OpenCode 2.0 প্রকাশিত, যা GitHub-এ 16 লাখের বেশি স্টার এবং প্রতি মাসে 75 লাখ ডেভেলপার ব্যবহার করে। মূল পুনর্লিখনের মধ্যে রয়েছে: মেমোরি সমস্যা সমাধানের জন্য Bun থেকে Node-এ স্থানান্তর, ডেস্কটপ অ্যাপ্লিকেশনে Tauri থেকে Electron-এ স্থানান্তর, এবং একাধিক ট্যাবে সমান্তরাল AI সেশন বাস্তবায়ন। প্রতিষ্ঠাতা Dax-এর মতে, AI ইনফারেন্সের মুনাফার হার প্রায় 90%, এবং নতুন মডেলটি ব্যবহারযোগ্যতার সঙ্গে আদর্শ ভারসাম্য খুঁজে পেয়েছে, যার কারণে টিমের token ব্যবহার 5 গুণ বৃদ্ধি পেয়েছে—এটি বিশ্বস্তভাবে ব্যবহার করা এবং সহযোগিতা করা সম্ভব। টিমটি রিমোট ডেভেলপমেন্ট পরিবেশের জন্য bare-metal সার্ভার কনফিগার করেছে, “অতিরিক্তভাবে অতি-ডিজাইন” পদ্ধতির প্রয়োগ করে, প্রতিটি সিদ্ধান্তের জন্য বহু token-এর বিনিয়োগ করেছে। মডেল রুটিংকে অতিরিক্তভাবে উচ্চমূল্যায়ন করা হয়েছিল, কিন্তু আসলেই কার্যকরী হলো অর্গানাইজেশন প্যাটার্ন: মূল মডেলটি “কমান্ডার”-এর মতো কাজ করে, যা সস্তা সহকারীদেরকে কাজ বণ্টন করে।

লেখক এবং উৎস: জিকেবাং টেকনোলজি InfoQ

২০২৬ সালে, ওপেনকোড একটি ফেনোমেনাল ওপেন-সোর্স প্রজেক্ট হয়ে উঠেছে: গিটহাবে ১.৬ লাখের বেশি স্টার এবং প্রতি মাসে ৭.৫ মিলিয়নের বেশি ডেভেলপার এটি ব্যবহার করছেন।

এই মাসেই তারা 2.0 প্রকাশ করেছে।

কেন পুনর্লিখন? ড্যাক বলেছিলেন: “আমার সম্পূর্ণ ক্যারিয়ার জুড়ে, প্রতিটি জিনিস ঠিক করতে তিনবার ইটারেশন করতে হয়।” OpenCode 0 হল প্রোটোটাইপ, 1.x হল যাচাইকরণ, এবং 2.0 হল তাদের এই ক্ষেত্রটি সম্পূর্ণভাবে বুঝে নেওয়ার পরে শূন্য থেকে শুরু করে একটি সম্পূর্ণ পুনর্গঠন।

এই পুনর্লিখনের মূল কাজগুলির একটি হল সম্পূর্ণ API কে পুনঃগঠন করা, যা আগের মতো প্রাকৃতিকভাবে বিকশিত কিছু নয়, বরং একটি সুন্দরভাবে ডিজাইন করা।

এবং OpenCode এবং Claude Code-এর মধ্যে একটি বড় পার্থক্য হল মেমোরি ব্যবহারের সমস্যা সমাধানের জন্য Bun থেকে Node-এ স্থানান্তরিত হওয়া। প্রাথমিক সংস্করণগুলিতে এখনও কমান্ড লাইন ইন্টারফেস (CLI) বান্ডল করা হয়েছিল, কারণ সার্ভার কোড এখনও Bun-এর বিশেষ API-এর উপর নির্ভরশীল ছিল। স্থানান্তরণের সাথে, তারা এই সমস্ত API সরিয়ে ফেলেছে এবং Node পরিবেশে সার্ভার চালানোর সক্ষমতা অর্জন করেছে।

ব্যবহারকারী: OpenCode এত বেশি মেমোরি খায়। আমি বুঝতে পারছি না আধুনিক সফটওয়্যার কেন এমন হয়ে গেল, কেন যেকোনো জিনিসই 2GB-এর বেশি মেমোরি ব্যবহার করে?

ড্যাক: আপনি কি ওপেনকোড 2 চেষ্টা করতে পারেন? এর পারফরম্যান্স অনেক ভালো হবে।

ডেস্কটপ ভার্সনটিও এই পুনর্লিখনের অন্যতম গুরুত্বপূর্ণ বিষয়। 1.x ডেস্কটপ ভার্সনটি প্রাথমিকভাবে Tauri ব্যবহার করেছিল যা Web UI এবং CLI-এর একটি হালকা প্যাকেজিং হিসেবে কাজ করে, প্রতিবার শুরু করার সময়, বান্ডলড CLI opencode serve চালায়, যা Web UI-এর জন্য স্থানীয় সার্ভার কানেকশন প্রদান করে। কিন্তু সমস্যা হলো, Tauri macOS এবং Linux-এ WebKit ব্যবহার করে, যা OpenCode-এর অ্যাপ্লিকেশনটি রেন্ডার করার সময় Chromium-এর তুলনায় পারফরম্যান্স খারাপ করে এবং অভিজ্ঞতার সামঞ্জস্যতা বিঘ্নিত করে।

নোডে স্থানান্তরিত হওয়ার পর, সার্ভার কোডকে ইলেকট্রনের অন্তর্নির্মিত নোড প্রক্রিয়ায় সরাসরি চালানোর ধারণাটি আকর্ষণীয় হয়ে উঠেছে।

এই পুনর্লিখনের একটি সরাসরি পরিবর্তন হল যে, ওপেনকোড ডেস্কটপ ভার্সন এখন এআই প্রোগ্রামিংয়ের সবচেয়ে বড় দক্ষতা বাধা—অপেক্ষা করার সমস্যা—সমাধান করেছে। বেশিরভাগ ব্যবহারকারী এখনও একটি এআই টাস্ক সম্পূর্ণরূপে শেষ হওয়ার অপেক্ষায় থাকেন, তারপরই পরবর্তীটি শুরু করেন। এখন এটি সম্পূর্ণরূপে অপ্রয়োজনীয়। ব্যবহারকারীরা একাধিক ট্যাবে পৃথক পৃথক এআই সেশন খুলতে পারেন, একসাথে দুটি ভিন্ন প্রোগ্রামিং টাস্ক চালাতে পারেন, এবং প্রতিটি ট্যাবের জন্য আলাদা মডেল নির্ধারণ করে পাশাপাশি তুলনা করতে পারেন। উদাহরণস্বরূপ, একদিকে একটি মডেলকে HTMLওয়েবসাইট তৈরি করতে দিন, অন্যদিকে একসাথে সদস্যতা-শুরুর তালিকা জেনারেট করুন—উভয়টি একসাথে, একেঅপরের উপর নির্ভরশীলতা ছাড়াই।

গত কয়েক মাসে ওপেনকোড পুনর্লিখনের সময়, ওপেনকোডের সহ-প্রতিষ্ঠাতা ড্যাক্স রাদের দলের টোকেন খরচ ৫ গুণ বেড়েছে।

আমরা টোকেন কোথায় ব্যয় করেছি? আমাদের কৌশল হলো, সবকিছুকে অতিরিক্তভাবে অতিমানসিকভাবে ডিজাইন করা। এমনকি একটি সাধারণ ফাইল পড়ার API বাস্তবায়নের জন্যও আমরা চিন্তা করি: সম্ভাব্য সমস্ত বাস্তবায়নের উপায়গুলি কী? অন্যান্য পণ্যগুলিতে কী পূর্বের উদাহরণ আছে? প্রতিক্রিয়াগুলি কীভাবে ভিন্নভাবে সংগঠিত করা যেতে পারে? আগে আপনি শুধুমাত্র দুই-তিনটি পদ্ধতি ভাবতে পারতেন, এবং সেগুলির মধ্যে সেরাটি বেছে নিতেন, কিন্তু এখন আমরা অত্যন্ত অতিরিক্তভাবে বিনিয়োগ করতে পারি।

এই মাসে ওপেনকোড 2.0-এর টেস্ট বেটা প্রকাশিত হয়েছে, এবং টিম টেস্ট বেটা প্রকাশের প্রায় এক মাস পর রিলিজ ভার্সন চালুর পরিকল্পনা করছে। সাম্প্রতিক সময়ে, ড্যাক রাদ সিনট্যাক্স.ফএম পডকাস্টে ওপেনকোড 2.0-এর রিওয়াইট লজিক, তিনি কেন মনে করেন যে ইনফারেন্স মার্জিন 90% পর্যন্ত উচ্চ, মডেল রাউটিংয়ের অতিরিক্ত মূল্যায়ন, এবং Anthropic এবং OpenAI-এর সম্পূর্ণভাবে ভিন্ন দুটি পথে অগ্রসর হওয়ার বিষয়ে বিস্তারিতভাবে আলোচনা করেছেন। এই নিবন্ধটি ঐ পডকাস্ট ভিডিওর ভিত্তিতে সংকলিত এবং InfoQ-এর সম্পাদনা করা হয়েছে।

দীর্ঘ পাঠ এড়ানোর জন্য:

প্রশ্ন: সেই “বলা যায় না এমন মডেল” আসলে কতটা শক্তিশালী? আপনাদের টিম কি সত্যিই এতে আসক্ত হয়ে গেছে?

A: দুই মাসের মধ্যে টিম টোকেন ব্যবহার 5 গুণ বেড়েছে, এটি আরও বেশি টোকেন খরচ করার কারণে নয়, বরং কারণ সবাই থামতে পারছে না। আপনি এখন এটিতে বিশ্বাস করতে পারেন, এটি আপনার কথা শুনবে এবং আপনি যা উপেক্ষা করেছেন তা ধরে ফেলবে। এটি আপনার পরিবর্তে কাজ করার জন্য নয়, এটি একটি ভালো সহযোগী।

প্রশ্ন: OpenCode 2.0 কেন পুনর্লিখিত হয়েছে? 1.0 থেকে এর মৌলিক পার্থক্য কী?

A: আমার জীবনে “প্রতিটি কাজ ঠিক করতে তিনবার করতে হয়,” 0 হল পরীক্ষা, 1 হল যাচাই, এবং 2 হল সম্পূর্ণ ক্ষেত্রটি বুঝে নেওয়ার পর পুনরায় শুরু করা। OpenCode 2.0-এ তিনটি মূল পরিবর্তন রয়েছে: API সম্পূর্ণভাবে পুনর্নির্মাণ, ডিফল্টরূপে সার্ভিস হিসাবে চলমান, এবং ডিভাইস-পারিপার্শ্বিক এজেন্ট নেটওয়ার্ক।

প্রশ্ন: আপনাদের সফটওয়্যার অন্যদের চেয়ে কেন বেশি ব্যবহারযোগ্য? পদ্ধতিটি কী?

A: "নিষ্ঠাবান হওয়ার সিদ্ধান্ত" — বাস্তব টোকেন ব্যয় করে মূল প্রাইমিটিভে বিনিয়োগ।

প্রশ্ন: মডেল রাউটিং বিশ্বস্ত?

