मानव मार्गदर्शन में काम कर रहे Google DeepMind के एजेंटों ने RSA 1024 बिट की दो कमजोरियाँ खोजीं, OpenAI ने BioBasicsBench जारी किया, Cursor ने अपने एजेंटों के साथ वॉइस चैट शुरू की

मानव मार्गदर्शन में काम कर रहे Google DeepMind के एआई एजेंटों ने RSA 1024 बिट की दो कमजोरियाँ खोजी हैं। यह प्रणाली पहले ही पुरानी पड़ चुकी है; आधुनिक प्रोटोकॉल, जिनमें लगभग सभी 2048 बिट या उससे बड़ी कुंजियों का उपयोग करते हैं, सुरक्षित बने हुए हैं। आज शोध से जुड़ी खबरें प्रमुख हैं: OpenAI ने BioBasicsBench के ज़रिए वेट लैब में अपने एजेंटों को परखा, TCSExam ने सैद्धांतिक कंप्यूटर विज्ञान में मॉडलों का मूल्यांकन किया, और Anthropic तथा Google ने दिखाया कि मॉडल के आसपास की कौन-सी व्यवस्थाएँ किसी एजेंट को सफल बनाती हैं या उसे भटका देती हैं। उपकरणों की बात करें तो Claude Code, Codex CLI और Copilot CLI के नए संस्करण आए हैं, Antigravity CLI एक ACP सर्वर बन गया है, Cursor ने अपने एजेंटों के साथ वॉइस चैट शुरू की है और Amp ने Spaces पेश किए हैं।

मानव मार्गदर्शन में काम कर रहे Google DeepMind के एजेंटों ने RSA 1024 बिट की दो कमजोरियाँ खोजीं, Frontier Model Forum ने साइबर जेलब्रेक की गंभीरता का मूल्यांकन किया

6 नवंबर — Google DeepMind ने मानव निगरानी और मार्गदर्शन में काम करने वाले एआई एजेंटों द्वारा किए गए क्रिप्टोविश्लेषण के शोध प्रकाशित किए हैं। क्रिप्टोविश्लेषण वह विज्ञान है जो कूटलेखन की मजबूती को परखता है। विज्ञान के प्रभारी उपाध्यक्ष पुष्मीत कोहली ने X पर प्रकाशित एक लेख में इन्हें प्रस्तुत किया, जिसे @GoogleDeepMind ने साझा किया: एजेंटों ने 1024 बिट की RSA प्रणालियों में दो कमजोरियाँ खोजी हैं, जिनके कारण इन्हें पहले के अनुमान से कम गणनात्मक संसाधनों में तोड़ा जा सकता है। यह शोध Google DeepMind की विज्ञान टीम के डीजे द्विजोथम और अभ्रदीप ठाकुरता ने नादिया हेनिंगर (UC San Diego और Inria) तथा इमैनुएल थोमे (Inria) के साथ मिलकर किया है। इसका विवरण दो तकनीकी PDF शोधपत्रों में दिया गया है; घोषणा के साथ कोई ब्लॉग लेख प्रकाशित नहीं हुआ था।

इस शोध का दायरा जानबूझकर सीमित रखा गया है। पुराना पड़ चुका और पहले ही उपयोग से हटाया जा चुका RSA 1024 बिट यहाँ जोखिमरहित परीक्षण क्षेत्र के रूप में इस्तेमाल हुआ है, जैसा क्रिप्टोविश्लेषण समुदाय लंबे समय से करता आया है। आधुनिक प्रोटोकॉल, जिनमें लगभग सभी 2048 बिट या उससे बड़ी कुंजियों का उपयोग करते हैं, सुरक्षित बने हुए हैं।

पहला परिणाम डिजिटल हस्ताक्षरों से जुड़ा है, जो सुनिश्चित करते हैं कि कोई सॉफ़्टवेयर अपडेट, दस्तावेज़ या वेबसाइट वास्तव में अपने घोषित स्रोत से ही आया है। हस्ताक्षर करने से पहले कई मानक संदेश में अतिरिक्त भराव (पैडिंग) जोड़ते हैं। टीम ने दिखाया है कि जैसे ही किसी हमलावर के नियंत्रण में हस्ताक्षरित ब्लॉक का लगभग आधा हिस्सा आ जाता है, यह भराव पूरी तरह सुरक्षा देना बंद कर देता है। किसी वास्तविक प्रणाली को छुए बिना, अलग-थलग सिमुलेशन में एजेंटों ने 1024 बिट की एक संदर्भ कुंजी पर हमला किया, जिसे एक पिछले अध्ययन में पहले ही हल किया जा चुका था: परिणाम 3,5 गुना कम CPU समय में दोहराया गया, और इसमें कुंजी को ही तोड़ने के लिए आवश्यक गणना क्षमता के एक हज़ारवें हिस्से से भी कम क्षमता लगी। जब हमलावर ब्लॉक के छोटे हिस्से को नियंत्रित करता है और हैश 32 बाइट का छोटा होता है, तब लेखकों के सैद्धांतिक अनुमानों के अनुसार एक नया एल्गोरिदम पिछली सर्वश्रेष्ठ विधि से लगभग 1 600 गुना बेहतर प्रदर्शन कर सकता है।

दूसरा परिणाम बैच में गुणनखंडन से संबंधित है। RSA कुंजियों की लंबाई मानक होती है (1024 या 2048 बिट), इसलिए समान आकार की कई संख्याओं का गुणनखंडन करना एक महत्वपूर्ण प्रश्न है: एजेंटों ने बेहतर आसिम्प्टोटिक जटिलता वाला एक एल्गोरिदम खोजा है, जो पिछली बैच विधियों की तुलना में 1024 बिट की हर अतिरिक्त कुंजी के गुणनखंडन की औसत लागत लगभग 30 गुना कम करता है।

लेखकों द्वारा प्रकाशित परिणाम	घोषित लाभ	बताई गई शर्त
हस्ताक्षर की जालसाजी, हमलावर लगभग आधे ब्लॉक को नियंत्रित करता है	3,5 गुना कम CPU समय	अलग-थलग सिमुलेशन, पहले ही हल की जा चुकी 1024 bits की संदर्भ कुंजी
वही हमला, कुंजी को तोड़ने की तुलना में	गणना क्षमता के एक हज़ारवें हिस्से से भी कम	कुंजी को ही तोड़ने के लिए आवश्यक गणना क्षमता
32 octets के हैश के साथ जालसाजी	लगभग 1 600 गुना बेहतर	सैद्धांतिक अनुमान, 1024 bits की कुंजियाँ
बैच में गुणनखंडन	हर अतिरिक्त कुंजी की औसत लागत लगभग 30 गुना कम	पिछली बैच विधियों की तुलना में
2048 bits या उससे बड़ी कुंजियाँ	प्रभावित नहीं	Google DeepMind के अनुसार सुरक्षित बनी हुई हैं

While modern 2048-bit systems remain safe from these specific exploits, this work highlights a key shift. As we enter a new era of AI-enabled math and computation, we can no longer rely on historical hardness assumptions and must continuously stress-test cryptographic standards.

🇮🇳 हालाँकि आधुनिक 2048 बिट प्रणालियाँ इन विशिष्ट हमलों से सुरक्षित हैं, यह शोध एक अहम मोड़ को उजागर करता है। एआई की सहायता से गणित और गणना के एक नए युग में प्रवेश करते हुए, अब हम कठिनाई के बारे में ऐतिहासिक धारणाओं पर भरोसा नहीं कर सकते और हमें क्रिप्टोग्राफिक मानकों को लगातार परखना होगा। — X पर @GoogleDeepMind

🔗 X पर पुष्मीत कोहली का लेख · डिजिटल हस्ताक्षरों पर तकनीकी शोधपत्र (PDF) · कुंजियों के गुणनखंडन पर तकनीकी शोधपत्र (PDF)

Frontier Model Forum ने साइबर जेलब्रेक की गंभीरता का मूल्यांकन करने के लिए साझा ढाँचा प्रस्तावित किया

5 नवंबर — अग्रणी एआई प्रयोगशालाओं को एक साथ लाने वाले Frontier Model Forum (FMF) ने साइबर खतरों से संबंधित जेलब्रेक के मूल्यांकन के अपने ढाँचे का संस्करण 1.0 प्रकाशित किया है, जिसे प्रारंभिक संस्करण बताया गया है (अग्रणी मॉडलों से जुड़े साइबर खतरों के लिए जेलब्रेक मूल्यांकन ढाँचा)। इसका आधार यह है कि सुरक्षा उपायों को दरकिनार करने के सभी तरीके समान नहीं होते। कुछ से केवल ऐसे उत्तर मिलते हैं जिनका व्यावहारिक इस्तेमाल मुश्किल है, जबकि अन्य खतरनाक आक्रामक क्षमताएँ खोल देते हैं। किसी साझा विधि के अभाव में दो संगठन एक ही जेलब्रेक का अलग-अलग मूल्यांकन कर सकते हैं, जिससे कम गंभीर मामलों को पहले सुधारने का जोखिम रहता है। यह ढाँचा चार श्रेणियों के अंकों को मिलाकर हर जेलब्रेक को गंभीरता के स्तरों में वर्गीकृत करता है: क्षमता में बढ़ोतरी, क्षमताओं का दायरा, तैनाती की आसानी और खोजने की आसानी।

लेख में AWS, Anthropic, Google DeepMind, Microsoft और OpenAI के प्रतिनिधियों ने इसका समर्थन किया है; OpenAI ने 6 नवंबर को इसे साझा करते हुए बताया कि उसने FMF और उसके सदस्यों के साथ मिलकर इस पर काम किया है। 21 दिसंबर 2026 तक सार्वजनिक परामर्श खुला है: FMF जाँचेगा कि क्या अलग-अलग मूल्यांकनकर्ता लगभग समान अंक देते हैं, और नए जेलब्रेक सामने आने के साथ ढाँचे को अद्यतन करेगा। जुलाई में Anthropic ने Amazon, Microsoft और Google के साथ तैयार किए गए एक मिलते-जुलते पैमाने, CJS (साइबर जेलब्रेक की गंभीरता), का विवरण दिया था; FMF के लेख में दोनों के बीच कोई संबंध नहीं बताया गया है।

🔗 अग्रणी मॉडलों से जुड़े साइबर खतरों के लिए FMF के जेलब्रेक मूल्यांकन ढाँचे का परिचय

विज्ञान में एआई का मूल्यांकन: वेट लैब के लिए OpenAI का BioBasicsBench, सैद्धांतिक कंप्यूटर विज्ञान के लिए TCSExam

