Moonshot ने Kimi K3.1 Pro के वज़न जारी किए, Cognition ने SWE-2 Flash लॉन्च किया, RoboColosseum ने वास्तविक परिस्थितियों में रोबोट का मूल्यांकन किया

Moonshot AI ने अपना वादा पूरा करते हुए Hugging Face पर 2,8T पैरामीटर वाले MoE मॉडल Kimi K3.1 Pro के वज़न जारी कर दिए हैं। ये MIT जैसी लाइसेंस के तहत उपलब्ध हैं, जिसमें सबसे बड़े पुनर्विक्रेताओं के लिए कुछ शर्तें हैं। Cognition ने Inkling-Small पर आधारित कोड मॉडल SWE-2 Flash लॉन्च किया है, जो SWE-2 से पाँच गुना सस्ता है। वहीं, RoboColosseum रोबोट को नियंत्रित करने वाली नीतियों का मूल्यांकन 100 से अधिक वास्तविक रोबोट पर करवा रहा है। OpenAI, Pierre का अधिग्रहण करने जा रहा है, जिसके उपकरण पहले से Codex में इस्तेमाल हो रहे हैं। उधर, VS Code 1.145 एक ही सत्र में Copilot, Claude और Codex को साथ लाता है, और GitHub Copilot अब Xcode के कोड सहायक में भी उपलब्ध है।

Moonshot AI ने वादे के मुताबिक 2,8T पैरामीटर वाले MoE मॉडल Kimi K3.1 Pro के वज़न Hugging Face पर जारी किए

4 नवंबर — 23 अक्टूबर को Kimi K3.1 Pro के लॉन्च के समय Moonshot AI ने 4 नवंबर तक सभी वज़न जारी करने का वादा किया था, और अब यह पूरा हो गया है। moonshotai/Kimi-K3.1-Pro रिपॉज़िटरी 2 नवंबर को बनाई गई थी और @Kimi_Moonshot ने 4 नवंबर को 16 h 00 UTC पर इसकी घोषणा की। यह बिना कोई फ़ॉर्म भरे खुले तौर पर उपलब्ध है: 96 safetensors फ़ाइलें, जिनका कुल आकार लगभग 1,56 To है।

मॉडल का विवरण पृष्ठ उन बातों को विस्तार से बताता है जिनका लॉन्च की घोषणा में संक्षेप में उल्लेख किया गया था। Moonshot AI जिस Kimi K3.1 Pro को अपना सबसे सक्षम « 3T श्रेणी » का मॉडल बताता है, वह मूल रूप से बहुमाध्यमीय है, यानी पाठ और चित्र दोनों को संभालता है, और Kimi K3 पर आगे प्रशिक्षण देकर बनाया गया है। Kimi K3 की तुलना में इसकी संरचना में एक बदलाव बताया गया है: पूर्ण अटेंशन वाली Gated MLA परतों की जगह 24 Gated DeepSeek Sparse Attention (Gated DSA) परतें हैं, जो लंबे संदर्भों पर अधिक कुशल हैं। वज़न MXFP4 में और एक्टिवेशन MXFP8 में दिए गए हैं; इस प्रारूप को प्रशिक्षण के दौरान ही सीखा गया था (क्वांटाइज़ेशन को ध्यान में रखकर प्रशिक्षण)।

तकनीकी विशेषता	विवरण पृष्ठ के अनुसार मान
कुल और सक्रिय पैरामीटर	2,8T, जिनमें 104B सक्रिय
नेटवर्क की परतें	93, जिनमें 69 KDA और 24 Gated DSA
MoE के विशेषज्ञ	896, जिनमें प्रति टोकन 16 और 2 साझा
संदर्भ विंडो	1 048 576 tokens
वज़न का प्रारूप	MXFP4, एक्टिवेशन MXFP8 में
दृश्य एनकोडर	MoonViT-V2, 401M पैरामीटर
जारी की गई फ़ाइलें	96 safetensors, लगभग 1,56 To

Moonshot AI मॉडल को चलाकर सेवा देने के लिए vLLM, SGLang और TokenSpeed की सलाह देता है। यह platform.kimi.ai की API के माध्यम से भी उपलब्ध है, जहाँ इसका पहचानकर्ता kimi-k3.1-pro है। पृष्ठ पर इन्फ़रेंस प्रदाताओं में सूचीबद्ध Together AI पहले से इसकी सेवा दे रहा है और इस पर आगे प्रशिक्षण का विकल्प भी देता है (संक्षिप्त समाचार देखें)। विवरण पृष्ठ एकीकरण से जुड़ी एक बात पर ज़ोर देता है: कई चरणों वाली बातचीत या उपकरणों को कॉल करने वाली बातचीत में सहायक का पूरा संदेश, तर्क प्रक्रिया सहित, ज्यों का त्यों मॉडल को वापस भेजना आवश्यक है। लॉन्च के समय बताए गए स्कोर दोहराए गए हैं: Terminal-Bench 4.0 पर 65,7, जो Claude Opus 5.5 (66,4) से थोड़ा पीछे है, और SWE Marathon v1.1 पर 51,7, जो तालिका का सर्वश्रेष्ठ स्कोर है। Kimi K3.1 Pro का मूल्यांकन Claude Code को संचालन ढाँचे के रूप में इस्तेमाल करके किया गया था।

« Kimi K3.1-Pro License » नाम की यह लाइसेंस MIT लाइसेंस की मूल रूपरेखा अपनाती है, जिसमें इस्तेमाल, संशोधन, पुनर्वितरण और बिक्री की अनुमति है, लेकिन दो शर्तों के साथ। जो कंपनी मॉडल को सेवा के रूप में (सेवा के रूप में मॉडल) उपलब्ध कराती है, तीसरे पक्षों को इन्फ़रेंस या फ़ाइन-ट्यूनिंग की सुविधा देती है और जिसका लगातार बारह महीनों में कुल राजस्व 20 मिलियन डॉलर से अधिक है, उसे किसी भी व्यावसायिक उपयोग से पहले Moonshot AI के साथ अलग समझौता करना होगा। जिस व्यावसायिक उत्पाद के मासिक सक्रिय उपयोगकर्ता 100 मिलियन से अधिक हों या मासिक राजस्व 20 मिलियन डॉलर से अधिक हो, उसे « Kimi K3.1-Pro » स्पष्ट रूप से दिखाना होगा। आंतरिक उपयोग तथा Moonshot AI के आधिकारिक उत्पादों या उसके प्रमाणित इन्फ़रेंस साझेदारों के माध्यम से किए जाने वाले उपयोग पर ये शर्तें लागू नहीं होतीं।

🔗 Hugging Face पर Kimi K3.1 Pro · X पर Moonshot AI की घोषणा

Cognition ने Inkling-Small पर आधारित कोड मॉडल SWE-2 Flash लॉन्च किया, जो SWE-2 से पाँच गुना सस्ता है

4 नवंबर — Cognition ने तेज़ और कुशल कोड मॉडल SWE-2 Flash लॉन्च किया है। यह Devin Desktop और Devin CLI में तुरंत उपलब्ध है और 30 नवंबर तक मुफ़्त है (घोषणा के थ्रेड के अनुसार Pro, Max और Teams ग्राहकों के लिए)। इसके आधार मॉडल में बदलाव हुआ है: 10 सितंबर को जारी SWE-2 को Kimi K3 पर आगे प्रशिक्षण देकर बनाया गया था, जबकि SWE-2 Flash की शुरुआत Thinking Machines के खुले वज़न वाले मॉडल Inkling-Small से होती है, जिसमें 276B पैरामीटर हैं और उनमें से 12B सक्रिय हैं। Cognition इसे पूरी तरह अमेरिकी कोड मॉडल (पूरी तरह अमेरिकी कोडिंग मॉडल) बताता है। कंपनी के अनुसार इसकी लागत SWE-2 से पाँच गुना कम है और यह तीन गुना तेज़ चलता है, हालाँकि कोई निश्चित दर प्रकाशित नहीं की गई है; गति का प्रदर्शन, जिसमें 200 बनाम 60 टोकन प्रति सेकंड दिखाए गए हैं, किसी कार्य का सिम्युलेट किया गया पुनर्प्रदर्शन है।

Introducing SWE-2 Flash, our new fast & efficient coding model. On leading evals, it outperforms all American open-weight models, even ones 3x larger. To balance transparency and cyber risks, we are building a program to securely share the weights with partners & researchers.

