اوپن اے آئی کے سابق سی ای او موراتی نے ٹھنکنگ مشینز کی بنیاد رکھی، جس نے اپنا پہلا ماڈل Inkling جاری کیا، جو مکسڈ ایکسپرٹ آرکیٹیکچر استعمال کرتا ہے اور 9750 ارب پیرامیٹرز کے ساتھ آتا ہے، جو بنیادی طور پر DeepSeek-V3 آرکیٹیکچر پر مبنی ہے اور اس کی پوسٹ ٹریننگ میں Kimi K2.5 ڈیٹا کا استعمال کیا گیا۔ تاہم، کئی بنچ مارکس میں Inkling کی کارکردگی Kimi اور GLM سے کم ہے، لیکن اس کی استعمال کی قیمت زیادہ ہے—100 لاکھ ٹوکن کے لیے 1.87 سے 4.68 امریکی ڈالر، جو Kimi کے تقریباً دوگنا ہے۔ تھنکنگ مشینز نے 20 ارب ڈالر کا فنڈنگ مکمل کر لیا ہے اور اس کی قیمت 120 ارب ڈالر ہے۔ موراتی کا مقصد مضبوط ترین چینی ماڈلز کے ساتھ مقابلہ کرنا نہیں بلکہ امریکی کمپنیوں کے لیے رگولیٹری عدم یقین کے باعث پیدا ہونے والے کمپلائنس مارکیٹ کو دیکھنا ہے—ایک مناسب کارکردگی، کسٹمائزیشن کی سہولت، اور کم تر کمپلائنس خطرات والے مقامی اوپن ماڈل۔

مضمون کے مصنف، ذریعہ: لیٹر AI

اوپن اے آئی کے سابق سی ای او موراتی نے ایک چینی ماڈل کا مہنگا متبادل بنایا۔

تھنکنگ میشینز نے اپنا پہلا ماڈل Inkling جاری کیا، جس کی مکسڈ ایکسپرٹ آرکیٹیکچر کو بنیادی طور پر DeepSeek-V3 کے ساتھ استعمال کیا گیا ہے، اور پوسٹ-ٹریننگ کے لیے کول اسٹارٹ کے طور پر Kimi K2.5 جیسے اوپن ماڈلز سے تیار کردہ ڈیٹا کا استعمال کیا گیا۔ تاہم، کئی بنچ مارکس میں Inkling، Kimi اور GLM سے پیچھے رہ گیا، جبکہ اس کی کالنگ قیمت زیادہ ہے۔

20 ارب ڈالر کی فنڈنگ اور 120 ارب ڈالر کی قیمت والی ایک ستارہ جیسی کمپنی کے لیے، جس کے ٹیم میں OpenAI کے کئی سابق ملازمین شامل ہیں، یہ نتیجہ کچھ کم توقعات کا ہے۔

لیکن موراتی شاید ابتداء ہی سے انسکلنگ کے ذریعے پہلے نمبر پر پہنچنے کا ارادہ نہیں رکھ رہا تھا۔ جبکہ امریکی کمپنیاں چینی ماڈل کا استعمال کرتے ہوئے زیادہ عدم یقین کا سامنا کر رہی ہیں، ایک اچھی کارکردگی والے، کسٹمائز کے قابل، اور کم مطابقت کے خطرے والے مقامی اوپن ماڈل کا اپنا بازار ہے۔ "قیمتی متبادل" کم مضبوط ہے، لیکن "بازار" کی فکر نہیں۔

مراتی کا پہلا ماڈل، یہی؟

مقامی وقت 15 جولائی کو، Thinking Machines Lab نے اپنی تاسیس کے بعد پہلا ماڈل Inkling جاری کیا۔

