দৃষ্টিনির্ভর বেঞ্চমার্কে GPT-5 ও Gemini-কে ছাড়িয়ে যাওয়ার দাবি Baidu-র, আনল ওপেন সোর্স মাল্টিমোডাল এআই

মাল্টিমোডাল এআইয়ে নতুন ওপেন সোর্স প্রতিদ্বন্দ্বী

Baidu নতুন একটি মাল্টিমোডাল মডেল ওপেন সোর্স করেছে। ERNIE 4.5 VL 28B A3B Thinking নামের ২৮ বিলিয়ন প্যারামিটারের এই সিস্টেম ছবি, ভিডিও, নথি ও লেখা প্রক্রিয়াকরণ করে। কোম্পানিটির দাবি, কম সম্পদ ব্যবহার করেও দৃষ্টিনির্ভর বেঞ্চমার্কে এটি শীর্ষস্থানীয় ক্লোজড মডেলগুলোকে ছাড়িয়ে যায়। বাণিজ্যিক ব্যবহারে কোনো বিধিনিষেধ ছাড়াই এটি Apache 2.0 লাইসেন্সের অধীনে পাওয়া যাচ্ছে। স্বাধীন পরীক্ষায় দাবিটি টিকে গেলে, সহজলভ্য হার্ডওয়্যারে চালানো যায় এমন এন্টারপ্রাইজ-মানের ভিজ্যুয়াল রিজনিং মডেলের গুরুত্বপূর্ণ সরবরাহকারী হিসেবে Baidu-র অবস্থান তৈরি হতে পারে।

Mixture of Experts নকশা ব্যবহার করে ERNIE 4.5 VL 28B A3B Thinking প্রতি টোকেনে প্রায় ৩ বিলিয়ন প্যারামিটার সক্রিয় করে, যা এর মোট প্যারামিটারের সামান্য অংশ। এই নকশায় প্রতিটি ইনপুট সবচেয়ে প্রাসঙ্গিক বিশেষজ্ঞ নেটওয়ার্কগুলোর কাছে পাঠানো হয়। এভাবে বেছে বেছে প্যারামিটার সক্রিয় করায় অনেক বড় মডেলের সক্ষমতা বজায় রেখেও কম্পিউটিং ও মেমরির চাহিদা কমে। Baidu-র ভাষ্য, মডেলটি একটি ৮০ জিবি GPU-তে ইনফারেন্স চালাতে পারে এবং নথি বোঝা, চার্ট ব্যাখ্যা করা ও জটিল ভিজ্যুয়াল রিজনিংয়ে ভালো ফল দিতে পারে।

এর প্রধান বৈশিষ্ট্যটির নাম দিয়েছে Baidu, Thinking with Images। যুক্তি করার সময় মডেলটি ছবিতে জুম ইন ও আউট করতে পারে, সূত্র খুঁজতে ক্ষুদ্র অংশ খুঁটিয়ে দেখতে পারে এবং স্থানীয় পর্যবেক্ষণকে পুরো দৃশ্যের সঙ্গে মিলিয়ে নিতে পারে। এটি মানুষের ভিজ্যুয়াল সমস্যা সমাধানের পদ্ধতির সঙ্গে মেলে এবং ঘনবিন্যস্ত কারিগরি ডায়াগ্রাম পড়া, উৎপাদন লাইনে ত্রুটি শনাক্ত করা কিংবা দ্বিতীয় বোল্টের নিচের নীল সংযোগকারীর মতো নির্দিষ্ট কোনো বস্তুকে শনাক্ত করার কাজে সহায়ক হতে পারে।

