Meta ने Muse Wonder पेश किया, NVIDIA ने अपने Vera Rubin रैक डिज़ाइन सार्वजनिक किए, Anthropic ने छोटे मॉडलों की स्वायत्त प्रतिकृति बनाने की क्षमता मापी

Meta ने Muse Wonder और Muse Wonder Full पेश किए हैं। ये उसके अब तक के सबसे सक्षम मॉडल हैं और एजेंट संबंधी कार्यों के लिए बनाए गए हैं: पहला Meta Model API और Muse Code के माध्यम से उपलब्ध है, जिसकी इनपुट दर प्रति दस लाख टोकन 4 डॉलर है; दूसरा केवल Muse Code के सदस्यता धारकों के लिए उपलब्ध है, और किसी के भी खुले वज़न जारी करने की घोषणा नहीं हुई है। OCP Global Summit में NVIDIA ने अपने Vera Rubin रैक डिज़ाइन Open Compute Project को दिए, जबकि Anthropic की Frontier Red Team का अनुमान है कि छोटे मॉडल कुछ ही महीनों में इंटरनेट से जुड़े उपकरणों पर अपने आप अपनी प्रतियाँ बनाने में सक्षम हो सकते हैं। कोड के क्षेत्र में Artificial Analysis ने अपनी FrontierCode 1.1 रैंकिंग में Claude Opus 5.5 को 52,2 % के साथ पहले स्थान पर रखा है, और Google ने अपना दिन स्वास्थ्य को समर्पित किया है—Fitbit Edge ब्रेसलेट से लेकर AlphaProtein Novo द्वारा डिज़ाइन किए गए एंज़ाइमों तक।

Meta ने एजेंट संबंधी कार्यों के लिए अपने अग्रणी मॉडल Muse Wonder और Muse Wonder Full पेश किए

12 अक्टूबर — Meta ने Muse Wonder श्रृंखला पेश की है, जिसमें Muse Wonder और Muse Wonder Full शामिल हैं। कंपनी इन्हें अपने अब तक के सबसे सक्षम मॉडल बताती है: व्यक्तिगत और पेशेवर एजेंट संबंधी कार्यों के लिए बनाए गए दो अग्रणी मॉडल (frontier models)। Muse Wonder अब Meta Model API और Muse Code में उपलब्ध है; Muse Wonder Full केवल Muse Code के सदस्यता धारकों के लिए उपलब्ध है। Muse Wonder « जल्द ही » व्यक्तिगत सहायक Muse को संचालित करेगा, पहले सदस्यता धारकों के लिए।

अपने कृत्रिम बुद्धिमत्ता अनुसंधान में पूरी तरह बदलाव करने के चौदह महीने बाद, और 2 सितंबर को जारी Muse Spark 1.3 के बाद, Meta इसे अपनी क्षमता में चरणबद्ध वृद्धि (scaling ladder) का « अगला चरण » बताती है। दोनों मॉडलों को उसके लगभग एक गीगावाट स्तर के डेटा केंद्र Prometheus में प्रशिक्षित किया गया है। इनके आधार मॉडल « अधिक बड़े और अधिक शक्तिशाली » हैं, लेकिन उनके आकार प्रकाशित नहीं किए गए हैं। दो क्षमताओं पर विशेष ज़ोर दिया गया है: सक्रिय स्मृति (Active Memory), जो एक बातचीत से अगली बातचीत तक महत्वपूर्ण संदर्भ सँभालकर रखती है, और सक्रिय एकाग्रता (Active Focus), जो बाधा आने पर मॉडल को तरीका बदलने, स्पष्टीकरण माँगने और किसी महत्वपूर्ण कार्रवाई से पहले जाँच करने के लिए प्रेरित करती है।

परिणाम केवल लेख की एक छवि में दिए गए हैं: Meta द्वारा मापी गई एक तालिका, जिसमें सभी मॉडलों को max सेटिंग पर चलाया गया है। इसमें Muse Wonder का एक मॉडल 14 पंक्तियों में से 7 पर पहले स्थान पर है, जिनमें सबसे पहले Meta का आंतरिक सूचकांक Personal Superintelligence Index है। हालाँकि, Claude Opus 5.5 अभी भी 6 पंक्तियों पर आगे है, जिनमें Artificial Analysis Index शामिल है, और GDP.pdf पर GPT-6 Astra आगे है।

बेंचमार्क (अंश, max सेटिंग पर Meta के माप)	Muse Wonder Full	Muse Wonder	Claude Opus 5.5	GPT-6 Astra
Personal Superintelligence Index (Meta का आंतरिक सूचकांक)	59,1	54,3	55,2	54,5
DeepSWE 1.1	79,0	78,8	74,2	74,1
SWE-Marathon	57,5 (xhigh)	53,1	46,3	42,5
MemoryBench	85,5	85,6	81,5	81,4
Terminal-Bench 4.0-AA	57,1	52,0	59,6	59,1
ProgramBench	59,0	50,0	70,5	52,5
Artificial Analysis Index	56	52	58	53

मॉडल संस्करण	उपलब्ध पहुँच	घोषित दर
muse-wonder-1.0	Meta Model API और Muse Code, 1M टोकन की संदर्भ क्षमता	प्रति दस लाख टोकन: इनपुट के लिए 4 डॉलर, कैश किए गए इनपुट के लिए 0,20 डॉलर, आउटपुट के लिए 20 डॉलर
muse-wonder-full-1.0	केवल Muse Code के सदस्यता धारकों के लिए, 1M टोकन की संदर्भ क्षमता	Power Usage (प्रति माह 50 डॉलर) और Maximum Usage (प्रति माह 200 डॉलर) सदस्यताएँ

सुरक्षा के मामले में Meta दावा करती है कि रासायनिक, जैविक, रेडियोलॉजिकल और परमाणु (CBRN) तथा साइबर दुरुपयोग के विरुद्ध उसके सुरक्षा उपाय अब तक के सबसे मज़बूत हैं, जबकि रक्षात्मक उपयोग के लिए उन्नत साइबर क्षमताओं तक पहुँच बनी रहती है। कंपनी Muse Wonder को अपना अब तक का सबसे अधिक संरेखित मॉडल बताती है और अतिरिक्त सुरक्षा मूल्यांकनों के साथ « जल्द ही » एक पूरी रिपोर्ट देने का वादा करती है।

🔗 Meta का शोध लेख · मॉडल और दरों का पृष्ठ

OCP Global Summit: NVIDIA ने अपने Vera Rubin रैक डिज़ाइन दिए, Meta ने Spectrum-6 अपनाया

12 अक्टूबर — सैन होज़े में OCP Global Summit के उद्घाटन पर NVIDIA ने अपने खुले आर्किटेक्चर MGX के माध्यम से Vera Rubin के प्रमुख रैक (rack) और कंप्यूट ट्रे (compute tray) डिज़ाइन Open Compute Project (OCP) को दिए हैं। घोषित उद्देश्य है: अगली पीढ़ी के कृत्रिम बुद्धिमत्ता कारखानों के लिए निर्माताओं को एक साझा आधार देना। MGX 1.2 विनिर्देश में पूरे रैक के स्तर पर ब्लाइंड-मेट (blind-mate) कनेक्शन वाला तरल शीतलन, तरल से ठंडी की जाने वाली 5 000 A की बसबार (busbar), पंखों के बिना कंप्यूट ट्रे और 250 kW तक के रैक जोड़े गए हैं। NVIDIA ने Vera CPU रैक का विनिर्देश भी प्रकाशित किया है, जिसे एजेंटों के कार्यों—टूल कॉल, ऑर्केस्ट्रेशन और सैंडबॉक्स में निष्पादन—के लिए बनाया गया है। यह Vera Rubin NVL72 के साथ उपलब्ध होगा, जो प्रशिक्षण और इन्फरेंस का आधार बना हुआ है।

