संपादक के पर्दे के पीछे

दस्तावेज़ संपादित करने में इतना अच्छा क्यों है?

एक भाषा मॉडल एक अच्छा वाक्य लिख सकता है, लेकिन इसे फॉर्मेटिंग के साथ वापस रखना एक अलग काम है। हम बताते हैं कि एआई (AI) के लिए किसी दस्तावेज़ को संपादित करना क्यों कठिन रहा है, और इसे ठीक करने के लिए हमने क्या बनाया है।

9 मिनट पढ़ने का समय3 अक्टूबर 2026

अवलोकन

एक चैटबॉट से Word फ़ाइल में किसी खंड को ठीक करने के लिए कहें और आप उससे एक साथ दो काम करने के लिए कह रहे हैं: शब्दों को बदलना, और उस फ़ाइल प्रारूप को फिर से लिखना जिसमें वे हैं। भाषा मॉडल पहले काम में अच्छे हैं और दूसरे में अविश्वसनीय हैं।

मॉडल से दूसरा काम ले लेता है। यह लेख बताता है कि यह क्यों महत्वपूर्ण है, लंबे दस्तावेजों पर यह कैसे काम करता है, और चैट वेबसाइटों और कंप्यूटर-उपयोग एजेंटों के साथ इसकी तुलना कैसे होती है।

  1. 01एक भाषा मॉडल किसी दस्तावेज़ को एक पृष्ठ के रूप में नहीं, बल्कि मार्कअप के रूप में पढ़ता है।
  2. 02एक गलत वर्ण (character) फ़ाइल को अपठनीय बना सकता है, और लंबे आउटपुट गलत वर्णों की संभावना को बढ़ा देते हैं।
  3. 03 सामग्री को स्वरूपण से अलग करता है: मॉडल शब्दों को संपादित करता है, हमारा कोड फ़ाइल लिखता है।
  4. 04आधुनिक कोडिंग एजेंटों की तरह लंबे दस्तावेज़ों को बैच किया जाता है, विभाजित किया जाता है और संदर्भ दिया जाता है।
  5. 05चैट वेबसाइटें पायथन के साथ फ़ाइलों को संपादित कर सकती हैं, लेकिन परिवर्तन चुपचाप गायब हो सकते हैं।
  6. 06कंप्यूटर-उपयोग एजेंट इंसानों की तरह संपादन करते हैं, और कई गुना अधिक लागत पर।

01

एलएलएम केवल पाठ देखता है, स्वरूपण नहीं

Word में कोई अनुबंध खोलें और आपको एक पृष्ठ दिखाई देता है: हाउस स्टाइल में एक शीर्षक, एक बोल्ड राशि, एक रेखांकित समय सीमा। Word प्रोग्राम ये फॉर्मेटिंग बनाता है, ताकि हम विजुअली संपादन कर सकें। Word फ़ाइल (.docx) के नीचे XML की एक जटिल प्रणाली होती है, जहाँ हमारे द्वारा देखा जाने वाला प्रत्येक शब्द मार्कअप के रूप में ज्ञात छिपे हुए शब्दों के साथ बारीकी से एनोटेट किया जाता है।12

आप जो देखते हैं

मॉडल क्या देखता है

<w:p>  <w:pPr><w:pStyle w:val="Heading2"/></w:pPr>  <w:r><w:t>4. किराया</w:t></w:r></w:p><w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">किरायेदार </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>प्रत्येक महीने का पहला दिन</w:t></w:r>  <w:r><w:t xml:space="preserve"> को </w:t></w:r>  <w:r><w:rPr><w:b/><w:color w:val="1F4E79"/></w:rPr><w:t>US$2,400</w:t></w:r>  <w:r><w:t xml:space="preserve"> का भुगतान करेगा।</w:t></w:r></w:p>
आकृति 1वही खंड दो बार। शब्दों में 74 वर्ण हैं; उनके चारों ओर का XML 484 लेता है। word/document.xml का अंश।

