اس جائزے کو کیسے پڑھیں
یہ ڈیش بورڈ 13 ستمبر 2026 تک دستیاب عوامی شواہد کو ریکارڈ کرتا ہے۔ یہ کوئی زندہ لیڈر بورڈ نہیں اور اسے خاموشی سے اپ ڈیٹ نہیں کیا جانا چاہیے۔ AI مصنوعات، اسکیفولڈز، تشخیصی سیٹس، اور قیمتیں اتنی تیزی سے بدلتی ہیں کہ ایک غیر تاریخ شدہ «موجودہ» صفحہ دیانتدار نہیں رہ سکتا۔
صلاحیت کثیر الابعاد ہے۔ کوئی نظام اولمپیاڈ کا مسئلہ حل کر سکتا ہے پھر بھی اینالاگ گھڑی پڑھنے میں ناکام رہ سکتا ہے، ماہرانہ حیاتیات کے سوالات کا جواب دے سکتا ہے پھر بھی کوئی لیبارٹری ورک فلو مکمل کرنے میں ناکام رہ سکتا ہے، یا کوڈنگ گریڈر پاس کر سکتا ہے جبکہ ایسا پیچ تیار کرتا ہے جسے کوئی مینٹینر مسترد کر دے گا۔ Stanford کا 2026 کا AI Index اس نمونے کو ناہموار ذہانت کہتا ہے اور کنٹرول شدہ اور حقیقی ماحول کے درمیان بڑے فرق دستاویز کرتا ہے (Stanford AI Index، تکنیکی کارکردگی)۔
نیچے دی گئی درجہ بندیاں شواہد بیان کرتی ہیں، کوئی عالمگیر ماڈل نہیں۔ «مضبوط» کا مطلب ہے کہ سرکردہ نظام متعلقہ عوامی تشخیصات پر متاثر کن کارکردگی دکھاتے ہیں۔ اس کا مطلب محفوظ، انسانی مساوی، یا خودمختار زیادہ داؤ والے استعمال کے لیے کافی قابلِ اعتماد ہونا نہیں۔
| جہت | ستمبر 2026 کے شواہد | اہم حد |
|---|---|---|
| زبان اور علم | وسیع سوال و جواب اور ملٹی موڈل ٹیسٹوں میں مضبوط | فریب کاری، آلودگی، اور ناہموار حقائقی اعتماديت باقی ہے |
| ریاضی اور ساختہ استدلال | فرنٹیئر نظاموں نے منتخب مسائل پر مقابلے کے اعلیٰ ترین نتائج حاصل کیے | کارکردگی ناہموار اور آلات و استدلالی بجٹ کے لیے حساس ہے |
| کوڈنگ اور کمپیوٹر استعمال | کوڈنگ اور ساختہ ڈیسک ٹاپ-ایجنٹ بینچ مارکس پر تیز فوائد | گریڈر پاس کرنا قابلِ دیکھ بھال پروڈکشن کام کی ضمانت نہیں دیتا |
| طویل کام کی خودمختاری | ناپے گئے سافٹ ویئر-کام کے افق تیزی سے بڑھے | زیادہ تر صاف سافٹ ویئر/ML/سائبر کام؛ خودمختار عمل کا دورانیہ نہیں |
| سائنسی معاونت | مضبوط شعبہ جاتی علم اور بہتر ہوتی پروٹوکول/خرابی حل کرنے کی کارکردگی | علم کے اسکور سرے سے سرے تک تجرباتی اہلیت ثابت نہیں کرتے |
| سائبر صلاحیت | ایجنٹ حقیقی کمزوریاں تلاش کر سکتے ہیں اور منتخب ماہرانہ کام مکمل کر سکتے ہیں | سرے سے سرے تک خودمختار حملے عوامی طور پر ثابت نہیں |
| قائل کرنا | کنٹرول شدہ تجربات میں قابلِ پیمائش رائے کی تبدیلیاں | آبادی کے پیمانے پر بدنیتی پر مبنی اثر ثابت نہیں |
| روبوٹکس اور جسمانی مجسمیت | کنٹرول شدہ ماحول میں مضبوط پیش رفت | گھریلو اور کھلی دنیا کی اعتماديت کہیں کم ہے |
