Ollama-তে num_ctx সেট করে দীর্ঘ prompt ঠিক করুন
Ollama-এর ছোট default context window-এ দীর্ঘ prompt নীরবে কেটে যেতে পারে। প্রতি request-এ বা server-wide num_ctx সেট করুন, আগে KV cache-এর RAM হিসাব করুন।
num_ctx কী করে এবং আপনার দীর্ঘ prompt কেন কেটে গেছে
Ollama-এর context length হলো একই সময়ে memory-তে একটি loaded model যত token ধরে রাখতে পারে তার সংখ্যা, এবং num_ctx হলো সেটি নির্ধারণকারী option। Ollama model যে সর্বোচ্চ সীমা উল্লেখ করে, তার তুলনায় অনেক কম একটি default বেছে নেয়। তাই model পড়ার আগেই দীর্ঘ prompt কেটে যায়। response-এ এটি ঘটেছে কি না, তা জানার কোনো ইঙ্গিত থাকে না।
Ollama model library-তে Llama 3.1 8B-এর context window 128k হিসেবে উল্লেখ করা আছে। একটি stock server আপনাকে এই সীমা দেবে না। Ollama-এর নিজস্ব documentation-এর বিভিন্ন page-এ ভিন্ন default দেওয়া আছে: FAQ-তে 4096 token, Modelfile reference-এ num_ctx-এর default 2048, এবং context length page-এ বলা হয়েছে যে available VRAM (video RAM) অনুযায়ী default নির্ধারিত হয়: 24 GiB-এর কম হলে 4k, 24 GiB থেকে 48 GiB পর্যন্ত হলে 32k, এবং 48 GiB বা তার বেশি হলে 256k। কোনো একটি build-এর ক্ষেত্রে প্রতিটি তথ্যই সঠিক ছিল। এই মতপার্থক্য থেকে গুরুত্বপূর্ণ শিক্ষা হলো: যেকোনো page, এমনকি এই page-কে বিশ্বাস না করে, আপনার চলমান server থেকে value পরীক্ষা করুন।
Truncation নীরবে ঘটে, কারণ model তবুও উত্তর দেয় এবং উত্তরটি পড়তেও স্বাভাবিক লাগে। উত্তরটি আপনার input-এর শেষের অংশ ব্যবহার করে লেখা হয়। কোনো document-এর প্রথম অর্ধেক বাদ পড়া summary-কে দুর্বল model-এর ফল মনে হতে পারে। সাধারণত এর কারণ ছোট context window।
আপনার server আসলে যে Ollama context length প্রয়োগ করেছে তা পরীক্ষা করুন
যে check যেকোনো build-এ কাজ করে সেটি হলো prompt_eval_count। এটি server যে prompt token process করেছে বলে জানায়, তার সংখ্যা। context যতটা ধারণ করতে পারে তার চেয়ে বেশি পাঠালে এই সংখ্যা limit-এ থেমে যায়।
sudo apt update && sudo apt install -y jq
LONG=$(python3 -c "print('the quick brown fox jumps over the lazy dog. ' * 2000)")
jq -n --arg p "$LONG" '{model:"llama3.1:8b", prompt:$p, stream:false, options:{num_ctx:4096}}' |
curl -s http://localhost:11434/api/generate -d @- |
jq '{prompt_eval_count, prompt_eval_duration}'এই prompt-এ প্রায় 18,000টি word আছে, তাই এটি 4096 token-এর চেয়ে অনেক বড়। server বাকি অংশ বাদ দেওয়ায় prompt_eval_count প্রকৃত token count-এর কাছাকাছি না হয়ে প্রায় 4096 দেখায়। "num_ctx":16384 ব্যবহার করে আবার চালালে count বেড়ে যায়। আপনার build truncate না করে error ফেরত দিলে সেটিও একই finding, তবে আরও স্পষ্টভাবে বোঝা যায়।
ollama psযেসব build এই column দেখায়, সেসব build-এ CONTEXT column-এ বর্তমানে loaded model যে context length নিয়ে চলছে তা থাকে। এর পাশের PROCESSOR column-এ model-এর অবস্থান দেখানো হয়। GPU না থাকা VPS-এ 100% CPU স্বাভাবিক। GPU server-এ 30%/70% CPU/GPU-এর মতো split দেখা গেলে weights এবং cache আর VRAM-এ একসঙ্গে fit করছে না। সাধারণত বাড়ানো num_ctx-এর কারণেই এটি ঘটে।
