खोजें

Cursor ने अपनी सुरक्षा घटना की समीक्षा प्रकाशित की, Claude Code ने Projects में नई सुविधाएँ जोड़ीं, Sierra ने Poppy 1.0 जारी किया

कृत्रिम बुद्धिमत्ता द्वारा जनित लेख
Cursor ने अपनी सुरक्षा घटना की समीक्षा प्रकाशित की, Claude Code ने Projects में नई सुविधाएँ जोड़ीं, Sierra ने Poppy 1.0 जारी किया

इस अंक की कंपनियाँ

जो आपकी रुचि का नहीं है, उसे अनचेक करें। आपकी पसंद सभी अंकों पर लागू होती है और इसी डिवाइस पर रहती है।

प्रमुख लैब
चीन
कोडिंग टूल
एजेंट और वेब खोज
जनरेटिव मीडिया
इन्फ्रास्ट्रक्चर और ओपन सोर्स
अन्य

ai-powered-markdown-translator

gpt-6.1-sol का उपयोग करके फ़्रेंच से हिंदी में अनुवादित लेख।

GitHub पर प्रोजेक्ट देखें ↗

Cursor ने उस सुरक्षा घटना की समीक्षा प्रकाशित की है जिसके कारण अक्टूबर के अंत में एक दुर्भावनापूर्ण Claude Code एक्सटेंशन वितरित हुआ था: कंपनी के अनुसार, हमले की शुरुआत Fireworks के लिए जारी की गई एक ऐक्सेस कुंजी से हुई थी, और हमलावर की आखिरी गतिविधि 1 नवंबर को देखी गई। उत्पादों की बात करें तो Claude Code में Projects को अधिक सक्रिय समन्वयक और थ्रेड साझा करने की सुविधा मिली है, डेस्कटॉप ऐप अब कस्टम थीम स्वीकार करता है, और Sierra ने Poppy का संस्करण 1.0 जारी किया है, जिसे सभी Shopify विक्रेताओं के लिए सक्रिय कर दिया गया है। Deepnote ने पहल करने वाले एजेंटों का एक बेंचमार्क प्रकाशित किया है, Thinking Machines ने Inkling 2 Small के 4 बिट प्रशिक्षण का विवरण दिया है, और Meta ने बिना घोषणा के MetaEncoder v1 ऑनलाइन उपलब्ध कराया है।


Cursor ने अपनी सुरक्षा घटना की समीक्षा प्रकाशित की: कंपनी के अनुसार, हमले की शुरुआत Fireworks के लिए जारी की गई एक कुंजी से हुई

13 नवंबर — Cursor ने अपनी जाँच की समीक्षा प्रकाशित की:

It started at Fireworks. An attacker obtained an access key we had issued to Fireworks. The key was exposed by Fireworks, and the attacker used it to copy data from a read-only storage bucket we used to share data with them.

🇮🇳 इसकी शुरुआत Fireworks से हुई। एक हमलावर को वह ऐक्सेस कुंजी मिल गई, जो हमने Fireworks के लिए जारी की थी। Fireworks द्वारा कुंजी उजागर हो गई थी, और हमलावर ने इसका इस्तेमाल केवल पढ़ने की अनुमति वाले उस स्टोरेज बकेट से डेटा कॉपी करने के लिए किया, जिसका उपयोग हम उनके साथ डेटा साझा करने के लिए करते थे। — Cursor, « हमारी हाल की सुरक्षा घटना पर नई जानकारी »

Cursor के अनुसार, इस बकेट में कोडिंग एजेंटों के ट्रेस थे, जो मुख्यतः 2025 के थे और Privacy Mode के बाहर हुए सत्रों से आए थे। कुछ ट्रेस में बिना छिपाए गए क्रेडेंशियल थे, जिनसे हमलावर को Cursor द्वारा इस्तेमाल किए जाने वाले SaaS टूल, फिर प्रोडक्शन से बाहर की आर्काइव रिपॉज़िटरी और सहायता संबंधी डेटा तक पहुँच मिली। यहाँ 30 अक्टूबर को चर्चा में आया दुर्भावनापूर्ण एक्सटेंशन इसी का परिणाम था: चुराए गए एक क्रेडेंशियल का इस्तेमाल करके उसे 29 अक्टूबर को मार्केटप्लेस के कैश में ऐसे संस्करणों के रूप में रखा गया, जिन्हें Anthropic ने जारी नहीं किया था।

