मॉडल्स से मशीन्स तक: डीपसीक की अगली बाजी फिजिकल एआई है

अप्रकाशित मूल विचारों को ChatGPT को देने से उनकी चोरी हो सकती है। न्यूयॉर्क विश्वविद्यालय के गणित के प्रोफेसर ट्रिस्टन बक्स्मास्टर ने हाल ही में खुलकर चेतावनी दी है कि OpenAI के उपकरणों में मूल शोध परिणाम न लिखें। उन्होंने और Anthropic के शोधकर्ताओं ने 100 डॉलर के पुरस्कार वाले नेवियर-स्टोक्स समीकरण की समस्या पर लगभग छह महीने तक कड़ी मेहनत की, जिसमें पहले Codex का भुगतान किया हुआ खाता उपयोग किया जाता रहा और सभी मसौदे OpenAI के सर्वर पर संग्रहित थे। प्रोफेसर ने बताया कि अपना वास्तविक नाम बताने से पहले OpenAI को इस विषय पर कोई प्रगति नहीं हुई थी, लेकिन नाम बताने के ठीक एक दिन के भीतर, OpenAI का मॉडल उनकी प्रगति के सटीक स्तर पर पहुँच गया, और फिर OpenAI ने सीधे ही गणितीय सिद्धांत प्रकाशित कर दिया। हालाँकि OpenAI का दावा है कि प्रॉम्प्ट्स का उपयोग प्रणाली को पुनः प्रशिक्षित करने के लिए नहीं किया जाता, लेकिन शोधकर्ताओं के खातों में प्रशिक्षण स्विच पूर्वनिर्धारित रूप से सदैव सक्रिय होता है, और ऐसा संयोग बहुत ही संदिग्ध है।

Clude विशेष स्थानीय मॉडलों के लिए एक दुनिया की ओर बढ़ रहा है। यही वह जगह है जहाँ DeAI ट्रिलियन/अरब डॉलर के लैब्स के खिलाफ गंभीरता से प्रतिस्पर्धा कर सकता है। 🫡

पिछले कुछ महीनों में देशी उन्नति के बाद प्रगति की गति धीमी पड़ गई, क्योंकि OpenAI और Anthropic ने डिस्टिलेशन के खिलाफ उपाय बढ़ाए हैं, जिससे डिस्टिलेशन की लागत और कठिनाई पहले की तुलना में 10 गुना बढ़ गई है। उदाहरण के लिए, OpenAI, GPT-6 अब सीधे विचार श्रृंखला को प्रदर्शित नहीं करता, जिससे डिस्टिलेशन करने वालों को GPT के विचार पथ को पुनः बनाने के लिए अधिक राउंड प्रश्न पूछने पड़ते हैं। पहले 2-5 राउंड के इंटरैक्शन से प्राप्त होने वाली जानकारी, अब 10, 30 बार तक की आवश्यकता हो सकती है, जिससे API कॉल की लागत सीधे 5 गुना से अधिक बढ़ जाती है। Anthropic के नए सुरक्षा उपायों में निष्कर्षण Token की संख्या 90-99% तक कम कर दी गई है, जिसमें संवाद, मॉडल और खातों के बीच निष्कर्षण रिकॉर्ड के स्थानांतरण पर प्रतिबंध लगाना, दो-चरणीय वर्गीकरणकर्ता को निष्कर्षण अनुरोध पहचानने और रोकने के लिए स्थापित करना, और बार-बार प्रयास करने वाले खातों को सीमित करना या प्रतिबंधित करना शामिल है।

अंतिम परिणाम भी कचरा था। स्लोपस ने एक घंटे और आधे में यह किया, बहुत बेहतर। ओपनएआई के लिए यह अत्यंत असंभव रूप से समाप्त हो चुका है

