আমাদের সর্বশেষ মডেলের অগ্রগতি COBOL, Fortran এবং Visual Basic-এর মতো স্বল্প-সম্পদের প্রোগ্রামিং ভাষায় সফটওয়্যার তৈরি ও স্থানান্তরের সক্ষমতা আরও শক্তিশালী করেছে। Python ও JavaScript-এর মতো ভাষার তুলনায় এইসব ভাষায় মডেলের শেখার জন্য কম কোড ও ডকুমেন্টেশন রয়েছে, তবুও এগুলো বিশ্বজুড়ে গুরুত্বপূর্ণ অবকাঠামোকে সমর্থন করে। COBOL ৪০%-এর বেশি অনলাইন ব্যাংকিং সিস্টেম, ৮০% ইন-পার্সন ক্রেডিট কার্ড লেনদেন এবং ৯৫% ATM লেনদেনকে সমর্থন করে, আর Fortran ব্যবহৃত হয় আবহাওয়ার পূর্বাভাস ও পারমাণবিক চুল্লির নিরাপত্তা বিশ্লেষণে। এই ভাষাগুলোতে AI-এর কাজ করার সক্ষমতা উন্নত হলে দলগুলো অপরিহার্য সেবাগুলো যে সফটওয়্যারের উপর নির্ভর করে তা রক্ষণাবেক্ষণ ও আধুনিকীকরণ করতে পারবে।
এই সফটওয়্যার রক্ষণাবেক্ষণ করা কঠিন। ডকুমেন্টেশন অসম্পূর্ণ থাকতে পারে, মূল ডেভেলপাররা কোম্পানি ছেড়ে চলে যেতে পারেন, এবং গুরুত্বপূর্ণ ব্যবসায়িক নিয়মগুলো শুধু কোডের মধ্যেই থাকতে পারে। বাগ ঠিক করা বা অন্য ভাষায় স্থানান্তর করা দলগুলোকে সেই আচরণ অক্ষুণ্ণ রাখতে হয় যার উপর তাদের সিস্টেম নির্ভর করে। অগ্রগতি পরিমাপের জন্য ডেভেলপাররা দুটি মূল্যায়ন তৈরি করেছেন। Multi Lang Bench যাচাই করে একটি মডেল ২০টি প্রোগ্রামিং ভাষায় শূন্য থেকে SQLite-সামঞ্জস্যপূর্ণ ডাটাবেজ ইঞ্জিন তৈরি করতে পারে কি না। COBOL স্থানান্তর মূল্যায়ন যাচাই করে একটি মডেল বিদ্যমান প্রোগ্রামগুলোকে তাদের আচরণ অক্ষুণ্ণ রেখে অন্য ভাষায় স্থানান্তর করতে পারে কি না।
সর্বশেষ মডেলগুলোতে উল্লেখযোগ্য উন্নতি দেখা যাচ্ছে। Multi Lang Bench-এ GPT-6 Astra-এর গড় টেস্ট পাস হার ৮৭.৪%, যেখানে GPT-5.6 Sol-এর হার ছিল ২৬.৮%, এবং পরীক্ষিত প্রতিটি ভাষায় উন্নতি হয়েছে। GPT-6 Luna-ও GPT-5.6 Sol-কে ছাড়িয়ে যায়, ৪০.৩%-এ পৌঁছায় এবং আনুমানিক API খরচ প্রায় ৭৮% কম। COBOL স্থানান্তর মূল্যায়নে GPT-6.1 Sol কম রিজনিং এফোর্টে ৮৬.৬% নির্ভুলতায় পৌঁছায়, যেখানে GPT-5.6 Sol-এর মাত্র ৫.৪%, এবং এর খরচ ৩৯% কম। বেশি রিজনিং এফোর্টে নির্ভুলতা ৯৭.৯%-এ পৌঁছায়।
একত্রে ফলাফলগুলো দেখায় যে মডেলগুলো বিস্তৃত প্রোগ্রামিং ভাষা জুড়ে কাজ করতে উল্লেখযোগ্যভাবে আরও ভালো হয়ে উঠছে, একই সঙ্গে খরচের দিক থেকেও আরও কার্যকর হচ্ছে।
উৎস: Hacker News · সারাংশ: HeadlinesBriefing