journalctl -u ollama --no-pager | grep -i n_ctx | tail -n 5Inference runner n_ctx থাকা একটি line-এ context size দেখায়। release ভেদে exact wording বদলে যায়। তাই line না পাওয়াকে কোনো কিছুর প্রমাণ হিসেবে না দেখে rename হিসেবে বিবেচনা করুন।
num_ctx সেট করার চারটি স্থান
অনুরোধে। "options": {"num_ctx": 16384}, /api/generate অথবা /api/chat-এ পাঠান। অন্য সব সেটিংয়ের তুলনায় এর অগ্রাধিকার বেশি এবং এটি শুধু ওই একটি call-এর ক্ষেত্রে প্রযোজ্য। লোড করা model বর্তমানে যে মান নিয়ে চলছে, তার থেকে এই মান ভিন্ন হলে server প্রথমে model reload করে। Response-এর load_duration-এ এটি দেখা যায়: সময় প্রায় শূন্য থেকে কয়েক সেকেন্ডে বেড়ে যায়। Model দীর্ঘ সময় idle থাকার কারণে unload হলেও একই অপেক্ষা দেখা যায়। তাই context size নির্ধারণ করার পর keep_alive দিয়ে model resident রাখা উপযোগী।
ইন্টার্যাক্টিভ session-এ। ollama run-এর ভিতরে /set parameter num_ctx 16384 লিখুন। এটি ওই session পর্যন্ত কার্যকর থাকে।
একটি Modelfile-এ। এতে মানটি একটি নামযুক্ত model-এর মধ্যে স্থায়ীভাবে সংরক্ষিত হয়। ফলে client-side কোনো পরিবর্তন ছাড়াই প্রতিটি client সেটি পায়।
FROM llama3.1:8b
PARAMETER num_ctx 16384ollama create llama3.1-16k -f ./Modelfile
ollama run llama3.1-16kServer-এ। OLLAMA_CONTEXT_LENGTH এমন প্রতিটি request-এর জন্য default নির্ধারণ করে, যেটিতে নিজস্ব num_ctx নেই। systemd ব্যবহার করলে unit file সম্পাদনা না করে একটি drop-in যোগ করুন।
sudo systemctl edit ollama.service[Service]
Environment="OLLAMA_CONTEXT_LENGTH=16384"sudo systemctl daemon-reload
sudo systemctl restart ollama
ollama psDebugging-এর সময় precedence বিশেষভাবে গুরুত্বপূর্ণ, বিশেষ করে অন্য কারও client পরীক্ষা করলে। num_ctx বহনকারী request server default-কে অগ্রাহ্য করে। তাই chat front end বা agent নিজে থেকে একটি ছোট মান পাঠালে আপনার systemd পরিবর্তনটি নীরবে অকার্যকর হয়ে যেতে পারে। কোনো coding agent-কে আপনার Ollama server-এ নির্দেশ করার আগে client কী পাঠাচ্ছে তা পরীক্ষা করুন; server-কে দোষ দেওয়ার আগে এটি যাচাই করা উচিত।
আপনি কেন সরাসরি model maximum হিসেবে num_ctx সেট করতে পারবেন না
Attention প্রতিটি token-কে তার আগের প্রতিটি token দেখতে দেয়। আগের token-গুলোর জন্য গণনা করা key ও value সংরক্ষণ করা হয়, যাতে প্রতিটি নতুন token-এর জন্য সেগুলো আবার গণনা করতে না হয়। এই সংরক্ষণস্থানকে KV cache (key/value cache) বলা হয়। Model load হওয়ার সময় পুরো num_ctx-এর জন্য এটি বরাদ্দ করা হয়; conversation বাড়ার সঙ্গে সঙ্গে নয়। তাই এক লাইনের prompt হলেও বড় context তার সম্পূর্ণ memory ব্যবহার করে।
প্রতিটি layer প্রতিটি token-এর জন্য প্রতিটি key/value head-এ একটি key vector এবং একটি value vector রাখে। তাই হিসাবটি এক লাইনে লেখা যায়:
