Meta ने 816 अरब पैरामीटर वाले Muse Spark Open को सार्वजनिक किया, NVIDIA ने Nemotron 3.5 Super VL जारी किया, Cohere करेगा AISLE का अधिग्रहण

JLS42 / 15 अक्टूबर 2026

कृत्रिम बुद्धिमत्ता द्वारा जनित लेख

Meta ने 816 अरब पैरामीटर वाले Muse Spark Open को सार्वजनिक किया, NVIDIA ने Nemotron 3.5 Super VL जारी किया, Cohere करेगा AISLE का अधिग्रहण

Meta ने Muse Spark Open के वेट्स जारी किए हैं। यह 816 अरब पैरामीटर वाला मल्टीमोडल विशेषज्ञ मिश्रण मॉडल है, जिसे कंपनी अमेरिका का सबसे सक्षम खुला मॉडल बताती है। NVIDIA, Hugging Face और सात API प्रदाताओं ने उसी दिन इसके लिए समर्थन उपलब्ध करा दिया। NVIDIA ने भी एजेंटों के लिए 120 अरब पैरामीटर वाला मॉडल Nemotron 3.5 Super VL सार्वजनिक किया है, जबकि Cohere ने स्वायत्त रूप से सुरक्षा खामियाँ खोजने में विशेषज्ञ AISLE के अधिग्रहण के लिए एक आशय पत्र पर हस्ताक्षर किए हैं और Cohere Cyber बनाया है। Perplexity ने Computer के सैंडबॉक्स SPACE को ओपन सोर्स कर दिया है, Black Forest Labs ने FLUX 3 Image Klein के वेट्स सार्वजनिक किए हैं, और Cognition ने Devin Oncall जारी किया है, जो उत्पादन प्रणालियों में होने वाली घटनाओं की जाँच करने वाला ड्यूटी एजेंट है।

Muse Spark Open: Meta ने 816 अरब पैरामीटर वाला मल्टीमोडल MoE सार्वजनिक किया, NVIDIA और Hugging Face ने उसी दिन समर्थन दिया

15 अक्टूबर — Meta ने Muse Spark Open के वेट्स जारी किए हैं। यह 816 अरब पैरामीटर वाला मल्टीमोडल विशेषज्ञ मिश्रण (mixture-of-experts, MoE) मॉडल है, जिसमें प्रति टोकन 42 अरब पैरामीटर सक्रिय होते हैं और जिसकी संदर्भ विंडो दस लाख टोकन की है। मॉडल टेक्स्ट, चित्र, वीडियो और ऑडियो पढ़ता है और टेक्स्ट में जवाब देता है; Meta ने इसे कोड और एजेंट आधारित काम के लिए प्रशिक्षित किया है। Muse परिवार में यह बड़ा खुला मॉडल बन गया है, जो अगस्त में जारी छोटे, 30 अरब पैरामीटर वाले डेंस मॉडल Muse Glimmer से ऊपर है। यह Muse Wonder के तीन दिन बाद आया है, जिसे बंद ही रखा गया है।

Today we’re releasing Muse Spark Open, the most capable US open-weight model to date. Built for coding and agentic work, it excels at long-horizon tasks, complex software engineering, and multi-step reasoning.

🇮🇳 आज हम Muse Spark Open जारी कर रहे हैं, जो अब तक का सबसे सक्षम अमेरिकी खुला वेट्स वाला मॉडल है। कोड और एजेंट आधारित काम के लिए बनाया गया यह मॉडल लंबे समय तक चलने वाले कार्यों, जटिल सॉफ्टवेयर इंजीनियरिंग और कई चरणों वाले तर्क में उत्कृष्ट प्रदर्शन करता है। — X पर @AIatMeta

इस सर्वोच्चता के दावे को उसके सीमित दायरे में समझना चाहिए। Hugging Face के मॉडल विवरण की तालिका में, जहाँ मॉडल का मूल्यांकन xhigh सेटिंग पर किया गया है, Muse Spark Open पूरी तालिका की आठ पंक्तियों में आगे है, जिनमें MCP टूल का उपयोग और JobBench शामिल हैं। लेकिन बड़े चीनी खुले मॉडल Artificial Analysis सूचकांक में उससे आगे हैं: GLM 5.3 का स्कोर 45 और Kimi K3 का 44 है, जबकि इसका 39 है; कोड में भी वे आगे हैं। तालिका के तीन अन्य अमेरिकी मॉडलों—Thinking Machines के Inkling, NVIDIA के Nemotron 3 Ultra और Reflection AI के Beam—में से केवल Beam क्षमताओं के मामले में इसे पीछे छोड़ता है: GPQA Diamond पर 90,5 बनाम 89,0 और Terminal-Bench 2.1 पर 80,1 बनाम 76,4।

मूल्यांकन परीक्षण (Hugging Face पर मॉडल विवरण)	Muse Spark Open का स्कोर (xhigh)	तालिका का सर्वश्रेष्ठ प्रतिस्पर्धी
MCP-Atlas	89,2	84,5 (Qwen3.8-2.4T-A95B)
JobBench	61,8	61,4 (GLM 5.3)
HLE-Diamond (टूल के बिना)	26,1	22,2 (Kimi K3)
Artificial Analysis सूचकांक	39	45 (GLM 5.3)
OSWorld Verified	80,4	84,8 (Kimi K3)
DeepSWE 1.1	60	68 (Kimi K3)
Terminal-Bench 2.1 (Terminus 2)	76,4	85,0 (Kimi K3)
StrongREJECT v2 (कम = बेहतर)	0,5	62,9 (GLM 5.3)

चूँकि सभी विशेषज्ञ मेमोरी में बने रहते हैं, इसलिए 42 अरब पैरामीटर वाले मॉडल की गति पाने के लिए 816 अरब पैरामीटर वाले मॉडल जितनी मेमोरी चाहिए। BF16 वेट्स का आकार लगभग 1,5 टेराबाइट है (Hugging Face पर Muse-Spark-Open-816B-A42B रिपॉज़िटरी, जिस तक पहुँच एक फ़ॉर्म भरने के बाद मिलती है), और NVFP4 संस्करण एक ही B200 नोड पर समा जाता है। फिर भी Meta स्थानीय रूप से चलाने पर ज़ोर देता है: मॉडल MLX के साथ आपस में जुड़े दो Mac Studio M5 Ultra के लिए अनुकूलित है, जिनमें से प्रत्येक में 512 गीगाबाइट तक एकीकृत मेमोरी है। Hugging Face ने इससे छोटी व्यवस्था पर परीक्षण किया: 512 गीगाबाइट वाले एक Mac M3 Ultra पर llama.cpp के तहत 2 बिट संस्करण 304 गीगाबाइट जगह लेता है और प्रति सेकंड 18 टोकन उत्पन्न करता है।

वेट्स Muse Model License के तहत जारी किए गए हैं, जिसकी व्यावसायिक शर्तें सीमित हैं और जो Meta के अनुसार कई डेवलपरों को मॉडल का मुफ़्त उपयोग करने देती है। पहले ही दिन से सात प्रदाता इसे उपलब्ध करा रहे हैं: Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter और Together AI। Meta का कहना है कि उसने खुले वेट्स के लिए विशेष सुरक्षा संबंधी पोस्ट-ट्रेनिंग जोड़ी है और 2 अक्टूबर को अद्यतन किए गए अपने Meta Superintelligence Scaling Framework की प्रकाशन सीमाएँ पूरी की हैं। StrongREJECT v2 पर, जहाँ कम स्कोर बेहतर है, मॉडल को 0,5 मिलता है, जबकि अन्य मूल्यांकित मॉडलों को 62,9 से 86,4 तक मिलते हैं। FORTRESS पर इसे औसत जोखिम का सबसे अच्छा स्कोर मिलता है (5,8, जबकि अन्य का 21,6 से 28,2), लेकिन अत्यधिक इनकार का स्कोर तालिका में सबसे ऊँचा है (17,4, जबकि अन्य का 2,7 से 13,3)।

NVIDIA ने इस रिलीज़ के साथ एक तकनीकी लेख प्रकाशित किया है: Muse Spark Open को GB300 NVL72 रैक पर प्रशिक्षित किया गया था और Meta के बनाए NVFP4 चेकपॉइंट Blackwell Ultra के लिए अनुकूलित हैं। एजेंट आधारित कार्यभार में NVIDIA प्रति GPU प्रति सेकंड 50 000 टोकन तक और प्रति उपयोगकर्ता प्रति सेकंड 600 टोकन तक का दावा करता है। साथ ही, वह SGLang, vLLM, TensorRT LLM और Dynamo के लिए तैनाती की विधियाँ, एक NIM और NeMo AutoModel के साथ पोस्ट-ट्रेनिंग की विधि प्रकाशित करता है।

बाकी इकोसिस्टम ने भी उसी दिन समर्थन दिया: Transformers और TRL ने इसे शामिल किया (नीचे देखें), mlx-lm 0.32.0 ने NVFP4 संस्करण जोड़ा, Unsloth ने लगभग 256 गीगाबाइट में समाने वाले 2 बिट संस्करण की घोषणा की, और Meta ने SGLang के लिए Helion कर्नेल दिए, जो कर्नेल स्तर पर 3,95 गुना तक तेज़ हैं। अपने लेख में Hugging Face ने 64 H100 GPU पर पूरे मॉडल की फ़ाइन-ट्यूनिंग भी की, जिससे प्रति टोकन औसत सटीकता 72 से बढ़कर 84 % हो गई।

