विशाल क्लाउड AI के प्रचार को भूल जाइए — IBM चाहता है कि आपका डेटा घर पर ही रहे

तकनीकी उद्योग अपना अधिकांश समय आपको यह समझाने में बिताता है कि आर्टिफिशियल इंटेलिजेंस के लिए किसी दूरस्थ रेगिस्तान में स्थित विशाल, अदृश्य सुपर कंप्यूटर की आवश्यकता होती है। यह विमर्श सुझाव देता है कि यदि आप चाहते हैं कि कोई मशीन सोचे, तो आपको एक ट्रिलियन-डॉलर के निगम के स्वामित्व वाले सर्वर पर समय किराए पर लेना होगा। यह सेटअप हर प्रॉम्प्ट और हर संवेदनशील दस्तावेज़ को इंटरनेट के माध्यम से यात्रा करने के लिए मजबूर करता है, जहाँ वह किसी और के हार्डवेयर पर रहता है। IBM अपने Granite 4.2 परिवार की रिलीज़ के साथ एक अलग रास्ता अपना रहा है। ये मॉडल किसी अनिवार्य क्लाउड में नहीं रहते; वे आपके हार्डवेयर पर रहते हैं।

Granite 4.2 उन व्यवसायों और डेवलपर्स के लिए स्थानीय, पूर्वानुमेय कंप्यूटिंग की ओर एक बदलाव का प्रतिनिधित्व करता है जो उतार-चढ़ाव वाली API लागतों और गोपनीयता जोखिमों से थक चुके हैं। इन्हें ओपन-वेट मॉडल के रूप में जारी करके, IBM उपयोगकर्ताओं को संपूर्ण पैकेज डाउनलोड करने और इसे अपने स्वयं के सर्वर या उच्च-स्तरीय वर्कस्टेशन पर चलाने की अनुमति देता है। यह दृष्टिकोण AI को एक रहस्यमय ओरेकल के रूप में कम और एक अथक इंटर्न के रूप में अधिक मानता है जो विशेष रूप से आपके कार्यालय की दीवारों के भीतर काम करता है।

Granite 4.2 परिवार से मिलें

नई रिलीज़ में तीन अलग-अलग आकार शामिल हैं: 3B, 8B, और 30B पैरामीटर। बड़े भाषा मॉडल की दुनिया में, मापदंडों की संख्या आम तौर पर डिजिटल मस्तिष्क की जटिलता को दर्शाती है। एक 3B मॉडल आधुनिक लैपटॉप पर अच्छी गति के साथ चलने के लिए पर्याप्त छोटा है। एक 8B मॉडल अधिकांश डेवलपर्स के लिए वर्तमान में सबसे उपयुक्त है, जो बुद्धिमत्ता और हार्डवेयर आवश्यकताओं के बीच संतुलन प्रदान करता है। 30B मॉडल भारी काम करने वाला है, जिसे उन एंटरप्राइज़ सर्वरों के लिए डिज़ाइन किया गया है जिन्हें उच्च सटीकता के साथ जटिल कार्यों को संभालने की आवश्यकता होती है।

इस लाइनअप का प्रत्येक मॉडल केवल-डिकोडर (decoder-only) आर्किटेक्चर का उपयोग करता है। यह एक मानक डिज़ाइन विकल्प है जो मॉडल को अनुक्रम के अगले भाग की भविष्यवाणी करने पर केंद्रित करता है, जिससे ये सिस्टम टेक्स्ट उत्पन्न करते हैं। संस्करण 4.2 में एक महत्वपूर्ण जोड़ 128,000-टोकन का संदर्भ विंडो (context window) है। इसे परिप्रेक्ष्य में रखने के लिए, एक मानक उपन्यास लगभग 60,000 से 90,000 टोकन का होता है। इस आकार का एक संदर्भ विंडो मॉडल को एक ही सत्र में संपूर्ण तकनीकी मैनुअल या विशाल कोडबेस को पढ़ने और याद रखने की अनुमति देता है।

कार्यात्मक तर्क की वास्तविकता

IBM Granite 4.2 को तर्क-केंद्रित (reasoning-focused) रिलीज़ के रूप में वर्णित करता है। तकनीकी क्षेत्र में, 'रीज़निंग' एक विशिष्ट शब्द है जो मॉडल की विचार-श्रृंखला प्रसंस्करण (chain-of-thought processing) का उपयोग करने की क्षमता का वर्णन करता है। यह चेतना या वास्तविक समझ नहीं है। इसके बजाय, मॉडल एक जटिल समस्या को मध्यवर्ती चरणों में तोड़ता है और उन चरणों के परिणामों को अगले चरण तक ले जाता है। यह प्रक्रिया इस बात की नकल करती है कि कैसे कोई व्यक्ति कागज के टुकड़े पर अपना काम दिखाकर गणित की समस्या को हल कर सकता है।

