###### 17 กันยายน 2024



Meta ก็เหมือนกับบริษัทเทคโนโลยีชั้นนำอื่นๆ มากมายที่ได้พัฒนาโมเดล AI เจนเนอเรชั่นของตัวเองที่เรียกว่า [Llama](https://llama.meta.com/) สิ่งที่ทำให้ Llama แตกต่างก็คือลักษณะที่เปิดกว้างของมัน ทำให้นักพัฒนาสามารถดาวน์โหลดและใช้งานได้อย่างอิสระ แม้ว่าจะมีเงื่อนไขบางประการที่ต้องคำนึงถึงก็ตาม แนวทางนี้แตกต่างกับโมเดลอย่าง Claude ของ Anthropic, [GPT-4o ของ OpenAI](https://openai.com/index/hello-gpt-4o/) (กลไกที่อยู่เบื้องหลัง [ChatGPT](/news/ai-at-your-fingertips-chatgpt-app-now-available-for-mac-2024-07-02)) และ Gemini ของ Google ซึ่งมีให้บริการผ่าน API เท่านั้น

เพื่อให้นักพัฒนามีความยืดหยุ่นมากขึ้น Meta ได้ร่วมมือกับผู้ให้บริการคลาวด์ เช่น AWS, Google Cloud และ Microsoft Azure เพื่อเสนอ Llama เวอร์ชันที่โฮสต์บนคลาวด์ นอกจากนี้ Meta ได้สร้างเครื่องมือที่ทำให้กระบวนการง่ายขึ้นสำหรับนักพัฒนาในการปรับแต่งและปรับใช้โมเดลให้ตรงตามความต้องการเฉพาะของพวกเขา

ด้านล่างนี้คือคำอธิบายโดยละเอียดของลามะ รวมถึงสิ่งที่มันสามารถทำได้ เวอร์ชันต่างๆ ที่มันมีให้ และวิธีใช้งานอย่างมีประสิทธิภาพ

## ลามะคืออะไร?

ลามะไม่ได้เป็นเพียงแบบจำลองเดียวเท่านั้น ครอบคลุมหลากหลายรุ่น เช่น:

- ลามะ 8B

- ลามะ 70B

- ลามะ 405B

เวอร์ชันล่าสุด (Llama 3.1 8B, Llama 3.1 70B และ Llama 3.1 405B) เปิดตัวในเดือนกรกฎาคม 2024 โมเดลเหล่านี้ได้รับการฝึกอบรมเกี่ยวกับแหล่งข้อมูลที่หลากหลาย เช่น หน้าเว็บในภาษาต่างๆ รหัสสาธารณะ ไฟล์ที่พร้อมใช้งานออนไลน์ และข้อมูลสังเคราะห์ที่สร้างโดยระบบ AI อื่นๆ

Llama 3.1 8B และ 70B เป็นรุ่นกะทัดรัดที่สามารถใช้งานอุปกรณ์ได้หลากหลายตั้งแต่แล็ปท็อปไปจนถึงเซิร์ฟเวอร์ ในทางกลับกัน Llama 3.1 405B เป็นรุ่นขนาดใหญ่ที่โดยทั่วไปต้องใช้ฮาร์ดแวร์ศูนย์ข้อมูล แม้ว่ารุ่นเล็กอาจไม่ทรงพลังเท่า 405B แต่ก็ให้ประสิทธิภาพที่เร็วกว่าและได้รับการปรับให้เหมาะสมเพื่อลดพื้นที่จัดเก็บและเวลาในการตอบสนอง

โมเดล Llama ทั้งหมดมีหน้าต่างบริบทที่มีโทเค็น 128,000 โทเค็น ทำให้สามารถจัดการคำได้ประมาณ 100,000 คำ (หรือข้อความ 300 หน้า) ซึ่งมีความยาวประมาณหนังสืออย่าง Wuthering Heights หรือ Harry Potter and the Prisoner of Azkaban หน้าต่างบริบทที่ยาวช่วยให้โมเดลเก็บข้อมูลจากเอกสารและข้อมูลล่าสุด ซึ่งช่วยลดความเสี่ยงในการนอกประเด็น