सॉफ़्टवेयर के क्षेत्र में उसकी कृत्रिम बुद्धिमत्ता कारखाना प्लेटफ़ॉर्म की संचालन परत DSX OS को DGX Cloud के संचालन से निकले चार खुले स्रोत घटक मिले हैं। इनमें Cluster Readiness Engine शामिल है, जो प्रशिक्षण से पहले GPU क्लस्टरों को लोड के तहत परखता है, और एक Cluster API Provider, जो NVIDIA के अनुसार क्लस्टरों को « दिनों के बजाय घंटों में » तैयार कर देता है।

NVIDIA के हाइपरस्केल और HPC उपाध्यक्ष इयान बक ने इन योगदानों के साथ साझेदारों की कई घोषणाएँ भी प्रस्तुत कीं। सबसे ठोस घोषणा Meta की है, जो Spectrum-6 Ethernet स्विच अपना रही है: उसका N-IceCube स्विच तरल से ठंडे किए जाने वाले नेटवर्क रैक IcePack में लगाया जाएगा और उसके खुले स्रोत नेटवर्क ऑपरेटिंग सिस्टम FBOSS के तहत चलेगा।

सम्मेलन में प्रस्तुत घोषणा	उल्लिखित साझेदार	घोषित मुख्य बिंदु
MGX 1.2 और Vera CPU रैक	OCP समुदाय	5 000 A की बसबार, 250 kW तक के रैक
DSX OS के खुले स्रोत घटक	NVIDIA परियोजनाएँ	DGX Cloud से निकले चार उपकरण
Open Data Center Specification v0.7	AMD, Google, Meta	कृत्रिम बुद्धिमत्ता कारखानों की इमारतों का साझा डिज़ाइन
OCP Grid Resilience Specification	Google, Meta, Microsoft	विद्युत ग्रिड में बाधा आने के बाद 2 s से कम समय में लगभग पूर्ण लोड पर वापसी
800 VDC वाला K-1 प्लेटफ़ॉर्म	Visionbay, Vertiv	भविष्य में Vera Rubin की तैनातियों के लिए बनाया गया
Meta में Spectrum-6	Meta	102,4 Tb/s, 8 तक नेटवर्क प्लेन, 100 000 से अधिक GPU
Falcon Transport प्रोटोकॉल	Google	आगामी SuperNIC ConnectX-10 और DPU BlueField
USFP ऑप्टिकल फ़ॉर्म फ़ैक्टर	Cisco, TE Connectivity, Amphenol	प्रति लेन 400 Gb/s (विवरण नीचे)

इनमें से किसी घोषणा के साथ कीमत या उपलब्धता की तारीख नहीं दी गई है। जेन्सन हुआंग बुधवार, 21 अक्टूबर को GTC Berlin का मुख्य भाषण देंगे।

🔗 OCP Global Summit पर NVIDIA का लेख

USFP: NVIDIA और Cisco प्रति लेन 400 Gb/s वाले प्लग करने योग्य ऑप्टिकल मॉड्यूल की तैयारी कर रहे हैं

12 अक्टूबर — इन घोषणाओं में NVIDIA और Cisco ने USFP (Ultra-Dense Small Form Factor Pluggable) फ़ॉर्म फ़ैक्टर की अपनी परियोजना प्रस्तुत की है। यह प्लग करने योग्य ऑप्टिकल मॉड्यूल है, जिसे NVIDIA प्रति लेन 400 Gb/s के विद्युत संकेतों के लिए बनाया गया पहला मॉड्यूल बताती है। नियोजित शुरुआती ट्रांसीवर (transceivers) OSFP के लगभग बराबर आकार में 16 द्विदिश (full-duplex) लेन समाहित करेंगे। ये स्विच और SuperNIC दोनों के लिए होंगे और 12,8 Tb/s तक की क्षमता देंगे, जिसे 32 या अधिक लेन तक बढ़ाया जा सकेगा। प्रति लेन 200 Gb/s वाले वर्तमान मॉड्यूलों की तुलना में NVIDIA सामने के पैनल पर बैंडविड्थ घनत्व चार गुना और ऊर्जा दक्षता लगभग 1,3 गुना होने का दावा करती है। यह मॉड्यूल एकीकृत विशेष शीतलन के बिना 100 W तक की गर्मी निकाल सकता है। उद्देश्य है: नेटवर्क का एक अतिरिक्त स्तर जोड़े बिना 1,6 Tb/s वाले अधिक एंडपॉइंट जोड़ना। TE Connectivity और Amphenol केज, कनेक्टर और मॉड्यूल तैयार कर रही हैं, लेकिन यह अभी केवल एक परियोजना है: प्रेस विज्ञप्ति में न तारीख दी गई है, न कीमत।

🔗 NVIDIA और Cisco की प्रेस विज्ञप्ति

Anthropic की Frontier Red Team ने इंटरनेट से जुड़े उपकरणों पर छोटे मॉडलों की स्वायत्त प्रतिकृति बनाने की क्षमता मापी

12 अक्टूबर — विलियम झोउ और डैनियल फ़्रीमैन द्वारा लिखे गए एक अध्ययन में Anthropic की Frontier Red Team का अनुमान है कि छोटे मॉडल कुछ ही महीनों में कम सुरक्षित इंटरनेट से जुड़े उपकरणों पर अपने आप अपनी प्रतियाँ बनाने में सक्षम हो सकते हैं। टीम ने Gemma4-26B-A4B को बिना ब्रांड वाले 15 Android TV बॉक्स में वितरित करके चलाया। ये लगभग 55 डॉलर प्रति बॉक्स की कीमत पर खरीदे गए थे: मॉडल इन पर 0,39 टोकन प्रति सेकंड की गति से चलता है।

9B का एक मॉडल परीक्षण किए गए 9 प्रकार के हार्डवेयर में से 8 पर इन्फरेंस शुरू कर पाता है। अनुकरण की गई 8 Android मशीनों के एक अलग-थलग नेटवर्क में केवल GLM-5.2 शुरू से अंत तक प्रतिकृति बनाने में सफल होता है (5 परीक्षणों में से 4 में सभी 8 में से 8 नोड); चूँकि घुसपैठ को जानबूझकर बहुत आसान बनाया गया था, Anthropic इसे क्षमता की ऊपरी सीमा मानती है। 30B या उससे छोटे खुले मॉडलों की प्रगति की गति को देखते हुए, कोई छोटा मॉडल 2026 के अंत तक इस स्तर पर पहुँच सकता है। टीम स्वयं इस अनुमान को बहुत मोटा मानती है।

ऐसा वर्म धीमा होगा—2 मिलियन से अधिक उपकरणों के समूह पर अधिकतम लगभग 40 H100 के बराबर—लेकिन वह अनुकूलन कर सकेगा: पिछली पीढ़ी के नोट्स मिलने पर Qwen3.5-9B की सफलता दर छह पीढ़ियों में 45 % से बढ़कर 61-84 % हो जाती है। अभी तक कोई पूर्ण, अनियंत्रित प्रतिकृति बनाने वाला तंत्र मौजूद नहीं है; बचाव के मामले में अध्ययन याद दिलाता है कि Mirai बॉटनेट (botnet) के विरुद्ध संक्रमित ग्राहकों को उनके इंटरनेट सेवा प्रदाता द्वारा क्वारंटीन करने से 14 दिनों में 92 % संक्रमण साफ़ हो गए थे।

Like coding agents in 2024, we’re seeing signs of life for AI worms.

