Claude Code Desktop अब एक ब्राउज़र को एकीकृत करता है और v2.1.206 में जाता है, GPT-5.6 Sol Ultra सामान्य उपलब्धता में, Amp अपने मोड्स को एकल डायल (The Dial) से बदलता है

10 जुलाई चार बड़े ऐलान लेकर आता है जो एजेंट-मशीन इंटरैक्शन को फिर से आकार देते हैं: Claude Code Desktop को एक एकीकृत ब्राउज़र मिलता है और यह v2.1.206 में जाता है, GPT-5.6 Sol Ultra एक नवीन गणितीय प्रमाण के दावे के साथ सामान्य उपलब्धता में जाता है, और Amp अपने सभी नामित एजेंट मोड्स को एक ही डायल से बदल देता है। अठारह उल्लेखनीय खबरें तस्वीर को पूरा करती हैं — Cognition का Claude Fable 5 पर बढ़ता भरोसा से लेकर Perplexity में orchestrator के रूप में Grok 4.5 के आने तक — और चार संक्षिप्त खबरें इस परिदृश्य का समापन करती हैं।

Claude Code Desktop को एक एकीकृत ब्राउज़र मिलता है

10 जुलाई — डेस्कटॉप पर Claude Code को एक नया Browser पैनल मिलता है: एक टैब वाला ब्राउज़र जिसे Claude ठीक वैसे ही संचालित करता है जैसे वह पहले ही स्थानीय विकास सर्वरों को संचालित करता है — दस्तावेज़ खोलना, डिज़ाइन मॉकअप या कोई भी अन्य साइट खोलना, सामग्री पढ़ना, क्लिक करना, फ़ॉर्म भरना। यह कीबोर्ड से खुलता है (macOS पर Cmd+Shift+B, Windows पर Ctrl+Shift+B) या Views मेनू से; जब Claude चैट में कोई बाहरी लिंक देखता है, तो एक चयनकर्ता उसे इस पैनल में या डिफ़ॉल्ट ब्राउज़र में खोलने की पेशकश करता है। Google OAuth जैसे पॉप-अप लॉगिन फ़्लो के ज़रिए सहित, थर्ड-पार्टी खातों से कनेक्शन संभव है।

पैनल sandboxed है: अपना अलग ब्राउज़िंग प्रोफ़ाइल, व्यक्तिगत पहचानकर्ताओं और इतिहास से अलग, और डेवलपमेंट में एक रिस्टार्ट से दूसरे रिस्टार्ट तक सत्रों को बनाए रखने का विकल्प (cookies, local storage) भी उपलब्ध है। एप्लिकेशन सत्यापन के लिए पहले से मौजूद सुरक्षा उपायों में दो और सुरक्षा-गार्ड जोड़े जाते हैं: ऑटो मोड वाले वही classifiers किसी बाहरी पेज पर Claude की हर लेखन क्रिया की जाँच करते हैं — सक्रिय अनुमति मोड चाहे जो भी हो, कोई फ़्लैग दिखने पर पुष्टि माँगी जाती है — और Auto तथा Bypass मोड के बाहर, किसी भी नेविगेशन से पहले डोमेन की whitelist जाँच लागू होती है। किसी साइट पर Claude की पहली क्रिया एक अनुमति कार्ड ट्रिगर करती है (Allow once / Always allow / Deny), और हर साइट, उप-डोमेन्स सहित, अलग से अनुमोदित होनी चाहिए। स्वीकृत साइट पर भी, Claude स्पष्ट पुष्टि के बिना न तो कोई वस्तु खरीद सकता है, न खाता बना सकता है, न CAPTCHA को बायपास कर सकता है — वही सुरक्षा मॉडल जो Claude in Chrome एक्सटेंशन में है, जिसकी डॉक्यूमेंटेशन उपयोग-भेद स्पष्ट करती है: Browser पैनल किसी एप्लिकेशन को बनाने और टेस्ट करने के लिए उपयुक्त है (खाली प्रोफ़ाइल, बिना पहचान), जबकि Chrome एक्सटेंशन व्यक्तिगत ब्राउज़र की लॉगिन स्थिति साझा करता है।

“Claude Code on desktop now has an in-app browser.”

