Thinking Machines Lab، سابقہ OpenAI CTO میرا مورتی کے ذریعہ قائم کردہ AI اسٹارٹ اپ نے بُدھ کی صبح اپنا پہلا ملکیتی AI ماڈل جاری کیا، جسے Inkling کہا جاتا ہے - اور OpenAI، Anthropic، یا Google کے فلیگ شپ ماڈلز کے برعکس، یہ اوپن ویٹ ہے، یعنی باہر کے ڈویلپرز اور کمپنیاں اسے ڈاؤن لوڈ کر سکتی ہیں اور براہ راست اس میں ترمیم کر سکتی ہیں۔
انکلنگ ماہرین کا ایک مرکب نظام ہے جس میں 975 بلین کل پِیرامیٹرز ہیں، حالانکہ یہ کسی بھی کام کے لیے اس کا صرف ایک حصہ — تقریباً 41 بلین — پر کھینچتا ہے، ایک عام ڈیزائن جو بہت بڑے ماڈلز کو تیز اور سستا چلانے کے لیے رکھتا ہے۔ کمپنی کے اپنے ریلیز مواد کے مطابق، اسے ٹیکسٹ، امیج، آڈیو، اور ویڈیو کے 45 ٹریلین ٹوکنز، اور تینوں وجوہات پر تربیت دی گئی تھی۔
اے آئی انفراسٹرکچر کی تعمیر میں ڈیڑھ سال گزارنے کے بعد یہ کمپنی کا پہلا عوامی ثبوت ہے۔ اس میں سے کچھ کام پہلے ہی منظر عام پر آ چکے ہیں، مئی کے ایک تحقیقی پیش نظارہ میں "انٹریکشن ماڈلز" - AI کو عام چیٹ بوٹس کی طرح رکنے اور انتظار کرنے کی بجائے سننے اور بولنے (اور یہاں تک کہ رکاوٹ) کے لیے ڈیزائن کیا گیا ہے۔ یہ سوچنے والی مشینوں کے پیچھے مرکزی شرط کا بھی ایک امتحان ہے، جو کہ وہ AI جسے تنظیمیں اپنے لیے ڈھال سکتی ہیں وہ ایک سائز کے فٹ ہونے والے تمام ماڈلز کو پیچھے چھوڑ دے گی جو اس وقت سب سے بڑی لیبز فروخت کرتی ہیں۔
یہ ایک دلچسپ ماڈل ہے، جس کو کیلیبریٹڈ جوابات دینے کے لیے ڈیزائن کیا گیا ہے، بشمول اندازہ لگانے کے بجائے غیر یقینی صورتحال کو جھنڈا لگانا، اور جو صارفین کو "سوچنے کی کوشش" کو اوپر یا نیچے ڈائل کرنے دیتا ہے جب وہ رفتار کے لیے تجارت کرنا چاہتے ہیں۔ ایک بینچ مارک پر، کمپنی کہتی ہے، انکلنگ اسی کوڈنگ کی کارکردگی کو نشانہ بنانے کے لیے Nvidia's Nemotron 3 Ultra کے طور پر ایک تہائی ٹوکن استعمال کرتی ہے۔ یہ بات قابل غور ہے کہ تھنکنگ مشینیں یہ دعویٰ نہیں کرتی ہیں کہ انکلنگ بہترین درجے کی ہے۔ اس کا بریفنگ مواد واضح طور پر بیان کرتا ہے کہ انکلنگ "آج دستیاب، بند یا کھلا سب سے مضبوط ماڈل نہیں ہے۔" اس کے بجائے واضح طور پر جو کچھ ہو رہا ہے وہ اچھی کارکردگی ہے۔
یقیناً، اس سے ایک بڑا سوال پیدا ہوتا ہے، جو یہ ہے کہ یہ پروڈکٹ کس کو نشانہ بنا رہی ہے، واضح طور پر - یہ یقینی طور پر ایک انٹرپرائز پروڈکٹ ہے۔ سوچنے والی مشینیں، ابھی کے لیے، اس کی مارکیٹنگ ایک مکمل کام کے طور پر ایک نقطہ آغاز کے طور پر، تنظیموں کے لیے کمپنی کے ماڈل-کسٹمائزیشن پلیٹ فارم، ٹنکر کے ذریعے خود کو ٹھیک کرنے کے لیے ہے۔ (OpenAI، Anthropic، اور Google نے بالترتیب ChatGPT، Claude، اور Gemini کے ساتھ ایک بہت مختلف طریقہ اختیار کیا ہے، جو سب سے پہلے عام مقصد کے چیٹ بوٹس کے طور پر مقابلہ کرنے کے لیے بنائے گئے تھے، جس میں ایجنٹی، خود مختار خصوصیات سب سے اوپر رکھی گئی ہیں۔)
