செயற்கை நுண்ணறிவுக்கான புதிய செயல்திட்டம்
டோக்கியோ -- ஜூன் 22, 2026 அன்று, தொழில்நுட்பத் துறையிடம் சிந்திக்கத் தூண்டும் ஒரு கேள்வியை முன்வைக்கும் பல முகவர் ஒருங்கிணைப்புச் சேவையான ஃபுகுவை சகானா AI அறிமுகப்படுத்தியது. செயற்கை நுண்ணறிவின் அடுத்த பாய்ச்சலுக்கு இன்னும் பெரிய ஒற்றை மாதிரியை உருவாக்க வேண்டுமா, அல்லது யாரிடம் கேட்க வேண்டும் என்பதை அறிந்திருப்பதன் மூலம் சிறியதும் புத்திசாலித்தனமானதுமான ஒரு அமைப்பு அதே போன்ற முடிவுகளைப் பெற முடியுமா? பஃபர்ஃபிஷைக் குறிக்கும் ஜப்பானியச் சொல்லின் பெயரைக் கொண்ட ஃபுகு, பிந்தைய அணுகுமுறையில் டோக்கியோவைச் சேர்ந்த இந்தப் புத்தாக்க நிறுவனம் வைத்துள்ள நம்பிக்கையைப் பிரதிபலிக்கிறது. வெளி உலகுக்கு ஒரே மாதிரியாகத் தோன்றும் இந்தத் தளம், சிக்கலான பணிகளைத் தீர்க்க உள்ளுக்குள் சிறப்புப் பெற்ற முன்னணி செயற்கை நுண்ணறிவு அமைப்புகளின் குழுவை ஒருங்கிணைக்கிறது.
உள்ளடக்கம்
உருவாக்கும் AI-ஐ நிறுவனங்கள் ஏற்கும் நிலையில் முக்கியத் திருப்புமுனையாக இந்த அறிவிப்பு வெளியாகியுள்ளது. பல ஆண்டுகளாக, அளவுருக்களின் எண்ணிக்கை, பயிற்சிக்கான கணினிக் கணிப்பு வளம், மேலும் பெரிய அடித்தள மாதிரிகளை உருவாக்கும் போட்டி ஆகியவற்றை வைத்தே பெரும்பாலும் முன்னேற்றம் அளவிடப்பட்டது. OpenAI, Anthropic, Google உள்ளிட்டவை இந்த அளவீட்டு அணுகுமுறையைப் பின்பற்றி வியப்பூட்டும் முடிவுகளைப் பெற்றுள்ளன. வழக்கறிஞர் தேர்வுகளில் தேர்ச்சி பெறவும், நுணுக்கமான குறியீடுகளை எழுதவும், நீண்டகாலத் தர்க்கச் சிந்தனையில் ஈடுபடவும் கூடிய அமைப்புகளை அவை உருவாக்கியுள்ளன. எனினும், இந்தத் திறன்கள் சில அமெரிக்க நிறுவனங்களிடம் குவிந்திருப்பது புதிய பாதிப்புகளை உருவாக்கியுள்ளது. ஏற்றுமதிக் கட்டுப்பாடுகள், நிறுவனக் கொள்கை மாற்றங்கள் அல்லது புவிசார் அரசியல் மோதல்கள் காரணமாக மிகத் திறன்வாய்ந்த மாதிரிகளுக்கான அணுகல் ஒரே இரவில் மாறக்கூடும்; இதனால் சர்வதேச நிறுவனங்கள் பாதிப்புக்கு உள்ளாகின்றன.
கூட்டு நுண்ணறிவை அடிப்படையாகக் கொண்ட மாற்று அமைப்பை சகானா AI முன்வைக்கிறது. ஒரு டிரில்லியன் அளவுருக்கள் கொண்ட பிரம்மாண்ட மாதிரியைப் பயிற்றுவித்து முன்னணி ஆய்வகங்களுடன் போட்டியிட முயல்வதற்குப் பதிலாக, சுமார் 7 பில்லியன் அளவுருக்கள் கொண்ட சிறிய ஒருங்கிணைப்பாளரை நிறுவனம் உருவாக்கியுள்ளது. இது முதன்மைப் பணிப் பகிர்வாளராகச் செயல்படுகிறது. OpenAI தரநிலைகளுடன் இணக்கமான ஃபுகு API வழியாகப் பயனர் கோரிக்கையைச் சமர்ப்பித்ததும், அமைப்பு பணியை ஆராய்ந்து நேரடியாகப் பதிலளிக்கிறது அல்லது குறிப்பிட்ட துணைப் பணிகளைக் கையாள நிபுணர் மாதிரிகள் குழுவை அமைக்கிறது. பின்னர் அவற்றின் வெளியீடுகளைச் சரிபார்த்து, ஒருங்கிணைந்த பதிலாகத் தொகுக்கிறது. உருவாக்குநருக்கு, இது ஒரே பெரிய மொழி மாதிரியை அழைப்பது போன்ற அனுபவத்தைத் தருகிறது. ஆனால் பின்னணியில், முகவர்களின் முழுக் குழுவே அந்தப் பதிலுக்குப் பங்களித்திருக்கலாம்.