kv_bytes_per_token = 2 * layers * kv_heads * head_dim * bytes_per_valueএখানে 2 দিয়ে key ও value আলাদাভাবে গণনা করা হয়েছে। আপনার নিজের model থেকে বাকি সংখ্যাগুলো নিন।
curl -s http://localhost:11434/api/show -d '{"model":"llama3.1:8b"}' |
jq '.model_info | {ctx: ."llama.context_length", layers: ."llama.block_count", heads: ."llama.attention.head_count", kv_heads: ."llama.attention.head_count_kv", embed: ."llama.embedding_length"}'Llama 3.1 8B-তে 32টি layer এবং 8টি key/value head আছে। Head dimension হলো embed-কে heads দিয়ে ভাগ করলে যা পাওয়া যায়। তাই এখানে 4096 / 32 = 128। কিছু model এই মানটি সরাসরি llama.attention.key_length হিসেবে প্রকাশ করে। Default cache-এ f16 value রাখা হয়, তাই bytes_per_value হলো 2। ফলে 2 32 8 128 2-এর ফল 131,072 bytes। অর্থাৎ context-এর প্রতিটি token-এর জন্য cache-এর আকার 128 KiB। Context length দিয়ে গুণ করলে খরচটি স্পষ্ট হয়ে যায়।
এই চার্টের পেছনের ডেটা
[
{
"label": "4k",
"kv_cache_gib": 0.5,
"total_ram_gib": 5.1
},
{
"label": "8k",
"kv_cache_gib": 1,
"total_ram_gib": 5.6
},
{
"label": "16k",
"kv_cache_gib": 2,
"total_ram_gib": 6.6
},
{
"label": "32k",
"kv_cache_gib": 4,
"total_ram_gib": 8.6
},
{
"label": "64k",
"kv_cache_gib": 8,
"total_ram_gib": 12.6
},
{
"label": "128k",
"kv_cache_gib": 16,
"total_ram_gib": 20.6
}
]এই 6টি row উপরের formula থেকে করা arithmetic হিসাব, কোনো measurement নয়। Total column-এ October 2026-এ Ollama library-তে llama3.1:8b-এর জন্য তালিকাভুক্ত 4.9 GB download যোগ করা হয়েছে, যা 4.6 GiB-এর সমান। এতে compute buffer এবং server process নিজে অন্তর্ভুক্ত নয়। এটিকে সর্বনিম্ন হিসাব হিসেবে ধরুন।
এখানে মূল বিষয় হলো আকারের পরিবর্তন। 8k context-এ cache-এর খরচ 1 GiB, যা weights-এর তুলনায় নগণ্য। Model-এর পূর্ণ 128k context-এ এটি 16 GiB হয়, যা weights-এর তিন গুণেরও বেশি। তখন মোট খরচ প্রায় 20.6 GiB। তাই 4 GB VPS কোনো ব্যবহারযোগ্য context-এ এই model load করতে পারে না। 8 GB VPS-এ 8k context স্বচ্ছন্দে চলে। 16 GB VPS-এ বাকি system-এর জন্য কিছু memory রেখে 32k context ব্যবহার করা যায়। Weights বাড়লে প্রতিটি সীমাও বাড়ে। তাই এই 8B model-এর বদলে বড় model বিবেচনা করলে 8 থেকে 64 GB-এর মধ্যে context-এর জন্য weights কত কম memory রেখে যায়, তা CPU-only VPS-এ Qwen-এর 27B tag-এর একই হিসাব থেকে বোঝা যায়।
KV cache না ধরলে কী ঘটে
শুধু CPU-ভিত্তিক VPS-এ process-এর memory usage ক্রমাগত বাড়ে। Model load হওয়ার সময় এবং দীর্ঘ request চলার সময় এটি monitor করুন।
free -m
ps -eo rss,comm --sort=-rss | head -n 5RSS (resident set size) kilobyte-এ দেখানো হয়। free -m-এ ব্যবহৃত swap বাড়তে শুরু করলে context কমিয়ে দিন। Swap-এ থাকা KV cache generation-কে প্রতি token-এ কয়েক সেকেন্ডের জন্য থামিয়ে দিতে পারে, কারণ প্রতিটি নতুন token পুরো cache পড়ে।