🇮🇳 पेश है SWE-2 Flash, हमारा नया तेज़ और कुशल कोड मॉडल। प्रमुख मूल्यांकनों में यह खुले वज़न वाले सभी अमेरिकी मॉडलों से बेहतर प्रदर्शन करता है, यहाँ तक कि उन मॉडलों से भी जो आकार में तीन गुना बड़े हैं। पारदर्शिता और साइबर जोखिमों के बीच संतुलन बनाने के लिए हम साझेदारों और शोधकर्ताओं के साथ वज़न सुरक्षित रूप से साझा करने का कार्यक्रम शुरू कर रहे हैं। — X पर @cognition

मुख्य नवीनता सबसे पहले प्रशिक्षण की प्रक्रिया में है। पहली बार Cognition ने रीइन्फ़ोर्समेंट लर्निंग से पहले मध्य-प्रशिक्षण (मध्य-प्रशिक्षण) का चरण जोड़ा है: वैज्ञानिक लेखों, ब्लॉगों और कोड के कुछ हज़ार अरब टोकन तीन चरणों में दिए जाते हैं, जिनमें सबसे दुर्लभ और सबसे सावधानी से तैयार किए गए डेटा को अंत के लिए रखा जाता है। इसके बाद बड़े पैमाने पर RL होता है, जिसमें सुधार मुख्यतः अधिक विविध और बेहतर सत्यापित कार्यों से आता है। आधार मॉडल की तुलना में घोषित परिणाम ये हैं: Terminal-Bench 4.0 का स्कोर 0,9 % से बढ़कर 20,0 %, कंपनी के अपने बेंचमार्क FrontierCode 2.0 का 3,2 % से 24,0 %, और ExploitBench का 11,3 % से 34,8 % हो जाता है।

मूल्यांकन बेंचमार्क (%)	SWE-2 Flash	Inkling-Small (आधार)	Muse Spark Open	GLM 5.3 Flash	SWE-2
आकार (कुल-सक्रिय)	276B-A12B	276B-A12B	816B-A42B	320B-A18B	2,8T-A104B
FrontierCode 2.0	24,0	3,2	6,2	14,2	23,8
Terminal-Bench 4.0	20,0	0,9	8,0	41,8	27,3
DeepSWE 1.1	60,1	17,4	60,0	63,4	73,0
SWE-Atlas QA	50,0	27,4	54,0	56,5	56,3
ExploitBench	34,8	11,3	—	36,0	36,1

लेख की तालिका मुख्य दावे की सीमाएँ भी दिखाती है। तीन गुना बड़ा Meta का Muse Spark Open, SWE-Atlas QA पर बढ़त बनाए रखता है (50,0 के मुकाबले 54,0) और DeepSWE 1.1 पर लगभग बराबरी करता है। चीनी खुले मॉडलों के मुकाबले नतीजे मिले-जुले हैं: SWE-2 Flash, FrontierCode 2.0 पर GLM 5.3 Flash और DeepSeek V4.1 Flash से आगे है, लेकिन Terminal-Bench 4.0 पर उनसे काफ़ी पीछे रहता है (41,8 और 42,3 के मुकाबले 20,0)। FrontierCode 2.0 पर यह SWE-2 को मामूली अंतर से हरा देता है, लेकिन किसी अन्य पंक्ति में उसकी बराबरी नहीं कर पाता।

फ़िलहाल वज़न जारी नहीं किए गए हैं। Cognition ने प्रशिक्षण के दौरान साइबर सुरक्षा पर ध्यान केंद्रित किया और याद दिलाया कि इन क्षमताओं का उपयोग हमलावर भी कर सकते हैं। कंपनी के अनुसार हाल में हुई साइबर हमलों की एक लहर ने यह दिखाया है। कंपनी उद्योग साझेदारों और विश्वसनीय अनुसंधान प्रयोगशालाओं के साथ वज़न सुरक्षित रूप से साझा करने का कार्यक्रम तैयार कर रही है। वे मॉडल की फ़ाइन-ट्यूनिंग कर सकेंगे और उसे संवेदनशील परिवेशों में चला सकेंगे; कुछ हफ़्तों में विस्तृत जानकारी देने का वादा किया गया है।

🔗 SWE-2 Flash का परिचय (Cognition)

कोड एजेंट: Claude Code 2.1.318, VS Code 1.145, Xcode में Copilot, Vibe CLI 3.1.0 और Antigravity 2.29.0

Claude Code 2.1.318 कनेक्शन की समय-सीमा समाप्त होने की सूचना देता है, और Haiku 5.5 उप-एजेंट की स्थिति पंक्ति लिखता है

4 नवंबर — Claude Code 2.1.318 में 84 प्रविष्टियाँ हैं, जिनमें 47 सुधार शामिल हैं। यह 3 नवंबर को 21 h 55 UTC पर npm पर आया और इसके रिलीज़ नोट UTC के अनुसार आधी रात के कुछ ही समय बाद GitHub पर प्रकाशित हुए; npm का स्थिर चैनल अभी भी 2.1.311 पर है। सबसे उपयोगी नई सुविधा सहेजे गए claude.ai कनेक्शन से जुड़ी है, जिनकी समय-सीमा समाप्त होती है: उनकी समाप्ति की तारीख अब claude auth status (loginExpiresAt) और claude -p के JSON परिणामों (credential_expires_at) में दिखाई देती है। साथ ही, claude -p समय-सीमा से दस दिन पहले stderr पर चेतावनी देता है। अब किसी स्वचालित कार्य को कनेक्शन की समय-सीमा समाप्त होने का पता विफल होते समय ही नहीं चलेगा।

संबंधित क्षेत्र	2.1.318 की नई सुविधा
क्लाउड सत्र	No repository विकल्प: कोई रिपॉज़िटरी चुने बिना Anthropic द्वारा होस्ट किए गए परिवेश में सत्र
पृष्ठभूमि में उप-एजेंट	शेल कमांड 3 मिनट बाद पृष्ठभूमि में चली जाती है, ताकि प्रॉम्प्ट कैश की समय-सीमा समाप्त न हो
प्रशासन	`deniedMcpServers` अब Anthropic द्वारा उपलब्ध कराए गए उन सर्वरों को भी रोकता है जिनका अपस्ट्रीम URL मेल खाता है, `mantle` अपस्ट्रीम पर `assume_role`
IDE एक्सटेंशन	अब IDE के टर्मिनल में शुरुआत के समय इंस्टॉल नहीं होता: `/ide` का उपयोग करें
स्वयं होस्ट किया गया रनर	ऑर्केस्ट्रेटर के लॉग का नया प्रारूप; `retryable=true:` खोजने वाली स्क्रिप्ट की समीक्षा आवश्यक

उसी दिन @ClaudeDevs ने एक ऐसे बदलाव की घोषणा की जिसका उल्लेख 2.1.316 से 2.1.318 तक किसी भी रिलीज़ नोट में नहीं है। पृष्ठभूमि में चल रहे उप-एजेंट की स्थिति पंक्ति हर 30 सेकंड में अपडेट होती है। अब तक इसे तैयार करने के लिए उसकी पूरी बातचीत दोबारा पढ़ी जाती थी; अब Haiku 5.5 संक्षिप्त नोटों के आधार पर इसे लिखता है, जबकि उप-एजेंट अपना मॉडल ही इस्तेमाल करता है। Anthropic के अनुसार हर अपडेट की लागत लगभग 99 % कम होती है, और पृष्ठभूमि में उप-एजेंट वाले सत्रों ने उपयोग सीमा का लगभग 5 % कम हिस्सा खर्च किया है, जिससे लगभग 6 % अधिक प्रॉम्प्ट मिलते हैं। यह बदलाव Claude Code 2.1.316 या उससे नए संस्करण के साथ अधिकांश Pro, Max और Ultra ग्राहकों तथा सभी Team और Enterprise ग्राहकों पर लागू होता है। Claude Code टीम की Lydia Hallie स्पष्ट करती हैं कि यह केवल CLI से संबंधित है।

🔗 Claude Code 2.1.318 के रिलीज़ नोट · Haiku 5.5 पर @ClaudeDevs का थ्रेड

VS Code 1.145 एक ही सत्र में Copilot, Claude और Codex के संचालन ढाँचों को साथ लाता है

4 नवंबर — VS Code 1.145 का एजेंटों की ओर बदलाव जारी है। प्रीव्यू में उपलब्ध इसकी मुख्य नई सुविधा यह है कि एक ही सत्र में अलग-अलग संचालन ढाँचों पर चलने वाली अंतर्निहित बातचीत शामिल की जा सकती हैं। उदाहरण के लिए, Claude किसी Copilot बातचीत में लिखी गई योजना की समीक्षा कर सकता है, या साथ-साथ Codex को भी वही कार्य दिया जा सकता है। हर बातचीत अपना मॉडल, अपना एजेंट और अपने अनुमति स्तर बनाए रखती है। यह विचार Compare Models को आगे बढ़ाता है, जो VS Code 1.143 में प्रीव्यू के रूप में आया था।

स्थानीय ऑटोमेशन अब cron एक्सप्रेशन के आधार पर समय निर्धारित करने की सुविधा देते हैं और कार्यक्षेत्र के किसी कस्टम एजेंट का उपयोग कर सकते हैं; क्लाउड ऑटोमेशन को यह सुविधा नहीं मिलती। दूरस्थ एजेंटों के लिए Agents विंडो का अंतर्निहित ब्राउज़र दूरस्थ होस्ट के ज़रिए काम करता है, जिससे उस मशीन पर एजेंट द्वारा चलाए गए ऐप का प्रीव्यू देखा जा सकता है (प्रीव्यू सुविधा)। नए सत्रों के लिए Copilot का संचालन ढाँचा डिफ़ॉल्ट विकल्प बना रहता है। Local संचालन ढाँचे से बदलाव के लिए एक मार्गदर्शिका भी दी गई है। Local से तीन उपकरण (#installExtension, #runCommand और #newWorkspace) तथा /new कमांड हटाए जा रहे हैं: उनका उल्लेख करने वाले कस्टम एजेंटों और प्रॉम्प्ट फ़ाइलों को सुधारना होगा। उद्यमों में संगठन द्वारा प्रबंधित अनुमत MCP सर्वरों की सूची अब केवल रजिस्ट्री तक सीमित रखने वाले प्रतिबंध पर प्राथमिकता रखती है।

🔗 VS Code 1.145 के रिलीज़ नोट

GitHub Copilot अब Xcode के अंतर्निहित कोड सहायक में सार्वजनिक प्रीव्यू के रूप में उपलब्ध है