🔗 Meta का लेख · मॉडल का विवरण (Hugging Face) · Hugging Face का लेख · NVIDIA का तकनीकी लेख

Nemotron 3.5 Super VL: NVIDIA ने एजेंटों के लिए 120 अरब पैरामीटर वाला मल्टीमोडल मॉडल सार्वजनिक किया, Perplexity ने उसी दिन इसे शामिल किया

15 अक्टूबर — NVIDIA ने Nemotron 3.5 Super VL जारी किया है। यह 120 अरब पैरामीटर वाला खुला विशेषज्ञ मिश्रण मॉडल है, जिसमें प्रति टोकन 12 अरब पैरामीटर सक्रिय होते हैं। यह लंबे कार्यों को लगातार पूरा करने वाले एजेंटों के लिए तर्क, निर्देशों के पालन और टूल कॉल को टेक्स्ट, चित्रों, दस्तावेज़ों और वीडियो की समझ के साथ जोड़ता है: एक ही मॉडल वेब पेज, ग्राफ़ या PDF पढ़ता है और फिर कार्रवाई करता है, जिससे संदर्भ को टेक्स्ट मॉडल से विज़न मॉडल में भेजने की ज़रूरत नहीं पड़ती। NVIDIA के अनुसार, मल्टीमोडल एजेंट कार्यों में इसकी सटीकता उसके सबसे बड़े तर्क मॉडल के बराबर है, जबकि इसमें लगभग पाँचवें हिस्से जितने पैरामीटर हैं।

NVIDIA द्वारा घोषित मूल्यांकन	Nemotron 3.5 Super VL का स्कोर	तुलना का आधार
Hermes Bench	63,44 %	56,33 % (Nemotron 3 Ultra)
LangChain व्यवहार संबंधी मूल्यांकन	87,05 %	84,3 % (Nemotron 3 Ultra)
CharXiv (ग्राफ़ पढ़ना)	80,8 % (Python कोड के साथ 84 %)	63 % (Nemotron 3 Nano Omni)

NVIDIA खास तौर पर दक्षता पर ज़ोर देता है: एक ही GPU पर एजेंट कार्यों में अपनी आकार श्रेणी के अन्य खुले मॉडलों से 5 गुना तक अधिक थ्रूपुट, Baseten के माध्यम से Artificial Analysis सूचकांक के एजेंट कार्यों पर प्रति सेकंड 600 से अधिक टोकन, और SWE-Bench Pro पर अच्छी सटीकता बनाए रखते हुए 10 000 कोड कार्यों को 4 गुना तक तेज़ी से पूरा करना। Nemotron 3 Ultra से डिस्टिल किया गया यह मॉडल तालिका के दोनों हार्नेस मूल्यांकनों में उससे बेहतर प्रदर्शन करता है। सेवा प्रदान करने के मामले में, LiLiCorr का स्पेकुलेटिव डिकोडिंग DGX Spark पर जनरेशन को 2,3 गुना तक तेज़ करता है, और Dynamo 16 B200 GPU पर प्रत्येक उपयोगकर्ता को प्रति सेकंड 50 टोकन देते हुए 8 गुना तक अधिक उपयोगकर्ताओं को सेवा देता है, साथ ही पहले टोकन की विलंबता 85 % कम होती है।

प्रकाशन में सब कुछ शामिल है: बेस, पोस्ट-ट्रेनिंग वाले और NVFP4 में क्वांटाइज़ किए गए वेट्स, विधियाँ, NeMo Gym में रीइन्फोर्समेंट लर्निंग के परिवेश और खुले डेटासेट। इनमें 40 विज़न-भाषा डेटासेट और 22 भारतीय भाषाओं में लगभग 2 800 अरब टोकन का एक संग्रह शामिल है, जिसे IIT मद्रास और उसकी AI4Bharat प्रयोगशाला के साथ बनाया गया है। प्रशिक्षण के दौरान मॉडल को लगभग 26 000 अरब टोकन दिखाए गए। यह Hugging Face, OpenRouter, ModelScope और NIM माइक्रोसर्विस के रूप में उपलब्ध है; कोई मूल्य घोषित नहीं किया गया है। NVIDIA ने Skydance के लिए Scale AI में इसके अनुकूलन का उल्लेख किया है, जहाँ इन्फ़रेंस लागत 40 गुना कम होने का दावा है, और Ramp, AI21 तथा Alice में किए गए अनुकूलनों का भी ज़िक्र किया है।

Perplexity ने उसी दिन इसे अपने Pro और Max ग्राहकों के लिए और अपने Agent API में जोड़ दिया। API के बदलाव विवरण के अनुसार, perplexity/nemotron-3.5-super-120b-a12b के लिए इनपुट पर प्रति दस लाख टोकन 0,20 डॉलर (कैश में 0,04 डॉलर) और आउटपुट पर 0,50 डॉलर शुल्क है। इसमें 1 048 576 टोकन का संदर्भ और 131 072 टोकन तक जनरेशन मिलता है, और यह Nemotron 3 Ultra की जगह लेता है। एक छोटी असंगति है: यह प्रविष्टि मॉडल में केवल टेक्स्ट इनपुट का उल्लेख करती है, जबकि Perplexity का ट्वीट VL संस्करण की घोषणा करता है, जो चित्र भी पढ़ता है।

उसी दिन, 13 अक्टूबर को घोषित Nemotron 3.5 Bolt 74B-A9B 24GB भी Hugging Face पर आ गया: 24 गीगाबाइट में समाने के लिए मूल रूप से 2 बिट में क्वांटाइज़ किया गया यह मॉडल 16 अक्टूबर को उपलब्ध होने वाले RTX Spark लैपटॉप के लिए बनाया गया है और llama.cpp, Ollama, LM Studio, Unsloth तथा vLLM के साथ चलता है। NVIDIA इसे PinchBench पर अपनी श्रेणी के खुले मॉडलों में पहले स्थान पर रखता है; Bolt E4B 4GB इसके बाद 23 अक्टूबर को आएगा।

🔗 NVIDIA की घोषणा · NVIDIA का तकनीकी लेख · Perplexity की घोषणा · Perplexity API के बदलावों का विवरण

साइबर सुरक्षा: Cohere करेगा AISLE का अधिग्रहण और बनाया Cohere Cyber, GitHub ने AI Scan और एजेंट आधारित स्वतः सुधार को व्यापक रूप से उपलब्ध कराया

उसी दिन, दो कंपनियाँ सुरक्षा खामियों को खोजने और सुधारने के लिए एआई का इस्तेमाल बढ़ा रही हैं: Cohere इससे जुड़ी विशेषज्ञता खरीद रहा है, जबकि GitHub इसे अपनी कोड स्कैनिंग में व्यापक रूप से उपलब्ध करा रहा है।

15 अक्टूबर — Cohere, AISLE का अधिग्रहण करेगा। यह एक नई कंपनी है, जो ऐसे स्वायत्त सिस्टम बनाती है जो महत्वपूर्ण सॉफ्टवेयर में अब तक अज्ञात कमजोरियों को खोज सकते हैं, उनकी पुष्टि कर सकते हैं और उन्हें सुधारने में मदद कर सकते हैं। दोनों कंपनियों ने एक आशय पत्र (आशय पत्र) पर हस्ताक्षर किए हैं: सौदा अभी पूरा नहीं हुआ है और न ही इसकी राशि या समयसीमा प्रकाशित की गई है। सौदा पूरा होने पर प्राग में AISLE का मुख्यालय, Cohere का प्राग कार्यालय बन जाएगा।

AISLE के बारे में प्रकाशित संकेतक	घोषित मान
स्थापना का वर्ष	2024
नई खोजी गई कमजोरियाँ जिन्हें CVE मिला	100 से अधिक कोडबेस में 500 से अधिक
OpenSSL, जनवरी की सुरक्षा रिलीज़	प्रकाशित सभी 12 कमजोरियाँ
curl, नवीनतम संस्करण	24 CVE में से 18
उच्च या गंभीर स्तर की CVE	200 से अधिक (एडन गोमेज़ के अनुसार)

Aisle is the state-of-the-art in defensive cyber, having found 200+ High/Critical CVEs in critical software like curl, FFmpeg, FreeBSD, Wireshark.