ছবির কাজে উন্নত ভিজ্যুয়াল গ্রাউন্ডিং, নির্দেশনা আরও ভালোভাবে অনুসরণ, ছবি খোঁজাসহ বিভিন্ন টুলের ব্যবহার এবং সময়গত ধারাবাহিকতা বুঝে ভিডিও বিশ্লেষণের কথাও তুলে ধরেছে Baidu। মডেলটির সঙ্গে Transformers, vLLM ও FastDeploy-এর জন্য ইন্টিগ্রেশন কিট এবং ERNIEKit নামের প্রশিক্ষণ ও ফাইন-টিউনিং টুলকিট রয়েছে। শীর্ষস্থানীয় অধিকাংশ ভিশন-ল্যাঙ্গুয়েজ সিস্টেম যেখানে এখনো ক্লোজড, সেখানে এই উন্মুক্তির ফলে ডেভেলপার ও কোম্পানিগুলো ব্যবসাবান্ধব লাইসেন্সে নতুন একটি ওপেন বিকল্প পাচ্ছে।

মডেলটি কী করতে পারে বলে দাবি

Baidu মডেলটির সক্ষমতাকে ছয়টি ভাগে রেখেছে: ভিজ্যুয়াল রিজনিং, STEM সমস্যা সমাধান, ভিজ্যুয়াল গ্রাউন্ডিং, টুল ইন্টিগ্রেশন, ভিডিও বোঝা এবং গতিশীল ছবি বিশ্লেষণ। বাস্তবে এর অর্থ, সিস্টেমটি ইনভয়েস বা আর্থিক বিবরণী পড়তে ও সংক্ষেপ করতে, চার্ট ও টেবিল বিশ্লেষণ করতে, সার্কিট ডায়াগ্রাম ও জ্যামিতির সমস্যা সমাধানে যুক্তি প্রয়োগ করতে, নির্দেশ পেলে ছবির নির্দিষ্ট বস্তু বা অংশ দেখাতে, রেফারেন্স ছবি সংগ্রহে বাইরের টুল ব্যবহার করতে এবং ভিডিওর বিভিন্ন অংশে ঘটে যাওয়া ঘটনা অনুসরণ করতে পারে।

Baidu-র নথিতে দেখানো লিডারবোর্ডে কয়েকটি দৃষ্টিনির্ভর পরীক্ষায় মডেলটিকে OpenAI GPT-5 High ও Google Gemini 2.5 Pro-এর সমকক্ষ বা এগিয়ে হিসেবে উপস্থাপন করা হয়েছে। এসব পরীক্ষার মধ্যে রয়েছে চার্টভিত্তিক প্রশ্নের উত্তর, নথি বোঝা এবং বহু ধাপের ভিজ্যুয়াল রিজনিং বেঞ্চমার্ক। কোম্পানিটি গতির সুবিধার কথাও বলেছে; তাদের দাবি, কাছাকাছি নির্ভুলতার তুলনীয় মডেলের চেয়ে ইনফারেন্স দুই থেকে তিন গুণ দ্রুত।

স্বাধীন গবেষণাগারগুলো এখনো এই চার্টগুলো যাচাই করেনি। বেঞ্চমার্কে প্রায়ই বাস্তব প্রয়োগের নির্ভরযোগ্যতার বদলে ধরন মনে রাখা, প্রম্পটের বিন্যাস বা সীমিত কিছু কৌশল বেশি গুরুত্ব পায়। ERNIE 4.5 VL 28B A3B Thinking মূল্যায়ন করতে আগ্রহী কোম্পানিগুলোর উৎপাদনে ব্যবহারের সিদ্ধান্ত নেওয়ার আগে নিজেদের নথি, আলোর অবস্থা, ক্যামেরার কোণ ও নিরাপত্তানীতি ব্যবহার করে নির্দিষ্ট পরীক্ষামূলক প্রয়োগ চালানো উচিত।

এই সতর্কতা সত্ত্বেও, মডেলটি যেসব কাজ সামলানোর দাবি করছে তার পরিসর বিস্তৃত। যুক্তি, গ্রাউন্ডিং ও টুল ব্যবহারের সমন্বয় এটিকে এজেন্টধর্মী কাজের উপযোগী করে তুলতে পারে। যেমন, বীমা দাবির সারিতে আসা নথি পড়া, গুদামের কার্যক্রমে অস্বাভাবিকতা চিহ্নিত করা কিংবা টীকা দেওয়া ছবি ও ছোট ভিডিও দেখে যন্ত্রপাতি মেরামতে প্রযুক্তিবিদদের সহায়তা করা।

