मेटा स्पार्क ओपन: कोडिंग से वीडियो एडिटिंग तक चुटकियों में सभी काम करेगा मेटा का नया एआई, क्या-क्या इसमें खास?
मेटा ने म्यूज स्पार्क ओपन नाम का नया ओपन-वेट एआई मॉडल पेश किया है, जिसे कोडिंग, जटिल समस्याएं सुलझाने, लंबे काम पूरे करने और वीडियो एडिटिंग जैसे कामों के लिए तैयार किया गया है। खास बात है कि कंपनी के अनुसार, इसे दो एपल मैक स्टूडियो कंप्यूटर्स पर स्थानीय रूप से भी चलाया जा सकता है।
विस्तार
एआई का इस्तेमाल अब सिर्फ सवालों के जवाब पाने तक सीमित नहीं रह गया है। कोड लिखने, सॉफ्टवेयर की गलतियां सुधारने, वीडियो एडिट करने और कई चरणों वाले मुश्किल काम पूरे करने में भी एआई मॉडल की भूमिका बढ़ रही है। इसी दिशा में मेटा ने म्यूज स्पार्क ओपन नाम का नया ओपन-वेट एआई मॉडल पेश किया है।
कंपनी के अनुसार, इस मॉडल को कोडिंग, जटिल तर्क लगाने और ऐसे कामों के लिए तैयार किया गया है, जिनमें एक के बाद एक कई चरण पूरे करने पड़ते हैं। इसकी एक खास बात यह भी है कि इसे केवल ऑनलाइन क्लाउड सेवाओं के जरिए इस्तेमाल करने के बजाय अपने कंप्यूटर पर भी चलाया जा सकता है। मेटा का कहना है कि दो एपल मैक स्टूडिओ कंप्यूटरों का सेटअप इस मॉडल को चलाने के लिए पर्याप्त यूनिफाइड मेमोरी उपलब्ध करा सकता है। लेकिन यह कोई ऐसा एआई मॉडल नहीं है जिसे हर सामान्य लैपटॉप पर आसानी से चलाया जा सके। इसे चलाने के लिए हार्डवेयर, मेमोरी और सॉफ्टवेयर की जरूरतों को समझना जरूरी हो सकता है।
म्यूज स्पार्क ओपन क्या है और इसे क्यों बनाया गया है?
मेटा का म्यूज स्पार्क ओपन एक ओपन-वेट एआई मॉडल है। इसका मतलब है कि डेवलपर्स इसके मॉडल वेट्स डाउनलोड करके इसे अपने सिस्टम पर चला सकते हैं और अपनी जरूरत के अनुसार इसमें बदलाव कर सकते हैं। हालांकि, ओपन-वेट का मतलब यह नहीं है कि मॉडल पर कोई लाइसेंस या इस्तेमाल संबंधी शर्तें लागू नहीं होंगी।
मेटा ने इसे लंबे समय तक चलने वाले कामों, जटिल सॉफ्टवेयर डेवलपमेंट और एजेंटिक एआई वर्कफ्लो के लिए डिजाइन किया है। एजेंटिक एआई का आसान मतलब है ऐसा एआई, जो किसी लक्ष्य को पूरा करने के लिए एक ही जवाब देने के बजाय कई चरणों में काम कर सके।
जैसे मान लीजिए, अगर किसी सॉफ्टवेयर में बग है, तो एआई कोड की जांच कर सकता है, समस्या की वजह पहचान सकता है, बदलाव सुझा सकता है और फिर यह देखने में मदद कर सकता है कि सुधार के बाद कोड सही काम कर रहा है या नहीं। ऐसे कामों में मॉडल को लंबे समय तक संदर्भ बनाए रखने और कई चरणों में सही फैसले लेने की जरूरत होती है।
816 अरब पैरामीटर और 10 लाख टोकन की कॉन्टेक्स्ट विंडो
मेटा के अनुसार, म्यूज स्पार्क ओपन में कुल 816 अरब पैरामीटर हैं, जिनमें से 42 अरब सक्रिय पैरामीटर हैं। पैरामीटर को मोटे तौर पर मॉडल के उन सीखे हुए संख्यात्मक मानों के रूप में समझा जा सकता है, जिनकी मदद से वह इनपुट को प्रोसेस करके जवाब तैयार करता है।
यहां कुल पैरामीटर और सक्रिय पैरामीटर में अंतर समझना जरूरी है। मॉडल में कुल 816 अरब पैरामीटर होने का मतलब यह नहीं है कि हर बार जवाब बनाते समय सभी पैरामीटर एक साथ सक्रिय रहते हैं। कंपनी के बताए आंकड़ों के मुताबिक, इसमें 42 अरब पैरामीटर सक्रिय होते हैं।