🇮🇳 Claude Code डेस्कटॉप पर अब एक एकीकृत ब्राउज़र उपलब्ध है। — @ClaudeDevs on X

🔗 डेस्कटॉप एप्लिकेशन — Claude Code Docs

GPT-5.6 Sol Ultra सामान्य उपलब्धता में जाता है, OpenAI 50 साल पुराने अनुमान के प्रमाण का दावा करता है

10 जुलाई — GPT-5.6 Sol का Ultra सेटिंग के साथ संस्करण सामान्य उपलब्धता में जाता है, 9 जुलाई के लॉन्च के दौरान बीटा मल्टी-एजेंट में इसकी शुरुआत के बाद (मोड ultra डिफ़ॉल्ट रूप से कई agents को समानांतर में समन्वयित करता है)। इस GA बदलाव को दिखाने के लिए, OpenAI के इंजीनियर Ethan Knight दावा करते हैं कि मॉडल ने Cycle Double Cover Conjecture का प्रमाण उत्पन्न किया, जो ग्राफ़ सिद्धांत में लगभग 50 साल पुरानी एक खुली समस्या है (Szekeres द्वारा 1973 और Seymour द्वारा 1979 में स्वतंत्र रूप से अनुमानित), और इसके लिए 64 sub-agents को एक घंटे से थोड़ा कम समय में इस्तेमाल किया गया। OpenAI कहता है कि वह उपयोग किए गए prompt और उत्पन्न प्रमाण को साझा कर रहा है, और समुदाय को Ultra के साथ प्रयोग करने के लिए आमंत्रित करता है। यह किसी नए मॉडल परिवार की घोषणा नहीं है, बल्कि Sol की सेटिंग ultra की सामान्य उपलब्धता में छलांग है, जिसे एक दिन पहले मल्टी-एजेंट बीटा में पेश किया गया था।

संपादकीय सावधानी : यह दावा स्वयं OpenAI द्वारा (अपने एक कर्मचारी के माध्यम से, जिसे आधिकारिक रूप से @OpenAI खाते ने repost किया) संप्रेषित किया गया है, न कि किसी स्वतंत्र तृतीय-पक्ष स्रोत द्वारा सत्यापित प्रमाण या इस लेख की तिथि तक किसी peer-reviewed जर्नल में प्रकाशित परिणाम। अनुमान स्वयं प्रामाणिक है और ग्राफ़ सिद्धांत में दर्ज है; घोषित प्रमाण की वैधता, इस समय, स्वतंत्र रूप से स्थापित नहीं हुई है — OpenAI का एक दावा, जिसे तथ्य के रूप में नहीं बल्कि उसी रूप में देखा जाना चाहिए।

“Yesterday, we made GPT-5.6 Sol Ultra generally available. Today, we’re sharing that it produced a proof of the 50-year-old Cycle Double Cover Conjecture using 64 subagents in just under one hour.”

🇮🇳 कल, हमने GPT-5.6 Sol Ultra को सामान्य पहुँच में उपलब्ध कराया। आज, हम यह साझा कर रहे हैं कि इसने 50 साल पुराने cycle double cover अनुमान का प्रमाण उत्पन्न किया, जिसमें 64 sub-agents का उपयोग एक घंटे से थोड़ा कम समय में किया गया। — Ethan Knight (OpenAI), @OpenAI on X द्वारा पुनर्प्रकाशित

Amp अपने नामित agent मोड्स को एकल डायल (The Dial) से बदलता है

9 जुलाई — Amp The Dial जारी करता है, जो उसके agent mode selection सिस्टम का एक पूर्ण पुनर्निर्माण है। चार पुराने नामित मोड — smart, deep, rush, large — अब अप्रचलित हैं और चार-स्तरीय प्रयास डायल से बदल दिए गए हैं: low, medium, high, ultra। केंद्रीय विचार: पुराने mode नाम एक मॉडल, एक prompt और एक विशिष्ट reasoning effort स्तर को छिपाते थे, जिन्हें सही चुनाव के लिए जानना पड़ता था — models के अभिसरण के साथ, Amp के अनुसार अब जो एकमात्र प्रासंगिक प्रश्न बचता है वह capability/cost का संतुलन है। डायल को CLI में Ctrl+S के माध्यम से या web app के mode selector के ज़रिए सेट किया जाता है।

डायल का स्तर	प्रमुख मॉडल	Oracle (दूसरी राय)
ultra	Claude Fable 5 (समर्पित system prompt)	GPT-5.6 Sol
high	GPT-5.6 Sol, प्रयास xhigh	Claude Fable 5
medium	GPT-5.6 Sol, प्रयास medium	GPT-5.6 Sol, प्रयास high
low	GLM-5.2 (Z.ai, खुला मॉडल)	GPT-5.6 Sol

