Third Moment Research: အေးဂျင့် 10,000၊ 36+ နာရီ

ကုမ္ပဏီတိုင်းမှာ ကိုယ်ပိုင်အလုပ်စဉ်တွေ၊ ကိရိယာတွေ၊ ကြုံတောင့်ကြုံခဲအခြေအနေတွေနဲ့ အောင်မြင်မှုသတ်မှတ်ချက်တွေ ရှိပါတယ်။ ⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်)အကောင်းဆုံး အေးဂျင့်တွေဟာ အဲဒီလို သီးသန့်အလုပ်တွေမှာ အမှန်တကယ် ထူးချွန်သင့်ပြီး အသုံးပြုလေလေ စွမ်းရည်တိုးတက်လာလေလေ ဖြစ်သင့်တယ်လို့ Third Moment Research⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) က ယုံကြည်ပါတယ်။

ဒီအယူအဆကို အခြေခံပြီး ကုမ္ပဏီက ကိုယ့်ဘာသာ တိုးတက်အောင်လုပ်နိုင်တဲ့ AI စနစ်တစ်ခုကို တည်ဆောက်နေပါတယ်။ OpenAI ရဲ့ နောက်ဆုံးပေါ် မော်ဒယ်တွေကို သုံးပြီး အေးဂျင့်တွေရဲ့ လုပ်ဆောင်ပုံကို နားလည်အောင်လေ့လာတာ၊ ထပ်တလဲလဲဖြစ်တဲ့ အားနည်းချက်တွေကို ဖော်ထုတ်တာနဲ့ အဲဒီပြဿနာတွေကို အခြေခံတဲ့ အခြေအနေတု ထောင်ပေါင်းများစွာကို အလိုအလျောက် ဖန်တီးတာတွေ လုပ်ဆောင်ပါတယ်။ အဖွဲ့က အဲဒီအခြေအနေတွေကို သုံးပြီး အေးဂျင့်တွေကို ပိုကောင်းအောင် ပြုပြင်ကာ ပြဿနာအသစ်တွေ ပေါ်လာတိုင်း ဒီလုပ်ငန်းစဉ်ကို ထပ်လုပ်ပါတယ်။

Codex၊ GPT‑6 Astra၊ GPT‑6 Sol နဲ့ GPT‑6.1 Sol တို့က ဒီစနစ်ရဲ့ သုတေသနနဲ့ တွက်ချက်မှုလုပ်ငန်းတွေကို ပံ့ပိုးပေးတာကြောင့် Third Moment ဟာ 36–48 နာရီကြာတဲ့ စူးစမ်းလေ့လာမှုတွေမှာ အေးဂျင့် 10,000 ကို တစ်ပြိုင်နက် လုပ်ဆောင်စေနိုင်ပါတယ်။ အေးဂျင့်တွေ လုပ်ဆောင်နေတဲ့ ပတ်ဝန်းကျင်တွေရဲ့ လုံခြုံရေးကို စမ်းသပ်ဖို့ ကုမ္ပဏီက Daybreak ကိုလည်း သုံးပါတယ်။

အောင်မြင်မှုကို တိတိကျကျ တိုင်းတာနိုင်တာကြောင့် ကိန်းဂဏန်းအခြေပြု ဘဏ္ဍာရေးနယ်ပယ်ဟာ Third Moment ရဲ့ အစောပိုင်း အသုံးချနယ်ပယ်တစ်ခု ဖြစ်လာပါတယ်။ ဒီနယ်ပယ်က အေးဂျင့်တွေ ဘယ်လိုလုပ်ဆောင်သလဲ၊ ဘယ်နေရာတွေမှာ အခက်အခဲရှိသလဲဆိုတာ လေ့လာဖို့ လက်တွေ့ကျတဲ့ အခြေအနေတစ်ခု ပေးပါတယ်။ အဖွဲ့က သုတေသနပတ်ဝန်းကျင်ထဲက ပြဿနာတွေကို ရှာဖွေဖြေရှင်းဖို့ Codex ကို သုံးပါတယ်။

