ইউএস জায়ান্টস ইন-ডেপথ: অ্যানথ্রোপিক, ওপেনএআই, গুগল

লাভ:

• ক্লাউড, জিপিটি এবং মিথুন পরিবারের শক্তিশালী ক্ষেত্র এবং সাধারণ ব্যবহারকারীর সাথে মিলে যাওয়া
• প্রতিটি প্রদানকারীর স্তর (স্তর) যুক্তি এবং মডেল নামকরণ পড়ার ক্ষমতা
• আপনার নিজের টেস্টিং ডেটার উপর ভিত্তি করে তুলনা করার অভ্যাস করুন, মার্কেটিং দাবি নয়

আমরা বাজারের মানচিত্র তৈরি করেছি এবং বন্ধ/খোলা ওজনের পার্থক্য শিখেছি। এখন আমরা বাজারে তিনটি সবচেয়ে দৃশ্যমান প্লেয়ারের সাথে পরিচিত হব, যথা বৃহৎ মার্কিন ভিত্তিক প্রদানকারী: নৃতাত্ত্বিক (ক্লদ), OpenAI (GPT) এবং Google (জেমিনি)৷ আজকের এন্টারপ্রাইজ এআই সিদ্ধান্তের বেশিরভাগ ক্ষেত্রে এই তিনটি বৈশিষ্ট্য রয়েছে। আমাদের লক্ষ্য "বিজয়ী" ঘোষণা করা নয়; উদ্দেশ্য হল উদ্দেশ্যমূলকভাবে বোঝা যে প্রত্যেকটি কোথায় জ্বলছে, এর নামকরণের যুক্তি এবং এর সাধারণ ব্যবহারকারী। ইউনিটটি শেষ হয়ে গেলে, আপনি তাদের বিভ্রান্ত না করে এই তিনটি পরিবার সম্পর্কে কথা বলতে সক্ষম হবেন এবং আপনি অভ্যন্তরীণভাবে বুঝতে পারবেন যে আপনার নিজের পরীক্ষার ভিত্তিতে তুলনা করা উচিত, বিজ্ঞাপনের উপর নয়।

সাধারণ যুক্তি: টিয়ার সিস্টেম

এই তিনটি প্রদানকারী সবাই একই যুক্তি ব্যবহার করে: তারা একই পরিবারের মধ্যে মডেল অফার করে, গতি/খরচ/পাওয়ার ব্যালেন্স অনুযায়ী টায়ার্ড। সাধারণত তিনটি স্তর আছে:

• হালকা স্তর: দ্রুততম এবং সস্তা। সাধারণ, উচ্চ-ভলিউম কাজগুলির জন্য (শ্রেণীবিভাগ, ব্রিফিং, লেবেলিং)।
• সুষম পর্যায়: মিড-রেঞ্জ পাওয়ার এবং খরচ। বেশিরভাগ দৈনন্দিন কাজের জন্য "ডিফল্ট" পছন্দ।
• শক্তিশালী স্তর: সবচেয়ে সক্ষম, সবচেয়ে ব্যয়বহুল, সবচেয়ে ধীর। জটিল যুক্তি, দীর্ঘ বিশ্লেষণ, কঠিন কোডের জন্য।

একবার আপনি এই স্তরের যুক্তিটি বুঝতে পারলে, আপনি যেই প্রদানকারীর দিকে তাকান না কেন আপনি হারিয়ে অনুভব করবেন না। "এই পরিবারে এই মডেলের সাথে কোন স্তরের মিল আছে?" জিজ্ঞাসা করাই যথেষ্ট।

পরামর্শ: আপনি যখন একটি নতুন মডেলের কথা শুনবেন, প্রথমে জিজ্ঞাসা করুন "কোন স্তরের পরিবার?" জিজ্ঞাসা নামের ভীড় আপনাকে ভয় দেখাতে দেবেন না; প্রতিটি প্রদানকারী আসলে বিভিন্ন নামে একই তিনটি স্তর অফার করে।

