OpenAI इस साल 1–2 नए मॉडल उतार सकता है; फ्लैगशिप मॉडल में सुरक्षा और निगरानी क्षमता पर जोर

कंपनी के कर्मचारियों के हवाले से बताया गया है कि OpenAI इस साल 1–2 नए मॉडल लॉन्च कर सकता है। हालांकि, यह तय नहीं है कि विकासाधीन फ्लैगशिप मॉडल उनमें शामिल होगा या नहीं। बताया जाता है कि फ्लैगशिप मॉडल को शोधकर्ताओं और ग्राहकों की अपेक्षाओं के अनुरूप व्यवहार करने के लिए समायोजित करने का काम और परीक्षण ढांचे को मजबूत करने की प्रक्रिया पूरी करनी होगी। यह खबर 14 अक्टूबर 2026 को प्रकाशित हुई थी।

इस साल आने वाले मॉडल और फ्लैगशिप मॉडल के बीच का फासला

इस खबर में ध्यान देने वाली बात यह है कि “नया मॉडल जारी होना” और “फ्लैगशिप मॉडल जारी होना” दो अलग बातें हैं। कर्मचारियों का अनुमान है कि साल के अंत तक 1–2 मॉडल आ सकते हैं। लेकिन यह अभी अनिश्चित है कि विकासाधीन बड़ा अपग्रेड संस्करण उनमें शामिल होगा या नहीं।

फ्लैगशिप मॉडल के सामने मुख्य रूप से दो अधूरे काम हैं। पहला है अलाइनमेंट—यानी AI की दिशा को डेवलपरों और उपयोग करने वाली कंपनियों की अपेक्षाओं के अनुरूप करना। दूसरा है मॉडल की जांच के लिए परीक्षण परिवेश को मजबूत करना। इनमें से कोई भी काम प्रदर्शन की दौड़ के स्कोर में दिखाई नहीं देता, लेकिन लॉन्च की मंजूरी इन्हीं चरणों पर निर्भर करती है।

इसके अलावा, कंपनी के सुरक्षा मूल्यांकन से प्रबंधन के संतुष्ट हो जाने के बाद भी एक और बाधा है। बताया जाता है कि राष्ट्रपति ट्रंप के कार्यकारी आदेश के तहत उन्नत AI के मूल्यांकन की व्यवस्था के अंतर्गत OpenAI ने नए मॉडल को बाहरी साझेदारों को देने से अधिकतम 30 दिन पहले अमेरिकी सरकार को उस तक पहुंच देने पर सहमति जताई है। आम लोगों के लिए जारी करने में इससे भी अधिक समय लग सकता है। अब “पूरा होते ही तुरंत लॉन्च” करना संभव नहीं रहा।

एक ही प्रक्रिया दोहराकर जवाब को बेहतर बनाने का तरीका

फ्लैगशिप मॉडल की कुंजी “लूप ट्रांसफॉर्मर” है। आम मॉडल शब्दों की सबसे छोटी इकाई—टोकन—को गणना की एक के बाद एक जुड़ी परतों से सिर्फ एक बार गुजारकर अगला शब्द बनाते हैं। लूप मॉडल में अगला शब्द बनाने से पहले उसी परत से कई बार गुजारा जाता है। बताया जाता है कि OpenAI पहले से ही “Recurrent Depth” नाम से इस तकनीक का इस्तेमाल कर रहा है और इसे अपने मौजूदा शीर्ष मॉडल Astra के मूल में भी रखा है।

इसका लक्ष्य गणित और कोडिंग में प्रदर्शन सुधारना तथा लागत घटाना है। बार-बार सोचकर छोटा मॉडल भी अपनी क्षमता से बेहतर प्रदर्शन कर सकता है। इसे एक ही संदर्भ पुस्तक को कई बार पढ़कर समझ गहरा करने जैसा समझा जा सकता है।

प्रदर्शन बढ़ने के साथ मॉडल के भीतर झांकना मुश्किल होता जाता है

हालांकि, इस तरीके की एक कीमत भी है। मॉडल की “सोच” का एक हिस्सा इंसानों के पढ़ने योग्य भाषा के बजाय आंतरिक संख्यात्मक निरूपण में आगे बढ़ने लगता है। सुरक्षा शोधकर्ता अब तक मॉडल के जवाब तक पहुंचने की प्रक्रिया में उसके तर्क को शब्दों में देखते रहे हैं और संदिग्ध व्यवहार की पहचान करते रहे हैं। इसे “चेन ऑफ थॉट” की निगरानी कहा जाता है। लूप जितने बढ़ते हैं, निगरानी की नजर उतनी ही कम पहुंच पाती है।

