পাঁচ মিনিটে এলএলএম শেষ ছয় মাস

আমি পাইকন ইউএস 2026-এ এই লাইটনিং টকটি উপস্থাপন করেছি, পাঁচ মিনিটে এলএলএম-এর গত ছয় মাসের উন্নয়নের সারসংক্ষেপ করার চেষ্টা করছি।

ছয় মাস কভার করার জন্য একটি বেশ সুবিধাজনক সময়কাল, কারণ এটি ক্যাপচার করে যা আমি নভেম্বর 2025 ইনফ্লেকশন পয়েন্ট বলেছি। এলএলএম-এ নভেম্বর মাস ছিল একটি গুরুত্বপূর্ণ মাস, বিশেষ করে কোডিংয়ের জন্য।

একটি জিনিসের জন্য, অনুমিতভাবে “সেরা” মডেল (বেশিরভাগই ভাইবের উপর নির্ভর করে) তিনটি বড় প্রদানকারীর মধ্যে পাঁচবার হাত পরিবর্তন করেছে।

বরাবরের মতো, আমি মডেলগুলির মধ্যে পার্থক্য বোঝাতে সাহায্য করার জন্য সাইকেল চালানোর পরীক্ষায় একটি পেলিকানের একটি SVG তৈরি করছি৷

কেন এই পরীক্ষা? কারণ পেলিকান আঁকা কঠিন, সাইকেল আঁকা কঠিন, পেলিকান সাইকেল চালাতে পারে না… এবং কোন AI ল্যাব এমন একটি হাস্যকর কাজের জন্য একটি মডেলকে প্রশিক্ষিত করার সম্ভাবনা নেই।

নভেম্বরের শুরুতে ব্যাপকভাবে স্বীকৃত “সেরা” মডেলটি ছিল ক্লাউড সনেট 4.5, 29শে সেপ্টেম্বর মুক্তি পায়। এটা আমাকে এই পেলিকান আঁকা.

নভেম্বরে এটি জিপিটি-5.1, তারপর জেমিনি 3, তারপরে জিপিটি-5.1 কোডেক্স ম্যাক্স এবং তারপরে অ্যানথ্রপিক ক্লড ওপাস 4.5 দিয়ে আবার মুকুট ফিরিয়ে নেয়।

আমি মনে করি জেমিনি 3 এই লট থেকে সেরা পেলিকান আঁকে, কিন্তু পেলিকানই সবকিছু নয়। বেশিরভাগ অনুশীলনকারীরা একমত হবেন যে Opus 4.5 আগামী কয়েক মাসের জন্য মুকুট ধরে রেখেছে।

এটি পরিষ্কার হতে একটু সময় লেগেছে, কিন্তু নভেম্বর থেকে আসল খবর ছিল কোডিং এজেন্টরা ভাল.

OpenAI এবং Anthropic 2025 সালের বেশিরভাগ সময় তাদের মডেল দ্বারা লিখিত কোডের গুণমান বাড়ানোর জন্য Reinforcement Learning from Verifiable Rewards চালাতে ব্যয় করেছে, বিশেষ করে যখন তাদের কোডেক্স এবং ক্লাউড কোড এজেন্ট হার্নেসের সাথে পেয়ার আপ করা হয়।

নভেম্বর মাসে এই কাজের ফলাফল স্পষ্ট হয়ে ওঠে। কোডিং এজেন্টরা প্রায়শই-কাজ থেকে বেশিরভাগ-কাজে চলে যায়, একটি গুণগত বাধা অতিক্রম করে যেখানে আপনি তাদের নির্বোধ ভুলগুলি ঠিক করার জন্য আপনার বেশিরভাগ সময় ব্যয় না করেই প্রকৃত কাজ সম্পন্ন করতে তাদের দৈনন্দিন-চালক হিসাবে ব্যবহার করতে পারেন।

এছাড়াও নভেম্বর মাসে, এটি ঘটেছিল – পিট নামক কিছু লোকের “ওয়ারলে” নামক একটি অস্পষ্ট (তখন) রেপোতে প্রথম প্রতিশ্রুতি।

ছুটির সময়কালে, ডিসেম্বর থেকে জানুয়ারী পর্যন্ত, আমাদের মধ্যে অনেকেই এই নতুন মডেল এবং কোডিং এজেন্টদের সাথে খোঁচা দিতে এবং তারা কী করতে পারে তা দেখার জন্য বিরতির সুযোগ নিয়েছিল।

তারা অনেক কিছু করতে পারে! আমাদের মধ্যে কেউ কেউ একটু বেশিই উত্তেজিত। এলএলএম সাইকোসিসের একটি ফর্মের সাথে আমার স্বল্পস্থায়ী লড়াই ছিল কারণ আমি তাদের কতদূর ঠেলে দিতে পারি তা দেখার জন্য আমি অত্যন্ত উচ্চাভিলাষী প্রকল্পগুলি শুরু করেছিলাম।

সেই খেলার মাঠের ডেমোটি আমার মাইক্রো-জাভাস্ক্রিপ্ট লাইব্রেরি ব্যবহার করে জাভাস্ক্রিপ্ট কোড দেখায়, পাইথনে, পাইডাইডের ভিতরে চলছে, ওয়েব অ্যাসেম্বলিতে চলছে, জাভাস্ক্রিপ্টে চলছে, ব্রাউজারে চলছে!

এটা বেশ সুন্দর! কিন্তু সেখানে কেউ কি প্রয়োজন পাইথনে জাভাস্ক্রিপ্টের একটি বগি, ধীর, অনিরাপদ অর্ধ-বেকড বাস্তবায়ন?

