অপেনএআই-এর পূর্ব প্রধান প্রযুক্তি অফিসার মুরাটি প্রতিষ্ঠিত Thinking Machines তাদের প্রথম মডেল Inkling প্রকাশ করেছে, যা মিক্সড এক্সপার্ট আর্কিটেকচার ব্যবহার করে এবং 9750 বিলিয়ন প্যারামিটার নিয়ে গঠিত, যা মূলত DeepSeek-V3 আর্কিটেকচারকে অনুসরণ করে এবং KIমি K2.5 ডেটা ব্যবহার করে পোস্ট-ট্রেনিং করা হয়েছে। তবে বিভিন্ন বেঞ্চমার্ক পরীক্ষায় Inkling-এর পারফরম্যান্স Kimi এবং GLM-এর চেয়ে কম, কিন্তু এটির ব্যবহারের মূল্য Kimi-এর দ্বিগুণ, অর্থাৎ 100 লক্ষ Token-এর জন্য 1.87-4.68 ডলার। Thinking Machines 20 বিলিয়ন ডলারের বিনিয়োগ সংগ্রহ করেছে এবং 120 বিলিয়ন ডলারের মূল্যায়ন পেয়েছে। মুরাটির লক্ষ্য ছিল শক্তিশালী চীনা মডেলগুলির সাথে প্রতিদ্বন্দ্বিতা করা, বরং মার্কিন কোম্পানিগুলির জন্য নিয়ন্ত্রণের অনিশ্চয়তার কারণে উদয়পাওয়া কমপ্লায়েন্স-ভিত্তিক বাজার—একটি যথেষ্ট পারফরম্যান্সযুক্ত, কাস্টমাইজযোগ্য, এবং কমপ্লায়েন্স-ঝুঁকি-কম, স্থানীয়ভাবে উন্মুক্ত মডেল।

লেখক এবং উৎস: অক্ষর AI

অপেনএআই-এর পূর্ব প্রধান প্রযুক্তি অফিসার মুরাটি একটি চীনা মডেলের মহামূল্যবান বিকল্প তৈরি করেছেন।

থিংকিং মেশিনস দ্বারা প্রকাশিত প্রথম মডেল Inkling-এর মিক্সড এক্সপার্ট আর্কিটেকচার মূলত DeepSeek-V3-এর উপর ভিত্তি করে তৈরি, এবং পোস্ট-ট্রেনিং কুল স্টার্টের জন্য Kimi K2.5 ইত্যাদি ওপেন মডেলগুলির দ্বারা উৎপাদিত ডেটা ব্যবহার করা হয়েছে। তবে বিভিন্ন বেঞ্চমার্ক মূল্যায়নে Inkling Kimi এবং GLM-এর চেয়ে পিছিয়ে, এবং কল মূল্যও বেশি।

20 বিলিয়ন ডলার ফান্ডিং এবং 120 বিলিয়ন ডলার ভ্যালুয়েশন সহ, অ্যাপলের পূর্ব কর্মচারীদের একটি বড় দল নিয়ে গঠিত এই স্টার কোম্পানির জন্য এই ফলাফলটি কিছুটা আশা অনুযায়ী নয়।

কিন্তু মুরাটি হয়তো শুরু থেকেই Inkling দিয়ে প্রথম স্থান দখলের চেষ্টা করতে চায়নি। যখন মার্কিন কোম্পানিগুলি চীনা মডেল ব্যবহার করতে বেশি অনিশ্চয়তার মুখোমুখি হচ্ছে, তখন একটি যথেষ্ট কার্যকর, কাস্টমাইজেশন সমর্থিত এবং সঙ্গতির ঝুঁকি কম স্থানীয় ওপেন মডেলের নিজস্ব বাজার রয়েছে। "মহামূল্যবান বিকল্প"টি এতটাই শক্তিশালী নয়, কিন্তু "বাজার"ের জন্য এটি উদ্বিগ্ন হয়নি।

মুরাতির প্রথম মডেল, এটাই?

