মার্চ ২০२৬ এর AI তুষার পাত: কিভাবে ৭ দিনে ১২টি মডেল ক্লাউড-শুধুমাত্র যুগকে শেষ করেছে

সেই সপ্তাহ যা ইন্টারনেটকে ভেঙে ফেলেছে (এবং আমার GPU-কে)

মার্চের প্রথম সপ্তাহ আমি মডেল ডাউনলোড করা ছাড়া কিছুই করিনি। OpenAI, আলিবাবা, Lightricks, Tencent, Meta, ByteDance, সবাই একে অপরের দিনের মধ্যে চালু করেছে। এটি একটি পণ্য চক্রের চেয়ে কম একটি সমন্বিত আক্রমণের মতো অনুভব করেছিল। সবাইকে কিছু প্রমাণ করতে হয়েছিল, এবং সবাই একসাথে চালু হয়েছিল।

কিন্তু শিরোনামটি "অনেক মডেল চালু হয়েছে" নয়। আমরা এক বছরেরও বেশি সময় ধরে মডেল রিলিজগুলি জমা হতে দেখছি। প্রকৃত গল্পটি কী? স্থানীয় প্রজন্ম ক্লাউডের সাথে ধরা পড়েছে। প্রথমবারের মতো, একটি ভাল RTX কার্ড সহ একজন সৃষ্টিকর্তা সাবস্ক্রিপশন, ক্লাউড বিল, বা ইন্টারনেট সংযোগ ছাড়াই সিনেমার গুণমানের 4K ভিডিও তৈরি করতে পারে।

এটি সবকিছু পরিবর্তন করে।

যে মডেলগুলি গুরুত্বপূর্ণ তাদের

সমস্ত ১২টি রিলিজ সমান ওজন বহন করে না। এখানে যারা সবচেয়ে গুরুত্বপূর্ণ তারা:

LTX 2.3: স্থানীয় প্রজন্মের রাজা

Lightricks একটি ২২-বিলিয়ন-প্যারামিটার মডেল ড্রপ করেছে যা ৫০ FPS এ সিঙ্ক্রোনাইজড 4K ভিডিও তৈরি করে, ২০ সেকেন্ড পর্যন্ত দীর্ঘ। শিরোনাম বৈশিষ্ট্য: এটি RTX GPUs এ স্থানীয়ভাবে চলে। NVIDIA এর NVFP4 অপ্টিমাইজেশন পূর্ববর্তী সংস্করণগুলির তুলনায় ৩ গুণ দ্রুত কর্মক্ষমতা এবং ৬০% কম VRAM ব্যবহার প্রদান করে।

এর মানে একটি একক RTX 5090 4K ক্লিপ উত্পাদন করতে পারে যার জন্য ছয় মাস আগে A100 ক্লাস্টারের প্রয়োজন হত। NVIDIA CES 2026 এ ভোক্তা 4K AI ভিডিও প্রজন্মের সাথে এর ভিত্তি স্থাপন করেছিল, এবং LTX 2.3 সেই প্রতিশ্রুতি প্রদান করে।

Helios: রিয়েল-টাইম ভিডিও প্রজন্ম এখানে আছে

ByteDance এবং পিকিং বিশ্ববিদ্যালয় Helios উপস্থাপন করেছে, যা একটি একক H100 এ রিয়েল-টাইম ভিডিও প্রজন্মের ১৯.৫ ফ্রেম প্রতি সেকেন্ড অর্জন করে। এটি মিনিট-দীর্ঘ ভিডিও উত্পাদন করে এবং Apache 2.0 লাইসেন্সের অধীনে চালু হয়।

এই গুণমানে রিয়েল-টাইম প্রজন্ম গত বছর একটি গবেষণা কৌতূহল ছিল। এখন এটি একটি ওপেন-সোর্স প্রকল্প যা যে কেউ ফর্ক করতে পারে। আমরা এই পরিবর্তনের প্রাথমিক লক্ষণগুলি কভার করেছি কীভাবে ওপেন-সোর্স AI ভিডিও মডেলগুলি ব্যবধান বন্ধ করতে শুরু করেছে।

বাকি প্যাক

স্থানীয় প্রজন্ম খেলাটি কেন পরিবর্তন করে

ক্লাউড থেকে স্থানীয় প্রজন্মে স্থানান্তর শুধুমাত্র একটি খরচ গল্প নয়, যদিও খরচের গল্পটি নাটকীয়। এটি একযোগে তিনটি জিনিসের বিষয়ে:

এটি একই প্যাটার্ন যা আমরা ফটো সম্পাদনার সাথে দেখেছি। পেশাদাররা ক্লাউডে শুরু করেছেন, তারপরে স্থানীয় সরঞ্জামগুলিতে স্থানান্তরিত হয়েছেন একবার গুণমান মিলেছে। পার্থক্য হল AI ভিডিও এই ক্রসওভার পয়েন্টটি মাসে, বছরে নয় মারা।

সংখ্যা গল্প বলে

মুझे এটি দৃষ্টিকোণে রাখতে দিন মাসে প্রায় ২০০ ক্লিপ তৈরি করা একটি সাধারণ স্বাধীন সৃষ্টিকর্তার জন্য খরচ তুলনার সাথে:

