ঘণ্টায় ১ ডলারের এআই কর্মী
চীনা কৃত্রিম বুদ্ধিমত্তা স্টার্টআপ MiniMax এমন এক পরিবর্তন এনেছে, যা এন্টারপ্রাইজে এআই ব্যবহারের অর্থনীতিকে ভেঙে দেওয়ার হুমকি তৈরি করেছে। সাংহাইভিত্তিক কোম্পানিটি M2.5 প্রকাশ করেছে, একটি ভাষা মডেল যা সবচেয়ে ব্যয়বহুল পশ্চিমা সিস্টেমগুলোর সঙ্গে পাল্লা দেওয়ার মতো সক্ষমতা দেয়, অথচ Claude Opus 4.6 ও GPT-5.2-এর মতো প্রতিদ্বন্দ্বীদের তুলনায় এর খরচ প্রায় ১০ ভাগের ১ ভাগ থেকে ২০ ভাগের ১ ভাগ।
সূচিপত্র
পরিবর্তিত MIT লাইসেন্সের অধীনে Hugging Face-এ প্রকাশিত মডেলটি চীনা এআই ঘোষণার এক ব্যস্ত সপ্তাহের অংশ, যা বৈশ্বিক বাজারকে নাড়িয়ে দিয়েছে এবং প্রতিযোগিতার সীমানা নতুন করে এঁকেছে। হংকং স্টক এক্সচেঞ্জে MINIMAX-WP (00100.HK) নামে লেনদেন হওয়া MiniMax-এর শেয়ারের দাম ঘোষণার পর ১১% থেকে ১৬% বেড়েছে। South China Morning Post-এর তথ্য অনুযায়ী, শেয়ারটির দর HK$680-এ দাঁড়ায়।
MiniMax M2.5-কে কেবল চ্যাটবট হিসেবে নয়, বরং স্বয়ংক্রিয়ভাবে কোড লেখা, গবেষণা ও নথি তৈরিতে সক্ষম উৎপাদন-পর্যায়ের ডিজিটাল কর্মী হিসেবে তুলে ধরেছে। কোম্পানির দাবি, এটিই প্রথম ফ্রন্টিয়ার মডেল, যেখানে খরচ নিয়ে উদ্বেগ কার্যত উধাও হয়ে যায়: প্রতি সেকেন্ডে ১০০ টোকেন গতিতে মাত্র ঘণ্টায় ১ ডলারে নিরবচ্ছিন্নভাবে চালানো যায় এটি। কম গতিতে খরচ নেমে আসে ঘণ্টায় ০.৩০ ডলারে। এই মূল্যকাঠামোয় প্রায় ১০ হাজার ডলারে পুরো এক বছর ধরে চারটি এআই এজেন্ট নিরবচ্ছিন্নভাবে চালানো সম্ভব; তুলনীয় পশ্চিমা মডেল দিয়ে এক মাস চালানোর খরচও এই অঙ্কে মিটবে না।
ফ্রন্টিয়ারের সঙ্গে পাল্লা দেওয়া বেঞ্চমার্ক
স্বাধীন মূল্যায়ন ও MiniMax-এর নিজস্ব পরীক্ষায় দেখা গেছে, কোডিং মডেলগুলোর শীর্ষ সারিতে রয়েছে M2.5। বিপুল মূল্যপার্থক্য সত্ত্বেও Anthropic-এর Claude Opus 4.6-এর খুব কাছাকাছি এর অবস্থান। বাস্তব জগতের সফটওয়্যার প্রকৌশল সক্ষমতা পরিমাপের শিল্পমান SWE-Bench Verified-এ M2.5 পেয়েছে ৮০.২%, যা Opus 4.6-এর চেয়ে মাত্র ০.৬ শতাংশ পয়েন্ট কম। OpenAI-এর GPT-5.2-এর ৮০% এবং Google-এর Gemini 3 Pro-এর ৭৮%-এর চেয়ে বেশি এ স্কোর।