4 नवंबर — GitHub Copilot अब Xcode के अंतर्निहित कोड सहायक में काम करता है। यह सार्वजनिक प्रीव्यू Xcode 27.3 बीटा से उपलब्ध है और इसके लिए macOS Tahoe 26.6 या उससे नए संस्करण वाला Mac चाहिए। यह एकीकरण Xcode की सेटिंग में Intelligence अनुभाग से कॉन्फ़िगर किया जाता है और सभी Copilot योजनाओं के साथ काम करता है। Apple डेवलपरों के लिए यह पहुँच का दूसरा रास्ता है: अलग से वितरित GitHub Copilot for Xcode एक्सटेंशन भी उपलब्ध रहता है। GitHub ने न तो उपलब्ध मॉडलों के बारे में बताया है और न ही Apple के सहायक से इस्तेमाल की जा सकने वाली सुविधाओं के बारे में। प्रतिक्रिया एक्सटेंशन की रिपॉज़िटरी या Apple के समस्या रिपोर्टिंग उपकरण (Feedback Assistant) के माध्यम से ली जा रही है।

🔗 Xcode के कोड सहायक में GitHub Copilot

Vibe CLI 3.1.0 में /context, मासिक उपयोग का संकेतक और चित्र पढ़ने की सुविधा जुड़ी

4 नवंबर — Mistral ने X पर किसी घोषणा के बिना Vibe CLI 3.1.0 जारी किया है। यह 19 अक्टूबर को आए 3.0.0 के बाद पहला माइनर संस्करण है और इसमें 67 प्रविष्टियाँ हैं: 11 नई सुविधाएँ, 25 बदलाव, 29 सुधार और 2 हटाई गई चीज़ें। /context कमांड दिखाती है कि संदर्भ विंडो किन चीज़ों से भरी है: सिस्टम प्रॉम्प्ट, उपकरणों की परिभाषाएँ, कौशल, बातचीत, खाली जगह और स्वचालित संपीड़न के लिए आरक्षित हिस्सा। हर श्रेणी के लिए टोकन का अनुमान भी दिया जाता है। नीचे की पट्टी में Vibe Code के मासिक उपयोग का खर्च हो चुका हिस्सा पहले पीले और फिर लाल रंग में दिखाई देता है। उपयोग के अनुसार भुगतान शुरू होने पर वहाँ PAYG लिखा आता है। read_file उपकरण अब ऐसे मॉडल के साथ चित्र भी खोलता है जो उन्हें पढ़ सकता है। Ctrl+R प्रॉम्प्ट इतिहास में खोज करता है (आवाज़ रिकॉर्ड करने का शॉर्टकट अब Ctrl+T है), और Mistral का एक MCP कनेक्टर प्रायोगिक रूप में आया है।

कई सुधार Mistral Large 4 से जुड़े हैं: तर्क-विचार का स्तर तय किए बिना शुरू किया गया चरण अब 400 त्रुटि के साथ विफल नहीं होता, चयनकर्ता में Low, High और Max उपलब्ध हैं, और smart approve मोड अब हर उपकरण कॉल पर मंज़ूरी नहीं माँगता जब GLM 5.3 जैसे ऐसे मॉडल इस्तेमाल हों जो अपनी तर्क प्रक्रिया बंद नहीं कर सकते। smart_approve_default सेटिंग हटाकर उसकी जगह default_agent = "smart-approve" दी गई है।

🔗 Vibe CLI 3.1.0 के रिलीज़ नोट

Antigravity 2.29.0 में Gemini Live वॉइस मोड और क्लाउड में दूरस्थ एजेंट धीरे-धीरे उपलब्ध होने लगे

3 नवंबर — Antigravity ऐप का संस्करण 2.29.0 (22 सुधार, 13 त्रुटि समाधान) दो सुविधाएँ धीरे-धीरे उपलब्ध करा रहा है। Gemini Live से संचालित वॉइस मोड में Antigravity से बात की जा सकती है और बोलकर एजेंट को काम सौंपे जा सकते हैं। Google AI Ultra और Pro के ग्राहकों को दूरस्थ एजेंट (रिमोट एजेंट) मिलने लगे हैं: क्लाउड प्रोजेक्ट की बातचीत कंप्यूटर के बजाय क्लाउड में चलती है और antigravity.google.com/remote से भी उपलब्ध रहती है। अगस्त से Remote Control के ज़रिए Antigravity को दूर से नियंत्रित करना संभव था, लेकिन तब सत्र उपयोगकर्ता के कंप्यूटर पर चलता था; इस बार निष्पादन भी कंप्यूटर से बाहर हो रहा है।

इस संस्करण में Jupyter नोटबुक के लिए एक अंतर्निहित व्यूअर, नए सिरे से बनाया गया ऑटोमेशन पृष्ठ (निर्धारित समय पर चलने वाले, हमेशा सक्रिय और रुके हुए ऑटोमेशन) और अंतर्निहित ब्राउज़र में डाउनलोड तथा ब्राउज़िंग इतिहास भी जोड़े गए हैं। त्रुटि समाधानों में, उप-एजेंटों के लिए बनाए गए Git वर्कट्री अब कमिट न किए गए स्थानीय बदलाव भी साथ ले जाते हैं।

🔗 Antigravity का परिवर्तन विवरण

RoboColosseum 100 से अधिक वास्तविक रोबोटों के बेड़े पर रोबोटिक नीतियों का मूल्यांकन करता है

4 नवंबर — RoboColosseum शुरू हो गया है: यह एक खुली मूल्यांकन पहल है जो प्रयोगशालाओं और सिमुलेटरों से बाहर, वास्तविक परिस्थितियों में तैनात रोबोटों के बेड़े पर रोबोटिक नीतियों को परखती है, जैसे घरों में Unitree G1 ह्यूमनॉइड या रेस्तराँ में YAM रोबोटिक भुजाएँ। इसकी वेबसाइट के अनुसार, इसे NUS MAGIC Lab, BitRobot, EAIC Singapore और Hugging Face ने स्थापित किया है; Hugging Face स्वयं को संस्थापक साझेदार बताता है। लॉन्च थ्रेड में 100 से अधिक रोबोट, 140 से अधिक दृश्य और 10 000 घंटे के निःशुल्क मूल्यांकन की घोषणा की गई है, जिन्हें आवेदन के आधार पर आवंटित किया जाएगा।

Robotics has an evaluation problem. Most benchmarking efforts have measured progress in sim or labs.

🇮🇳 रोबोटिक्स में मूल्यांकन की समस्या है। मापन के अधिकांश प्रयास सिमुलेशन या प्रयोगशाला में हुई प्रगति तक ही सीमित रहे हैं। — X पर @RoboColosseum

दो मूल्यांकन धाराएँ साथ चलती हैं। Open Track में दो गुमनाम मॉडल को एक ही दृश्य में एक जैसा नया निर्देश दिया जाता है: एक मानव मूल्यांकनकर्ता बेहतर निष्पादन चुनता है या बराबरी घोषित करता है। Fine-tune Track में हर मॉडल को एक ही कार्य के लिए उन्हीं 100 प्रदर्शनों से परिष्कृत किया जाता है, फिर उसे 25 प्रयास मिलते हैं। पहले अभियान में पाँच दृष्टि-भाषा-क्रिया (VLA) नीतियों का मुकाबला तीन अग्रणी मॉडल से है।

मूल्यांकित नीति (Franka, Open Track)	मॉडल प्रदाता	DCR स्कोर (±1 मानक विचलन)	पहचान छिपाकर की गई तुलनाएँ
GPT-6 Astra	OpenAI	1 925 ±38	194
MolmoAct2	Ai2	1 869 ±24	1 859
G0.5	Galaxea	1 744 ±27	1 626
Claude Opus 5.5	Anthropic	1 636 ±47	206
GR00T N1.7	NVIDIA	1 350 ±36	1 797
π0.5	Physical Intelligence	1 285 ±43	1 845
LingBot-VLA v2	Robbyant	1 233 ±56	1 603
Grok 4.7	SpaceXSI	1 160 ±128	193

Franka भुजा पर Open Track की ऑनलाइन रैंकिंग (4 नवंबर के आँकड़े, हर घंटे अद्यतन, पहचान छिपाकर आँकी गई 4 662 तुलनाएँ) में GPT-6 Astra पहले स्थान पर है और Ai2 का MolmoAct2 दूसरे स्थान पर, लेकिन अंतर त्रुटि सीमाओं के भीतर है। साथ ही, इसमें हर अग्रणी मॉडल के लिए केवल लगभग 200 तुलनाएँ हैं, जबकि प्रत्येक VLA के लिए 1 600 से अधिक हैं। Ai2 इस बात पर ज़ोर देता है कि MolmoAct 2 इन कार्यों के लिए अतिरिक्त प्रशिक्षण के बिना दूसरे स्थान पर रहा।

लॉन्च के साथ जारी शोधपत्र, जिसे 2 नवंबर को arXiv पर डाला गया, 124 स्थलों पर की गई 5 699 तुलनाओं के आधार पर इस तस्वीर में कुछ सीमाएँ जोड़ता है: अग्रणी एजेंट विशेषीकृत VLA की बराबरी करते हैं, लेकिन कोई भी प्रणाली खुली दुनिया के कार्य भरोसेमंद ढंग से पूरे नहीं करती। परिष्करण के बाद SO-101 पर GR00T N1.7 और Franka तथा दो भुजाओं वाले YAM कार्यस्थल पर π0.5 पहले स्थान पर आते हैं। Open Track की रैंकिंग से परिष्करण के बाद मिलने वाली रैंकिंग का ठीक अनुमान नहीं लगता। G1 ह्यूमनॉइड पर कोई भी नीति पाँच कार्यों में से एक भी पूरा नहीं करती, और औसत प्रगति 13,3 % से 23,2 % के बीच रहती है। विफलताओं सहित सभी निष्पादन Hugging Face पर LeRobot प्रारूप में प्रकाशित किए गए हैं।