एक उल्लेखनीय बात: स्तर low डिफ़ॉल्ट रूप से GLM-5.2 पर आधारित है, जो Z.ai का एक तृतीय-पक्ष खुला मॉडल है और जिसे Amp ने « agentic coding में सबसे मजबूत खुला मॉडल » कहा है, न कि कोई मालिकाना मॉडल — workspace प्रशासक इसे GPT-5.6 Terra से बदल सकते हैं। अब हर स्तर के साथ एक “oracle” भी है, दूसरी राय के लिए: उच्च स्तरों पर, दोनों सीमा-रेखा मॉडल एक-दूसरे की समीक्षा करते हैं (में high, GPT-5.6 Sol लिखता है और Fable समीक्षा करता है; में ultra, उल्टा)। माइग्रेशन के लिए, Amp कहता है: « smart, deep → medium » और « rush → low »; जो उपयोगकर्ता पुराने मोड्स का सटीक व्यवहार बनाए रखना चाहते हैं, वे उन्हें plugins (amp plugins add --auto-update @amp/smart-classic, आदि) के रूप में फिर से स्थापित कर सकते हैं, वही system prompts, tools, models और effort levels के साथ जो पहले थे।

🔗 Amp — The Dial (पूरा लेख)

Claude Code v2.1.206 में जाता है : path suggestions, CLAUDE.md सफाई और करीब पंद्रह सुधार

10 जुलाई — Claude Code v2.1.206 में जाता है, एक ऐसा रिलीज़ जिसमें कोई एक प्रमुख फीचर नहीं है लेकिन कई उल्लेखनीय जोड़ हैं। /cd अब directory path सुझाव देता है, ठीक उसी तरह जैसे /add-dir। /doctor को एक नया नियंत्रण मिलता है जो versioned CLAUDE.md फ़ाइलों को हल्का करने का सुझाव देता है, उन सामग्रियों की पहचान करके जिन्हें Claude वैसे भी repository exploration से अपने आप निकाल सकता है। Git की तरफ, /commit-push-pr अब repository की configured push remote या उपलब्ध एकमात्र remote पर, git push को origin के अलावा स्वतः अनुमति देता है, और EnterWorktree परियोजना के .claude/worktrees/ फ़ोल्डर के बाहर स्थित worktree में प्रवेश करने से पहले पुष्टि माँगता है। बैकग्राउंड agents, Claude Code अपडेट के तुरंत बाद चुपचाप अपडेट हो जाते हैं, बजाय इसके कि उपयोगकर्ता के जुड़ने के समय धीमा अपडेट थोपें। agents दृश्य (claude agents) को भी ट्यून किया गया है: Ctrl+X अब समाप्त सत्र को स्थायी रूप से हटाता है, और status कॉलम टर्मिनल की पूरी चौड़ाई का उपयोग करता है। Anthropic अंततः claude-opus-4-8 पर /code-review के परिणामों की गुणवत्ता में सुधार की सूचना देता है, सभी effort levels पर।

बाकी changelog में करीब पंद्रह सुधार शामिल हैं: expired connection त्रुटि, जो /login को फिर से चलाने के लिए कहने के बजाय भ्रामक संदेश दिखाती थी; startup पर अब keyboard से प्रतिक्रिया न देने वाले claude --resume और --continue; ऐसे MCP servers जो अपना request_timeout_ms अनदेखा कर 60 सेकंड के डिफ़ॉल्ट पर लौट जाते थे; /model selector में गलत कीमतें; और, Bedrock की तरफ, सीमित outbound नेटवर्क पर awsCredentialExport helper के उपयोग के दौरान startup में कई मिनटों की रुकावट।

🔗 रिलीज़ v2.1.206 — Claude Code

Anthropic अपने enterprise साझेदारों को मज़बूत करता है

दो case studies 9-10 जुलाई को Anthropic के Enterprise साझेदारों को सामने लाती हैं, एक Claude Fable 5 की लंबे समय की स्वायत्तता पर, दूसरी उसके भौतिक निर्माण श्रृंखलाओं में एकीकरण पर।

Cognition (Devin) : Claude Fable 5 बिना निगरानी के 8 घंटे तक टिकता है

10 जुलाई — “Working at the frontier” श्रृंखला का नया एपिसोड Cognition को समर्पित है, जो autonomous software engineer Devin के पीछे की कंपनी है। Cognition में models के प्रशिक्षण और मूल्यांकन का नेतृत्व करने वाले Silas Alberti, कंपनी के इन-हाउस anti-slop benchmark Frontier Code पर एक गुणात्मक छलांग का वर्णन करते हैं: पुराना Opus मॉडल सबसे कठिन उपसमुच्चय पर लगभग 10% तक सीमित था, जबकि Claude Fable 5 लगभग 30% तक पहुँचता है। सबसे महत्वपूर्ण बात, autonomy का क्षितिज अपनी प्रकृति बदलता है — बिना निगरानी छोड़ा गया agent वास्तव में 8 घंटे तक लगातार आगे बढ़ता है, जबकि Fable 5 से पहले कुछ मिनट से एक घंटे तक। Alberti इस छलांग का श्रेय मॉडल की Cognition के आंतरिक debugging tools का उपयोग करने और कार्य करने से पहले अपने invariants बताने की क्षमता को देते हैं; Devin Slack और production की सक्रिय रूप से निगरानी करना शुरू करता है, एक ऐसा विकास जिसे Alberti एक से दो वर्षों में 90% sessions तक पहुँचने वाला मानते हैं।

“We trust no eval.”