صرف کانفیگریشن کو دیکھ کر، یہ ماڈل ایک مشہور AI لیب کے لیے مناسب لگتا ہے۔

انکلنگ مکسڈ ایکسپرٹ آرکیٹیکچر استعمال کرتا ہے، جس کا کل پیرامیٹر کا عدد 9750 ارب ہے، جبکہ ہر ٹوکن کے معالجہ پر 410 ارب پیرامیٹرز فعال ہوتے ہیں؛ پری ٹریننگ کے لیے 45 تریلین ٹوکنز استعمال کیے گئے، جن میں متن، تصاویر، آڈیو اور ویڈیو شامل ہیں، اور یہ 10 لاکھ ٹوکنز تک کے کنٹیکسٹ کو سپورٹ کرتا ہے۔ یہ متن، تصاویر اور آڈیو کو سمجھ سکتا ہے اور نتائج متن کی شکل میں پیش کرتا ہے، ساتھ ہی "سوچ کی شدت" کو تنظیم کرکے پرفارمنس، رفتار اور لاگت کے درمیان توازن بنا سکتا ہے۔

انکلنگ نے ماڈل وزن کو بھی کھول دیا ہے، جو کافی آزاد Apache 2.0 لائسنس کے تحت ہیں۔ ڈیولپرز وزن ڈاؤن لوڈ کر سکتے ہیں، اپنی طرف سے ڈیپلوی کر سکتے ہیں، یا Thinking Machines کے زیر اہتمام Tinker پلیٹ فارم کے ذریعے ماڈل کو فائن ٹیون کر سکتے ہیں۔

کمپنی نے اپنی پوزیشننگ واضح طور پر یہ رکھی ہے: عام صارفین کے لیے ChatGPT کے ساتھ ب без رقابت کرنے کے بجائے، Inkling صرف کاروباری AI ایپلیکیشنز کے لیے ایک بنیاد کے طور پر موزوں ہے۔

تاہم، Inkling کا سب سے زیادہ دلچسپ حصہ ٹیکنیکل رپورٹ کے دوسرے نصف میں چھپا ہوا ہے۔

سوچنے والی مشینز نے ماڈل آرکیٹیکچر کی تفصیل میں براہ راست لکھا ہے کہ Inkling کا مکسڈ ایکسپرٹ ڈیزائن "بنیادی طور پر DeepSeek-V3 کو اپنایا گیا ہے"۔ اس نے بھی بہت سارے ایکسپرٹ ماڈیولز مقرر کیے ہیں، جہاں ہر ٹوکن صرف کچھ کو ہی کال کرتا ہے، اور DeepSeek-V3 کے بغیر مددگار نقصان والے لوڈ بیلنسنگ جیسے ڈیزائنز کو اپنایا ہے۔

چینی ماڈل کا Inkling پر اثر تربیت کے مرحلے تک پھیلا ہوا ہے۔

Thinking Machines نے کہا کہ ٹریننگ کے بعد کے مرحلے کو شروع کرنے کے لیے، کمپنی نے اوپن ویٹ مڈل سے تیار کردہ سنتھیٹک ڈیٹا کا استعمال کرکے ایک دور کی سپروائزڈ فائن ٹیوننگ کی، جس میں مہینے کے اندھیرے کے Kimi K2.5 کا واضح طور پر ذکر کیا گیا۔

ٹیکنیکل راستہ کافی واضح ہے: ایک امریکی لیب جس کی بنیاد OpenAI کے سابق سی ای او نے رکھی، اس کا پہلا ماڈل DeepSeek کے آرکیٹیکچر کو استعمال کرتا ہے اور Kimi کے ذریعہ تیار کردہ ڈیٹا کا استعمال کرکے تربیت شروع کرتا ہے۔

اوپن ماڈل کا استعمال کرنا خود میں کوئی مسئلہ نہیں۔ DeepSeek اور Kimi نے اپنے وزن شائع کیے ہیں اور ڈویلپرز کو استعمال کرنے کی اجازت دی ہے، جبکہ سائنسی تحقیق اور انجینئرنگ ترقی اصل میں شائع شدہ نتائج کے جمع ہونے پر قائم ہے۔ زیادہ الجھن والی بات یہ ہے کہ Inkling نے چینی ماڈلز کی ٹیکنالوجی کو اپنایا، لیکن پھر بھی اس کی کارکردگی ان “اساتذہ” سے زیادہ نہیں ہو سکی۔

تھنکنگ ماشینز نے اس کا کوئی جھُکاؤ نہیں کیا۔ کمپنی نے اپنے اشتہار میں براہ راست تسلیم کیا کہ: “Inkling ابھی تک سب سے زیادہ کارکردگی والی مدل نہیں ہے، چاہے وہ اوپن ماڈل ہو یا بند سورس ماڈل۔”