OpenAI ने BioBasicsBench जारी किया: वेट लैब के 100 कार्य, GPT-6 Astra को 66,7 %

6 नवंबर — OpenAI ने BioBasicsBench पेश किया है। एंज़ाइम डिज़ाइन में विशेषज्ञता रखने वाली जैव प्रौद्योगिकी कंपनी Ligo के साथ विकसित यह बेंचमार्क प्रयोगात्मक जैव प्रयोगशाला (वेट लैब) के रोज़मर्रा के काम से मिलने वाले कच्चे डेटा की व्याख्या करने की एजेंटों की क्षमता को मापता है: जेल और ब्लॉट, कल्चर प्लेटें, सूक्ष्मदर्शी छवियाँ, उपकरणों से निर्यात किए गए डेटा या प्रयोग प्रक्रियाओं के वीडियो। वास्तविक प्रयोगों से लिए गए इसके 100 कार्यों को विशेषज्ञ मूल्यांकन सूची के अनुसार हर मानदंड पर अंक दिए जाते हैं। ये प्रोटीन संबंधी विधियों से लेकर आणविक क्लोनिंग तक पाँच क्षेत्रों को कवर करते हैं; साथ ही यह भी जाँचते हैं कि एजेंट त्रुटियों को पहचानता है और समझता है कि कब डेटा किसी निष्कर्ष पर पहुँचने के लिए पर्याप्त नहीं है।

केवल OpenAI के मॉडलों का मूल्यांकन किया गया है: 37 सेटिंग में सात मॉडल, हर कार्य के लिए पाँच प्रयास, यानी कुल 18 500 परिणाम। xhigh प्रयास स्तर पर GPT-6 Astra ने कुल उपलब्ध अंकों में से 66,7 % हासिल किए। वह GPT-6.1 Sol से आगे और GPT-5.6 Sol से काफ़ी आगे रहा, जबकि उसने GPT-5.6 Sol की तुलना में लगभग आधे आउटपुट टोकन इस्तेमाल किए; OpenAI के अनुसार ये सुधार संकेत देते हैं कि अधिक सशक्त अंतर्निहित बहुमाध्यमी क्षमता निर्णायक हो सकती है।

मूल्यांकित मॉडल (प्रयास स्तर xhigh)	औसत प्रतिफल	95 % विश्वास अंतराल	प्रति कार्य आउटपुट टोकन
GPT-6 Astra	66,7 %	60,3 से 73,1 %	4 704
GPT-6.1 Sol	62,0 %	55,6 से 68,4 %	5 238
GPT-5.6 Sol	43,8 %	37,6 से 50,0 %	9 099
GPT-6 Luna	38,3 %	32,3 से 44,5 %	13 120
GPT-5.5	35,4 %	29,7 से 41,0 %	11 135
GPT-5.4	33,2 %	28,3 से 38,4 %	13 717
GPT-5.2	31,2 %	26,2 से 36,3 %	27 620

OpenAI ने Astra की विफलताओं का भी विवरण दिया है: किसी परिचित परिकल्पना का प्रयोग के नियंत्रण परिणामों पर हावी हो जाना, उसके विरुद्ध जाने वाले अवलोकनों को खारिज करना और कॉलोनियों की संख्या का लगभग 12 % अधिक अनुमान लगाना। लेख के अनुसार बेहतर अंक अभी प्रयोगशाला में भरोसेमंद निर्णयों की गारंटी नहीं देते; OpenAI इस निगरानी को जैव सुरक्षा और जैव संरक्षा से जोड़ता है, और कार्यों के संग्रह को प्रकाशित करने का कोई उल्लेख नहीं करता।

🔗 रोज़मर्रा के वेट लैब विज्ञान में एआई एजेंटों के प्रदर्शन का मूल्यांकन (OpenAI)

TCSExam ने सैद्धांतिक कंप्यूटर विज्ञान में मॉडलों का मूल्यांकन किया: Full संस्करण में GPT-6 Astra आगे, Lite संस्करण में Opus 5.5

5 नवंबर — Moonshot AI के GitHub संगठन में प्रकाशित TCSExam, जिसके साथ 5 नवंबर को arXiv पर जमा किया गया एक शोधपत्र भी है, मापता है कि मॉडल सैद्धांतिक कंप्यूटर विज्ञान (सैद्धांतिक संगणक विज्ञान) में शोध को कितना आगे बढ़ा सकते हैं। arXiv पर सूचीबद्ध लेखक यिफ़ान लुओ, झेंगयिंग लिउ, यांग युआन, झिलिन यांग और एंड्रयू ची-चिह याओ हैं। इसमें चार श्रेणियाँ हैं: Lean में किसी प्रकाशित प्रमेय को सिद्ध करना, छिपे हुए उदाहरणों पर मूल्यांकित होने वाला सॉल्वर लिखना, सत्यापित रचना या सीमा प्रस्तुत करना और अनसुलझी परिकल्पनाओं को पूरी तरह सिद्ध या खारिज करना। Full संस्करण में विशेषज्ञों द्वारा जाँचे गए 100 कार्य हैं, जबकि Lite संस्करण में 20 कार्य हैं, हर श्रेणी में पाँच। सूचकांक पहली तीन श्रेणियों में से प्रत्येक को 30 और परिकल्पनाओं को 10 का भार देता है; सॉल्वर के अंक एक निश्चित संदर्भ, Kimi K3, की तुलना में दिए जाते हैं।

मूल्यांकित मॉडल	Lite सूचकांक (20 कार्य)	Full सूचकांक (100 कार्य)
Opus 5.5	72,3 (अस्थायी)	साइट की तालिका में अनुपस्थित
GPT-6 Astra	67,0	71,9
Kimi K3.1 Pro	53,5	57,4
Kimi K3	48,6	46,8
GLM-5.3	47,0	45,5
Qwen3.8 Max (0902)	45,4	44,8
DeepSeek V4.1 Flash 1017	42,4	46,0
Grok 4.6	42,1	40,5

किसी भी अनसुलझी परिकल्पना का समाधान नहीं हुआ है: सारांश में केवल स्वतंत्र रूप से सत्यापित विशेष मामलों और सीमाओं का दावा किया गया है। हालाँकि, लेखकों की जानकारी के अनुसार दो परिणाम अब तक के सर्वश्रेष्ठ ज्ञात परिणामों से आगे हैं: Kimi K3 द्वारा बनाया गया 124 शीर्षों और 630 किनारों वाला ग्राफ़, जिसमें न कोई त्रिभुज है, न चार किनारों वाला चक्र (गुडगेब्यूर और सहलेखकों की रचना में 629 किनारे थे); और GPT-6 Astra द्वारा खोजा गया 5 के बजाय 6 दूरी वाला क्वांटम त्रुटि सुधारक कोड, जो 25 भौतिक क्यूबिट के ज़रिए 7 तार्किक क्यूबिट की रक्षा करता है। यह परीक्षण मंच डिफ़ॉल्ट रूप से Kimi Code चलाता है और Claude Code, Codex तथा Grok Build को भी स्वीकार करता है।

🔗 TCSExam के परिणाम · arXiv शोधपत्र 2611.07962

एजेंटों पर शोध: Anthropic में स्मृति और ड्रीमिंग, Google में पुराने पड़ चुके TODO, हार्नेस अडैप्टर

Anthropic ने दिखाया कि ड्रीमिंग कैसे Claude एजेंटों की मेमोरी सुधारती और व्यवस्थित करती है

6 नवंबर — अपने Engineering ब्लॉग पर शोध और इंजीनियरिंग से जुड़े एक लेख में Anthropic एजेंट मेमोरी को ऐसी दोबारा पढ़ी जा सकने वाली टिप्पणियों के रूप में परिभाषित करता है, जिनमें Claude एक सत्र से अगले सत्र तक अपने अनुभवों से सीखी बातें सहेजता है : यह न तो मॉडल के वज़न हैं, न संदर्भ के भीतर सीखना, न ही संदर्भ का संपीड़न। ड्रीमिंग (एजेंट का « सपना ») उसे सत्र के बाहर अपने लॉग और प्रतिलेख दोबारा पढ़वाती है, ताकि वह अपनी टिप्पणियाँ सुधार सके, नई टिप्पणियाँ लिख सके, विकी जैसी संरचनाएँ बना सके या तय कर सके कि क्या पहले से लोड किया जाएगा ; यह सुविधा 6 मई से Claude Managed Agents में शोध पूर्वावलोकन (शोध पूर्वावलोकन) के रूप में उपलब्ध है।

मूल्यांकन सबसे पहले निर्णय क्षमता में सुधार दिखाते हैं। Pokémon Red में लगभग 10 000 चरणों तक Sonnet 3.7 ने केवल एक बैज के लिए 225 फ़ोल्डरों में 413 मेमोरी फ़ाइलें लिखी थीं, जबकि Fable 5 ने चार बैज के लिए केवल नौ फ़ाइलों और एक global.md का इस्तेमाल किया ; Opus 5.5 ने टिप्पणियों के एक छोटे फ़ोल्डर के साथ खेल पूरा कर लिया। Anthropic सलाह देता है कि Claude को यह बताया जाए कि मेमोरी किस काम आती है, बजाय इसके कि उसे कैसे इस्तेमाल करना है : केवल विफलताएँ दर्ज करने की बाध्यता लगाने पर Opus 5 और Opus 4.7 को मिलने वाले लाभ का बड़ा हिस्सा खो जाता है। Mt. Moon के PokéCenter की स्थिति के बारे में एक गलत टिप्पणी को प्रतिलेख के आधार पर ड्रीमिंग से सुधारना ही खेल को आगे बढ़ाने के लिए पर्याप्त साबित होता है।

Anthropic द्वारा किया गया प्रयोग	प्रकाशित परिणाम
केवल विकी, Stainless का आंतरिक संग्रह (लगभग 350 000 फ़ाइलें), ड्रीमिंग के 2 और फिर 128 सत्र	अंक दिए गए मानदंडों में 13 % और फिर 48 %
खोज के साथ विकी, वही संग्रह	54 % और फिर 61 %, जबकि केवल खोज से 53 % ; प्रति प्रश्न लगभग 20 000 टोकन की बचत
कंपनियों के विलय पर प्रश्न (24, अनेक दस्तावेज़ों पर आधारित मानदंड)	विकी के साथ 87 %, केवल खोज के साथ 73 %
अनुबंधों से निकाले गए तथ्य	साझा तालिका के साथ 57 में से 41, हर अनुबंध के लिए शब्दशः उद्धरण वाले एक पृष्ठ के साथ 57 में से 57

लेख सीमाएँ भी बताता है : जब एक ही दस्तावेज़ पर्याप्त हो तो कोई लाभ नहीं मिलता, विकी कभी-कभी अपने स्रोतों से बड़ा हो जाता है, और मेमोरी को अद्यतन रखने के लिए गणना की लागत आती है। अंत में वह याद दिलाता है कि Claude Code की स्वचालित मेमोरी केवल MEMORY.md की शुरुआती 200 पंक्तियाँ या 25 किलोबाइट लोड करती है, जो सूचकांक का काम करता है।

🔗 एजेंट मेमोरी के घटक (Anthropic)

Google ने मापा कि पुराने TODO कमेंट उसके कोडिंग एजेंटों को भटका देते हैं

6 नवंबर — Google Developers ब्लॉग पर सैम सैकोने और माधुरी गरिकापति कोडिंग एजेंटों की एक छिपी लागत मापते हैं : भूले हुए कमेंट।

What is easy for humans to skim past in code, agents see as a call to action.

