সাইবার নিরাপত্তারক্ষীদের জন্য সীমিত প্রবেশাধিকারসহ শীর্ষ এআই স্কোর নিয়ে গুগলের জেমিনি ৪ কার্বন উন্মোচন

স্কোরবোর্ডে নতুন শীর্ষস্থানীয়, তবে প্রবেশাধিকার সীমিত

গুগল জেমিনি ৪ কার্বন উন্মোচন করেছে। কৃত্রিম বুদ্ধিমত্তার এই মডেলটি Artificial Analysis Intelligence Index v5.0-এ ৫৯ স্কোর করেছে এবং সফটওয়্যারের দুর্বলতা শনাক্ত, পরীক্ষা ও ঠিক করার ক্ষেত্রে শক্তিশালী ফল দেখিয়েছে। এর প্রথম ব্যবহারকারীরা হবেন বাছাই করা সাইবার নিরাপত্তারক্ষীরা, সাধারণ মানুষ নয়।

২৮ অক্টোবর, ২০২৬ তারিখের কোম্পানির জেমিনি ৪ কার্বন ঘোষণায় বলা হয়েছে, সাধারণ সক্ষমতার এই সূচকে মডেলটি ক্লদ ওপাস ৫.৫ এবং জিপিটি-৬ অ্যাস্ট্রাকে পেছনে ফেলেছে। জেমিনি ৪ আর্গন উন্মোচনের মাত্র দুই সপ্তাহ পর এটি বাজারে এল। ফলে অনেক ব্যবহারকারী আগের মডেলটি ভালোভাবে ব্যবহারের সুযোগ পাওয়ার আগেই গুগল আরেকটি ফ্ল্যাগশিপ মডেল নিয়ে এসেছে।

গুগল ডিপমাইন্ডের জ্যেষ্ঠ ভাইস প্রেসিডেন্ট এবং গুগলের প্রধান এআই স্থপতি কোরে কাভুকচুওলু মডেলটির মূল সক্ষমতা সম্পর্কে বলেছেন:

সাইবার নিরাপত্তা ও দীর্ঘমেয়াদি কাজে অত্যাধুনিক সক্ষমতাসম্পন্ন আমাদের সবচেয়ে শক্তিশালী মডেল জেমিনি ৪ কার্বন।

গুগলের ভাষ্য, তাদের অভ্যন্তরীণ দলগুলো কার্বনকে কঠিন প্রকৌশলগত কাজে দিনের পর দিন কাজ করতে দেখেছে। এর মধ্যে রয়েছে সূক্ষ্ম ত্রুটি খুঁজে বের করা এবং বড় সফটওয়্যার প্রকল্পজুড়ে সেগুলোর সমাধান তৈরি করা। নিরাপত্তা দলের জন্য এর প্রতিশ্রুতি হলো এমন এক সহকারী, যে বারবার ব্যর্থ চেষ্টা হলেও সমস্যার সমাধানে লেগে থাকতে পারে; শুধু একটি উত্তর দিয়ে থেমে যায় না।

কার্বনের উন্মোচনে একটি বাস্তব দ্বন্দ্বও সামনে এসেছে। সফটওয়্যারের দুর্বলতা খুঁজে বের করা ও কাজে লাগানোর সক্ষমতা নিরাপত্তারক্ষীদের সিস্টেম মেরামতে সাহায্য করতে পারে, আবার আক্রমণকারীদেরও কার্যকর সক্ষমতা দিতে পারে। উন্মোচনের আগে যুক্তরাষ্ট্র সরকারের স্বেচ্ছামূলক পরীক্ষায় অংশ নিচ্ছে গুগল। তাদের ফেয়ারউইন্ড কর্মসূচির মাধ্যমে ধাপে ধাপে প্রবেশাধিকার বাড়ানো হবে।

ফলাফলগুলো একসঙ্গে দেখলে সবচেয়ে কার্যকর চিত্রটি পাওয়া যায়: কার্বন একটি বিস্তৃত বুদ্ধিমত্তা সূচক ও কয়েকটি নিরাপত্তা পরীক্ষায় এগিয়ে থাকলেও কিছু কোডিং কাজে প্রতিদ্বন্দ্বীদের পেছনে। গুগলের অভ্যন্তরীণ নির্ভরযোগ্যতা উন্নতির পাশাপাশি একটি বাহ্যিক পরীক্ষায় দেখা গেছে, আর্গনের তুলনায় কার্বনের মনগড়া উত্তর দেওয়ার হার বেড়েছে।

