Grok Voice 3.0 वॉइस मॉडलों में शीर्ष पर, Gemini 4 Argon के पहले वैज्ञानिक नतीजे, Claude Code का समानांतर सत्रों पर ज़ोर

JLS42 / 14 अक्टूबर 2026

कृत्रिम बुद्धिमत्ता द्वारा जनित लेख

Grok Voice 3.0 वॉइस मॉडलों में शीर्ष पर, Gemini 4 Argon के पहले वैज्ञानिक नतीजे, Claude Code का समानांतर सत्रों पर ज़ोर

SpaceXSI ने Grok Voice 3.0 लॉन्च किया है, जो 0,08 डॉलर प्रति मिनट की कीमत बदले बिना Artificial Analysis के Speech-to-Speech सूचकांक में शीर्ष पर पहुँच गया है। सामान्य उपलब्धता के अगले दिन Google ने क्वांटम कंप्यूटिंग, रोबोटिक्स और Python की 205 000 पंक्तियों पर Gemini 4 Argon का काम दिखाया, जबकि Anthropic ने Claude Code के डेस्कटॉप ऐप को समानांतर सत्रों के अनुरूप पुनर्गठित किया और एक ही दिन में अपने टूल के दो संस्करण जारी किए। Meta ने अपने Muse मॉडलों की मदद से तैयार दस चिकित्सा शोध-पांडुलिपियाँ प्रकाशित की हैं, NVIDIA ने एजेंटों की सुरक्षा पर ब्रिटिश शोध के लिए 250 मिलियन डॉलर की कंप्यूटिंग क्षमता देने की प्रतिबद्धता जताई है, और OpenAI का कहना है कि उसे अपने एक कार्यालय में रिकॉर्डिंग करने वाला एक छिपा उपकरण मिला है।

Grok Voice 3.0: 0,08 डॉलर प्रति मिनट की अपरिवर्तित कीमत पर SpaceXSI, Speech-to-Speech सूचकांक में शीर्ष पर

14 अक्टूबर — SpaceXSI, जिसे पहले xAI कहा जाता था, ने Grok Voice 3.0 लॉन्च किया है। यह शुरू से अंत तक आवाज़ पर काम करने वाला (speech-to-speech) मॉडल है, जिसे कंपनी बाज़ार का सबसे बुद्धिमान मॉडल बताती है। grok-voice-3.0 मॉडल उसी दिन Voice Agent API और Voice Agent Builder में Grok Voice 2.0 की कीमत पर उपलब्ध हो गया: 0,08 डॉलर प्रति मिनट, यानी 4,80 डॉलर प्रति घंटा। grok-voice-latest उपनाम को कॉल करने वाले एजेंट बिना किसी बदलाव के नए मॉडल पर चले गए हैं; उनका एंडपॉइंट और सत्र के पैरामीटर वही हैं। Grok Voice 2.0 को उसी दिन अप्रचलित घोषित कर दिया गया, लेकिन उसकी सेवा समाप्त करने की कोई तारीख नहीं दी गई।

मूल्यांकित बेंचमार्क (Artificial Analysis, 13 अक्टूबर)	Grok Voice 3.0	Grok Voice 2.0	GPT-Live-1 (Astra, Medium)	Gemini 3.8 Live (Ext. Thinking, High)
Speech-to-Speech सूचकांक	86,9	81,3	83,2	82,6
Big Bench Audio (आवाज़ के माध्यम से तर्क क्षमता)	98,5 %	97,2 %	90,1 %	97,7 %
Speech Agent Arena (Elo, मानवीय पसंद)	1 070	1 011	1 048	990
कार्यों की सफलता दर	94,8 %	94,6 %	87,4 %	89,1 %
Full Duplex Bench (विराम, बोलने की बारी)	97,0 %	95,1 %	94,9 %	91,9 %
τ-Voice (सहायता कॉल)	71,6 %	56,5 %	74,5 %	68,6 %

SpaceXSI ने Artificial Analysis के 13 अक्टूबर के इन्हीं मापों का हवाला दिया है। Speech-to-Speech सूचकांक में आवाज़ के माध्यम से तर्क क्षमता, τ-Voice, मानवीय पसंद और ऐसे कॉलों में कार्यों की सफलता को जोड़ा जाता है जिनकी तुलना मॉडल की पहचान बताए बिना की जाती है। Grok Voice 3.0 इसमें शीर्ष पर है, लेकिन हर माप पर आगे नहीं है: अलग-अलग लहजों, पृष्ठभूमि के शोर और बीच में टोके जाने वाले सहायता कॉलों के τ-Voice परीक्षण में उसका 71,6 % स्कोर GPT-Live-1 के 74,5 % से कम है। SpaceXSI इसे तुलनीय स्तर बताता है, साथ ही प्रतिक्रिया में देरी 40 % कम होने का दावा करता है। SpaceXSI के अनुसार, उद्यमों के वॉइस एजेंटों के लिए ServiceNow के ओपन सोर्स परीक्षण मंच EVA-Bench पर, जिसमें 200 से अधिक परिदृश्य हैं, उसे 74 % के साथ सर्वोच्च सटीकता मिली है। कीमत का तर्क भी इसके साथ आता है: Big Bench Audio के परीक्षण में एक कार्य की औसत लागत Grok Voice 3.0 के साथ 0,025 डॉलर है, जबकि GPT-Live-1 के साथ 0,030 डॉलर और OpenAI के GPT-Realtime-2.1 के साथ 0,055 डॉलर है।

यह मॉडल Tesla और SpaceX में पहले से बड़े पैमाने पर चल रहा है: यह Tesla वाहनों में हर दिन लाखों बातचीत संभालता है और Grok Bot के वॉइस मोड को चलाता है। Starlink के कॉल सेंटरों में यह कई भाषाओं में प्रतिदिन 20 000 कॉलों का जवाब देता है: लगभग 70 % कॉल मानव हस्तक्षेप के बिना हल हो जाते हैं, और बिक्री से जुड़े हर चार कॉलों में से एक में बातचीत समाप्त होने से पहले खरीदारी हो जाती है। 24 अगस्त को Grok Voice Think Fast 2.0 पहले से इस सूचकांक में सबसे आगे था; उस समय Starlink के प्रतिदिन 15 000 कॉल संभाले जा रहे थे।

🔗 Grok Voice 3.0 (SpaceXSI की ब्लॉग पोस्ट) · @SpaceXSI की घोषणा · API के संस्करण नोट्स

Gemini 4 Argon की परीक्षा: शुरुआती वैज्ञानिक नतीजे, रोबोटिक्स और कोड का अनुकूलन

सामान्य उपलब्धता के अगले दिन Google ने तीन क्षेत्रों में Gemini 4 Argon के काम का विवरण दिया: वैज्ञानिक शोध, रोबोटिक्स और Python के एक बड़े रिपॉज़िटरी का अनुकूलन। डेवलपर ब्लॉग की दोनों पोस्ट लॉन्च के दिन की हैं; शोधकर्ताओं के सूत्र को Google DeepMind ने 14 अक्टूबर को एकत्र किया।

शुरुआती वैज्ञानिक नतीजे: क्वांटम कंप्यूटिंग, संलयन और एंज़ाइम डिज़ाइन

14 अक्टूबर — Google DeepMind ने अपने शोधकर्ताओं को Argon से मिले शुरुआती नतीजों को एक सूत्र में संकलित किया। हर नतीजे का विस्तार उसके लेखक ने एक दिन पहले दिया था।

शोध का क्षेत्र	Argon के साथ प्राप्त होने का दावा किया गया नतीजा
क्वांटम त्रुटि सुधार	AlphaQubit डिकोडर की इन्फ़रेंस प्रवाह दर लगभग दोगुनी
क्वांटम एल्गोरिदम	quantum CORDIC से 100 गुना से अधिक कम लागत वाली arcsin उप-प्रक्रिया, Lean में सत्यापित
प्लाज़्मा भौतिकी	ग्रैड परिकल्पना के प्रतिउदाहरणों के 2 नए परिवार
एंज़ाइम डिज़ाइन	5 नए सेरीन एस्टरेज़ (59 से 81 % समानता), प्रयोगशाला में सक्रियता की पुष्टि
दुर्लभ रोग (Gamow Labs)	दो निजी मूल्यांकनों में RareBench पर 57 % और LabBench पर 52,2 %

क्वांटम कंप्यूटिंग में बेन जेडरबर्ग और उनकी टीम ने Google Quantum AI के साथ मिलकर Google के त्रुटि सुधार डिकोडर AlphaQubit के एक आंतरिक संस्करण को Argon से एक ही अनुकूलित हार्डवेयर कर्नेल (megakernel) में बदलवाया। इससे उसकी इन्फ़रेंस प्रवाह दर लगभग दोगुनी हो गई, जो ऐसे डिकोडर के लिए उपयोगी लाभ है जिसे क्वांटम प्रोसेसर के मापों के साथ वास्तविक समय में तालमेल बनाए रखना होता है।

Second, we used Argon to discover a quantum arcsin subroutine that cuts spacetime cost by more than 100x compared to the published quantum CORDIC baseline.

🇮🇳 दूसरे, हमने आर्कसाइन की एक क्वांटम उप-प्रक्रिया खोजने के लिए Argon का इस्तेमाल किया, जो प्रकाशित मानक quantum CORDIC की तुलना में स्थान-समय लागत को 100 गुना से अधिक कम करती है। — X पर @benjaderberg

यह लागत क्यूबिट की संख्या को निष्पादन की अवधि से गुणा करके निकाली जाती है, और सर्किट का Lean में औपचारिक सत्यापन किया गया है। प्लाज़्मा भौतिकी में ओपल इसान ने ग्रैड परिकल्पना के प्रतिउदाहरणों के दो परिवारों की घोषणा की है। यह परिकल्पना 1967 से मानती आई थी कि कुछ त्रि-आयामी चुंबकीय संतुलन अस्तित्व में नहीं आ सकते; उनके सूत्र के अनुसार ये प्रतिउदाहरण Argon की मदद से मिले, लेकिन 5 अक्टूबर को जमा किए गए arXiv शोधपत्र के सार में मॉडल का उल्लेख नहीं है। जीवविज्ञान में रायन क्रूगर ने कुछ ही प्रॉम्प्ट सत्रों में डिज़ाइन किए गए सेरीन एस्टरेज़ का वर्णन किया है: Argon ने डेटा जुटाया, एक प्रोटीन भाषा मॉडल को और प्रशिक्षित किया और सक्रिय स्थल के लिए अपने फ़िल्टर बनाए। लॉन्च पोस्ट में Gamow Labs का उदाहरण भी जोड़ा गया है, जहाँ Argon ने एक नवजात के जीनोम में ऐसा गुणसूत्रीय पुनर्विन्यास पहचाना जिसे सामान्य सॉफ़्टवेयर वर्षों से पकड़ नहीं पाए थे।

🔗 Google DeepMind का सूत्र · ग्रैड परिकल्पना पर शोधपत्र (arXiv) · Argon की लॉन्च पोस्ट

रोबोटिक्स: Apollo मानवाकार रोबोट के कॉर्नहोल खेलने से लेकर वास्तविक सफलता दर 56 % से 75 % तक पहुँचने तक

13 अक्टूबर — लॉन्च के दिन Google के डेवलपर ब्लॉग ने रोबोटिक्स में Argon पर कनिष्क राव की एक लंबी पोस्ट प्रकाशित की, जिसमें हर प्रदर्शन के प्रॉम्प्ट दिए गए हैं। लॉन्च पोस्ट ने इनमें सबसे स्पष्ट उदाहरण चुना: एक आंतरिक परीक्षण जिसकी शुरुआत किसी व्यक्ति के कॉर्नहोल खेलने के साधारण वीडियो से हुई थी। इस खेल में छेद वाले तख़्ते पर थैलियाँ फेंकी जाती हैं। Argon ने परिवेश का नक्शा बनाया, पूरे शरीर की गतिविधियों की गणना की और अपना सिमुलेशन कोड लिखा; इसे Apptronik के मानवाकार रोबोट Apollo पर स्थानांतरित करने के बाद रोबोट ने वास्तविक परिस्थितियों में लगातार सात सफल थ्रो किए। Google वीडियो से सिमुलेशन और फिर वास्तविक दुनिया तक के इस सफ़र (Video-to-Sim-to-Real) का सार इस तरह बताता है: हाथ से मॉडल बनाने में लगने वाले कई सप्ताह घटकर कुछ घंटे रह गए।

कनिष्क राव की पोस्ट में अन्य प्रदर्शन भी हैं: Boston Dynamics का Spot, जो असली कूड़ेदान के पैडल को दबाने से पहले MuJoCo डिजिटल प्रतिरूप में अभ्यास करता है; आँखों की ऊँचाई से बनाए गए वीडियो या कागज़ पर बने रेखाचित्र से पुनर्निर्मित सिमुलेशन; और केवल स्टीरियो दृष्टि से निर्देशित दो रोबोटिक भुजाओं द्वारा तीन बार तौलकर हल की गई 12 गेंदों की पहेली। सबसे स्पष्ट रूप से मापने योग्य नतीजा प्रशिक्षण से जुड़ा है: वास्तविक मेज़ की एक तस्वीर से Argon उसका MuJoCo प्रतिरूप बनाता है, 4 500 से अधिक प्रशिक्षण एपिसोड तैयार करता है और वास्तविक रोबोट पर दृष्टि-भाषा-क्रिया (VLA) मॉडल की सफलता दर 56 % से बढ़ाकर 75 % कर देता है। साथ ही निष्पादन का समय 35 से घटकर 24 सेकंड हो जाता है। SO-101 भुजा भी अपने आप बेहतर होती है, जिसका समय 58,9 से घटकर 22,9 और फिर 17,4 सेकंड हो जाता है।

🔗 रोबोटिक्स के लिए Gemini 4 Argon (Google Developers)

ADK: Python की 205 000 पंक्तियों पर रात में ग्यारह घंटे काम, छह में से दो अनुकूलन स्वीकृत