औसत उपयोगकर्ता के लिए, तर्क पर यह ध्यान लॉजिक-भारी कार्यों में उच्च सटीकता में बदल जाता है। यदि आप एक मानक मॉडल से पांच परस्पर विरोधी बाधाओं के साथ यात्रा कार्यक्रम की योजना बनाने के लिए कहते हैं, तो वह आपको तेज़ उत्तर देने के लिए उनमें से दो को अनदेखा कर सकता है। Granite 4.2 जैसा तर्क-केंद्रित मॉडल अंतिम प्रतिक्रिया प्रदान करने से पहले प्रत्येक बाधा को दूसरों के विरुद्ध जाँचने की अधिक संभावना रखता है। इसका नकारात्मक पहलू गति है। ये मॉडल अक्सर प्रतिक्रिया उत्पन्न करने में अधिक समय लेते हैं क्योंकि वे पर्दे के पीछे अधिक गणितीय भारी काम कर रहे होते हैं। तर्क मॉडल का उपयोग करना एक तेज़-तर्रार सेल्सपर्सन के बजाय एक सूक्ष्म लेखा परीक्षक (auditor) को काम पर रखने जैसा है।

एजेंटिक क्षमताएं और टूल का उपयोग

8B और 30B वेरिएंट को एजेंटिक (agentic) बनने के लिए विशेष प्रशिक्षण दिया गया है। यह शब्द AI की एक एजेंट के रूप में कार्य करने की क्षमता को संदर्भित करता है जो वास्तविक दुनिया में कार्य करता है। केवल टेक्स्ट लिखने के बजाय, ये मॉडल बाहरी टूल के साथ बातचीत कर सकते हैं। वे कंप्यूटर टर्मिनल का उपयोग कर सकते हैं, ताज़ा जानकारी के लिए वेब खोज सकते हैं, या उत्तर सत्यापित करने के लिए कोड के स्निपेट निष्पादित कर सकते हैं।

IBM ने इन मॉडलों को प्रभावी ढंग से टूल का उपयोग करना सिखाने के लिए एक विशिष्ट सुदृढीकरण-लर्निंग (reinforcement-learning) ब्लॉक का उपयोग किया। जबकि सबसे छोटा 3B मॉडल तकनीकी रूप से टूल का उपयोग कर सकता है, इसमें अपने बड़े भाई-बहनों में पाए जाने वाले विशेष प्रशिक्षण की कमी है। यह 8B और 30B मॉडल को उन डेवलपर्स के लिए विशेष रूप से विघटनकारी बनाता है जो दोहराव वाले डिजिटल कार्यों को स्वचालित करना चाहते हैं। एक एजेंटिक मॉडल स्प्रेडशीट को देख सकता है, लापता डेटा बिंदु की पहचान कर सकता है, उस डेटा को खोजने के लिए वेब खोज सकता है, और फिर मानवीय हस्तक्षेप के बिना फ़ाइल को अपडेट कर सकता है। यह बदलाव AI को एक निष्क्रिय चैट इंटरफ़ेस से वर्कफ़्लो में एक सक्रिय भागीदार के रूप में स्थानांतरित करता है।

आपके बजट के लिए स्थानीय होस्टिंग क्यों मायने रखती है

स्थानीय मॉडलों को देखने के सबसे बुनियादी कारणों में से एक क्लाउड की लागत है। OpenAI और Anthropic जैसी कंपनियां प्रति टोकन शुल्क लेती हैं, जो अनिवार्य रूप से AI द्वारा पढ़े या लिखे गए प्रत्येक शब्द पर एक कर है। एक छोटे व्यवसाय के लिए, ये लागतें अस्थिर और भविष्यवाणी करने में कठिन होती हैं। यदि किसी विशिष्ट प्रोजेक्ट के लिए अचानक AI को हजारों दस्तावेजों का विश्लेषण करने की आवश्यकता होती है, तो मासिक बिल बिना किसी चेतावनी के सैकड़ों से हजारों डॉलर तक बढ़ सकता है।

स्थानीय मॉडल वित्तीय गणित को बदल देते हैं। एक बार जब आप हार्डवेयर के मालिक हो जाते हैं और मॉडल डाउनलोड कर लेते हैं, तो दस लाख शब्द उत्पन्न करने की लागत केवल सर्वर चलाने के लिए बिजली की कीमत होती है। यह पूर्वानुमेयता प्राथमिक कारण है कि IBM एंटरप्राइज़ बाज़ार को लक्षित करता है। बड़े संगठन फ्रंटियर क्लाउड प्रदाताओं के उतार-चढ़ाव वाले मूल्य निर्धारण मॉडल के बजाय स्थिर, निश्चित लागत पसंद करते हैं। जब मॉडल आपके स्वयं के सिलिकॉन पर चलता है तो महीने के अंत में कोई आश्चर्यजनक शुल्क नहीं होता है।

