কৃত্রিম বুদ্ধিমত্তাভিত্তিক এজেন্ট পরিচালনার খরচ কমানো এবং দৈনন্দিন স্বয়ংক্রিয় কাজ আরও সহজ করার লক্ষ্য নিয়ে Muse Ember নামের নতুন এআই মডেল উন্মোচন করেছে Meta। প্রতিষ্ঠানটির দাবি, এটি তাদের Muse পরিবারের সবচেয়ে ছোট ও দক্ষ মডেল। জটিল যুক্তি বিশ্লেষণের পাশাপাশি বারবার সম্পাদিত হয় এমন কাজ, যেমন টুল ব্যবহার, কোডিংয়ের ছোট কাজ, তথ্য সংগ্রহ, ডেটা বিশ্লেষণ এবং দীর্ঘ নথি পড়ার জন্য মডেলটি তৈরি করা হয়েছে।

৯ নভেম্বর Meta AI Research-এর প্রকাশিত ঘোষণায় বলা হয়, Muse Ember মূলত এআই এজেন্টের দৈনন্দিন কাজের জন্য উপযোগী করে তৈরি করা হয়েছে। বর্তমানে অনেক প্রতিষ্ঠান একটি বড় এআই মডেলের ওপর নির্ভর করে বিভিন্ন ধরনের কাজ পরিচালনা করে। কিন্তু সব কাজের জন্য শক্তিশালী ও ব্যয়বহুল মডেল ব্যবহার করা অর্থনৈতিকভাবে কার্যকর নয়। উদাহরণ হিসেবে কোনো এজেন্টকে বারবার তথ্য সংগ্রহ, ফাইলের বিষয়বস্তু শনাক্ত, কোডের ছোট পরিবর্তন কিংবা নির্দিষ্ট টুল ব্যবহারের নির্দেশ দেওয়া হলে প্রতিবার বড় মডেল ব্যবহার করার প্রয়োজন নাও হতে পারে।

এ ধরনের কাজের জন্য তুলনামূলক ছোট মডেল ব্যবহার করলে খরচ কমানো সম্ভব। Muse Ember-এর মূল লক্ষ্যও এই জায়গায়। Meta জানিয়েছে, মডেলটি বিভিন্ন অ্যাপের মধ্যে কাজের ধারাবাহিকতা বজায় রাখা, একাধিক টুল ধারাবাহিকভাবে ব্যবহার করা, কোড পরীক্ষা করা এবং প্রয়োজন অনুযায়ী ছোটখাটো সংশোধন করতে সক্ষম। এর ফলে এআই এজেন্টের কাজকে আরও স্বয়ংক্রিয় করার সুযোগ তৈরি হতে পারে।

মডেলটির একটি উল্লেখযোগ্য বৈশিষ্ট্য হলো এর মাল্টিমোডাল সক্ষমতা। এটি শুধু লেখা নয়, ছবি, অডিও এবং ভিডিও সম্পর্কিত তথ্যও বুঝতে পারে বলে জানিয়েছে Meta। এর মাধ্যমে কোনো ব্যবহারকারী স্ক্রিনশট, চার্ট, স্ক্যান করা নথি, ভয়েস রেকর্ডিং কিংবা ভিডিও থেকে প্রয়োজনীয় তথ্য সংগ্রহের কাজে মডেলটি ব্যবহার করতে পারবেন। দীর্ঘ নথি বিশ্লেষণ এবং কম্পিউটার স্ক্রিনের দৃশ্য দেখে কাজ সম্পাদনের সুবিধাও এতে রয়েছে।

Meta-এর প্রকাশিত তথ্য অনুযায়ী, Muse Ember-এর কনটেক্সট উইন্ডো এক মিলিয়ন টোকেন পর্যন্ত। অর্থাৎ একসঙ্গে বড় পরিমাণ তথ্যের প্রেক্ষাপট ধরে রেখে বিশ্লেষণ করার সুযোগ রয়েছে। বিশেষ করে দীর্ঘ নথি, সফটওয়্যার কোডবেস এবং বহু ধাপের এজেন্টভিত্তিক কাজের ক্ষেত্রে এই সক্ষমতা গুরুত্বপূর্ণ হতে পারে।