তারা করেনি। সেই ছুটির সময় থেকে আমার আরও কয়েকটি প্রকল্প রয়েছে যা আমি নিঃশব্দে অবসর নিয়েছি!

ফেব্রুয়ারি পর্যন্ত। নভেম্বরের শেষে তার প্রথম প্রতিশ্রুতি ছিল যে Warelay প্রকল্প মনে আছে?

ডিসেম্বর এবং জানুয়ারী মাসে এটি বেশ কয়েকটি নাম পরিবর্তনের মধ্য দিয়ে গেছে… এবং ফেব্রুয়ারির মধ্যে এটি তার চূড়ান্ত নাম, OpenClaw এর অধীনে ঝড়ের মধ্যে দিয়েছিল।

তিন মাসেরও কম বয়সী একটি প্রকল্পের জন্য এটি যে পরিমাণ মনোযোগ পেয়েছে তা বেশ আশ্চর্যজনক।

OpenClaw হল একটি “ব্যক্তিগত AI সহকারী”, এবং আমরা আসলে এগুলোর জন্য একটি জেনেরিক শব্দ পেয়েছি, NanoClaw এবং ZeroClaw এর উপর ভিত্তি করে এবং এই ধরনের… তাদের বলা হয় নখর.

ম্যাক মিনিস সিলিকন ভ্যালির আশেপাশে বিক্রি হতে শুরু করে, কারণ লোকেরা তাদের নখর চালানোর জন্য তাদের কিনছিল।

ড্রিউ ব্রুনিগ আমাকে মজা করে বলেছিল যে এর কারণ হল তারা নতুন ডিজিটাল পোষা প্রাণী, এবং একটি ম্যাক মিনি আপনার ক্লোর জন্য নিখুঁত অ্যাকোয়ারিয়াম।

ক্লজের জন্য আমার প্রিয় রূপক হল 2004 সালের স্পাইডার-ম্যান 2 মুভিতে আলফ্রেড মোলিনার ডক ওক। তার নখর AI দ্বারা চালিত ছিল, এবং পুরোপুরি নিরাপদ ছিল যদি তার ইনহিবিটর চিপের কোনো ক্ষতি না হয়… যার পরে তারা খারাপ হয়ে যায় এবং দখল নেয়।

এছাড়াও ফেব্রুয়ারিতে: Gemini 3.1 Pro বের হয়েছে, এবং আমাকে আকৃষ্ট করেছে সত্যিই ভালো পেলিকান সাইকেল চালাচ্ছে. এই দেখুন! এমনকি এটির ঝুড়িতে একটি মাছও রয়েছে।

এবং তারপরে Google-এর জেফ ডিন একটি অ্যানিমেটেড পেলিকান একটি সাইকেল চালানোর এই ভিডিওটি টুইট করেছেন, এছাড়াও একটি পেনি-ফারথিং-এ একটি ব্যাঙ এবং একটি জিরাফ একটি ছোট গাড়ি চালাচ্ছে এবং একটি রোলার স্কেটে একটি উটপাখি এবং একটি কচ্ছপ একটি স্কেটবোর্ডে কিকফ্লিপ করছে এবং একটি ডাচশুন্ড একটি স্ট্রেচ লিমাস চালাচ্ছে৷

তাই হয়তো এআই ল্যাবগুলো সব পরে মনোযোগ দিয়েছে!

গত মাসে অনেক কিছু ঘটেছে।

Google Gemma 4 সিরিজের মডেল প্রকাশ করেছে, যা আমি একটি মার্কিন কোম্পানি থেকে দেখেছি সবচেয়ে সক্ষম ওপেন ওয়েট মডেল।

এছাড়াও গত মাসে, চীনা AI ল্যাব GLM GLM-5.1 নিয়ে এসেছিল—একটি খোলা ওজনের 1.5TB দানব! এটি একটি অত্যন্ত কার্যকরী মডেল… যদি আপনি এটি চালানোর জন্য হার্ডওয়্যার সামর্থ্য করতে পারেন।

GLM-5.1 আমাকে এই অত্যন্ত দক্ষ পেলিকান সাইকেলে আকৃষ্ট করেছে।

…যদিও যখন এটি অ্যানিমেট করার চেষ্টা করেছিল তখন সাইকেলটি উপরে উঠে যায় এবং সাইকেলটি বিকৃত হয়ে যায়।

ব্লুস্কির চার্লস পরামর্শ দিয়েছিলেন যে আমি একটি ই-স্কুটারে উত্তর ভার্জিনিয়া ওপোসামের সাথে এটি চেষ্টা করি

এবং এটা এই করেছে! আমি অন্যান্য মডেলে এটি চেষ্টা করেছি এবং তারা এমনকি কাছাকাছি আসে না। “সন্ধ্যার পর থেকে কমনওয়েলথ ভ্রমণ” নিখুঁত। এটাও অ্যানিমেটেড।

এখানে তুলনা করার জন্য সেপ্টেম্বর থেকে ক্লদ সনেট 4.5 পেলিকান।

তাই গত ছয় মাসের দুটি প্রধান থিম ছিল সেগুলো। কোডিং এজেন্টগুলি সত্যিই ভাল হয়েছে… এবং ল্যাপটপ-উপলব্ধ মডেলগুলি, যদিও সীমান্তের তুলনায় অনেক দুর্বল, প্রত্যাশাগুলিকে ছাড়িয়ে যাওয়া শুরু করেছে৷