🇮🇳 Aisle साइबर रक्षा में सबसे आगे है और उसने curl, FFmpeg, FreeBSD तथा Wireshark जैसे महत्वपूर्ण सॉफ्टवेयर में उच्च या गंभीर स्तर की 200 से अधिक CVE खोजी हैं। — X पर @aidangomez

उसी थ्रेड में, Cohere के प्रमुख एडन गोमेज़ का दावा है कि AISLE ने Anthropic के Glasswing (Mythos) और OpenAI के Daybreak से बेहतर प्रदर्शन किया है। उनके अनुसार, AISLE ने curl में 29 नई CVE खोजीं, जबकि Mythos को एक भी नहीं मिली; यह आँकड़ा दोनों कंपनियों के लेखों में दिए गए « 24 CVE में से 18 » के आँकड़े से मेल नहीं खाता।

AISLE की संस्थापक टीम नेतृत्व की भूमिकाएँ सँभालेगी। AISLE के मुख्य कार्यकारी अधिकारी ओन्द्रेज व्लचेक, Cohere Cyber के वरिष्ठ उपाध्यक्ष बनेंगे। यह नई इकाई Cohere के ग्राहकों को साइबर सुरक्षा समाधान प्रदान करेगी। जया बालू वैश्विक स्तर पर Cohere की मुख्य सूचना सुरक्षा अधिकारी बनेंगी। AISLE के CTO और मुख्य वैज्ञानिक स्तानिस्लाव फोर्ट, एआई सुरक्षा के उपाध्यक्ष बनेंगे और सुरक्षा अनुसंधान को मॉडल विकास और प्रशिक्षण से जोड़ने के लिए Cohere के CTO इवान झांग के साथ काम करेंगे।

Cohere इसे Reliant AI और Aleph Alpha के बाद अपनी यूरोपीय रणनीति में एक और कदम मानता है: कंपनी प्राग में « पर्याप्त » और दीर्घकालिक निवेश की योजना बना रही है। प्राग उसका वैश्विक एआई साइबर सुरक्षा केंद्र बनेगा, जो एडन गोमेज़ के अनुसार बर्लिन में उसके नए मुख्यालय से थोड़ी दूरी पर है। लक्ष्य दो हैं: ओपन सोर्स सॉफ्टवेयर की सुरक्षा पर AISLE का काम जारी रखना और महत्वपूर्ण बुनियादी ढाँचे के संचालकों को अपने सॉफ्टवेयर का पूरी तरह निजी तरीके से विश्लेषण करने देना, जिसमें नेटवर्क से अलग-थलग (air-gapped) परिवेश भी शामिल हैं। दोनों लेख मॉडलों से जुड़ा एक और तर्क देते हैं: सुरक्षा की ऐसी कठिन समस्याएँ, जिनके समाधान सत्यापित किए जा सकते हैं, Cohere के भावी मॉडलों के मूल्यांकन और सुधार में काम आ सकती हैं।

🔗 Cohere का लेख · AISLE का लेख

GitHub : पुल रिक्वेस्ट का AI Scan और अलर्ट का एजेंटिक ऑटोफ़िक्स अब सामान्य रूप से उपलब्ध

15 अक्टूबर — GitHub ने AI पर आधारित अपने कोड स्कैनिंग के दो घटकों को सामान्य रूप से उपलब्ध कर दिया है: एक पुल रिक्वेस्ट में सुरक्षा खामियाँ खोजता है, दूसरा अलर्ट ठीक करता है।

पुल रिक्वेस्ट का AI Scan उन क्षेत्रों में CodeQL का पूरक बनता है जहाँ विश्लेषक अभी नहीं पहुँचता: PHP, Shell/Bash, Terraform कॉन्फ़िगरेशन (HCL), Java में JSP या C# में Blazor। रिपॉज़िटरी में कोड स्कैनिंग और AI Scan की सेटिंग सक्रिय होते ही यह हर पुल रिक्वेस्ट पर अपने आप चलने लगता है। इसके परिणाम CodeQL के परिणामों के साथ « AI » चिह्न के साथ दिखाई देते हैं, कभी-कभी जोखिम की व्याख्या और सुझाए गए सुधार के साथ। ये परिणाम केवल परामर्श देते हैं: इनसे चेक विफल नहीं होता और ये मर्ज को रोक नहीं सकते। यह विश्लेषण फ़ोर्क से आने वाली या Dependabot की पुल रिक्वेस्ट पर नहीं चलता।

एजेंटिक ऑटोफ़िक्स (agentic autofix) Copilot को सौंपे गए अलर्ट पर काम करता है: यह संबंधित फ़ाइलों की जाँच करता है, सुधार सुझाता है, अलर्ट बंद होने की पुष्टि के लिए CodeQL दोबारा चलाता है, ज़रूरत पड़ने पर प्रक्रिया दोहराता है और फिर ड्राफ़्ट पुल रिक्वेस्ट खोलता है। इसे डिफ़ॉल्ट ब्रांच का कोई अलर्ट सौंपा जा सकता है, एक ही पुल रिक्वेस्ट में अधिकतम 25 अलर्ट ठीक करने को दिए जा सकते हैं, या REST API के ज़रिए अलर्ट को copilot-swe-agent[bot] को सौंपा जा सकता है। सक्रिय होने के बाद यह मुफ़्त Generate Fix विकल्प की जगह ले लेता है।

सामान्य रूप से उपलब्ध GitHub घटक	योजनाएँ और शर्तें	बिलिंग का तरीका
पुल रिक्वेस्ट का AI Scan	सार्वजनिक रिपॉज़िटरी; संगठन की निजी और आंतरिक रिपॉज़िटरी के लिए Code Security या Advanced Security, Copilot लाइसेंस की ज़रूरत नहीं	Code Security AI Credits
अलर्ट का एजेंटिक ऑटोफ़िक्स	GitHub Enterprise Cloud पर Code Security या Advanced Security, डेटा रेज़िडेंसी सहित; Agentic autofix नीति और Copilot बिलिंग का माध्यम आवश्यक	Code Security बजट के AI Credits और GitHub Actions मिनट

ये दोनों लॉन्च उस श्रृंखला की अगली कड़ी हैं जिसे यहाँ सितंबर से कवर किया जा रहा है: 10 सितंबर को AI Scan सक्रिय करने की API, 25 सितंबर को प्रीव्यू में Copilot Memory पर आधारित एजेंटिक ऑटोफ़िक्स और 13 अक्टूबर को सुरक्षा अवलोकन में AI Scan के मेट्रिक्स।

🔗 पुल रिक्वेस्ट के लिए AI Scan (GitHub की परिवर्तन सूची) · कोड स्कैनिंग अलर्ट के लिए एजेंटिक ऑटोफ़िक्स (GitHub की परिवर्तन सूची)

SPACE : Perplexity ने Computer के सैंडबॉक्स को Apache 2.0 लाइसेंस के तहत ओपन सोर्स किया

15 अक्टूबर — Perplexity ने SPACE (Sandboxed Platform for Agentic Code Execution) को ओपन सोर्स कर दिया है। यह पृथक निष्पादन परिवेशों (सैंडबॉक्स) का प्लेटफ़ॉर्म है जो Perplexity Computer के हर कार्य को चलाता है। एक दिन पहले Perplexity ने विस्तार से बताया था कि SPACE हर रिक्वेस्ट को सही सैंडबॉक्स निष्पादन तक कैसे पहुँचाता है; अब इसका कोड भी GitHub पर Apache 2.0 लाइसेंस के तहत उपलब्ध है। इसमें एजेंट का हर कार्य अपनी Firecracker microVM में चलता है और क्रेडेंशियल तथा बाहर जाने वाला ट्रैफ़िक, दोनों वर्चुअल मशीन के बाहर से नियंत्रित किए जाते हैं।

इसकी सुरक्षा एक विचार पर आधारित है: सैंडबॉक्स को अविश्वसनीय माना जाता है। Computer के एजेंट इसमें रूट एक्सेस के साथ कमांड चलाते हैं, पैकेज इंस्टॉल करते हैं और बाहरी सेवाओं को कॉल करते हैं, लेकिन होस्ट उनकी पहुँच से बाहर रहता है। हर सैंडबॉक्स का अपना गेटवे प्रत्येक कनेक्शन पर बाहर जाने वाले ट्रैफ़िक की नीति लागू करता है; एजेंट अनुमत सेवाओं तक पहुँचते हैं, लेकिन क्रेडेंशियल उनके कार्य परिवेश में संग्रहीत नहीं होते। सैंडबॉक्स उसे बनाने वाली रिक्वेस्ट के बाद भी बना रहता है: उसे रोककर रखा जा सकता है, उसकी प्रतिलिपि बनाई जा सकती है (फ़ोर्क) या मेमोरी और डिस्क के स्नैपशॉट में निलंबित करके बाद में फिर चलाया जा सकता है।

SPACE का तत्व	Perplexity की ओर से दी गई जानकारी
रिपॉज़िटरी की भाषा और लाइसेंस	Rust, Apache 2.0
पृथक्करण	एजेंट के हर कार्य के लिए एक Firecracker microVM
प्रोडक्शन में पैमाना	जुलाई से Computer के सभी सत्रों के लिए हर दिन लाखों सैंडबॉक्स बनाए जाते हैं
पुराने प्रदाता की तुलना में निर्माण	उसी प्रोडक्शन ट्रैफ़िक पर तीन से पाँच गुना तेज़
Escaping SPACE, Part I	108 प्रयासों में होस्ट तक पहुँचने के लिए सैंडबॉक्स से बाहर निकलने का कोई प्रयास सफल नहीं हुआ
संस्करणों की समय-सारणी	सार्वजनिक आधार के रूप में 0.8.0, फिर 0.9.0 और 1.0.0

सितंबर के Escaping SPACE मूल्यांकन में वर्चुअल मशीन से निकलकर होस्ट तक पहुँचने का कोई सफल प्रयास नहीं मिला था, लेकिन नेटवर्क प्रतिबंधों को दरकिनार करने के तरीके मिले थे। लेख के अनुसार, इन्हें ठीक कर दिया गया और पहचाने गए तरीके बाद के परीक्षणों में सफल नहीं हुए। Rust में लिखी गई रिपॉज़िटरी को स्थानीय परीक्षण Kubernetes क्लस्टर (Kind) पर इंस्टॉल किया जा सकता है। यह पहले से तैयार सैंडबॉक्स के भंडार (वॉर्म पूल) और E2B की API के साथ संगतता की एक परत प्रदान करती है, जिसे उसके Python SDK के साथ जाँचा गया है। स्थिर कॉन्ट्रैक्ट वाले 1.0 से पहले, 0.9.0 असंगत बदलाव पेश करने वाला आख़िरी संस्करण होगा।