Thinking Machines کی طرف سے جاری کردہ نتائج کے مطابق،

"انسان کی آخری امتحان" پاکٹ متن جائزے میں، Inkling کو 29.7% حاصل ہوئے، Kimi K2.6 اور GLM 5.2 کو کریب 35.9% اور 40.1% حاصل ہوئے؛

ٹول شامل کرنے کے بعد، Inkling 46% تک پہنچ گیا، جو Kimi K2.6 کے 54% اور GLM 5.2 کے 54.7% سے ابھی بھی کم ہے۔

SWE-Bench Pro میں جہاں حقیقی سافٹ ویئر انجینئرنگ کی صلاحیت کا جائزہ لیا جاتا ہے، Inkling کو 54.3%، Kimi K2.6 کو 58.6% اور GLM 5.2 کو 62.1% حاصل ہوا؛

ٹرمینل بینچ 2.1 پر فرق زیادہ واضح ہے، انکلنگ صرف 63.8% ہے، جبکہ کیمی K2.6 اور GLM 5.2 ک lần 71.3% اور 82.7% تک پہنچ گئے۔

بالکل، Inkling کے اپنے طویل نقاط بھی ہیں۔ یہ ویب ایپ ڈیزائن، آڈیو سمجھنے اور سیکورٹی جائزہ لینے میں اچھا کام کرتا ہے، اور کچھ ریاضی کے کاموں میں یہ Kimi اور DeepSeek سے بھی آگے نکل جاتا ہے۔

صرف مجموعی استدلال، پروگرامنگ اور ایجنٹ کی صلاحیتوں کے اعتبار سے، اسے ابھی کھلے ماڈلز کی پہلی ٹیم میں شامل نہیں کیا جا سکتا۔

کارکردگی سب سے آگے نہیں پہنچی، اور قیمت نے بھی کوئی حیرت انگیز چیز نہیں دی۔

Tinker پلیٹ فارم پر، 64K ورژن کے لیے ہر 100 ہزار Prefill Token کی قیمت 1.87 امریکی ڈالر اور ہر 100 ہزار Sample Token کی قیمت 4.68 امریکی ڈالر ہے۔ پہلے کو تقریباً ان پٹ لاگت کے طور پر سمجھا جا سکتا ہے، جبکہ دوسرا تقریباً جنریشن لاگت کے قریب ہے، اور یہ پہلے سے ہی "محدود وقت کے لیے 50 فیصد ڈسکاؤنٹ" کی قیمت ہے۔ 256K ورژن کی قیمت زیادہ ہے، جو ترتیب سے 3.74 امریکی ڈالر اور 9.36 امریکی ڈالر ہے۔

مقابلہ کے طور پر، کیمی K2.6 کی آفیشل API میں ہر 100 ہزار ان پٹ اور آؤٹ پٹ ٹوکن کے لیے کرایہ ک lần 0.95 امریکی ڈالر اور 4 امریکی ڈالر ہے، جبکہ GLM5.2 کے لیے 1.4 امریکی ڈالر اور 4.4 امریکی ڈالر ہے۔

ٹنکر تربیت اور نمونہ لینے کی سہولت فراہم کرتا ہے، جو عام ماڈل API کے بجٹ کے طریقے سے بالکل مختلف ہے۔ تاہم، اوپر دیے گئے دیے گئے داموں کے مطابق تقریبی موازنہ کرنے پر، انکلنگ کی پری-فِلِنگ قیمت کیمی K2.6 کی تقریباً دگنی ہے، اور تولید کی قیمت بھی کیمی K2.6 اور GLM5.2 سے زیادہ ہے، جس سے اب تک قیمتی فائدہ نہیں دکھائی دیتا۔

اس طرح، Thinking Machines کا پہلا ماڈل ایک تھوڑا سا پیچیدہ صورتحال پیش کرتا ہے: اس کی ساخت DeepSeek سے متاثر ہے، جبکہ پس منظر کی تربیت Kimi کی مدد سے کی گئی ہے، لیکن مجموعی طور پر اس کی کارکردگی چین کے سرکاری کھلے ماڈلز سے زیادہ نہیں ہے، اور اس کا استعمال کا خرچ زیادہ ہے۔

