OpenAI ने Codex से अपना Git बैकएंड Pando बनाया, Anthropic ने FlashProve पेश किया, Cohere ने खुले मॉडलों के लिए Model Vault खोला

OpenAI ने Pando का विवरण साझा किया है, जो उसके मोनोरेपो का Git बैकएंड है और जिसे Codex से दस सप्ताह में बनाया गया है। यह प्रतिदिन लगभग एक पेटाबाइट (1 Po) डेटा उपलब्ध कराता है; Claude Code 2.1.317 अब खाते का ईमेल पता भेजने से पहले सहमति माँगता है, और GitHub Copilot अब JetBrains Air में उपलब्ध है। Anthropic ने इन्फ़रेंस के क्रिप्टोग्राफ़िक प्रमाणों का एक प्रोटोटाइप FlashProve पेश किया है, OpenAI ने सुरक्षा खामियों के लिए अपने मध्यिका इनाम चार गुना से अधिक कर दिए हैं और Cohere ने दूसरे प्रदाताओं के खुले मॉडलों के लिए Model Vault खोल दिया है। Google ने इंजीनियरिंग बेंचमार्क PLE प्रकाशित किया है, जिसमें कोई भी एजेंट 50 % से आगे नहीं जाता, और वह 1 दिसंबर से Gemini 2.5 Pro और 2.5 Flash को भेजे जाने वाले अनुरोधों को नए मॉडलों की ओर भेजेगा।

कोडिंग एजेंट: OpenAI ने Codex से Pando बनाया, Claude Code 2.1.317, JetBrains Air में GitHub Copilot

OpenAI ने अपने मोनोरेपो का Git बैकएंड बदलकर Pando अपनाया, जिसे Codex से दस सप्ताह में बनाया गया

2 नवंबर — OpenAI ने Pando का विवरण साझा किया है, जो नया Git बैकएंड है और अब उसके मोनोरेपो (monorepo) के पूरे विकास का आधार है। यह Git प्रोटोकॉल और क्लाइंट के साथ संगत है। इस बदलाव की वजह Codex है: ब्रांच, पुश, मर्ज और फ़ेच की संख्या बहुत बढ़ गई थी, और 2025 के अंत तक पुराने सिस्टम की विश्वसनीयता कभी-कभी 90 % से नीचे गिर जाती थी। लेख के एक ग्राफ़ के अनुसार, 2026 की तीसरी तिमाही में मुख्य ब्रांच में शामिल किए गए कमिट की संख्या 2024 की पहली तिमाही से 1 378 % अधिक थी।

We built Pando, a new Git backend for our monorepo, to handle more pushes and fetches without changing how our engineers and agents use Git. Pando cut push latency by ~80% and now serves nearly a petabyte of Git data a day. We can grow Git capacity alongside agent usage.

🇮🇳 हमने अपने मोनोरेपो के लिए नया Git बैकएंड Pando बनाया है, ताकि हमारे इंजीनियर और एजेंट जिस तरह Git का इस्तेमाल करते हैं, उसे बदले बिना अधिक पुश और फ़ेच संभाले जा सकें। Pando ने पुश की विलंबता लगभग 80 % घटा दी है और अब यह प्रतिदिन लगभग एक पेटाबाइट Git डेटा उपलब्ध कराता है। हम एजेंटों के इस्तेमाल की गति के साथ Git की क्षमता बढ़ा सकते हैं। — X पर @OpenAIDevs

इस भार को संभालने के लिए Pando किसी एक समय पर सभी रेफ़रेंस का एकसमान दृश्य बनाए रखने की शर्त छोड़ देता है: हर ब्रांच स्वतंत्र रूप से अपडेट होती है, और प्राप्त पैक फ़ाइलें क्षेत्रीय कैश से दूसरे क्लाइंट को उसी रूप में उपलब्ध कराई जाती हैं।

OpenAI द्वारा मापा गया संकेतक	घोषित मान
पुश की मध्यिका विलंबता	लगभग पाँचवें हिस्से तक घटी (लगभग -80 %)
उपलब्ध कराया गया Git डेटा	प्रतिदिन लगभग एक पेटाबाइट (1 Po)
एक घंटे का अधिकतम आँकड़ा	एक घंटे में 57 To से अधिक, 99 % से अधिक कैश से
क्लोन और फ़ेच	मानक VM पर 10 Gbit/s के कनेक्शन पूरी तरह इस्तेमाल हुए
निर्माण में लगा समय	Codex के साथ 10 सप्ताह, अप्रैल 2026 से उत्पादन में

इसके मूल हिस्से की रूपरेखा एक अकेले इंजीनियर ने तैयार की और एजेंटों की टीमों ने उसे लागू किया। उन्होंने GPT-6 Astra के साथ Lean और TLA+ में भी लिखा, ताकि Pando का औपचारिक निरूपण किया जा सके और उसमें बग खोजे जा सकें। OpenAI ने Git परियोजना को कई सुधार वापस दिए हैं और कहा है कि वह इस तकनीक को साझा करने के तरीकों पर विचार कर रहा है, लेकिन किसी उत्पाद या तारीख की घोषणा नहीं की गई है।

🔗 Pando पर OpenAI का लेख

Claude Code 2.1.317 खाते का ईमेल भेजने से पहले सहमति माँगता है और Claude apps गेटवे में लागत रिपोर्ट जोड़ता है

3 नवंबर — Claude Code 2.1.317 पिछली शाम npm पर आने के बाद 01 h 25 UTC पर GitHub पर जारी हुआ। इसकी 87 प्रविष्टियों में से 62 सुधार हैं, लेकिन इस संस्करण में गोपनीयता की एक सुरक्षा भी जोड़ी गई है: अब किसी वेब या शेल टूल कॉल के खाते का ईमेल पता नेटवर्क पर भेजने से पहले Claude Code सहमति माँगता है। इसी तरह, /schedule चेतावनी देता है जब क्लाउड में किसी नए निर्धारित कार्य को ऐसे कनेक्टर मिलते हैं जिनकी माँग नहीं की गई थी, और उन्हें हटाने का तरीका भी बताता है।

2.1.317 की नई सुविधा	क्या बदला है
Claude apps गेटवे	लागत रिपोर्ट `GET /v1/organizations/analytics/cost`: डेवलपर, दिन या IdP समूह के अनुसार खर्च
Agent SDK	`onFailure: "block"`: हुक कॉलबैक विफल होने पर कार्रवाई को आगे बढ़ने देने के बजाय रोक देता है
उप-एजेंट और सहयोगी	बातचीत से अलग मॉडल पर चलने पर वे उस मॉडल के लिए सहेजा गया प्रयास स्तर अपनाते हैं
Read टूल	अपरिवर्तित फ़ाइल को दोबारा पढ़ने पर अब केवल उल्लेख के बजाय उसकी सामग्री मिलती है
OpenTelemetry	नए एट्रिब्यूट, जिनमें `anthropic.plan` और `anthropic.seat_type` शामिल हैं

सुधारों में, auto मोड अब ऐसे LLM गेटवे के पीछे हर चरण पर नहीं अटकता जो उसकी सुरक्षा जाँच के जवाब में 403 या 422 लौटाता है। Grep और Glob अब खोज की समय सीमा पूरी होने पर अधूरे नतीजों को पूरा बताकर पेश नहीं करते, और टोकन रीफ़्रेश धीमा होने पर claude auth status से उपयोगकर्ता के डिस्कनेक्ट होने का जोखिम भी दूर कर दिया गया है। npm पर स्थिर चैनल अभी भी 2.1.311 पर है।

🔗 Claude Code 2.1.317 के संस्करण विवरण

GitHub Copilot अब JetBrains Air में, Copilot सदस्यता पर स्थानीय रूप से और क्लाउड कार्यों के लिए उपलब्ध

3 नवंबर — GitHub Copilot अब JetBrains Air के एजेंटों में से एक है। JetBrains का यह परिवेश एजेंटों के साथ विकास के लिए बनाया गया है और Agent Client Protocol (ACP) के साथ संगत किसी भी एजेंट के लिए खुला है। मौजूदा Copilot सदस्यता के साथ इसे Air के एजेंट चयनकर्ता में चुना जा सकता है, ताकि इसे कोई कार्य सौंपा जा सके, उसके निष्पादन का मार्गदर्शन किया जा सके और कोड के साथ-साथ नतीजे की समीक्षा की जा सके; Air कई सत्रों को समानांतर रूप से संभालता है। GitHub इसे JetBrains के अपने Copilot प्लगइन के साथ उपलब्ध एक विकल्प के रूप में पेश करता है, उसके प्रतिस्थापन के रूप में नहीं।

निष्पादन का तरीका	आवश्यक शर्तें	इस्तेमाल की गणना
स्थानीय, JetBrains IDE में	IDE में Air स्थापित हो, GitHub Copilot चुना गया हो, Copilot खाते से जुड़ा हो	मौजूदा Copilot सदस्यता
क्लाउड, Air Teams के माध्यम से	Air Teams वाला JetBrains व्यावसायिक संगठन, Air व्यवस्थापक द्वारा Copilot सक्षम हो	Copilot प्लान, JetBrains AI क्रेडिट नहीं

हर क्लाउड कार्य एक नई वर्चुअल मशीन पर Docker कंटेनर में चलता है, एक प्रॉक्सी के पीछे जिससे पूरा ट्रैफ़िक गुजरता है, और एक कार्य से दूसरे कार्य तक कोई स्थिति सहेजी नहीं जाती। GitHub कुछ सीमाएँ भी बताता है: सदस्यता और क्रेडिट की जाँच केवल क्लाउड परिवेश शुरू होने पर होती है, हर कार्य के लिए व्यक्तिगत और संगठन के प्लान में से चुनने की सुविधा नहीं है, और Air में Copilot के खर्च की सीमा तय नहीं की जा सकती; व्यवस्थापक केवल Copilot को बंद कर सकते हैं।

🔗 GitHub Changelog की घोषणा

सुरक्षा: Anthropic का FlashProve, OpenAI के सुरक्षा खामियों के इनाम, CWE-bench v2 और CyberArena

Anthropic ने बड़े मॉडलों के इन्फ़रेंस के क्रिप्टोग्राफ़िक प्रमाणों के लिए खुला स्रोत प्रोटोटाइप FlashProve पेश किया

2 नवंबर — Anthropic की Frontier Red Team ने प्रमाणित किए जा सकने वाले इन्फ़रेंस (provable inference) का शोध प्रोटोटाइप FlashProve प्रकाशित किया, जिसकी घोषणा 3 नवंबर को X पर हुई: इससे जाँचा जा सकता है कि कोई उत्तर वास्तव में किसी विशेष मॉडल से आया है। प्रदाता पहले मॉडल के भारों पर एक प्रतिबद्धता (commitment) प्रकाशित करता है, फिर हर उत्तर के साथ संक्षिप्त शून्य-ज्ञान क्रिप्टोग्राफ़िक प्रमाण (zkSNARK) जोड़ता है, जो स्थापित करता है कि इस प्रॉम्प्ट पर लागू किए गए ये भार ठीक यही टोकन उत्पन्न करते हैं। भार छिपे रहते हैं, लेकिन मॉडल की संरचना नहीं। Anthropic के अनुसार, Claude ने सिस्टम में सुधार तैयार किए और प्रोटोकॉल का विनिर्देशन लिखा, जिसके सुरक्षा गुण Lean में सिद्ध किए गए हैं।

