কি হয়েছে
BigGo Finance-এর মতে, Sakana AI ফুগু আল্ট্রা v2 এবং ফুগু ম্যাক্স চালু করেছে, বিশেষ এআই মডেলগুলির মধ্যে রাউটিং কাজগুলির জন্য এর সিস্টেমের দুটি সংস্করণ। সাকানা দাবি করেছেন যে Fugu Ultra v2 নির্বাচিত বেঞ্চমার্কে GPT-6 Astra এবং Claude Fable 5.1 ছাড়িয়েছে, যখন Fugu Max কম খরচ এবং গতির উপর জোর দেয়। উভয়ই একটি OpenAI-সামঞ্জস্যপূর্ণ API-এর মাধ্যমে মিটারযুক্ত মূল্য এবং সদস্যতা সহ উপলব্ধ।
বিগগো ফাইন্যান্স রিপোর্ট করেছে যে টোকিও-ভিত্তিক Sakana AI ফুগু আল্ট্রা v2, তার সাকানা ফুগু অর্কেস্ট্রেশন সিস্টেমের একটি ফ্ল্যাগশিপ সংস্করণ এবং ফুগু ম্যাক্স, একটি কম খরচের ভেরিয়েন্ট চালু করেছে৷ সিস্টেমটি একটি একক OpenAI-সামঞ্জস্যপূর্ণ API এর মাধ্যমে একাধিক বিশেষ মডেলের মধ্যে কাজগুলিকে গতিশীলভাবে রুট করে, তাই ব্যবহারকারীদের অভ্যন্তরীণ মডেল নির্বাচন পরিচালনা করার প্রয়োজন নেই বলে জানা গেছে। প্রতিবেদনে পণ্যের বিবরণ এবং কার্যক্ষমতার দাবিগুলিকে Sakana AI-এর জন্য দায়ী করা হয়েছে।
সাকানা দাবি করেছেন ফুগু আল্ট্রা v2 ডিপএসডব্লিউই-তে 74.3 স্কোর করেছে, GPT-6 অ্যাস্ট্রার জন্য 74.1 এবং Claude Fable 5.1-এর জন্য 67.4 স্কোর করেছে। এটি চার্টোগ্রাফিতে 48.3 স্কোরও রিপোর্ট করে, যেখানে উল্লেখ করা হয়েছে যে অন্য দুটি মডেলের জন্য তুলনামূলক স্কোর সর্বজনীনভাবে প্রকাশ করা হয়নি। সাকানা বলেছেন Fugu Ultra v2-এর একটি 28শে আগস্ট, 2026 প্রশিক্ষণ-ডেটা কাটঅফ রয়েছে এবং অন্তর্নিহিত সহযোগী হিসাবে GPT-6 Astra বা Claude Fable 5.1 ব্যবহার করে না। এই পরিসংখ্যান এবং দাবিগুলি স্বাধীনভাবে উৎসে নিশ্চিত করা হয়নি।
প্রতিবেদনে বলা হয়েছে যে ফুগু ম্যাক্স NVIDIA-এর ওপেন-ওয়েট নেমোট্রন মডেলগুলিকে অন্তর্ভুক্ত করে এবং উপযুক্ত হলে ছোট মডেলগুলিতে কাজগুলিকে রুট করে। এটি দাবি করে যে ফুগু ম্যাক্স নেতৃস্থানীয় প্রতিযোগীদের তুলনায় প্রতি-আউটপুট ব্যবহারের খরচ 40-60% কমিয়েছে এবং টার্মিনাল বেঞ্চ 2.1 ব্যবহার করে খরচ-বনাম-স্কোর তুলনাতে সবচেয়ে শক্তিশালী অবস্থান অর্জন করেছে। উভয় পণ্য API মিটারযুক্ত বিলিং বা সদস্যতার মাধ্যমে উপলব্ধ হিসাবে বর্ণনা করা হয়েছে। রিপোর্ট করা API মূল্যগুলি হল $5 ইনপুট এবং $30 আউটপুট প্রতি মিলিয়ন টোকেন Fugu Ultra v2 এর জন্য, এবং $2 ইনপুট এবং $6 আউটপুট Fugu Max এর জন্য। সদস্যতা স্তর প্রতি মাসে $20, $100, এবং $200 তালিকাভুক্ত করা হয়।
উত্স বিবরণ: finance.biggo.com ↗
কেন এটা গুরুত্বপূর্ণ
উল্লিখিত লঞ্চটি উল্লেখযোগ্য কারণ এটি মডেল অর্কেস্ট্রেশন উপস্থাপন করে - শুধুমাত্র একটি বড় মডেলকে স্কেল করা নয় - প্রতিযোগিতামূলক পারফরম্যান্সের পথ হিসাবে। যদি সাকানার ফলাফল এবং মূল্য স্বাধীনভাবে যাচাই করা হয়, ব্যবসায়গুলি পৃথক ফ্রন্টিয়ার-মডেল প্রদানকারীদের উপর নির্ভরতা কমিয়ে AI এজেন্টদের মোতায়েন করার অন্য উপায় থাকতে পারে। ব্যবহারিক তাত্পর্য অনিশ্চিত রয়ে গেছে কারণ প্রতিবেদনটি উদ্ধৃত পরীক্ষার বাইরে পণ্যের প্রাপ্যতা, নির্ভরযোগ্যতা বা কার্যকারিতা স্থাপন করে না।