সার্ভারের memory সম্পূর্ণ শেষ হয়ে গেলে kernel একটি process kill করে। সাধারণত সবচেয়ে বেশি memory ব্যবহার করা process-টিকেই বেছে নেওয়া হয়।
sudo dmesg | grep -i "killed process"Out of memory: Killed process 1234 (ollama) লেখা একটি line-এর অর্থ হলো kernel Ollama-কে kill করার জন্য বেছে নিয়েছে। এর অর্থ এই নয় যে Ollama-ই অবশ্যই memory শেষ করেছে। Ollama যদি সার্ভারের একমাত্র বড় process হয়, তাহলে সাধারণত context এত বড় হয়েছে যে তা memory-তে ধরেনি। num_ctx কমানোর আগে আর কী চলছিল তা পরীক্ষা করুন। Ollama অনেক সময় এই পর্যায়ে পৌঁছানোর আগেই request প্রত্যাখ্যান করে। তখন error message-এ প্রয়োজনীয় memory এবং তখন free থাকা memory—দুটিই উল্লেখ থাকে।
GPU সার্ভারে ব্যর্থতাটি কম স্পষ্ট হয়। কিছু layer system RAM-এ চলে যায়, ollama ps CPU ও GPU-এর মধ্যে কাজের বিভাজন দেখায়, এবং throughput দ্রুত কমে যায়। কতটা কমবে তা hardware-এর ওপর নির্ভর করে। তাই অন্য কারও machine-এর পরিসংখ্যানের ওপর নির্ভর না করে প্রতিটি context setting-এ নিজের সার্ভারে প্রতি সেকেন্ডে token-এর হার মাপুন।
প্রম্পটের তুলনায় Prefill সময় দ্রুত বাড়ে
প্রথম output token প্রদর্শিত হওয়ার আগে আপনার input-এর ওপর যে কাজ করা হয়, সেটিই Prefill। প্রতিটি prompt token তার আগের প্রতিটি token-এর দিকে attention দেয়। তাই মোট কাজ input-এর দৈর্ঘ্যের বর্গের সঙ্গে বাড়ে। Prompt দ্বিগুণ করলে প্রথম token পাওয়ার অপেক্ষা দ্বিগুণের চেয়েও বেশি হয়।
Response-এই পরিমাপ দেওয়া থাকে। তাই এটি যাচাই না করে বিশ্বাস করার প্রয়োজন নেই।
jq -n --arg p "$LONG" '{model:"llama3.1:8b", prompt:$p, stream:false, options:{num_ctx:16384}}' |
curl -s http://localhost:11434/api/generate -d @- |
jq '{tokens: .prompt_eval_count, prefill_seconds: (.prompt_eval_duration/1000000000)}'সংক্ষিপ্ত prompt দিয়ে এটি চালান। এরপর দীর্ঘ prompt দিয়ে আবার চালান। প্রতিটি ক্ষেত্রে tokens-কে seconds দিয়ে ভাগ করুন। CPU-only VPS-এ দীর্ঘ-context request-এর ক্ষেত্রে prefill সাধারণত সবচেয়ে ধীর ধাপ। সংক্ষিপ্ত prompt থেকে পাওয়া tokens per second মান দীর্ঘ prompt-এর prefill-এর গতি পূর্বাভাস দিতে পারে না। prefill-এর সময়সীমা সামনের কোনো timeout-এর চেয়ে বেশি হয়ে গেলে সাধারণত দীর্ঘ prompt-এর ফল হিসেবে উত্তরের পরিবর্তে context deadline exceeded দেখা যায়। তাই context কমানোর আগে কোন layer কাজ বন্ধ করেছে তা নির্ধারণ করুন।
Concurrency-এর সময় এই সমস্যা সবচেয়ে বেশি দেখা যায়। পরিবেশন করা প্রতিটি request-এর জন্য নিজস্ব cache প্রয়োজন। তাই উপরের chart-এর memory প্রতি request-এর জন্য প্রযোজ্য, পুরো server-এর জন্য নয়। একটি দীর্ঘ request server-এর সম্পদ ধরে রাখতে পারে, ফলে ছোট request-গুলো তার পেছনে queue-তে অপেক্ষা করে। OLLAMA_NUM_PARALLEL ইচ্ছাকৃতভাবে নির্ধারণ করুন। একই সঙ্গে উভয় সংখ্যা বাড়ানোর আগে একটি self-hosted LLM কতজন concurrent user পরিবেশন করতে পারে তা দেখুন।
কম cache ব্যবহার করে context-এর জন্য memory ফেরত নিন