🔗 RoboColosseum का लॉन्च थ्रेड · RoboColosseum की रैंकिंग · arXiv शोधपत्र 2611.02497

OpenAI, Pierre Computer Company का अधिग्रहण करेगी, जिसके Trees और Diffs उपकरण पहले से Codex में इस्तेमाल हो रहे हैं

4 नवंबर — OpenAI ने घोषणा की है कि वह डेवलपर उपकरण बनाने वाली छोटी कंपनी Pierre Computer Company का अधिग्रहण करेगी। इसका व्यावसायिक उत्पाद Code Storage एक API है, जिससे ऐप कोड संग्रहीत कर सकते हैं और Git के साथ उसका इतिहास रख सकते हैं; प्रोजेक्ट की फ़ाइलों में नेविगेट करने वाली इसकी ओपन सोर्स लाइब्रेरी Trees और बदलाव दिखाने वाली Diffs पहले से Codex ऐप में एकीकृत हैं।

Today we’re announcing that OpenAI will acquire @pierrecomputer to accelerate our vision for making Codex a place where teams can build software together with AI, from first idea to the version they ship. Pierre’s open-source developer tools already power parts of Codex today. Together, we’ll build on that foundation for the agentic era.

🇮🇳 आज हम घोषणा कर रहे हैं कि OpenAI, @pierrecomputer का अधिग्रहण करेगी, ताकि Codex को ऐसी जगह बनाने की हमारी योजना तेज़ हो जहाँ टीमें पहले विचार से लेकर जारी किए जाने वाले संस्करण तक, एआई के साथ सॉफ़्टवेयर बनाएँ। Pierre के ओपन सोर्स डेवलपर उपकरण पहले से Codex के कुछ हिस्सों को संचालित करते हैं। साथ मिलकर हम एजेंटों के युग के लिए इन्हीं बुनियादों पर आगे निर्माण करेंगे। — X पर @OpenAINewsroom

OpenAI इस सौदे को दो दिन पहले प्रस्तुत किए गए अपने मोनोरेपो के Git बैकएंड Pando से जोड़ती है: कंपनी एजेंट द्वारा बनाई गई पहली ब्रांच से लेकर परिनियोजन तक सॉफ़्टवेयर विकास के मानक तय करना चाहती है और अधिग्रहण पूरा होने के बाद पूरे उद्योग में संस्करण नियंत्रण (सोर्स कंट्रोल) को आगे बढ़ाना चाहती है। Pierre के ओपन सोर्स प्रोजेक्ट खुले रहेंगे और उसकी सुविधाओं को Codex में एकीकृत किए जाने के दौरान Code Storage अपने ग्राहकों के लिए उपलब्ध रहेगा। सौदे को अभी सामान्य नियामकीय मंज़ूरियाँ मिलना बाकी है; न राशि बताई गई है, न समयसीमा।

🔗 OpenAI, Pierre Computer Company का अधिग्रहण करेगी

विज्ञान के लिए एआई: Claude के साथ बैक्टीरियोफेज का वॉल्ट, Ai2 में NeuralGCM+ और Rust में रूपांतरित FVCOM

Anthropic ने Claude की मदद से बैक्टीरियोफेज से बने वॉल्ट की 3D संरचना का वर्णन किया

4 नवंबर — Anthropic की वैज्ञानिक टीम ने बैक्टीरियोफेज के एक प्रोटीन से बने वॉल्ट की 3D संरचना प्रकाशित की है, जो कंपनी के अनुसार प्रोकैरियोट में पहली ऐसी उपलब्धि है। वॉल्ट बड़े, खोखले प्रोटीन आवरण होते हैं, जो राइबोसोम से लगभग तीन गुना भारी होते हैं; इन्हें 1986 में खोजा गया था और इनका कार्य अब भी अज्ञात है। L05 नाम का यह वॉल्ट E. coli बैक्टीरिया में बनाया गया है और इसमें एक ही प्रोटीन की 96 प्रतियाँ हैं, जबकि स्तनधारियों में 78 होती हैं। इसका भार लगभग 9,5 मेगाडाल्टन और आयतन लगभग 25 % अधिक है। इन 96 प्रतियों में से प्रत्येक में मौजूद एक छोटा, अज्ञात अणु आकार में कोएंज़ाइम A जैसा दिखता है: यदि इसकी पुष्टि होती है, तो यह इसके कार्य का पहला सुराग हो सकता है।

Claude ने हर चरण में योगदान दिया: Claude Science के साथ लगभग 15 अरब अनुमानित प्रोटीन में इस प्रोटीन से संबंधित प्रोटीन की खोज, शुद्धीकरण का समय लगभग तीन दिन से घटाकर लगभग 90 मिनट करना और टीम के अनुसार कई सप्ताह के बजाय 34 घंटे में पहला संरचनात्मक मॉडल बनाना। Anthropic ने इसकी गलतियों का भी विवरण दिया है: एक प्रोटोकॉल में ऐसा योजक था जो कोशिकाओं में डीएनए के प्रवेश में बाधा डालता है, जिससे दो सप्ताह बर्बाद हुए; वहीं इलेक्ट्रॉन क्रायो-माइक्रोस्कोपी में एक मानक चरण छोड़ने से ऐसा मानचित्र बना जिसमें उसकी दर्पण छवि मिल गई थी। प्रीप्रिंट bioRxiv को प्रस्तुत किया गया है; वॉल्ट के सह-खोजकर्ता लियोनार्ड रोम ने सशुल्क सलाहकार के रूप में टीम को मार्गदर्शन दिया।

🔗 Claude के साथ वॉल्ट कणों की जाँच

Ai2 ने Google.org के तीन वर्ष के वित्तपोषण से खुला जलवायु मॉडल NeuralGCM+ बनाने की पहल शुरू की

4 नवंबर — Ai2 ने जलवायु मॉडलिंग का एक कार्यक्रम शुरू किया है, जिसे Google.org से तीन वर्षों में कई मिलियन डॉलर का वित्तपोषण मिलेगा (सटीक राशि प्रकाशित नहीं की गई है) और Google Research तकनीकी सहायता देगा। इससे NeuralGCM+ तैयार होना है, जो Google Research के NeuralGCM को आगे बढ़ाने वाला ओपन सोर्स मॉडल होगा: यह एक हाइब्रिड मॉडल है जो बड़े पैमाने की गतिशीलता के लिए भौतिक समीकरण हल करता है और बादलों के बनने तथा वर्षण जैसी सूक्ष्म प्रक्रियाएँ एआई को सौंपता है। एक सार्वजनिक बेंचमार्क में NeuralGCM के केवल वायुमंडल वाले संस्करण ने एक ही TPU पर आठ मिनट में वैश्विक वायुमंडल के एक वर्ष का सिमुलेशन किया।

Ai2 इसमें महासागर और समुद्री बर्फ को जोड़ना चाहता है, ताकि कई दशकों तक स्थिर सिमुलेशन चलाए जा सकें और पिछले 50 वर्षों के क्षेत्रीय तापमान तथा वर्षा संबंधी त्रुटियाँ घटाई जा सकें। भूमिकाएँ बाँटी गई हैं: Google Research कुछ सप्ताह या महीनों के पूर्वानुमान पर काम करेगा, जबकि Ai2 वर्षों और दशकों के रुझानों पर, जैसे सदी के मध्य तक अमेरिका के दक्षिण-पश्चिम में वर्षा और उपलब्ध पानी में बदलाव। मॉडल और मॉडलिंग फ़्रेमवर्क दस्तावेज़ित वर्कफ़्लो के साथ प्रकाशित किए जाएँगे।

🔗 Google के साथ साझेदारी पर Ai2 का लेख

Google ने Gemini 4 Argon की मदद से 174 000 पंक्तियों वाले Fortran महासागरीय मॉडल FVCOM के मूल हिस्से को Rust में रूपांतरित किया

3 नवंबर — महासागरीय मॉडलिंग को बेहतर उपकरण देने का एक और तरीका: Antigravity के ब्लॉग पर Google की AI R&D टीम के डैन ग्रुहल और प्रशांत नायर ने बताया कि Gemini 4 Argon ने FVCOM (Finite-Volume Community Ocean Model) को कैसे आधुनिक बनाया। यह तटीय महासागर का मॉडल है, जिसमें 264 फ़ाइलों में Fortran 90 और C की 174 774 पंक्तियाँ हैं। एक ही प्रॉम्प्ट से एजेंट ने 59 मिनट में इसके मूल हिस्से को मेमोरी की दृष्टि से पूरी तरह सुरक्षित Rust में रूपांतरित कर दिया। इसके लिए चार शर्तें थीं: कोई unsafe कोड नहीं, गणना वाले लूप में कोई मेमोरी आवंटन नहीं, हर फ़ाइल में 400 से कम पंक्तियाँ और 100 यादृच्छिक सीड पर Fortran के समान परिणाम।