இதற்கு மிகச் சரியான தருணத்தில்தான் இந்த அறிமுகம் நிகழ்ந்துள்ளது. ஜூன் மாதத் தொடக்கத்தில், அமெரிக்க அரசின் ஏற்றுமதிக் கட்டுப்பாட்டு உத்தரவைத் தொடர்ந்து Claude Mythos 5 மற்றும் Claude Fable 5 மாதிரிகளுக்கான பொதுப் பயன்பாட்டை Anthropic திடீரென ரத்து செய்தது. இதனால் உருவாக்குநர் சமூகத்தில், குறிப்பாக அந்த அமைப்புகளைச் சார்ந்து பணிச் செயல்முறைகளை உருவாக்கிய சர்வதேச வாடிக்கையாளர்களிடையே அதிர்வலைகள் ஏற்பட்டன. இத்தகைய இடையூறுகளையே ஃபுகுவை வடிவமைப்பதற்கான உந்துதலாக சகானா AI வெளிப்படையாகக் குறிப்பிடுகிறது. ஒரே சேவை வழங்குநரைச் சார்ந்திருப்பதற்கு எதிரான பாதுகாப்பாகவும், ‘AI இறையாண்மை’ என அது அழைக்கும் இலக்கை நோக்கிய படியாகவும் இந்தச் சேவையை முன்னிறுத்துகிறது.
2017ஆம் ஆண்டின் செல்வாக்குமிக்க Attention Is All You Need என்ற டிரான்ஸ்ஃபார்மர் ஆய்வுக் கட்டுரையை இணைந்து எழுதியவரும், கூகுள் பிரெய்ன் ஆராய்ச்சியின் முன்னாள் ஆய்வாளருமான டேவிட் ஹா, லியான் ஜோன்ஸ் ஆகியோரால் 2023இல் நிறுவப்பட்ட சகானா AI குறிப்பிடத்தக்க கவனத்தையும் முதலீட்டையும் ஈர்த்துள்ளது. ஜப்பானின் மிகப்பெரிய வங்கிகளும் சிப் தயாரிப்பு நிறுவனமான என்விடியாவும் ஆதரவளித்த, சுமார் 30 பில்லியன் யென் மதிப்பிலான முதலீட்டுச் சுற்று பற்றிய தகவல்களைப் பொது வெளிப்பாடுகள் தெரிவிக்கின்றன. இதனால் மிகப் பெரிய போட்டியாளர்களுடன் போட்டியிடத் தேவையான வளங்கள் இந்தப் புத்தாக்க நிறுவனத்துக்குக் கிடைத்துள்ளன. ஃபுகு மூலம், ஏற்கெனவே உள்ள திறன்களை எப்படித் தொகுத்துப் பயன்படுத்துவது என்பதைப் புதிதாகச் சிந்திப்பதன் வழியாக, முன்னணி மாதிரி அணுகுமுறையை நகலெடுக்காமல் அதற்குச் சவால்விட ஜப்பானியப் புத்தாக்கத்தால் முடியும் என்பதை நிறுவனம் நிரூபிக்க முயல்கிறது.
ஒருங்கிணைப்பு இயந்திரத்தின் உள் செயல்பாடு
ஃபுகுவைப் புரிந்துகொள்ள, அதன் எளிமையான API-யின் மேலோட்டத்தைத் தாண்டிப் பார்க்க வேண்டும். ஒரு கட்டளை வந்ததும், சகானா AI ‘வலுவூட்டல் கற்றல் நடத்துநர்’ என்று விவரிக்கும் மைய மாதிரிக்கு அமைப்பு அதை அனுப்புகிறது. பெரும்பாலான நேரங்களில் இந்த நடத்துநர் இறுதிப் பதிலைத் தானே உருவாக்குவதில்லை. மாறாக, கட்டுமானத் தள மேற்பார்வையாளரைப் போலச் செயல்பட்டு, பணியின் வகையை உடனுக்குடன் ஆராய்ந்து, மாற்றிக்கொள்ளக்கூடிய மாதிரிகள் தொகுப்பில் இருந்து மிகவும் பொருத்தமான முகவர்களுக்குப் பணிகளை ஒதுக்குகிறது. அந்தத் தொகுப்பில் OpenAI, Anthropic, Google போன்ற நிறுவனங்களின் மூன்றாம் தரப்பு முன்னணி மாதிரிகளும், அடுக்கடுக்கான தர்க்கச் சிந்தனைக்காக ஃபுகுவின் மறுநிகழ்வு மாதிரிப் பிரதிகளும் அடங்கும்.