সাইবার নিরাপত্তার স্কোরগুলো কী পরিমাপ করে

গুগল নিরাপত্তার ক্ষেত্রে তিনটি প্রধান ফল জানিয়েছে: SEC-bench Pro-তে ৮৮.২%, ExploitGym-এ ৫৪.৮% এবং Collinear-এর CWE-bench-এ ৭১.০%। প্রতিটি পরীক্ষায় নিরাপত্তারক্ষীর কাজের ভিন্ন একটি দিক পরিমাপ করা হয়।

SEC-bench Pro যাচাই করে, কোনো মডেল বাস্তব সফটওয়্যারে দুর্বলতা খুঁজে পায় কি না। দুর্বলতা হলো এমন ত্রুটি, যা কারও তথ্য পাওয়া, সিস্টেমে পরিবর্তন আনা বা সেটির কার্যক্রম ব্যাহত করার সুযোগ করে দিতে পারে। গুগলের দাবি, সফটওয়্যারের গভীরে লুকানো জটিল ত্রুটি খুঁজে বের করে কার্বন এই পরীক্ষায় এগিয়ে রয়েছে।

ExploitGym পরের ধাপটি পরীক্ষা করে: একটি দুর্বলতাকে কার্যকর এক্সপ্লয়েটে রূপ দেওয়া। এক্সপ্লয়েট হলো কোনো ত্রুটি কাজে লাগিয়ে সিস্টেমকে অনাকাঙ্ক্ষিতভাবে চালানোর পদ্ধতি। কোন দুর্বলতা তাৎক্ষণিক বিপদ তৈরি করে এবং সবার আগে মেরামত করা দরকার, তা যাচাই করতে নিরাপত্তা দলগুলো নিয়ন্ত্রিতভাবে এক্সপ্লয়েট ব্যবহার করে।

CWE-bench প্যাচিং পরিমাপ করে, অর্থাৎ মূল সমস্যাটি ঠিক করার জন্য কোড লেখা। কার্বনের ৭১.০% স্কোরের অর্থ, শুধু সন্দেহজনক কোড চিহ্নিত করাই নয়, মেরামত সম্পন্ন করার দিকেও নজর দেওয়া হয়েছে।

গুগল জানিয়েছে, এসব বাহ্যিক সাইবার নিরাপত্তা বেঞ্চমার্কে গার্ডরেল ছাড়া পরীক্ষা চালানো হয়েছে। অর্থাৎ, ব্যবহারের সময় মডেলের কাজ সীমিত রাখতে যে সুরক্ষামূলক বিধিনিষেধ থাকে, মূল্যায়নের সময় সেগুলো সক্রিয় ছিল না। স্কোরগুলো ওই পরীক্ষার পরিবেশে মডেলের কার্যকারিতা তুলে ধরে; গুগলের পণ্যের মাধ্যমে ব্যবহারের ক্ষেত্রে নিরাপত্তা নিয়ন্ত্রণগুলো থাকবে।

গুগলের অভ্যন্তরীণ বেঞ্চমার্কে নিরাপদ কোড তৈরিতে আর্গনের তুলনায় কার্বনের সাফল্যের হার দ্বিগুণেরও বেশি বলে জানিয়েছে কোম্পানিটি। তাদের ক্রোম দল বলেছে, নাম প্রকাশ না করা একটি প্রতিদ্বন্দ্বী গবেষণাগারের বড় ফ্রন্টিয়ার মডেলের তুলনায় উচ্চমানের প্যাচ তৈরিতে কার্বন ১০ গুণেরও বেশি ভালো করেছে। নিরাপদ কোড নিয়ে এসব অভ্যন্তরীণ ফল এখনো স্বাধীনভাবে পুনরায় যাচাই করা হয়নি। এ তুলনায় প্রতিদ্বন্দ্বী মডেলটির নামও জানায়নি গুগল।