बताया जाता है कि OpenAI ने Astra में लूप की संख्या पर सीमा लगाई, ताकि उसके तर्क को पढ़ा जा सके। इस तरह प्रदर्शन सुधारने की गुंजाइश जानबूझकर बाकी रखते हुए मॉडल जारी किया गया। कहा जाता है कि फ्लैगशिप मॉडल में भी इसी तकनीक का इस्तेमाल होगा; अब यह तय करना अहम होगा कि सीमा कहां खींची जाए।

Microsoft के दस्तावेज़ हटाने से गोपनीयता का संकेत

इस तकनीक की वास्तविकता सामने आने की वजह Microsoft का एक तकनीकी दस्तावेज़ बना। OpenAI की बौद्धिक संपदा तक पहुंच रखने वाली इस कंपनी ने इस महीने OpenAI के लॉन्च किए Astra के कम कीमत वाले संस्करण “GPT-6.1 Sol” की जानकारी प्रकाशित की। उसमें “लूप रीजनिंग” का जिक्र था और बताया गया था कि जवाब देने से पहले एक ही समस्या को कई “पास” में हल किया जाता है।

विवरण के अनुसार, GPT-6.1 Sol में GPT-6 Sol के समान मूल मॉडल वेट्स का इस्तेमाल किया गया था, लेकिन रीजनिंग पास की संख्या 3 से घटाकर 2 कर दी गई थी। बाद में यह अंश हटा दिया गया। मामले से परिचित एक व्यक्ति ने पुष्टि की कि यह विवरण OpenAI की ओर से गोपनीय रूप से साझा की गई जानकारी से मेल खाता है। इससे संकेत मिलता है कि लूप तकनीक प्रशिक्षण और अनुमान—दोनों चरणों में OpenAI के लिए संवेदनशील क्षेत्र है।

पास की संख्या के आधार पर अलग-अलग कीमत और प्रदर्शन वाले उत्पाद बनाने का विचार एक ही आधार से कई उत्पाद पेश करने के लिहाज से उचित है। दूसरी ओर, पास जितने बढ़ते हैं, मॉडल के भीतर झांकना उतना ही कठिन होता जाता है। यानी उत्पाद और सुरक्षा की रूपरेखा एक ही डायल से जुड़ी है।

कंप्यूटिंग संसाधनों का 10 प्रतिशत

सुरक्षा में निवेश की रकम भी सामने आई है। Hugging Face से जुड़े एक मामले के बाद, बताया जाता है कि OpenAI ने अपने कुल कंप्यूटिंग संसाधनों का लगभग 10 प्रतिशत अलाइनमेंट और सुरक्षा के लिए आवंटित किया। डेटा सेंटर की बिजली क्षमता के लिहाज से यह कई सौ मेगावाट के बराबर है; बाजार दरों पर इसे किराए पर लेने की लागत सालाना कई अरब डॉलर होगी।

शोधकर्ता नोम ब्राउन ने भी सितंबर के मध्य में एक पॉडकास्ट में कहा कि उनकी टीम के लगभग 10 प्रतिशत सदस्य सुरक्षा और संरक्षा पर काम करते हैं। संगठन के आकार के लिहाज से 10 प्रतिशत का आंकड़ा एक मानक बनता जा रहा है।

क्या पढ़े जा सकने वाले तर्क को बचाया जा सकता है?

मुख्य वैज्ञानिक याकूब पाचोच्स्की ने माना है कि चेन ऑफ थॉट की निगरानी “कमजोर” होती जा रही है और “दुर्भाग्य से हालात गलत दिशा में बढ़ रहे हैं।” उन्होंने उस प्रतिस्पर्धा को लेकर भी चेतावनी दी है जिसमें पूरा उद्योग ऐसे मॉडलों की ओर बढ़ रहा है जिनके तर्क पढ़े नहीं जा सकते।

प्रदर्शन में बढ़ोतरी और लागत में कमी कारोबार के लिहाज़ से आकर्षक हैं। यही आकर्षण इतना बड़ा है कि सवाल यह है कि निगरानी की क्षमता छोड़े बिना प्रदर्शन को कितनी दूर तक बढ़ाया जा सकता है। इस साल जारी होने वाले 1–2 मॉडल इस सवाल के जवाब की प्रगति दिखाने वाले होंगे। मुझे इस बात से ज़्यादा दिलचस्पी है कि फ्लैगशिप मॉडल कब आएगा, बजाय इसके कि वह किस स्थिति में आएगा।