🇮🇳 2024 में कोड एजेंटों की तरह, हमें कृत्रिम बुद्धिमत्ता वर्मों में भी जीवन के संकेत दिखाई दे रहे हैं। — Anthropic की Frontier Red Team, शोध लेख

कोड एजेंट: Artificial Analysis की FrontierCode 1.1 रैंकिंग, GitHub की घटनाओं पर ध्यान देता Amp, LightOn का ColGrep-Agent-2B

एक स्वतंत्र रैंकिंग मापती है कि कोड एजेंट वास्तव में क्या तैयार करते हैं, जबकि Amp और LightOn उससे जुड़े कामों पर ध्यान दे रहे हैं: पुल रिक्वेस्ट की निगरानी और कोड में खोज।

FrontierCode 1.1: Artificial Analysis ने Claude Opus 5.5 को 52,2 % के साथ पहले स्थान पर रखा

12 अक्टूबर — Artificial Analysis ने FrontierCode 1.1 की अपनी रैंकिंग प्रकाशित की है। यह वह बेंचमार्क है जिसे Cognition ने खुले स्रोत परियोजनाओं के अनुरक्षकों के साथ बनाया है: यह जाँचता है कि क्या कोई अनुरक्षक एजेंट द्वारा प्रस्तावित बदलाव को मर्ज करेगा, केवल यह नहीं कि वह परीक्षण पास करता है, और यह अत्यधिक या दायरे से बाहर के बदलावों पर अंक काटता है। Artificial Analysis अपने खुले स्रोत हार्नेस Stirrup और प्रति कार्य तीन प्रयासों के साथ मुख्य समूह (Main) चलाती है, जिसमें कुल 150 में से 100 निजी कार्य हैं; किसी अनिवार्य जाँच में विफल होने वाले प्रयास को शून्य अंक मिलते हैं।

Leading models still fail more than 40% of the time

🇮🇳 सबसे अच्छे मॉडल भी अभी 40 % से अधिक बार विफल होते हैं। — X पर @ArtificialAnlys

Claude Opus 5.5 केवल 58 % प्रयासों में अनिवार्य जाँचों को पार कर पाता है, और 100 में से 9 कार्यों को मूल्यांकन किए गए 22 मॉडलों में से कोई भी पूरा नहीं कर सका। Xiaomi का MiMo-V2.6-Pro खुले वज़न वाले मॉडलों में 45 % के साथ पहले स्थान पर है। लागत का अंतर स्कोर के अंतर से कहीं अधिक है:

मूल्यांकन किया गया मॉडल (सेटिंग)	FrontierCode 1.1 स्कोर	प्रति कार्य लागत
Claude Opus 5.5 (max, फ़ॉलबैक के साथ)	52,2 %	10,15 डॉलर
GPT-6.1 Sol (max)	49,1 %	0,81 डॉलर
Claude Fable 5.1 (max, फ़ॉलबैक के साथ)	49,0 %	12 डॉलर
MiMo-V2.6-Pro	45,4 %	0,18 डॉलर
GPT-6 Luna (max)	41,9 %	0,09 डॉलर

Artificial Analysis के अनुसार, GPT-6.1 Sol इस तरह Anthropic के सबसे अच्छे मॉडलों की प्रति कार्य लागत के दसवें हिस्से से भी कम खर्च में Fable 5.1 की बराबरी करता है। इन स्कोरों की तुलना Cognition द्वारा Devin के लिए प्रकाशित स्कोरों से नहीं की जा सकती, जो अक्सर उसके अपने हार्नेस के साथ Extended संस्करण पर मापे जाते हैं।

🔗 Artificial Analysis की FrontierCode रैंकिंग

Amp अपनी खोली गई पुल रिक्वेस्ट की निगरानी करता है और हर GitHub टिकट या PR के लिए एक orb शुरू करता है

12 अक्टूबर — Amp अब अपनी खोली गई पुल रिक्वेस्ट को छोड़ नहीं देता: जब एजेंट GitHub पर कोई PR बनाता है, तो वह उसकी टिप्पणियों, समीक्षाओं और नवीनतम कमिट के CI परिणामों की सूचनाएँ प्राप्त करने के लिए सदस्यता ले सकता है। किसी जाँच की विफलता या समीक्षक का सवाल फिर उसी चर्चा में आता है, जहाँ Amp के पास जवाब देने के लिए पहले से संदर्भ होता है।

यह सुविधा GitHub Webhooks के ऐसे एकीकरण पर आधारित है जिसे « प्रथम श्रेणी का » (first-class) कहा गया है: Amp स्वयं घटनाएँ प्राप्त करता है और उन पर काम करता है, फिर उपयोगकर्ता या एजेंट चुनता है कि उन्हें एक ही orb—वह दूरस्थ वातावरण जहाँ Amp एजेंट चलता है—को भेजना है या हर बार एक नई orb को। इस तरह किसी रिपॉज़िटरी के हर नए टिकट (issue) या PR के लिए एक orb माँगी जा सकती है, जिसे चाहें तो किसी लेबल (label) तक सीमित रखा जा सकता है: हर orb टिकट पढ़ती है, उसका सार तैयार करती है, और बाद की टिप्पणियाँ उसी चर्चा में लौटती हैं। 23 जुलाई से ही orb बाहरी वेबहुक पर प्रतिक्रिया दे सकती थीं; नया बदलाव Amp द्वारा प्रबंधित GitHub का विशेष एकीकरण है, जिसमें हर सदस्यता को बदलने या रोकने के लिए Settings → MCP & Integrations → GitHub में एक प्रबंधन स्क्रीन है। बस रिपॉज़िटरी पर Amp का GitHub अनुप्रयोग स्थापित करना होता है; लेख में किसी दर का उल्लेख नहीं है।

🔗 Amp का लेख

ColGrep-Agent-2B : LightOn ने Claude Code की कोड खोज एक स्थानीय एजेंट को सौंपी

12 अक्टूबर — LightOn ने Apache-2.0 लाइसेंस के तहत 2 अरब पैरामीटर वाला कोड खोज एजेंट ColGrep-Agent-2B जारी किया है, जो कोड एजेंट और रिपॉज़िटरी के बीच स्थानीय रूप से चलता है। किसी प्रश्न के आधार पर यह LightOn के मल्टी-वेक्टर सिमैंटिक खोज इंजन ColGrep से खोज करता है, संभावित रूप से उपयोगी फ़ाइलें पढ़ता है, संदर्भों का अनुसरण करता है और फ़ाइल पथ, पंक्तियों के दायरे और कोड लौटाता है : अब अग्रणी मॉडल को खोजबीन के कई चरण खुद नहीं चलाने पड़ते।

Sonnet 5.5 वाले Claude Code से जोड़ने पर, प्रशिक्षण में शामिल न रही 13 रिपॉज़िटरी में खोज के 52 प्रश्नों के लिए किए गए 624 सत्रों में, यह grep की तुलना में API टोकन 34 % और कैश सहित API लागत 40 % घटाता है, जबकि सटीकता में सांख्यिकीय रूप से महत्वपूर्ण अंतर नहीं दिखता। LightOn स्पष्ट करता है कि यह मापन कोड खोज का है, शुरू से अंत तक पूरे कार्यों का नहीं। MiniCPM5-2B से फ़ाइन-ट्यून किए गए इस मॉडल को brew install lightonai/tap/colgrep && colgrep --install-agent से इंस्टॉल किया जाता है, जो लगभग 2,5 Go का GGUF संस्करण डाउनलोड करता है ; इसके लिए Python परिवेश, इन्फ़रेंस सर्वर या API कुंजी की ज़रूरत नहीं है, और यह M3 Pro पर लगभग बीस सेकंड में जवाब देता है।