Cursor के अनुसार समीक्षालेख में दी गई जानकारी
उजागर हुए API क्रेडेंशियलग्राहकों के 0,01 % से कम
उजागर हुए एजेंट ट्रेस, Privacy Mode के बाहर के सत्रउपयोगकर्ताओं के 0,05 % से कम, सभी को सूचित किया गया
29 अक्टूबर का दुर्भावनापूर्ण Claude Code एक्सटेंशनअधिकतम 5 000 उपयोगकर्ताओं को मिला हो सकता है, लगभग 11 घंटे ऑनलाइन रहा
हमलावर की आखिरी देखी गई गतिविधि1 नवंबर, रोक दी गई
अप्रभावित दायराPrivacy Mode, प्रोडक्शन, आधिकारिक ऐप और अपडेट, Cloud Agents, ग्राहकों की रिपॉज़िटरी

Cursor ने अपना सारा इन्फ़रेंस ट्रैफ़िक Fireworks से हटा लिया है, कुंजी निष्क्रिय कर दी है और साझा डेटासेट तक पहुँच बंद कर दी है; उसने अपने सभी आंतरिक क्रेडेंशियल बदल दिए हैं, अपनी रिपॉज़िटरी में गोपनीय जानकारियों की स्कैनिंग शुरू की है और अपना प्रोडक्शन फिर से डिप्लॉय किया है। उजागर हुए ट्रेस और क्रेडेंशियल की मात्रा केवल प्रतिशत में दी गई है।

🔗 @cursor_ai की घोषणा


Claude Code: Projects अब अधिक सक्रिय, और डेस्कटॉप ऐप में कस्टम थीम का समर्थन

13 नवंबर की शाम Anthropic के डेवलपर खाते से Claude Code के ऐप के लिए दो घोषणाएँ हुईं: इनमें से कोई भी टर्मिनल में चलने वाले CLI से संबंधित नहीं है।

Projects: सक्रिय समन्वयक, प्रोजेक्ट में /btw और /fork, अनुस्मारक और थ्रेड साझा करना

13 नवंबर — Projects में, जहाँ एक बातचीत समानांतर थ्रेड का समन्वय करती है, समन्वयक अब अधिक सक्रिय हो गया है: वह प्रोजेक्ट की चैट में सवालों के जवाब देता है और चल रहे थ्रेड की स्थिति बताता है। /btw और /fork प्रोजेक्ट में आ रहे हैं: पहला किसी सहायक विषय को उसका अपना थ्रेड देता है, दूसरा कोई अलग तरीका आज़माने के लिए मौजूदा थ्रेड से एक नया थ्रेड शुरू करता है। अनुस्मारक किसी थ्रेड को निर्धारित समय तक छिपा देता है, जिसके बाद Claude चैट में उसकी सूचना देता है। अब किसी थ्रेड को केवल पढ़ने योग्य लिंक के रूप में Claude में लॉग इन किए किसी भी व्यक्ति के साथ साझा किया जा सकता है, बशर्ते उस थ्रेड को उपयोगकर्ता के कंप्यूटर तक पहुँच न मिली हो।

ये सभी सुविधाएँ वेब और डेस्कटॉप ऐप में आ रही हैं, और मोबाइल ऐप का नवीनतम संस्करण भी नया डिज़ाइन अपनाता है। घोषणा के अनुसार, Projects अभी भी Pro और Max पर प्रतीक्षा सूची के साथ सार्वजनिक बीटा में है; दस्तावेज़ में Ultra का भी उल्लेख है, Team और Enterprise को अभी भी बाहर रखा गया है, और उसमें अब भी लिखा है कि थ्रेड साझा नहीं किया जा सकता।