🇮🇳 कोड में जिन बातों पर इंसान आसानी से सरसरी नज़र डालकर आगे बढ़ जाते हैं, एजेंट उन्हें कार्रवाई करने के निर्देश के रूप में देखते हैं। — सैम सैकोने और माधुरी गरिकापति, Google Developers ब्लॉग

टीम ने हज़ारों इंजीनियरों और एजेंटों के करोड़ों चरणों के रिकॉर्ड के आधार पर एजेंटों को मिले हर TODO(bug/...) या FIXME(bug/...) कमेंट का मिलान बग की वास्तविक स्थिति और उपयोगकर्ता के अनुरोध से किया। कुल मिलाकर, फ़ाइल पढ़ने वाले 13 % सत्रों में एजेंट के सामने ऐसा कोई संदर्भ आता है। एजेंट 94 % मामलों में उसे अनदेखा करता है, लेकिन 6 % में उस पर काम करता है, और इनमें से 83 % कार्रवाइयाँ डेवलपर ने माँगी ही नहीं होतीं : ऐसे भटकावों में से 41 % पहले से बंद टिकटों पर काम करते हैं, जबकि 57 % काम का दायरा बढ़ाकर किसी अब भी खुले बग तक ले जाते हैं। डेवलपर, कोड की जटिलता, कार्य का प्रकार और मॉडल का स्तर तुलनीय होने पर, बिना माँगा गया ऐसा भटकाव प्रति सत्र 70 % अधिक चरण, 77 % अधिक टोकन और 105 % अधिक प्रतीक्षा समय जोड़ देता है।

Google ने इसके जवाब में सफ़ाई करने वाले एजेंट बनाए, जो उसके कोडबेस खंगालते हैं, बग, फ़ाइल और बदलावों का इतिहास जाँचते हैं, और किसी TODO को हटाने का सुझाव तभी देते हैं जब उसके अप्रासंगिक हो जाने की पुष्टि हो जाए : छह महीनों में हज़ारों संदर्भ हटाए गए, जिनमें से 95 % से अधिक को मानव समीक्षकों ने स्वीकार किया। लेख एजेंटों के अनुकूल कोडबेस (एजेंटों के लिए अनुकूल कोडबेस) बनाने की वकालत करता है।

harness-hub परियोजना safeagents की निगरानी में RL से हर एजेंट हार्नेस के लिए एक LoRA प्रशिक्षित करती है

6 नवंबर — Hugging Face ब्लॉग पर यूनेस बी., लिसांद्र और नेथन हबीब (harness-hub संगठन) हार्नेस अडैप्टर (हार्नेस अडैप्टर) पेश करते हैं : हर मॉडल और हर एजेंट हार्नेस (pi, opencode, hermes) के लिए एक छोटा LoRA अडैप्टर, जिसे हार्नेस में कोई बदलाव किए बिना उसके भीतर सत्यापित किए जा सकने वाले कार्यों पर पुनर्बलन अधिगम से प्रशिक्षित किया जाता है ; एक ही सर्वर मूल मॉडल और सभी अडैप्टर उपलब्ध कराता है। शुरुआती परीक्षणों में लेखकों ने देखा कि मूल्यांकन के लिए अलग रखे गए कार्यों पर समान या बेहतर सटीकता के साथ मूल मॉडल की तुलना में कम टूल कॉल हुए। पुरस्कार में उन सही समाधानों के लिए एक छोटा बोनस जोड़ा जाता है जो कम कॉल करते हैं।

कार्य Hub पर साझा किए गए खुले कोडिंग सत्रों से आते हैं, जिन्हें Repo2RLEnvs सत्यापित किए जा सकने वाले परिवेशों में बदलता है ; प्रकाशित संस्करण में 270 कार्य हैं और उनका वितरण बहुत असंतुलित है : निर्माण के 253 (94 %), सुधार के 11, विस्तार के 6 और प्रश्नोत्तर का कोई कार्य नहीं। safeagents प्रॉक्सी प्रशिक्षण के दौरान हर टूल कॉल की जाँच करता है : पुरस्कार व्यवस्था को छलने के प्रयास रोके जाते हैं और उन्हें 0 अंक दिए जाते हैं, और इस सुरक्षा को चालू करने से अलग रखे गए परीक्षणों पर LFM2.5-24B-A2B का pass@1 नहीं बदलता (+0,0 ± 4,1 अंक)। अंतिम प्रशिक्षण Liquid AI के LFM2.5-24B-A2B और LFM3-1.7B, तथा webAI के TwIL-8B पर किए जाते हैं ; TwIL-8B एक तर्क करने वाला मॉडल है जिसे उसकी विवरणिका के अनुसार कभी एजेंट डेटा पर प्रशिक्षित नहीं किया गया ; ये प्रशिक्षण HF Jobs पर चलते हैं और लागत सहित उनका सीधा प्रसारण किया जाता है।

🔗 हार्नेस अडैप्टर (Hugging Face ब्लॉग)

कोडिंग एजेंट : Claude Code 2.1.319, Codex CLI 0.167.0, Copilot CLI 1.0.106, Antigravity CLI 1.5, Cursor की वॉइस चैट और Amp के Spaces

Claude Code 2.1.319 MCP कार्यों को पृष्ठभूमि में चलाता है और permissions.denyInsteadOfPrompting जोड़ता है

6 नवंबर — Anthropic ने Claude Code 2.1.319 जारी किया : संस्करण टिप्पणियों में 146 प्रविष्टियाँ हैं, जिनमें 90 सुधार शामिल हैं, जबकि 30 अक्टूबर के 2.1.314 में 119 प्रविष्टियाँ थीं। पैकेज npm पर 00 बजकर 58 मिनट UTC से और GitHub पर प्रकाशित संस्करण 17 बजकर 04 मिनट UTC से उपलब्ध है, बिना किसी ट्वीट के ; stable चैनल अभी भी 2.1.311 पर है। Agent SDK भी उसी दिन अद्यतन हुए (TypeScript 0.3.319, Python 0.2.179)।

बदला गया तत्व	क्या बदलता है
टर्मिनल में MCP कार्य (MCP कार्य)	जब कोई MCP सर्वर किसी टूल कॉल को कार्य के रूप में चलाता है, तो Claude Code उसे पृष्ठभूमि में भेज देता है और पूरा होने पर परिणाम पहुँचाता है
`permissions.denyInsteadOfPrompting`	जिस कॉल को अनुमति माँगे जाने की प्रतीक्षा करनी पड़ती, उसे अस्वीकार कर दिया जाता है और संवाद का चरण जारी रहता है, उप-एजेंटों और टीम के सदस्यों के लिए भी
LLM गेटवे के पीछे ऑटो मोड	टेलीमेट्री या फ़ीचर फ़्लैग बंद होने पर : जिन कॉल की सर्वर जाँच नहीं कर सकता, उन्हें उपयोगकर्ता के सामने रखा जाता है या अस्वीकार कर दिया जाता है, अंतर्निहित वर्गीकारक का सहारा नहीं लिया जाता
`/claude-api latency-optimize`	पता लगाता है कि Claude API को कॉल करने वाला कोड कहाँ प्रतीक्षा कराता है और उपयोगकर्ता के मूल्यांकन के आधार पर अधिक तेज़ सेटिंग परखता है
`/tasks`	समाप्त हो चुके उप-एजेंट को दोबारा खोलने और उसे संदेश लिखने के लिए « इस सत्र में पहले » पंक्ति

23 अक्टूबर को बिना संस्करण संख्या के घोषित MCP कार्य CHANGELOG में पहली बार इसी संस्करण के साथ दिखाई देते हैं ; वे फ़ीचर फ़्लैग के बिना भी काम करते हैं, इसलिए Bedrock, Vertex, Foundry या किसी गेटवे के पीछे भी उपलब्ध हैं। संस्करण टिप्पणियाँ कई सुरक्षा खामियों के सुधार बताती हैं : जाली परिवेश उपसर्ग से Bash अनुमतियों को दरकिनार करना, वर्कट्री बनाते समय सैंडबॉक्स से बाहर निकलना, एक sed कमांड जो accept-edits या auto मोड में अनुमति जाँच छोड़ देती थी, और /rewind जो फ़ोल्डर के प्रतीकात्मक लिंक के ज़रिए किसी फ़ाइल तक पहुँच सकता था। Claude apps गेटवे में 10 नवंबर को होने वाले Claude Desktop के बदलाव की तैयारी में चेतावनियाँ जोड़ी गई हैं, जिसका विवरण संस्करण टिप्पणियाँ नहीं देतीं। उसी दिन @ClaudeDevs ने घोषणा की कि क्लाउड सत्र किसी रिपॉज़िटरी का परिवेश अपने आप तैयार करते हैं (संक्षिप्त समाचार देखें)।

🔗 Claude Code 2.1.319 की संस्करण टिप्पणियाँ

Codex CLI 0.167.0 बिना पढ़े परिणाम चिह्नित करता है और सत्र चयनकर्ता से बैकएंड बदलने देता है

6 नवंबर — OpenAI ने 01 बजकर 40 मिनट UTC पर Codex CLI 0.167.0 जारी किया, जो 29 अक्टूबर के 0.166.0 के बाद पहला स्थिर संस्करण है और जिसकी PR सूची में 120 प्रविष्टियाँ हैं। एजेंटों का कमांड केंद्र अब codex agents --no-daemon से खुलता है और सत्र चयनकर्ता की तरह उन परिणामों को चिह्नित करता है जिन्हें उपयोगकर्ता ने अभी तक नहीं देखा है। यह चयनकर्ता मसौदे खोए बिना एक जुड़े हुए बैकएंड से दूसरे पर जाने की सुविधा भी देता है। समर्थित टर्मिनलों पर लिखते समय संलग्न स्थानीय चित्रों का पूर्वावलोकन दिखता है, साइन-इन स्क्रीन API कुंजी और क्लाउड प्रदाताओं को « किसी अन्य तरीके से साइन इन करें » के अंतर्गत रखती है, और gcp_setup_wizard विकल्प Application Default Credentials या पहचान-प्रमाण वाली फ़ाइल के साथ Google Cloud Vertex AI को कॉन्फ़िगर करता है। macOS और Windows की सिस्टम प्रॉक्सी सेटिंग अब /experimental से चालू की जा सकती हैं।

सुधार काम की निरंतरता पर केंद्रित हैं : मॉडल प्रदाता बदलने के बाद भी सहेजी गई बातचीत दिखाई देती है, Ctrl+L संदेश खोए बिना स्क्रीन साफ़ करता है और वे Ctrl+T से उपलब्ध रहते हैं, तथा स्वचालित संदर्भ संपीड़न विफल उत्तरों के सुरक्षित रखे गए आउटपुट को ध्यान में रखता है। app-server के दस्तावेज़ prompt-user नियमों का वर्णन करते हैं, जो नए सिरे से मानवीय स्वीकृति अनिवार्य करते हैं। इसके अतिरिक्त, openai-node 7.53.0 एजेंट सत्रों की त्रुटियाँ स्ट्रीम घटनाओं के रूप में भेजता है।

🔗 Codex CLI 0.167.0 की संस्करण टिप्पणियाँ

Copilot CLI 1.0.106 में 227 नई प्रविष्टियों के साथ स्थिर संस्करण आया, फिर समान टिप्पणियों वाला 1.0.107 जारी हुआ