प्रकाशित माप (Llama 4 Maverick, भार 4 bits)	घोषित मान
एक H100 पर प्रमाण तैयार करने की दर	लगभग 110 टोकन प्रति सेकंड
प्रमाण का आकार (1 024 टोकन वाला अनुरोध)	लगभग 19 Mo
GPU के बिना प्रोसेसर पर सत्यापन	24 थ्रेड पर 17 सेकंड
प्रति GPU, vLLM की तुलना में अतिरिक्त लागत	लगभग 72 गुना, सबसे अधिक भार पर 94 गुना
इस मॉडल पर पिछला संदर्भ VerInf	1 000 टोकन के लिए 14,3 घंटे, 93,6 Go का प्रमाण

बताए गए उपयोगों में किसी नियामक द्वारा विकास की गति पर नज़र रखना, समझौता किए गए इन्फ़रेंस सर्वर या बदले गए मॉडल का पता लगाना और पाठ के स्रोत की पुष्टि करना शामिल है। सीमाएँ स्पष्ट हैं: अधिकतम 1 024 टोकन का संदर्भ, ग्रीडी डिकोडिंग (greedy decoding) में मॉडल के एक पूरे संस्करण का प्रमाण, और तेज़ कोड के बारे में कोई औपचारिक गारंटी नहीं। कोड Apache 2.0 लाइसेंस के तहत ऐसी रिपॉज़िटरी में प्रकाशित किया गया है जिसे रखरखाव रहित बताया गया है।

🔗 FlashProve पर Anthropic का लेख · FlashProve रिपॉज़िटरी

OpenAI ने अपने बग बाउंटी के मध्यिका इनाम चार गुना से अधिक किए, बोनस के साथ अधिकतम 172 000 डॉलर

2 नवंबर — OpenAI ने सुरक्षा खामियों के लिए अपने इनाम कार्यक्रम (bug bounty) की पुरस्कार राशि बढ़ाई है। इस घोषणा को 3 नवंबर को X पर साझा किया गया: मध्यम, उच्च और गंभीर स्तर की कमजोरियों के लिए इनाम की सीमाओं के मध्यिका मूल्य औसतन चार गुना से अधिक कर दिए गए हैं। ChatGPT, Codex या API प्लेटफ़ॉर्म में कोई गंभीर खामी खोजने पर अधिकतम 30 000 डॉलर मिल सकते हैं, और किसी असाधारण गंभीर खोज के लिए मूल राशि अभी भी अधिकतम 100 000 डॉलर हो सकती है। नए बोनस के साथ यह अधिकतम 172 000 डॉलर तक पहुँच सकती है: भरोसेमंद अवधारणा-प्रमाण के लिए गुणवत्ता गुणक, पाँच स्तरों वाला निष्ठा बोनस और हाल में जारी सुविधाओं के लिए प्राथमिकता अभियान।

OpenAI द्वारा दिया गया खामी का उदाहरण	पुराना इनाम	नया इनाम
ChatGPT में मध्यम गंभीरता: लिखने की अनुमति के बिना फ़ाइल आयात करना	750 डॉलर	2 415 डॉलर
ChatGPT में गंभीर खामी: बिना क्लिक के खाते पर नियंत्रण पाना	6 500 डॉलर	51 577 डॉलर
असाधारण: किसी भी उपयोगकर्ता की बातचीत पढ़ना	100 000 डॉलर	171 925 डॉलर

नई इनाम सीमाएँ लंबित रिपोर्टों पर लागू होती हैं, और घोषणा से पहले के 30 दिनों में दिए गए इनामों के लिए OpenAI अंतर की राशि चुकाएगा। सुरक्षा टीम 20 और 21 नवंबर को Oakland में PROMPT2PWN में मौजूद रहेगी।

🔗 सुरक्षा खामियों के इनामों पर OpenAI का लेख

Collinear AI ने CWE-bench v2 प्रकाशित किया, जहाँ सुरक्षा खामियाँ सुधारने के 100 सार्वजनिक कार्यों में Gemini 4 Argon, Claude Opus 5.5 से थोड़ा आगे है

3 नवंबर — Collinear AI ने Hugging Face के ब्लॉग पर CWE-bench का दूसरा संस्करण प्रकाशित किया है। यह किसी वास्तविक खुला स्रोत रिपॉज़िटरी की कार्यक्षमता बिगाड़े बिना उसमें सुरक्षा कमजोरी खोजने और सुधारने की एजेंट की क्षमता मापता है। सार्वजनिक संग्रह में कमजोरियों की 91 श्रेणियों (CWE) को कवर करने वाले 100 कार्य हैं, जिनका नियतात्मक तरीके से मूल्यांकन और मानवीय समीक्षा की गई है; एक आरक्षित संग्रह निजी रखा गया है, ताकि ऐसे कार्यों पर प्रगति मापी जा सके जिन्हें किसी मॉडल ने नहीं देखा है।

मूल्यांकित मॉडल	pass@1 सफलता	pass@4 सफलता	प्रति निष्पादन लागत
Gemini 4 Argon	67,8 %	81,0 %	3,92 डॉलर
Claude Opus 5.5	67,3 %	78,0 %	1,83 डॉलर
DeepSeek V4.1 Flash (1017)	57,0 %	उल्लेख नहीं किया गया	0,04 डॉलर

मूल्यांकित 11 मॉडलों में से कम से कम एक मॉडल ने 95 कार्य हल किए, लेकिन अग्रणी मॉडल संग्रह के 19 % कार्यों पर हर प्रयास में विफल होता है। हर कार्य एक Harbor परिवेश है (Docker कंटेनर, निर्देश, नियतात्मक सत्यापक), जिसे Hub से चलाया जा सकता है और जो RL के माध्यम से रक्षात्मक एजेंटों के प्रशिक्षण में भी काम आ सकता है। Gemini 4 Carbon मूल्यांकित मॉडलों में शामिल नहीं है।

🔗 Hugging Face के ब्लॉग पर CWE-bench v2

CyberArena में बारह एजेंटों के बीच सीधा हमला-बचाव मुकाबला, अपनी रक्षा के दम पर GPT-5.6 Sol आगे

3 नवंबर — 2077AI और UC Berkeley के RDI केंद्र ने CyberArena प्रकाशित किया है। यह बेंचमार्क साइबर सुरक्षा की परीक्षा की जगह मुकाबला कराता है: दो एजेंटों को एक ही असुरक्षित सेवा की एक-एक प्रति दी जाती है और वे तीन दौर तक अपनी प्रति की खामियाँ सुधारते हुए प्रतिद्वंद्वी की प्रति पर हमला करते हैं। यह अखाड़ा फ़्लैग पर कब्ज़े की हर घटना और सेवा की स्थिति की हर जाँच का सत्यापन करता है, फिर मुकाबलों के आधार पर रैंकिंग बनाता है।

रैंकिंग में स्थान	मूल्यांकित एजेंट	इस्तेमाल किया गया हार्नेस	रैंकिंग स्कोर
1	GPT-5.6 Sol	OpenAI Codex	78,6
2	Claude Opus 5	Claude Code	73,8
3	GLM-5.3	OpenCode	68,5
4	Gemini 3.7 Flash	Gemini CLI	67,1
5	Grok 4.6	Grok CLI	65,5

12 एजेंटों और 40 चुनौतियों के बीच 466 मान्य मुकाबलों में फर्क रक्षा से पड़ता है: शीर्ष दो एजेंट क्रमशः 83 % और 81 % दौरों में अपना फ़्लैग सुरक्षित रखते हैं, जबकि अन्य के लिए यह आँकड़ा 43 से 61 % है। ऑडिट में सबसे अधिक मिली गलतियाँ हैं बिना सत्यापन के सुधार की घोषणा करना (ऑडिट किए गए 23 % मुकाबले) और अधूरा सुधार (21 %) करना। रैंकिंग पिछली पीढ़ियों के मॉडलों पर आधारित है और इसमें GPT-6 Sol या Claude Opus 5.5 शामिल नहीं हैं; अखाड़े का कोड, चुनौतियाँ और मुकाबलों की रिकॉर्डिंग प्रकाशित की गई हैं।

🔗 Hugging Face के ब्लॉग पर CyberArena

उद्यमों में खुले मॉडल: Cohere ने Model Vault खोला, Together AI के अनुसार Revolut ने स्वयं होस्ट किए गए GLM को अपनाया

Cohere ने Model Vault को DeepSeek V4.1 Flash से GPT-OSS तक, अन्य कंपनियों के खुले मॉडलों के लिए खोला

3 नवंबर — Cohere ने जनवरी में शुरू किए गए अपने संप्रभु इन्फ़रेंस प्लेटफ़ॉर्म Model Vault को अन्य कंपनियों के खुले मॉडलों के लिए खोल दिया है। Cohere के मॉडलों के साथ कंपनियाँ अब इस पर DeepSeek V4.1 Flash भी चला सकती हैं, जिसे Cohere ने OpenRouter पर सबसे अधिक इस्तेमाल किया जाने वाला खुला मॉडल बताया है। इसके अलावा GLM 5.3 Flash, MiMo V2.6 Pro, Gemma 4, NVIDIA का Nemotron, Tencent का Hy3 और GPT-OSS तथा Phi परिवारों के मॉडल भी उपलब्ध हैं। डिफ़ॉल्ट रूप से न प्रॉम्प्ट सहेजे जाते हैं, न उत्तर।

पोस्ट में दो स्तरों के बीच अंतर बताया गया है। Model Vault चुने गए क्षेत्र में केवल एक ग्राहक के लिए समर्पित अवसंरचना पर चलता है। Model Vault Encrypted डेटा को उसके प्रसंस्करण के दौरान भी एन्क्रिप्ट करता है (गोपनीय कंप्यूटिंग): Cohere के अनुसार, न Cohere और न ही क्लाउड प्रदाता देख सकता है कि मॉडल में क्या भेजा जाता है या उससे क्या निकलता है। इस दूसरे स्तर पर सभी मॉडल उपलब्ध नहीं हैं।

मॉडल परिवार	Model Vault	Model Vault Encrypted
Embed, Rerank, Parse, Transcribe, Translate (Cohere)	हाँ	हाँ
Gemma, GPT-OSS, Phi	हाँ	हाँ
Command, DeepSeek, GLM, MiMo, Nemotron, Hy3	हाँ	नहीं

Model Vault अमेरिका, यूरोपीय संघ और कनाडा में उपलब्ध है; Model Vault Encrypted अमेरिका में उपलब्ध है, जबकि यूरोपीय संघ और कनाडा में इसे « जल्द » उपलब्ध कराने की घोषणा की गई है। शुल्क GPU के प्रकार के अनुसार, प्रति घंटे या प्रतिबद्ध उपयोग के आधार पर लिया जाता है; पोस्ट में कीमतें नहीं दी गई हैं। सीरीज़ E वित्तपोषण दौर के पाँच दिन बाद, जिसमें बारह महीनों के भीतर मॉडलों की एक नई पीढ़ी लाने की योजना थी, Cohere अपनी पोस्टों की शृंखला में यह भी कहता है:

Try out world-class models while you wait for our next one

🇮🇳 हमारे अगले मॉडल के आने तक अग्रणी मॉडलों को आज़माएँ। — X पर @cohere

🔗 Model Vault पर Cohere की पोस्ट

Together AI द्वारा साझा किए गए ट्वीट के अनुसार, Revolut ने कोडिंग के लिए लगभग 2 000 इंजीनियरों को कथित तौर पर स्व-होस्ट किए गए GLM पर स्थानांतरित किया

3 नवंबर — Together AI ने एक ट्वीट साझा किया है, जिसके अनुसार Revolut ने कोडिंग के लिए खुले मॉडलों को अपना डिफ़ॉल्ट विकल्प बना लिया है:

Europe’s largest private company just made open models its default for coding.