প্রথম হওয়া মানেই সব কাজে জয়ী হওয়া নয়

Artificial Analysis-এর Intelligence Index v5.0-এ কার্বনের স্কোর ৫৯; ক্লদ ওপাস ৫.৫-এর ৫৮ এবং জিপিটি-৬ অ্যাস্ট্রার ৫৭। অর্থাৎ, ওপাসের চেয়ে এক এবং অ্যাস্ট্রার চেয়ে দুই পয়েন্টে এগিয়ে কার্বন। সাইবার নিরাপত্তার সবচেয়ে শক্তিশালী তুলনাগুলোর চেয়ে এই ব্যবধান কম।

সূচকটিতে নয়টি মূল্যায়ন একত্র করা হয়েছে। এর মধ্যে চারটিতে কার্বন এগিয়ে: HLE-Diamond, TB-Science, AA-Omniscience এবং AutomationBench। Artificial Analysis-এর ভাষ্য, সংশোধিত সূচকের ৬০% নির্ধারিত হয়েছে ব্যক্তিগত পরীক্ষার মাধ্যমে, যেগুলোর প্রশ্ন জনসমক্ষে প্রকাশ করা হয় না।

কোডিংয়ের ফলাফল মিশ্র। গুগলের Antigravity CLI-এর সঙ্গে কার্বনের স্কোর Coding Agent Index-এ ৫৯; আর ওপাস ৫.৫-এর সঙ্গে Claude Code-এর স্কোর ৬২। কোডিং এজেন্টে এমন একটি মডেলের সঙ্গে ফাইল দেখা, কমান্ড চালানো ও সফটওয়্যার সম্পাদনার সরঞ্জাম যুক্ত থাকে। তাই ফলাফলে সঙ্গে থাকা সফটওয়্যারও গুরুত্বপূর্ণ।

FrontierCode v1.1-এ কার্বনের স্কোর ৫১%, যা ওপাসের ৫৬%-এর চেয়ে কম। FrontierSWE-তে কার্বন পেয়েছে ৬১.২%; জিপিটি-৬ অ্যাস্ট্রার ৬৫.৫%, ওপাস ৫.৫-এর ৬২.৩% এবং সনেট ৫.৫-এর ৬১.৯%। সাধারণ র‍্যাঙ্কিংয়ের পাশাপাশি নিজেদের কাজের সঙ্গে সবচেয়ে বেশি মেলে এমন পরীক্ষাগুলো বিবেচনা করার বাস্তব কারণ ডেভেলপারদের সামনে তুলে ধরে এসব তুলনা।

ওয়েব ডেভেলপমেন্টেও অগ্রগতি হয়েছে। গুগলের ঘোষণায় বলা হয়েছে, ৮৯ পয়েন্ট উন্নতির পর ১,৭৬৮ Elo পয়েন্ট নিয়ে WebDev Arena-তে কার্বন চতুর্থ স্থানে রয়েছে। Elo হলো তুলনামূলক পারফরম্যান্সভিত্তিক রেটিং পদ্ধতি। Text Arena-তে ১,৫২৮ পয়েন্ট নিয়ে কার্বন প্রথম এবং Agent Arena-তে দ্বিতীয়, যা নিরাপত্তার কাজের বাইরেও এর শক্তিশালী পারফরম্যান্স দেখায়।

একবার উত্তর দেওয়ার বদলে দিনের পর দিন কাজ

গুগল কার্বনকে দীর্ঘস্থায়ী এজেন্ট ওয়ার্কফ্লোর জন্য তৈরি করেছে; এমন কাজে এআই সিস্টেম কোনো লক্ষ্য অর্জনের জন্য ধারাবাহিকভাবে বিভিন্ন পদক্ষেপ নেয়। সফটওয়্যার প্রকৌশলে এর অর্থ হতে পারে কোনো প্রকল্প খতিয়ে দেখা, ত্রুটির কারণ ব্যাখ্যা করা, কোড বদলানো, পরীক্ষা চালানো এবং পরীক্ষা ব্যর্থ হলে সমাধান সংশোধন করা।

গুগলের অভ্যন্তরীণ দলগুলোর ভাষ্য, বড় কোডবেস ও নিম্নস্তরের সিস্টেম নিয়ে জটিল কাজে কার্বন দিনের পর দিন কাজ চালিয়ে গেছে। কোম্পানির বর্ণনায়, এটি বাধা এলেও কাজ চালিয়ে যেতে পারে। প্রথম সম্ভাব্য ব্যাখ্যাটি ভুল প্রমাণিত হলে এই বৈশিষ্ট্যটি বিশেষভাবে গুরুত্বপূর্ণ।

