ਅੱਜ ਅਸੀਂ GPT‑5.3‑Codex‑Spark ਦਾ ਇੱਕ ਰਿਸਰਚ ਪ੍ਰੀਵਿਊ ਜਾਰੀ ਕਰ ਰਹੇ ਹਾਂ, ਜੋ GPT‑5.3‑Codex ਦਾ ਛੋਟਾ ਵਰਜਨ ਹੈ, ਅਤੇ ਰੀਅਲ-ਟਾਈਮ ਕੋਡਿੰਗ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਸਾਡਾ ਪਹਿਲਾ ਮਾਡਲ ਹੈ. Codex-Spark, Cerebras ਨਾਲ ਸਾਡੀ ਭਾਈਵਾਲੀ ਵਿੱਚ ਪਹਿਲਾ ਮੀਲ ਪੱਥਰ ਹੈ, ਜਿਸਦਾ ਅਸੀਂ ਜਨਵਰੀ ਵਿੱਚ ਐਲਾਨ ਕੀਤਾ ਸੀ. Codex-Spark ਨੂੰ ਅਤਿ-ਘੱਟ ਲੇਟੈਂਸੀ ਹਾਰਡਵੇਅਰ 'ਤੇ ਸਰਵ ਕਰਨ ਸਮੇਂ ਲਗਭਗ ਤੁਰੰਤ ਮਹਿਸੂਸ ਹੋਣ ਲਈ ਅਨੁਕੂਲ ਕੀਤਾ ਗਿਆ ਹੈ—ਇਹ 1000 ਤੋਂ ਵੱਧ ਟੋਕਨ ਪ੍ਰਤੀ ਸਕਿੰਟ ਦਿੰਦਾ ਹੈ ਅਤੇ ਨਾਲ ਹੀ ਅਸਲ ਦੁਨੀਆ ਦੇ ਕੋਡਿੰਗ ਟਾਸਕਾਂ ਲਈ ਬਹੁਤ ਸਮਰੱਥ ਰਹਿੰਦਾ ਹੈ.
ਅਸੀਂ Codex-Spark ਨੂੰ Cerebras 'ਤੇ ChatGPT Pro ਯੂਜ਼ਰਾਂ ਲਈ ਰਿਸਰਚ ਪ੍ਰੀਵਿਊ ਵਜੋਂ ਸਾਂਝਾ ਕਰ ਰਹੇ ਹਾਂ ਤਾਂ ਜੋ ਡਿਵੈਲਪਰ ਜਲਦੀ ਪ੍ਰਯੋਗ ਸ਼ੁਰੂ ਕਰ ਸਕਣ, ਜਦੋਂ ਕਿ ਅਸੀਂ Cerebras ਨਾਲ ਮਿਲ ਕੇ ਡਾਟਾਸੈਂਟਰ ਸਮਰੱਥਾ ਵਧਾਉਣ, ਐਂਡ-ਟੂ-ਐਂਡ ਯੂਜ਼ਰ ਅਨੁਭਵ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਨ, ਅਤੇ ਆਪਣੇ ਵੱਡੇ ਅਤਿ-ਆਧੁਨਿਕ ਮਾਡਲ ਤੈਨਾਤ ਕਰਨ 'ਤੇ ਕੰਮ ਕਰ ਰਹੇ ਹਾਂ.