মূল্য নির্ধারণের ক্ষেত্রেও মডেলটিকে কম খরচের বিকল্প হিসেবে তুলে ধরেছে Meta। প্রতিষ্ঠানটির প্রকাশিত মূল্য অনুযায়ী, প্রতি দশ লাখ ইনপুট টোকেনের খরচ ১০ সেন্ট এবং আউটপুট টোকেনের খরচ ৫০ সেন্ট। ক্যাশ করা ইনপুট টোকেনের ক্ষেত্রে খরচ আরও কম। এ মূল্য কাঠামোর লক্ষ্য হলো বেশি সংখ্যক এজেন্ট পরিচালনার ক্ষেত্রে ব্যয় নিয়ন্ত্রণ করা।

Meta নিজেদের প্রকাশিত বেঞ্চমার্ক ফলাফলও তুলে ধরেছে। তাদের দাবি, Muse Ember কয়েকটি এজেন্ট ও কম্পিউটার ব্যবহারের পরীক্ষায় Claude Haiku 5.5 এবং GPT-6 Luna-এর নির্দিষ্ট পরীক্ষামূলক সেটিংয়ের সঙ্গে প্রতিযোগিতামূলক ফলাফল দেখিয়েছে। OSWorld 2.1 পরীক্ষায় Meta-এর প্রকাশিত ফল অনুযায়ী মডেলটির স্কোর ৬৯ দশমিক ৫ শতাংশ। একই পরীক্ষায় Claude Haiku 5.5-এর স্কোর ৬৮ দশমিক ৯ শতাংশ এবং GPT-6 Luna-এর স্কোর ৫০ দশমিক ৫ শতাংশ উল্লেখ করা হয়েছে। তবে এসব ফল Meta-এর নিজস্ব পরীক্ষার তথ্য এবং পরীক্ষার পরিবেশ ও মূল্যায়ন পদ্ধতির ওপর নির্ভরশীল।

নিরাপত্তার বিষয়টিও মডেলটির ঘোষণায় গুরুত্ব পেয়েছে। Meta জানিয়েছে, Muse Ember-কে রাসায়নিক, জীববৈজ্ঞানিক, সাইবার নিরাপত্তা এবং নিয়ন্ত্রণ হারানোর ঝুঁকিসহ বিভিন্ন বিষয়ে মূল্যায়ন করা হয়েছে। ব্যবহারকারীর নির্দেশনা অনুসরণ, সংবেদনশীল তথ্য ব্যবস্থাপনা এবং ওয়েবসাইট বা নথিতে লুকানো ক্ষতিকর নির্দেশনা প্রতিরোধের বিষয়ও পরীক্ষা করা হয়েছে।

মডেলটি Muse Code এবং Meta Model API-তে muse-ember-1.0 নামে উন্মুক্ত করা হয়েছে। ফলে ডেভেলপাররা API ব্যবহার করে নিজেদের সফটওয়্যার ও এজেন্টভিত্তিক অ্যাপ্লিকেশনে এটি যুক্ত করার সুযোগ পাবেন।

এআই শিল্পে এখন শুধু সবচেয়ে শক্তিশালী মডেল তৈরি নয়, বরং কম খরচে নির্ভরযোগ্যভাবে মডেল পরিচালনা করাও গুরুত্বপূর্ণ প্রতিযোগিতার ক্ষেত্র হয়ে উঠেছে। বড় মডেল জটিল পরিকল্পনা করতে পারে, আর ছোট মডেলগুলো নির্দিষ্ট কাজ দ্রুত সম্পন্ন করতে পারে। ভবিষ্যতে এ ধরনের মডেলের সমন্বয়ে একাধিক এআই এজেন্টের দল তৈরি হতে পারে, যেখানে প্রতিটি মডেল আলাদা দায়িত্ব পালন করবে। এ প্রবণতা সফটওয়্যার উন্নয়ন, ব্যবসায়িক অটোমেশন এবং ডিজিটাল সেবা পরিচালনায় নতুন পরিবর্তন আনতে পারে।