13 अक्टूबर — Google Cloud के इंजीनियरों ने Argon को शून्य से ऐप बनाने से अधिक कठिन काम सौंपा: Agent Development Kit (ADK) के Python रिपॉज़िटरी में धीमेपन के कारणों को खोजना और सुधारना। एजेंट बनाने के लिए Google के इस ओपन सोर्स फ़्रेमवर्क में लगभग 205 000 पंक्तियाँ, करीब 800 फ़ाइलें और लगभग 17 000 यूनिट परीक्षण हैं।

ADK पर निष्पादन का माप	प्रकाशित नतीजा
बिना निगरानी रात में किए गए काम की अवधि	11 घंटे
दोबारा चलाए गए यूनिट परीक्षण	16 892
प्रस्तावित और फिर स्वीकृत अनुकूलन	6 प्रस्तावित, 2 स्वीकृत
मेमोरी में लंबे सत्रों की तैयारी	लगभग 40 % कम
google.adk पैकेज का इम्पोर्ट	21 % अधिक तेज़
158 चरणों का पूरा निष्पादन	65,6 s से 56,1 s तक

रिपॉज़िटरी के विशिष्ट निर्देशों के बिना किए गए दो घंटे के पहले प्रयास में धीमेपन के वास्तविक कारण मिले, लेकिन रखरखावकर्ताओं की परंपराओं की अनदेखी हुई, यहाँ तक कि एक सार्वजनिक JSON स्कीमा भी बदल दिया गया। दूसरे प्रयास के लिए टीम ने समीक्षा के नियम .agents/skills फ़ोल्डर में रखे और Google Antigravity का /goal मोड चालू किया, जो संदर्भ को संक्षिप्त किए जाने के दौरान भी लक्ष्य बनाए रखता है। मानवीय समीक्षा में छह में से केवल दो अनुकूलन स्वीकार किए गए: सत्रों के इतिहास को कॉपी करने से पहले फ़िल्टर करना और भारी पैकेजों को पहली बार उपयोग किए जाने पर लोड करना। बाकी अनुकूलन ऐसी स्थिति पर निर्भर थे जिसके बने रहने की गारंटी नहीं थी, OpenTelemetry के किसी निजी एट्रिब्यूट पर टिके थे, या केवल कृत्रिम बेंचमार्क में लाभ देते थे। यह लाभ केवल मेमोरी में चलने वाली सत्र सेवा तक सीमित है, बाहरी स्टोरेज पर लागू नहीं होता। टीम भूमिकाओं का बँटवारा इस तरह बताती है: एजेंट संभावनाएँ तलाशता है, रखरखावकर्ता छाँटता है।

🔗 Gemini 4 Argon से एक रात में ADK का अनुकूलन (Google Developers)

कोड एजेंट: Claude Code का डेस्कटॉप ऐप और दो संस्करण, VS Code 1.142, HydraFusion Max

Anthropic ने Claude Code के डेस्कटॉप ऐप को समानांतर सत्रों के अनुरूप पुनर्गठित किया है और एक ही दिन में अपने कमांड लाइन टूल के दो संस्करण जारी किए हैं; VS Code ने Copilot हार्नेस को अपना डिफ़ॉल्ट विकल्प बनाया है, और GitHub ने कई मॉडलों के समन्वय में Max विकल्प जोड़ा है।

Claude Code: डेस्कटॉप ऐप समानांतर सत्रों के अनुरूप व्यवस्थित

14 अक्टूबर — Anthropic ने Claude Desktop के Code टैब, यानी Claude Code के डेस्कटॉप ऐप को अपडेट किया है, ताकि कई सत्र साथ-साथ बेहतर ढंग से चल सकें: @ClaudeDevs के अनुसार, अब सत्र शुरू करना अधिक तेज़ है, काम को कई सत्रों में बाँटना आसान है और हर सत्र क्या कर रहा है, यह हर समय दिखता रहता है।

घोषित नई सुविधा	इससे क्या मिलता है
सत्र स्क्रीन	हाल के फ़ोल्डर एक क्लिक पर; सहेजे गए परिवेश (कुछ फ़ोल्डर, कोई SSH होस्ट या क्लाउड), हर फ़ोल्डर के लिए वैकल्पिक worktree
नेस्टेड सत्र	हर समानांतर कार्य के लिए एक सत्र, जो अपना नतीजा मुख्य सत्र को लौटाता है
आगे के कार्य	काम करते समय Claude इन्हें सुझाता है और एक क्लिक पर अलग सत्र के रूप में शुरू करता है; /btw अतिरिक्त सवालों को एक टैब में खोलता है
साइडबार और रेल	सक्रिय या प्रतीक्षारत सत्र, कार्यों की अद्यतन सूची, सार कार्ड, निष्पादन का स्थान, संदर्भ और बदलाव

When you ask Claude to run tasks in parallel, it starts a nested session for each one. Each reports its result back into your main session when it’s done, so the main thread stays readable.

🇮🇳 जब आप Claude से समानांतर कार्य करने को कहते हैं, तो वह हर कार्य के लिए एक नेस्टेड सत्र शुरू करता है। हर सत्र पूरा होने पर अपना नतीजा आपके मुख्य सत्र में वापस भेजता है, ताकि मुख्य बातचीत पढ़ने में सुगम बनी रहे। — X पर @ClaudeDevs

जब Claude को उपयोगकर्ता की ज़रूरत होती है, तो सार कार्ड (recap card) उस चरण का सार दिखाता है, और पार्श्व रेल बताती है कि सत्र कहाँ चल रहा है, उसका संदर्भ क्या है और उसमें क्या बदलाव हुए हैं। इसका उपयोग करने के लिए ऐप अपडेट करके एक नया सत्र खोलना पर्याप्त है; Anthropic ने न कोई संस्करण संख्या दी है, न चरणबद्ध उपलब्धता की समय-सारणी। शुरुआती मार्गदर्शिका याद दिलाती है कि Claude Code के लिए Pro, Max, Team या Enterprise सदस्यता चाहिए, और इसमें Local, Cloud, SSH तथा WSL परिवेश उपलब्ध हैं। यह अपडेट समानांतर एजेंटों के लिए अप्रैल में पेश किए गए ऐप के पुनर्गठन को आगे बढ़ाता है।

🔗 @ClaudeDevs का सूत्र · डेस्कटॉप ऐप की शुरुआती मार्गदर्शिका

Claude Code 2.1.299 : कैश की समय-सीमा समाप्त होने से पहले निष्क्रिय बातचीत का संक्षेपण, 131 त्रुटि-सुधार

14 अक्टूबर — 2 बजकर 49 मिनट UTC पर जारी Claude Code 2.1.299 एक बड़ा संस्करण है, जिसमें 190 प्रविष्टियाँ हैं: 18 नई सुविधाएँ, 131 त्रुटि-सुधार, 16 सुधार और 25 बदलाव; संस्करण संख्या 2.1.297 और 2.1.298 छोड़ दी गई हैं। सबसे प्रमुख नई सुविधा लंबे सत्रों की लागत घटाने के लिए है: निष्क्रियता पर संक्षेपण (idle compaction)। टर्मिनल में, 200 000 tokens से अधिक वाली बातचीत को लगभग 54 मिनट तक निष्क्रिय छोड़ने पर, उसके एक घंटे वाले प्रॉम्प्ट कैश की समय-सीमा समाप्त होने से पहले संक्षिप्त कर दिया जाता है, ताकि अगले संदेश पर पूरी बातचीत को फिर से संसाधित न करना पड़े। इसकी सीमा CLAUDE_CODE_IDLE_COMPACT_MIN_TOKENS से तय की जाती है, और settings.json में "idleCompaction": false इस सुविधा को बंद करता है। CLAUDE_CODE_DISABLE_FILE_MENTIONS के साथ, Claude को @ से उल्लिखित फ़ाइलों की सामग्री के बजाय उनके पथ मिलते हैं, और वह अपने टूल से उन्हें स्वयं पढ़ता है। /usage कमांड अब अधिकतम प्रयास, कार्यप्रवाहों, हमेशा लोड रहने वाले संदर्भ और टूल के बड़े परिणामों के बारे में चेतावनी देता है, और कभी भी 100 % से अधिक नहीं दिखाता।

यह संस्करण अनुमतियों को भी सख्त करता है: MCP का allow नियम अब केवल उसी सर्वर पर लागू होता है जिसका नाम उसमें दिया गया है (mcp__a अब a__b सर्वर को अनुमति नहीं देता)। claude.ai के कनेक्टर प्रॉक्सी और Anthropic पर होस्ट किए गए MCP सर्वरों को भेजे गए अनुरोध अब HTTP रीडायरेक्ट का अनुसरण नहीं करते, और UserPromptSubmit हुक किसी स्किल या कमांड के विस्तार से पहले चलते हैं, जिससे उनके भीतर मौजूद शेल कमांड भी रोके जा सकते हैं। सुरक्षा संबंधी त्रुटि-सुधारों में ऐसे मामले शामिल हैं जहाँ सैंडबॉक्स में चलने वाला कमांड --plugin-dir फ़ोल्डर में लिख सकता था, जिसका कोड सैंडबॉक्स के बाहर फिर से लोड होता है; योजना मोड PreToolUse हुक द्वारा अनुमत लिखने की कार्रवाई कर सकता था; और निषिद्ध पथ तक macOS के सैंडबॉक्स में सिम्बॉलिक लिंक से पहुँचा जा सकता था। Anthropic के MCP सर्वरों के टूल विवरण अब 4 096 अक्षरों पर नहीं काटे जाते, और Slack में मौजूद Claude Tag अपने बनाए हुए कैनवस को मिटा सकता है।

🔗 Claude Code 2.1.299 के संस्करण नोट्स

Claude Code 2.1.300 : Claude Platform on AWS पर /advisor, OpenTelemetry GenAI ट्रेस, Slack Connect में Claude Tag

14 अक्टूबर — दिन का दूसरा संस्करण, Claude Code 2.1.300 (18 बजकर 24 मिनट UTC, 88 प्रविष्टियाँ, जिनमें 59 त्रुटि-सुधार हैं), /advisor को Claude Platform on AWS तक विस्तारित करता है: वहाँ कोई सलाहकार मॉडल तब तक नहीं चलता जब तक उपयोगकर्ता /advisor, advisorModel या --advisor से कोई मॉडल नहीं चुनता, और CLAUDE_CODE_DISABLE_ADVISOR_TOOL=1 इस टूल को बंद करता है। टेलीमेट्री अब OpenTelemetry की GenAI अर्थ-संबंधी परंपराओं के अनुरूप है (स्पैन पर gen_ai.provider.name, gen_ai.conversation.id, gen_ai.tool.name और error.type), और api_request इवेंट 5 मिनट तथा 1 घंटे वाले कैश में लिखने की कार्रवाइयों को अलग करता है।

सुरक्षा के मामले में, PreToolUse या PermissionRequest हुक द्वारा लौटाए गए संशोधित इनपुट (updatedInput) का अब Claude के इनपुट की तरह सत्यापन होता है: अज्ञात कुंजियाँ हटा दी जाती हैं, और यदि टूल इनपुट को अस्वीकार करता है तो कॉल भी अस्वीकार हो जाती है। एजेंट प्रकार के हुक अब अपने model फ़ील्ड का पालन करते हैं और, यदि वह मॉडल उपलब्ध न हो, तो कार्रवाई को बिना जाँच आगे बढ़ने देने के बजाय कॉल करने वाले का मॉडल इस्तेमाल करते हैं। स्थानीय प्रतिलेख अब हर अनुरोध के सिस्टम प्रॉम्प्ट, टूल और पैरामीटर भी दर्ज करते हैं, और claude remote-control के --sandbox तथा --no-sandbox विकल्प हटा दिए गए हैं, क्योंकि उनका कोई प्रभाव नहीं था। Claude Tag अब किसी दूसरे संगठन के साथ साझा किए गए Slack Connect चैनलों में जवाब दे सकता है (यह सुविधा डिफ़ॉल्ट रूप से बंद है और संगठन का स्वामी या Claude Tag का व्यवस्थापक इसे चालू कर सकता है)। साथ ही, वह कनेक्टर की कार्रवाई को अस्वीकार करने के बजाय एक निजी कार्ड पर एक बार अनुमति दें / अस्वीकार करें विकल्पों के जरिए स्वीकृति माँगता है।

Claude Code संस्करण	प्रकाशन (UTC)	प्रकाशित प्रविष्टियाँ	इनमें त्रुटि-सुधार	प्रमुख नई सुविधा
2.1.299	14 अक्टूबर, 2 h 49	190	131	200 000 tokens से अधिक वाली बातचीत का निष्क्रियता पर संक्षेपण
2.1.300	14 अक्टूबर, 18 h 24	88	59	Claude Platform on AWS पर `/advisor`, OpenTelemetry के GenAI एट्रिब्यूट

🔗 Claude Code 2.1.300 के संस्करण नोट्स

VS Code 1.142 : डिफ़ॉल्ट Copilot हार्नेस और पूर्वावलोकन में कैनवस

14 अक्टूबर — VS Code 1.142 में Copilot हार्नेस की ओर बदलाव जारी है। यह Copilot SDK पर आधारित है और इसके सत्र पृष्ठभूमि में चलते रहने के लिए Agent Host के जरिए संचालित होते हैं। अब तक हार्नेस चयनकर्ता में उपलब्ध यह विकल्प धीरे-धीरे नए सत्रों का डिफ़ॉल्ट हार्नेस बन रहा है; टीम के अनुसार इसे « बहुत बड़े पैमाने पर सकारात्मक » प्रतिक्रिया मिली है। Ask एक अंतर्निहित, केवल पढ़ने वाले एजेंट के रूप में लौटता है, और चैट का शीर्षक सक्रिय हार्नेस, Copilot या Codex, दिखाता है। एक और नई सुविधा कैनवस (Canvases) है, जो पूर्वावलोकन में उपलब्ध है: ये चैट के बगल में खुलने वाले इंटरैक्टिव इंटरफ़ेस हैं, जहाँ उपयोगकर्ता और एजेंट एक ही सामग्री में बदलाव करते हैं, जैसे कोई Kanban बोर्ड जिसमें एजेंट कार्यों को अपडेट करता है। हर कैनवस किसी एक्सटेंशन से आता है, जिसे एजेंट /create-canvas कमांड से बना सकता है। Agents विंडो में चैट अपना इतिहास खोए बिना फ़ोल्डर बदल सकती है या नए Git वर्कट्री में जा सकती है; फिलहाल यह सुविधा Codex हार्नेस के साथ उपलब्ध है।