ਸਾਡੇ ਤਾਜ਼ਾ ਅਤਿ-ਆਧੁਨਿਕ ਮਾਡਲਾਂ ਨੇ ਖ਼ਾਸ ਤੌਰ 'ਤੇ ਲੰਬੇ ਸਮੇਂ ਚੱਲਣ ਵਾਲੇ ਟਾਸਕ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਵਿੱਚ ਮਜ਼ਬੂਤੀਆਂ ਦਿਖਾਈਆਂ ਹਨ, ਜਿੱਥੇ ਉਹ ਬਿਨਾਂ ਦਖ਼ਲ ਦੇ ਘੰਟਿਆਂ, ਦਿਨਾਂ ਜਾਂ ਹਫ਼ਤਿਆਂ ਤੱਕ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਕੰਮ ਕਰਦੇ ਹਨ. Codex-Spark ਸਾਡਾ ਪਹਿਲਾ ਮਾਡਲ ਹੈ ਜੋ ਖ਼ਾਸ ਤੌਰ 'ਤੇ Codex ਨਾਲ ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਕੰਮ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ—ਟਾਰਗੇਟ ਕੀਤੇ ਸੋਧ ਕਰਨਾ, ਲੌਜਿਕ ਨੂੰ ਨਵਾਂ ਰੂਪ ਦੇਣਾ, ਜਾਂ ਇੰਟਰਫੇਸਾਂ ਨੂੰ ਨਿਖਾਰਨਾ ਅਤੇ ਨਤੀਜੇ ਤੁਰੰਤ ਦੇਖਣਾ. Codex-Spark ਨਾਲ, Codex ਹੁਣ ਲੰਬੇ ਸਮੇਂ ਚੱਲਣ ਵਾਲੇ ਮਹੱਤਵਾਕਾਂਕਸ਼ੀ ਟਾਸਕਾਂ ਅਤੇ ਉਸੇ ਵੇਲੇ ਕੰਮ ਪੂਰਾ ਕਰਨ ਦੋਵਾਂ ਨੂੰ ਸਮਰਥਨ ਦਿੰਦਾ ਹੈ. ਅਸੀਂ ਆਸ ਕਰਦੇ ਹਾਂ ਕਿ ਡਿਵੈਲਪਰ ਇਸਦਾ ਕਿਵੇਂ ਵਰਤਦੇ ਹਨ, ਉਸ ਤੋਂ ਸਿੱਖਾਂਗੇ ਅਤੇ ਜਿਵੇਂ-ਜਿਵੇਂ ਅਸੀਂ ਪਹੁੰਚ ਵਧਾਉਂਦੇ ਰਹਾਂਗੇ, ਫੀਡਬੈਕ ਸ਼ਾਮਲ ਕਰਾਂਗੇ.
ਲਾਂਚ ਦੇ ਸਮੇਂ, Codex-Spark ਦੀ 128k ਸੰਦਰਭ ਵਿੰਡੋ ਹੈ ਅਤੇ ਇਹ ਸਿਰਫ਼ ਟੈਕਸਟ ਲਈ ਹੈ. ਰਿਸਰਚ ਪ੍ਰੀਵਿਊ ਦੌਰਾਨ, Codex-Spark ਦੀਆਂ ਆਪਣੀਆਂ ਰੇਟ ਸੀਮਾਵਾਂ ਹੋਣਗੀਆਂ ਅਤੇ ਇਸਦੀ ਵਰਤੋਂ ਮਿਆਰੀ ਰੇਟ ਸੀਮਾਵਾਂ ਵਿੱਚ ਨਹੀਂ ਗਿਣੀ ਜਾਵੇਗੀ. ਹਾਲਾਂਕਿ, ਜਦੋਂ ਮੰਗ ਵੱਧ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਯੂਜ਼ਰਾਂ ਵਿੱਚ ਭਰੋਸੇਯੋਗਤਾ ਦਾ ਸੰਤੁਲਨ ਬਣਾਈ ਰੱਖਣ ਲਈ ਤੁਹਾਨੂੰ ਸੀਮਿਤ ਪਹੁੰਚ ਜਾਂ ਅਸਥਾਈ ਕਤਾਰਬੰਦੀ ਦਿਖ ਸਕਦੀ ਹੈ.
Codex-Spark ਨੂੰ ਇੰਟਰਐਕਟਿਵ ਕੰਮ ਲਈ ਅਨੁਕੂਲ ਕੀਤਾ ਗਿਆ ਹੈ ਜਿੱਥੇ ਲੇਟੈਂਸੀ ਉਤਨੀ ਹੀ ਮਹੱਤਵਪੂਰਣ ਹੈ ਜਿੰਨੀ ਬੁੱਧੀਮਤਾ. ਤੁਸੀਂ ਮਾਡਲ ਨਾਲ ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਸਹਿਯੋਗ ਕਰ ਸਕਦੇ ਹੋ, ਜਦੋਂ ਇਹ ਕੰਮ ਕਰ ਰਿਹਾ ਹੋਵੇ ਤਾਂ ਇਸਨੂੰ ਰੋਕ ਜਾਂ ਨਵੀਂ ਦਿਸ਼ਾ ਦੇ ਸਕਦੇ ਹੋ, ਅਤੇ ਲਗਭਗ ਤੁਰੰਤ ਜਵਾਬਾਂ ਨਾਲ ਤੇਜ਼ੀ ਨਾਲ ਦੁਹਰਾਵ ਕਰ ਸਕਦੇ ਹੋ. ਕਿਉਂਕਿ ਇਹ ਗਤੀ ਲਈ ਟਿਊਨ ਕੀਤਾ ਗਿਆ ਹੈ, Codex-Spark ਆਪਣੀ ਡਿਫੌਲਟ ਵਰਕਿੰਗ ਸ਼ੈਲੀ ਨੂੰ ਹਲਕਾ ਰੱਖਦਾ ਹੈ: ਇਹ ਘੱਟ ਤੋਂ ਘੱਟ, ਨਿਸ਼ਾਨੇਵੰਦ ਸੋਧ ਕਰਦਾ ਹੈ ਅਤੇ ਜਦ ਤੱਕ ਤੁਸੀਂ ਨਾ ਕਹੋ, ਆਪਣੇ ਆਪ ਟੈਸਟ ਨਹੀਂ ਚਲਾਉਂਦਾ.