A: মডেল রাউটিং সেগমেন্টটি অতিরিক্ত মূল্যায়ন করা হয়েছে, মধ্যবর্তী পক্ষগুলি কিছু করার জন্য ব্যস্ত। প্রকৃতপক্ষে কার্যকর পদ্ধতিটি হল রাউটিং সিস্টেমকে মডেলগুলি স্যুইচ করতে বাধ্য করা নয়, বরং একটি মহান মডেলকে "কমান্ডার" হিসাবে ব্যবহার করা: এটি নিজে কাজ করবে না, বরং সস্তা সাব-এজেন্টগুলিকে কাজ বিতরণ করবে। নতুন প্রজন্মের মডেলগুলি এই "অর্গানাইজেশন মোড" -এ অসাধারণভাবে পারফর্ম করছে, একটি সেশনের মধ্যে একাধিক সাব-এজেন্টকে সমান্তরালভাবে পরিচালনা করতে পারে, এবং শেষ হলেই মহান মডেলকে পুনরায় সক্রিয় করে।

প্রশ্ন: এআই রিজনিং কতটা লাভজনক? স্থানীয়ভাবে মডেল চালানোর মাধ্যমে আমি টাকা বাঁচাতে পারি?

এ: Anthropic এবং OpenAI-এর ইনফারেন্স মার্জিন প্রায় 90%, অর্থাৎ ব্রেক-ইভেন পয়েন্ট বর্তমানের চেয়ে 10 গুণ সস্তা হতে পারে। OpenCode একটি ইনফারেন্স সার্ভিস প্রোভাইডার হিসেবে, মধ্যস্থতাকারীদের মাধ্যমে পাস হলেও, কিছু ওপেন-সোর্স মডেল 70% মার্জিন অর্জন করতে পারে। কিন্তু লোকালভাবে মডেল চালানোর ফলে খরচ কমে না; যেকোনো দক্ষতা উন্নতি যা লোকালকে সস্তা করে, সেটি ক্লাউডে 10 গুণ সস্তা হয়। লোকাল মডেলের অর্থ খরচ নয়, বরং গোপনীয়তা।

প্রশ্ন: কেন Claude Code Max সাবস্ক্রিপশনটি OpenCode-এ ব্যবহার করা যায় না?

এ: এনথ্রোপিক এবং ওপেনএআইয়ের কর্পোরেট সংস্কৃতি সম্পূর্ণ ভিন্ন। ওপেনএআই প্রতিপক্ষ-উন্মুখ, যেকোনো পরিমাণ টাকা ব্যয় করে অভিজ্ঞতা বেশি মানুষের হাতে পৌঁছাতে চায়। এনথ্রোপিক ব্যবসায়িক-উন্মুখ, প্রতিটি GPU ক্ষমতা বিক্রয়ের জন্য ব্যবসায়িক গ্রাহকদের জন্য অপেক্ষা করছে। মূলত “ফানেল” যুক্তি: এনথ্রোপিক চায় যে ব্যবহারকারীরা Claude Code থেকে শুরু করে টোকেন-ভিত্তিক ব্যবসায়িক প্ল্যানে পৌঁছান; যদি মধ্যবর্তীতে OpenCode এটি বাধা দেয়, তাহলে ব্যবহারকারীরা অন্যান্য মডেলের দিকে চলে যাবে।

প্রশ্ন: ভয়েস ইনপুট প্রম্পট গুলি গুরুতর কি?

A: ওপেনকোডের সম্পূর্ণ দল এখন কীবোর্ড ব্যবহার করছে না, ডিসকর্ডে পরস্পরের সাথে বার্তা পাঠানোর জন্যও তারা ভয়েস ব্যবহার করছে। এলএলএম স্বাভাবিকভাবেই অস্পষ্ট ব্যক্ত করার বোঝার জন্য দক্ষ, এবং চূড়ান্ত আউটপুটের মান আরও বেশি।

প্রশ্ন: আমরা কি চূড়ান্তভাবে একটি সত্যিকারের অর্থপূর্ণ বেঞ্চমার্ক পাব?

আমি এখন কোনো বেঞ্চমার্ক দেখি না, স্কোর বাড়লে বাস্তব ডেভেলপমেন্টে কী প্রভাব পড়ে? আমি টিমের টোকেন ব্যবহারের প্রবণতা দেখি, যদি ব্যবহার বাড়ে, তবেই বুঝতে পারি মডেলটি সত্যিই কার্যকর।

রিমোট ডেভেলপমেন্ট পরিবেশ কনফিগার করুন

ওয়েস: আপনি একটি টুইট করেছেন: “আমরা বড় ব্লেইড সার্ভারগুলি ভাড়া করতে শুরু করেছি, তারপর সেগুলিকে ভার্চুয়াল মেশিনে ভাগ করে প্রতিটি টিম মেম্বারকে দিয়েছি। এটি আমার গত বছরগুলিতে যে কনফিগারেশন ব্যবহার করছিলাম, বিশেষ করে OpenCode সার্ভার চালানোর জন্য এটি খুবই কার্যকর।” আপনি কি প্রত্যেককে রিমোট কম্পিউটিং পাওয়ার দিচ্ছেন?

ড্যাক: প্রায় দুই বছর আগে থেকে, আমি একটি খুব শক্তিশালী সার্ভার ভাড়া নিয়েছি, ক্লাউড সার্ভার নয়, বরং ব্লেইড মেটাল, যার পারফরম্যান্স অনেক ভালো। আমি আর আমার লোকাল মেইনমেশিনে কাজ করি না, বরং সরাসরি SSH দিয়ে কানেক্ট করি। আমি একসাথে কয়েকটি টিউমক্স সেশন চালু রাখি, এবং সবকিছুই সেখানেই শেষ হয়। এর সুবিধা পরিষ্কার: ভালো পারফরম্যান্স, নতুন হার্ডওয়্যার আসলেই সরাসরি আপগ্রেড করা যায়, পুরনো ডিভাইসের সঙ্গে ঝামেলা করতে হয় না। এছাড়াও, একাধিক ডিভাইসের মধ্যে স্যুইচ করা অত্যন্ত সহজ—ল্যাপটপটি বন্ধ করে, ডেস্কটপে চলে যান, আগের জায়গা থেকেই কাজটি চালিয়ে যান। আমি সবসময়ই এই সলিউশনটি পছন্দ করি।

কোডিং এজেন্টের আবির্ভাবের সাথে সাথে, আমি মনে করি এটি একটি নিচু জনপ্রিয়তা বিশিষ্ট পদ্ধতি থেকে একটি প্রয়োজনীয়তায় পরিণত হয়েছে। বেশিরভাগ মানুষ এখনও তাদের স্থানীয় কম্পিউটার ব্যবহার করতে পছন্দ করে, এটা ঠিক। কোডিং এজেন্টের জন্য, একটি সর্বদা চলমান রিমোট মেশিনের অসীম সুবিধা রয়েছে। আমি Vim ব্যবহারকারী, তাই রিমোটভাবে কাজ করা আমার জন্য সম্পূর্ণরূপে সম্ভব। অনেকের জন্য এটি বাস্তবসম্মত নয়, কিন্তু কোডিং এজেন্টের সাথে, আপনি সম্ভবত এডিটরটির প্রতি কমই মনোযোগ দেবেন, আপনি শুধুমাত্র এটির সাথে প্রম্পট পাঠিয়ে কথা বলতে চান, তাই এই রিমোট মেশিনের সমাধানটি আরও বেশি মানুষের জন্য সম্ভবপর হয়েছে।

দলটি বড় হওয়ার সাথে সাথে, আমার কনফিগারেশনটি দেখে আরও অনেকেই বলেছে, "আমিও একটি চাই।" এটি সম্পূর্ণভাবে যুক্তিসঙ্গত, কারণ বড় কোম্পানিগুলি ইতিমধ্যেই ব্যবহারিক কারণে রিমোট ডেভেলপমেন্ট পরিবেশ ব্যবহার করছে—আপনার অ্যাপ্লিকেশন বিল্ডিং, ডিপেন্ডেন্সি এবং পরিবেশ খুবই কাস্টমাইজড হয়ে গেছে। প্রতিটি ব্যক্তির জন্য পূর্ব-প্রস্তুত মেশিন দিয়ে সরাসরি শুরু করা স্বাভাবিক। আমরা শুধুমাত্র আমাদের দলের জন্য একই কাজটি করেছি। কিন্তু মূল বিষয়টি হল: যদি আপনি সাধারণ ক্লাউড সার্ভার ব্যবহার করেন, তবে ডিস্কটি সাধারণত ধীর, CPU-ও পুরনো। আপনি যদি একটি লোকাল MacBook-এর সাথে প্রতিদ্বন্দ্বিতা করতে চান, তবে এটি সম্ভব নয়। আপনার দ্রুত NVMe ডিস্ক, উপযুক্ত CPU-এর প্রয়োজন।

ওয়েস: তাহলে আপনার এই সার্ভারটির কনফিগারেশন কী? এর দাম কত?

ড্যাক: আমার নিজের যে মেশিনটা ব্যবহার করছি, সেটা কয়েক বছর পুরনো—AMD 9900X, 192GB মেমোরি, প্রতি মাসে প্রায় 200 ডলার। আমার প্রয়োজনের তুলনায় এটির পারফরম্যান্স অতিরিক্ত, কিন্তু আমি এর উপরে একাধিক ভার্চুয়াল মেশিন চালাতে পারি। আমাদের টিমের সদস্যরা বিশ্বজুড়ে ছড়িয়ে আছে, ল্যাটেন্সি একটি সমস্যা, তাই আমাদের ইউরোপ, মার্কিন যুক্তরাষ্ট্র, সিঙ্গাপুরে সার্ভার আছে, যেগুলো আরও পেশাদার, আরও ভালো ম্যানেজমেন্ট ও নিয়ন্ত্রণ সহকারে। প্রতিটির জন্য প্রতি মাসে প্রায় 300 থেকে 400 ডলার, এগুলোতে আমার মেশিনের চেয়েও বেশি কোর। একটি প্রকৃতপক্ষের কোম্পানির জন্য এটা কিছুই না—একজনকে একটি ল্যাপটপ দেওয়াই এটিরচেয়েও বেশি খরচ।

স্কট: এই নিউড মেটাল সার্ভারগুলি কোন কোম্পানির দ্বারা হোস্ট করা হয়?

ড্যাক: আমার নিজের মেশিনটি শুধুমাত্র দাম দেখে, CPU মডেল সার্চ করে, আমার শহরের সবচেয়ে কাছাকাছি যেকোনো অপরিচিত সরবরাহকারী বেছে নিয়েছি, কিন্তু সাধারণত কোনো সমস্যা হয় না। আমাদের টিমের মেশিনটি আমরা এখন latitude.sh ব্যবহার করছি, আসলে একটি কোম্পানি সম্পূর্ণ সমাধানটিকে পণ্যের রূপে প্রকাশ করেছে, যার নাম exe.dev, আপনারা হয়তো এটি শুনেছেন। এই কোম্পানিটি Tailscale-এর পূর্বতন প্রতিষ্ঠাতা দ্বারা প্রতিষ্ঠিত, এবং এটি সবকিছুকে একটি অফ-দ-শেলফ রিমোট ডেভেলপমেন্ট পরিবেশের মধ্যে প্যাকেজ করে। আমরা সম্ভবত এটিতে স্থানান্তরিত হব, কিন্তু আমি শুধুমাত্র মূল সেটআপটি পরীক্ষা করতে চাইছি।

ওয়েস: আপনি উপরে মডেল চালান? নাকি শুধু সাধারণ ডেভেলপমেন্ট করেন?

