Anthropic ने Claude Fable 5.2 और Mythos 5.2 लॉन्च किए, Meta ने Muse Ember पेश किया, Google ने TPU 8tx और 8i Max जोड़े

Anthropic ने Claude Fable 5.2 और Claude Mythos 5.2 लॉन्च किए हैं, जो एक ही मॉडल के दो संस्करण हैं। इनकी कीमत प्रति दस लाख टोकन 10 और 50 डॉलर के बजाय 8 और 40 डॉलर है, और ये 5.1 पीढ़ी से 30 % तक तेज़ हैं। उसी शाम Cursor, Devin, Perplexity और v0 ने इन्हें अपने उपयोगकर्ताओं के लिए उपलब्ध करा दिया। पहले तीनों ने अपने माप भी जारी किए, जबकि Anthropic ने दिखाया कि मॉडल अब तक क्या बना चुका है: तीन इलेक्ट्रॉनिक उपकरण, 1 000 एजेंटों द्वारा दोबारा तैयार किया गया फ़र्मा का प्रमाण, और MIPLIB में अब तक ज्ञात सर्वश्रेष्ठ समाधानों में से 72 से बेहतर समाधान। Meta ने लागत के मोर्चे पर अपने सबसे छोटे मॉडल Muse Ember के साथ जवाब दिया है, Google ने 8tx और 8i Max प्रणालियों के साथ अपनी आठवीं पीढ़ी के TPU का विस्तार किया है, और NVIDIA ने CoRL में रोबोटिक्स के लिए भौतिक दुनिया में कार्रवाई करने वाला खुला मॉडल GR00T 2 पेश किया है।

Claude Fable 5.2 और Claude Mythos 5.2: एक ही मॉडल, कम कीमत और 30 % तक अधिक तेज़

9 नवंबर — Anthropic ने Claude Fable 5.2 और Claude Mythos 5.2 लॉन्च किए हैं, जो एक ही मॉडल के दो संस्करण हैं। Fable 5.2 में साइबर सुरक्षा और जीवविज्ञान से जुड़े अधिक मज़बूत सुरक्षा उपाय हैं और यह सभी उपयोगकर्ताओं के लिए उपलब्ध है; Mythos 5.2 केवल Cyber Verification Program या Life Sciences Verification Program में स्वीकृत संगठनों के लिए है। Anthropic के अनुसार, दोनों मॉडलों में कोड, तर्क और दृष्टि संबंधी क्षमताएँ बेहतर हुई हैं, और वे Fable 5.1 तथा Mythos 5.1 से 30 % तक तेज़ी से जवाब देते हैं। कीमत में 20 % की कमी हुई है।

Introducing Claude Fable 5.2 and Claude Mythos 5.2, designed to tackle the most daunting technical challenges. They’re capable collaborators on ambitious projects in many fields, and show improvements in areas like coding, reasoning, and vision.

🇮🇳 पेश हैं Claude Fable 5.2 और Claude Mythos 5.2, जिन्हें सबसे कठिन तकनीकी चुनौतियों से निपटने के लिए बनाया गया है। ये कई क्षेत्रों की महत्वाकांक्षी परियोजनाओं में सक्षम सहयोगी हैं, और विशेष रूप से कोड, तर्क और दृष्टि संबंधी क्षमताओं में बेहतर हुए हैं। — X पर @claudeai

दर का प्रकार (प्रति दस लाख टोकन)	Fable 5.2 और Mythos 5.2	Fable 5.1 और Mythos 5.1
इनपुट	8 डॉलर	10 डॉलर
आउटपुट	40 डॉलर	50 डॉलर
तेज़ मोड, 2,5 गुना तक तेज़ (इनपुट / आउटपुट)	16 / 80 डॉलर	निर्दिष्ट नहीं
कैश से पढ़ना (Claude Code के नोट्स के अनुसार)	0,20 डॉलर	निर्दिष्ट नहीं

API पर claude-fable-5-2 और claude-mythos-5-2 दस लाख टोकन का संदर्भ, अधिकतम 128 000 आउटपुट टोकन और हमेशा सक्रिय अनुकूली चिंतन प्रदान करते हैं। संरक्षित चिंतन (preserved thinking) अब सभी खातों तक विस्तारित हो गया है: Fable 5.2 का चिंतन ब्लॉक वापस भेजने से पहले सिस्टम प्रॉम्प्ट, टूल या किसी पुराने संदेश में बदलाव करने पर 400 त्रुटि मिलती है, और कंप्यूटर का उपयोग केवल computer_toolset_20260801 के ज़रिए होता है। डिफ़ॉल्ट प्रयास स्तर Claude Platform पर high और Claude तथा Claude Code अनुप्रयोगों में medium है। मॉडल Claude API, Amazon Bedrock, Google Cloud और Microsoft Foundry पर, साथ ही सभी सशुल्क योजनाओं में उपलब्ध है; Claude Code ने उसी दिन इसे अपना डिफ़ॉल्ट Fable मॉडल बना दिया है (कोड एजेंटों वाला खंड देखें)। Anthropic अब भी Claude Opus 5.5 से शुरुआत करने और केवल सबसे महत्वाकांक्षी कामों के लिए Fable पर जाने की सलाह देता है। एडी उस्मानी की claude.dev पर प्रकाशित मार्गदर्शिका इस नियम को विस्तार से समझाती है (संक्षिप्त समाचार देखें)।

एजेंट आधारित कोडिंग में लाभ मुख्य रूप से लागत का है। FrontierCode 2.0 पर High प्रयास स्तर के साथ Fable 5.2 का स्कोर 45,3 % है, जो प्रति कार्य लगभग आधी लागत पर Opus 5.5 के सर्वश्रेष्ठ स्कोर (Max प्रयास स्तर पर 45,5 %) के बराबर है। xhigh पर यह 49,1 % तक पहुँचता है, जो Anthropic के अनुसार परीक्षण किए गए सार्वजनिक रूप से जारी मॉडलों में सर्वश्रेष्ठ स्कोर है। मॉडल हर जगह आगे नहीं है: AutomationBench पर Gemini 4 Carbon उससे आगे है। नीचे दिए गए स्कोर Anthropic के हैं, जिन्हें सुरक्षा उपायों के साथ और उपलब्ध सर्वोच्च प्रयास स्तर पर मापा गया है, सिवाय जहाँ अलग से बताया गया है।

बेंचमार्क (क्षेत्र)	Fable 5.2	Fable 5.1	Opus 5.5	GPT-6 Astra	Gemini 4 Carbon
FrontierCode 2.0 (एजेंट आधारित कोडिंग)	49,1 % (xhigh)	32,4 % (xhigh)	45,5 %	42,8 %	41,1 % (medium)
FrontierSWE v2 (एजेंट आधारित कोडिंग)	69,9 %	56,3 %	62,3 %	65,5 %	61,2 %
AutomationBench (व्यावसायिक कार्यप्रवाह)	51,4 %	31,4 %	42,5 %	41,4 %	53,9 %
OSWorld 2.1 (कंप्यूटर का उपयोग)	89,3 %	83,5 %	87,2 %	79,5 %	81,5 %
Humanity’s Last Exam (टूल के साथ)	74,2 %	65,6 %	67,7 %	57,2 %	तुलना नहीं की गई
RoboDojo Sim (रोबोटिक्स)	64,9 %	27,6 %	39,4 %	29,8 %	तुलना नहीं की गई
CVE Rediscovery (साइबर सुरक्षा, Mythos 5.2/5.1)	89,6 %	78,3 %	81,3 % (सुरक्षा उपायों के बिना)	तुलना नहीं की गई	तुलना नहीं की गई

Anthropic का कहना है कि उसके मुख्य कोड में मर्ज किए जाने वाले 90 % से अधिक बदलाव अब मानवीय निगरानी में Claude लिखता है। कंपनी एक ऑपरेटिंग सिस्टम के प्रोटोटाइप का उदाहरण देती है, जिसे 1 000 से अधिक उप-एजेंटों ने एक खाली फ़ोल्डर से शुरुआत करके आठ दिनों में लिखा। विज्ञान में मॉडल ने कृष्ण विवरों की भौतिकी से जुड़ी दो अनसुलझी समस्याएँ हल की हैं (प्रीप्रिंट प्रकाशित), और Mythos 5.2 ने जीन चिकित्सा में इस्तेमाल होने वाले एडीनो-संबद्ध वायरसों के कैप्सिड की संरचना का पूर्वानुमान लगाया: 34 में से 28 के लिए अंतर 3 Å से कम था।

Mythos 5.2 को साइबर सुरक्षा में Anthropic का सबसे सक्षम मॉडल बताया गया है: CVE Rediscovery (1 829 CVE) पर यह Opus 5.5 से 10,2 % अधिक भेद्यताएँ खोजता है, हालाँकि Anthropic अपने मूल्यांकनों में भेद्यताओं की पहचान को लगभग Opus 5.5 के स्तर पर रखता है। सैंडबॉक्स से बाहर निकलने के प्रयास Mythos 5.1 के 21 % से घटकर 3,1 % रह गए हैं, लेकिन दोनों मॉडलों को अधिक बार संदेह होता है कि उनका मूल्यांकन किया जा रहा है। शुरुआती परीक्षणों के अनुसार, Fable 5.2 के वर्गीकारक Fable 5.1 की तुलना में लगभग 55 % कम अनुरोध अवरुद्ध करते बताए गए हैं। अवरुद्ध अनुरोध को वैकल्पिक रूप से Opus 4.8 (साइबर सुरक्षा) या Opus 5 (जीवविज्ञान) पर भेजा जाता है। अंत में, शून्य डेटा प्रतिधारण के अनुकूल निगरानी सुविधा Enterprise Frontier Safeguards, Bridgewater, Salesforce और Stripe के साथ निजी बीटा में प्रवेश कर रही है।

🔗 Claude Fable 5.2 और Claude Mythos 5.2 (Anthropic) · Claude Platform के संस्करण नोट्स · @ClaudeDevs की पोस्ट शृंखला

लॉन्च के ऑफ़र: Fable के लिए तीन बार तक रीसेट, और Pro में Fable का एक सप्ताह शामिल