Codex-Spark ਇੱਕ ਬਹੁਤ ਸਮਰੱਥ ਛੋਟਾ ਮਾਡਲ ਹੈ ਜੋ ਤੇਜ਼ ਇਨਫਰੈਂਸ ਲਈ ਅਨੁਕੂਲਿਤ ਹੈ. SWE-Bench Pro ਅਤੇ Terminal-Bench 2.0 'ਤੇ, ਜੋ ਏਜੰਟਿਕ ਸੌਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰਿੰਗ ਸਮਰੱਥਾ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਵਾਲੇ ਦੋ ਬੈਂਚਮਾਰਕ ਹਨ, GPT‑5.3‑Codex‑Spark ਮਜ਼ਬੂਤ ਪ੍ਰਦਰਸ਼ਨ ਦਿਖਾਉਂਦਾ ਹੈ ਅਤੇ GPT‑5.3‑Codex ਦੇ ਮੁਕਾਬਲੇ ਸਮੇਂ ਦੇ ਇੱਕ ਹਿੱਸੇ ਵਿੱਚ ਟਾਸਕ ਪੂਰੇ ਕਰਦਾ ਹੈ.
ਮਿਆਦ ਦਾ ਅੰਦਾਜ਼ਾ (1) ਆਉਟਪੁੱਟ ਜਨਰੇਸ਼ਨ ਸਮਾਂ (ਆਉਟਪੁੱਟ ਟੋਕਨ ÷ ਸੈਂਪਲਿੰਗ ਗਤੀ), (2) ਪ੍ਰੀਫਿਲ ਸਮਾਂ (ਪ੍ਰੀਫਿਲ ਟੋਕਨ ÷ ਪ੍ਰੀਫਿਲ ਗਤੀ), (3) ਕੁੱਲ ਟੂਲ ਐਗਜ਼ਿਕਿਊਸ਼ਨ ਸਮਾਂ, ਅਤੇ (4) ਕੁੱਲ ਨੈੱਟਵਰਕ ਓਵਰਹੈੱਡ ਦੇ ਜੋੜ ਵਜੋਂ ਲਗਾਇਆ ਜਾਂਦਾ ਹੈ.