ဥပမာတစ်ခုမှာ အဖွဲ့က မှတ်တမ်းတင်ထားတဲ့ သရုပ်တူစမ်းသပ်မှု လုပ်ဆောင်ချက်အစဉ် ထောင်ပေါင်းများစွာ (အေးဂျင့်တွေရဲ့ လုပ်ဆောင်ချက်တွေနဲ့ ပတ်ဝန်းကျင်ရဲ့ တုံ့ပြန်မှုတွေ) ကို အချိန်မှတ်တမ်းတွေ၊ ကုဒ်အစုအဝေးနဲ့အတူ ခွဲခြမ်းစိတ်ဖြာဖို့ Codex ကို အဲဒီအချိန်က နောက်ဆုံးပေါ် GPT မော်ဒယ်ဖြစ်တဲ့ GPT‑5.6 နဲ့ တွဲသုံးခဲ့ပါတယ်။

Codex က လုပ်ငန်းနှောင့်နှေးစေတဲ့ အချက်တစ်ခုကို တွေ့ခဲ့ပါတယ်။ အမေရိကန်ရှယ်ယာဈေးကွက်ရဲ့ တစ်နှစ်စာ အမှာစာအဆင့် ဒေတာကို သုံးပြီး အရောင်းအဝယ်မဟာဗျူဟာတစ်ခုကို နောက်ကြောင်းပြန်စမ်းသပ်ရာမှာ နာရီပေါင်းများစွာ ကြာနေခဲ့တာပါ။ စောင့်နေချိန်မှာ အေးဂျင့်တွေက ပြီးမပြီးကို ထပ်တလဲလဲ မေးမြန်းစစ်ဆေးတဲ့အတွက် တိုကင်တွေ အလဟဿကုန်ပြီး သူတို့ရဲ့ ဆက်စပ်အချက်အလက်ထဲမှာ အခြေအနေစစ်ဆေးမှုတွေ ပြည့်နေခဲ့ပါတယ်။

နောက်ကြောင်းပြန်စမ်းသပ်မှုရဲ့ စွမ်းဆောင်ရည်ကို တိုင်းတာပြီး ထည့်သွင်းဒေတာနဲ့ အသုံးပြုပုံကို ခွဲခြမ်းစိတ်ဖြာပြီးနောက် Codex က ယာယီသိမ်းဆည်းမှုကို အကောင်းဆုံးဖြစ်အောင် ပြုပြင်နိုင်မယ့် နည်းလမ်းနဲ့ မမ်မိုရီထဲမှာ ဒေတာကို ကျစ်လျစ်စွာ ထည့်သွင်းသိမ်းဆည်းတဲ့ နည်းစနစ်တစ်ခုကို ဖော်ထုတ်ခဲ့ပါတယ်။ ဖြေရှင်းနည်းတွေကို စမ်းသပ်ပြီး ပြင်ဆင်ချက်ကို လက်တွေ့အသုံးပြုနေတဲ့ စနစ်မှာ ထည့်သွင်းလိုက်ရာ နောက်ကြောင်းပြန်စမ်းသပ်ချိန်ဟာ 3 နာရီခန့်ကနေ 3 မိနစ်မှ 5 မိနစ်ခန့်အထိ လျော့သွားပါတယ်။ ဒီလိုလုပ်တာက တိုကင်အသုံးပြုမှုနဲ့ ဆက်စပ်အချက်အလက်ထဲ မလိုအပ်တာတွေ ရောနှောနေမှုကို လျှော့ချပေးပြီး အေးဂျင့်တွေရဲ့ တိုကင်သုံးစွဲခွင့်ထဲက ပိုများတဲ့ ပမာဏကို နောက်ထပ်စမ်းသပ်မှုတွေအတွက် ချန်ထားနိုင်စေပါတယ်။