🔗 Hugging Face पर LightOn की पोस्ट

Google में स्वास्थ्य : Health Guardian और Fitbit Edge बैंड, AlphaProtein Novo ने नए एंजाइम डिज़ाइन किए

Google ने अपनी घोषणाओं का यह दिन स्वास्थ्य को समर्पित किया है : एक ओर Google Health और Fitbit के आम उपभोक्ताओं के लिए सुविधाएँ हैं, और दूसरी ओर उसके शोध का आकलन है, जिसमें Google DeepMind के एक ऐसे काम को प्रमुखता दी गई है जिस पर पहले ध्यान नहीं गया था।

Google Health : Health Guardian, 100 से अधिक गतिविधियों की पहचान और Fitbit Edge बैंड

12 अक्टूबर — Google Health ने अपनी शरद ऋतु की घोषणाएँ कई पोस्ट में प्रस्तुत की हैं। Health Guardian पृष्ठभूमि में स्वास्थ्य में धीरे-धीरे होने वाले बदलावों पर नज़र रखता है, जैसे रक्तचाप और इंसुलिन प्रतिरोध ; Google Health Premium सदस्यता के साथ ऐप का कोच Health Coach इन बदलावों को समझने में मदद करता है और डॉक्टर के साथ साझा करने के लिए संदर्भ तैयार करता है। Google के अनुसार संदर्भगत तर्क (contextual reasoning) पर आधारित व्यायाम सत्रों की स्वचालित पहचान लगभग 2 गुना अधिक सटीक हो गई है।

घोषित नई सुविधा	संख्यात्मक विवरण	घोषित उपलब्धता
Health Guardian	रक्तचाप और इंसुलिन प्रतिरोध के रुझान, मासिक रिपोर्ट	इस महीने के अंत में Fitbit Air और Fitbit Edge पर, Premium सदस्यों के लिए
गतिविधियों की स्वचालित पहचान	10 से बढ़कर 100 से अधिक गतिविधियाँ, छूट जाने वाले सत्रों में आधे से अधिक की कमी	इस महीने के अंत में Fitbit Air, Fitbit Edge और Pixel Watch 3 से 5 पर
Fitbit Edge बैंड	179,99 डॉलर, 11,5 mm, 7 दिनों तक की बैटरी अवधि, बदली जा सकने वाली बैटरी	प्रीऑर्डर उपलब्ध, 27 अक्टूबर से दुकानों में
Flo Health के साथ साझेदारी	मासिक धर्म चक्र के डेटा का समन्वय, Flo पर हर महीने 80 मिलियन से अधिक महिला उपयोगकर्ता	अगले वर्ष की शुरुआत में

कलाई पर Health Coach तक पहुँच देने वाली खिड़की के रूप में प्रस्तुत Fitbit Edge, Google का पहला ऐसा गतिविधि बैंड है जिसकी मरम्मत की जा सकती है। Abbott का ग्लूकोज़ सेंसर Lingo, MyFitnessPal और Function Health भी इन एकीकरणों में शामिल हैं।

🔗 Google Health की नई सुविधाएँ · Fitbit Edge · Flo Health के साथ साझेदारी

Google के स्वास्थ्य शोध का आकलन : AlphaProtein Novo ऐसे एंजाइम डिज़ाइन करता है जो प्रकृति में नहीं पाए जाते

12 अक्टूबर — योसी मटियास (Google Research) और पुष्मीत कोहली (Google DeepMind) ने स्वास्थ्य में Google के काम का आकलन प्रस्तुत किया है : पाँच वर्षों में विशेषज्ञों द्वारा समीक्षा किए गए 90 लेख, 90 000 से अधिक उद्धरण और इन मॉडलों का उपयोग करने वाली टीमों को Google.org द्वारा 2026 में दिए गए 60 मिलियन डॉलर से अधिक। पोस्ट में मुख्यतः पहले से ज्ञात परिणाम दोहराए गए हैं, लेकिन इसमें Google DeepMind की मशीन लर्निंग पाइपलाइन (pipeline) AlphaProtein Novo को प्रमुखता दी गई है, जो किसी प्राकृतिक एंजाइम को आधार बनाए बिना शून्य से (de novo) एंजाइम डिज़ाइन करती है।

कैलिफ़ोर्निया इंस्टीट्यूट ऑफ़ टेक्नोलॉजी और पिट्सबर्ग विश्वविद्यालय के साथ मिलकर 5 अक्टूबर को bioRxiv पर प्रकाशित एक प्रीप्रिंट में, टीमों ने दवाओं के एक प्रमुख संरचनात्मक घटक पिपेरिडीन के संश्लेषण के लिए नए नाइट्रीन ट्रांसफ़रेज़ बनाए हैं, जिनकी चयनात्मकता को वे अभूतपूर्व बताती हैं। उन्होंने ऐसे एंजाइम भी बनाए हैं जो पर्यावरणीय विषाक्त पदार्थ DEHP को उन परिस्थितियों में तोड़ते हैं जहाँ प्राकृतिक एंजाइम अपनी संरचना खो देते हैं। पोस्ट में दो नए उपयोगों का भी उल्लेख है : बार्सिलोना में वैश्विक स्वास्थ्य संस्थान ने चागास रोग के विरुद्ध AlphaFold से 30 000 यौगिकों की वर्चुअल स्क्रीनिंग की और FDA द्वारा पहले से अनुमोदित दो दवाओं की पहचान की, जिनका इस रोग के लिए नया उपयोग किया जा सकता है ; चिल्ड्रन्स मर्सी अस्पताल में DeepSomatic ने बच्चों के पहले से अनुक्रमित ल्यूकेमिया नमूनों में 10 ऐसे उत्परिवर्तन पाए जो पहले छूट गए थे।

🔗 स्वास्थ्य में IA पर Google का आकलन · bioRxiv पर AlphaProtein Novo का प्रीप्रिंट

पेशे के अनुसार विशेषीकृत मॉडल : कानून के लिए Z.ai का GLM-Legal, ग्राहक सेवा के लिए Fin का Apex 2.0

दो कंपनियाँ मौजूदा मॉडल को आधार बनाकर किसी विशेष पेशे के लिए उसका पोस्ट-ट्रेनिंग करती हैं और परिणामों के समर्थन में आँकड़े देती हैं।

GLM-Legal : Z.ai ने GLM-5.3-Flash को कानूनी काम के लिए विशेषीकृत किया

12 अक्टूबर — Z.ai ने GLM-Legal प्रस्तुत किया है, जो GLM-5.3-Flash पर आधारित कानूनी मॉडल है और वास्तविक कार्यप्रवाहों के लिए बनाया गया है : अनुबंधों की समीक्षा, साक्ष्यों का विश्लेषण और अनुपालन। विस्तृत कानूनी सामग्री पर मध्यवर्ती प्रशिक्षण (mid-training) के बाद, इसका पोस्ट-ट्रेनिंग दसियों हज़ार यथार्थपरक कानूनी परिवेशों में रीइन्फ़ोर्समेंट लर्निंग से किया गया। Harvey के कानूनी एजेंटों के बेंचमार्क Harvey LAB पर, जो कानून की प्रैक्टिस के 24 क्षेत्रों को शामिल करता है, GLM-Legal की सभी परीक्षणों में सफलता दर (all-pass rate) 19,2 % है, जो उसके आधार मॉडल से 12,5 अंक अधिक है।