নৃতাত্ত্বিক — ক্লদ পরিবার

নৃতাত্ত্বিকদের ক্লদ পরিবার তিনটি স্তরের প্রস্তাব করে যার নাম ওপাস (শক্তিশালী), সনেট (ভারসাম্যপূর্ণ), এবং হাইকু (আলো)। সংস্করণ সংখ্যা এছাড়াও অন্তর্ভুক্ত করা হয়; উদাহরণস্বরূপ, এই প্ল্যাটফর্মের দ্বারা ব্যবহৃত মডেলটি হল claude-opus-4-8, অর্থাৎ Opus পর্যায়ের 4.8 সংস্করণ।

এটির মধ্যে শ্রেষ্ঠত্ব রয়েছে: দীর্ঘ প্রসঙ্গ প্রক্রিয়াকরণ (তাদের সম্পূর্ণরূপে শত-পৃষ্ঠার নথি পড়ার ক্ষমতা), কোড লেখা এবং পড়ার এবং এন্টারপ্রাইজ ব্যবহারে নিরাপদ, অনুমানযোগ্য আচরণ। ক্লড নির্দেশাবলীর কাছাকাছি থাকার জন্য এবং সংবেদনশীল বিষয়গুলিতে কাজ করার জন্য পরিচিত। তাই, এটি প্রায়শই আইন, অর্থ এবং স্বাস্থ্যের মতো নিয়ন্ত্রিত খাতে পছন্দ করা হয়।

সাধারণ ব্যবহারকারী: আইনি দলগুলি দীর্ঘ নথি বিশ্লেষণ করে, সফ্টওয়্যার দলগুলি কোড পর্যালোচনা করে, কর্পোরেট গ্রাহক পরিষেবাগুলির জন্য নিরাপদ আউটপুট প্রয়োজন৷

বর্তমান নৃতাত্ত্বিক মডেল এবং আনুমানিক মূল্য (প্রতি মিলিয়ন টোকেন, ইনপুট/আউটপুট):

মডেল

মঞ্চ

প্রসঙ্গ

ইনপুট $/1M

আউটপুট $/1M

Claude Opus 4.8

শক্তিশালী

1M টোকেন

~5

~25

ক্লদ সনেট 5

সুষম

1M টোকেন

~3

~15

ক্লদ হাইকু 4.5

লাইটওয়েট

200K টোকেন

~1

~5

মনোযোগ: এই মূল্যগুলি সেই সময়ের জন্য আনুমানিক যে সময়ে এই মডিউলটি প্রস্তুত করা হয়েছিল এবং ঘন ঘন পরিবর্তন হয়৷ সিদ্ধান্ত নেওয়ার আগে প্রদানকারীর বর্তমান মূল্য পৃষ্ঠা নিশ্চিত করতে ভুলবেন না। আমরা 6 তম ইউনিটে দামের যুক্তি বিস্তারিতভাবে আলোচনা করব।

OpenAI — GPT পরিবার

OpenAI-এর GPT পরিবার হল বাজারে সবচেয়ে স্বীকৃত ব্র্যান্ড এবং বৃহত্তম তৃতীয় পক্ষের ইকোসিস্টেম রয়েছে; অর্থাৎ, GPT-এর জন্য প্রথমে অনেক সফ্টওয়্যার টুল, প্লাগ-ইন এবং ইন্টিগ্রেশন প্রকাশ করা হয়। GPT পরিবারটিও টায়ার্ড: দ্রুত এবং সস্তা মডেল রয়েছে (উদাহরণস্বরূপ, GPT-4o মিনির মতো হালকা বিকল্প), ভারসাম্যপূর্ণ অল-রাউন্ড মডেল (GPT-4o), এবং "ও-সিরিজ" এর মতো চিন্তা-ভারী মডেলগুলি বিশেষভাবে যুক্তির উপর দৃষ্টি নিবদ্ধ করে৷

