ओपन सोर्स AI अकादमिक जिज्ञासा से निकलकर मशीन लर्निंग की सबसे प्रभावी ताक़त बन गया है। Llama, Mistral, DeepSeek और दर्जनों ओपन-वेट मॉडल तय कर रहे हैं कि क्या संभव है। यह लेख बताता है कि यह बदलाव असली क्यों है, इसे नज़रअंदाज़ करने की क्या कीमत है और रफ़्तार किस ओर इशारा कर रही है।
2023 में कुछ बदल गया, और उसके बाद AI इंडस्ट्री इससे इनकार नहीं कर पाई। Meta ने Llama 2 को सार्वजनिक रूप से जारी किया, और कुछ ही हफ़्तों में दुनिया भर के डेवलपर समुदाय ने उसके ऊपर हज़ारों फ़ाइन-ट्यून्ड वर्ज़न, कस्टम इंटरफ़ेस और डोमेन-विशिष्ट टूल बना लिए। इसके लिए कोई API key नहीं चाहिए थी। कोई usage cap नहीं था। कोई कॉर्पोरेट terms of service नहीं था जो आपके उपयोग को सीमित करने की धमकी दे। बस मॉडल वेट्स, एक सक्षम GPU और वह सब बनाने की जगह जिसकी आपको सच में ज़रूरत है।
यह रिलीज़ इससे कहीं बड़े बदलाव की शुरुआत थी। Mistral 7B आया और अपने आकार से कहीं ज़्यादा बेहतर प्रदर्शन किया, वह भी उन मॉडलों के मुकाबले जो उससे तीन गुना बड़े थे। DeepSeek R1 बिजली की तरह आया, जिसने सबसे अच्छे क्लोज़्ड मॉडलों की रीज़निंग क्षमता से मेल खाया, वह भी बताई गई ट्रेनिंग लागत के एक अंश में। और Qwen3 235B चुपचाप सबसे सक्षम मल्टीलिंगुअल मॉडलों में से एक बन गया, जिसे कोई भी चलाने के लिए खुले रूप में जारी किया गया। यह धारणा कि प्रोप्राइटरी AI का प्रदर्शन में स्थायी लाभ है, ज़्यादातर लोगों की उम्मीद से कहीं तेज़ी से ढह रही है, और हर तिमाही के आँकड़े इसकी पुष्टि करते हैं।
इसका महत्व सिर्फ़ तकनीकी नहीं है। यह संरचनात्मक है। जब शक्तिशाली AI मॉडल क्लोज़्ड APIs के भीतर बंद होते हैं, तो उन APIs को नियंत्रित करने वाली संस्थाएँ तय करती हैं कि किसे पहुँच मिलेगी, किस कीमत पर और किन शर्तों पर। जब वही क्षमताएँ ओपन वेट्स के रूप में उपलब्ध होती हैं, तो वह ताकत हज़ारों टीमों, रिसर्च समूहों और व्यक्तिगत डेवलपरों में एक साथ बँट जाती है। यह बँटवारा प्रतिस्पर्धा, नवाचार की गति और इस बात पर असर डालता है कि AI-संचालित दुनिया के निर्माण में कौन भाग ले पाता है।
इसके सबूत किस्सों पर आधारित नहीं हैं। 2025 तक, ओपन सोर्स मॉडल कई स्वतंत्र बेंचमार्क में शीर्ष स्थानों पर हैं। Hugging Face Open LLM Leaderboard ने देखा है कि ओपन-वेट मॉडल कोडिंग, रीज़निंग और इंस्ट्रक्शन-फ़ॉलोइंग कार्यों में लंबे समय तक GPT-4 श्रेणी की प्रणालियों से आगे रहे हैं। ओपन मॉडल वेट्स के डाउनलोड अरबों तक पहुँच चुके हैं। ओपन AI फ़ाउंडेशन पर बनी GitHub रिपॉज़िटरी पिछले दशक में लगभग किसी भी तुलनीय सॉफ़्टवेयर श्रेणी से तेज़ी से बढ़ी हैं।