Harvey LAB पर मूल्यांकित मॉडल	पूर्ण सफलता दर (Z.ai के आँकड़े)
GLM-Legal	19,2 %
Kimi K3	12,9 %
Claude Fable 5	11,3 %
GLM-5.3-Flash	6,7 %
GPT-6 Astra	5,4 %

पोस्ट के पाठ में केवल GLM-Legal का स्कोर दिया गया है ; बाकी स्कोर घोषणा वाले ट्वीट के ग्राफ़ से लिए गए हैं। LegalBench और PLawBench (चीनी कानून) पर Z.ai सर्वोत्तम बंद मॉडलों की बराबरी का दावा करता है, लेकिन कोई स्कोर प्रकाशित नहीं करता। GLM-Legal बीटा में है : कानून फर्में, कानूनी सॉफ़्टवेयर कंपनियाँ (legal tech), कानूनी विभाग और स्वतंत्र कानूनी पेशेवर फ़ॉर्म भरकर API पहुँच का अनुरोध कर सकते हैं, और मॉडल को उसके डेस्कटॉप एजेंट प्लेटफ़ॉर्म AutoClaw में « जल्द » उपलब्ध होना है। कीमत और खुले मॉडल वेट्स की घोषणा नहीं की गई है।

🔗 GLM-Legal पर Z.ai की पोस्ट · X पर Z.ai की घोषणा

Apex 2.0 और Apex Flash 2.0 : Fin ने ग्राहक सेवा के अपने मॉडल Nemotron 3 पर बनाए

7 अक्टूबर — ग्राहक सेवा के IA एजेंट Fin ने जवाब तैयार करने वाले अपने मॉडल का नया संस्करण Apex 2.0 लॉन्च किया है, जो इस बार Nemotron 3 Super पर आधारित है ; NVIDIA ने 12 अक्टूबर को इस लॉन्च की सराहना की। Apex 1.0 की तरह, जिसे Fin पहले ही प्रोडक्शन में Claude Sonnet 4.6 से बेहतर बताता था, टीम खुले वेट्स वाले आधार मॉडल को अपने पोस्ट-ट्रेनिंग से अनुकूलित करती है : निर्देशों और प्राथमिकताओं के आधार पर फ़ाइन-ट्यूनिंग, संशोधित रिवॉर्ड मॉडल, जवाब देने और स्पष्टीकरण माँगने के बीच चुनाव के लिए लक्षित उदाहरण, तथा आधारहीन वादों को हटाना। Fin का यह भी कहना है कि उसने क्वांटाइज़ेशन से अपनी डिप्लॉयमेंट लागत घटाई है, और गुणवत्ता में कोई मापने योग्य कमी नहीं आई है।

Fin का मॉडल	NVIDIA का आधार मॉडल	संस्करण 1.0 की तुलना में घोषित सुधार
Apex 2.0	Nemotron 3 Super	उपयोगकर्ता द्वारा पुष्टि किए गए समाधानों में +8,6 %, हैलुसिनेशन में -16,5 %
Apex Flash 2.0 (Fin Voice)	Nemotron 3 Nano	24 % अधिक तेज़ जवाब, हैलुसिनेशन में -46 %, केवल अंग्रेज़ी के बजाय 9 भाषाएँ

Apex 2.0 Fin के सभी ग्राहकों के लिए चालू है, जिनकी संख्या 12 000 से अधिक है ; पोस्ट में कोई कीमत नहीं दी गई है।

🔗 Apex 2.0 पर Fin की पोस्ट

मॉडलों का प्रशिक्षण और संचालन : QwenGyre, ReplaySSM और Transformers का /v1/systemone एंडपॉइंट

तीन शोध कार्य मॉडलों के सॉफ़्टवेयर बुनियादी ढाँचे से जुड़े हैं : बहुत लंबे कार्यचक्र वाले एजेंटों का प्रशिक्षण, हाइब्रिड मॉडलों की डिकोडिंग और निर्णय मॉडलों को सर्व करना।

QwenGyre : Qwen ने बहुत लंबे कार्यचक्र वाले एजेंटों की रीइन्फ़ोर्समेंट लर्निंग को लचीला बनाया

12 अक्टूबर — Qwen टीम ने QwenGyre प्रस्तुत किया है, जो ऐसे एजेंटों के लिए ऑनलाइन रीइन्फ़ोर्समेंट लर्निंग फ़्रेमवर्क है जिनका एक ही रन घंटों चल सकता है, परिवेश के साथ सैकड़ों इंटरैक्शन कर सकता है और हर उत्पन्न ट्रैजेक्टरी (rollout) में लगभग दस लाख टोकन तक पहुँच सकता है। इससे दो समस्याएँ पैदा होती हैं : लंबे जनरेशन के दौरान निष्क्रिय GPU, और रन में शाखाएँ बनते ही दोहराई जाने वाली ट्रैजेक्टरी (संदर्भ को संक्षिप्त करना, उप-एजेंट, दोबारा प्रयास)। लचीला शेड्यूलर (Elastic Scheduler) रन को बाधित किए बिना ट्रैजेक्टरी जनरेशन और प्रशिक्षण के बीच GPU का पुनः आवंटन करता है : यह Colocate पद्धति से 1,85 गुना तक और असिंक्रोनस पद्धति (Async) से 1,78 गुना तक तेज़ है। ट्रैजेक्टरी प्रोसेसर (Trajectory Processor) शाखाओं वाले इतिहास को साझा प्रीफ़िक्स वाले वृक्षों में व्यवस्थित करता है और दोहराव हटाता है।

Qwen3.8-2.4T-A95B पर, प्रति ट्रैजेक्टरी लगभग 700 000 टोकन के साथ लागू किए जाने पर, QwenGyre ने 48 चरणों में NL2RepoBench का स्कोर 52,5 % से 58,5 % तक बढ़ाया। घोषणा वाले ट्वीट के अनुसार, यह असिंक्रोनस पद्धति की तुलना में शुरू से अंत तक प्रशिक्षण का समय लगभग 44 % घटाता है। शोधपत्र 27 सितंबर से arXiv पर है ; किसी कोड रिपॉज़िटरी की घोषणा नहीं की गई है।

🔗 X पर Qwen की घोषणा · arXiv पर QwenGyre का शोधपत्र

ReplaySSM : NVIDIA और Dao AI Lab ने हाइब्रिड मॉडलों की डिकोडिंग तेज़ की

12 अक्टूबर — NVIDIA और प्रिंसटन विश्वविद्यालय के Dao AI Lab ने ReplaySSM प्रस्तुत किया है, जो हाइब्रिड मॉडलों की डिकोडिंग के दौरान SSM परतों की अवस्था संग्रहीत करने का नया तरीका है। इन मॉडलों में स्टेट-स्पेस और अटेंशन परतें बारी-बारी से आती हैं, जैसे Nemotron 3, Qwen3.5 से Qwen3.8, Kimi-K3 या GLM-5.3-Flash में। प्रोडक्शन में इस्तेमाल होने वाले बैच आकारों पर, 100K टोकन तक के संदर्भ में डिकोडिंग की विलंबता पर सबसे अधिक असर इन SSM परतों का पड़ता है, अटेंशन का नहीं। ReplaySSM अवस्था को एक चेकपॉइंट और हालिया इनपुट के छोटे बफ़र के रूप में दर्शाता है : हर टोकन पर आउटपुट की गणना होती है, लेकिन चेकपॉइंट को मेमोरी में केवल हर 16 टोकन पर दोबारा लिखा जाता है, जिससे मेमोरी ट्रैफ़िक का प्रमुख हिस्सा लगभग आधा हो जाता है।

vLLM में मापा गया कॉन्फ़िगरेशन	vLLM की तुलना में घोषित सुधार
डिकोडिंग चरण, 1 का बैच	कोई नहीं
SSM कर्नेल, 256 का बैच	1,46 से 1,80 गुना अधिक तेज़
पूरा डिकोडिंग चरण, 256 का बैच	1,20 से 1,47 गुना अधिक तेज़
स्पेक्युलेटिव डिकोडिंग, 512 का बैच, 120B श्रेणी के मॉडल	1,85 और 2,10 गुना थ्रूपुट