🇮🇳 हम किसी भी benchmark पर भरोसा नहीं करते। — Silas Alberti, Cognition, Claude Blog पर उद्धृत

UST Claude को physical AI में तैनात करता है

9 जुलाई — Anthropic UST के साथ एक साझेदारी की घोषणा करता है, जो एक technology services और engineering कंपनी है, ताकि Claude को भौतिक निर्माण प्रक्रियाओं पर तैनात किया जा सके: chips, automobile, connected objects। UST 20,000 कर्मचारियों को Claude पर प्रशिक्षित करता है और Claude Partner Network का Global Premier Partner बनता है। केंद्रीय use case : iDEC पर, जो UST का hardware validation platform है, Claude Code chip schematics और pinouts पढ़ता है, regression tests लिखता है, और वास्तविक उपकरणों और डिजिटल twins की तुलना करता है — एक ऐसा pipeline जो पहले से validation cycles को 50 से 70 % तक घटा देता है। CarePath (स्वास्थ्य), IntelliOps (दूरसंचार) और FinX (बैंकिंग) तक भी विस्तार, हमेशा संवेदनशील actions पर human approval के साथ।

🔗 UST Claude को physical AI में ला रहा है

OpenAI, GPT-5.6 लॉन्च के अगले दिन

GPT-5.6/ChatGPT Work लॉन्च के अगले दिन की तारीख वाली दो घोषणाएँ: लॉन्च समस्याओं की सार्वजनिक मान्यता, और जैविक सुरक्षा कार्यक्रम का एक विकास।

ChatGPT Work और Codex के लिए post-launch सुधार

10 जुलाई — GPT-5.6 और ChatGPT Work के संयुक्त लॉन्च के लगभग 24 घंटे बाद, OpenAI में Codex प्रमुख Thibault “Tibo” Sottiaux सार्वजनिक रूप से कई लॉन्च समस्याओं को स्वीकार करते हैं, जिसे आधिकारिक रूप से @OpenAI खाते ने भी दोहराया: उच्च compute सेटिंग्स को सक्रिय करना बहुत आसान था, desktop app का पुनर्गठन chats और projects को कम सुलभ बना रहा था, लॉन्च framing ने गलत धारणा पैदा की कि Codex गायब होने वाला है, multi-agent workflows पर regression, plugins में दिक्कतें। आज के सुधार: usage limits को दो बार रीसेट करना, default settings बदलना, plugins सुधार, desktop सफाई। अगले सप्ताह एक व्यापक wave की घोषणा की गई है: sidebar में chats और projects की वापसी, usage की बेहतर दृश्यता, ChatGPT Work और Codex के बीच स्पष्टता।

“An ambitious direction doesn’t excuse avoidable confusion or regressions in the first version.”

🇮🇳 महत्वाकांक्षी दिशा इस पहली संस्करण में टाले जा सकने वाले भ्रम या regressions का बहाना नहीं बनती। — Tibo (Thibault Sottiaux), OpenAI, on X

Bio Bug Bounty एक स्थायी निजी कार्यक्रम में बदलता है

10 जुलाई — OpenAI अपने Bio Bug Bounty को एक स्थायी निजी कार्यक्रम (OpenAI Bio Bug Bounty program) में विकसित करता है, जिसकी reward राशि दोगुनी होकर 50 000 $ हो जाती है। यह कार्यक्रम AI red-teaming, सुरक्षा या biosafety के शोधकर्ताओं को आमंत्रित करता है कि वे एक सार्वभौमिक jailbreak खोजें जो OpenAI के सबसे उन्नत frontier models पर पूर्वनिर्धारित biosafety challenge को हराकर दिखाए। यह घोषणा पुष्टि करती है कि यह वास्तव में पिछले दिन पहचाने गए पुराने सीमित-अवधि कार्यक्रम से एक संक्रमण था — तब reward 25 000 $ तय थी, और अवलोकन के समय उसकी समय-सीमाएँ पहले ही बीत चुकी थीं।

🔗 @OpenAI — OpenAI Bio Bug Bounty program

Gemini अपनी real-time प्रयोगों को वास्तविक दुनिया में एंकर करता है

दो सुविधाएँ जो AI generation को भौतिक दुनिया से जोड़ती हैं, एक voice conversation में, दूसरी 360° virtual exploration में।