🇮🇳 यूरोप की सबसे बड़ी निजी कंपनी ने कोडिंग के लिए अभी-अभी खुले मॉडलों को अपना डिफ़ॉल्ट विकल्प बनाया है। — X पर @togethercompute

गियेरमो फ़्लोर का उद्धृत ट्वीट नियोबैंक के एआई संचालन प्रमुख डेविड अबितबोल के बयानों पर आधारित है: लगभग 2 000 इंजीनियर अब स्व-होस्ट किए गए GLM के साथ काम कर रहे हैं, जबकि Claude Code और Codex को अपवादों की सूची में डाल दिया गया है।

ट्वीट में बताया गया आँकड़ा	घोषित मान
संबंधित इंजीनियर	लगभग 2 000
हार्डवेयर	56 GPU NVIDIA B200
मिश्रित लागत	प्रति दस लाख टोकन 30 cents, Anthropic और OpenAI की कीमत का लगभग दसवाँ हिस्सा
इंजीनियरिंग अवधि (लीड टाइम)	70 % का सुधार

उसी ट्वीट के अनुसार, लाभ तब मिले जब टोकन के उपयोग पर लगी सीमाएँ हटा दी गईं। Together AI का कहना है कि वह इन खुले मॉडलों को उत्पादन में चलाने वाली अवसंरचना का हिस्सा है, लेकिन उसने अपनी भूमिका स्पष्ट नहीं की है। यह जानकारी अब भी परोक्ष स्रोत से मिली है: Revolut का कोई आधिकारिक बयान नहीं मिला है और GLM का संस्करण नहीं बताया गया है।

🔗 Together AI द्वारा उद्धृत गियेरमो फ़्लोर का ट्वीट

भौतिक दुनिया की इंजीनियरिंग: GPT-6 Astra हार्डवेयर डिज़ाइन करता है, Google ने PLE प्रकाशित किया, रसायन विज्ञान में Antigravity, शहरों में NVIDIA

OpenAI ने Mazda और Chip Ganassi Racing के साथ भौतिक इंजीनियरिंग में GPT-6 Astra और Codex का उपयोग किया

3 नवंबर — OpenAI ने भौतिक उत्पादों की इंजीनियरिंग पर अपना काम प्रस्तुत किया है: यांत्रिक डिज़ाइन, इलेक्ट्रॉनिक्स और सिमुलेशन। सबसे स्पष्ट उदाहरण में, टीम के दो सदस्यों ने GPT-6 Astra के साथ, मुख्य काम से अलग एक परियोजना के रूप में, एक सप्ताह से भी कम समय में Codex से बात करने के लिए एक छोटा उपकरण डिज़ाइन किया: Astra ने उसका स्वरूप, आवरण, प्रिंटेड सर्किट बोर्ड, इंटरफ़ेस और फ़र्मवेयर डिज़ाइन किया, और एक उपठेकेदार ने एक महीने से भी कम समय में प्रोटोटाइप की एक छोटी खेप तैयार की। OpenAI ने समीक्षा के कई चक्रों की आवश्यकता स्वीकार की है: मॉडल ने हमेशा उत्पादन की सीमाओं, सहनशीलता सीमाओं या असेंबली के विवरणों का ध्यान नहीं रखा।

OpenAI द्वारा प्रकाशित माप	घोषित मान
BenchCAD 2.0, अधिक नया आंतरिक मॉडल (नाम नहीं बताया गया)	0,875 (औसत स्कोर)
BenchCAD 2.0, अधिकतम तर्क क्षमता पर GPT-6 Astra	0,594
हार्डवेयर टीमों द्वारा मॉडलों का उपयोग (टोकन में)	फ़रवरी से 23 गुना

BenchCAD 2.0 में 3D पुर्जों और असेंबलियों के पुनर्निर्माण तथा प्रिंटेड सर्किट बोर्ड के कनेक्शनों की पहचान का परीक्षण होता है। उद्योग के क्षेत्र में OpenAI रेसिंग टीम Chip Ganassi Racing के साथ अपना सहयोग बढ़ा रहा है, जो मौजूदा पुर्जों के 3D स्कैन को संपादन योग्य CAO मॉडलों और 2D निर्माण रेखाचित्रों में बदलती है। उसने Mazda के साथ शोध सहयोग की भी घोषणा की है: GPT-6 Astra उसके इंजीनियरों को वायुगतिकीय प्रतिरोध घटाने वाले अग्रभाग के आकारों की खोज में मदद करता है, जिसके परिणाम « आने वाले महीनों में » देने का वादा किया गया है। किसी उत्पाद या उपलब्धता की घोषणा नहीं की गई है।

🔗 भौतिक दुनिया की इंजीनियरिंग पर OpenAI की पोस्ट

Google ने Physical-Engineering’s Last Exam प्रकाशित किया, इंजीनियरिंग का ऐसा बेंचमार्क जिसमें कोई एजेंट 50 % से आगे नहीं पहुँचता

3 नवंबर — Google AI & Infrastructure टीम ने Physical-Engineering’s Last Exam (PLE) प्रस्तुत किया है। यह बेंचमार्क एक खुली प्रतियोगिता भी है, जिसे Mercor के साथ मिलकर एजेंटों की वास्तविक इंजीनियरिंग कार्य करने की क्षमता मापने के लिए बनाया गया है। इसके 85 लंबे कार्यों में 30 यांत्रिक इंजीनियरिंग, 27 विद्युत इंजीनियरिंग, 18 सिविल इंजीनियरिंग और 10 संरचनात्मक इंजीनियरिंग के हैं। इनमें एजेंट को एक कंटेनर में तैयार परियोजना फ़ोल्डर दिया जाता है, जिसमें औसतन 61 फ़ाइलें होती हैं: PDF, स्प्रेडशीट, ई-मेल, 2D CAO रेखाचित्र और 3D BIM मॉडल। प्रस्तुत परिणाम को अंक तभी मिलते हैं, जब वह सभी सुरक्षा बाधाएँ पार कर ले।

रैंकिंग में स्थान	मूल्यांकित मॉडल	मूल हार्नेस	औसत स्कोर
1	Claude Opus 5.5	Claude Code	48,3 %
2	GPT-6 Astra	Codex	45,8 %
3	Claude Sonnet 5.5	Claude Code	43,5 %
4	Gemini 4 Argon	Antigravity	40,6 %
5	Claude Opus 5	Claude Code	40,0 %

सात सार्वजनिक हार्नेस के साथ जाँचे गए 14 मॉडलों में से कोई भी निजी परीक्षण सेट पर 50 % से आगे नहीं पहुँचता। सबसे अच्छा विन्यास अलग-अलग जाँची गई 91 % शर्तों को पूरा करता है, लेकिन उसके केवल 41,3 % प्रस्तुत परिणाम सुरक्षा और व्यवहार्यता की सभी जाँचों में सफल होते हैं। हार्नेस की तुलना में मॉडल का प्रभाव कहीं अधिक है: मॉडलों के बीच 50 अंकों तक का अंतर है, जबकि एक ही मॉडल के लिए हार्नेस के बीच मध्यिका अंतर 3 अंक है। Google ने 29 कार्य, अंक देने वाली स्क्रिप्ट और मूल्यांकन कंटेनर प्रकाशित किए हैं तथा निजी परीक्षण सेट के लिए प्रस्तुतियाँ स्वीकार करना शुरू कर दिया है।

🔗 PLE पर Google Cloud की पोस्ट · PLE की रैंकिंग

Google DeepMind ने Antigravity में Cheminformatics Skills जोड़े, जो दवा डिज़ाइन का एक चक्र एक घंटे में पूरा कर देते हैं

3 नवंबर — Google DeepMind ने Google Antigravity के लिए Cheminformatics Skills प्रस्तुत किए हैं, जो इस एजेंट परिवेश को रसायनज्ञों के लिए एक कार्यमंच बनाते हैं। भूमिकाओं का विभाजन स्पष्ट है: भाषा मॉडल काम का समन्वय करता है, डेटाबेस में खोज करता है और तर्क करता है, जबकि ओपन सोर्स लाइब्रेरी RDKit और ChEMBL तथा PubChem डेटाबेस पर आधारित नियतात्मक रासायनिक उपकरण आणविक गणनाएँ करते हैं।

प्रदर्शन में औषधीय रसायन विज्ञान का एक जाना-पहचाना उदाहरण लिया गया है: फेफड़ों के कुछ कैंसरों के उपचार में इस्तेमाल होने वाले टायरोसीन काइनेज़ अवरोधक क्रिज़ोटिनिब की संरचना को अधिक कठोर बनाकर उसके चक्रीय संस्करण लॉरलैटिनिब की ओर बढ़ना। एजेंट कुछ ही मिनटों में प्रकाशित साहित्य से हज़ारों यौगिक जुटाता है, मेल खाती आणविक जोड़ियों का विश्लेषण करता है, औषधीय शक्ति का पूर्वानुमान लगाने वाले मॉडल प्रशिक्षित करता है और फिर उनके संश्लेषण मार्गों के साथ नए मैक्रोसाइकल सुझाता है। DeepMind के अनुसार, आमतौर पर कई दिन लेने वाला यह चक्र एक घंटे में पूरा हो जाता है। यह पोस्ट रोगाणुरोधी पेप्टाइड पर 15 अक्टूबर की पोस्ट को आगे बढ़ाती है और Antigravity के Science पृष्ठ का लिंक देती है। वहाँ Google आवेदन के आधार पर 10 000 वैज्ञानिकों को छह महीने के लिए अपने सबसे ऊँचे स्तर और Gemini 4 Argon का मुफ़्त उपयोग उपलब्ध करा रहा है; इन स्किल्स के लिए अलग से पहुँच की शर्तें नहीं दी गई हैं।

🔗 Google DeepMind की पोस्ट

NVIDIA ने बार्सिलोना में अपने साझेदारों द्वारा उसकी भौतिक और एजेंटिक एआई से बनाई जा रही शहरी सेवाएँ प्रस्तुत कीं

3 नवंबर — बार्सिलोना में Smart City Expo World Congress (3 से 5 नवंबर) के अवसर पर NVIDIA ने उन शहरी सेवाओं का विवरण प्रकाशित किया है, जिन्हें उसके साझेदार उसकी भौतिक और एजेंटिक एआई की तकनीकों से बना रहे हैं: खुले Nemotron मॉडल, Cosmos विश्व मॉडल, Omniverse लाइब्रेरी और वीडियो खोज तथा सारांश के लिए Metropolis ब्लूप्रिंट।