मॉडल की दूसरी बड़ी खासियत इसकी दस लाख टोकन यानी एक मिलियन टोकन की कॉन्टेक्स्ट विंडो है। कॉन्टेक्स्ट विंडो वह सीमा है, जिसके भीतर मॉडल एक बार में दी गई जानकारी और बातचीत के संदर्भ को ध्यान में रख सकता है। टोकन शब्दों, शब्दों के हिस्सों या दूसरे टेक्स्ट अंशों को दर्शा सकते हैं; इसलिए 10 लाख टोकन को सीधे 10 लाख शब्दों के बराबर नहीं माना जाना चाहिए।
बड़ी कॉन्टेक्स्ट विंडो से लंबे दस्तावेज, बड़े कोडबेस या ज्यादा जानकारी वाले कामों में मदद मिल सकती है। हालांकि, वास्तविक प्रदर्शन इस बात पर भी निर्भर करेगा कि मॉडल को किस तरह का काम दिया गया है और उसे किस हार्डवेयर पर चलाया जा रहा है।
सिर्फ टेक्स्ट नहीं, कई तरह की जानकारी के साथ काम करेगा
मेटा का कहना है कि म्यूज स्पार्क ओपन नेटिवली मल्टीमॉडल है। इसका मतलब है कि इसे अलग-अलग प्रकार की जानकारी के साथ काम करने के लिए तैयार किया गया है, न कि केवल लिखे हुए टेक्स्ट तक सीमित रखा गया है।
यह क्षमता वीडियो एडिटिंग जैसे कामों में उपयोगी हो सकती है, जहां मॉडल को सिर्फ निर्देश पढ़ने के बजाय वीडियो के दृश्य समझने, सही समय पहचानने और फुटेज के आधार पर निर्णय लेने की जरूरत पड़ती है।
कंपनी ने सॉफ्टवेयर डेवलपमेंट और वीडियो एडिटिंग से जुड़े कामों पर मॉडल का परीक्षण किया है। इन उदाहरणों से मेटा यह दिखाना चाहती है कि मॉडल सिर्फ सवालों के जवाब देने के बजाय वास्तविक डिजिटल कामों में भी सहायता कर सकता है।
ओपन-सोर्स मेस्टोडोन क्लाइंट में बग ठीक करने का टेस्ट
मेटा ने अपने टेस्ट में आइस क्यूब नाम के ओपन-सोर्स मेस्टोडोन क्लाइंट का इस्तेमाल किया। मेस्टोडोन एक डिसेन्ट्रलाइज्ड सोशल नेटवर्क है और आइए क्यूब्स उसका इस्तेमाल करने के लिए बनाया गया क्लाइंट है।
कंपनी के मुताबिक, म्यूज स्पार्क ओपन का इस्तेमाल इस सॉफ्टवेयर में बग ठीक करने और नए फीचर जोड़ने के लिए किया गया। यह उदाहरण दिखाता है कि मॉडल सॉफ्टवेयर डेवलपमेंट के दौरान कोड समझने, संभावित समस्याओं की पहचान करने और बदलाव तैयार करने जैसे कामों में मदद कर सकता है।
डेवलपर्स के लिए इसका फायदा यह हो सकता है कि उन्हें कोड की हर समस्या को हाथ से खोजने के बजाय AI की मदद से शुरुआती जांच और सुधार का काम तेजी से करने का विकल्प मिले। हालांकि, AI से सुझाए गए कोड को लागू करने से पहले उसकी जांच और परीक्षण करना जरूरी रहता है।
DaVinci Resolve के साथ वीडियो एडिटिंग में भी मदद
मेटा ने म्यूज स्पार्क ओपन की वीडियो एडिटिंग से भी जुड़ी भी प्रदर्शन किया। कंपनी के अनुसार, एक परीक्षण में मॉडल ने DaVinci Resolve के साथ काम करते हुए वीडियो फुटेज को फ्रेम-दर-फ्रेम रिव्यू किया।
इस दौरान उसने सही पलों की पहचान की और क्लिप्स को वर्टिकल फॉर्मेट में क्रॉप किया। वर्टिकल वीडियो का इस्तेमाल आम तौर पर मोबाइल पर देखे जाने वाले शॉर्ट वीडियो और सोशल मीडिया कंटेंट में होता है।
ऐसे कामों में मॉडल की उपयोगिता कंटेंट क्रिएटर्स और वीडियो एडिटर्स के लिए हो सकती है। जैसे मान लीजिए, लंबी फुटेज में से काम के हिस्से चुनना या अलग-अलग स्क्रीन फॉर्मेट के लिए क्लिप तैयार करना समय लेने वाला काम हो सकता है। एआई इन प्रक्रियाओं के कुछ हिस्सों को आसान बनाने में मदद कर सकता है।
हालांकि, मेटा के बताए परीक्षण से यह निष्कर्ष नहीं निकालना चाहिए कि मॉडल हर तरह के वीडियो को बिना मानवीय निगरानी के पूरी तरह एडिट कर सकता है। कंपनी ने यहां विशिष्ट परीक्षणों के उदाहरण दिए हैं, न कि हर परिस्थिति में मिलने वाले नतीजों की गारंटी।
NVIDIA और AMD GPU पर कितनी तेज चलेगा?