9 नवंबर — लॉन्च के अवसर पर Anthropic सशुल्क ग्राहकों को Fable की उपयोग सीमा रीसेट करने की सुविधा दे रहा है। इसकी जानकारी लॉन्च लेख से जुड़ने वाले सहायता पृष्ठ पर दी गई है। रीसेट करने पर सप्ताह में खर्च किया गया Fable उपयोग कोटा वापस मिल जाता है और 5 घंटे की विंडो का कोटा पूरी तरह भर जाता है, जिसमें अन्य मॉडल भी शामिल हैं; इससे सीमाएँ बढ़ती नहीं हैं और इसे सेटिंग्स के उपयोग खंड में मुफ़्त में रीसेट करें बटन से सक्रिय किया जाता है। ये ऑफ़र Fable 5.2, Fable 5.1 और Fable 5 के लिए लागू हैं।

संबंधित योजना या सीट	क्या मिलता है	समाप्ति (प्रशांत समय)
Pro, Team की मानक सीटें	साप्ताहिक सीमाओं के 50 % तक Fable योजना में शामिल, साथ में 1 रीसेट	16 नवंबर 2026, 23 h 59
Max, Ultra, Team की प्रीमियम सीटें और प्रति सीट वाली पुरानी Enterprise योजनाएँ	1 रीसेट (6 महीने से कम की सदस्यता), 2 (6 से 12 महीने) या 3 (12 महीने से अधिक)	8 मार्च 2027, 23 h 59

सशुल्क बिलिंग 9 नवंबर को सुबह 10 बजे PT से पहले चालू होनी चाहिए। Free योजना, स्वयं-सेवा वाली, उपयोग के आधार पर भुगतान वाली और HIPAA-ready Enterprise योजनाएँ, साथ ही प्रति सीट वाली पुरानी Enterprise योजनाओं की मानक सीटें इसके दायरे से बाहर हैं। Pro और Team की मानक सीटों पर एक सप्ताह के बाद Fable का उपयोग फिर से उपयोग क्रेडिट से किया जाएगा।

🔗 Claude Fable 5.2 के लॉन्च ऑफ़र (Claude सहायता केंद्र)

Fable 5.2 अब तक क्या बना चुका है: Diode के साथ तीन उपकरण, 1 000 एजेंटों द्वारा दोबारा तैयार फ़र्मा का प्रमाण, रसायन विज्ञान और MIPLIB

उसी दिन प्रकाशित तीन लेख 5.2 पीढ़ी को काम करते दिखाते हैं, जिनमें से कुछ में मॉडल के प्रारंभिक संस्करण का उपयोग हुआ है।

Diode: शुरू से अंत तक डिज़ाइन किए गए तीन इलेक्ट्रॉनिक उपकरण, जो बिना संशोधन के काम करते हैं

9 नवंबर — प्रिंटेड सर्किट बोर्ड निर्माता Diode Computers के साथ Anthropic ने दिखाया कि Claude Fable 5.2 कैसे एक छोटे प्रॉम्प्ट से तीन उपकरण डिज़ाइन करता है: Bluetooth वाला USB-C कॉन्फ़्रेंस स्पीकर, घरेलू वॉइस असिस्टेंट हब और जेब में रखा जा सकने वाला आभासी पालतू जीव। मॉडल ने विनिर्देश लिखे, सर्किट आरेख बनाए, चार परतों वाले सर्किटों की रूटिंग की, 3D में प्रिंट किए जा सकने वाले खोल डिज़ाइन किए और फ़र्मवेयर लिखा; तीनों प्रोटोटाइप अपने सर्किट में किसी संशोधन के बिना काम करते हैं। चूँकि KiCad का राउटर एक समय में केवल एक ट्रैक बना पाता था, Claude ने लगभग आधे घंटे में अपना राउटर लिख लिया।

सुधार का मुख्य आधार ज्यामितीय तर्क है: Diode के आंतरिक परीक्षण मानक PCB Gym पर 69 %, जबकि Fable 5 का स्कोर 25 % था, और BenchCAD 2.1 पर 83,5 %, जो Fable 5.1 का लगभग दोगुना है। Anthropic स्पष्ट करता है कि Diode के साथ उसका व्यावसायिक संबंध है, और याद दिलाता है कि इन प्रोटोटाइप का न विद्युत सत्यापन हुआ है, न तापीय परीक्षण और न ही प्रमाणन।

🔗 Claude इलेक्ट्रॉनिक प्रोटोटाइप शुरू से अंत तक डिज़ाइन कर सकता है (Anthropic)

फ़र्मा: 1 000 एजेंटों ने बिना समर्पित प्लेटफ़ॉर्म के 28,7 घंटे में औपचारिक प्रमाण दोबारा तैयार किया

9 नवंबर — सितंबर में Anthropic ने फ़र्मा के अंतिम प्रमेय का पहला पूर्ण औपचारिक प्रमाण प्रकाशित किया था: Prove2Me प्लेटफ़ॉर्म पर एक शोधकर्ता के मार्गदर्शन में दर्जनों एजेंटों ने 11 दिन काम किया था। बैरी झांग, तियानयी पेंग, एल नाज्ट, केलर शोल और लांस मार्टिन के लिखे claude.dev लेख में बताया गया है कि Fable 5.2 के प्रारंभिक संस्करण के 1 000 एजेंटों, एक प्रमुख और 999 सहायकों, ने उस प्लेटफ़ॉर्म और मानवीय संचालन के बिना यह काम कैसे दोबारा किया: लेख के अनुसार 28,7 घंटे में (लॉन्च लेख इसे लगभग 30 घंटे बताता है), तीन गुना कम आउटपुट टोकन के साथ और सात गुना छोटे प्रमाण के रूप में। लॉन्च लेख के अनुसार, इसी व्यवस्था में Opus 5.5 ने 18 घंटे में इसका केवल 26 % पूरा किया।

हर एजेंट के पास नेटवर्क रहित वर्चुअल मशीन थी, जिसमें Lean, Mathlib, उसकी अपनी Git शाखा और एक साझा Postgres डेटाबेस था। प्रमुख एजेंट ने इस डेटाबेस में दस मिनट में समन्वय तालिकाएँ बना लीं। लगभग 750 तक सहायकों ने लैंगलैंड्स–टनेल पर काम किया, जो सबसे बड़ा परिणाम था और जिसे 2 418 कार्यों में बाँटा गया था। एक वर्गीकारक हर कमांड और फ़ाइल में हर बदलाव की जाँच करता था: टूल के दस लाख से अधिक कॉलों में एक भी अवरुद्ध नहीं हुआ।

🔗 Claude Fable 5.2 के साथ बहु-एजेंट टीमों का सुरक्षित विस्तार (claude.dev)

कार्बनिक रसायन विज्ञान और MIPLIB: प्रदर्शन पोस्टों की शृंखला में दो ऐसे परिणाम जुड़े जो लेख में नहीं थे

9 नवंबर — लॉन्च के दो घंटे बाद @claudeai खाते ने प्रदर्शन पोस्टों की एक शृंखला प्रकाशित की। कार्बनिक रसायन विज्ञान में Claude ने नोआ बर्न्स (Stanford), टिमोथी न्यूहाउस (Yale) और सारा राइसमैन (Caltech) की प्रयोगशालाओं के अप्रकाशित कामों से लिए गए चार अणुओं में से प्रत्येक के लिए लगभग आधे घंटे में एक पूर्ण संश्लेषण मार्ग तैयार किया। इसके लिए उसे केवल एक चित्र दिया गया था, इंटरनेट उपलब्ध नहीं था और कोड ही उसका एकमात्र टूल था; ट्वीट का चित्र इन मार्गों का श्रेय Mythos 5.2 को देता है। सहयोगी रसायनज्ञों के अनुसार यह काम पीएचडी की शुरुआत कर रहे शोधार्थी के स्तर का है, लेकिन किसी भी मार्ग का प्रयोगशाला में परीक्षण नहीं हुआ है।

Of 203 open problems, Claude beat the listed mathematical solution in 72 cases, and in 45 cases proved that a solution was optimal.

🇮🇳 203 अनसुलझी समस्याओं में से Claude ने 72 मामलों में दर्ज गणितीय समाधान से बेहतर समाधान निकाला, और 45 मामलों में सिद्ध किया कि एक समाधान इष्टतम था। — X पर @claudeai

MIPLIB में चालक दल की योजना या डिलीवरी मार्गों जैसी अनुकूलन समस्याएँ एकत्र हैं; ट्वीट के चित्र के अनुसार, अधिकतम 300 एजेंटों की टीमों ने Fable 5.2 के एक पुराने संस्करण पर इन पर काम किया। बिजली की चरम खपत घटाने के लिए बनाई गई 42 ट्रेनों की समय-सारणी में एजेंटों ने दो घंटे से कम समय में सबसे अच्छी ज्ञात समय-सारणी से 2,6 % बेहतर परिणाम निकाला, फिर सिद्ध किया कि इससे बेहतर कोई समय-सारणी संभव नहीं थी। समाधान MIPLIB को सौंप दिए गए हैं।

🔗 @claudeai की प्रदर्शन पोस्टों की शृंखला

पहले ही दिन Cursor, Devin, Perplexity और v0 में Fable 5.2, प्रत्येक का मापन अपने परीक्षण मानक पर

लॉन्च की शाम तीन टूल ने अपने-अपने आंतरिक बेंचमार्क पर Fable 5.2 के माप प्रकाशित किए। Vercel के अनुप्रयोग निर्माण टूल v0 ने भी मॉडल उपलब्ध करा दिया, लेकिन कोई आँकड़ा नहीं दिया (संक्षिप्त समाचार देखें)।

Fable 5.2 उपलब्ध कराने वाला टूल	निर्माता का परीक्षण मानक	Fable 5.2 का स्कोर	उल्लिखित निकटतम प्रतिस्पर्धी
Cursor	CursorBench 4.0	Max प्रयास स्तर पर 60,0 %, 32,79 डॉलर	Opus 5.5 Max: 57,8 %, 13,43 डॉलर
Devin (Cognition)	FrontierCode 2.0	49,1 %	Opus 5.5: 45,5 %
Perplexity	WANDR	प्रति कार्य 14,51 डॉलर पर 0,851	Gemini 4 Argon: 7,88 डॉलर पर 0,802