இந்தச் செயல்முறையின் கோட்பாட்டு அடித்தளம், 2026ஆம் ஆண்டின் கற்றல் பிரதிநிதித்துவங்களுக்கான சர்வதேச மாநாட்டில் சமர்ப்பிக்கப்பட்ட இரண்டு ஆய்வுக் கட்டுரைகளிலிருந்து வருகிறது: Trinity: An Evolved LLM Coordinator மற்றும் Learning to Orchestrate Agents in Natural Language with the Conductor. Trinity, பரிணாமக் கணினியியலை அடிப்படையாகக் கொண்ட கட்டமைப்பை அறிமுகப்படுத்துகிறது. இதில் மைய ஒருங்கிணைப்பாளர், பணியின் தேவைக்கேற்ப Thinker, Worker அல்லது Verifier போன்ற பொறுப்புகளைக் கொண்ட முகவர் அமைப்புகளை உடனுக்குடன் உருவாக்கி மாற்றியமைக்கிறது. Thinker-கள் தேவைகளை ஆராய்கின்றன; Worker-கள் குறிப்பிட்ட கணக்கீடுகளைச் செய்கின்றன; Verifier-கள் வெளியீடுகளின் ஒற்றுமையையும் துல்லியத்தையும் சரிபார்க்கின்றன.
இயல்பான மொழியில் பணிகளை ஒப்படைக்கும் திறனில் ஒருங்கிணைப்பாளருக்குப் பயிற்சியளிக்க ஆழமான வலுவூட்டல் கற்றலைப் பயன்படுத்துவதன் மூலம் Conductor இதை மேலும் விரிவுபடுத்துகிறது. விரிவான பயிற்சியின் மூலம், எப்போது பணியை ஒப்படைக்க வேண்டும், எப்போது நேரடியாகப் பதிலளிக்க வேண்டும், முகவர்கள் ஒருவரோடொருவர் எப்படித் தொடர்புகொள்ள வேண்டும், வேறுபட்ட வெளியீடுகளை எவ்வாறு ஒருங்கிணைந்த இறுதி முடிவாக இணைக்க வேண்டும் என்பதைக் குறித்துக் கற்றுக்கொள்கிறது இந்தச் சிறிய மைய மாதிரி. முன்கூட்டியே தீர்மானிக்கப்பட்ட பணிச்செயல்முறைக்குப் பதிலாக, அனுபவத்தின் வழியே ஒருங்கிணைப்பு உத்திகளைக் கண்டறியும் தகவமைப்புத் திறனுள்ள அமைப்பே இதன் விளைவு. இந்த வேறுபாடு முக்கியமானது: வடிவமைப்பாளர்கள் முன்கூட்டியே எதிர்பார்க்காத புதிய வகைப் பணிகளையும் ஃபுகு கையாள இது உதவுகிறது; கடுமையான, மாற்றமுடியாத செயல்திட்டங்களுக்கு இது கட்டுப்படுவதில்லை.
பொறியியல் நோக்கில், ஃபுகுவின் மிகவும் சுவாரசியமான அம்சங்களில் ஒன்று அதன் மறுநிகழ்வுத் திறன். நீண்ட பகுப்பாய்வு தேவைப்படும் சிக்கல்களுக்கு, ஒருங்கிணைப்பாளர் துணைப் பணிகளை மீண்டும் தன்னிடமே அனுப்பி, பல அடுக்குகள் கொண்ட தர்க்கச் சிந்தனைத் தொடர்களை உருவாக்கலாம். இதனால், முன்னணி அடித்தள மாதிரிகளில் காணப்படும் நூற்றுக்கணக்கான பில்லியன் அளவுருக்களில் சேமிக்கப்பட்டுள்ள விரிவான அறிவு தன்னிடம் இல்லாவிட்டாலும், 7 பில்லியன் அளவுருக்கள் கொண்ட ஒருங்கிணைப்பாளர் எந்த அளவு சிக்கலான பணிச்செயல்முறைகளையும் நிர்வகிக்க முடிகிறது. அதன் சிறிய அளவை, மேம்பட்ட ஒழுங்கமைப்பு நுண்ணறிவால் ஈடுசெய்கிறது. எப்போதும் பெரியதே சிறந்தது என்ற நடைமுறையில் உள்ள கருதுகோளுக்கு இந்தக் கருத்து சவால்விடுகிறது.
தரப்படுத்தல் சோதனைகளும் பீட்டா பரிசோதனையும்
ஃபுகுவை அறிமுகப்படுத்தியதோடு, செயல்திறன் குறித்த துணிச்சலான பல கூற்றுகளையும் சகானா AI வெளியிட்டுள்ளது. உண்மையான மென்பொருள் தொகுப்புகளில் உள்ள பிழைகளைக் கண்டறிந்து சரிசெய்யும் AI அமைப்பின் திறனைச் சோதிக்கும், பரவலாக மதிக்கப்படும் SWE-Bench Pro தரப்படுத்தல் சோதனையில், Fugu Ultra 73.7 மதிப்பெண் பெற்றதாகக் கூறப்படுகிறது. நிறுவனம் வெளியிட்ட மதிப்பீடுகளின்படி, Claude 4.8 Opus பெற்ற 69.2 மதிப்பெண்ணையும் GPT-5.5 பெற்ற 58.6 மதிப்பெண்ணையும் விட இது அதிகம். மேலும், எளிய இணையத் தேடலால் பதிலளிப்பதைத் தடுக்கும் வகையில் வடிவமைக்கப்பட்ட பட்டமேற்படிப்பு நிலை வினா-பதில் சோதனையான GPQA-Diamond-இல் 95.5; LiveCodeBench-இல் 93.2; அமைப்பு நிர்வாகத் திறன்களை மதிப்பிடும் TerminalBench 2.1-இல் 82.1; மிகவும் கடினமான தர்க்கச் சிந்தனைச் சோதனையாகக் கருதப்படும் Humanity's Last Exam-இல் 50.0 என பிற மதிப்பெண்களும் தெரிவிக்கப்பட்டுள்ளன.
