Lasso نے 3 کروڑ ڈالر اٹھائے—AI guardrail اب GPU کے بغیر چلے گا
Lasso Security نے 2 ستمبر 2026 کو 3 کروڑ ڈالر کی نئی funding اور عام CPUs پر چلنے والے LEAP AI guardrail کا اعلان کیا۔ کمپنی کے 2 ستمبر کے اعلان کے مطابق راؤنڈ کی قیادت ClearSky نے کی، جبکہ Entrée Capital، iAngels، Singtel Innov8، Mindset اور Swish Data نے شرکت کی؛ کمپنی کی ویب سائٹ پر صفحے کی اشاعتی تاریخ 3 ستمبر درج ہے۔
SiliconANGLE کی 2 ستمبر کی رپورٹ نے funding، lead investor اور CPU-only LEAP launch کی الگ سے تصدیق کی۔ اسی رپورٹ نے واضح کیا کہ فی فیصلہ پانچ ملی سیکنڈ سے کم latency اور موجودہ guardrails سے ہزاروں گنا throughput کے اعداد Lasso کے اپنے benchmarks ہیں، آزاد آزمائش کے نتائج نہیں۔
سرمایہ کہاں استعمال ہوگا
نئی رقم کا اعلان LEAP کے ساتھ ہوا، لیکن سرمایہ کاری کا دائرہ ایک product launch سے وسیع ہے۔ طے شدہ منصوبے میں engineering کو بڑھانا، امریکی وفاقی اور ضابطہ زدہ شعبوں میں کام گہرا کرنا، اور شمالی امریکا و یورپ میں فروخت کی سرگرمیاں پھیلانا شامل ہے۔
Entrée Capital نے Lasso کے پہلے seed round کی قیادت کی تھی اور اس راؤنڈ میں اپنی پوزیشن بڑھائی۔ تاہم دستیاب اعلانات میں نئی valuation، حصص کی قیمت، dilution یا راؤنڈ کا مرحلہ نہیں بتایا گیا؛ اس لیے 3 کروڑ ڈالر کی رقم سے کمپنی کی قدر یا تجارتی کامیابی اخذ نہیں کی جا سکتی۔
مالی اعتبار سے اصل سوال یہ ہے کہ کیا یہ سرمایہ CPU-based security inspection کو بڑے enterprise workloads تک قابل اعتماد انداز میں پہنچا سکے گا۔ Guardrail خود بھی compute capacity، latency اور operational overhead پیدا کرتا ہے، اس لیے LEAP کی کاروباری اہمیت صرف GPU ہٹانے میں نہیں بلکہ مجموعی فی request لاگت اور detection quality برقرار رکھنے میں ہوگی۔
LEAP کہاں CPU-only ہے—اور کہاں GPU باقی رہ سکتا ہے
LEAP کو transformer-free engine کے طور پر پیش کیا گیا ہے جو prompts، outputs اور agent actions پر فوری checks عام server processors میں انجام دیتا ہے۔ اس fast path کو اپنے فیصلے کے لیے GPU درکار نہیں، لہٰذا منتخب title کا GPU کے بغیر چلنے کا دعویٰ خود LEAP کے بارے میں درست ہے۔
اسے پوری Lasso platform کے مکمل طور پر GPU-free ہونے کے مترادف سمجھنا درست نہیں ہوگا۔ Platform میں RAPID نامی دوسرا engine بھی ہے: یہ self-hosted LLM-as-a-judge ہے، جبکہ routing layer پیچیدہ اور سادہ زبان میں لکھی policy کی تشریح مانگنے والے معاملات اس کی طرف بھیجتی ہے۔ خود اعلان بھی تسلیم کرتا ہے کہ GPU مکمل طور پر غائب نہیں ہوتا؛ architecture کا مقصد اسے ہر request پر استعمال کرنے سے بچنا ہے۔
اس تقسیم کی معاشی منطق routing پر منحصر ہے۔ اگر LEAP معمول کے زیادہ تر traffic کو مطلوبہ درستگی سے سنبھال لے تو GPU reservation، cloud-model calls اور security-induced delay کم ہو سکتے ہیں؛ اگر بہت سے معاملات RAPID کو بھیجے جائیں یا غلط فیصلوں کی شرح بڑھے تو متوقع بچت محدود رہ جائے گی۔
پانچ ملی سیکنڈ ابھی performance guarantee نہیں
پانچ ملی سیکنڈ سے کم latency ایک نمایاں دعویٰ ہے، مگر شائع شدہ مواد اس کی مکمل test configuration فراہم نہیں کرتا۔ Processor model، core count، clock speed، memory، batch size، input length، concurrent requests، software version اور latency percentile کے بغیر اسے مختلف enterprise environments میں دہرایا نہیں جا سکتا۔