Gemini Live conversation में image generation और Google Maps को जोड़ता है

10 जुलाई — Gemini Live, Gemini ऐप का real-time voice और camera conversation mode, अब एक session के दौरान सीधे Nano Banana image generation और Google Maps grounding को एकीकृत करता है: कैमरे में कोई वस्तु या स्थान दिखाकर images बनाना, स्थानीय व्यवसाय ढूँढना, और साथ-साथ आवाज़ में बातचीत करना। संलग्न demo एक पेंटिंग को personalized wallpaper में बदलना दिखाता है। सभी Gemini उपयोगकर्ताओं के लिए, बिना Pro/Ultra प्रतिबंध के, मुफ्त और विश्वव्यापी रूप से उपलब्ध।

🔗 Tweet @GeminiApp — Gemini Live real-time

Project Genie अपने generated worlds को Street View पर एंकर करता है

10 जुलाई — शोध prototype Project Genie (Google DeepMind × Google Labs, I/O में घोषित) Google Maps के Street View डेटा पर grounding जोड़ता है, ताकि 360° इंटरैक्टिव virtual environments उत्पन्न करने के लिए एक वास्तविक भौगोलिक आधार मिल सके। यह घटक “blank space problem” — कैमरे के दृश्य क्षेत्र से बाहर दृश्य की निरंतरता — को हल करता है, उपयोगकर्ता की actions (तैरना, ट्रेकिंग) के अनुसार, किसी वास्तविक स्थान या text prompt से, दुनिया के अगले भाग को image by image उत्पन्न करके। फिर भी, यह एक प्रयोगात्मक शोध prototype बना रहता है, जिसके लिए अभी कोई व्यापक सार्वजनिक उपलब्धता घोषित नहीं की गई है।

🔗 Tweet @GoogleAI — Project Genie में Street View grounding

GitHub Copilot और तीसरे-पक्ष agent ecosystem को मज़बूत करता है

पाँच घोषणाएँ जो Copilot और उसके agent ecosystem के governance और ergonomics को मज़बूत करती हैं, automatic reviewer से लेकर video game production तक।

निर्देशों का पुनर्लेखन Copilot समीक्षा लागत को 20 % तक कम करता है

10 जुलाई — GitHub बताता है कि Copilot CLI हार्नेस (grep, glob, view) के साथ साझा किए गए कोड-अन्वेषण टूल्स पर Copilot code review का माइग्रेशन शुरू में समीक्षाओं को खराब कर गया — लागत बढ़ी, समस्याएँ छूट गईं — जबकि ये टूल बेहतर रखरखाव वाले थे। कारण: एक सामान्य-उद्देश्य सहायक के लिए तैयार की गई निर्देशावली, जो बहुत व्यापक रूप से खोजता है, जबकि एक समीक्षक डिफ़ से शुरू करता है और आवश्यक न्यूनतम प्रमाण खोजता है। वास्तविक समीक्षक के वर्कफ़्लो के अनुसार निर्देशों को पुनर्लेखित करने के बाद, यह गिरावट लाभ में बदल गई: समीक्षा गुणवत्ता समान रहते हुए, औसत समीक्षा लागत में लगभग 20 % की कमी।

“But the tools weren’t the problem. The instructions were. Once we rewrote them for the way a reviewer actually reads a pull request, the regression flipped into a win: roughly 20% lower average review cost, while maintaining the same review quality.”

🇮🇳 लेकिन समस्या टूल्स नहीं थे। समस्या निर्देश थे। एक बार उन्हें इस तरह से फिर से लिखा गया कि वे उस तरीके से मेल खाएँ जिस तरह एक समीक्षक वास्तव में pull request पढ़ता है, गिरावट जीत में बदल गई: समीक्षा गुणवत्ता समान रहते हुए, औसत समीक्षा लागत में लगभग 20 % की कमी। — The GitHub Blog

Pull requests डैशबोर्ड सामान्य उपलब्धता में

9 जुलाई — Pull requests डैशबोर्ड (github.com/pulls) सार्वजनिक पूर्वावलोकन के बाद सामान्य उपलब्धता में आ गया है: एक प्राथमिकता-आधारित Inbox जो अनुरोधित समीक्षाओं और merge के लिए तैयार PRs को ऊपर लाता है, कस्टम क्वेरी-आधारित सहेजे गए दृश्य, और नए फ़िल्टरों के साथ उन्नत खोज। Copilot से सीधे जुड़ा एक विवरण: लेखक फ़िल्टर अब किसी एजेंट द्वारा उपयोगकर्ता की ओर से बनाई गई PRs को भी पहचानता है — author:@me वे pull requests भी लौटाता है जिन्हें उपयोगकर्ता ने Copilot से अपनी ओर से बनाने के लिए कहा था।