স্থানীয় সময় ১৫ জুলাই, থিঙ্কিং মেশিনস ল্যাব তাদের প্রতিষ্ঠার পরের প্রথম মডেল Inkling প্রকাশ করেছে।

শুধু কনফিগারেশন দেখে, এই মডেলটি একটি সেলিব্রিটি এআই ল্যাবের জন্য উপযুক্ত মনে হয়।

ইন্কলিং একটি মিক্সড এক্সপার্ট আর্কিটেকচার ব্যবহার করে, যার মোট প্যারামিটার সংখ্যা 9750 বিলিয়ন; প্রতিটি টোকেন প্রসেস করার সময় 410 বিলিয়ন প্যারামিটার সক্রিয় হয়; প্রি-ট্রেনিংয়ের জন্য 45 ট্রিলিয়ন টোকেন ব্যবহার করা হয়েছে, যা টেক্সট, ইমেজ, অডিও এবং ভিডিও সমন্বয়ে গঠিত, এবং এটি 10 লক্ষ টোকেনের পর্যন্ত কনটেক্সট সমর্থন করে। এটি টেক্সট, ইমেজ এবং অডিওকে বুঝতে পারে এবং ফলাফল টেক্সটের মাধ্যমে আউটপুট দেয়, এছাড়াও “থিংকিং ইনটেনসিটি” সমন্বয়ের মাধ্যমে পারফরম্যান্স, গতি এবং খরচের মধ্যে সমন্বয় করা যায়।

ইন্কলিং একইসাথে মডেল ওয়েটস খুলে দিয়েছে, যা অপেক্ষাকৃত ঢিলেঢালা Apache 2.0 লাইসেন্স অনুসারে। ডেভেলপাররা ওয়েটস ডাউনলোড করে নিজেদের দ্বারা ডিপ্লয় করতে পারেন বা Thinking Machines-এর অধীনস্থ Tinker প্ল্যাটফর্মের মাধ্যমে মডেলটি ফাইন-টিউন করতে পারেন।

কোম্পানিটি নিজেকে স্পষ্টভাবে সংজ্ঞায়িত করেছে: সাধারণ ব্যবহারকারীদের জন্য ChatGPT-এর সাথে সরাসরি প্রতিদ্বন্দ্বিতা করার পরিবর্তে, Inkling উপযুক্ত হবে প্রতিষ্ঠানগুলির AI অ্যাপ্লিকেশন তৈরির জন্য ভিত্তি হিসাবে।

তবে, ইন্কলিং-এর সবচেয়ে আকর্ষণীয় অংশটি প্রযুক্তিগত রিপোর্টের পরবর্তী অংশে লুকিয়ে আছে।

থিঙ্কিং মেশিনস মডেল আর্কিটেকচার পরিচয়ের সময় সরাসরি উল্লেখ করেছে যে, ইঙ্কলিংয়ের মিক্সড এক্সপার্ট ডিজাইন “প্রধানত DeepSeek-V3-এর উপর ভিত্তি করে”। এটি একইভাবে অসংখ্য এক্সপার্ট মডিউল সেট করেছে, যেখানে প্রতিটি টোকেন শুধুমাত্র কিছুটা এক্সপার্টকেই কল করে, এবং DeepSeek-V3-এর অ্যাসিস্টেড লস লোড ব্যালেন্সিংয়ের মতো ডিজাইনগুলি গ্রহণ করেছে।

চীনা মডেলের প্রভাব ইন্কলিং-এর ট্রেনিং পর্যায়েও বিস্তৃত হয়েছে।

থিংকিং মেশিনস বলেছে যে, পোস্ট-ট্রেনিং শুরুর জন্য, কোম্পানিটি প্রথমে ওপেন ওয়েট মডেল দ্বারা তৈরি করা সিনথেটিক ডেটা ব্যবহার করে একটি সুপারভাইজড ফাইন-টিউনিং চালায়, যেখানে মন্স অফ দ্য ডার্কের Kimi K2.5-এর উল্লেখ স্পষ্টভাবে করা হয়েছে।

প্রযুক্তিগত পথটি পর্যাপ্তভাবে স্পষ্ট: একটি মার্কিন পরীক্ষাগার, যা OpenAI-এর পূর্ব প্রধান প্রযুক্তি অফিসার দ্বারা প্রতিষ্ঠিত, তাদের প্রথম মডেলটি DeepSeek-এর আর্কিটেকচারকে অনুসরণ করে এবং Kimi দ্বারা উত্পাদিত ডেটা ব্যবহার করে প্রশিক্ষণ শুরু করে।