## ลามะทำอะไรได้บ้าง?

เช่นเดียวกับโมเดล AI เจนเนอเรชั่นอื่นๆ Llama สามารถช่วยในงานต่างๆ ได้หลากหลาย เช่น การเขียนโค้ด การตอบคำถามทางคณิตศาสตร์ง่ายๆ และการสรุปเอกสารในแปดภาษา ได้แก่ อังกฤษ เยอรมัน ฝรั่งเศส อิตาลี โปรตุเกส ฮินดี สเปน และไทย สามารถจัดการงานที่ใช้ข้อความส่วนใหญ่ได้ เช่น การวิเคราะห์ไฟล์ เช่น PDF และสเปรดชีต แต่ในปัจจุบันยังไม่มีความสามารถในการสร้างหรือประมวลผลรูปภาพ ซึ่งเป็นสิ่งที่สามารถเปลี่ยนแปลงได้ในอนาคต

โมเดล Llama สามารถผสานรวมกับแอป เครื่องมือ และ API ของบริษัทอื่นเพื่อทำงานต่างๆ ได้ ได้รับการกำหนดค่าให้ใช้ Brave Search เพื่อตอบคำถามเกี่ยวกับเหตุการณ์ปัจจุบัน Wolfram Alpha API สำหรับการสืบค้นทางคณิตศาสตร์และวิทยาศาสตร์ และล่าม Python สำหรับการตรวจสอบโค้ด จากข้อมูลของ Meta Llama 3.1 สามารถใช้เครื่องมือบางอย่างที่ยังไม่ได้รับการฝึกฝนอย่างชัดเจน แม้ว่าความน่าเชื่อถือของฟีเจอร์นี้จะยังคงไม่แน่นอนก็ตาม

## คุณสามารถใช้ลามะได้ที่ไหน?

หากคุณต้องการเชื่อมต่อโดยตรงกับ Llama ประสบการณ์แชทบอท Meta AI จะได้รับการสนับสนุนบนแพลตฟอร์ม เช่น Facebook Messenger, WhatsApp, Instagram, Oculus และ Meta.ai

สำหรับนักพัฒนา Llama พร้อมให้ดาวน์โหลดและสามารถปรับขนาดเป็นแพลตฟอร์มคลาวด์ยอดนิยมได้หลายแพลตฟอร์ม Meta ได้ร่วมมือกับบริษัทมากกว่า 25 แห่งเพื่อโฮสต์ Llama รวมถึง Nvidia, Databricks, Groq, Dell และ Snowflake พันธมิตรหลายรายเหล่านี้จัดหาเครื่องมือเพิ่มเติมที่ช่วยให้ Llama เข้าถึงข้อมูลที่เป็นกรรมสิทธิ์หรือทำงานได้อย่างมีประสิทธิภาพมากขึ้น

Meta แนะนำให้ใช้โมเดล Llama ที่เล็กกว่า โดยเฉพาะ 8B และ 70B เพื่อวัตถุประสงค์ทั่วไป เช่น การเรียกใช้แชทบอทหรือการสร้างโค้ด ในทางกลับกัน Llama 405B ที่ใหญ่กว่านั้นเหมาะสำหรับงานต่างๆ เช่น การกลั่นแบบจำลอง ซึ่งเกี่ยวข้องกับการถ่ายโอนความรู้จากแบบจำลองที่ใหญ่กว่าไปยังแบบจำลองที่เล็กกว่า รวมถึงการสร้างข้อมูลสังเคราะห์เพื่อฝึกแบบจำลองอื่นๆ

นักพัฒนาที่ใช้งานแอปพลิเคชันที่มีผู้ใช้มากกว่า 700 ล้านคนต่อเดือนจะต้องได้รับใบอนุญาตพิเศษจาก Meta เพื่อเข้าถึง Llama และจะต้องได้รับตามดุลยพินิจของ Meta