مراتی کا انتخاب

مراتی اور تھنکنگ مشینز کے پس منظر کو مدنظر رکھتے ہوئے، ایسا انتخاب مزید دلچسپ ہے۔

اگر Inkling ایک عام AI اسٹارٹ اپ سے آیا ہوتا، جو DeepSeek کو نقل کرتا اور Kimi کے ذریعے تربیت پاتا، تو شاید اتنی دلچسپی نہ ہوتی۔ لیکن یہ بالکل Thinking Machines سے آیا ہے—ایک� ایسی کمپنی جسے "OpenAI الومنائی" کہا جا سکتا ہے۔

فروری 2025 میں، Thinking Machines کے آفیشل لانچ کے وقت، ٹیم میں صرف تقریباً 30 افراد تھے، جن میں سے تقریباً دو تہائی OpenAI سے تھے، اور باقی افراد بنیادی طور پر Meta اور Mistral سے تھے۔

اس کے بنیادی ٹیم میں ایک وقت OpenAI کے ملکہ موجد جان شولمان، OpenAI کے سابق تحقیقی وائس پریزیڈنٹ باریٹ زوف، اور لیلین وینگ، اینڈریو ٹلکوچ اور لوک میٹز جیسے تحقیق کار شامل تھے۔

ان لوگوں نے OpenAI کے ری انفورسمنٹ لرننگ، پوسٹ ٹریننگ، پری ٹریننگ، سیکیورٹی اور انفرنس ریسرچ میں شرکت کی ہے۔ ریوٹرز نے اس وقت دونوں کہا کہ موراتی نے اپنے پچھلے ملازمت سے کم از کم 20 ریسرچرز کو ہٹا لیا تھا۔

اس OpenAI کے سابقہ طلباء کے گروہ کے درمیان کھڑی موراتی بالکل خاص ہے۔

وہ 2018 میں OpenAI میں شامل ہوئیں، جہاں انہوں نے DALL-E، Codex، ChatGPT اور Sora جیسے پروڈکٹس میں حصہ لیا، اور 2022 میں چیف ٹیکنالوجی آفیسر بن گئیں، جس کے تحت تحقیق، ماڈل ٹریننگ، سیکورٹی اور پروڈکٹ لانچ کو کوآرڈینیٹ کرنے کی ذمہ داری تھی۔

2023ء کے نومبر میں، جب OpenAI کے بورڈ نے سیم الٹمن کو اچانک برطرف کر دیا، تو موراتی نے عارضی سی ای او کے طور پر مختصر عرصہ تک عہدہ سنبھالا۔ اس کا کردار تکنیک اور پروڈکٹ کے سربراہ کے قریب تھا، جس کو OpenAI کے ماڈل ترقی کے عمل اور پروڈکٹائزیشن کے راستے کا مکمل علم تھا۔

دوسروں کے الفاظ میں، تھنکنگ مشینز کو اپنی شروعات سے ہی OpenAI کا تجربہ حاصل تھا۔

موراتی اور اس کی ٹیم جانتی ہیں کہ ایک ٹاپ کلوزڈ سورس لیب کیسے ماڈل تیار کرتا ہے، اور وہ چیٹ جی پی ٹی کو تحقیقی نتائج سے عالمی مصنوعت میں تبدیل ہونے کے پورے عمل کا گواہ بھی رہی ہیں۔ جب یہ لوگ OpenAI چھوڑ کر اپنا اپنا ٹیکنالوجی سسٹم صفر سے تعمیر کرتے ہیں، تو باہر والے خود بخود ان سے ایک ایسی راہ کی توقع کرتے ہیں جو OpenAI کے نشان کو برقرار رکھے۔

نتیجہ کے طور پر، انکلنگ کا سب سے واضح تکنیکی ذریعہ چین کی طرف اشارہ کرتا ہے۔ اسے آسانی سے ایک نمایاں سگنل کے طور پر سمجھا جا سکتا ہے — کہ OpenAI کو سب سے بہتر طور پر جاننے والے لوگ OpenAI چھوڑ کر آخرکار چینی ماڈل کے تکنیکی منصوبہ بندی کا انتخاب کرتے ہیں۔

