OpenAI ने Codex के हार्नेस को अपने Agents SDK के पूर्वावलोकन में जोड़ा, Shruti में 22 भारतीय भाषाएँ शामिल और HeliosLM का लक्ष्य ताइवान

OpenAI ने Python और JavaScript के लिए अपने Agents SDK के दो अल्फ़ा पूर्वावलोकन जारी किए हैं, जिनमें Codex का हार्नेस अंतर्निहित इंजन के रूप में शामिल है: बातचीत का भंडारण, उपयोग की सीमाएँ, A2A के ज़रिए एजेंटों के बीच संवाद और Python में तर्क करने के प्रयास का बढ़ा हुआ डिफ़ॉल्ट स्तर। इस रविवार की बाकी ख़बरें संक्षेप में हैं: Devin के संस्करण नोट्स, GitHub Agentic Workflows के दो पूर्वावलोकन, Antigravity और Gemini CLI के सुधार, Qwen Code का डेस्कटॉप एप्लिकेशन, फिर Hugging Face पर सामुदायिक लेखों की एक शृंखला, जिसमें ताइवान और भारत की 22 आधिकारिक भाषाओं के लिए खुले वॉइस मॉडल और तुर्की भाषा की अतिरिक्त लागत का मापन शामिल है।

OpenAI ने Codex के हार्नेस को अपने Agents SDK में जोड़ा: A2A, उपयोग बजट और बातचीत के भंडारण वाले दो अल्फ़ा पूर्वावलोकन

8 नवंबर — OpenAI ने अपने Agents SDK के दो अल्फ़ा पूर्वावलोकन जारी किए हैं: Python के लिए v0.24.0-alpha.7 और JavaScript के लिए v0.22.0-alpha.2। 3 नवंबर को शुरू हुई इस शृंखला में Codex का हार्नेस अंतर्निहित इंजन के रूप में शामिल है; पुराना इंजन « Classic » के रूप में उपलब्ध बना हुआ है। Python का पूर्वावलोकन GitHub Releases के ज़रिए वितरित किया जाता है, PyPI के ज़रिए नहीं।

इन संस्करणों में एप्लिकेशन की ओर बातचीत का भंडारण, होस्ट किए गए FileSearch, CodeInterpreter और ImageGeneration टूल, RunBudget के तहत उपयोग की सीमाएँ (अनुरोध, टोकन या अनुमानित लागत), जो खर्च की अधिकतम सीमा की गारंटी नहीं देतीं, एजेंटों के बीच A2A अडैप्टर और वॉइस वर्कफ़्लो शामिल किए गए हैं। अपडेट करते समय ध्यान देने वाले बदलाव: नए परिवेशों में लिखने के लिए डिफ़ॉल्ट रूप से सख्त नियम, फिर Python में MCP अनुमोदन मोड के बदले हुए नाम और GPT-6 Astra, GPT-6.1 Sol तथा GPT-5.6 Sol के लिए तर्क करने के प्रयास का डिफ़ॉल्ट स्तर low से बढ़ाकर medium करना, जब तक इसे स्पष्ट रूप से निर्धारित न किया गया हो।