تھنکنگ مشینز کی طرف سے گزشتہ ہفتے شائع ہونے والی ایک پوسٹ واضح طور پر اس ریلیز کے پس منظر کے طور پر تھی۔ AI جو مرکزی طور پر ایک کمپنی کے ذریعہ تربیت یافتہ ہے اور پھر اسے پتھر میں کھڑا کیا گیا ہے، کمپنی نے اس پوسٹ میں دلیل دی کہ، AI کو کم کارکردگی کا مظاہرہ کرتی ہے جو تنظیمیں خود کو تشکیل دیتی ہیں کیونکہ بہت زیادہ مہارت ان لوگوں کے لیے مخصوص ہوتی ہے جو اسے رکھتے ہیں۔ وسیع تر خیال یہ ہے کہ سنٹرلائزڈ لیبز ہر ایک کو ایک ہی پروڈکٹ فروخت کر رہی ہیں، جو اسے بنانے والی لیب کے ذریعے بار بار بہتر کیا جاتا ہے، جبکہ وہ کاروباری ادارے جو اپنے ماڈلز کے مالک اور اپنی مرضی کے مطابق بنانے کے خواہشمند ہیں ان سے کہیں زیادہ قیمت کم کر سکتے ہیں۔
یہ ایک دلیل ہے جو بھاپ حاصل کر رہی ہے۔ اِتوار کو شائع ہونے والی ایک بلاگ پوسٹ میں، مائیکروسافٹ کے سی ای او ستیہ نڈیلا نے - جس کی کمپنی نے OpenAI اور Anthropic دونوں میں اربوں کی سرمایہ کاری کی ہے - نے متنبہ کیا کہ ملکیتی AI ماڈلز استعمال کرنے والے ادارے مؤثر طریقے سے دو بار ادائیگی کرتے ہیں: ایک بار سبسکرپشن کی قیمتوں میں، اور پھر اپنے ہزاروں اشارے اور اصلاحات میں شامل کاروباری علم کے حوالے کر کے، جسے مستقبل کے ماڈل ورژن میں جذب کیا جا سکتا ہے۔
گلے لگانے والے چہرے کے سی ای او کلیم ڈیلنگو نے گزشتہ ہفتے TechCrunch کے ساتھ گفتگو میں ایسی ہی پیشین گوئی کی تھی۔ فرنٹیئر ماڈلز، انہوں نے کہا، تیزی سے تجربات اور اعلیٰ قدر والے کاموں کے لیے محفوظ کیے جائیں گے، جب کہ زیادہ تر پروڈکشن AI کام نجی یا اوپن سورس متبادلات کی طرف منتقل ہو جاتا ہے - بالکل الگ تھنکنگ مشینیں تعمیر کر رہی ہیں۔
اس دلیل کا واضح ثبوت حال ہی میں برج واٹر ایسوسی ایٹس کے ایک پروجیکٹ سے ملا ہے، جو دنیا کا سب سے بڑا ہیج فنڈ ہے (جو کہ سوچنے والی مشینوں کا سرمایہ کار نہیں ہے)۔ دونوں کمپنیوں کے محققین نے ایک موجودہ اوپن سورس ماڈل لیا اور اسے برج واٹر کی اپنی مالی مہارت پر مزید تربیت دی۔ مالیاتی استدلال کے ٹیسٹوں پر نتیجہ نے 84.7 فیصد اسکور کیا، اعلی ملکیتی AI ماڈلز کو پیچھے چھوڑ دیا، جبکہ چلانے کے لیے تقریباً چودہواں لاگت آئی، حالانکہ یہ نتائج، جون کے آخر میں مشترکہ طور پر شائع ہوئے، دونوں کمپنیوں کی اپنی تشخیص سے آئے ہیں، نہ کہ آزاد۔ Thinking Machines نے اس بات پر بھی زور دیا ہے کہ یہ کتنی جلدی یہاں پہنچی: OpenAI کو تقریباً پانچ سال لگے، اور Anthropic کو تقریباً تین، مارکیٹ میں ٹیکنالوجی لانے اور آمدنی ظاہر کرنے میں۔ سوچنے والی مشینوں کا کہنا ہے کہ اس نے تقریباً نو مہینوں میں ایسا ہی کیا۔