இந்த மதிப்பெண்களுக்கு சுயாதீனமான சரிபார்ப்பு இன்னும் குறைவாகவே உள்ளது. மேலும், செயற்கை நுண்ணறிவுத் துறையில் தரப்படுத்தல் சோதனைகளின் முடிவுகள், நடைமுறைச் சூழல்களில் மீண்டும் பெற முடியாததாக நிரூபிக்கப்பட்ட நீண்ட வரலாறு உள்ளது. சோதனை நிபந்தனைகள், கட்டளை வடிவமைப்பு உத்திகள், அனுமதிக்கப்பட்ட முயற்சிகளின் எண்ணிக்கை ஆகியவை மதிப்பெண்களைப் பாதிக்கக்கூடும். இருப்பினும், நிறுவனம் வெளியிட்டுள்ள அறிக்கைகளில் இடம்பெறும் பல்வேறு துறைகளின் பரப்பு, ஒருங்கிணைப்பு அணுகுமுறை ஒற்றை முன்னணி மாதிரிகளுடன் குறைந்தபட்சம் போட்டியிடக்கூடியது என்பதைக் காட்டுகிறது; சில துறைகளில் அவற்றைவிடச் சிறப்பாகவும் இருக்கலாம்.
தரப்படுத்தல் சோதனைகளைவிட, நீண்டதும் சிக்கலானதுமான பணிச்செயல்முறைகளை மையமாகக் கொண்ட நீட்டிக்கப்பட்ட முன்னோட்டக் காலத்தில் ஃபுகுவைப் பயன்படுத்திய சுமார் 500 பீட்டா சோதனையாளர்களின் கருத்துகள் மேலும் தெளிவான தகவல்களைத் தரக்கூடும். மென்பொருள் உருவாக்கத்தில், குறியீட்டு மதிப்பாய்வின்போது Fugu Ultra குறிப்பிடத்தக்க அளவு நுணுக்கமாகச் செயல்படுவதாகப் பங்கேற்பாளர்கள் தெரிவித்தனர். பீட்டா சோதனையில் பங்கேற்ற ஒரு பொறியாளர், குறிப்பிட்ட குறியீட்டுத் தொகுப்பில் அடிப்படை மாதிரிகள் வழக்கமாக மூன்று சிக்கல்களைச் சுட்டிக்காட்டிய நிலையில், ஃபுகு இருபதுக்கும் மேற்பட்டவற்றைக் கண்டறிந்து, விரிவான விளக்கங்களையும் சரிசெய்யும் படிகளையும் வழங்கியதாக சகானா AI-யிடம் தெரிவித்தார்.
குறியீட்டு மதிப்பாய்வில், GPT-5.5-ஐ விட Fugu Ultra சிறந்தது. இது விரிவான பதில்களைத் தருகிறது; மற்றவை தவறவிடும் பிழைகளைக் கண்டுபிடிக்கிறது. எனது எல்லா மதிப்பாய்வுகளையும் இதன் வழியே செய்யும் அளவுக்கு இது எனக்குப் பிடித்த மாதிரியாகிவிட்டது.
குறியீட்டுப் பணிகளுக்கு அப்பால், முழுமையான ஊடுருவல் சோதனைச் சுழற்சிகளைத் தானியக்கமாக்க இணையப் பாதுகாப்புக் குழுக்கள் Fugu Ultra-வைப் பயன்படுத்தின. மனித இயக்குநர் சோதனையின் வரம்பை வரையறுப்பார்; பின்னர் ஒருங்கிணைப்பு இயந்திரம் ஆரம்ப ஆய்வை நடத்தி, XSS மற்றும் SQL உட்செலுத்தல் பாதிப்புகளைச் சோதித்து, அங்கீகார நடைமுறைகளை மதிப்பாய்வு செய்து, ஆதாரங்களுடனும் மீண்டும் சோதிப்பதற்கான துல்லியமான நடைமுறைகளுடனும் இறுதி அறிக்கையைத் தொகுக்கும். செயல்பாட்டு வரம்புகளை அமைப்பு கண்டிப்பாகப் பின்பற்றியதையும், முழுமையாக ஆய்வு செய்தபோதிலும் அழிவை ஏற்படுத்தும் நடவடிக்கைகளைத் தவிர்த்ததையும் பீட்டா பங்கேற்பாளர்கள் உறுதிப்படுத்தினர். நீண்ட அமர்வுகளில் பாத்திர நிலைத்தன்மையையும் நிறுவன நிர்வாகிகள் வலியுறுத்தினர். மற்ற மாதிரிகள் சூழல் தகவல் சிதைவால் அடிக்கடி பாதிக்கப்பட்டபோதும், நீண்ட அமர்வுகள் முழுவதும் ஃபுகு தனது அடையாளத்தையும் கவனத்தையும் சீராகத் தக்கவைத்ததாக அவர்கள் குறிப்பிட்டனர்.