বিভিন্ন ভাষায় কোডিংয়ের ক্ষেত্রে মডেলটি বিশেষ দক্ষতা দেখিয়েছে। একাধিক কোডবেস একসঙ্গে বোঝার প্রয়োজন হয় এমন রিপোজিটরিজুড়ে প্রোগ্রামিংয়ের কাজ যাচাই করা Multi-SWE-Bench-এ এটি পেয়েছে ৫১.৩%। এ স্কোর Opus 4.6-এর ৫০.৩%-এর চেয়ে বেশি এবং Gemini 3 Pro-এর ৪২.৭%-এর তুলনায় উল্লেখযোগ্যভাবে এগিয়ে। জটিল ফুল-স্ট্যাক ডেভেলপমেন্টের কাজ যাচাই করা অভ্যন্তরীণ বেঞ্চমার্ক VIBE-Pro-তে M2.5-এর পারফরম্যান্স Opus 4.5-এর সমান।
কোডিংয়ের কাঁচা সক্ষমতার বাইরেও M2.5 এজেন্ট হিসেবে অসাধারণ দক্ষতা দেখিয়েছে। জটিল ওয়েব ব্রাউজিং ও তথ্য খোঁজার সক্ষমতা মাপা BrowseComp-এ এটি পেয়েছে ৭৬.৩% এবং বহু ধাপে টুল ব্যবহারের Berkeley Function Calling Leaderboard (BFCL)-এ ৭৬.৮%। এ ক্ষেত্রে Opus 4.6-এর চেয়ে ১৩ শতাংশ পয়েন্টেরও বেশি এগিয়ে আছে মডেলটি। তৃতীয় পক্ষের বিশ্লেষক প্রতিষ্ঠান Artificial Analysis তাদের Intelligence Index-এ M2.5-কে ৪২ স্কোর দিয়েছে, যা তুলনীয় মডেলগুলোর গড় ২৫-এর চেয়ে অনেক বেশি। প্রতিষ্ঠানটি আরও উল্লেখ করেছে, মডেলটি প্রতি সেকেন্ডে ৮০ টোকেন গতিতে চলে, যেখানে গড় গতি ৫৫।
তবে, ভিন্ন পদ্ধতিতে ৪৮টি নতুন GitHub পুল রিকোয়েস্ট যাচাই করা SWE-rebench-এর জানুয়ারি ২০২৬-এর লিডারবোর্ডে স্বাধীন পরীক্ষায় M2.5-এর স্কোর ছিল ৩৯.৬%, যেখানে Claude Code পেয়েছে ৫২.৯%। এতে ইঙ্গিত মেলে, মূল্যায়নের পদ্ধতি ও কাজের সাম্প্রতিকতার ওপর বাস্তব পারফরম্যান্সের তারতম্য হতে পারে।
দক্ষতার স্থাপত্য
M2.5-এর অর্থনৈতিক কার্যকারিতার ভিত্তি হলো এর Mixture of Experts (MoE) স্থাপত্য। এই নকশায় সাধারণ কাজে পারদর্শী কর্মীর বদলে বিশেষজ্ঞের পরামর্শ নেওয়ার ধরন অনুকরণ করা হয়েছে। মডেলটিতে মোট ২৩০ বিলিয়ন প্যারামিটার থাকলেও যেকোনো নির্দিষ্ট কাজের জন্য সক্রিয় হয় মাত্র ১০ বিলিয়ন। এই বাছাই করা সক্রিয়তার ফলে বিশাল মডেলের যুক্তি করার গভীরতা বজায় রেখেও অনেক ছোট সিস্টেমের গতি ও খরচে কাজ করতে পারে এটি।
এই জটিল স্থাপত্য প্রশিক্ষণের জন্য MiniMax তৈরি করেছে Forge, এজেন্টিক এআইয়ের জন্য বিশেষভাবে নির্মিত একটি নিজস্ব রিইনফোর্সমেন্ট লার্নিং ফ্রেমওয়ার্ক। মনঃপূত উত্তর দেওয়ার জন্য মডেলকে প্রশিক্ষিত করার প্রচলিত পদ্ধতির বিপরীতে, Forge কোড রিপোজিটরি, ওয়েব ব্রাউজার ও অফিস অ্যাপ্লিকেশনসহ লাখো বাস্তবসম্মত সিমুলেটেড পরিবেশে মডেল চালায়। ভাষার ধরন মেলানোর বদলে কাজ সত্যিই সম্পন্ন করাকে পুরস্কৃত করা হয়। প্রশিক্ষণের নমুনা একীভূত করার জন্য উন্নত অ্যাসিঙ্ক্রোনাস শিডিউলিং ও ট্রি-ভিত্তিক কৌশলের মাধ্যমে এই সিস্টেম প্রচলিত RL পদ্ধতির তুলনায় প্রায় ৪০ গুণ দ্রুত প্রশিক্ষণ দেয়।
