Open-Source AI

Today's Stories

1. 1

   Moonshot AI, Kimi K3-এর ওজন প্রকাশ করল, সীমান্ত মডেলগুলির সাথে বেঞ্চমার্কে সমতুল্য

   কী ঘটল: চীনা কৃত্রিম বুদ্ধিমত্তা কোম্পানি Moonshot AI হাগিং ফেসে Kimi K3-র মডেল ওজন এবং প্রযুক্তিগত প্রতিবেদন প্রকাশ করেছে, সেইসাথে উচ্চ-কর্মক্ষমতা মনোযোগ কার্নেল, একটি MoE যোগাযোগ লাইব্রেরি এবং বড় আকারে কৃত্রিম বুদ্ধিমত্তা এজেন্ট চালানোর সরঞ্জাম সহ খোলা উৎসের অবকাঠামো অন্তর্ভুক্ত করেছে। কোম্পানি দাবি করে যে নতুন স্থাপত্য প্রতি ইউনিট গণনায় দুই দশমিক পাঁচ গুণ বেশি বুদ্ধিমত্তা প্রদান করে। এটি কেন গুরুত্বপূর্ণ: ২০২৬ সালের মধ্য-জুলাইতে ঘোষণা করার পর থেকে, Kimi K3 Fable 5 এবং GPT-5.6 Sol-এর মতো পশ্চিমী সীমান্ত মডেলগুলির কাছাকাছি জনপ্রিয় বেঞ্চমার্কে স্কোর করেছে কিছুটা কম খরচে, এবং এখন ডেভেলপারদের জন্য খোলা ওজন উপলব্ধ রয়েছে। তবে যুক্তরাজ্যের Cyber Institute দ্বারা একটি স্বাধীন পরীক্ষায় দেখা গেছে যে মডেলটির সাইবার ক্ষমতা এবং গণিতের দক্ষতা সীমান্ত মডেলগুলির থেকে অনেক পিছিয়ে আছে, যা পরামর্শ দেয় যে মডেলটি ডিস্টিলেশনের উপর নির্ভর করতে পারে (এমন একটি কৌশল যেখানে একটি ছোট মডেল আরও সক্ষম মডেলের আউটপুট থেকে শিখে)।

   দেখার মতো বিষয়: যুক্তরাষ্ট্রের খোলা-ওজন অ্যাডভোকেটরা ক্রমবর্ধমান ডিস্টিলেশনকে একটি বৈধ কৌশল হিসাবে দেখছেন, যা এই ধরনের Kimi K3-র মতো মডেলগুলি যা এই পদ্ধতি ব্যবহার করে তাদের কীভাবে মূল্যায়ন করে তা খোলা-উৎস কৃত্রিম বুদ্ধিমত্তা সম্প্রদায়কে পরিবর্তন করতে পারে।

2. 2

   UBEL: বিনামূল্যে SCA টুল ইনস্টলেশন সময়ে সাপ্লাই চেইন আক্রমণ প্রতিরোধ করে

   কী ঘটেছে: Arcane Spark UBEL রিলিজ করেছে, যা একটি বিনামূল্যে সফটওয়্যার কম্পোজিশন অ্যানালাইসিস (SCA) টুল এবং ফায়ারওয়াল যা Python, Node.js, PHP, Rust, Go, C#/.NET, Java এবং Ruby ইকোসিস্টেম জুড়ে ডিপেন্ডেন্সি স্ক্যান করে, সাথে Linux এবং Windows সিস্টেম প্যাকেজও। শুধুমাত্র রিপোর্ট করে এমন স্ক্যানারদের বিপরীতে, UBEL কনফিগারযোগ্য সিকিউরিটি নীতি প্রয়োগ করে এবং স্ক্যান ব্যর্থ হলে ইনস্টলেশন ব্লক করে। এর গুরুত্ব: সাপ্লাই চেইন আক্রমণ প্রায়শই উন্নয়নকে অতিক্রম করে কারণ স্ক্যানাররা শুধুমাত্র তথ্য সনাক্ত করার পরে রিপোর্ট করে। UBEL ডিপেন্ডেন্সি ইনস্টল করার আগে সেগুলি আটকে দেয়—OSV.dev এবং NVD API এর মাধ্যমে প্রতিটি প্যাকেজ রেজোলভ করে, দুর্বলতা এবং দূষিত প্যাকেজ (MAL-* উপদেশ, সর্বদা ব্লক করা হয়) পরীক্ষা করে, এবং নীতি লঙ্ঘিত হলে লকফাইল পরমাণুভাবে পুনরুদ্ধার করে। এটি কোনো টেলিমেট্রি ছাড়াই স্থানীয়ভাবে চলে, শুধুমাত্র প্যাকেজ নাম এবং সংস্করণ পাবলিক দুর্বলতা ডাটাবেসে পাঠায়।

   পর্যবেক্ষণযোগ্য: UBEL Python CLI (ubel-pip, ubel), Node.js CLI (ubel-npm, ubel-pnpm, ubel-bun, ubel-agent, ubel-platform) এবং VS Code এক্সটেনশন হিসাবে উপলব্ধ; এটি JSON, HTML, CycloneDX v1.6 SBOM এবং SARIF v2.1.0 ফর্ম্যাটে সময়চিহ্নিত রিপোর্ট তৈরি করে। নীতি 'উচ্চ' গুরুত্ব বা তার উপরে এবং অজানা গুরুত্বের প্যাকেজ ব্লক করার জন্য ডিফল্ট করে; দূষিত প্যাকেজ সর্বদা নীতি নির্বিশেষে ব্লক করা হয়।