খোলা মডেলগুলির উপর নির্ভর করা কোনও সমস্যার কথা নয়। DeepSeek এবং Kimi তাদেরওয়েটস প্রকাশ করেছে এবং ডেভেলপারদের ব্যবহারের অনুমতি দিয়েছে, যা বিজ্ঞান এবং প্রকৌশল উভয়ক্ষেত্রেই প্রকাশিত অর্জনগুলির উপর ভিত্তি করে গড়ে উঠেছে। আরও অস্বস্তিকর বিষয় হলো, Inkling চীনা মডেলগুলির প্রযুক্তি গ্রহণ করার পরও এই “শিক্ষকদের” উপর চাপ দিতে পারেনি।

থিংকিং মেশিনসও এটির জন্য কোনো প্রশংসা করেনি। কোম্পানিটি প্রকাশিত পোস্টে সরাসরি স্বীকার করেছে: “Inkling বর্তমানে সবচেয়ে শক্তিশালী মডেল নয়, খোলা মডেল বা বন্ধ মডেল উভয়ের মধ্যেই।”

Thinking Machines-এর প্রকাশিত ফলাফল অনুযায়ী,

"মানুষের শেষ পরীক্ষা" পাঠ্য মূল্যায়নে, Inkling স্কোর পেয়েছে 29.7%, Kimi K2.6 এবং GLM 5.2 যথাক্রমে 35.9% এবং 40.1% পেয়েছে;

টুল যোগ করার পর, ইন্কলিং 46% এ উঠেছে, যা কিমি K2.6 এর 54% এবং GLM 5.2 এর 54.7% এর চেয়ে কম।

SWE-Bench Pro-এ বাস্তব সফটওয়্যার ইঞ্জিনিয়ারিং দক্ষতা মূল্যায়নে, Inkling-এর স্কোর 54.3%, Kimi K2.6 হল 58.6%, GLM 5.2 পৌঁছেছে 62.1%।

টার্মিনাল বেঞ্চ 2.1-এ পার্থক্যটি আরও স্পষ্ট, ইনক্লিংগুলি মাত্র 63.8%, কিমি K2.6 এবং GLM 5.2 যথাক্রমে 71.3% এবং 82.7% অর্জন করেছে।

অবশ্যই, ইন্কলিংয়েরও নিজস্ব শক্তি রয়েছে। এটি ওয়েব অ্যাপ্লিকেশন ডিজাইন, অডিও বুঝতে এবং নিরাপত্তা মূল্যায়নে ভালো পারফর্ম করে এবং কিছু গাণিতিক কাজে কিমি এবং ডিপসিককে ছাড়িয়ে যায়।

শুধু সমন্বিত যুক্তিবিদ্যা, প্রোগ্রামিং এবং এজেন্ট ক্ষমতার দিক থেকে দেখলে, এটি বর্তমানে ওপেন মডেলের প্রথম সারির মধ্যে অন্তর্ভুক্ত করা কঠিন।

পারফরম্যান্স সবচেয়ে এগিয়ে যায়নি, মূল্যও কোনও আশ্চর্য দেখায়নি।

টিঙ্কার প্ল্যাটফর্মে, 64K সংস্করণের জন্য প্রতি 1 মিলিয়ন Prefill Token-এর জন্য 1.87 ডলার এবং প্রতি 1 মিলিয়ন Sample Token-এর জন্য 4.68 ডলার শুল্ক নেওয়া হয়। প্রথমটি প্রায় ইনপুট খরচ হিসাবে বোঝা যায়, আর দ্বিতীয়টি প্রায় উত্পাদন খরচ, এবং এটি ইতিমধ্যেই "সীমিত সময়ের জন্য 50% ছাড়"। 256K সংস্করণের দাম বেশি, যথাক্রমে 3.74 ডলার এবং 9.36 ডলার।

প্রতিটি 100 লক্ষ ইনপুট এবং আউটপুট টোকেনের জন্য কিমি K2.6-এর অফিসিয়াল API যথাক্রমে 0.95 ডলার এবং 4 ডলার শুল্ক নেয়, যেখানে GLM5.2-এর জন্য এটি যথাক্রমে 1.4 ডলার এবং 4.4 ডলার।