एलएलएम (LLM) को Microsoft Word, LibreOffice या Pages से कोई सहायता नहीं मिलती है और उसे मार्कअप की अपनी समझ पर ही निर्भर रहना पड़ता है। सही ढंग से संपादित करने के लिए, एलएलएम को मूल मार्कअप के प्रभाव को समझने और सही मार्कअप में नया वाक्य लिखने की आवश्यकता होती है।

02

एलएलएम आउटपुट स्वाभाविक रूप से अस्थिर होता है

मॉडलों में काफ़ी सुधार हुआ है, लेकिन नवीनतम मॉडल भी अभी गलतियाँ करते हैं। 2026 के Microsoft Research अध्ययन में 52 पेशेवर क्षेत्रों के 19 मॉडलों का परीक्षण किया गया। Gemini 3.1 Pro, Claude 4.6 Opus और GPT 5.4 जैसे अग्रणी मॉडलों ने लंबे संपादन कार्यप्रवाहों के अंत तक दस्तावेज़ की औसतन 25% सामग्री बिगाड़ दी।4

वर्ड फ़ाइल में, एक छोटी सी त्रुटि भी फ़ाइल को अनुपयोगी बनाने के लिए पर्याप्त है। यहाँ मॉडल ने एक अकेला स्लैश हटा दिया है:

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">किरायेदार </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>प्रत्येक महीने का पहला दिन</w:t></w:r>  <w:r><w:t xml:space="preserve"> को </w:t></w:r>  <w:r><w:rPr><w:b>1<w:color w:val="1F4E79"/></w:rPr><w:t>US$2,400</w:t></w:r>  <w:r><w:t xml:space="preserve"> का भुगतान करेगा।</w:t></w:r></w:p>
आकृति 2एक गायब स्लैश बोल्ड टैग को खुला छोड़ देता है। XML अब सही ढंग से स्वरूपित (well-formed) नहीं है, और Word फ़ाइल को सामान्य रूप से नहीं खोलेगा।3

XML में गलत मार्कअप के लिए कोई गुंजाइश नहीं होती। फ़ाइल या तो अच्छी तरह से बनी होती है या नहीं होती। Word कभी-कभी टूटी हुई फ़ाइल को ठीक कर सकता है, लेकिन ठीक की गई कॉपी से टेक्स्ट या फॉर्मेटिंग गायब हो सकती है।

लंबा आउटपुट, अधिक गलतियाँ

लंबाई के साथ जोखिम बढ़ता है। LongProc, लंबी संरचित आउटपुट का 2025 का एक बेंचमार्क, ने पाया कि ओपन-वेट मॉडल 2,000 आउटपुट टोकन पर लड़खड़ाते हैं और GPT-4o 8,000 पर काफी हद तक खराब हो जाता है।5 एक अन्य अध्ययन में पाया गया कि इनपुट बढ़ने पर प्रदर्शन 13.9% से 85% तक गिर जाता है, तब भी जब मॉडल हर प्रासंगिक तथ्य को पुनः प्राप्त कर सकता है।6 10 पेज का एक वर्ड डॉक्यूमेंट लगभग 10,000 टोकन का होता है, और बिना किसी त्रुटि के एक साथ सभी 10 पृष्ठों को संपादित करने का प्रयास करना असंभव सा प्रयास है।