একটি ৮০ জিবি GPU-তে ২৮বি মডেল যেভাবে চলে

এর মূল কৌশল Mixture of Experts: এমন একটি নকশা, যেখানে অনেক বিশেষজ্ঞ সাবনেটওয়ার্ক একটি রাউটারের পেছনে থাকে। প্রতিটি টোকেন বা ছবির প্যাচের জন্য রাউটার অল্প কয়েকটি বিশেষজ্ঞ নেটওয়ার্ককে সক্রিয় করে। কেবল সেই বিশেষজ্ঞরাই গণনা করে। ফলে প্রতিটি ধাপে সিস্টেমটি ছোট মডেলের মতো আচরণ করে, অথচ অনেক ধাপ ও কাজ মিলিয়ে দেখলে বিশেষজ্ঞদের পুরো সমষ্টি বৃহত্তর সক্ষমতা দেয়। যেকোনো একটি অপারেশনের সময় অধিকাংশ প্যারামিটার নিষ্ক্রিয় থাকায় এই কাঠামো প্রসেসিংয়ের গতি বাড়ায়।

বেছে বেছে প্যারামিটার সক্রিয় করায় মেমরির চাহিদা ও কম্পিউটিং খরচ কমে। ২৮ বিলিয়ন প্যারামিটারের একটি ডেন্স মডেল কার্যকর গতিতে চালাতে অনেক বেশি হার্ডওয়্যার প্রয়োজন হতো। প্রতি টোকেনে প্রায় ৩ বিলিয়ন প্যারামিটার সক্রিয় রেখে Baidu ভিশন-ল্যাঙ্গুয়েজ মডেলটি একটি GPU-তে চালানোর দাবি করছে, ফলে অনেক গবেষণাগারের পক্ষেই এটি পরীক্ষা করা সম্ভব হবে। তবে এর বিনিময়ে জটিলতা বাড়ে। কয়েকটি বিশেষজ্ঞ যেন সব কাজ করে না ফেলে, তা নিশ্চিত করতে প্রকৌশলীদের দ্রুত ও ভারসাম্যপূর্ণ রাউটার, সতর্ক লোড ব্যালান্সিং এবং স্থিতিশীল প্রশিক্ষণ কৌশল দরকার।

ছবি নিয়ে ভাবনা এবং নির্ভুল গ্রাউন্ডিং

প্রচলিত ভিশন-ল্যাঙ্গুয়েজ মডেল নির্দিষ্ট রেজোলিউশনের একটি ছবি নিয়ে লিখিত উত্তর দেয়। Thinking with Images-এ যুক্ত হয়েছে পরিকল্পনার একটি ধাপ। মডেলটি প্রশ্নকে কয়েকটি ধাপে ভাগ করে, এরপর কোথায় দেখা উচিত তা ঠিক করে, উচ্চ রেজোলিউশনে একটি অংশ ক্রপ করে, সেই অংশের লেখা পড়ে বা জ্যামিতিক পরিমাপ করে, তারপর পরিকল্পনা হালনাগাদ করে। উত্তর দেওয়ার মতো যথেষ্ট তথ্য না পাওয়া পর্যন্ত এই প্রক্রিয়া চলতে থাকে। নির্দেশ অনুযায়ী কোনো কিছু দেখানোর কাজেও এটি উল্টোভাবে ব্যবহার করা যায়: শব্দকে ছবির পিক্সেল-অবস্থানের সঙ্গে মেলানো এবং একটি বাক্স বা মাস্ক আঁকার মাধ্যমে।