## Meta เสนอเครื่องมืออะไรบ้างสำหรับลามะ?

Meta ได้แนะนำเครื่องมือหลายอย่างเพื่อปรับปรุงความปลอดภัยของ Llama:

1. **Llama Guard:** กรอบการทำงานในการกลั่นกรองที่ระบุเนื้อหาที่เป็นปัญหา เช่น คำพูดแสดงความเกลียดชัง การทำร้ายตัวเอง และการละเมิดลิขสิทธิ์

2. **ป้องกันทันที:** เครื่องมือที่ออกแบบมาเป็นพิเศษเพื่อปกป้องลามะจากข้อความอันตรายที่พยายามเลี่ยงมาตรการรักษาความปลอดภัย

3. **CyberSecEval:** ชุดประเมินความเสี่ยงด้านความปลอดภัยทางไซเบอร์ที่ประเมินความปลอดภัยของโมเดล โดยมุ่งเน้นไปที่ภัยคุกคาม เช่น วิศวกรรมสังคมอัตโนมัติและกิจกรรมทางไซเบอร์ที่น่ารังเกียจ

ตัวอย่างเช่น Llama Guard สามารถตรวจจับเนื้อหาที่เป็นอันตรายหรือผิดกฎหมายที่ป้อนหรือสร้างขึ้นใน Llama ทำให้นักพัฒนาสามารถปรับแต่งหมวดหมู่ที่ถูกบล็อกได้ Prompt Guard มุ่งเน้นไปที่การป้องกัน "การโจมตีแบบแทรกข้อความ" ที่พยายามจัดการโมเดล CyberSecEval เสนอเกณฑ์มาตรฐานสำหรับการประเมินความเสี่ยงด้านความปลอดภัยที่เกี่ยวข้องกับโมเดล Llama

## ข้อจำกัดของลามะ

ลามะก็มีข้อจำกัดและความเสี่ยงที่อาจเกิดขึ้น เช่นเดียวกับโมเดล AI อื่นๆ ข้อกังวลหลักประการหนึ่งก็คือ Meta ใช้สื่อที่มีลิขสิทธิ์ในการฝึกลามะหรือไม่ หากเป็นเช่นนั้น ผู้ใช้อาจต้องรับผิดต่อเนื้อหาที่มีลิขสิทธิ์ที่โมเดลสร้างขึ้น

รายงานล่าสุดระบุว่า Meta ใช้ e-books ที่มีลิขสิทธิ์สำหรับการฝึกอบรม AI แม้ว่าจะได้รับคำเตือนทางกฎหมายก็ตาม บริษัทยังรวมเนื้อหาจาก Instagram และ Facebook เข้ากับการฝึกอบรมโมเดล ทำให้ผู้ใช้เลือกไม่รับได้ยาก Meta กำลังเผชิญกับการฟ้องร้องหลายคดี ซึ่งรวมถึงคดีหนึ่งจากผู้เขียน เช่น Sarah Silverman ซึ่งอ้างว่าบริษัทใช้เนื้อหาที่มีลิขสิทธิ์โดยไม่ได้รับอนุญาต

ข้อควรพิจารณาที่สำคัญคือการเขียนโปรแกรม เนื่องจากลามะสามารถสร้างโค้ดที่มีปัญหาหรือไม่ปลอดภัยได้ จำเป็นอย่างยิ่งที่นักพัฒนาจะต้องให้ผู้เชี่ยวชาญที่เป็นมนุษย์ตรวจสอบโค้ดที่สร้างโดย AI ก่อนที่จะนำไปใช้ในแอปพลิเคชันของตน

แม้ว่าโมเดล Llama ของ Meta จะมอบความยืดหยุ่นและโอกาสอย่างมากให้กับนักพัฒนา แต่สิ่งสำคัญคือต้องตระหนักถึงความเสี่ยงและข้อจำกัดที่อาจเกิดขึ้นที่มาพร้อมกับโมเดลนี้