उल्लिखित साझेदार	तैनाती का स्थान	घोषित आँकड़ा
1MillionBot	स्पेन	निवासियों की सेवा के लिए एजेंटों की 150 से अधिक तैनातियाँ
ITMAX	मलेशिया	2027 तक 17 000 से अधिक कैमरों का कवरेज
TeraSim के साथ ITMAX	मलेशिया	व्यस्त समय में यात्रा अवधि में 26 % तक की कमी
Linker Vision और MVRDV	ताइवान	शहरी वृक्षावरण के 15 वर्षों के विकास का 10 मिनट में सिमुलेशन

1MillionBot, Barcelona Supercomputing Center में प्रशिक्षित ओपन सोर्स ALIA मॉडलों को Nemotron के साथ जोड़ता है; K2K व्रोक्लाव में मौजूदा कैमरों का उपयोग करता है, Honeywell नाइजीरिया में Dangote की लेक्की रिफ़ाइनरी को Nemotron एजेंटों से लैस कर रहा है, और Cires Technologies, Tanger Med बंदरगाह पर एक संप्रभु एआई फ़ैक्टरी का विस्तार कर रहा है। NVIDIA के किसी नए उत्पाद की घोषणा नहीं की गई है: यह तैनातियों का प्रदर्शन है।

🔗 शहरों पर NVIDIA की पोस्ट

खुले तौर पर उपलब्ध प्रकाशन: Mistral Large 4 की तकनीकी रिपोर्ट, pplx-embed-v2-context, StateBench और FineDNA

Mistral ने Mistral Large 4 की तकनीकी रिपोर्ट प्रकाशित की, जिसमें Le Chonk के निर्माण का विवरण है

3 नवंबर — Mistral ने Mistral Large 4 की तकनीकी रिपोर्ट प्रकाशित की है। Le Chonk उपनाम वाले इस मॉडल के वेट 29 अक्टूबर को जारी हुए थे। 2 नवंबर को Hugging Face और फिर alphaXiv पर प्रकाशित दस्तावेज़ में विशेषज्ञों के मिश्रण (मिक्सचर-ऑफ़-एक्सपर्ट्स) पर आधारित एक बहुमाध्यमीय मॉडल का विवरण दिया गया है, जिसमें कुल 1 000 अरब पैरामीटरों में से 52 अरब सक्रिय हैं। इसके सार और परिचय के अनुसार, रिपोर्ट सबसे पहले आर्किटेक्चर के एक चुनाव पर रोशनी डालती है: विकास के दौरान मॉडल को कम लागत पर चलाने के लिए KV कैश को बहुत अधिक घटाने से एजेंट संबंधी कार्यों का प्रदर्शन गिर रहा था। टीम ने इस गिरावट को मापा, फिर मॉडल में शल्यक्रिया जैसे बदलाव (मॉडल सर्जरी) करके इसे सुधारा: पहले पूर्ण अटेंशन और फिर DeepSeek की विरल अटेंशन (DeepSeek Sparse Attention, DSA) अपनाई गई। डेटा के मामले में एजेंट खुद चलाए जा सकने वाले परिवेश, कार्य, संदर्भ समाधान और सत्यापक लिखते हैं, जबकि दूसरे एजेंट खराब कार्यों को सुधारते हैं और पुरस्कार पाने के लिए खामियों का फ़ायदा उठाने (रिवॉर्ड हैकिंग) से बचाव करते हैं।

मूल्यांकित माप	रिपोर्ट के अनुसार मान
Harvey का Legal Agent Benchmark (पहली बार प्रकाशित आँकड़ा)	15 %
Terminal-Bench 4.0	41 %
FrontierCode 2.0	19,7 %
साइबर सुरक्षा (JailbreakBench, StrongREJECT, AgentHarm का औसत)	96,6 %
NVFP4 में क्वांटाइज़ किया गया चेकपॉइंट	606 Go, चार GB300 GPU पर चलाया गया

कैलिब्रेट किया गया NVFP4 क्वांटाइज़ेशन मूल्यांकनों में FP8 संदर्भ के बराबर प्रदर्शन करता है। तर्क के तीन स्तर (high, medium, low) अलग-अलग विस्तार से उत्तर देने वाले कई शिक्षक मॉडलों से डिस्टिलेशन द्वारा प्राप्त किए गए हैं।

🔗 alphaXiv पर तकनीकी रिपोर्ट · X पर Mistral की घोषणा

Perplexity ने 9B और 0.6B आकारों में खुले संदर्भगत एम्बेडिंग मॉडल pplx-embed-v2-context प्रकाशित किए

2 नवंबर — Perplexity ने pplx-embed-v2-context प्रकाशित किए हैं। ये खुले वेट वाले संदर्भगत एम्बेडिंग मॉडल दो आकारों, 9B और 0.6B, में उपलब्ध हैं और 30 सितंबर को आए 9B पूर्वावलोकन के एक महीने बाद जारी किए गए हैं। संदर्भगत एम्बेडिंग पूरे दस्तावेज़ को ध्यान में रखकर किसी अंश (चंक) का प्रतिनिधित्व करती है: हर मॉडल या तो प्रति दस्तावेज़ एक int8 वेक्टर या प्रति अंश एक वेक्टर लौटाता है। नवीनता प्रशिक्षण में है: यह मानने के बजाय कि केवल एक संदर्भ अंश (गोल्ड चंक) प्रश्न का उत्तर देता है, Perplexity अपने उत्तर देने वाले इंजन के संदर्भ संपीड़न मॉडल से अलग-अलग स्तर के प्रासंगिकता स्कोर डिस्टिल करता है। इससे उत्तर का समर्थन करने वाले अंशों को अब नकारात्मक उदाहरण नहीं माना जाता।

Perplexity द्वारा घोषित माप	प्रकाशित परिणाम
ConTEB, context-bench और Q2D-Chunk	तीनों बेंचमार्क में 9B सबसे आगे
ViDoRe-V3, दृश्य दस्तावेज़	4 गुना छोटे इंडेक्स के साथ 9B, Nemotron-3.5-Embed-8B से आगे
markdown में ViDoRe-V3	1 अरब से कम पैरामीटर वाले मॉडलों में 0.6B पहले स्थान पर
Q2D-Chunk, नया सार्वजनिक बेंचमार्क	6 069 वास्तविक प्रश्न, 10 भाषाएँ, 71 100 दस्तावेज़

turbopuffer के साथ लिखा गया शोधपत्र arXiv पर प्रकाशित है, और Q2D-Chunk को Hugging Face पर सार्वजनिक रैंकिंग के साथ उपलब्ध कराया गया है। वहाँ 9B मॉडल MIT लाइसेंस के तहत प्रकाशित है, जबकि 0.6B के मॉडल विवरण में कोई लाइसेंस नहीं दिया गया है; पोस्टों की शृंखला में API या कीमत का कोई ज़िक्र नहीं है।

🔗 @perplexitydevs की पोस्टों की शृंखला · arXiv पर शोधपत्र

Ai2 ने StateBench जारी किया, जो दिखाता है कि अग्रणी मॉडल लंबे दस्तावेज़ों में स्थिति पर नज़र रखने में पिछड़ जाते हैं

3 नवंबर — Ai2 ने StateBench जारी किया है, जो लंबे संदर्भ में स्थिति पर नज़र रखने (long-context state tracking) के लिए बनाया गया बेंचमार्क है: यह किसी मॉडल की उस क्षमता को परखता है जिससे वह लंबे दस्तावेज़ में बदलती जानकारी का हिसाब रखता है, जैसे कोड में किसी वेरिएबल को दोबारा मान देना। क्रोन–रोड्स सिद्धांत से लिए गए कठिनाई के चार स्तर अपरिवर्तनीय असाइनमेंट से लेकर संदर्भ द्वारा असाइनमेंट तक जाते हैं।

कठिनाई का स्तर	असाइनमेंट का प्रकार	Ai2 का दिया हुआ उदाहरण
r-trivial	अपरिवर्तनीय	`let x = 4`
अनावर्ती	मान द्वारा पुनः असाइनमेंट	`x = 4` फिर `x = 2`
हलनीय	स्व-संदर्भित अद्यतन	`x = x + 5`
सामान्य परिमित	संदर्भ द्वारा असाइनमेंट	`x = y`, वेरिएबलों की अदला-बदली

Gemini 3.8 Flash, Claude Opus 5.5, GPT-6 Sol और GPT-6 Luna पहले दो स्तरों पर अच्छा प्रदर्शन करते हैं, लेकिन अंतिम दो स्तरों पर लंबाई बढ़ने के साथ उनकी सटीकता गिरती है और सामान्य परिमित श्रेणी की सबसे लंबी समस्याओं पर 13 % या उससे भी कम रह जाती है। अधिकतम 256 असाइनमेंट पर प्रशिक्षित और 64 000 तक पर जाँचे गए 275M पैरामीटर वाले मॉडल आर्किटेक्चर के बीच का अंतर स्पष्ट करते हैं: Gated DeltaNet और हाइब्रिड मॉडल पहले तीन स्तरों पर लगभग पूर्ण सामान्यीकरण करते हैं, जबकि ट्रांसफ़ॉर्मरों का प्रदर्शन गिरता है और वे अंतिम स्तर कभी सीख ही नहीं पाते। डेटा और कोड प्रकाशित कर दिए गए हैं।

🔗 Hugging Face के ब्लॉग पर StateBench

Hugging Face ने FineDNA जारी किया, भाषा मॉडल को डीएनए सिखाने के लिए इस्तेमाल हुआ Carbon-X का पूरा प्रशिक्षण डेटा

1 नवंबर — छूटी हुई ख़बर: Hugging Face ने FineDNA जारी किया है, जिसमें उसके डीएनए पढ़ सकने वाले मॉडल Carbon-X को प्रशिक्षित करने के लिए इस्तेमाल किया गया पूरा डेटा है। Qwen3-14B पर आधारित यह मॉडल 22 अक्टूबर को पेश किया गया था। Apache 2.0 लाइसेंस वाला यह डेटासेट प्रशिक्षण के तीनों चरणों को समेटता है।

प्रशिक्षण का चरण	डेटासेट का आकार	शुरुआती मॉडल
मध्यवर्ती चरण (mid-training), 23 कॉन्फ़िगरेशन	514,30 अरब टोकन, जिनमें से 302 अरब पढ़े गए	Qwen3-14B
SFT, 8 क्षेत्र	203 923 वार्तालाप	Carbon-X-Base
RL	98 433 प्रॉम्प्ट	Carbon-X-SFT

मध्यवर्ती चरण में प्रशिक्षण का 55 % डीएनए, 20 % अंग्रेज़ी, 15 % जीवविज्ञान से संबंधित पाठ और 10 % निर्देशों के लिए रखा गया है; GENERator और OpenGenome2 से लिए गए अनुक्रमों को छह क्षारों के गुणज वाली लंबाइयों में बाँटा जाता है, ताकि उन्हें 6-mers पढ़ने वाला टोकनाइज़र पढ़ सके। डेटासेट की घोषणा करने वाली लुबना बेन अल्लाल के अनुसार, आगे के प्रशिक्षण की सफलता इसी चरण पर निर्भर करती है: सीधे Qwen3-14B पर लागू करने पर RL का प्रदर्शन FrontierVEP पर यादृच्छिक अनुमान के स्तर पर ही रहता है, जबकि पहले से तैयार मॉडल पर यही तरीका सुधार लाता है।