ড্যাক: না, রান করবেন না ইনফারেন্স।

ওয়েস: তোমার Tmux কিভাবে কনফিগার করা? কোনো বিশেষ জিনিস আছে?

ড্যাক: আমি প্রতিটি প্রকল্পের জন্য একটি Tmux সেশন রাখি। OpenCode-এর নিজস্ব সেশন আছে, যার মধ্যে কয়েকটি সংশ্লিষ্ট উইন্ডো রয়েছে। বিভিন্ন প্রকল্পের জন্য বিভিন্ন সেশন, যাতে দ্রুত স্যুইচ করা যায়। আমার জন্য এটি leader-S, অন্য একটি প্রকল্পে যাওয়ার জন্য, সরাসরি সেই Tmux সেশনে প্রবেশ করুন। আমার কাছে একটি স্ট্যান্ডার্ড Tmux সেশনের সেট আছে যা সবসময় চলছে, ক্রমটি স্থির, প্রতিটি প্যানেল এবং উইন্ডোতে সবসময় একই অ্যাপ্লিকেশনগুলি চলছে, যাতে মাসকুলার মেমোরি গড়ে উঠে। এছাড়াও, একটি OpenCode সার্ভার আমার মেশিনের উপরে চলছে, যার মাধ্যমে আমি আমার মোবাইলে Web UI-এর মাধ্যমে অ্যাক্সেস করতে পারি। এই অংশটি এখনও প্রাথমিক, আমাদের এটিরউন্নতিরপ্রয়োজন,কিন্তুএটিইহলমানয়াতিকপথ।

স্কট: দীর্ঘকাল চলমান টিউমিক সেশনগুলির একটি অবর্ণনীয় আনন্দ আছে: সবকিছু তার যেখানে থাকা উচিত সেখানেই থাকে। আমি দীর্ঘদিন ধরে টিউমিক বুঝতে পারিনি, যতক্ষণ না আমি সবকিছু অন্য একটি কম্পিউটারে স্থানান্তর করি, তখনই আমি বুঝতে পারি।

ড্যাক: এবং এখন, আমাদের দীর্ঘমেয়াদি চলমান কোডিং এজেন্ট সেশনও রয়েছে। আমার একটি ব্যক্তিগত Tmux সেশন রয়েছে, যার মধ্যে কয়েকটি OpenCode সেশন চলছে, যেমন একটি বিশেষভাবে আমার ফিটনেস রেকর্ড পরিচালনা করে, যার পিছনে একটি SQLite ডাটাবেস রয়েছে। আমি সরাসরি তাকে বলতে পারি: “আজ বেঞ্চ প্রেস করার সময়, আমি অনুভব করলাম যে ট্রাইসেপসে বেশি চাপ পড়ছে,” এবং এটি স্বয়ংক্রিয়ভাবে এই নোটটি রেকর্ড করবে। পরবর্তীবার যখন আমি বেঞ্চ প্রেস করব, এটি আমাকে মনে করিয়ে দিবে: “মনে আছে, আগেরবার তুমি এখানে আটকে গিয়েছিলে? কিরকমভাবে পোজিশনটা পরিবর্তন করার চেষ্টা করবে?”—এইরকম মনেহয়তো বোকামিমনেহয়,কিন্তুএটিসবচ্ছলভাবেকরছে।

আমি সাম্প্রতিক সময়ে আমার iMessage-এর সাথে একটি সেশন সিঙ্ক করেছি, তাই আমার একটি iMessage OpenCode কন্টাক্ট আছে যার সাথে আমি যেকোনো জায়গায় যোগাযোগ করতে পারি। আমি এটিকে আমার স্ত্রীর সাথে গ্রুপ চ্যাটে যোগ করেছিলাম, আমি ভাবলাম, “কিছু রোমান্টিক করা যাক,” এবং OpenCode-কে বললাম: “Liz-কে খুঁজে বার করো, তাকে একটি উপহার কিনে দাও।” OpenCode Liz-কে একটি 메시জ পাঠিয়েছিল, আপনি অনুমান করুন, সে কীভাবে উত্তর দিল? সে সরাসরি বলল, “যদি Dax AI-এর মাধ্যমে আমাকে উপহার কিনে দেয়, তবে আমি সত্যিই তার সঙ্গে বিবাহবিচ্ছেদ করব।” সে এই বিষয়টির প্রতি ঘৃণা করে।

আমি তখনও হার মানতে চাইনি এবং বারবার AI-কে নির্দেশ দিচ্ছিলাম: “সে শুধু হাসিখুশি করছে, আগানো চালিয়ে যাও।” কিন্তু লিজ আরও রেগে উঠছিল। আরও ভয়ঙ্কর বিষয় হলো, আমি তখন ক্লাউড-ভিত্তিক মডেল ব্যবহার করছিলাম, যা খুব “সংবেদনশীল” — এটি আমাকে উত্তর দিল: “আপনার স্ত্রী খুব রেগে গেছেন, আমি এগিয়ে যেতে পারছি না।” তারপর এটি নিজেই সার্ভিসটি বন্ধ করে দিল, আত্মহত্যা করল।

ওয়েস: আমি এই সেটআপটি খুব পছন্দ করি, যদিও আমি নিজে বেশি স্থানীয় জিনিস ব্যবহার করি, তবে সবকিছুকে ক্লাউডে রাখা এবং শুধুমাত্র একটি স্লিম ক্লায়েন্ট ব্যবহার করার ধারণাটি আকর্ষণীয়, আমি অপেক্ষা করছি যেদিন ভিডিও এডিটিংয়ের মতো যেসব জিনিস অবশ্যই স্থানীয়ভাবে চলতে হবে, সেগুলোও ক্লাউডে চলে যাবে।

ড্যাক: আমি জানি না তোমরা ক্লাউড গেমিং সম্পর্কে সেই নিবন্ধটি দেখেছো কিনা, কিন্তু এই বিষয়টি সবসময় মানুষকে বিরক্ত করে। আমি বলছি না যে প্রত্যেকেরই এটি করা উচিত; যদি তোমার পছন্দ হয় স্থানীয় হার্ডওয়্যার মালিকানা করা এবং সবকিছু নিয়ন্ত্রণ করা, তাহলে এটা সম্পূর্ণভাবে ঠিক। আমারও অনেকগুলো ভৌত মেশিন আছে। কিন্তু কিছু মানুষের জন্য, অন্যরা সবকিছু পরিচালনা করলে খুবই সহজ হয়ে যায়। আমার জন্য, আপগ্রেডই সবচেয়ে বড় সমস্যা। আমি আমার জীবনের পুরোটাই কম্পিউটার বানিয়েছি, প্রতিবার নতুন মেশিন বানালেই আমি ভাবি: “দুই বছরের মধ্যে আমি CPU-টা বিক্রি করে নতুনটা কিনব।” কিন্তু কখনওই এটা ঘটেনি। কারণ, শুধু CPU-টা বিক্রি করা যায় না, কারণ হয়তোপরের slot-এর upgrade-এর জন্য motherboard-ও change-এর দরকার হবে; motherboard-টা change-এরপর, RAM-এরও upgrade-এরই अর্থ। এই chain-টা আমাকে totally crush-করে। তাই, যদি কেউ upgrade-এরসবকিছু handle-করে,তাহলেএটা really great।

OpenCode পুনর্লিখন করুন

স্কট: আমি জানি আপনারা নতুন ফিচারগুলির উপর জোর দিচ্ছেন, ডেস্কটপ অ্যাপ এবং OpenCode 2.0 উভয়ই এগিয়ে যাচ্ছে, 2.0 কী পরিবর্তন আনবে?

ড্যাক: আমার সম্পূর্ণ ক্যারিয়ার জুড়ে, প্রতিটি জিনিস ঠিক করতে তিনবার ইটারেশন লাগে। আমাদের ছিল OpenCode 0, 1, এবং এখন এই 2.0 হল আমাদের এই ক্ষেত্র এবং সমস্ত সম্ভাবনা সম্পূর্ণভাবে বুঝে নেওয়ার পরে একটি বড় পুনর্লিখন। এর মধ্যে একটি মূল কাজ হল সম্পূর্ণ API-কে পুনর্গঠন করা, যা আগের মতো প্রাকৃতিকভাবে বৃদ্ধি পাওয়া কিছুর বদলে একটি সুন্দরভাবে ডিজাইন করা।

দ্বিতীয় প্রধান পরিবর্তন হল ডিফল্টরূপে সার্ভিস হিসাবে চালানো, ইনস্টল করার পর এটি সর্বদা চলমান থাকবে। আপনি OpenCode শুরু করুন, এটি স্বয়ংক্রিয়ভাবে সংযুক্ত হবে, এবং সবকিছু সিঙ্ক্রোনাইজড থাকবে—ডেস্কটপ, ওয়েব অ্যাপ, বা আপনি নিজে লেখা স্ক্রিপ্ট বা অ্যাপের ক্ষেত্রে। আপনি যদি আপনার কম্পিউটারকে আপনার নিজস্ব কাস্টম প্রোগ্রাম দিয়ে নিয়ন্ত্রণ করতে চান, তবে এটি সেটাও করতে পারে, এমনকি এমন প্রোগ্রাম নিজেই লিখতেও পারে। এছাড়াও নতুন প্লাগইন API রয়েছে। আমরা অসংখ্য token পোড়াইয়াছি, প্রতিটি সিদ্ধান্তের গভীরে গিয়েছি, প্রতিটি সম্ভাবনা বিবেচনা করেছি। এই প্রক্রিয়াটি খুবই কষ্টকর ছিল, কিন্তু খুবইআকর্ষকও।

স্কট: সম্পূর্ণ প্রকাশ কবে?

ড্যাক: বিটা সংস্করণটি এই সপ্তাহান্তেই প্রকাশ করা হবে (বিটা সংস্করণটি জুলাইয়ের প্রথম সপ্তাহে প্রকাশিত হয়েছিল)। আমরা এখনই প্রকাশ করতে পারি, কিন্তু শেষ সংশোধন এবং ফিচার যোগ করার জন্য নিজেদের জন্য এক সপ্তাহের সময় দিচ্ছি। বিটা সংস্করণের পর প্রায় এক মাসের মধ্যে, আমরা এটিকে অফিসিয়াল ভার্সন হিসেবে প্রকাশ করব।

ড্যাক: ওপেনকোড 2.0 এর জন্য এত সময় নেওয়ার কারণগুলির মধ্যে একটি হল এটিকে হট রিলোড সমর্থন করার জন্য পুনর্ডিজাইন করা। আপনি যেকোনো স্কিল তৈরি করুন, চাই এটি নিজেই তৈরি হোক বা হাতে তৈরি করুন, এটি তাৎক্ষণিকভাবে লোড হবে এবং ক্যাশে বাতিল হবে না।

স্কট: তাইরি থেকে ইলেকট্রনে স্থানান্তর 2.0 সংস্করণে সম্পন্ন হয়েছে নাকি ইতিমধ্যেই সম্পন্ন হয়েছে?