🔗 नया pull requests डैशबोर्ड अब सामान्य रूप से उपलब्ध है

GitHub Mobile Copilot sessions को क्रमबद्ध और फ़िल्टर करता है

10 जुलाई — GitHub Mobile (iOS/Android) Copilot sessions की सूची के लिए फ़िल्टर जोड़ता है — स्थिति, repository, प्रकार, एजेंट, सक्रिय/संग्रहीत — साथ ही sorting विकल्प (सबसे नया, सबसे पुराना, सक्रिय पहले, पहले ध्यान देने योग्य), और sorting वर्तमान फ़िल्टर संदर्भ को बनाए रखती है। यह एक उपयोगिता सुधार है जो तब विशेष रूप से काम आता है जब समानांतर रूप से ट्रैक की जा रही agentic sessions की संख्या बढ़ती है।

🔗 GitHub Mobile: Copilot sessions के लिए बेहतर फ़िल्टर और sorting

Manus /game-dev और एक ElevenLabs connector जोड़ता है

10 जुलाई — Manus /game-dev नामक एक skill लॉन्च करता है: प्राकृतिक भाषा में किसी खेल का वर्णन करना पर्याप्त है, और बदले में एक साझा करने योग्य लिंक पर तैनात functional gameplay मिल जाता है, वह भी बिना game development अनुभव के, Manus द्वारा श्रेयित open source कार्य पर आधारित। उसी दिन, ElevenLabs connector प्लेटफ़ॉर्म पर आता है, Manus पर बने applications के लिए voice generation और cloning खोलता है — जिसका प्रदर्शन एक पूर्ण app (retro interface, 4 भाषाएँ, cloned voice narration) के रूप में किया गया, और वह भी एक ही prompt से।

🔗 @ManusAI का Tweet — /game-dev skill 🔗 @ManusAI का Tweet — ElevenLabs connector

Perplexity Computer अपना दायरा बढ़ाता है, Cohere inference को तेज़ करता है

Perplexity तीन बार Perplexity Computer के models और tools की पेशकश बढ़ाता है, जबकि Cohere inference acceleration पर एक उल्लेखनीय शोध प्रकाशित करता है।

Computer Analytics: मॉडल के अनुसार credit खर्च का अनुसरण

10 जुलाई — Perplexity Computer Analytics लॉन्च करता है, एक dashboard जो Perplexity Computer में model के अनुसार credit consumption को ट्रैक करने देता है: total credits, सक्रिय सदस्य, प्रति सदस्य औसत, model-wise वितरण (Claude Opus 4.8 Fast/4.8/4.7, Claude Sonnet 4.6, GPT-5.5, अन्य) और सदस्य रैंकिंग। Analytics के अंतर्गत account settings में तुरंत उपलब्ध, व्यक्तिगत उपयोगकर्ताओं और Enterprise संगठनों दोनों के लिए।

🔗 @perplexity_ai का Tweet — Computer Analytics

Grok 4.5, Opus 4.8 की आधी लागत पर सर्वोच्च WANDR स्कोर

10 जुलाई — Grok 4.5 (xAI) Perplexity Computer में उपलब्ध orchestrator models में शामिल होता है, Consumer Pro और Max ग्राहकों के लिए। WANDR cost/performance benchmark (6 configurations परीक्षण) पर Grok 4.5 सभी configurations में सर्वोच्च स्कोर प्राप्त करता है:

मूल्यांकित configuration	प्रति प्रयास लागत	WANDR स्कोर
GPT-5.6 Terra (medium)	0,40 $	0,149
GLM 5.2 (high effort)	1,74 $	0,207
GPT-5.6 Sol (medium)	2,64 $	0,289
GLM 5.2 + advisor	4,67 $	0,297
Grok 4.5	4,76 $	0,328
Opus 4.8 (thinking, high effort)	9,46 $	0,254

इसलिए Grok 4.5 cost/performance Pareto frontier के शिखर पर है: सर्वोच्च स्कोर, और Opus 4.8 की लगभग आधी लागत पर।

🔗 @perplexity_ai का Tweet — Grok 4.5 orchestrator

Cohere vLLM में 23 % तक inference गति में योगदान देता है

10 जुलाई — Cohere Dynamic Speculative Decoding (DSD) पर एक शोध प्रकाशित करता है, जो hardware regime (memory बनाम compute) के अनुसार speculative decoding के draft tokens की संख्या को अनुकूलित बनाता है, “goodput” metric के माध्यम से। Command A (dense, MT-Bench) पर: DSD fixed-K speculative decoding की तुलना में लगभग 23 % तेज़ है, और vanilla inference से 7,5 % तेज़ है — जबकि fixed-K SD vanilla की तुलना में पिछड़ता है। Command A+ (MoE architecture) पर लाभ अधिक सीमित हैं। इस optimization को open source में vLLM को योगदान दिया गया (merged pull request), और async scheduling तथा Full CUDA Graph के लिए compatibility work भी किया गया।