ਜਦੋਂ ਅਸੀਂ Codex-Spark ਨੂੰ ਟ੍ਰੇਨ ਕਰ ਰਹੇ ਸੀ, ਤਦ ਇਹ ਸਪੱਸ਼ਟ ਹੋ ਗਿਆ ਕਿ ਰੀਅਲ-ਟਾਈਮ ਸਹਿਯੋਗ ਲਈ ਮਾਡਲ ਦੀ ਗਤੀ ਸਮੀਕਰਨ ਦਾ ਸਿਰਫ਼ ਇੱਕ ਹਿੱਸਾ ਸੀ—ਸਾਨੂੰ ਪੂਰੀ ਰਿਕਵੈਸਟ-ਰਿਸਪਾਂਸ ਪਾਈਪਲਾਈਨ ਵਿੱਚ ਲੇਟੈਂਸੀ ਵੀ ਘਟਾਉਣੀ ਸੀ. ਅਸੀਂ ਆਪਣੇ harness ਵਿੱਚ ਐਂਡ-ਟੂ-ਐਂਡ ਲੇਟੈਂਸੀ ਸੁਧਾਰ ਲਾਗੂ ਕੀਤੇ ਜੋ ਸਾਰੇ ਮਾਡਲਾਂ ਨੂੰ ਫਾਇਦਾ ਦੇਣਗੇ. ਅੰਦਰੂਨੀ ਤੌਰ 'ਤੇ, ਅਸੀਂ ਇਹ ਸੁਧਾਰਿਆ ਕਿ ਜਵਾਬ ਕਲਾਇੰਟ ਤੋਂ ਸਰਵਰ ਅਤੇ ਵਾਪਸ ਕਿਵੇਂ ਸਟ੍ਰੀਮ ਹੁੰਦੇ ਹਨ, ਆਪਣੇ ਇਨਫਰੈਂਸ ਸਟੈਕ ਦੇ ਮਹੱਤਵਪੂਰਣ ਹਿੱਸੇ ਮੁੜ ਲਿਖੇ, ਅਤੇ ਸੈਸ਼ਨਾਂ ਦੀ ਸ਼ੁਰੂਆਤ ਕਿਵੇਂ ਹੁੰਦੀ ਹੈ ਉਸਨੂੰ ਦੁਬਾਰਾ ਸੰਰਚਿਤ ਕੀਤਾ ਤਾਂ ਜੋ ਪਹਿਲਾ ਦਿੱਖਣਯੋਗ ਟੋਕਨ ਜਲਦੀ ਆਵੇ ਅਤੇ Codex ਤੁਹਾਡੇ ਦੁਹਰਾਵ ਦੌਰਾਨ ਜਵਾਬਦੇਹ ਰਹੇ. ਇੱਕ ਪੱਕੇ WebSocket ਕਨੈਕਸ਼ਨ ਦੀ ਸ਼ੁਰੂਆਤ ਅਤੇ Responses API ਦੇ ਅੰਦਰ ਨਿਸ਼ਾਨੇਵੰਦ ਅਨੁਕੂਲਤਾਵਾਂ ਰਾਹੀਂ, ਅਸੀਂ ਹਰ ਕਲਾਇੰਟ/ਸਰਵਰ ਰਾਊਂਡਟ੍ਰਿਪ ਲਈ ਓਵਰਹੈੱਡ 80% ਘਟਾਇਆ, ਪ੍ਰਤੀ-ਟੋਕਨ ਓਵਰਹੈੱਡ 30% ਘਟਾਇਆ, ਅਤੇ ਪਹਿਲੇ ਟੋਕਨ ਤੱਕ ਦਾ ਸਮਾਂ 50% ਘਟਾਇਆ. WebSocket ਪਾਥ Codex-Spark ਲਈ ਡਿਫੌਲਟ ਤੌਰ 'ਤੇ ਐਨੇਬਲ ਹੈ ਅਤੇ ਜਲਦੀ ਹੀ ਸਾਰੇ ਮਾਡਲਾਂ ਲਈ ਡਿਫੌਲਟ ਬਣੇਗਾ.
Codex-Spark Cerebras ਦੇ Wafer Scale Engine 3(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) 'ਤੇ ਚਲਦਾ ਹੈ—ਇੱਕ ਖ਼ਾਸ ਤੌਰ 'ਤੇ ਬਣਾਇਆ ਗਿਆ AI ਐਕਸਲੇਰੇਟਰ ਜੋ ਉੱਚ-ਗਤੀ ਇਨਫਰੈਂਸ ਲਈ Codex ਨੂੰ ਲੇਟੈਂਸੀ-ਪਹਿਲਾਂ ਸਰਵਿੰਗ ਟੀਅਰ ਦਿੰਦਾ ਹੈ. ਅਸੀਂ Cerebras ਨਾਲ ਭਾਈਵਾਲੀ ਕਰਕੇ ਇਸ ਘੱਟ-ਲੇਟੈਂਸੀ ਪਾਥ ਨੂੰ ਆਪਣੇ ਬਾਕੀ ਫਲੀਟ ਵਾਲੇ ਉਸੇ ਪ੍ਰੋਡਕਸ਼ਨ ਸਰਵਿੰਗ ਸਟੈਕ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤਾ, ਤਾਂ ਜੋ ਇਹ Codex ਵਿੱਚ ਬਿਨਾਂ ਰੁਕਾਵਟ ਕੰਮ ਕਰੇ ਅਤੇ ਸਾਨੂੰ ਭਵਿੱਖ ਦੇ ਮਾਡਲਾਂ ਨੂੰ ਸਮਰਥਨ ਦੇਣ ਲਈ ਤਿਆਰ ਕਰੇ.