ओपन सोर्स का मतलब कम गुणवत्ता नहीं है। इसका मतलब अब वह है जो पहले उल्टा था। तीन साल पहले, सबसे उन्नत प्रोप्राइटरी प्रणाली और सबसे अच्छे सार्वजनिक रूप से उपलब्ध मॉडल के बीच का अंतर बहुत बड़ा और साफ़ था। आज वह अंतर अक्सर मानकीकृत बेंचमार्क पर दशमलव बिंदुओं में मापा जाता है, और कई खास क्षेत्रों में यह पूरी तरह उलट गया है। साबित करने का बोझ अब क्लोज़्ड-सोर्स खेमे पर है कि जब तुलनीय ओपन विकल्प मौजूद हैं, तो अपारदर्शी API तक प्रति-टोकन भुगतान करना सही क्यों है।
प्रैक्टिशनर्स के लिए सबसे ज़रूरी तुलना बेंचमार्क का आँकड़ा नहीं है। यह सवाल है कि मॉडल मिल जाने के बाद आप उसके साथ असल में क्या कर सकते हैं। क्लोज़्ड API के साथ, आप अनुरोध भेजते हैं, जवाब पाते हैं, और भरोसा करते हैं कि प्रोवाइडर का ब्लैक बॉक्स आपके डेटा को सही तरीके से संभाल रहा है। आप वेट्स का निरीक्षण नहीं कर सकते। आप व्यवहार को बुनियादी स्तर पर नहीं बदल सकते। आप नेटवर्क एक्सेस के बिना सिस्टम नहीं चला सकते, और आप यह गारंटी नहीं दे सकते कि आपका उपयोग तब भी व्यवहार्य रहेगा जब प्रोवाइडर कीमतें बदल दे, कोई मॉडल हटा दे, या तय कर ले कि आपका एप्लिकेशन उसकी अपडेटेड नीतियों का उल्लंघन करता है।
ओपन-वेट मॉडल के साथ, आप उस आर्टिफ़ैक्ट के मालिक होते हैं। आप Meta Llama 3 8B Instruct को उपभोक्ता श्रेणी के GPU पर चला सकते हैं। आप Meta Llama 3 70B Instruct को अपने प्रोप्राइटरी डेटा पर फ़ाइन-ट्यून कर सकते हैं, और वह डेटा कभी आपके इंफ़्रास्ट्रक्चर से बाहर नहीं जाता। आप मॉडल के व्यवहार का ऑडिट कर सकते हैं, वेट डिस्ट्रीब्यूशन का निरीक्षण कर सकते हैं, और सिस्टम को ऐसे तरीकों से बदल सकते हैं जिनकी एक क्लोज़्ड API अनुमति ही नहीं देती। यह कोई मामूली फ़ायदा नहीं है। एंटरप्राइज़, हेल्थकेयर, कानूनी और सरकारी एप्लिकेशन के लिए यह अक्सर एक ऐसी अनिवार्य शर्त होती है जिसका कोई विकल्प नहीं है।
ओपन AI में योगदान देने वालों का स्वरूप नाटकीय रूप से बदल गया है। जो शुरुआत अकादमिक-संचालित रिसर्च से हुई थी, वह दुनिया की कुछ सबसे बड़ी टेक्नोलॉजी संस्थाओं को शामिल करने वाले एक वैश्विक औद्योगिक प्रयास में बदल गई है:
ये हॉबीस्ट प्रोजेक्ट या अकादमिक प्रयोग नहीं हैं। ये अरबों डॉलर के कंप्यूट निवेश और रिसर्च प्रतिभा का प्रतिनिधित्व करते हैं, जिसे जानबूझकर एक साझा सार्वजनिक संसाधन में योगदान किया जा रहा है। प्रेरणाएँ अलग-अलग हैं, लेकिन नतीजा एक ही है: सक्षम मॉडल जिन्हें कोई भी चला सकता है, अध्ययन कर सकता है और उनके आधार पर निर्माण कर सकता है।