🔗 Hugging Face Hub पर FineDNA · X पर लुबना बेन अल्लाल की घोषणा

Gemini API ने Gemini 2.5 Pro और 2.5 Flash को अप्रचलित घोषित किया, 1 दिसंबर को उनके अनुरोध Gemini 3.8 Flash और 3.5 Flash-Lite पर भेजे जाएँगे

2 नवंबर — Google ने Gemini API के रिलीज़ नोट्स में जून 2025 में जारी Gemini 2.5 Pro और Gemini 2.5 Flash को अप्रचलित घोषित करने की जानकारी दर्ज की है। दोनों मॉडल अब Google AI Studio में उपलब्ध नहीं हैं और API के ज़रिए उनका इस्तेमाल केवल वे उपयोगकर्ता कर सकते हैं जो पहले उनका उपयोग कर चुके हैं। 1 दिसंबर 2026 को API त्रुटि लौटाने के बजाय अनुरोधों को अपने आप दूसरे मॉडल पर भेजेगी: gemini-2.5-pro को भेजे गए अनुरोध Gemini 3.8 Flash पर और gemini-2.5-flash को भेजे गए अनुरोध Gemini 3.5 Flash-Lite पर जाएँगे। उनका शुल्क नए मॉडलों की दरों के अनुसार लिया जाएगा।

संबंधित मॉडल	इनपुट मूल्य (प्रति मिलियन टोकन)	आउटपुट मूल्य (प्रति मिलियन टोकन)
gemini-2.5-pro (प्रॉम्प्ट ≤ 200 000 टोकन)	1,25 डॉलर	10 डॉलर
gemini-3.8-flash, 31 दिसंबर 2026 तक	0,75 डॉलर	3,75 डॉलर
gemini-3.8-flash, 1 जनवरी 2027 से	1,50 डॉलर	7,50 डॉलर
gemini-2.5-flash	0,30 डॉलर (ऑडियो के लिए 1 डॉलर)	2,50 डॉलर
gemini-3.5-flash-lite	0,30 डॉलर, ऑडियो सहित	2,50 डॉलर

Google इस तारीख से पहले मॉडल का पहचानकर्ता बदलने की सलाह देता है, क्योंकि माइग्रेशन में ऐसे बदलाव हैं जो मौजूदा उपयोग को बाधित कर सकते हैं: फ़ंक्शन कॉल और thought_signature का सत्यापन, thinking_budget की जगह thinking_level, सैंपलिंग पैरामीटर हटाया जाना और पहले से भरे हुए मॉडल टर्न का समर्थन समाप्त होना।

🔗 Gemini API के रिलीज़ नोट्स · अप्रचलित किए जाने की जानकारी वाला पृष्ठ

सहायकों के प्लगइन और एकीकरण: Perplexity Computer ने Agent Plugins अपनाया और ई-कॉमर्स के लिए नया रूप पेश किया, Synthesia ने अपने ChatGPT प्लगइन का विवरण दिया

Perplexity Computer ने अपने कनेक्शन और स्किल्स के लिए खुले मानक Agent Plugins को अपनाया

3 नवंबर — Perplexity Computer अब Agent Plugins का समर्थन करता है। यह ऐसा प्रारूप है जो ऐप से कनेक्शन और स्किल्स को एक ही पैकेज में जोड़ता है। उपयोगकर्ता Computer की सूची देख सकते हैं, जो कम से कम 13 श्रेणियों में बँटी है—उत्पादकता और सहयोग से लेकर डेटा और विश्लेषण तक, जिनमें HubSpot, IBISWorld और DoorDash Drive जैसे उदाहरण हैं—या GitHub अथवा किसी .zip फ़ाइल से अपने प्लगइन आयात कर सकते हैं। @AskPerplexity के अनुसार, प्लगइन Computer में सक्रिय हैं और Enterprise खातों के लिए क्रमिक रूप से उपलब्ध कराए जा रहे हैं।

Agent Plugins एक खुला मानक है, जो किसी एक प्रदाता पर निर्भर नहीं है और 6 अगस्त को पेश किया गया था। इसका विनिर्देश 1.0.0, Agent Skills और MCP सर्वरों के लिए साझा प्रारूप तय करता है: अनिवार्य plugin.json मैनिफ़ेस्ट, skills/ फ़ोल्डर और mcp.json फ़ाइल। Perplexity के ट्वीट में Amazon, Cursor, GitHub, OpenAI और Vercel के रखरखावकर्ताओं का उल्लेख है; मानक की वेबसाइट अपनी शुरुआती संचालन समिति में GitHub की जगह Microsoft का नाम देती है। संगत क्लाइंट वाले उसके पृष्ठ पर Perplexity Computer के साथ GitHub Copilot, VS Code, Cursor, Kiro और ChatGPT & Codex सूचीबद्ध हैं। Computer के लिए यह सितंबर के Skills Marketplace का विस्तार है; घोषणा के साथ कोई ब्लॉग पोस्ट या बदलावों का विवरण जारी नहीं किया गया है।

🔗 @AskPerplexity की घोषणा · Agent Plugins मानक

Perplexity ने Computer for e-commerce पेश किया, जो Shopify, Meta विज्ञापनों और Klaviyo को जोड़ता है

3 नवंबर — Perplexity ने Computer for e-commerce पेश किया है, जो उसके Computer एजेंट को ऑनलाइन ब्रांडों के काम में लगाता है: यह दुकान के डेटा और लैंडिंग पेजों के लिए Shopify, विज्ञापनों के लिए Meta और ई-मेल मार्केटिंग के लिए Klaviyo से जुड़ता है। इस दौरान यह ब्रांड के उन दृश्य दिशानिर्देशों और संवाद शैली को लागू करता है जिन्हें ब्रांड ने स्किल्स में सहेजा है।

जुड़ी हुई सेवा	Computer की भूमिका
Shopify	बिक्री का विश्लेषण, उत्पादों की सिफ़ारिश, लैंडिंग पेज
Meta	स्थिर विज्ञापन, सफल वीडियो के नए रूप, अभियान तैयार करना
Klaviyo	ग्राहक डेटा से चुने गए दर्शक, पाठ, समीक्षा के बाद समय तय करना या भेजना

कंपनी लक्ष्य, बजट और मंज़ूरी के चरण तय करती है, जैसे पृष्ठ प्रकाशित करना, ई-मेल भेजना और विज्ञापनों पर ख़र्च करना। Perplexity का दिया हुआ उदाहरण है: गर्मियों के संग्रह पर 15 % की छूट, दो सप्ताह का Meta अभियान जिसकी अधिकतम सीमा 1 000 डॉलर हो और मौजूदा ग्राहकों के लिए Klaviyo अभियान—इन सबको शुरू करने से पहले दिखाया जाता है। Shopify पहले से Computer के 400 से अधिक एकीकरणों में शामिल था; Perplexity बार-बार चलने वाले वर्कफ़्लो की व्यवस्था करने में सहायता देता है, लेकिन कोई मूल्य या योजना नहीं बताई गई है।

🔗 Computer for e-commerce पर Perplexity की ब्लॉग पोस्ट

Synthesia ने अपने ChatGPT प्लगइन का विवरण दिया, जो उसकी सभी योजनाओं में उपलब्ध है

3 नवंबर — एक दिन पहले X पर बिना किसी ब्लॉग पोस्ट के घोषणा करने के बाद, Synthesia ने वर्कफ़्लो के प्रभारी उत्पाद प्रबंधक डैन स्पूनर की ब्लॉग पोस्ट में अपने प्लगइन का विवरण दिया है। प्लगइन सभी Synthesia योजनाओं के लिए ChatGPT में उपलब्ध है और शुरुआत मुफ़्त में की जा सकती है: इसे ChatGPT के Plugins मेनू से सक्रिय किया जाता है और इसी दौरान मुफ़्त खाता भी बनाया जा सकता है। उपयोगकर्ता मनचाहे वीडियो का वर्णन करता है या दस्तावेज़, प्रस्तुति अथवा स्प्रेडशीट देता है; ChatGPT कुछ सवाल पूछता है, जैसे दृश्य शैली और अवधि, फिर Synthesia बातचीत के भीतर वीडियो बनाता है।

डिफ़ॉल्ट रूप से वीडियो Syren से बनाए जाते हैं, जिसे सबसे तेज़ प्रारूप बताया गया है; « इसे Studio में बनाओ » निर्देश देने पर Synthesia Studio का उपयोग होता है, जब किसी अवतार से पाठ शब्दशः बुलवाना हो या ब्रांड किट अथवा टेम्पलेट की ज़रूरत हो। प्लगइन वीडियो लाइब्रेरी में खोज भी करता है और ChatGPT से जुड़े दूसरे प्लगइन के साथ मिलकर एक बार चलने वाले या निर्धारित समय पर चलने वाले वर्कफ़्लो बना सकता है, जैसे Zoom कॉल का 60 सेकंड का सारांश या BambooHR के आधार पर रोज़ाना स्वागत वीडियो। ब्लॉग पोस्ट में केवल ChatGPT का उल्लेख है, Claude का नहीं, और न ही मूल्य या क्रेडिट की खपत बताई गई है।

🔗 Synthesia की ब्लॉग पोस्ट

Google ने Google Classroom में Guided Learning शुरू किया, खोज में इसका परीक्षण कर रहा है और K-12 विद्यार्थियों के लिए Gemini को डिफ़ॉल्ट रूप से बंद करेगा

3 नवंबर — Google ने शिक्षा से जुड़ी अपनी घोषणाओं को Guided Learning के इर्द-गिर्द रखा है। यह Gemini का अध्ययन मोड है, जो सीधे जवाब देने के बजाय सवालों और चरणबद्ध व्याख्याओं से विद्यार्थी का मार्गदर्शन करता है। मुख्य ब्लॉग पोस्ट के अनुसार, यह अब दुनिया भर में Google Classroom में उपलब्ध है: शिक्षक अपनी पाठ्यसामग्री पर आधारित गतिविधि सौंपता है और वास्तविक समय में देख सकता है कि कक्षा को कहाँ मदद चाहिए। Google खोज में भी विद्यार्थी खातों के लिए ये सुविधाएँ जोड़ी जाएँगी और नवंबर में आगे चलकर अमेरिका के कुछ चुने हुए स्कूलों में इनका प्रायोगिक परीक्षण होगा।

सबसे बुनियादी बदलाव नियंत्रणों से जुड़ा है: किंडरगार्टन से बारहवीं कक्षा तक के विद्यार्थियों के खातों (K-12) के लिए Gemini, Gemini Notebook, Gemini in Classroom और Google खोज पूरी तरह बंद रहेंगे, जब तक संस्थान का प्रशासक उन्हें सक्रिय नहीं करता। कोई तारीख नहीं दी गई है: Google आने वाले महीनों में स्कूलों के साथ विवरण साझा करेगा।