उद्यमों के लिए, अनुमतियों या सैंडबॉक्स की कोई नीति अब Agent Host में Copilot हार्नेस को अनिवार्य बनाती है: मौजूदा स्थानीय चैट कुछ भी भेजे बिना अपने आप वहाँ स्थानांतरित हो जाती हैं, और जब तक ये नीतियाँ लागू रहती हैं, Claude, Codex और टर्मिनल चैट उपलब्ध नहीं रहते। व्यवस्थापक अस्थायी रूप से Local हार्नेस बनाए रख सकते हैं, जो निष्पादन के इन नियमों को लागू नहीं करता, और इस हार्नेस के Windows सैंडबॉक्स को Agent Host सत्रों के पक्ष में अप्रचलित घोषित कर दिया गया है।

🔗 VS Code 1.142 के संस्करण नोट्स

HydraFusion Max : GitHub अपने बहु-मॉडल संयोजन में अत्याधुनिक क्षमता वाला विकल्प जोड़ता है

14 अक्टूबर — GitHub अपने HydraFusion संयोजन को विकसित कर रहा है, जो हर कार्य के लिए मॉडल चुनने की जरूरत के बिना कई मॉडलों को मिलाकर एक ही जवाब तैयार करता है। मॉडल समूह में अब Claude Opus 5.5, GPT-6 Astra, GPT-6.1 Sol और GPT-6 Luna शामिल हैं, और तर्क-विचार का प्रयास हर चरण के लिए तय किया जा सकता है: शुरुआती मसौदों के लिए मध्यम और समीक्षा के लिए उच्च। अब तक HydraFusion हर मॉडल के डिफ़ॉल्ट प्रयास तक सीमित था। Cascade कार्यप्रवाह बीच में एक मूल्यांकन चरण जोड़ सकता है, जो शुरुआती काम की जाँच करता है और जरूरत होने पर ही सुधार माँगता है। Critique कई समीक्षक मॉडलों को समानांतर काम कराता है, जिनके पास कार्यक्षेत्र की सीधे जाँच करने वाले टूल होते हैं।

उपलब्ध विकल्प	GitHub के अनुसार उद्देश्य
HydraFusion	गति, लागत और प्रदर्शन के बीच संतुलन, tokens की मध्यम बचत के साथ
HydraFusion Max	अत्याधुनिक क्षमता और सबसे गहन तर्क-विचार, संयोजन द्वारा प्रबंधित tokens की दक्षता

दोनों विकल्प VS Code, GitHub Copilot ऐप और Copilot CLI में शोध पूर्वावलोकन के रूप में उपलब्ध हैं, उन Pro, Pro+, Business और Enterprise योजनाओं के लिए जिनमें प्रयोगात्मक या पूर्वावलोकन सुविधाएँ चालू हैं। GitHub ने इस संस्करण के लिए कोई बेंचमार्क या कीमत प्रकाशित नहीं की है; 4 सितंबर को Copilot CLI में लॉन्च के समय उसने TerminalBench 2.1 पर Opus 5 की तुलना में गुणवत्ता में 4,9 अंकों की बढ़ोतरी और लागत में 67 % की कमी का दावा किया था।

🔗 HydraFusion के अपडेट और नया Max विकल्प (GitHub परिवर्तन सूची)

सुरक्षा और सत्यनिष्ठा : Anthropic के चुनाव संबंधी सुरक्षा उपाय, फ़ोन पर धोखाधड़ी की पहचान, OpenAI में छिपा रिकॉर्डिंग उपकरण

विश्वास से जुड़े तीन विषय: Anthropic अमेरिकी मध्यावधि चुनावों के लिए Claude को तैयार कर रहा है, Google DeepMind और GovTech Singapore फ़ोन पर ही धोखाधड़ी की पहचान कर रहे हैं, और OpenAI का कहना है कि उसने अपने एक कार्यालय में छिपा रिकॉर्डिंग उपकरण खोजा है।

मध्यावधि चुनाव : Anthropic अपने सुरक्षा उपाय मजबूत करता है और Democracy Works की मतदान संबंधी जानकारी शामिल करेगा

14 अक्टूबर — अमेरिकी मध्यावधि चुनाव नजदीक आने पर Anthropic उन चुनाव संबंधी सुरक्षा उपायों का विवरण दे रहा है जिन्हें अप्रैल के अपडेट के बाद मजबूत किया गया है। अमेरिका में 21 से 27 सितंबर के बीच Claude.ai पर आम उपयोगकर्ताओं की 250 000 बातचीत का विश्लेषण पहले यह मापता है कि राजनीति का हिस्सा कितना है।

बातचीत का प्रकार (Claude.ai, अमेरिका)	बातचीत में हिस्सा
राजनीति, सार्वजनिक नीतियाँ, सामाजिक मुद्दे	लगभग 5,75 %
चुनाव या मतदान	लगभग 0,51 %
किस व्यक्ति या किस विकल्प को वोट देना है	लगभग 0,01 %
चुनावी सत्यनिष्ठा के नियमों के विरुद्ध (अलग विश्लेषण)	लगभग 0,002 %

TurboVote (Democracy Works) का बैनर बना रहेगा, और इसी महीने के बाद के दिनों में Claude.ai अमेरिकी उपयोगकर्ताओं को दिए जाने वाले जवाबों में Democracy Works की आधिकारिक मतदान जानकारी शामिल करेगा (कहाँ वोट देना है, कौन-सा पहचान पत्र लाना है, प्रत्येक राज्य के अनुसार जवाब के साथ)। इसके बाद चुनाव की शाम और अगले दिनों में आधिकारिक नतीजे दिखाए जाएँगे। Anthropic के अनुसार, Claude Opus 5.5, Sonnet 5.5 और Haiku 5.5 उसके राजनीतिक निष्पक्षता मूल्यांकन में 99 % प्राप्त करते हैं। तीन स्वतंत्र मूल्यांकनों में से दो (The Future of Free Speech और Collective Intelligence Project) में कम अस्वीकृतियाँ मिलीं, लेकिन बिना माँगी गई चेतावनियाँ और प्रतितर्क भी मिले; तीसरे, Foundation for American Innovation के मूल्यांकन में पाया गया कि Claude Sonnet 4.5 हमेशा संतुलित ढंग से अलग पहलुओं को प्रस्तुत नहीं करता था और दक्षिणपंथी विचारों के समर्थन में दिए गए तर्कों को नरम करने की अधिक प्रवृत्ति दिखाता था। अमेरिका, इज़राइल और ब्राज़ील में Institute for Strategic Dialogue और McCain Institute के साथ किए गए परीक्षणों ने दिखाया कि Claude किसी एक हानिकारक अनुरोध को विश्वसनीय रूप से अस्वीकार करता था, लेकिन देखने में मामूली छोटे कार्यों में बाँटे गए अभियान को पहचानने से चूक सकता था। Anthropic ने कई चरणों में होने वाले इन दुरुपयोगों के विरुद्ध वर्गीकरण मॉडल जोड़े हैं और विदेश में स्थित उन संचालकों के खाते प्रतिबंधित किए हैं जो एक नकली समाचार साइट के लिए Claude से रूसी, ईरानी और उत्तर कोरियाई कथानकों के अनुकूल चुनावी रिपोर्टिंग तैयार कर रहे थे।

🔗 2026 के अमेरिकी मध्यावधि चुनावों की तैयारी (Anthropic)

धोखाधड़ी : Google DeepMind और GovTech Singapore फ़ोन पर पहचान के लिए Gemma को फ़ाइन-ट्यून करते हैं

14 अक्टूबर — Google DeepMind और सरकारी एजेंसी GovTech Singapore ने उपयोगकर्ता के फ़ोन पर सीधे धोखाधड़ी पहचानने के लिए एक हल्के Gemma मॉडल को फ़ाइन-ट्यून किया है; लेख में इसकी पीढ़ी नहीं बताई गई है। इस पहल की पृष्ठभूमि आँकड़ों से स्पष्ट है: सिंगापुर में दर्ज अपराधों में आधे से अधिक धोखाधड़ी के मामले हैं, और 2019 से इनसे 4 अरब सिंगापुरी डॉलर से अधिक का नुकसान हुआ है। जटिल सोशल इंजीनियरिंग वाली धोखाधड़ी कुल नुकसान के 80 % तक के लिए जिम्मेदार है। मॉडल को स्थानीय धोखाधड़ी वाली बातचीत पर फ़ाइन-ट्यून किया गया है: सार्वजनिक संस्थाओं, बैंकों या मशहूर हस्तियों का रूप धरना और उस समय क्षेत्र में प्रचलित धोखाधड़ी। बैटरी बचाने के लिए सब कुछ उपकरण पर दो चरणों में होता है: एक हल्का वर्गीकरण मॉडल आने वाले संदेशों को छाँटता है, फिर फ़ाइन-ट्यून किया गया Gemma बातचीत के एक बड़े अंश को दोबारा पढ़कर खतरे की पुष्टि करता है या गलत चेतावनी को खारिज करता है, जिसके बाद वास्तविक समय में चेतावनी दिखाई जाती है।

मॉडल केवल उपयोगकर्ता की सहमति से बातचीत तक पहुँचता है, और न सिंगापुर सरकार, न Google उसे पढ़ सकते हैं; फ़ाइन-ट्यूनिंग GovTech द्वारा प्रबंधित Google Cloud परिवेश में पहचानरहित डेटा पर हुई है, जिसमें किसी नागरिक का डेटा शामिल नहीं था। Singapore International Cyber Week में प्रस्तुत इस परियोजना के लिए अभी न कोई तारीख तय है, न किसी ऐप का नाम बताया गया है: सरकार के साथ इसका क्रियान्वयन « सावधानीपूर्वक चरणबद्ध » (सावधानी से चरणों में) होगा, और Google DeepMind अन्य देशों पर भी विचार कर रहा है।

🔗 धोखाधड़ी के विरुद्ध Google DeepMind और GovTech Singapore

OpenAI को अपने एक कार्यालय में छिपा रिकॉर्डिंग उपकरण मिला

13 अक्टूबर — अपने प्रेस खाते से प्रकाशित एक नोट के अनुसार, OpenAI को अपने एक कार्यालय में छिपा हुआ एक परिष्कृत रिकॉर्डिंग उपकरण मिला है। कंपनी का कहना है कि उसने उपकरण और उसकी उत्पत्ति को समझने के लिए अपने मॉडल इस्तेमाल किए, जिससे उस कर्मचारी की पहचान हो गई जिसने कुछ दिन पहले इसे लगाया था। मामला FBI को सौंप दिया गया है, और OpenAI ने गिरफ्तारी के लिए तेजी से कार्रवाई करने वाले अधिकारियों और अभियोजकों को धन्यवाद दिया है; संघीय जाँच जारी है और कर्मचारी को नौकरी से निकाल दिया गया है।

At this time, we have no indications of this individual inappropriately accessing or exfiltrating model weights, source code, or customer data.

🇮🇳 इस समय हमारे पास ऐसा कोई संकेत नहीं है कि इस व्यक्ति ने मॉडल वेट्स, सोर्स कोड या ग्राहक डेटा तक अनुचित रूप से पहुँच बनाई हो या उन्हें बाहर भेजा हो। — X पर @OpenAINewsroom

OpenAI के अनुसार, उसका सुरक्षा कार्यक्रम आंतरिक जोखिमों से लेकर साइबर अपराधियों और देशों से जुड़े खतरों तक कई प्रकार के खतरों का सामना करने के लिए है, और यह मामला दिखाता है कि एआई उनसे निपटने में कैसे मदद कर सकता है। नोट में न कर्मचारी की पहचान, न संबंधित कार्यालय, न उपकरण की सटीक प्रकृति और न ही गिरफ्तारी की तारीख बताई गई है।

विज्ञान के लिए एआई : Meta के Muse मॉडलों से दस चिकित्सा पांडुलिपियाँ, HiRO-ACEv2 से 3 km रिज़ॉल्यूशन पर चरम मौसम

मॉडलों के दो वैज्ञानिक उपयोग: Meta स्वास्थ्य रिकॉर्ड पर महामारी विज्ञान संबंधी अध्ययनों को तेज करता है, और Ai2 कम लागत पर उच्च रिज़ॉल्यूशन वाला जलवायु डेटा तैयार करता है।

Meta ने Muse Spark 1.3 और Muse Wonder के साथ किए गए चिकित्सा शोध की दस पांडुलिपियाँ प्रकाशित कीं

14 अक्टूबर — Meta ने Muse Spark 1.3 और Muse Wonder से संचालित एक आंतरिक कोड ढाँचा (कोडिंग स्कैफ़ोल्ड) बनाया है, जो सार्वजनिक डेटा और लाइसेंस प्राप्त एक पूर्वव्यापी डेटाबेस तक पहुँचता है। इस डेटाबेस में पहचान संबंधी जानकारी हटाए गए पचास लाख इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड हैं। चिकित्सा शोधकर्ताओं के एक समूह (हृदयरोग विज्ञान, महामारी विज्ञान, संक्रामक रोग, आंतरिक चिकित्सा) ने चार सप्ताह तक इसका इस्तेमाल परिकल्पनाएँ बनाने, विश्लेषण का पूरा कोड लिखने और चलाने तथा पांडुलिपियों का सहलेखन करने के लिए किया; वैज्ञानिक निर्णयों का अधिकार विशेषज्ञों के पास रहता है। इससे दस पांडुलिपियाँ तैयार हुईं, जिनकी समीक्षा समूह के सहकर्मियों ने, फिर एक जैवसांख्यिकीविद् ने और उसके बाद नियुक्त स्वतंत्र विशेषज्ञों ने की। उनकी राय प्रत्येक लेख के नीचे प्रकाशित है।

