ओपनएआई के सोल और एंथ्रोपिक के फेबल 5 में कांटे की टक्कर, पर कीमत और एक बैन ने पलट दिया पूरा खेल

ओपनएआई ने इस बार अपने फ्लैगशिप को पेश करने का तरीका ही बदल दिया है। सोचने के डायल वाले किसी एक मॉडल की जगह जीपीटी-5.6 तीन अलग-अलग बड़े लैंग्वेज मॉडल के रूप में आया है, सोल, टेरा और लूना। तीनों की ट्रेनिंग अलग है, कीमत अलग है और क्षमता की सीमा भी अलग है। असल मुकाबला जिस पर नजर रखनी चाहिए वह है सोल बनाम क्लॉड फेबल 5, यानी एंथ्रोपिक का इस वक्त का सबसे दमदार पब्लिक मॉडल।

जहां पहले एक मॉडल था, वहां अब तीन

सोल की कीमत 5 डॉलर प्रति दस लाख इनपुट टोकन और 30 डॉलर आउटपुट पर है। वहीं फेबल 5 की कीमत 10 डॉलर और 50 डॉलर है, यानी दोगुनी महंगी, और अब यह उन कई बेंचमार्क पर पिछड़ रही है जहां डेवलपर सचमुच अपना काम भेजते हैं। तीनों में सबसे सस्ती लूना, जिसकी कीमत 1 डॉलर इनपुट और 6 डॉलर आउटपुट है, कोडिंग में पहले से ही एंथ्रोपिक के ओपस 4.8 से आगे है। यही एक बात 19 जुलाई आते ही असली सिरदर्द बन जाती है।

फेबल 5 के लिए एक भारी महीना

पिछले कुछ हफ्ते फेबल 5 के लिए अच्छे नहीं रहे। 12 जून को अमेरिकी सरकार ने इस पर रोक लगा दी, क्योंकि अमेज़न के शोधकर्ताओं ने एक ऐसा जेलब्रेक ढूंढ निकाला जो मॉडल को चुपचाप एक अनचाहे वल्नरेबिलिटी स्कैनर में बदल देता था। एंथ्रोपिक ने इसे 19 दिनों के लिए दुनिया भर से हटा लिया, एक नया सेफ्टी क्लासिफायर तैयार किया, और 1 जुलाई को इसे वापस लाया, इस बार एक सीमित एक्सेस विंडो के साथ।

एक ऐसी डेडलाइन जो टिकती ही नहीं

तब से यह मॉडल उधार की मोहलत पर चल रहा है। इसे 7 जुलाई को यूसेज-क्रेडिट वाले पेवॉल के पीछे ले जाने की योजना थी। फिर तारीख खिसककर 12 जुलाई हुई, और अब 19 जुलाई। हर बार मोहलत डेडलाइन खत्म होने से महज कुछ घंटे पहले दी गई, और वह भी किसी औपचारिक घोषणा के जरिए नहीं। 12 जुलाई को एक्स पर दिए संदेश में एंथ्रोपिक ने कहा कि वह सभी पेड प्लान पर फेबल 5 का एक्सेस बनाए रख रही है और क्लॉड कोड की साप्ताहिक रेट लिमिट को 19 जुलाई तक 50% ज्यादा रख रही है।

इसकी वजह समझना मुश्किल नहीं। अगर 19 जुलाई के बाद फेबल सब्सक्रिप्शन से बाहर हो गई, तो पैसे चुकाने वाले ग्राहकों के लिए बचा सबसे अच्छा मॉडल ओपस 4.8 रह जाएगा, और कोडिंग में लूना उसे बहुत कम कीमत पर पहले ही मात दे रही है। फेबल को मेन्यू पर बनाए रखना, चाहे साप्ताहिक सीमा के आधे पर ही सही, वही एकमात्र चीज है जो एंथ्रोपिक के सब्सक्रिप्शन प्लान को कागज पर ओपनएआई के मिड-रेंज से कमजोर दिखने से रोक रही है।