রিপোর্ট করা পণ্যগুলি এআই-সিস্টেম ডিজাইনে একটি সম্ভাব্য গুরুত্বপূর্ণ পরিবর্তনের চিত্র তুলে ধরে। বিশেষায়িত মডেলের একটি সু-সমন্বিত সংগ্রহ একটি প্রদানকারীকে বৃহত্তর মালিকানাধীন সিস্টেমের কিছু ক্ষমতার সাথে মিল দিতে পারে যখন অনুমান খরচ নিয়ন্ত্রণ করে এবং একটি একক বন্ধ মডেলের উপর নির্ভরতা এড়াতে পারে। অবিচ্ছিন্ন এজেন্ট ওয়ার্কলোড চালানো কোম্পানিগুলির জন্য এটি সবচেয়ে গুরুত্বপূর্ণ, যেখানে টোকেন খরচ এবং রাউটিং দক্ষতা বস্তুগতভাবে স্থাপনার অর্থনীতিকে প্রভাবিত করতে পারে।
প্রমাণ বর্তমানে সীমিত. বিগগো ফাইন্যান্স নামক রিপোর্টিং আউটলেট, এবং বেঞ্চমার্ক ফলাফলগুলি প্রাথমিকভাবে সাকানার দাবি হিসাবে উপস্থাপন করা হয়। উত্সটি স্বাধীন পরীক্ষার ফলাফল, পদ্ধতির বিবরণ, প্রদত্ত নামের বাইরে মডেল সংস্করণ, ত্রুটি বিশ্লেষণ, লেটেন্সি পরিমাপ বা প্রমাণ সরবরাহ করে না যে সিস্টেমগুলি সাধারণ ব্যবসায়িক কাজগুলি জুড়ে ধারাবাহিকভাবে সম্পাদন করে। তুলনাটিও অসম্পূর্ণ কারণ উদ্ধৃত তুলনা মডেলগুলির জন্য চার্টোগ্রাফি স্কোরগুলি অনুপলব্ধ ছিল।
দাম এবং পারফরম্যান্সের দাবিগুলি ধরে রাখলে, Fugu Max এন্টারপ্রাইজগুলিকে উচ্চ-ভলিউম এজেন্ট প্রক্রিয়াকরণের জন্য আরেকটি বিকল্প দিতে পারে, যখন Fugu Ultra v2 গুণমান এবং যুক্তিকে অগ্রাধিকার দিয়ে ব্যবহারকারীদের কাছে আবেদন করতে পারে। উত্সটি সাধারণ প্রাপ্যতা, যোগ্যতার প্রয়োজনীয়তা, পরিষেবা-স্তরের প্রতিশ্রুতি, ডেটা-ধারণ শর্তাবলী, গোপনীয়তা সুরক্ষা, হারের সীমা, আঞ্চলিক অ্যাক্সেস, বা সাবস্ক্রিপশন পরিকল্পনাগুলিতে API ব্যবহার অন্তর্ভুক্ত রয়েছে কিনা তা স্থাপন করে না। এই অজানা ঘোষণার অবিলম্বে ক্রয় তাত্পর্য সীমিত.
ইন্টারেক্টিভ মেকানিজম: এটা আসলে কিভাবে কাজ করে
এই বিকাশের পিছনে অন্তর্নিহিত প্রযুক্তিটি ইন্টারেক্টিভভাবে অন্বেষণ করুন।
Which component of an AI application is the machine-learning model itself?
পরবর্তী কি দেখতে
বেঞ্চমার্ক দাবির স্বাধীন মূল্যায়ন, অন্তর্নিহিত মডেল লাইনআপের ডকুমেন্টেশন এবং API অ্যাক্সেসের নিশ্চিতকরণ লঞ্চ কতটা অর্থবহ তা নির্ধারণ করবে। ক্রেতাদের হারের সীমা, ডেটা হ্যান্ডলিং, ভৌগলিক প্রাপ্যতা, পরিষেবার নির্ভরযোগ্যতা এবং রিপোর্ট করা খরচ সঞ্চয় তাদের কাজের চাপের জন্য ধারণ করে কিনা তাও পরীক্ষা করা উচিত।
প্রথম অগ্রাধিকার হল ডিপএসডব্লিউই, চার্টগ্রাফি, এবং টার্মিনাল বেঞ্চ 2.1 ফলাফলের স্বাধীন প্রতিলিপি, যার মধ্যে সামঞ্জস্যপূর্ণ প্রম্পট, মডেল কনফিগারেশন, রাউটিং নীতি এবং সম্পূর্ণ খরচ গণনা। সেই তথ্য ব্যতীত, উল্লিখিত সুবিধাগুলি নামযুক্ত সীমান্ত মডেলগুলির সাথে নির্ভরযোগ্যভাবে তুলনা করা যায় না।
সম্ভাব্য ব্যবহারকারীদের যাচাই করা উচিত যে API জনসাধারণের কাছে অ্যাক্সেসযোগ্য নাকি শুধুমাত্র অনুমোদিত গ্রাহকদের জন্য, এবং বর্তমান ডকুমেন্টেশনে টোকেন অ্যাকাউন্টিং, প্রসঙ্গ সীমা, লেটেন্সি, আপটাইম, ডেটা-ব্যবহার নীতি এবং মূল্য নিশ্চিত করা উচিত। উৎস মূল্য রিপোর্ট কিন্তু স্বাধীনভাবে তাদের নিশ্চিত না.
সাকানা অন্তর্নিহিত মডেল রোস্টার প্রকাশ করে এবং কীভাবে রাউটিং সিদ্ধান্ত নেওয়া হয় তা ব্যাখ্যা করে কিনা তা দেখাও গুরুত্বপূর্ণ। এই বিবরণগুলি প্রজননযোগ্যতা, বিক্রেতার নির্ভরতা, সুরক্ষা এক্সপোজার এবং সিস্টেমের কার্যকারিতা বিস্তৃতভাবে উপলব্ধ উন্মুক্ত মডেল বা অপ্রকাশিত উপাদানগুলি থেকে আসে কিনা তা স্পষ্ট করবে।