ऑडिट में मूल कोड में कई दशकों से मौजूद छह बग सामने आए, जिनमें 1 300 से अधिक नोड वाले ग्रिड पर पूर्णांक अतिप्रवाह भी शामिल था। सभी 100 सिमुलेशन के परिणाम दशमलव के 12 स्थानों तक Fortran से मेल खाते हैं।

रूपांतरण का चरण	निष्पादन समय	मापी गई गति वृद्धि	अधिकतम मेमोरी
मूल Fortran 90 और C (-O3)	883 ms	1,00x	11,84 Mo
प्रचलित शैली वाला सुरक्षित Rust	682 ms	1,29x	6,39 Mo
ऐरे की संरचना (SoA), लूप में मेमोरी आवंटन के बिना	548 ms	1,61x	5,83 Mo
LLVM प्रोफ़ाइल से निर्देशित अनुकूलन	469 ms	1,88x	5,48 Mo

Google ने इस विधि को migrate-to-rust नाम के ओपन सोर्स स्किल के रूप में प्रस्तुत किया है, जो 13 अक्टूबर से google/skills रिपॉज़िटरी में मौजूद है।

🔗 FVCOM पर Antigravity का लेख

डेवलपरों के लिए API और प्लेटफ़ॉर्म: Perplexity की Decisions API, Grok का डिफ़ॉल्ट वॉटरमार्क, Together Compiler और OpenRouter पर Cohere

Perplexity की Decisions API उत्तर देने से पहले वेब पर खोज करती है

4 नवंबर — Perplexity अपनी Decisions API में वेब से तथ्यात्मक आधार (वेब ग्राउंडिंग) जोड़ रही है। निर्णय मॉडल की यह API 1 अक्टूबर को शुरू की गई थी और टेक्स्ट के बजाय प्रायिकताओं में उत्तर देती है। अब तक मॉडल के पास केवल अपने प्रशिक्षण और डेवलपर द्वारा भेजे गए संदर्भ (state) की जानकारी होती थी। "mode": "web_grounding" सेटिंग के साथ गेटवे पहले हर सवाल के लिए Perplexity Fast Search खोज चलाता है (प्रति अनुरोध अधिकतम 100), पृष्ठों के शीर्षक, URL और टेक्स्ट को संदर्भ में जोड़ता है और उत्तर में search_results के अंतर्गत स्रोतों की सूची देता है। हर खोज पर इनपुट टोकन की लागत (pplx-decider-v1.2 के लिए प्रति मिलियन 0,02 डॉलर) के अलावा 0,001 डॉलर लगता है। Python और TypeScript SDK में यह पैरामीटर अनुरोध की बॉडी में भेजा जाता है।

Perplexity द्वारा प्रकाशित माप	वेब ग्राउंडिंग के बिना	वेब ग्राउंडिंग के साथ
आंतरिक परीक्षण, 328 दावे	56,4 %	97,3 %
आंतरिक परीक्षण, मध्यिका विलंबता	139 ms	366 ms
PWS-Decisions, 100 सार्वजनिक प्रश्न	51 %	86 %

सार्वजनिक बेंचमार्क PWS-Decisions पर Perplexity ने वेब खोज के साथ 370 ms की मध्यिका विलंबता और 95वें पर्सेंटाइल पर 685 ms भी मापे हैं।

🔗 Decisions API के लिए वेब ग्राउंडिंग

SpaceXSI 7 नवंबर से API में अपने Grok मॉडल के टेक्स्ट पर डिफ़ॉल्ट रूप से वॉटरमार्क लगाएगी

3 नवंबर — SpaceXSI के TypeScript SDK के संस्करण 0.2.8 से दस्तावेज़ों का एक पृष्ठ सामने आया, जिसे 31 अक्टूबर को अद्यतन किया गया था: 7 नवंबर 2026 से यूरोपीय AI Act का पालन करने के लिए API में grok-4.7, grok-4.6, grok-4.5, grok-4.3 और grok-4.20 के तीनों संस्करणों द्वारा तैयार टेक्स्ट पर डिफ़ॉल्ट रूप से वॉटरमार्क लगाया जाएगा। यह अदृश्य वॉटरमार्क कोई कैरेक्टर जोड़े बिना टोकन के चयन को थोड़ा प्रभावित करता है; यह सभी एंडपॉइंट पर टेक्स्ट की सभी API में लागू होता है, जिनमें संरचित आउटपुट और टूल कॉल के आर्ग्युमेंट भी शामिल हैं। x-watermark हेडर वॉटरमार्क वाले उत्तर का संकेत देता है और सांख्यिकीय पहचान वाली API केवल आवेदन के आधार पर उपलब्ध है।

केवल टीम प्रशासक इसे हर मॉडल के लिए अलग से बंद कर सकते हैं, जिसका असर 5 मिनट के भीतर होता है। इसके लिए उन्हें प्रमाणित करना होगा कि कानून में दी गई कोई छूट लागू होती है और चिह्नांकन संबंधी दायित्वों की पूरी ज़िम्मेदारी टीम स्वयं उठाती है; कुछ मॉडल में यह विकल्प लॉक रह सकता है। Anthropic ने 3 नवंबर को अपने टेक्स्ट वॉटरमार्क का विस्तार किया, जबकि OpenAI का वॉटरमार्क API में अब भी डिफ़ॉल्ट रूप से बंद है।

🔗 आउटपुट वॉटरमार्किंग, SpaceXSI के दस्तावेज़

Together AI ने Together Compiler पेश किया, जिसके एजेंट उसके खुले मॉडल के इन्फ़रेंस को लगातार अनुकूलित करते हैं

4 नवंबर — Together AI अपने इन्फ़रेंस इंजन के अनुकूलन का काम एजेंटों को सौंप रही है। Together Compiler मॉडल, हार्डवेयर और ट्रैफ़िक के स्वरूप से शुरू करता है: एजेंटों का एक समूह कर्नेल में बदलाव सुझाता है, एक स्थायी इंजन मूल इंजन की तुलना में हर बदलाव की गति और सटीकता जाँचता है और केवल सत्यापित बदलाव ही प्रोडक्शन में जाते हैं। Together इसे सतत कंपाइलेशन (कंटिन्युअल कंपाइलेशन) कहता है, जिसे मॉडल, हार्डवेयर या वर्कलोड बदलने पर फिर शुरू किया जाता है।

घोषित लाभ Together के अपने आँकड़े हैं: Kimi K3, GLM 5.3, MiniMax M3.1-Flash और DeepSeek V4.1-Flash पर, प्रत्येक मॉडल के लिए दो नोड पर 24 घंटे के कंपाइलेशन के बाद, प्रति उपयोगकर्ता समान गति पर प्रति GPU 2,6 गुना तक अधिक टोकन मिले। यह तुलना SemiAnalysis के InferenceX बेंचमार्क पर प्रकाशित सर्वोत्तम कॉन्फ़िगरेशन से की गई है; ग्राहकों के वर्कलोड पर 50 % तक अधिक गति; MiniMax M3.1-Flash और DeepSeek V4.1-Flash पर कम विलंबता के साथ क्रमशः 1 111 और 1 205 टोकन प्रति सेकंड। SemiAnalysis का कहना है कि उसने एक परिणाम की पुष्टि की है। कंपाइलर सर्वरलेस में DeepSeek V4.1 Flash, GLM 5.3 Flash और GLM 5.3 पर पहले से डिफ़ॉल्ट रूप से सक्रिय है। Together इसे प्रोडक्शन के पैमाने पर पुनरावर्ती स्व-सुधार (रिकर्सिव सेल्फ-इम्प्रूवमेंट) वाला पहला इन्फ़रेंस सिस्टम बताता है; यह दावा कंपनी का अपना है।

🔗 Together AI के ब्लॉग पर Together Compiler

Cohere ने Embed 5 और Rerank 5 को OpenRouter पर उपलब्ध कराया

4 नवंबर — Cohere के खोज मॉडलों के चारों संस्करण (Embed 5 Pro और Fast, Rerank 5 Pro और Fast) OpenRouter पर आ गए हैं। इन्हें मौजूदा OpenRouter कुंजी और क्रेडिट से, Cohere API की दरों पर इस्तेमाल किया जा सकता है: एम्बेडिंग के लिए प्रति दस लाख टोकन 0,12 और 0,08 डॉलर, और पुनः क्रम निर्धारण (reranking) के लिए 0,05 और 0,02 डॉलर। OpenRouter की अपनी दो सीमाएँ हैं: वहाँ वेक्टर फ़्लोटिंग-पॉइंट संख्याओं के रूप में लौटाए जाते हैं (int8 और बाइनरी के लिए Cohere API का इस्तेमाल करना होता है), और Rerank 5 अभी केवल टेक्स्ट तक सीमित है। पुनर्प्राप्ति-संवर्धित जनरेशन (RAG) पर यह ट्यूटोरियल याद दिलाता है कि 40 डेटासेट पर Cohere के परीक्षणों के अनुसार, Embed 5 Pro से बने इंडेक्स में Embed 5 Fast से खोज करने पर पूरी तरह Pro का इस्तेमाल करने वाली खोज की 98,4 % गुणवत्ता बनी रहती है।

🔗 OpenRouter पर Cohere के खोज मॉडल

आवाज़: Gemini 3.8 Flash TTS में वॉइस रीमिक्सिंग और संपर्क केंद्रों में ElevenAgents