এলাকা যেখানে এটি দাঁড়িয়েছে: বহুমুখিতা এবং প্রসার। পাঠ্য, কোড, ছবি এবং অডিওর জন্য ক্ষমতার বিস্তৃত পরিসর; পরিপক্ক যানবাহন ইকোসিস্টেম; এবং বিস্তৃত সম্প্রদায় সমর্থন। "AI দিয়ে কি কাজ করা যায়?" GPT সাধারণত একটি প্রস্তুত শুরু বিন্দু।

সাধারণ ব্যবহারকারী: স্টার্টআপ যারা দ্রুত প্রোটোটাইপিং করে, পণ্য দল যারা বিস্তৃত ইন্টিগ্রেশন চায়, SMB যারা একটি একক প্রদানকারীর সাথে বিস্তৃত কাজ পরিচালনা করতে চায়।

গুগল — মিথুন পরিবার

Google-এর জেমিনি পরিবার দুটি শক্তিশালী কার্ড নিয়ে খেলে: মাল্টিমোডালিটি (পাঠ্য, ছবি, অডিও এবং ভিডিও একসঙ্গে পরিচালনা করার ক্ষমতা) এবং Google Workspace ইন্টিগ্রেশন (Gmail, Docs, Sheets-এর মতো টুলে এম্বেড করা কাজ)। জেমিনিও টায়ার্ড: দ্রুত "ফ্ল্যাশ" মডেল এবং আরও শক্তিশালী "প্রো" মডেল রয়েছে৷

যেখানে এটি উৎকৃষ্ট: ভিজ্যুয়াল এবং ভিডিও বোঝার, ব্যাপক প্রসঙ্গ, এবং সংস্থাগুলির জন্য ঘর্ষণহীন একীকরণ যা ইতিমধ্যেই প্রচুর পরিমাণে Google সরঞ্জামগুলি ব্যবহার করে৷ যদি কোনও সংস্থা Google Workspace-এ সমস্ত অফিসের কাজ চালায়, তবে এটি প্রাকৃতিক এক্সটেনশন হিসাবে জেমিনিকে অনুভব করে।

সাধারণ ব্যবহারকারী: গুগল ইকোসিস্টেমে প্রতিষ্ঠিত কোম্পানি, ছবি/ভিডিও-ভারী সামগ্রী দল, যারা খুব বড় ডেটা সেট একবারে প্রক্রিয়া করতে চায়।

পাশাপাশি তিনটি পরিবার

আকার

নৃতাত্ত্বিক (ক্লদ)

OpenAI (GPT)

গুগল (মিথুন)

শক্তিশালী দিক

দীর্ঘ প্রসঙ্গ, কোড, নিরাপদ আচরণ

বহুমুখিতা, বিস্তৃত ইকোসিস্টেম

মাল্টিমোডালিটি, ওয়ার্কস্পেস

পর্যায়

ওপাস/সনেট/হাইকু

শক্তিশালী / সুষম / হালকা + যুক্তি

প্রো/ফ্ল্যাশ

সাধারণ ব্যবহারকারী

নিয়ন্ত্রিত সেক্টর

এন্টারপ্রাইজ এবং পণ্য দল

গুগল কেন্দ্রীভূত প্রতিষ্ঠান

ওজনের ধরন

বন্ধ

বন্ধ

বন্ধ

এই টেবিলটি দেখার সময়, "কোনটি জিতবে" জিজ্ঞাসা করবেন না; জিজ্ঞাসা করুন "কোন সারি আমার কাজ মেলে?" আপনি যদি একটি 200-পৃষ্ঠার চুক্তি পড়ে থাকেন, তাহলে দীর্ঘ প্রসঙ্গ লাইনটি আপনার জন্য নির্ণায়ক, এবং যদি আপনি একটি ভিজ্যুয়াল থেকে ইনভয়েসগুলি পড়তে থাকেন, তাহলে মাল্টিমোডালিটি লাইনটি আপনার জন্য নির্ধারক।

দুর্বল প্রম্পট / শক্তিশালী প্রম্পট: যখন পারিবারিক পছন্দের জন্য জিজ্ঞাসা করা হয়

দুর্বল প্রম্পট:

কোনটি ভাল: ক্লদ, জিপিটি বা মিথুন?

