لکھنے والے: چانگآن، شن چاؤ ٹیک فلو
شینچاؤ کا خلاصہ: NEAR AI ٹیم نے 672 شمالی امریکی ٹاپ یونیورسٹی کے طلبہ کے ریاضی کے مقابلے کے سوالات کو ایجینٹ کے ذریعے حل کر لیا۔ کل لاگت تقریباً 111 امریکی ڈالر تھی، جس کا اوسط ہر سوال 0.17 امریکی ڈالر تھا۔ NEAR AI ٹیم نے اس ٹیسٹ کو مکمل کرنے کے لیے چین کے اوپن سورس ماڈل DeepSeek V4 کا استعمال کیا۔ یہ صرف ایک بڑے ماڈل کا ذہنی مقابلہ نہیں تھا؛ اس کے پیچھے ایک ایسی بنیادی ڈھانچہ کی کوشش ہے جو مہنگے اسمارٹ کنٹریکٹس کے “فارمال ویریفکیشن” کو عام لوگوں تک پہنچانے کی کوشش کرتی ہے۔
ایک اوپن سورس کوڈ لائبریری کے ٹیسٹ ڈیٹا نے بڑے ماڈل کے حل کرنے کے اخراجات کا راز کھول دیا۔
ہالی، NEAR Protocol کے ملکہ معاون ایلیکس سکیدانوف اور افسرانی کی طرف سے جاری کردہ ڈیٹا کے مطابق، NEAR AI کا ایجنٹ PutnamBench پر موجود تمام 672 ریاضی کے مسائل حل کر چکا ہے۔
نامعلوم قارئین کے لیے، پٹنام بینچ صرف ایک عام سوالات کا مجموعہ نہیں ہے، بلکہ یہ شمالی امریکا کے بہترین اسٹڈنٹ میتھمیٹکس مقابلے (ویلیم لویل پٹنام) کے سوالات کو فارملائزڈ بنایا گیا ایک بنچ مارک ہے۔
سادہ الفاظ میں، AI کو سخت ریاضیاتی منطق کے ذریعے مسائل حل کرنے کے لیے کہا گیا، اور اس نے خود کار طور پر تمام مسائل حل کر لیے۔ تمام حل کرنے میں NEAR AI نے تقریباً 111.85 امریکی ڈالر خرچ کیے۔ اوسطاً، ہر سوال کی لاگت 0.17 امریکی ڈالر تھی۔
دوسرے مکمل نمبر حاصل کرنے والے منصوبوں کے بل بہت زیادہ ہوتے ہیں۔
MSBIntel کی طرف سے تیار کردہ ڈیٹا کے مطابق، OpenAI کے GPT-5.6 کا استعمال کرتے ہوئے ایک سوال کی اوسط لاگت 44.5 امریکی ڈالر تک پہنچ جاتی ہے؛ Anthropic کے Claude Opus 5 کا استعمال کرتے ہوئے ہر سوال کی لاگت 3.52 امریکی ڈالر ہوتی ہے۔
اس خاص ٹیسٹ میں، NEAR نے DeepSeek V4 کے حل کو اپنایا اور لاگت کو GPT-5.6 کی دو سو پچاسویں حصے تک کم کر دیا۔
پبلک بلوکچین میں ریاضی کے سوالات حل کریں، شراب پینے کا مقصد نہیں بلکہ مزہ لینا ہے
پبلک چین ٹیم ریاضی کے مسائل حل کرنے میں مہارت حاصل کرتی ہے، جس کا مقصد تعلیمی بازار نہیں ہے۔
PutnamBench ٹیسٹ کی بنیادی ضرورت یہ ہے کہ ماشین قابل تصدیق ہو: AI کی طرف سے پیدا کیا گیا صرف ایک متن کا جواب نہیں ہونا چاہئے، بلکہ اسے Lean 4 (ایک مقبول ثبوت مددگار زبان) کا استعمال کرتے ہوئے سخت ثبوت کوڈ لکھنا چاہئے۔