Cursor : CursorBench 4.0 में पहले स्थान पर, प्रयास के स्तरों के लिए Fable 5.1 की पुरानी सेटिंग न अपनाने की सलाह

9 नवंबर — Cursor ने Fable 5.2 को उसी दिन उपलब्ध करा दिया। अधिकतम प्रयास पर मॉडल CursorBench 4.0 में 60,0 % के साथ पहले स्थान पर है, Claude Opus 5.5 Max (57,8 %) से आगे; डिफ़ॉल्ट प्रयास स्तर (High) पर इसका स्कोर 56,9 % है, जबकि Fable 5.1 का 49,2 % था। Cursor ने चेताया है कि प्रयास के स्तर अब Fable 5.1 जैसे व्यवहार नहीं करते और पुरानी सेटिंग दोबारा अपनाने के बजाय डिफ़ॉल्ट सेटिंग से शुरुआत करने की सलाह दी है। उसके रैंकिंग पृष्ठ पर यह अंतर दिखता है :

Fable 5.2 का प्रयास स्तर	CursorBench 4.0 स्कोर	प्रति कार्य लागत
Max	60,0 %	32,79 डॉलर
High (डिफ़ॉल्ट)	56,9 %	9,70 डॉलर
Extra High	56,3 %	15,48 डॉलर
Medium	54,8 %	4,66 डॉलर
Low	53,2 %	3,94 डॉलर

Extra High की लागत अधिक होने के बावजूद उसका स्कोर High से कम है, और Low भी अधिकतम प्रयास पर Fable 5.1 के स्कोर से आगे है (17,28 डॉलर में 51,8 %)। Cursor पर मॉडल की दर प्रति दस लाख टोकन 8 और 40 डॉलर दिखाई गई है, लेकिन बदलावों का विवरण या संबंधित योजनाओं की जानकारी नहीं दी गई है।

🔗 @cursor_ai की घोषणा · CursorBench 4.0 की रैंकिंग

Devin : FrontierCode 2.0 में 49,1 % के साथ पहले स्थान पर, और कम प्रयास पर ही Fable 5.1 से आगे

9 नवंबर — Cognition ने Devin Desktop और Devin CLI में Fable 5.2 उपलब्ध कराया है और उसे FrontierCode 2.0 में पहले स्थान पर रखा है। यह वास्तविक इंजीनियरिंग कार्यों का उसका बेंचमार्क है, जिसमें गुणवत्ता और मर्ज किए जा सकने की क्षमता (मर्ज की उपयुक्तता) के आधार पर अंक दिए जाते हैं। Fable 5.2 का स्कोर 49,1 % है, जो Claude Opus 5.5 (45,5 %) से आगे है; Claude Opus 5.5 बेंचमार्क के 27 अक्टूबर को शुरू होने से अब तक पहले स्थान पर था। इसके बाद GPT-6 Astra (42,8 %), Sonnet 5.5 (41,0 %) और Gemini 4 Carbon (40,0 %) हैं; Fable 5.1 का अधिकतम स्कोर 32,4 % था। लेख के अनुसार, कम तर्क प्रयास पर ही Fable 5.2 प्रति कार्य लागत के एक तिहाई से भी कम में Fable 5.1 के सर्वश्रेष्ठ परिणाम से आगे निकल जाता है; ट्वीट में एक तिहाई लागत की बात कही गई है। किसी अनिवार्य मानदंड पर विफल होने वाले समाधान को 0 अंक मिलते हैं, और लागत API की सार्वजनिक दर पर प्रति रन औसत खर्च है। Cognition ने Devin की कोई कीमत नहीं बताई है।

🔗 Claude Fable 5.2 अब Devin में उपलब्ध है (Cognition) · @cognition की घोषणा

Perplexity : WANDR पर 0,851, अपने बेंचमार्क के अनुसार रिकॉर्ड

9 नवंबर — Perplexity ने अपने एजेंट Computer में Pro और Max ग्राहकों के लिए, और खोज सेवा (Search) में केवल Max ग्राहकों के लिए Fable 5.2 उपलब्ध कराया है। साक्ष्य आधारित शोध के अपने बेंचमार्क WANDR पर मॉडल प्रति कार्य 14,51 डॉलर की लागत में 0,851 का स्कोर प्राप्त करता है। इसे पैरेटो सीमा पर स्थित एक रिकॉर्ड बताया गया है; इस सीमा पर वे मॉडल होते हैं जिन्हें कोई अन्य मॉडल स्कोर और लागत, दोनों में नहीं हरा पाता। Perplexity के प्रकाशित ग्राफ़ के अनुसार, जो इन आँकड़ों का एकमात्र स्रोत है, Fable 5.2 ने Gemini 4 Argon को पीछे छोड़ा है। Gemini 4 Argon के पास 16 अक्टूबर से 7,88 डॉलर में 0,802 का रिकॉर्ड था, जबकि Fable 5.2 की प्रति कार्य लागत लगभग 1,8 गुना है। दोबारा मापे जाने पर Fable 5.1 ने 13,16 डॉलर में 0,684 का स्कोर प्राप्त किया, जबकि सितंबर में उपलब्ध होने पर इसका स्कोर 0,601 था। ट्वीट में न प्रयास का स्तर बताया गया है, न Computer में क्रेडिट की लागत। इस स्कोर की तुलना 5 नवंबर को प्रकाशित Agent API के ultra स्तर के 85,9 % से नहीं की जा सकती, क्योंकि वह कई एजेंट वाला कॉन्फ़िगरेशन है।

🔗 @perplexity_ai की घोषणा

Meta ने अपना सबसे छोटा मॉडल Muse Ember लॉन्च किया, इनपुट के प्रति दस लाख टोकन की कीमत 0,10 डॉलर

9 नवंबर — Meta ने Muse Ember लॉन्च किया है, जिसे उसने अपना सबसे छोटा और सबसे अधिक कुशल मॉडल बताया है। यह उन कामों के लिए है जिन्हें एजेंट दिन भर दोहराते हैं : क्रमिक टूल कॉल, कोड के छोटे कार्य (फ़ाइलें पढ़ना, टेस्ट चलाना, लक्षित सुधार करना), रूटिंग, जानकारी निकालना और लंबे दस्तावेज़ों का विश्लेषण करना। इसकी कॉन्टेक्स्ट सीमा दस लाख टोकन है, यह 512 000 टोकन तक आउटपुट देता है और मूल रूप से टेक्स्ट, चित्र, ऑडियो और वीडियो समझता है। यह Muse Wonder Full से प्रशिक्षित पहला मॉडल है, जैसा Meta ने अक्टूबर में Muse Wonder लॉन्च करते समय बताया था; इस मॉडल शृंखला में Muse Wonder सबसे कठिन समस्याएँ संभालता है, Muse Spark कोड और एजेंट वर्कफ़्लो संभालता है, और Muse Ember बड़े पैमाने पर दोहराए जाने वाले कार्य संभालता है।

मॉडल Muse Code और Meta Model API पर muse-ember-1.0 नाम से उपलब्ध है, Responses API का समर्थन करता है और इसकी दर प्रति दस लाख टोकन इनपुट के लिए 0,10 डॉलर, कैश किए गए इनपुट के लिए 0,004 डॉलर और आउटपुट के लिए 0,50 डॉलर है। मॉडल के वेट जारी करने की कोई घोषणा नहीं की गई है।

On the @ArtificialAnlys Intelligence Index, it achieves performance comparable to Claude Haiku 5.5 at roughly one-third of the cost per task, while scoring higher than GPT-6 Luna across all of Luna’s reasoning settings.

🇮🇳 Artificial Analysis के Intelligence Index पर यह प्रति कार्य लगभग एक तिहाई लागत में Claude Haiku 5.5 के तुलनीय प्रदर्शन तक पहुँचता है, और साथ ही Luna की सभी तर्क सेटिंग में GPT-6 Luna से अधिक स्कोर प्राप्त करता है। — X पर @AIatMeta

यह Meta का मुख्य दावा है; उसके लेख में यह भी कहा गया है कि Muse Ember, Haiku 5.5 के सर्वश्रेष्ठ स्कोर की बराबरी करता है। सूचकांक में दोनों मॉडलों का स्कोर 36 है, और ग्राफ़ की टिप्पणी में स्पष्ट किया गया है कि Muse Ember की लागत प्रस्तावित दर पर आधारित अनुमान है।

Meta द्वारा प्रकाशित तुलना	Muse Ember (max)	Muse Spark 1.3 (max)
Artificial Analysis Intelligence Index	36	37
सूचकांक में प्रति कार्य लागत	0,14 डॉलर	2,39 डॉलर
प्रति दस लाख टोकन कीमत (इनपुट / आउटपुट)	0,10 / 0,50 डॉलर	1,25 / 4,25 डॉलर

max सेटिंग पर बेंचमार्क (Meta के अनुसार)	Muse Ember	Claude Haiku 5.5	GPT-6 Luna
AutomationBench-AA	37,8	13,9	20,2
Coding Agent Index-AA	46	37	31
Terminal-Bench 4.0 (सर्वश्रेष्ठ हार्नेस)	40,9	39,2	16,4
OSWorld 2.1 (आंशिक अंक, आंतरिक)	69,5	68,9	50,5
FrontierCode 2.0-AA	27,2	34,9	25,2
Artificial Analysis Intelligence Index	36	36	28

अधिकतम तर्क सेटिंग पर Muse Ember प्रकाशित दस में से सात बेंचमार्क में Claude Haiku 5.5 और GPT-6 Luna से आगे है, लेकिन FrontierCode 2.0-AA पर Haiku 5.5 आगे बना हुआ है। कई आँकड़े Meta के आंतरिक मूल्यांकनों से आए हैं, जिनमें उसका अपना Personal Superintelligence Index भी शामिल है, और Terminal-Bench 4.0 में हर मॉडल की तुलना उसके प्रकाशित सर्वश्रेष्ठ हार्नेस में की गई है। Vals AI की स्वतंत्र रैंकिंग भी इसी दिशा में संकेत करती है : Muse Ember वहाँ प्रति टेस्ट 0,15 डॉलर के साथ सबसे सस्ता मॉडल है, उसका कुल स्कोर 60,5 % है, और वह DeepSeek V4.1 Flash से 0,8 अंक पीछे है, जबकि उसकी लागत लगभग एक चौथाई है।