ThursdAI পডকাস্টে দেওয়া সাক্ষাৎকারে MiniMax-এর প্রকৌশলী Olive Song জানান, বিভিন্ন বাস্তব পরিস্থিতি নিয়ে দুই মাস ধরে নিবিড়ভাবে কাজ করে এই প্রশিক্ষণপ্রক্রিয়া সম্পন্ন করতে হয়েছে। এ প্রক্রিয়ায় স্থিতিশীলতা বজায় রাখতে দলটি CISPO (Clipping Importance Sampling Policy Optimization) প্রয়োগ করে। এটি এমন একটি গাণিতিক পদ্ধতি, যা প্রশিক্ষণের বিভিন্ন ধাপে মডেলকে অতিরিক্ত সংশোধন করা থেকে বিরত রাখে।
"আমরা বুঝতে পেরেছি, এ ধরনের ছোট মডেলের মধ্যে অনেক সম্ভাবনা আছে, যদি বিপুলসংখ্যক পরিবেশ ও এজেন্ট দিয়ে এটিকে রিইনফোর্সমেন্ট লার্নিংয়ের মাধ্যমে প্রশিক্ষণ দেওয়া যায়। কিন্তু কাজটি খুব সহজ নয়," বলেন Song। প্রক্রিয়াটি পরিমার্জন করতে দলটি অনেক সময় ব্যয় করেছে বলেও জানান তিনি।
এই পদ্ধতির মাধ্যমে MiniMax-এর ভাষায় একটি "স্থপতির মানসিকতা" গড়ে উঠেছে। সরাসরি কোড তৈরি না করে M2.5 প্রথমে প্রকল্পের কাঠামো, ফিচার ও ইন্টারফেসের নকশা পরিকল্পনা করে এবং কাজ শুরু করার আগে জটিল কাজগুলোকে পরিচালনাযোগ্য অংশে ভাগ করে নেয়। Go, C, C++, TypeScript, Rust, Kotlin, Python, Java, JavaScript, PHP, Lua, Dart ও Ruby-সহ ১০টির বেশি প্রোগ্রামিং ভাষায় ২ লাখেরও বেশি পরিবেশে মডেলটিকে প্রশিক্ষণ দেওয়া হয়েছে।
চ্যাটবট থেকে ডিজিটাল কর্মী
কথোপকথনের মাধ্যম হিসেবে এআইয়ের ব্যবহার থেকে স্বয়ংক্রিয় কর্মী হিসেবে এআইয়ের ব্যবহারে উত্তরণই M2.5-এর নকশাদর্শনের মূল কথা। অর্থ, আইন ও সামাজিক বিজ্ঞানের জ্যেষ্ঠ পেশাজীবীদের সঙ্গে কাজ করে MiniMax মডেলটিতে শিল্পখাতভিত্তিক প্রচ্ছন্ন জ্ঞান যুক্ত করেছে। ফলে এটি কেবল লেখার খসড়া নয়, বরং সরাসরি ব্যবহারযোগ্য কাজের ফল তৈরি করতে পারে।
এ লক্ষ্য বাস্তব অফিসের কাজ স্বয়ংক্রিয় করার সক্ষমতায় প্রতিফলিত হয়েছে, যে ক্ষেত্রটি অধিকাংশ ফ্রন্টিয়ার মডেল উপেক্ষা করে। M2.5 Microsoft Word-এর নথি তৈরি ও সম্পাদনা, সঠিক বিন্যাস ও চার্টসহ PowerPoint উপস্থাপনা তৈরি এবং জটিল Excel আর্থিক মডেলিংয়ের কাজ করতে পারে। Microsoft Excel World Championship-এর বাস্তব প্রতিযোগিতার সমস্যা থেকে নেওয়া MEWC বেঞ্চমার্কে মডেলটির স্কোর ৭৪.৪%। কাজের ফলের মান ও পেশাগত অগ্রগতি—দুটিই পাশাপাশি তুলনা করে মূল্যায়ন করা অভ্যন্তরীণ GDPval-MM কাঠামোয় মূলধারার প্রতিদ্বন্দ্বীদের বিরুদ্ধে M2.5-এর গড় জয়ের হার ৫৯%।