প্রকাশিত স্পেসিফিকেশনে কনটেক্সট উইন্ডোর আকার ১০ লাখ টোকেন এবং সর্বোচ্চ আউটপুট ১০ লাখ টোকেন বলা হয়েছে। টোকেন হলো মডেলের প্রক্রিয়াকৃত লেখার ছোট ছোট অংশ। কনটেক্সট উইন্ডো হলো নির্দেশনা ও কাজের জন্য দেওয়া উপকরণসহ মডেল একসঙ্গে যতটা বিবেচনা করতে পারে।

প্রতিবেদন অনুযায়ী, কার্বন লেখা, ছবি, ভিডিও ও কথ্য ভাষা গ্রহণ করে এবং লেখা তৈরি করে। এসব ইনপুটের ফলে একটি ওয়ার্কফ্লোতে লিখিত বাগ রিপোর্ট, স্ক্রিনশট এবং সফটওয়্যারের অপ্রত্যাশিত আচরণের রেকর্ডিং একসঙ্গে যুক্ত করা সম্ভব হতে পারে।

কোডিংয়ের বাইরের কাজে পারফরম্যান্স ভিন্ন ভিন্ন। জ্ঞানভিত্তিক কাজের AA-Briefcase মূল্যায়নে কার্বনের Elo স্কোর ১,৬০৯, যা আর্গনের চেয়ে ১২৬ পয়েন্ট বেশি; তবে Grok 4.7, Muse Wonder এবং Kimi K3.1 Pro-এর চেয়ে পিছিয়ে। Vals Index-এ এটি দ্বিতীয়, আর Finance Index ও Legal Research Benchmark-এ প্রথম। ফলাফলের এই বৈচিত্র্য দেখায়, সফটওয়্যার মেরামত, নথি বিশ্লেষণ নাকি অন্য কোনো নির্দিষ্ট কাজের জন্য মডেল দরকার, তার ওপরই কোনো প্রতিষ্ঠানের পছন্দ নির্ভর করতে পারে।

নিরাপত্তা পরীক্ষায় চেষ্টা ও সফলভাবে প্রতারণার মধ্যে পার্থক্য

Terminal-Bench 4.0-তে কার্বনের সফলভাবে প্রতারণার হার ০.০% এবং প্রতারণার চেষ্টা করার হার ০.৪% বলে জানিয়েছে গুগল। সংখ্যা দুটি ভিন্ন আচরণ বোঝায়: মডেলটি অনুচিত শর্টকাট নেওয়ার চেষ্টা করেছে কি না এবং সেই চেষ্টা সফল হয়েছে কি না।

গুগল জানিয়েছে, শর্টকাটের ব্যবহার কমানোর পাশাপাশি কার্বন কাজের নির্ভুলতা বাড়িয়েছে। নিজেদের দলের সঙ্গে সরাসরি কোডিংয়ের কাজে অভিপ্রেত আচরণ থেকে গুরুতর বিচ্যুতির সতর্কবার্তা প্রায় ৮০% কমেছে।

প্রম্পট ইনজেকশনও আরেকটি গুরুত্বপূর্ণ বিষয়। এ ধরনের আক্রমণে এআইকে পড়তে দেওয়া উপকরণ, যেমন ওয়েবপেজ বা ফাইলে নির্দেশনা রাখা হয়, যাতে সেটি ব্যবহারকারীর কাজ থেকে সরে যায়। কোনো প্রকল্প খতিয়ে দেখতে গিয়ে সহকারী এমন লেখা পেতে পারে, যেখানে তাকে নিজের নির্দেশনা উপেক্ষা করতে বা তথ্য প্রকাশ করতে বলা হয়েছে।

Gray Swan-এর Indirect Prompt Injection Benchmark-এ কার্বনের আক্রমণ সফল হওয়ার হার ছিল ০.০%। তুলনায় আর্গনের হার ০.৭%, ক্লদ ওপাস ৫.৫-এর ১% এবং জিপিটি-৬ অ্যাস্ট্রার ৮.৫%। গুগলের ফলাফলের অর্থ, ওই পরীক্ষায় মূল্যায়ন করা প্রতিটি আক্রমণ প্রতিহত করা হয়েছে।