Meta का कहना है कि उसने Muse Ember का मूल्यांकन अपने Meta Superintelligence Scaling Framework के अनुसार किया है और वह उच्च जोखिम की सीमाओं से नीचे है। उसने Box, Cline, Oracle, Cloudflare और You.com से भी इसका परीक्षण कराया है; कंपनी ने बताया है कि इससे भी अधिक कुशल मॉडल प्रशिक्षण में हैं।

🔗 Muse Ember (Meta का शोध ब्लॉग) · Vals AI की रैंकिंग

Google ने अपनी आठवीं TPU पीढ़ी में TPU 8tx और TPU 8i Max जोड़े, तारीख या कीमत नहीं बताई

9 नवंबर — Amin Vahdat के नाम से प्रकाशित एक लेख में Google ने दो नए सिस्टम, TPU 8tx और TPU 8i Max, जोड़कर अपनी आठवीं TPU पीढ़ी का विस्तार किया है। अप्रैल में पेश किए गए TPU 8t (प्रशिक्षण) और 8i (तर्क) के बाद, Google के अनुसार यह पहली बार है जब एक ही वर्ष में चार TPU सिस्टम जारी किए जा रहे हैं। कंपनी ने ज़ोर दिया है : ये नई चिप नहीं हैं, बल्कि मौजूदा चिपों के आधार पर बने नए सिस्टम हैं (पैकेज, मेमोरी, नेटवर्क, सुरक्षा)। इस तरीके से वह विशिष्ट कार्यों के लिए सुपरकंप्यूटर वर्षों के बजाय कुछ महीनों में उपलब्ध करा सकती है।

TPU सिस्टम	लक्षित उपयोग	Google द्वारा घोषित विशेषताएँ
TPU 8t	बड़े पैमाने पर प्रशिक्षण	पिछली पीढ़ी की तुलना में प्रशिक्षण प्रदर्शन 2,7 गुना तक
TPU 8i	वास्तविक समय में तर्क	पिछली पीढ़ी की तुलना में इन्फ़रेंस में 80 % बेहतर मूल्य-प्रदर्शन अनुपात
TPU 8tx	गोपनीय इन्फ़रेंस, छोटे प्रशिक्षण कार्य	8t का सिलिकॉन, 5वीं पीढ़ी के AMD EPYC होस्ट, 8t की तुलना में 2 गुना तक कम विलंबता
TPU 8i Max	बहुत लंबे कॉन्टेक्स्ट, प्रति रैक घनत्व	प्रति पैकेज दो 8i चिप : 8i से 2 गुना गणना क्षमता, SRAM और HBM बैंडविड्थ

TPU 8tx विनियमित क्षेत्रों की कंपनियों और सरकारों के लिए है। इसमें सुरक्षा हार्डवेयर स्तर पर लागू होती है : गणना के दौरान डेटा और मॉडल के वेट सुरक्षित और अलग-थलग रहते हैं (गोपनीय कंप्यूटिंग), और Google के अनुसार प्रदर्शन पर लगभग कोई असर नहीं पड़ता। इसी मशीन से संवेदनशील डेटा को स्थानांतरित किए बिना निजी डेटा पर मॉडल को फ़ाइन-ट्यून किया जा सकता है, बड़े मॉडल का डिस्टिलेशन किया जा सकता है या पुनर्बलन से एजेंटों को प्रशिक्षित किया जा सकता है। TPU 8i Max मेमोरी की सीमा (मेमोरी की बाधा) से निपटता है, जब दर्जनों एजेंट पूरे कोडबेस या कई घंटों के वीडियो पर काम करते हैं।

सॉफ़्टवेयर में भी बदलाव हैं। पूर्वावलोकन में उपलब्ध ओपन सोर्स TPU एजेंटों का एक समूह Claude Code, Cursor और Google Antigravity से जुड़कर TPU पर माइग्रेशन, प्रदर्शन की बाधाओं का निदान और प्राकृतिक भाषा में कर्नेल का समायोजन करता है; XLA Serving Engine, TPU, GPU और CPU पर C++ में मॉडल चलाता है; TPU Sync, KV कैश के स्थानांतरण की विलंबता और पहले टोकन तक लगने वाले समय को 90 % से अधिक घटाता है; Agent Compute Engine निष्क्रिय एजेंट सत्रों को अपने आप निलंबित कर देता है। Gemini के पीछे काम करने वाला Google DeepMind का रनटाइम Cloud Pathways और GKE की गतिशील स्लाइसिंग (GKE dynamic slicing : जॉब शुरू होने की गति 5 गुना तक और विफलता के बाद बहाली की गति 4,5 गुना तक अधिक) अब सामान्य रूप से उपलब्ध हैं।

Google का दावा है कि उसके लगभग 100 TPU ग्राहक हैं, जो अब इन्हें अपने डेटा सेंटर में भी तैनात कर सकते हैं। हालाँकि, उसने TPU 8tx और TPU 8i Max के लिए न उपलब्धता की तारीख दी है, न कीमत, और InferenceX तथा AgentX बेंचमार्क पर अपने परिणामों के साथ भी कोई आँकड़ा नहीं दिया है।

🔗 TPU 8i Max और TPU 8tx (blog.google) · Google Cloud का लेख · TPU Sync का परिचय (Google Cloud)

NVIDIA ने CoRL में GR00T 2 पेश किया, वास्तविक दुनिया में कार्रवाई करने वाला खुला मॉडल, लाइसेंस या डाउनलोड लिंक नहीं दिया

9 नवंबर — ऑस्टिन में Conference on Robot Learning (CoRL) के उद्घाटन पर NVIDIA ने GR00T 2 पेश किया, जिसे उसने अपने Cosmos प्लेटफ़ॉर्म पर बना वास्तविक दुनिया में कार्रवाई करने वाला अग्रणी खुला मॉडल (खुला अग्रणी विश्व-क्रिया मॉडल) बताया है। मॉडल को रोबोट और मनुष्यों के डेटा पर प्रशिक्षित किया गया है, जिसमें NVIDIA द्वारा ओपन सोर्स के रूप में जारी मनुष्यों के अपने दृष्टिकोण से रिकॉर्ड किए गए 100 000 घंटे के वीडियो शामिल हैं। इसका उद्देश्य वस्तुओं को बारीकी से संभालने की गतिविधियाँ सीखना और रोबोट के प्रदर्शन-उदाहरण के बिना उन्हें एक रोबोट के शरीर से दूसरे में स्थानांतरित करना है। एक API एजेंटों को इसके कौशल क्रम से इस्तेमाल करने और अपनी गलतियों से उबरने देती है।

NVIDIA द्वारा घोषित मापदंड	घोषित मान
GR00T 2, कार्य-विशिष्ट प्रदर्शन-उदाहरण के बिना सफल कार्य	50 में से 40, कम से कम एक बार
GR00T 2, प्रति कार्य 1 प्रदर्शन-उदाहरण के साथ औसत सफलता	50 कार्यों पर 71 %
GR00T 2, प्रति कार्य 5 प्रदर्शन-उदाहरणों के साथ औसत सफलता	95 %
Newton के साथ Isaac Lab 3.0 बनाम PhysX के साथ Isaac Lab 2.3	प्रशिक्षण थ्रूपुट 2,5 गुना तक
AlphaNIST, अलग-अलग नीतियों के मुकाबले एक नीति	81 % के मुकाबले 98 % से अधिक, लगभग 39 गुना कम GPU समय
EgoHand, Hugging Face पर डाउनलोड	दो सप्ताह में 40 000 से अधिक

NVIDIA ने GR00T 2 को RoboCasa365, RoboLab, RoboDojo और MolmoSpaces की रैंकिंग में शीर्ष तीन मॉडलों में रखा है, जिनमें कई में वह पहले स्थान पर है, लेकिन कोई संख्यात्मक स्कोर नहीं दिया है। Nexuni कपड़े संभालने के लिए इसका परीक्षण कर रहा है, Foxconn सर्वर निर्माण के लिए और Siemens मूल्यांकन के लिए इसका परीक्षण कर रहे हैं, जबकि MicroAGI पुनर्बलन से अतिरिक्त प्रशिक्षण देने के बाद इसका उपयोग रोबोटिक बाँह से Ethernet केबल बदलने के लिए कर रहा है।

सिमुलेशन के क्षेत्र में, 21 अक्टूबर से उपलब्ध Isaac Lab 3.0 विकृत हो सकने वाली वस्तुओं (केबल, कपड़े) और जोड़दार हाथों के लिए ओपन सोर्स भौतिकी इंजन Newton पर अधिक निर्भर करता है। AlphaNIST इसका एक उदाहरण है : एक ही नीति केवल सफलता या विफलता के संकेत से NIST Assembly Task Board के सभी 20 असेंबली कार्य सीखती है। मूल्यांकन के लिए NVIDIA ने Isaac Lab-Arena 0.4 का डेवलपर पूर्वावलोकन और दो खुले बेंचमार्क जारी किए हैं : RLWRLD के साथ बनाया गया DexBench (खुदरा व्यापार से लेकर होटल क्षेत्र तक चार दृश्यों में 15 कार्य), और UC Berkeley के साथ बनाया गया VABAR (छह औद्योगिक कार्य)। इनके अलावा Video to Data वर्कफ़्लो भी है, जो मनुष्यों के वीडियो को सिमुलेशन में रोबोट के प्रदर्शन-उदाहरणों में बदलता है, और हाथों के 3D पुनर्निर्माण का खुला मॉडल EgoHand भी है।

लेख में GR00T 2 को खुला बताया गया है, लेकिन न लाइसेंस दिया गया है, न डाउनलोड लिंक, न उपलब्धता की तारीख।