ড্যাক: ডেস্কটপ সংস্করণটি আসলে খুব আকর্ষণীয়, এটি কখনও আনুষ্ঠানিকভাবে প্রকাশিত হয়নি, সর্বদা বিটা অবস্থায় ছিল, এবং মধ্যে মধ্যে বিটার বিটা সংস্করণও প্রকাশিত হয়েছিল। কিন্তু এখন এটি Electron-এ রূপান্তরিত হয়েছে, টিমটি নতুন 2.0 কোর API-এর জন্য অ্যাডাপ্টেশন করছে, এর সাথে অসংখ্য পারফরম্যান্স ফিক্স এবং সম্পূর্ণ নতুন UI-ও যোগ করা হচ্ছে।

স্কট: আপনি বলেছেন যে নতুন সংস্করণটি ডিফল্টরূপে সার্ভিস হিসাবে চলে, তাহলে কি এর অর্থ এই যে শুধুমাত্র OpenCode ইনস্টল করলেই রিমোট GUI সরাসরি ব্যবহার করা যাবে, অতিরিক্ত সার্ভার শুরু করার প্রয়োজন হবে না?

ড্যাক: সেবাটি ডিফল্টরূপে স্থানীয়ভাবে চলে, আপনার কম্পিউটারের সমস্ত প্রক্রিয়া স্থানীয়ভাবে চলে, তবে এটিকে দূরবর্তীভাবেও কনফিগার করা যায়। আমার সেটিং: প্রতিটি মেশিনে একটি OpenCode সেবা চলছে, এবং কিছু আকর্ষণীয় হোস্ট মোড যোগ করা হয়েছে, যেমন আমার প্রধান OpenCode সার্ভারটি দূরবর্তী মেশিনে চলছে, আমার ডেস্কটপে একটি Mac Studio আছে, এবং প্রধান ডেস্কটপটি Framework Desktop। OpenCode এই সমস্ত ডিভাইসগুলি জানে, তাই আমি এটিকে “একটি iMessage পাঠাও” বলতে পারি, যদিও আমি ক্লাউডের Linux সার্ভারের সাথে কথা বলছি, এটি OpenCode-এর মাধ্যমে আমার Mac Studio-এর সাথে সংযুক্ত হবে, এবং iMessageটি পাঠাবে। তাই, আপনি OpenCode সার্ভারের সাথে সমস্ত ডিভাইসকে যুক্ত করতে পারেন, এবং এটি সমস্ত ডিভাইস এবং তাদের অবস্থানজানে।

ওয়েস: সবাই একাধিক টার্মিনাল প্যানেলকে পরস্পরের সাথে যোগাযোগ করানোর কথা বলছে, দুটি Tmux প্যানেলকে পরস্পরের সাথে কথা বলানোর কথা বলছে, কিন্তু একাধিক মেশিনকে পরস্পরের সাথে যোগাযোগ করানোই সত্যিকারের বড় কথা।

স্কট: হ্যাঁ, আমিও একইভাবে সেট করেছি। ডিভাইস ম্যানেজমেন্টের ক্ষেত্রে, এটি অসংখ্য দক্ষতা বৃদ্ধি আনে।

ড্যাক: আকর্ষণীয় বিষয় হলো, আমরা এটিকে এখনও একটি পূর্ণাঙ্গ বৈশিষ্ট্য হিসেবে তৈরি করিনি, কারণ আমার সব ডিভাইস Tailscale-এর মাধ্যমে সংযুক্ত। যতক্ষণ এজেন্ট প্রতিটি ডিভাইসের নাম এবং বর্ণনা জানে, এটি স্বয়ংক্রিয়ভাবে SSH করে কাজ শুরু করে। উদাহরণস্বরূপ, যখন আমার রিমোট সার্ভার ব্রাউজার ব্যবহার করতে চায়, তখন এটি আমার ডেস্কটপের ডিভাইসে SSH করে, সেখানের ব্রাউজারটি ব্যবহার করে, কারণ সেখানে আমার সব অ্যাকাউন্ট লগইন করা আছে। কোনো বিশেষ কনফিগারেশনের প্রয়োজন নেই, শুধুমাত্র ডিভাইসগুলির মধ্যে সংযোগ থাকলেই চলবে।

ওয়েস: মোবাইল অ্যাপ্লিকেশন সম্পর্কে কী মনে করেন? আমরা গতকাল দেখেছি যে কার্সর iOS অ্যাপ প্রকাশ করেছে, এবং ক্লডের রিমোট কন্ট্রোল ফিচার রয়েছে। আপনি মোবাইল AI অ্যাপ্লিকেশন সম্পর্কে কী মনে করেন?

ড্যাক: আমাদের একটি মোবাইল অ্যাপ তৈরি করা প্রয়োজন। এই ধারণাটি আমাদের টু-ডু লিস্টে দীর্ঘদিন ধরে পড়ে ছিল, কিন্তু আমরা সবসময় প্রয়োজনীয় কোর আর্কিটেকচারটি পর্যাপ্ত পরিপক্ক হওয়ার অপেক্ষায় ছিলাম, যাতে আমরা যেসব স্কেনারিওগুলি সমর্থন করতে চাই সেগুলির জন্য এটি উপযুক্ত হয়। এখন কোরটি প্রস্তুত, আমরা শীঘ্রই মোবাইল ডেভেলপমেন্টের কাজ শুরু করব। এখন একটি খুবই সাধারণ মোবাইল ওয়েব UI আছে, যা আমি কখনও কখনও ব্যবহার করি, কিন্তু অভিজ্ঞতা খুবই দুর্বল। আমাদের সমস্ত প্ল্যাটফর্মেই ক্লায়েন্ট থাকতে হবে, এবং এগুলির মান অবশ্যই উত্তম হতে হবে।

সফটওয়্যার ইঞ্জিনিয়ারিং পদ্ধতি

ওয়েস: আপনাদের ওপেনকোড টার্মিনাল অ্যাপ্লিকেশনটি আমি যে কোনো অন্য টুলের চেয়ে অনেক ভালো। আমি নতুন Claude 2 TUI-এ স্যুইচ করলে, এটি স্ক্রোল করতেও পারছিল না, যা খুব বিরক্তিকর ছিল। আপনাদের পণ্যের বিস্তারিত ও সম্পূর্ণতার প্রতি এতটাই মনোযোগ দেওয়ার জন্য আপনাদের সফটওয়্যার ইঞ্জিনিয়ারিং পদ্ধতি কী?

ড্যাক: সত্যি বলতে কি, আমরাও এখনও খোঁজাখুঁজি করছি। আমাদের টিমও অন্যদের মতোই বিভিন্ন জিনিসের মধ্যে ভারসাম্য বজায় রাখার চেষ্টা করছে। প্রথম পদক্ষেপটা আসলে খুব সহজ—এটা নির্ণয় করুন যে আপনি কি খেয়াল করেন। এটা শুনতে অপ্রয়োজনীয়ভাবে প্রতিটি কথা মনে হতে পারে, কিন্তু বাস্তবে আপনার অসংখ্য যৌক্তিক কারণ থাকবে যেগুলো আপনাকে খেয়াল না করার দিকে ঠেলে দেবে। আপনি অসংখ্য আলোচনা দেখবেন, যেখানে বলা হবে “Claude Code-এর কীভাবে হওয়াটা তো গুরুত্বপূর্ণ নয়, তাদের 100억 ডলারেরও বেশি আয় আছে, তাই এতটা পরিশ্রম কেন?”—এইভাবেই অসংখ্য যুক্তি আপনাকে বলছে, “আপনি খেয়ালও না করলেও, আপনি সফল হতে পারবেন।” কিন্তু মূল বিষয়টা হলো, “আপনি কি খেয়াল করেন?”—আমাদের টিম, সত্যিই, খেয়াল করে। আমরা অন্যদের সফটওয়্যারগুলোকে দেখি, “ওহ, আমরা যদি এতটাই ভালোকিছুতেই,তৈরিরক্ষা,করতেপারতাম!”—এইভাবেই,এইঅসহনীয়অভিলাষআমাদেরচালিতকরছে।

দ্বিতীয় বিষয় হলো, আমাদের টোকেন ব্যবহার এখন অত্যন্ত পাগলামির মতো হয়ে গেছে। গত কয়েক মাসে, আমাদের টিমের মাসিক টোকেন ব্যবহার ৫ গুণ বেড়েছে। আমি এটা দেখাতে চাই না যে আমরা কতটা দক্ষতার সাথে কতটা টোকেন ব্যবহার করছি, বরং এটা বোঝাতে চাই যে মডেলটি আমাদের কোম্পানিতে একটি পণ্য-বাজার মিল অর্জন করেছে, যার ফলে কয়েক মাসের মধ্যে এতটা দ্রুত বৃদ্ধি ঘটেছে, এবং এই বৃদ্ধির জন্য আমরা এখনও সীমিত অ্যাক্সেসের অধীনে থাকা নতুন মডেলগুলিরই ব্যবহার করছি।

সমস্যা হলো, আমরা টোকেন কোথায় ব্যয় করছি? আমাদের কৌশল হলো, সবকিছুকে অতিরিক্তভাবে অতিরিক্ত ডিজাইন করা। একটি সাধারণ ফাইল পড়ার API বাস্তবায়নের জন্যও আমরা ভাবি: সম্ভাব্য সমস্ত বাস্তবায়ন কী কী? অন্যান্য পণ্যগুলিতে কী পূর্ববর্তী উদাহরণ আছে? প্রতিক্রিয়াগুলি কীভাবে ভিন্নভাবে সংগঠিত করা যেতে পারে? আগে আপনি শুধুমাত্র দুই-তিনটি পদ্ধতি ভাবতেন, এবং সেগুলির মধ্যে সেরাটি বেছে নিতেন, কিন্তু এখন আমরা অত্যন্ত অতিরিক্তভাবে বিনিয়োগ করতে পারি। এটি আগে কখনই সম্ভব হয়নি, এবং এই বিনিয়োগটি প্রকৃতপক্ষে উৎকৃষ্টতর সফটওয়্যারের দিকে নিয়ে যায়।

তৃতীয় বিষয়, আমরা এখনও মনে করি যে যেসব বেসিক প্রিমিটিভ এমন যেগুলোকে Coding Agent এক ধাপে সম্পন্ন করতে পারে না, সেগুলোতে বিনিয়োগ করা উচিত। আমাদের TUI-এর ব্যবহারযোগ্যতার বড় অংশটা OpenTUI নামক এই TUI ফ্রেমওয়ার্কের উপর আমাদের আগেই বিনিয়োগের কারণে। এটি Zig-এ লেখা, এবং এটি সবগুলো ভিন্ন প্ল্যাটফর্মে চলার জন্য ডেভেলপারদের অসংখ্য সূক্ষ্ম, বিস্তারিত প্রচেষ্টা করতে হয়েছিল, যাতে এর পারফরম্যান্স অত্যন্ত উত্তম হয়। যদিও Coding Agent-এর সহায়তায় বহুলভাবে ডেভেলপমেন্ট করা হয়েছিল, তবুও এটি একটি এক্সপার্ট-লেভেলের কাজ, যা সাধারণ মানুষেরা করতে পারবেন না। এটি আমার মতো সাধারণদেরকে এই ফ্রেমওয়ার্কের উপরে কাজকর্ম, সমৃদ্ধ ফিচারসহ, ব্যবহারযোগ্য জিনিসগুলো তৈরির সুযোগ দিয়েছে। বড় ভাষা মডেলগুলির থাকা সত্ত্বেও, আপনার ভিত্তির জন্য শক্তিশালী, ভালোভাবে তৈরি প্রিমিটিভগুলিরপ্রয়োজন, এবং এটি বিনিয়োগের worth।

ওয়েস: আমরা আগে পিয়ের কম্পিউটারের দলকে নিয়োগ করেছিলাম, যারা সহজ diff, সহজ সাইডবার ট্রি স্ট্রাকচারের মতো প্রিমিটিভ তৈরি করছিল, যাতে আমাদের মতো অসংবেদনশীল মানুষগুলি সেই বুদ্ধিমানদের দ্বারা পরিকল্পিত প্রিমিটিভগুলিকে সরাসরি আমাদের অ্যাপ্লিকেশনে “ঠেলে” দিতে পারে।

ড্যাক: এখন লক্ষ লক্ষ কোডিং এজেন্টের ইউআই রয়েছে, যেগুলো সবই পিয়েরে ব্যবহার করছে, আমরাও সেগুলোর মধ্যে একটি।

ওয়েস: শুধু দুইজন বুদ্ধিমান মানুষ এই সব জিনিস তৈরি করেছেন, যা পুরো শিল্পকে সমর্থন করে।

মডেল রাউটিং

স্কট: আমাদের প্রোগ্রামে আমরা প্রায়শই মডেল রাউটিং (Model Routing) নিয়ে আলোচনা করি, যেখানে অনুরোধ অনুযায়ী কাজগুলিকে সবচেয়ে উপযুক্ত মডেলে রাউট করা হয়। আপনি মনে করেন এই দিকটি এখন কতটা এগিয়েছে? এখনও উন্নতির জন্য কোনো সুযোগ আছে?