اوسط latency بھی عملی صورت حال پوری طرح نہیں دکھاتی؛ p95 اور p99 جیسے tail measurements peak load پر کہیں مختلف نتیجہ دے سکتے ہیں۔ اسی طرح “ہزاروں گنا throughput” کا موازنہ تبھی معنی رکھتا ہے جب مقابل guardrail، دونوں اطراف کا hardware، detection threshold، test corpus، concurrency اور warm-up conditions یکساں یا واضح ہوں۔
رفتار کو detection quality سے الگ نہیں دیکھا جا سکتا۔ Prompt injection، jailbreak، data leakage اور agent-action policy violations کے لیے false-positive اور false-negative rates درکار ہیں، کیونکہ تیز مگر غلط فیصلہ جائز workflow روک سکتا ہے یا خطرناک request کو گزرنے دے سکتا ہے۔ آزاد benchmark، مکمل labeled corpus، confusion matrix اور production hardware configuration فی الحال عوامی طور پر دستیاب نہیں، اس لیے headline figures کو عمومی performance guarantee نہیں کہا جا سکتا۔
خریدار دعوے کو قابل تکرار کیسے جانچیں
Enterprise خریداری کے لیے آزمائش اسی traffic، policy اور infrastructure کے قریب ہونی چاہیے جہاں guardrail نصب ہوگا۔ ایک reproducible evaluation میں کم از کم یہ نتائج الگ ریکارڈ ہونے چاہییں:
- متعین CPU model، core count اور software version پر p50، p95 اور p99 latency، ساتھ ہی فی core مسلسل throughput۔
- علاقائی زبانوں، code، طویل context اور multi-turn agent actions پر مشتمل labeled corpus میں false-positive اور false-negative rates۔
- LEAP سے RAPID کو منتقل ہونے والے معاملات کا تناسب، ان کی اضافی latency اور فی دس لاکھ requests مجموعی compute cost۔
- نئے prompt-injection طریقوں، بار بار حملوں اور policy updates کے بعد detection quality میں تبدیلی۔
- Peak load، network interruption اور air-gapped deployment میں fail-open یا fail-closed رویہ اور audit logs کی تکمیل۔
مقابلہ ایک ہی corpus، thresholds، concurrency، accuracy target اور hardware accounting پر ہونا چاہیے۔ CPU server کی قیمت کو صرف GPU API fee سے ملانا ادھورا حساب ہوگا؛ memory، operations، monitoring، RAPID escalation اور غلط blocks کی کاروباری لاگت بھی شامل کرنا ہوگی۔
اس وقت کیا ثابت ہے، کیا نہیں
تصدیق شدہ خبر یہ ہے کہ Lasso Security نے 2 ستمبر 2026 کو ClearSky کی قیادت میں 3 کروڑ ڈالر کی funding کا اعلان کیا اور LEAP کو عام CPUs پر چلنے والے transformer-free guardrail کے طور پر پیش کیا۔ یہ بھی واضح ہے کہ LEAP fast path کو GPU درکار نہیں، جبکہ پیچیدہ فیصلوں کے لیے platform الگ RAPID engine رکھتا ہے۔
غیر ثابت حصہ عمومی performance اور savings ہیں۔ پانچ ملی سیکنڈ سے کم latency، ہزاروں گنا throughput اور کم لاگت کے دعووں کو آزاد corpus، واضح hardware configuration، tail latency، error rates اور RAPID escalation data کے ساتھ دہرانا باقی ہے۔ انہی نتائج سے معلوم ہوگا کہ LEAP واقعی enterprise AI security کی فی request لاگت کم کرتا ہے یا compute خرچ architecture کے کسی دوسرے حصے میں منتقل ہوتا ہے۔
یہ بھی پڑھیں:
ہمارا نیوز لیٹر سبسکرائب کریں
ویب 3، AI اور کرپٹو کی تازہ خبریں براہ راست اپنے اِن باکس میں پائیں۔