গুগলের ভাষ্য, কার্বনে মডেল প্রশিক্ষণের পাশাপাশি ব্যবহারের সময় অপব্যবহার ঠেকানোর ব্যবস্থা, প্রম্পট ইনজেকশন প্রতিরোধ এবং মডেলের যুক্তি প্রক্রিয়া পর্যবেক্ষণের ব্যবস্থা যুক্ত করা হয়েছে। শুরুতে সীমিতভাবে চালুর ফলে নির্বাচিত নিরাপত্তারক্ষীরা মডেলটি ব্যবহারের সময় মতামত জানাতে পারবেন এবং গুগল সুরক্ষাব্যবস্থা সমন্বয় করতে পারবে।

অভ্যন্তরীণ নির্ভরযোগ্যতা বাড়লেও একটি বাহ্যিক পরিমাপে অবনতি

গুগলের দাবি, অভ্যন্তরীণ পরীক্ষায় আর্গনের তুলনায় কার্বন অসমর্থিত দাবি প্রায় অর্ধেক কমিয়েছে। তাদের বর্ণনায়, প্রমাণের ঘাটতি হলে এই মডেল তা জানাতে, অসম্পূর্ণ শর্তগুলো তালিকাভুক্ত করতে এবং পদক্ষেপ নেওয়ার আগে পরস্পরবিরোধী তথ্য চিহ্নিত করতে বেশি আগ্রহী।

গুগল আরও জানিয়েছে, সীমা ছাড়িয়ে যাওয়ার প্রবণতা ২৬% এবং অপর্যাপ্তভাবে কাজ সম্পন্ন করার প্রবণতা ২৯% কমেছে। সহজ কথায়, কার্বন ব্যবহারকারীর নির্দেশনার বাইরে কাজ করার এবং চাওয়া কাজ শেষ না করে থেমে যাওয়ার সম্ভাবনা কম।

Artificial Analysis-এর Omniscience মূল্যায়নে ভিন্ন পরিবর্তন দেখা গেছে: কার্বনের হ্যালুসিনেশনের হার আর্গনের ৪% থেকে বেড়ে ১১% হয়েছে। হ্যালুসিনেশন হলো এমন উত্তর, যেখানে মনগড়া বা ভুল তথ্যকে সত্য হিসেবে উপস্থাপন করা হয়। তুলনায় কার্বনের পরিমাপ করা হার এখনো দ্বিতীয় সর্বনিম্ন; ওপাস ৫.৫ এবং অ্যাস্ট্রা, দুটিরই হার ৫০%।

হ্যালুসিনেশনের হার বেশি হলেও Omniscience মূল্যায়নে কার্বন ৫৪ স্কোর নিয়ে এগিয়ে। আগে যেসব প্রশ্নের উত্তর দেওয়া থেকে বিরত থাকত, সেগুলোর উত্তর দেওয়ার চেষ্টা করে কোনো মডেল বেশি প্রশ্নের সঠিক উত্তর দিতে পারে, আবার ভুলও বাড়তে পারে। গুগলের অভ্যন্তরীণ অসমর্থিত দাবির পরিমাপ এবং বাহ্যিক হ্যালুসিনেশন পরিমাপে আলাদা মূল্যায়ন পদ্ধতি ব্যবহার করা হয়েছে। তাই নির্ভরযোগ্যতার এই দুটি স্বতন্ত্র ফল ব্যবহারকারীদের বিবেচনা করতে হবে।

নিরাপত্তা দলের কাজের অংশ হিসেবেই ফল যাচাই করতে হবে। কোনো দুর্বলতার দাবি পরীক্ষা করে দেখতে হবে এবং প্রস্তাবিত প্যাচ যে সফটওয়্যার বদলাবে, সেটিতে পরীক্ষা চালাতে হবে। সহকারী যেন খুব তাড়াতাড়ি সাফল্য দাবি না করে বা নির্দেশিত সীমার বাইরে কাজ না করে, গুগলের ঘোষিত উন্নতিগুলো ঠিক সেই পরিস্থিতিগুলোকে লক্ষ্য করে।

কারা কখন প্রবেশাধিকার পাবে?