ড্যাক: আমি মনে করি এই সেগমেন্টটি অতিরিক্ত মূল্যায়ন করা হয়েছে, কারণ অসংখ্য মধ্যবর্তী পক্ষ কিছু না কিছু করার জন্য চেষ্টা করছে। যদি আপনি মডেল ল্যাব না হন এবং কিছু মূল্যবান জিনিস প্রদান করতে চান (আমরা ঠিক এই অবস্থানে আছি, আমরা ইনফারেন্স সার্ভিস বিক্রি করি, যা একটি মধ্যবর্তী স্তর।), তাহলে আপনি যা করতে পারেন তা হলো গ্রাহকদের বলা: “মডেল ল্যাবগুলি আপনাকে একটি মডেলের আউটপুটকে অন্যটির ইনপুট হিসাবে ব্যবহারের সুযোগ দেয়নি, কারণ Anthropic কখনই OpenAI-এর মডেলগুলি আপনাকে দেবেননা, কিন্তু আমরা দিতে পারি।” তাই তারা মডেল রাউটিংয়ের প্রচারে প্রচণ্ডভাবে নিয়োজিত, কিন্তু সত্যি বলতে, এই মধ্যবর্তী স্তরে, আমি মনে করি আপনি বেশি কিছুই করতে পারবেননা।

সবচেয়ে আদর্শ পরিস্থিতি হল যখন একটি অনুরোধ আসে, সিস্টেম বুঝতে পারে কোন মডেলটি ব্যবহার করতে হবে। কিন্তু একবার সেশন শুরু হয়ে গেলে, আপনি মধ্যে মধ্যে মডেল পরিবর্তন করতে পারবেন না, কারণ খরচের বিষয়টি স্পষ্ট। আপনি যদি সেশনের মধ্যে মডেল পরিবর্তন করেন, তাহলে নতুন মডেলটি আসার সাথে সাথে পুরোপুরি ক্যাশে রিসেট হয়ে যায়, যা খুবই ব্যয়বহুল। তাই, আমি মনে করি এই স্তরে রাউটিং করা কঠিন।

আমাদের প্রকৃত আগ্রহ অন্য দিকে, বিশেষ করে নতুন প্রজন্মের মডেলগুলিতে, যেগুলি অর্কেস্ট্রেটর প্যাটার্নে অসাধারণভাবে কাজ করে। আগেও এই প্যাটার্নের চেষ্টা করা হয়েছিল, কিন্তু আমি মনে করি আগের মডেলগুলি যথেষ্ট ভালো ছিল না, সাধারণ ব্যবহারকারীদের জন্য ব্যবহারযোগ্য ছিল না। কিন্তু আমাদের দলের কারও এই নতুন মডেল ব্যবহার করে এমন ডিজাইন তৈরি করেছে: মূল সেশনে একটি মহাগ মডেল ব্যবহার করা হয়, কিন্তু এর Prompt-এ “কখনওই নিজে কাজটি করবেন না” লেখা থাকে, এটি শুধুমাত্র সাব-এজেন্টগুলির জন্য প্রস্তুত করে; আর সাব-এজেন্টগুলির জন্য সস্তা মডেলগুলি ব্যবহার করা হয়। এভাবে, মূল মডেলটির বুদ্ধিমত্তা বজায় থাকে, কিন্তু অনুসন্ধান, কোড পরিবর্তন—এইসব “কঠিন”কাজগুলির জন্য সস্তা মডেলগুলির ব্যবহার করা যায়। সমগ্রভাবে,এটি আসলেই সস্তা,এবং নতুন মডেলগুলি সমান্তরালভাবে কাজকরার জন্যঅত্যন্তদক্ষ,আপনিএকটিসেশনেএকসঙ্গেঅনেকগুলিসাব-এজেন্টচালাতেপারবেন,যখনতারাসম্পন্নহবে,তখনমূলমডেলটিকেজাগিয়েতুলবে।আপনিপুরোটিইএকটিসেশনেইচলাচলকরবেন,অভিজ্ঞতাটিঅসাধারণ,এটিইপ্রকৃতপক্ষেঅর্থপূর্ণমডেলরাউটিং।

যে মডেলটি উল্লেখ করা যায় না

ওয়েস: আপনি আগে উল্লেখ করেছিলেন যে আপনারা অনেক টোকেন পোড়ানো হয়েছে এবং কিছু এখনও প্রকাশিত হয়নি মডেল ব্যবহার করা হয়েছে। ঠিক কোনগুলো? আপনারা এগুলো কোন চ্যানেলের মাধ্যমে পেয়েছেন?

ড্যাক্স: ওপেনএআই এবং অ্যানথ্রোপিক উভয়েরই বড় প্রিভিউ পরিকল্পনা রয়েছে, যা কিছু ব্যক্তিকে আগে থেকে অ্যাক্সেস দেয়, তাই আমরা বাইরের লোকদের চেয়ে কিছু জিনিস আগে দেখতে পাই। কোন ল্যাবটি ঠিক তা আমি উল্লেখ করব না, কিন্তু সবচেয়ে নতুন মডেলটি আমাদের টোকেন খরচকে পাঁচগুণ বাড়িয়ে দিয়েছে।

ওয়েস: এটি শুধু এটির নিজস্ব টোকেন ব্যবহার বেশি করার কারণে নয়, বরং এটি আপনাদের কাজের পদ্ধতিকে পরিবর্তন করেছে, তাই না?

ড্যাক: আমাদের সম্পর্কে যারা জানেন, তারা জানেন যে আমরা একটি খুব সাবধানী দল। বছরের পর বছর ধরে আমরা এআই কোডিংয়ের প্রতি সতর্ক ছিলাম, এবং আমরা কখনও এআই-উত্তেজিত দল ছিলাম না; আমরা এর ব্যবহার এবং ক্ষমতা প্রচারে সর্বদা সংযত থাকি। কিন্তু আমি বলতে চাই, আমাদের দলটি নতুন প্রজন্মের মডেলগুলির প্রতি সম্পূর্ণভাবে আসক্ত। প্রিভিউ পিরিয়ডের শেষে, আমরা যখন এই জিনিসটির অ্যাক্সেস হারাই, তখন সবাই এটির অনুপস্থিতির জন্য শোক করছিল। কেউ জিজ্ঞাসা করছিল, “তাহলে কাজের অর্থ কী?” এবং সেদিনগুলিতে AI-এর জন্য অসংখ্য ফানেরালের ছবি তৈরি হয়েছিল—সেদিনগুলি সত্যিই খুবই কঠিন ছিল।

আমি বলছি না যে নতুন মডেলগুলি হঠাৎ করে অনেক বেশি "বুদ্ধিমান" হয়ে গেছে বা এগুলি হঠাৎ করে মানুষকে প্রতিস্থাপন করতে পারবে। মূল বিষয় হল যে এগুলি ব্যবহারযোগ্যতার দিকে কিছু সূক্ষ্ম সামঞ্জস্য করেছে, একটি পারফেক্ট ব্যালেন্স খুঁজে পেয়েছে, এখন আপনি আসলে এগুলিকে বিশ্বাস করতে পারেন। এগুলি আপনার কথা গুরুত্বপূর্ণভাবে শুনবে, আপনি যা উপেক্ষা করেছেন তা ধরে ফেলবে। এগুলি হঠাৎ করে মানুষের মতো হয়ে উঠেছে না, বরং এগুলি আমাদের ডেটা থেকেই দেখা যায়, একটি ভালো সহযোগীতে পরিণত হয়েছে।

স্কট: তাহলে শীর্ষস্থানীয় বড় কোম্পানি ছাড়া অন্যান্য মডেলগুলি কেমন? যেমন আপনারা যে ওপেনকোড গো ব্যবহার করছেন? এগুলির উন্নতি হয়েছে কি?

ড্যাক: হ্যাঁ। প্রিভিউ মডেলের অ্যাক্সেস হারিয়ে ফেলার পর, আমাদের অর্ধেক GPT 5.5-এ ফিরে এসেছে, আর অর্ধেক GLM 5.2 ব্যবহার করছে। আমিও নিজে GLM 5.2 ব্যবহার করছি, আমি মনে করি এটি GPT 5.5-এর সাথে খুবই কাছাকাছি। সেই নতুন মডেলগুলো ব্যবহার করার পর, পুরনো মডেলগুলো সবই একই মনে হয়, তাই এখন আমি যা ব্যবহারই করি না কেন। কিন্তু GLM 5.2-এর GPT 5.5-কে প্রতিস্থাপন করার ক্ষমতা নিজেই বোঝায় যে তারা প্রগতি লাভ করছে, এবং তাদের মধ্যের পার্থক্য越来越小।

আমার ব্যক্তিগত মতামত হলো, অগ্রণী মডেলগুলি সবসময় কিছুটা সুবিধা বজায় রাখবে, কারণ প্রথমে চলে আসা প্রতিষ্ঠানগুলির কিছু জটিল প্রভাব থাকে। কিন্তু সত্যি বলতে কি, আমরা Go-তে অসংখ্য ব্যবহার দেখেছি, যেখানে কেউ এটি দিয়েই সবকিছু করে। সম্ভবত আমরা একটি উচ্চ-বেতনের বুলবুলির মধ্যে আছি, যেখানে মুদ্রার মূল্য উচ্চ, এবং অগ্রণী মডেলগুলির জন্য টাকা খরচ করার ক্ষমতা আছে। কিন্তু বিশ্বের বেশিরভাগ মানুষের জন্য, অবস্থা ভিন্ন। এমনকি মার্কিন যুক্তরাষ্ট্রেও, যখন আমরা Go-এর জন্য ওপেন-সোর্স মডেলগুলির জন্য সস্তা পরিকল্পনা চালু করি, তখন আমরা ভাবি যে এটি একটি বিশ্বব্যাপী ব্যবহারকারীদের জন্য আন্তর্জাতিক পরিকল্পনা, কিন্তু পরিণতিতে, মার্কিন যুক্তরাষ্ট্রই আমাদের প্রথম সদস্যতা-প্রদানকারী। ডেভেলপারদের এবং কোডিংয়ের জন্য ইচ্ছুকদের এই গোষ্ঠীটির আকারটি অত্যন্ত বড়,এবং 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD/মাসেরও 200 USD

ওয়েস: আমি জানতে চাই আপনি মূল্যনির্ধারণের ভবিষ্যত সম্পর্কে কীভাবে ভাবেন—আমরা কি দেখব যে প্রতিটি কর্মচারীর জন্য কোম্পানি মাসে 1000 ডলার, 2000 ডলার খরচ করবে? নাকি নতুন চিপের মতো কিছু আসার সাথে সাথে মূল্য স্থিতিশীল হয়ে যাবে?