-

_นำเสนอโดย Code Labs Academy – Your Leading_ [_Online Coding Bootcamp_](/) _for Future Tech Innovators._



###### เครดิตรูปภาพ: Meta

thumbnail_Llama-Use-Case_Header_16x9-1.webp

Llama-Use-Case_Header_16x9-1.webp

เมตาลามะคืออะไร? มุมมองที่ครอบคลุมของโมเดล Open AI สำหรับนักพัฒนา

###### 17 กันยายน 2024

ในขณะที่ยังเป็นนักศึกษาวิทยาการคอมพิวเตอร์ที่มหาวิทยาลัยวอเตอร์ลู Jacob Jackson ได้ร่วมก่อตั้ง [Tabnine](https://www.tabnine.com/get-free-90-day-trial/?utm_term=tabnine\&utm_campaign=%5BUS%5D+%7C+%5Ben%5D+%7C+%5Bเดสก์ท็อป%5D+%7C+%5Bค้นหา:แบรนด์%5D+%7C+%5BTabnine%5D\&utm_source=adwords\&utm_medium=ppc\&hsa_acc=4311736126\&hsa_cam=21073527735\&hsa_grp=159292934283\&hsa_ad=713438295758\&hsa_src=g\&hsa_tgt=kwd-915660947489\&hsa_kw=tabnine\&hsa_mt=e\&hsa_net=adwords\&hsa_ver=3\&gad_source=1\&gclid=CjwKCAjw0aS3BhA3EiwaAKaD2ZSi_B04PfNmu2pEw62uZL71RUlGpSu2J1k_0CDSFuIosfG5tgV4fVRoCod8QAvD_BwE) บริษัทผู้ช่วยเขียนโค้ด AI ที่เริ่มต้นอาชีพของเขาในด้าน AI ก่อนกำหนด . ในปี 2019 ขณะที่ Jackson กำลังสอบปลายภาค Tabnine ระดมทุนได้ประมาณ 60 ล้านเหรียญสหรัฐและขายให้กับ Codata หลังจากนั้น เขาเริ่มทำงานเป็นเด็กฝึกงานที่ [OpenAI](https://openai.com/) จนถึงปี 2022 เมื่อเขาตัดสินใจเริ่มบริษัทใหม่ที่จะปรับปรุงขั้นตอนการทำงานของนักพัฒนาซอฟต์แวร์

Jackson พัฒนา [Supermaven](https://supermaven.com/) ซึ่งเป็นแพลตฟอร์มการเข้ารหัส AI ที่ต่อยอดประสบการณ์ของเขากับ Tabnine แต่มีการปรับปรุงเทคโนโลยีที่สำคัญ โดยได้รับแรงบันดาลใจจากการพัฒนาเครื่องมือ AI เช่น ChatGPT และ GitHub Copilot Babble ซึ่งเป็นโมเดล AI ภายในของ Supermaven มีป๊อปอัปโทเค็นนับล้านที่ช่วยให้สามารถวิเคราะห์โค้ดจำนวนมากได้ในคราวเดียว สิ่งนี้ทำให้โมเดลมีความน่าเชื่อถือมากขึ้นในการสร้างโค้ดที่แม่นยำโดยอนุญาตให้จัดการกับอินพุตจำนวนมากโดยไม่ "ลืม" ข้อมูลล่าสุดหรือหลงไปจากหัวข้อ