Third Moment က အေးဂျင့်တစ်ခုချင်းစီကို သီးသန့်အလုပ်တစ်ခုအတွက် လိုအပ်တဲ့ ကိရိယာတွေ၊ အချက်အလက်တွေနဲ့ ပတ်ဝန်းကျင်ကို ပေးပါတယ်။ ကိန်းဂဏန်းအခြေပြု သုတေသနအတွက် အဖွဲ့က မူလသတ်မှတ်ထားတဲ့ Codex အကဲဖြတ်စမ်းသပ်မှု စနစ်ကို Docker နဲ့ ဖွဲ့စည်းထားတဲ့ ပတ်ဝန်းကျင်ထဲမှာ အသုံးပြုပါတယ်။ အေးဂျင့်တွေဟာ ဒေတာတစ်တယ်ရာဘိုက်၊ ရှင်းလင်းလမ်းညွှန်စာတမ်းတွေနဲ့ သုတေသနကုဒ် သိမ်းဆည်းရန်နေရာတစ်ခုကို ရရှိပါတယ်။ အဲဒီနေရာမှာ ဒေတာလက္ခဏာ ဖန်တီးပြင်ဆင်ခြင်း၊ GPU အထောက်အပံ့နဲ့ မော်ဒယ်လေ့ကျင့်ခြင်း၊ အရောင်းအဝယ်မဟာဗျူဟာတွေနဲ့ သရုပ်တူစမ်းသပ်ခြင်းအတွက် မော်ဂျူးတွေ ပါရှိပါတယ်။

GPT‑6 Astra၊ GPT‑6 Sol နဲ့ GPT‑6.1 Sol တို့က ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော စွမ်းရည်ကို ပံ့ပိုးပေးပါတယ်။ Codex အကဲဖြတ်စမ်းသပ်မှု စနစ်ကတော့ အေးဂျင့်တွေကို လုပ်ဆောင်ဖို့၊ အစီအစဉ်ဆွဲဖို့၊ ရည်မှန်းချက်သတ်မှတ်ဖို့၊ အေးဂျင့်ခွဲတွေ ဖန်တီးဖို့နဲ့ အလုပ်လုပ်နေရင်း ဆက်စပ်အချက်အလက်ကို ကျစ်လျစ်အောင် ချုံ့ဖို့ ကိရိယာတွေ ပေးပါတယ်။

အလုပ်မပြီးခင် ရပ်သွားတဲ့ အေးဂျင့်တွေကို ကိုင်တွယ်ဖို့ Third Moment က Codex ကို GPT‑6 Sol သို့မဟုတ် GPT‑6.1 Sol နဲ့ မောင်းနှင်တဲ့ အပြင်ဘက် အကဲဖြတ်စမ်းသပ်မှု စနစ်အတွင်းက အေးဂျင့်ခွဲတစ်ခုအဖြစ် အသုံးပြုပါတယ်။ အလုပ်တစ်ခု မပြီးပြတ်ဘဲ ကျန်ခဲ့ရင် အပြင်ဘက် အကဲဖြတ်စမ်းသပ်မှု စနစ်က လုပ်ဆောင်ချက်အစဉ်ကို စစ်ဆေးပြီး ပြန်ကြိုးစားမလား၊ အလုပ်ကို ရပ်ဆိုင်းမလား၊ ဒါမှမဟုတ် လူက ပြန်လည်စစ်ဆေးဖို့ လွှဲပေးမလားဆိုတာ ဆုံးဖြတ်ပါတယ်။

အဲဒီသုတေသနပတ်ဝန်းကျင်မှာ အေးဂျင့်တွေက Third Moment အင်ဂျင်နီယာတွေ တည်ဆောက်ထားတဲ့ အခြေခံအရောင်းအဝယ်စနစ်ကို ပိုကောင်းအောင် လုပ်ဆောင်ကြပါတယ်။ သူတို့က အတိတ်ဒေတာပေါ်မှာ အရောင်းအဝယ်မဟာဗျူဟာတွေကို စမ်းသပ်ပြီး တွေ့ရတဲ့ တိုးတက်မှုက အမှန်တကယ် အဓိပ္ပာယ်ရှိသလား၊ ဒါမှမဟုတ် ကျပန်းအတက်အကျသက်သက်လားဆိုတာ အကဲဖြတ်ကာ ရလဒ်တစ်ခုချင်းစီကို သုံးပြီး နောက်စမ်းသပ်မှုကို ရွေးချယ်ကြပါတယ်။ Adam ရဲ့ အဆိုအရ သူတို့ရဲ့ လုပ်ဆောင်မှုတွေက အခြေခံအရောင်းအဝယ်စနစ်ကို ပိုကောင်းလာစေခဲ့ပါတယ်။