6 नवंबर — Copilot CLI ने 28 अक्टूबर के 1.0.105 के बाद अपना पहला स्थिर संस्करण जारी किया। 1.0.106, 01 बजकर 47 मिनट UTC पर ऐसी टिप्पणियों के साथ आया जिनमें पूर्वावलोकन संस्करणों के पूरे चक्र की सामग्री शामिल है : 637 प्रविष्टियाँ, जिनमें से 227 GitHub पर प्रकाशित ग्यारह पूर्वावलोकन संस्करणों की टिप्पणियों में नहीं थीं। 20 बजकर 37 मिनट UTC पर 1.0.107 बिल्कुल उन्हीं टिप्पणियों के साथ जारी हुआ, केवल शीर्षक में दी गई तारीख बदली थी : उसमें किसी विशिष्ट बदलाव का विवरण नहीं है, और अब npm डिफ़ॉल्ट रूप से इसी को इंस्टॉल करता है।

नई प्रविष्टियों में स्थानीय LSP और MCP कॉन्फ़िगरेशन शुरू करने और विस्तारित करने के लिए COPILOT_SESSION_CWD वेरिएबल, खाते को पहुँच मिलने पर « नए मॉडल » खंड में चुना जा सकने वाला GPT-6.1 Terra, एक्सटेंशन की प्रक्रियाओं को सैंडबॉक्स में चलाने वाली « एक्सटेंशन सैंडबॉक्स » सेटिंग, और OneAuth के ज़रिए Microsoft Entra साइन-इन के लिए MATS टेलीमेट्री शामिल हैं, जो क्लाइंट की ओर से टेलीमेट्री अस्वीकार करने के विकल्प का सम्मान करती है। जब « सत्र » साइडबार खुली हो, तो /exit CLI के बजाय मौजूदा सत्र बंद करता है, सैंडबॉक्स के निषेध नियम ग्लॉब पैटर्न स्वीकार करते हैं, और साइबर सुरक्षा जोखिम के कारण किए गए इनकार /rewind का सुझाव देते हुए बताते हैं कि सत्र सुरक्षित बना हुआ है। Copilot SDK भी 1.0.29 के साथ स्थिर संस्करण में आया : स्रोत में अधूरी छोड़ी गई 131 प्रविष्टियाँ, जिनमें SessionMetadata पर Rust के लिए पुरानी संगतता तोड़ने वाला बदलाव भी शामिल है।

🔗 Copilot CLI 1.0.106 · Copilot CLI 1.0.107 · Copilot SDK 1.0.29

Antigravity CLI 1.5 एडिटरों के लिए ACP सर्वर बनता है और अपनी बातचीत दूरस्थ एजेंटों पर चलाता है

4 और 5 नवंबर — Antigravity की CLI दो चरणों में संस्करण 1.5 पर पहुँची। 1.5.0 (10 सुधारात्मक बदलाव, 3 त्रुटि सुधार) में agy acp जोड़ा गया, जो CLI को Agent Client Protocol (ACP) सर्वर के रूप में चलाता है : कोई समर्थित एडिटर उसे एजेंट की तरह इस्तेमाल कर सकता है, जिसमें प्रॉम्प्ट में चित्र और फ़ाइलों का संदर्भ, चल रहे संवाद चरण को नई दिशा देने की क्षमता, default, accept-edits और plan सत्र मोड, इतिहास दोबारा चलाए बिना सत्र फिर से शुरू करना, और हर सत्र के लिए अपना मॉडल तथा चिंतन स्तर शामिल हैं ; agy acp --login टर्मिनल से साइन इन करने देता है, ताकि SSH से जुड़े एडिटर इसका इस्तेमाल कर सकें। इसी संस्करण में --remote-agent भी जोड़ा गया, जो बातचीत दूरस्थ एजेंटों पर चलाता है और एप्लिकेशन 2.29.0 में आए एजेंटों का कमांड लाइन समकक्ष है, साथ ही /projects में स्थानीय परियोजनाएँ और बिना इंटरफ़ेस वाला एक मोड (बिना इंटरफ़ेस, -p) भी आया, जो पृष्ठभूमि के कार्यों को 30 मिनट की छिपी सीमा के बाद रोकने के बजाय उनके पूरा होने की प्रतीक्षा करता है। एक त्रुटि सुधार से पता चलता है कि GEMINI_API_KEY के ज़रिए जुड़े सत्र के उप-एजेंट Gemini 4 Argon और Gemini 3.8 Flash के बजाय दो पीढ़ी पुराने मॉडलों पर चल रहे थे।

1.5.1 (5 सुधारात्मक बदलाव, 7 त्रुटि सुधार) सभी ACP क्लाइंटों को खाते के सभी मॉडल उपलब्ध कराता है, जबकि पहले केवल एडिटरों की एक तय सूची को Gemini के अलावा अन्य मॉडल दिए जाते थे, और जब कोई पृष्ठभूमि प्रक्रिया आउटपुट खुला रखती है तो टर्मिनल कमांड के समाप्त होने में लगने वाला समय 5 सेकंड से घटाकर लगभग 1 सेकंड कर देता है। उपलब्धता धीरे-धीरे बढ़ाई जा रही है और इसमें कुछ दिन लग सकते हैं।

🔗 Antigravity का बदलाव विवरण

Cursor ने Grok Voice के ज़रिए अपने एजेंटों के साथ रीयल-टाइम वॉइस चैट शुरू की

6 नवंबर — Cursor अब रीयल-टाइम वॉइस कॉल के दौरान अपने एजेंटों से बात करने देता है : किसी बदलाव को बोलकर समझाना, एजेंट से पूछना कि वह क्या कर रहा है, और काम के दौरान प्रगति की जानकारी सुनना। वॉइस चैट Agents Window, IDE, वेब संस्करण और iOS एप्लिकेशन में काम करती है। कॉल में दो एजेंट काम करते हैं : एक वॉइस एजेंट सुनता है, जवाब देता है और कोडिंग का काम चैट वाले एजेंट को सौंपता है ; वह डिफ़ और निष्पादनों के बारे में केवल पढ़ने की पहुँच के साथ जवाब भी देता है, पिछले संदेशों और कॉल में खोज करता है और किसी Project में वर्कर बदलता है। कोडिंग एजेंट भी स्वयं बोलता है, प्रगति की छोटी टिप्पणियों और अंत में एक संक्षिप्त उत्तर के ज़रिए।

आवाज़ Grok Voice पर आधारित है (अगस्त से Cursor, SpaceX का हिस्सा है), जबकि कोडिंग एजेंट चुने गए मॉडल पर ही रहता है ; Ara, Eve, Leo, Rex और Sal सहित कई आवाज़ें उपलब्ध हैं। Privacy Mode में वॉइस चैट बिना डेटा सहेजे चलती है, और iOS पर Siri कमांड एक नए एजेंट के साथ कॉल शुरू करती है। खाते में साइन इन होना ज़रूरी है (API कुंजी से खोला गया सत्र कॉल नहीं कर सकता), जब एजेंट कोई काम नहीं कर रहा हो तो लगभग 10 मिनट की चुप्पी के बाद कॉल कट जाती है, और एक दैनिक सीमा भी है जिसकी संख्या प्रकाशित नहीं की गई है। किसी शुल्क का उल्लेख नहीं है ; बोलकर लिखने की सुविधा, जिसे पहले Voice Mode कहा जाता था, अलग बनी हुई है।

🔗 एजेंटों के साथ वॉइस चैट (Cursor बदलाव विवरण) · वॉइस चैट के दस्तावेज़

Amp ने Spaces लॉन्च किए, एक ऐसा एजेंट जो उपयोगकर्ता की जगह थ्रेड बनाता है और उनका समन्वय करता है

6 नवंबर — Amp ने Spaces लॉन्च किए: एक स्पेस एक ही एजेंट के साथ होने वाली बातचीत है, जिसकी भूमिका दूसरे एजेंटों को शुरू करना और उनका समन्वय करना है। उपयोगकर्ता को अब अपने थ्रेड (threads) बनाने या व्यवस्थित करने की ज़रूरत नहीं है: स्पेस का एजेंट यह काम करता है। Amp इसे कई एजेंटों के साथ अधिक व्यापक स्तर पर काम करने के तरीके के रूप में पेश करता है; कुछ हफ़्तों के आंतरिक इस्तेमाल के बाद टीम को लगता है कि एजेंटों के साथ संवाद का भविष्य शायद यही है, जहाँ समग्र नज़र रखने के साथ बारीकियों में जाने की सुविधा भी मिलती है।

लेख में तीन आंतरिक उदाहरण दिए गए हैं। Spaces को « Spaces v1 » नाम के एक स्पेस में बनाया गया, जहाँ एजेंट चैट में दिए गए सुझावों, बग और विचारों को अलग-अलग थ्रेड में बाँटता था। लुईस ने एक स्पेस से Service Accounts के लॉन्च का संचालन किया: तैनाती, X, Slack और बग रिपोर्ट की निगरानी, सुधार, फिर प्रभावित उपयोगकर्ताओं को ईमेल और रिफ़ंड। विल ने एक स्पेस को नियमित सुरक्षा समीक्षा का ज़िम्मा सौंपा: पहले दौर में कोडबेस को 16 हिस्सों में बाँटा गया, हर हिस्से की समीक्षा उसके अपने थ्रेड में हुई, और प्रत्येक निष्कर्ष को दूसरे थ्रेड में सत्यापित किया गया, साथ में सारांश वाला एक आर्टिफ़ैक्ट भी बनाया गया। शुरुआत साइडबार के Spaces अनुभाग में + बटन से होती है; लेख में किसी कीमत या प्लान का ज़िक्र नहीं है। उसी दिन Amp ने एक विजेट भी जोड़ा, जो किसी वेबसाइट पर की गई टिप्पणियों को एजेंट के थ्रेड में बदल देता है (संक्षिप्त समाचार देखें)।

🔗 Spaces (Amp)

मॉडल तैयार करना: Meta ने Muse Wonder से विशेष मॉडल प्रशिक्षित किए, Hugging Face ने MoE प्रशिक्षण की मार्गदर्शिका प्रकाशित की

Meta ने Muse और Meta AI में Muse Wonder से प्रशिक्षित विशेष मॉडल तैनात किए

6 नवंबर — Meta अपने 12 अक्टूबर को लॉन्च किए गए अग्रणी मॉडल Muse Wonder का लाभ Muse और Meta AI तक पहुँचा रहा है: उसके मौजूदा मॉडलों के विशेष संस्करण, जिन्हें Muse Wonder से प्रशिक्षित किया गया है, वहाँ तैनात किए जा रहे हैं; लेख में उनके नाम, आकार या वज़न नहीं दिए गए हैं। Muse Wonder की दो क्षमताएँ इनमें लाई जा रही हैं: सक्रिय स्मृति (Active Memory), जिसे पहचानना चाहिए कि पुरानी जानकारी कब फिर उपयोगी हो जाती है और क्या अब भी मान्य है तथा क्या पुराना पड़ चुका है; और सक्रिय एकाग्रता (Active Focus), जिससे किसी बाधा से उबरना या कोई विकल्प ढूँढ़ना संभव होना चाहिए। Meta AI में Meta एक ऐसे सहायक का वर्णन करता है जो समस्याओं को चरणों में बाँटता है और अधिक सटीक अनुवर्ती प्रश्न पूछता है, हालाँकि इसके साथ कोई आँकड़ा नहीं दिया गया है।