कमर्शियल AI क्षेत्र ने वर्षों तक यह मान कर चला कि डेवलपर उस बुद्धिमत्ता के API एक्सेस के लिए अनिश्चित काल तक भुगतान करते रहेंगे, जिसका वे निरीक्षण या नियंत्रण नहीं कर सकते। यह धारणा गलत साबित हो रही है। पूरी तरह प्रोप्राइटरी सिस्टम से दूर जाने की प्रक्रिया दो स्पष्ट कारणों से तेज़ हुई है: लागत और नियंत्रण।
बड़े स्तर पर किसी प्रमुख क्लोज़्ड प्रोवाइडर के ज़रिए प्रोडक्शन एप्लिकेशन के लिए इनफ़रेंस चलाना महंगा है। आप हर अनुरोध पर प्रति टोकन भुगतान करते हैं, और मॉडल को खुद ऑप्टिमाइज़ करने की कोई क्षमता नहीं होती, केवल अपने प्रॉम्प्ट और अपनी पाइपलाइन को ऑप्टिमाइज़ कर सकते हैं। जैसे-जैसे ओपन मॉडल प्रतिस्पर्धी गुणवत्ता के स्तर तक पहुँचे हैं, वित्तीय गणित काफ़ी बदल गया है। किराए के क्लाउड इंफ़्रास्ट्रक्चर पर सेल्फ़-होस्टेड DeepSeek v3 डिप्लॉयमेंट की मासिक लागत तुलनीय क्लोज़्ड API कॉल की लागत के एक अंश के बराबर होती है, और आपके प्रोडक्ट और मुनाफ़े के बीच प्रति-टोकन बिलिंग का कोई ओवरहेड नहीं बैठता।
💡 एक टीम रोज़ाना 10 मिलियन टोकन एक क्लोज़्ड API के ज़रिए $0.002 प्रति 1K टोकन पर प्रोसेस करती है, तो वह लगभग $20,000 प्रति माह खर्च करती है। वही वर्कलोड एक सेल्फ़-होस्टेड ओपन मॉडल पर केवल कंप्यूट का भुगतान करता है, और प्रोडक्शन स्तर पर अक्सर 5 से 10 गुना सस्ता पड़ता है। यह अंतर एक साल में तेज़ी से बढ़ता जाता है।
कस्टमर सपोर्ट ऑटोमेशन, डॉक्यूमेंट प्रोसेसिंग, कोड रिव्यू पाइपलाइन और बड़े पैमाने पर कंटेंट जेनरेशन जैसे हाई-वॉल्यूम एप्लिकेशन के लिए यही वह फ़र्क है जो तय करता है कि प्रोडक्ट अपनी इंफ़्रास्ट्रक्चर लागत खुद उठा सकेगा या नहीं। क्लोज़्ड API पर बने स्टार्टअप किसी और की लागत संरचना पर बना रहे हैं, जिसे नीचे लाने के लिए वे मोलभाव नहीं कर सकते और जिसके अनुकूल बने रहने की कोई गारंटी नहीं।
लागत से आगे, भरोसे और ऑडिटेबिलिटी का सवाल है। सख्त डेटा नियमों के तहत काम करने वाले उद्योग यह स्वीकार नहीं कर सकते कि कोई क्लोज़्ड प्रोवाइडर केवल प्राइवेसी पॉलिसी के आधार पर संवेदनशील जानकारी ज़िम्मेदारी से संभालता है। उन्हें यह साबित करने में सक्षम होना चाहिए, रेगुलेटरों, ऑडिटरों और अपने क्लाइंट्स के सामने। ओपन सोर्स AI मॉडल सिक्योरिटी टीमों को मॉडल के व्यवहार का ऑडिट करने, ट्रेनिंग डेटा के दस्तावेज़ देखने, पूरे सिस्टम को नियंत्रित एयर-गैप्ड वातावरण में चलाने और हर इनफ़रेंस कॉल का पूरा लॉग रखने की सुविधा देते हैं। नियंत्रित उद्योगों में यह सिर्फ़ एक अतिरिक्त सुविधा नहीं है। यह एक बुनियादी आवश्यकता है।