Supermaven จับคู่คู่แข่งอย่าง Code Assist ของ Google ด้วย 1 ล้าน [โทเค็น](https://help.openai.com/en/articles/4936856-what-are-tokens-and-how-to-count-them) แม้ว่าข้อเท็จจริงจะเป็นเช่นนั้นก็ตาม แพลตฟอร์มการเข้ารหัส AI บางแห่ง เช่น Magic มีป๊อปอัปที่ใหญ่กว่ามาก (Magic รองรับโทเค็น 100 ล้านโทเค็น) ตามที่ Jackson กล่าว จุดขายที่เป็นเอกลักษณ์ของ Supermaven คือความหน่วงที่ลดลง ซึ่งเกิดขึ้นได้จากสถาปัตยกรรมประสาทภายในที่เป็นนวัตกรรมใหม่ นอกจากนี้ แพลตฟอร์มนี้ใช้เวลาเพียง 10-20 วินาทีในการประมวลผลที่เก็บโค้ดของนักพัฒนา การเรียนรู้กฎการเขียนโค้ด และ API เพื่อให้สามารถทำงานต่อไปได้อย่างรวดเร็ว แม้จะมีฐานโค้ดขนาดใหญ่ก็ตาม

ตลาดเครื่องมือเข้ารหัส AI คาดว่าจะเติบโตอย่างรวดเร็วและสูงถึง 27.17 พันล้านดอลลาร์ภายในปี 2575 [ตามการคาดการณ์](https://www.polarismarketresearch.com/press-releases/ai-code-tools-market) ผู้ใช้ GitHub Copilot มากกว่า 1.8 ล้านคนเป็นหนึ่งในนักพัฒนาจำนวนมากที่ได้รวม AI เข้ากับกระบวนการของตนแล้ว แต่ภาคส่วนนี้มีอุปสรรคมากมายที่ต้องเอาชนะ โดยเฉพาะอย่างยิ่งในเรื่องทรัพย์สินทางปัญญาและความเป็นส่วนตัวของข้อมูล ด้วยความหวาดกลัวต่อการเปิดเผย PIN บริษัทหลายแห่งจึงลังเลที่จะใช้เครื่องมือเข้ารหัส AI นอกจากนี้ เป็นที่ทราบกันว่ารหัสที่มีลิขสิทธิ์ได้รับการสำรอกซ้ำโดยโมเดล AI ในบางกรณี ส่งผลให้นักพัฒนาตกอยู่ในอันตรายทางกฎหมายหากพวกเขารวมไว้ในงานของพวกเขาโดยที่ไม่รู้ตัว -

แจ็คสันเน้นย้ำ [ในการพูดคุยกับ Techcrunch](https://techcrunch.com/2024/09/16/ai-coding-assistant-supermaven-raises-cash-from-openai-and-perplexity-founders/) ว่าในขณะที่ Supermaven เก็บข้อมูลไว้ในช่วงเวลาสั้นๆ เพื่อเพิ่มประสิทธิภาพของระบบให้สูงสุด โดยไม่ใช้ข้อมูลผู้บริโภคเพื่อสร้างแบบจำลอง การลดการเปิดเผยเนื้อหาที่เป็นอันตรายระหว่างการฝึกอบรม เขาเน้นย้ำว่าการมุ่งเน้นไปที่โค้ดที่เข้าถึงได้แบบสาธารณะ แต่เขาไม่ได้ตัดทอนความเป็นไปได้ที่ Babble จะได้รับการสอนเกี่ยวกับโค้ดที่มีการป้องกัน IP

Supermaven ได้รับความนิยมเพิ่มขึ้นอย่างมากแม้จะมีอุปสรรคเหล่านี้ โดยมีนักพัฒนามากกว่า 35,000 รายใช้แพลตฟอร์มนี้ นับตั้งแต่บริษัทเปิดตัวในเดือนกุมภาพันธ์ ฐานผู้ใช้ก็เพิ่มขึ้นสามเท่าและลูกค้าจำนวนมากสมัครใช้งานแผนระดับพรีเมียม รายได้ประจำประจำปีของบริษัทสูงถึง 1 ล้านดอลลาร์