NVIDIA के अनुसार, यह तकनीक TensorRT-LLM, vLLM और FlashInfer में एकीकृत है और GLM-5.3-Flash तथा Kimi-K3 में प्रोडक्शन में चल रही है ; शोधपत्र arXiv पर और कोड GitHub पर उपलब्ध है।

🔗 ReplaySSM पर NVIDIA की तकनीकी पोस्ट · arXiv पर ReplaySSM का शोधपत्र

/v1/systemone : transformers serve किसी LLM या VLM को निर्णय मॉडल में बदलता है

12 अक्टूबर — Hugging Face ने Transformers में transformers serve के लिए /v1/systemone एंडपॉइंट मर्ज किया है। transformers serve लाइब्रेरी में अंतर्निहित सर्वर है। जवाब तैयार करने के बजाय सर्वर मॉडल के लॉजिट के आधार पर संभावित निर्णयों के एक समूह को अंक देता है : लाइसांड्रे के अनुसार, समर्थित 250 LLM और VLM में से कोई भी इस तरह बिना पाठ तैयार किए « JEV जैसा » निर्णय मॉडल बन सकता है। मार्क सन की PR 49322 फ़िलहाल सभी ऑटोरेग्रेसिव मॉडलों का समर्थन करती है और सर्वर को भेजा जाने वाला decision_config जोड़ती है, क्योंकि हर निर्णय मॉडल अपने तरीके से प्रॉम्प्ट बनाता है और टेम्परेचर तय करता है ; मार्क सन ने Transformers में निर्णय मॉडलों के « जल्द » मानकीकरण की घोषणा की है। यह सुविधा अभी किसी जारी संस्करण में नहीं है ; नवीनतम संस्करण v5.19.0, 6 अक्टूबर को जारी हुआ था। llama.cpp पहले ही 2 अक्टूबर से इस फ़ॉर्मैट को सर्व कर रहा था।

🔗 X पर लाइसांड्रे की घोषणा · GitHub पर PR 49322

एजेंटों के लिए नए सिरे से तैयार वेब पेज और फ़ाइलें : OpenAI की Browser Annotation API, Perplexity Projects का Git होस्टिंग प्लेटफ़ॉर्म

OpenAI और Perplexity दो परिचित परिवेशों, वेब पेज और फ़ाइल सिस्टम, को नए सिरे से तैयार कर रहे हैं, ताकि एजेंट को उनमें अधिक संदर्भ मिले।

Browser Annotation API : वेबसाइटें ChatGPT के ब्राउज़र एनोटेशन को अनुकूलित करती हैं

12 अक्टूबर — OpenAI Developers ने Browser Annotation API प्रस्तुत की है, जिसका विवरण ChatGPT Learn की Annotations Extensibility मार्गदर्शिका में दिया गया है। कोड में किसी बदलाव के बिना, ChatGPT डेस्कटॉप ऐप के अंतर्निहित ब्राउज़र का Annotation मोड पहले ही किसी भी वेबसाइट पर काम करता है : पेज का कोई हिस्सा चुनकर उस पर टिप्पणी की जा सकती है और उसे संदर्भ के रूप में Codex या ChatGPT Work को भेजा जा सकता है। सुरक्षित पेजों (HTTPS या localhost) पर document.oai.annotation के माध्यम से उपलब्ध API वेबसाइट को यह चुनने देती है कि क्या चयन योग्य होगा, चयन के साथ कौन-सा संदर्भ जाएगा और भेजने से पहले बदलाव का पूर्वावलोकन किन नियंत्रणों से किया जाएगा।

मार्गदर्शिका में नौ एकीकरणों का विवरण है : कोई कार्ड एक ही चयन योग्य ऑब्जेक्ट बन सकता है (oai-annotation-container, oai-annotatable), वेबसाइट का कोई बटन सुझाई गई टिप्पणी के साथ एनोटेशन खोल सकता है, कस्टम नियंत्रण (registerControls()) उदाहरण के लिए किसी स्पेसिंग टोकन का पूर्वावलोकन दिखाते हैं, और कैनवस में बनाए गए ऑब्जेक्ट चयन योग्य बन जाते हैं। मार्गदर्शिका ऐप के DevDay 2026 संस्करण और उसके बाद के संस्करणों के लिए है ; ChatGPT Enterprise और Edu में किसी व्यवस्थापक को इन अनुकूलनों की अनुमति देनी होती है। एनोटेशन वेबसाइट के WebMCP टूल के पूरक हैं, जो उन कार्रवाइयों को उपलब्ध कराते हैं जिन्हें ChatGPT किसी वेबसाइट पर कर सकता है।

🔗 @OpenAIDevs की घोषणा · Annotations Extensibility मार्गदर्शिका

Perplexity Projects : एजेंटों के लिए Git फ़ोर्ज की तरह बनाया गया फ़ाइल सिस्टम

12 अक्टूबर — Perplexity ने Projects के फ़ाइल सिस्टम पर एक इंजीनियरिंग लेख प्रकाशित किया है। Projects, Perplexity Computer का वह कार्यक्षेत्र है जहाँ लोग और एजेंट मिलकर लंबे समय तक चलने वाले कार्य करते हैं। प्रत्येक एजेंट अपने सैंडबॉक्स में काम करता है और अपने बदलाव एक साझा Git रिपॉज़िटरी में दर्ज करता है। इसे पाँच घटक संचालित करते हैं: प्रत्येक सैंडबॉक्स में एक CLI, एक नियंत्रण तंत्र, एक Git सेवा, AWS S3 पर आधारित स्टोरेज (S3Files) और दस्तावेज़ों से पाठ निकालने वाला घटक। सेवा किसी बदलाव को तभी स्वीकार करती है जब वह सबसे हाल में स्वीकार किए गए commit पर आधारित हो; अन्यथा, एजेंट अपना बदलाव दोबारा लागू करके फिर भेजता है, बिना किसी मर्ज अनुरोध (pull request) के। फ़ाइलों का भारी उपयोग करने वाले कार्यभार में लगभग 400 गुना धीमे FUSE वर्चुअल फ़ाइल सिस्टम को छोड़ दिया गया।

Perplexity द्वारा प्रकाशित माप	घोषित मान
प्रोडक्शन में पुराने होने के कारण अस्वीकार किए गए भेजे गए बदलाव	2 % से कम
बदलाव भेजने की माध्यिका विलंबता	1,7 s से कम
बदलाव भेजने की p99 विलंबता	8 s से कम
150 आंतरिक वित्तीय प्रश्नों पर grep से मिले सही उत्तर	0,627
इंडेक्स पर अर्थ-आधारित खोज से मिले सही उत्तर	लगभग 0,37