🔗 @ClaudeDevs की पोस्ट शृंखला · Projects के दस्तावेज़

कस्टम थीम: mods के साथ डेस्कटॉप ऐप में रंग और एनिमेटेड पृष्ठभूमियाँ

13 नवंबर — एक घंटे से कुछ अधिक समय बाद, Anthropic ने डेस्कटॉप ऐप में Claude Code की कस्टम थीम उपलब्ध कराईं। इन्हें mods से बनाया जाता है, जो 1 अक्टूबर को पेश किए गए TypeScript फ़ंक्शन हैं: घोषणा के अनुसार, थीम रंग बदलती है और बातचीत के पीछे एनिमेटेड पृष्ठभूमि लगाती है, और मनचाहा रूप पाने के लिए बस Claude को उसका विवरण देना होता है। शुरुआत के लिए आधिकारिक प्लगइन theme-examples 0.4.3 (Apache-2.0) में 20 एनिमेटेड पृष्ठभूमियाँ हैं, जिन्हें /custom-theme से हर प्रोजेक्ट या हर सत्र के लिए लागू किया जा सकता है। यह /fireworks भी जोड़ता है, जिससे आतिशबाज़ी का एनिमेशन अपने हाथ से चलाया जा सकता है; यही एनिमेशन तब भी चलता है जब Claude « merged » लिखता है; नाम के बावजूद, इस कमांड का Cursor द्वारा उल्लिखित Fireworks कंपनी से कोई संबंध नहीं है।

डेवलपर की ओर, Claude Code v2.1.319 से $.theme.set और $.theme.clear ने $.ui.backdrop की जगह ले ली है, और टर्मिनल कोई पृष्ठभूमि नहीं दिखाता। ऐप अपडेट करने के बाद थीम स्थानीय सत्रों में काम करती हैं; क्लाउड सत्रों के लिए इन्हें « जल्द » लाने की घोषणा की गई है, पर कोई तारीख नहीं दी गई है।

🔗 @ClaudeDevs की पोस्ट शृंखला


Poppy 1.0: Sierra का व्यक्तिगत एजेंट प्रोटोकॉल सभी Shopify विक्रेताओं के लिए सक्रिय, और Manus भी उसके भागीदारों में शामिल

13 नवंबर — Sierra ने Personal Agent Protocol का संस्करण 1.0 जारी किया है, जिसे Poppy कहा जाता है। यह तय करता है कि कोई व्यक्तिगत एजेंट किसी व्यवसाय को अपना परिचय कैसे देता है और यह कैसे पता लगाता है कि वहाँ उसे क्या करने की अनुमति है। 6 अक्टूबर को घोषित यह प्रोटोकॉल मौजूदा मानकों (MCP, OpenAPI, Universal Commerce Protocol या UCP) और OAuth पर आधारित है, जो ग्राहक को यह नियंत्रित करने देता है कि उसका एजेंट क्या कर सकता है।

संस्करण 1.0 पहले से डिप्लॉय किए हुए रूप में आया है। Shopify इसे अपने सभी विक्रेताओं के लिए सक्रिय कर रहा है: हर दुकान अपने आप एक Poppy फ़ाइल प्रकाशित करती है, खरीद का काम UCP संभालता है और उससे पहले के चरण Poppy संभालता है। Meta का एआई एजेंट Muse अपने सभी उपयोगकर्ताओं के लिए हर साइट पर सबसे पहले Poppy खोजता है। Sierra ने Mercury, Synchrony और Turkish Airlines को प्रोडक्शन में जाने वाले भागीदारों में गिना है, लेकिन Synchrony के एकीकरण का वर्णन अभी भी भविष्य की योजना के रूप में किया है। साठ कंपनियाँ डिज़ाइन भागीदारों में शामिल हो रही हैं, जिनकी संख्या सौ से अधिक हो गई है; Salesforce और Cisco के साथ Manus भी इनमें शामिल है, और उसने अपने एकीकरण का विवरण दिए बिना 14 नवंबर को इसका स्वागत किया।

🔗 Sierra का लेख · @ManusAI का ट्वीट


Agent Initiative Benchmark: Deepnote के बेंचमार्क में GPT-6 Astra और GPT-6.1 Sol, Claude Fable 5.2 से आगे