🔗 Cohere — Hardware-aware Dynamic Speculative Decoding

मीडिया जनरेशन: video research real-time की ओर बढ़ती है

तीन घोषणाएँ जो media generation के real-time और agentic integration की ओर बदलाव को दर्शाती हैं।

NVIDIA Flex-Forcing प्रकाशित करता है, एक hybrid diffusion/autoregressive video model

9 जुलाई — NVIDIA की research टीम Flex-Forcing प्रकाशित करती है, एक ऐसी विधि जो एक ही video model को bidirectional diffusion (सभी frames को एक साथ संसाधित करती है, संरचना अच्छी तरह बनी रहती है लेकिन धीमी होती है) और autoregressive generation (frame by frame, तेज़ और streamable, लेकिन समय के साथ drift के प्रति संवेदनशील) — दोनों में निपुण होने के लिए प्रशिक्षित करती है, और उपलब्ध compute budget के अनुसार inference पर operating point का चुनाव training में तय किए गए compromise के बजाय किया जाता है। इस कार्य को ICML 2026 में spotlight recognition मिला।

🔗 @NVIDIAAI का Tweet — Flex-Forcing

Wan-Streamer (Alibaba): पूर्ण-डुप्लेक्स real-time video conversation

10 जुलाई — Alibaba का Tongyi Lab Wan-Streamer प्रस्तुत करता है, एक end-to-end omni-modal model: एक ही native streaming Transformer सुनता है, देखता है, समझता है और synchronized voice तथा video के साथ उत्तर देता है, पूर्ण-डुप्लेक्स में (हर पक्ष एक साथ बोल और सुन सकता है), कुल लगभग 550 ms latency के साथ। यह model किसी fixed avatar rig से बँधा नहीं है और प्राकृतिक भाषा में वर्णित किसी भी चरित्र को निभा सकता है। v0.2 640×368 resolution at 25 FPS और model-side latency को लगभग 200 ms तक कम करता है।

🔗 @Alibaba_Wan का Tweet — Wan-Streamer

HeyGen Figma को HyperFrames से जोड़कर launch videos बनाता है

10 जुलाई — HeyGen की HyperFrames skill श्रृंखला का नया दैनिक episode (9 जुलाई के Music-to-Video के बाद): /figma कमांड एक Figma mockup को faithful launch video में बदल देती है — हर रंग, हर फ़ॉन्ट, हर framing बिल्कुल वैसी ही — बिना किसी video editor के। Workflow तीन चरणों में पूरा होता है: mockup लिंक कॉपी करें, agent को दें, फिर /figma invoke करें। स्थापना npx hyperframes@latest skills के माध्यम से।

🔗 @HeyGen का Tweet — Figma integration

Sakana AI agents और humans के बीच रचनात्मक अंतर मापता है

10 जुलाई — Sakana AI “The AI Picbreeder Experiment” प्रकाशित करता है, एक research paper (GECCO2026, MIT/NYU collaboration, best paper nominated) जो Picbreeder — एक अब लुप्त साइट जहाँ उपयोगकर्ता बिना पूर्वनिर्धारित लक्ष्य के सामूहिक रूप से images evolve करते थे — को humans की जगह vision-language models (VLMs) के साथ पुनः बनाता है। मुख्य परिणाम: VLM agents humans की तुलना में कम व्यापक रूप से explore करते हैं, और समान concepts के इर्द-गिर्द चक्कर लगाते रहते हैं; लेकिन agents की विविध “personalities” की population exploration को substantially बेहतर बनाती है, कुछ runs में मानव archive की semantic diversity के करीब तक पहुँचती है। स्थायी अंतर: humans एक “happy accident” को दीर्घकालिक रचनात्मक discovery में बदलने में बेहतर प्रतीत होते हैं।

🔗 @SakanaAILabs का Tweet — घोषणा 🔗 इंटरैक्टिव ब्लॉग — pub.sakana.ai/picbreeder-vlm