“GPT-5.3-Codex-Spark ਬਾਰੇ ਸਾਨੂੰ ਸਭ ਤੋਂ ਵੱਧ ਉਤਸ਼ਾਹਿਤ ਕਰਨ ਵਾਲੀ ਗੱਲ OpenAI ਅਤੇ ਡਿਵੈਲਪਰ ਕਮਿਊਨਟੀ ਨਾਲ ਭਾਈਚਾਰੇ ਵਿੱਚ ਇਹ ਖੋਜਣਾ ਹੈ ਕਿ ਤੇਜ਼ ਇਨਫਰੈਂਸ ਕੀ ਕੁਝ ਸੰਭਵ ਬਣਾਉਂਦਾ ਹੈ—ਨਵੇਂ ਇੰਟਰੈਕਸ਼ਨ ਪੈਟਰਨ, ਨਵੇਂ ਵਰਤੋਂ ਕੇਸ, ਅਤੇ ਮੂਲ ਤੌਰ 'ਤੇ ਵੱਖਰਾ ਮਾਡਲ ਅਨੁਭਵ. ਇਹ ਪ੍ਰੀਵਿਊ ਤਾਂ ਸਿਰਫ਼ ਸ਼ੁਰੂਆਤ ਹੈ.”
GPU ਸਾਡੇ ਟ੍ਰੇਨਿੰਗ ਅਤੇ ਇਨਫਰੈਂਸ ਪਾਈਪਲਾਈਨਾਂ ਵਿੱਚ ਅਜੇ ਵੀ ਬੁਨਿਆਦੀ ਹਨ ਅਤੇ ਵਿਆਪਕ ਵਰਤੋਂ ਲਈ ਸਭ ਤੋਂ ਲਾਗਤ-ਕੁਸ਼ਲ ਟੋਕਨ ਦਿੰਦੇ ਹਨ. Cerebras ਉਸ ਬੁਨਿਆਦ ਨੂੰ ਪੂਰਾ ਕਰਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਬਹੁਤ ਘੱਟ ਲੇਟੈਂਸੀ ਦੀ ਮੰਗ ਕਰਨ ਵਾਲੇ ਵਰਕਫਲੋਜ਼ ਵਿੱਚ ਸ਼ਾਨਦਾਰ ਹੈ, ਐਂਡ-ਟੂ-ਐਂਡ ਲੂਪ ਨੂੰ ਕੱਸਦਾ ਹੈ ਤਾਂ ਜੋ Codex ਤੁਹਾਡੇ ਦੁਹਰਾਵ ਦੌਰਾਨ ਹੋਰ ਜਵਾਬਦੇਹ ਮਹਿਸੂਸ ਹੋਵੇ. ਸਭ ਤੋਂ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਹਾਸਲ ਕਰਨ ਲਈ GPUs ਅਤੇ Cerebras ਨੂੰ ਇੱਕੋ ਵਰਕਲੋਡ ਲਈ ਇਕੱਠੇ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ.
