Needle2: 14MB का AI एजेंट अब मोबाइल में चलता है
हर बार जब आपकी टीम का कोई व्यक्ति AI वाला बटन दबाता है, कैश से पैसा निकलता है। थोड़ा सा, चंद पैसे, पर निकलता है। और अगर इंटरनेट चला जाए, तो बटन काम करना बंद कर देता है। पिछले कुछ सालों में ज़्यादातर कंपनियों ने AI को इसी रूप में जाना: एक पाइप जो कहीं दूर के सर्वर से जुड़ा है और बूंद के हिसाब से पैसे लेता है। अब एक दिलचस्प जवाब सामने आया है: एक AI एजेंट जो 14 मेगाबाइट में समा जाता है और डिवाइस के अंदर ही चलता है। बिना क्लाउड। बिना मासिक शुल्क। बिना पाइप।
इसका नाम है Needle2, बनाने वाली कंपनी है Cactus Compute। आकार समझिए: 14MB आज के फ़ोन से खींची गई एक हाई रेज़ोल्यूशन फ़ोटो से भी कम है। यह आपके बैंक के ऐप से कम है। और इतने में एक ऐसा मॉडल आ जाता है जो अनुरोध समझ सकता है, टूल चुन सकता है और काम कर सकता है।
डिवाइस पर चलने वाला AI एजेंट क्या होता है
AI एजेंट सिर्फ़ जवाब देने वाला चैटबॉट नहीं है। वह तय करता है कि क्या करना है। आप कहते हैं "मंगलवार सुबह जोआओ के साथ मीटिंग लगा दो", और वह अनुरोध समझता है, सही फ़ंक्शन चुनता है (कैलेंडर खोलना, टकराव जाँचना, इवेंट बनाना) और नतीजा लौटा देता है। बातचीत साधन है, काम मकसद है।
Needle2 में जो बदलता है वह यह है कि यह फ़ैसला कहाँ होता है। बड़े मॉडलों में आपका अनुरोध इंटरनेट से होकर डेटा सेंटर पहुँचता है, प्रोसेस होता है, और लौटता है। Needle2 में सब कुछ फ़ोन, घड़ी, कंट्रोल पैनल या रोबोट के अपने प्रोसेसर में होता है। अनुरोध डिवाइस से बाहर जाता ही नहीं।
इससे तीन समस्याएँ हल होती हैं जो कई AI प्रोजेक्ट्स को अटका देती हैं:
- प्रति उपयोग लागत। क्लाउड टोकन के हिसाब से पैसे लेता है। डिवाइस खरीदने के बाद कुछ नहीं लेता।
- इंटरनेट। कमज़ोर सिग्नल वाले फ़ैक्ट्री फ़्लोर पर टैबलेट बेकार पड़ा रह जाता है, अगर AI क्लाउड में रहता है।
- संवेदनशील डेटा। जो डिवाइस से बाहर नहीं जाता, वह रास्ते में लीक भी नहीं होता।
"पर 14MB बहुत छोटा नहीं है?"
यही सही सवाल है। और ईमानदार जवाब है: हाँ, यह बड़े मॉडलों से काफ़ी सीमित है।
Needle2 आपका कॉन्ट्रैक्ट नहीं लिखेगा, बैलेंस शीट का विश्लेषण नहीं करेगा और रणनीति पर चर्चा नहीं करेगा। इसे एक खास काम के लिए ट्रेन किया गया है: कमांड समझना और सही टूल बुलाना। इसे function calling कहते हैं, और यह "किसी भी विषय पर बात करना" से कहीं संकरा काम है। संकरे काम में छोटा मॉडल अच्छा चलता है। खुले काम में छोटा मॉडल पूरे आत्मविश्वास के साथ गड़बड़ करता है।
पीछे का विचार वही है जो आप अपने बिज़नेस में बिना सोचे इस्तेमाल करते हैं। आप यह जाँचने के लिए अकाउंटेंट को नहीं बुलाते कि इनवॉइस जारी हुआ या नहीं। आप सिस्टम देख लेते हैं। अकाउंटेंट तब आता है जब सवाल मुश्किल हो।
सही बटन दबाने के लिए विशाल दिमाग नहीं चाहिए। विशाल दिमाग यह तय करने के लिए चाहिए कि कौन सा बटन बनाना है।