শক্তিশালী প্রম্পট:

আপনার ভূমিকা: নিরপেক্ষ এআই পরামর্শদাতা। আমার কাজ: আমি একটি ই-কমার্স কোম্পানিতে গ্রাহকের ইমেলের উত্তর দেওয়ার জন্য খসড়া তৈরি করতে চাই + ইনকামিং ইনভয়েস ইমেজ থেকে পরিমাণ/তারিখ বের করতে চাই। দুটি ভিন্ন কাজ আছে: (1) টেক্সট জেনারেশন, (2) ইমেজ থেকে ডেটা এক্সট্রাকশন। টাস্ক: উভয় কাজের জন্য ক্লদ, জিপিটি এবং মিথুন পরিবারের তুলনা করুন। কোন পরিবার টাস্ক ভিত্তিতে আলাদা, কোন স্তরটি আমার ব্যবহার করা উচিত এবং কেন তা লিখুন। সঠিক মূল্য দেবেন না, একটি পরিসীমা দিন। সন্দেহ হলে, "পরীক্ষা" বলুন।

যেহেতু দ্বিতীয় প্রম্পটটি কাজটিকে দুটি পরিষ্কার কাজে ভাগ করে, মডেলটি প্রতিটি কাজের জন্য আলাদাভাবে সঠিক পরিবারকে সুপারিশ করতে পারে। এটি "মডেল পোর্টফোলিও" ধারণার ভিত্তি যা আমরা পরে শিখব।

অনুলিপিযোগ্য টেমপ্লেট

স্তর 1 মিল:

আমি নিম্নলিখিত কাজটি সংজ্ঞায়িত করি: [টাস্ক]। অসুবিধার স্তর এবং আয়তন বিবেচনা করে, ক্লদ, জিপিটি এবং জেমিনি পরিবারের কোন স্তরের (হালকা/ভারসাম্যপূর্ণ/শক্তিশালী) সুপারিশ করবেন? প্রতিটি পরিবারের জন্য ন্যায্যতা একটি লাইন লিখুন.

2. ইকোসিস্টেম সামঞ্জস্যতা:

আমরা বর্তমানে যে সরঞ্জামগুলি ব্যবহার করি: [টুল তালিকা, যেমন গুগল ওয়ার্কস্পেস / মাইক্রোসফ্ট 365]। কোন এআই ফ্যামিলি এই টুল স্ট্যাকের সাথে সবচেয়ে বেশি ঘর্ষণহীনভাবে ফিট করবে এবং কেন? একীকরণের সহজতা, শেখার বক্ররেখা এবং লক-ইন (নির্ভরতা) এর সম্ভাব্য ঝুঁকি মূল্যায়ন করুন।

3. শক্তির বৈধতা:

আমি আমার টাস্ক [TASK]-এর জন্য "[MODEL NAME]ই সর্বোত্তম" দাবিটি পরীক্ষা করতে চাই। এই দাবিটি যাচাই করার জন্য আমার নিজের দক্ষতায় কোন 3টি নমুনা পরীক্ষা চালানো উচিত? প্রতিটি পরীক্ষার সাফল্যের মাপকাঠি এক বাক্যে বর্ণনা কর।

4. নামের রেজোলিউশন:

নিম্নলিখিত মডেলের নামগুলিকে পরিবার, পর্যায় এবং সংস্করণে পার্স করুন এবং একটি টেবিল তৈরি করুন: [মোডেল নাম]। একটি একক শব্দ দিয়ে প্রতিটির জন্য একটি সাধারণ ব্যবহার লেবেল করুন।