টিংকার প্রশিক্ষণ এবং নমুনা সেবা উভয়ই প্রদান করে, যা সাধারণ মডেল API-এর সাথে সম্পূর্ণরূপে একই বিলিং মাপকাঠি অনুসরণ করে না। তবে উপরের মূল্যের সাথে প্রায় তুলনা করলে, ইন্কলিং-এর প্রি-ফিলিং মূল্য Kimi K2.6-এর দ্বিগুণের কাছাকাছি, এবং জেনারেশন মূল্যও Kimi K2.6 এবং GLM5.2-এর চেয়ে বেশি, যা এখনও মূল্যের সুবিধা প্রদর্শন করছে না।

তাই, Thinking Machines-এর প্রথম মডেলটি একটি কিছুটা সূক্ষ্ম পরিস্থিতি প্রদর্শন করে: আর্কিটেকচার DeepSeek-এর সাথে রেফারেন্স করে, পোস্ট-ট্রেনিং Kimi-এর সহায়তা নেয়, কিন্তু সমগ্র পারফরম্যান্স চীনের শীর্ষস্থানীয় ওপেন মডেলগুলির চেয়ে বেশি হয়নি, এবং ব্যবহারের দামও বেশি।

মুরাতির বিকল্প

মুরাটি এবং থিংকিং মেশিনসের পটভূমি বিবেচনা করলে, এই বাছাই আরও গভীর অর্থ বহন করে।

যদি Inkling একটি সাধারণ AI স্টার্টআপ থেকে আসত, যেখানে DeepSeek এর প্রভাব এবং Kimi দ্বারা প্রশিক্ষিত হত, তাহলে এটি এতটাই আকর্ষণীয় হত না। কিন্তু এটি ঠিক তখনই আসছে Thinking Machines থেকে—যে কোম্পানিটিকে প্রায় একটি “OpenAI অ্যালুমনাই” বলা যায়।

২০২৫ সালের ফেব্রুয়ারিতে, থিংকিং মেশিনস আনুষ্ঠানিকভাবে চালু হওয়ার সময় দলটিতে মাত্র প্রায় ৩০ জন ছিল, যার প্রায় দুই-তৃতীয়াংশ ছিল OpenAI থেকে, বাকি সদস্যদের প্রধানত Meta এবং Mistral থেকে আসা।

প্রতিষ্ঠাতা দলে অ্যাপেনএআইয়ের সহ-প্রতিষ্ঠাতা জন শুলম্যান, অ্যাপেনএআইয়ের পূর্ব গবেষণা উপাধ্যক্ষ ব্যারেট জোফ, এবং লিলিয়ান ওয়েং, অ্যান্ড্রু টুলোচ এবং লুক মেটজের মতো গবেষকরা অন্তর্ভুক্ত ছিলেন।

এই ব্যক্তিদের মধ্যে কেউ কেউ ওপেনএআই-এর রিইনফোর্সমেন্ট লার্নিং, পোস্ট-ট্রেনিং, প্রিট্রেনিং, সিকিউরিটি এবং ইনফারেন্স গবেষণায় অংশগ্রহণ করেছিলেন। তখন রয়টার্স সরাসরি বলেছিল যে, মুরাটি তার আগের কোম্পানি থেকে কমপক্ষে ২০ জন গবেষককে নিয়ে এসেছিলেন।

এই ওপেনএআই প্রাক্তন শিক্ষার্থীদের মধ্যে মুরাটি অবশ্যই সবচেয়ে বিশেষ।

তিনি 2018 সালে ওপেনএআই-এ যোগ দেন, যেখানে তিনি ড্যাল-ই, কোডেক্স, চ্যাটজিপিটি এবং সোরা সহ বিভিন্ন পণ্যে কাজ করেন। 2022 সালে তিনি প্রধান প্রযুক্তি অফিসারের পদে উন্নীত হন, যেখানে তিনি গবেষণা, মডেল প্রশিক্ষণ, নিরাপত্তা এবং পণ্য বাস্তবায়নের সমন্বয় করেন।