Codex-Spark ਅੱਜ Codex ਐਪ, CLI, ਅਤੇ VS Code ਐਕਸਟੈਂਸ਼ਨ ਦੇ ਨਵੇਂ ਵਰਜਨਾਂ ਵਿੱਚ ChatGPT Pro ਯੂਜ਼ਰਾਂ ਲਈ ਇੱਕ ਰਿਸਰਚ ਪ੍ਰੀਵਿਊ ਵਜੋਂ ਰੋਲ ਆਉਟ ਹੋ ਰਿਹਾ ਹੈ. ਕਿਉਂਕਿ ਇਹ ਖ਼ਾਸ ਘੱਟ-ਲੇਟੈਂਸੀ ਹਾਰਡਵੇਅਰ 'ਤੇ ਚਲਦਾ ਹੈ, ਇਸਦੀ ਵਰਤੋਂ ਇੱਕ ਵੱਖਰੀ ਰੇਟ ਸੀਮਾ ਦੁਆਰਾ ਨਿਯੰਤ੍ਰਿਤ ਹੈ ਜੋ ਰਿਸਰਚ ਪ੍ਰੀਵਿਊ ਦੌਰਾਨ ਮੰਗ ਦੇ ਅਧਾਰ 'ਤੇ ਬਦਲ ਸਕਦੀ ਹੈ. ਇਸਦੇ ਨਾਲ ਹੀ, ਅਸੀਂ Codex-Spark ਨੂੰ API ਵਿੱਚ ਡਿਜ਼ਾਇਨ ਭਾਈਵਾਲਾਂ ਦੇ ਇੱਕ ਛੋਟੇ ਸਮੂਹ ਲਈ ਵੀ ਉਪਲਬਧ ਕਰਵਾ ਰਹੇ ਹਾਂ ਤਾਂ ਜੋ ਸਮਝਿਆ ਜਾ ਸਕੇ ਕਿ ਡਿਵੈਲਪਰ Codex-Spark ਨੂੰ ਆਪਣੇ ਉਤਪਾਦਾਂ ਵਿੱਚ ਕਿਵੇਂ ਇਕਿੱਠਾ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਨ. ਅਸੀਂ ਆਉਣ ਵਾਲਿਆਂ ਹਫ਼ਤਿਆਂ ਵਿੱਚ ਪਹੁੰਚ ਵਧਾਵਾਂਗੇ ਜਿਵੇਂ ਅਸੀਂ ਅਸਲ ਵਰਕਲੋਡ ਹੇਠ ਆਪਣੀ ਇੰਟੀਗ੍ਰੇਸ਼ਨ ਨੂੰ ਟਿਊਨ ਕਰਦੇ ਰਹਾਂਗੇ.
Codex-Spark ਇਸ ਵੇਲੇ 128k ਸੰਦਰਭ ਵਿੰਡੋ 'ਤੇ ਸਿਰਫ਼ ਟੈਕਸਟ ਲਈ ਹੈ ਅਤੇ ਇਹ ਬੇਹੱਦ ਤੇਜ਼ ਮਾਡਲਾਂ ਦੇ ਪਰਿਵਾਰ ਵਿੱਚ ਪਹਿਲਾ ਹੈ. ਜਿਵੇਂ ਅਸੀਂ ਡਿਵੈਲਪਰ ਕਮਿਊਨਟੀ ਨਾਲ ਇਹ ਹੋਰ ਸਿੱਖਦੇ ਹਾਂ ਕਿ ਕੋਡਿੰਗ ਲਈ ਤੇਜ਼ ਮਾਡਲ ਕਿੱਥੇ ਸਭ ਤੋਂ ਵੱਧ ਚਮਕਦੇ ਹਨ, ਅਸੀਂ ਹੋਰ ਵੀ ਸਮਰੱਥਾਵਾਂ ਪੇਸ਼ ਕਰਾਂਗੇ—ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਵੱਡੇ ਮਾਡਲ, ਲੰਬੀਆਂ ਸੰਦਰਭ ਲੰਬਾਈਆਂ, ਅਤੇ ਮਲਟੀਮੋਡਲ ਇਨਪੁੱਟ ਸ਼ਾਮਲ ਹਨ.
Codex-Spark ਵਿੱਚ ਸਾਡੇ ਮੁੱਖ ਮਾਡਲਾਂ ਵਾਂਗ ਹੀ ਸੇਫਟੀ ਟ੍ਰੇਨਿੰਗ ਸ਼ਾਮਲ ਹੈ, ਜਿਸ ਵਿੱਚ ਸਾਇਬਰ-ਸੰਬੰਧਿਤ ਟ੍ਰੇਨਿੰਗ ਵੀ ਸ਼ਾਮਲ ਹੈ. ਅਸੀਂ Codex-Spark ਦਾ ਮੁਲਾਂਕਣ ਆਪਣੇ ਮਿਆਰੀ ਤੈਨਾਤੀ ਪ੍ਰਕਿਰਿਆ ਦੇ ਹਿੱਸੇ ਵਜੋਂ ਕੀਤਾ, ਜਿਸ ਵਿੱਚ ਸਾਇਬਰ ਅਤੇ ਹੋਰ ਸਮਰੱਥਾਵਾਂ ਲਈ ਬੇਸਲਾਈਨ ਮੁਲਾਂਕਣ ਸ਼ਾਮਲ ਹਨ, ਅਤੇ ਇਹ ਨਿਰਧਾਰਤ ਕੀਤਾ ਕਿ ਇਸਦੇ ਕੋਲ ਸਾਇਬਰਸੁਰੱਖਿਆ ਜਾਂ ਜੀਵ ਵਿਗਿਆਨ ਵਿੱਚ ਉੱਚ ਸਮਰੱਥਾ ਲਈ ਸਾਡੇ ਪ੍ਰ੍ਰਿਪੇਅਰਡਨੈਸ ਫ੍ਰੇਮਵਰਕ ਥ੍ਰੈਸ਼ਹੋਲਡ ਤੱਕ ਪਹੁੰਚਣ ਦੀ ਕੋਈ ਯਥਾਰਥ ਸੰਭਾਵਨਾ ਨਹੀਂ ਹੈ.