تاہم، اس نتیجے کو الگ الگ دیکھنا ضروری ہے۔

گزشتہ کچھ سالوں میں OpenAI کے تمام ایڈوانسڈ ماڈلز بند سورس راستہ اپنایا ہے، باہر کے لوگ ماڈل کے وزن تک نہیں پہنچ سکتے اور مکمل آرکیٹیکچر، ٹریننگ ڈیٹا اور پوسٹ ٹریننگ اسکیم کے بارے میں نہیں جانتے۔ چاہے موراتی OpenAI کے اندر کی ٹیکنالوجی سے کتنی ہی واقف کیوں نہ ہو، وہ اپنے پچھلے ملازمت کے تجارتی راز کو براہ راست اپنی نئی کمپنی میں منتقل نہیں کر سکتی۔ دیپ سیک اور کمی نے وزن یا ٹیکنیکل رپورٹس شائع کر دی ہیں، جس سے آرکیٹیکچر، ٹریننگ طریقے اور ٹول چین قانونی طور پر تحقیق اور دوبارہ استعمال کیے جا سکتے ہیں۔

انکلنگ خود بھی ایک اوپن ویٹ مڈل ہے۔ ایک کمپنی جو اوپن مڈل ایکوسسٹم تعمیر کرنا چاہتی ہے، وہ ڈیپسیک، کیمی جیسے اوپن مڈلز سے بالغ حلز کو اپنانا ایک منطقی انجینئرنگ منتخب ہے۔

آج ایک کھلا ماڈل تیار کرنا، جو چینی ٹیم کی پہلے سے شائع شدہ کامیابیوں سے مکمل طور پر بچے، اس کے لیے زیادہ تجربہ و غلطی کا خرچہ ادا کرنا پڑے گا۔

اس لیے، انکلنگ کا چینی ماڈل سے استعارہ، موراتی کے خیال میں ڈیپسیک کی ٹیکنالوجی کے OpenAI کے مقابلے میں مکمل طور پر برتر ہونے کا براہ راست ثبوت نہیں ہے۔ دونوں کی شفافیت کا درجہ اور قابل استعارہ شرائط بالکل مختلف ہیں۔

لیکن اس سے ایک واضح سگنل ملتا ہے کہ کم از کم اوپن ویٹ کے شعبے میں، چینی ماڈلز امریکی AI ٹیموں کے لیے ایک اہم ریفرنس فریم ورک بن چکے ہیں۔

اس لیے، چینی ماڈل کو اپنانا آسان ہے۔ اصل سوال یہ ہے کہ: Thinking Machines نے موجودہ آرکیٹیکچر اور ٹریننگ کا تجربہ استعمال کیا، پھر بھی Inkling کی کارکردگی کم اور قیمت زیادہ کیوں ہو گئی؟

مُرَاتی کے پاس بہترین ٹیم، کافی فنڈنگ اور نوویدا کا تازہ ترین ٹریننگ سسٹم ہے۔ اس کے لیے Inkling اور چینی ماڈلز کے درمیان پرفارمنس اور قیمت کے فرق کو نہ دیکھنا ممکن نہیں۔

اس لیے، "مہنگا تر" ایک منصوبہ بند انتخاب ہو سکتا ہے۔

"عام سا"، کافی ہے

تھنکنگ مشینز کے حصول کے مطابق، انکلنگ صرف ایک "کافی" ماڈل نہیں ہونا چاہیے تھا۔

جولائی 2025 تک، کمپنی نے اب تک کوئی مصنوعات شائع نہیں کیا تھا، لیکن اس نے 20 ارب ڈالر کی بیج فنڈنگ مکمل کر لی تھی اور اس کی قیمت 120 ارب ڈالر ہو چکی تھی، جس میں اینڈرسن ہولوویٹز، نوڈیا، اے ایم ڈی اور جین سٹریٹ سمیت سرمایہ کار شامل تھے۔ چار ماہ بعد، تھنکنگ مشینز نے ایک نئی فنڈنگ کے مذاکرات کی خبر دی، جس کا مقصد 500 ارب ڈالر کی قیمت تھا، حالانکہ ٹرینزکشن کبھی باقاعدہ طور پر تصدیق نہیں ہوا، لیکن باہر کے لوگ اسے اوپن اے آئی اور اینتھروپک کے ممکنہ مقابلہ کار کے طور پر دیکھ رہے تھے۔