कुछ रिलीज़ क्रमिक होती हैं। कुछ पूरे क्षेत्र की दिशा बदल देती हैं। यहाँ वे खास रिलीज़ हैं जो ओपन AI की मौजूदा स्थिति के लिए सबसे ज़्यादा मायने रखती हैं।
जब Llama 2 2023 के मध्य में आया, तब ओपन सोर्स AI समुदाय के पास सक्षम मॉडल तो थे, पर कोई ऐसा नहीं था जो स्थापित व्यवस्था को गंभीरता से चुनौती दे सके। Llama 2 ने वह बदल दिया। यह इतना बड़ा था कि कई कार्यों में वास्तव में उपयोगी हो, इतना छोटा था कि क्वांटाइज़्ड रूप में उपभोक्ता हार्डवेयर पर चल सके, और इसका लाइसेंस इतना उदार था कि ज़्यादातर कमर्शियल एप्लिकेशन के लिए काम आए। समुदाय की प्रतिक्रिया तुरंत और विशाल थी।
कुछ ही महीनों में सैकड़ों फ़ाइन-ट्यून्ड वर्ज़न सामने आ गए: कोडिंग, क्रिएटिव राइटिंग, कानूनी दस्तावेज़ विश्लेषण, मेडिकल परामर्श और कस्टमर सर्विस के लिए विशेष मॉडल। समुदाय-आधारित AI डेवलपमेंट का ब्लूप्रिंट ऐसे तरीके से स्थापित हुआ जैसा पहले कभी नहीं हुआ था। ओपन AI लगभग एक साल में एक छोटी रुचि से मुख्यधारा की डेवलपमेंट रणनीति बन गया।
Llama 4 Scout Instruct और Llama 4 Maverick Instruct इस वंश की मौजूदा पीढ़ी का प्रतिनिधित्व करते हैं, जिनमें मल्टीमॉडल क्षमताएँ काफ़ी बेहतर हुई हैं और बहुत लंबी कॉन्टेक्स्ट विंडो में मज़बूत प्रदर्शन है। इसकी गति धीमी नहीं पड़ी है।
Mistral 7B v0.1 एक सीधे दावे के साथ जारी हुआ: 7 बिलियन पैरामीटर वाला मॉडल ज़्यादातर मानक बेंचमार्क पर Llama 2 13B से बेहतर प्रदर्शन करता है। वह दावा सही था। Mistral की रिसर्च टीम ने दिखाया कि आर्किटेक्चर के फ़ैसले, ट्रेनिंग डेटा की क्यूरेशन और फ़ाइन-ट्यूनिंग के तरीके कच्चे आकार जितने ही मायने रखते हैं। आपको हमेशा बड़े मॉडल की ज़रूरत नहीं होती। आपको बेहतर डिज़ाइन किए गए मॉडल की ज़रूरत होती है। यह सबक तब से पूरे ओपन सोर्स मॉडल डेवलपमेंट इकोसिस्टम में फैल चुका है और अब कुशल AI रिसर्च का एक मूल सिद्धांत है।
ओपन AI समुदाय में किसी भी चीज़ ने प्रैक्टिशनर्स को DeepSeek R1 के लिए तैयार नहीं किया था। 2025 की शुरुआत में जारी हुआ, इसने सबसे अच्छे क्लोज़्ड मॉडलों के बराबर रीज़निंग प्रदर्शन दिखाया, वह भी ऐसी ट्रेनिंग लागत पर जो रिपोर्टों के अनुसार कई गुना कम थी, और एक विस्तृत तकनीकी रिपोर्ट भी प्रकाशित की जिसमें दिखाया गया कि यह कैसे किया गया। पारदर्शिता प्रदर्शन जितनी ही चौंकाने वाली थी। DeepSeek v3.1 आया, जिसने कोडिंग, गणित और मल्टीलिंगुअल कार्यों में मज़बूत सामान्य-प्रयोजन प्रदर्शन दिया। ये क्लोज़्ड-सोर्स गुणवत्ता के अनुमान भर नहीं थे। ये कुछ खास, मापने योग्य क्षेत्रों में उसके बराबर या उससे बेहतर थे, खुले रूप में, और वेट्स सबके डाउनलोड करने और चलाने के लिए प्रकाशित थे।