இரண்டு நிலைகள், ஒரே API
OpenAI தரநிலைகளுடன் இணக்கமான ஒரே API முகவரி வழியாக அணுகக்கூடிய இரண்டு தனித்துவமான சேவை நிலைகளின் மூலம் ஃபுகுவைச் சகானா AI வணிகமயமாக்குகிறது. குறைந்த தாமதம் தேவைப்படும் உற்பத்திப் பணிகளான ஊடாடும் உரையாடல் கருவிகள், நேரடிக் குறியீட்டு உதவி, Codex போன்ற குறியீட்டு மதிப்பாய்வுக் கருவிகளுக்காக நிலையான Fugu மாதிரி மேம்படுத்தப்பட்டுள்ளது. செயல்திறனையும் வேகத்தையும் சமநிலைப்படுத்துவதால், கிட்டத்தட்ட உடனடிப் பதில்களைப் பயனர்கள் எதிர்பார்க்கும் பயன்பாடுகளுக்கு இது ஏற்றது. கடுமையான தரவுக் கட்டுப்பாட்டு அல்லது தனியுரிமை விதிகளின் கீழ் இயங்கும் நிறுவனங்களுக்கு, குறிப்பிட்ட அடிப்படை முகவர்களை வழிமாற்றுத் தொகுப்பிலிருந்து கைமுறையாக விலக்கிக்கொள்ளும் வசதியை நிலையான நிலை வழங்குகிறது. முழு ஒருங்கிணைப்பு கட்டமைப்பையும் கைவிடாமல், குறிப்பிட்ட மூன்றாம் தரப்பு சேவை வழங்குநர்களைச் சென்றடையாதபடி முக்கியமான தரவுகளைத் தடுப்பதற்கு இணக்கக் குழுக்களுக்கு இந்த வசதி உதவுகிறது.
Fugu Ultra உயர்நிலைச் சேவையாக உள்ளது. பல கட்ட ஆழ்ந்த தர்க்கச் சிந்தனை தேவைப்படும் சிக்கலான, கடினமான பணிகளில் அதிகபட்சத் தரமுள்ள பதில்களை வழங்கும் வகையில் இது வடிவமைக்கப்பட்டுள்ளது. ஆய்வுக் கட்டுரைகளை மீண்டும் உருவாக்குதல், காப்புரிமை விசாரணைகள், மேம்பட்ட தரவு அறிவியல் பணிச்செயல்முறைகள், முழுமையான பாதுகாப்புத் தணிக்கைகள் ஆகியவை இதில் அடங்கும். Ultra, ஆழமானதும் நிலையானதுமான நிபுணர் முகவர் தொகுப்பை ஒருங்கிணைக்கிறது; எனவே, முகவர்களை விலக்கிக்கொள்ளும் வசதி இதில் கிடையாது. இதற்குப் பதிலாக, தாமதமும் டோக்கன் பயன்பாடும் அதிகரிக்கும். இருப்பினும், முக்கியத்துவம் வாய்ந்த பயன்பாடுகளில் துல்லியம் அதிகரிப்பதற்கான பலன் இந்தச் செலவை நியாயப்படுத்துவதாக சகானா AI வாதிடுகிறது. இந்த நிலைக்கான தற்போதைய மாதிரி அடையாளம் fugu-ultra-20260615 ஆகும்.
இரு தயாரிப்புகளுக்கிடையிலான வேறுபாட்டை விலையும் பிரதிபலிக்கிறது. Fugu Ultra-வுக்கு ஒவ்வொரு பத்து லட்சம் உள்ளீட்டு டோக்கன்களுக்கும் 5 டாலரும், ஒவ்வொரு பத்து லட்சம் வெளியீட்டு டோக்கன்களுக்கும் 30 டாலரும் கட்டணம். 272,000 டோக்கன்களைக் கடக்கும் சூழல்களுக்கு இந்தக் கட்டணங்கள் இரட்டிப்பாகும். சந்தா திட்டங்கள் மாதம் 20 முதல் 200 டாலர் வரை உள்ளன. 2026 ஜூலை இறுதிக்குள் சேரும் சந்தாதாரர்களுக்கு, அவர்கள் தேர்ந்தெடுத்த நிலையின் இரண்டாவது மாதத்தை இலவசமாக வழங்குகிறது சகானா AI. ஒவ்வொரு கோரிக்கைக்குமான டோக்கன் பயன்பாடும் அதற்குரிய செலவும் தெரிவிக்கப்படுவதால், நிதி மற்றும் பொறியியல் குழுக்கள் செலவினத்தை நிகழ்நேரத்தில் கண்காணிக்கலாம். குறிப்பிடத்தக்க வகையில், பொது தரவு பாதுகாப்பு ஒழுங்குமுறையுடன் தனது செயல்பாடுகளைச் சீரமைக்கும் பணியில் நிறுவனம் ஈடுபட்டுள்ளதால், ஐரோப்பிய ஒன்றியம் மற்றும் ஐரோப்பியப் பொருளாதாரப் பகுதியில் தற்போது இந்தச் சேவை கிடைக்கவில்லை. அறிமுகத்தின்போது தளத்தின் உலகளாவிய அணுகலை இந்தக் குறைபாடு கட்டுப்படுத்துகிறது.