Google की बताई हुई माप	प्रकाशित मान
टोक्यो विश्वविद्यालय में यादृच्छिक परीक्षण	300 से अधिक विद्यार्थी, आधे दिन का अध्ययन
केवल वेब टूल के साथ सुधार	+5,3 प्रतिशत अंक
Guided Learning के साथ सुधार	+8,1 अंक, यानी 1,5 गुना अधिक सुधार
Google.org का वित्तपोषण	पाँच संगठनों के लिए 9,5 मिलियन डॉलर से अधिक

🔗 एआई और सीखने पर Google की ब्लॉग पोस्ट · Guided Learning पर अध्ययन

Hugging Face के टूल: TRL में MOPD और Transformers के लिए Model Integration Contracts

TRL में MOPD का समर्थन, कई शिक्षकों से डिस्टिलेशन की तकनीक जो RL विशेषज्ञों को एक ही मॉडल में मिलाती है

3 नवंबर — Hugging Face की प्रशिक्षणोत्तर लाइब्रेरी TRL अब कई शिक्षकों वाले ऑन-पॉलिसी डिस्टिलेशन (Multi-Teacher On-Policy Distillation, MOPD) का समर्थन करती है। सर्जियो पानिएगो की ब्लॉग पोस्ट के अनुसार, Xiaomi ने जनवरी में MiMo-V2-Flash के लिए इस तकनीक को नाम दिया था और तब से DeepSeek, Moonshot, NVIDIA, Liquid AI और Mistral इसका इस्तेमाल कर चुके हैं। साझा SFT के बाद हर क्षेत्र—गणित, कोड और निर्देशों का पालन—को RL से प्रशिक्षित अपना विशेषज्ञ मिलता है; फिर एक विद्यार्थी मॉडल सभी क्षेत्रों के प्रॉम्प्ट के उत्तर देता है और संबंधित विशेषज्ञ उसके उत्तर को हर टोकन के स्तर पर अंक देता है।

TRL में अभी प्रायोगिक AsyncDistillationTrainer हर प्रॉम्प्ट को उसके शिक्षक तक भेजता है; समकालिक संस्करण पर काम चल रहा है (PR 7215) और TRL v1.17 के नोट्स में अभी MOPD का उल्लेख नहीं है। उदाहरण में SmolLM3-3B पर आधारित Open-MOPD के विशेषज्ञों का उपयोग किया गया है और यह Hugging Face Jobs के ज़रिए चार H200 वाली एक ही मशीन पर चलता है। ब्लॉग पोस्ट एक समस्या की ओर ध्यान दिलाती है: निर्देशों का पालन करने वाले प्रॉम्प्ट कुल प्रॉम्प्ट का 20 % हो सकते हैं, लेकिन कुल टोकन का केवल 1 से 2 %, इसलिए विद्यार्थी मॉडल इस शिक्षक से बहुत कम सीखता है।

🔗 Hugging Face के ब्लॉग पर TRL में MOPD

Hugging Face ने Model Integration Contracts प्रस्तावित किए, ताकि मर्ज से पहले CPU पर Transformers में रिग्रेशन पकड़े जा सकें

3 नवंबर — तारेक ज़ियादे की ब्लॉग पोस्ट में Hugging Face ने Model Integration Contracts (MIC) प्रस्तावित किए हैं, ताकि कोई बदलाव मुख्य शाखा तक पहुँचने से पहले साधारण प्रोसेसर पर Transformers के मॉडलों की जाँच की जा सके। इसकी शुरुआत इस घटना से हुई: 30 जुलाई को T5 के लिए SDPA अटेंशन सक्रिय करने से UMT5 का डिकोडर प्रशिक्षण के दौरान आगे आने वाले टोकन देख सकता था। यह बग लगभग दो महीने तक मुख्य शाखा में रहा। पाँच महीनों के कमिट पर दोबारा जाँच करने पर 66 Mo का छोटा UMT5, असली चेकपॉइंट के 1 227 Mo के मुकाबले, हर कमिट में इसे पकड़ लेता है।

एक कॉन्ट्रैक्ट में छोटा मॉडल शामिल होता है, जो मूल मॉडल की सभी प्रकार की परतें बनाए रखता है, साथ ही उपयोग का चलाने योग्य उदाहरण और किसी व्यक्ति द्वारा जाँचे गए संदर्भ मान होते हैं; इस तरह Llama 4 Scout के पैरामीटर 108,6 अरब से घटकर 44,7 मिलियन रह जाते हैं। कमांड लाइन टूल tmic किसी LLM से कॉन्ट्रैक्ट लिखवाता है, जिसे एक व्यक्ति सत्यापित करता है। वेट का महत्व है: Whisper पर यादृच्छिक वेट जानबूझकर डाली गई 24 त्रुटियों में से 18 पकड़ते हैं, जबकि ओवरफ़िट किए गए वेट 24 में से 24 पकड़ते हैं। 1 नवंबर तक, Transformers की CI का जॉब विफलताओं की सूचना देता है, लेकिन अभी PR को रोकता नहीं है।

🔗 Model Integration Contracts पर Hugging Face की ब्लॉग पोस्ट

संक्षिप्त समाचार

एजेंट और कोडिंग टूल

Claude Code का अक्टूबर का सारांश — @ClaudeDevs की थ्रेड एक ऐसे वेरिएबल की जानकारी देती है जिसका रिलीज़ नोट्स में उल्लेख नहीं है: CLAUDE_CODE_EVEN_MORE_DANGEROUSLY_SKIP_PERMISSIONS=1 उन कुछ जोखिम भरे rm कमांड को भी पुष्टि के बिना चलने देता है जिनके लिए bypass permissions मोड अब भी पुष्टि माँगता था; इसका इस्तेमाल केवल अस्थायी कंटेनर में करें (Claude Code 2.1.311 या बाद का संस्करण)। क्लाउड सत्र अब टाइप करते समय ही तैयार होने लगते हैं और डिफ़ की किसी पंक्ति पर टिप्पणी भी स्वीकार करते हैं। 🔗 स्रोत
Copilot CLI 1.0.106-4 से 1.0.106-6 — एक रात में तीन पूर्वावलोकन संस्करण: /settings वैश्विक खोज वाले एकीकृत डैशबोर्ड में बदल जाता है, केवल उपयोगकर्ता के लिए आरक्षित MCP सामग्री अब मॉडल को नहीं भेजी जाती, और 67 सुधारों में नए एस्केप अनुक्रमों को निष्क्रिय करना भी शामिल है। नवीनतम स्थिर संस्करण अब भी 1.0.105 है। 🔗 स्रोत
Gemini CLI — 3 नवंबर के रात्रिकालीन बिल्ड में आखिरकार Whisper के बीच में रुकने वाले डाउनलोड का सुधार शामिल हो गया है, जिसे एक दिन पहले मर्ज किया गया था। साथ ही, main में मर्ज किया गया एक नया PR एक्सटेंशन डाउनलोड को सुरक्षित करता है: अस्थायी फ़ाइल को एक ही अविभाज्य क्रिया में स्थानांतरित करना, SSRF और DNS रीबाइंडिंग से सुरक्षा, और GITHUB_TOKEN को केवल github.com तक सीमित रखना। स्थिर और पूर्वावलोकन संस्करणों में कोई बदलाव नहीं है। 🔗 स्रोत
Gemini API CLI v0.4.5 — 30 अक्टूबर की छूटी खबर: ट्रांसक्रिप्शन के लिए अब डिफ़ॉल्ट रूप से Gemini 3.5 Transcribe इस्तेमाल होता है, वीडियो बड़ा करने का एक पैरामीटर जुड़ा है और लंबे कार्यों को कंटिन्यूएशन टोकन से फिर शुरू किया जा सकता है; Google ने 2 नवंबर को अपने आधिकारिक gemini-skills रिपॉज़िटरी में gemini-api-cli स्किल जोड़ी। 🔗 स्रोत
DeepSeek Harness 0.2.2-alpha.3 — किसी स्थिर संस्करण के बिना 36वाँ पूर्वावलोकन संस्करण: एक प्रायोगिक सुविधा कोड समीक्षा और Git वर्कट्री को जोड़ती है (स्थानीय और PR डिफ़, एजेंट को उद्धृत करके दिया गया कोड, जाँचों की निगरानी), और एक नया apply_patch टूल आया है जो डिफ़ॉल्ट रूप से बंद है। 🔗 स्रोत
Amp के Artifacts — थ्रेड से जुड़े दस्तावेज़ (योजना, रिपोर्ट, कॉल के नोट्स), जिन्हें एजेंट, उपयोगकर्ता और उसके सहकर्मी मिलकर संपादित करते हैं; एजेंट काम फिर शुरू करने से पहले बदलाव पढ़ता है ताकि उनके ऊपर अपना लिखा न चढ़ा दे। 🔗 स्रोत
Amp के Service Accounts — टीम के स्वचालन के लिए कार्यक्षेत्र के स्वामित्व वाले खाते, जिनकी अपनी API कुंजियाँ होती हैं: हर पुल रिक्वेस्ट की समीक्षा, दस्तावेज़ीकरण या CI जॉब जो amp -ox के ज़रिए थ्रेड खोलता है। कीमत की जानकारी नहीं दी गई है। 🔗 स्रोत
Slack में Replit Agent — 27 अक्टूबर को पहले ही चर्चा में आ चुका Replit Agent अब आधिकारिक तौर पर Slack में आ गया है: कोडबेस के बारे में पूछने, किसी मौजूदा परियोजना पर काम करने या नई परियोजना शुरू करने के लिए किसी चैनल या सीधे संदेश में उसका उल्लेख करें; हर सहकर्मी अपना खाता जोड़ता है और एजेंट उसी की अनुमतियों के साथ काम करता है। 🔗 स्रोत
Devin के रिलीज़ नोट्स — 2 नवंबर के नोट्स कोड स्कैन में रिपॉज़िटरी की सीमा 500 से बढ़ाकर 1 000 करते हैं और निर्धारित समय पर स्वचालित स्कैन जोड़ते हैं; 30 अक्टूबर के नोट्स, जो पिछली निगरानी में छूट गए थे, पदानुक्रमित बजट, स्वयं सेटअप किए जा सकने वाले OIDC या SAML SSO और SonarQube, Linear तथा Vanta के निष्कर्षों को आयात करने की सुविधा लाते हैं। 🔗 2 नवंबर · 🔗 30 अक्टूबर
IBM Research में एजेंट हार्नेस — 90 AppWorld कार्यों पर एक ही खुले मॉडल GLM-5.3-flash के साथ, IBM का ओपन सोर्स हार्नेस CUGA 81,1 % कार्य सफलतापूर्वक पूरा करता है, जबकि Hermes 46,7 % और Deep Agents 30,0 % पूरा करते हैं; IBM इस परीक्षण की सीमाएँ स्वीकार करता है (केवल एक बेंचमार्क, अलग-अलग कॉन्फ़िगरेशन)। 🔗 स्रोत
Kimi Work 3.2.24 — पूर्वावलोकन में Markdown फ़ाइलें नोट की प्रॉपर्टी संभाल सकती हैं, नेटवर्क सेटिंग सिस्टम के प्रॉक्सी का पालन करती हैं और नेटवर्क निदान ऑफ़लाइन खुलता है; 30 अक्टूबर का 3.2.23 संस्करण पहले ही HTML पूर्वावलोकन को ब्राउज़र टैब में खोलने लगा था। 🔗 स्रोत

