১২ ফেব্রুয়ারি ২০২৬ · ২৪ ঘণ্টার AI আপডেট: ByteDance-এর Seedance 2.0 বিশ্বজুড়ে আলোচনায়, ১৪ ফেব্রু. Doubao 2.0; Zhipu-এর GLM-5 (744B MoE) MIT লাইসেন্সে পুরোপুরি ওপেন
গত ২৪ ঘণ্টায় দুটি দিক একসাথে ত্বরান্বিত হয়েছে: ByteDance ভিডিও জেনারেশনে নেটিভ অডিও-ভিডিও সিঙ্ক ও মাল্টি-শট কন্ট্রোলকে “সিস্টেম-লেভেল” সক্ষমতায় তুলছে, আর Zhipu বিশাল MoE মডেল দিয়ে ক্ষমতা বাড়িয়ে ইনফারেন্স খরচ নিয়ন্ত্রণে রেখে MIT লাইসেন্সে ওজন খুলে ইকোসিস্টেম বিস্তারের গতি বাড়াচ্ছে।
1. Seedance 2.0 দিয়ে ByteDance বিশ্বজুড়ে নজর কেড়েছে; ১৪ ফেব্রুয়ারি Doubao Large Model 2.0 রিলিজের ঘোষণা
মন্তব্য:
Seedance 2.0-এর অডিও-ভিডিও সিঙ্ক, মাল্টি-শট স্টোরিটেলিং এবং মানব কণ্ঠস্বর রেপ্লিকেশন ক্ষমতা অনেকের কাছে AI ভিডিওতে বড় লাফ হিসেবে ধরা হচ্ছে। নেটিভ A/V জেনারেশন “সাউন্ড-ইমেজ আলাদা” সমস্যাকে সরাসরি টার্গেট করে, আর মাঝের মুভমেন্ট স্মার্টভাবে পূরণ করার ক্ষমতা বিজ্ঞাপন/সিন ট্রানজিশনের মতো কন্ট্রোল্ড কাজে কার্যকর। এগুলোই সাধারণত ফিজিক্স-প্লজিবিলিটি, মুভমেন্ট কোহেরেন্স এবং শট-টু-শট কনসিস্টেন্সিতে পার্থক্য তৈরি করে।
Seedance 2.0 আলোচনায় আসার পর ByteDance দ্রুত Doubao 2.0 নির্ধারণ করেছে। Doubao-এর চীনে ১০ কোটির বেশি দৈনিক সক্রিয় ব্যবহারকারী বলা হচ্ছে—মানে এটি বড় স্কেলের প্রোডাক্ট ডিস্ট্রিবিউশন সারফেস। যদি Doubao 2.0 এন্টারপ্রাইজ Agent সক্ষমতা ও মাল্টিমোডাল ইনপুটে বড় উন্নতি আনে, তাহলে “চ্যাট” থেকে “ডেলিভারেবল ওয়ার্কফ্লো প্রোডাক্টিভিটি”তে দ্রুত শিফট হতে পারে।
2. Zhipu-এর GLM-5: মোট 744B প্যারামিটার (অ্যাক্টিভ ≈40–44B), কোডিং ও Agent ফোকাস, MIT লাইসেন্সে সম্পূর্ণ ওপেন-ওয়েটস
মন্তব্য:
GLM-5 Mixture-of-Experts (MoE) আর্কিটেকচার ব্যবহার করে: মোট ক্ষমতা বিশাল, কিন্তু ইনফারেন্সে ~40–44B সক্রিয়। এটা “বড় কিন্তু দক্ষ”—ডিপ্লয়মেন্ট ও কনকারেন্সির জন্য বাস্তবসম্মত কস্টে স্কেল করা সহজ।
ফোকাস কোডিং ও Agent টাস্কে, যেখানে টুল-ইউজ অর্কেস্ট্রেশন, নির্ভরযোগ্যতা ও লং-কনটেক্সট স্ট্যাবিলিটি গুরুত্বপূর্ণ। জেনারাল কথোপকথন ও ব্যাপক মাল্টিমোডাল বোঝাপড়ায় GPT-5 বা Claude Opus 4.6-এর সাথে ব্যবধান থাকতে পারে।
MIT লাইসেন্সের কারণে গবেষণা থেকে বাণিজ্যিক ব্যবহার—সবকিছুর adoption friction অনেক কমে যায়, যা দ্রুত ইকোসিস্টেম ডিফিউশনে সাহায্য করবে।