ফেসবুকের লামা

এখনকার দিনে যেমন প্রতিটি বড় প্রযুক্তি কোম্পানির নিজস্ব জেনারেটিভ এআই মডেল রয়েছে, মেটারও রয়েছে তাদের ফ্ল্যাগশিপ মডেল Llama। অন্যান্য প্রধান মডেলের তুলনায় Llama কিছুটা ভিন্ন, কারণ এটি “ওপেন” — অর্থাৎ ডেভেলপাররা এটি ডাউনলোড করে নিজেদের মতো ব্যবহার করতে পারেন (নির্দিষ্ট কিছু সীমাবদ্ধতার মধ্যে)। এটি Anthropic-এর Claude, গুগলের Gemini, xAI-এর Grok, এবং OpenAI-এর বেশিরভাগ ChatGPT মডেলের বিপরীত, যেগুলো কেবলমাত্র API-এর মাধ্যমে ব্যবহার করা যায়।

ডেভেলপারদের বিকল্প দেওয়ার উদ্দেশ্যে, মেটা আবারও AWS, Google Cloud এবং Microsoft Azure-এর মতো বিক্রেতাদের সঙ্গে অংশীদারিত্ব করেছে, যাতে ক্লাউড-হোস্টেড সংস্করণেও Llama পাওয়া যায়। এছাড়া কোম্পানি Llama cookbook-এ টুলস, লাইব্রেরি এবং রেসিপি প্রকাশ করে, যা ডেভেলপারদের মডেলকে ফাইন-টিউন, মূল্যায়ন এবং নিজেদের ডোমেইনে অভিযোজিত করতে সাহায্য করে। নতুন প্রজন্মের Llama 3 এবং Llama 4-এ এই সক্ষমতাগুলো আরও বিস্তৃত হয়েছে, যেখানে রয়েছে নেটিভ মাল্টিমোডাল সাপোর্ট এবং আরও বৃহৎ ক্লাউড রোলআউট।

Llama কী?

Llama আসলে একটি পরিবারের নাম—একটি মডেল নয়। সর্বশেষ সংস্করণ হলো Llama 4, যা এপ্রিল ২০২৫-এ প্রকাশিত হয়েছে এবং এতে রয়েছে তিনটি মডেল:

• Scout: ১৭ বিলিয়ন সক্রিয় প্যারামিটার, মোট ১০৯ বিলিয়ন প্যারামিটার, কনটেক্সট উইন্ডো ১ কোটি টোকেন।
• Maverick: ১৭ বিলিয়ন সক্রিয় প্যারামিটার, মোট ৪০০ বিলিয়ন প্যারামিটার, কনটেক্সট উইন্ডো ১০ লাখ টোকেন।
• Behemoth: এখনও প্রকাশিত হয়নি; এতে থাকবে ২৮৮ বিলিয়ন সক্রিয় প্যারামিটার এবং মোট ২ ট্রিলিয়ন প্যারামিটার।

(ডেটা সায়েন্সে টোকেন মানে কাঁচা ডেটার ছোট ছোট অংশ, যেমন “fantastic” শব্দে “fan,” “tas,” এবং “tic।”)

একটি মডেলের কনটেক্সট উইন্ডো বলতে বোঝায় আউটপুট দেওয়ার আগে মডেল কতখানি ইনপুট ডেটা বিবেচনায় নেবে। কনটেক্সট যত বড় হয়, মডেল সাম্প্রতিক তথ্য ভুলে যাওয়ার সম্ভাবনা তত কম থাকে; তবে কখনও কখনও নিরাপত্তা বিধি পাশ কাটিয়ে বিভ্রান্তিকর আউটপুটও দিতে পারে। উদাহরণস্বরূপ, Scout-এর ১ কোটি টোকেন কনটেক্সট প্রায় ৮০টি সাধারণ আকারের উপন্যাসের সমান, আর Maverick-এর ১০ লাখ টোকেন প্রায় ৮টি উপন্যাসের সমান।

Llama কী করতে পারে?

অন্যান্য জেনারেটিভ এআই মডেলের মতোই, Llama কোড লেখা, সহজ গণিত সমাধান, নথি সারসংক্ষেপ করা (কমপক্ষে ১২টি ভাষায়), এবং টেক্সট, ছবি ও ভিডিও ইনপুট নিয়ে কাজ করতে পারে।

• Scout: দীর্ঘ ও জটিল ওয়ার্কফ্লো ও বিপুল ডেটা বিশ্লেষণের জন্য উপযোগী।
• Maverick: সাধারণত বহুমুখী ব্যবহারের জন্য; কোডিং, চ্যাটবট, টেকনিক্যাল অ্যাসিস্ট্যান্টের ক্ষেত্রে কার্যকর।
• Behemoth: গবেষণা, মডেল ডিস্টিলেশন এবং উন্নত STEM কাজের জন্য নকশা করা হয়েছে।

এছাড়া, এগুলো কনফিগার করে তৃতীয় পক্ষের টুল যেমন Brave Search, Wolfram Alpha API, এবং Python interpreter ব্যবহার করানো যায়।

কোথায় ব্যবহার করা যায়?

যদি শুধু আলাপ করতে চান, Llama চালিত চ্যাটবট অভিজ্ঞতা পাওয়া যাবে Messenger, WhatsApp, Instagram, Oculus এবং Meta.ai-তে ৪০টি দেশে।
ডেভেলপারদের জন্য Llama.com ও Hugging Face-এর মতো প্ল্যাটফর্মে Scout এবং Maverick পাওয়া যায়, আর Behemoth এখনো ট্রেনিংয়ে আছে।

নিরাপত্তা টুলস

মেটা Llama-এর সঙ্গে কিছু সুরক্ষা টুলও দেয়:

• Llama Guard (কনটেন্ট মডারেশন)
• Prompt Guard (প্রম্পট ইনজেকশন প্রতিরোধ)
• CyberSecEval (সাইবার নিরাপত্তা মূল্যায়ন)
• Llama Firewall (সিকিউরিটি গার্ডরেল)
• Code Shield (অসুরক্ষিত কোড ফিল্টারিং)

এগুলো মিলিয়ে মডেলের ঝুঁকি কমানো ও নিরাপদ ব্যবহারে সহায়তা করে।

সীমাবদ্ধতা

সব জেনারেটিভ এআই-এর মতোই, Llama-রও সীমাবদ্ধতা আছে। এর মাল্টিমোডাল ফিচার মূলত ইংরেজি ভাষায় সীমাবদ্ধ। মডেল ট্রেনিংয়ে পাইরেটেড ই-বুক ও আর্টিকেল ব্যবহারের অভিযোগও রয়েছে, যা আদালতে “fair use” হিসেবে বিবেচিত হয়েছে। তবে এটি কপিরাইট লঙ্ঘনের ঝুঁকি তৈরি করতে পারে।

এছাড়া, কোড জেনারেশনে অনেক সময় বাগ বা অনিরাপদ কোড তৈরি হয়, যেখানে OpenAI-এর GPT-5 বা xAI-এর Grok অনেক এগিয়ে।
অবশেষে, অন্যান্য এআই-এর মতোই, Llama অনেক সময় বিশ্বাসযোগ্য শোনালেও ভুল বা বিভ্রান্তিকর তথ্য তৈরি করে, বিশেষত আইন, কোডিং, বা আবেগময় কথোপকথনের ক্ষেত্রে।