डेवलपमेंट प्लेटफ़ॉर्म और API

GitHub का MCP सर्वर 2.1.0 — दो प्रायोगिक टूल, issue_artifact_read और issue_artifact_write, एजेंटों को इश्यू से जुड़े आर्टिफ़ैक्ट पढ़ने और प्रबंधित करने देते हैं; वे Insiders मोड में भी डिफ़ॉल्ट रूप से बंद रहते हैं और issue_artifacts फ़्लैग से चालू किए जाते हैं। 🔗 स्रोत
Dependabot और Agent Package Manager — Dependabot के संस्करण अपडेट अब apm.yml में घोषित एजेंट स्किल, प्रॉम्प्ट और निर्देशों को भी कवर करते हैं, साथ ही apm.lock.yaml को दोबारा बनाते हैं; सुरक्षा अपडेट शामिल नहीं हैं। github.com पर सभी योजनाओं के लिए उपलब्ध। 🔗 स्रोत
CodeQL और Dependabot में Python 3.15 — CodeQL 2.27.3 अब Python 3.15 के सिंटैक्स का समर्थन करता है और LLM से उत्पन्न डेटा के लिए « ai » नाम का एक ख़तरा मॉडल जोड़ता है, जिसे अलग से सक्षम करना होता है और जिसमें कोई अंतर्निहित स्रोत नहीं है; Dependabot भी Python 3.15 पर जा चुकी परियोजनाओं को ट्रैक करता है। 🔗 CodeQL 2.27.3 · 🔗 Dependabot
GitHub Desktop — 21 अक्टूबर को GitHub CLI के बाद, GitHub Desktop 3.6.10 और बाद के संस्करण अब कम अवधि वाले प्रमाणीकरण टोकन अपनाते हैं, जो अपने आप नवीनीकृत होते हैं, ताकि लीक हुआ टोकन कम समय तक इस्तेमाल किया जा सके; इसे क्रमशः लागू किया जा रहा है और GitHub Enterprise Server इसमें शामिल नहीं है। 🔗 स्रोत
GitHub की REST API में लागत केंद्र — एक नया एंडपॉइंट सभी लागत केंद्रों को खँगालने के बजाय किसी उपयोगकर्ता, संगठन, रिपॉज़िटरी या एंटरप्राइज़ टीम का लागत केंद्र सीधे ढूँढ़ता है। 🔗 स्रोत
OpenAI के SDK — openai-python 3.44.0 और openai-node 7.49.0 वर्कलोड पहचान प्रदाता और फ़ेडरेशन नियम जोड़ते हैं। इनसे पहले के संस्करणों ने Live Responses के कार्य सौंपने वाले टूल का विस्तार किया था; API के बदलावों के विवरण में अभी इनका कोई उल्लेख नहीं है। 🔗 स्रोत
Claude, विश्वसनीय जारीकर्ता — Team और Enterprise योजनाओं पर, जब पहचान प्रदाता कंपनी द्वारा प्रबंधित प्रमाणीकरण का समर्थन नहीं करता, तो Claude हर सदस्य की पहचान की गारंटी देकर प्लगइन को अपने आप जोड़ सकता है; यह 14 प्लगइन के साथ बीटा में है, जिनमें Atlassian, Figma, Linear और Notion शामिल हैं। 🔗 स्रोत
Claude का टेक्स्ट वॉटरमार्क — Claude Fable 5.1 और Claude Mythos 5.1 के बाद, Anthropic का टेक्स्ट वॉटरमार्क अब Claude Mythos 5, Claude Opus 4.7 और Claude Sonnet 4.6 को भी कवर करता है, बिना किसी छिपे टोकन या अक्षर के; Sonnet 4.6 पर temperature, top_p या top_k बदलने से यह काम करना बंद कर सकता है। 🔗 स्रोत

सुरक्षा

Replit में अलग-थलग क्लाउड एजेंट — Replit द्वारा साझा की गई एक सुरक्षा सलाह में उसके CTO लुईस हेक्टर चावेज़ प्रबंधित और अलग-थलग क्लाउड एजेंटों को मानक बनाने की माँग करते हैं, जिनकी पहुँच से क्रेडेंशियल, नेटवर्क और प्रोडक्शन बाहर हों; उद्धृत Salt Security सर्वेक्षण के अनुसार, 86,4 % उत्तरदाताओं का कोई एजेंट काम कर रहा है, लेकिन केवल 17,5 % जानते हैं कि उसे अपने आप कैसे रोका जाए। 🔗 स्रोत
Cognition की सुरक्षा मार्गदर्शिका — Corridor के सह-संस्थापक जैक केबल अक्टूबर की घटनाओं का सारांश देते हैं (Binance से 6,34 अरब डॉलर की चोरी, Cursor में दुर्भावनापूर्ण Claude Code एक्सटेंशन) और फ़िशिंग-प्रतिरोधी MFA, कार्यस्थलों से सीक्रेट हटाने, क्लाउड कोडिंग एजेंटों और npm या PyPI पैकेज के लिए कम से कम 7 दिन पुराना होने की शर्त की सिफ़ारिश करते हैं। 🔗 स्रोत
OpenAI का सुरक्षा स्प्रिंट — पुरस्कार राशि बढ़ाने वाली उसी थ्रेड में OpenAI अपने अगले आंतरिक सुरक्षा स्प्रिंट की घोषणा करता है, लेकिन तारीख नहीं बताता। इसमें Cathedral के शोधकर्ता उसके मॉडल का इस्तेमाल करके उसकी सुरक्षा व्यवस्थाओं को परखेंगे; पिछले स्प्रिंट में उसके 25 % उत्पाद इंजीनियर शामिल हुए थे। 🔗 स्रोत
Cisco और Daybreak — Cisco कमज़ोरियों को तेज़ी से खोजने और सुधारने के लिए अपने नेटवर्क टेलीमेट्री डेटा को Daybreak और GPT-6 Astra के साथ जोड़ता है, और OpenAI के साथ Cisco Cloud Control में जोखिम के दायरे की अधिक तेज़ छँटाई की संभावनाएँ तलाश रहा है; इस केस स्टडी में कोई आँकड़ा नहीं दिया गया है। 🔗 स्रोत

Google : Workspace, Cloud और अनुसंधान

Google Slides में Gemini — 30 अक्टूबर की छूटी खबर: Gemini एक अनुरोध में कई स्लाइड या पूरी प्रस्तुति बदल सकता है (शैलियाँ, Drive से ली गई सामग्री, स्लाइड का विलय), केवल अंग्रेज़ी में, और कम से कम 1 दिसंबर तक प्रचारात्मक उपयोग सीमाओं के साथ। 🔗 स्रोत
Google Vids के अवतार — 2 नवंबर को घोषित, आयात की गई छवि से अवतार बनाने की सुविधा अगले ही दिन स्थगित कर दी गई, बिना कोई नई तारीख दिए। 🔗 स्रोत
Google Cloud की खर्च सीमाएँ — 31 अक्टूबर की छूटी खबर: खर्च सीमाएँ अब सामान्य उपलब्धता में हैं, एक API और हर महीने शून्य से शुरू होने वाली गणना के साथ; AI सेवाओं के लिए वे वास्तविक समय के अनुमानित खर्च के आधार पर कुछ ही मिनटों में सक्रिय हो जाती हैं, लेकिन पहले से प्रावधान किए गए थ्रूपुट को कभी नहीं रोकतीं। 🔗 स्रोत
सिंगापुर में Google — Google सिंगापुर में एक अनुसंधान केंद्र खोल रहा है और NUS तथा NTU के साथ 6 मिलियन डॉलर से अधिक के अनुदान दे रहा है, जिसमें अल्ज़ाइमर रोग पर शोध के लिए 1,5 मिलियन शामिल हैं; इसके अलावा Google.org और Google DeepMind की ओर से INSEAD के Thrive Lab के लिए 3 मिलियन दिए जा रहे हैं। 🔗 स्रोत

खुले मॉडल और सामुदायिक लेख

Open Math OS पर Mistral Large 4 — Mistral ने SAIR के गणितीय अनुसंधान कार्यक्षेत्र में Large 4 (1,05T खुले वेट्स, 1M कॉन्टेक्स्ट) आने की घोषणा की है, जो स्वीकृत टीमों के लिए « आज से ही » चालू है, जबकि SAIR ने इसे 27 अक्टूबर से ही उपलब्ध बताया था। 🔗 स्रोत
Orbital Trace — Mistral का नया प्रदर्शन: कंपनी के अनुसार, Large 4 ने कक्षा में मौजूद लगभग 19 000 उपग्रहों और मलबे की वास्तविक समय में 3D ट्रैकिंग का सिस्टम बनाया, परखा और अनुकूलित किया; परिणाम केवल वीडियो में दिखाया गया है, बिना किसी लिंक या कोड के। 🔗 स्रोत
Nextcloud में Olmo 3 — जर्मनी की संघीय सरकार और स्पेन के CSIC सहित कई संस्थाओं में इस्तेमाल होने वाला Nextcloud, Assistant और Mail के अपने स्थानीय बैकएंड llm2 के साथ Olmo 3 7B दे रहा है, और अपने नैतिक AI मूल्यांकन में उसे हरी रेटिंग देता है; 7B के कारण 16 या 32 गीगाबाइट VRAM की आवश्यकता नहीं पड़ती। 🔗 स्रोत
Dolci-Think-SFT-Clean-v2 — Ai2 ने बिना घोषणा किए अपने 32B मॉडल के तर्क क्षमता वाले पोस्ट-ट्रेनिंग डेटा का एक फ़िल्टर किया हुआ संस्करण ऑनलाइन रखा है: 2 253 684 में से 203 303 पंक्तियाँ हटाई गईं (टोकन का 15,6 %), जिनमें 148 210 गणितीय समस्याएँ शामिल हैं जिन्हें Kimi K3 ने विरोधाभासी माना; लाइसेंस ODC-BY है। 🔗 स्रोत
IBM Research का Palette — LoRA से « डिज़ाइनर » और « कोडर » के रूप में फ़ाइन-ट्यून किया गया 20B का एक खुला मॉडल IBM की दृश्य पहचान के अनुरूप प्रस्तुतियाँ बनाता है; PresentBench पर वह औसतन दूसरे स्थान पर है, NotebookLM से 1,1 अंक पीछे (59,7 बनाम 60,8)। न किसी आधार मॉडल का नाम दिया गया है, न प्रकाशित वेट्स मिले हैं। 🔗 स्रोत
Claude Opus और OCR के लूप — डैनियल वैन स्ट्रिएन ने बिना प्रशिक्षण के, 3 घंटे से कम समय में और लगभग 10 डॉलर की गणना लागत पर, Claude Opus से एक छोटे OCR मॉडल के 0,0085 % वेट्स बदलवाए: 2 165 पुराने पन्नों पर अनियंत्रित लूप 3 से घटकर 1 रह गए, और 1881 के खंड की त्रुटियाँ 38 % कम हो गईं। 🔗 स्रोत
Qwenguard — एक सामुदायिक लेख में, जोआओ गालेगो Qwen3.5-4B के आगे परतों में संकलित RISC-V प्रोसेसर को ऐसा सुरक्षा अवरोध बनाते हैं जो सूची के बाहर के टूल कॉल अस्वीकार करता है: उनके परीक्षणों में कोई निषिद्ध कॉल नहीं गुज़रा और कोई सामान्य अनुरोध नहीं रोका गया, लेकिन यह व्यवस्था छेड़छाड़ को रोकने के बजाय उसे स्पष्ट रूप से दिखाती है। 🔗 स्रोत