CoreWeave और Akamai ने अपने प्लेटफ़ॉर्म पर SPACE का परीक्षण करके उसे चलाया है और वे इसे अपने ग्राहकों को उपलब्ध कराने पर काम कर रहे हैं। Crusoe इसे अपनी Managed AI Services पेशकश में जोड़ेगा। Perplexity, SPACE को अपने एजेंट निष्पादन प्लेटफ़ॉर्म (Agentic Runtime Platform) के पहले घटक के रूप में पेश करता है, जिसे एजेंटिक उत्पादों की सुरक्षा का स्तर बढ़ाने के लिए सार्वजनिक किया गया है।

🔗 Perplexity का लेख · @perplexity_ai का थ्रेड · SPACE की रिपॉज़िटरी (GitHub)

जनरेटिव मीडिया : आम उपभोक्ताओं के GPU पर चलने वाला खुले वेट का FLUX 3 Image Klein, सभी के लिए Kling 4.0, ElevenLabs का Instant Soundtracks

15 अक्टूबर — Black Forest Labs ने FLUX 3 Image Klein जारी किया है। यह 5,6 अरब पैरामीटर वाला, खुले वेट का, केवल जनरेटर वाला इमेज मॉडल है, जो आम उपभोक्ताओं के लिए बने एक ही GPU पर चलता है। यही मॉडल टेक्स्ट से इमेज बनाता है और एक या अधिक रेफ़रेंस के आधार पर संपादन भी करता है, जिसमें अधिकतम 10 इमेज ली जा सकती हैं। इसमें 1 अक्टूबर को लॉन्च हुए FLUX 3 Image की प्रमुख सुविधाएँ शामिल हैं: नेटिव 4K जनरेशन, पिक्सेल के स्तर पर सटीक संपादन और घेरने वाले बॉक्स (बाउंडिंग बॉक्स), जो प्रॉम्प्ट में किसी तत्व की जगह तय करते हैं या संपादन को किसी क्षेत्र तक सीमित रखते हैं।

BFL के आंतरिक मूल्यांकन के अनुसार, Klein टेक्स्ट से इमेज बनाने, कई रेफ़रेंस इस्तेमाल करने और संपादन में अपने से बड़े खुले मॉडल Qwen-Image 2.1 (7B) और Krea 2 (12,9B) से आगे पहले स्थान पर है। यह तुलना में शामिल दोनों बंद मॉडल, Ideogram V4.5 और FLUX.2 [pro], से भी ऊपर है। अपने पूर्ववर्ती FLUX.2 [klein] 9B के मुकाबले यह 38 % कम पैरामीटर के साथ टेक्स्ट से इमेज बनाने में 91 Elo अंक और संपादन में 70 अंक अधिक हासिल करता है।

जाँचा गया कॉन्फ़िगरेशन	घोषित परिणाम
BF16 / FP8 में वेट	11,2 Go / 5,6 Go
GeForce RTX पर INT8 संस्करण (ComfyUI या Diffusers)	8 Go VRAM के साथ चलता है
RTX 5090, INT8 में डिस्टिल किया गया संस्करण (NVIDIA का मापन)	1 mégapixel की हर इमेज के लिए लगभग 4 s
RTX 4070, INT8 में डिस्टिल किया गया संस्करण (NVIDIA का मापन)	1 mégapixel की हर इमेज के लिए 9 s से कम
H100, Diffusers में डिस्टिल किया गया संस्करण	1024 × 1024 pixels की हर इमेज के लिए लगभग 2 s
GB300, NVFP4 में डिस्टिल किया गया संस्करण	1 mégapixel की हर इमेज के लिए 0,6 s से कम

Hugging Face ने उसी दिन इसे Diffusers में दो चेकपॉइंट के साथ शामिल कर लिया: 16 स्टेप वाला डिस्टिल किया गया संस्करण, जिसमें CFG नहीं है, और फ़ाइन-ट्यूनिंग के लिए 50 स्टेप वाला बेस संस्करण। इनके साथ NVFP4 और FP8 वेट, Qwen3-VL टेक्स्ट एनकोडर और LoRA फ़ाइन-ट्यूनिंग स्क्रिप्ट भी हैं। NVFP4 में RTX 6000 पर इन्फ़रेंस के बाद मेमोरी का अधिकतम उपयोग 15,3 Gio तक पहुँचता है। ComfyUI, TensorRT-LLM, SGLang Diffusion और vLLM-Omni भी रिलीज़ के समय से ही इसे सपोर्ट करते हैं। FP8, INT8 और NVFP4 संस्करण NVIDIA के साथ मिलकर विकसित किए गए हैं।

वेट FLUX Kommunity लाइसेंस के तहत प्रकाशित किए गए हैं। यह शोध के लिए, तथा व्यक्तियों और 5 मिलियन डॉलर से कम वार्षिक राजस्व वाली कंपनियों के व्यावसायिक उपयोग के लिए मुफ़्त है। इस सीमा से ऊपर स्वयं होस्ट करने का लाइसेंस लेना होगा या API के ज़रिए उपयोग करना होगा। BFL की API में flux-3-image-klein की कीमत प्रति 1K इमेज 0,009 डॉलर से शुरू होती है। FLUX 3 Action के बाद यह FLUX 3 परिवार का दूसरा खुला मॉडल है और BFL ने आगे और मॉडल आने की घोषणा की है।

🔗 Black Forest Labs का लेख · @bfl_ai की घोषणा · Diffusers में FLUX 3 Image Klein (Hugging Face)

Kling 4.0 अब पूरी तरह उपलब्ध, MCP और कमांड लाइन के ज़रिए भी पहुँच

15 अक्टूबर — Kling AI ने 30 सितंबर को शुरू हुई शुरुआती पहुँच के बाद Kling 4.0 को सभी के लिए उपलब्ध कर दिया है। इस वीडियो मॉडल का उपयोग kling.ai पर नए रूप में तैयार किए गए क्रिएशन इंटरफ़ेस में किया जा सकता है और अब MCP तथा कमांड लाइन (CLI) से भी। इससे इसे टूल का इस्तेमाल करने वाली प्रोडक्शन प्रक्रियाओं में जोड़ा जा सकता है। जल्द आने वाली दो सुविधाओं की घोषणा हुई है, लेकिन कोई तारीख नहीं दी गई है: 4K और 1080p में 10-बिट HDR वीडियो आउटपुट, तथा कंपनियों और डेवलपर के लिए API एक्सेस। 28 सितंबर को पेश की गई विशेषताएँ ही अब भी संदर्भ हैं: 3 से 30 सेकंड के क्लिप, अधिकतम 4K, स्टीरियो ऑडियो, 10 कीफ़्रेम, 15 रेफ़रेंस और 8 000 टोकन के प्रॉम्प्ट। घोषणा में कोई कीमत या बेंचमार्क नहीं दिया गया है।

🔗 Kling AI की घोषणा · Kling के रिलीज़ नोट्स

Instant Soundtracks : ElevenLabs वीडियो के साथ तालमेल वाले संगीत और ध्वनि प्रभाव रचता है

15 अक्टूबर — ElevenLabs ने ElevenCreative में Instant Soundtracks लॉन्च किया है: उपयोगकर्ता वीडियो अपलोड करता है और मॉडल मौलिक संगीत रचता है, उन क्षणों को पहचानता है जहाँ ध्वनि प्रभाव चाहिए और हर प्रभाव को सही टाइमस्टैम्प पर रखता है। उदाहरण के लिए, किसी विज्ञापन के अंत में आने वाले लोगो के साथ « हूश » की आवाज़ मिलाना। यह टूल छोटे वीडियो के लिए है। यह कट और ट्रांज़िशन से अधिक सटीक तालमेल रखता है, अलग-अलग दृश्यों के अनुसार संगीत का माहौल बदलता है और मूल ऑडियो को रेफ़रेंस के रूप में ले सकता है (संगीत शैली, गति, वाद्य संयोजन)। ध्वनि प्रभाव अलग-अलग ट्रैक पर आते हैं, जिन्हें एक्सपोर्ट से पहले बदला जा सकता है।

ElevenCreative Studio API का पैरामीटर	पैरामीटर की भूमिका
`add_sfx`	समय के साथ तालमेल वाले ध्वनि प्रभाव जोड़ता है
`separate_tracks`	संगीत और ध्वनि प्रभाव अलग-अलग फ़ाइलों (.ZIP) में लौटाता है
`use_audio_as_reference`	मूल ऑडियो को संगीत के रेफ़रेंस के रूप में लेता है

Instant Soundtracks, ElevenCreative, ElevenMusic और API में उपलब्ध है। API हर रिक्वेस्ट में अधिकतम 10 वीडियो, 200 Mo और कुल 10 मिनट का वीडियो स्वीकार करती है। ElevenLabs ने कीमत नहीं बताई है।

🔗 ElevenLabs की घोषणा

कोड एजेंट : Cognition ने Devin Oncall लॉन्च किया, Claude Code 2.1.301 और Code Review, Delta 0.20, Antigravity CLI 1.3.6, OpenAI में Codex, MX Keypad

15 अक्टूबर — Cognition ने Devin Oncall लॉन्च किया है, जो अब सामान्य रूप से उपलब्ध है: Devin अपने आप अलर्ट और बग रिपोर्ट की जाँच करता है, फिर टीम को प्रोडक्शन घटनाओं का निदान करने और उन्हें हल करने में मदद करता है। यह शुरुआत से ही Datadog, Dynatrace और Sentry समेत कई सेवाओं से जुड़ता है। Cognition के अनुसार, दुनिया की कुछ सबसे बड़ी कंपनियों में यह पहले से हर दिन हज़ारों प्रोडक्शन अलर्ट संभालता है। इसकी संरचना किसी एक मॉडल पर निर्भर नहीं है: Cognition हर ऑन-कॉल कार्य के लिए सबसे प्रभावी मॉडल चुनता है।