এন্টারপ্রাইজে ব্যবহারের পরীক্ষা হিসেবে MiniMax ইতিমধ্যে নিজেদের প্রতিষ্ঠানে M2.5 চালু করেছে। কোম্পানির বক্তব্য অনুযায়ী, গবেষণা ও উন্নয়ন, পণ্য ব্যবস্থাপনা, বিক্রয়, মানবসম্পদ ও অর্থ বিভাগসহ বিভিন্ন বিভাগের মোট কাজের ৩০% এখন মডেলটি স্বয়ংক্রিয়ভাবে সম্পন্ন করে। MiniMax-এর সদর দপ্তরে নতুন করে জমা দেওয়া কোডের ৮০% তৈরি করে M2.5।
এই সক্ষমতাগুলো MiniMax Agent নামের প্ল্যাটফর্মে যুক্ত করেছে কোম্পানিটি। সেখানে ব্যবহারকারীরা Office Skills-এর সঙ্গে খাতভিত্তিক বিশেষায়িত জ্ঞান মিলিয়ে ১০ হাজারের বেশি বিশেষজ্ঞ মডেল তৈরি করেছেন। এর ফলে Agent কেবল লেখার খসড়া তৈরি না করে শিল্পখাতের গবেষণায় প্রতিষ্ঠিত কার্যপদ্ধতি অনুসরণ করতে পারে, কিংবা আর্থিক মডেলিংয়ের ক্ষেত্রে নির্দিষ্ট ঝুঁকি নিয়ন্ত্রণের নিয়ম মেনে চলতে পারে।
মডেলটি Web, Android, iOS ও Windows প্ল্যাটফর্মে পূর্ণাঙ্গ সফটওয়্যার তৈরি করতে পারে। শুধু ফ্রন্টএন্ডের নমুনা তৈরি নয়, সার্ভার-সাইড API, ব্যবসায়িক যুক্তি ও ডেটাবেসও সামলায় এটি। প্রাথমিক সিস্টেম নকশা থেকে ফিচার উন্নয়ন, পূর্ণাঙ্গ কোড পর্যালোচনা ও পরীক্ষা পর্যন্ত সফটওয়্যার তৈরির পুরো জীবনচক্রে এই সক্ষমতা কাজে লাগে।
নিরবচ্ছিন্ন ব্যবহারের অর্থনীতি
MiniMax একই সক্ষমতাসম্পন্ন, তবে কাজের গতিতে ভিন্ন দুটি API সংস্করণ দিচ্ছে। M2.5-Lightning প্রতি সেকেন্ডে ১০০ টোকেন গতিতে চলে; প্রতি ১০ লাখ ইনপুট টোকেনের দাম ০.৩০ ডলার এবং প্রতি ১০ লাখ আউটপুট টোকেনের দাম ২.৪০ ডলার। স্ট্যান্ডার্ড M2.5 চলে এর অর্ধেক গতিতে—প্রতি সেকেন্ডে ৫০ টোকেন—এবং খরচও অর্ধেক: প্রতি ১০ লাখ ইনপুট টোকেনের দাম ০.১৫ ডলার ও প্রতি ১০ লাখ আউটপুট টোকেনের দাম ১.২০ ডলার।
এই খরচের পরিমাণ বোঝাতে বলা যায়, M2.5-এর চারটি এজেন্ট পুরো এক বছর নিরবচ্ছিন্নভাবে চালাতে আনুমানিক ১০ হাজার ডলার লাগে। তুলনায় Claude Opus 4.6-এ প্রতি ১০ লাখ আউটপুট টোকেনের দাম প্রায় ৭৫ ডলার; ফলে একইভাবে দীর্ঘ সময় চালানো বেশির ভাগ প্রতিষ্ঠানের জন্য অর্থনৈতিকভাবে অসম্ভব। শুধু আউটপুটের দামের হিসাবে M2.5-এর খরচ Opus, Gemini 3 Pro ও GPT-5-এর তুলনায় ১০ ভাগের ১ ভাগ থেকে ২০ ভাগের ১ ভাগ।