<w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24"/></w:rPr><w:t>5.1</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> Harlow &1 Pike LLP इस पट्टे के तहत उत्पन्न होने वाले सभी मामलों में मकान मालिक की ओर से कार्य करता है।</w:t></w:r></w:p><w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24/>2</w:rPr><w:t>5.2</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> किरायेदार परिसर को अच्छी और ठोस मरम्मत तथा स्थिति में रखेगा।</w:t></w:r></w:p><w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24"/></w:rPr><w:t>5.3</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> कोई भी नोटिस लिखित रूप में दिया जाना चाहिए और अनुसूची 2 में बताए गए पते पर पहुंचाया जाना चाहिए।</w:t></w:p>3<w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24"/></w:rPr><w:t>5.4</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> यदि किराया 21 दिन से अधिक बकाया है त4
  1. 1पाठ में एक अकेला एम्परसैन्ड (&)। XML के लिए इसे एक एंटिटी के रूप में एस्केप करना आवश्यक है।
  2. 2एक गायब समापन उद्धरण चिह्न। इसके बाद की हर चीज़ को मान (value) के हिस्से के रूप में पढ़ा जाता है।
  3. 3एक रन जिसे पैराग्राफ समाप्त होने से पहले कभी बंद नहीं किया जाता।
  4. 4आउटपुट बस रुक जाता है। लंबी जेनरेशन प्रक्रियाएँ लंबाई की सीमा तक पहुँच सकती हैं या टैग के बीच में टाइम-आउट हो सकती हैं।
आकृति 3मॉडल आउटपुट के चार खंड, विफलता के चार प्रकार। प्रत्येक अकेले फ़ाइल को पढ़ने योग्य नहीं बनाता है।

03

इसे कैसे हल करता है

हम ऐसे कस्टम प्रोग्राम लिखते हैं जो फॉर्मेटिंग को कंटेंट से अलग करते हैं। मॉडल को बदलने के लिए ज़रूरी शब्द, पेज की रेंडर की गई इमेज के साथ मिलते हैं, जिससे उसे Word प्रोग्राम से मदद मिलती है। इसके बाद हमारा कोड एडिट किए गए शब्दों को वापस उनके ओरिजिनल रन में डाल देता है और फ़ाइल के बाकी हिस्से को वैसे ही छोड़ देता है।

आपकी फ़ाइल

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">किरायेदार </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>प्रत्येक महीने का पहला दिन</w:t></w:r>  <w:r><w:t xml:space="preserve"> को </w:t></w:r>  <w:r><w:rPr><w:b/><w:color w:val="1F4E79"/></w:rPr><w:t>US$2,400</w:t></w:r>  <w:r><w:t xml:space="preserve"> का भुगतान करेगा।</w:t></w:r></w:p>

सामग्री को स्वरूपण से अलग करता है

निकाली गई सामग्री

किरायेदार प्रत्येक महीने का पहला दिन को US$2,400 का भुगतान करेगा।

रेंडर किया गया पृष्ठ

दोनों मॉडल के पास जाते हैं

भाषा मॉडलशब्दों को संपादित करता है। कभी भी XML को नहीं छूता।

मॉडल संपादित सामग्री लौटाता है

मॉडल आउटपुट

किरायेदार प्रत्येक महीने का पहला दिनप्रत्येक महीने का पाँचवाँ दिन को US$2,400US$2,600 का भुगतान करेगा।

शब्दों को मूल रन में वापस लिखता है

आपकी फ़ाइल, संपादित

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">किरायेदार </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>प्रत्येक महीने का पाँचवाँ दिन</w:t></w:r>  <w:r><w:t xml:space="preserve"> को </w:t></w:r>  <w:r><w:rPr><w:b/><w:color w:val="1F4E79"/></w:rPr><w:t>US$2,600</w:t></w:r>  <w:r><w:t xml:space="preserve"> का भुगतान करेगा।</w:t></w:r></w:p>

✓ मान्य .docx। बोल्ड, रंग और अंडरलाइन बिल्कुल वैसे ही हैं जैसे वे थे।

आकृति 4संपादन पाइपलाइन, सरलीकृत। हाइलाइट किया गया पाठ फ़ाइल का एकमात्र ऐसा हिस्सा है जो बदला है।

यह एक साथ दोनों समस्याओं का समाधान करता है। मॉडल अब वह फ़ॉर्मेटिंग देख सकता है जिसे वह पहले नहीं देख सकता था, और वह अब वह मार्कअप नहीं लिखता है जिसके टूटने की सबसे अधिक संभावना थी।