मूल्यांकन किए गए एजेंट और मॉडल	शुरू से अंत तक सफलता (SREGym-Lite)	स्कोर का स्रोत
Devin Oncall + Claude Opus 5.5	100 % (2 min 21 s में)	Cognition का आंतरिक मूल्यांकन
Devin Oncall + GPT-6 Astra	100 %	Cognition का आंतरिक मूल्यांकन
Devin Oncall + GPT-6.1 Sol	94,1 %	Cognition का आंतरिक मूल्यांकन
Devin Oncall + Claude Fable 5.1	85,3 %	Cognition का आंतरिक मूल्यांकन
CloudThinker + Claude Opus 5	76,5 %	SREGym की सार्वजनिक रैंकिंग
Codex + GPT-5.6 Sol	76,5 %	SREGym की सार्वजनिक रैंकिंग
Claude Code + Claude Sonnet 5	45,1 %	SREGym की सार्वजनिक रैंकिंग

SREGym-Lite में वास्तविक घटनाओं से ली गई 17 खराबियाँ शामिल हैं: एजेंट को एक ही रन में मूल कारण खोजना और फिर चल रहे सिस्टम को ठीक करना होता है। Devin Oncall के स्कोर Cognition के आंतरिक मूल्यांकन से हैं, जबकि अन्य एजेंटों के स्कोर 15 अक्टूबर की सार्वजनिक SREGym रैंकिंग से हैं, जहाँ CloudThinker भी GPT-6 Astra के साथ 100 % हासिल करता है। इसलिए यह बेंचमार्क अपनी सीमा तक पहुँच चुका है: Cognition के अनुसार, मध्यम श्रेणी के मॉडल भी इसमें पहले से अधिकतम स्कोर हासिल कर रहे हैं, जबकि पिछली पीढ़ी 50 से 60 % के बीच अटक जाती थी।

लेख मुख्यतः मॉडल के आसपास मौजूद टूल पर चर्चा करता है। जल्दबाज़ी में निष्कर्ष निकालने से बचाने के लिए एक समीक्षा एजेंट जाँच के समानांतर काम करता है: किसी सहसंबंध को कारण मान लेना, विरोधाभासी टेलीमेट्री को नज़रअंदाज़ करना या घटना शुरू करने वाले कारक को मूल कारण समझ लेना। मेमोरी के तीन स्तर कंपनी से जुड़ा ज्ञान संचित करते हैं: हर रिस्पॉन्डर की अपनी मेमोरी, परिवेश को नियमित रूप से इंडेक्स करके बनाई गई स्किल्स और हर जाँच से समृद्ध होने वाली संगठन की मेमोरी। Auto-Triage की नई पीढ़ी के रूप में पेश किए गए Responders अलर्ट के प्रवाह पर नज़र रखते हैं और पहले देखी गई समस्याओं को पहचानकर लगभग 60 % जाँचों की ज़रूरत टाल देते हैं। इससे पारंपरिक ऑटोमेशन की लागत के आधे से ज़्यादा की बचत होती है। Incidents मोड Devin को संकट के चैनल में रखता है, जहाँ घटना का दस्तावेज़ लगातार अपडेट किया जाता है और चाइल्ड Devin एजेंट इंजीनियरों के सीधे सवालों को संभालते हैं।

तीन ग्राहकों के उदाहरण इस लॉन्च को स्पष्ट करते हैं। Reducto में Devin ने प्रोडक्शन अलर्ट शुरू होने से काफ़ी पहले अपने आप एक घटना दर्ज की। Rivian और Volkswagen के संयुक्त उद्यम RV Tech में यह ग्राहकों की रिपोर्ट से वाहन पहचानकर्ता और टाइमस्टैम्प निकालता है, लॉग प्राप्त करता है और शुरुआती छँटाई करता है। AngelList में यह आंतरिक टूल Sky के मुकाबले 3,5 गुना अधिक बार सही मूल कारण पहचानता है और आधी घटनाएँ अकेले ही संभाल चुका है, जिसके चलते Sky का इस्तेमाल बंद कर दिया गया। किसी कीमत की घोषणा नहीं हुई है: Devin Oncall का पृष्ठ उपयोग शुरू करने या डेमो बुक करने का विकल्प देता है। यह लॉन्च जुलाई में AI की मदद से SRE करने में विशेषज्ञ TierZero के संस्थापकों के Cognition से जुड़ने की अगली कड़ी है।

🔗 Cognition का लेख · @cognition का थ्रेड · Devin Oncall का पृष्ठ

Claude Code 2.1.301 : बिना निगरानी वाले मोड में उपयोग सीमाओं की प्रतीक्षा की अधिकतम अवधि तय, 37 बग सुधार

15 अक्टूबर — 19 बजकर 22 मिनट UTC पर जारी Claude Code 2.1.301 में 51 प्रविष्टियाँ हैं, जिनमें 8 नई सुविधाएँ, 37 बग सुधार, 4 सुधार और 2 बदलाव शामिल हैं। इसमें मुख्य ध्यान बिना निगरानी के होने वाले उपयोग पर है। नया वेरिएबल CLAUDE_CODE_RETRY_WATCHDOG_MAX_USAGE_LIMIT_WAIT_MS स्वचालित पुनः प्रयास मोड (CLAUDE_CODE_RETRY_WATCHDOG) को यह सुविधा देता है कि उपयोग सीमा तक पहुँचने के बाद उसके रीसेट होने में बहुत देर हो, तो वह प्रतीक्षा करने के बजाय अनुरोध छोड़ दे। निगरानी संबंधी जानकारी में, OpenTelemetry के tool_decision इवेंट में अब classifier_verdict और permission_mode शामिल हैं, ताकि ऑटो मोड के क्लासिफ़ायर के निर्णय और अनुमति नियम में अंतर किया जा सके। साथ ही classifier_category भी शामिल है, जो रोक लगाने वाले अंतर्निहित नियम को बताता है (OTEL_LOG_TOOL_DETAILS=1 के साथ)।

कई बग सुधार विश्वसनीयता से जुड़े हैं : नवीनतम Fable संगठन के लिए उपलब्ध न होने पर अब fable एलियस (और best) त्रुटि नहीं देता, क्योंकि Claude Code पिछले Fable के साथ एक बार फिर प्रयास करता है; सत्र से बाहर निकलने पर अब WorktreeCreate hook से बनाया गया worktree बिना पूछे नहीं हटाया जाता, क्योंकि उसमें ऐसे commits हो सकते हैं जिन्हें पुश नहीं किया गया हो; खोज विफल होने पर Grep और Glob अब « कोई मेल नहीं मिला » बताने के बजाय त्रुटि दिखाते हैं। छोटी कॉन्टेक्स्ट विंडो वाले मॉडल पर जाने पर, बहुत लंबी बातचीत का सारांश पहले पिछले मॉडल से बनवाया जाता है। VS Code में जवाब अब LaTeX सूत्र दिखाते हैं, और उपयोग सीमा की पट्टी Pro तथा Max ग्राहकों को « अधिक उपयोग पाएँ » लिंक देती है।

🔗 Claude Code 2.1.301 के रिलीज़ नोट्स

Claude Code का Code Review शोध पूर्वावलोकन से निकलकर Team और Enterprise के लिए उपलब्ध

15 अक्टूबर — 9 मार्च को शोध पूर्वावलोकन के रूप में शुरू होने के सात महीने बाद, GitHub की पुल रिक्वेस्ट की अपने आप समीक्षा करने वाली Claude Code सेवा Code Review अब Claude Team और Enterprise संगठनों के लिए उपलब्ध है। Anthropic के अनुसार, अधिकांश समीक्षाएँ पूर्वावलोकन की तुलना में लगभग तीन गुना तेज़ पूरी होती हैं। उनके संक्षिप्त निष्कर्ष समस्या, उसे पैदा करने वाली स्थिति और समाधान बताते हैं। प्रशासक हर रिपॉज़िटरी के लिए एक स्तर चुनता है : Quick, Standard (डिफ़ॉल्ट) या Deep।

Code Review का मुख्य बिंदु	Anthropic की प्रकाशित जानकारी
समीक्षा की अवधि	लगभग 6 से 10 मिनट, जबकि पूर्वावलोकन में लगभग बीस मिनट लगते थे
समीक्षाओं की बिलिंग	इस्तेमाल किए गए टोकन का शुल्क, प्लान में शामिल उपयोग से अलग उपयोग क्रेडिट से कटौती, मासिक सीमा के साथ
शुरुआती क्रेडिट	पात्र Enterprise संगठनों के लिए कम से कम 10 000 डॉलर, 15 जनवरी 2027 से पहले दावा करना होगा, 30 दिन तक मान्य
फिलहाल शामिल नहीं	Zero Data Retention, HIPAA कॉन्फ़िगरेशन और फिलहाल ग्राहक द्वारा प्रबंधित कुंजियाँ (CMEK)

मूल तरीका वही रहता है : निष्कर्ष गंभीरता के अनुसार क्रमबद्ध इनलाइन टिप्पणियों में आते हैं, साथ में एक check run होता है जो कभी विफल नहीं होता। समीक्षा किसी पुल रिक्वेस्ट को न मंज़ूरी देती है, न रोकती है; मर्ज करने का निर्णय टीम के पास रहता है।