🔗 Python पूर्वावलोकन · JavaScript पूर्वावलोकन

संक्षिप्त समाचार

एजेंट और कोडिंग टूल

Devin के 6 नवंबर के संस्करण नोट्स — पिछली ख़बर: प्रशासक नए सत्रों की डिफ़ॉल्ट दृश्यता तय करते हैं और उन्हें साझा करने की सीमा संगठन तक रख सकते हैं, Gerrit कनेक्शन समूहों और परियोजनाओं तक पहुँच को Devin की अनुमतियों के साथ समन्वित करते हैं (नए कनेक्शन के लिए Gerrit 3.13 या उससे नया संस्करण चाहिए), और एक बटन वेब एप्लिकेशन से लेकर मोबाइल एप्लिकेशन तक सभी उपकरणों को एक साथ डिस्कनेक्ट कर देता है। किसी कीमत की घोषणा नहीं की गई है। 🔗 स्रोत
GitHub Agentic Workflows 1.2.0 और 1.2.1 — 28 अक्टूबर को सामान्य उपलब्धता के बाद 4 और 6 नवंबर को दो पूर्वावलोकन जारी किए गए। फ़ोर्क से pull_request_target द्वारा शुरू किए गए वर्कफ़्लो के अप्रतिबंधित उपयोग के लिए अब स्पष्ट सहमति आवश्यक है, जो पिछली संगतता तोड़ने वाला बदलाव है; इसके अलावा परियोजना के विनिर्देश से निर्देशित पुल रिक्वेस्ट समीक्षक, Atomic नाम का एक प्रायोगिक घोषणात्मक इंजन और ऐसी सुरक्षा समीक्षाएँ शामिल हैं जो अनसुलझी रहने पर अनुमति रोकते हुए विफल होती हैं (fail closed)। 🔗 स्रोत
Antigravity 2.29.1 — 6 नवंबर की पिछली ख़बर: एप्लिकेशन का यह संस्करण Gemini Live के वॉइस मोड की चार समस्याएँ ठीक करता है। वॉइस मोड अब खाते का कनेक्शन नवीनीकृत करने की ज़रूरत होने पर दोबारा साइन इन करने को कहता है, कॉल के दौरान टाइप किए गए संदेशों के लिंक और @ उल्लेख पढ़कर सुनाता है, पुराने कथनों को आख़िरी वाक्य से नहीं जोड़ता और कनेक्शन टूटने के बाद जवाब के ऐसे हिस्से नहीं दिखाता जो सुनाई ही नहीं दिए थे। 🔗 स्रोत
Gemini CLI, PR 30183 — इसे 6 नवंबर को main में मर्ज किया गया, लेकिन अभी किसी जारी संस्करण में शामिल नहीं किया गया है। यह प्रतिक्रिया के शुरुआती हेडर मिलने के लिए दी जाने वाली 60 सेकंड की समय सीमा को समायोजित करने योग्य बनाता है। यह सीमा लंबे समय तक तर्क करने वाले अनुरोधों को काटकर शुरुआत से दोबारा चलाती थी, चाहे कनेक्शन का मोड कुछ भी हो (वैरिएबल GEMINI_API_HEADERS_TIMEOUT_MS या सेटिंग model.requestTimeoutMs)। 🔗 स्रोत
Qwen Code Desktop v0.27.0 और TypeScript SDK v0.1.30 — CLI के स्थिर v0.27.0 के अगले दिन, 8 नवंबर को जारी हुए इन संस्करणों में कुछ नया नहीं है: एप्लिकेशन में CLI के v0.26.9 और v0.27.0 संस्करणों के 112 बदलाव शामिल हैं, और SDK में CLI 0.27.0 शामिल है। Desktop, macOS, Windows x64 और Linux (AppImage, .deb, Fedora 44 और RHEL 10 के लिए RPM) के लिए उपलब्ध है। 🔗 स्रोत

आवाज़ और क्षेत्रीय भाषाओं के लिए खुले मॉडल

HeliosLM — चिएन-शिन लिन ने ताइवान को ध्यान में रखकर बनाए गए खुले मॉडलों की पहली शृंखला जारी की है: Gemma 4 E4B-it से विकसित एक संवाद मॉडल और एक सुरक्षा वर्गीकारक, तथा Whisper large-v3 से विकसित दो वाक् पहचान मॉडल। उनके मापन के अनुसार, Common Voice की ताइवानी (होक्किएन) भाषा पर प्रति अक्षर त्रुटि दर 231,13 से घटकर 32,69 % और ताइवानी मंदारिन पर 15,25 से घटकर 5,10 % हो जाती है। 🔗 स्रोत
Shruti — छोटे मॉडल Laghu के निर्माता Udgam Labs ने Apache-2.0 के तहत 22 वाक् पहचान मॉडल जारी किए हैं, भारतीय संविधान की आठवीं अनुसूची की प्रत्येक भाषा के लिए एक। हर मॉडल का आकार लगभग 30 मेगाबाइट है, वह अंग्रेज़ी को भी लिखित पाठ में बदलता है और ऑफ़लाइन चलता है, यहाँ तक कि 2021 के फ़ोन पर भी; सभी 22 का कुल आकार 653 मेगाबाइट है, जो IndicConformer-600M के आकार का लगभग एक चौथाई है। टीम के अनुसार, वास्तविक बातचीत में 22,9 से 56,8 % शब्द अब भी गलत रहते हैं। 🔗 स्रोत
तुर्की भाषा की अतिरिक्त लागत — सर्कान पेकर का अनुमान है कि H200 पर vLLM के साथ चार खुले मॉडलों (Turkish-Gemma-9b-T1, Gemma 4 12B, Ministral 3 14B और Qwen3.8-27B) में एक ही पाठ को तुर्की में बनाने के लिए अंग्रेज़ी की तुलना में 1,45 से 1,62 गुना GPU समय लगता है, जिसमें 76 से 82 % अतिरिक्त समय की वजह अधिक टोकन हैं। सात टोकनाइज़र में केवल तुर्की मॉडल Kumru-2B का टोकनाइज़र अंग्रेज़ी की तुलना में तुर्की में कम टोकन इस्तेमाल करता है। 🔗 स्रोत