ছবি জটিল বা কারিগরি হলে ভালো গ্রাউন্ডিং গুরুত্বপূর্ণ। উৎপাদনে জুম না করা পর্যন্ত দুটি অংশকে প্রায় একই রকম দেখাতে পারে। প্রকৌশল নকশায় চিহ্নের কয়েকটি পিক্সেলের পার্থক্যেই অর্থ বদলে যায়। চিকিৎসা-চিত্রে ক্ষুদ্র কোনো আর্টিফ্যাক্ট রোগনির্ণয়কে প্রভাবিত করতে পারে। পুরো দৃশ্যের প্রেক্ষাপট ও সূক্ষ্ম বিবরণের মধ্যে যাতায়াত করতে পারে এবং কী কী ধাপ নিয়েছে তা ব্যাখ্যা করতে পারে, এমন সিস্টেম পরিচালকদের জন্য সিদ্ধান্তের আরও স্পষ্ট নিরীক্ষা-রেকর্ড এবং ভুল সংশোধনের পথ তৈরি করে।

বেঞ্চমার্ক বনাম বাস্তব কাজ

সরবরাহকারীদের প্রকাশিত চার্টে প্রায়ই অনেক মূল্যায়নের স্কোর একত্র করা হয়। কিছু বেঞ্চমার্কে থাকে পরিষ্কার ছবি ও নিখুঁত ক্রপ। অন্যগুলোর প্রশ্নের উত্তর প্রশিক্ষণ ডেটাসেটে আগে থেকেই থাকতে পারে। বাস্তব প্রয়োগে আসে আলো প্রতিফলিত হওয়া, গতির কারণে ছবি ঝাপসা হওয়া, অস্বাভাবিক ফন্ট, আড়াল হওয়া বস্তু এবং একাধিক ভাষার লেবেল। প্রশিক্ষণ ডেটার ধরন থেকে ইনপুট আলাদা হলে পারফরম্যান্স অনেক বদলে যেতে পারে। তাই নির্বাচিত পরীক্ষায় GPT-5 বা Gemini-কে ছাড়িয়ে যাওয়ার শিরোনামসর্বস্ব দাবিকে চূড়ান্ত সিদ্ধান্ত নয়, বরং পরীক্ষার সূচনা হিসেবে দেখা উচিত।

আরও নির্ভরযোগ্য পদ্ধতি হলো নির্দিষ্ট কাজভিত্তিক মূল্যায়ন। নথির ক্ষেত্রে দলগুলো কয়েক শ প্রতিনিধিত্বমূলক ফাইল সংগ্রহ করে, মানুষের যাচাই করা উত্তরসূচির সঙ্গে মিলিয়ে নির্দিষ্ট তথ্যক্ষেত্র বের করার নির্ভুলতা মাপতে পারে। ভিশনভিত্তিক কাজের জন্য উৎপাদনের পরিবেশ অনুকরণ করে বাক্স বা মাস্কের নির্ভুলতা ও রিকল হিসাব করা যায়। চার্টের ক্ষেত্রে লগ স্কেল বা স্তূপীকৃত সিরিজের মতো প্রান্তিক পরিস্থিতি রেখে কৃত্রিম প্লট তৈরি করা যায়। এভাবে মডেলের আচরণ ও ভুলের ধরন আরও স্পষ্ট হয়।

প্রশিক্ষণ পদ্ধতি ও ডেভেলপার টুল

ERNIE 4.5 মডেলগুলোকে এমন একটি প্রশিক্ষণ পদ্ধতিতে তৈরি করা হয়েছে, যেখানে প্রচলিত সুপারভাইজড লার্নিংয়ের সঙ্গে মাল্টিমোডাল কাজে রিইনফোর্সমেন্ট লার্নিং যুক্ত করা হয়েছে। নথিতে GSPO ও IcePop নামের কৌশলের কথা বলা হয়েছে, যেগুলো MoE প্রশিক্ষণের সময় রাউটারকে স্থিতিশীল করতে এবং রিওয়ার্ড নির্ধারণ উন্নত করতে ব্যবহৃত হয়। পাশাপাশি মডেল উন্নত হওয়ার সঙ্গে সঙ্গে আরও কঠিন উদাহরণ দেখানোর জন্য রয়েছে ডায়নামিক ডিফিকাল্টি স্যাম্পলিং। এর ফলে একবারে আন্দাজ করার বদলে ছবি, চার্ট ও ভিডিও নিয়ে বহু ধাপের যুক্তি সাজিয়ে পরিকল্পনা করতে পারে সিস্টেমটি।