ओपन सोर्स AI का दार्शनिक पक्ष अपने आप में प्रभावशाली है। व्यावहारिक पक्ष और भी मज़बूत है। जब आप वेट्स अपने पास रखते हैं, न कि उन्हें एक्सेस के लिए API किराए पर लेते हैं, तब असल में क्या संभव होता है, यह यहाँ है।
ओपन मॉडल ऑन-प्रिमाइसेस, प्राइवेट क्लाउड, एज डिवाइस और ऑफ़लाइन चल सकते हैं। AI-सहायता प्राप्त ट्राइएज टूल डिप्लॉय करने वाला अस्पताल हर चरण पर जटिल HIPAA अनुपालन प्रश्नों से गुज़रे बिना मरीज़ का डेटा किसी बाहरी API से नहीं भेज सकता। इंटेलिजेंट एनालिसिस सिस्टम बना रही रक्षा कंपनी सख्त एयर-गैप आवश्यकताओं के तहत काम करती है, जिससे नीति के तहत बाहरी API कॉल असंभव हो जाती हैं। जिस बाज़ार में इंटरनेट कनेक्टिविटी भरोसेमंद नहीं है, वहाँ बनाने वाला स्टार्टअप API पर निर्भर बुनियाद पर विश्वसनीय इंफ़्रास्ट्रक्चर नहीं बना सकता।
ओपन वेट्स इन सभी बाधाओं को एक साथ हल करते हैं। हार्डवेयर की ज़रूरतें भी आश्चर्यजनक रूप से सुलभ स्तर तक गिर गई हैं। अच्छी तरह क्वांटाइज़्ड 7B पैरामीटर वाला मॉडल मिड-रेंज GPU वाले आधुनिक लैपटॉप पर आसानी से चलता है। 70B मॉडल दो या तीन उपभोक्ता-श्रेणी के ग्राफ़िक्स कार्ड वाली डेस्कटॉप वर्कस्टेशन पर चलता है। जिस कंप्यूट के लिए 2020 में डेटा सेंटर चाहिए था, वह 2025 में एक मेज़ पर आ जाता है, और यह प्रवृत्ति जारी है।
यहीं ओपन सोर्स AI का व्यावहारिक फ़ायदा असली दुनिया के एप्लिकेशन के लिए सबसे ठोस रूप लेता है। क्लोज़्ड मॉडल को फ़ाइन-ट्यून करने का मतलब है प्रोवाइडर द्वारा दिए गए इंटरफ़ेस के भीतर काम करना, ट्रेनिंग प्रक्रिया की सीमित दृश्यता के साथ और परिणामी वेट्स तक कोई पहुँच नहीं। ओपन मॉडल को फ़ाइन-ट्यून करने का मतलब है पूरा नियंत्रण: आपका ट्रेनिंग डेटा, आपकी प्रक्रिया, आपके मूल्यांकन के मानदंड, और एक परिणामी मॉडल जो पूरी तरह आपका है।
| क्षमता | क्लोज़्ड API | ओपन वेट मॉडल |
|---|---|---|
| ऑफ़लाइन चलाना | नहीं | हाँ |
| मॉडल वेट्स का निरीक्षण | नहीं | हाँ |
| कस्टम फ़ाइन-ट्यूनिंग | सीमित | पूर्ण नियंत्रण |
| डेटा प्राइवेसी की गारंटी | प्रोवाइडर पर निर्भर | पूर्ण |
| प्रोडक्शन स्केल पर लागत | प्रति-टोकन बिलिंग | केवल कंप्यूट |
| वेंडर लॉक-इन का जोखिम | उच्च | कोई नहीं |
| बेस आर्किटेक्चर में बदलाव | नहीं | हाँ |
| फ़ाइन-ट्यून साझा करना या बेचना | नहीं | हाँ |