उदाहरण के तौर पर उल्लिखित अध्ययन	बताया गया परिणाम
संक्रामक एंडोकार्डाइटिस के बाद अतालताएँ	एंडोकार्डाइटिस रहित बैक्टीरीमिया की तुलना में नई अतालताओं और चालन विकारों में +73 % वृद्धि; एक वर्ष पर जोखिम 7 %, जबकि तुलना समूह में 4 %
आपातकालीन विभाग से बिना चिकित्सक को दिखाए चले गए व्यवहार संबंधी स्वास्थ्य समस्याओं वाले मरीज	सापेक्ष जोखिम 1,86 (दोबारा आना), 4,41 (अस्पताल में भर्ती) और 2,15 (अल्पकालिक मृत्यु दर)
पहले प्रॉम्प्ट से पांडुलिपि तक का समय	दो सप्ताह से कम, कभी-कभी सात दिन

प्रतिभागियों ने सबसे अच्छे मामलों में उत्पादकता दस गुना तक बढ़ने की बात कही है; यह स्वयं बताई गई वृद्धि है। सीमाएँ स्वीकार की गई हैं: विश्लेषण केवल पूर्वव्यापी हैं, और एक बाहरी समीक्षक के अनुसार अतालता संबंधी अध्ययन चिकित्सा पद्धति बदलने के बजाय परिकल्पनाएँ उत्पन्न करता है, क्योंकि निगरानी से जुड़े पूर्वाग्रह की संभावना बनी हुई है। स्वास्थ्य संबंधी यह काम Muse Spark के साथ लिखे गए गणित के उन छह लेखों के बाद आया है जो 2 अक्टूबर को प्रकाशित हुए थे।

🔗 Meta का लेख

HiRO-ACEv2 : Ai2 दुनिया भर के चरम मौसम का 3 km पर सिमुलेशन करता है, X-SHiELD से लगभग 300 गुना कम लागत पर

14 अक्टूबर — Ai2 ने अपने उच्च रिज़ॉल्यूशन वाले जलवायु इम्यूलेटर का नया संस्करण HiRO-ACEv2 प्रकाशित किया है। यह प्रणाली ACE, जो 100 km रिज़ॉल्यूशन पर जलवायु का सिमुलेशन करने वाला एआई मॉडल है, और HiRO को जोड़ती है, जो इन परिणामों को परिष्कृत करके 3 km तक ले जाता है। HiRO का पहला संस्करण केवल वर्षण का अनुमान देता था, जबकि HiROv2 बारिश, सतह के पास की हवाओं और समुद्र तल के वायुदाब, तीनों का पूर्वानुमान देता है। इसे X-SHiELD के कम रिज़ॉल्यूशन में बदले गए डेटा से चलाया जाता है। X-SHiELD एक वैश्विक वायुमंडलीय मॉडल है जो तूफ़ानों का स्पष्ट रूप से सिमुलेशन करता है। HiROv2 इसके उच्च रिज़ॉल्यूशन वाले आँकड़ों को 3 % के भीतर की त्रुटि के साथ दोहरा लेता है, यहाँ तक कि दस लाख डेटा बिंदुओं में एक बार होने वाली घटनाओं के लिए भी। यह उष्णकटिबंधीय चक्रवातों की ऊर्जा का भी सही अनुमान लगाता है, उन तूफ़ानों के लिए भी जो प्रशिक्षण में कभी नहीं दिखे।

Ai2 द्वारा घोषित माप	घोषित मान
रिज़ॉल्यूशन	100 km वाले ACE से शुरू करके आउटपुट में 3 km
X-SHiELD के आँकड़ों से अंतर	3 % के भीतर, दस लाख में एक बार होने वाली घटनाओं के लिए भी
X-SHiELD की तुलना में लागत	वैश्विक डेटा के लिए लगभग 300 गुना कम
तैयार किए गए सिमुलेशन	10 वर्ष (ACE) ; 3 km पर पूरे विश्व का एक संपूर्ण वर्ष का डेटा
मॉडलों का लाइसेंस	Apache-2.0, Hugging Face पर

सीमा स्वीकार की गई है: HiRO ने X-SHiELD पर सीखा है, इसलिए यह केवल उस ACE संस्करण के साथ काम करता है जिसे इस मॉडल के अनुरूप समायोजित किया गया है। यह अभी अधिक गर्म जलवायु या ऐतिहासिक ERA5 डेटा के लिए परिणाम उत्पन्न नहीं कर सकता। Ai2 की योजना इसे 4 °C अधिक गर्म दुनिया पर प्रशिक्षित करने और फिर सतह के पास का तापमान, बर्फ़बारी तथा बर्फ़ जोड़ने की है। मॉडलों के साथ एक तकनीकी रिपोर्ट (arXiv 2610.17693), ट्यूटोरियल नोटबुक और एक डेमो प्रकाशित किए गए हैं।

🔗 Ai2 का लेख · Hugging Face पर मॉडल

कार्यालयों का विस्तार और निवेश : सिंगापुर में Anthropic, ब्रिटिश शोध के लिए NVIDIA के 250 मिलियन डॉलर, Mistral ने New Material खरीदा

Anthropic एक सरकारी समझौते के साथ सिंगापुर में अपनी उपस्थिति स्थापित कर रहा है, NVIDIA यूनाइटेड किंगडम में कंप्यूटिंग संसाधनों और निवेश की प्रतिबद्धता जता रहा है, और Mistral उत्पाद डिज़ाइन के क्षेत्र में अधिग्रहण के ज़रिए अपनी क्षमता बढ़ा रहा है।

Anthropic ने सिंगापुर में अपना पाँचवाँ एशिया-प्रशांत कार्यालय खोला और सरकार के साथ समझौता ज्ञापन पर हस्ताक्षर किए

14 अक्टूबर — Anthropic ने सिंगापुर में अपना कार्यालय खोला है, जो एशिया-प्रशांत में उसका पाँचवाँ कार्यालय है, और सिंगापुर के डिजिटल विकास एवं सूचना मंत्रालय के साथ एक समझौता ज्ञापन (सहमति पत्र) पर हस्ताक्षर किए हैं। Singapore International Cyber Week के दौरान मंत्रालय के स्थायी सचिव काई फोंग चंग और Anthropic के सहसंस्थापक बेन मैन ने इस दस्तावेज़ पर हस्ताक्षर किए। इसमें मॉडलों की संरक्षा, सुरक्षा और मूल्यांकन पर सहयोग, परीक्षण मानकों और घटनाओं पर प्रतिक्रिया के बारे में तकनीकी आदान-प्रदान तथा Anthropic Economic Index के डेटा को साझा करने का प्रावधान है।

सिंगापुर का संगठन	Anthropic द्वारा बताया गया Claude का उपयोग
GovTech Singapore	Claude Code पर 1 500 से अधिक इंजीनियर और तकनीशियन
Grab	व्यावसायिक सहायक BriX, प्रति तिमाही लगभग 40 000 घंटे की बचत
DBS और GIC	बैंक और संप्रभु संपत्ति कोष में Claude का उपयोग या तैनाती
Sea (Shopee, Garena, Monee)	Shopee की ग्राहक सेवा का चैटबॉट, हज़ारों कर्मचारी Claude के साथ कोड लिखते हैं

Economic Index के अनुसार, जनसंख्या के अनुपात में Claude.ai के उपयोग के मामले में सिंगापुर 121 देशों में दूसरे स्थान पर है। यह उसके आकार के आधार पर अपेक्षित उपयोग से लगभग छह गुना है। कार्यालय खुलने के दिन आयोजित Builder Summit में 300 से अधिक डेवलपर शामिल हुए। Anthropic ने इस कार्यालय के लिए निवेश राशि या कर्मचारियों की संख्या नहीं बताई है; कार्यालय में भर्ती जारी है।

🔗 सिंगापुर कार्यालय का उद्घाटन (Anthropic)

NVIDIA ने एजेंटों की सुरक्षा पर ब्रिटिश शोध के लिए 250 मिलियन डॉलर के कंप्यूटिंग संसाधन दिए

13 अक्टूबर — NVIDIA ने एजेंटों की संरक्षा और सुरक्षा (एजेंट-आधारित प्रणालियों की संरक्षा और सुरक्षा) पर ब्रिटिश शोध के लिए पाँच वर्षों में 250 मिलियन डॉलर मूल्य के कंप्यूटिंग संसाधन दान करने की घोषणा की है, यानी हर साल 50 मिलियन डॉलर के कंप्यूटिंग संसाधनों तक पहुँच। इसका अधिकांश हिस्सा एआई की संरक्षा और सुरक्षा पर शोध करने वाले पूरे ब्रिटिश समुदाय को मिलेगा; कुछ हिस्सा BOLD (ऑक्सफ़ोर्ड विश्वविद्यालय), SOFAIR (UCL) और Imperial College London के लिए आरक्षित है, जो संरक्षा इंजीनियरिंग और रोबोटिक्स पर काम करेगा। कंप्यूटिंग संसाधन यूनाइटेड किंगडम में स्थापित NVIDIA Cloud Partners के माध्यम से, देश में ही स्थित बुनियादी ढाँचे पर उपलब्ध कराए जाएँगे; प्रदाताओं, तकनीकी आर्किटेक्चर और व्यावसायिक शर्तों पर अभी सहमति बननी है। लक्षित शोध में सुरक्षित एजेंट, खुले मॉडलों की सुरक्षा और वास्तविक खतरों को कम करना शामिल है। इसके लिए सैंडबॉक्स, पुनरुत्पाद्य शोध और संरक्षा मूल्यांकन के बेंचमार्क इस्तेमाल होंगे, विशेष रूप से NVIDIA OpenShell और NVIDIA Sentry के संदर्भ डिज़ाइन पर।

घोषणा के साथ प्रकाशित लेख में पाँच ब्रिटिश स्टार्टअप में प्रस्तावित निवेश का भी उल्लेख है, लेकिन राशि नहीं बताई गई है: Boltz (जैव-आणविक मॉडल), Foresight (बड़ी निर्माण परियोजनाओं का प्रबंधन), Hiverge (एल्गोरिदम की खोज), Prima Mente (अल्ज़ाइमर, पार्किंसन और SLA के लिए जैविक फ़ाउंडेशन मॉडल) और Riverlane (क्वांटम त्रुटि सुधार)। ये घोषणाएँ 21 अक्टूबर को GTC Berlin में जेन्सेन हुआंग के मुख्य संबोधन से पहले हुई हैं।

🔗 NVIDIA की प्रेस विज्ञप्ति · ब्रिटिश पारिस्थितिकी तंत्र पर NVIDIA का लेख

Mistral ने डिज़ाइन स्टूडियो New Material खरीदा और Solutions Design टीम बनाई

14 अक्टूबर — Mistral ने छह साल पहले स्थापित एआई उत्पाद डिज़ाइन स्टूडियो New Material को खरीद लिया है। यह घोषणा New Material के लेख में की गई है, जिसमें इसे अधिग्रहण बताया गया है; Mistral ने X पर इसे साझा करके टीम का स्वागत किया, लेकिन अपनी वेबसाइट पर कोई लेख प्रकाशित नहीं किया और सौदे की राशि भी नहीं बताई। स्टूडियो का कहना है कि उसने ऑटोमोबाइल, खुदरा व्यापार, कानूनी सेवाओं और स्वास्थ्य क्षेत्रों में मूलतः एआई पर आधारित टूल, उत्पाद और कंपनियाँ विकसित की हैं। इसके साझेदारों में Ford, रफ़ाएल नडाल, Wellcome Trust और AmLaw 50 की विधि फ़र्में शामिल हैं। यह Mistral में Solutions Design नाम की एक नई टीम बनाएगा, जिसमें डिज़ाइन, इंजीनियरिंग और एआई का मेल होगा। टीम ग्राहकों के साथ मिलकर परियोजनाएँ विकसित करेगी, ताकि कंपनियों और सरकारों के अहम एआई उपयोगों में वास्तविक तैनातियों और Mistral के उत्पादों के बीच प्रतिक्रिया चक्र छोटा किया जा सके। मई में Mistral ने Physics AI में विशेषज्ञता रखने वाली ऑस्ट्रियाई कंपनी Emmi AI को भी खरीदा था।

🔗 New Material का लेख · @MistralAI का संदेश

OpenAI ने यूरोपीय संघ की कंपनियों में एजेंट-आधारित एआई की ओर बदलाव मापा : छोटे और मझोले उद्यमों में उपयोगकर्ता 8,1 गुना हुए

14 अक्टूबर — OpenAI ने अपने आर्थिक शोध की एक रिपोर्ट प्रकाशित की है, जो यूरोपीय संघ की कंपनियों में एजेंट-आधारित एआई के उपयोग पर केंद्रित है। इसके साथ एक PDF और विश्लेषण के लिए डेटा भी उपलब्ध है। ChatGPT Enterprise के यूरोपीय ग्राहकों के नमूने में अब आधे से अधिक आउटपुट टोकन Codex और ChatGPT Work से आते हैं: उपयोगकर्ता एजेंटों को योजना बनाने से लेकर क्रियान्वयन तक पूरे काम सौंप रहे हैं।

OpenAI द्वारा मापा गया संकेतक	दर्ज किया गया मान
Codex और ChatGPT Work के माध्यम से आउटपुट टोकन का हिस्सा (यूरोपीय संघ, ChatGPT Enterprise)	आधे से अधिक
यूरोपीय संघ के छोटे और मझोले उद्यमों में एजेंट-आधारित टूल के साप्ताहिक सक्रिय उपयोगकर्ता	1 से 7 मई वाले सप्ताह की तुलना में ×8,1
देश के अनुसार आउटपुट टोकन में एजेंट-आधारित उपयोग का हिस्सा	22 % (स्लोवेनिया) से 85 % (लिथुआनिया) तक
मई की सामान्य कंपनियों की तुलना में 28 दिनों के आउटपुट टोकन	संघ के बाहर की अग्रणी कंपनियाँ 12,9x ; संघ की अग्रणी कंपनियाँ 6,1x ; संघ के बाहर की सामान्य कंपनियाँ 1,6x ; संघ की सामान्य कंपनियाँ 1,5x
दुनिया की अग्रणी कंपनियों में यूरोपीय संघ का हिस्सा	10 %