এই মডেল পরিবারে রয়েছে শুধু টেক্সটভিত্তিক এবং ভিশন-ল্যাঙ্গুয়েজ সংস্করণ; খুব ছোট ডেন্স মডেল থেকে শুরু করে শত শত বিলিয়ন মোট প্যারামিটারের বিশাল MoE সিস্টেম পর্যন্ত। Baidu-র দাবি, আর্কিটেকচারটি বিভিন্ন মোডালিটির মধ্যে প্যারামিটার ভাগাভাগি করতে দেয়। ফলে ভাষার মান কমানো ছাড়াই টেক্সট ও ভিশন উপাদান পরস্পরের সুবিধা নিতে পারে। প্রশিক্ষণ ও ইনফারেন্স চলে কোম্পানিটির PaddlePaddle প্ল্যাটফর্মে। বড় পরিসরে এতে হার্ডওয়্যারের ব্যবহার বেশি কার্যকর বলে জানিয়েছে দলটি।

ডেভেলপারদের জন্য Baidu একগুচ্ছ টুল দিচ্ছে। সম্পদ সাশ্রয়ীভাবে স্থাপনের জন্য ERNIEKit-এ ফাইন-টিউনিং, প্রেফারেন্স অপ্টিমাইজেশন ও কোয়ান্টাইজেশনের সুবিধা রয়েছে। ভিশন-ল্যাঙ্গুয়েজ মডেলটি Transformers ও vLLM-এর মতো প্রচলিত স্ট্যাকের মাধ্যমে চালানো যায়, আর উৎপাদন পর্যায়ের ইনফারেন্স পরিচালনা করা যায় FastDeploy দিয়ে। Apache 2.0 লাইসেন্সে বাণিজ্যিক ব্যবহারের অনেক বিধিনিষেধ উঠে গেছে। মডেলটির আনুষ্ঠানিক পৃষ্ঠা রয়েছে Hugging Face-এ, আর কোড ও প্রশিক্ষণ-নির্দেশিকা রয়েছে Baidu-র GitHub রিপোজিটরিতে।

এন্টারপ্রাইজের জন্য এর অর্থ কী

ওপেন লাইসেন্স এবং একটি GPU-তে ইনফারেন্স চালানোর সুবিধা এমন দলগুলোর কাছে মডেলটিকে আকর্ষণীয় করে তুলতে পারে, যারা ক্লাউড সেবাদাতার কাছে তথ্য না পাঠিয়ে ব্যক্তিগত, নিজস্ব অবকাঠামোয় চালানো যায় এমন ভিজ্যুয়াল এআই চায়। নথিনির্ভর খাতগুলো চুক্তি, ইনভয়েস ও দাবিপত্র বাছাইয়ে বুদ্ধিমান স্বয়ংক্রিয় ব্যবস্থা পরীক্ষা করতে পারে। উৎপাদনকারী প্রতিষ্ঠানগুলো লাইনের কর্মীদের ভিশন ও ভাষাভিত্তিক নির্দেশনা দেয়, এমন মাননিয়ন্ত্রণ ব্যবস্থা তৈরি করতে পারে। খুচরা বিক্রি ও লজিস্টিকস দল গুদামে পণ্য খুঁজে বের করা এবং লেবেল যাচাইয়ে গ্রাউন্ডিং ব্যবহার করতে পারে। গ্রাহকসেবা দল এমবেড করা চার্ট বা স্ক্রিনশট পড়ে চ্যাটের উত্তর আরও সমৃদ্ধ করতে পারে।