🔗 Code Review अब सामान्य रूप से उपलब्ध है (Claude) · Code Review का दस्तावेज़ीकरण

Delta 0.20 : उप-एजेंट अब निर्देशित किए जा सकने वाले उप-थ्रेड बने, एजेंट को MCP सर्वर तक पहुँच मिली

14 अक्टूबर — Zed के निर्माताओं का कई लोगों के साथ मिलकर कोड लिखने का परिवेश Delta अब संस्करण 0.20 पर पहुँच गया है (18 नई सुविधाएँ, 14 सुधार और 29 बग सुधार, फिर उसी दिन 0.20.1 में एक बग सुधार)। उप-एजेंट अब सामान्य उप-थ्रेड बन गए हैं, जिन्हें देखा जा सकता है, नई दिशा दी जा सकती है और जिनमें काम खुद आगे बढ़ाया जा सकता है। अब उप-थ्रेड के भीतर भी उप-थ्रेड हो सकते हैं; Enable Sub-agents सेटिंग का नाम अब Delegation है, जिसके तीन विकल्प हैं (Off, Only When Asked, Max)। एजेंट को MCP सर्वर तक पहुँच मिलती है, जिन्हें Settings → MCP में जोड़ा जा सकता है। किसी उप-थ्रेड से शुरू की गई समीक्षा या Land में मूल थ्रेड से मिले बदलाव भी शामिल होते हैं। इस संस्करण में अपनी Google कुंजी के साथ Gemini 4 Argon, एक /create-skill कमांड और टर्मिनल से संगठन का प्रबंधन करने के लिए delta org कमांड भी जोड़े गए हैं।

15 अक्टूबर को कॉनराड इरविन के एक व्याख्यान पर आधारित लेख ने DeltaDB का विवरण दिया। सहयोग की यह परत हर कीस्ट्रोक सर्वर और सहयोगियों तक भेजती है : इसमें diamond-types से प्रेरित CRDT हैं, और हर बदलाव किसी Git संस्करण या पिछले बदलावों से जुड़ा होता है। चूँकि हर अक्षर को यह जानकारी होती है कि उसे किस बदलाव ने बनाया, Delta उससे उसके लेखक, एजेंट और यहाँ तक कि प्रॉम्प्ट को भी जोड़ सकता है।

🔗 Delta के रिलीज़ नोट्स · DeltaDB: संस्करण नियंत्रण का भविष्य

Antigravity CLI 1.3.6 : 1.3.5 के Auto मोड और /compact के बाद, Google Cloud क्रेडेंशियल से Claude 5.5

14 अक्टूबर — Google जिस कमांड लाइन एजेंट टूल Antigravity CLI को Gemini CLI का उत्तराधिकारी बताता है, उसके संस्करण लगातार आ रहे हैं : यहाँ 8 अक्टूबर को शामिल किए गए 1.3.1 के बाद से पाँच संस्करण आ चुके हैं। 1.3.6 में Google Cloud के डिफ़ॉल्ट क्रेडेंशियल (Application Default Credentials, AGY_ADC_AUTH) से जुड़े उपयोगकर्ताओं के लिए Claude Opus 5.5 और Claude Sonnet 5.5 जोड़े गए हैं : Claude मॉडल /model में तभी दिखाई देते हैं जब Google Cloud प्रोजेक्ट को उनकी पहुँच मिली हो। यह संस्करण अनिश्चित समय तक अटके रहने की समस्या भी दूर करता है : मॉडल से 5 मिनट तक कोई डेटा न मिलने पर अनुरोध रद्द करके अपने आप दोबारा शुरू किया जाता है।

सबसे स्पष्ट नई सुविधा 1.3.5 से आती है : Auto मोड, जो फ़ाइलों के बदलाव और सुरक्षित माने गए कमांड अपने आप मंज़ूर करता है, लेकिन किसी अपरिवर्तनीय कार्रवाई से पहले हमेशा पूछता है। टर्मिनल के सैंडबॉक्स से बाहर जाने वाले कमांड की पहले एक अलग एजेंट जाँच करता है; 1.3.6 इस समीक्षा को तेज़ बनाता है, प्रोजेक्ट के फ़ॉर्मैटिंग और लिंट कमांड को अनुमति देता है और संवेदनशील डेटा भेजने वाले कमांड को रोकता है। Linux और macOS पर इस मोड को --mode auto, /config या Shift+Tab से चालू किया जा सकता है (Windows पर बाद में)। 1.3.5 में /compact भी जोड़ा गया है, जो माँगने पर बातचीत का सारांश बनाकर कॉन्टेक्स्ट विंडो में जगह खाली करता है।

Antigravity CLI का संस्करण	चेंजलॉग की तारीख	सुधार और बग सुधार	संस्करण का मुख्य बिंदु
1.3.6	14 अक्टूबर	3 + 10	ADC से Claude Opus 5.5 और Sonnet 5.5, 5 मिनट अटकने पर पुनः प्रयास
1.3.5	13 अक्टूबर	5 + 1	Auto मोड, `/compact`, `/diff` में रंग और फ़ोल्डिंग
1.3.4	12 अक्टूबर	4 + 10	`agy plugin list --json`, `--effort` के बिना मॉडल का चयन
1.3.3	9 अक्टूबर	6 + 15	MCP टूल हमेशा लोड रहते हैं, सैंडबॉक्स मज़बूत किया गया
1.3.2	7 अक्टूबर	6 + 4	`/plugin` और आधिकारिक प्लगइन मार्केटप्लेस

🔗 Antigravity का चेंजलॉग

OpenAI में Codex : Core Experimentation टीम ने GPT-6 Astra और GPT-6.1 Sol से रखरखाव की 1 400 से अधिक PR मर्ज कीं

14 अक्टूबर — OpenAI Developers ब्लॉग पर Core Experimentation टीम के एक इंजीनियर ने बताया कि GPT-6 मॉडल ने Codex में उनकी रिपॉज़िटरी के रखरखाव का काम कैसे सँभाला। यह टीम पूरी कंपनी में इस्तेमाल होने वाले प्रयोग सॉफ़्टवेयर का रखरखाव करती है। शुरुआत एक छोटे और जानबूझकर अस्पष्ट रखे गए प्रॉम्प्ट से हुई, जिसमें अनुपयोगी कोड खोजकर हटाने को कहा गया था। GPT-5.6 Sol इसे पूरा नहीं कर पाता था; GPT-6 Astra ने पुरानी PR, Slack थ्रेड, आंतरिक ट्रैकिंग टूल और प्रोडक्शन की प्रोफ़ाइलिंग तालिकाएँ देखीं, फिर हर हटाए गए हिस्से का औचित्य बताया। इसके बाद पाँच इंजीनियरों ने दो सप्ताह तक अंशकालिक रूप से इस प्रॉम्प्ट के अलग-अलग रूप इस्तेमाल किए : 1 400 से अधिक पुल रिक्वेस्ट मर्ज हुईं, 800 000 से अधिक पंक्तियाँ हटाई गईं और एक सेवा की कंटेनर इमेज 3,31 से घटकर 1,72 Go हो गई (-48 %)।

मॉडल और तर्क प्रयास का स्तर	कार्य की API लागत	स्वीकार किए गए निष्कर्ष	प्रति निष्कर्ष लागत
GPT-6 Astra Ultra	109,06 डॉलर	142	0,77 डॉलर
GPT-6.1 Sol Ultra	15,12 डॉलर	131	0,12 डॉलर
GPT-6.1 Sol Medium	5,27 डॉलर	86	0,06 डॉलर

इस तरह Python, TypeScript, Go और Rust की 6 000 से अधिक फ़ाइलों और 10 लाख पंक्तियों में किए गए एक ही सफ़ाई कार्य पर, Ultra तर्क प्रयास स्तर वाला GPT-6.1 Sol, GPT-6 Astra Ultra के 92 % निष्कर्ष उसकी API लागत के 14 % में खोज लेता है। अंतर मुख्य रूप से उन स्थिर फ़ीचर फ़्लैग (feature flags) का है जिन्हें दूसरे फ़्लैग की निर्भरता के रूप में इस्तेमाल किया गया है; Astra उन्हें पहचानता है और Sol चूक जाता है। अनुकूलन की लगभग तीस PR ने CI का मध्यिका समय भी लगभग 10 मिनट से घटाकर 4,5 मिनट कर दिया। लेखक स्वीकार करता है कि कुछ प्रस्तावों ने लाभ की तुलना में अधिक जटिलता जोड़ी, और छोटे स्तर से शुरुआत करने की सलाह देता है।

🔗 GPT-6 परिवार के साथ सॉफ़्टवेयर का रखरखाव (OpenAI Developers)

MX Keypad : GitHub और Logitech प्रोग्राम की जा सकने वाली कुंजियों के पैड से GitHub Copilot ऐप चलाते हैं