Meta का आंतरिक माप	Muse का मौजूदा मॉडल	पिछला मॉडल
Personal Superintelligence Index	47 %	38 %
Active Memory Eval (महत्वपूर्ण संदर्भ का सही उपयोग)	90 % कार्य	76 %
Muse में महत्वपूर्ण जानकारी भूलना	2,4 गुना कम	—
रोज़मर्रा के कार्य जिनमें अप्रत्याशित स्थिति आती है	+67 %	—

ये सभी माप Meta के हैं; लेख में इनकी मूल्यांकन प्रक्रिया प्रकाशित नहीं की गई है।

🔗 Muse और Meta AI के विशेष मॉडलों पर Meta का शोध लेख

Hugging Face ने 800 000 GPU-घंटों के प्रयोगों पर आधारित MoE प्रशिक्षण की संपूर्ण मार्गदर्शिका प्रकाशित की

5 नवंबर — Hugging Face ने MoE प्रशिक्षण की संपूर्ण मार्गदर्शिका प्रकाशित की, जो मिश्रित विशेषज्ञों वाले मॉडलों (Mixture-of-Experts, MoE) के प्रशिक्षण को समर्पित एक मुफ़्त और खुली मार्गदर्शिका है। इसके लेखक नुअमान ताज़ी, लिएंद्रो फ़ॉन वेरा और थॉमस वुल्फ़ हैं। इसकी शुरुआती बात यह है: Artificial Analysis के सूचकांक के अनुसार खुले वज़न वाले 20 सर्वश्रेष्ठ मॉडलों में से 18 MoE हैं, जिनमें DeepSeek V4.1 Flash 1017, GLM-5.3 और MiniMax-M3.1-Flash शामिल हैं, जबकि उन्हें प्रशिक्षित करने की विशेषज्ञता अब भी कुछ ही टीमों तक सीमित है।

18 of the 20 best open models today are Mixture-of-Experts. Dense is basically over. And yet the know-how to train a good MoE still lives mostly in the heads of a handful of teams. So we spent 800k GPU hours running the experiments ourselves and wrote everything down.

🇮🇳 आज के 20 सर्वश्रेष्ठ खुले मॉडलों में से 18 Mixture-of-Experts हैं। डेंस मॉडल का दौर लगभग खत्म हो चुका है। फिर भी, एक अच्छा MoE प्रशिक्षित करने की विशेषज्ञता मुख्यतः मुट्ठी भर टीमों के दिमाग में ही है। इसलिए हमने स्वयं प्रयोग करने में 800 000 GPU-घंटे लगाए, और सब कुछ लिख दिया। — X पर @Thom_Wolf

प्रयोग आठ H100 वाले AWS P5 नोड पर चलाए गए; Hugging Face द्वारा दोबारा साझा किए गए एक ट्वीट में जेफ़ बूडियर ने 2 मिलियन डॉलर खर्च होने की बात कही। मार्गदर्शिका में लगभग 70 000 शब्द, 55 इंटरैक्टिव चित्र और चलाने योग्य कोड है, और इसे पढ़ने का अनुमानित समय एक से दो दिन बताया गया है। यह टीमों के व्यावहारिक सवालों का अनुसरण करती है: कितने एक्सपर्ट हों, उनका आकार कितना हो, वे साझा हों या नहीं; कौन-सा राउटर चुना जाए और उसे FP32 में क्यों रखा जाए; लोड संतुलित करने के लिए सहायक लॉस इस्तेमाल किया जाए या DeepSeek की तरह लॉस के बिना बायस; किसी डेंस मॉडल से शुरुआत की जाए (upcycling) या शून्य से; लॉग में किसी त्रुटि के बिना प्रशिक्षण 25 गुना धीमा क्यों हो जाता है। अंतिम भाग मॉडल को सेवा के रूप में चलाने पर है: कम प्रिसिजन वाले एक्सपर्ट, एक्सपर्ट पैरेललिज़्म और attention-FFN को अलग-अलग चलाना।

🔗 MoE प्रशिक्षण की संपूर्ण मार्गदर्शिका (Hugging Face)

Perplexity के Agent API के सभी प्रयास स्तरों की लागत घटी, Perplexity के अनुसार गुणवत्ता समान या बेहतर

5 नवंबर — Perplexity ने अपने Agent API के सभी मौजूदा प्रयास स्तरों (effort levels) की प्रति अनुरोध लागत घटाई है। कंपनी के अनुसार खोज की गुणवत्ता समान या बेहतर है; लेख में ultra का भी विवरण दिया गया है, जिसे सबसे व्यापक खोजों के लिए उसी दिन उपलब्ध कराया गया। प्रयास स्तर एक तैयार कॉन्फ़िगरेशन है, जो किसी प्रकार के कार्य के लिए मॉडल, चरणों का बजट, खोज की सेटिंग और टूल तय करता है। किसी स्तर को उसके नाम से बुलाने वाला अनुरोध बिना कोड बदले अपडेट का लाभ पाता है; किसी संस्करण को पिन करने पर पुराना कॉन्फ़िगरेशन बना रहता है। स्कोर दो सार्वजनिक बेंचमार्क, BrowseComp और DSQA, तथा कई इकाइयों पर लंबी खोजों के लिए Perplexity के अपने बेंचमार्क WANDR के हैं।

प्रयास स्तर	प्रकाशित परिणाम	प्रकाशित लागत
medium	BrowseComp और DSQA पर 55 % से 77 %	लगभग 90 % कम
high, fetch_url से निष्कर्षण के साथ	88,0 %, बिना निष्कर्षण के 83,5 % के मुकाबले	प्रति अनुरोध 0,073 डॉलर बनाम 0,094
xhigh	WANDR पर 76,5 %, बरकरार	अगस्त वाले कॉन्फ़िगरेशन की लागत का लगभग 25 %
ultra	WANDR पर 85,9 %, जाँचा गया सर्वश्रेष्ठ स्कोर	प्रति कार्य 21,71 डॉलर

ultra स्तर पूरे कार्य पर तीन एजेंट समानांतर चलाता है, फिर चौथा उनके निष्कर्षों को जोड़कर उत्तर लिखता है। लेख में सुधार के तरीकों का विवरण है: बजट की याद दिलाने वाले संदेशों के साथ चरणों और टूल कॉल की अधिकतम सीमा (BrowseComp के एक कार्य में चेताया गया एजेंट 40 में से 13 चरणों में उत्तर खोज लेता है, जबकि दूसरा सभी 40 चरण खर्च करने पर भी उसे नहीं खोज पाता), एक छोटा मॉडल जो किसी पृष्ठ से केवल उपयोगी अंश रखता है (5 561 टोकन घटकर 293), ज़रूरत पड़ने पर लोड होने वाले स्किल, क्योंकि सब कुछ पहले से लोड करने पर लागत 13 % बढ़ती है, और मूल्यांकन का ऐसा चक्र जो नए मॉडल को तभी अपनाता है जब वह समान या कम लागत पर बेहतर प्रदर्शन करे। प्रत्येक स्तर के लिए मूल्य तालिका प्रकाशित नहीं की गई है।

🔗 Agent API के हर प्रयास स्तर में सुधार (Perplexity) · @perplexitydevs का थ्रेड

Perplexity Computer पृष्ठभूमि में अपनी लंबी बातचीत का सारांश बनाता है और Brain को सभी Projects के लिए उपलब्ध करता है

6 नवंबर — Perplexity ने 19 अक्टूबर के बाद अपना पहला उत्पाद चेंजलॉग प्रकाशित किया, जिसमें सोलह मदें हैं; इनमें से अधिकांश पहले घोषित सुविधाओं को दोहराती हैं, जैसे Teammates, Mac पर पूरी तरह स्थानीय रूप से चलने वाला Computer या वॉइस मोड, और सात नई हैं। Computer में नई लंबी बातचीत का इतिहास पृष्ठभूमि में संक्षिप्त होता है (background compaction): Perplexity के अनुसार लंबे संदर्भ पर काम जारी रखने के लिए 94 % कम विराम लगते हैं और प्रति टर्न 7 % कम क्रेडिट खर्च होते हैं। Computer से बनाई गई वेबसाइट में बदलाव करने के लिए अब आयत खींचने के बजाय किसी खास तत्व (शीर्षक, बटन, कार्ड, मेनू) को चुना जाता है।

Projects में, Project की स्मृति Brain हर Project में मुफ़्त सक्रिय है और उसकी बातचीत तथा फ़ाइलों से हर दिन अपडेट होती है; Project info पैनल और एकीकृत Settings पैनल सभी के लिए उपलब्ध हो रहे हैं। Enterprise में @mentions वेब पर किसी सहकर्मी को थ्रेड या Computer कार्य में लाते हैं, और भूमिका के अनुसार नियंत्रण पहले से उपलब्ध प्रयास सेटिंग में गति की अधिकतम सीमा (Normal या Fast) जोड़ते हैं। इंटरफ़ेस के पदानुक्रम, सुलभता, अनुकूलनशील व्यवहार (responsive) और डिज़ाइन सिस्टम की एकरूपता की जाँच करने वाला Impeccable स्किल आधिकारिक सूची में शामिल हो गया है। चेंजलॉग अंत में स्पष्ट करता है कि Agent Plugins व्यक्तिगत प्लान और स्वयं सेवा वाले Enterprise के लिए उपलब्ध हैं, और Mac ऐप के संस्करण 26.42.0 से Computer पूरी तरह स्थानीय रूप से चलता है। प्रयास स्तरों की लागत में कमी का भी इसमें ज़िक्र है, जिसका विवरण पिछले अनुभाग में दिया गया है।

🔗 6 नवंबर का Perplexity चेंजलॉग

आवाज़: Gradium का Phonon डिवाइस पर चलता है, ElevenLabs ने Unity के किरदारों को आवाज़ दी

Gradium ने अपने खुले वज़न वाले, डिवाइस पर चलने वाले वाक् संश्लेषण मॉडल Phonon का विवरण दिया

5 नवंबर — Hugging Face के ब्लॉग पर एक लेख में Gradium ने दो हफ़्ते पहले सार्वजनिक किए गए Phonon का विवरण दिया: यह एक वाक् संश्लेषण मॉडल है जो फ़ोन से लेकर ब्राउज़र टैब और एकल-बोर्ड कंप्यूटर तक, बिना सर्वर या नेटवर्क के पूरी तरह डिवाइस पर चलता है। Phonon लगभग 65 और 75 Mo के दो आकारों में उपलब्ध है और फ़ोन नंबर, तारीखों और कोड को संभालता है। इसमें 100 से अधिक आवाज़ें शामिल हैं, और Gradium Studio में दूसरी आवाज़ें भी बनाई जा सकती हैं: व्यक्ति की सहमति से उसकी छोटी रिकॉर्डिंग की क्लोनिंग करके या लिखित विवरण से, जिसके बाद उन्हें स्थानीय रूप से चलाने के लिए डाउनलोड किया जाता है।

Phonon मॉडल	समर्थित भाषाएँ	उपयोग का लाइसेंस
Phonon 31m	अंग्रेज़ी	Apache 2.0, व्यावसायिक उपयोग की खुली अनुमति
Phonon 40m	अंग्रेज़ी, फ़्रांसीसी, जर्मन, स्पेनी, पुर्तगाली	CC BY-NC, उपयोगकर्ताओं की संख्या के अनुसार सशुल्क व्यावसायिक उपयोग