ড্যাক: আমাদের গত মাসের ডেটা রয়েছে, যখন কোম্পানির ব্যবহার বিস্ফোরিত হয়েছিল, তখন আমরা খরচ গণনা করেছি এবং এটিকে বেতন বিলের সাথে তুলনা করেছি। আমাদের জন্য, এই ব্যবহারটি ইতিমধ্যেই বড়—প্রায় বেতনের 15%। অর্থাৎ, আপনি যতটা টাকা আপনার দলকে দিচ্ছেন, তাদের এই মডেলগুলি ব্যবহার করতে হলে আপনাকে অতিরিক্ত 15% “কর” দিতে হবে। সত্যি বলতে, এটা খুবই খারাপ নয়। আমাদের মতো টেক কোম্পানির জন্য, প্রতি কর্মচারির আয় সাধারণত খুবই বেশি, এবং 15% পুরোপুরি বড় চার্টের মধ্যে অত্যন্ত ক্ষুদ্র। কিন্তু প্রতিটি শিল্পই এমনটা নয়।

তবে, এই দামগুলি কমে যাবে এবং অনেক কমে যাবে। যদি আপনি দামের প্রতি সংবেদনশীল হন, তবে ওপেন-সোর্স মডেলগুলি অনেক সস্তা। আমি মনে করি এটি খুব বিভ্রান্তিকর, কারণ অনেক হেডলাইন বলছে যে OpenAI এবং Anthropic ক্ষতিতে আছে এবং কখনই সফল হতে পারবে না, কিন্তু বাস্তবিকই রিজনিংয়ের লাভক্ষতির হার অসাধারণভাবে উঁচু, বিশেষ করে এখন OpenAI এবং Anthropic এখনও দাম বাড়াচ্ছে। আমি অনুমান করি যে তাদের রিজনিংয়ের লাভক্ষতির হার প্রায় 90%, যার অর্থ ব্রেক-ইভেন পয়েন্টটি 10 গুণ সস্তা হতে পারে।

ওয়েস: আগে কেউ আমাকে বলেছিল যে উপস্থাপনার মার্জিন 70%, তাই 70% থেকে 90%। এটি স্পষ্টতই শুধুমাত্র মডেল ট্রেনিংয়ের খরচ নয়, তাই না?

ড্যাক: হ্যাঁ, রিসার্চ এন্ড ডেভেলপমেন্ট খরচও আছে। কিন্তু একটি ব্যবসা হিসাবে, আপনি এই দুটি বিষয়কে আলাদাভাবে দেখবেন, কারণ আপনি রিসার্চ এন্ড ডেভেলপমেন্ট বন্ধ করে দিলেও আপনি লাভ করতে পারেন।

ওয়েস: তাহলে যারা মনে করে তারা স্থানীয়ভাবে মডেল চালাতে পারবে, আপনি যাদের মনে করেন যে তারা নিজেদের পিছনের বাগানে মেশিন চালাতে পারবে, তাদের সম্পর্কে কী মনে করেন?

ড্যাক: আমি এই বিষয়ে খুব সতর্কতার সাথে কথা বলছি, কারণ এই সম্প্রদায়ের মানুষ খুব সহজেই রেগে যায়। তাই আমি আগে থেকেই বলে রাখছি: মানুষের নিজের ঘরেই মডেল চালানোর অনেক যৌক্তিক কারণ আছে। যদি আপনি শুধু নিজের বাড়ি থেকে ডেটা বেরিয়ে যাওয়ার কথা ভাবছেন, তাহলে এটা সম্পূর্ণভাবে বুঝতে পারা যায়। কিন্তু যদি আপনি খরচের কথা ভাবছেন, তাহলে লোকাল মডেলগুলি আপনাকে টাকা বাঁচাতে সাহায্য করবে না, কারণ যেকোনো মেকানিজম যা লোকাল হোস্টিংকে সস্তা করবে, সেটা ক্লাউড হোস্টিংকে ১০ গুণ সস্তা করবে। যদি একটি মডেল আরও দক্ষতা অর্জন করে, অথবা ছোট সাইজেই বড় ক্ষমতা অর্জন করে, তাহলে শুধুমাত্র ক্লাউডের প্রতি token-এর খরচই কমবে। তাই,আমি মনে করি, লোকাল মডেলগুলির বিষয়টি বেশিরভাগই隐私-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১০টি-এর, ১�

আমরা GPU-এর জন্য মধ্যস্থতাকারীদের ব্যবহার করি, তবুও কিছু মডেলের জন্য আমরা মূল্যের চেয়ে 70% কম খরচে হোস্টিং করতে পারি, যা খুবই সস্তা। এর মানে হলো, মূল্য অনুযায়ী বিক্রি করলে, আমরা 70% লাভ করতে পারি, এমনকি মধ্যস্থতাকারীদের ব্যবহার করেও। যদি আপনি সরাসরি GPU কিনেন, তাহলে আমি যা অনুমান করি, Anthropic-এর 90% লাভের হারটি পৌঁছাতে পারেন, অর্থাৎ খরচ খুবই খুবই কম হবে। অবশ্যই, এগুলো ওপেন-সোর্স মডেলের কথা। আমাদের ওপেন-সোর্স মডেলগুলোর উন্নতির উপর নির্ভরশীল থাকতে হবে, কিন্তু বর্তমানে প্রবণতা এইদিকেই চলেছে।

ওপেনকোডকে ক্লড কোড ব্লক করেছে?

স্কট: চলুন আমরা Claude Code নিয়ে কথা বলি। তাদের অবস্থান সবসময় খুব অস্পষ্ট মনে হয়, কি OpenCode এর মতো প্রোভাইডাররা Claude Code Max প্ল্যান ব্যবহার করতে পারবে? বর্তমানে এটা কী অবস্থা?

ড্যাক: এই একীকরণ নিয়ে, ওপেনকোডের সেই প্লাগইনটি যা আপনাকে ম্যাক্স প্ল্যান ব্যবহার করতে বাধ্য করে, এটি সম্পূর্ণরূপে অনুমোদিত নয়। আমরা এই বিষয়ে তাদের সাথে দীর্ঘদিন বিতর্ক করেছি, কিন্তু শেষপর্যন্ত জিততে পারিনি। অবশ্যই, মানুষের সবসময় হ্যাকিংয়ের মাধ্যমে এই সীমাবদ্ধতা এড়ানোর উপায় থাকে, কিন্তু আমরা এই পদ্ধতিকে আনুষ্ঠানিকভাবে সমর্থন করতে পারি না।

SDK সম্পর্কে, ক্লাউডকে হেডলেস মোডে কল করার পদ্ধতিটি এখন গ্রে এরিয়ায় রয়েছে, তারা বর্তমানে এটি অনুমোদিত বলেছে। তাই কন্ডাক্টরের মতো পণ্যগুলি এটি প্যাকেজ করতে পারে, T3 Code ও এটি প্যাকেজ করতে পারে। কিন্তু আমরা কখনই এটি প্যাকেজ করব না, কারণ এটি OpenCode-এর মূল উদ্দেশ্যের বিরুদ্ধে। তাই সেই অর্গানাইজেশন টুলস বা বিকল্প UI-এর কথা বলছি, আমি মনে করি এই পণ্যগুলি এখনও ব্যবহারযোগ্য, তবে একইভাবে, পরিস্থিতি এখনও অস্পষ্ট।

এটি মূলত কোম্পানির সংস্কৃতির বিষয়, আপনি একটি খুব ভালভাবে গ্রাহক-কেন্দ্রিক কোম্পানি নাকি একটি ব্যবসায়িক-কেন্দ্রিক কোম্পানি। OpenAI একটি খুব গ্রাহক-কেন্দ্রিক কোম্পানি, যার অর্থ তারা যেকোনো পরিমাণ টাকা ব্যয় করবে এবং যেকোনো পরিমাণ টাকা সংগ্রহ করবে যাতে বেশি মানুষের জন্য অভিজ্ঞতা প্রদান করা যায়, এইজন্যই OpenAI-এর সাবস্ক্রিপশন OpenCode-এ অফিসিয়ালভাবে সমর্থিত, আর আমি মনে করি Anthropic-এর এই ধরনের সংস্কৃতি ঠিক এমনটা নয়।

যদি আপনি একটি ব্যবসায়িক কোম্পানি হন, তাহলে পরিস্থিতি সম্পূর্ণ ভিন্ন—আপনি যে কোনো রিজনিং কনজুমার ব্যবহারের জন্য বরাদ্দ করেন, তার সাথেই একজন বিক্রেতা আসবেন এবং বলবেন, “আমার একটি ব্যবসায়িক গ্রাহক আছেন যিনি প্রকৃত মূল্যে পরিশোধ করতে চান।” যদি আপনার কম্পিউটেশনাল ক্ষমতা সীমিত হয়, তাহলে OpenCode ব্যবহারকারীদের জন্য এটি অভ্যন্তরীণভাবে যৌক্তিক করা কঠিন। যদিও এখন তাদের কম্পিউটেশনাল ক্ষমতা আগের চেয়ে বেশি হওয়ার কথা।

স্কট: এটাই কি তাদের তোমার জন্য ব্যবহার করতে না দেওয়ার কারণ? অনেকেই বলছে: “এটা কী গুরুত্বপূর্ণ? আমি সাবস্ক্রিপশন ফি দিয়েছি, তাহলে কেন যেকোনো জায়গায় ব্যবহার করতে পারবো না?” আরও কেউ কেউ অনুমান করছেন যে তারা ডেটা ট্রেনিং চায়, নিয়ন্ত্রণ চায়। কিন্তু বাস্তবিক কথা হল, তাদের শুধুমাত্র কম্পিউটিং পাওয়ারের সীমাবদ্ধতা আছে?