2023 সালের নভেম্বরে, ওপেনএআইয়ের বোর্ড স্যাম আলটম্যানকে হঠাৎ পদচ্যুত করার পরে, মুরাটি অস্থায়ী সিইও হিসেবেও দায়িত্ব পালন করেছিলেন। তাঁর ভূমিকা বেশি ছিল প্রযুক্তি এবং পণ্যের সামগ্রিক পরিচালকের, যিনি ওপেনএআইয়ের মডেল গবেষণা প্রক্রিয়া এবং পণ্যকরণের পথের সম্পূর্ণ বোঝাপড়া রাখেন।

অন্যভাবে বললে, থিংকিং মেশিনস প্রতিষ্ঠার সময় থেকেই ওপেনএআই-এর অভিজ্ঞতা অভাবে পড়েনি।

মুরাতি এবং তাঁর দল জানেন কিভাবে একটি শীর্ষস্থানীয় বন্ধ সোর্স প্রযুক্তি প্রতিষ্ঠান মডেল তৈরি করে, এবং ChatGPT-এর গবেষণামূলক ফলাফল থেকে বিশ্বব্যাপী পণ্যে পরিণত হওয়ার প্রক্রিয়াটি তাঁরা নিজেদের চোখে দেখেছেন। যখন এই দলটি OpenAI ছেড়ে নিজেদের নিজস্ব প্রযুক্তি ব্যবস্থা শূন্য থেকে গড়ে তুলল, তখন বাইরের লোকেরা স্বাভাবিকভাবেই তাদের OpenAI-এর ছাপযুক্ত একটি পথ দেখতে চাইল।

ফলাফলস্বরূপ, ইন্কলিংয়ের সবচেয়ে স্পষ্ট প্রযুক্তিগত উৎস চীনের দিকে ইঙ্গিত করে। এটি সহজেই একটি নাটকীয় সংকেত হিসাবে বুঝা যেতে পারে—OpenAI-এর সবচেয়ে ভালোভাবে পরিচিত ব্যক্তিদের একটি দল OpenAI ছেড়ে চীনা মডেলের প্রযুক্তিগত ব্লুপ্রিন্টের দিকে চলে গেল।

তবে, এই উপসংহারটিকে আলাদা আলাদা ভাবে দেখা প্রয়োজন।

গত কয়েক বছরে ওপেনএআইয়ের সমস্ত অগ্রণী মডেল বন্ধ সোর্স পথে বিকাশ করা হয়েছে, বাইরের কেউ মডেলের ওজন পায় না, এবং পূর্ণাঙ্গ আর্কিটেকচার, ট্রেনিং ডেটা এবং পোস্ট-ট্রেনিং পদ্ধতি সম্পর্কেও জানতে পারে না। মুরাটি যদিও ওপেনএআইয়ের অভ্যন্তরীণ প্রযুক্তির সাথে পরিচিত, তবুও তিনি তাঁর আগের কোম্পানির বাণিজ্যিক গোপনীয়তা সরাসরি নতুন কোম্পানিতে স্থানান্তরিত করতে পারবেন না। ডিপসিক এবং কিমি তাদের ওজন বা প্রযুক্তিগত রিপোর্টগুলি প্রকাশ করেছে, যাতে আর্কিটেকচার, ট্রেনিং পদ্ধতি এবং টুলচেইনগুলি আইনগতভাবে অধ্যয়ন এবং পুনঃব্যবহারযোগ্য।

ইনক্লিং নিজেই একটি ওপেন ওয়েট মডেল। একটি ওপেন মডেল ইকোসিস্টেম গড়ে তোলার ইচ্ছা রাখা কোম্পানির জন্য, ডিপসিক, কিমি ইত্যাদি ওপেন মডেলগুলি থেকে পরিপক্ক সমাধানগুলি গ্রহণ করা হল যুক্তিসঙ্গত প্রকৌশলগত বাছাই।

আজ একটি ওপেন মডেল ডেভেলপ করা হচ্ছে, যা চীনা টিম যা প্রকাশ করেছে তার থেকে সম্পূর্ণভাবে এড়িয়ে চলে, ফলে ভুল এবং পরীক্ষার খরচ বেশি হয়।