यहाँ छोटे और मझोले उद्यमों से आशय उन कंपनियों से है जिनके साथ अधिकतम 200 उपयोगकर्ता जुड़े हैं, और उनकी वृद्धि हर सदस्य देश में हुई है। रिपोर्ट मुख्यतः उपयोग की तीव्रता में अंतर मापती है: सितंबर में यूरोपीय संघ की अग्रणी कंपनियाँ (अग्रणी फ़र्में, यानी प्रति सक्रिय उपयोगकर्ता सबसे अधिक आउटपुट टोकन उत्पन्न करने वाली शीर्ष 10 % कंपनियाँ) यूरोपीय संघ की सामान्य कंपनियों से चार गुना से अधिक टोकन उत्पन्न कर रही थीं, लेकिन संघ के बाहर की अग्रणी कंपनियाँ इनसे भी दो गुना से अधिक उत्पन्न कर रही थीं। OpenAI के अनुसार चुनौती व्यापक अपनाव को अधिक गहन उपयोग में बदलना है, जिसके लिए कंपनियों को प्रयोगों से आगे बढ़ने में मदद करनी होगी और कर्मचारियों को प्रशिक्षण देना होगा। यह रिपोर्ट अमेरिकी छोटे उद्यमों पर 30 सितंबर को जारी रिपोर्ट के बाद आई है।

🔗 यूरोपीय संघ में एआई का अगला अध्याय एजेंट-आधारित होगा (OpenAI)

एजेंटों का बुनियादी ढाँचा : Claude Platform में OpenTelemetry ट्रेस, Perplexity में सैंडबॉक्स रूटिंग

प्रोडक्शन में एजेंटों को चलाने और उनकी निगरानी करने वाले टूल के दो हिस्से: Anthropic में निगरानी क्षमता और Perplexity में अनुरोधों को सही निष्पादन तक पहुँचाना।

Claude Platform सार्वजनिक बीटा में Messages API, Managed Agents और SDK से OpenTelemetry ट्रेस निर्यात करता है

14 अक्टूबर — Claude Platform अब सार्वजनिक बीटा में Messages API, Claude Managed Agents और Claude SDK से OpenTelemetry ट्रेस किसी भी ऐसे निगरानी टूल को भेज सकता है जो मानक OTLP एंडपॉइंट स्वीकार करता हो। एजेंट का हर टर्न, मॉडल कॉल और टूल कॉल एक मानक ट्रेस के रूप में पहुँचता है, जिसमें विलंब, टोकन और पहचानकर्ता शामिल होते हैं। Messages API और Managed Agents के लिए Claude Console में एक गंतव्य जोड़ना होगा; रिलीज़ नोट्स के अनुसार SDK अपने स्पैन अपने आप निर्यात करते हैं, और यह सुविधा Python, TypeScript, C#, Go, Java, PHP तथा Ruby में उपलब्ध है। स्पैन OpenTelemetry की GenAI अर्थगत परिपाटियों का पालन करते हैं और डिफ़ॉल्ट रूप से मेटाडेटा (अवधि, स्थिति, टोकन की संख्या, मॉडल, टूल के नाम) रखते हैं; पूर्ण सामग्री (पूरी सामग्री) के लिए सेट किया गया गंतव्य प्रॉम्प्ट, उत्तर, टूल इनपुट और परिणाम भी निर्यात करता है। उसी दिन Claude Code 2.1.300 ने अपने स्पैन भी इन परिपाटियों के अनुरूप किए।

प्रमुखता से बताया गया उपयोग	Anthropic द्वारा उल्लिखित टूल
बाकी सॉफ़्टवेयर स्टैक के साथ डिबग करना	Grafana Cloud, Honeycomb, Sentry, Splunk
वास्तविक ट्रेस को मूल्यांकन में बदलना	Arize AI, Braintrust, Datadog, Langfuse, LangSmith, New Relic, PostHog
टीम के अनुसार टोकन उपयोग पर नज़र रखना	Databricks Unity Gateway

प्रशंसापत्रों में Ramp बताता है कि उसके एजेंटों के Langfuse ट्रेस को अंक देने वाले सिस्टम Reflect ने कुछ एजेंटों पर टोकन उपयोग पहले ही 10 से 20 % घटाया है और सत्रों की गति 30 % बढ़ाई है। Anthropic ने कीमत या सामान्य उपलब्धता की समयसीमा नहीं बताई है।

🔗 Claude Platform पर एजेंटों की निगरानी क्षमता · Claude Platform के रिलीज़ नोट्स

SPACE : Perplexity हर अनुरोध को सैंडबॉक्स के सही निष्पादन से जोड़ता है

14 अक्टूबर — Perplexity ने SPACE पर एक इंजीनियरिंग लेख प्रकाशित किया है। SPACE वह सैंडबॉक्स प्लेटफ़ॉर्म है जहाँ Perplexity Computer के एजेंट चलते हैं। Perplexity के अनुसार, SPACE महीनों से हर दिन लाखों निष्पादन संभाल रहा है, जिनकी त्रुटि दर 0,0002 % से कम है और कोई कनेक्शन नहीं टूटा है। यहाँ संबोधित समस्या पुराने पड़ चुके रूट की है: दूसरी मशीन पर दोबारा शुरू किया गया सैंडबॉक्स अपना पहचानकर्ता बनाए रखता है, लेकिन नया निष्पादन शुरू करता है, और देर से पहुँचा अनुरोध सही नाम के बावजूद पुराने निष्पादन तक पहुँच सकता है। फ़ाइल पढ़ने का एक साधारण अनुरोध भी कंट्रोल प्लेन, node-api, sbx-manager, Unix सॉकेट और होस्ट ब्रिज से होकर, फिर VSOCK के माध्यम से Firecracker microVM तक जाता है।

इसका समाधान सैंडबॉक्स की स्थायी पहचान को निष्पादन की पहचान से अलग करना है, जो किसी विशिष्ट चालू इंस्टेंस और उसकी तैनाती के स्थान को दर्शाती है। प्राधिकरण के बाद हर अनुरोध के साथ Ed25519 से हस्ताक्षरित एक अनुमति-टोकन होता है, जो 120 सेकंड तक वैध रहता है। प्राप्तकर्ता घटक अनुरोध आगे भेजने से पहले इसे अपने रिकॉर्ड से मिलाता है; नया निष्पादन स्थापित होते ही टर्मिनल और फ़ाइल निगरानी कनेक्शन काट दिए जाते हैं। खतरे के मॉडल में निष्पादन मशीन (वर्कर) के root अधिकारों पर हमलावर के कब्ज़े को शामिल नहीं किया गया है, और सत्यापन स्थानीय रूप से होता है, बिना दूरस्थ हार्डवेयर प्रमाणीकरण के। अंत में लेख SPACE की तुलना OpenShell से करता है, जिसकी गारंटियाँ मिलती-जुलती हैं, और E2B तथा CubeSandbox से भी, जो अपेक्षित निष्पादन पहचान के बिना अनुरोध आगे भेजते हैं। Perplexity स्पष्ट करता है कि ये निष्कर्ष केवल जाँचे गए कार्यान्वयनों तक सीमित हैं।

🔗 SPACE पर Perplexity का लेख

सामान्य प्रयोजन के एजेंट: Perplexity Computer में Ultrafast संस्करण, टीमों के लिए Manus for Business

उपयोगकर्ता के लिए लंबे कार्य पूरे करने वाले एजेंट दो पहलुओं पर ज़ोर दे रहे हैं: Perplexity में मॉडलों की गति और Manus में टीम के रूप में काम।

Perplexity Computer ने Max ग्राहकों के लिए GPT-6 Astra और GPT-6.1 Sol के Ultrafast संस्करण उपलब्ध कराए

14 अक्टूबर — Perplexity ने अपने कई चरणों वाले कार्य करने वाले एजेंट Perplexity Computer में OpenAI के दो मॉडलों के Ultrafast संस्करण Max ग्राहकों को उपलब्ध कराए हैं: GPT-6 Astra और GPT-6.1 Sol, जिसे घोषणा में « SOL 6.1 » लिखा गया है। दोनों मॉडल अपने टोकन तेज़ी से उत्पन्न करते हैं, जिससे Computer के लंबे कार्य जल्दी पूरे हो जाते हैं। चुनाव मैन्युअल रूप से करना होता है: Custom मेन्यू में Astra या SOL 6.1 चुनें, फिर गति को Ultrafast पर सेट करें। घोषणा में न तो गति में बढ़ोतरी का कोई आँकड़ा है, न क्रेडिट की खपत का, और न ही अन्य प्लान का कोई उल्लेख; उत्पाद के चेंजलॉग में 5 अक्टूबर के बाद की कोई प्रविष्टि नहीं है। यह उसी स्तर का Perplexity में उपलब्ध संस्करण है जिसे OpenAI ने GPT-6 Astra के लिए 29 सितंबर और फिर GPT-6.1 Sol के लिए 8 अक्टूबर को शुरू किया था, और जिसके बारे में OpenAI ने गति में 8 गुना तक बढ़ोतरी का दावा किया है।

🔗 Perplexity की घोषणा

Manus for Business: प्रति सीट 20 डॉलर से शुरू होने वाला Team Plan और एक Enterprise पेशकश

13 अक्टूबर — Manus ने टीमों के लिए Manus for Business पेश किया है, जिसमें Manus Team Plan और एक Enterprise Plan शामिल हैं।

Manus प्लान	Manus के अनुसार शामिल सुविधाएँ
Manus Team Plan	4 000 क्रेडिट के लिए प्रति सशुल्क सीट 20 डॉलर मासिक या 200 डॉलर वार्षिक से शुरू; अतिथि सीटें मुफ़्त
Manus Enterprise	बिक्री टीम से संपर्क पर: प्रबंधित खाते, कानूनी संरक्षण, SIEM एकीकरण, एजेंटों के नेटवर्क नियंत्रण, प्रति उपयोगकर्ता उपयोग सीमाएँ

अभी से उपलब्ध Team Plan में संदर्भ बनाए रखने वाले प्रोजेक्ट मिलते हैं (संबंधित कार्यों के बीच साझा निर्देश, फ़ाइलें, Skills और कनेक्टर, जिनमें निर्धारित कार्य भी शामिल हैं), ऐसे साझा Skills मिलते हैं जिन्हें व्यवस्थापक अनिवार्य कर सकते हैं, कार्यों, फ़ाइलों और आंतरिक साइटों तक केवल टीम के लिए पहुँच मिलती है, और साझा क्रेडिट मिलते हैं जिनका हिसाब डैशबोर्ड में देखा जा सकता है। अतिथि किसी सशुल्क सीट का उपयोग किए बिना समीक्षा और टिप्पणियाँ कर सकते हैं। भूमिकाएँ, ऑडिट लॉग, SSO और SCIM भी शामिल हैं; Manus का कहना है कि वह मॉडल प्रदाताओं को Team ग्राहकों के डेटा पर किसी भी तरह का प्रशिक्षण करने से रोकता है और उसके पास SOC 2 Type II, ISO 27001 तथा ISO 27701 प्रमाणन हैं।

🔗 Manus for Business का परिचय

एजेंटों पर शोध: HybridAgent लेटेंट स्पेस में तर्क करता है, Cohere Labs कोड एजेंटों की टीमों का मूल्यांकन करता है

दो अध्ययन एजेंटों की लागत घटाने की कोशिश कर रहे हैं: एक उन्हें टोकन उत्पन्न किए बिना तर्क करने में सक्षम बनाकर, दूसरा उनकी टीमों को बेहतर ढंग से व्यवस्थित करके।

HybridAgent: ऐसे एजेंट जो लेटेंट स्पेस में सोचते हैं और टेक्स्ट के माध्यम से कार्रवाई करते हैं

13 अक्टूबर — arXiv पर उपलब्ध शोधपत्र के अनुसार, जिसके लेखकों में जियारू ज़ोउ और जेम्स ज़ोउ भी शामिल हैं, Stanford, Together AI, UIUC और Meta के शोधकर्ताओं ने HybridAgent पेश किया है। ये हाइब्रिड तर्क करने वाले एजेंट एक ही जनरेशन के दौरान लेटेंट स्पेस में तर्क करने और टेक्स्ट में कार्रवाई करने के बीच अदला-बदली करते हैं। एक हल्का मॉड्यूल, HybridLink, अंतिम लेयर की छिपी अवस्थाओं को इनपुट एम्बेडिंग स्पेस में वापस लाता है: मॉडल टोकन उत्पन्न किए बिना तर्क करता है, फिर अपने टूल, Python इंटरप्रेटर और वेब खोज का उपयोग करने के लिए टेक्स्ट में लौटता है। हर लेटेंट चरण को छद्म-टेक्स्ट के रूप में पढ़ा जा सकता है। प्रशिक्षण दो चरणों में होता है: HybridSFT, HybridLink के साथ समन्वय सिखाता है, फिर HybridRL सिखाता है कि कब लेटेंट रूप में सोचना है और कब टेक्स्ट में कार्रवाई करनी है।

प्रकाशित माप (लेखकों के अनुसार)	घोषित मान
11 बेंचमार्क और 3 आकारों पर प्रदर्शन में बढ़ोतरी	+10,4 %
टोकन में कमी	35,5 % से 54,7 %
इन्फ़रेंस की गति	1,8 से 2,6 गुना तेज़
लागत में बचत	2,7 से 3,7 गुना

HybridAgent-8B-Agentic और 14B-Agentic मॉडल कोड के साथ MIT लाइसेंस के अंतर्गत प्रकाशित किए गए हैं; शोधपत्र के साथ Together AI की कोई घोषणा नहीं आई है।

🔗 arXiv पर शोधपत्र

Cohere Labs: कम लागत वाले एजेंटों से घिरा एक सशक्त मुख्य एजेंट 70 % कम लागत में सर्वोत्तम स्कोर के करीब पहुँचता है