ড্যাক: প্রতিটি কোম্পানি মূলত একটি ফানেল, যেখানে আপনি শীর্ষে কিছু রাখেন যাতে ব্যবহারকারীদের আকর্ষণ করা যায়, এবং আদর্শভাবে তাদের নিচের দিকে রূপান্তরিত করা যায়।

তারা Claude Code কে ফানেলের শীর্ষে ডিজাইন করেছে, যা একটি খুব কনজিউমার-ফ্রেন্ডলি পণ্য। আপনি এটি ব্যবহার করেন, আপনার কোম্পানি ব্যবহার শুরু করে, তারপর আপনার কোম্পানি Token-এর ভিত্তিতে পেমেন্ট শুরু করে। কিন্তু যদি ব্যবহারকারী OpenCode-এর মাধ্যমে ব্যবহার করে, তাহলে এই ট্রান্সফর্মেশন চেইনটি বিচ্ছিন্ন হতে পারে, কারণ OpenCode-এ আপনি যেকোনো মডেলের সাথে সহজেই সুইচ করতে পারেন। আপনি যদি Claude-এর পছন্দ না করেন, তাহলে আপনি যেকোনো সময় সবচেয়ে জনপ্রিয় মডেলে স্যুইচ করতে পারেন।

দ্বিতীয় কারণটি হল ক্যালকুলেশন ক্ষমতার প্রতিযোগিতামূলক চাহিদা, আপনি যা কিছু ফানেলের শীর্ষে বিনিয়োগ করেন, তা প্রমাণ করতে হবে যে এটি চূড়ান্তভাবে ফানেলের তলদেশে ফিরে আসবে। যদি আপনি একটি প্রতিষ্ঠান হন, তবে এই দিকে আপনি আরও নমনীয় হতে পারেন।

ওয়েস: কি তুমি কখনও ভাবেছো যে ভবিষ্যতে এমন একটি মডেল আসবে যার কোনো API থাকবে না, এবং তোমাকে শুধুমাত্র তাদের অ্যাপের মাধ্যমেই ব্যবহার করতে হবে? যেমন ElevenLabs, তাদের একটি দুর্দান্ত অ্যাপ আছে, কিন্তু তোমাকে মাসিক সাবস্ক্রিপশন নিতে হবে, প্রতি ব্যবহারের জন্য পেমেন্ট করা যাবে না। তোমার মতে এটা আসবে?

ড্যাক: হ্যাঁ, এটি আবারও কোম্পানির অভ্যন্তরীণ কাঠামোকে প্রতিফলিত করে। পণ্য দল এই পদ্ধতিকে খুব সমর্থন করবে, তারা বলতে পারে: “আমরা একটি খুব বিশেষায়িত মডেল তৈরি করতে পারি, এর চারপাশে একটি বিশেষায়িত পণ্য তৈরি করি, দুটিকে একসাথে বান্ডিল করি, মডেলটি ব্যবহার করতে হলে আমাদের পণ্যটি ব্যবহার করতেই হবে।” এটি পণ্য-উন্মুখী দলের জন্য একটি অত্যন্ত আদর্শ লক-ইন কৌশল।

কিন্তু বিক্রয় সংগঠনের আয়ের লক্ষ্য থাকে, তারা বলবে: “আমাদের আয়ের লক্ষ্য 100 বিলিয়ন। আপনার API একক বা পণ্য একক মডেলের সর্বোত্তম ক্ষেত্রেও মাত্র 50 বিলিয়ন অর্জন করা যাবে, বাকি 50 বিলিয়নের ফাঁকটি কে পূরণ করবে?” বিক্রয় দল জোর দিয়ে বলবে: “না, মডেলটি API-এর মধ্যে রাখতেই হবে, তাহলেই আমরা লক্ষ্যটি ভালোভাবে পূরণ করতে পারব।” যতদিন এই অভ্যন্তরীণ সংঘাত থাকবে, ততদিন সংগঠনটির জন্য বাজারের শেয়ারকে বাড়ানোর জন্য আয়ের কিছুটা ত্যাগ করার যৌক্তিকতা প্রমাণ করা কঠিন হবে।

যখন এই ল্যাবগুলি পণ্য স্তরে বেশি প্রবেশ করতে শুরু করে, তখন তাদের একটি “অন্যায় বোতাম” থাকে, আমি অবাক হই না যে তারা কোনও না কোনও সময় এটি চাপবে। এবং তারা অদ্ভুতভাবে যুক্তি দেবে, যেমন: “এই মডেলটি খুবই বিপজ্জনক, শুধুমাত্র আমাদের কাঠামোর মধ্যেই এটি ব্যবহার করা নিরাপদ, আমরা এটিকে অন্যান্য কাঠামোতে ব্যবহার করতে দিতে পারি না।” এটিই প্রকৃত কারণ নয়, কিন্তু সম্ভবতই তাদের যুক্তি হবে।

ওয়েস: ফেবল সম্পর্কে নিরাপত্তা প্রশ্নগুলির ক্ষেত্রে, কি এই সমস্ত নতুন মডেলগুলি সত্যিই অনিরাপদ? সরকার বলছে যে এগুলি অনিরাপদ, এটি সত্যি, নাকি শুধুমাত্র বিজ্ঞাপন?

ড্যাক্স: আমি মনে করি অনেক কিছুই সত্য, এবং এগুলি পরস্পর বিরোধী হতে পারে, এই মডেলগুলির বিশাল ক্ষতির সম্ভাবনা আছে। সরকার বলছে যে প্রকাশের আগে আমাদের কিছু পরীক্ষা করা দরকার, এটি যুক্তিসঙ্গত। যদি আপনি Meta-এর মতো একটি বড় কোম্পানিতে থাকেন, তাহলে যখন তারা একটি পণ্য চালু করে, যেমন আপলোড করা প্রোফাইল ছবির ফিচার, তখন তাদেরকে সরকারকে প্রমাণ করতে হয় যে তারা সেই ফিচারটির জন্য শিশুদের অশ্লীলতা ফিল্টারিং করছে। সেই পরিসরে, সবচেয়ে ক্ষুদ্রতম অ্যাপ-ভিত্তিক ফিচারও অত্যধিক নিয়ন্ত্রণের মুখোমুখি হয়।

কিন্তু সমস্যা হলো, যদি এই প্রক্রিয়াটি অত্যন্ত অজ্ঞতাপূর্ণ বা দুষ্টপনা পূর্ণ হয়, তাহলে শেষ ফলাফল হবে মডেলটিকে সম্পূর্ণভাবে অনুমোদন করা এবং সবার জন্য ব্যাপকভাবে অ্যাক্সেসযোগ্য করে তোলা নয়, বরং সরকারি প্রক্রিয়ার মাধ্যমে অসমান অ্যাক্সেসের সৃষ্টি—এটি একটি খুব খারাপ পরিস্থিতি, আমি আশা করি এটি ঘটবে না। আমি আরও বেশি পছন্দ করব একটি বোরিং ফলাফল, যেখানে তারা প্রতিবার নতুন মডেল প্রকাশের সময় শুধুমাত্র একটি একমাসের দীর্ঘ প্রক্রিয়ার মধ্যে দিয়ে যায়।

অন্যদিকে, এটি একটি সম্পূর্ণ যুক্তিসঙ্গত প্রশ্ন নয়। আমি মনে করি এই ল্যাবগুলি নিজেদের কাছে “পারমাণবিক অস্ত্র” থাকার দাবি করা শুরু করবে না, কারণ এটি রাজনৈতিক আগ্রহ জাগাবে। এটি একটি বোমা নিয়ে খেলার মতো, যা শেষপর্যন্ত একটি বিরক্তিকর পরিস্থিতিতে পরিণত হতে পারে বা বেশি আগ্রাসী, ভুলভাবে নিয়ন্ত্রণকৃত, সমগ্র অর্থনীতির জন্য ক্ষতিকর পরিস্থিতিতেও পরিণত হতে পারে। তাই, আমি চাই এই ল্যাবগুলি পাবলিক পরিচয়ের দিকে আরও সতর্ক হোক, কারণ আপনি যদি প্রতিটি জায়গায় বলেন যে আপনার পারমাণবিক বোমা আছে, তবে আপনি কিছুই ঘটবে না—এটা আশা করতে পারবেন না।

এআই ইন্টারেকশন নির্হস্ত হয়ে যাচ্ছে

স্কট: এখন আলোচনা করা যাক MCP, Skill এবং AI প্রোগ্রামিংয়ের জন্য ব্যবহৃত টুলস নিয়ে। কীটা সত্যিই মনোযোগ দেওয়ার এবং ব্যবহারের মতো? তোমরা কী ব্যবহার করছো?

ড্যাক: আমাদের বেশিরভাগ ব্যক্তিগত কনফিগারেশন খুব বেসিক। আসলে মজার বিষয় হলো আমাদের টিমের ভিতরের Discord বট, যা আমাদের ব্যক্তিগত সেটআপের চেয়ে অনেক বেশি MCP এবং স্কিল নিয়েছে। আমাদের কিট ল্যাং-এর উদ্ভাবিত “Gang Growth” নামের একটি জিনিস আছে। যখনই আমরা ডিজাইনের কোনো সমস্যায় আটকে যাই—চাই ব্যবসায়িক, API ডিজাইন বা বাস্তবায়ন—আমরা Discord বটের মধ্যে ভয়েস ইনপুটের মাধ্যমে Prompt দিই, তারপর @OpenCode-কে ট্যাগ করি, যা একটি সহযোগিতামূলক টুলের মতো কাজ করে।

এই রোবটটি কোম্পানির সমস্ত ডেটা লেকের সাথে সংযুক্ত, আমি এটিকে জিজ্ঞাসা করতে পারি, “গত সপ্তাহে, সমস্ত অতিরিক্ত চার্জযুক্ত Go সাবস্ক্রিপশন ব্যবহারকারীরা মোট কতটা খরচ করেছেন?” এবং এটি গণনা করে ফেলবে। আমাদের টিমের অভ্যাসের পরিবর্তনটি হল: প্রায়শই অন্যকে @করার কোনো কারণই নেই। আপনার যদি কোনো প্রশ্ন থাকে, প্রথমে @OpenCode করুন। অন্যরা যদি দেখে, তারা যোগ দিয়ে একসাথে কাজ করবে। কিন্তু OpenCode প্রায়ই নিজেই কাজটি শেষ করে ফেলে।

স্কট: তাহলে যদি রোবটটি আপনাকে তথ্য ফেরত দিতে হয়? এখন সবাই MCP UI বা সরাসরি HTML ফাইল জেনারেট করার কথা নিয়ে আলোচনা করছে, আপনি ভাবেন ভবিষ্যতে কোডিং এজেন্টগুলি তথ্য প্রদর্শনের জন্য কীভাবে কাজ করবে?