সুতরাং, ইংকলিংয়ের চীনা মডেল থেকে অনুপ্রাণিত হওয়া মুরাটির মতে ডিপসিকের প্রযুক্তি ওপেনএআই-এর চেয়ে সম্পূর্ণভাবে এগিয়ে আছে তা প্রমাণ করে না। উভয়ের প্রকাশের মাত্রা ভিন্ন এবং অনুকরণের জন্য উপলব্ধ শর্তাবলীও সম্পূর্ণভাবে ভিন্ন।

কিন্তু এটি একটি স্পষ্ট সংকেত প্রেরণ করেছে: অন্তত ওপেন ওয়েট ক্ষেত্রে, চীনা মডেলগুলি এখন মার্কিন AI দলগুলির জন্য একটি গুরুত্বপূর্ণ রেফারেন্স ফ্রেমওয়ার্ক হয়ে উঠেছে।

সুতরাং, চীনা মডেলের উপর ভিত্তি করে কাজ করা ব্যাখ্যা করা কঠিন নয়। প্রকৃতপক্ষে উত্তর দেওয়ার প্রয়োজন হওয়া প্রশ্নটি হল: থিঙ্কিং মেশিনস প্রস্তুত আর্কিটেকচার এবং প্রশিক্ষণের অভিজ্ঞতা গ্রহণ করল, তবুও Inkling-এর পারফরম্যান্স কেন কম এবং মূল্য কেন বেশি?

মুরাটির শীর্ষ দল, পর্যাপ্ত অর্থ এবং নভেডিয়ার সর্বশেষ ট্রেনিং সিস্টেম রয়েছে। ইন্কলিং এবং চীনা মডেলগুলির মধ্যে পারফরম্যান্স এবং মূল্যের পার্থক্য তিনি দেখতে পাচ্ছেন না এমন কোনো কারণ নেই।

এই কারণে, "মহান প্রতিস্থাপন" সম্ভবত একটি গণনাকৃত পছন্দ।

"সাধারণ", এটাই যথেষ্ট

থিঙ্কিং মেশিনস যে প্রতিক্রিয়া পেয়েছে তার ভিত্তিতে, ইন্কলিং শুধুমাত্র একটি "পর্যাপ্ত" মডেল হওয়া উচিত ছিল না।

২০২৫ সালের জুলাইয়ে, কোম্পানিটি কোনো পণ্য চালু না করেই ২০ বিলিয়ন ডলারের বীজ ফান্ডিং সম্পন্ন করে এবং এর মূল্যায়ন ১২০ বিলিয়ন ডলারে পৌঁছায়, যার মধ্যে অ্যান্ডারসন হলোভিটজ, নভিডিয়া, AMD এবং জ্যানস্ট্রিটসহ বিভিন্ন বিনিয়োগকারী অন্তর্ভুক্ত। চার মাস পর, Thinking Machines-এর নতুন ফান্ডিংয়ের আলোচনা শুরু হয়, যার লক্ষ্য ৫০০ বিলিয়ন ডলারের মূল্যায়ন, যদিও চূড়ান্ত চুক্তি ঘোষণা করা হয়নি, তবে বাইরের বিশ্ব এটিকে OpenAI এবং Anthropic-এর সম্ভাব্য প্রতিদ্বন্দ্বী হিসেবে দেখছে।

অতএব, যখন ইংকলিং চীনা মডেলের চেয়ে কম পারফর্মেন্স বিশিষ্ট এবং বেশি দামের একটি পণ্য নিয়ে আসে, তখন এটি অপেক্ষার চেয়ে কম মনে হয়।

ব্যবসায়িক দৃষ্টিকোণ থেকে, মুরাটি সম্ভবত শুরু থেকেই এটি দিয়ে বেঞ্চমার্ক পরীক্ষায় প্রথম স্থান অর্জনের পরিকল্পনা করেননি।