| حفاظت اور اعتماديت | حفاظتی تدابیر اور تشخیصات بہتر ہو رہی ہیں | رپورٹنگ غیر مستقل ہے اور کوئی طریقہ کنٹرول کی ضمانت نہیں دیتا |
استدلال متاثر کن اور ناہموار ہے
2026 کا AI Index رپورٹ کرتا ہے کہ ایک Google DeepMind نظام نے مقابلے کی وقتی حد کے تحت 2025 کے بین الاقوامی ریاضیاتی اولمپیاڈ میں گولڈ میڈل کی سطح کا اسکور حاصل کیا۔ اسی باب میں رپورٹ کیا گیا ہے کہ ClockBench پر بہترین آزمائے گئے ماڈل نے اینالاگ گھڑیاں صرف تقریباً نصف وقت درست پڑھیں، جبکہ انسانوں کے لیے یہ شرح تقریباً 90 فیصد ہے۔ یہ ٹیسٹ برابر اہم نہیں، لیکن ان کا تضاد ایک واحد اسکیلر «ذہانت کی سطح» کے تصور کو شکست دیتا ہے۔
بینچ مارک کے فوائد ایک بہتر بنیادی ماڈل، زیادہ استدلالی وقت کی کمپیوٹیشن، آلے کا استعمال، کئی حل کا نمونہ لینا، یا خصوصی اسکیفولڈنگ ظاہر کر سکتے ہیں۔ کوئی نتیجہ بیان کردہ حالات کے تحت مکمل آزمائے گئے نظام سے تعلق رکھتا ہے۔ اسے آسانی سے کسی سستے مصنوعاتی درجے یا وقت کی پابندی والی تعیناتی میں منتقل نہیں کیا جانا چاہیے۔
بہت سے ٹیسٹ بھی تیزی سے سیر ہو جاتے ہیں۔ Stanford Humanity’s Last Exam پر تیز فوائد اور SWE-bench Verified پر تقریباً سنترپتی کی رپورٹ دیتا ہے، جبکہ غلط سوالات اور ممکنہ لیڈر بورڈ موافقت کا ذکر کرتا ہے۔ سنترپتی کا مطلب ہے کہ کسی تشخیص میں سرکردہ نظاموں میں فرق کرنے کی طاقت کم ہے؛ اس کا مطلب یہ نہیں کہ بنیادی شعبہ حل ہو چکا ہے۔
کوڈنگ اور کمپیوٹر کا استعمال
سرکردہ ایجنٹ منتخب ریپازٹری مسائل کی مرمت کر سکتے ہیں، خاطر خواہ کوڈ لکھ سکتے ہیں، اور گرافیکل ایپلیکیشنز چلا سکتے ہیں۔ Stanford رپورٹ کرتا ہے کہ OSWorld کی کارکردگی تقریباً 12 فیصد سے بڑھ کر 66.3 فیصد ہو گئی، پھر بھی تقریباً ہر تین میں سے ایک ساختہ کام میں ناکام رہتی ہے۔ حقیقی کمپیوٹر کا استعمال بدلتے انٹرفیس، غیر واضح مقاصد، اسناد، مخالفانہ مواد، اور نتائج شامل کرتا ہے جنہیں کوئی بینچ مارک چھوڑ سکتا ہے۔
خودکار گریڈنگ ایک اور حد ہے۔ METR کے 2026 کے SWE-bench پیچز کے مطالعے نے پایا کہ بینچ مارک کے ٹیسٹ پاس کرنے کا مطلب یہ نہیں تھا کہ مینٹینرز تبدیلیوں کو ضم کریں گے، جو فنکشنل ٹیسٹ کیسز سے آگے معیاری ابعاد کو اجاگر کرتا ہے (METR mainatiner جائزہ مطالعہ)۔ پروڈکشن کوڈنگ کو آرکیٹیکچر، رابطے، سیکیورٹی، دیکھ بھال، اور ناکامیوں کی ذمہ داری درکار ہوتی ہے۔
یہ شواہد منتخب کام کی خاطر خواہ معاونت اور خودکاری کی حمایت کرتے ہیں۔ یہ اس بات کی حمایت نہیں کرتے کہ «سافٹ ویئر انجینئرنگ حل ہو چکی ہے»۔
طویل کام کی خودمختاری