15 अक्टूबर — « परिवेशी बुद्धिमत्ता » पर केंद्रित एक लेख में GitHub के डेवलपर संबंधों के उपाध्यक्ष मार्टिन वुडवर्ड ने Logitech के साथ 18 महीने के काम का परिणाम प्रस्तुत किया : प्रोग्राम की जा सकने वाली कुंजियों का पैड MX Keypad, GitHub Copilot ऐप के साथ एकीकृत होता है। उसकी एक कुंजी तय पैरामीटर वाला प्रॉम्प्ट भेज सकती है, Copilot सत्र खोल या फिर शुरू कर सकती है, IDE कमांड चला सकती है या कई चरणों का क्रम शुरू कर सकती है। लेख इस उपकरण को तीन परतों वाली परिकल्पना में रखता है : संवाद का माध्यम (टेक्स्ट, आवाज़, भौतिक नियंत्रण) मंशा समझता है, हार्नेस योजना बनाता है और कार्रवाई करता है, जबकि कंट्रोल प्लेन डेवलपर को जाँचने, नई दिशा देने और मंज़ूरी देने देता है। लेखक सावधानी बरतता है : यह अनुभव « अभी शुरुआती दौर में है » (अभी शुरुआती दौर में), और हर डेवलपर को एक और उपकरण की ज़रूरत नहीं होती। एक लिंक से तीन महीने के मुफ़्त GitHub Copilot Pro+ के साथ MX Keypad आज़माया जा सकता है; लेख में कीमत या उपलब्धता की तारीख नहीं दी गई है।

🔗 डेवलपर का अगला इंटरफ़ेस परिवेशी बुद्धिमत्ता है (GitHub Blog)

मॉडलों की सुरक्षा : METR को Anthropic में कर्मचारी जैसी पहुँच मिली, IPI Black ने प्रॉम्प्ट इंजेक्शन के विरुद्ध 300 000 डॉलर का इनाम रखा

तीसरे पक्ष से मॉडलों की सुरक्षा परखवाने के लिए एक ही दिन की दो पहलें : Anthropic के भीतर स्वतंत्र मूल्यांकनकर्ताओं की एक टीम और एजेंट पर हमलों की एक सार्वजनिक प्रतियोगिता।

METR को Anthropic में कर्मचारी जैसी पहुँच मिली

15 अक्टूबर — Anthropic ने अग्रणी AI मॉडलों का मूल्यांकन करने वाले गैर-लाभकारी संगठन METR की एक टीम को « कर्मचारी जैसी पहुँच » (कर्मचारी के समान पहुँच) के साथ अपने भीतर शामिल करना शुरू किया है। METR के छह लोगों को कंपनी के उपकरण, दफ़्तर और आंतरिक टूल व सिस्टम तक लगभग उतनी ही पहुँच मिली है जितनी Anthropic की जोखिम मूल्यांकन टीमों को मिलती है; केवल ग्राहकों का डेटा, वकील और मुवक्किल की गोपनीयता से संरक्षित जानकारी और मॉडलों की आर्किटेक्चर तक पहुँच नहीं दी गई है। METR अपने जोखिम विश्लेषण प्रकाशित करेगा और Anthropic उन्हें रोक नहीं सकती : वह केवल पहले से तय सीमित श्रेणियों की जानकारी हटाने की माँग कर सकती है। METR सार्वजनिक रूप से यह कहने के लिए स्वतंत्र है कि उसे जानकारी हटाने की ये माँगें उचित लगती हैं या नहीं।

मूल्यांकनकर्ताओं की पहुँच का स्तर	जानकारी तक पहुँच	प्रकाशन का अधिकार	Anthropic द्वारा उल्लिखित मूल्यांकनकर्ता
स्तर 1	लक्षित जाँच, पहुँच का निर्णय Anthropic लेती है	Anthropic की मंज़ूरी के साथ	SecureBio
स्तर 2	अधिक जानकारी	मंज़ूरी के बिना, निर्धारित श्रेणियों की जानकारी हटाई जा सकती है	किसी का उल्लेख नहीं
स्तर 3	कर्मचारी जैसी	स्तर 2 जैसा	METR

Anthropic, Accenture और Faculty के साथ भी साझेदारी की तैयारी कर रही है (मॉडलों का मूल्यांकन और रेड-टीमिंग, एलाइनमेंट मूल्यांकन, सुरक्षा उपायों की जाँच) और Hugging Face सहित अन्य संगठनों के साथ शुरुआती चर्चा कर रही है। कंपनी इस व्यवस्था की तुलना बैंकिंग निगरानी से करती है, जहाँ सबसे बड़े बैंकों के भीतर स्थायी परीक्षक काम करते हैं। वह इसे सुपर इंटेलिजेंस पर व्हाइट हाउस समझौते पर अपने हस्ताक्षर के बाद का कदम बताती है, जिसके तहत कंपनियाँ स्वतंत्र बाहरी मूल्यांकनकर्ताओं के साथ काम करने की प्रतिबद्धता जताती हैं।

🔗 स्वतंत्र मूल्यांकनकर्ताओं पर नई जानकारी (Anthropic)

IPI Black : Gray Swan ने 300 000 डॉलर की अप्रत्यक्ष प्रॉम्प्ट इंजेक्शन प्रतियोगिता शुरू की

15 अक्टूबर — Gray Swan ने IPI Black (Indirect Prompt Injection: Black) शुरू किया है। यह 300 000 डॉलर की पुरस्कार राशि वाली अप्रत्यक्ष प्रॉम्प्ट इंजेक्शन की सार्वजनिक प्रतियोगिता है, जिसे Anthropic, Meta, Google DeepMind, Reflection AI, OpenAI, Amazon, Thinking Machines और AI Security Institute का समर्थन मिला है। इसमें भाग लेने के लिए अनुभव ज़रूरी नहीं है। प्रतिभागी यथार्थपरक टूल (Gmail, Slack, GitHub, X) वाले सिम्युलेटेड परिवेशों में रखे एजेंट पर हमला करते हैं : उदाहरण के लिए, सोशल मीडिया प्रबंधक के लेखन एजेंट को उसकी कंपनी के आधिकारिक खातों पर हानिकारक सामग्री प्रकाशित करने के लिए उकसाना। व्हाइट बॉक्स में एजेंट के जवाब देखे जा सकते हैं और हमले को बेहतर बनाया जा सकता है; ब्लैक बॉक्स में बिना कुछ देखे हमले का पेलोड भेजा जाता है।

प्रतियोगिता एक-एक सप्ताह के तीन चरणों में होती है, जो 15, 22 और 29 अक्टूबर को शुरू होते हैं। हर चरण की अपनी रैंकिंग होती है, और उसमें व्हाइट बॉक्स तथा ब्लैक बॉक्स के बीच 100 000 डॉलर बाँटे जाते हैं। पहले चरण में दस परिदृश्य हैं, छह व्हाइट बॉक्स और चार ब्लैक बॉक्स में। इनमें GitHub इश्यू की टिप्पणी में किसी पहचान संबंधी जानकारी के लीक होने से लेकर व्हिसलब्लोअर की झूठी रिपोर्ट तक शामिल हैं। एकत्र किए गए हमले उस बेंचमार्क में इस्तेमाल होंगे जिससे साझेदार प्रयोगशालाएँ अपने मॉडलों की हमले झेलने की क्षमता मापती हैं। Claude Code के निर्माता बोरिस चेर्नी ने भी प्रतियोगिता की जानकारी साझा की : उनके अनुसार, पिछले कुछ वर्षों में Claude मॉडल प्रॉम्प्ट इंजेक्शन के विरुद्ध काफ़ी बेहतर हुए हैं, लेकिन एजेंट जितने अधिक काम करने लगे हैं, पूरे उद्योग में इस समस्या को सुलझाना उतना ही ज़रूरी होता जा रहा है।

🔗 Gray Swan का थ्रेड · प्रतियोगिता का पृष्ठ · बोरिस चेर्नी का संदेश

नए मॉडल : समय शृंखलाओं के लिए Timestral, StepFun का Step 5 Preview, Apertus 1.5 और Jev 1.14

चार अलग-अलग तरह की पेशकशें : Mistral में पूर्वानुमान मॉडलों का एक परिवार, StepFun में एक बड़ा खुला MoE, स्विट्ज़रलैंड में पूरी तरह खुले मॉडल और TypeSafe में निर्णय लेने वाला एक मॉडल।

Timestral : Mistral ने समय शृंखलाओं के लिए आधारभूत मॉडलों का अपना पहला परिवार जारी किया

15 अक्टूबर — Mistral ने Timestral जारी किया है, जो समय शृंखलाओं के लिए आधारभूत मॉडलों (समय शृंखला आधारभूत मॉडल) का उसका पहला परिवार है। इसके चार आकार हैं, जिनकी वास्तुकला और प्रशिक्षण विधि समान है : 5M, 28M, 123M और 209M पैरामीटर। ये मॉडल संभाव्यतापरक (21 क्वांटाइल) और बहुचर पूर्वानुमान बनाते हैं, केवल अतीत के लिए ज्ञात या पहले से ज्ञात सहचरों (उत्पादन कार्यक्रम, नियोजित बंदी, मौसम के पूर्वानुमान) को ध्यान में रखते हैं, जिनमें मशीन की स्थिति जैसे श्रेणीगत सहचर भी शामिल हैं, और इतिहास के 32 768 समय चरणों तक को पढ़ते हैं।

बेंचमार्क और मेट्रिक (कम = बेहतर)	Timestral-209M	t0-gamma	TimesFM-3	Chronos-2
GIFT-Eval, MASE	0,658	0,661	0,667	0,698
GIFT-Eval, CRPS	0,446	0,452	0,456	0,485
TIME, MASE	0,626	0,637	0,640	0,662
TIME, CRPS	0,522	0,534	0,536	0,556