اس کوڈ میں کوئی سینٹیکس کمزوری نہیں ہونی چاہیے، استدلال کے مراحل کو نہیں چھوڑا جانا چاہیے، اور اسے مشین کے ذریعے 100% تصدیق کی جانی چاہیے۔ اس کے علاوہ، یہ کمپیوٹر سائنس کے شعبے میں ایک اہم ٹیکنالوجی ہے جسے فارمل ویریفکیشن کہا جاتا ہے۔
اور متعلقہ طور پر کرپٹو صنعت کے ساتھ، اسمارٹ کنٹریکٹس پر کروڑوں اور اربوں امریکی ڈالر کی رقم موقوف ہے۔ روایتی کوڈ آڈٹ میں لوگوں کو خامیاں تلاش کرنے کے لیے انسانی تلاش کی ضرورت ہوتی ہے، جبکہ فارمل ویریفیکیشن میں سخت ریاضیاتی منطق کا استعمال کرتے ہوئے کوڈ کو ہر ممکنہ حالت میں غلط نہ ہونے کے لیے ایک ایک لائن سے ثابت کیا جاتا ہے۔
طویل عرصے سے، فارمال ویریفیکیشن کا مہلک خاکہ اس کی مہنگائی اور سستی ہے۔ اس کے لیے بہترین سیکیورٹی ماہرین اور لمبے دور درکار ہوتے ہیں، جو عام طور پر صرف اچھی طرح سے مالی طور پر تقویت یافتہ ٹاپ پراجیکٹس ہی برداشت کر سکتے ہیں۔
NEAR AI کے اس ٹیسٹ نے اوپن سورس AI ماڈلز کا استعمال کرتے ہوئے قابل اعتماد ریاضیاتی ثبوت کو بڑے پیمانے پر تیار کرنے کی ممکنہ صلاحیت کو ثابت کیا ہے، اور اس کی کم لاگت کو بھی تصدیق کیا ہے۔
آن-چین سیکیورٹی کا عام لوگوں کے لیے بنیادی ڈھانچہ
NEAR جو اصل کاروبار کر رہا ہے، وہ فارمل ویریفیکیشن کی شرح کو کچھ دہائیوں تک کم کرنا ہے۔
اب تک، یہ کوڈ جو DeepSeek اور Lean 4 کو جوڑتا ہے، مکمل طور پر اوپن سورس ہو چکا ہے۔ NEAR کی آفیشل اگلی رہنمائی یہ ہے کہ وہ اس کم لاگت والے ٹولز کو NEAR پروٹوکول اور اس کے مرکزی اسمارٹ کنٹریکٹس کی محفوظ تصدیق پر فوری طور پر لاگو کریں۔
تو، آپ اسے ٹیکنالوجی کی ڈیلیوری کے طور پر سمجھ سکتے ہیں، یا زیادہ عام طور پر، پراجیکٹ ٹیم کا AI کے نریٹیو سے متعلق کام کرنا۔
اگر اوپن سورس AI ماشین کے لیے تصدیق شدہ کوڈ سیکیورٹی ثبوت کا مستقل پیداوار کر سکے، تو مستقبل میں عام ڈویلپرز اور چھوٹے پروجیکٹ ٹیمیں بھی کنٹریکٹ ڈپلوی کرنے سے پہلے صرف کچھ سینٹس کے خرچ پر فارمل ویریفیکیشن چلا سکیں گی، جس سے اسمارٹ کنٹریکٹس کے مسائل کا احتمال کم ہو جائے گا۔
تاہم، اس کا NEAR ٹوکن کی مختصر مدتی قیمتی میں تبدیلی سے کوئی ب без رابطہ نہیں۔ لیکن پبلک چین ایکوسسٹم کی بنیادی مقابلے میں، دہائیوں کے ڈالروں کا استعمال خطرات کو دور کرنا، لاکھوں ڈالروں کے نقصان کو بعد میں دور کرنے کے مقابلے میں زیادہ اصلی تجارتی قیمت رکھتا ہے۔