13 नवंबर — सहयोगात्मक डेटा नोटबुक बनाने वाली कंपनी Deepnote ने पहल करने वाले एजेंटों (प्रोएक्टिव एजेंट) पर तीसरे पक्ष का एक बेंचमार्क प्रकाशित किया है। ये एजेंट किसी टीम की बातचीत पर नज़र रखते हैं और खुद तय करते हैं कि कब हस्तक्षेप करना है और कब चुप रहना है। छह प्रयोगशालाओं के बारह मॉडल PageMantle में 50 परिस्थितियों का सामना करते हैं। यह 71 कर्मचारियों वाली एक काल्पनिक कंपनी है, जिसका डेटा 11 सेवाओं में फैला है; प्रयास का स्तर उच्च और समय सीमा 180 सेकंड रखी गई है; दो LLM मूल्यांकनकर्ता हर निष्पादन को मॉडल की पहचान जाने बिना 0 से 10 अंक देते हैं। Deepnote के संस्थापक याकुब युरोविच की घोषणा वाली पोस्ट शृंखला को @OpenAIDevs ने फिर से साझा किया।

मूल्यांकित मॉडलऔसत स्कोर (0 से 10)प्रति कार्य लागत (डॉलर)
GPT-6 Astra8,970,693
GPT-6.1 Sol8,650,112
Claude Fable 5.28,171,87
Claude Opus 5.57,841,28
Claude Fable 5.17,503,02
Claude Sonnet 5.56,650,420
GPT-6 Luna6,380,0070
DeepSeek V4.1 Flash6,350,026
Mistral Large 46,090,082
Claude Haiku 5.56,050,075
Gemini 4 Argon5,600,403
Grok 4.74,510,425

पृष्ठ इस रैंकिंग को लेकर कुछ सीमाएँ स्पष्ट करता है: Sol, Astra के विश्वास अंतराल (8,30 से 9,52) के भीतर है, इसलिए कार्यों का यह समूह दोनों के बीच अंतर स्थापित नहीं करता, और Fable 5.2 भी Sol के विश्वास अंतराल के भीतर है। लागतें दर्ज किए गए खर्च हैं, दरें नहीं: PageMantle के एक महीने के Slack संदेशों (लगभग 2 500 थ्रेड) पर Sol के साथ 281 डॉलर, Astra के साथ 1 732 और Fable 5.2 के साथ 4 684 डॉलर खर्च होंगे। जहाँ चुप रहना उचित था, वहाँ मॉडल 10 में से केवल 6 बार चुप रहे। Deepnote ने अपनी सीमाएँ बताई हैं: 50 कार्य, प्रयास का केवल एक स्तर, सिर्फ़ Slack में जवाब, और ऐसे परिणाम जो परीक्षण ढाँचे पर निर्भर करते हैं।

🔗 Agent Initiative Benchmark (Deepnote) · याकुब युरोविच की पोस्ट शृंखला


Inkling 2 Small: Thinking Machines ने प्रीट्रेनिंग से RL तक अपने 4 बिट प्रशिक्षण का विवरण दिया

13 नवंबर — अपने शोध ब्लॉग Connectionism के एक लेख में Thinking Machines ने बताया है कि 12 नवंबर को पेश किए गए उसके खुले वेट वाले 594 अरब पैरामीटर के MoE, Inkling 2 Small, को प्रीट्रेनिंग के पहले चरण से लेकर पुनर्बलन शिक्षण के अंतिम रोलआउट तक मूल रूप से NVFP4 में फ़ॉरवर्ड पास के साथ कैसे प्रशिक्षित किया गया। बैकवर्ड पास MXFP8 में ही रहते हैं, और ग्रेडिएंट के पक्षपात को सीमित करने के लिए संभाव्यता आधारित पूर्णांकन (स्टोकैस्टिक राउंडिंग) का इस्तेमाल होता है। GPU के बीच आदान-प्रदान किए जाने वाले एक्सपर्ट आउटपुट 8 बिट फ़ॉर्मैट (S2F6) का इस्तेमाल करते हैं: हर मान के लिए 16 के बजाय 8,25 बिट।

संख्यात्मक फ़ॉर्मैटप्रति मान बिटGB300 पर PFLOPS
NVFP44,515
MXFP88,255
BF16162,5

पूरी तरह MXFP8 में किए गए प्रशिक्षण की तुलना में, प्रयोगशाला ने प्रीट्रेनिंग में वास्तविक समय के हिसाब से 8 % और RL में 20 % की गति वृद्धि मापी है। इसके बदले प्रीट्रेनिंग की गणना दक्षता में लगभग 2 % की कमी आती है, जबकि RL में प्रतिफल का कोई स्पष्ट अंतर नहीं दिखता। लेख साझा करने वाले NVIDIA ने इस बात पर ज़ोर दिया कि GB300 NVL72 रैक पर प्रीट्रेनिंग 68 घंटे में पूरी हो गई।

