एआई मॉडल और प्लेटफ़ॉर्म
KiteFishAI ने निजी, स्थानीय एंटरप्राइज़ AI के लिए NanoI1 पेश किया
KiteFishAI ने NanoI1 जारी किया है—स्थानीय हार्डवेयर पर उद्यमों के विशिष्ट कार्यप्रवाहों के लिए बनाया गया 155 मिलियन पैरामीटर वाला खुले वेट का मॉडल।

मुख्य बिंदुNanoI1 सामान्य-उद्देश्य सहायक के प्रतिस्थापन के बजाय सीमित एंटरप्राइज़ वर्कफ़्लो को…
और देखें
- NanoI1 सामान्य-उद्देश्य सहायक के प्रतिस्थापन के बजाय सीमित एंटरप्राइज़ वर्कफ़्लो को लक्षित करता है।
- इसकी 2,048-टोकन संदर्भ विंडो अनुप्रयोगों को प्रसंस्करण से पहले लंबे दस्तावेज़ों को विभाजित करने के लिए बाध्य करती है।
- विक्रेता बेंचमार्क कम निरपेक्ष स्कोर दिखाते हैं जो दस्तावेज़ वर्कफ़्लो पर सटीकता साबित नहीं करते।
KiteFishAI ने NanoI1 पेश किया है। यह 155 मिलियन पैरामीटर वाला भाषा मॉडल उन उद्यमों के लिए बनाया गया है जो अपने नियंत्रण वाले बुनियादी ढाँचे पर विशिष्ट AI कार्यभार चलाना चाहते हैं। 17 नवंबर को घोषित इस रिलीज़ का लक्ष्य दस्तावेज़ों से जानकारी निकालना, वर्गीकरण और सहायता-संबंधी कार्यप्रवाह हैं—कंपनी इसे सामान्य प्रयोजन वाले AI सहायकों के विकल्प के रूप में पेश नहीं कर रही है।
यह अंतर महत्त्वपूर्ण है। NanoI1 का दावा यह नहीं है कि एक छोटा मॉडल किसी बहुत बड़ी प्रणाली के हर काम को कर सकता है। बात यह है कि सीमित दायरे वाले ऐसे कार्यों के लिए एक संक्षिप्त, अनुकूलनशील मॉडल अधिक व्यावहारिक आधार बन सकता है, जिनमें निर्णय लेते समय डेटा प्रबंधन, हार्डवेयर की ज़रूरतें और परिनियोजन पर नियंत्रण केंद्रीय महत्त्व रखते हैं।
स्थानीय परिनियोजन के लिए बनाया गया छोटा मॉडल
KiteFishAI के अनुसार, NanoI1 को गुरुग्राम में आठ NVIDIA H100 GPU का उपयोग करके, लगभग एक ट्रिलियन टोकन पर शुरू से प्रशिक्षित किया गया। कंपनी के मुताबिक, इसकी फ़ाइल का आकार 311 MB है और यह लैपटॉप तथा स्थानीय सर्वर पर चल सकता है। फ़ाइल के आकार का यह आँकड़ा मॉडल की फ़ाइल के बारे में बताता है; यह इस बात की गारंटी नहीं है कि पूरे अनुप्रयोग को भी केवल इतनी ही मेमोरी की ज़रूरत होगी।
इसके वेट Apache-2.0 लाइसेंस के तहत जारी किए गए हैं और कंपनी इसके Base तथा Instruct, दोनों संस्करण उपलब्ध कराती है। Base मॉडल अनुकूलन के लिए शुरुआती आधार देता है, जबकि निर्देशों के अनुसार फ़ाइन-ट्यून किया गया संस्करण संवादात्मक और निर्देशों का पालन करने वाले अनुप्रयोगों के लिए बनाया गया है। KiteFishAI की वेबसाइट सीधे Instruct मॉडल के रिपॉज़िटरी का लिंक देती है और संरचित जानकारी निकालने तथा कम विलंबता वाले कार्यों को इसके लक्षित उपयोगों में शामिल बताती है।
रिलीज़ में vLLM के ज़रिए मॉडल सर्विंग के लिए समर्थन और 2,048 टोकन की कॉन्टेक्स्ट विंडो का भी उल्लेख है। यह कॉन्टेक्स्ट सीमा एक महत्त्वपूर्ण बाधा है: लंबी फ़ाइलों पर काम करने वाले अनुप्रयोगों को अपनी इनपुट सामग्री चुननी या उसे बाँटना होगा, न कि यह मान लेना कि पूरा दस्तावेज़ एक ही अनुरोध में समा जाएगा।
विशिष्ट कार्यप्रवाहों के लिए, सार्वभौमिक सहायक नहीं