GPT‑5.5 မတိုင်ခင်က မော်ဒယ်တွေဟာ အသုံးပြုသူ သတ်မှတ်ပေးတဲ့ စမ်းသပ်မှုတွေကိုပဲ လုပ်နိုင်ခဲ့တယ်လို့ Adam က ဆိုပါတယ်။ GPT‑5.5 နဲ့ GPT‑5.6 ရောက်လာချိန်မှာတော့ Codex အကဲဖြတ်စမ်းသပ်မှု စနစ်နဲ့ တွဲလုပ်တဲ့ မော်ဒယ်တွေဟာ ရလဒ်တွေကို သုံးပြီး နောက်ဆက်တွဲစမ်းသပ်မှုတွေကို စီစဉ်ဖန်တီးနိုင်လာပါတယ်။ အခု GPT‑6 Astra၊ GPT‑6 Sol နဲ့ GPT‑6.1 Sol တို့နဲ့ဆိုရင် အေးဂျင့်တွေဟာ အေးဂျင့်ခွဲတွေနဲ့အတူ ရာချီတဲ့ စမ်းသပ်မှုတွေကို တစ်ပြိုင်နက် လုပ်ဆောင်ပြီး အရင်းခံအကြောင်းရင်းတွေကို စူးစမ်းနိုင်ပါတယ်။

ဒီတိုးတက်လာမှုကြောင့် အေးဂျင့်တွေဟာ အဖွဲ့က မမျှော်မှန်းထားတဲ့ သုတေသနလမ်းကြောင်းတွေကိုပါ စူးစမ်းနိုင်လာပါတယ်။ တစ်ကြိမ်မှာ GPT‑6.1 Sol က အများပြည်သူကို မဖော်ပြတဲ့ အရောင်းအဝယ်တွေရဲ့ သက်ရောက်မှုကို ဈေးကွက်တစ်ခုမှာ ဖော်ထုတ်ခဲ့ပါတယ်။ အဲဒီဈေးကွက်မှာ ဒီလိုအရောင်းအဝယ်တွေဟာ စုစုပေါင်းအရောင်းအဝယ်ပမာဏရဲ့ မမျှော်လင့်လောက်အောင် ကြီးမားတဲ့ အချိုးအစားကို ယူထားတာပါ။ “ဒီရလဒ်က အလွယ်တကူ မမြင်နိုင်တဲ့ ရလဒ်ဖြစ်ပြီး ကျွန်တော်တို့ သုတေသနအဖွဲ့က အစပိုင်းမှာ မစဉ်းစားမိခဲ့ပါဘူး” လို့ Adam က ဆိုပါတယ်။

Third Moment က စွမ်းဆောင်ရည်အကောင်းဆုံးဖြစ်အောင် ပြုပြင်ခြင်း၊ စက်သင်ယူမှုစနစ်တွေနဲ့ ကိန်းဂဏန်းအခြေပြု သုတေသနနယ်ပယ်တွေမှာ မော်ဒယ်တွေကို အကဲဖြတ်ပါတယ်။ စွမ်းဆောင်ရည်အမြင့်ဆုံး မော်ဒယ်အသစ်တွေကို ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော စွမ်းရည်ဆိုင်ရာ ဆက်တင်အမြင့်ဆုံးမှာ ထားပြီး စမ်းသပ်ပါတယ်။ ကုဒ် သိမ်းဆည်းရန်နေရာတွေထဲမှာ လိုအပ်တာကို ရှာဖွေနိုင်မှု၊ ထိရောက်တဲ့ ကုဒ်ရေးနိုင်မှုနဲ့ စူးစမ်းလေ့လာမှုကို ဆက်လက်လုပ်ဆောင်နိုင်မှုတို့ကို အကဲဖြတ်တာပါ။ လက်ရှိ စမ်းသပ်မှုတွေမှာ GPT‑6 Luna လည်း ပါဝင်ပါတယ်။