থিঙ্কিং মেশিনস কোম্পানি ওপেন ওয়েট, মাল্টিমোডাল ক্ষমতা এবং কাস্টমাইজেশনের উপর জোর দেয়, এবং প্রতিষ্ঠানগুলিকে Tinker ব্যবহার করে Inkling-কে কাস্টমাইজ করে কাস্টমার সার্ভিস, প্রোগ্রামিং সহায়ক, শিল্প-বিশেষায়িত এজেন্ট ইত্যাদি মডেলে রূপান্তরিত করতে আহ্বান জানায়। মুরাটি যে বাজি ধরেছেন, সেখানে বেঞ্চমার্ক পরীক্ষায় প্রথম স্থান অধিকারের চেয়ে প্রতিষ্ঠানগুলির জন্য বেশি গুরুত্বপূর্ণ—মডেলটি প্রাইভেটি ডিপ্লয়মেন্টযোগ্য, ডেটা নিয়ন্ত্রণযোগ্য, এবং তাদের ব্যবসার অনুযায়ী আরও ট্রেইনিংয়ের সক্ষমতা।

এর আগে, এই ধরনের চাহিদার বড় একটি অংশ চীনা ওপেন মডেলগুলি ধরে নিয়েছিল।

মার্কিন যুক্তরাষ্ট্রের OpenAI এবং Anthropic দীর্ঘদিন ধরে বন্ধ সোর্স অনুসরণ করে আসছে, এবং Meta-এর Llama 4 যখন প্রত্যাশার চেয়ে কম পারফর্ম করল, তখন তারা খোলা পথের দিকেও ধীরে ধীরে ফিরে আসছে। একইসময়ে, DeepSeek, Kimi, Qwen এবং GLM নিয়মিতভাবে ওজন খুলে রাখছে, এবং তাদের পারফরম্যান্স ধীরে ধীরে মার্কিন বন্ধ সোর্স মডেলগুলির কাছাকাছি চলে আসছে, যখন মূল্য অনেক কম।

মার্কিন কোম্পানিগুলি শীঘ্রই পায়ে ভোট দিয়েছে।

OpenRouter-এর কাছ থেকে CNBC-কে প্রদানকৃত তথ্য অনুযায়ী, 2026 সালের ফেব্রুয়ারি থেকে, চীনা মডেলগুলি এই প্ল্যাটফর্মের মাধ্যমে মার্কিন কোম্পানিগুলি দ্বারা ব্যবহৃত টোকেনের সপ্তাহিক অংশের মধ্যে 30% এর বেশি অধিকার করেছে, যা সর্বোচ্চ 46% পর্যন্ত পৌঁছেছে। 2025 সালের প্রথম অর্ধেকের গড় অংশ মাত্র 4.5% ছিল।

কার্সর কম্পোজার 2 উন্নয়নের সময় বিভিন্ন বেস মডেল পরীক্ষা করে চূড়ান্তভাবে Kimi K2.5 বেছে নেয়, কারণ এটি মূল্যায়নে সবচেয়ে শক্তিশালী পারফর্ম করেছিল। ব্রিজওয়াটার ফান্ড এলিবাবা-এর Qwen-কে Tinker-এর মাধ্যমে ফাইন-টিউন করে একটি কাস্টমাইজড মডেল তৈরি করে, যা কম খরচে কিছু শীর্ষস্থানীয় বন্ধ সোর্স মডেলকে ছাড়িয়ে যায়।

চীনা ওপেন মডেল এখন মার্কিন কোম্পানিগুলিকে এআই খরচ কমানোর একটি সহজ পথ হয়ে উঠেছে। তবে, এই পথটি এখন চাপের মুখে।

এর সমান্তরালে, মার্কিন যুক্তরাষ্ট্রে চীনা এআই মডেলগুলির প্রতি নিয়ন্ত্রণের পরিবেশ কঠোর হয়ে উঠছে। সংশ্লিষ্ট বিভাগগুলি ডেটা নিরাপত্তা, মডেলের উৎস এবং সরবরাহ শৃঙ্খলের ঝুঁকি নিয়ে সতর্কবার্তা জারি করেছে, এবং চীনা মডেল ব্যবহারকারী কিছু কোম্পানিকে তদন্তের সম্মুখীন হতে হয়েছে। যদিও এখনও একটি এককীকৃত সীমাবদ্ধতা গঠিত হয়নি, নীতিগত অনিশ্চয়তা ইতিমধ্যেই কোম্পানিগুলির পছন্দকে প্রভাবিত করছে, বিশেষ করে সরকারি ব্যবসা এবং সংবেদনশীল ডেটা সম্পর্কিত কোম্পানিগুলির।

