स्वतंत्र आवाज़। नई नज़र। MAPMYTIMES हिन्दी
MapMyTimesहिन्दी
English ↗

मेटर: शीर्ष एआई मॉडल अब 40 घंटे के काम आधे मौक़ों पर पूरे कर रहे, क्षमता हर 3.6 महीने में दोगुनी

मेटर ने 20 नवंबर 2026 को कहा कि जीपीटी-6 एस्ट्रा और ओपस 5.5 का टाइम होराइज़न लगभग 40 घंटे है और यह हर 3.6 महीने में दोगुना हो रहा है, हालांकि विवेक वाले काम अब भी कठिन हैं।

पत्थरों पर रखी रेत घड़ी, प्रतीकात्मक (representative) तस्वीर
गलती बताएँ

उन्नत आर्टिफ़िशियल इंटेलिजेंस (एआई) प्रणालियों की स्वतंत्र क्षमता मापने वाले ग़ैर-लाभकारी शोध समूह मेटर (METR) ने शुक्रवार, 20 नवंबर 2026 को कहा कि सबसे सक्षम सार्वजनिक एआई मॉडल अब ऐसे सॉफ़्टवेयर और शोध कार्य 50% सफलता दर के साथ पूरे कर सकते हैं, जिनमें किसी कुशल व्यक्ति को लगभग 40 घंटे लगते। अपनी तिमाही क्षमता रिपोर्ट में मेटर ने अनुमान लगाया कि यह "टाइम होराइज़न" क़रीब हर 3.6 महीने में दोगुना हो रहा है। समूह का निष्कर्ष है कि मौजूदा सार्वजनिक सबूतों के आधार पर अगले कुछ वर्षों में एआई शोध की रफ़्तार में भारी तेज़ी की संभावना से इनकार नहीं किया जा सकता।

मेटर का 'टाइम होराइज़न' पैमाना क्या है?

टाइम होराइज़न उस काम की लंबाई है, जिसे कोई एआई एजेंट आधे मौक़ों पर सफलतापूर्वक पूरा कर लेता है, और यह लंबाई इस बात से मापी जाती है कि किसी कुशल इंसान को वह काम करने में कितना समय लगता है। यानी 40 घंटे के होराइज़न वाला मॉडल औसतन ऐसे लगभग आधे काम निपटा सकता है जिनमें किसी विशेषज्ञ का पूरा कामकाजी हफ़्ता लग जाता। एमआईटी टेक्नोलॉजी रिव्यू ने इस अपडेट की ख़बर में मेटर के इस चार्ट को एआई का सबसे ग़लत समझा जाने वाला ग्राफ़ बताया।

नई रिपोर्ट में क्या मिला?

ओपस 5.5 और जीपीटी-6 एस्ट्रा तक के सार्वजनिक मॉडलों के लिए मेटर के मुख्य आंकड़े इस तरह हैं:

  • जीपीटी-6 एस्ट्रा: 40 घंटे का टाइम होराइज़न, हालांकि 95% विश्वास सीमा बहुत चौड़ी है, 13 से 2,645 घंटे तक।
  • ओपस 5.5: 39 घंटे, सीमा 12 से 1,253 घंटे।
  • दोगुना होने का समय: सभी कार्य-समूहों को मिलाकर 3.61 महीने (लगभग 110 दिन), जो पिछले रुझान के 105 दिन के क़रीब है।

इंसानों के समय के वैकल्पिक अनुमानों पर ये दोनों आंकड़े घटकर लगभग 29 से 32 घंटे रह जाते हैं। मेटर के मुताबिक़ रुझान को सीधे आगे बढ़ाएं तो जुलाई 2027 तक यह उसकी 200 घंटे की सबसे लंबी माप-सीमा तक पहुंच जाएगा, हालांकि समूह ऐसे अनुमानों को सावधानी से देखता है।

रिपोर्ट में नए कार्य-समूह भी जोड़े गए हैं, जिनमें 12 परिवारों के 36 कार्य हैं। इनमें से चार परिवार विवेक पर आधारित हैं और उन्हें अपने-आप जांचना कठिन है, जैसे मेटर के लिए नए मूल्यांकन कार्य तैयार करना और दार्शनिक तर्कों को अंक देना।

एआई मॉडल अब भी कहां पिछड़ रहे हैं?