খরচও গুরুত্বপূর্ণ। অনেক প্রতিষ্ঠানের পক্ষে একটি অ্যাপ্লিকেশনের জন্য H100 শ্রেণির GPU-র ক্লাস্টার সংরক্ষণ করে রাখা সম্ভব নয়। একটি ৮০ জিবি কার্ডে চালানো যায় এমন সিস্টেম পাইলট ও প্রাথমিক প্রয়োগের বাধা কমায়। গ্রাউন্ডিং, টুল ব্যবহার ও ভিডিও বোঝার সমন্বয় এজেন্টধর্মী কাজেও মানানসই, যেখানে মডেল কোনো কাজ শেষ করতে কয়েক ধাপে পড়ে, খোঁজে, ক্লিক করে ও যুক্তি প্রয়োগ করে। কাস্টম API-র বদলে প্রচলিত ইন্টারফেসে কাজ করে এমন কম্পিউটার-ব্যবহারকারী এজেন্টের দিকে অগ্রসর হওয়ার প্রবণতার সঙ্গে এটি মেলে।

বৃহত্তর প্রতিযোগিতা: ওপেন মডেল বনাম ক্লোজড সেবা

ওপেন মডেলের ব্যস্ত এক বছরে এই মডেলটি বাজারে এসেছে। DeepSeek শত শত বিলিয়ন মোট প্যারামিটার থাকলেও প্রতি টোকেনে মাত্র কয়েক দশ বিলিয়ন সক্রিয় হয়, এমন একটি বিশাল MoE ল্যাঙ্গুয়েজ মডেল এনেছে। ক্লোজড সিস্টেমের তুলনায় প্রশিক্ষণে সামান্য খরচ করে সাধারণ বেঞ্চমার্কে ভালো ফল করার কথাও জানিয়েছে তারা। অন্যদিকে Alibaba Marco o1 চেইন-অব-থট ফাইন-টিউনিং ও সার্চ-নির্দেশিত পরিকল্পনার মতো কৌশল ব্যবহার করে রিজনিংয়ের ওপর জোর দিয়েছে, যাতে স্পষ্ট সংখ্যাগত রিওয়ার্ড নেই এমন উন্মুক্ত কাজ সামলানো যায়।

Baidu, Alibaba-সহ চীনের গবেষণাগারগুলো ক্রমেই উদার লাইসেন্সে সক্ষমতাসম্পন্ন মডেল প্রকাশ করছে। ওপেন অ্যাকসেস আঞ্চলিক ডেভেলপারদের মালিকানাধীন সেবার ওপর কম নির্ভর করে কাজ তৈরির সুযোগ দেয়। একই সঙ্গে নির্ভরযোগ্যতা, টুলিং বা ইন্টিগ্রেশনে স্পষ্ট সুবিধা দেখিয়ে প্রিমিয়াম মূল্যকে যৌক্তিক করার চাপ তৈরি করে বৈশ্বিক সেবাদাতাদের ওপর। অনেক ক্ষেত্রে, বিশেষ করে চার্ট বিশ্লেষণ ও নথি থেকে তথ্য বের করার মতো বিশেষায়িত কাজে, ওপেন ও ক্লোজড মডেলের পারফরম্যান্সের ব্যবধান কমেছে।

সীমাবদ্ধতা ও অমীমাংসিত প্রশ্ন

কিছু সীমাবদ্ধতা রয়েছে। ভালো ফলের জন্য ভিশন-ল্যাঙ্গুয়েজ মডেলটির এখনো ৮০ জিবি GPU প্রয়োজন, ফলে অনেক ভোক্তা ডিভাইসে এটি চালানো যাবে না। এর কনটেক্সট উইন্ডো ১২৮কে টোকেন; দীর্ঘ PDF-এর জন্য এটি সহায়ক হলেও অনেক ছবি, OCR টেক্সট ও নির্দেশনা একত্র করলে জায়গা সীমিত হয়ে পড়ে। বড় পরিসরে স্থাপনের সময় MoE রাউটিং জটিলতা তৈরি করতে পারে, কারণ প্রকৌশলীদের বিশেষজ্ঞদের মধ্যে কাজের ভারসাম্য পর্যবেক্ষণ করতে হবে এবং নির্দিষ্ট রাউটিংয়ে চাপ তৈরি হয়ে লেটেন্সি বেড়ে যাওয়ার ঝুঁকি সামলাতে হবে।