व्यवहार में यह दो मंज़िला ढाँचा बन जाता है। छोटा, लोकल मॉडल 80% दोहराव वाले और आसान अनुरोध संभालता है। जब कुछ असामान्य आता है, वह गेंद क्लाउड के बड़े मॉडल को दे देता है। आप क्लाउड का पैसा सिर्फ़ उन 20% पर देते हैं जो उसके लायक हैं।
यह आज आपके बिज़नेस से कहाँ जुड़ता है
ठोस उदाहरण देता हूँ, क्योंकि "डिवाइस पर AI" तब तक अमूर्त लगता है जब तक आप इसे चलते हुए न देख लें।
फ़ील्ड टीम। मेंटेनेंस टेक्नीशियन, डिलीवरी वाला, बाहर घूमने वाला सेल्समैन। वह ऐप खोलता है, बोलता है "ग्राहक ने डिलीवरी लेने से मना किया, सामान क्षतिग्रस्त", और ऐप फ़ॉर्म भर देता है, कारण दर्ज करता है, फ़ोटो लेता है और सेव कर देता है। कुछ टाइप किए बिना। अगर वह बिना सिग्नल वाली बिल्डिंग के बेसमेंट में है, तब भी वैसे ही चलता है। सिग्नल लौटते ही सिंक हो जाता है।
काउंटर और रिसेप्शन। एक कियोस्क या टैबलेट जो बोले गए अनुरोध समझे और सीधे सिस्टम में दर्ज कर दे। न स्थिर इंटरनेट चाहिए, न हर बातचीत पर AI प्रोवाइडर का मासिक कॉन्ट्रैक्ट।
मशीनें और सेंसर। औद्योगिक कंट्रोल पैनल, सिंचाई सिस्टम, टर्नस्टाइल। ऐसी चीज़ें जिन्हें तुरंत जवाब देना है और जो नेटवर्क लेटेंसी पर निर्भर नहीं रह सकतीं।
डिफ़ॉल्ट रूप से प्राइवेसी। क्लिनिक, वकीलों का दफ़्तर, HR। ऐसी जगहें जहाँ किसी तीसरे सर्वर पर कंटेंट भेजना तकनीकी से पहले कानूनी समस्या है। लोकल प्रोसेसिंग के साथ यह बहस होती ही नहीं।
पैटर्न पर ध्यान दीजिए: हर जगह असली मूल्य कच्ची बुद्धिमत्ता में नहीं है। वह टाइपिंग हटाने, नेटवर्क पर निर्भरता हटाने और वेरिएबल कॉस्ट हटाने में है।
वह हिसाब जो शुरुआत में कोई नहीं लगाता
अब वह हिस्सा जो सफल AI प्रोजेक्ट को तीसरे महीने में दम तोड़ने वाले प्रोजेक्ट से अलग करता है।
मान लीजिए 30 फ़ील्ड कर्मचारी हैं, हर कोई दिन में 40 इंटरैक्शन करता है। यानी रोज़ 1,200 कॉल। किसी बड़े मॉडल की API पर, औसत प्रॉम्प्ट और जवाब के साथ, महीने का खर्च कुछ हज़ार रुपये तक पहुँच जाता है। सुनने में सस्ता लगता है। फिर उपयोग दोगुना हो जाता है क्योंकि टूल अच्छा है। फिर आप एक और फ़्लो जोड़ते हैं। फिर नई ब्रांच जुड़ती है। एक साल में यह वेरिएबल कॉस्ट स्प्रेडशीट की वह लाइन बन जाती है जिस पर कोई मीटिंग में सवाल उठाएगा।
लोकल मॉडल के साथ यह लाइन शून्य है। खर्च डेवलपमेंट और डिवाइस में है, और डिवाइस आपके पास पहले से है। यह फ़िक्स्ड कॉस्ट है, अनुमान लगाने लायक, और उपयोग बढ़ने पर बढ़ती नहीं। मैनेजर के लिए यह 5% ज़्यादा सटीकता से कहीं ज़्यादा कीमती है।
सिक्के का दूसरा पहलू: लोकल मॉडल तैयार करने में ज़्यादा मेहनत लगती है। आपको बहुत साफ़ तय करना होगा कि एजेंट कौन से टूल बुला सकता है, किनारे के मामलों की जाँच करनी होगी, और यह प्लान रखना होगा कि जब वह न समझे तो क्या हो। "समस्या GPT पर फेंको और दुआ करो" यहाँ नहीं चलता। आपको फ़्लो ठीक से डिज़ाइन करना ही पड़ेगा।
और सच कहूँ तो यह अच्छी बात है। ज़्यादातर AI प्रोजेक्ट डिज़ाइन की कमी से फेल होते हैं, मॉडल की कमी से नहीं।
बिना ट्रक भर पैसा खर्च किए इसे कैसे आज़माएँ