🔗 शुरू से अंत तक 4-बिट प्रशिक्षण (Thinking Machines) · @NVIDIAAI द्वारा साझा की गई पोस्ट


MetaEncoder v1: Meta ने बिना घोषणा के 28,4 अरब पैरामीटर वाला मल्टीमॉडल एन्कोडर ऑनलाइन उपलब्ध कराया

12 नवंबर — छूटी हुई खबर: Meta ने बिना किसी लेख या ट्वीट के Hugging Face पर MetaEncoder v1 प्रकाशित किया है, जो MetaEncoder-30B की जगह लेता है (जिसकी चर्चा 5 अक्टूबर को की गई थी)। पुरानी रिपॉज़िटरी के विवरण में बताया गया है कि v1 मॉडल में « उल्लेखनीय सुधार » करता है, लेकिन कोई आँकड़ा नहीं दिया गया है। इसका इस्तेमाल तीन कॉल के ज़रिए होता है: encode टेक्स्ट, चित्रों या वीडियो के लिए वेक्टर बनाता है, retrieve किसी क्वेरी के आधार पर कॉर्पस की रैंकिंग करता है, और decide किसी स्थिति से जुड़े सीमित उत्तर विकल्प वाले प्रश्नों के जवाब संभावनाओं के रूप में देता है, उस फ़ॉर्मैट में जिसे विवरण में Jev कहा गया है।

मॉडल की विशेषताविवरण और Hub के अनुसार मान
पैरामीटर28 431 795 200
वेक्टर का आयाम6 656, L2 से सामान्यीकृत
बताया गया हार्डवेयरbf16 में एक 80 Go का GPU
Transformers का संस्करण5.15 या अधिक (muse_glimmer)
लाइसेंस और मूल्यांकनकिसी लाइसेंस या बेंचमार्क की घोषणा नहीं

इसलिए पुरानी रिपॉज़िटरी का Apache-2.0 लाइसेंस और उसके स्कोर इस संस्करण पर लागू नहीं होते; यह औपचारिक लॉन्च से अधिक एक तकनीकी रिलीज़ है।

🔗 MetaEncoder v1 (Hugging Face) · पुरानी MetaEncoder-30B रिपॉज़िटरी


संक्षिप्त समाचार

कोड एजेंट और CLI

  • Devin के 13 नवंबर के रिलीज़ नोट्स — किसी सत्र से मिलने वाली चीज़ें (PR, पूर्वावलोकन, योजना, संलग्नक) चैट के दाईं ओर एक पट्टी में व्यवस्थित होती हैं; Review Analytics दिखाता है कि हर अनुकूलित समीक्षक के निष्कर्षों का क्या हुआ, Devin Review मर्ज रिक्वेस्ट को GitLab की मर्ज ट्रेन में रखता है, और इंटरफ़ेस अब जर्मन में उपलब्ध है। 🔗 स्रोत
  • Codex CLI 0.171.0-alpha.5 — इस पूर्वावलोकन संस्करण के नोट्स खाली हैं; 0.169.0 के बाद आए 126 कमिट के शीर्षकों के अनुसार, टर्मिनल का कार्यक्षेत्र अब स्थिर संस्करण में है और डिफ़ॉल्ट रूप से सक्रिय होता है, और TUI रीयल टाइम वॉइस कॉल के लिए कनेक्शन की शर्तें तय करता है। अगले स्थिर संस्करण से पहले इसमें बदलाव हो सकते हैं। 🔗 स्रोत
  • Copilot CLI 1.0.112 — 13 नवंबर को स्थिर संस्करण जारी हुआ, जिसमें पूर्वावलोकन संस्करण 1.0.112-0 से कुछ भी अतिरिक्त नहीं है और उसकी सभी 95 प्रविष्टियाँ शामिल हैं; SDK 1.0.34 भी इसी तरह जारी हुआ है। 🔗 स्रोत