এটিই Inkling-এর মার্কেট স্পেস।

এটি একটি মার্কিন কোম্পানি দ্বারা বিকশিত, Apache 2.0 লাইসেন্স অনুযায়ী প্রকাশিত, প্রাইভেট ডিপ্লয়মেন্ট এবং কাস্টমাইজেশনকে সমর্থন করে এমন একটি ওপেন ওয়েট মডেল। মার্কিন ব্যবসাগুলি চীনা মডেল ব্যবহারের কারণে রাজনৈতিক বিবাদের চিন্তা ছাড়াই এটি ব্যবহার করে, এবং সরকারি গ্রাহকদের এবং বড় কোম্পানিগুলির কমপ্লায়েন্স রিভিউ পার করা সহজতর।

Inkling-এর প্রকৃত মূল্য এই সামঞ্জস্যপূর্ণ নিশ্চয়তার মধ্যে রয়েছে।

মুরাতি স্পষ্টভাবে এই গঠনাধীন ফাঁকটি দেখেছিলেন।

থিংকিং মেশিনস ডিপসিক এবং কিমির পাবলিক ফলাফলগুলি শোষণ করে এবং এগুলিকে একটি মার্কিন কোম্পানি দ্বারা প্রদানকৃত মডেলে রূপান্তরিত করে। ইন্কলিংকের সমস্ত বেঞ্চমার্ক পরীক্ষায় চীনা মডেলগুলিকে পরাজিত করার প্রয়োজন নেই, শুধুমাত্র চীনা মডেলগুলি ব্যবহার করতে অস্বীকার করছে এমন মার্কিন কোম্পানিগুলির জন্য এটি গ্রহণযোগ্য বিকল্প হওয়ার প্রয়োজন।

এটি ব্যাখ্যা করে যে কেন এটি আরও ব্যয়বহুল হওয়ার সাহস করেছে। নীতিটি Inkling-এর প্রতিদ্বন্দ্বীদের সীমাবদ্ধ করেছে, যার ফলে পারফরম্যান্স এবং মূল্যের পার্থক্য এতটাই মারাত্মক নয়। কিছু মার্কিন প্রতিষ্ঠানের জন্য, একটি কিছুটা দুর্বল, কিছুটা ব্যয়বহুল কিন্তু ঝুঁকি কম মডেলই যথেষ্ট।

এই দৃষ্টিকোণ থেকে, ইন্কলিং প্রমাণ করে যে মুরাটি ব্যবসা বুঝেন।

তবে, এই ব্যবসার সফলতার খরচ হতে পারে মার্কিন কোম্পানিগুলির উপর।

মার্কিন যুক্তরাষ্ট্রের বাইরের কোম্পানিগুলি এখনও GLM, Kimi এবং DeepSeek ব্যবহার করার স্বাধীনতা রাখতে পারে, যেগুলি শক্তিশালী এবং সস্তা বেস মডেলের উপর পণ্য তৈরি করে; অন্যদিকে, মার্কিন কোম্পানিগুলি সম্ভবত কিছুটা কম কার্যকর এবং বেশি দামের স্থানীয় বিকল্পগুলি গ্রহণ করতে বাধ্য হবে। বেস মডেলের ক্ষমতার ফারাকটি সূক্ষ্ম-সামঞ্জস্যযুক্ত পণ্যগুলিতেও প্রতিফলিত হবে, যা চূড়ান্তভাবে গঠনগত প্রতিযোগিতামূলক অসুবিধা তৈরি করবে।

ওয়াশিংটন আমেরিকান AI কোম্পানিগুলিকে সুরক্ষিত রাখতে সীমাবদ্ধতা চাইছিল, কিন্তু এটি হয়তো ইংকলিংয়ের মতো “মহংগা বিকল্প”-এর জন্য বাজার তৈরি করে দিয়েছে। মুরাটির জন্য, “সাধারণ” এটাই যথেষ্ট। আমেরিকান AI শিল্পের জন্য, এই “যথেষ্ট” মানে খরচ বৃদ্ধি এবং প্রতিযোগিতামূলক ক্ষমতা হ্রাস।