Subquadratic ১২ অক্টোবর SubQ Snap প্রকাশ করে, যা AI এজেন্টের ভেতরে সীমাবদ্ধ সিদ্ধান্তের জন্য একটি মডেল। খোলা ধরনের উত্তর লেখার বদলে এটি অ্যাপ্লিকেশন নির্ধারিত প্রশ্নের ভিত্তিতে দেওয়া লেখা ও ঐচ্ছিক ছবি মূল্যায়ন করে। এর পাবলিক প্রিভিউ API সফটওয়্যারে সরাসরি ব্যবহারযোগ্য পছন্দ, স্কোর ও সম্ভাবনা ফেরত দেয়।

ডেভেলপারদের জন্য বাস্তব পরিবর্তন হলো, রাউটিং বা যাচাইয়ের প্রতিটি ধাপে এজেন্টকে গদ্য তৈরি না করিয়েও দীর্ঘ ইনপুট নিয়ে সিদ্ধান্তের কল করা যায়। SubQ 393,216-token (384K) প্রসঙ্গ উইন্ডো এবং প্রতি মিলিয়ন ইনপুট token-এ 0.05 মার্কিন ডলার মূল্য ঘোষণা করেছে; আউটপুট token-এর কোনো চার্জ নেই। এগুলো কোম্পানির বর্তমান প্রিভিউ শর্ত। সক্ষমতা সীমিত থাকায় আগে এলে আগে পাওয়া যাবে, আর পরে নিবন্ধনকারীরা অপেক্ষার তালিকায় পড়তে পারেন।

বড় পরিবর্তন

  • কী বদলেছে: Snap-এর পাবলিক প্রিভিউ অ্যাপ্লিকেশন-নির্ধারিত উত্তর-পরিসর দেয়, যেখানে লেখা ও ছবির প্রসঙ্গ সর্বোচ্চ 393,216 tokens (384K)। ডেভেলপার তৈরি করা গদ্য না চেয়ে নামযুক্ত বিকল্প থেকে বাছাই বা ফলের স্কোর চাইতে পারেন।
  • কেন গুরুত্বপূর্ণ: এজেন্ট নির্মাতারা বারবার সীমাবদ্ধ কল করেন, যেমন টুল বেছে নেওয়া বা ফল যাচাই। টাইপযুক্ত উত্তর সরাসরি সফটওয়্যারের পরের ধাপে যেতে পারে, আর খোলা ধরনের উত্তরের কাজে জেনারেটিভ মডেল ব্যবহার করা যায়। বাস্তব এজেন্টে এই ভাগাভাগি উন্নতি আনবে কি না তা সিদ্ধান্তের নির্ভুলতা ও আশপাশের কর্মপ্রবাহের ওপর নির্ভর করে।
  • কী লক্ষ্য রাখবেন: SubQ-এর প্রকাশকালীন বেঞ্চমার্ক কয়েকটি সিদ্ধান্ত পরীক্ষায় Snap-কে এগিয়ে দেখায়, তবে সেগুলো কোম্পানির পরিচালিত মূল্যায়ন। স্বাধীন কাজভিত্তিক পরীক্ষা এবং প্রিভিউতে আরও বিস্তৃত প্রবেশাধিকার দেখাবে, চালু এজেন্ট কর্মপ্রবাহে এর গতি, ব্যয় ও ভুলের হার কেমন।

একটি Snap কল কী ফেরায়

এই Decisions API নথি তে subq-snap-preview কে মডেল হিসেবে উল্লেখ করে POST /v1/systemoneএর জন্য। একটি অনুরোধে stateথাকতে পারে, যা লেখা বা কাঠামোবদ্ধ তথ্য হতে পারে, এবং এক বা একাধিক নামযুক্ত প্রশ্ন থাকতে পারে। একটি noul হলো হ্যাঁ বলার সম্ভাবনা হিসেবে প্রকাশ করা হ্যাঁ-না বিচার। একটি choice দুই থেকে 255টি নামযুক্ত বিকল্পের মধ্যে বেছে নিয়ে প্রতিটির সম্ভাবনা ফেরায়। একটি score দুই থেকে দশটি সাজানো স্তর ব্যবহার করে ওজনযুক্ত স্কোর ও তার সম্ভাবনা-বণ্টন ফেরায়।