গুগল জানিয়েছে, ২৮ অক্টোবরের ঘোষণার সপ্তাহেই নির্বাচিত সাইবার নিরাপত্তারক্ষীদের একটি অংশ কার্বন ব্যবহার করতে পারবেন। ফেয়ারউইন্ডের মাধ্যমে পর্যায়ক্রমে আরও বিশ্বস্ত অংশীদারদের প্রবেশাধিকার দেওয়া হবে। এরপর গুগলের পণ্যের মাধ্যমে ডেভেলপার, ব্যবসাপ্রতিষ্ঠান ও সাধারণ ব্যবহারকারীদের জন্য সুযোগ বাড়ানো হবে।

ঘোষিত সময়সূচি:

• কার্বন উন্মোচনের প্রায় দুই সপ্তাহ আগে: গুগল জেমিনি ৪ আর্গন চালু করে, যা পরে জেমিনি অ্যাপ ও এআই সার্চ মোডে পাওয়া যায়।
• ২৮ অক্টোবর, ২০২৬: গুগল কার্বন নিয়ে ঘোষণা এবং বেঞ্চমার্কের ফল প্রকাশ করে।
• ২৮ অক্টোবরের সপ্তাহে: নির্বাচিত সাইবার নিরাপত্তারক্ষীরা প্রবেশাধিকার পেতে শুরু করেন।
• পরবর্তী ধাপগুলো: আরও ব্যাপকভাবে পণ্যগুলোতে পাওয়ার সুযোগ দেওয়ার আগে ফেয়ারউইন্ডের মাধ্যমে প্রবেশাধিকার বাড়াবে গুগল।

উন্মোচনের আগে মডেল পরীক্ষা করার যুক্তরাষ্ট্র সরকারের স্বেচ্ছামূলক প্রক্রিয়ায় অংশ নিচ্ছে গুগল। কার্বনের প্রাথমিক মূল্যছাড়ের সময় কখন শেষ হবে বা সাধারণ মানুষের জন্য ব্যাপকভাবে কবে এটি পাওয়া যাবে, সে বিষয়ে ঘোষণায় কোনো তারিখ নেই।

এআই আলট্রা গ্রাহক ও জেমিনি এপিআই ডেভেলপারদের সম্ভাব্য প্রাথমিক গ্রাহক হিসেবে ভাবা হয়েছে। তবে গুগলের প্রকাশিত পর্যায়ক্রমিক পরিকল্পনায় ডেভেলপার, ব্যবসাপ্রতিষ্ঠান ও সাধারণ ব্যবহারকারীদের বৃহত্তর গোষ্ঠীর কথা বলা হয়েছে; তাদের মধ্যে কারা আগে পাবেন, তা নিশ্চিত করা হয়নি।

এআইয়ের অপব্যবহার নিয়ে উদ্বেগ বাড়ার প্রেক্ষাপটে প্রথমে নিরাপত্তারক্ষীদের সুযোগ দেওয়ার সিদ্ধান্ত নিয়েছে গুগল। তাদের হুমকি গবেষকেরা নথিভুক্ত করেছেন, ইরান, উত্তর কোরিয়া, রাশিয়া ও চীন-সমর্থিত গোষ্ঠীগুলো জেমিনি নিয়ে পরীক্ষা-নিরীক্ষা করেছে, মূলত গবেষণা ও কোডিং সহায়তার কাজে। ডিপমাইন্ডের প্রধান ডেমিস হাসাবিস সাম্প্রতিক এআই এজেন্ট হ্যাকগুলোকে আগাম সতর্কসংকেত হিসেবে বর্ণনা করেছেন।

ডেভেলপারদের জন্য কার্বনের খরচ

কার্বনের এপিআইয়ের প্রাথমিক মূল্য প্রতি ১০ লাখ ইনপুট টোকেনে ২ ডলার এবং প্রতি ১০ লাখ আউটপুট টোকেনে ১০ ডলার, যা আর্গনের চালুর সময়কার দামের সমান। এপিআইয়ের মাধ্যমে ডেভেলপাররা মডেলকে নিজেদের সফটওয়্যারের সঙ্গে যুক্ত করতে পারেন। ইনপুট হলো কার্বনে পাঠানো উপকরণ; আউটপুট হলো মডেল যা তৈরি করে।