Gemini 3.8 Flash TTS में रीमिक्सिंग जुड़ी, जो मौजूदा आवाज़ से नई आवाज़ बनाती है

4 नवंबर — 23 सितंबर को शुरू किए गए डिज़ाइन (Voice design) और प्रतिकृति निर्माण के बाद, Google ने Gemini 3.8 Flash TTS में आवाज़ बनाने का तीसरा तरीका जोड़ा है। वॉइस रीमिक्सिंग (Voice remixing) किसी मौजूदा आवाज़ से शुरू होती है, चाहे वह लाइब्रेरी की 2 000 से अधिक आवाज़ों में से एक हो या विशेष रूप से डिज़ाइन की गई आवाज़। फिर प्राकृतिक भाषा में निर्देश देकर उसका स्वर-गुण, ऊँचाई, गति, लहजा या उम्र बदली जा सकती है। Google ने उदाहरण के तौर पर दक्षिणी अमेरिका का हल्का लहजा और आग उगलने वाले ड्रैगन की आवाज़ बताई है।

API में, gemini-3.8-flash-tts के साथ POST /v1beta/voices कॉल एक नई, संग्रहित आवाज़ बनाती है, जो मूल आवाज़ से स्वतंत्र होती है। इसे Gemini 3.8 Flash TTS और Gemini 3.8 Flash-Lite TTS के साथ इस्तेमाल किया जा सकता है, और यह आगे किसी नए रीमिक्स का आधार भी बन सकती है। AI Studio में, इस आवाज़ को रीमिक्स करें बटन सुनकर आपस में तुलना करने के लिए तीन नमूने देता है। इसके लिए सशुल्क स्तर (Tier 1 या उससे ऊपर) वाला प्रोजेक्ट चाहिए; हर प्रोजेक्ट में अधिकतम 200 आवाज़ें संग्रहित होती हैं, और आख़िरी इस्तेमाल के बाद आवाज़ एक साल तक रखी जाती है।

🔗 X पर Google की घोषणा · Voice remixing की मार्गदर्शिका

ElevenLabs ने ElevenAgents को NiCE CXone, Genesys Cloud, Amazon Connect और Five9 में मूल रूप से एकीकृत किया

4 नवंबर — ElevenLabs का वॉइस एजेंट प्लेटफ़ॉर्म ElevenAgents अब चार बड़े संपर्क केंद्र प्लेटफ़ॉर्म के साथ सीधे एकीकृत होता है। इससे टेलीफ़ोनी, रूटिंग या CRM में बदलाव किए बिना मौजूदा कॉल प्रवाह में वॉइस एजेंट जोड़े जा सकते हैं। किसी भी अन्य प्लेटफ़ॉर्म के लिए ElevenAgents, SIP (Session Initiation Protocol) के ज़रिए जुड़ता है, जिसमें Twilio, Vonage, Telnyx, Plivo, Bandwidth या Exotel जैसे टेलीफ़ोनी प्रदाता इस्तेमाल किए जा सकते हैं।

संपर्क केंद्र प्लेटफ़ॉर्म	घोषित एकीकरण का तरीका
NiCE CXone	मूल एकीकरण, टेलीफ़ोनी, रूटिंग और रिपोर्टिंग CXone के पास रहती हैं
Genesys Cloud	मूल Audio Connector, बिना SIP लिंक (SIP trunking) के
Amazon Connect	Amazon Connect का AI एजेंट ElevenAgents को शामिल करता है, फिर नियंत्रण वापस ले लेता है
Five9	Five9 के पूरक मॉड्यूल Five9 AI Agent Connect के ज़रिए SIP

लेख 90 से अधिक भाषाओं में 17 000 से अधिक आवाज़ों की याद दिलाता है और AMC Health का उदाहरण देता है, जिसने ElevenLabs को चुनने का एक कारण यह बताया कि Genesys पहले से उसका टेलीफ़ोनी प्लेटफ़ॉर्म था। इसमें न दरें दी गई हैं, न प्रदर्शन के आँकड़े, और यह 3 सितंबर को घोषित Genesys साझेदारी को आगे बढ़ाता है।

🔗 प्रमुख संपर्क केंद्र प्लेटफ़ॉर्म के साथ ElevenAgents का एकीकरण

जनरेटिव वीडियो और संगीत: सभी के लिए Kling 4.0 Flash और MIDI फ़ाइल से शुरुआत करने वाला Suno

Kling ने Kling 4.0 Flash को अपनी वेबसाइट और API के ज़रिए सभी के लिए उपलब्ध कराया

4 नवंबर — Kling 4.0 का तेज़ संस्करण Kling 4.0 Flash, जो 28 सितंबर से सीमित शुरुआती पहुँच में था, अब Kling AI वेबसाइट और API के ज़रिए सभी के लिए खुल गया है। Kling के अनुसार, इसे उसके MCP सर्वर, CLI और प्लगइन के माध्यम से भी इस्तेमाल किया जा सकता है, जिनमें Adobe Photoshop, Premiere Pro और After Effects के प्लगइन शामिल हैं। घोषणा में अधिकतम अवधि, रिज़ॉल्यूशन या दरें नहीं दी गई हैं, और Kling के रिलीज़ नोट 15 अक्टूबर को हुए Kling 4.0 के लॉन्च तक ही सीमित हैं। शुरुआती पहुँच के दौरान Kling 4.0 Flash, 720p में 3 से 20 सेकंड के शॉट बनाता था; इन सीमाओं में बदलाव का कोई संकेत नहीं दिया गया है।

🔗 X पर Kling की घोषणा

Suno में अब MIDI फ़ाइल से गाने की शुरुआत की जा सकती है

4 नवंबर — Suno अब गाने की शुरुआत के लिए MIDI फ़ाइल स्वीकार करता है: .mid या .midi फ़ाइल को बनाएँ पृष्ठ पर खींचकर छोड़ें, या « + » मेन्यू से चुनें, फिर प्राकृतिक भाषा में बताएँ कि Suno को उसके साथ क्या करना है। वह नोट को ठीक वैसे बजा सकता है जैसे वे लिखे हैं, या किसी संगीत पैटर्न को लेकर उसे विकसित कर सकता है अथवा दूसरे वाद्ययंत्रों से बजा सकता है। ऑडियो फ़ाइल (WAV या MP3) से शुरू होने वाले Remix और Cover के मुकाबले, MIDI सटीक नोट और लय देता है, जिससे अधिक बारीकी से नियंत्रण मिलता है। लेख में MIDI को पूरे ऑर्केस्ट्रा के लिए व्यवस्थित करने, पियानो के साथ गॉस्पेल गायक मंडली बनाने या कॉर्ड के अनुरूप स्ट्रिंग चौकड़ी तैयार करने के उदाहरण दिए गए हैं। लॉन्च के समय यह सुविधा Simple Create मोड और v6-wild मॉडल से चलती है और केवल Pro तथा Premier ग्राहकों के लिए है; यह 26 जुलाई को जोड़े गए MIDI निर्यात की पूरक है।

🔗 MIDI से गाने शुरू करें

ChatGPT के dots अब Enterprise, Edu और Healthcare के लिए सामान्य रूप से उपलब्ध, 18 नवंबर से डिफ़ॉल्ट रूप से सक्षम

4 नवंबर — dots, ChatGPT के स्थायी एजेंट जिन्हें 29 सितंबर को Pro और Business Premium योजनाओं के लिए Enterprise बीटा के साथ लॉन्च किया गया था, अब पात्र ChatGPT Enterprise, Edu और Healthcare कार्यस्थलों के लिए सामान्य रूप से उपलब्ध हो रहे हैं। केवल प्रशासकों के लिए पूर्वावलोकन 18 नवंबर 2026 तक चलेगा: तब तक dots बंद रहेंगे, जब तक प्रशासक उन्हें सक्षम न करे; उसके बाद वे डिफ़ॉल्ट रूप से उपलब्ध हो जाएँगे, बशर्ते कार्यस्थल ने इससे इनकार न किया हो। प्रशासक तय करते हैं कि किन सदस्यों को पहुँच मिलेगी, निजी dots और उनके कनेक्शन देख सकते हैं, उन्हें रोक या फिर से शुरू कर सकते हैं और उपयोग पर नज़र रख सकते हैं; सहायता लेख के अनुसार, उन्हें सक्षम करने के लिए अनुकूल Agent Security नीतियाँ भी ज़रूरी हैं। अनुपालन के मामले में dots, डेटा रेज़िडेंसी और Enterprise Key Management का समर्थन करते हैं, और इंफ़रेंस यूरोपीय संघ या अमेरिका में होस्ट होता है; सामान्य उपलब्धता से पहले बनाए गए dots को 30 दिनों के भीतर आवश्यक क्षेत्र में स्थानांतरित किया जाता है, और वे संबंधित कवरेज वाले कार्यस्थलों में HIPAA के लिए पात्र हैं।