পণ্যের নামের চেয়ে এই উত্তর-রূপগুলো বেশি গুরুত্বপূর্ণ। ডেভেলপার অনুমোদিত উত্তর নির্ধারণ করেন এবং অ্যাপ্লিকেশন সেগুলো দিয়ে কী করবে তা ঠিক করেন। API-র সম্ভাবনাগুলো মডেলের আউটপুট; নির্দিষ্ট বাস্তব সিদ্ধান্ত কতবার সঠিক হবে তার যাচাইকৃত মাপ নয়। SubQ-এর নিজস্ব নথিতে দেখা যায় ডেভেলপাররা সীমা প্রয়োগ করেন এবং অনিশ্চিত ঘটনা মানুষের কাছে ফেরত দেন; এতে প্রতিটি কাজের জন্য সার্বজনীন কোনো সীমা নির্ধারিত হয় না।

Snap state-এর সঙ্গে সর্বোচ্চ চারটি PNG, JPEG বা WebP ছবি গ্রহণ করে। ডিকোড করার পর প্রতিটি ছবি সর্বোচ্চ 4 MiB হতে পারে এবং একত্রে ডিকোড করা আকার সর্বোচ্চ 8 MiB। API নথি বলে, ছবির token ও লেখার token একই 393,216-token প্রসঙ্গসীমায় গণনা হয়। ভিডিও সমর্থিত নয়; পরামর্শ হলো ছবির আকারে সর্বোচ্চ চারটি ফ্রেম নেওয়া। এগুলো প্রিভিউ API-র নির্দিষ্ট ইনপুট সীমা, প্রতিটি দীর্ঘ নথি বা ছবি মডেল নির্ভরযোগ্যভাবে বুঝবে এমন প্রতিশ্রুতি নয়।

বেঞ্চমার্কের যে ব্যবধানটি মনে রাখা দরকার

নিজস্ব লঞ্চ মূল্যায়নে SubQ জানায়, Decision Index 0.2.1-এর সম্পূর্ণ পাবলিক পরীক্ষায় Snap-এর স্কোর 61.7, Jev-এর 57.9। কোম্পানি নির্বাচিত 16টি এন্টারপ্রাইজমুখী বেঞ্চমার্কে গড়ে 67.6 বনাম 61.6-ও জানায়। ওই 16টির মধ্যে 13টিতে Snap এগিয়ে, তিনটিতে পিছিয়ে; এর একটি পরীক্ষায় এজেন্টের কখন কল করা, প্রশ্ন করা, উত্তর দেওয়া বা প্রত্যাখ্যান করা উচিত তা দেখা হয়। এই সংখ্যা SubQ-এর মূল্যায়ন থেকে এসেছে; BIG CHANGE এগুলো পুনরায় পরীক্ষা করেনি বা কোনো মডেলকে এজেন্টে পরীক্ষা করেনি।

কোম্পানি আরও জানায়, এক মিলিয়ন token-এ তার অভিযোজিত Decision RULER পরীক্ষায় Snap-এর ফল 96.3। এটি আলাদা বেঞ্চমার্ক মূল্যায়ন। বর্তমান API অনুরোধসীমা হলো 393,216 tokens, এবং নথি বলে এর বেশি অনুরোধ ব্যর্থ হবে। পাঠকেরা এক মিলিয়ন token-এর বেঞ্চমার্ককে প্রিভিউ API-র ইনপুট-নির্দেশনা হিসেবে নেবেন না।

SubQ বলে Snap 100,000-token অনুরোধ প্রক্রিয়া করে প্রায় এক সেকেন্ডে সিদ্ধান্ত ফেরাতে পারে। প্রকাশিত দাবিতে অ্যাকাউন্ট, একসঙ্গে চলা ট্রাফিক বা প্রশ্নের ধরনভেদে পর্যবেক্ষিত latency বণ্টন নেই। গুরুত্বপূর্ণ কর্মপ্রবাহের ধাপ বদলানোর আগে পাঠকের নিজের সিদ্ধান্ত-সেট, ভুলের খরচ ও প্রতিক্রিয়া-সময়ের চাহিদা দিয়ে প্রিভিউ মূল্যায়ন করা উচিত।