3. 3

   প্রযুক্তি নেতারা খোলা কৃত্রিম বুদ্ধিমত্তাকে সমর্থন করছেন, তবে আরও গভীর স্বচ্ছতা প্রয়োজন—ডেটা অ্যাক্সেস চাবিকাঠি

   কী ঘটেছে: Jensen Huang এবং প্রযুক্তি শিল্পজুড়ে সিইওরা (Anthropic ব্যতীত সব ফার্ম) শুক্রবার খোলা উৎস কৃত্রিম বুদ্ধিমত্তায় মার্কিন বিনিয়োগ সমর্থনকারী একটি চিঠিতে স্বাক্ষর করেছেন, ট্রাম্প প্রশাসনের খোলা উৎস সফটওয়্যারকে সুরক্ষাবাদী পদক্ষেপ হিসেবে সীমাবদ্ধ করার সংকেতের প্রতিক্রিয়া জানিয়েছেন। কেন এটি গুরুত্বপূর্ণ: খোলা উৎস এআই মডেল চীনের সাথে অর্থনৈতিক প্রতিযোগিতায় খেলার মাঠ সমান করতে পারে এবং ভাগ করা গবেষণা ও মানদণ্ডের মাধ্যমে উদ্ভাবন ত্বরান্বিত করতে পারে—কিন্তু চিঠিটি সবচেয়ে কঠিন অংশকে সম্বোধন করে না: খোলা মডেলগুলিকে একই প্রশিক্ষণ ডেটা (বই, গবেষণাপত্র, কোড, ভিডিও) এর ন্যায্য ব্যবহার অ্যাক্সেস দেওয়া যা মালিকানাধীন মডেলগুলি ব্যবহার করে, যার জন্য কপিরাইট এবং বৌদ্ধিক সম্পত্তি আইনের পুনর্বিবেচনা প্রয়োজন।

   কী দেখতে হবে: লেখক যুক্তি দেন যে সত্যিকারের প্রতিযোগিতামূলক খোলা উৎস মডেলের জন্য তিনটি জিনিস প্রয়োজন—মানুষ, কম্পিউট এবং ডেটা—এবং DeepSeek এবং Moonshot-এর মতো চীনা কোম্পানিগুলি দেখিয়েছে যে মডেলগুলি সাশ্রয়ীভাবে প্রশিক্ষণ দেওয়া যায় (কথিত আছে দশ মিলিয়ন ডলারের নিচে), যা পরামর্শ দেয় যে প্রযুক্তি ফার্মগুলির মধ্যে কম্পিউট চুক্তি সম্ভব যদি ডেটা অ্যাক্সেস সমাধান করা হয়।

4. 4

   PyTorchで英語-タミル語翻訳用Transformerを完全構築・訓練

   エンジニアが「Attention Is All You Need」論文に基づき、PyTorchの基本要素のみを使用してTransformer全体をゼロから構築し、英語-タミル語並列翻訳データセット（Hugging Faceの`gopi30/english-tamil`）で訓練しました。訓練はKaggleの2個のNVIDIA T4 GPU上で実施されました。 このプロジェクトは、機械学習の実装と数学的基礎を学ぶ際の詳細な参考資料を提供します。著者が数式、テンソル形状変換、PyTorchのブロック構造の段階的説明を含む数学的内訳を記載しており、Transformer構造の仕組みを理解したい学習者や実践者にとって実践的なリソースになります。

   詳細な記事とコード実装はGitHubリポジトリと著者のブログで公開されており、フィードバックや質問を募集しています。

5. 5

   AI মডেল নিয়ন্ত্রক ম্যালওয়্যার ENCFORGE আবিষ্কৃত, তবে মুক্তিপণ সংগ্রহ করতে পারে না

   কী ঘটেছে: Langflow সার্ভারে একই আক্রমণকারী দুবার প্রবেশ করেছে — জুলাই ১ এবং জুলাই ২০-তে। দ্বিতীয় আক্রমণে ENCFORGE নামের একটি র্যানসমওয়্যার স্থাপন করা হয়েছিল, যা PyTorch এবং TensorFlow চেকপয়েন্ট, Hugging Face SafeTensors ওজন এবং GGUF ফরম্যাট সহ প্রায় ১৮০ ফাইল এক্সটেনশন লক্ষ্য করে। কেন এটি গুরুত্বপূর্ণ: এটি প্রথমবারের মতো যে একটি রান্সমওয়্যার স্পষ্টভাবে AI মডেল সম্পদ ধ্বংসের জন্য ডিজাইন করা হয়েছে — প্রশিক্ষিত ওজন এবং ডেটা সেটগুলি উদ্দেশ্যমূলকভাবে লক্ষ্য করে। যাইহোক, সরঞ্জামটি মুক্তিপণ সংগ্রহের জন্য কোনও উপায় অন্তর্ভুক্ত করে না, যা এটিকে কার্যকরভাবে অকার্যকর করে তোলে।

   নজরে রাখার বিষয়: উভয় আক্রমণ CVE-2025-3248, Langflow এর কোড-বৈধতা এন্ডপয়েন্টে একটি প্রমাণীকরণ ত্রুটির মাধ্যমে প্রবেশ করেছে যা Python সম্পাদন সক্ষম করে। Sysdig এর Threat Research Team এই প্রচারাভিযানগুলি নথিভুক্ত করেছে।