सामुदायिक शोध और डेटा

Lexsi Labs के हैकाथॉन में Tiny Aya Global — Lexsi Labs के सुरक्षा और संरेखण हैकाथॉन की तीन टीमों ने Cohere Labs के इस खुले मॉडल (3,35 अरब पैरामीटर) के अपने फ़ाइन-ट्यून किए गए संस्करण जारी किए हैं। उनके अपने मापन के अनुसार, SafeQuery परीक्षण किए गए इंजेक्शन से प्रभावित हुए बिना एक SQL एजेंट की सफलता दर 19,8 से बढ़ाकर 99,1 % करता है, TaxOps 93,3 % कृत्रिम कर विवरण सही भरता है और SafetyPulse सफल HarmBench हमलों का अनुपात 25,2 से घटाकर 12,3 % करता है। 🔗 SafeQuery · 🔗 TaxOps · 🔗 SafetyPulse
वज़न बदलकर किसी शैली को मिटाना — जवाद ताघिया ने एक प्रयोग प्रकाशित किया है, जिसमें GPT-6 Astra को एक छोटे डिफ़्यूज़न मॉडल (segmind/tiny-sd) के वज़नों तक टूल के ज़रिए पहुँच दी जाती है, लेकिन कोई ग्रेडिएंट नहीं दिया जाता, और उसे उस मॉडल से वान गॉग की शैली मिटानी होती है। उनके पहले से पंजीकृत प्रोटोकॉल के अनुसार, एजेंट निकटवर्ती शैलियों वाले चित्रकारों को उतना ही नुकसान पहुँचाते हुए UCE विधि की तुलना में शैली के माप में 11,5 अंक अधिक कमी लाता है, और उन्हीं टूल से लैस यादृच्छिक खोज को 52 अंकों से पीछे छोड़ता है। 🔗 स्रोत
FiftyOne में SEW Multimodal AMR — हरप्रीत सहोता ने 7 नवंबर को इस डेटासेट का FiftyOne के लिए रूपांतरण प्रकाशित किया। इसमें SEW-EURODRIVE के स्वायत्त मोबाइल रोबोट द्वारा छह प्रकार के सेंसर (RGB और थर्मल कैमरे, गहराई, 4D रडार, लेज़र स्कैनर, अल्ट्रासाउंड) से ली गई, 55 MCAP एपिसोड में व्यवस्थित 3 151 एनोटेट की गई छवियाँ हैं, ताकि तुलना की जा सके कि हर सेंसर एक ही दृश्य में क्या देखता है। 🔗 स्रोत

GPU अवसंरचना

NVIDIA DSX OS, 5 नवंबर का लेख — पिछली ख़बर: NVIDIA ने विस्तार से बताया है कि Apache 2.0 लाइसेंस के तहत DSX OS के तीन ओपन सोर्स घटक Kubernetes पर चलने वाले GPU क्लस्टर को कैसे संभालते हैं। AICR कॉन्फ़िगरेशन को संस्करणबद्ध विधियों में स्थिर करता है, NVCRE वास्तविक कार्यभार (NCCL परीक्षण, स्तर 4 का DCGM निदान, NeMo पूर्वप्रशिक्षण) से उसे प्रमाणित करता है और NVSentinel मरम्मत किए गए नोड को परीक्षण सफल होने के बाद ही दोबारा सेवा में लाता है। 🔗 स्रोत