🔗 ChatGPT Enterprise और Edu के रिलीज़ नोट

संक्षिप्त समाचार

एजेंट और कोड के उपकरण

Zed 1.27 और 1.28 का पूर्वावलोकन — स्थिर 1.27 में 28 अक्टूबर के पूर्वावलोकन के बदलाव शामिल हैं (कम संसाधन इस्तेमाल करने वाला Agent पैनल, रिस्टोर पॉइंट का हटना, न्यूनतम macOS 12 की आवश्यकता); 1.28 का पूर्वावलोकन Agent Client Protocol के नवीनतम संस्करण का अनुसरण करता है, एजेंट द्वारा पढ़ी जाने वाली पंक्तियों को 2 000 अक्षरों तक सीमित करता है और संदर्भ संपीड़न की तीन खामियाँ ठीक करता है। 🔗 स्रोत
Delta 0.24 — उप-थ्रेड के बदलाव मूल थ्रेड में मर्ज किए जा सकते हैं (/merge-into-parent, /pull-from-subthread), एजेंट केवल लिंक से साझा थ्रेड पढ़ सकता है और delta thread send से दूसरे थ्रेड के एजेंट को लिख सकता है; MCP सर्वर अब bearer टोकन और कस्टम हेडर स्वीकार करते हैं। 🔗 स्रोत
Copilot CLI 1.0.106-7 से 1.0.106-9 तक — तीन पूर्वावलोकन संस्करण, लेकिन अभी भी स्थिर 1.0.106 नहीं: /code कमांड चालू सत्र को VS Code में खोलती है, Fusion स्तर को copilot config में सेट किया जा सकता है, और 79 सुधारों में नई एस्केप सीक्वेंस को निष्प्रभावी करना भी शामिल है। 🔗 स्रोत
Gemini CLI v0.67.0 और v0.68.0-preview.0 — स्थिर संस्करण में पहले प्रस्तुत की जा चुकी 0.67.0 शृंखला को शामिल किया गया है और पूर्वावलोकन में पिछले आठ दिनों के नाइटली बिल्ड समेटे गए हैं; एकमात्र नई चीज़ यह है कि 4 नवंबर का नाइटली बिल्ड gemini hooks migrate को Claude Code के SubagentStop इवेंट की पहचान करने देता है और रूट अधिकारों के बिना Podman के तहत --userns=keep-id जोड़ता है। 🔗 स्रोत
Qwen Code v0.26.7 — किसी रिपॉज़िटरी से मिलने वाले हुक, अनुमतियाँ और भाषा सर्वर अब फ़ोल्डर को स्पष्ट रूप से विश्वसनीय घोषित किए बिना नहीं चलते; qwen serve अब दूरस्थ कनेक्शन के लिए खुलता है, और Claude Opus 5.5, Sonnet 5.5, Fable 5.1 तथा Mythos 5.1 के लिए अनिवार्य टूल चयन ठीक किया गया है। 🔗 स्रोत
Kimi Code 2.5.0 — सत्र अब SSH, Docker या किसी कमांड से परिभाषित परिवेश (--environment) में शुरू हो सकता है, और एजेंट के काम करते समय /model या /effort इस्तेमाल किए जा सकते हैं; सर्वर के कई REST और WebSocket एंडपॉइंट हटा दिए गए हैं, हालाँकि इन बदलावों को सुधारों में गिना गया है। 🔗 स्रोत
mistral CLI 0.17.0 — mistral agents init एजेंट प्रोजेक्ट बनाता है, और कोई एप्लिकेशन अपने भीतर एजेंट शामिल कर सकता है, जिसे mistral dev विकास के दौरान उपलब्ध कराता है और mistral deploy प्रकाशित करता है; यह सुविधा mistral_cli_agents फ़्लैग के पीछे है; mistral login --device कनेक्शन अब अस्वीकार किया जाता है। 🔗 स्रोत
DeepSeek Harness 0.2.2-rc.1 — 0.2.2 शृंखला का पहला रिलीज़ कैंडिडेट और किसी स्थिर संस्करण के बिना 37वाँ पूर्वावलोकन: इसमें मुख्यतः पहले बताई जा चुकी अल्फ़ा सुविधाएँ शामिल हैं, TypeScript और Python SDK को वेब मोड के अनुरूप किया गया है, और Ralph loop तथा सत्र खोज को प्रयोगात्मक स्थिति से बाहर लाया गया है। 🔗 स्रोत
ज़ैक लॉयड के अनुसार सॉफ़्टवेयर फ़ैक्टरी — Warp के ब्लॉग पर उनका तर्क है कि सॉफ़्टवेयर फ़ैक्टरी (software factory) केवल प्रॉम्प्ट और क्लाउड एजेंट को क्रम से जोड़ने से नहीं बनती, बल्कि एक स्टैक की तरह बनाई जाती है: कोड में परिभाषित फ़ैक्टरी, टिकाऊ ऑर्केस्ट्रेशन, मूल्यांकन और पुराने कार्यों का दोबारा निष्पादन, तथा सबसे पहले API और MCP एकीकरण। 🔗 स्रोत

प्लेटफ़ॉर्म, API और प्रशासन

Together AI और Kimi K3.1 Pro — Together AI, Kimi K3.1 Pro के वेट जारी होने के दिन ही उसे उपलब्ध कराता है, चाहे मूल रूप में या Together Post-Training से RL अथवा SFT के ज़रिए अतिरिक्त प्रशिक्षण के बाद; घोषणा में दरें नहीं दी गई हैं। 🔗 स्रोत
OpenAI के SDK — openai-python 3.45.0 और openai-node 7.50.0 अब अक्टूबर में घोषित 12 घंटे के प्रतिक्रिया कैश और प्रोजेक्ट के अनुसार सेवा स्तरों का समर्थन करते हैं; Codex CLI में 29 अक्टूबर के 0.166.0 के बाद कोई स्थिर संस्करण नहीं आया है, केवल खाली रिलीज़ नोट वाले पूर्वावलोकन हैं। 🔗 स्रोत
Copilot के उपयोग मेट्रिक — उपयोग मेट्रिक API अब स्थानीय BYOK (bring your own key) उपयोग को अलग दिखाता है, जिसे न्यूनतम अनुमान के रूप में गिना जाता है, और उद्यमों के कस्टम मॉडलों को is_custom_enterprise_model संकेतक से चिह्नित करता है; मौजूदा कुल आँकड़े नहीं बदलते। 🔗 स्रोत
grok-imagine-image-quality हटाया गया — 2 नवंबर से SpaceXSI इस इमेज मॉडल के अनुरोधों को कोड में किसी बदलाव के बिना, कम गुणवत्ता वाले grok-imagine-image-2.0 से पूरा कर रहा है। दर 1K इमेज के लिए 0,04 डॉलर और 2K इमेज के लिए 0,06 डॉलर है, यानी पहले से 0,01 डॉलर कम। 🔗 स्रोत
Claude Marketplace — Chainguard से Zoom तक, Datadog, Netlify, Runway और Glean सहित 14 साझेदार एजेंट और उत्पाद Claude Marketplace से जुड़ रहे हैं। इससे कुल संख्या 25 से अधिक हो गई है, और पात्र उद्यम अपनी Anthropic खर्च प्रतिबद्धता के एक हिस्से से इनका भुगतान कर सकते हैं। 🔗 स्रोत

सुरक्षा

Warp की GPG कुंजी — Warp एहतियात के तौर पर अपने कुछ Linux पैकेज पर हस्ताक्षर करने वाली GPG उपकुंजी बदल रहा है। यह कदम एक अनाम सुरक्षा घटना के बाद उठाया गया है, हालाँकि किसी धोखाधड़ी वाले इस्तेमाल का पता नहीं चला; Fedora 42 और उससे पुराने संस्करणों, RHEL तथा openSUSE पर पहले पुरानी कुंजी हटानी होगी। 🔗 स्रोत
AWS GovCloud में GPT-5.6 Cyber — Daybreak Red के स्वीकृत ग्राहक, OpenAI की मंज़ूरी और फिर AWS द्वारा सक्षम किए जाने के बाद, Amazon Bedrock के ज़रिए AWS GovCloud (US-East) क्षेत्र में GPT-5.6 Cyber तक पहुँच सकते हैं; AWS ने इसे 30 अक्टूबर को ही प्रकाशित कर दिया था। 🔗 स्रोत
Django की एक खामी के सामने Mistral Large 4 — 90 गुना तेज़ किए गए वीडियो में 133 एजेंट कोड का नक्शा बनाते हैं, Django की एक हालिया सुरक्षा खामी खोजते और उसकी पुष्टि करते हैं, फिर Le Chonk उसे ठीक करता है; न CVE संख्या दी गई है, न लागत, न वास्तविक अवधि। 🔗 स्रोत
CodeQL 2.27.4 — Java और Kotlin, Rust तथा C/C++ में कम गलत सकारात्मक परिणाम, छह भाषाओं की ReDoS क्वेरी से CWE-730 लेबल हटाया गया, और पैक बनाते समय उसकी रूट के बाहर लिंक की गई फ़ाइलों को बाहर रखा जाता है; इस बार AI से जुड़ा कोई हिस्सा नहीं है। 🔗 स्रोत
Perplexity की MCP मार्गदर्शिका — MCP प्रणालियों के जोखिमों की तीन श्रेणियाँ और ग्यारह जोखिम, अप्रत्यक्ष प्रॉम्प्ट इंजेक्शन से लेकर स्थानीय सर्वर के समझौता-ग्रस्त होने तक, साथ में उनके बचाव; Perplexity का कोई उत्पाद या आँकड़ा नहीं दिया गया है। 🔗 स्रोत