14 अक्टूबर — Cohere Labs ने कोड एजेंटों की टीमों के संगठन पर कीनन सैमवे, डैनियल डिसूज़ा और नूहा ज़िरी का एक अध्ययन प्रकाशित किया है। जानबूझकर न्यूनतम रखे गए परीक्षण ढाँचे में एक मुख्य एजेंट (लीड) सहायक एजेंटों (वर्कर) को उपकार्य सौंपता है, और एक समय में केवल एक पैरामीटर बदला जाता है: सौंपे गए चरण, काम रोककर या असिंक्रोनस ढंग से प्रतीक्षा, प्रत्येक भूमिका का मॉडल, टीम का आकार और सीधे संदेश भेजना। मुख्य बेंचमार्क, ProgramBench, में केवल एक्ज़ीक्यूटेबल और दस्तावेज़ों के आधार पर 200 प्रोग्राम दोबारा बनाने होते हैं, जिनमें jq और ripgrep से लेकर SQLite या FFmpeg तक शामिल हैं।

मूल्यांकित कॉन्फ़िगरेशन (ProgramBench, GPT-5.6)	औसत रिवॉर्ड	200 कार्यों की कुल लागत
अकेला Sol, तीन चरणों वाला प्रॉम्प्ट	57,7 %	पाठ में आँकड़ा नहीं दिया गया
असिंक्रोनस Sol टीम, तीनों चरण सौंपे गए	63,2 %	510 डॉलर
असिंक्रोनस Sol टीम, केवल योजना बनाना सौंपा गया	63,6 %	249 डॉलर
मुख्य एजेंट Sol और 16 Luna एजेंट, योजना बनाना	61,8 %	155 डॉलर

इस तरह केवल योजना बनाने का काम सौंपना, सारा काम सौंपने जितना ही अच्छा प्रदर्शन देता है और लागत आधी पड़ती है। वहीं, 16 GPT-5.6 Luna एजेंटों की मदद से मुख्य एजेंट Sol, 155 डॉलर में 61,8 % तक पहुँचता है, जो सारा काम सौंपने वाली पूरी तरह Sol आधारित टीम से 70 % कम लागत है। कमज़ोर मुख्य एजेंट अपनी कमी की भरपाई नहीं कर पाता: Luna एजेंटों के साथ मुख्य एजेंट Terra (51,6 %) अकेले काम करने वाले Sol (57,7 %) से पीछे रहता है। 30 कार्यों के एक उपसमूह पर, प्रत्येक मॉडल को केवल एक बार चलाने पर, Claude Opus 4.8 टीम में 5,9 अंक हासिल करता है, जबकि Claude Opus 4.7 मुश्किल से ही काम सौंपता है; Claude Opus 5 का एक परीक्षण आठ कार्यों के बाद रोक दिया गया, क्योंकि सभी कार्य आठ घंटे की समयसीमा तक पहुँच गए थे और प्रत्येक पर लगभग 500 डॉलर खर्च हुए थे। अध्ययन में Cohere के किसी मॉडल का मूल्यांकन नहीं किया गया है।

🔗 Cohere Labs का लेख

जनरेटिव मीडिया: FLUX 3 Video सस्ता हुआ, Baseten पर Runway, दृश्य के परिवेश के अनुरूप HeyGen की आवाज़

जनरेटिव वीडियो की कीमतें घट रही हैं और वह कंपनियों के समर्पित बुनियादी ढाँचे में पहुँच रहा है, जबकि HeyGen अपने वीडियो में इस्तेमाल होने वाली आवाज़ की क्लोनिंग का विवरण दे रहा है।

FLUX 3 Video अब 2K और 4K में 2 गुना तक तेज़ और आधी कीमत तक सस्ता

14 अक्टूबर — Black Forest Labs ने घोषणा की है कि FLUX 3 Video अब नेटिव 2K और 4K में वीडियो उत्पन्न करने के लिए 2 गुना तक तेज़ है और उसकी लागत 50 % कम है। प्रयोगशाला का कहना है कि उसने सेवा को इस तरह अनुकूलित किया है कि उसे कम गणना की ज़रूरत पड़े, और इस लाभ को कीमत तथा गति दोनों में उपयोगकर्ताओं तक पहुँचाया है। एक दूसरे संदेश में उसने तुलनीय कीमत और विलंब पर Kling o3 से बेहतर 4K गुणवत्ता का दावा किया है, लेकिन थ्रेड में कोई बेंचमार्क प्रकाशित नहीं किया गया है।

FLUX 3 Video का रिज़ॉल्यूशन	टेक्स्ट या चित्र से वीडियो (प्रति सेकंड)	वीडियो से वीडियो (प्रति सेकंड)
HD	0,17 → 0,15 डॉलर	0,41 → 0,21 डॉलर
FHD	0,29 → 0,24 डॉलर	0,53 → 0,27 डॉलर
QHD (2K)	0,40 → 0,28 डॉलर	0,65 → 0,31 डॉलर
UHD (4K)	0,80 → 0,41 डॉलर	0,95 → 0,45 डॉलर

bfl.ai की मूल्य सूची « 50 % » के दावे की अधिक स्पष्ट तस्वीर देती है: 2K और 4K में कमी 30 % (टेक्स्ट या चित्र से 2K) से लेकर 53 % (वीडियो से वीडियो) तक है, और HD तथा FHD की कीमतें भी घटी हैं; ड्राफ़्ट मोड (Draft) की कीमत केवल HD में 0,06 डॉलर प्रति सेकंड बनी हुई है। FLUX 3 Video को 4 अगस्त को लॉन्च किया गया था।

🔗 Black Forest Labs की घोषणा · FLUX 3 Video का पृष्ठ · FLUX 3 Video की मूल्य सूची

समर्पित परिवेशों में Gen-4.5 और Aleph 2.0 तैनात करने के लिए Runway ने Baseten से साझेदारी की

14 अक्टूबर — Runway और Baseten ने कंपनियों को समर्पित परिवेश में Runway के वीडियो मॉडल उपलब्ध कराने के लिए साझेदारी की है। Gen-4.5 और Aleph 2.0, जो 1080p में 30 सेकंड तक के कई दृश्यों वाले वीडियो अनुक्रमों को संपादित करता है, अब Baseten Dedicated Inference के माध्यम से एकल ग्राहक वाले परिवेश (सिंगल-टेनेंट) में तैनात किए जा सकते हैं; इनमें फ़ाइन-ट्यून किए गए संस्करण भी शामिल हैं। कंपनी सीधे Runway से वेट्स का लाइसेंस लेती है, फिर उन्हें Baseten पर तैनात करती है, जहाँ हर तैनाती समर्पित GPU के साथ एक पृथक निष्पादन प्लेन में चलती है और Baseten कंट्रोल प्लेन संभालता है। यह बुनियादी ढाँचा Baseten के SOC 2 Type II और HIPAA कार्यक्रमों के अंतर्गत आता है, उपलब्धता की 99,99 % गारंटी है, और ग्राहक अपने डेटा पर मॉडलों को फ़ाइन-ट्यून कर सकते हैं तथा GPU क्षमता आरक्षित कर सकते हैं। किसी कीमत की जानकारी नहीं दी गई है। यह पेशकश Runway Model Licensing का विस्तार है, जिसे कंपनियों को अपने बंद वेट्स का लाइसेंस देने के लिए 11 सितंबर को शुरू किया गया था।

🔗 Runway की घोषणा · Baseten का लेख

HeyGen Voice: दृश्य के परिवेश के अनुसार आवाज़ ढालने वाली वॉइस क्लोनिंग की तकनीकी रिपोर्ट

14 अक्टूबर — HeyGen Voice के लॉन्च के पाँच दिन बाद, HeyGen ने अपने वॉइस मॉडल की तकनीकी रिपोर्ट प्रकाशित की है, जिसे वीडियो के लिए विशेष रूप से बनाया गया पहला मॉडल बताया गया है। आवाज़ का संदर्भ नमूना तय करता है कि कौन बोल रहा है, जबकि लक्षित चित्र और दृश्य का विवरण यह निर्देशित करते हैं कि आवाज़ कैसी सुनाई देनी चाहिए: एक भाषा मॉडल इनसे दो विवरण तैयार करता है, एक वक्ता के लिए (लहजा, लय, ज़ोर, अभिव्यक्ति) और दूसरा पृष्ठभूमि के लिए (स्थान और उसकी ध्वनिकी)। वीडियो को एक अलग अवतार मॉडल रेंडर करता है।

पहचान बताए बिना मूल्यांकन (HeyGen द्वारा किया गया)	HeyGen Voice को प्राथमिकता मिली
परिवेश से मेल, Cartesia के मुकाबले	73 %
परिवेश से मेल, ElevenLabs v4 के मुकाबले	70 %
परिवेश से मेल, Seedance 2.5 के मुकाबले	65 %
उपयोगकर्ताओं की पसंद, ElevenLabs v4 के मुकाबले	62,2 %
उपयोगकर्ताओं की पसंद, Cartesia Sonic 3.6 के मुकाबले	54,1 %

पहले परीक्षण में एक ही आवाज़ को 50 परिवेशों में रखा गया, जिनमें एक विशाल गिरजाघर से लेकर कार की अगली सीट तक शामिल थे; दूसरे परीक्षण में हज़ारों उपयोगकर्ताओं ने अपनी आवाज़ रिकॉर्ड की और फिर पहचान बताए बिना प्रस्तुत संस्करणों में से अपनी पसंद का संस्करण चुना। तीन विकल्पों की तुलना में HeyGen Voice को 41,7 % ने चुना। ये आँकड़े HeyGen के हैं।

🔗 HeyGen का थ्रेड · HeyGen Voice का शोध पृष्ठ

चिप्स: NVIDIA ने cuPotential लॉन्च किया और एआई संचालित सेमीकंडक्टर कारखानों तक CUDA-X का विस्तार किया

14 अक्टूबर — NVIDIA ने cuPotential पेश किया है, जो एक नई CUDA-X लाइब्रेरी है। इसकी मदद से ऐसे एजेंट बनाए जा सकते हैं जो परमाणुओं और अणुओं के बीच अंतःक्रियाओं का सिमुलेशन कर सकें, जो सेमीकंडक्टर की सामग्री और प्रक्रियाओं की मॉडलिंग के लिए एक केंद्रीय गणना है। शुरुआती पहुँच के परीक्षण में इसने पहले से GPU के लिए अनुकूलित कार्यप्रवाहों को अतिरिक्त 2 से 3 गुना तेज़ किया; Synopsys इसके शुरुआती उपयोगकर्ताओं में शामिल है। यह घोषणा एआई संचालित सेमीकंडक्टर कारखानों (एआई-परिभाषित फ़ैब) की दिशा में की गई है, जहाँ एजेंट इंजीनियरों को प्रक्रियाएँ अनुकूलित करने, उत्पादन संबंधी समस्याएँ हल करने और उपज सुधारने में मदद करते हैं।

साझेदार या टूल	घोषित परिणाम (NVIDIA के अनुसार)
NVIDIA cuPotential	पहले से GPU के लिए अनुकूलित कार्यप्रवाहों पर अतिरिक्त 2 से 3 गुना गति (शुरुआती पहुँच)
Lam Research (NanoVDB, SEMulator3D)	2026 के अंत तक एचिंग की कुछ मॉडलिंग में 30 गुना तक
KLA (NPP)	पिछले CPU संस्करणों से 50 गुना तेज़
Applied Materials	चैंबर सिमुलेशन 35 गुना तक तेज़
Synopsys	30 गुना (cuEST, QuantumATK) और 12 गुना (cuDSS, S-Device) की संभावना

उसी दिन प्रकाशित एक तकनीकी लेख एजेंटों के उपयोग का उदाहरण देता है: ओपन लाइब्रेरी NeMo Gym की मदद से Siemens Fuse टीम ने मानक सेल के अभिलक्षणन वाले अपने एजेंट की Liberty फ़ाइलों की तुलना सत्यापित संदर्भों से करके उसका मूल्यांकन किया। लगभग 25 रन में, Claude Code के भीतर Claude Opus 4.8 को स्थिर मॉडल और परीक्षण ढाँचे के रूप में रखते हुए, टीम ने अपने स्किल्स और MCP टूल के विवरणों को बेहतर किया: संयुक्त स्कोर लगभग 55 % से बढ़कर लगभग 95 % हो गया, एजेंट के टर्न 155 से घटकर 53 हुए और आउटपुट टोकन लगभग 81 000 से घटकर 29 000 रह गए।

🔗 NVIDIA की प्रेस विज्ञप्ति · NeMo Gym और Siemens Fuse का तकनीकी लेख

खुले मॉडल और परिवेश: UltraBERT एनकोडर, Hugging Face पर बहुभाषी RL परिवेश

Hub पर दो खुली पेशकशें प्रकाशित हुई हैं: वर्गीकरण और खोज के लिए एनकोडरों का एक परिवार, और सौ से अधिक भाषाओं में रीइन्फ़ोर्समेंट लर्निंग के परिवेश।

UltraBERT: DMIS Lab ने 32K संदर्भ वाले 150M और 380M के अंग्रेज़ी एनकोडर प्रकाशित किए

14 अक्टूबर — DMIS प्रयोगशाला (Data Mining and Information Systems Lab) ने UltraBERT प्रकाशित किया है, जो 150M और 380M पैरामीटर वाले अंग्रेज़ी एनकोडरों का एक परिवार है और जिसमें 32K टोकन का नेटिव संदर्भ मिलता है। साथ ही, तुरंत इस्तेमाल के लिए तैयार एम्बेडिंग मॉडल UltraBERT-Embed-150M भी प्रकाशित किया गया है। ये सभी Apache 2.0 के अंतर्गत एक शोधपत्र (arXiv 2610.15028) के साथ उपलब्ध हैं। कुल 70 000 अरब से अधिक टोकन वाले एब्लेशन प्रयोगों से दो निष्कर्ष सामने आते हैं: 1 000 से 2 000 अरब टोकन के बाद एनकोडरों में सुधार रुक जाता है, जबकि लॉस घटता रहता है; और मास्किंग दर उनकी विशेषज्ञता तय करती है, जिसमें कम दर वर्गीकरण के लिए तथा अधिक दर खोज के लिए बेहतर होती है। इसलिए UltraBERT हर बैच में 5 % और 50 % मास्किंग मिलाता है, और प्रत्येक दर के लिए भाषा मॉडल का एक अलग हेड रखता है।