เนื่องจากความสำเร็จของแพลตฟอร์ม นักลงทุนจึงให้ความสนใจ เมื่อเร็ว ๆ นี้ Supermaven เปิดเผยว่าบริษัทได้เสร็จสิ้นการลงทุนภายนอกรอบแรกแล้ว โดยระดมทุนได้ 12 ล้านดอลลาร์จากนักลงทุนเทวดาและ Bessemer Venture Partners ซึ่งรวมถึง Perplexity และ OpenAI ผู้ร่วมก่อตั้ง John Schulman และ Denis Yarats เงินนี้จะถูกนำมาใช้เพื่อปรับปรุงโปรแกรมแก้ไขข้อความของ Supermaven ซึ่งขณะนี้อยู่ในช่วงเบต้า และเพื่อจ้างนักพัฒนาเพิ่มเติม ซึ่งจะทำให้บริษัทพร้อมสำหรับความสำเร็จในระยะยาวในสาขาคอมพิวเตอร์เข้ารหัส AI ที่เติบโตอย่างรวดเร็ว

thumbnail_charlesdeluvio-pjAH2Ax4uWk-unsplash (1) (1).webp

charlesdeluvio-pjAH2Ax4uWk-unsplash (1) (1).webp

Supermaven ได้รับการสนับสนุนจากนักลงทุน: เครื่องมือ AI เพิ่มประสิทธิภาพเวิร์กโฟลว์ของนักพัฒนา

###### 13 กันยายน 2024



Meta กำลัง [อัปเดต](https://about.fb.com/news/2024/04/metas-approach-to-labeling-ai-generated-content-and-manipulated-media/) แนวทางในการติดป้ายกำกับเนื้อหาที่มี แก้ไขหรือแก้ไขโดยเครื่องมือ AI บน Instagram, Facebook และ Threads ป้ายกำกับ "AI Insights" ซึ่งก่อนหน้านี้ปรากฏใต้ชื่อผู้ใช้โดยตรง จะย้ายไปที่เมนูโพสต์สำหรับเนื้อหาที่ได้รับการแก้ไขโดยใช้ AI

บริษัทกล่าวว่าป้ายกำกับจะยังคงปรากฏบนเนื้อหาที่ Meta ระบุว่าสร้างขึ้นโดย AI ทั้งหมด แม้ว่าป้ายกำกับอาจมองเห็นได้น้อยลงในเนื้อหาที่ได้รับการแก้ไขโดยใช้เครื่องมือ AI แต่จะยังคงมองเห็นได้ชัดเจนในเนื้อหาที่สร้างขึ้นโดยใช้อินพุต AI ทั้งหมด

Meta ได้ประกาศว่าจะให้ข้อมูลเกี่ยวกับว่าเนื้อหามีป้ายกำกับตามสัญญาณมาตรฐานอุตสาหกรรมหรือการเปิดเผยของผู้ใช้หรือไม่ การเปลี่ยนแปลงนี้ซึ่งจะดำเนินการในสัปดาห์หน้า มีเป้าหมายเพื่อ “สะท้อนขอบเขตของ AI ที่ใช้ในเนื้อหาได้ดีขึ้น” ในทุกแพลตฟอร์ม

การลดความโดดเด่นของป้ายกำกับข้อมูล AI ทำให้เกิดความกังวลว่าผู้ใช้อาจถูกหลอกได้ง่ายขึ้นด้วยเนื้อหาที่แก้ไขโดย AI โดยเฉพาะอย่างยิ่งเมื่อเครื่องมือแก้ไขมีความซับซ้อนมากขึ้น

นี่ไม่ใช่ครั้งแรกที่ Meta เปลี่ยนวิธีการติดป้ายกำกับเนื้อหาที่เกี่ยวข้องกับ AI ในเดือนกรกฎาคม บริษัทเปลี่ยนป้ายกำกับจาก "Made with AI" เป็น "ข้อมูลจาก AI" หลังจากได้รับการร้องเรียนจากช่างภาพที่รู้สึกว่ามีการใช้ป้ายกำกับกับภาพถ่ายจริงอย่างไม่ถูกต้อง Meta ยอมรับว่าถ้อยคำต้นฉบับทำให้เกิดความสับสน และอาจตีความได้ว่ารูปภาพบางรูปสร้างขึ้นโดย AI ทั้งหมด แม้ว่าจะได้รับการแก้ไขด้วยเครื่องมือ AI เท่านั้นก็ตาม