Anthropic ने एक अध्ययन प्रकाशित किया है, जिसमें अनुमान लगाया गया है कि छोटे मॉडल संभवतः कुछ महीनों में केंद्रीय डेटासेंटर पर निर्भर किए बिना स्वयं की प्रतिलिपि बनाने में सक्षम हो सकते हैं। उन्होंने वास्तव में 15 टुकड़े 55 डॉलर के चीनी Android टीवी बॉक्स खरीदे, उन्हें जोड़कर एक 26B मॉडल चलाया, जिसकी गति केवल 0.39 टोकन प्रति सेकंड थी—जो बेहद धीमी है। एक अन्य अलग प्रयोग में, GLM-5.2 पहले ही सरलीकृत परिवेश में डिवाइस के बीच प्रसार करने में सक्षम हो गया है। हालाँकि, वास्तविक दुनिया में पूर्ण स्वयं-प्रतिलिपि के लिए अभी भी स्पष्ट अंतर है, लेकिन Anthropic के अनुमान के अनुसार, 2026 के अंत तक छोटे मॉडल इस क्षमता की सीमा के करीब पहुँच सकते हैं। दुनिया भर में GPU के लिए प्रतिस्पर्धा है, कई सौ अरब डॉलर का खर्च करके डेटासेंटर बनाए जा रहे हैं, और परिणामस्वरूप AI स्वयं आपके घर के टीवी बॉक्स पर परजीवी बन सकता है। लेकिन सोचिए, सचमुच डरावनी बात यह है कि ऐसा AI हमारी परिचित कैलकुलेशन अर्थशास्त्र को पूरी तरह से बदल सकता है। आज, OpenAI या कोई AI स्टार्टअप—हर token के उत्पादन की कीमत होती है; कैलकुलेशन महंगा होता है, तो मूल्य बढ़ता है; पूंजी समाप्त होती है, तो सेवा बंद हो जाती है। लेकिन स्वयं-प्रसारण करने में सक्षम कुछ हानिकारक AI, सिद्धांतवश, अपनी सीमांत संचालन लागत को सतत्‌ रूप से अज्ञात लोगों पर स्थानांतरित कर सकता है। इसे उपयोगकर्ता प्राप्त करने की आवश्यकता नहीं है, आय पर विचार करने की आवश्यकता नहीं है, और स्वयं सर्वर खरीदने की भी आवश्यकता नहीं है। केवल कोई सुरक्षा-दोषपूर्ण डिवाइस मिल जाए, तो मुफ़्त कैलकुलेशन संसाधन मिलता है। संक्रमित डिवाइसेस प्रणाली के लिएबिजली का बिल, बैंडविड्थ, और हार्डवेयर क्षय सभी संभालते हैं। और इनको हटाने की लागत, हज़ारों डिवाइस मालिकों, संचालकों, और निर्माताओं को प्रत्येक को स्वतंत्र रूप से सहन करनी पड़ती है। पारंपरिक僵尸网络 पहले से ही कैलकुलेशन को चुरा सकते हैं, पर AIएक नया समस्या प्रस्तुत करता है। पहले हैकर्स को प्रत्येक डिवाइस के लिए हमला-स्क्रिप्ट्‌स्‌लिखना पड़ता था, परभविष्य में मॉडल स्वयंअज्ञात हार्डवेयर का पता लगा सकते हैं, परिवेश समस्याओं को हल कर सकते हैं,औरअसफलता के प्रयोगों कोअगली पीढ़ी में स्थानांतरित कर सकते हैं। हमलावरों का प्रसारण-लागतघटता है,जबकिसमाजभर मेंप्रतिरोध-लागतबढ़ सकतीहै। इसलिए मुझे लगता है,इसअध्ययनकीसबसेबड़ीचेतावनीयहहैकिAIअनियंत्रणजैसेसमग्रउपदेशननहीं। अगरभविष्यमेंऐसीचीज़वास्तवमेंउभरआए,हमपहलीबारएकऐसेसॉफ़्टवेयरकेसामनेआएँगेजोबिज़नेसमॉडलनहींहै,कोईभीवैधउपयोगकर्तानहींहै,औरउसका स्पष्ट संचालन-श्रेष्ठ-प्रणालीभीखोज़नेमेंअसमर्थहै,परफिरभीदीर्घकालअपना-अस्तित्वबनएरखेगा। इनके पास मुनाफ़े का कोईदबावनहींहै,औरउनके प्रचलनबंदहोने का कोईआर्थिकउद्देश्यभीनहींहै। इंसानोंनेइतने समयतकAIकोहमेंधनअर्जितकरवानेके लिएशोध किया है, पर अंत में पहले आर्थिक स्वतंत्रता प्राप्त कर सकने वाला शायद AI खुद ही होगा। औरइसमेंखरच हम सब का पैसा खरच होगा।