Gradium के अनुसार, Hugging Face के Open TTS Leaderboard पर Phonon जर्मन और स्पेनी में बोधगम्यता के मामले में पहले स्थान पर है और मूल्यांकन की गई हर भाषा में शीर्ष तीन में शामिल है, जबकि उसका मुकाबला 100 गुना तक बड़े मॉडलों से है; पहली ध्वनि आने तक के समय के मामले में वह प्रोसेसर पर स्ट्रीमिंग बेंचमार्क में भी सबसे आगे है। Gradium ने दो हफ़्तों में 200 000 से अधिक डाउनलोड का दावा किया है। इसके इन्फ़रेंस इंजन ptts में दस से अधिक बैकएंड हैं (प्रोसेसर, CUDA, Vulkan, Metal या WebGPU के ज़रिए GPU, Core ML और Snapdragon चिप), और Transformers ने इसे v5.21 से शामिल किया है।

🔗 Phonon (Hugging Face ब्लॉग)

ElevenLabs ने ElevenAgents के ज़रिए गेम के किरदारों को आवाज़ देने के लिए Unity SDK जारी किया

5 नवंबर — ElevenLabs ने अपने वॉइस एजेंट प्लेटफ़ॉर्म ElevenAgents के लिए Unity SDK प्रकाशित किया। यह गेम के दृश्य को ElevenLabs के डैशबोर्ड में बनाए गए एजेंट से जोड़ता है: खिलाड़ी किसी किरदार के पास जाकर उससे बोलता है, SDK माइक्रोफ़ोन से आवाज़ लेता है, Unity के AudioSource से एजेंट की आवाज़ बजाता है और Conversation API से सत्र संभालता है। आवाज़ किरदार से आ सकती है और उसकी ध्वनि के स्तर के अनुसार मुँह की हलचल हो सकती है; डायनेमिक वेरिएबल कई किरदारों को अलग-अलग मनोदशाओं के साथ एक ही एजेंट साझा करने देते हैं; संदर्भ का अपडेट एजेंट को बिना बाधित किए गेम की किसी घटना, जैसे चाबी उठाए जाने, की सूचना देता है; क्लाइंट टूल उसे गेम का कोड चलाने देते हैं, जैसे कोई दरवाज़ा खोलना।

लक्षित प्लेटफ़ॉर्म	SDK की स्थिति	इस्तेमाल किया गया ट्रांसपोर्ट
एडिटर और डेस्कटॉप (macOS, Windows, Linux)	समर्थित	WebSocket
WebGL	समर्थित	WebSocket या WebRTC
iOS, Android, XR	बीटा	WebSocket

इंस्टॉलेशन Unity के Package Manager से होता है, जिसमें ElevenLabs की git रिपॉज़िटरी को v0.1.0 पर पिन किया जाता है (यह संस्करण 27 अक्टूबर को GitHub पर प्रकाशित हुआ, MIT लाइसेंस के तहत), और GettingStarted उदाहरण को शुरू करने में लगभग दस मिनट लगने की बात कही गई है। ElevenLabs प्रकाशन से पहले प्रमाणीकरण दोबारा सक्रिय करने की याद दिलाता है: एक सर्वर को कम अवधि के लिए मान्य हस्ताक्षरित URL देना चाहिए, और API कुंजी कभी भी बिल्ड में नहीं होनी चाहिए। किसी अलग कीमत की घोषणा नहीं की गई है।

🔗 ElevenAgents से अपने Unity के गैर-खिलाड़ी किरदारों को आवाज़ दें (ElevenLabs) · elevenlabs/unity रिपॉज़िटरी

Ai2 ने रोबोट के सीखने का अध्ययन करने के लिए अपने पहले FoundationWorlds, ToyBlocks, को आधिकारिक रूप से पेश किया

6 नवंबर — Ai2 ने ToyBlocks को आधिकारिक रूप से पेश किया, जिसका कोड और डेटा पिछले दिन से ऑनलाइन था। संस्थान इसे एक व्यापक ढाँचे, आधारभूत संसारों (FoundationWorlds), का हिस्सा बताता है: एक नियंत्रित सिमुलेटेड संसार, कार्यों और प्रदर्शनों का स्वचालित निर्माण, और समय के साथ रोबोट के व्यवहार पर नज़र रखने वाले माप, ताकि डेटा या मॉडल में बदलाव किया जा सके, किसी परीक्षण को दोबारा चलाया जा सके और विफलता के कारण तक पहुँचा जा सके। इसमें प्रदर्शन बिना दूरस्थ संचालन के तैयार होते हैं, एक GPU पर वास्तविक समय से 24 गुना तक तेज़ गति से। शुरुआती परिणाम वास्तविक दुनिया में स्थानांतरण और अग्रणी एजेंटों से जुड़े हैं:

Ai2 द्वारा प्रकाशित मूल्यांकन	प्राप्त परिणाम
ManiFlow के बुनियादी कौशल, सिमुलेशन में और वास्तविक रोबोट पर	80,0 % और 81,1 %
Molmo 2 + ManiFlow, सिमुलेशन में और वास्तविक रोबोट पर	55,5 % (200 में से 111) और 50,0 % (30 में से 15)
MCP के ज़रिए Claude Opus 5.5, खोजने और वर्तनी बनाने के कार्य (search and spell)	63 % हल किए गए या सही तौर पर असंभव बताए गए
कौशलों के डिफ़ॉल्ट, मानव विशेषज्ञ द्वारा दिए गए और सीखे गए विवरण	24 %, 36 % और 63 % सफलता
पारंपरिक योजना निर्माण में Claude Opus 5.5	एक के ऊपर एक रखने के 30 में से 30 कार्य

खोजने और वर्तनी बनाने वाले कार्यों में आधे दृश्य असंभव हैं, और त्रुटियाँ मुख्यतः मिलते-जुलते अक्षरों (13 %) या गलत दिशा (15 %) के कारण होती हैं। Ai2 स्पष्ट करता है कि सांख्यिकीय भरोसे के लिए वास्तविक रोबोट पर और परीक्षण ज़रूरी हैं। एक वेब इंटरफ़ेस Claude या किसी अन्य अग्रणी मॉडल के साथ प्राकृतिक भाषा में रोबोट को निर्देश देने देता है, और सहायक रिपॉज़िटरी allenai/agentic_robotics में MCP द्वारा संचालित एजेंटिक लूप Apache-2.0 लाइसेंस के तहत प्रकाशित है।

🔗 ToyBlocks (Hugging Face पर Ai2 का ब्लॉग) · allenai/agentic_robotics रिपॉज़िटरी

GitHub ने Copilot Verified Proficiency पेश किया, Copilot के वास्तविक उपयोग के आधार पर तय होने वाला दक्षता स्तर

6 नवंबर — GitHub, Copilot Verified Proficiency को प्रमुखता से प्रस्तुत कर रहा है। यह Microsoft और GitHub की साझा कौशल मान्यता (प्रमाण-पत्र) का एक नया रूप है, जो Microsoft Pro Badge से जुड़ा है। किसी परीक्षा के बजाय, टेलीमेट्री के आधार पर Copilot से वास्तव में किए गए कार्यों से इस स्तर की लगातार गणना की जाती है। इसमें गतिविधि की मात्रा के बजाय उपयोग के विस्तार, गहराई और निरंतरता को देखा जाता है। पाँच कौशलों का मूल्यांकन किया जाता है: एआई के साथ सहयोग, प्रॉम्प्ट लेखन, कोड बनाना और उसकी पुष्टि करना, एजेंटों का कॉन्फ़िगरेशन, तथा टूल और संदर्भ का एकीकरण। तीन स्तर उपलब्ध हैं (Beginner, Intermediate, Proficient), जबकि Advanced और Expert पर काम चल रहा है; Proficient स्तर पर साझा किया जा सकने वाला Pro Badge मिलता है, जो स्तर बनाए न रखने पर छह महीने बाद समाप्त हो जाता है, और Copilot का उपयोग न करने पर स्तर घटता है।

भागीदारी स्वैच्छिक है, नतीजे डिफ़ॉल्ट रूप से निजी रहते हैं और स्वेच्छा से साझा किए बिना नियोक्ता या संगठन उन्हें नहीं देख सकते; मूल्यांकन तालिकाएँ और एल्गोरिदम स्वामित्वाधीन रहते हैं। Enterprise Managed Users और डेटा रेज़िडेंसी वाले GitHub Enterprise Cloud खातों का समर्थन नहीं किया जाता। उपलब्धता की स्थिति अब भी अस्पष्ट है: बिना तारीख वाला पृष्ठ अपना स्तर गणना करने का विकल्प देता है, लेकिन उसके FAQ में आमंत्रित साझेदारों के साथ चल रहे निजी पूर्वावलोकन का उल्लेख है।

🔗 Copilot Verified Proficiency (GitHub Learn) · X पर @github की घोषणा

NVIDIA ने पाँच शोध परियोजनाओं के साथ अपने ओपन सोर्स 5G/6G टूल Aerial और Sionna की बढ़ती लोकप्रियता के आँकड़े पेश किए

6 नवंबर — अपने वायरलेस सॉफ़्टवेयर Aerial का कोड खोलने के एक साल बाद, NVIDIA ने सोम वेलायुधम के लिखे एक लेख में प्रगति का विवरण दिया है। Aerial, 6G शोध के लिए टूलों के एक समूह में Sionna के साथ शामिल हुआ था। NVIDIA के अनुसार, डेवलपरों द्वारा AI Aerial और Sionna को अपनाया जाना एक साल में दस गुना बढ़ा है, उसके ओपन सोर्स 5G/6G टूलों के डाउनलोड दस लाख से अधिक हो चुके हैं और 8 000 से अधिक शोध संस्थान तथा विश्वविद्यालय उनका उपयोग करते हैं। लेख में किसी उत्पाद की घोषणा नहीं की गई है और इन उपयोगों को पाँच परियोजनाओं के ज़रिए दिखाया गया है:

शोध टीम	बताया गया परिणाम	मापन की परिस्थितियाँ
King’s College London	रोबोटिक कार्यों के निष्पादन का समय 52,6 % तक घटा	पूरी छवियों के बजाय वस्तुओं का संक्षिप्त विवरण, जानबूझकर पैदा की गई विफलताएँ
SoftBank	जाँची गई सभी 15 सेटिंग में अधिक अपलोड गति, लगभग 60 % का अधिकतम सुधार	Aerial CUDA-Accelerated RAN में न्यूरल रिसीवर, बाज़ार में उपलब्ध 5G स्मार्टफ़ोन, नियंत्रित व्यवधान
ETH Zurich	ब्लॉक त्रुटि दर में एक तिहाई से अधिक की कमी	चुने गए पूर्व-प्रशिक्षित संस्करणों की तुलना में स्थानीय मापों पर समायोजित रिसीवर
लीड्स विश्वविद्यालय	रेडियो एक्सेस नेटवर्क की ऊर्जा खपत 45,6 % घटी	पूरी शक्ति पर चलने वाले आधार मान की तुलना में बेस स्टेशनों को स्लीप मोड में डालने का 10 मिनट पहले पूर्वानुमान
CTTC (कातालोनिया)	सिमुलेशन का समय लगभग 3 घंटे से घटकर 10 से 20 मिनट हुआ	प्रारंभिक मूल्यांकन, ओपन सोर्स सिमुलेटर 5G-LENA में GPU पर चैनल मॉडल