विवेक वाले कामों में नतीजे कमज़ोर रहे। एआई एजेंटों के बनाए मूल्यांकन कार्यों को मेटर ने "मुश्किल से उपयोगी" माना, और कोई भी ख़ास जानकारीपूर्ण नहीं पाया गया। दार्शनिक तर्कों को अंक देने में कई मॉडल उन विशेषज्ञों से बेहतर रहे जिन्होंने हर तर्क पर पांच मिनट लगाए, लेकिन 15 मिनट लगाने वाले विशेषज्ञों से सभी सार्वजनिक मॉडल पीछे रहे।

मेटर ने यह भी पाया कि एआई जज ज़रूरत से ज़्यादा उदार थे: ओपस 5.5 ने जीपीटी-6 एस्ट्रा के लिखे कार्यों को इंसानी परीक्षक से लगभग 0.2 अंक (1 के पैमाने पर) ज़्यादा दिए। मेटर के तकनीकी स्टाफ़ सदस्य मैट पुट्ज़ ने एमआईटी टेक्नोलॉजी रिव्यू से कहा कि जिन कामों को जांचना कठिन हो या जिनमें विवेक की ज़रूरत हो, उनका अध्ययन और ख़ासकर उन्हें संख्याओं में मापना कहीं ज़्यादा मुश्किल है।

विशेष चुनौतियों में सबसे मज़बूत मॉडल गणितीय ऑप्टिमाइज़ेशन प्रतियोगिताओं के मानव प्रतिभागियों में 96वें से 98वें पर्सेंटाइल तक पहुंचे। एक छोटे भाषा मॉडल का प्रशिक्षण तेज़ करने की 48 घंटे की कोशिश में सबसे अच्छे एजेंट ने 15.7% तेज़ी हासिल की, जबकि इंसानों का सर्वश्रेष्ठ रिकॉर्ड, एआई की मदद से लगभग 60 घंटे में, 41% है।

ये आंकड़े कितने भरोसेमंद हैं?

मेटर ने अनिश्चितता को खुलकर माना है। इंसानों के लगभग 91% समय-आंकड़े वास्तविक माप नहीं, बल्कि शोधकर्ताओं के अनुमान हैं, और समूह ने इनमें से कुछ को "काफ़ी अटकल वाला" कहा है। शीर्ष मॉडलों की विश्वास सीमा आधे दिन से लेकर कई महीनों के इंसानी काम तक फैली है। परीक्षण में शामिल लोग बड़ी एआई प्रयोगशालाओं के शोधकर्ताओं से कम कुशल हो सकते हैं, और मेटर ने कहा कि उसे यह भी पक्का नहीं पता कि एआई शोध को भारी रफ़्तार देने के लिए असल में कौन-सी क्षमताएं चाहिए।

यह क्यों अहम है?

क्या एआई प्रणालियां जल्द ही एआई शोध के कुछ हिस्से ख़ुद करने लगेंगी, यह सवाल सुरक्षा, नियमन और इस क्षेत्र में हो रहे भारी निवेश से जुड़ी बहस के केंद्र में है। इस हफ़्ते इन निवेशों पर दबाव भी दिखा, जैसे 20 नवंबर को एशियाई टेक शेयरों में आई गिरावट। मेटर की रिपोर्ट बताती है कि साफ़ तौर पर परिभाषित कामों में क्षमता अब भी तेज़ी से बढ़ रही है, जबकि विवेक वाले काम मॉडलों के लिए भी और उन्हें मापने वालों के लिए भी कठिन बने हुए हैं।

फोटो स्रोत

मेटर: शीर्ष एआई मॉडल अब 40 घंटे के काम संभाल रहे | MapMyTimes