बेंचमार्क का स्कोरबोर्ड

जब दोनों प्रकाशित टेस्ट पर आमने-सामने आते हैं, तो फासला बेहद कम है। आर्टिफिशियल एनालिसिस कोडिंग एजेंट इंडेक्स पर सोल ने 80 अंक बनाए और फेबल ने 77.2, और सोल ने यह करीब आधे टोकन में, आधे से भी कम समय में और करीब एक-तिहाई खर्च पर कर दिखाया। एजेंट्स लास्ट एग्जाम पर, जो 55 क्षेत्रों में पेशेवर कामकाज को परखता है, सोल 53.6% तक पहुंचा जबकि फेबल 40.5% पर रहा। टर्मिनल-बेंच 2.1 में अल्ट्रा मोड पर चलती सोल, जो एक साथ चार सबएजेंट लगाती है, ने 91.9% हासिल किए जबकि फेबल 83.1% पर रुक गई। लेकिन व्यापक इंटेलिजेंस इंडेक्स पर, जो 9 अलग-अलग बेंचमार्क को जोड़ता है, फेबल 5 जीपीटी 5.6 से महज एक अंक आगे है, यानी कुल क्षमता का फर्क महसूस कर पाना लगभग नामुमकिन है।

ज्यादातर बेंचमार्क इतना कोडिंग पर टिके रहते हैं कि वे यह बता ही नहीं पाते कि मॉडल बाकी कामों में कैसा है। इसलिए एक हल्के-फुल्के ढंग से बनाए गए गेम के अलावा, बाकी परीक्षण ऐसे प्रॉम्प्ट पर टिके रहे जो आम कोडिंग के दायरे से थोड़ा हटकर थे। नतीजे कुछ इस तरह रहे।

पहला टेस्ट: वह समय-यात्री जो कभी समझ ही नहीं पाता

दोनों मॉडल को एक जैसा काम सौंपा गया, जोस लांज को साल 2150 से वापस साल 1000 में भेजो, उसे एक टाइम-ट्रैवल विरोधाभास में फंसाओ, और जब तक वह सुरक्षित घर न लौट आए तब तक उसे यह भनक न लगने दो कि उसने क्या कर दिया। दोनों ने लघुकथा से ज्यादा एक नॉवेलेट जैसा कुछ लौटाया, और दोनों ही उस इकलौते निर्देश पर चूक गए जो मायने रखता था, कि जोस को यह विरोधाभास तभी भांपना था जब वह भविष्य में लौट आए।

सोल का जोस कहानी के बीच में ही यह ताड़ लेता है, यह पहचानते हुए कि "अनजान यात्री कोई ऐसा शख्स नहीं था जिसे रोकने वह आया था। वह खुद था।" फेबल तो और भी सीधे-सीधे यह दिखा देती है, जोस को अतीत में ही यह अहसास करा देती है कि "वही बीज घटना था।"

सोल की रचना, जिसका शीर्षक "द फर्स्ट फायर" है, इसे साफ-सुथरी जॉनर साइंस फिक्शन की तरह बुनती है, जहां जोस अनजाने में वही भट्ठी ले आता है जो उसी जलवायु तबाही को जन्म देती है जिसे रोकने वह लौटा था। शुरुआती पंक्ति सचमुच दमदार है, "सिर्फ गरज। सिर्फ कीड़े। मशीनों से पहले की दुनिया की सिर्फ नम सांस।" दिक्कत यह है कि सोल इस बिंब को खुद अपना काम करने का भरोसा नहीं देती। वह इस चक्र को समझाती है, फिर दोबारा समझाती है, और आखिर में जोस के एक बुजुर्ग संस्करण से एक रिकॉर्डिंग छुड़वाती है जो इसे तीसरी बार समझाती है, इस बात पर जोर देते हुए कि समस्या को सुलझाने की उसकी कोशिश ने ही समस्या पैदा की। साफ तो है, पर तीसरी बार तक आते-आते थका देने वाला।