खुले मॉडल और शोध

कृत्रिम आवाज़ों की पहचान — मेलबर्न विश्वविद्यालय के दो शोधकर्ताओं ने VeriSpoof जारी किया है, जो 2,9 अरब पैरामीटर वाला ऑडियो LLM है। यह कृत्रिम आवाज़ पहचानता है, उसका स्रोत बताता है और अपने निर्णय का कारण समझाता है; लेखकों के अनुसार, इसके VeriSpoof-Plus संस्करण की Speech-DF-Arena पर औसत समान त्रुटि दर (EER) 1,79 % है, और वेट गैर-व्यावसायिक CC BY-NC 4.0 लाइसेंस के तहत हैं। 🔗 स्रोत
Dharma-AI का Field Extractor — 2B का मॉडल जो दस्तावेज़ के फ़ील्ड को टाइपयुक्त JSON में लौटाता है; 546 दस्तावेज़ों वाले अपने बेंचमार्क पर इसका स्कोर 0,834 है, जबकि Claude Opus 5 का 0,816 है। तुलना में शामिल मॉडल अपने निर्माताओं के नवीनतम मॉडल नहीं हैं, और Hub पर इसके वेट नहीं मिले हैं। 🔗 स्रोत
Cribl का OTAP — ऐसा मेट्रिक जो एजेंट की योजना की संरचना का मूल्यांकन करता है और इष्टतम परिवहन के ज़रिए उसे संदर्भ योजनाओं से संरेखित करता है; लेखकों के अनुसार, 236 कार्य-प्रक्षेपपथों पर यह ROUGE-L की तुलना में मानव मूल्यांकनकर्ताओं से अधिक सहमत है (0,74 बनाम 0,64)। 🔗 स्रोत

आम उपयोगकर्ताओं के लिए एजेंट

Grok Bot और खरीदारी — 3 नवंबर को SpaceXSI के एजेंट ने खरीदारी का अनुभव पेश किया: सबसे अच्छा सौदा खोजना, वस्तुओं की तुलना करना और सभी ऑर्डर पर नज़र रखना; देश, योजना या विक्रेताओं का विवरण नहीं दिया गया है। 🔗 स्रोत
फ़ोन पर Grok Bot — 4 नवंबर को @bot खाते ने वीडियो के साथ घोषणा की कि Grok Bot फ़ोन कॉल कर सकता है, लेकिन देश, योजना या दरों का विवरण नहीं दिया गया। 🔗 स्रोत
Get Maine Lobster और Computer — Perplexity द्वारा प्रस्तावित एक पायलट में, Perplexity के दिए 30 000 डॉलर के परीक्षण बजट के साथ, Computer के Meta अभियान ने ग्राहक के सामान्य विज्ञापनों की तुलना में विज्ञापन खर्च पर प्रतिफल (ROAS) 63 % अधिक और 2,1 गुना खर्च पर 3,5 गुना राजस्व दर्ज किया। 🔗 स्रोत
Computer में MotionSites — @viktoroddy का स्किल Perplexity के एजेंट को 40 संदर्भ डिज़ाइन और 52 होस्ट किए गए संसाधनों के आधार पर WebGL में एनिमेटेड वेबसाइट बनाने देता है, जिनमें स्क्रॉल के साथ एनिमेशन चलते हैं; वेब पर सभी के लिए उपलब्ध है। 🔗 स्रोत
3D में Manus — Game Dev को आगे बढ़ाते हुए, Manus तस्वीरों से उपयोगकर्ता का खेलने योग्य 3D रूप बनाता है, जिसे एजेंट से बनाई गई दुनियाओं में ले जाया जा सकता है; योजना या क्रेडिट लागत का विवरण नहीं दिया गया है। 🔗 स्रोत

इमेज, वीडियो और रचनाकार

मोबाइल पर HeyGen Video 1 — HeyGen का वीडियो मॉडल iOS और Android पर HeyGen एप्लिकेशन में आ गया है, लेकिन दर, अवधि या रिज़ॉल्यूशन का विवरण नहीं दिया गया है। 🔗 स्रोत
Pika H3 Flex — मॉडल घोषित तारीख़ से दो दिन बाद आधिकारिक रूप से Pika प्लेटफ़ॉर्म पर आ गया है। Creator और Fancy ग्राहकों को 15 नवंबर तक हर दिन 15 मुफ़्त जनरेशन मिलेंगे। 🔗 स्रोत
Luma का Character Sheet — Expression Sheet के अगले दिन, संदर्भों या विवरण से बनाई जाने वाली सुसंगत बहु-दृश्य चरित्र शीट, जिसमें आठ लेआउट हैं; न लेख दिया गया है, न दरें। 🔗 स्रोत
HyperFrames — HeyGen का वीडियो उपकरण परिवार 700 000 से अधिक मासिक उपयोगकर्ताओं का दावा करता है, लेकिन गणना की विधि नहीं बताता, और अपने समुदाय के लिए समर्पित Discord खोल रहा है। 🔗 स्रोत

इसका क्या अर्थ है

खुले वेट्स वाले मॉडल अग्रणी मॉडलों के पैमाने तक पहुँच रहे हैं, कुछ शर्तों के साथ। 2,8T पैरामीटर और लगभग 1,56 टेराबाइट की फ़ाइलों वाला Kimi K3.1 Pro स्वतंत्र रूप से डाउनलोड किया जा सकता है, और Together AI पहले दिन से ही इसे उपलब्ध करा रहा है और इसके पोस्ट-ट्रेनिंग की सुविधा दे रहा है। फिर भी इसका लाइसेंस दिखाता है कि खुलापन कहाँ समाप्त होता है: 20 मिलियन डॉलर से अधिक के कारोबार वाले पुनर्विक्रेता को Moonshot AI के साथ समझौता करना होगा, और Mistral Large 4 के लाइसेंस ने पहले ही, 29 अक्टूबर को, मॉडल को सेवा के रूप में उपलब्ध कराने के लिए व्यावसायिक लाइसेंस अनिवार्य कर दिया था। बुनियादी ढाँचा भी साथ आगे बढ़ रहा है: Together Compiler अलग-अलग आर्किटेक्चर वाले खुले मॉडलों के अनुकूलन का काम एजेंटों को सौंपता है और प्रति GPU 2,6 गुना तक अधिक टोकन देने का दावा करता है। इसके विपरीत, Cognition साइबर जोखिम का हवाला देते हुए फ़िलहाल SWE-2 Flash के वेट्स अपने पास रख रहा है और उसका आधार भी बदल रहा है: SWE-2, Kimi K3 पर आधारित था, जबकि SWE-2 Flash एक अमेरिकी मॉडल पर आधारित है।

कोडिंग एजेंट एक साथ काम कर रहे हैं और नए उपकरण अपना रहे हैं। VS Code एक ही सत्र में Copilot, Claude और Codex से काम कराता है, Copilot को Xcode के मूल सहायक में शामिल किया जा रहा है, और Pando को पेश करने के दो दिन बाद OpenAI उन Git उपकरणों का अधिग्रहण करने जा रहा है जिन्हें Codex पहले से इस्तेमाल करता है: एजेंटों के अधिकाधिक ब्रांच बनाने के साथ वर्ज़न प्रबंधन एक रणनीतिक क्षेत्र बनता जा रहा है। लागत दूसरा मोर्चा बनी हुई है। Cognition के अनुसार, SWE-2 Flash की लागत SWE-2 की लागत का पाँचवाँ हिस्सा है, और Anthropic उप-एजेंटों की स्थिति पंक्ति का काम Haiku 5.5 को सौंप रहा है, ताकि उसी सीमा में लगभग 6 % अधिक प्रॉम्प्ट इस्तेमाल किए जा सकें।

मूल्यांकन परीक्षणों के दायरे से बाहर निकल रहा है। RoboColosseum घरों और रेस्तराँ में असली रोबोटों पर रोबोटिक नियंत्रण नीतियों का मूल्यांकन कराता है, और नतीजे रैंकिंग के प्रति उत्साह को संयमित करते हैं: अग्रणी मॉडल विशिष्ट VLA मॉडलों को टक्कर देते हैं, लेकिन कोई भी सिस्टम खुले परिवेश में भरोसेमंद नहीं है, और कोई भी G1 ह्यूमनॉइड पर एक भी कार्य पूरा नहीं कर पाता। सॉफ़्टवेयर के क्षेत्र में Perplexity की Decisions API भी इसी निष्कर्ष से शुरुआत करती है: केवल अपने प्रशिक्षण की जानकारी रखने वाला मॉडल समसामयिक घटनाओं पर गलतियाँ करता है, और वेब खोज की मदद से एक सार्वजनिक परीक्षण में pplx-decider-v1.2 का प्रदर्शन 51 % से बढ़कर 86 % हो जाता है। विज्ञान में सत्यापन ही प्रस्तुत किया जाने वाला परिणाम बन रहा है: Rust में लिखा FVCOM, 100 सिमुलेशन में दशमलव के 12 स्थानों तक Fortran के परिणामों से मेल खाता है, और Anthropic अपने परिणामों के साथ Claude की गलतियाँ भी प्रकाशित करता है।

वॉटरमार्क नियामकीय आवश्यकताओं के कारण डिफ़ॉल्ट सेटिंग बन रहा है। SpaceXSI, AI Act का हवाला देते हुए 7 नवंबर को सात Grok मॉडलों पर इसे सक्रिय करेगा, और केवल कानूनी छूट का प्रमाणन ही इससे बचने की अनुमति देता है; Anthropic ने 3 नवंबर को अपने वॉटरमार्क का दायरा बढ़ाया, जबकि OpenAI अपना वॉटरमार्क डिफ़ॉल्ट रूप से बंद रखता है। डेवलपरों के लिए यह अंतर पाठ में नहीं, बल्कि उत्तर के हेडर और ज़िम्मेदारी में दिखाई देता है: वॉटरमार्क बंद करने का अर्थ है सामग्री को चिह्नित करने की अपनी बाध्यताओं की ज़िम्मेदारी अकेले उठाना।