मॉडल राउटर का उदय

जैसे-जैसे Granite 4.2 जैसे मॉडल अधिक उपलब्ध हो रहे हैं, डेवलपर्स तेजी से मॉडल राउटर का उपयोग कर रहे हैं। एक राउटर डिजिटल ट्रैफिक पुलिस की तरह काम करता है। जब कोई उपयोगकर्ता प्रॉम्प्ट सबमिट करता है, तो राउटर विश्लेषण करता है कि कार्य कितना कठिन है। यदि उपयोगकर्ता एक सरल सारांश मांगता है, तो राउटर शक्ति और समय बचाने के लिए कार्य को छोटे 3B मॉडल पर भेज देता है। यदि उपयोगकर्ता एक जटिल वास्तुशिल्प समीक्षा मांगता है, तो राउटर इसे 30B मॉडल पर भेजता है।

यह स्तरीय दृष्टिकोण संगठनों को प्रदर्शन और दक्षता को संतुलित करने की अनुमति देता है। यह उस कार्य के लिए एक विशाल, शक्ति-भूखे मॉडल का उपयोग करने की बर्बादी को रोकता है जिसे एक छोटा मॉडल आधे समय में संभाल सकता है। Granite परिवार का उपयोग करके, एक डेवलपर एक सुव्यवस्थित प्रणाली बना सकता है जहाँ सही टूल हमेशा काम से मेल खाता है। मॉडलों का यह परस्पर जुड़ा पारिस्थितिकी तंत्र पेशेवर AI परिनियोजन के लिए मानक बनता जा रहा है।

गोपनीयता और उद्योग की अदृश्य रीढ़

कई उद्योगों के लिए, नियामक आवश्यकताओं के कारण क्लाउड एक विकल्प नहीं है। स्वास्थ्य सेवा प्रदाता, कानूनी फर्में और सरकारी ठेकेदार अक्सर ऐसे डेटा को संभालते हैं जो कानूनी रूप से उनके सुरक्षित नेटवर्क को नहीं छोड़ सकते। इन वातावरणों में, स्थानीय LLM ही आगे बढ़ने का एकमात्र व्यवहार्य मार्ग हैं। Granite 4.2 इन क्षेत्रों को गोपनीयता कानूनों का उल्लंघन किए बिना या व्यापार रहस्यों को उजागर किए बिना आधुनिक AI का उपयोग करने का एक तरीका प्रदान करता है।

IBM ने खुद को इन उद्योगों के लिए अदृश्य रीढ़ के प्रदाता के रूप में तैनात किया है। वे सबसे आकर्षक सुर्खियों का पीछा नहीं कर रहे हैं या ऐसा चैटबॉट बनाने की कोशिश नहीं कर रहे हैं जो कविता लिखता हो। उनका ध्यान पूर्वानुमेय, स्केलेबल परिनियोजन पर है जो कॉर्पोरेट डेटा सेंटर में विश्वसनीय रूप से काम करते हैं। यह व्यावहारिकता फ्रंटियर मॉडलों के आसपास के प्रचार के प्रति बढ़ती संशयवादिता की प्रतिक्रिया है जो अक्सर गंभीर औद्योगिक उपयोग के लिए बहुत महंगे या बहुत अपारदर्शी होते हैं।

आपके लिए इसका क्या अर्थ है

यदि आप एक व्यक्तिगत डेवलपर या तकनीक-जिज्ञासु शौकिया हैं, तो Granite 4.2 की रिलीज़ स्थानीय हार्डवेयर में निवेश करने का एक संकेत है। उच्च-स्तरीय उपभोक्ता GPU वाला कंप्यूटर अब उन मॉडलों को चला सकता है जो कभी शोध प्रयोगशालाओं का विशेष क्षेत्र थे। आप प्रति-टोकन API शुल्क या डेटा गोपनीयता की चिंता किए बिना एजेंटिक वर्कफ़्लो और बड़े पैमाने पर डेटा विश्लेषण के साथ प्रयोग कर सकते हैं।

व्यवसाय के मालिक के लिए, यह रिलीज़ क्लाउड सब्सक्रिप्शन के धीमे रिसाव से दूर जाने का एक अवसर है। यह आपको आंतरिक टूल बनाने की अनुमति देता है जो इंटरनेट आउटेज और बाहरी कीमतों में वृद्धि के प्रति लचीले होते हैं। क्लाउड प्रदाता द्वारा अपनी सेवा की शर्तों को अपडेट करने की प्रतीक्षा करने के बजाय, आप अपने स्वयं के डिजिटल बुनियादी ढांचे पर नियंत्रण बनाए रख सकते हैं। लब्बोलुआब यह है कि AI एक दूरस्थ सेवा के बजाय एक स्थानीय उपयोगिता बनता जा रहा है। आज अपनी डिजिटल आदतों का अवलोकन करने से पता चल सकता है कि आपके द्वारा क्लाउड पर भेजे जाने वाले कई कार्यों को आपके ठीक बगल में बैठे मॉडल द्वारा अधिक सस्ते और सुरक्षित रूप से संभाला जा सकता है।

स्रोत: IBM Research, Granite Model Documentation, IBM Newsroom.