စံနှုန်းစမ်းသပ်မှုတစ်ခုမှာ တိုက်ရိုက်ရမှတ်ပြ ဝန်ဆောင်မှုရဲ့ ထွက်ရှိရလဒ်တွေကို မပြောင်းလဲစေဘဲ အပ်ဒိတ်လုပ်ရာမှာ နှောင့်နှေးချိန်ကို လျှော့ချဖို့ အေးဂျင့်တွေကို ခိုင်းပါတယ်။ ရလဒ်မှန်ကန်မှုကို မဖြစ်မနေ ထိန်းထားရတဲ့အပြင် တူညီတဲ့ ဟာ့ဒ်ဝဲပေါ်မှာ ကျွမ်းကျင်သူဖန်တီးထားတဲ့ ဖြေရှင်းနည်းရဲ့ ပျမ်းမျှလုပ်ဆောင်ချိန်ကို မော်ဒယ်ရဲ့ ဖြေရှင်းနည်းအတွက် ပျမ်းမျှလုပ်ဆောင်ချိန်နဲ့ စားပြီး အဖွဲ့က မြန်ဆန်လာမှုကို တိုင်းတာပါတယ်။ Adam ရဲ့ အဆိုအရ GPT‑6 Astra က အများဆုံး မြန်ဆန်လာအောင် လုပ်ဆောင်ပေးခဲ့ပါတယ်။

သရုပ်တူစမ်းသပ်မှုစနစ်ထဲက သီးခြားလုံခြုံရေးအားနည်းချက်တွေကို စစ်ဆေးတာမျိုး အပါအဝင် တိကျတဲ့ ရည်ရွယ်ချက်ရှိတဲ့ အလုပ်တွေအတွက် အဖွဲ့က GPT‑5.6 Terra လို အရင်းအမြစ်သုံးစွဲမှု ပိုထိရောက်တဲ့ မော်ဒယ်တွေကို သုံးပါတယ်။ နက်နဲစွာ ရှာဖွေခြင်းအတွက် ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော စွမ်းရည် ပိုအားကောင်းရင် ကုန်ကျစရိတ်ပိုများတာနဲ့ ထိုက်တန်နိုင်တယ်လို့ Adam က ယုံကြည်ပါတယ်။ “ကိန်းဂဏန်းအခြေပြု ဘဏ္ဍာရေးနယ်ပယ်မှာ စိတ်ဝင်စားစရာ ဈေးကွက်အချက်ပြတစ်ခုကို ရှာတွေ့ခြင်းရဲ့ တန်ဖိုးက အင်မတန် မြင့်ပါတယ်။”

အေးဂျင့် 10,000 က လူက ထိန်းချုပ်ပေးစရာမလိုဘဲ လုပ်ဆောင်နေတဲ့အတွက် Third Moment ဟာ သုတေသနပတ်ဝန်းကျင်တွေရဲ့ လုံခြုံရေးကို အတိုင်းအတာကြီးကြီးနဲ့ စမ်းသပ်နိုင်မယ့် နည်းလမ်းတစ်ခု လိုအပ်ပါတယ်။ သရုပ်တူစမ်းသပ်မှုတွေ မစတင်ခင် အဲဒီလုံခြုံရေးစမ်းသပ်မှုကို အလိုအလျောက် လုပ်ဆောင်ဖို့ အဖွဲ့က Daybreak ဆိုက်ဘာလုံခြုံရေးပလက်ဖောင်းကို သုံးပါတယ်။

အေးဂျင့်တစ်ခုက သူ့ရဲ့ သုတေသနပတ်ဝန်းကျင်ကနေ ဖောက်ထွက်ပြီး ပိုကျယ်ပြန့်တဲ့ ကွန်ရက်ထဲကို ဝင်ရောက်နိုင်မလားဆိုတာ ဒီစမ်းသပ်မှုတွေက စစ်ဆေးပါတယ်။ “Daybreak ကို သုံးခြင်းအားဖြင့် အေးဂျင့်တွေကိုယ်တိုင် သရုပ်တူစမ်းသပ်မှုစနစ်ကို ထိုးဖောက်ဝင်ရောက်စမ်းသပ်စေပြီး အဲဒီစနစ်ရဲ့ အခြေခံအဆောက်အအုံနဲ့ လုံခြုံရေးကို စစ်ဆေးနိုင်ပါတယ်” လို့ Adam က ဆိုပါတယ်။