বেশিরভাগ পেশাদার হাইব্রিড পদ্ধতিতে অবতরণ করবেন। পুনরাবৃত্তি, খসড়া, এবং পরীক্ষার জন্য স্থানীয় প্রজন্ম ব্যবহার করুন। চূড়ান্ত রেন্ডারগুলিকে Veo 3 এর মতো ক্লাউড মডেলগুলিতে পাঠান সেই শেষ 5% গুণমানের জন্য। আপনার ক্লাউড বিল 80% হ্রাস পায়, এবং আপনার সৃজনশীল গতি দ্বিগুণ হয় কারণ আপনি API সারি অপেক্ষা করছেন না।

এটি শিল্পের জন্য মানে কি

ছোট স্টুডিওগুলি বড় জয় অর্জন করে

$5,000 GPU হার্ডওয়্যারে একটি তিন-ব্যক্তির স্টুডিওর কাছে এখন প্রজন্মের ক্ষমতা রয়েছে যার জন্য বারো মাস আগে $50,000/বছর ক্লাউড ব্যয় প্রয়োজন ছিল। মূল্য নির্ধারণ বিপ্লবের সাথে যা বাজেট সরঞ্জামগুলি ইতিমধ্যে শুরু করেছে, পেশাদার AI ভিডিও উত্পাদনে প্রবেশের বাধা একটি অর্ডার দ্বারা হ্রাস পেয়েছে।

ক্লাউড প্রদানকারীদের অভিযোজিত হতে হবে

বিশুদ্ধ ক্লাউড খেলা আর যথেষ্ট নয়। আমরা ইতিমধ্যে প্ল্যাটফর্মগুলিকে হাইব্রিড মডেলের দিকে স্থানান্তরিত দেখছি, গ্রাহকদের জন্য স্থানীয় অনুমান প্রদান করছি বা হার্ডওয়্যার অংশীদারিত্বের সাথে ক্লাউড ক্রেডিট বান্ডিল করছি। যে কোম্পানিগুলি মসৃণ স্থানীয়-ক্লাউড কর্মপ্রবাহ বুঝতে পারে তারা পরবর্তী প্রজন্মের সৃজনশীল সরঞ্জামের মালিক হবে।

ওপেন সোর্স সবকিছু ত্বরান্বিত করে

মার্চে প্রকাশিত বারোটি মডেলের মধ্যে পাঁচটি ওপেন সোর্স বা অনুমতিশীল-লাইসেন্সপ্রাপ্ত। এটি কোনও কাকতালীয় নয়। যখন Meta, ByteDance, এবং Alibaba সবাই প্রতিযোগী ওপেন মডেল প্রকাশ করে, তখন মালিকানা সুবিধা মৌলিক ক্ষমতা পর্যন্ত সীমাবদ্ধ হয় না, সম্পাদন গতি এবং পলিশ পর্যন্ত।

সৃজনশীল অর্থ

এখানে আমাকে সবচেয়ে উত্তেজিত করে যা এমন কেউ যিনি কোড এবং শিল্পের চৌমাথায় থাকেন: পুনরাবৃত্তি লুপ শুধু অসীমভাবে কঠোর হয়েছে।

যখন প্রজন্ম বিনামূল্যে এবং তাৎক্ষণিক হয়, তখন আপনি AI ভিডিওকে "চূড়ান্ত ক্লিপ রেন্ডার করুন" হিসাবে চিন্তা করা বন্ধ করেন। আপনি এটিকে একটি সৃজনশীল যন্ত্র হিসাবে চিন্তা করতে শুরু করেন। ৫০টি বৈচিত্র্য তৈরি করুন। মিশ্রণ এবং মিল। আউটপুট স্তর। ফলাফলগুলি ইনপুট হিসাবে ফিড করুন। সৃজনশীল প্রক্রিয়াটি তরল হয়ে যায় এমনভাবে যা মিটার করা ক্লাউড অ্যাক্সেস কখনও অনুমতি দেয়নি।

এটি একই পরিবর্তন যা ঘটেছিল যখন ডিজিটাল অডিও ওয়ার্কস্টেশনগুলি স্টুডিও সময়কে প্রতিস্থাপন করেছিল। সঙ্গীতশিল্পীরা শুধু অর্থ সংরক্ষণ করেনি। তারা পরিবর্তন করেছে কীভাবে তারা সঙ্গীত তৈরি করে, কারণ পরীক্ষা বিনামূল্যে হয়ে উঠেছিল।

আমরা ভিডিওর সাথে একই জিনিস দেখতে চলেছি। এবং ফলাফল হবে বন্য।

আগামী কি

মার্চের তুষার পাত শেষ নয়। এটি শুরু করার বন্দুক। এখানে আমি পরবর্তী ত্রৈমাসিকে কী প্রত্যাশা করি:

ক্লাউড মৃত নয়। দূরে নয়। Veo 3 এবং Sora এর মতো মডেলগুলি এখনও চূড়ান্ত আউটপুটের জন্য গুণমান মুকুট ধারণ করে। তবে ক্লাউড আর কস্বে একমাত্র খেলা নয়, এবং বেশিরভাগ সৃজনশীল প্রক্রিয়ার জন্য, স্থানীয় প্রজন্ম এখন ডিফল্ট হওয়ার জন্য যথেষ্ট ভাল, যথেষ্ট দ্রুত, এবং সস্তা।

AI ভিডিওর পোস্ট-ক্লাউড যুগে স্বাগতম। আপনার GPU নতুন স্টুডিও।