🔗 CoRL के लिए NVIDIA का लेख

कोरिया में NVIDIA : Rebellions और SK Telecom के साथ NVLink Fusion, Dynamo की तैयार कॉन्फ़िगरेशन और भौतिक AI

9 नवंबर — NVIDIA AI Day Seoul के दौरान NVIDIA ने कोरिया से जुड़ी कई घोषणाएँ प्रकाशित कीं। मुख्य घोषणा चिप डिज़ाइनर Rebellions और दूरसंचार ऑपरेटर SK Telecom के साथ सहयोग की है, जिसे कोरिया के विज्ञान और सूचना एवं संचार प्रौद्योगिकी मंत्रालय का समर्थन प्राप्त है : Rebellions अपने भावी न्यूरल प्रोसेसर (NPU) Rebel R200 को NVLink Fusion के ज़रिए NVIDIA प्लेटफ़ॉर्म से जोड़ेगा और अपने सिस्टम MGX रैक आर्किटेक्चर पर बनाएगा। SK Telecom की योजना उन्हें अपने AI डेटा सेंटर में A.X K2 जैसे अपने मॉडलों और सरकार की AI for All परियोजना की सार्वजनिक सेवाओं के लिए तैनात करने की है। इन्फ़रेंस का काम अलग-अलग हिस्सों में बाँटा जाएगा : NVIDIA के GPU प्रॉम्प्ट पढ़ेंगे (प्रारंभिक भराव), और Rebellions के NPU टोकन उत्पन्न करेंगे। न तारीख बताई गई है, न तैनाती की संख्या।

NVIDIA ने चार खुले कोरियाई मॉडलों (A.X K2, K-EXAONE 2.0, Solar Open 2 और Motif-3) के लिए Dynamo की तैयार कॉन्फ़िगरेशन भी जारी की हैं। इन्हें B200 GPU के लिए अनुकूलित किया गया है और NVIDIA के अनुसार इनसे शुरुआत से ही 2 गुना तक प्रदर्शन मिलता है। LG AI Research ने K-EXAONE-2.5 के लिए API पहुँच खोल दी है, जिसे Nemotron के डेटासेट से प्रशिक्षित किया गया है, जिनमें Nemotron-Personas-Korea (70 लाख व्यक्तित्व-प्रोफ़ाइल) भी शामिल है, और Hyundai Motor Group, NemoClaw और OpenShell की संभावनाएँ तलाश रहा है। NVIDIA ने Point2 (रेडियो फ़्रीक्वेंसी से इंटरकनेक्शन) में निवेश और Motif Technologies, RLWRLD तथा Upstage में प्रस्तावित निवेश की भी घोषणा की है, लेकिन राशि नहीं बताई है। इसी घोषणा शृंखला में Samsung, Kakao Mobility और LG Electronics ने NVIDIA के साथ अपनी भौतिक AI परियोजनाओं का विवरण दिया है (संक्षिप्त समाचार देखें)।

🔗 NVIDIA, Rebellions और SK Telecom की प्रेस विज्ञप्ति · कोरियाई मॉडलों के लिए Dynamo की तैयार कॉन्फ़िगरेशन · कोरिया में सुरक्षित एजेंट · कोरियाई स्टार्टअप में निवेश

कोड एजेंट : Claude Code 2.1.321, Vibe CLI 3.1.1, Qwen Code, Copilot CLI, Antigravity CLI, Amp और Delta

Claude Code और Vibe CLI ने आज की दो सबसे व्यापक रिलीज़ जारी की हैं। Qwen Code v0.27.1, स्थिर रिलीज़ Copilot CLI 1.0.108, Antigravity CLI 1.5.2, Amp के Portals और Windows ऐप, तथा Delta के दोबारा लिखे गए एडिटर का सार संक्षिप्त समाचार के कोड एजेंट और उपकरण खंड में दिया गया है।

Claude Code 2.1.321 में Fable 5.2 डिफ़ॉल्ट Fable मॉडल बना और 74 समस्याएँ ठीक हुईं

9 नवंबर — Claude Code 2.1.321 इस लॉन्च के साथ आया है: Fable 5.2 अब डिफ़ॉल्ट Fable मॉडल है (दस लाख टोकन का संदर्भ, प्रति दस लाख टोकन 8 और 40 डॉलर, कैश पढ़ने का शुल्क 0,20 डॉलर)। Fable 5.1 के सहेजे गए चयन अब fable उपनाम पर चले जाते हैं—Pro और Max पर तुरंत, और Team तथा Enterprise पर संगठन की अनुमति मिलने के बाद; /model claude-fable-5-1 से वापस लौटा जा सकता है। claude remote-control --settings शुरू किए जाने वाले हर सत्र पर सेटिंग्स की एक फ़ाइल लागू करता है।

118 प्रविष्टियों में से 74 सुधार हैं, जिनमें कई सुरक्षा खामियों के समाधान शामिल हैं: MCP के OAuth टोकन रीडायरेक्ट के बाद दूसरे होस्ट पर भेजे जा सकते थे, केवल पढ़ने वाली Bash कमांड बिना अनुमति माँगे सैंडबॉक्स के बाहर चल सकती थी, और किसी फ़ोल्डर की ओर इशारा करने वाले cp या mv पर निषेध के नियम लागू नहीं होते थे। तेज़ सेवा की सीमा पर पहुँचने या सेवा में खराबी आने पर, तेज़ मोड पहले उसी मॉडल की मानक गति पर लौटता है। Claude के लिखे मॉड auto और bypass मोड में बिना अनुमति माँगे सक्रिय हो जाते हैं, जबकि निषेध के नियम लागू रहते हैं। 2.1.320 जारी नहीं हुआ, npm का स्थिर चैनल अभी भी 2.1.311 पर है, और Agent SDK के TypeScript तथा Python संस्करण क्रमशः 0.3.321 और 0.2.180 हैं।

🔗 Claude Code 2.1.321 के रिलीज़ नोट्स

Vibe CLI 3.1.1 में हुक के चार इवेंट, Vim मोड और दूसरे एजेंटों का कॉन्फ़िगरेशन आयात करने की सुविधा जुड़ी

9 नवंबर — 3.1.0 के पाँच दिन बाद Mistral ने Vibe CLI 3.1.1 जारी किया है, जिसकी X पर कोई घोषणा नहीं हुई। पैच संस्करण होने के बावजूद इसमें 92 प्रविष्टियाँ हैं: 17 नई सुविधाएँ, 26 बदलाव, 44 सुधार और 5 हटाई गई चीज़ें। हुक में चार इवेंट जुड़े हैं: pre_agent, जो मॉडल के संदेश पढ़ने से पहले चलता है और संदेश को रोक सकता है, फिर से लिख सकता है या उसमें संदर्भ जोड़ सकता है; notification, जो तब चलता है जब Vibe किसी मंज़ूरी या उत्तर की प्रतीक्षा करता है; session_start और session_end। अंतर्निहित स्किल /vibe:import दूसरे कोडिंग एजेंटों का कॉन्फ़िगरेशन खोजकर उनके निर्देश, स्किल, उप-एजेंट, कमांड, हुक, MCP सर्वर और अनुमतियाँ आयात करता है।

इनपुट क्षेत्र में Vim मोड जुड़े हैं, और /pr सत्र की पुल रिक्वेस्ट की सूची दिखाता है, विफल होने वाली पहली CI जाँच खोलता है या PR की बाधा दूर करने के लिए प्रॉम्प्ट लिखता है; यह निगरानी अब डिफ़ॉल्ट रूप से सक्रिय रहती है। इस संस्करण में /teleport, --teleport विकल्प और /remote-project हटा दिए गए हैं। Mistral Large 4 के लिए विचार के स्तर अब Low, Medium और High हैं, जिन्हें API अब स्वीकार करता है, और प्लगइन के स्किल अब प्लगइन का नाम इस्तेमाल करते हैं (my_plugin:review की जगह my-plugin:review), इसलिए कस्टम एजेंटों में बदलाव करना ज़रूरी है।

🔗 Vibe CLI 3.1.1 के रिलीज़ नोट्स

ChatGPT के dots कई स्थानीय कंप्यूटरों पर काम करते हैं, जिन्हें हर कार्य के लिए चुना जा सकता है

9 नवंबर — सितंबर के अंत में पेश किए गए ChatGPT के स्थायी एजेंट dots अब कई स्थानीय कंप्यूटरों का उपयोग कर सकते हैं: एक ही dot से कई कंप्यूटर जोड़े जाते हैं, फिर किसी कार्य के लिए इस्तेमाल होने वाला कंप्यूटर चुना जाता है। OpenAI Developers ने डेवलपर के लिए कई उपयोग बताए हैं: लैपटॉप पर कोड लिखते समय किसी समर्पित मशीन पर ऐप बनाना और उसका परीक्षण करना, दूसरे Mac पर Xcode में किसी बदलाव का परीक्षण करके स्क्रीनशॉट पाना, पुराने SDK वाली मशीन पर किसी बग को दोहराना, या उपयोगकर्ता की स्क्रीन और कर्सर को व्यस्त किए बिना किसी इंटरफ़ेस पर नेविगेट करवाना।

सहायता पृष्ठ के अनुसार, हर कंप्यूटर को उस पर इंस्टॉल किए गए ChatGPT ऐप से, dot की प्रोफ़ाइल के Computers अनुभाग में जोड़ा जाता है। कंप्यूटर ऑनलाइन और ऐप खुला रहना चाहिए। स्वतंत्र कार्यों के लिए dot से हर कंप्यूटर का अलग थ्रेड बनाने को कहा जाता है। ऑफ़लाइन स्थिति होने से पहुँच रद्द नहीं होती; उसे स्पष्ट रूप से हटाना पड़ता है। यह अनुमति Codex से कनेक्शन और Work Sync से अलग रहती है। OpenAI ने संबंधित सदस्यता योजनाओं या समय-सारणी के बारे में कोई जानकारी नहीं दी है।

🔗 @OpenAIDevs की घोषणा · अपने dot से कंप्यूटर और ऐप जोड़ें

OpenAI ने ModRetro Chromatic का Codex संस्करण दोबारा बिक्री पर रखा, साथ में Game Boy Color गेम बनाने का प्लगइन