प्लेटफ़ॉर्म और कंपनियाँ

  • GitHub की अक्टूबर की उपलब्धता रिपोर्ट — महीने में आठ घटनाएँ हुईं, जिनमें 28 अक्टूबर की Copilot घटना भी शामिल है: कई GPT मॉडलों को भेजे गए लगभग हर 10 में से एक अनुरोध विफल हुआ, क्योंकि अपस्ट्रीम प्रदाता के पास GitHub का पहचानकर्ता अमान्य हो गया था; मॉडल बदलने से इस त्रुटि से बचा जा सकता था। 🔗 स्रोत
  • Shield और GPT-6 Astra — Shield के अनुसार, आईटी सेवा प्रदाताओं के लिए उसके प्लेटफ़ॉर्म Forge में GPT-6 Astra पर चलने वाला कंप्यूटर उपयोग एजेंट बिना API वाले पोर्टलों पर काम करता है (टिकट, डिवाइस, लाइसेंस), हर महीने हज़ारों बार, पुराने मॉडलों से 35 से 40 % तेज़। 🔗 स्रोत
  • Cleveland Clinic में Synapsis AI — NVIDIA बताता है कि अस्पताल के फ़ायरवॉल के पीछे चलने वाले Dyania Health के इस टूल का उपयोग महाधमनी वाल्व बदलने का ऑपरेशन करा चुके 7 800 से अधिक रोगियों पर किए गए एक अध्ययन में हुआ, जिसमें 3, 5 और 10 साल के लिए पूर्वानुमान लगाने वाला मॉडल था; NVIDIA का कोई नया उत्पाद नहीं है। 🔗 स्रोत
  • OpenUncensored का ट्रैफ़िक — एक सप्ताह में 157 भुगतान करने वाले ग्राहक और 150 292 अनुरोध: बिना सेंसरशिप वाले मॉडल उपलब्ध कराने वाले इस प्रदाता के अनुसार, उसके यहाँ होने वाले खर्च में कोड एजेंटों का हिस्सा 49 %, सभी एजेंटों का कुल हिस्सा 65 %, और चैट व भूमिका निर्वाह का हिस्सा 1,5 % है। 🔗 स्रोत

चित्र और वीडियो

  • HeyGen में Seedance 2.5 Flash — ByteDance के वीडियो मॉडल का तेज़ संस्करण Creative Studio में आ रहा है, जो HeyGen के अनुसार लगभग समान गुणवत्ता के साथ Seedance 2.5 से 2 गुना तक तेज़ है; न कीमत बताई गई है, न अधिकतम अवधि। 🔗 स्रोत
  • Grok में Grok Imagine — चित्र और वीडियो अब Grok में ही बनाए जाते हैं; SpaceXSI का कहना है कि वह अपने और अधिक उत्पादों को एक ही Grok अनुभव में ला रहा है, लेकिन उसने यह नहीं बताया कि कौन से उत्पाद या Grok Imagine ऐप का क्या होगा। 🔗 स्रोत

खुले मॉडल और शोध

  • ThousandML के CQ और GCMP — निर्माता के अनुसार, Qwen3.8-27B पर 4 बिट CQ क्वांटाइज़ेशन मॉडल को 55,6 से घटाकर 18 Go कर देता है और नौ बेंचमार्क पर BF16 से कोई महत्वपूर्ण अंतर नहीं आता, जबकि NF4 को GSM8K पर 12 अंकों का नुकसान होता है; GCMP अडैप्टर लगभग 159 मिलियन के मुकाबले 2,9 मिलियन पैरामीटर के साथ रैंक 32 वाले LoRA की बराबरी करता है। 🔗 स्रोत
  • Cohere Labs के Aya मॉडलों पर चार लेख — लेखकों के अनुसार, सत्यापित सुधारों पर फ़ाइन ट्यून करने के बाद Aya Expanse 32B की τ²-bench कार्यों में सफलता 14,5 % से बढ़कर 51,5 % हो जाती है; Tiny Aya Fire उर्दू लिपि में 36 में से 36 हानिकारक अनुरोध अस्वीकार करता है, लेकिन रोमन लिपि में लिखी उर्दू में 36 में से 17। 🔗 स्रोत · ScriptShield
  • PEFT v0.21.3 — टेंसर पैरेललिज़्म वाले मॉडल को सहेजते समय यह पैच अब केवल अडैप्टर के वज़न इकट्ठे करता है, जिससे एक धीमेपन की समस्या दूर होती है। 🔗 स्रोत