Third Moment ရဲ့ ရည်မှန်းချက်က ကုမ္ပဏီတွေ နေ့စဉ်လုပ်ဆောင်နေတဲ့ အထူးပြုအလုပ်တွေအထိ ကျယ်ပြန့်ပါတယ်။ လက်လီရောင်းချသူတစ်ဦးအတွက်ဆိုရင် ကုန်လက်ကျန်နည်းနေချိန် ဒါမှမဟုတ် ပေးသွင်းသူတစ်ဦး နောက်ကျနေချိန်မှာ ထောက်ပံ့ရေးကွင်းဆက်အတွက် ပိုကောင်းတဲ့ ဆုံးဖြတ်ချက်တွေ ချမှတ်နိုင်ဖို့ ဖြစ်နိုင်ပါတယ်။ အင်ဂျင်နီယာအဖွဲ့တစ်ခုအတွက်တော့ ကြီးမားတဲ့ ကုဒ်အစုအဝေးထဲက စွမ်းဆောင်ရည်နှောင့်နှေးစေတဲ့ အချက်တွေကို ရှာဖွေဖို့ ဖြစ်နိုင်ပါတယ်။ စာရွက်စာတမ်း များစွာသုံးရတဲ့ လုပ်ငန်းတစ်ခုအတွက်ဆိုရင် စာတမ်းတစ်ခုထဲက ကတိကဝတ်တွေနဲ့ တခြားစာတမ်းထဲမှာ မှတ်တမ်းတင်ထားတဲ့ ရလဒ်တွေကြား မကိုက်ညီတဲ့ နေရာတွေကို ဖော်ထုတ်ဖို့ ဖြစ်နိုင်ပါတယ်။

GPT‑6 Astra၊ GPT‑6 Sol နဲ့ GPT‑6.1 Sol တို့ရဲ့ ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော စွမ်းရည်တွေကို အခြေခံပြီး Third Moment က တစ်ခုချင်းစီ သီးခြားစူးစမ်းလေ့လာမှုတွေကနေ အေးဂျင့်ခွဲ သိန်းပေါင်းများစွာ အတူပူးပေါင်းလုပ်ဆောင်တဲ့ အဆင့်အထိ တိုးချဲ့ဖို့ စီစဉ်ထားပါတယ်။ ရှေ့လုပ်ငန်းစဉ်အရ တစ်ခုအပေါ်တစ်ခု မှီခိုနေတဲ့ စမ်းသပ်မှု ဒါဇင်ပေါင်းများစွာကို အစဉ်လိုက်လုပ်ဆောင်ဖို့ တိုကင် ထရီလီယံပေါင်းများစွာနဲ့ ပံ့ပိုးသွားမှာပါ။ စိန်ခေါ်မှုအသစ်တွေ ပေါ်လာတဲ့အခါ အဲဒီသုတေသနကို သုံးပြီး လူက ထိန်းချုပ်ပေးစရာမလိုဘဲ အေးဂျင့်တွေကို ပိုကောင်းအောင် လုပ်ဆောင်ဖို့ ရည်ရွယ်ပါတယ်။

Adam အတွက်တော့ ဒီလိုလုပ်နိုင်ရင် လူတွေဟာ အေးဂျင့်တွေရဲ့ သင်ယူပုံနဲ့ လုပ်ဆောင်ပုံကို ပုံဖော်ဖို့ ပိုစွမ်းဆောင်နိုင်လာမှာပါ။ “လူတွေဟာ သုတေသနကို ကိုယ်တိုင်လုပ်နေမယ့်အစား ဘယ်လိုသုတေသနလုပ်မလဲ၊ သုတေသနလုပ်ငန်းစဉ်ကိုယ်တိုင်ကို ဘယ်လိုအကောင်းဆုံးဖြစ်အောင် လုပ်မလဲဆိုတာ စဉ်းစားနိုင်တဲ့၊ ကိုယ့်အားထုတ်မှုနဲ့ ပိုကြီးမားတဲ့ အကျိုးရလဒ် ရနိုင်တဲ့ အနေအထားကို ရောက်လာနိုင်ပါတယ်။”