மாதிரி வழிமாற்றின் புவிசார் அரசியல்
ஃபுகுவுக்கான வணிக முன்மொழிவு, தொழில்நுட்பக் கட்டமைப்பைத் தாண்டி புவிசார் அரசியல் அபாய மேலாண்மைத் துறையிலும் விரிகிறது. நவீன AI விநியோகத் தொடர் அதிகமாகச் சிலரிடம் குவிந்துள்ளது. மிகத் திறன்வாய்ந்த அடித்தள மாதிரிகளுக்கான அணுகலைச் சில அமெரிக்க நிறுவனங்களே கட்டுப்படுத்துகின்றன; அவற்றின் முடிவுகள் அரசாங்கக் கண்காணிப்புக்கு அதிகளவில் உட்படுகின்றன. 2026 ஜூனில் Anthropic-இன் Fable மற்றும் Mythos மாதிரிகளுக்கு அமெரிக்கா ஏற்றுமதிக் கட்டுப்பாடுகளை விதித்தபோது, ஒரே சேவை வழங்குநரைச் சார்ந்து முக்கியப் பணிச்செயல்முறைகளை உருவாக்கிய அமெரிக்காவுக்கு வெளியிலுள்ள நிறுவனங்களுக்கு அது எச்சரிக்கையாக அமைந்தது. ஒரே இரவில் அணுகல் மறைந்துவிட்டது; கொள்முதல் குழுக்களிடம் உடனடி மாற்று வழி இருக்கவில்லை.
இத்தகைய சூழலுக்கு எதிரான காப்பீடாகவே ஃபுகுவை சகானா AI முன்னிறுத்துகிறது. கிடைக்காத அல்லது கட்டுப்படுத்தப்பட்ட சேவை வழங்குநர்களைத் தவிர்த்து, ஒருங்கிணைப்பாளர் மாறும் வகையில் பணிகளை வேறு வழிகளில் அனுப்ப முடியும் என்பதால், திறனைக் குறைக்காமல் வாடிக்கையாளர்கள் மீள்திறனைப் பெறுவார்கள் என நிறுவனம் வாதிடுகிறது. Anthropic மாதிரிகளை அணுக முடியாவிட்டால், ஃபுகு பணிச்சுமையை OpenAI, Google அல்லது வெளிப்படையாகக் கிடைக்கும் மாற்று மாதிரிகளுக்கு மாற்றும். குறிப்பிட்ட பணியில் சிறந்து விளங்கும் புதிய மாதிரி சந்தைக்கு வந்தால், புதிய API-க்கு ஏற்ப வாடிக்கையாளர்கள் தங்கள் பயன்பாடுகளை மீண்டும் எழுத வேண்டியதில்லை; அதை மாதிரித் தொகுப்பில் சேர்க்கலாம் என சகானா AI கூறுகிறது. தொழில்நுட்ப வட்டாரங்களில் தற்போது விவாதிக்கப்படும் பல கொள்கை சார்ந்த கருத்துகளைவிட, இந்த மாற்றிக்கொள்ளக்கூடிய கட்டமைப்பு AI இறையாண்மைக்கான தெளிவான நடைமுறை வடிவமாகும்.
ஜப்பானிய நிறுவனங்களுக்கும் அரசுத் துறைகளுக்கும் இந்த முன்மொழிவு குறிப்பாகப் பொருத்தமுடையது. உள்நாட்டு AI திறனை ஜப்பான் மூலோபாய முன்னுரிமையாகக் கொண்டுள்ளது. அமெரிக்க முன்னணி தொழில்நுட்பக் கட்டமைப்புகளை முழுமையாக நம்புவது பொருளாதார மற்றும் தேசியப் பாதுகாப்புக் கவலைகளை ஏற்படுத்துகிறது. டோக்கியோவைத் தளமாகக் கொண்ட சேவை வழங்குநர், உள்ளூர் ஆதரவு, பிராந்திய தரவுக் கையாளல் விருப்பங்கள், மாற்றுத் தொழில்நுட்பக் கொள்கை ஆகியவற்றை வழங்குவது, தங்கள் தொழில்நுட்பத் தெரிவுகளைப் பன்முகப்படுத்த விரும்பும் வாங்குநர்களுக்கு ஈர்க்கக்கூடிய முன்மொழிவாகும். முக்கிய ஜப்பானிய நிதி நிறுவனங்களை உள்ளடக்கிய சகானா AI-யின் முதலீட்டாளர் குழுவும் இந்த நிலைப்பாட்டை வலுப்படுத்துகிறது.