फेबल की रचना, "लो के आर्दे, वुएल्वे," यही चक्र लेक माराकाइबो, काटाटुम्बो की बिजली और एक आन्यू गांव से गढ़ती है, जहां जोस महज एक डरे हुए बच्चे को दिलासा देकर अनजाने में वही भविष्यवाणी रच देता है जिसे मिटाने वह लौटा था। पूरा तंत्र एक ही पंक्ति में सिमट जाता है, "जिस दुख ने उसे पीछे भेजा, वही वह माल था जो उसने पहुंचाया।" फेबल की कमजोरी सोल से ठीक उलटी है, वह अपनी ही भाषा पर कुछ ज्यादा ही भरोसा कर बैठती है, रूपक पर रूपक चढ़ाती जाती है, यहां तक कि "तुम धागा खींच नहीं सकते, तुम खुद धागा हो" जैसी पंक्ति कहानी की जरूरत से ज्यादा मॉडल की अपनी नुमाइश लगने लगती है।

सिर्फ लेखन के आधार पर देखें तो फेबल की "लो के आर्दे, वुएल्वे" सोल की "द फर्स्ट फायर" से आगे निकल जाती है, सांस्कृतिक बारीकी, ज्यादा साफ-सुथरे कारण-चक्र और ऐसे अंत के दम पर जो भाषण की बजाय क्रिया से सुलझता है। सोल यह दौर सरासर स्पष्टता के बल पर जीतती है, यह वह संस्करण है जो आप उस व्यक्ति को थमाएंगे जो तंत्र को इशारों में नहीं, खुलकर बयां देखना चाहता है। दोनों अच्छी हैं, पर शानदार नहीं। पिछली पीढ़ी के मुकाबले गुणवत्ता में आई छलांग को पकड़ पाना मुश्किल है।

दूसरा टेस्ट: एक टहनी से एक सलाद पत्ते तक

दूसरी कसौटी राजनीति नहीं, बल्कि साहचर्य वाली सोच को परखती थी। निर्देश था, एक टहनी का वर्णन करो, उसी वर्णन के सहारे मजदूरों के शोषण और अमीरों की अंधभक्ति को समझाओ, और फिर पूरी बात को एक सलाद पत्ते के वर्णन में घुलने दो। मकसद यह देखना था कि क्या रूपक अपने दम पर तर्क को ढो सकता है, बिना मॉडल के उससे बाहर निकलकर यह बताए कि वह कर क्या रहा है।

सोल ने अच्छी शुरुआत की, यह बताते हुए कि टहनियां कैसे तने को बनाती हैं और पेड़ को जिंदा रखती हैं, और फिर इसे उन मजदूरों पर उतारा जो "ऐसे घर बनाते हैं जिन्हें शायद कभी खरीद न सकें" और "ऐसा सामान गढ़ते हैं जिसे मुश्किल से ही खरीद पाते हैं।" एक बेहद पैनी पंक्ति कहती है कि "मजदूर सिर्फ श्रम ही नहीं, बल्कि अपनी कल्पना भी सौंप देता है।" फिर भी सोल बार-बार अपना ही भ्रम तोड़ती है, रूपक को खुद ही ऐलानिया कह देती है, जब वह बताती है कि आधुनिक मजदूर वर्ग के बड़े हिस्से के साथ भी यही सलूक होता है, बजाय इसके कि बिंब को अपना काम करने दे। सलाद वाला अंत बाकी कहानी से कभी ठीक से घुल-मिल नहीं पाया, इसलिए यह साहचर्य सबसे कमजोर रहा।

