্রায় 310 জন কর্মচারী দৈনিকভাবে Claude ব্যবহার করছেন। কর্মচারীদের সফটওয়্যার ডেভেলপমেন্টের জ্ঞান থাকা অপরিহার্য নয়—তারা কনফিগারেশনের মাধ্যমেই নতুন এজেন্ট তৈরি করতে পারেন।
এটি বোঝায় যে হারনেসের হোস্টিংয়ের আকর্ষণ বাস্তব কর্পোরেট চাহিদা থেকে আসে। শূন্য থেকে ডিপ্লয়মেন্ট এবং দীর্ঘমেয়াদী সিস্টেম রক্ষণাবেক্ষণ করার পরিবর্তে, কোম্পানিগুলি সম্ভবত প্রস্তুত সেবা কিনতে পছন্দ করবে এবং ইঞ্জিনিয়ারিং সম্পদকে নিজস্ব ব্যবসায়ের দিকে কেন্দ্রীভূত করবে।
কিন্তু কোম্পানিগুলি অবশ্যই একটি মডেল কোম্পানির সাথে বন্ধনযুক্ত হতে চায় না।
বর্তমান বছরের আগস্টে, ভেঞ্চারবিট একটি ১০৭টি প্রতিষ্ঠানের উপর ভিত্তি করে একটি গবেষণা প্রকাশ করে। প্রতিক্রিয়া জানানো প্রতিষ্ঠানগুলির ৮৫% একসাথে দুটি বা তার বেশি এজেন্ট অর্কেস্ট্রেশন প্ল্যাটফর্ম ব্যবহার করছে। প্ল্যাটফর্ম বাছাইয়ের সময়, ২৯% প্রতিষ্ঠান মডেল এবং টুলগুলির নমনীয়তাকে সর্বোচ্চ গুরুত্ব দিয়েছে, যখন শুধুমাত্র ১০% কোনও শীর্ষস্থানীয় মডেলের সাথে ন্যাটিভ সামঞ্জস্যতাকে অগ্রাধিকার দিয়েছে। যদিও নমুনা বড় প্রযুক্তি প্রতিষ্ঠানগুলির দিকে ঝুঁকেছে, এটি একটি ক্রয়ের প্রবণতা প্রকাশ করে: গ্রাহকদের মডেল পরিবর্তনের স্বাধীনতা রাখতে ইচ্ছা।
এটি হারনেসের প্রতিযোগিতার জন্য একটি অন্যান্য ব্যবসায়িক যুক্তি প্রদান করে। যদি একটি প্রতিষ্ঠান দীর্ঘমেয়াদি ভিত্তিতে একটি রানটাইম সিস্টেম ব্যবহার করতে রাজি হয়, তাহলে সরবরাহকারী মডেল কলগুলির একচেটিয়া অধিকার না পেলেও হোস্টিং, রক্ষণাবেক্ষণ এবং এন্টারপ্রাইজ ডেভেলপমেন্ট সার্ভিসের আয় পেতে পারে এবং গ্রাহকদের সাথে একটি স্থিতিশীল সহযোগিতা গড়ে তুলতে পারে।
এইভাবে, হ্যারনেস প্রতিষ্ঠানের বাস্তব কাজের বাস্তবায়ন প্রক্রিয়ার সাথে যোগাযোগ করতে পারে। শুধুমাত্র মডেল API-এর তুলনায়, হ্যারনেস একটি কাজের শুরু থেকে শেষ পর্যন্ত কাজের ট্র্যাক রেকর্ড করতে পারে, যা মডেল কল, টুল এক্সিকিউশন, ব্যর্থতা পুনরায় চেষ্টা এবং চূড়ান্ত ফলাফল অন্তর্ভুক্ত করে। এই রেকর্ডগুলি সমস্যা নির্ণয়ে সহায়তা করতে পারে এবং মডেল গবেষণার জন্য মূল্যবান ফিডব্যাকও প্রদান করে।
যদি মডেল কোম্পানিগুলি প্রমাণিত বাস্তব কাজের ফিডব্যাক নিয়মিতভাবে পেতে পারে, তবে তারা উৎপাদন পরিবেশে মডেলের সমস্যাগুলি দ্রুত শনাক্ত করার সুযোগ পায়। তবে, এই সুবিধাটি ডেটা অধিকারের স্পষ্ট সীমাবদ্ধতার দ্বারা প্রভাবিত হয়।
এটি মডেল কোম্পানিগুলিকে একটি নতুন প্রশ্ন তুলে ধরে: যদি প্রতিষ্ঠানগুলি নিজেদের ডেটা বজায় রাখতে পারে এবং নীচের মডেলগুলি মুক্তভাবে পরিবর্তন করতে পারে, তবে হারনেস কতটা দীর্ঘমেয়াদী সুবিধা অর্জন করতে পারবে?
মডেল কোম্পানির জন্য, হারনেস সরাসরি চার্জের চেয়ে দীর্ঘমেয়াদী মূল্য আনতে পারে। যখন কোম্পানিগুলি তাদের বেশি কাজ এজেন্টের উপর ছেড়ে দেয়, তখন যে কেউ বিশ্বস্ত রানটাইম সিস্টেম প্রদান করে, তিনিই মডেলের পছন্দ এবং AI কীভাবে বাস্তব ব্যবসায় অংশগ্রহণ করে তা প্রভাবিত করার সুযোগ পান।
একটি পরিচিত এবং পুরনো শব্দ: প্রবেশদ্বার।
তবে, ইন্টারনেট যুগে গভীরভাবে বিরাজমান এই শব্দটি সবসময় এআই যুগের প্রতিযোগিতার সংবেদনশীল স্নায়ুকে স্পর্শ করে। এখন, হারনেস কিছুটা এই আশা এবং কল্পনাকে বহন করছে।
টুইটার: https://twitter.com/BitpushNewsCN
বিটপুশ টিজি কমিউনিটি: https://t.me/BitPushCommunity
বিপুশ টিজি সাবস্ক্রাইব: https://t.me/bitpush