आपको यह परत किसी सामान्य-उद्देश्य वाले चैटबॉट में नहीं मिलेगी। निष्कर्षण, रेंडरिंग और पुनर्गठन प्रोग्राम के अपने इंजीनियरों द्वारा बनाए और रखरखाव किए जाते हैं।

04

लंबे संदर्भ की समस्या का समाधान

कुछ संपादन लंबे होते हैं: एक पैराग्राफ जो कई पृष्ठों तक फैला होता है, या एक बदलाव जो सैकड़ों में लगातार लागू होता है। इनके लिए हमने सॉफ्टवेयर इंजीनियरिंग से सीखा। मार्च 2026 में, Anthropic ने अनजाने में एक सार्वजनिक npm पैकेज के भीतर अपने AI कोडिंग एजेंट, Claude Code, का सोर्स कोड प्रकाशित कर दिया।7

वह लीक हुआ कोड एडिटर एक सीधा सबक सिखाता है: किसी लंबी चीज़ को संपादित करने के लिए, उसे छोटे हिस्सों में तोड़ दें। हम एक दस्तावेज़ को पृष्ठों के समूहों में विभाजित करते हैं, जिस तकनीक को बैचिंग कहा जाता है, और लंबे अनुच्छेदों को वाक्यों में विभाजित करते हैं, ताकि प्रत्येक संपादन सही करने के लिए पर्याप्त छोटा हो।

एक दस्तावेज़ को टुकड़ों में बांटने से एक नई समस्या पैदा होती है: संदर्भ। पृष्ठ 2 की परिभाषा का उपयोग करके पृष्ठ 60 पर किसी पैराग्राफ को कैसे संपादित करें? यहाँ, AI कोड एडिटर (Cursor, GitHub Copilot, OpenAI Codex) में दो साल का अनुभव काम आता है। उनका उत्तर संदर्भ इंजीनियरिंग (context engineering) है, जो संबंधित जानकारी को एक केंद्रित संग्रह में इकट्ठा करता है और इसे साफ संदर्भ विंडो के साथ उप-एजेंटों को देता है।8 हम दस्तावेज़ों के साथ भी ऐसा ही करते हैं। हम तार्किक रूप से संबंधित जानकारी को समूहीकृत करते हैं, जैसा कि एक सावधान पाठक करेगा, फिर इसे संपादन लक्ष्य के साथ उप-संपादकों को भेजते हैं जो वास्तविक परिवर्तन करते हैं।

1दस्तावेज़ को बैच करें

पृष्ठ 1–40पृष्ठ 41–80पृष्ठ 81–120पृष्ठ 121–160पृष्ठ 161–200पृष्ठ 201–240पृष्ठ 241–280पृष्ठ 281–300

2लंबे अनुच्छेदों को विभाजित करें

खंड 18.3 · पृष्ठ 60
वाक्य 1वाक्य 2वाक्य 3वाक्य 4वाक्य 5

3संदर्भ एकत्र करें, फिर समानांतर रूप से संपादित करें

परिभाषित शब्दपृष्ठ 2–12

पक्ष और भूमिकाएँपृष्ठ 1

पूर्ववर्ती संशोधनपृष्ठ 34

उप-संपादक 1पृष्ठ 1–40 + संग्रह

उप-संपादक 2पृष्ठ 41–80 + संग्रह

उप-संपादक 3पृष्ठ 81–120 + संग्रह

आकृति 5300 पृष्ठों का एक दस्तावेज़, जिसे विभाजित किया गया है। प्रत्येक उप-संपादक को दस्तावेज़ का एक छोटा हिस्सा मिलता है और साथ ही वह संदर्भ भी मिलता है जिस पर वह हिस्सा निर्भर करता है।

उदाहरण: किसी निर्णय को रिडैक्ट करना

एक वकील चाहता है कि किसी निर्णय में प्रत्येक गवाह का नाम रिडैक्ट किया जाए, और उसमें उद्धृत मामलों की एक सूची एक जूनियर को शोध के लिए दी जाए।