इसका क्या अर्थ है

Cursor की रिपोर्ट दिखाती है कि जब कोई सॉफ़्टवेयर निर्माता किसी सेवा प्रदाता के साथ डेटा साझा करता है, तो जोखिम किस रास्ते से आता है। उसके विवरण के अनुसार, एजेंटों के ट्रेस की प्रतिलिपि बनाने के लिए एक ही साझाकरण कुंजी पर्याप्त थी, और उन ट्रेस में मौजूद कुछ बिना छिपाए गए क्रेडेंशियल के ज़रिए निर्माता द्वारा इस्तेमाल किए जाने वाले SaaS टूल तक, फिर एक्सटेंशन के वितरण तक पहुँचना संभव हुआ। इस तरह कोड एजेंटों के ट्रेस अपने आप में संवेदनशील डेटा बन जाते हैं; Cursor के अनुसार, Privacy Mode वाले सत्रों के ट्रेस प्रभावित नहीं हुए। घोषित उपाय इन दो बिंदुओं पर केंद्रित हैं: सभी आंतरिक क्रेडेंशियल बदलना और रिपॉज़िटरी में सीक्रेट की जाँच करना। यह विवरण अभी भी Cursor का ही है।

एजेंट अधिक पहल कर रहे हैं, और अब सवाल यह है कि उन्हें कब चुप रहना चाहिए। Projects का समन्वयक अब चल रहे थ्रेड का अपने आप जायज़ा लेता है; Deepnote का बेंचमार्क हस्तक्षेप करने के इसी निर्णय को मापता है और दिखाता है कि जब मदद अपेक्षित होती है, तो 10 में से 9 बार संदेश भेजा जाता है, लेकिन जब चुप रहना चाहिए, तो मॉडल केवल 10 में से 6 बार खुद को रोकते हैं। Sol और Fable 5.2 के बीच प्रति कार्य 0,11 से 1,87 डॉलर तक का लागत अंतर लगातार निगरानी करने वाले एजेंट के लिए काफ़ी मायने रखता है, जैसा कि Slack पर एक महीने के लिए Deepnote की गणना दिखाती है। ये परिणाम एक ही बेंचमार्क और एक ही परीक्षण ढाँचे से मिले हैं, जिसे स्वयं Deepnote निर्णायक मानता है।

Poppy 1.0 इस शृंखला के दूसरे छोर पर काम करता है: एक व्यक्तिगत एजेंट किसी कंपनी के सामने अपना परिचय कैसे देता है और कैसे सीखता है कि वहाँ उसे क्या करने की अनुमति है। सब कुछ नए सिरे से बनाने के बजाय, यह प्रोटोकॉल MCP, OpenAPI, UCP और OAuth पर आधारित है, और Shopify तथा Muse में डिफ़ॉल्ट रूप से लागू होने से इसे शुरुआत में ही बहुत व्यापक आधार मिलता है। दिए गए उदाहरणों में ग्राहक की भागीदारी बनी रहती है, चाहे धन हस्तांतरण के लिए Mercury की स्वीकृति नीति हो या Turkish Airlines में अपग्रेड का भुगतान करने से पहले यात्री की सहमति।

खुले मॉडलों के क्षेत्र में, कम परिशुद्धता का इस्तेमाल अब प्रशिक्षण में भी हो रहा है: Inkling 2 Small ने पूर्वप्रशिक्षण से लेकर RL तक अपना फ़ॉरवर्ड पास 4 बिट में किया, जिससे मापी गई गति में 8 से 20 % का लाभ मिला। दूसरी ओर, ThousandML अपने मापों के आधार पर फ़ाइन ट्यूनिंग के लिए बिना कैलिब्रेशन वाले 4 बिट प्रारूप का समर्थन करता है। अंत में, MetaEncoder v1 याद दिलाता है कि मुफ़्त डाउनलोड के लिए उपलब्ध मॉडल का लाइसेंस ज़रूरी नहीं कि खुला हो: उसके मॉडल कार्ड में किसी लाइसेंस का उल्लेख नहीं है।


स्रोत