کچھ لوگ حیران ہوں گے کہ آیا انکلنگ کو حریفوں کے ماڈلز کے آؤٹ پٹس پر تربیت دی گئی تھی، ایک ایسا عمل جسے ڈسٹلیشن کہا جاتا ہے جس نے پوری صنعت میں جانچ پڑتال کی ہے۔ کمپنی کے اپنے مواد کے مطابق مختصر جواب جزوی طور پر ہے۔ تھنکنگ مشینوں نے شروع سے ہی انکلنگ کو پہلے سے تربیت دی، لیکن اس کا کہنا ہے کہ اس نے دوسرے کھلے وزن والے ماڈلز کا استعمال کیا - بشمول Moonshot AI's Kimi K2.5 - بڑے پیمانے پر کمک سیکھنے سے پہلے اس کے ابتدائی پوسٹ ٹریننگ ڈیٹا کو تیار کرنے میں مدد کرنے کے لیے۔ اگلا ماڈل، کمپنی کا اصرار ہے، اس کے بجائے مکمل طور پر خود ساختہ پوسٹ ٹریننگ استعمال کرے گا۔
لاگت کی طرف، سوچنے والی مشینوں کو زیادہ محافظ بنایا گیا ہے۔ اس نے ویرا روبن کمپیوٹنگ کی ایک گیگا واٹ صلاحیت کو تعینات کرنے کے لیے مارچ میں Nvidia کے ساتھ اسٹریٹجک شراکت داری کی، اور کہا کہ Inkling کو خود Nvidia کے GB300 NVL72 سسٹمز پر مکمل طور پر تربیت دی گئی تھی۔ لیکن کمپنی نے یہ نہیں کہا ہے کہ وہ اس آمدنی کے خلاف کس طرح توازن قائم کرنے کا ارادہ رکھتی ہے جو کہ زیادہ تر اکاؤنٹس کے ذریعہ اب تک بنیادی توجہ نہیں دی گئی ہے۔ (پچھلے نومبر میں 50 بلین ڈالر کے فنڈ ریزنگ راؤنڈ کے بارے میں کہا گیا تھا کہ وہ اکٹھے ہو رہا ہے، جس کی متعدد دکانوں نے اطلاع دی ہے کہ جنوری تک رک گئے تھے؛ کمپنی نے اس کے بعد سے اپنی فنڈنگ کی تصویر کے بارے میں بات کرنے سے انکار کر دیا ہے، حالانکہ Nvidia نے کہا کہ اس نے تھنکنگ مشینوں میں "اہم سرمایہ کاری" کی ہے جب کمپنیوں نے مارچ میں شراکت کا اعلان کیا۔)
ایک متعلقہ سوال یہ ہے کہ کیا سوچنے والی مشینوں کے اخراجات کبھی بھی OpenAI's یا Anthropic's کے پیمانے تک پہنچیں گے، یا کیا اس کی کارکردگی پر مبنی نقطہ نظر کا مطلب ہے کہ معاشیات مختلف نظر آتی ہیں۔ دوسرے طریقے سے دیکھیں، کمپنی کی شرط کم ہو سکتی ہے کہ وہ آخر کار اپنے بڑے حریفوں کی طرح خرچ کرے گی جس کی اسے بالکل بھی ضرورت نہیں ہوگی - کیونکہ ایک بار جب وزن عوامی ہو جاتا ہے، تو کوئی بھی چیز ان کو ڈاؤن لوڈ کرنے والے کو تھنکنگ مشینوں کو چلانے کے لیے ادائیگی کرنے کا پابند نہیں کرتی ہے، جیسا کہ میٹرڈ رسائی OpenAI اور Anthropic کی فروخت کے برعکس۔ یہ ٹنکر ہے، خود ماڈل نہیں، جہاں سے کمپنی کی آمدنی ٹریننگ، فائن ٹیوننگ، اور اب، اس کے ارد گرد بنائے گئے ہوسٹنگ ایکو سسٹم کی کٹوتی کے ذریعے آنی ہے۔