اس لیے، جب Inkling نے ایک ایسا مصنوعہ پیش کیا جو چینی ماڈل کے مقابلے میں کم کارکردگی والا اور زیادہ قیمت والا تھا، تو یہ متوقع سے کم لگا۔

تجارتي نقطہ نظر سے، موراتی شاید شروع سے ہی اسے بنچ مارک ایوارڈ کے لیے جیتنے کا ارادہ نہیں رکھتا تھا۔

Thinking Machines کی طرف سے کھلے وزن، متعدد ماڈل صلاحیتوں اور قابل تخصيصیت پر زور دیا جا رہا ہے، جس کا مقصد یہ ہے کہ کاروبار Tinker کے ذریعے اسے فائن ٹیون کرکے Inkling کو کسٹمر سپورٹ، پروگرامنگ اسسٹنٹ، صنعتی ایجینٹ وغیرہ جیسے مخصوص ماڈلز میں تبدیل کریں۔ موراتی کا اس بازار پر اعتماد ہے جہاں بنچ مارک پر پہلے نمبر کی پرواہ نہیں کی جاتی۔ کاروبار زیادہ توجہ اس بات پر دیتے ہیں کہ ماڈل کو ذاتی طور پر ڈپلوی کیا جا سکتا ہے، ڈیٹا پر کنٹرول حاصل ہو سکتا ہے، اور اپنے کاروبار کے مطابق اسے مزید ٹرین کیا جا سکتا ہے۔

پہلے، اس قسم کی مانگ کا بڑا حصہ چین کے اوپن ماڈلز نے پورا کیا تھا۔

امریکہ کے OpenAI اور Anthropic طویل عرصے تک بند سورس رہے، جبکہ Meta کا Llama 4 متوقع کارکردگی نہ دے سکا اور اس نے بھی کھلے راستے کو کم کر دیا۔ اس کے برعکس، DeepSeek، Kimi، Qwen اور GLM لگاتار وزن کھول رہے ہیں، جن کی کارکردگی امریکی بند سورس ماڈلز کے قریب قریب پہنچ رہی ہے، لیکن قیمتیں کافی کم ہیں۔

امریکی کمپنیاں جلد ہی اپنے پاؤں سے ووٹ دے دیں گی۔

OpenRouter نے CNBC کو فراہم کردہ ڈیٹا کے مطابق، فروری 2026 سے، چینی ماڈلز کا امریکی کمپنیوں کے ذریعہ اس پلیٹ فارم پر استعمال ہونے والے ٹوکنز میں ہفتہ وار حصہ 30 فیصد سے زیادہ رہا، جس کا اعلیٰ نقطہ 46 فیصد تک پہنچا۔ 2025 کے پہلے نصف سال میں اوسط حصہ صرف 4.5 فیصد تھا۔

کرسر نے کامپوزر 2 کے ترقی کے دوران کئی بنیادی ماڈلز کا ٹیسٹ کیا اور آخرکار Kimi K2.5 کو اس لیے منتخب کیا کیونکہ اس نے جائزہ میں سب سے بہترین کارکردگی دکھائی۔ برج ویٹر فنڈ نے علی بابا کے Qwen کو Tinker کے ذریعہ فائن ٹیون کیا، جس سے حاصل ہونے والا کسٹم ماڈل کچھ بالغ بند ماڈلز سے کم لاگت پر زیادہ بہتر ثابت ہوا۔

چین کے کھلے ماڈلز نے امریکی کمپنیوں کے لیے AI لاگت کم کرنے کا ایک جلدی راستہ بن دیا۔ صرف اس راستے پر دباؤ بڑھ رہا ہے۔