নির্দিষ্ট কাজের খরচ হিসাব করলে এই পার্থক্য আরও স্পষ্ট হয়। ThursdAI পডকাস্টের উপস্থাপক Alex Volkov জানান, M2.5 দিয়ে SWE-Bench-এর কাজ সম্পন্ন করতে প্রায় ০.১৫ ডলার মূল্যের টোকেন লাগে, যেখানে একই কাজের জন্য Claude Opus 4.6-এর প্রয়োজন প্রায় ৩ ডলার। খরচের এই ৯৫% হ্রাস প্রম্পট সাজানো ও টোকেন ব্যবহার কমানোর প্রচলিত চাপ দূর করে। ফলে আগে কম দামি কিন্তু কম সক্ষম সিস্টেমের জন্য রাখা নিয়মিত কাজেও ডেভেলপাররা দীর্ঘ প্রসঙ্গ ও গভীর যুক্তির মডেল ব্যবহার করতে পারেন।
দুটি API সংস্করণেই ক্যাশিং সুবিধা আছে, যা বারবার করা কাজের খরচ আরও কমায়। পরিবর্তিত MIT লাইসেন্সে বাণিজ্যিক ব্যবহারকারীদের ইন্টারফেসে স্পষ্টভাবে "MiniMax M2.5" দেখানোর শর্ত রয়েছে। অর্থনৈতিক সুবিধার তুলনায় এটি সামান্য শর্ত। প্রতি সেকেন্ডে ১০০ টোকেন গতিতে নিরবচ্ছিন্নভাবে লেখা তৈরি করলে ঘণ্টায় ৩ লাখ ৬০ হাজার আউটপুট টোকেন হয়। এতে আউটপুট টোকেনের খরচ পড়ে প্রায় ০.৮৬ ডলার, সঙ্গে ইনপুটের খরচ।
গতির উন্নতি খরচ সাশ্রয়ের সুবিধা আরও বাড়ায়। আগের সংস্করণ M2.1-এর চেয়ে M2.5 শুরু থেকে শেষ পর্যন্ত কাজ ৩৭% দ্রুত সম্পন্ন করে। SWE-Bench Verified-এ কাজের সময় ৩১.৩ মিনিট থেকে কমে ২২.৮ মিনিট হয়েছে, যা Claude Opus 4.6-এর ২২.৯ মিনিটের সমান; অথচ প্রতি কাজে খরচ লাগে মাত্র ১০%।
বাজারের প্রেক্ষাপট ও প্রতিযোগিতার চাপ
চীনা কৃত্রিম বুদ্ধিমত্তার অস্থির এক সপ্তাহের শেষদিকে এসেছে M2.5-এর প্রকাশনা। এ সময়ে দেশটির একাধিক কোম্পানি প্রতিযোগিতামূলক মডেল উন্মোচন করেছে। Zhipu AI প্রকাশ করেছে GLM-5, যা Artificial Analysis Intelligence Index-এ Google-এর Gemini 3 Pro-কে ছাড়িয়ে গেছে। Alibaba এনেছে রোবটিকসের জন্য RynnBrain, ByteDance ভিডিও তৈরির জন্য প্রকাশ করেছে Seedance 2.0 এবং Kuaishou এনেছে Kling 3.0। MiniMax ও Zhipu AI—দুটির শেয়ারের দামই দুই অঙ্কের হারে বেড়েছে; হংকংয়ে Zhipu AI-এর শেয়ার বেড়েছে ৩০%।
এ ধরনের দ্রুত একের পর এক প্রকাশনা চীন ও যুক্তরাষ্ট্রের এআই সক্ষমতার ব্যবধান নিয়ে সাম্প্রতিক মূল্যায়নকে চ্যালেঞ্জ করেছে। Google DeepMind-এর প্রধান Demis Hassabis আগে ধারণা দিয়েছিলেন, চীনা মডেলগুলো পশ্চিমা মডেলের চেয়ে মাত্র কয়েক মাস পিছিয়ে। মাত্র এক সপ্তাহ আগে প্রকাশিত Claude Opus 4.6-এর কাছাকাছি M2.5-এর পারফরম্যান্স ইঙ্গিত দেয়, এ ব্যবধান কমে কয়েক দিনে নেমে এসেছে। SWE-rebench-এর জানুয়ারি ২০২৬-এর ফলাফলে নতুন পুল রিকোয়েস্টে Claude Opus 4.6-এর স্কোর ৫১.৭%, GPT-5.2-এর ৫১.০% এবং MiniMax M2.5-এর ৩৯.৬%। এতে বোঝা যায়, একেবারে সাম্প্রতিক কোডের ক্ষেত্রে পশ্চিমা মডেলগুলো এখনো এগিয়ে, যদিও ব্যবধান ক্রমেই কমছে।