फेबल ने उल्टा रास्ता चुना, तर्क को पूरी तरह वस्तु के भीतर छिपा दिया। उसकी टहनी ने "वह पानी बहाया जिसे उसने कभी पिया नहीं" और "वे पत्ते संभाले जो कभी उसके अपने नहीं थे," शोषण को बिना किसी लेबल के सिर्फ भौतिक वर्णन से उभरने दिया। ज्यादा चतुर चाल थी गिरी हुई टहनियों को श्रद्धालुओं में बदल देना, हर एक इस भरोसे में कि वह "शुरुआती दौर की एक शाखा" है जो बस "एक अस्थायी झटका" झेल रही है, और यकीन से भरी कि वह "मेहनत और पानी के दम पर" ऊपर तक पहुंच ही जाएगी, यह उस दौलत के पीछे भागने का सटीक प्रतीक है जो कभी आने वाली ही नहीं थी। यह कहीं-कहीं हद से आगे भी निकल जाती है, जैसे "पचानवे फीसदी पानी और सौ फीसदी बेपरवाह," और इसका अंत रूपक को घुलने देने की बजाय सामने रखे रहता है, सलाद पत्ते को महज सलाद रहने देने की जगह उसे "न कोई तना, न कोई छत्र, न ऊपर उठने का कोई सपना" कहकर।

यह दौर बराबरी पर छूटता है, और जीत आपकी पसंद पर टिकी है। जिस पाठक को हर चीज खुलकर समझाई जानी चाहिए, उसके लिए सोल बेहतर है। जो खुद ही संदेश तक पहुंचना चाहता है, उसके लिए फेबल बाजी मार ले जाती है।

तीसरा टेस्ट: नए सिरे से लिखी पुल वाली पहेली

तर्क वाले दौर में एक नया प्रॉम्प्ट इस्तेमाल हुआ, क्योंकि मॉडल पुराने सवाल का जवाब हर बार एक ही तरह देने लगे थे, यह इशारा कि वह उनकी ट्रेनिंग डेटा में कहीं बैठा है, न कि मौके पर सोचकर हल किया जा रहा है। शब्दशः पढ़ें तो चार लोग एक ही मशाल के सहारे एक पुल पार करते हैं, हर एक की चाल की रफ्तार अलग है, "ए" सबसे तेज 1 मिनट में और "डी" सबसे धीमा 10 मिनट में। सवाल बस इतना है कि पूरे समूह को पार करने में कितना वक्त लगेगा।

सोल ने बिना कोई हिसाब दिखाए 17 मिनट का जवाब दिया, वही पांच-कदम वाली अदला-बदली दोहराते हुए जो मूल पहेली में है, ए और बी पार करते हैं, ए लौटता है, सी और डी पार करते हैं, बी लौटता है, फिर ए और बी दोबारा पार करते हैं। उसके जवाब में कहीं यह दर्ज नहीं होता कि प्रॉम्प्ट ने कभी यह सीमा बांधी ही नहीं थी कि पुल पर एक बार में कितने लोग हो सकते हैं। यह किसी हल की गई पहेली से ज्यादा याददाश्त से निकाले गए जवाब जैसा लगता है। फेबल भी उसी गलत आंकड़े 17 मिनट पर पहुंची, पर उसने इसके पक्ष में लंबी दलील दी, यह तर्क देते हुए कि दो सबसे धीमे लोगों को साथ भेजना ज्यादा किफायती है, और भोले-भाले तरीके की लागत को एक "एस्कॉर्ट टैक्स" का नाम दिया। उसका तर्क सोल के मुकाबले समझने में आसान है और उतना ही बेमानी भी, क्योंकि किसी भी मॉडल ने यह जांचने की जहमत नहीं उठाई कि जिस शर्त को वह हल कर रहा है, वह सवाल में मौजूद भी है या नहीं। जानकारी के लिए, सही जवाब 10 मिनट है, जो तब मिलता है जब चारों एक साथ सबसे धीमे व्यक्ति की रफ्तार से पार करें।

चौथा टेस्ट: एक ही झटके में बना ब्राउज़र गेम

आखिरी परीक्षण एक सिंगल-शॉट बिल्ड था, हर मॉडल को टाइपिंग आधारित शूटर गेम का एक प्रॉम्प्ट, जिसमें खिलाड़ी शब्द टाइप करके गोली चलाता है, और जो कुछ भी लौटा उसे वैसे का वैसा स्वीकार कर लिया गया, न कोई फॉलो-अप, न कोई सुधार, न दूसरा मौका।