ओपन सोर्स AI केवल लैंग्वेज मॉडल की कहानी नहीं है। इमेज जनरेशन क्षेत्र ने भी बिल्कुल वैसा ही रास्ता अपनाया है और कुछ मायनों में और तेज़ी से आगे बढ़ा है। कम्युनिटी-ट्रेंड मॉडल के वर्ज़न, LoRA एडैप्टर और विशेष फ़ाइन-ट्यून हर संभव क्षेत्र में फैल गए हैं, और ये सभी साझा, खुले रूप में वितरित बेस मॉडलों के ऊपर बने हैं।
ओपन इमेज जनरेशन के इर्द-गिर्द बने समुदाय ने दिखाया कि ओपन AI वास्तव में कैसे विकसित होता है: जब आप प्रतिभाशाली लोगों को मॉडल वेट्स तक पहुँच देते हैं, तो वे ऐसी चीज़ें बनाते हैं जिनकी कल्पना मूल निर्माताओं ने कभी नहीं की थी। कस्टम कलात्मक शैलियाँ, हाइपर-रियलिस्टिक फ़ोटोग्राफ़िक मॉडल, प्रोडक्ट विज़ुअलाइज़ेशन के लिए विशेष ट्रेनिंग सेट, आर्किटेक्चरल रेंडरिंग, फ़ैशन फ़ोटोग्राफ़ी और मेडिकल इमेजिंग। इनमें से कुछ भी किसी मूल प्रोडक्ट रोडमैप में नहीं था। यह सब खुली पहुँच और समुदाय के सहयोग से उभरा।
इन समुदाय-मॉडलों को एक जगह लाकर बिना लोकल हार्डवेयर की ज़रूरत के उपलब्ध कराने वाले प्लेटफ़ॉर्म इस आंदोलन के लिए अहम इंफ़्रास्ट्रक्चर बन गए हैं। किसी भी मध्यम रूप से सक्षम इमेज जनरेशन मॉडल को लोकली चलाने के लिए पर्याप्त VRAM वाला समर्पित GPU चाहिए, जो ज़्यादातर उपयोगकर्ताओं को बाहर कर देता है। ओपन मॉडल को क्लाउड इंफ़्रास्ट्रक्चर में चलाने और आसान ब्राउज़र-आधारित एक्सेस देने वाले वेब प्लेटफ़ॉर्म ने वह हार्डवेयर की खाई पूरी तरह पाट दी है, और समुदाय द्वारा विकसित AI को बिना सेटअप की परेशानी के हर किसी के हाथ में पहुँचा दिया है।
बौद्धिक ईमानदारी का तकाज़ा है कि ओपन सोर्स AI विकास पर सबसे मज़बूत आपत्तियों से गंभीरता से जूझा जाए। इनमें असली आपत्तियाँ भी हैं, और उन्हें बिना विचार किए खारिज करने से किसी को फ़ायदा नहीं होता।
ओपन AI के आलोचक अक्सर जो चिंता उठाते हैं, वह यह है कि शक्तिशाली मॉडल बिना प्रतिबंध जारी करने से हानिकारक उपयोग संभव होते हैं। यह एक वैध चिंता है, कोई गढ़ी हुई आपत्ति नहीं। बिना सुरक्षा ट्रेनिंग वाला सक्षम लैंग्वेज मॉडल हानिकारक कंटेंट बनाने के लिए प्रॉम्प्ट किया जा सकता है। फ़ाइन-ट्यून्ड वर्ज़न से सुरक्षा उपाय जानबूझकर हटाए जा सकते हैं। एक बार मॉडल वेट्स सार्वजनिक रूप से वितरित हो जाएँ, तो इसे रोकने का कोई तकनीकी तंत्र नहीं है।
प्रति-तर्क भी वैध है और सबूतों पर आधारित है। विस्तृत सुरक्षा प्रणालियों वाले क्लोज़्ड मॉडल बार-बार जेलब्रेक किए गए हैं, अक्सर रिलीज़ के कुछ ही दिनों के भीतर। क्लोज़्ड सिस्टम का ओपन सिस्टम के मुकाबले सुरक्षा लाभ वास्तविक है, लेकिन जितना सार्वजनिक चर्चा में दिखता है, उससे कहीं संकरा है। सवाल द्विआधारी (बाइनरी) नहीं है। दोनों तरीकों को लगातार सुरक्षा रिसर्च, समुदाय के मानदंडों और नीतिगत ढाँचों की ज़रूरत है।