छवि, वीडियो, आवाज़

Angle Health में ElevenAgents — आठ भाषाओं में, हर दिन 24 घंटे और HIPAA सुरक्षा प्रावधानों के तहत चले एक पायलट में, ElevenLabs के एजेंटों ने स्वास्थ्य पेशेवरों के लगभग 80 % कॉल संभाले, जिनमें से 90 % से अधिक बिना किसी को हस्तांतरित किए सुलझाए गए, और प्रतिदिन लगभग 9 000 मिनट बचाए। 🔗 स्रोत
डेवलपरों के लिए SFX v3 — ElevenLabs का डेवलपर लेख Sound Effects API में eleven_text_to_sound_v3 को कॉल करने का विवरण देता है: prompt_influence का डिफ़ॉल्ट मान 0,3 है, duration_seconds को छोड़कर अवधि स्वतंत्र है, और लूप अभी भी केवल v2 में उपलब्ध है; ElevenLabs इसे एक क्रमिक अपडेट बताता है। 🔗 स्रोत
HeyGen Voice और Grok Bot — केवल HeyGen के दावे के अनुसार, SpaceXSI का एजेंट Grok Bot अपने फ़ोन कॉल में उपयोगकर्ता जैसी आवाज़ में बोलने के लिए HeyGen Voice इस्तेमाल करता है; किसी लेख, मॉडल या उपलब्धता का विवरण नहीं दिया गया है। 🔗 स्रोत
HeyGen Insiders — एक कार्यक्रम जो कम से कम 1 000 फ़ॉलोअर वाले क्रिएटरों को HeyGen के लॉन्च के आसपास प्रकाशित छोटे वीडियो पर मिले व्यू के लिए भुगतान करता है। इसके लिए 7 दिनों में कम से कम 20 000 व्यू चाहिए और भुगतान सहभागिता के अनुसार समायोजित दरों पर होता है, जिन्हें प्रकाशित नहीं किया गया है। 🔗 स्रोत
Luma का Expression Sheet — छवियों से बनाई गई किसी पात्र के छह चेहरे के भावों की एक शीट, जिसमें भावों के तीन सेट और तीव्रता की सेटिंग है; न कोई लेख है, न कीमत की जानकारी। 🔗 स्रोत
FLUX 3 Image Klein — Black Forest Labs ने सटीक संपादन के लिए बनाए गए अपने मॉडल के दस लाख से अधिक डाउनलोड की घोषणा की है, लेकिन अवधि या प्लेटफ़ॉर्म नहीं बताया है। 🔗 स्रोत

NVIDIA में कंप्यूटिंग और बुनियादी ढाँचा

सेमीकंडक्टर कारखाने — NVIDIA अपने साझेदारों के लाभ गिनाता है: Siemens Calibre में cuLitho से 17 गुना तक अधिक गति, PhysicsNeMo के साथ Applied Materials के ACE+ से 35 गुना तक, और Lam Research के प्लाज़्मा का पूर्वानुमान दिनों के बजाय मिलीसेकंड में; कोई नया उत्पाद नहीं है। 🔗 स्रोत
Kubernetes पर Dynamo — 30 अक्टूबर की छूटी खबर, जिसे KubeCon से पहले फिर साझा किया गया: AI Cluster Runtime, dynamo-platform 1.4.2 चार्ट को निश्चित और जाँचे गए संस्करणों वाले नुस्खों में शामिल करता है, और Dynamo 1.5 में Rust में बना एक नेटिव एंडपॉइंट चयनकर्ता आएगा। 🔗 स्रोत

कंपनियाँ, समुदाय और मार्गदर्शिकाएँ

Heimstaden — यह यूरोपीय संपत्ति प्रबंधक नीदरलैंड में वर्चुअल सजावट वाली एक छवि की लागत लगभग 50 यूरो से घटाकर 0,10 यूरो से कम कर देता है, और डेवलपमेंट का कोई अनुभव न रखने वाली एक विश्लेषक ने Codex की मदद से 20 112 संपत्तियों के पर्यावरणीय जोखिमों का मूल्यांकन किया। 🔗 स्रोत
OpenAI में दो नियुक्तियाँ — Uber से आईं जिल हेज़लबेकर वैश्विक संचार का नेतृत्व करने के लिए मुख्य कॉर्पोरेट मामलों की अधिकारी बनती हैं, और अमेरिकी थलसेना के पूर्व सचिव डैन ड्रिस्कॉल राष्ट्रीय सुरक्षा के आधुनिकीकरण के वरिष्ठ सलाहकार बनते हैं; यह एक नया पद है। 🔗 जिल हेज़लबेकर · 🔗 डैन ड्रिस्कॉल
Arnis और GitHub Copilot — GitHub Blog बताता है कि Arnis के एकमात्र मेंटेनर लुई एर्बकम (लगभग 900 000 डाउनलोड, करीब 70 योगदानकर्ता) कैसे Copilot से इश्यू और बग की छँटाई करते हैं और रिग्रेशन खोजने के लिए GitHub Copilot ऐप के उप-एजेंट चलाते हैं। यह अनुभव साझा करने वाला लेख है, कोई नया उत्पाद बदलाव नहीं। 🔗 स्रोत
Game Off 2026 — 1 नवंबर की छूटी खबर: SHIFT विषय पर GitHub का 14वाँ गेम जैम AI की सहायता से डेवलपमेंट की अनुमति देता है; हर प्रतिभागी को 1 दिसंबर तक itch.io पर प्रविष्टि जमा करते समय अपने AI उपयोग की घोषणा करनी होगी। 🔗 स्रोत
Perplexity की स्वायत्त एजेंटों की मार्गदर्शिका — स्वायत्तता के पाँच स्तर, चार क्षमताएँ और सात अच्छी कार्यपद्धतियाँ, साथ में Harvard और Perplexity के एक अध्ययन के आँकड़े: 57 % एजेंट-आधारित अनुरोध उत्पादकता और सीखने से जुड़े हैं। कोई नया उत्पाद बदलाव नहीं। 🔗 स्रोत

इसका क्या अर्थ है

Pando, OpenAI के कोड एजेंटों के दोनों पहलू दिखाता है: इन्हीं की वजह से कार्यभार में भारी उछाल आया, और 2024 की शुरुआत की तुलना में मुख्य ब्रांच पर कमिट की संख्या 1 378 % बढ़ गई। और इन्हीं ने दस सप्ताह में इसका समाधान भी बनाया, जिसकी बुनियाद एक अकेले इंजीनियर ने तैयार की थी। यह सुधार किसी नए प्रोटोकॉल से नहीं, बल्कि एक चीज़ को सोच-समझकर छोड़ने से आया है: किसी एक क्षण में सभी ब्रांच का एक सुसंगत दृश्य बनाए रखना। टूल के मोर्चे पर अब नियंत्रण तय करने का दौर है: Claude Code खाते का ई-मेल पता भेजने से पहले सहमति माँगता है और हर डेवलपर का खर्च बताता है, जबकि Copilot, JetBrains Air में आ गया है, लेकिन Air में खर्च की सीमा तय करने की सुविधा नहीं है।

सुरक्षा का आकलन अब घोषणाओं के बजाय प्रमाणों से अधिक होने लगा है। FlashProve से यह सत्यापित किया जा सकता है कि कोई उत्तर वास्तव में किसी खास मॉडल से आया है, लेकिन इसकी कीमत लगभग 72 गुना अतिरिक्त लागत और 1 024 टोकन तक सीमित संदर्भ के रूप में चुकानी पड़ती है: यह एक प्रोटोटाइप है, अभी कोई सेवा नहीं। एजेंटों के मामले में CyberArena और CWE-bench v2 भी इसी दिशा में हैं: सबसे अच्छे एजेंटों को उनकी रक्षा क्षमता और टिकाऊ सुधार अलग पहचान देते हैं, जबकि बिना सत्यापन के सुधार कर देने का दावा अब भी सबसे आम गलती है (जाँच किए गए मुकाबलों में 23 %)। उधर OpenAI अब ChatGPT, Codex या अपने API की किसी असाधारण सुरक्षा खामी की सूचना देने पर 172 000 डॉलर तक का भुगतान करता है।

खुले मॉडल दो रास्तों से उद्यमों में जगह बना रहे हैं। Cohere उन्हें एक नियंत्रित परिवेश में होस्ट करता है और Gemma, GPT-OSS तथा Phi के लिए प्रसंस्करण के दौरान भी एन्क्रिप्शन देता है। वहीं Together AI द्वारा साझा किए गए ट्वीट के अनुसार, Revolut अपने GPU पर GLM चला रहा है, जिसकी लागत Anthropic और OpenAI को चुकाई जाने वाली कीमत का लगभग दसवाँ हिस्सा है: यह आँकड़ा दूसरे स्रोत से मिला है, लेकिन इससे पता चलता है कि कंपनियाँ अब किन चीज़ों की तुलना कर रही हैं। बंद मॉडल देने वाली कंपनियाँ भी बदलाव कर रही हैं: Gemini 2.5 Pro को Gemini 3.8 Flash पर पुनर्निर्देशित करके Google दिसंबर के अंत तक प्रति टोकन कीमत घटा रहा है, जिसके बाद 1 जनवरी को 3.8 Flash की दर दोगुनी हो जाएगी। Mistral Large 4 की रिपोर्ट उलटा समझौता दिखाती है: मॉडल को कम लागत पर उपलब्ध कराने के लिए KV कैश में की गई कटौती से एजेंट-आधारित कार्यों का प्रदर्शन बिगड़ रहा था और इसे ठीक करना पड़ा।

भौतिक दुनिया अब भी वह क्षेत्र है जहाँ प्रदर्शनों और मापे गए परिणामों के बीच सबसे बड़ा अंतर मिलता है। OpenAI ने GPT-6 Astra की मदद से एक सप्ताह से कम समय में डिज़ाइन किया गया एक उपकरण दिखाया है, लेकिन माना है कि सहनशीलता सीमाओं और निर्माण की ज़रूरतों को ध्यान में रखने के लिए कई दौर की समीक्षा करनी पड़ी; उसी दिन, PLE में वास्तविक इंजीनियरिंग मामलों पर कोई भी एजेंट 50 % से आगे नहीं गया, और सबसे अच्छे विन्यास से मिले अंतिम कार्य-परिणामों में से केवल 41,3 % ही सभी सुरक्षा जाँचों में सफल हुए। उभरता हुआ समाधान मिश्रित है: Google DeepMind में मॉडल काम का समन्वय करता है और नियतात्मक रासायनिक टूल गणना करते हैं। अंत में, StateBench याद दिलाता है कि किसी लंबे दस्तावेज़ का लगातार सही ढंग से अनुसरण करना अब भी कठिन है: सबसे कठिन समस्याओं पर अग्रणी मॉडलों का प्रदर्शन 13 % या उससे नीचे गिर जाता है।