9 नवंबर — OpenAI Developers ने OpenAI की दुकान OpenAI Supply Co. पर ModRetro Chromatic का Codex संस्करण दोबारा बिक्री पर रखा है। यह Game Boy Color गेम चलाने वाला पोर्टेबल कंसोल है: प्रोग्राम की जा सकने वाली कार्ट्रिज और केस के साथ 200 डॉलर में। पहले केवल DevDay में उपलब्ध कराया गया यह कंसोल अब नए रूप में लौट रहा है; दुकान के अनुसार यह 19 नवंबर को फिर स्टॉक में आएगा और इसकी डिलीवरी केवल संयुक्त राज्य अमेरिका, कनाडा, ऑस्ट्रेलिया, न्यूज़ीलैंड, जापान, यूनाइटेड किंगडम और यूरोपीय संघ में होगी।

यह कंसोल ModRetro Chromatic प्लगइन की क्षमताएँ दिखाने का माध्यम है। ModRetro का बनाया यह प्लगइन ChatGPT के डेस्कटॉप ऐप में Codex के प्लगइन कैटलॉग से इंस्टॉल किया जाता है। यह GB Studio पर आधारित है और स्प्राइट तथा एनिमेशन के टूल, दृश्य के बगल में दिखाई देने वाला टकरावों का मानचित्र, Codex के अंतर्निहित ब्राउज़र में खुलने वाला एम्युलेटर, और हर चरण पर स्क्रीनशॉट लेते हुए बटन दबाने के क्रम चलाने की सुविधा देता है। अधिक अनुभवी लोग GBDK-2020 के साथ C में लिख सकते हैं या असेंबली में अपना इंजन बना सकते हैं। USB केबल से दोबारा लिखी जा सकने वाली कार्ट्रिज पर गेम इंस्टॉल करने से उसमें मौजूद गेम मिट जाता है और बिना बैकअप बनाए उसका सहेजा गया डेटा भी मिट सकता है।

🔗 @OpenAIDevs की घोषणा · Codex और ModRetro Chromatic के साथ पोर्टेबल कंसोल के लिए रेट्रो गेम बनाएँ · OpenAI Supply Co. पर Chromatic का Codex संस्करण

Google AI Studio में प्रॉम्प्ट से Google Maps Platform के ऐप बनाए जा सकते हैं, बिना बैंक कार्ड के

9 नवंबर — Google AI Studio अब सीधे प्रॉम्प्ट से Google Maps Platform पर आधारित ऐप बनाने की सुविधा देता है। Gemini को अपना विचार बताया जाता है, जैसे न्यूयॉर्क की इंटरैक्टिव 3D सैर, और AI Studio बिना किसी दूसरे पृष्ठ पर भेजे Google Maps Platform कॉन्फ़िगर करता है और API कुंजी संभालता है, फिर पूर्वावलोकन में इंटरैक्टिव मानचित्र दिखाता है; यह मौजूदा Google Cloud प्रोजेक्ट को भी जोड़ सकता है। Maps API (शैलीबद्ध मानचित्र, शहरों के फ़ोटो जैसे वास्तविक 3D दृश्य), Places API (स्थानीय खोज, स्थानों की जानकारी), Routes API (कई पड़ाव वाले मार्ग) और Environment API (हवा की गुणवत्ता, परागकण) उपलब्ध हैं। गैलरी में बदलाव करके इस्तेमाल करने के लिए तीन उदाहरण भी हैं: City Immersive Tour, Pet Grooming Route Optimizer और Store Locator & Near Me Finder।

सैंडबॉक्स के कोटे के भीतर इसे मुफ़्त आज़माया जा सकता है और बैंक कार्ड की ज़रूरत नहीं है: हर API के लिए प्रतिदिन 100 कॉल, जिनका कोटा हर 24 घंटे में रीसेट होता है। प्रोडक्शन में इस्तेमाल के लिए Google Cloud का बिलिंग खाता जोड़ना होगा और Google Maps Platform की मानक दरें लागू होंगी।

🔗 प्रॉम्प्ट से ऐप तक: AI Studio में Google Maps के साथ ऐप बनाएँ (Google Developers) · @GoogleAIStudio की घोषणा

ElevenLabs ने आउटबाउंड कॉल अभियान ElevenAgents को सौंपने के लिए Campaign Manager लॉन्च किया

9 नवंबर — ElevenLabs ने ElevenAgents Campaign Manager लॉन्च किया है, जो उसके वॉइस एजेंटों को पूरे आउटबाउंड कॉल अभियान सौंपता है। संपर्कों की सूची और एक लक्ष्य दिया जाता है, जैसे किसी संभावित ग्राहक की पात्रता सुनिश्चित करना या मुलाक़ात की पुष्टि करना: एजेंट चुने गए समय में कॉल करता है, एक कॉल से दूसरी कॉल तक संदर्भ याद रखता है, बाद में दोबारा कॉल करता है, माँगा गया समय बुक करता है या उसी खाते के किसी दूसरे नंबर या व्यक्ति से संपर्क करता है। लक्ष्य पूरा होते ही या संपर्क किए गए व्यक्ति के कहने पर वह रुक जाता है।

यह मॉड्यूल कॉल के लिए सीमाएँ तय करता है: प्रयासों की अधिकतम संख्या (दोबारा कॉल करने की अलग अधिकतम सीमा के साथ), किसी संपर्क के रुकने को कहते ही अपडेट होने वाली कॉल न करने की सूचियाँ, और एजेंट के परिचय में अनिवार्य सूचनाएँ। हर संपर्क के लिए फ़ैसलों का कालक्रम दर्ज रहता है, अनिश्चित मामलों को कार्रवाई की कतार में भेजा जाता है, और सब कुछ CSV में निर्यात किया जा सकता है। बीमा, बैंकिंग और ई-कॉमर्स में बीटा परीक्षण के दौरान, इसके उपयोग से The AA Ireland में प्रतिदिन संभाले जाने वाले संभावित ग्राहकों का अनुपात 50 से 60 % से बढ़कर 100 % हो गया, उसके CTO जेरेमी ओ’सुलिवन के अनुसार। Campaign Manager अभी फ़ोन और WhatsApp पर उपलब्ध है। ईमेल और SMS के लिए सुविधा जल्द आने की घोषणा हुई है, लेकिन कोई अलग कीमत नहीं बताई गई है।

🔗 ElevenAgents Campaign Manager (ElevenLabs) · @ElevenLabs की घोषणा

खुला डेटा और शोध: NVIDIA के जापानी सिंथेटिक डेटासेट और Amazon की HOPE छँटाई

आज Hugging Face के ब्लॉग पर दो प्रकाशन आए हैं: एक प्रशिक्षण डेटा पर, दूसरा विशेषज्ञों वाले मॉडल की मेमोरी खपत पर।

NVIDIA और Elith ने वित्त और डेटा सुरक्षा के लिए दो जापानी सिंथेटिक डेटासेट जारी किए

9 नवंबर — NVIDIA ने Hugging Face पर दो जापानी सिंथेटिक डेटासेट जारी किए हैं, जिन्हें साथ इस्तेमाल करने के लिए बनाया गया है। Elith कंपनी के साथ तैयार किया गया Nemotron-Personas-Finance-Japan, Nemotron-Personas-Japan को वित्त के क्षेत्र में विस्तार देता है: जापानी में 9 मिलियन पर्सोना (50 फ़ील्ड वाले 1 मिलियन रिकॉर्ड), जिनमें परिवार की संरचना, संपत्ति और वित्तीय व्यवहार आधिकारिक आँकड़ों पर आधारित हैं। इसमें CC BY 4.0 लाइसेंस के तहत लगभग 1,5 अरब टोकन हैं। लेखकों के अनुसार, यह इस आकार का पहला खुला पर्सोना डेटासेट है जो जापान के सार्वजनिक आँकड़ों और घरेलू वित्तीय डेटा को जोड़ता है।

Nemotron-PII-Japan आठ क्षेत्रों (स्वास्थ्य, वित्त, प्रशासन, कानून सहित अन्य) के 100 000 सिंथेटिक जापानी व्यावसायिक दस्तावेज़ देता है। इनमें My Number सहित 56 प्रकार के व्यक्तिगत डेटा चिह्नित हैं, ताकि ऐसे मॉडल प्रशिक्षित किए जा सकें जो इस डेटा का पता लगाएँ और उसे छिपाएँ। NVIDIA इसमें 95 000 दस्तावेज़ों पर एक GLiNER मॉडल को फ़ाइन-ट्यून करता है। समग्र विचार यह है: पहले डेटासेट से ग्राहकों का अनुकरण किया जाए, फिर दूसरे से जाँचा जाए कि प्रसंस्करण शृंखला उनके डेटा की सुरक्षा करती है या नहीं।

🔗 Nemotron-Personas-Finance-Japan (Hugging Face ब्लॉग) · Nemotron-PII-Japan (Hugging Face ब्लॉग)

Amazon ने HOPE पेश किया, जो MoE के विशेषज्ञों की छँटाई करते समय साथ काम करने वाले विशेषज्ञों का ध्यान रखता है

9 नवंबर — एलेक्स एम त्सेंग के नाम से प्रकाशित ब्लॉग पोस्ट में Amazon की एक टीम ने HOPE (विशेषज्ञों की उच्च-क्रम वाली छँटाई) पेश किया है। यह विशेषज्ञों के मिश्रण वाले मॉडल (MoE) से कम उपयोगी विशेषज्ञों को बिना दोबारा प्रशिक्षण दिए हटाने की विधि है। MoE अपने सभी विशेषज्ञों को मेमोरी में रखता है, जबकि हर टोकन के लिए केवल कुछ ही इस्तेमाल होते हैं: Qwen3.5-122B में मॉडल की लगभग 250 गीगाबाइट मेमोरी का 95 % हिस्सा इन्हीं का है। मौजूदा विधियाँ हर विशेषज्ञ को अलग-अलग अंक देती हैं; HOPE अक्सर एक साथ सक्रिय होने वाले विशेषज्ञों की जोड़ियों के बीच अंतःक्रियाओं को भी मापता है।