अगर यह आपको दिलचस्प लगा, तो रास्ता तकनीक खरीदने का नहीं है। रास्ता एक छोटी और उबाऊ समस्या चुनने का है।
- अपनी टीम का सबसे दोहराव वाला काम ढूंढिए। वही जिसकी सब शिकायत करते हैं। फ़ॉर्म भरना, डेटा दर्ज करना, स्टेटस अपडेट करना।
- गिनिए कि यह दिन में कितनी बार होता है। अगर 50 से कम है, तो शायद AI की ज़रूरत ही नहीं, एक बेहतर बटन की ज़रूरत है।
- संभावित कामों की सूची बनाइए। अगर सूची एक पन्ने में आ जाती है, तो छोटा मॉडल संभाल लेगा।
- दस लोगों के साथ दो हफ़्ते तक टेस्ट कीजिए। पहले और बाद में लगा समय मापिए। संख्या से, अंदाज़े से नहीं।
- उसके बाद ही स्केल करने का फ़ैसला लीजिए।
यह तरीका किसी भी AI प्रोजेक्ट पर लागू होता है, Needle2 के साथ या बिना। पुरानी गलती है पहले टूल से शुरू करना और फिर उसके लिए समस्या ढूंढना। यह हमेशा गलत जाता है, और अंत में एक सुंदर डैशबोर्ड बचता है जिसे कोई नहीं खोलता।
यह आने वाले सालों के बारे में क्या संकेत देता है
क्लाउड में बड़े मॉडल गायब नहीं होंगे। जटिल तर्क, विश्लेषण और सृजन में वे आज भी बेजोड़ हैं।
पर इंडस्ट्री की दिशा साफ़ हो गई है: आसान और दोहराव वाले काम डिवाइस की तरफ़ उतर रहे हैं। सस्ता, तेज़, ऑफ़लाइन, प्राइवेट। जो सेवा थी वह कंपोनेंट बन जाती है। यही रास्ता वीडियो कंप्रेशन, वॉइस रिकग्निशन और स्पेल चेकर पहले तय कर चुके हैं। कभी वे क्लाउड में महंगी नई चीज़ थे, आज वे चिप हैं।
आपके बिज़नेस के लिए इसका एक व्यावहारिक मतलब है: आसान काम के लिए AI का लंबा कॉन्ट्रैक्ट मत कीजिए। इस परत की कीमत शून्य के करीब जाने वाली है। बजट वहाँ बचाकर रखिए जहाँ बुद्धिमत्ता का असली वज़न है।
और अगर आप अभी अपने ऑपरेशन को देखकर सोच रहे हैं "यहाँ तीन चीज़ें तो इसमें फ़िट बैठती हैं", तो शायद सच में बैठती हैं। मुश्किल हिस्सा AI नहीं है। मुश्किल है फ़्लो को मैप करना, यह चुनना कि पहले क्या ऑटोमेट करें, और जो पहले से चल रहा है उसे तोड़े बिना सब जोड़ना।
मैं ठीक इसी तरह के प्रोजेक्ट संभालता हूँ। अगर अपने मामले पर बात करना चाहें, देखिए मैं कैसे काम करता हूँ।
LinkedIn के लिए सारांश
एक AI एजेंट जो 14MB में समा जाता है और फ़ोन के अंदर ही चलता है, बिना क्लाउड और बिना मासिक शुल्क के। नाम है Needle2। यह आपके बैंक ऐप से भी छोटा है, और फिर भी एक कमांड समझता है, सही टूल चुनता है और काम कर देता है। यह आपका कॉन्ट्रैक्ट नहीं लिखेगा। लेकिन रोज़ के 80% दोहराव वाले काम निपटा देता है: फ़ॉर्म भरना, डेटा दर्ज करना, स्टेटस अपडेट करना। ऑफ़लाइन, बेसमेंट में, बिना सिग्नल के भी। और अब वह हिस्सा जो कैश फ़्लो के लिए मायने रखता है: वेरिएबल कॉस्ट शून्य। आप क्लाउड का पैसा सिर्फ़ उन 20% पर देते हैं जो उसके लायक हैं। पुरानी गलती आज भी वही है: पहले टूल खरीद लेना और फिर उसके लिए समस्या ढूंढना। अगर आपने अभी अपने ऑपरेशन को देखा और सोचा "यहाँ तीन चीज़ें तो फ़िट बैठती हैं", तो शायद सच में बैठती हैं। बात करने के लिए संपर्क करें। #आर्टिफिशियलइंटेलिजेंस #AI #टेक्नोलॉजी #ऑटोमेशन #इनोवेशन