-

_นำเสนอโดย Code Labs Academy – Your Leading_ [_Online Coding Bootcamp_](/) _for Future Tech Innovators._



###### เครดิตรูปภาพ: Meta

thumbnail_meta-ai-web.webp

meta-ai-web.webp

Meta เปลี่ยนแปลงการติดฉลาก AI บนแพลตฟอร์มโซเชียลสำหรับเนื้อหาที่แก้ไขและสร้างโดย AI

###### 13 กันยายน 2024

แม้ว่าความคิดเห็นว่า [Every](https://www.every.io/) บริษัททรัพยากรบุคคลแห่งใหม่ของ Rajeev Behera เป็นธุรกิจร่วมลงทุนที่มีความเสี่ยงสูงหรือมีแนวคิดที่ยอดเยี่ยมจะแตกต่างกันหรือไม่ แต่สตาร์ทอัพกำลังสร้างกระแส สำหรับบริษัทขนาดเล็ก แพลตฟอร์มแบบครบวงจรผสานรวมบัญชีเงินเดือน การเริ่มต้นใช้งาน และการจัดการค่าใช้จ่าย ตลาดนี้เต็มไปด้วยผู้เล่นที่มีชื่อเสียงเช่น Gusto, Rippling และ Deel รวมถึงบริษัทที่กำลังมาแรงเช่น Mercury และ Brex อย่างไรก็ตาม ดูเหมือนว่าผู้สนับสนุนของ Behera มั่นใจว่ากลยุทธ์ของเขาไม่เหมือนใคร เมื่อเร็วๆ นี้ Every ระดมทุนได้ 22.5 ล้านดอลลาร์ในการระดมทุน Series A ซึ่งนำโดย Okta Ventures, Base10 Partners, Y Combinator และ Redpoint Ventures

การที่ Behera ให้ความสำคัญกับบริษัทในระยะเริ่มแรกและกลยุทธ์การเสนอขายที่โดดเด่นคือสิ่งที่ทำให้วิสัยทัศน์ของเขาแตกต่าง ทุกแห่งให้บริการจัดตั้งบริษัทฟรีแก่บริษัทขนาดเล็ก จากนั้นพวกเขาก็ตั้งค่าบัญชีธนาคารธุรกิจและให้การสนับสนุนแบ็คออฟฟิศที่สำคัญ ค่าธรรมเนียมการแลกเปลี่ยนและค่าธรรมเนียม SaaS สำหรับโมดูลพิเศษ เช่น การบัญชีสร้างรายได้

[Behera อธิบาย](https://techcrunch.com/2024/09/12/why-y-combinator-companies-are-flocking-to-new-banking-hr-startup-every/) ว่า Every ได้พัฒนาเครื่องมือขั้นสูง สำหรับบัญชีเงินเดือน การธนาคาร และการจัดการค่าใช้จ่าย เพื่อดึงดูดผู้ก่อตั้งตั้งแต่เนิ่นๆ พวกเขากำลังเสนอบริการจัดตั้งบริษัทฟรี เมื่อเข้าร่วมเซสชันส่วนบุคคลแล้ว สตาร์ทอัพจะสามารถเข้าถึงระบบที่ครอบคลุมซึ่งครอบคลุมถึงการธนาคาร บัญชีเงินเดือน ทรัพยากรบุคคล การทำบัญชี ภาษี และการปฏิบัติตามข้อกำหนดของรัฐ นอกจากนี้ ผู้ก่อตั้งยังได้รับประโยชน์จากช่องทาง Slack โดยเฉพาะ ซึ่งพวกเขาสามารถเชื่อมต่อและแบ่งปันข้อมูลเชิงลึกกับผู้ประกอบการรายอื่นได้