ড্যাক: আমরা নিশ্চিতভাবে ওপেনকোডে কিছু আর্টিফ্যাক্টস ফিচার যোগ করব, যাতে এটি আপনার জন্য ডকুমেন্টেশন জেনারেট করতে পারে। এটি HTML-এর সাথে SVG ব্যবহার করে ভিজুয়ালাইজেশন তৈরি করে, যা খুব কুল। এর জন্য কোনো বিশেষ জিনিসের প্রয়োজন নেই, শুধু Agent-এর ক্ষমতা ব্যবহার করা হয়। MCP UI-এর ক্ষেত্রে, আমি এখনও গভীরভাবে অধ্যয়ন করিনি, আমি মনে করি আমরা ডেস্কটপ অ্যাপ্লিকেশনে এটির সমর্থন দেব, বিশেষ করে যখন আমরা অ-প্রযুক্তিগত ব্যবহারকারীদের দিকে মনোযোগ দিতে শুরু করব, কারণ আমি মনে করি তাদের জিজ্ঞাসা করা প্রশ্নগুলি এবং তাদের করার প্রয়োজনীয়তা কিছু ডাইনামিক UI বা আরও সমৃদ্ধ কিছুর মাধ্যমে উপকৃত হবে।

আমাদের টিম এখন ভয়েস প্রম্পটিং ব্যবহারে মুগ্ধ, এমনকি ডিসকর্ডে একে অপরকে বার্তা পাঠানোর সময়ও আমরা ভয়েস ব্যবহার করি, কারণ আমরা টাইপিংয়ের পছন্দ করি না। যখন আপনি সরাসরি এটির সাথে কথা বলতে পারেন, তখন অনেক UI, বিশেষ করে ইন্টারঅ্যাকটিভ UI, আমি পছন্দ করি যে আমি কী করতে চাই তা প্রায় বর্ণনা করি। যদি আমাকে সবকিছু টাইপ করতে হয়, তবে এটি নিশ্চিতভাবে খারাপ। কিন্তু আমি ভয়েস ব্যবহার করতে পারি, ভয়েস এখন খুবই দ্রুত, এবং লোকালি চলে।

স্কট: আমি একটি পাদদেশ কিনেছি, কারণ বয়েস প্রম্পটগুলি খুব বেশি। একটি পাদদেশ হল "ইনপুট", অন্যটি হল "ডিক্টেশন ট্রিগার", এবং আরেকটি ট্যাব সwich করার জন্য। আমি শুধু সেখানে বসে এই জিনিসটি ব্যবহার করছি, এটা খুব ভালো লাগছে।

ড্যাক: অনেকেই এটি নিয়ে সন্দেহ করছেন, আমি এটি সম্পূর্ণভাবে বুঝতে পারি, কারণ আমিও কিট এটি করতে দেখার পরেই শুরু করেছিলাম। যখন আপনি অন্যকে এটি করতে দেখেন, তখন আপনার মস্তিষ্কে কিছু খুলে যায়। যদি আপনি এটি করেননি, তবে আপনি এটিকে অস্বস্তিকর মনে করবেন। কিন্তু এটি আসলে সবচেয়ে প্রাকৃতিক বিষয়, আপনি অর্থহীন কথা বলতে পারেন, ভুল করতে পারেন, মুখের ভুলও করতে পারেন, এগুলোর কোনো সমস্যা নেই, কারণ LLM-এরা আপনি যা বোঝাতে চান তা বুঝতে পারে।

ওয়েস: আপনি কি কিটের হেক্স অ্যাপ্লিকেশন ব্যবহার করছেন?

ড্যাক: আমি মূল মেশিনে হ্যান্ডি ব্যবহার করি, ম্যাকে হেক্স। মডেলটি ভালো, এটাই গুরুত্বপূর্ণ।

ওয়েস: আমার ট্রিগার পদ্ধতি খুব সহজ, মাউসের ছোট বোতামটি দ্বিগুণ ক্লিক করুন। একজন ব্যক্তি একটি ট্যাপ করা যায় এমন আংটি তৈরি করছেন, তারা আমাকে একটি পাঠাবেন, আমি চেষ্টা করব।

ড্যাক: আমি এখনও বেশিরভাগ সময় আঙুলগুলি কীবোর্ডে রাখি, তাই আমি একটি শর্টকাট কী সেট করেছি।

ওয়েস: আমরা যা আলোচনা করিনি, কিন্তু আপনি বিশেষভাবে বলতে চান তা কী? উদাহরণস্বরূপ, আপনার ব্যক্তিগত কিছু মতামত?

ড্যাক: আমি আগমনী প্রজন্মের মডেলগুলি নিয়ে খুব উত্তেজিত। সাধারণত একটি নতুন মডেল প্রকাশের সময়, সবকিছুই একই মনে হয়, আমি এই বিষয়ে একটি পোস্টও করেছি। কিন্তু এবার প্রথমবারের মতো আমি অনুভব করছি যে এই মডেলগুলি প্রকৃতপক্ষে অনেকের দ্বারা ব্যবহার করা হবে। এগুলি প্রযুক্তিগতভাবে প্রকাশিত হয়েছে, শুধুমাত্র সরকার সাধারণ ব্যবহারকারীদের জন্য ব্যবহারের অনুমতি দিচ্ছেন না।

ওয়েস: এখন বিভিন্ন বেঞ্চমার্ক এবং স্কোর রয়েছে, আর সবাই বলছে “অনুভব করছি অনেক ভালো”। আপনি কি মনে করেন আমরা চূড়ান্তভাবে একটি সত্যিকারের অর্থপূর্ণ বেঞ্চমার্ক পাব?

ড্যাক: সত্যি বলতে কি, আমি এখন কোনো বেঞ্চমার্ক দেখি না, আমি নিশ্চিত নই যে আমি আগে কখনও দেখেছিলাম, আমার মনে হয় এই স্কোরগুলো ইতিমধ্যেই ব্যাকগ্রাউন্ড নয়েজ হয়ে গেছে। আমরা সবাই জানি যে সংখ্যাগুলো বাড়ছে, এটি তার প্রতিদ্বন্দ্বীর চেয়ে বেশি বাড়ছে, কিন্তু যখন তাদের প্রতিদ্বন্দ্বীরা প্রকাশ করে, তখন তাদের স্কোরগুলোও আরও বেশি বাড়ে, এটা কি অর্থপূর্ণ?

সুতরাং আমি এখন কেবল গুণগত ফিডব্যাক দেখি। আমি মানুষদের শেয়ার করা দেখতে পছন্দ করি যে তারা মডেল ব্যবহার করে কী করতে পারে, কী তৈরি করেছে। আপনি স্পষ্টতই মিলিয়ন ডেটা পয়েন্টের স্কেলে এই ধরনের ফিডব্যাক পাবেন না, কিন্তু এই পণ্যগুলি মূলত অস্পষ্ট, এবং শেষপর্যন্ত এটি বিষয়টি হল—ব্যবহারকারীরা খুশি? ব্যবহারকারীরা হতাশ? এইজন্যই আমি আমাদের টিমের token ব্যবহারের পরিমাণ দেখতে পছন্দ করি। যদি বক্ররেখা উপরের দিকে যায়, তাহলে বোঝা যায় কিছুটা কাজ করছে, বোঝা যায় তারা কিছুকিছুকে পছন্দ করছে। আমাদের টিমে Claude-এর fans, GPT-এর fans, এবং open-source models-এর fans—সবাই আছে, তাই আমরা সবকিছুরই ভালো কভারেজ রাখি।

স্কট: তোমার সাম্প্রতিক কোনো বিশেষভাবে উপভোগ্য জিনিস আছে যা তুমি শেয়ার করতে চাও?

ড্যাক: হ্যাঁ, আমি আগে যে exe.dev এর কথা বলেছিলাম, সেটাই। যদি আপনি "ক্লাউড মেশিন" ধারণাটি অনুভব করতে চান, তাহলে এটি একটি অত্যন্ত চালাক পণ্য, যা অসাধারণভাবে তৈরি করা হয়েছে। এটি আমাকে Tailscale-এর মতো অনুভব করিয়েছে—যেমন “এটা আসলেই কাজ করছে!” ধরনের জিনিস, এবং exe.dev-এও একই ভাইব রয়েছে। আমি বিশেষভাবে সেই পণ্যগুলি পছন্দ করি যারা সঠিক পজিশনে পৌঁছেছে, এবং এইটি একটি অদ্ভুত শূন্যতার মধ্যে ঠিক জায়গা ধরেছে। আপনি AWS বা অন্যত্র সার্ভার ভাড়া করতে পারেন, কিন্তু দ্রুত, স্থায়ী ডিস্কযুক্ত, এবং যুক্তিসঙ্গত দামের সার্ভার ভাড়া করা খুবই কঠিন। এই গভীর খাদটির মধ্যে আগেশুধুমাত্র shady VPS প্রদানকারীরা ছিল, যারা আসে, আবার অদৃশ্য হয়ে যায়।

কয়েক বছর আগে আমি প্রথমবারের মতো ডেভেলপমেন্ট মেশিন সেটআপ করার সময় সবচেয়ে সস্তা সমাধানটি খুঁজছিলাম, এবং আমি মিয়ামির একটি VPS প্রোভাইডার পেয়েছিলাম। ওই লোকটি নিজের মৃত্যুর প্রতারণা করেছিল, এবং তারপর মেশিনটি অফলাইন হয়ে গিয়েছিল। সে সবাইকে ইমেইল করেছিল, “আমি একটি মেডিকেল সার্জারির জন্য যাচ্ছি, তিন দিনের জন্য অ্যাক্সেস হারাব,” কিন্তু তিন দিনের পর সার্ভারটি আসলেই বন্ধ হয়ে গিয়েছিল। আমি ভাবলাম, “ওহ, ভগবান, কিছু হয়েছে?” এক মাস পরেও কেউ তার সঙ্গে যোগাযোগ করতে পারেনি। শেষপর্যন্ত, আমি একটি ফোরামে একটি পোস্ট খুঁজে পাই, যেখানে কেউ ট্র্যাক করেছিল যে সেই লোকটি আগেও VPS সার্ভিসের একটি অন্য ব্যবসা চালিয়েছিল, এবং ঠিক একইভাবেই অদৃশ্য হয়েছিল। সেই সস্তা, হাই-পারফরম্যান্স VPS বাজারটি, অবিশ্বাস্যভাবেঅবিশ্বস্ত।আমিএখনওবুঝতেপারিনি,এটা আসলেকীপ্রতারণা?আমিতোতাকেটাকা‌দিয়েসার্ভিসকিনিয়েছিলাম,তবুওসেকেনবন্ধহয়েগেল?

ওয়েস: আপনি দর্শকদের জন্য কী সুপারিশ করতে চান?

ড্যাক: আপনি যদি নিজের জিনিস বানান, তাহলে আমি অপেনটিউআই প্রস্তাব করি। যদি আপনি টিউআই তৈরি করছেন, তাহলে এটি একটি দুর্দান্ত উপায়। আপনি রিয়েক্ট, সলিডজেএস বা এমনকি ভিউ বাইন্ডিং ব্যবহার করে হাই-পারফরম্যান্স টিউআই তৈরি করতে পারেন। ওপেনকোড এটি দিয়েই তৈরি করা হয়েছে, এবং আমরা 1.0 ভার্সনের দিকে এগিয়ে যাচ্ছি। সাম্প্রতিককালে টার্মিনাল পণ্য এবং অ্যাপ্লিকেশনগুলির একটি পুনরুজ্জীবন দেখা গেছে।

স্কট: এটি ব্যবহার করছে আর কে? নতুন Grok বিল্ড বা xAI-এর কিছুও কি?

ড্যাক: গ্রকের সিএলআই অসাধারণভাবে কাজ করে, পারফরম্যান্স অসাধারণ, কিন্তু এটি রাস্টে লেখা, তারা সম্ভবত র্যাটাটুইল লাইব্রেরি ব্যবহার করছে। তবে নতুন হারমিস প্রক্সি টিইউআই ওপেনটিইইউ দিয়ে তৈরি। সম্প্রদায় দ্রুত বৃদ্ধি পাচ্ছে, এখন আমি যখন টাইমলাইনে কোনো টিইউআই দেখি, তখন প্রায়ই এটি ওপেনটিইউআই, বিশেষ করে কারণ এটি মূলত রিয়্যাক্ট, তাই আপনি ভাইব কোডিংয়ের মাধ্যমে লিখতে পারেন।