यह लेख किसी उत्पाद का शुभारंभ नहीं करता: Projects जुलाई से उपलब्ध है, और Computer का ज्ञान विकी Brain भी इसी बुनियादी ढाँचे पर आधारित है।

🔗 Perplexity का इंजीनियरिंग लेख

संक्षिप्त समाचार

Copilot CLI 1.0.96 — स्थिर संस्करण में आकर यह 9 और 10 अक्टूबर के पूर्वावलोकन संस्करणों की नौ प्रविष्टियों को बिना किसी नई चीज़ के शामिल करती है। इनमें समयरेखा में अनुमति संबंधी प्रत्येक निर्णय लेने वाले की पहचान और बड़े-छोटे अक्षरों के भेद से अप्रभावित मॉडल पहचानकर्ता शामिल हैं। 🔗 स्रोत
GitHub पर push करने वालों की पहचान दर्ज करना — अनुरोध पर GitHub Enterprise ग्राहकों के लिए सीमित सार्वजनिक पूर्वावलोकन में उपलब्ध इस सुविधा में प्रत्येक भेजा गया commit उसे भेजने वाले व्यक्ति की प्रमाणित पहचान रखता है; नियम-समूह की एक शर्त, Committer must match pusher, उन push को रोकती है जिनका committer उस उपयोगकर्ता के किसी भी सत्यापित ईमेल पते से मेल नहीं खाता। 🔗 स्रोत
Copilot app for Beginners — GitHub Blog की इस शृंखला का नया एपिसोड दिखाता है कि किसी परियोजना के नियम रिपॉज़िटरी में कैसे रखें ताकि Copilot उन्हें अपने आप लागू करे: कस्टम निर्देश, .github/skills में एजेंट कौशल, कस्टम एजेंट और Playwright जैसे MCP सर्वर; यह एक प्रशिक्षण मार्गदर्शिका है, कोई नई उत्पाद सुविधा नहीं। 🔗 स्रोत
Zed 1.23.3 और 1.24.2 — स्थिर और पूर्वावलोकन संस्करणों में केवल त्रुटि सुधार (Markdown पूर्वावलोकन, संपादन पूर्वानुमान, दूरस्थ परियोजनाओं का चयनकर्ता), Node.js v24 पर स्थानांतरण और एजेंट पैनल के सहेजने के बिंदुओं (checkpoints) पर वैकल्पिक टेलीमेट्री शामिल है। 🔗 स्रोत
Codex Ambassadors — OpenAI ने इस छह महीने के कार्यक्रम के लिए आवेदन फिर खोले हैं। इसमें Pro सदस्यता, Codex और API क्रेडिट तथा स्वीकृत आयोजनों के लिए सहायता के बदले हर महीने एक योगदान (आयोजन या सामग्री) देना होता है; उत्तर अमेरिका, मध्य अमेरिका, अफ़्रीका, मध्य पूर्व और पूर्वी यूरोप को प्राथमिकता दी गई है। 🔗 स्रोत
Hypha में Decisions API — Hypha में एजेंट इंजीनियरिंग के प्रमुख सेरही श्चोहोलिएव ने बहु-लेबल वर्गीकरण में OpenAI की Decisions API का F1 98,1 % मापा है, जबकि GPT-6.1 Sol एजेंट का 93,5 % है। लागत लगभग एक-सातवीं और p90 विलंबता 28 गुना कम है; ये ग्राहक के आँकड़े हैं, जिनकी पद्धति प्रकाशित नहीं हुई है और जिन्हें @OpenAIDevs ने साझा किया है। 🔗 स्रोत
Gemini 3.5 Flash अप्रचलित घोषित — 8 अक्टूबर की छूटी हुई खबर: Gemini API के संस्करण विवरण की वही प्रविष्टि gemini-3.5-flash को भी अप्रचलित घोषित करती है, जिसे अब Google AI Studio में चुना नहीं जा सकता; इसके अनुरोध gemini-3.6-flash पर भेजे जा रहे हैं और बंद करने की कोई तारीख घोषित नहीं हुई है। 🔗 स्रोत
Kimi Work 3.2.16 — रखरखाव संस्करण: PDF पूर्वावलोकन इंजन उन्नत किया गया है, अंतर्निहित ब्राउज़र अब पृष्ठभूमि के कार्यों से बाधित नहीं होता, और आठ त्रुटि सुधारों का विवरण दिया गया है, जिनमें अलग चर्चाओं का दो बार भेजा जाना शामिल है। 🔗 स्रोत
Genspark में सेवा बाधित — Microsoft की एक सेवा में खराबी के कारण सोमवार को कुछ उपयोगकर्ता लॉग इन नहीं कर सके; Genspark ने उस सेवा का नाम नहीं बताया। Genspark ने 16 बजकर 20 मिनट UTC पर सेवा बहाल होने की घोषणा की और प्रभावित उपयोगकर्ताओं के लिए मुआवज़े की तैयारी कर रहा है। 🔗 स्रोत
TutorMoments — Ai2 ने हाल के मॉडलों को अपने एआई शिक्षकों के मूल्यांकन में परखा: स्पष्ट निर्देश के साथ GPT-6 Astra सबसे आगे रहा (सीखने में उचित सहारा देने पर 0,938, उचित अपेक्षाएँ रखने पर 0,915), उसके बाद Claude Sonnet 5.5 और Claude Opus 5.5 रहे। एक नया अन्वेषण उपकरण उनके उत्तरों की तुलना मानव शिक्षकों के उत्तरों से करता है। 🔗 स्रोत
UIBK-Embedding-v1 — अब्देलरहमान अब्दल्लाह ने Apache 2.0 के अंतर्गत 179 मिलियन पैरामीटर वाला अंग्रेज़ी खोज मॉडल प्रकाशित किया है, जो एक ही एनकोडर में सघन खोज और देर से अंतःक्रिया वाली खोज (ColBERT) को जोड़ता है; उनका दावा है कि BEIR पर इसका nDCG@10 स्कोर 59,79 है, जो पूर्ण आधिकारिक MTEB परिणामों वाले एक अरब से कम पैरामीटर के मॉडलों में सर्वश्रेष्ठ है। 🔗 स्रोत
Sparseup-fr — लोइक बुरद्वा ने Linkup के 150 मिलियन पैरामीटर वाले विरल एम्बेडिंग मॉडल को फ़्रेंच में फिर तैयार किया है। इसे एक ही RTX 6000 Pro पर लगभग 55 घंटे में प्रशिक्षित किया गया: साफ़ किए गए NanoBEIR-fr पर 56,37 और 56,50, जबकि अंग्रेज़ी संस्करण के लिए 52,40 और 51,66। लेखक के अनुसार यह खुले विरल मॉडलों में नया सर्वश्रेष्ठ प्रदर्शन है। 🔗 स्रोत
Model Pulse — तार्देली स्टेकेल का एक सामुदायिक उपकरण जुलाई 2024 से Hub के 1,64 मिलियन मॉडलों के डाउनलोड और « पसंद » की संख्या का दिन-प्रतिदिन का रिकॉर्ड पुनर्निर्मित करता है। यह लगभग 1,15 अरब Parquet पंक्तियों में Apache 2.0 के अंतर्गत प्रकाशित है और रोज़ अपडेट होता है। 🔗 स्रोत
Hub पर contributor अनुमति — Hugging Face के सूक्ष्म स्तर पर नियंत्रित एक्सेस टोकन और सेवा खातों के टोकन को contributor अनुमति दी जा सकती है: वे रिपॉज़िटरी बनाते हैं और केवल अपनी बनाई रिपॉज़िटरी में लिखते हैं। यह CI/CD प्रक्रियाओं, प्रशिक्षण कार्यों और एजेंटों के लिए है। 🔗 स्रोत
Microduck Arena — Pollen Robotics ने एक Hugging Face Space खोला है जहाँ उसके छोटे दो पैरों वाले रोबोट के लिए पुनर्बलन अधिगम से एक नीति प्रशिक्षित की जाती है, फिर उसे 2 m Sprint और Hill Climb सहित चार प्रतिस्पर्धाओं में दौड़ाया जाता है, बिना किसी भौतिक रोबोट के। 🔗 स्रोत
Relight Studio — Luma इस सुविधा को प्रमुखता दे रहा है, जो पहले से सफल शॉट में रोशनी की दिशा बदलती है, बिना शुरू से दोबारा बनाने के; ट्वीट में मॉडल, कीमत या सेवा शुरू होने की तारीख नहीं दी गई है। 🔗 स्रोत
HeyGen Lessons — HeyGen ने शिक्षा के लिए एक पेशकश प्रस्तुत की है: OpenAI का Dots पहचानता है कि कक्षा का ध्यान किस बात से खिंचता है और पाठ को उसके अनुसार ढालता है, फिर HeyGen का MCP शिक्षक के अवतार और आवाज़ के साथ उसका वीडियो बनाता है; ट्वीट में लिंक, कीमत या तारीख नहीं दी गई है। 🔗 स्रोत
एक रियल एस्टेट एजेंट और उसका अवतार — HeyGen के एक केस अध्ययन के अनुसार, वैंकूवर के एक रियल एस्टेट एजेंट का शूटिंग स्थल आग में नष्ट होने के बाद वह अपने अवतार के साथ रोज़ दो Reels प्रकाशित करता है और दस महीनों में उसने अपने Instagram फ़ॉलोअर चार गुना कर लिए हैं। 🔗 स्रोत
x.ai अब SpaceXSI बना — 12 अक्टूबर की जाँच में यह दिखा, लेकिन स्रोत पर कोई घोषणा या तारीख नहीं है: x.ai का मुखपृष्ठ, उसकी खबरें और API दस्तावेज़ (« SpaceXSI Docs ») अब SpaceXSI ब्रांड का उपयोग करते हैं, यहाँ तक कि Grok 4.7 की जानकारी में भी; 10 अक्टूबर को साइट पर अभी SpaceXAI दिख रहा था। 🔗 स्रोत