প্রতিযোগিতার প্রভাব বেঞ্চমার্কের বাইরেও ছড়িয়ে পড়েছে। প্রিমিয়াম API দামের ওপর ব্যবসায়িক মডেল গড়ে তোলা পশ্চিমা এআই ল্যাবগুলোর ওপর MiniMax-এর মূল্য কৌশল পদ্ধতিগত চাপ সৃষ্টি করছে। MiniMax-এর দাবি অনুযায়ী, বুদ্ধিমত্তা যখন "পরিমাপ করে বিল করার মতো সস্তা" হয়ে যায়, তখন শিল্প খাত দুষ্প্রাপ্যতানির্ভর অর্থনীতি থেকে ব্যবহারনির্ভর অর্থনীতিতে সরে যায়। এর ফলে প্রতিষ্ঠিত কোম্পানিগুলোর আয়ের মডেলও বদলে যেতে পারে।
প্রযুক্তি খাতের নেতাদের জন্য M2.5 তাৎক্ষণিক পরিচালনাগত সুবিধা নিয়ে এসেছে। আগের সংস্করণের তুলনায় ৩৭% গতি বৃদ্ধি রিয়েল-টাইম এজেন্টিক পাইপলাইন তৈরি করতে সাহায্য করে, যেখানে বিলম্বের বাধা ছাড়াই মডেলগুলো একে অপরের সঙ্গে যোগাযোগ করতে পারে। প্রতিষ্ঠানগুলো এখন নিজেদের হোস্ট করা ওপেন-ওয়েট মডেল ব্যবহার করে তথ্যের গোপনীয়তা বজায় রেখেই নজিরবিহীন পরিসরে স্বয়ংক্রিয় কোড নিরীক্ষা চালাতে পারবে।
মূল তথ্য
- SWE-Bench Verified-এ MiniMax M2.5-এর স্কোর ৮০.২%; Claude Opus 4.6-এর সমান পারফরম্যান্স দিতে এর খরচ মাত্র ১০ ভাগের ১ ভাগ থেকে ২০ ভাগের ১ ভাগ
- API-এর দুটি সংস্করণ রয়েছে: স্ট্যান্ডার্ড, প্রতি ১০ লাখ টোকেনে ০.১৫/১.২০ ডলার (৫০ TPS); এবং Lightning, ০.৩০/২.৪০ ডলার (১০০ TPS)
- ২৩০ বিলিয়ন প্যারামিটারের MoE স্থাপত্যে প্রতিটি কাজের জন্য মাত্র ১০ বিলিয়ন প্যারামিটার সক্রিয় হয়, ফলে গণনাগত খরচ কমে
- নিজস্ব Forge RL কাঠামোয় ২ লাখের বেশি বাস্তব পরিবেশে প্রশিক্ষিত; স্থিতিশীলতা নিয়ন্ত্রণে ব্যবহৃত হয়েছে CISPO অ্যালগরিদম
- স্বয়ংক্রিয় পূর্ণাঙ্গ সফটওয়্যার তৈরি, অফিস নথি (Word, Excel, PowerPoint) নির্মাণ এবং জটিল আর্থিক মডেলিংয়ে সক্ষম
- MiniMax-এর ভেতরে বর্তমানে চালু রয়েছে; কোম্পানির ৩০% কাজ সম্পন্ন করে এবং নতুন কোডের ৮০% তৈরি করে
- বাণিজ্যিক ব্যবহারে নাম উল্লেখের শর্তসহ পরিবর্তিত MIT লাইসেন্সে Hugging Face-এ ওপেন-ওয়েট মডেল হিসেবে প্রকাশিত
- ঘোষণার পর হংকং স্টক এক্সচেঞ্জে কোম্পানির শেয়ার (MINIMAX-WP, 00100.HK) ১১% থেকে ১৬% বেড়েছে