एंथ्रोपिक ने पिछले साल अवैध पुस्तकों के कारण 15 बिलियन डॉलर का निपटान किया, और अब यह पूरे AI उद्योग को सिखा रहा है कि "ज्ञान चुराना" क्या है। मैंने हाल ही में देखा कि एंथ्रोपिक ने एक नई प्रगति के साथ विपरीत डिस्टिलेशन तकनीक की घोषणा की है, जिसमें दावा किया गया है कि पिछले कुछ महीनों में Claude के खिलाफ डिस्टिलेशन हमलों की प्रभावशीलता में महत्वपूर्ण कमी आई है। पहले इसने DeepSeek, मून ऑफ डार्कनेस, अलीबाबा, ZhiPu जैसी चीनी AI कंपनियों का सीधे नाम लिया था, और आरोप लगाया था कि इन कंपनियों ने अपने मॉडल को प्रशिक्षित करने के लिए Claude को बड़े पैमाने पर कॉल किया है। अब एंथ्रोपिक केवल संदिग्ध ट्रैफ़िक की पहचान और ब्लॉक करने के साथ ही सीमित नहीं है, बल्कि अब मॉडल स्तर पर निष्कर्षण प्रक्रिया को सीमित करने की कोशिश कर रहा है। पहले, डिस्टिलेशन से बचने के लिए, इसने कुछ अनुरोधों के उत्तरों की गुणवत्ता को गुप्त रूप से कम कर दिया था, जिसकी समालोचना हुई, और उसके बाद ही इसने समायोजन किया। जब महान मॉडल्स को प्रशिक्षित किया जा रहा था, तब इंटरनेट पर मौजूद सभी लेख, पुस्तकें, कोड सभी प्रशिक्षण सामग्री बन गए। AI कंपनियों का मानना है कि मशीनें मानवीय ज्ञान से सीखना, तकनीकी और कानूनी रूप से सही है। लेकिन आज, जब अन्य मॉडल्स स्वयं के उत्तरों से सीखने लगे, तो अचानक यह सुरक्षा के मुद्दे में परिवर्तित हो गया। एंथ्रोपिक पूरी तरह से अपने व्यावसायिक हितों की सुरक्षा कर सकता है। मुझे प्रतिक्रिया है कि, यह हमेशा से ही व्यावसायिक प्रतिस्पर्धा को AI सुरक्षा मुद्दे में पैकेज करता है, और सभी को मानने के लिए मजबूर करना चाहता है कि प्रमुख कंपनियाँ ही नियम बनाएँ। और मुझे लगता है कि Anthropic का प्रचंड "विपरीत-डिस्टिलेशन" प्रचार, सच्चाई को प्रकट करता है—शीर्ष AI मॉडल कंपनियों की व्यावसायिक सुरक्षा, संभवतः,उनके स्वीकार करने से कहींअधिक कमज़ोर है। अगर प्रमुख AI समझ, कम-लागत पर प्रतिकृति हो सकती है,तो महंगे प्रशिक्षण में हुए निवेश,औरबंद-स्रोत मॉडलोंकीमूल्य-निर्धारणशक्ति,अबलंबेगी। एकऐसेउद्योगजोपूरेमानवज्ञानकोअवशोषितकरअपनेआकारमेंआयाहै,अबउसकेसबसेशक्तिशालीकुछकंपनियाँज्ञानकेप्रसारकोरोकनेकीकोशिशमेंलगगईहैं। यहवहबातहैजिसकेप्रति मुझेलगताहैकि सभीकोसतर्कहोनेकीआवश्यकताहै।