इसका क्या अर्थ है

आज के आँकड़े यह देखने के लिए मजबूर करते हैं कि माप कौन कर रहा है। Meta अपने स्वयं के मापे हुए परिणाम एक छवि में प्रकाशित करता है और अपने सूचकांक में Muse Wonder Full को शीर्ष पर रखता है (Claude Opus 5.5 के 55,2 के मुकाबले 59,1), जबकि उसी तालिका के Artificial Analysis Index में Opus 5.5 आगे रहता है (56 के मुकाबले 58)। Z.ai एक ट्वीट के ग्राफ़ में GLM-Legal की तुलना उसके प्रतिस्पर्धियों से करता है और कोई स्कोर प्रकाशित किए बिना LegalBench पर बराबरी का दावा करता है, जबकि Fin, Apex 2.0 को अपने ही पिछले संस्करण के मुकाबले मापता है। FrontierCode की स्वतंत्र रैंकिंग इन स्तरों को स्पष्ट करती है: सबसे अच्छा मॉडल भी 52,2 % तक ही पहुँचता है, और लागत का अंतर, GPT-6.1 Sol के लिए प्रति कार्य 0,81 डॉलर से Opus 5.5 के लिए 10,15 डॉलर तक, रैंक जितना ही स्पष्ट मानदंड बन जाता है।

बुनियादी ढाँचे में सुधार चिप के आसपास की सभी चीज़ों से आते हैं। OCP में NVIDIA का योगदान बिजली आपूर्ति (250 kW तक के रैक, 5 000 A की बसबार, बिजली ग्रिड में व्यवधान के बाद दो सेकंड से कम में लगभग पूर्ण भार पर वापसी) और नेटवर्क पर केंद्रित है, जिसमें Meta में 102,4 Tb/s वाला Spectrum-6 और प्रति लेन 400 Gb/s वाला USFP शामिल है। सॉफ़्टवेयर भी यही तर्क अपनाता है: ReplaySSM, SSM परतों के मेमोरी ट्रैफ़िक को लगभग आधा करता है, और QwenGyre उन GPU को फिर काम पर लगाता है जो लंबे प्रक्षेपपथों के खत्म होने का इंतज़ार कर रहे थे। AMD, Google, Meta और Microsoft द्वारा संयुक्त रूप से हस्ताक्षरित मानकों के साथ अपने डिज़ाइन OCP को देकर NVIDIA एआई कारखानों के लिए निर्माताओं को एक साझा आधार देने का लक्ष्य दिखाता है।

एजेंटों को उनके लिए तैयार किए गए वातावरण मिल रहे हैं। अब कोई वेब पृष्ठ यह तय कर सकता है कि उपयोगकर्ता ChatGPT के ब्राउज़र में क्या चुनता है और उसके चयन के साथ एजेंट को कौन-सा संदर्भ भेजा जाता है। Perplexity की परियोजना हर एजेंट को एक सैंडबॉक्स और साझा Git रिपॉज़िटरी देती है, और Amp अपने एजेंट की बातचीत में उसकी अपनी pull requests की समीक्षाएँ और CI परिणाम वापस लाता है। खोज करने का तरीका भी परिणाम को प्रभावित करता है: Perplexity में अपनी कार्यशील प्रति में grep से खोज करने वाले एजेंट को 0,627 सही उत्तर मिलते हैं, जबकि अर्थ-आधारित खोज में लगभग 0,37; LightOn में खोज का काम एक छोटे स्थानीय एजेंट को सौंपने से grep की तुलना में Claude Code के API टोकन 34 % कम होते हैं, बिना सटीकता में किसी महत्वपूर्ण कमी के।

Frontier Red Team का अध्ययन इस स्वायत्तता का दूसरा पहलू दिखाता है। जो क्षमताएँ एजेंट को उपयोगी बनाती हैं, जैसे अनजान हार्डवेयर पर मॉडल स्थापित करना या अपने नोट्स अगले एजेंट को देना, वही किसी वर्म को अनुकूलित होने में भी सक्षम बना सकती हैं: 9B मॉडल 9 में से 8 प्रकार के हार्डवेयर पर इन्फ़रेंस शुरू कर देता है, और पिछले एजेंट के नोट्स मिलने से सफलता 45 % से बढ़कर 61-84 % हो जाती है। Anthropic अभी किसी पूर्ण आत्म-प्रतिकृति तंत्र का वर्णन नहीं करता और इंटरनेट सेवा प्रदाताओं की निगरानी पर भरोसा करता है, ताकि एक संक्रमित उपकरण औसतन एक से कम अन्य उपकरण को संक्रमित करे। दूसरी ओर, Meta का दावा है कि Muse Wonder में साइबर और CBRN उपयोगों के विरुद्ध उसके अब तक के सबसे मज़बूत सुरक्षा उपाय हैं, लेकिन वह एक पूर्ण सुरक्षा रिपोर्ट का संदर्भ देता है जो अभी आनी बाकी है।