ஆயினும், ஐயப்பாட்டுக்கு இடமுண்டு. தவிர்க்கப்போவதாகக் கூறும் அதே அமெரிக்கப் பெருநிறுவனங்களின் மாதிரிகளையே ஃபுகுவின் முகவர் தொகுப்பு பெரிதும் சார்ந்துள்ளது. GPT, Claude, Gemini ஆகியவற்றுக்கான API அணுகல் முற்றிலும் துண்டிக்கப்பட்டால், முன்னணி நிலை முடிவுகளை இந்த அமைப்பால் வழங்க முடியாது. உண்மையான சுதந்திரத்துக்கு, இந்த அமைப்புகளுக்கு இணையாகச் செயல்படக்கூடிய வலுவான உள்நாட்டு அல்லது வெளிப்படையாகக் கிடைக்கும் மாதிரிச் சூழல் தேவை; அத்தகைய சூழல் இன்னும் பெரிய அளவில் உருவாகவில்லை. ஃபுகு திறந்த கட்டமைப்பு அல்ல, உரிமையுடைய வணிகச் சேவை என்றும் விமர்சகர்கள் சுட்டிக்காட்டுகின்றனர். வேறுபட்ட வணிக மாதிரியைக் கொண்டிருந்தாலும், வாடிக்கையாளர்கள் ஒரு சேவை வழங்குநரைச் சார்ந்திருப்பதை விட்டு மற்றொரு சேவை வழங்குநரைச் சார்ந்திருக்கிறார்கள் என்பதே இதன் பொருள்.
AI மேம்பாட்டுக்கு இந்த அறிமுகத்தின் பொருள்
ஃபுகுவின் செயல்திறன் குறித்த கூற்றுகள் தொடர்ச்சியான வெளிப்புற ஆய்வையும் தாண்டி நிலைத்தால், செயற்கை நுண்ணறிவு ஆராய்ச்சியில் அதன் விளைவுகள் குறிப்பிடத்தக்கதாக இருக்கலாம். ஏறத்தாழ ஒரு தசாப்தமாக, அளவீட்டு கருதுகோளை இந்தத் துறை பின்பற்றி வருகிறது: அதிக அளவுருக்கள், அதிக தரவு, அதிக கணிப்புத் திறன் ஆகியவை சிறந்த முடிவுகளைத் தரும் என்பதே அது. இந்தக் கொள்கை உண்மையிலேயே வியப்பூட்டும் அமைப்புகளை உருவாக்கியிருக்கிறது. ஆனால், பங்கேற்க மிகப் பெரும் நிறுவனங்களுக்கும் அரசுகளுக்கும் மட்டுமே இயலும் அளவுக்கு நுழைவுத் தடைகளையும் உயர்த்தியுள்ளது. முன்னணி அடித்தள மாதிரியைப் பயிற்றுவிக்க நூற்றுக்கணக்கான மில்லியன் டாலர்கள் தேவைப்படுவதுடன், ஏற்றுமதிக் கட்டுப்பாடுகளுக்கு உட்பட்ட சிறப்புக் கணினி வன்பொருளும் அவசியமாகிறது.
ஃபுகு வேறொரு பாதையைச் சுட்டுகிறது. விரிவான அறிவைச் சேமிப்பதற்குப் பதிலாக ஒருங்கிணைப்புக்கெனப் பயிற்றுவிக்கப்பட்ட ஒப்பீட்டளவில் சிறிய மாதிரி, ஏற்கெனவே உள்ள வளங்களைப் புத்திசாலித்தனமாகப் பயன்படுத்துவதன் மூலம் தனது அளவை மீறிச் செயல்பட முடியும் என அது காட்டுகிறது. இதனால், போட்டியின் மையம் அடிப்படைப் பயிற்சித் திறனிலிருந்து கட்டமைப்புப் புத்தாக்கத்துக்கும் ஒருங்கிணைப்புத் திறனுக்கும் மாறுகிறது. GPT வகை மாதிரிகளைப் புதிதாகப் பயிற்றுவிக்கத் தேவையான மிகப் பெரிய வரவுசெலவுகளைவிடக் குறைந்த பட்ஜெட்டைக் கொண்ட நிறுவனங்களாலும், திறமையாக வடிவமைக்கப்பட்ட வழிமாற்றியை உருவாக்க முடியும் என்பதால், உயர் செயல்திறன் கொண்ட AI-ஐ அணுகுவதையும் இது பரவலாக்குகிறது.