  1. खोजें। सामान्य पैटर्न मिलान के साथ प्रत्येक व्यक्तिगत नाम और प्रत्येक मामले के उद्धरण को ढूंढता है। अभी तक किसी मॉडल की आवश्यकता नहीं है।
  2. वर्गीकृत करें। प्रत्येक नाम, उसके आसपास के वाक्य के साथ, एक मॉडल के पास जाता है जो तय करता है: गवाह, वकील या जज। इन उत्तरों से गवाहों का एक संग्रह बनता है।
  3. संग्रह करें। यही विधि उद्धृत मामलों का एक संग्रह बनाती है।
  4. कार्रवाई करें। क्योंकि हम ठीक-ठीक जानते हैं कि प्रत्येक गवाह का नाम कहाँ मिला था, हम मूल फ़ाइल में उन्हीं जगहों को, और केवल उन्हीं को, रिडैक्ट करते हैं।

उच्च न्यायालय (हाई कोर्ट ऑफ जस्टिस) में

किंग्स बेंच डिवीजन

Harrow v Kestrel Logistics Ltd

समक्ष: Mrs Justice Holloway

निर्णय

Mrs Justice Holloway: यह दावा 14 मार्च 2024 को प्रतिवादी के गोदाम में लोडिंग बे के ढहने से उत्पन्न हुआ है। वादी का प्रतिनिधित्व Ms Priya Raman द्वारा और प्रतिवादी का प्रतिनिधित्व Mr Thomas Whitby द्वारा किया गया था। मैंने चार दिनों तक मौखिक गवाही सुनी।

मुख्य प्रत्यक्षदर्शी, Mr Daniel Okafor, नाइट शिफ्ट में फोर्कलिफ्ट ऑपरेटर था। Mr Okafor ने अदालत को बताया कि बे की चेतावनी लाइटें कई हफ्तों से खराब थीं, और उसने इसकी सूचना दो बार दी थी। एक दूसरे गवाह, Ms Margaret Ellison, एक ठेकेदार जिसने फरवरी में बे का निरीक्षण किया था, ने पुष्टि की कि उसकी रिपोर्ट में तत्काल मरम्मत की सिफारिश की गई थी। मैंने दोनों गवाहों को सतर्क और विश्वसनीय पाया।

कानूनी रूप से परिसर में मौजूद लोगों के प्रति अधिभोगी (occupier) का देखभाल का कर्तव्य अच्छी तरह से स्थापित है, और मैं Donoghue v Stevenson [1932] AC 562 में पड़ोसी के सिद्धांत को अपने शुरुआती बिंदु के रूप में लेता हूँ। नई परिस्थितियों में कर्तव्य आरोपित करना निष्पक्ष, न्यायसंगत और उचित है या नहीं, यह Caparo Industries plc v Dickman [1990] 2 AC 605 द्वारा नियंत्रित होता है, लेकिन ये परिस्थितियां नई नहीं हैं। Mr Whitby ने प्रस्तुत किया कि दावा की गई हानियां बहुत दूर की (अतिदूरस्थ) थीं। उस प्रस्तुति का परीक्षण Hadley v Baxendale (1854) 9 Exch 341 के विरुद्ध किया जाना चाहिए।

दस्तावेज़ों के साथ Mr Okafor और Ms Ellison के साक्ष्यों पर विचार करने के बाद, मैं इस बात से संतुष्ट हूँ कि प्रतिवादी को दोष की जानकारी थी और उसने कोई कार्रवाई नहीं की। दावा देयता के आधार पर सफल होता है। क्षतियों का आकलन एक आगामी सुनवाई में किया जाएगा। मैं Ms Raman और Mr Whitby का उनकी स्पष्ट और केंद्रित दलीलों के लिए आभारी हूँ।

आकृति 6परिणाम देखने के लिए दृश्य बदलें। निर्णय और नाम काल्पनिक हैं; उद्धृत किए गए तीनों मामले वास्तविक हैं।

05

क्या chatgpt.com, claude.ai और अन्य चैट वेबसाइटें भी ऐसा कर सकती हैं?