সাধারণ ভুল

• বিজ্ঞাপনের উপর ভিত্তি করে সিদ্ধান্ত নেওয়া: "এই মডেলটি সেই পরীক্ষায় প্রথম এসেছে" ঘোষণাটি আপনার মিশন সম্পর্কে কিছু নাও বলতে পারে। আপনার নিজের ডেটা দিয়ে এটি পরীক্ষা করুন।
• একটি স্তর নির্বাচন না করে একটি পরিবার নির্বাচন করা: "আমরা GPT ব্যবহার করব" বলাই যথেষ্ট নয়; কোন স্তর এটি আমূল পরিবর্তন হয় খরচ এবং গুণমান.
• ইকোসিস্টেম লক উপেক্ষা করা: একটি পরিবারের প্রতি গভীরভাবে প্রতিশ্রুতিবদ্ধ হওয়া একীকরণের সহজতা আনে কিন্তু ভবিষ্যতে অন্য প্রদানকারীর সাথে স্যুইচ করা কঠিন করে তোলে।
• বিষয় অনুপস্থিত: এই বাজার দ্রুত পরিবর্তন; ছয় মাস আগের তুলনা আজ অবৈধ হতে পারে। আপ-টু-ডেট তথ্যের উপর ভিত্তি করে আপনার সিদ্ধান্ত নিন।
• একটি পরিবারকে সবকিছু করতে বাধ্য করা: একটি পরিবার পাঠ্যতে উজ্জ্বল হলেও অন্য পরিবার দৃশ্যমানে এগিয়ে থাকতে পারে। টাস্ক বাই টাস্ক চিন্তা করুন।

সংক্ষেপে

• নৃতাত্ত্বিক, ওপেনএআই, এবং গুগল সকলেই বিভিন্ন নামে একই স্তরের যুক্তি (হালকা/ভারসাম্যপূর্ণ/শক্তিশালী) অফার করে।
• দীর্ঘ প্রেক্ষাপটে ক্লদ, কোড এবং নিরাপদ কর্পোরেট আচরণ; GPT মহান বহুমুখিতা এবং বিস্তৃত ইকোসিস্টেম আছে; মিথুন মাল্টিমোডালিটি এবং ওয়ার্কস্পেস ইন্টিগ্রেশনে পারদর্শী।
• "সেরা" কাজ দ্বারা পরিবর্তিত হয়; আপনার নিজের পরীক্ষার ডেটার উপর ভিত্তি করে তুলনা করুন, বিজ্ঞাপনের উপর নয়।
• পরিবার + স্তর + সংস্করণে মডেলের নাম পার্স করা আপনাকে ভিড়ের বাজারে আপনার পথ খুঁজে পেতে সহায়তা করবে।

আবেদন টাস্ক

আপনার কাজের দুটি ভিন্ন কাজ সনাক্ত করুন (একটি পাঠ্য-ভারী, একটি ভিজ্যুয়াল- বা দীর্ঘ-নথি-ভারী)। এই ইউনিটে টেমপ্লেট 1 (স্তরের মিল) ব্যবহার করে, একটি AI মডেলকে প্রতিটি কাজের জন্য তিনটি পরিবারের উপযুক্ত র‌্যাঙ্ক জিজ্ঞাসা করুন। তারপর, টেমপ্লেট 3 (শক্তির বৈধতা) সহ, আপনার নিজস্ব ডেটা দিয়ে প্রস্তাবিত মডেলটি পরীক্ষা করার জন্য তিনটি কংক্রিট পরীক্ষা ডিজাইন করুন। আমরা ইউনিট 10-এ মূল্যায়ন গবেষণায় এই পরীক্ষাগুলি ব্যবহার করব।

চেকলিস্ট

• [ ] আমি তিনটি পরিবারেরই স্তর (হালকা/ভারসাম্য/শক্তিশালী) যুক্তি চিনতে পারি।
• [ ] Claude, GPT এবং Gemini যেখানে বিশিষ্ট সেখানে আমি মেলাতে পারি।
• [ ] আমি ন্যায্যতা সহ একটি কাজের জন্য সঠিক পরিবার এবং র‌্যাঙ্ক বেছে নিতে পারি।
• [ ] আমি আমার নিজের ডেটা দিয়ে একটি মডেল দাবি পরীক্ষা করার উপায় জানি৷
• [ ] আমি পরিবার + পর্যায় + সংস্করণ হিসাবে মডেল নাম পার্স করতে পারি।