Codex-Spark ਦੋ ਪਰਸਪਰ-ਪੂਰਨ ਮੋਡਾਂ ਵਾਲੇ Codex ਵੱਲ ਪਹਿਲਾ ਕਦਮ ਹੈ: ਲੰਬੇ ਦਾਇਰੇ ਵਾਲੀ ਰੀਜ਼ਨਿੰਗ ਅਤੇ ਐਗਜ਼ਿਕਿਊਸ਼ਨ, ਅਤੇ ਤੇਜ਼ ਦੁਹਰਾਵ ਲਈ ਰੀਅਲ-ਟਾਈਮ ਸਹਿਯੋਗ. ਸਮੇਂ ਦੇ ਨਾਲ, ਇਹ ਮੋਡ ਇਕੱਠੇ ਮਿਲ ਜਾਣਗੇ—Codex ਤੁਹਾਨੂੰ ਇੱਕ ਤੰਗ ਇੰਟਰਐਕਟਿਵ ਲੂਪ ਵਿੱਚ ਰੱਖ ਸਕੇਗਾ ਜਦੋਂ ਕਿ ਪਿਛੋਕੜ ਵਿੱਚ ਸਬ-ਏਜੰਟਾਂ ਨੂੰ ਲੰਬੇ ਸਮੇਂ ਚੱਲਣ ਵਾਲਾ ਕੰਮ ਸੌਂਪੇਗਾ, ਜਾਂ ਜਦੋਂ ਤੁਸੀਂ ਵਿਸਤਾਰ ਅਤੇ ਗਤੀ ਚਾਹੁੰਦੇ ਹੋ ਤਾਂ ਕਈ ਮਾਡਲਾਂ ਨੂੰ ਸਮਾਂਤਰ ਤੌਰ 'ਤੇ ਟਾਸਕ ਵੰਡੇਗਾ, ਤਾਂ ਜੋ ਤੁਹਾਨੂੰ ਪਹਿਲਾਂ ਹੀ ਇੱਕੋ ਮੋਡ ਨਹੀਂ ਚੁਣਨਾ ਪਵੇ.
ਜਿਵੇਂ-ਜਿਵੇਂ ਮਾਡਲ ਹੋਰ ਸਮਰੱਥ ਬਣਦੇ ਹਨ, ਇੰਟਰੈਕਸ਼ਨ ਦੀ ਗਤੀ ਇੱਕ ਸਪੱਸ਼ਟ ਬੋਟਲਨੈਕ ਬਣ ਜਾਂਦੀ ਹੈ. ਬੇਹੱਦ ਤੇਜ਼ ਇਨਫਰੈਂਸ ਉਸ ਲੂਪ ਨੂੰ ਕੱਸਦਾ ਹੈ, ਜਿਸ ਨਾਲ Codex ਵਰਤਣ ਵਿੱਚ ਹੋਰ ਸੁਭਾਵਿਕ ਮਹਿਸੂਸ ਹੁੰਦਾ ਹੈ ਅਤੇ ਕਿਸੇ ਵੀ ਅਜਿਹੇ ਵਿਅਕਤੀ ਲਈ ਸੰਭਾਵਨਾਵਾਂ ਵਧਦੀਆਂ ਹਨ ਜੋ ਕਿਸੇ ਵਿਚਾਰ ਨੂੰ ਕੰਮ ਕਰਨ ਵਾਲੇ ਸੌਫਟਵੇਅਰ ਵਿੱਚ ਬਦਲ ਰਿਹਾ ਹੈ.