लेख GTC Washington, D.C. के 6G डेवलपर सत्रों के लिंक देता है और याद दिलाता है कि Aerial और Sionna, GitHub पर उपलब्ध हैं।

🔗 NVIDIA के ओपन सोर्स टूल शोधकर्ताओं को अगली पीढ़ी के 6G नेटवर्क बनाने में कैसे मदद कर रहे हैं (NVIDIA)

संक्षिप्त समाचार

एजेंट और कोडिंग टूल

Claude Code के क्लाउड सत्र — Pro, Max और Ultra योजनाओं पर Claude खुद तय करता है कि किसी रिपॉज़िटरी को किन निर्भरताओं, नेटवर्क पहुँच और API कुंजियों की ज़रूरत है, फिर अगले सत्रों के लिए उस परिवेश को सहेज लेता है; @ClaudeDevs के अनुसार, कुंजियाँ इस तरह रखी जाती हैं कि Claude उन्हें देख नहीं सकता। घोषणा केवल एक ट्वीट में है, कोई लेख या दस्तावेज़ नहीं है। 🔗 स्रोत
Amp का फ़ीडबैक विजेट — एक स्क्रिप्ट टैग जोड़ने और फिर पृष्ठ के पते के अंत में ?amp लगाने से साइट के किसी तत्व पर क्लिक करके निर्देश लिखा जा सकता है: Amp परियोजना में एक संवाद शुरू करता है और एजेंट रिपॉज़िटरी की एक प्रति पर, एक ऑर्ब में बदलाव करता है। यह केवल कार्यक्षेत्र की परियोजनाओं के लिए उपलब्ध है; शुल्क नहीं बताया गया है। 🔗 स्रोत
Gemini CLI — वर्कफ़्लो विफल होने के कारण 5 और 6 नवंबर को कोई नाइटली संस्करण प्रकाशित नहीं हुआ, लेकिन Gemini CLI ने 6 नवंबर को main में लगभग एक दर्जन कमिट मर्ज किए: अलग theme.json फ़ाइल में रंग थीम, /model में मॉडल नामों की जाँच, ACP मोड में कोटा के लिए कई घंटे के इंतज़ार और बिना सूचना के नेटवर्क अटकने की समस्या का समाधान। इनमें से कुछ भी अभी किसी जारी संस्करण में नहीं है। 🔗 स्रोत
Qwen Code v0.26.9 — स्किल ZIP आर्काइव से स्थापित की जा सकती हैं (Web Shell, डेमन या TypeScript SDK के ज़रिए) और एक अनुरोध से अधिकतम 100 स्किल सक्रिय या निष्क्रिय की जा सकती हैं; Managed Agent का स्वचालन डिफ़ॉल्ट रूप से सक्रिय है और छवि इनपुट का समर्थन Llama 4, Pixtral और Mistral Small तक बढ़ाया गया है। पिछली संगतता तोड़ने वाला कोई बदलाव नहीं है। 🔗 स्रोत
Kimi Code 2.5.2 — तीन सुधार: MCP टूल की परिभाषाएँ बदलने पर टूल घोषणाओं का दोहराव, सत्र के दौरान मार्गदर्शन संदेशों का गलती से कतार में लगना, और वेब इंटरफ़ेस HTTP पर चलने पर परियोजना बनाने की समस्या। 🔗 स्रोत
ZCode v3.17.2 — 4 नवंबर को, बिना रिलीज़ नोट्स के, Z.ai के कोड कार्यक्षेत्र ने अपने अंतर्निहित ब्राउज़र में स्थानीय HTML फ़ाइलों का पूर्वावलोकन उनके फ़ोल्डर तक सीमित zcode-html:// पते के ज़रिए दिखाना शुरू किया: Electron डिफ़ॉल्ट रूप से किसी file:// पृष्ठ को दूसरी फ़ाइलें पढ़ने देता है। 🔗 स्रोत
कोडिंग एजेंटों का बेड़ा — टोनी ज़ी सात मशीनों पर एक ही परिवार के कोडिंग एजेंटों के 103 दिनों के उपयोग का आकलन करते हैं: कोई समन्वय प्रोटोकॉल अपने सभी सुरक्षा अपरिवर्तनीय नियमों का पालन करने के बावजूद छोड़ा जा सकता है। उन्होंने LLM के बिना चलने वाला अपना सहमति इंजन claw-consensus और उसके उपयोग में भारी गिरावट दिखाने वाली टेलीमेट्री प्रकाशित की है। 🔗 स्रोत

API, प्लेटफ़ॉर्म और सुरक्षा

GPT-Live की आउटगोइंग कॉल — 2 नवंबर को OpenAI ने सभी संगठनों के लिए Live API के ज़रिए SIP पर GPT-Live की आउटगोइंग फ़ोन कॉल उपलब्ध कराईं: E.164 प्रारूप में नंबर, दूरसंचार ऑपरेटर का ट्रंक, TLS सिग्नलिंग और SRTP ऑडियो, घंटी बजने की सीमा 3 मिनट और कॉल की सीमा 2 घंटे; शुल्क नहीं बताया गया है। 🔗 स्रोत
OpenAI की Agents API — OpenAI में उत्पाद की ज़िम्मेदारी संभालने वाले माइकल लुओ ने अक्टूबर की प्रगति का विवरण दिया है, जिसका अधिकांश हिस्सा पहले ही कवर किया जा चुका है, और अनुरोध पर पाँच बीटा सुविधाएँ देने की पेशकश की है: सत्रों के बीच स्मृति, एजेंटों की Decisions API तक पहुँच, डॉलर में बजट सीमा, परिवेशों का पूल और v2 आर्किटेक्चर। 🔗 स्रोत
gemini-embedding-2-preview — Gemini API इस मॉडल को अप्रचलित कर रही है: 6 नवंबर से इसके अनुरोध Gemini Embedding 2 की दर पर gemini-embedding-2 की ओर भेजे जा रहे हैं, स्कीमा और एम्बेडिंग स्पेस समान हैं; दोबारा इंडेक्स बनाए बिना केवल मॉडल का नाम बदलना पर्याप्त है। 🔗 स्रोत
Copilot के उपयोग के मेट्रिक्स — API अब हर रिपॉज़िटरी के लिए यह मापती है कि Copilot code review की कितनी टिप्पणियों पर डेवलपरों ने कार्रवाई की, और इसे गंभीरता, समीक्षा स्तर तथा टिप्पणी के प्रकार के अनुसार बाँटती है। यह उन उपयोगकर्ताओं की भी पहचान करती है जिनकी टेलीमेट्री उपलब्ध नहीं है या जिनके IDE और एक्सटेंशन न्यूनतम आवश्यक संस्करणों से पुराने हैं। 🔗 स्रोत
OpenAI और Hacktron — OpenAI अपने सिस्टम में, विशेष रूप से तृतीय-पक्ष सेवाओं के साथ उनके संपर्क में, कमज़ोरियाँ खोजने के लिए Hacktron के साथ साझेदारी कर रहा है। Hacktron की पहचान उसके कमज़ोरियाँ खोजने पर इनाम देने वाले कार्यक्रम के ज़रिए हुई थी। OpenAI, Daybreak Red के माध्यम से अग्रणी मॉडलों तक उसकी पहुँच भी बढ़ा रहा है; कोई राशि नहीं बताई गई है। 🔗 स्रोत
Transformers v5.22.2 — Hugging Face का यह अंतरिम सुधार Jinja सैंडबॉक्स की सुरक्षा मज़बूत करता है और अब device_id को केवल NCCL के लिए सेट करता है; रिलीज़ नोट्स में किसी सुरक्षा परामर्श का उल्लेख नहीं है। 🔗 स्रोत

कंपनियाँ और शिक्षा

ऑस्ट्रेलियाई विश्वविद्यालय — 5 नवंबर को OpenAI ने UNSW Sydney (80 000 से अधिक छात्रों और कर्मचारियों के लिए ChatGPT Edu), सिडनी विश्वविद्यालय, La Trobe और Adelaide University के साथ अपने सहयोग का विवरण दिया; OpenAI द्वारा कराए गए 1 018 छात्रों के Pureprofile सर्वेक्षण में 81 % ने बताया कि वे हफ़्ते में कई बार एआई का उपयोग करते हैं। 🔗 स्रोत
Cult.fit और Codex — 5 नवंबर को OpenAI के एक केस अध्ययन में बताया गया कि भारत की यह जिम शृंखला अपनी इंजीनियरिंग को Codex पर मानकीकृत कर रही है: गैर-तकनीकी टीमों ने 20 से अधिक आंतरिक एप्लिकेशन बनाए, सॉफ़्टवेयर पर सालाना 100 000 डॉलर से अधिक की बचत हुई और ग्राहक सहायता की लागत 50 % से अधिक घटी। 🔗 स्रोत
Merge और GPT-6 Astra — 5 नवंबर को स्टार्टअप Merge ने बताया कि Salesforce, Gong, Google Sheets और Gmail से जुड़ा GPT-6 Astra पर चलने वाला बॉट ग्राहक रात्रिभोज की तैयारी में लगने वाला समय दर्जनों घंटों से घटाकर लगभग 30 मिनट कर देता है; कंपनी दूसरी तिमाही के 8 रात्रिभोज से तीसरी तिमाही में 16 तक पहुँची। 🔗 स्रोत
Franklin Templeton — 5 नवंबर को संपत्ति प्रबंधक ने जुड़ी हुई इंटेलिजेंस परत का वर्णन किया, जिसे अन्य टूलों के साथ Codex का उपयोग करके बनाया गया है। यह उसके पोर्टफ़ोलियो प्रबंधकों के लिए शोध, जोखिम, अनुपालन और ट्रेडिंग को जोड़ती है; परिणामों के कोई आँकड़े नहीं दिए गए हैं। 🔗 स्रोत
Flipsnack और ChatGPT Ads — 5 नवंबर को प्रकाशित इस ग्राहक अनुभव के अनुसार, अमेरिका के पाँच अभियानों को क्लिक से रूपांतरण अनुकूलन पर ले जाने के बाद, दैनिक बजट समान रखते हुए पंजीकरण लगभग 310 % बढ़े और प्रति पंजीकरण लागत लगभग 75 % घटी। 🔗 स्रोत
Box और NVIDIA — 5 नवंबर को BoxWorks 2026 में Box ने Box AI के Enterprise Advanced ग्राहकों के लिए Nemotron के खुले मॉडल उपलब्ध कराए, जिसकी शुरुआत Nemotron 3 Ultra से हुई। Nemotron Retriever पर बना Box Context Retrieval अगले साल की शुरुआत में आने की उम्मीद है और Box के अनुसार, यह खोज की सटीकता 20 % बढ़ा सकता है तथा 90 % कम टोकन इस्तेमाल कर सकता है। 🔗 स्रोत

