8 अक्टूबर के विश्लेषण में SemiAnalysis को 857 में से 31 रिलीज़ के प्रकाशित सुरक्षा नतीजे मिले; लॉन्च तक केवल नौ के पास नतीजा था 8 अक्टूबर का विश्लेषण, SemiAnalysis ने चीन-स्थित नौ डेवलपरों की 2021 से 15 सितंबर 2026 तक की 857 रिलीज़ गिनीं। 31 रिलीज़ (3.6%) के लिए प्रकाशित सुरक्षा नतीजा मिला। केवल नौ (1.1%) के लिए मॉडल लॉन्च के दिन या उससे पहले नतीजा उपलब्ध था।

ये आंकड़े बताते हैं कि शोधकर्ताओं को डेवलपरों की सार्वजनिक सामग्री में क्या मिला। वे यह नहीं बताते कि कितने मॉडल निजी तौर पर जांचे गए या कोई खास मॉडल सुरक्षित है या नहीं।

बड़ा बदलाव

  • क्या बदला: SemiAnalysis ने परिभाषित रिलीज़ समूह में दस्तावेज़ी कमी को संख्या में दिखाया: 857 में से नौ के पास लॉन्च के दिन तक जनता के पढ़ने के लिए मॉडल-विशिष्ट सुरक्षा नतीजा था।
  • यह क्यों मायने रखता है: लॉन्च पर मॉडल का आकलन करने वाले व्यक्ति को उसी संस्करण के नतीजे चाहिए। परीक्षण किए जाने का सामान्य आश्वासन या रिलीज़ के बाद प्रकाशित नतीजा उस समय के उसी सवाल का जवाब नहीं देता।
  • क्या देखना है: आगे की रिलीज़ में उपयोगी संकेत है तारीख वाला नतीजा, जो ठीक उसी मॉडल से जुड़ा हो और उपयोगकर्ताओं को पहली बार पहुंच मिलने पर उपलब्ध हो। दस्तावेज़ आने से ऑडिट की खुलासा दर बदल सकती है, लेकिन बाद का प्रकाशन लॉन्च के दिन उपलब्ध जानकारी नहीं बदलता।

ऑडिट ने क्या गिना

SemiAnalysis के अनुसार उसकी गणना में Alibaba, ByteDance, Tencent, Baidu, DeepSeek, Moonshot, Zhipu (Z.ai), MiniMax और StepFun की 741 उत्पाद-मॉडल रिलीज़ तथा 116 शोध-मॉडल रिलीज़ शामिल थीं। उसने हर रिलीज़ की पहली सार्वजनिक तारीख तय की और फिर डेवलपर मॉडल कार्ड, रिलीज़ नोट तथा तकनीकी रिपोर्ट में ऐसा सुरक्षा नतीजा खोजा जिसे उस रिलीज़ से जोड़ा जा सके।

योग्य नतीजे में नामित मॉडल के बारे में मात्रात्मक या ठोस निष्कर्ष होना जरूरी था। विषयों में हानिकारक आउटपुट, jailbreak के प्रति प्रतिरोध, विषाक्तता, गोपनीयता, इनकार का व्यवहार और खतरनाक क्षमताएं शामिल थीं। निष्कर्ष बताए बिना मॉडल के सुरक्षा-प्रशिक्षण या मूल्यांकन का दावा योग्य नहीं था। शोधकर्ताओं ने किसी प्रमुख मॉडल के नतीजे को दूसरे आकारों या बाद के स्नैपशॉट पर भी लागू नहीं किया।

इस सख्त मिलान नियम के कारण हर का महत्व है। 857 प्रविष्टियां गिनी गई रिलीज़ हैं, जिनमें variants भी शामिल हैं; वे समान क्षमता वाली 857 frontier systems नहीं हैं। SemiAnalysis कहता है कि डेवलपर variants को अलग-अलग विस्तार से नाम देते हैं। इसलिए यह गिनती इस रिलीज़ समूह में दस्तावेज़ीकरण देखने का तरीका है, अलग-अलग कंपनियों की रैंकिंग का ठोस आधार नहीं।

नतीजे कब सामने आए

योग्य प्रकाशित नतीजे वाली 31 रिलीज़ में से नौ के पास नतीजा रिलीज़ के समय या उससे पहले था। 16 का दस्तावेज़ीकरण बाद में हुआ; SemiAnalysis ने उस समूह के लिए 42 दिन की median देरी बताई। बाकी छह के लिए शोधकर्ता समय या किसी खास मॉडल से मिलान स्थापित नहीं कर सके। ये छह किसी प्रकाशित नतीजे वाली 31 में शामिल हैं, पर इन्हें लॉन्च-दिन खुलासे नहीं गिना जा सकता।

बाकी मामलों के लिए भी सावधान भाषा जरूरी है। SemiAnalysis को 10 रिलीज़ में मूल्यांकन का दावा मिला पर आंकड़े नहीं, और तीन के बारे में केवल प्रेस या निवेशक विवरण थे जिनके लिए डेवलपर दस्तावेज़ नहीं मिले। जिन सामग्रियों की जांच हुई उनमें 813 रिलीज़ के लिए सुरक्षा खुलासा नहीं मिला। ये समूह और नतीजे वाली 31 रिलीज़ मिलकर 857 होते हैं।

इस विश्लेषण पर Reuters की रिपोर्ट भी इस बात पर जोर देती है कि कंपनियों ने निजी परीक्षण किए हो सकते हैं। “कोई खुलासा नहीं मिला” यहां जांचे गए सार्वजनिक रिकॉर्ड का वर्णन है। इससे यह साबित नहीं होता कि परीक्षण हुआ ही नहीं; प्रकाशित परीक्षण भी अपने-आप मॉडल की मूल सुरक्षा साबित नहीं करता। इस ऑडिट में SemiAnalysis ने अमेरिकी डेवलपरों के लिए तुलनीय रिलीज़-स्तरीय दर नहीं दी।

मॉडल चुनने या परखने वाले पाठक के लिए व्यावहारिक फर्क सरल है: सटीक संस्करण पहचानें, तारीख वाला मॉडल-विशिष्ट नतीजा खोजें और जांचें कि मॉडल जारी होने पर वह उपलब्ध था या नहीं। यह प्रमाण बताता है कि डेवलपर ने क्या सार्वजनिक किया। किसी खास उपयोग के लिए मॉडल का मूल्यांकन करने का यह केवल एक हिस्सा है।

स्रोत और आगे पढ़ें