ریاضی کے ایک سب سے مشکل معیار میں ہر مسئلہ حل کرنے کا عام طور پر لاکھوں امریکی ڈالر کا خرچ آتا ہے۔ NEAR AI نے اسے صرف 111 ڈالر میں حل کر لیا۔
6 ستمبر، 2026 کو، NEAR پروٹوکول کے سہ-بنیادی کارکن ایلیکس اسکیدانوف نے اعلان کیا کہ پروجیکٹ کا اوپن سورس لین ایجنٹ نے پٹنام بینچ بینچ مارک، جو ویلیم لویل پٹنام ریاضیاتی مقابلے سے لی گئی 672 مسائل کو حل کر لیا ہے۔ کل بل: 111 امریکی ڈالر۔ دوسرا سب سے سستا معلوم ارسالی 250 گنا زیادہ لاگتا تھا۔
پٹنم بینچ کیا ہے اور اس کا کیوں اہمیت ہے
پٹنم مقابلہ شمالی امریکہ میں سب سے ماننے والا اندرونی ریاضی مقابلہ ہے۔ نمبر صفر حاصل کرنا، حتیٰ کہ عقلمند طلباء کے درمیان بھی عام بات ہے۔ امتحان آپ کو توڑنے کے لیے ڈیزائن کیا گیا ہے۔
2024 میں متعارف کرائے گئے پٹنام بینچ نے مشکل کی اس روایت کو AI تھیورم پروورز کے لیے ایک فارمل ایوالویشن سوٹ میں تبدیل کر دیا ہے۔ یہ بینچمارک Lean 4 میں کوڈ کیے گئے 672 مسائل پر مشتمل ہے، جو ایک ثبوت مددگار زبان ہے جس میں ریاضیاتی دلائل کو مشین کے ذریعہ تصدیق شدہ درستگی کے ساتھ لکھنا ضروری ہوتا ہے۔ منطقی طور پر غیر دقیق ثبوت کو فوراً مسترد کر دیا جاتا ہے، کوئی جزوی نمبر نہیں۔
NEAR AI کے نتائج سے پہلے، PutnamBench کی کوشش کرنے والے ایجینٹس کو ہر مسئلے کے لیے اکثر ہزاروں انفرنس کالز کی ضرورت ہوتی تھی۔ کمپیوٹ کی لاگت جلد جمع ہو جاتی تھی، جس سے لیڈنگ سسٹمز کے لیے مکمل بینچ مارک کے عمل کی کل خرچہ $10,000 سے $25,000 تک ہو جاتا تھا۔
NEAR AI کا لیان ایجنٹ نے 672 مسائل کے مجموعے کو 111 ڈالر میں مکمل کر لیا۔
کیوں لاگت کا فرق اصل کہانی ہے
ہر مکمل رن کے لیے 10,000 سے 25,000 امریکی ڈالر کی قیمت پر، صرف کچھ ہی تنظیمیں اپنے تھیورم ثابت کرنے والے عمل کو دوبارہ ترتیب دینے، تجربہ کرنے اور بہتر بنانے کے قابل تھیں۔ $111 کی قیمت پر، یہ حساب بالکل الٹ جاتا ہے۔
2025 اور 2026 کے درمیان PutnamBench کے نتائج میں تیزی سے ترقی پہلے ہی بڑے زبان ماڈلز اور Lean کے ثبوت چیکنگ انجن کو جوڑنے والے ایجنٹ ورک فلوز کے ذریعے ہو رہی تھی۔ NEAR AI کا طریقہ یہ پیٹرن کو مزید بڑھاتا ہے، لیکن اس میں ایک ایسا کارآمدی کا لیور جوڑتا ہے جو بینچ مارک کمیونٹی نے پہلے نہیں دیکھا تھا۔
NEAR AI نے اس کامیابی کو ایک وسیع بنیادی ڈھانچے کے تحت موزوں کیا ہے جسے وہ آئرن کلو کہتے ہیں، جو سیکرٹ اور جانچ پڑتال کے قابل AI پر مبنی ایک فریم ورک ہے۔ فارمل ویریفیکیشن کی صلاحیت اسی تصور کے ساتھ براہ راست مطابقت رکھتی ہے: اگر آپ ماشین لیول پر ریاضی کے استدلال کی درستگی ثابت کر سکتے ہیں، تو آپ کے پاس AI سسٹمز کے لیے ایک بنیاد ہوگی جن کے نتائج کو ایمان پر نہیں بلکہ مستقل طور پر آڈٹ کیا جا سکتا ہے۔
NEAR پروٹوکول کا فیصلہ کہ وہ لیان ایجنٹ کو اوپن سورس بنائیں، اس کی اہمیت کو مزید بڑھاتا ہے۔ جو ملکی ٹولز 250x لاگت کا فائدہ فراہم کرتے ہیں، وہ عام طور پر ملکی رہتے ہیں۔ ایجنٹ کو اوپن سورس بنانا اس طریقہ کار کو کسی بھی شخص کے لیے جانچنے، توسیع دینے اور استعمال کرنے کے لیے دستیاب کراتا ہے۔