इसका क्या अर्थ है

इन पूर्वावलोकनों के साथ, Codex को चलाने वाला हार्नेस Python और JavaScript दोनों में Agents SDK का अंतर्निहित इंजन बन जाता है। इसकी कई क्षमताएँ OpenAI की होस्ट की गई Agents API में पहले से मौजूद थीं, जैसे बजट की अधिकतम सीमा, जो 6 नवंबर से अनुरोध पर बीटा में उपलब्ध है, या कॉम्पैक्शन; SDK इन्हें एप्लिकेशन के कोड के और क़रीब लाता है, जो अपनी बातचीत अपने भंडारण में रखता है और A2A के ज़रिए दूसरे एजेंटों से संवाद करता है। इसकी कीमत अल्फ़ा चरण की अस्थिरता है: हर संस्करण के साथ बदलते इंटरफ़ेस, PyPI के बाहर Python का वितरण और Python में तर्क करने के प्रयास का बढ़ा हुआ डिफ़ॉल्ट स्तर, जो उन परियोजनाओं का व्यवहार बदल देता है जो इसे ख़ुद निर्धारित नहीं करतीं।

एजेंट टूल में डिफ़ॉल्ट सेटिंग भी सख्त हो रही हैं। OpenAI का SDK नए परिवेशों में लिखने के लिए सख्त नियम लागू करता है, GitHub Agentic Workflows फ़ोर्क से शुरू किए गए वर्कफ़्लो के अप्रतिबंधित उपयोग के लिए स्पष्ट सहमति माँगता है और अनसुलझी सुरक्षा समीक्षाओं को विफल करता है, जबकि Devin प्रशासकों को सत्रों की दृश्यता तय करने और उन्हें साझा करने की सीमा निर्धारित करने देता है। GitHub और OpenAI दोनों में अपडेट करते समय जाँच ज़रूरी है: gh-aw में यह बदलाव पिछली संगतता तोड़ता है और Python SDK, MCP अनुमोदन मोड के पुराने नाम स्वीकार नहीं करता।

कई सामुदायिक लेख उन भाषाओं पर केंद्रित हैं जिन्हें बड़े मॉडल अच्छी तरह नहीं संभाल पाते। HeliosLM ताइवानी भाषा में Whisper large-v3 की त्रुटि दर 231,13 से घटाकर 32,69 % करता है, Shruti 22 भारतीय भाषाओं की वाक् पहचान को लगभग 30 मेगाबाइट की ऐसी फ़ाइलों में समेटता है जो ऑफ़लाइन चलती हैं, और सर्कान पेकर टोकन में ठीक से न बाँटी गई भाषा की लागत बताते हैं: तुर्की के लिए अंग्रेज़ी की तुलना में 1,45 से 1,62 गुना GPU समय। Udgam Labs इस बाधा को यूँ बताता है: इन भाषाओं के लिए कुछ बनाने का मतलब अब तक प्रति मिनट के हिसाब से क्लाउड का बिल, कई गीगाबाइट का मॉडल या किसी बड़ी कंपनी की अनुमति था। ये सभी आँकड़े उनके लेखकों के अपने मापन हैं, और Udgam Labs स्वयं Shruti की सीमाएँ प्रकाशित करता है: वास्तविक बातचीत में 56,8 % तक शब्द अब भी गलत रहते हैं।

OpenAI ने Codex के हार्नेस को अपने Agents SDK के पूर्वावलोकन में जोड़ा, Shruti में 22 भारतीय भाषाएँ शामिल और HeliosLM का लक्ष्य ताइवान

इस अंक की कंपनियाँ

OpenAI ने Codex के हार्नेस को अपने Agents SDK में जोड़ा: A2A, उपयोग बजट और बातचीत के भंडारण वाले दो अल्फ़ा पूर्वावलोकन

संक्षिप्त समाचार

इसका क्या अर्थ है

स्रोत

विषय सूची