প্রবেশাধিকার, মূল্য ও তথ্য ব্যবস্থাপনা

এই মডেল তালিকা Snap-কে লেখা ও ছবি ইনপুটসহ পাবলিক প্রিভিউ হিসেবে চিহ্নিত করে; এতে প্রতি মিলিয়ন ইনপুট token-এ 0.05 মার্কিন ডলার ও বিনামূল্যে আউটপুটের কথা আছে। লঞ্চ পেজ বলে সক্ষমতার কারণে নতুন ব্যবহারকারীরা অপেক্ষার তালিকায় যেতে পারেন। কোনো উৎসই প্রতিটি প্রতিষ্ঠানের তাৎক্ষণিক প্রবেশাধিকার বা নির্দিষ্ট rate limit নিশ্চিত করে না।

সংবেদনশীল কাজে মূল্যায়ন করা দলগুলোর নথি বা ছবি পাঠানোর আগে তথ্য-সংরক্ষণ নীতি ও দেখা উচিত। নথিভুক্ত প্রতিষ্ঠানের ডিফল্ট সেটিং prompt, completion ও কথোপকথনের ইতিহাস মুছে ফেলা পর্যন্ত রাখে। SubQ নির্দিষ্ট দিনের নীতি এবং অনুরোধে প্রতিষ্ঠানজুড়ে zero data retention দেয়। কোম্পানি বলে, zero retention থাকলেও billing ও support রেকর্ডে model, token সংখ্যা, সময় এবং metadata tag থাকে, তবে prompt বা completion-এর বিষয়বস্তু থাকে না। ওই প্রতিষ্ঠান সেটিংয়েও Decisions endpoint চালু থাকে। BIG CHANGE পরিষেবাটির সংরক্ষণ আচরণ স্বাধীনভাবে যাচাই করেনি।

SubQ-এর অবদান হলো বড় প্রসঙ্গে বারবার সীমাবদ্ধ সিদ্ধান্ত নেওয়ার জন্য নির্দিষ্ট API রূপ, প্রকাশিত কম token মূল্যে। অনুত্তরিত প্রশ্ন হলো, কোনো প্রতিষ্ঠান বাস্তবে যে কাজ এই ব্যবস্থায় পাঠাবে তাতে সিদ্ধান্তগুলো কতবার টিকে থাকবে। প্রকাশকালীন স্কোরের বাইরে স্বাধীন পরীক্ষা দরকার।

সূত্র ও আরও পড়ুন

  • SubQ-এর ১২ অক্টোবরের লঞ্চ পোস্টএজেন্টে পরিকল্পিত ভূমিকা, মূল্য, প্রিভিউ প্রবেশাধিকার এবং কোম্পানির মূল্যায়ন ব্যাখ্যা করে। গতি ও বেঞ্চমার্কের সংখ্যা বিক্রেতার দাবি; এক মিলিয়ন-token Decision RULER ফল প্রিভিউ API সীমা থেকে আলাদা।
  • SubQ Decisions API রেফারেন্সendpoint, টাইপযুক্ত প্রশ্ন ও উত্তর, token ও ছবির সীমা এবং ত্রুটির আচরণ নথিভুক্ত করে। এটি বর্তমান পণ্যের নথি, চালু কর্মপ্রবাহে নির্ভরযোগ্যতার প্রমাণ নয়।
  • SubQ মডেল তালিকাপ্রিভিউ model ID, ইনপুটের ধরন ও প্রকাশিত মূল্য দেয়। প্রিভিউ চলাকালে শর্ত ও প্রাপ্যতা বদলাতে পারে।
  • SubQ তথ্য-সংরক্ষণ নথিপ্রতিষ্ঠানের ডিফল্ট ও ঐচ্ছিক নীতি বর্ণনা করে। নীতিটি পরিষেবার উদ্দেশ্যকৃত আচরণ বলে; BIG CHANGE সংরক্ষণ বা মুছে ফেলা নিরীক্ষা করেনি।