bytes_per_value formula-র এমন একটি setting, যা আপনি নিয়ন্ত্রণ করেন। Ollama-এর FAQ-তে OLLAMA_KV_CACHE_TYPE নথিভুক্ত আছে; সেখানে default হিসেবে f16, f16-এর প্রায় অর্ধেক memory ব্যবহার করা q8_0, এবং প্রায় এক-চতুর্থাংশ memory ব্যবহার করা q4_0 দেওয়া হয়েছে। q8_0-এর নির্দিষ্ট মানটি অর্ধেকের সামান্য বেশি: llama.cpp প্রতিটি 32-value block-কে 32টি one-byte value এবং একটি two-byte scale হিসেবে সংরক্ষণ করে। ফলে মোট 34 byte লাগে, যেখানে f16-এর জন্য 64 byte প্রয়োজন। তাই q8_0 ব্যবহার করলে 32k row-তে memory usage 4 GiB-এর বদলে প্রায় 2.1 GiB হয়। Weights quantise করলে একই budget-এর অন্য দিক থেকেও memory খালি হয়। আপনি যদি সেই trade-off বেছে নিতে চান, তাহলে VPS-এ বাস্তবে যে GLM tagটি fits হয় quantisation-এর প্রতিটি ধাপ ধরে পরীক্ষা করা হয়েছে। একই FAQ-তে বলা হয়েছে, Flash Attention enabled থাকলেই cache quantise হয়। এটি জোর করে চালু করতে OLLAMA_FLASH_ATTENTION=1 ব্যবহার করা যায়।
[Service]
Environment="OLLAMA_FLASH_ATTENTION=1"
Environment="OLLAMA_KV_CACHE_TYPE=q8_0"অনুমান না করে নিশ্চিত করুন: service restart করুন, আগের মতো একই num_ctx-এ model load করুন, এবং RSS তুলনা করুন। Support model ও backend-এর ওপর নির্ভর করে। কোনো setting-এ পরিবর্তন না হলে বুঝতে হবে আপনার combination এই feature-এর আওতায় নেই। Cache type একটি global option, তাই server-এর প্রতিটি model এটি ব্যবহার করবে। Quality-এর ক্ষেত্রে FAQ-তে বলা হয়েছে, q8_0 সাধারণত লক্ষণীয় কোনো প্রভাব ফেলে না। অন্যদিকে q4_0 বেশি precision হারায়, বিশেষ করে context size বড় হলে। তাই এর ওপর নির্ভর করার আগে নিজের prompt দিয়ে q4_0 পরীক্ষা করুন। আপনি যদি এই knob-গুলোর কারণেই এখানে এসে থাকেন, তাহলে Ollama এবং llama.cpp এগুলো ভিন্নভাবে expose করে।
num_ctx বাছাই করার পদ্ধতি
/api/showথেকে মডেলের সর্বোচ্চ context, layer-এর সংখ্যা এবং key/value head-এর সংখ্যা পড়ুন।- সূত্র ব্যবহার করে প্রতি token-এর bytes হিসাব করুন। এরপর আপনার প্রয়োজনীয় context দিয়ে গুণ করুন।
- এর সঙ্গে weight-এর size যোগ করুন। মোট পরিমাণ free RAM-এর সঙ্গে তুলনা করুন। বাকি সিস্টেমের জন্য অন্তত 1 GiB RAM খালি রাখুন।
- মানটি সেট করুন এবং মডেল load করুন। এরপর
ollama psএবংprompt_eval_countদিয়ে প্রয়োগ হওয়া মান নিশ্চিত করুন। free -mmonitor করে আপনার প্রকৃত workload চালান। swap ব্যবহার শুরু হলে context অর্ধেক করে দিন।
অনেক কাজেই মানুষ যত বড় context দেয়, তার চেয়ে কম context যথেষ্ট। একটি দীর্ঘ report summarise করতে 16k যথেষ্ট। পাঁচটি document chunk যোগ করা একটি retrieval front end সাধারণত 8k-এর বেশি পাঠায় না। যে coding agent সম্পূর্ণ file পড়ে, তার ক্ষেত্রে সত্যিই 64k বা তার বেশি প্রয়োজন হতে পারে। এই ক্ষেত্রেই context-এর ভিত্তিতে machine-এর capacity নির্ধারণ করা উচিত, উল্টোভাবে নয়। server-টি যদি এখনও নতুন হয়, তাহলে VPS-এ সচল Ollama install থেকে শুরু করুন এবং model পরিষ্কারভাবে load হওয়ার পরে context tune করুন।
FAQ
Ollama-এ ডিফল্ট context length কত?