प्रकाशित UltraBERT मॉडल	लेखकों द्वारा घोषित परिणाम
UltraBERT-380M	GLUE पर 91,0, BEIR पर 47,7
UltraBERT-150M और 380M	10 में से 9 बेंचमार्क पर सर्वोत्तम स्कोर; 32K टोकन तक छिपी कुंजी के परीक्षण में 99 %
UltraBERT-Embed-150M	MTEB (eng, v2) पर 67,24, 200M से कम पैरामीटर वाला सर्वश्रेष्ठ डेंस एम्बेडिंग मॉडल

🔗 DMIS Lab का लेख

Hugging Face ने 22 भाषाओं में OCR और 102 भाषाओं में वाक् पहचान के RL परिवेश उपलब्ध कराए

14 अक्टूबर — Hugging Face में पुनर्बलन अधिगम के परिवेशों पर काम करने वाले आदित्य एस के ने ऐसे परिवेश प्रस्तुत किए हैं जिन्हें वे सबसे बड़े बहुभाषी और मल्टीमोडल ओपन सोर्स RL परिवेश बताते हैं। सत्यापन योग्य प्रतिफल वाले दो OpenEnv परिवेश जारी किए गए हैं: एक दस्तावेज़ पहचान (OCR) के लिए, जिसमें Cognitive Lab के Nayana संग्रह से 22 भाषाओं के दस लाख से अधिक पृष्ठ हैं, और दूसरा वाक् पहचान (ASR) के लिए, जिसमें Google के FLEURS से 102 भाषाओं की वाणी शामिल है; कुल मिलाकर 12 मिलियन से अधिक कार्य हैं। सिद्धांत यह है: मौजूदा खुले डेटासेट में सत्यापन योग्य प्रतिफल जोड़कर उनका दोबारा इस्तेमाल करना। यह दिखाने के लिए कि इनसे प्रशिक्षण किया जा सकता है, लेखक ने केवल एक A100 पर कन्नड़ में GRPO के माध्यम से Gemma 4 E4B को फ़ाइन-ट्यून किया: Sarvam AI के प्रशिक्षण से अलग रखे गए OCR बेंचमार्क पर अक्षर त्रुटियों में 16 % की कमी और अलग रखे गए 838 वाक् अंशों पर 45 % की कमी मिली। 7 अक्टूबर को प्रस्तुत RL Environment Explorer में पहले से ही 12 मिलियन से अधिक कार्य दर्ज थे; नई बात इसकी आधिकारिक प्रस्तुति और प्रशिक्षण के शुरुआती परिणाम हैं।

🔗 आदित्य एस के की पोस्ट शृंखला

GitHub Actions : वर्कफ़्लो की निर्भरताओं के लिए लॉक फ़ाइलें, सार्वजनिक पूर्वावलोकन में

14 अक्टूबर — एआई से इतर, GitHub Actions ने GitHub Enterprise Cloud (डेटा निवास के साथ या उसके बिना), Team और Free पर वर्कफ़्लो की निर्भरताओं के लिए लॉक फ़ाइलों (लॉकफ़ाइलों) का सार्वजनिक पूर्वावलोकन शुरू किया है। जिस जोखिम को यह संबोधित करता है, वह जाना-पहचाना है: किसी वर्कफ़्लो की समीक्षा के बाद टैग या ब्रांच को दूसरे कमिट पर ले जाया जा सकता है, और सुरक्षा से समझौता हो चुकी कोई एक्शन रिपॉज़िटरी में कोई बदलाव किए बिना दुर्भावनापूर्ण कोड डाल सकती है। GitHub CLI का gh actions-lock एक्सटेंशन, एक्शन, उनकी अप्रत्यक्ष निर्भरताओं और दोबारा इस्तेमाल किए जा सकने वाले वर्कफ़्लो के कमिट के साथ .github/workflows/actions.lock बनाता है; इसके बाद टैग बदलने पर भी Actions लॉक किया गया कमिट ही चलाता है। इसे प्रत्येक वर्कफ़्लो के लिए अलग से अपनाया जाता है, Require lockfile नीति इसे अनिवार्य बना सकती है, और Dependabot किसी एक्शन के नए संस्करण वाली पुल रिक्वेस्ट में ही लॉक की गई प्रविष्टि को अपडेट करता है। GitHub याद दिलाता है कि लॉक करना किसी निर्भरता की सुरक्षा की गारंटी नहीं देता; उसे लॉक करने से पहले उसकी समीक्षा करनी चाहिए।

🔗 GitHub Actions की वर्कफ़्लो लॉक फ़ाइलों का सार्वजनिक पूर्वावलोकन (GitHub का बदलाव विवरण)

संक्षिप्त समाचार

एजेंट और कोड के उपकरण

Copilot CLI 1.0.98 — 1.0.97 के अगले दिन स्थिर संस्करण बनी यह रिलीज़ Gemini 4 Argon का समर्थन करती है और /ask के उत्तरों का इस्तेमाल आसान बनाती है: Ctrl+E उन्हें विस्तार से दिखाता है, Ctrl+Y उन्हें पूरा कॉपी करता है, और /ask या /btw पिछला पूरा उत्तर फिर खोलता है; Copilot SDK 1.0.22 में केवल CLI को शामिल किया गया है। 🔗 स्रोत
Zed 1.24 और पूर्वावलोकन 1.25.0 — 1.24 स्थिर संस्करण (1.24.2) बन गया है, जिसमें उसके पूर्वावलोकन से केवल एक अतिरिक्त सुधार है; 1.25.0-pre में Google AI प्रदाता के लिए Gemini 4 Argon, Bedrock के लिए GPT-6 Astra, Claude Fable 5.1 और Claude Opus 5.5, तथा ACP एजेंटों के लिए संदर्भ संपीड़न जोड़ा गया है। साथ ही, बाहरी एजेंटों और MCP सर्वरों के सीक्रेट अब स्थानीय प्रक्रिया सूची में दिखाई नहीं देते। 🔗 स्रोत
VS Code के लिए Antigravity एक्सटेंशन 1.8.0 — 11 अक्टूबर का छूटा हुआ अपडेट: स्वचालित स्वीकृति बंद होने पर डिफ़ की समीक्षाएँ खुली रहती हैं और एजेंट के एक दौर से अगले दौर तक जुड़ती जाती हैं, डिस्क पर किए गए बदलाव एक सेकंड से कम समय में पहचाने जाते हैं, और VSIX पैकेज लगभग 70 % हल्का है। 🔗 स्रोत
DeepSeek Harness 0.2.1-alpha.3 — 27वाँ पूर्वावलोकन, अब भी कोई स्थिर संस्करण नहीं: भेजे गए संदेशों में कुंजियाँ और टोकन डिफ़ॉल्ट रूप से छिपाए जाते हैं, उप-एजेंटों के लिए अलग एजेंट प्रीसेट (Agent Presets), SDK में सत्र फिर शुरू करने की सुविधा और दस सुधार शामिल हैं; Azure प्रदाता का नाम बदलकर azure किया गया है, इसलिए कॉन्फ़िगरेशन माइग्रेट करना अनिवार्य है। 🔗 स्रोत
GPT-5.5 अब Codex में उपलब्ध नहीं — 15 सितंबर की घोषणा के अनुसार, ChatGPT से जुड़े खातों के लिए GPT-5.5 को 14 अक्टूबर को 19 बजे UTC पर Codex से हटा दिया गया। उसकी जगह GPT-6.1 Sol (Plus, Pro, Business, Enterprise, Edu) या डेस्कटॉप ऐप में GPT-6 Luna (Free और Go) ने ली है; API और API कुंजी वाले सत्र इससे प्रभावित नहीं हैं। 🔗 स्रोत
Amp और OpenAI के मॉडल — OpenAI के एक केस अध्ययन में Amp बताता है कि इस्तेमाल होने वाले अधिकांश टोकन इन मॉडलों के होते हैं, और कुछ उपयोगकर्ता हर सप्ताह 10 अरब टोकन खर्च करते हैं; Calling Puck, GPT-Live-1 की मदद से उसके मेटा-एजेंट से वास्तविक समय में बातचीत करने देता है, और टीम GPT-6 Astra के Ultrafast मोड का परीक्षण कर रही है। 🔗 स्रोत
Apache Spark के लिए cuDF स्किल — NVIDIA ने एजेंट स्किल जारी की हैं जो Spark के UDF को GPU से तेज़ किए गए समकक्षों में दोबारा लिखती हैं; एक बड़े समूह में, जिसका नाम नहीं बताया गया, प्रोडक्शन के 30 से अधिक UDF परिवर्तित किए गए। इनमें से एक को 600 अरब पंक्तियों पर चलाने का समय 274,55 से घटकर 12,78 घंटे हो गया। 🔗 स्रोत
Built with Claude: Japan 2026 — Anthropic और Cerebral Valley, जापान के निवासियों के लिए 2 से 10 नवंबर तक पूरी तरह ऑनलाइन Claude Code हैकाथॉन आयोजित कर रहे हैं: चुने गए 250 प्रतिभागियों को Max 5x योजना और 500 डॉलर के API क्रेडिट मिलेंगे, 50 000 डॉलर के क्रेडिट पुरस्कार के रूप में दिए जाएँगे, और आवेदन 26 अक्टूबर तक किए जा सकते हैं। 🔗 स्रोत
Astra Commons की मुलाकातें — OpenAI की सामुदायिक टीम की रियानन पेन के अनुसार, सितंबर में Codex Ambassadors ने GPT-6 Astra के लॉन्च के लिए 52 शहरों के कैफ़े, गैलरी और विश्वविद्यालयों में लगभग 2 500 डेवलपरों को एकत्र किया। 🔗 स्रोत

सहायक, उद्यम उपकरण और मार्गदर्शिकाएँ

Genspark — Meta का Muse Wonder और फिर Gemini 4 Argon कुछ ही घंटों में AI Chat, Code Agent और Claw में आ गए। इनके साथ इनके निर्माताओं के प्रचार संबंधी दावे दिए गए हैं, लेकिन किसी योजना या कीमत का विवरण नहीं है। 🔗 स्रोत · 🔗 Argon
Sakana Chat में My Fish — Sakana AI ने अपने सहायक की स्मृति को देखने की सुविधा दी है: पढ़ने और लिखने की गतिविधि का हीट मैप, श्रेणियों के अनुसार दृश्य, यादों के बीच संबंधों का मानचित्र जिसमें 30 दिनों तक इस्तेमाल न होने पर यादें धुंधली पड़ जाती हैं, और इतिहास। यह सब वेब और मोबाइल दोनों पर सेटिंग्स → My Fish में उपलब्ध है। 🔗 स्रोत
Gloss — Together AI एक मुफ़्त और ओपन सोर्स ऐप को बढ़ावा दे रहा है, जिसमें लेख, PDF और X के बुकमार्क सहेजे जा सकते हैं तथा हाइलाइट किए गए अंश पर एआई से सवाल पूछे जा सकते हैं। इसे उसके प्लेटफ़ॉर्म पर DeepSeek V4.1 Flash से बनाया गया है। 🔗 स्रोत
Apigee hybrid में MCP — संस्करण 1.17.0 से, किसी API की हर क्रिया को MCP उपकरण के रूप में उपलब्ध कराने के लिए केवल एक OpenAPI विनिर्देश पर्याप्त है। डेटा प्लेन ग्राहक के Kubernetes क्लस्टर में ही रहता है: कोई भी उपकरण कॉल Google Cloud से होकर नहीं गुजरती। 🔗 स्रोत
Perplexity के अनुसार एआई उपकरणों की लागत — एक मार्गदर्शिका मूल्य निर्धारण के तरीकों और छिपी लागतों का विवरण देती है (10 लोगों की एक काल्पनिक टीम के लिए कुछ महीनों में 350 डॉलर, साथ में 18 घंटे का आंतरिक काम) और Free से Enterprise Max तक Perplexity की मूल्य सूची का सार प्रस्तुत करती है; किसी नई सुविधा की घोषणा नहीं हुई है। 🔗 स्रोत
Perplexity के अनुसार MCP उपकरण — दूसरी मार्गदर्शिका समझाती है कि MCP उपकरण क्या है और Perplexity में उसके इस्तेमाल के दोनों तरीके याद दिलाती है: Pro, Max और Enterprise पर MCP सर्वर जोड़ना, या उदाहरण के लिए Claude Code से उसके अपने MCP सर्वर के चार उपकरणों को कॉल करना। 🔗 स्रोत

केस अध्ययन और तैनातियाँ

Third Moment Research — OpenAI के एक केस अध्ययन के अनुसार, यह प्रयोगशाला 36 से 48 घंटे के सत्रों में 10 000 एजेंट एक साथ चलाती है, एक दिन में 1 000 अरब टोकन इस्तेमाल कर चुकी है और Codex से ऐतिहासिक डेटा पर किए जाने वाले परीक्षण (बैकटेस्ट) की अवधि 97 % घटा चुकी है; GPT-6.1 Sol इसका सबसे अधिक इस्तेमाल होने वाला मॉडल है। 🔗 स्रोत
SentinelOne और Daybreak — इसके एआई निदेशक ग्रेगोर स्टीवर्ट के अनुसार, OpenAI Daybreak लगभग आठ घंटे में दुर्भावनापूर्ण सॉफ़्टवेयर की मानव स्तर की रिवर्स इंजीनियरिंग कर देता है, जिसमें किसी उच्च स्तर के शोधकर्ता को चार से छह सप्ताह लगते थे। 🔗 स्रोत
Circa और Manus — Manus ने बोस्टन के स्टार्टअप Circa का अनुभव प्रकाशित किया है। Circa ध्वस्तीकरण से निकली सामग्री का दोबारा इस्तेमाल करता है और अपनी वेबसाइट, अनुदानों तथा लागत अनुमान के एक उपकरण के लिए एजेंट का उपयोग करता है; सितंबर में लगभग 100 000 डॉलर के कुल राजस्व की जानकारी दी गई, लेकिन उत्पाद में कोई नई सुविधा नहीं है। 🔗 स्रोत
यूरोपीय शहर और NVIDIA — कोत-द’ओर में 500 से अधिक सार्वजनिक भवनों पर तैनात Akila और ThinkDeep के एजेंट परिचालन लागत 10 % घटाते हैं, और लक्ष्य 30 % है; NVIDIA मिलान, एंटवर्प-ब्रूज, गोथेनबर्ग और लिवरपूल की परियोजनाओं का भी उल्लेख करता है, लेकिन कोई नया उत्पाद नहीं है। 🔗 स्रोत
MiniMax H3 IP Edition — 11 सितंबर को टोक्यो में हुए अपने सम्मेलन के पुनरावलोकन में MiniMax ने 60 से अधिक कंपनियों की रुचि का दावा किया है; Captain Tsubasa × PixVerse की पायलट परियोजना में 45 दिनों में 126 360 रचनाकार और लाइसेंस प्राप्त सामग्री की 329 314 इकाइयाँ शामिल हुईं। 🔗 स्रोत