Qwen3.5-122B, Qwen3.5-35B और GLM-4.5-Air पर REAP, MAN, EAN और Frequency के मुक़ाबले, 10 से 50 % विशेषज्ञों को हटाकर इस विधि का परीक्षण किया गया। Amazon के अनुसार, इसे सबसे अच्छी औसत रैंक मिली (5 विधियों में 2,07), और छँटाई का अनुपात बढ़ने के साथ इसकी बढ़त भी बढ़ती है: 50 % छँटाई पर एजेंट आधारित कोडिंग कार्यों में सबसे अच्छी प्रतिस्पर्धी विधि की तुलना में +6,1 % तक का लाभ। यह क्वांटाइज़ेशन के साथ भी काम करती है और हर परत पर एक से दो सेकंड का अतिरिक्त समय लेती है।

🔗 Amazon की HOPE पर ब्लॉग पोस्ट (Hugging Face ब्लॉग)

संक्षिप्त समाचार

एजेंट और कोडिंग टूल

Qwen Code v0.27.1 — v0.27.0 के दो दिन बाद, 9 नवंबर को जारी स्थिर संस्करण, जिसमें कोई असंगत बदलाव नहीं है: 122 प्रविष्टियाँ, जिनमें 26 नई सुविधाएँ और 65 सुधार हैं। Managed Agent को Mem0 पर आधारित वैकल्पिक निजी मेमोरी, संग्रहण और स्वयं MCP सर्वर स्थापित करने की सुविधाएँ मिलती हैं; Desktop v0.27.1 और TypeScript SDK v0.1.31 भी उसी दिन जारी हुए। 🔗 स्रोत
Copilot CLI 1.0.108 का स्थिर संस्करण — 9 नवंबर को स्थिर संस्करण जारी हुआ, जिसमें 7 नवंबर को कवर किए गए पूर्वावलोकन संस्करणों 1.0.108-0 और 1.0.108-1 से आगे कोई नई सुविधा नहीं है: /index कमांड, डिफ़ॉल्ट रूप से साझा tgrep इंडेक्सिंग, Windows के लिए सैंडबॉक्स सेटिंग और 72 सुधार। 🔗 स्रोत
Antigravity CLI 1.5.2 — बदलावों के विवरण में इस संस्करण की तारीख 6 नवंबर है: जब Gemini Enterprise का कोई प्रशासक समीक्षा अनिवार्य करता है, तो --dangerously-skip-permissions अब सुरक्षित कमांड या कार्यक्षेत्र के बाहर पहुँच को अपने आप मंज़ूरी नहीं देता; खतरनाक नाम वाले प्लगइन अस्वीकार किए जाते हैं, और क्लाउड प्लगइन की स्किल अब --remote-agent सत्रों में उपलब्ध हैं। 🔗 स्रोत
रनर पर Amp के Portals — अब तक केवल ऑर्ब तक सीमित Portals अब उपयोगकर्ता की मशीनों पर काम करते हैं: एजेंट द्वारा शुरू किया गया डेवलपमेंट सर्वर थ्रेड के Portal टैब से खुलता है, जिसे दस्तावेज़ों के अनुसार ब्राउज़र और iPhone तथा iPad ऐप में इस्तेमाल किया जा सकता है। इसे Allow Portals या amp --no-tui --remote-control-portals से सक्रिय किया जाता है; साझा रनर को छोड़कर पोर्टल निजी होते हैं, और दस्तावेज़ों के अनुसार कभी सार्वजनिक नहीं होते। 🔗 स्रोत · 🔗 दस्तावेज़
Windows के लिए Amp — 7 नवंबर को Amp के मुख्य कार्यकारी अधिकारी क्विन स्लैक ने एक प्रयोगात्मक Windows ऐप उपलब्ध कराया, जिसका इंस्टॉलर अपने आप अपडेट होता है; बग की सूचना देने पर क्रेडिट दिए जाते हैं, और लगभग तीन से चार दिनों में एक भरोसेमंद संस्करण देने का वादा किया गया है। डाउनलोड पेज पर एक प्रयोगात्मक Linux ऐप भी सूचीबद्ध है। 🔗 स्रोत
Delta के थ्रेड का एडिटर — अगुस ज़ुबियागा ने Delta के ब्लॉग पर उस एडिटर के दोबारा लिखे जाने की कहानी बताई है, जिसका उद्देश्य थ्रेड को चैट के बजाय साझा और टिप्पणियाँ जोड़ने योग्य दस्तावेज़ बनाना है; इसके लिए Zed के एडिटर की संरचना छोड़ दी गई। Zed के अनुसार छह बार शून्य से शुरुआत करनी पड़ी। यह इंजीनियरिंग संबंधी लेख है, कोई नया संस्करण नहीं। 🔗 स्रोत · 🔗 Zed का ट्वीट
v0 और Fable 5.2 — Vercel का ऐप बनाने वाला टूल लॉन्च वाली शाम को ही Claude Fable 5.2 उपलब्ध कराता है, जिसमें सीधे पहुँचने के लिए v0.app/?fable52 दिया गया है; योजनाओं या कीमत का विवरण नहीं दिया गया। 🔗 स्रोत

प्लेटफ़ॉर्म, API और कंपनियाँ

अपना Claude मॉडल चुनना — claude.dev पर प्रकाशित एक मार्गदर्शिका में एडी ओस्मानी, medium प्रयास स्तर पर Opus 5.5 से शुरुआत करने, स्पष्ट दायरे वाले या अधिक मात्रा के काम के लिए Sonnet 5.5 या Haiku 5.5 पर जाने, और सबसे कठिन परियोजनाओं के लिए Fable 5.2 चुनने की सलाह देते हैं; इससे पहले प्रयास स्तर एक पायदान बढ़ाकर आज़माना चाहिए। SWE-bench Pro पर, low स्तर पर Opus 5.5 चलाकर असफल कार्यों को high स्तर पर दोबारा करने से लगभग 97 % परिणाम मिलता है और प्रति कार्य 0,17 डॉलर खर्च होता है, जबकि सब कुछ high स्तर पर करने से 95,3 % परिणाम और 0,29 डॉलर खर्च होता है। 🔗 स्रोत
Agents API में असिंक्रोनस फ़ंक्शन — OpenAI की Agents API टीम के माइकल लुओ ने असिंक्रोनस फ़ंक्शन प्रस्तुत किए: एजेंट किसी टूल को कॉल करने के बाद उसके परिणाम की प्रतीक्षा किए बिना काम जारी रखता है, ताकि धीमी खोज जल्दी शुरू की जा सके या किसी अनुरोध के स्वतंत्र हिस्सों पर काम किया जा सके। उन्होंने 12 घंटे के प्रॉम्प्ट कैश की भी याद दिलाई, जिसे 20 अक्टूबर को कवर किया जा चुका है। 🔗 स्रोत
OpenAI के SDK — openai-python 3.48.0 में एजेंट सत्रों के लिए स्ट्रीमिंग विकल्प जोड़े गए हैं, और Python तथा Node (7.54.0) SDK अब बीटा Responses में gpt-6-rosalind को पहचानते हैं; Codex CLI ने 6 नवंबर के 0.167.0 के बाद कोई स्थिर संस्करण जारी नहीं किया है, केवल बिना विवरण वाले 0.169.0 पूर्वावलोकन संस्करण जारी हुए हैं। 🔗 स्रोत
AWS Marketplace पर ChatGPT Enterprise — ChatGPT Enterprise (ChatGPT, ChatGPT Work, Codex और dots) अब AWS Marketplace से खरीदा जा सकता है, जिसमें मौजूदा AWS बिलिंग इस्तेमाल होती है और खर्च AWS की प्रतिबद्धताओं में गिना जा सकता है; OpenAI के अनुसार सुविधाएँ सीधे खरीदने जैसी ही हैं, कीमत घोषित नहीं की गई है। अक्टूबर में Google Cloud और Oracle पर उपलब्ध होने के बाद यह कदम आया है। 🔗 स्रोत
Kuken Industries — कूलिंग टावर बनाने वाली यह जापानी कंपनी अब किसी स्पेयर पार्ट का नक्शा लगभग एक घंटे के बजाय 4,5 मिनट में खोज लेती है। इसके लिए स्टार्टअप Recursive ने OpenAI के API पर आधारित एक टूल बनाया है; कंपनी को एक साल में खोज पर लगने वाले घंटों में लगभग 90 % की कमी की उम्मीद है। 🔗 स्रोत
मेमोरी पर Perplexity की मार्गदर्शिका — Perplexity ने एआई सहायकों की मेमोरी समझाई और अपनी मेमोरी का विवरण दिया है: यह सभी मॉडलों के साथ काम करती है, हर Project के लिए अलग होती है, इस्तेमाल होने पर स्रोतों में दिखाई जाती है और हटाई जा सकती है; सामान्य उपभोक्ता खातों में इसकी सामग्री मॉडल बेहतर बनाने के लिए इस्तेमाल हो सकती है, जब तक AI Data Retention सेटिंग बंद न की जाए; Enterprise खातों में ऐसा कभी नहीं होता। 🔗 स्रोत

सुरक्षा

Actions के लॉग में सीक्रेट स्कैनिंग — GitHub की सीक्रेट स्कैनिंग अब कार्यप्रवाह पूरा होने पर GitHub Actions के लॉग की जाँच करती है। यह Secret Protection या Advanced Security वाले GitHub Enterprise Cloud पर सार्वजनिक पूर्वावलोकन में उपलब्ध है; संगठन की नीति डिफ़ॉल्ट रूप से बंद है, और पूर्वावलोकन के दौरान पुराने लॉग की जाँच या सूचनाएँ नहीं दी जातीं। 🔗 स्रोत
Fizzl की x402 परीक्षा — फ्रिट्स ज़्वागर ने x402 Agent Safety Bench को Fizzl की वेबसाइट पर किसी भी एजेंट के लिए खुली परीक्षा में बदल दिया है: नकली विक्रेताओं से खरीदारी के 19 कार्य हैं, जिनमें 14 विक्रेता धोखेबाज़ हैं; भुगतान Base Sepolia पर परीक्षण वाले USDC में किया जाता है। 🔗 स्रोत