METR کا مئی 2026 کا ڈیش بورڈ اس انسانی-ماہر کام کے دورانیے کا تخمینہ لگاتا ہے جس پر کسی ایجنٹ کی 50 یا 80 فیصد پیش گوئی شدہ کامیابی کی شرح ہو۔ یہ کام بنیادی طور پر سافٹ ویئر انجینئرنگ، مشین لرننگ، اور سائبر سیکیورٹی سے متعلق ہیں۔ METR کہتا ہے کہ سولہ گھنٹے سے زیادہ کی پیمائشیں موجودہ سوٹ کے ساتھ ناقابلِ اعتماد ہیں (METR کام کے افق)۔
اس پیمانے کی اکثر غلط رپورٹنگ کی جاتی ہے۔ چار گھنٹے کا افق یہ نہیں بتاتا کہ ایجنٹ چار گھنٹے تک خودمختاری سے چلتا ہے؛ اس کا مطلب یہ ہے کہ ایک انسانی ماہر کو عام طور پر ناپی گئی مشکل کے کاموں کے لیے تقریباً چار گھنٹے درکار ہوتے ہیں۔ کامیاب ایجنٹ کہیں زیادہ تیزی سے مکمل کر سکتے ہیں۔ سوٹ خود مکتفی اور معروضی طور پر گریڈ کیا جا سکنے والا ہے، ادارہ جاتی کام کے برعکس۔
METR مزید خبردار کرتا ہے کہ شعبے حجم کے کئی درجوں سے مختلف ہوتے ہیں، غلطی کی حدیں وسیع ہو سکتی ہیں، اور جہاں 98 فیصد اعتماديت درکار ہو وہاں 50 فیصد کا افق ناکافی ہے (METR حدود)۔ یہ رجحان منتخب ڈیجیٹل کاموں میں تیز رفتار ترقی کا معنی خیز ثبوت ہے — ملازمت کی خودکاری یا AGI کی طرف گنتی کرنے والی کوئی گھڑی نہیں۔
سائنس، حیاتیات، اور سائبر
برطانیہ کا AI Security Institute رپورٹ کرتا ہے کہ اکتوبر 2025 تک آزمائے گئے نظام منتخب کیمسٹری اور حیاتیات کے سوالات پر اس کے PhD-ماہر بنیادی خطوط سے آگے نکل گئے اور پروٹوکول تخلیق اور لیبارٹری خرابی حل کرنے میں بہتر ہوئے۔ یہ سرے سے سرے تک پلازمِڈ ڈیزائن میں مستقل مشکل بھی رپورٹ کرتا ہے (AISI Frontier AI Trends Report)۔ یہ سرکاری تشخیصی نتائج ہیں، لیکن ماہرانہ بنیادی خطوط اور کام کی تشکیل اب بھی معنی طے کرتے ہیں۔
سائبر صلاحیت سوال و جواب سے ایسے ایجنٹوں کی طرف بڑھی ہے جو کمزوریاں دریافت کرتے اور کثیر مرحلہ چیلنجز حل کرتے ہیں۔ AISI نے فروری 2026 میں اپنے سائبر-کام کے پیمانوں میں تیز تر نمو کی رپورٹ دی (AISI سائبر رجحانات)۔ International AI Safety Report ان شواہد کو تعیناتی سے الگ کرتی ہے: حملہ آور AI استعمال کرتے ہیں، پھر بھی مکمل طور پر خودمختار سرے سے سرے تک حملے عوامی طور پر رپورٹ نہیں کیے گئے اور یہ غیریقینی ہے کہ حملہ یا دفاع میں سے کون زیادہ فائدہ اٹھا رہا ہے (International AI Safety Report 2026)۔
قائل کرنا اور سماجی صلاحیت
گفتگو کرنے والا AI تجربات میں رویے بدل سکتا ہے۔ AISI کی قیادت میں 2026 کے ایک مطالعے میں 76,977 شرکاء شامل تھے اور اس نے پایا کہ پرامپٹنگ اور قائل کرنے پر مرکوز پوسٹ ٹریننگ نے اسکیل یا بنیادی ذاتی سازی کے مقابلے میں قائل کرنے کے بڑے اثرات پیدا کیے؛ ذاتی سازی کے اثرات ایک فیصد پوائنٹ سے کم تھے۔ بڑھی ہوئی قائل کرنے کی صلاحیت کم حقائقی درستگی سے منسلک تھی (AISI قائل کرنے کا مطالعہ)۔