खुले मॉडल और सामुदायिक शोध

Cohere ने Rerank 5 का उल्लेख किया — Cohere ने एक वीडियो प्रकाशित किया है जिसमें Rerank, Mario खेलता है, और यह देखने का निमंत्रण दिया है कि क्या Rerank 5, Rerank 4 के स्कोर को पार करता है; कोई लॉन्च नहीं हुआ है, दस्तावेज़ों में अब भी केवल Rerank 4 और 3.x संस्करण सूचीबद्ध हैं। 🔗 स्रोत
Lumma-Fev-27B — FrontiersMind ने निर्णयों के लगभग 100 000 उदाहरणों (अंग्रेज़ी, हिन्दी, तमिल, कन्नड़) पर Qwen3.8-27B को पूरी तरह फ़ाइन-ट्यून किया है: प्रशिक्षण से अलग रखे गए 4 454 निर्णयों पर 90,7 % सही उत्तर मिले, जबकि Jev 1.13 को 83,9 % मिले। हालाँकि, BBH और WinoGrande पर Jev आगे है; माप लेखकों के हैं और वेट Apache 2.0 के तहत उपलब्ध हैं। 🔗 स्रोत
TranscribePsy — Tether AI Research ने 25 यूरोपीय भाषाओं के लिए 254M पैरामीटर वाला वाक् पहचान मॉडल GGUF और Core ML संस्करणों में जारी किया है: Open ASR Leaderboard पर शब्द त्रुटि दर 8,02 % है, जबकि Whisper-small की 12,34 % है। Tether के अनुसार, छह फ़ोन पर यह अगले सबसे तेज़ मॉडल से 2,6 गुना तेज़ है। 🔗 स्रोत
VKORE-46M-NPU — VIDRAFT ने वास्तविक बैकप्रोपेगेशन के साथ, 32 चिप वाले इन्फ़रेंस NPU पर 46M पैरामीटर का एक छोटा डिकोडर शुरू से प्रशिक्षित किया है; उसके लॉस कर्व का GPU पर उसी प्रशिक्षण के लॉस कर्व से सहसंबंध 0,99 है। 🔗 स्रोत
क्वांटाइज़ेशन और एजेंट की क्षमताएँ — 19 200 जोड़ीबद्ध परिणामों के आधार पर, पैट्रिक हिल (PBH Applied Systems) दिखाते हैं कि Q4_K_M में Mistral-Nemo की 8 में से 5 एजेंट क्षमताओं में महत्वपूर्ण गिरावट आती है, जो गद्य सहित संरचित आउटपुट में −28,0 अंक तक पहुँचती है। वहीं Q5_K_M (7,48 के मुकाबले 8,73 Go) और Q8_0 से कोई बदलाव नहीं आता। 🔗 स्रोत
Gated DeltaNet पर एक गेट — अवि फ़ेनेश ने GRPO से प्रशिक्षित LoRA में Gated DeltaNet परतों के बीटा पर एक छोटा गेट जोड़ा है: MATH-500 पर Qwen3.5-4B की तर्क प्रक्रिया 48 % छोटी हो जाती है और किसी भी समय की सटीकता 0,786 से बढ़कर 0,852 हो जाती है। 🔗 स्रोत
pico-165m — फ़ाउस्तो सापोरितो ने केवल एक TPU चिप पर नोट लेने वाला 165M का मॉडल प्रशिक्षित किया है: लगभग 47 आदान-प्रदान वाली बातचीत पर स्मृति जाँचों में इसका स्कोर 0,81 है, जबकि पूरी बातचीत पढ़ने वाले SmolLM2-360M-Instruct का स्कोर 0,31 है। 🔗 स्रोत

इन्फ़रेंस और गणना कर्नेल

DeepGEMM-Ascend, DeepGEMM 2.8.2 और TileKernels 2.1.0 — बिना किसी घोषणा के, DeepSeek ने Ascend NPU के लिए अपनी लाइब्रेरी में विरल MQA लॉजिट के कर्नेल और BF16, FP8 तथा FP4 GEMM में C पद या बायस जोड़ा है, DeepGEMM को 2.8.2 पर अपडेट किया है और रिलीज़ विवरण के बिना TileKernels 2.1.0 जारी किया है। 🔗 स्रोत
TokenSpeed और Qwen3.8-Flash-Next — LightSeek का ओपन सोर्स इंजन NVFP4 में चार NVIDIA GB300 GPU पर केवल एक बातचीत चलाते हुए मॉडल से प्रति उपयोगकर्ता 685,9 tokens/s देता है, और 32 बातचीत पर 95,7 tokens/s; Qwen ने इस परिणाम की सराहना की है। 🔗 स्रोत
AMD MI350P पर Qwen3.8-Flash-Next — फ़्लोरियन ज़िमरमाइस्टर ने एक ही GPU पर vLLM में 32 स्ट्रीम का कुल थ्रूपुट 1 168,2 से बढ़ाकर 2 256,6 tokens/s (+93,2 %) किया है। शुरुआती कॉन्फ़िगरेशन में पहले से ही अनुकूलित MXFP4 मौजूद था। 🔗 स्रोत
Microsoft Foundry पर GLM 5.3 Flash — Hugging Face ने Z.ai का मॉडल अपनी Foundry सूची में जोड़ा है, जिसे 512K संदर्भ वाले तीन कॉन्फ़िगरेशन में AMD MI300X के लिए अनुकूलित किया गया है; ShareGPT पर TP4 + DP2 वाला 8 GPU संस्करण लगभग 1,8 गुना थ्रूपुट देता है और पहले टोकन तक का समय 11,3 से घटाकर 5,2 s कर देता है। 🔗 स्रोत
Neural Engine पर Qwen3.8-27B — ANEMLL परियोजना मॉडल के सभी MLP मैट्रिक्स को 3 बिट के वेक्टरों में क्वांटाइज़ करती है: M6 चिप पर BF16 के मुकाबले KL विचलन 0,0518 और औसत गति 37,5 tokens/s है, जबकि वेट का आकार 9,74 Gio है; मानक कार्यों पर सटीकता अभी मापी जानी बाकी है। 🔗 स्रोत
Hub का टेन्सर व्यूअर — Hugging Face एक ही अनुरोध में सभी शार्ड के हेडर लौटाता है: DeepSeek-V3.2 अब 9,2 s के बजाय 0,45 s में और GLM-5.3, 4,0 s के बजाय 0,57 s में खुलता है। 🔗 स्रोत

GitHub, एआई से इतर

GitHub Apps की अनुमतियाँ — सूक्ष्म स्तर की दो अनुमतियाँ प्रशासनिक अधिकारों के बिना रिपॉज़िटरी बनाने या किसी इंस्टॉलेशन की रिपॉज़िटरी प्रबंधित करने देती हैं, और रिपॉज़िटरी का प्रशासक अपनी रिपॉज़िटरी को पहले से स्वीकृत ऐप से जोड़ सकता है; घोषित लक्ष्य पारंपरिक PAT का इस्तेमाल बंद करना है। 🔗 स्रोत
GitHub की उपलब्धता रिपोर्ट — 7 अक्टूबर तक, 160 प्रोडक्शन सेवाओं में से 120 Central US में चल रही थीं और 51 प्राथमिक MySQL डेटाबेस में से 13 माइग्रेट हो चुके थे; GitHub अपना 30 सितंबर का लक्ष्य पूरा नहीं कर पाया और उसने 13 सितंबर की घटना पर फिर चर्चा की है, जिसने वेब पर इश्यू बनाने की लगभग 96 % प्रक्रियाओं को प्रभावित किया था। 🔗 स्रोत
स्टार का इतिहास — API का नया एंडपॉइंट हर अनुरोध में 30 सप्ताह तक की दैनिक गिनती लौटाता है, बिना किसी की पहचान बताए: react/react के लिए लगभग 2 511 के बजाय लगभग 24 अनुरोध पर्याप्त हैं। 🔗 स्रोत

इसका क्या अर्थ है

आवाज़ अब संख्याओं के आधार पर तुलना का क्षेत्र बन रही है, जहाँ लागत का महत्व रैंकिंग जितना ही है। Grok Voice 3.0 प्रति मिनट की कीमत बदले बिना अपने स्कोर सुधारता है, और SpaceXSI प्रति कार्य की लागत को प्रमुखता देता है: GPT-Live-1 के 0,030 डॉलर के मुकाबले 0,025 डॉलर। प्रकाशक द्वारा उद्धृत Artificial Analysis के ये माप हर पहलू पर अंतिम फैसला नहीं देते: τ-Voice पर GPT-Live-1 अब भी आगे है, और Grok Voice 3.0 इसकी भरपाई 40 % कम विलंब से करता है। वास्तविक उपयोग भी मायने रखता है: Starlink में प्रतिदिन 20 000 कॉल, जिनमें से लगभग 70 % मानवीय हस्तक्षेप के बिना हल हो जाती हैं, दिखाती हैं कि वॉइस एजेंट ग्राहक सहायता का एक वास्तविक हिस्सा पहले से संभाल रहे हैं। वीडियो के क्षेत्र में, FLUX 3 Video कम गणना संसाधन इस्तेमाल करने वाली सेवा की बदौलत अपनी 2K और 4K दरें 30 से 53 % घटाता है, जबकि HeyGen दृश्य की ध्वनिकी के अनुसार ढाली गई आवाज़ पर दाँव लगाता है।

अत्याधुनिक मॉडलों को शोध के परिणामों के आधार पर भी परखा जाता है। Google एक क्वांटम डिकोडर, प्लाज़्मा भौतिकी की एक परिकल्पना और प्रयोगशाला में जाँचे गए एंज़ाइमों पर Argon के परिणाम दिखाता है; Meta दस चिकित्सा पांडुलिपियों पर परिणाम प्रस्तुत करता है; और Ai2 लगभग 300 गुना कम लागत पर तैयार किए गए 3 km रिज़ॉल्यूशन वाले जलवायु डेटा पर। सीमाएँ भी स्पष्ट रूप से दर्ज हैं: Grad की परिकल्पना पर लेख के सारांश में Argon का उल्लेख नहीं है, Meta के अध्ययन पिछली घटनाओं के डेटा पर आधारित हैं और उनमें से एक को परिकल्पनाएँ सुझाने वाला माना गया है, तथा ADK रिपॉज़िटरी में मानवीय समीक्षा के बाद छह में से केवल दो अनुकूलन रखे गए। हर जगह अंतिम निर्णय मनुष्य का ही है: Meta के प्रयोग में चिकित्सा शोधकर्ता वैज्ञानिक निष्कर्ष तय करते हैं, और ADK के अनुरक्षक एजेंट के प्रस्तावों में से कुछ हटा देते हैं।

एजेंटों के काम की लागत अब उनके उपकरणों का एक केंद्रीय विषय बन रही है। Claude Code कैश की अवधि समाप्त होने से पहले लंबी बातचीत को संक्षिप्त कर देता है, ताकि सब कुछ दोबारा संसाधित न करना पड़े; HydraFusion हर चरण पर तर्क करने में लगने वाला प्रयास समायोजित करता है; और Cohere Labs का अध्ययन दिखाता है कि सस्ते एजेंटों के साथ काम करने वाला एक शक्तिशाली मुख्य एजेंट 70 % कम लागत पर सर्वोत्तम स्कोर के करीब पहुँचता है। HybridAgent टोकन उत्पन्न किए बिना तर्क करके, संरचना के स्तर पर इसी समस्या का समाधान करता है। इन खर्चों को नियंत्रित करने के लिए उन्हें देख पाना ज़रूरी है: Claude Platform और Claude Code 2.1.300 के ट्रेस अब OpenTelemetry की समान GenAI परिपाटियों का पालन करते हैं, और Ramp अपने ट्रेस का मूल्यांकन करके कुछ एजेंटों में टोकन की खपत में 10 से 20 % की कमी दर्ज करता है। यूरोपीय संघ पर OpenAI की रिपोर्ट इस मुद्दे का महत्व याद दिलाती है: वहाँ अध्ययन किए गए Enterprise ग्राहकों के आउटपुट टोकन में Codex और ChatGPT Work का हिस्सा पहले से आधे से अधिक है।

एआई की सुरक्षा का सार्वजनिक आयाम भी बढ़ रहा है। सिंगापुर में, उसी Cyber Week के दौरान Anthropic मॉडल मूल्यांकन और घटनाओं पर प्रतिक्रिया के लिए एक समझौता ज्ञापन पर हस्ताक्षर करता है, और Google DeepMind, GovTech के साथ ऐसी धोखाधड़ी पहचान प्रणाली प्रस्तुत करता है जिसका काम फ़ोन पर ही होता है। ब्रिटेन में NVIDIA गणना संसाधन उपलब्ध कराकर एजेंटों की सुरक्षा पर शोध को समर्थन देता है; अमेरिका में Anthropic छोटे-छोटे कार्यों में बाँटे गए अभियानों के विरुद्ध वर्गीकारकों की मदद से Claude को मध्यावधि चुनावों के लिए तैयार करता है। कंपनियों में, OpenAI का कहना है कि उसने अपने मॉडलों की मदद से उस कर्मचारी की पहचान की जिसने एक रिकॉर्डिंग उपकरण छिपाया था; GitHub कार्यप्रवाहों की निर्भरताओं को लॉक करता है, ताकि किसी टैग को दूसरी जगह ले जाने पर समीक्षा किए गए कोड से अलग कोड न चले; और VS Code कंपनी की नीति के तहत Copilot के हार्नेस और उसके निष्पादन नियमों का पालन अनिवार्य करता है।