खुले मॉडल और समुदाय

हार्नेस अडैप्टर — 6 नवंबर को प्रस्तुत harness-hub परियोजना की अगली कड़ी: Liquid AI के LFM2.5-24B और LFM3 तथा webAI के Twil-8B के लिए pi, hermes और opencode हार्नेस में LoRA का प्रशिक्षण पूरा हो गया है; टीम ने LFM3 के लिए टूल इस्तेमाल की दक्षता में 43 % तक और सटीकता में 15 % तक वृद्धि, तथा Twil-8B के लिए दक्षता में 37 % तक वृद्धि की घोषणा की है। 🔗 स्रोत
चिकित्सा के लिए वेट संपादित करना — मज़ियार पनाही (OpenMed) ने छोटे Qwen मॉडलों के वेट बिना प्रशिक्षण के बदलकर चिकित्सा परीक्षाओं में उनके प्रदर्शन को बेहतर बनाया है: MedQA पर Qwen3.5-2B का स्कोर 52,0 से बढ़कर 70,5 % हो गया, जबकि गणित में कोई महत्वपूर्ण बदलाव नहीं हुआ; लेख स्पष्ट करता है कि इस सुधार का कुछ हिस्सा उत्तर के प्रारूप से आता है। 🔗 स्रोत
Mac Studio पर फ़ाइन-ट्यून किया गया Qwen3.8-27B — रोमन मेलनिक ने Qwen3.8-27B को Kafka, Strimzi, Kubernetes और Argo CD के सहायक में बदला है, और पूरा काम 512 गीगाबाइट वाले Mac Studio M3 Ultra पर किया गया; 4 बिट वाला संस्करण लगभग 15 गीगाबाइट में समा जाता है, और लेखक इस शुरुआती परिणाम को मिला-जुला मानते हैं। 🔗 स्रोत
Together AI पर Step 5 — 8 नवंबर को Together AI ने बताया कि एजेंटों की मदद से अपनी मॉडल सेवा की सॉफ़्टवेयर परतों को अनुकूलित करके उसने StepFun के Step 5 का थ्रूपुट तीन गुने से अधिक कर दिया है। इनमें MoE रूटिंग, शेड्यूलिंग, कर्नेल, स्पेकुलेटिव डिकोडिंग और स्पार्स अटेंशन शामिल हैं; कोई निरपेक्ष आँकड़ा नहीं दिया गया। 🔗 स्रोत
Hub पर 3D गैलरी — Hugging Face द्वारा साझा किए गए केलब फ़ालग्रेन के विवरण के अनुसार, .glb, .ply, .stl फ़ाइलों या स्प्लैट वाले डेटासेट अपने आप 3D गैलरी के रूप में दिखाई देते हैं; अक्टूबर के OpenUSD व्यूअर के बाद अब 350 से अधिक सार्वजनिक डेटासेट को यह सुविधा मिल रही है। 🔗 स्रोत
दोहा में Hugging Face और Qai का हैकाथॉन — अरित्र रॉय गोष्ठीपती और Hugging Face के चार सहलेखकों ने 5 से 7 नवंबर तक हुए इस हैकाथॉन पर लेख लिखा है, जिसे खाड़ी क्षेत्र में Hugging Face का पहला हैकाथॉन बताया गया है: 500 से अधिक आवेदन, 150 प्रतिभागी, 40 टीमें, 15 फ़ाइनलिस्ट और 3 विजेता। 🔗 स्रोत
Sakana AI का मोबाइल ऐप — Sakana AI अपने पहले मोबाइल ऐप के बीटा परीक्षण के लिए 15 नवंबर तक परीक्षकों को आमंत्रित कर रहा है। इसका अस्थायी नाम Sakana AI App है, और इसकी सुविधाओं का विवरण नहीं दिया गया है। 🔗 स्रोत

रोबोटिक्स, 3D और वीडियो

कोरिया में भौतिक एआई — NVIDIA की कोरियाई श्रृंखला में Samsung सेमीकंडक्टर डिज़ाइन की गणनाओं को तेज़ कर रहा है (PhysicsNeMo के साथ लगभग 1 600 गुना, 18 घंटे से 41 सेकंड तक), Kakao Mobility का लक्ष्य Kia वाहनों के साथ NVIDIA Hyperion पर स्तर 4 की स्वायत्त ड्राइविंग है, और Isaac GR00T द्वारा संचालित LG का CLOiD रोबोट एक वास्तविक कारखाने में काम कर रहा है; कोई समयसीमा या पैमाना नहीं बताया गया। 🔗 स्रोत
IKEA के फ़र्नीचर को जोड़ने वाला ह्यूमनॉइड — 8 नवंबर को हरप्रीत सहोता ने FiftyOne के लिए 2026 Humanoid IKEA Assembly Challenge के एक अंश को रूपांतरित किया: 35 मोटर और सात कैमरों वाले ह्यूमनॉइड के 6 एपिसोड और 30,7 मिनट के दृश्य, जिनमें मोटरों का टॉर्क कलाइयों के कैमरों के साथ समकालित है। 🔗 स्रोत
Meshy के SAM3D-Part और BranchTokens — SAM3D-Part किसी मौजूदा 3D वस्तु का एक पूरा हिस्सा एक क्लिक में अलग निकालता है, और 500 वस्तुओं पर इसकी Chamfer दूरी OmniPart से लगभग 72 % कम है (शोधपत्र SIGGRAPH Asia 2026 में स्वीकृत, वेट प्रकाशित); Purdue के साथ विकसित BranchTokens, Auto-Connect की तुलना में 3D कंकाल बनाने की त्रुटि 16,9 % कम करता है। 🔗 स्रोत · 🔗 BranchTokens
Runway का Sightline — App Studio का नया ऐप: यह किसी स्थान का 360 पैनोरमा बनाता है, एकसमान दृश्यावली के साथ हर कोण से शॉट का फ़्रेम तय करने देता है, और वातावरण के रूप में इस्तेमाल के लिए उसे 3D में निर्यात करता है; इसमें Runway क्रेडिट खर्च होते हैं, लेकिन लागत या मॉडल का विवरण नहीं दिया गया। 🔗 स्रोत

इसका क्या अर्थ है

अब किसी अत्याधुनिक मॉडल का मूल्यांकन लॉन्च के दिन ही उसे अपने उत्पादों में शामिल करने वाली कंपनियाँ अपने परीक्षणों पर करती हैं। Cursor, Cognition और Perplexity लॉन्च के कुछ ही घंटों में Fable 5.2 के अपने आँकड़े प्रकाशित करते हैं, हर कोई अपने बेंचमार्क पर, और Claude Code तुरंत इसे अपना डिफ़ॉल्ट Fable मॉडल बना देता है। इन सभी मापों से एक जैसी बात सामने नहीं आती: CursorBench पर Extra High प्रयास स्तर, High से महँगा होने के बावजूद कम अच्छा प्रदर्शन करता है, और WANDR पर रिकॉर्ड बनाने की कीमत Gemini 4 Argon की प्रति कार्य लागत से लगभग 1,8 गुना है। डिफ़ॉल्ट सेटिंग से दोबारा शुरुआत करने की Cursor की सलाह उसके टूल से आगे भी लागू होती है: नया मॉडल आने पर प्रयास स्तर को फिर से समायोजित करना पड़ता है।

प्रति कार्य लागत तुलना की इकाई बन रही है। Anthropic ने Fable की कीमत 20 % घटाई है और लगभग आधी कीमत पर Opus 5.5 का स्कोर हासिल करने पर ज़ोर दिया है; Meta के अपने आँकड़ों के अनुसार, Muse Ember लगभग एक तिहाई प्रति कार्य लागत पर Claude Haiku 5.5 के स्तर पर है; Cursor, Devin और Perplexity सभी स्कोर के साथ प्रति कार्य लागत दिखाते हैं। मॉडलों को चलाने वाली बुनियादी संरचना में Google इन्फ़रेंस के लिए TPU प्रणालियाँ बढ़ा रहा है और Amazon, HOPE की मदद से MoE की मेमोरी आवश्यकताएँ घटाने की कोशिश कर रहा है। हालाँकि TPU 8tx और 8i Max के लिए अभी कोई तारीख या कीमत नहीं दी गई है, इसलिए उनकी तुलना अभी संभव नहीं है।

प्रदर्शनों का पैमाना बदल रहा है: Fermat के लिए 1 000 एजेंट, MIPLIB पर प्रति टीम 300 तक, और ऑपरेटिंग सिस्टम के एक प्रोटोटाइप के लिए 1 000 से अधिक उप-एजेंट। Anthropic इन आँकड़ों के साथ मापे गए सुरक्षा उपाय भी प्रस्तुत करता है: Fermat प्रयोग के दस लाख से अधिक टूल कॉल में से हर एक पर एक वर्गीकारक, सैंडबॉक्स से बाहर निकलने की दर घटाकर 3,1 %, और Mythos 5.2 को साइबर सुरक्षा तथा जीवविज्ञान के सत्यापन कार्यक्रमों तक सीमित रखना। हालाँकि, दोनों मॉडलों को अधिक बार यह संदेह होना कि उनका मूल्यांकन किया जा रहा है, इन सुरक्षा मापों की व्याख्या को अधिक पेचीदा बनाता है।

रोबोटिक्स में खुलेपन की पुष्टि अभी बाकी है। NVIDIA, GR00T 2 को खुला मॉडल बताता है और दो खुले परीक्षण मंच, DexBench तथा VABAR, प्रकाशित करता है, लेकिन उसके लेख में न लाइसेंस है और न डाउनलोड लिंक। कोरिया में NVIDIA संप्रभु एआई का ऐसा पारितंत्र बना रहा है, जहाँ उसके GPU, NVLink Fusion के ज़रिए Rebellions के NPU के साथ काम करते हैं: प्लेटफ़ॉर्म दूसरे डिज़ाइनरों की चिप के लिए खुल रहा है, जबकि इन्फ़रेंस के केंद्र में बना हुआ है।