💡 सुरक्षा का सवाल "ओपन बनाम क्लोज़्ड" का नहीं है। यह इस बारे में है कि AI सिस्टम को उनके वितरण के तरीके से परे जवाबदेही कैसे दी जाए। क्लोज़्ड वितरण अपने आप सुरक्षित तैनाती की गारंटी नहीं देता। इस बहस के दोनों पक्षों के सामने अभी काफ़ी काम बाकी है।
फ़्रंटियर AI मॉडल को एक बार ट्रेन करने में दसियों से सैकड़ों मिलियन डॉलर लगते हैं। ओपन सोर्स की टिकाऊपन एक वास्तविक संरचनात्मक समस्या है, जिसे यह आंदोलन पूरी तरह हल नहीं कर पाया है। मौजूदा स्थिति इस पर टिकी है कि बड़ी कॉर्पोरेशन यह तय करती हैं कि ओपन रिलीज़ उनके रणनीतिक हितों की सेवा करती है, और यह बात प्रतिस्पर्धी परिदृश्य बदलने पर सच बनी रहेगी, इसकी कोई गारंटी नहीं है। Meta Llama इसलिए जारी करता है क्योंकि ऐसा करने से डेवलपर प्रतिभा आकर्षित होती है और प्रतिस्पर्धियों को कमज़ोर किया जाता है। DeepSeek एक अलग रणनीतिक गणना के तहत खुले रूप में जारी करता है। ये प्रेरणाएँ बदल सकती हैं।
इस पर नज़र रखना ज़रूरी है। इससे मौजूदा दिशा नहीं बदलती, लेकिन यह कॉर्पोरेट फ़ैसलों से आंदोलन की दीर्घकालिक स्वतंत्रता पर एक असली बाधा है। जो संस्थाएँ इसे अनुदान, कंसोर्टियम और गैर-लाभकारी ढाँचों के ज़रिए हल करने की कोशिश कर रही हैं, वे महत्वपूर्ण काम कर रही हैं।
2025 के मध्य तक का बेंचमार्क चित्र एक साफ़ कहानी कहता है। MMLU, HumanEval और गणितीय रीज़निंग बेंचमार्क पर कई ओपन मॉडल अब अपने-अपने आकार वर्ग में शीर्ष क्लोज़्ड सिस्टम के प्रदर्शन से मेल खाते हैं या उसके करीब हैं। जो अंतर कभी अपार लगता था, वह अब इतना सिमट गया है कि ओपन और क्लोज़्ड के बीच चुनाव अब तेज़ी से क्षमता का नहीं, बल्कि प्रोडक्ट का फ़ैसला बन रहा है।
| मॉडल | प्रकार | MMLU | HumanEval | नोट्स |
|---|---|---|---|---|
| Llama 4 Maverick | ओपन | ~85% | ~72% | मल्टीमॉडल, लंबा कॉन्टेक्स्ट |
| DeepSeek R1 | ओपन | ~90% | ~79% | सबसे मज़बूत ओपन रीज़नर |
| Qwen3 235B | ओपन | ~88% | ~76% | शीर्ष मल्टीलिंगुअल ओपन मॉडल |
| DeepSeek v3.1 | ओपन | ~87% | ~74% | मज़बूत सामान्य-प्रयोजन |
| शीर्ष क्लोज़्ड फ़्रंटियर | क्लोज़्ड | ~91% | ~82% | हर तिमाही बढ़त घट रही है |
ज़्यादातर वास्तविक प्रोडक्शन एप्लिकेशन के लिए, सबसे अच्छे ओपन मॉडल और सबसे अच्छे क्लोज़्ड मॉडल के प्रदर्शन में अंतर सार्थक नहीं है। फ़ैसला लागत, नियंत्रण, प्राइवेसी और इंफ़्रास्ट्रक्चर पर आ टिकता है। इन चारों पहलुओं पर, ज़्यादातर बड़े उपयोग मामलों के लिए ओपन वेट्स निर्णायक रूप से आगे हैं।