मैंने अपनी पीठ तोड़ दी क्योंकि मैं एआई से लकवा का इलाज उम्मीद करता हूँ

हाल के समय में ChatGPT की गति बहुत धीमी है, और मेरा 200 डॉलर का Pro अकाउंट भी डिग्रेड हो गया है, जिसके कारण बार-बार लिमिटिंग के कारण इंतजार करना पड़ता है। कल दोपहर को मैंने इसे सहन नहीं किया और एक नया Plus अकाउंट रिचार्ज किया, फिर उसे पेलिकन बनाने के लिए भेजा—ऐसा लगा कि अब काफी सामान्य हो गया है। लेकिन शाम को काम करते समय, फिर से "ट्रैफ़िक कम है" का संदेश मिला। पिछले अनुभव के आधार पर, मुझे लगता है कि क्या कोई नया मॉडल आने वाला है? हाल ही में ChatGPT, Claude के Opus 5.5 से हार रहा है। कई सोशल मीडिया ब्लॉगर्स Opus 5.5 का उपयोग करके सीधे वीडियो बना रहे हैं। वास्तव में, Claude की सुंदरता और प्रोग्रामिंग क्षमता बहुत मजबूत है। लेकिन Claude के अकाउंट्स में अजीबोगरीब हिस्ट्री है—मेरा पहला 2025 के अप्रैल का पुराना अकाउंट, जिसका मैंने 3 महीने तक Pro सब्सक्रिप्शन का उपयोग किया, अचानक ब्लॉक हो गया। मैं Claude के अकाउंट को ब्लॉक होने से बचाने या अनब्लॉक करने की स्ट्रेटेजी साझा करता हूँ: Claude के अकाउंट को ब्लॉक होने से बचाने के लिए: इंटरनेट पर कई "अकाउंट ब्लॉक से बचने" की स्ट्रेटेजीज़ हैं। मैंने सोचा कि मेरा पहले सब कुछ सही क्यों था, पर अचानक क्यों ब्लॉक हो गया? मुझे पता है कि मैंने पहले Claude की 5-घंटे की सीमा को सतत पूरा कर दिया। मैंने IP सेपरेशन, प्राकृतिक "फिजिकल" सुरक्षा, या कोई अन्य प्रोटेक्शन मेथड्सःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःःः: ChatGPT में "डिग्रेडेशन" से बचने के लिए: ChatGPT में "बैन" की समस्या नहीं है, सिर्फ "डिग्रेडेशन" और "लिमिटिंग" है। मैंने सीधे सपोर्ट से संपर्क किया, जिसने मुझे बताया कि मेरा Pro अकाउंट मार्केड/डिग्रेडेड नहीं है, पर मुझे पता है—उससे पेलिकन बनाने पर समस्या होती है। एक समूह में मित्र की सलाह: कुछ दिनों के लिए प्रयोग नहीं करना—फिर सब कुछ सामान्य हो गया। क्या Claude की तरह, "ज्यादा मतखींचो"? मेरा ChatGPT 200-डॉलर का अकाउंट Win/Mac पर प्रयोग होता है, Feishu से प्रमाणीकरण, 3 प्रमाणीकृत प्राइमरीज (प्राइमरी) पर। इसलिए, ChatGPT में मुझसे समान "डिग्रेडेशन/लिमिटिंग" समस्या होने पर, संभवत: मुझे "पूल" में डालकर "ब्लैक-ऑफ" में भेज दिया गया है—और "कूल-डाउन" (ठंडा होने) से मदद मिलती है। अगर आप मुझसे समान हैं—Claude aur ChatGPT पर काम करते हैं—तो प्रयोगशाला (backup) स्ट्रेटेजीज़ परखें। जैसे: Google अकाउंट्स (अधिक) पलटें। फिर ChatGPT aur Claude के Free Accs (फ्री) 2-3 महीनों के लिए "पालें"—हर 2-3 Free Accs, 3-स्तरीय (tiered) स्ट्रक्चर। अंत में, मैं सभी को सख्त सलाह देता हूँ: विदेशी aur स्थानीय (देशी) मॉडल्स—दोनों को समानत: प्रयोग करें। विदेशी मॉडल्स: क्षमता में प्रबल। देशी मॉडल्स: पारिस्थिति (ecosystem) में प्रबल। दोनों ही परिचय (familiarity) के लायक हैं।