Google के एप्लिकेशन

Gemini Notebook के फ़्लैशकार्ड — कार्ड में अब छवियाँ जोड़ी जा सकती हैं, वैकल्पिक टाइमर से अपनी याद रखने की क्षमता जाँची जा सकती है और मोबाइल एप्लिकेशन में पढ़ाई के रिमाइंडर तय किए जा सकते हैं; देशों या योजनाओं का विवरण नहीं दिया गया है। 🔗 स्रोत
Google Forms में Gemini — उत्तर टैब में Gemini, Python कोड लिखकर और चलाकर उत्तरों का विश्लेषण करता है, रुझान तथा सहसंबंध पहचानता है और फिर कार्रवाई सुझाता है; पात्र Business, Enterprise और Education योजनाओं तथा Google AI के ग्राहकों के लिए इसे उपलब्ध कराने की प्रक्रिया Rapid Release में 2 नवंबर को शुरू हुई और Scheduled Release में 19 नवंबर को शुरू होगी। 🔗 स्रोत

आवाज़, संगीत और छवियाँ

Open ASR Leaderboard — Hugging Face की वाक् पहचान रैंकिंग में Liva AI के दो निजी परीक्षण डेटासेट जोड़े गए हैं, जिनमें मिस्री लहजे वाली बोलचाल की अंग्रेज़ी (1,34 घंटे) और नाइजीरियाई लहजे वाली अंग्रेज़ी (1,55 घंटे) शामिल हैं। साथ ही, काचरू के वृत्तों से प्रेरित वर्गीकरण जोड़ा गया है; किसी मॉडल का परिणाम नहीं दिया गया है। 🔗 स्रोत
लेबनानी बोली — 5 नवंबर को आए पहले भाग के बाद, अपनी शृंखला के दूसरे भाग में बिलाल ज़राकेत ने वाक् डेटा बनाने से पहले तीन मूल वक्ताओं से सत्यापित लेबनानी शब्दकोश तैयार किया (429 प्रविष्टियाँ): सुधार की ज़रूरत वाले वाक्यों का हिस्सा 22 % से घटकर 4 % रह गया, जो पहले से तय 5 % की सीमा से कम है। 🔗 स्रोत
ElevenMusic और SoundCloud — ElevenLabs अपने संगीत प्लेटफ़ॉर्म को SoundCloud से जोड़ रहा है: मौलिक संगीत रचना सीधे कलाकार की प्रोफ़ाइल पर विवरण, शैली और टैग के साथ भेजी जाती है। SoundCloud Artist Pro के सदस्यों को ElevenMusic के तीन महीने मुफ़्त मिलते हैं, फिर शुल्क 9,99 डॉलर प्रति माह है; यह पेशकश 31 अक्टूबर 2027 तक मान्य है। 🔗 स्रोत
Ads Engine — ElevenLabs ने दृश्यों, Google Search विज्ञापनों और डब किए गए वीडियो के लिए वैकल्पिक मानवीय समीक्षा जोड़ी है, जिसे ElevenProductions के भाषाविद् और स्थानीयकरण पेशेवर तथा आंतरिक रचनात्मक विशेषज्ञ करते हैं; पहुँच बिक्री टीम के ज़रिए मिलती है, शुल्क या समयसीमा नहीं बताई गई है। 🔗 स्रोत
Suno का Daily Song Challenge — iOS और Android एप्लिकेशन हर दिन गीत बनाने के लिए एक निर्देश देते हैं, जिसे रचना बनाने से पहले बदला जा सकता है, और गीतों को लाइब्रेरी के कैलेंडर में व्यवस्थित करते हैं; यह सभी योजनाओं पर उपलब्ध है। 🔗 स्रोत
Runway और GPT Image 2.6 — Runway ने OpenAI का छवि मॉडल जोड़ा है, जिसे 50 % अधिक तेज़ बताया गया है। इसमें GIF, SVG निर्यात और ऐसे संपादन शामिल हैं जो पात्रों तथा उत्पादों की एकरूपता बनाए रखते हैं; मॉडल का संस्करण या क्रेडिट में लागत नहीं बताई गई है। 🔗 स्रोत

शोध, रोबोटिक्स और मॉडल

वैज्ञानिक मॉडल — Anthropic के Science ब्लॉग ने याकोब माके, डैनियल गेडोन और स्टेफ़ान वाल (ELLIS Institute Tübingen) का एक अतिथि निबंध प्रकाशित किया है। यह वैज्ञानिक मॉडल बनाने, उन पर बाधाएँ लागू करने और उनकी व्याख्या करने वाली एआई पर केंद्रित है, जिसमें हॉजकिन और हक्सले के मॉडल से लेकर सिमुलेशन आधारित अनुमान तक शामिल हैं। 🔗 स्रोत
SuperCLUE रैंकिंग — VIDRAFT की एक सामुदायिक पोस्ट नवंबर की रैंकिंग (19 मॉडल) प्रस्तुत करती है: GPT-6.1-Sol एजेंट आधारित कोडिंग में आगे है (69,23) और DeepSeek-V4.1-Flash-1017 इस श्रेणी में खुले मॉडलों में पहले स्थान पर है (65,38), जबकि खुले मॉडलों में Kimi-K3.1-Pro का समग्र स्कोर सबसे अच्छा है। 🔗 स्रोत
LingYu Robotics — कंपनी ने रोबोट के दृष्टिकोण से फ़िल्माए गए दोनों हाथों के दूरस्थ संचालन के 139,4 घंटे और 13 263 सफल एपिसोड प्रकाशित किए हैं। इनमें 15 कार्य श्रेणियाँ शामिल हैं और ये LeRobot प्रारूप में गैर-वाणिज्यिक लाइसेंस के तहत उपलब्ध हैं। 🔗 स्रोत
Egocentric-EMG-Force — हरप्रीत सहोता ने FiftyOne के लिए डेप्थ कैमरे से फ़िल्माए गए घरेलू कामों के आठ एपिसोड और 38,2 मिनट की सामग्री रूपांतरित की है। हर कलाई पर लगा EMG ब्रेसलेट अग्रबाहुओं की मांसपेशियों के संकेत दर्ज करता है। 🔗 स्रोत
Qwen की झलक — Qwen के आधिकारिक खाते ने एक छोटा रहस्यमय संदेश प्रकाशित किया है, जिसमें ऐसी छवि है जिसके चीनी लेख में एक नाम की जगह खाली छोड़ी गई है। इसमें मॉडल का नाम, तारीख या लिंक नहीं है; दिन भर में इसे 13 लाख से अधिक बार देखा गया। 🔗 स्रोत

इसका क्या अर्थ है

एआई अब निगरानी और मापन के साथ किए जाने वाले अनुसंधान में प्रवेश कर रही है। Google DeepMind के एजेंटों ने Inria के शोधकर्ताओं के साथ मानवीय निगरानी में, एक अलग-थलग सिमुलेशन में, पहले ही उपयोग से हटाई जा चुकी RSA 1024 बिट प्रणाली और पहले से हल की जा चुकी एक संदर्भ कुंजी पर काम किया : लगभग 1 600 गुना सैद्धांतिक बढ़त 2048 बिट की कुंजियों के लिए खतरा नहीं है, लेकिन यह याद दिलाती है कि कठिनाई के बारे में कोई धारणा हमेशा के लिए पक्की नहीं मानी जा सकती। BioBasicsBench और TCSExam भी इसी अनुशासन का पालन करते हैं : OpenAI स्वयं GPT-6 Astra की त्रुटियाँ प्रकाशित करती है, जिनमें कॉलोनियों की संख्या लगभग 12 % अधिक आँकना शामिल है, और TCSExam हर कार्य की जाँच Lean के कर्नेल या चलाए जा सकने वाले सत्यापन प्रोग्राम से कराता है, जबकि कोई भी अनसुलझी गणितीय परिकल्पना हल नहीं हुई है। Frontier Model Forum जोखिम पर भी यही तर्क लागू करता है और एक साझा मूल्यांकन ढाँचे से तय करता है कि किन साइबर जेलब्रेक को पहले ठीक किया जाए।

मॉडल के आसपास की व्यवस्था किसी एजेंट की सफलता को अधिकाधिक तय कर रही है। Anthropic में Mt. Moon के बारे में एक ही गलत नोट Pokémon का खेल तब तक रोक देता है, जब तक ड्रीमिंग उसे सुधार नहीं देती, और नियमित रूप से अद्यतन की गई विकी हर प्रश्न पर लगभग 20 000 टोकन बचाती है। Google में एक पुराना TODO ही किसी एजेंट को भटकाने के लिए पर्याप्त है : बिना माँगा गया एक अतिरिक्त काम सत्र में चरणों को 70 %, टोकन को 77 % और प्रतीक्षा को 105 % बढ़ा देता है, यहाँ तक कि Google ने अपने कोडबेस साफ़ करने के लिए एजेंट तैनात किए हैं। हार्नेस अडैप्टर इस समस्या को प्रशिक्षण के माध्यम से हल करने की कोशिश करते हैं, जिसमें हर हार्नेस के लिए एक LoRA समान सटीकता पर टूल कॉल घटाता है, और Perplexity के उपाय भी इसी तरह के हैं : बजट की याद दिलाना, पृष्ठों से सामग्री निकालना और ज़रूरत पड़ने पर स्किल लोड करना।

कोड लिखने वाले एजेंटों का इंटरफ़ेस बदल रहा है। उनसे बोला जा सकता है, जैसे Cursor की वॉइस चैट में, जो सुनने वाले एजेंट को कोड लिखने वाले एजेंट से अलग रखती है ; उन्हें काम का संगठन सौंपा जा सकता है, जैसे Amp के एक स्पेस में, जो स्वयं थ्रेड शुरू करता है और सुरक्षा समीक्षा को 16 क्षेत्रों तक में बाँट देता है ; उन्हें हर जगह जोड़ा जा सकता है, क्योंकि ACP, Antigravity CLI को किसी भी संगत एडिटर का एजेंट बना देता है, खाते के सभी मॉडलों के साथ। साथ ही रिलीज़ चक्र छोटे हो रहे हैं (Claude Code 2.1.319 के लिए 146 प्रविष्टियाँ, Copilot CLI 1.0.106 के लिए 637, Codex CLI 0.167.0 के लिए 120 PR), और एजेंट को क्या करने की अनुमति है, इस पर नियंत्रण अधिक सूक्ष्म हो रहा है, Claude Code के बिना पुष्टि माँगे अस्वीकार करने से लेकर Codex के prompt-user नियमों तक।

लागत और पहुँच भी बदल रही हैं। Perplexity अपने medium स्तर को लगभग 90 % सस्ता बनाते हुए उसका प्रदर्शन 55 % से 77 % तक बढ़ाता है, और हर Project में Brain को निःशुल्क सक्रिय करता है। Phonon बिना सर्वर के डिवाइस पर ही वाक् संश्लेषण चलाता है, लगभग 65 और 75 मेगाबाइट के मॉडलों के साथ, जिनमें Apache 2.0 लाइसेंस के अंतर्गत एक अंग्रेज़ी संस्करण भी है। Meta, Muse Wonder की क्षमताएँ ऐसे विशेषीकृत मॉडलों में पहुँचा रहा है जिन्हें Muse और Meta AI के उपयोगकर्ताओं के लिए तैनात किया गया है, और Hugging Face, 800 000 GPU-घंटों के व्यय से हासिल MoE प्रशिक्षण की व्यावहारिक विशेषज्ञता सभी के लिए उपलब्ध करा रहा है।

इस अंक की कंपनियाँ