Meta ने म्यूज स्पार्क ओपन के साथ ऑप्टिमाइज्ड GPU कर्नेल भी शामिल किए हैं। जीपीयू कर्नेल ऐसे सॉफ्टवेयर हिस्से होते हैं, जो ग्राफिक्स प्रोसेसर पर गणना के खास काम करते हैं। इन्हें बेहतर बनाने से एआई मॉडल की गणना कुछ स्थितियों में तेजी से हो सकती है।
कंपनी के मुताबिक, इन ऑप्टिमाइजेशन से NVIDIA और AMD GPU पर कर्नेल-स्तर की गति में 1.03 गुना से 3.95 गुना तक सुधार दर्ज किया गया। इसका अर्थ है कि कुछ परीक्षणों में संबंधित गणना पहले की तुलना में तेज हुई।
मेटा ने AMD M1350 पर कुल गति में 3 प्रतिशत सुधार का भी उल्लेख किया है। ध्यान रहे कि कर्नेल-स्तर पर मिली तेजी और पूरे AI मॉडल के वास्तविक इस्तेमाल में मिलने वाली तेजी एक ही बात नहीं हैं। वास्तविक नतीजे हार्डवेयर, मॉडल की सेटिंग, काम के प्रकार और सॉफ्टवेयर कॉन्फिगरेशन के आधार पर बदल सकते हैं।
दो एपल मैक स्टूडियो पर कैसे चलेगा यह AI मॉडल?
म्यूज स्पार्क ओपन की सबसे खास बातों में से एक इसका स्थानीय कंप्यूटर पर चलाया जाना भी माना जा रहा है। मेटा ने एपल के MLX फ्रेमवर्क के जरिए इस मॉडल को M5 Ultra चिप वाले Mac Studio सेटअप के लिए ऑप्टिमाइज किया है।
कंपनी के अनुसार, दो Mac Studio कंप्यूटर एक साथ मिलकर इतनी यूनिफाइड मेमोरी उपलब्ध करा सकते हैं कि उनमें यह मॉडल लोड किया जा सके। यूनिफाइड मेमोरी वह साझा मेमोरी है, जिसका इस्तेमाल सिस्टम के अलग-अलग हिस्से, खास तौर पर CPU और GPU, जरूरत के मुताबिक कर सकते हैं।
यहां एक बात खास है कि मॉडल का दो Mac Studio पर चल सकना, इसे किसी सामान्य कंप्यूटर पर चलाने के बराबर नहीं है। इतने बड़े मॉडल के लिए पर्याप्त मेमोरी और सही हार्डवेयर कॉन्फिगरेशन जरूरी है। Meta के बताए सेटअप में दो मशीनों की संयुक्त मेमोरी की भूमिका अहम है।
स्थानीय रूप से मॉडल चलाने का एक फायदा यह है कि हर काम के लिए बाहरी क्लाउड सेवा पर निर्भर रहना जरूरी नहीं रहता। इससे डेवलपर्स को अपने सिस्टम पर प्रयोग करने और अपनी जरूरत के अनुसार मॉडल चलाने का विकल्प मिल सकता है। लेकिन स्थानीय इस्तेमाल के लिए जरूरी हार्डवेयर की लागत, सेटअप और तकनीकी जानकारी भी ध्यान में रखनी होगी।
म्यूज स्पार्क ओपन कहां से डाउनलोड कर सकते हैं?