KiteFishAI ने ग्राहक को जानने (KYC) संबंधी दस्तावेज़ों से जानकारी निकालने, शिकायतों का वर्गीकरण करने, ग्राहक सहायता टिकटों को सही जगह भेजने और छोटे दस्तावेज़ों पर कार्रवाई करने को संभावित उपयोगों के रूप में बताया है। ये ऐसे सीमित दायरे वाले कार्यप्रवाहों के उदाहरण हैं जिनमें किसी प्रणाली का मूल्यांकन एक तयशुदा आउटपुट के आधार पर किया जा सकता है—जैसे किसी श्रेणी का लेबल या निकाले गए फ़ील्ड का एक समूह।
कंपनी का कहना है कि NanoI1 अंग्रेज़ी, हिंदी और आठ अन्य भारतीय भाषाओं का समर्थन करता है, लेकिन इसकी बहुभाषी क्षमताओं को सीमित बताती है। इसलिए इस मॉडल पर विचार कर रहे व्यवसायों को किसी भाषा की उपलब्धता और अपने दस्तावेज़ों, शब्दावली तथा फ़ॉर्मैटिंग पर उसकी प्रमाणित सटीकता के बीच अंतर समझना चाहिए।
संस्थापक और CEO अनुज गुप्ता ने इस रिलीज़ को निजता, बुनियादी ढाँचे और लागत से जुड़ी उद्यमों की ज़रूरतों के संदर्भ में पेश किया है। घोषणा में उन्होंने छोटे, विशिष्ट उद्देश्य के लिए बनाए गए मॉडलों को उन संगठनों के लिए AI को अधिक व्यावहारिक बनाने का एक तरीका बताया जिन्हें इस पर अधिक नियंत्रण चाहिए कि उनका डेटा और अनुप्रयोग कहाँ मौजूद हों।
बेंचमार्क के दावों को सीमित संदर्भ में समझें
KiteFishAI के मुताबिक, कंपनी द्वारा समान परीक्षण परिस्थितियों में किए गए मूल्यांकनों में NanoI1 ने HumanEval पर 9.1% अंक हासिल किए, जबकि Google के Gemma-3-270M ने 2.4% अंक पाए। कंपनी ने EvalPlus पर भी 4.3% बनाम 1.2% और GSM8K पर 4.0% बनाम 1.8% अंक मिलने की बात कही है।
ये आँकड़े विक्रेता द्वारा बताए गए तुलनात्मक नतीजे हैं, Unite.AI का स्वतंत्र सत्यापन नहीं। कंपनी के परीक्षणों में चुने गए तुलना-मॉडल के मुकाबले ये NanoI1 की बढ़त दिखाते हैं, लेकिन कुल मिलाकर कम अंकों को सामान्य कोडिंग या गणितीय तर्क में भरोसेमंद प्रदर्शन नहीं समझना चाहिए। न ही ये बेंचमार्क उन दस्तावेज़-प्रसंस्करण कार्यप्रवाहों में सटीकता साबित करते हैं जिन्हें कंपनी लक्ष्य बना रही है।
उद्यमों के लिए अधिक उपयोगी कसौटी यह होगी कि उपयुक्त रूप से अनुकूलित संस्करण किसी विशिष्ट कार्यप्रवाह के गुणवत्ता मानक पर खरा उतरता है या नहीं। जानकारी निकालने के मामले में इसका अर्थ है फ़ील्ड स्तर पर त्रुटियों और छूटी हुई जानकारियों को मापना। टिकटों को सही जगह भेजने के मामले में इसका अर्थ है वर्गीकरण के प्रदर्शन को मापना और तय करना कि किन अनिश्चित मामलों की समीक्षा मानव समीक्षक को करनी चाहिए।
नियंत्रण के साथ संचालन की ज़िम्मेदारी भी आती है
रिलीज़ के अनुसार, NanoI1 को संगठन के अपने परिसर में परिनियोजित किया जा सकता है और भारतीय डेटा केंद्रों में होस्ट किया जा सकता है। मॉडल को स्थानीय रूप से चलाने से उसके इनपुट नियमित रूप से किसी बाहरी मॉडल प्रदाता को भेजने की ज़रूरत समाप्त हो सकती है। लेकिन इससे अपने-आप अनुप्रयोग की सुरक्षा, पहुँच नियंत्रण, लॉगिंग या डेटा को सुरक्षित रखने की अवधि संबंधी ज़रूरतें पूरी नहीं होतीं।
इसलिए NanoI1 का व्यावहारिक महत्त्व इसके परिनियोजन के विकल्प में है: खुले वेट वाला ऐसा आधार मॉडल, जो विशिष्ट स्थानीय अनुप्रयोगों के लिए मूल्यांकन करने लायक छोटा है। इस विकल्प से कुल लागत कम होगी या पर्याप्त सटीकता मिलेगी, यह केवल पैरामीटरों की संख्या पर नहीं, बल्कि कार्यभार, एकीकरण में लगने वाले प्रयास और मूल्यांकन के नतीजों पर निर्भर करेगा।