कभी-कभी, हाँ। इन वेबसाइटों में अक्सर एक पायथन दुभाषिया (interpreter) शामिल होता है, जो मॉडल को Word या PowerPoint फ़ाइल खोलने और कोड के साथ इसके XML को संपादित करने की अनुमति देता है।

लेकिन कोड अभी भी एक अस्थिर मॉडल द्वारा लिखा जाता है, और परिणाम की मूल से कोई जाँच नहीं होती है। हमारे आंतरिक परीक्षण में, हमें अक्सर अप्रत्याशित हटाने और संपादन वाले दस्तावेज़ मिले। एक चरम मामले में, एक 20-पृष्ठ का दस्तावेज़ बिना किसी चेतावनी के 10 पृष्ठों का वापस आ गया।

पायथन के साथ चैट वेबसाइट

20 पृष्ठ
10 पृष्ठ

हो गया! मैंने आपके अनुरोध के अनुसार आपका दस्तावेज़ अपडेट कर दिया है।

गायब 10 पृष्ठों का कोई उल्लेख नहीं है।

परिवर्तन लॉग

  • पृष्ठ 4 · खंड 2.1

    तीस (30) दिन साठ (60) दिन

    पूर्ववत करें
  • पृष्ठ 9 · खंड 6.3

    आपूर्तिकर्ता ठेकेदार

    पूर्ववत करें
  • पृष्ठ 17 · अनुसूची 1

    US$2,400 US$2,600

    पूर्ववत करें

नया दस्तावेज़ बनाएँ

आकृति 7बाएँ: हमारे आंतरिक परीक्षण से चुपचाप हुई कटौती। दाएँ: OneTurn पर हर AI परिवर्तन सूचीबद्ध है और उसे पूर्ववत किया जा सकता है।

किसी भी गंभीर काम के लिए चुपचाप छोड़ देना या संशोधन करना घातक होता है। पर, हमारा AI एजेंट जो भी बदलाव करता है, उसे रिकॉर्ड किया जाता है। आप प्रत्येक की समीक्षा कर सकते हैं, उनमें से किसी को भी पूर्ववत (revert) कर सकते हैं, और एक नया दस्तावेज़ जनरेट कर सकते हैं।

06

क्या OpenClaw या Manus जैसे कंप्यूटर-उपयोग एजेंट ऐसा कर सकते हैं?

ये एजेंट कंप्यूटर को उसी तरह नियंत्रित करते हैं जैसे कोई व्यक्ति करता है। वे Microsoft Word या PowerPoint में दस्तावेज़ खोलते हैं, फिर स्क्रॉल करते हैं, क्लिक करते हैं और टाइप करते हैं।11 चूंकि वे एक इंसान की तरह ही कार्यक्रमों का उपयोग करते हैं, वे एक इंसान की तरह संपादन कर सकते हैं, और परिणाम अक्सर प्रभावशाली होते हैं।

कीमत लागत और गति है। एजेंट स्क्रॉल करते समय स्क्रीनशॉट लेकर एक दस्तावेज़ को पढ़ता है, और हर छोटे कदम को आगे क्या करना है यह तय करने के लिए एक मॉडल कॉल की आवश्यकता होती है। एक फुल-एचडी स्क्रीनशॉट अपने आप में लगभग 1,500 से 2,700 टोकन के बीच खर्च करता है।10 OSWorld बेंचमार्क पर, सबसे अच्छे एजेंटों को भी आवश्यक चरणों से 2.7 से 4.3 गुना अधिक चरण लगे, और बाद के चरणों में शुरुआती चरणों की तुलना में 3 गुना तक अधिक समय लगा।9