এটি build এবং hardware-এর ওপর নির্ভর করে। তাই অনুমান না করে পরীক্ষা করুন। Ollama-এর FAQ-তে 4096 token নথিবদ্ধ আছে, Modelfile reference-এ num_ctx default হিসেবে 2048 নথিবদ্ধ আছে, এবং context length page-এ available VRAM অনুযায়ী default দেওয়া হয়েছে: 24 GiB-এর কম হলে 4k, 24 GiB থেকে 48 GiB পর্যন্ত হলে 32k, এবং 48 GiB বা তার বেশি হলে 256k। CPU-only VPS সাধারণত ছোট সীমাতেই থাকে। যেসব build-এ এই column আছে, সেগুলোতে ollama ps প্রয়োগ করা context দেখায়। API response-এ prompt_eval_count থাকলে প্রতিটি build-এ এটি নিশ্চিত করা যায়।
Ollama আমার দীর্ঘ prompt-এর শুরুর অংশ উপেক্ষা করে কেন?
কারণ prompt-টি context window-এর চেয়ে বড় ছিল। তাই model এটি দেখার আগেই server prompt-এর একটি অংশ বাদ দিয়েছে, কিন্তু কোনো error ফেরত দেয়নি। একই prompt বড় num_ctx দিয়ে আবার পাঠান এবং response-এ prompt_eval_count-এর মান বাড়ছে কি না দেখুন। ওই সংখ্যা না বাড়লে, আপনার এবং server-এর মাঝের কোনো component নিজেই num_ctx নির্ধারণ করছে। Chat front end এবং agent framework-এ এটি সাধারণ ঘটনা।
বড় num_ctx-এর জন্য অতিরিক্ত কত RAM প্রয়োজন?
Context length-কে প্রতি token cache cost দিয়ে গুণ করুন। এই cost হলো 2 * layers * kv_heads * head_dim * bytes_per_value। f16-এ Llama 3.1 8B-এর ক্ষেত্রে প্রতি token-এর জন্য 128 KiB লাগে। তাই 32k token-এর জন্য weights-এর অতিরিক্ত 4 GiB এবং সম্পূর্ণ 128k-এর জন্য 16 GiB প্রয়োজন। Model load হওয়ার সময় cache allocate হয়। তাই prompt ছোট থাকলেও বড় num_ctx এই memory ব্যবহার করবে।
বড় context window কি Ollama-কে ধীর করে?
হ্যাঁ, দুটি কারণে। Prompt-এর দৈর্ঘ্যের বর্গের সঙ্গে prefill কাজ বাড়ে। তাই দীর্ঘ input-এর ক্ষেত্রে প্রথম token পেতে সময় input-এর দৈর্ঘ্য দেখে যতটা প্রত্যাশা করা যায়, তার চেয়ে বেশি লাগে। বড় cache-ও memory-এর জন্য প্রতিযোগিতা করে। GPU server-এ এটি কিছু layer system RAM-এ সরিয়ে দিতে পারে। CPU server-এ এটি machine-কে swap ব্যবহারের দিকে ঠেলে দিতে পারে। বড় num_ctx কখনো পূর্ণ না হলেও এর জন্য memory খরচ হয়। তবে এতে prefill time বাড়ে না।
একটি model-এর জন্য কি num_ctx স্থায়ীভাবে নির্ধারণ করা যায়?
হ্যাঁ। FROM llama3.1:8b এবং PARAMETER num_ctx 16384-সহ একটি Modelfile লিখুন। এরপর ollama create llama3.1-16k -f ./Modelfile চালান। llama3.1-16k-এর জন্য অনুরোধ করা প্রতিটি client কোনো option না পাঠিয়েও ওই context পাবে। তবে নিজস্ব num_ctx-সহ কোনো request থাকলে সেটিই অগ্রাধিকার পাবে। তাই এটি একটি default নির্ধারণ করে, সর্বোচ্চ সীমা নয়।