ओपन सोर्स AI को चलाने वाली संरचनात्मक शक्तियाँ उलट नहीं रहीं। प्रतिभा दुनिया भर में हज़ारों रिसर्च टीमों में बँटी है। कंप्यूट इंफ़्रास्ट्रक्चर क्लाउड प्रोवाइडर के ज़रिए क्रेडिट कार्ड वाले किसी भी व्यक्ति को उपलब्ध है। रिसर्च समुदाय ने बार-बार दिखाया है कि ओपन सहयोग ऐसी गति से विश्व-स्तरीय परिणाम देता है जिसके बराबर क्लोज़्ड डेवलपमेंट मुश्किल से पहुँच पाता है। हर नया ओपन मॉडल रिलीज़ दुनिया के हर डेवलपर के लिए उपलब्ध बुनियादी क्षमता को एक साथ ऊपर उठाता है।
सबसे अहम बात किसी एक मॉडल या मील का पत्थर बनी रिलीज़ नहीं है। यह समय के साथ रिलीज़, फ़ाइन-ट्यून, एडैप्टर, डेटासेट और समुदाय के ज्ञान का संचय है। हर नया ओपन मॉडल प्रैक्टिशनर्स को कुछ नया सिखाता है। हर फ़ाइन-ट्यून साझा, लागू होने योग्य ज्ञान में कुछ जोड़ता है। हर बेंचमार्क प्रतियोगिता दूसरी टीम को कुछ बेहतर बनाने और साझा करने के लिए प्रेरित करती है। सॉफ़्टवेयर हमेशा इसी तरह बेहतर हुआ है जब समुदाय को सोर्स तक पहुँच मिली। AI ठीक उसी रास्ते पर चल रहा है, बस तेज़ी से।
सवाल यह नहीं है कि ओपन सोर्स AI मायने रखता है या नहीं। वह पहले से मायने रखता है, स्पष्ट रूप से, हर उस बड़े क्षेत्र में जहाँ AI को गंभीरता से लागू किया जा रहा है। सवाल यह है कि आप उसके ऊपर क्या बनाते हैं।
जो ओपन इनोवेशन AI रिसर्च को नया आकार दे रहा है, वह इन मॉडलों पर बने प्लेटफ़ॉर्म के ज़रिए सीधे आपके लिए भी उपलब्ध है। Picasso IA 90 से ज़्यादा टेक्स्ट-टू-इमेज मॉडल, 60 से ज़्यादा लैंग्वेज मॉडल, जिनमें Llama 4 Maverick, DeepSeek R1 और Qwen3 235B शामिल हैं, और इमेज एडिटिंग, सुपर रेज़ोल्यूशन, बैकग्राउंड हटाने और वीडियो जनरेशन के लिए विशेष टूल एकत्र करता है। यह सब सीधे आपके ब्राउज़र में चलता है, किसी लोकल सेटअप की ज़रूरत नहीं।
देखना चाहते हैं कि Meta Llama 3 70B Instruct के साथ काम करना असल में कैसा लगता है? यह बस एक क्लिक दूर है। समुदाय-ट्रेंड मॉडलों से फ़ोटोरियलिस्टिक इमेज बनाना चाहते हैं, जो हज़ारों घंटों की ओपन रिसर्च का प्रतिनिधित्व करते हैं? संग्रह अभी तैयार है। DeepSeek v3 से दस्तावेज़ प्रोसेस करना चाहते हैं या Mistral 7B के साथ विचार-मंथन करना चाहते हैं? दोनों तुरंत उपलब्ध हैं, बिना इंस्टॉलेशन और बिना लोकल GPU की ज़रूरत के।
ओपन सोर्स AI कहीं किसी रोडमैप पर रखा कोई दूर का वादा नहीं है। यह उस प्लेटफ़ॉर्म पर चलने वाला इंफ़्रास्ट्रक्चर है जिसे आप अभी एक नए टैब में खोल सकते हैं। बस यह तय करना बाकी है कि आप उसके साथ क्या बनाना चाहते हैं।
अपनी भाषा चुनें