یہ نتیجہ تجرباتی حالات کے تحت ناپی گئی صلاحیت ثابت کرتا ہے۔ یہ پائیدار رویے کی تبدیلی، انتخابی اثرات، یا آبادی کے کنٹرول کو ثابت نہیں کرتا۔ رسائی، پلیٹ فارم کی تقسیم، مقابل پیغامات، صارف کا اعتماد، اور استقلال الگ متغیرات رہتے ہیں۔
جسمانی مجسمیت ایک بڑا خلا ہے
روبوٹکس کنٹرول شدہ اور کھلے ماحول کے درمیان سب سے واضح فرق دکھاتا ہے۔ Stanford ایک سمولیشن بینچ مارک میں بلند کامیابی رپورٹ کرتا ہے لیکن آزمائے گئے حقیقی گھریلو کاموں پر صرف 12 فیصد۔ خودمختار گاڑیاں محدود سروس علاقوں میں معنی خیز پیمانے پر کام کرتی ہیں، جن میں آپریشنل ڈیزائن ڈومینز اور آف سائٹ انسانی معاونت شامل ہے جو تعبیر کے لیے اہم ہیں۔
کسی زبان کے ماڈل کے وسیع ڈیجیٹل انٹرفیس کو جسمانی دنیا کی عمومیت سمجھنے کی غلطی نہیں کرنی چاہیے۔ محسوس کرنا، ہیرا پھیری، لوگوں کے ارد گرد حفاظت، نئی غلطیوں سے بحالی، ہارڈویئر کی دیکھ بھال، اور لاگت سب تعیناتی کو محدود کرتے ہیں۔ اس رہنما کا انسان نما روبوٹس کا باب بینچ مارک مظاہروں اور حقیقی دنیا کی روبوٹ کارکردگی کے درمیان اس خلا کو مزید تفصیل سے، کمپنی بہ کمپنی ٹریک کرتا ہے۔
اعتماديت صلاحیت کا حصہ ہے
ایک ایسا ایجنٹ جو 66 فیصد وقت کامیاب ہوتا ہے جائزے کے ساتھ مفید ہو سکتا ہے اور اس کے بغیر ناقابلِ قبول۔ زیادہ داؤ والے نظاموں کو معیاری غیریقینی، ناکامی کا پتہ لگانا، اپیل، آڈٹ لاگز، رول بیک، سیکیورٹی، اور انسانی متبادل درکار ہوتا ہے۔ اوسط بینچ مارک اسکور نایاب مگر اہم غلطیاں چھپا دیتے ہیں۔
2026 کا AI Index پاتا ہے کہ ڈویلپرز ذمہ دار-AI تشخیصات کے مقابلے میں مرکزی دھارے کی صلاحیتی بینچ مارک کہیں زیادہ مستقل طور پر رپورٹ کرتے ہیں (AI Index ذمہ دار-AI باب)۔ غائب عوامی نتائج غائب اندرونی ٹیسٹنگ ثابت نہیں کرتے، لیکن وہ موازنہ اور عوامی یقین دہانی کو محدود کرتے ہیں۔
یہ ڈیش بورڈ کیا ثابت نہیں کرتا
یہ شعور، ارادوں، تمام ملازمتوں میں اقتصادی قدر، یا کسی تسلیم شدہ AGI حد کو ثابت نہیں کرتا۔ یہ یہ نہیں دکھاتا کہ کوئی بینچ مارک نتیجہ کسی مختلف زبان، آبادی، آلات کے سیٹ، لاگت کی حد، یا مخالفانہ ماحول میں منتقل ہوتا ہے۔ یہ اس بات کو حل نہیں کرتا کہ آیا موجودہ آرکیٹیکچرز مضبوطی سے عمومی بن سکتے ہیں۔
اس جائزے تک، سب سے مضبوط نتیجہ یہ ہے کہ فرنٹیئر نظام مستقل نزاکت، شعبہ جاتی خلا، اور نامکمل حفاظتی شواہد کے ساتھ ساتھ غیر معمولی وسعت اور تیز رفتار بہتری دکھاتے ہیں۔ یہ «محض آٹو کمپلیٹ» یا «AGI آ چکا ہے» دونوں سے زیادہ اہم — اور زیادہ درست — ہے۔