संक्षेप में

GitHub — multi-user budgets के लिए API endpoint — multi-user budget के भीतर प्रत्येक user की consumption को एक ही call में प्राप्त करने के लिए नया REST API endpoint, consumed percentage द्वारा filtering के साथ, केवल enterprise owners और billing managers के लिए। 🔗 GitHub Changelog
GitHub अपने AI secrets detector का नाम बदलता है — “Copilot secret scanning” detector अब “AI-detected secrets” कहलाता है, behavior, webhooks, audit logs या API में कोई बदलाव नहीं। 🔗 GitHub Changelog
Codex CLI 0.144.1 — 0.144.0 पर patch: standalone installation को अधिक विश्वसनीय बनाया गया, macOS installations अब code-mode host को सही ढंग से expose करते हैं, और companion host binary उपलब्ध न होने पर embedded runtime पर fallback। 🔗 Codex CLI 0.144.1
Cohere Transcribe Arabic MacBook पर local रूप से चलता है — mlx-audio (Apple Silicon) के माध्यम से community port, @Prince_Canuma और @lllucas को श्रेय, open source model (Apache 2.0) के ecosystem adoption का संकेत। 🔗 @cohere का Tweet

इसका क्या अर्थ है

Agents वेब पर मनुष्यों की तरह नेविगेट करना सीख रहे हैं। Claude Code Desktop agent को अपना sandboxed browser देकर नवाचार करता है, वही site-permission model रखते हुए जो Claude in Chrome extension में है — उपयोगकर्ता के personal credentials साझा किए बिना एक application बनाना और परीक्षण करना। यह कदम एक व्यापक प्रवृत्ति से मेल खाता है: GitHub का नया pull requests dashboard अब स्पष्ट रूप से किसी agent द्वारा एक human की ओर से बनाई गई PRs को पहचानता है, और Manus एक /game-dev skill जोड़ता है जो बिना किसी हस्तक्षेप के functional gameplay तैनात करता है। केवल text या code नहीं, बल्कि एक पूरी interface को नियंत्रित करना, consumer agents की नई सीमा बनता जा रहा है।

Model race अब brute size के बजाय multi-model orchestration की ओर जा रही है। GPT-5.6 Sol Ultra GA में आता है, 50 वर्षों से खुले एक गणितीय problem पर multi-agent reasoning के एक शानदार — लेकिन स्वतंत्र रूप से सत्यापित नहीं — प्रदर्शन के साथ। Amp अपने named modes को एक single dial से बदल देता है, जो Claude Fable 5 और GPT-5.6 Sol को एक-दूसरे के oracle के रूप में बातचीत करने देता है। Perplexity Computer भी यही तर्क अपनाता है, अपने स्वयं के GLM 5.2 के साथ Grok 4.5 को orchestrator — Opus 4.8 की आधी लागत पर बाज़ार का सर्वोच्च WANDR score — के रूप में जोड़कर। साझा संकेत: मूल्य अब एक ही frontier model से नहीं, बल्कि उपलब्ध budget के अनुसार कई models को साथ काम कराने की क्षमता से आता है, एक ऐसी logic जिसे Cohere का adaptive speculative decoding research स्वयं inference स्तर तक आगे बढ़ाता है।

दीर्घकालिक autonomy मापी जा सकती है, और कंपनियाँ अब उसका tracing चाहती हैं। Cognition एक ठोस छलांग दर्ज करता है — कुछ मिनटों से लेकर 8 घंटे की निरंतर प्रगति बिना supervision के — यह समझाने के लिए कि वह अब वास्तविक tasks पर Claude Fable 5 पर भरोसा क्यों करती है, जबकि UST hardware validation chains पर Claude तैनात करके 50 से 70 % cycle gains प्राप्त करता है। यही गति tech कंपनियों को अपनी blind spots सार्वजनिक रूप से स्वीकार करने के लिए मजबूर करती है: OpenAI GPT-5.6/ChatGPT Work launch की समस्याओं को छिपाने के बजाय खुलेआम document करता है, GitHub बताता है कि tools migration ने पहले Copilot code review को क्यों खराब किया, और Claude Code v2.1.206 अपने integrated browser के साथ-साथ लगभग पंद्रह silent fixes जोड़ता है। भरोसा अब क्षमताओं की घोषणाओं जितना ही failures की पारदर्शिता पर भी बनता है।

Real-time media generation, batch generation की बराबरी कर रही है। Alibaba का Wan-Streamer 550 ms latency पर video और voice में एक agent को संवाद करने देता है, Gemini Live camera, image generation और mapping को एक ही vocal conversation में जोड़ता है, और NVIDIA का Flex-Forcing एक ही video model को computation budget के अनुसार quality और speed के बीच स्वयं निर्णय लेने देता है। instant और interactive की ओर यह बदलाव Sakana AI की creativity संबंधी याद दिलाने वाली बात से विरोधाभास रखता है: उसके vision-language agents मनुष्यों की तुलना में कम स्वतंत्र रूप से explore करते हैं, और यह अंतर तब भी बना रहता है जब generation तकनीकी रूप से तुरंत हो जाती है।