कंप्यूटर-उपयोग एजेंट

  1. स्क्रीनशॉट लें
  2. मॉडल अगली कार्रवाई तय करता है
  3. स्क्रॉल करें, क्लिक करें या टाइप करें
  4. प्रत्येक चरण के लिए दोहराएँ

  1. पाठ को एक बार पढ़ें
  2. बैच में संपादित करें
  3. फ़ाइल लिखें
20-पेज का अनुबंध, 30 संपादनकंप्यूटर-उपयोग एजेंट
मॉडल कॉल≈ 180≈ 12
प्रति कॉल टोकन≈ 10,000≈ 4,000
कुल टोकन≈ 1,800,000≈ 48,000
अंतरलगभग 37× अधिक, या OSWorld पर मापे गए अतिरिक्त चरणों के साथ लगभग 100–160× अधिक
आकृति 8मान्यताएँ: लगभग 11,000 शब्द; दस्तावेज़ को पढ़ने के लिए 60 स्क्रीनशॉट; प्रति संपादन 4 क्रियाएँ; प्रत्येक कॉल में एक स्क्रीनशॉट और हालिया इतिहास होता है। OneTurn टेक्स्ट को एक बार पढ़ता है और बैचों में संपादन भेजता है।

हमारे अनुमान के अनुसार, एक कंप्यूटर-उपयोग एजेंट समान संपादनों के लिए की तुलना में 100 गुना अधिक LLM टोकन का उपयोग कर सकता है, और समाप्त होने में काफी अधिक समय ले सकता है।

स्रोत

  1. WordprocessingML दस्तावेज़ की संरचनाMicrosoft Learn · Open XML SDK दस्तावेज़ीकरण
  2. ECMA-376: ऑफिस ओपन XML फ़ाइल प्रारूपएक्मा इंटरनेशनल · मानक
  3. वर्ड प्रोसेसिंग दस्तावेज़ को सत्यापित करेंMicrosoft Learn · Open XML SDK दस्तावेज़ीकरण
  4. जब आप काम सौंपते हैं तो एलएलएम आपके दस्तावेज़ों को दूषित कर देते हैंलाबन, श्नाबेल और नेविले · Microsoft Research · 2026
  5. लॉन्गप्रोक: लंबी प्रक्रियात्मक पीढ़ी पर लॉन्ग-कॉन्टेक्स्ट भाषा मॉडल का बेंचमार्किंगये एट अल. · COLM 2025
  6. परिपूर्ण पुनर्प्राप्ति के बावजूद केवल संदर्भ लंबाई LLM के प्रदर्शन को नुकसान पहुँचाती हैडू और अन्य · EMNLP 2025 के निष्कर्ष
  7. Anthropic ने गलती से npm सोर्स मैप फ़ाइल के माध्यम से Claude Code का सोर्स उजागर कियाInfoQ · 7 अप्रैल 2026
  8. AI एजेंटों के लिए प्रभावी संदर्भ इंजीनियरिंगAnthropic Engineering · 29 सितंबर 2025
  9. OSWorld-Human: कंप्यूटर-उपयोग एजेंटों की दक्षता का मूल्यांकनअभ्यंकर, ची और झांग · MLSys 2026
  10. विज़न: रिज़ॉल्यूशन और टोकन लागतClaude Platform दस्तावेज़ीकरण
  11. OpenClaw के क्रेज के बीच अपने AI एजेंट को व्यक्तिगत उपकरणों पर लाने के लिए Meta का Manus डेस्कटॉप ऐप लॉन्च कर रहा हैCNBC · 18 मार्च 2026

आकृतियाँ इस लेख के लिए बनाए गए दृष्टांत हैं। XML वास्तविक WordprocessingML है; फ़ाइल नाम, व्यक्ति और निर्णय काल्पनिक हैं।

इसे ऐसे दस्तावेज़ पर आज़माएँ जिसे आप टूटने नहीं दे सकते।

को मुफ़्त में आज़माएं →