मेटा ने मॉडल को कई AI इन्फरेंस प्लेटफॉर्म पर उपलब्ध कराया है। इनमें बेसटेन, फायरवर्क्स एआई, ग्रोक, मोडल, नेबियस, ओपनराउटर और टुगेदर एआई शामिल हैं। जो डेवलपर्स मॉडल को अपने हिसाब से चलाना या कस्टमाइज करना चाहते हैं, वे इसके वेट्स इन हगिंग फेस, अमेजन सेजमेकर AI, गूगल क्लाउड मॉडल गार्डन, माइक्रोसॉफ्ट फाउंड्री मॉडल्स प्लेटफॉर्म के जरिए डाउनलोड कर सकते हैं। इन विकल्पों की मदद से डेवलपर्स अपनी जरूरत, उपलब्ध हार्डवेयर और पसंदीदा डेवलपमेंट प्लेटफॉर्म के अनुसार मॉडल तक पहुंच सकते हैं।
किन इन्फरेंस इंजनों और टूल्स का सपोर्ट है?
म्यूज स्पार्क ओपन कई इन्फरेंस इंजनों को सपोर्ट करता है। इनमें SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, Apple MLX, llama.cpp और Unsloth शामिल हैं।
इन्फरेंस इंजन उस सॉफ्टवेयर व्यवस्था को कहा जा सकता है, जो ट्रेन किए गए AI मॉडल को चलाने और उससे जवाब या परिणाम प्राप्त करने में मदद करती है। अलग-अलग इंजन अलग हार्डवेयर और इस्तेमाल की जरूरतों के हिसाब से उपयोगी हो सकते हैं।
डेवलपर्स PyTorch का इस्तेमाल करके मॉडल को कस्टमाइज भी कर सकते हैं। इससे उन्हें अपने प्रोजेक्ट के हिसाब से मॉडल के व्यवहार या इस्तेमाल के तरीके में बदलाव करने का विकल्प मिलता है। हालांकि, कस्टमाइजेशन की वास्तविक सीमा मॉडल के लाइसेंस और तकनीकी सेटअप पर भी निर्भर करेगी।
AI सेफ्टी को लेकर Meta ने क्या कहा?
मेटा ने बताया कि उसने म्यूज स्पार्क ओपन के ओपन-वेट संस्करण में सेफ्टी ट्रेनिंग शामिल की है। कंपनी ने अपने सुपरइंटेलिजेंस स्केलिंग फ्रेमवर्क के तहत मॉडल का मूल्यांकन भी किया है।
Meta के अनुसार, मॉडल ने रिलीज के लिए जरूरी सुरक्षा मानकों को पूरा किया है। हालांकि, यह कंपनी का अपना आकलन है। किसी भी AI मॉडल की सुरक्षा का वास्तविक अनुभव उसके इस्तेमाल के तरीके, दिए गए निर्देशों और अलग-अलग परिस्थितियों पर निर्भर कर सकता है।
इसलिए डेवलपर्स के लिए जरूरी है कि वे मॉडल को अपने प्रोजेक्ट में शामिल करने से पहले उसकी क्षमताओं और सीमाओं का परीक्षण करें, खासकर तब जब उसका इस्तेमाल संवेदनशील डेटा या महत्वपूर्ण निर्णयों से जुड़े कामों में होना हो।
क्या म्यूज स्पार्क ओपन मुफ्त है?
मेटा इस मॉडल को म्यूज मॉडल लाइसेंस के तहत जारी कर रही है। कंपनी के मुताबिक, कई डेवलपर्स इसे मुफ्त में इस्तेमाल कर सकते हैं, लेकिन लाइसेंस में कमर्शियल इस्तेमाल से जुड़ी कुछ सीमित शर्तें भी हैं।
इसका मतलब है कि मॉडल के वेट्स डाउनलोड कर पाना और उसे हर तरह के व्यावसायिक काम में बिना किसी शर्त के इस्तेमाल कर पाना अलग बातें हैं। किसी कंपनी या डेवलपर को इसे अपने उत्पाद या कमर्शियल सेवा में शामिल करने से पहले लाइसेंस की शर्तें पढ़नी चाहिए।
मॉडल के वेट्स Hugging Face पर Muse Spark Open कलेक्शन के जरिए उपलब्ध हैं। वहां से डेवलपर्स इसे हासिल कर सकते हैं और समर्थित हार्डवेयर तथा सॉफ्टवेयर के साथ इस्तेमाल करने की कोशिश कर सकते हैं।