নিরাপত্তাও বড় একটি বিষয়। প্রতিপক্ষ-তৈরি প্যাটার্ন বা ভুল সম্পর্কের ভিত্তিতে ছবি বিশ্লেষণকারী সিস্টেমকে বিভ্রান্ত করা যায়। সক্রিয়ভাবে ছবি ক্রপ ও জুম করে এমন মডেলকে নিশ্চিতকরণ পক্ষপাত এড়িয়ে চলতে হবে, যাতে পরিকল্পনা বারবার ভুল অংশের দিকেই নজর না দেয়। মডেলটি থিংকিং মোডে থাকলে প্রতিটি ধাপের স্পষ্ট নিরীক্ষা-লগ, অথবা অন্তত টুল ব্যবহারের কল ও বাউন্ডিং বক্সের কাঠামোবদ্ধ ট্রেস এন্টারপ্রাইজগুলো চাইবে। Baidu বলছে, মডেলটির মাল্টিমোডাল রিইনফোর্সমেন্ট লার্নিং ও গ্রাউন্ডিং অ্যালাইনমেন্ট করা হয়েছে। তবে আস্থা তৈরিতে তৃতীয় পক্ষের বিস্তৃত মূল্যায়ন প্রয়োজন হবে।

মূল বিষয়গুলো

• Baidu বাণিজ্যিক ব্যবহারের জন্য Apache 2.0 লাইসেন্সে ERNIE 4.5 VL 28B A3B Thinking নামের একটি ওপেন সোর্স মাল্টিমোডাল মডেল প্রকাশ করেছে।
• স্বাধীন যাচাই বাকি থাকলেও, দৃষ্টিনির্ভর বেঞ্চমার্কে GPT-5 High ও Gemini 2.5 Pro-কে ছাড়িয়ে যাওয়ার দাবি করেছে মডেলটি।
• এতে Mixture of Experts নকশা ব্যবহার করা হয়েছে; কম্পিউটিং ও মেমরি কমাতে প্রতি টোকেনে ২৮ বিলিয়ন প্যারামিটারের মধ্যে প্রায় ৩ বিলিয়ন সক্রিয় হয়।
• একটি ৮০ জিবি GPU-তে ইনফারেন্স চালানো যায়, ফলে পাইলট ও নিজস্ব অবকাঠামোয় পরীক্ষা করার বাধা কমে।
• প্রধান বৈশিষ্ট্যের মধ্যে রয়েছে জুম করে খুঁটিয়ে দেখার কাজে Thinking with Images, উন্নত ভিজ্যুয়াল গ্রাউন্ডিং এবং ভিডিও বোঝা।
• ছয়টি মূল সক্ষমতা হলো ভিজ্যুয়াল রিজনিং, STEM-এর কাজ, গ্রাউন্ডিং, টুল ব্যবহার, ভিডিও বিশ্লেষণ ও ছবির গতিশীল পরিকল্পনা।
• প্রশিক্ষণে রয়েছে মাল্টিমোডাল রিইনফোর্সমেন্ট লার্নিং, GSPO ও IcePop এবং MoE স্থিতিশীল করতে ডায়নামিক ডিফিকাল্টি স্যাম্পলিং।
• ডেভেলপার টুলের মধ্যে রয়েছে ERNIEKit, Transformers, vLLM ও FastDeploy-এর সঙ্গে সামঞ্জস্য, পাশাপাশি উন্মুক্ত মডেল পৃষ্ঠা ও কোড রিপোজিটরি।
• ব্যবহারের ক্ষেত্রের মধ্যে রয়েছে নথি প্রক্রিয়াকরণ, উৎপাদনের মাননিয়ন্ত্রণ, গুদামের কার্যক্রম ও গ্রাহকসেবা।
• সীমাবদ্ধতার মধ্যে রয়েছে ৮০ জিবি GPU-র প্রয়োজন, ১২৮কে কনটেক্সট উইন্ডো, MoE রাউটিংয়ের জটিলতা এবং নির্ভরযোগ্যতা ও নিরাপত্তা নিয়ে অমীমাংসিত প্রশ্ন।