اسی دوران، امریکہ میں چینی AI ماڈلز کے لیے تنظیمی ماحول سخت ہو رہا ہے۔ متعلقہ اداروں نے ڈیٹا سیکورٹی، ماڈل کے ذرائع اور سپلائی چین کے خطرات کے حوالے سے انتباہ جاری کر دیے ہیں، اور کچھ چینی ماڈلز استعمال کرنے والی کمپنیوں پر تفتیش بھی شروع ہو چکی ہے۔ ہاں، ابھی تک کوئی ایک متحدہ پابندی نہیں بنائی گئی، لیکن پالیسی کی عدم یقینی صرف اس لحاظ سے ہی کافی ہے کہ کمپنیاں، خاص طور پر حکومتی کاموں اور حساس ڈیٹا سے متعلق کمپنیاں، اپنا فیصلہ کریں۔

یہی Inkling کا مارکیٹ اسپیس ہے۔

یہ ایک امریکی کمپنی کے ذریعہ تیار کیا گیا، Apache 2.0 لائسنس کے تحت جاری کیا گیا، اور خصوصی ڈپلومنٹ اور کسٹمائزیشن کی سہولت فراہم کرنے والا اوپن ویٹ مدل ہے۔ امریکی کاروباری ادارے اسے منتخب کرتے ہیں تاکہ چینی مڈلز کے استعمال کے باعث سیاسی تنازعات سے بچ سکیں اور حکومتی صارفین اور بڑی کمپنیوں کے مطابقت کے جائزہ سے گزرنا آسان ہو جائے۔

انکلنگ کی حقیقی قیمت، اس کمپلائنس کی یقینیت سے آتی ہے۔

مراتی نے واضح طور پر اس پیدا ہونے والے خالی جگہ کو دیکھ لیا۔

تھنکنگ میشینز نے ڈیپسیک اور کیمی کے عوامی نتائج کو اپنایا اور انہیں ایک امریکی کمپنی کی فراہم کردہ ماڈل میں تبدیل کر دیا۔ انکلنگ کو تمام بنچ مارک ٹیسٹس میں چینی ماڈلز کو شکست دینے کی ضرورت نہیں، بلکہ صرف ان امریکی کمپنیوں کے لیے قابل قبول انتخاب بننا ہے جو چینی ماڈلز کا استعمال جاری رکھنے سے گھبراتی ہیں۔

یہ بھی وضاحت کرتا ہے کہ اس نے مہنگا ہونے کا جرات کیوں کیا۔ پالیسی نے Inkling کے لیے مقابلہ کو محدود کر دیا، جس سے اس کی کارکردگی اور قیمت میں فرق زیادہ مہلک نہیں رہا۔ کچھ امریکی کمپنیوں کے لیے، تھوڑا کمزور اور تھوڑا مہنگا مگر کم خطرناک ماڈل کافی ہے۔

اس منظر سے، انکلنگ میں موراتی کو کاروبار سمجھنے کا ثبوت ملتا ہے۔

تاہم، اس کاروبار کے قائم ہونے کی قیمت امریکی کمپنیوں کو ادا کرنی پڑ سکتی ہے۔

امریکہ کے باہر کی کمپنیاں اب بھی GLM، Kimi اور DeepSeek کو زیادہ طاقتور اور سستے بنیادی ماڈلز پر مصنوعات تیار کرنے کے لیے آزادانہ طور پر منتخب کر سکتی ہیں؛ جبکہ امریکی کمپنیوں کو شاید کم تر کارکردگی اور مہنگے مقامی متبادل کا استعمال کرنا پڑے۔ بنیادی ماڈلز کے درمیان صلاحیت کا فرق مکمل طور پر فائن ٹیونڈ مصنوعات تک منتقل ہوتا رہے گا، جس سے ساختی مقابلہ کی کمی پیدا ہوگی۔

واشنگٹن نے امریکی AI کمپنیوں کے تحفظ کے لیے پابندیاں لگانے کا خیال رکھا تھا، لیکن شاید اس نے Inkling جیسی "مہنگی جگہ" کے لیے مارکیٹ تخلیق کر دی۔ موراتی کے لیے، "عام سطح" کافی ہے۔ امریکی AI صنعت کے لیے، یہ "کافی" لاگت میں اضافہ اور مقابلہ کی صلاحیت میں کمی کا مطلب ہے۔