หลังจากเสร็จสิ้นการรวมตัวโดยใช้ Every ลูกค้ามักจะยึดติดกับมันแทนที่จะใช้แพลตฟอร์มของคู่แข่งเช่น Rippling ด้วยเครื่องมือที่มีไว้เพื่อส่งเสริมการเติบโตในช่วงห้าปีแรก Every's มุ่งความสนใจไปที่บริษัทที่มีพนักงานน้อยกว่า 200 คน

แนวทางของ Behera มีความพิเศษตรงที่เขาคาดหวังว่าลูกค้าที่ทำกำไรได้มากที่สุดของเขาจะต้องได้รับบริการเพิ่มเติมจาก Every อย่างน้อยที่สุดจนกว่า Every จะพัฒนาเป็นฟินเทคในระยะการเติบโตที่สามารถช่วยเหลือบริษัทขนาดใหญ่ได้

ความสัมพันธ์ของ Behera กับ [Y Combinator](https://www.ycombinator.com/) (YC) ถือเป็นองค์ประกอบสำคัญในการพัฒนาของทุกคน Behera เป็นผู้ประกอบการที่มีประสบการณ์ ได้ใช้เครือข่ายของ Accelerator และทุกคนก็เป็นส่วนหนึ่งของกลุ่มประชากรตามรุ่น Summer 2023 ของ YC Reflektive ซึ่งเป็นความพยายามทางธุรกิจก่อนหน้านี้ของเขาถูกซื้อในปี 2021 หลังจากเพิ่มทุนมากกว่า 100 ล้านดอลลาร์ นอกจากนี้ Surbhi Sarna ที่ปรึกษา YC ซึ่งเป็นภรรยาของเขา ยังเป็นผู้ประกอบการที่ประสบความสำเร็จอีกด้วย ด้วยเหตุนี้ ลูกค้าของ Every ประมาณครึ่งหนึ่งจึงมาจากเครือข่ายสตาร์ทอัพที่กว้างขวางของ YC

แม้ว่า Rippling, Gusto และ Deel ซึ่งเป็นสตาร์ทอัพที่ได้รับการสนับสนุนจาก YC อีกสามรายจะแข่งขันกับพวกเขา แต่ความสัมพันธ์ใกล้ชิดของ Every กับระบบนิเวศของ YC ถือเป็นข้อได้เปรียบที่สำคัญ สิ่งนี้ดึงดูดนักลงทุน ควบคู่ไปกับแนวทางปฏิบัติจริงของ Behera ในการสร้างส่วนประกอบของแพลตฟอร์มตั้งแต่ต้นจนจบ

Behera จ้างพนักงานเพิ่มขึ้นหลังจากดูแลการขาย การสนับสนุน และการออกแบบผลิตภัณฑ์ของลูกค้าเป็นการส่วนตัวสำหรับลูกค้า 50 รายแรกของธุรกิจ โดยได้รับความช่วยเหลือจาก Alex Bard จาก Redpoint ซึ่งดูแลการระดมทุน Series A หลังจากอ่านคำรับรองจากบริษัทต่างๆ ที่ใช้งานแล้ว ผู้ร่วมลงทุนคนอื่นๆ ก็ทำเช่นเดียวกัน

ภายในเวลาไม่ถึงสองสัปดาห์ เงิน Series A ก็ได้รับการคุ้มครองโดยที่ Behera ไม่ต้องมองหานักลงทุนรายใหม่อย่างจริงจัง แม้ว่ามูลค่าของบริษัทจะไม่ได้เปิดเผยต่อสาธารณะ แต่ประมาณการไว้ที่ 112.5 ล้านดอลลาร์ เงินทุนเพิ่มเติมนี้จะนำไปใช้เพื่อสนับสนุนการจัดตั้งบริษัทและบริการเริ่มต้นใช้งานฟรี ซึ่งกำลังผลักดันความสำเร็จในช่วงแรกของ Every รวมถึงการเติบโตของพนักงานด้านวิศวกรรม ซึ่งปัจจุบันมีพนักงานประมาณ 20 คน