প্রাথমিক মূল্যছাড়ের সময় শেষে দাম দ্বিগুণ হয়ে প্রতি ১০ লাখ ইনপুট টোকেনে ৪ ডলার এবং প্রতি ১০ লাখ আউটপুট টোকেনে ২০ ডলার হবে। কোনো কাজে ১০ লাখ ইনপুট টোকেন ও ১০ লাখ আউটপুট টোকেন ব্যবহার হলে প্রাথমিক দামে খরচ হবে ১২ ডলার, আর স্বাভাবিক দামে ২৪ ডলার; ক্যাশিং বা অন্যান্য সমন্বয়ের আগের হিসাব এটি।

ক্যাশ করা ইনপুটে ৯৫% ছাড় দেওয়া হবে বলে জানিয়েছে গুগল। ক্যাশিংয়ের ফলে কোনো সেবা আগে প্রক্রিয়া করা উপকরণ আবার ব্যবহার করতে পারে। এতে একই বড় নথি বা সফটওয়্যার প্রকল্প বারবার পাঠানোর খরচ কমে। প্রাথমিক ইনপুট মূল্যে প্রতি ১০ লাখ ক্যাশ করা ইনপুট টোকেনের খরচ হবে ০.১০ ডলার; স্বাভাবিক মূল্যে ০.২০ ডলার।

কোনো কাজ শেষ করতে মডেল কতটা লেখা তৈরি করছে, তার ওপরও প্রকৃত খরচ নির্ভর করে। Artificial Analysis-এর হিসাবে, প্রতি সূচকভিত্তিক কাজে কার্বনের খরচ ৭.৭৬ ডলার; ওপাস ৫.৫-এর ১০.০৪ ডলার এবং জিপিটি-৬ অ্যাস্ট্রার ৬.২৫ ডলার। ওই মূল্যায়নে প্রতি কাজে কার্বন প্রায় ১ লাখ ২৩ হাজার আউটপুট টোকেন ব্যবহার করে, যা ওপাসের চেয়ে ২৯% কম।

অন্য ধরনের কাজে হিসাব ভিন্ন হতে পারে। Vals-এর হিসাবে, আর্গনের তুলনায় কার্বন ৬৪% বেশি আউটপুট টোকেন তৈরি করে; এর বেশির ভাগই অর্থায়ন, কর ও আইনি কাজের ক্ষেত্রে। তাই কার্বনের জন্য বাজেট নির্ধারণের সময় ডেভেলপারদের টোকেনের দাম এবং প্রতিটি কাজে মডেল কতটা কাজ করছে, দুটোই বিবেচনায় নিতে হবে।

মূল কথা

• Artificial Analysis Intelligence Index v5.0-এ ৫৯ পয়েন্ট নিয়ে এগিয়ে জেমিনি ৪ কার্বন; ওপাস ৫.৫-এর স্কোর ৫৮ এবং জিপিটি-৬ অ্যাস্ট্রার ৫৭।
• দুর্বলতা খুঁজে বের করা, কাজে লাগানো এবং প্যাচ করার পরীক্ষায় যথাক্রমে ৮৮.২%, ৫৪.৮% ও ৭১.০% স্কোরের কথা জানিয়েছে গুগল।
• কয়েকটি কোডিং মূল্যায়নে প্রতিদ্বন্দ্বী মডেল ও টুলের সমন্বয়ের চেয়ে পিছিয়ে রয়েছে কার্বন।
• Terminal-Bench 4.0-তে সফল প্রতারণা এবং Gray Swan-এর মূল্যায়িত প্রম্পট ইনজেকশন পরীক্ষায় সফল আক্রমণের হার শূন্য বলে জানিয়েছে গুগল।
• অভ্যন্তরীণ পরীক্ষায় অসমর্থিত দাবি প্রায় অর্ধেক কমেছে, তবে বাহ্যিক হ্যালুসিনেশন পরিমাপে আর্গনের ৪% থেকে কার্বনের হার বেড়ে ১১% হয়েছে।
• প্রথমে নির্বাচিত সাইবার নিরাপত্তারক্ষীরা প্রবেশাধিকার পাবেন; এরপর ফেয়ারউইন্ডের মাধ্যমে তা বাড়ানো হবে।
• এপিআইয়ের প্রাথমিক মূল্য প্রতি ১০ লাখ ইনপুট টোকেনে ২ ডলার এবং আউটপুট টোকেনে ১০ ডলার; পরে তা বেড়ে যথাক্রমে ৪ ও ২০ ডলার হবে।