মাসে ১৮৭ ডলার বাঁচান! চীনা AI মডেলে ফ্রিল্যান্সিং খরচ কমবে
একজন ফ্রিল্যান্স ডেভেলপার DeepSeek, Qwen, Kimi ও GLM মডেল পরীক্ষা করে দেখেছেন। OpenAI-এর মাসিক $187 বিল বাঁচাতে তিনি এই চীনা LLM-গুলোকে কাজে লাগানোর সম্ভাবনা যাচাই করেছেন।
একজন ফ্রিল্যান্স ডেভেলপার DeepSeek, Qwen, Kimi ও GLM মডেল পরীক্ষা করে দেখেছেন। OpenAI-এর মাসিক $187 বিল বাঁচাতে তিনি এই চীনা LLM-গুলোকে কাজে লাগানোর সম্ভাবনা যাচাই করেছেন।
একজন ফ্রিল্যান্স ডেভেলপার তার ক্লায়েন্ট প্রকল্পে OpenAI-এর পরিবর্তে চীনের চারটি বৃহৎ ভাষা মডেল (LLM) ব্যবহার করে দেখেছেন। তিনি DeepSeek, Qwen, Kimi এবং GLM এই চারটি মডেলকে বাস্তব API প্রম্পটের মাধ্যমে পরীক্ষা করেছেন। তার লক্ষ্য ছিল মাসিক $187 খরচ কমানো, যা তার $2,400 বিলের একটি বড় অংশ গ্রাস করছিল।
ফ্রিল্যান্সারটি একটি ই-কমার্স ক্লায়েন্টের জন্য চ্যাটবট এমভিপি তৈরি করেছিলেন। প্রকল্প শেষে তিনি বুঝতে পারেন যে মডেল নির্বাচনই তার মুনাফা কমিয়ে দিচ্ছে। OpenAI-এর খরচ বাদ দিলে তার লাভের পরিমাণ অনেকটাই কমে যায়। এই কারণে তিনি সস্তা বিকল্প খোঁজা শুরু করেন এবং চীনা মডেল পরিবারগুলোর দিকে নজর দেন।
তিনি শুধু মার্কেটিং পেজ পড়েই সন্তুষ্ট হননি। বরং তিনি বাস্তব API ব্যবহার করে প্রতিটি মডেলের কার্যক্ষমতা যাচাই করেছেন। প্রতিটি মডেলকে একই ধরনের প্রম্পট দেওয়া হয় এবং তাদের প্রতিক্রিয়ার গুণগত মান ও নির্ভুলতা পরীক্ষা করা হয়। এই পরীক্ষায় DeepSeek সবচেয়ে ভালো পারফর্ম করেছে বলে জানিয়েছেন তিনি।
বাংলাদেশের ফ্রিল্যান্স ডেভেলপারদের জন্য এই খবর অত্যন্ত গুরুত্বপূর্ণ। দেশের অনেক ডেভেলপার আন্তর্জাতিক ক্লায়েন্টদের জন্য কাজ করেন এবং তাদের মুনাফা প্রায়ই API খরচে চলে যায়। চীনা LLM-গুলো ব্যবহার করে তারা খরচ কমাতে পারেন এবং লাভের পরিমাণ বাড়াতে পারেন। তবে মডেল নির্বাচনের আগে নিজেদের প্রয়োজন অনুযায়ী পরীক্ষা করা জরুরি।
ভবিষ্যতে চীনা LLM-গুলোর মান আরও উন্নত হবে বলে আশা করা যায়। OpenAI-এর তুলনায় এগুলো অনেক সস্তা হলেও কিছু ক্ষেত্রে গুণগত মানের পার্থক্য থাকতে পারে। তাই ডেভেলপারদের উচিত ছোট প্রকল্পে এগুলো ব্যবহার করে দেখে নেওয়া। বড় প্রকল্পে সরাসরি ব্যবহার করার আগে ভালোভাবে যাচাই করে নেওয়া উচিত।
আরও পড়ুন
এই সংবাদটি আন্তর্জাতিক সূত্রের তথ্য অবলম্বনে AI-সহায়তায় বাংলায় উপস্থাপন ও বাংলাদেশের প্রেক্ষাপটে সম্পাদিত। মূল তথ্যের জন্য নিচের সূত্র দেখুন।
মূল প্রতিবেদন: dev.to ML
সোর্স দেখুন ↗মন্তব্য০
লোড হচ্ছে...