பல முகவர் அமைப்புகளையும் நிபுணர் மாதிரிகளின் கலவைகளையும் ஆராய்ச்சிச் சமூகம் நீண்டகாலமாக ஆய்ந்து வருகிறது. இருப்பினும், ஒற்றை முன்னணி மாதிரிகளுக்கு நேரடி மாற்றாக முன்னிறுத்தப்பட்ட முதல் முக்கியமான வணிகச் செயலாக்கங்களில் ஒன்று ஃபுகு. இதன் வெற்றி அல்லது தோல்வி, அடித்தள மாதிரிகளைப் பெரிதாக்குவதில் மட்டும் கவனம் செலுத்தாமல், ஒருங்கிணைப்பு மற்றும் ஒத்துழைப்புத் தொழில்நுட்பங்களுக்கும் துணிகர மூலதனமும் நிறுவனங்களின் ஆராய்ச்சி நிதியும் செல்லுமா என்பதைப் பெரிதும் தீர்மானிக்கக்கூடும். குறியீட்டு மதிப்பாய்வு, பாதுகாப்புத் தணிக்கை போன்ற நீண்டகாலப் பணிகள் உட்பட சில நிறுவனப் பணிச்செயல்முறைகளில், ஒரே அழைப்பில் செயல்படும் மாதிரிகளைவிடப் பரவலாக்கப்பட்ட அமைப்புகள் சிறப்பாகச் செயல்படலாம் என பீட்டா கருத்துகள் ஏற்கெனவே சுட்டுகின்றன.
இருப்பினும், இந்த அணுகுமுறையில் சமரசங்களும் உள்ளன. பல முகவர்களைக் கொண்டு சிக்கலான தர்க்கச் சிந்தனை செய்வதால் தாமதம் ஏற்பட்டு, நொடிப் பொழுதில் பதிலளிக்க வேண்டிய பயன்பாடுகளுக்கு ஃபுகு பொருத்தமற்றதாகலாம். அதிகத் தீவிரம் கொண்ட பணிகள் கணிசமான கணிப்புக் கணக்கீட்டு ஒதுக்கீட்டையும் பயன்படுத்துகின்றன. மேலும், வழிமாற்றுத் தர்க்கம் வெளிப்படையாகத் தெரியாததால், எந்த அடிப்படை மாதிரி தங்கள் தரவைக் கையாண்டது என்பதைப் பயனர்கள் எப்போதும் அறிய முடியாது; இது ஒழுங்குபடுத்தப்பட்ட துறைகளில் இணக்க முயற்சிகளைச் சிக்கலாக்குகிறது. இந்த வரம்புகளைச் சகானா AI ஒப்புக்கொண்டாலும், பரந்த அளவிலான பகுப்பாய்வு மற்றும் பொறியியல் பணிகளுக்கு நன்மைகள் செலவுகளைவிட அதிகம் என வாதிடுகிறது.
முக்கிய அம்சங்கள்
- OpenAI தரநிலைகளுடன் இணக்கமான ஒரே API வழியாக, பரிமாற்றிக்கொள்ளக்கூடிய முன்னணி AI மாதிரிகள் தொகுப்பில் பணிகளை வழிமாற்றும் பல முகவர் ஒருங்கிணைப்புச் சேவையான ஃபுகுவை சகானா AI அறிமுகப்படுத்தியது.
- பிரம்மாண்டமான ஒற்றை அடித்தள மாதிரிக்குப் பதிலாக, சுமார் 7 பில்லியன் அளவுருக்கள் கொண்ட சிறிய ஒருங்கிணைப்பாளர் மாதிரியை இந்த அமைப்பு பயன்படுத்துகிறது. சகானா AI-யின் Trinity மற்றும் Conductor ஆய்வுக் கட்டுரைகளின் ஆராய்ச்சியை இது அடிப்படையாகக் கொண்டது.
- GPT-5.5, Claude Opus 4.8 உள்ளிட்ட முன்னணி அமைப்புகளுடன் ஒப்பிடும்போது, SWE-Bench Pro, GPQA-Diamond, LiveCodeBench மற்றும் பிற சோதனைகளில் போட்டித்தன்மை வாய்ந்த மதிப்பெண்களைப் பெற்றுள்ளதாக Fugu Ultra தெரிவிக்கிறது.
- இரண்டு நிலைகள் கிடைக்கின்றன: கைமுறை விலக்கு இணக்கக் கட்டுப்பாடுகளுடன் குறைந்த தாமத உற்பத்திப் பணிகளுக்கான நிலையான Fugu; ஆழமான நிலையான முகவர் தொகுப்புடன் சிக்கலான தர்க்கச் சிந்தனைக்கான Fugu Ultra.
- சேவை வழங்குநர் சார்புநிலை மற்றும் ஏற்றுமதிக் கட்டுப்பாட்டால் ஏற்படும் இடையூறுகளிலிருந்து மீள்திறனை நாடும் நிறுவனங்களை இந்த அறிமுகம் இலக்காகக் கொண்டுள்ளது. இருப்பினும், இந்தச் சேவை அமெரிக்காவின் முன்னணி மாதிரி API-களையே சார்ந்துள்ளது.
- GDPR இணக்கம் நிலுவையில் இருப்பதால் ஐரோப்பிய ஒன்றியம் மற்றும் ஐரோப்பியப் பொருளாதாரப் பகுதியைத் தவிர்த்து, உலகளவில் ஃபுகு கிடைக்கிறது. Ultra-வுக்கான விலை, ஒவ்வொரு பத்து லட்சம் உள்ளீட்டு டோக்கன்களுக்கும் 5 டாலர், வெளியீட்டு டோக்கன்களுக்கும் 30 டாலர் என்பதில் தொடங்குகிறது.