सोल ने लगता है अपनी दृश्य पसंद बदल ली है, अब यह चपटे, चौकोर इंटरफेस तत्वों को तरजीह देती है, जो उस चमकीले बैंगनी से नीले तिरछे ग्रेडिएंट के बजाय विंडोज 8.1 के ज्यादा करीब हैं जिसे लगभग हर एआई इमेज टूल डिफॉल्ट रूप से चुनता है। यह इकलौता मॉडल भी था जिसने हथियार को असली बंदूक की जगह गोली दागते टाइपराइटर के रूप में गढ़ा, एक सचमुच अलग फैसला। फिर भी हर सेटअप में बैकग्राउंड चपटे और बेजान रहते हैं, निशाना साधने वाला क्रॉसहेयर दुश्मनों का पीछा करने के बजाय स्थिर रहता है, और ज्यामिति, दुश्मनों से लेकर मारे जाने पर बिखरते खून तक, किसी मौजूदा चीज से ज्यादा नब्बे के दशक के आखिर के इंजन के करीब दिखती है। यह GPT-5.5 से साफ तौर पर बेहतर है और ओपस से ज्यादा रचनात्मक, बस एक ही शॉट में फेबल को हराने लायक नहीं।

फेबल ने यह दौर बड़े अंतर से जीता। इसने संगीत, माहौल और ध्वनि प्रभाव दिए जिन्हें सोल की बिल्ड ने पूरी तरह छोड़ दिया था, और इसके दुश्मन भी वैसी ही ज्यामितीय-रेट्रो शैली इस्तेमाल करते हैं पर कहीं ज्यादा तवज्जो के साथ गढ़े गए, नब्बे के दशक के आखिर के घटिया माल से ज्यादा माइनक्राफ्ट के करीब। इसका इंटरफेस ज्यादा रचनात्मक और ज्यादा खूनी है, स्थिर अवस्थाओं की जगह असली एनिमेशन के साथ, और यह शब्द प्रति मिनट की गिनती भी रखता है, एक ऐसी बारीकी जो सचमुच प्रॉम्प्ट के उस मकसद को निभाती है कि गेम का इस्तेमाल टाइपिंग की रफ्तार सुधारने में हो। इसमें पावर-अप भी हैं, जो सोल की बिल्ड में नहीं। बेंचमार्क और पेशेवर कोडर भले इसे अलग नंबर दें, पर इसी एक जैसे प्रॉम्प्ट पर बढ़त साफ तौर पर फेबल के पाले में है।

तो आखिर किसे चुनें?

कोडिंग से बाहर, कोई भी मॉडल किसी को हैरान कर देगा, ऐसी उम्मीद न रखें। इसके बावजूद फेबल 5 सबसे भरोसेमंद ऑलराउंडर लगती है, हालांकि कौन सा मॉडल "बेहतर" है यह पूरी तरह इस पर टिका है कि आप उन चार चीजों में से किसके लिए पैसे चुका रहे हैं। जो शख्स टर्मिनल के भीतर नहीं जीता, यानी ईमेल लिखता है, सवाल पूछता है, चैटबॉट को वैसे ही इस्तेमाल करता है जैसे ज्यादातर लोग करते हैं, उसके लिए ये परीक्षण सिर्फ गुणवत्ता के आधार पर फेबल के पक्ष में झुकते हैं, पर यह नतीजा एक ऐसी चीज से उलझ जाता है जिसका बुद्धिमत्ता से कोई लेना-देना नहीं। कीमत का फासला सौदा बिगाड़ सकता है। सोल, टेरा और लूना तीनों बिना किसी समाप्ति तिथि के चैटजीपीटी के पेड प्लान में शामिल हैं, जबकि फेबल 5 तीन हफ्तों में अपनी तीसरी डेडलाइन बढ़ोतरी पर है और 19 जुलाई को वापस 10 डॉलर/50 डॉलर यूसेज क्रेडिट पर लौट जाएगी, बशर्ते एंथ्रोपिक एक बार फिर तारीख न खिसका दे। अगर ऐसा हुआ, तो प्रति टोकन भुगतान करना शायद ज्यादा दिलचस्प न रह जाए।