Mistral के अनुसार, बिना अनुकूलन के इस्तेमाल किए गए (ज़ीरो-शॉट) पूर्वप्रशिक्षित मॉडलों में 209M, केवल एक चेकपॉइंट और बिना एन्सेम्बल के, GIFT-Eval, TIME और fev-bench पर पहले स्थान पर है तथा पिछली सर्वश्रेष्ठ प्रणाली के दो-तिहाई पैरामीटर के साथ उससे बेहतर प्रदर्शन करता है ; शीर्ष मॉडलों के बीच अंतर छोटा है, और छोटा 28M भी GIFT-Eval तथा TIME पर अपने से लगभग चार गुना बड़े Chronos-2 को पीछे छोड़ देता है। Timestral को GPU की आवश्यकता नहीं है : 8 थ्रेड वाले सर्वर प्रोसेसर पर, 15 मिनट के अंतराल वाले तीन सप्ताह के इतिहास से एक दिन का पूर्वानुमान बनाने में 5M को 10 ms और 209M को 140 ms लगते हैं। वेट Hugging Face पर एक « संशोधित MIT » लाइसेंस के तहत उपलब्ध हैं, जिसमें 20 मिलियन डॉलर से अधिक समेकित मासिक राजस्व वाली कंपनियाँ शामिल नहीं हो सकतीं। कोड GitHub पर Apache-2.0 के तहत है, और दस्तावेज़ Timestral 1.0 को सार्वजनिक पूर्वावलोकन बताते हैं ; Mistral Forge निजी स्वामित्व वाले डेटा पर फाइन-ट्यूनिंग की सुविधा देता है, और इसे बिना नेटवर्क कनेक्शन के भी तैनात किया जा सकता है।

🔗 Timestral का परिचय (Mistral) · Hugging Face पर Timestral-209M

Step 5 Preview : NVIDIA के अनुसार, StepFun ने 24 घंटे तक चलने वाले एजेंट कार्यों के लिए 600 अरब पैरामीटर वाला खुला MoE जारी किया

15 अक्टूबर — NVIDIA ने Step 5 Preview के जारी होने का स्वागत किया है, जिसे उसका @NVIDIAAI खाता StepFun की अब तक की सबसे बड़ी खुले वेट वाली पेशकश बताता है : 600 अरब पैरामीटर वाला विशेषज्ञों का मिश्रण, जिसे 24 घंटे तक चल सकने वाले एजेंट कार्यों के लिए बनाया गया है। NVIDIA ने NVFP4 में GB300 पर प्रति GPU लगभग 8 000 टोकन प्रति सेकंड की घोषणा की है। इसके साथ Hugging Face पर NVFP4 चेकपॉइंट, SGLang और vLLM के लिए तैनाती विधियाँ, NeMo AutoModel के साथ पश्च-प्रशिक्षण और एक ही कमांड से शुरू होने वाला NIM उपलब्ध है। NVIDIA के संदेश में न कोई बेंचमार्क दिया गया है, न लाइसेंस।

🔗 @NVIDIAAI का संदेश

Apertus 1.5 : Swiss AI ने छवि, ऑडियो और 262 144 टोकन के संदर्भ वाले पूरी तरह खुले 8B और 70B मॉडलों का विवरण दिया

15 अक्टूबर — स्विस पहल Swiss AI ने अपने पूरी तरह खुले मॉडल परिवार Apertus 1.5 के संस्करण विवरण और तकनीकी रिपोर्ट जारी किए हैं। 8B और 70B के वेट 24 जुलाई से Apache 2.0 के तहत ऑनलाइन उपलब्ध थे ; रिपोर्ट में मध्यवर्ती चेकपॉइंट (base, SFT, RLVR, DPO), डेटा मिश्रण और मूल्यांकन पत्रक भी प्रकाशित किए गए हैं, ताकि दूसरे शोधकर्ता प्रशिक्षण के हर चरण के प्रभाव का अध्ययन कर सकें।

Apertus 1.5 मॉडल	पूर्वप्रशिक्षण में जोड़े गए टोकन	कुल टोकन
8B	4 000 अरब	19 000 अरब
70B	2 000 अरब	17 000 अरब

छवि और ऑडियो अलग एनकोडर के बिना टोकनाइज़र से होकर गुजरते हैं : 512 × 512 पिक्सेल की एक छवि 1 024 टोकन बन जाती है और एक सेकंड का ऑडियो 40 टोकन, इसलिए प्रशिक्षण केवल पाठ वाले प्रशिक्षण की गति से चलता है ; मॉडल छवि और ऑडियो समझते हैं, लेकिन केवल पाठ उत्पन्न करते हैं, और ऑडियो अभी प्रायोगिक है। इनमें एक वैकल्पिक चिंतन मोड और 262 144 टोकन का संदर्भ भी जोड़ा गया है, जो चार गुना लंबा है। लेखक स्वीकार करते हैं कि ये अभी सर्वश्रेष्ठ खुले मॉडलों से पीछे हैं, लेकिन उनका कहना है कि निर्देशों का पालन करने और बहुभाषी क्षमताओं में 8B अपने आकार के मॉडलों से आगे है ; लेख में इसके लिए कोई संख्यात्मक स्कोर नहीं दिया गया है। परिणाम Every Eval Ever प्रारूप में प्रकाशित किए गए हैं, जिसे यूरोपीय AI Act के अनुपालन को ध्यान में रखकर बनाया गया है।

🔗 Apertus 1.5 के संस्करण विवरण (Hugging Face)

Jev 1.14 : TypeSafe ने पूर्वावलोकन में छवियाँ, Box प्रश्न और चार गुना लंबा संदर्भ उपलब्ध कराया

14 अक्टूबर — TypeSafe ने अपने निर्णय मॉडल का नया संस्करण Jev 1.14 घोषित किया है, जिसे बिना किसी सहायक आँकड़े के « नया और बेहतर » बताया गया है। इसके साथ तीन प्रायोगिक सुविधाएँ आई हैं : छवियाँ, जिन्हें उन सभी जगहों पर रखा जा सकता है जहाँ पहले पाठ दिया जाता था और जिनका समर्थन Jev के मौजूदा संस्करण में भी उपलब्ध है ; System One का एक नया प्रश्न प्रकार, Box, जो छवि में किसी वस्तु का घेरने वाला चौखटा चार किनारों के रूप में लौटाता है, जिन्हें चौड़ाई और ऊँचाई के अंशों में व्यक्त किया जाता है ; और चार गुना लंबा संदर्भ, हालाँकि TypeSafe अब भी इसे सीमित रखने की सलाह देता है। ये सुविधाएँ अभी पूर्वावलोकन में हैं और TypeSafe के अनुसार उत्पादन में इस्तेमाल के स्तर तक नहीं पहुँची हैं। इन्हें TypeSafe-Danger-Zone-Images: true हेडर से सक्रिय किया जाता है ; Box प्रश्नों के लिए Jev 1.14 आवश्यक है, जिसे jev-preview या jev-1.14.0 से बुलाया जाता है। Zed ने वेस बॉस का हवाला देते हुए इस पेशकश का स्वागत किया। वेस बॉस के हिसाब से 850 × 850 पिक्सेल की छवि पर एक प्रश्न की लागत 0,000096936 डॉलर है, यानी एक डॉलर में लगभग 10 000 छवियाँ : यह वेस बॉस की गणना है, TypeSafe द्वारा प्रकाशित दर नहीं।

🔗 TypeSafe की घोषणा · Box के दस्तावेज़

विज्ञान के लिए एआई : CERN और Mistral का लक्ष्य Large Physics Model, Sakana AI ने The Agentic Scientist पेश किया, OpenAI ने गणितज्ञों के लिए धन दिया

एआई को शोध में लगाने के तीन तरीके : कण टक्करों की भौतिकी के लिए एक आधारभूत मॉडल, शुरू से अंत तक शोध करने के लिए निर्देशित कोड एजेंट, और गणितज्ञों को एआई द्वारा उत्पन्न परिणामों की जाँच करने के लिए धन।

CERN और Mistral ने Large Physics Model विकसित करने के लिए साझेदारी की

15 अक्टूबर — CERN और Mistral ने वैज्ञानिक खोज के लिए आधारभूत मॉडलों पर केंद्रित दीर्घकालिक रणनीतिक साझेदारी के उद्देश्य से एक आशय घोषणा (साझेदारी की मंशा का वक्तव्य) पर हस्ताक्षर किए हैं। परियोजना के केंद्र में एक ही पूर्वप्रशिक्षित Large Physics Model है, जिसे CERN कण टक्करों की भौतिकी का पहला आधारभूत मॉडल बताता है। इसे लार्ज हैड्रॉन कोलाइडर (LHC) में अरबों सिम्युलेटेड प्रोटॉन-प्रोटॉन टक्करों पर प्रशिक्षित किया जाएगा। इसे एक साथ कई कार्य करने हैं : टक्करों का पुनर्निर्माण, कणों की पहचान, अप्रत्याशित संकेतों का पता लगाना और भविष्य के डिटेक्टर डिज़ाइनों का मूल्यांकन। आज इन विश्लेषणों के लिए विशेषीकृत एल्गोरिदम की एक शृंखला इस्तेमाल होती है। CERN पहले ही LHC का लगभग एक एक्साबाइट (दस लाख टेराबाइट) प्रायोगिक डेटा संग्रहित कर चुका है, और लगभग 2030 तक अपेक्षित उच्च दीप्ति वाले LHC (HL-LHC) के साथ टक्करों की संख्या दस गुना होनी है। विज्ञप्ति में CERN की मुख्य सूचना अधिकारी एनरिका पोरकारी और Mistral में इंजीनियरिंग के लिए एआई के उपाध्यक्ष योहानेस ब्रांडश्टेटर का उल्लेख है, लेकिन राशि, समय-सारणी या कंप्यूटिंग संसाधनों की जानकारी नहीं दी गई है।

🔗 CERN की विज्ञप्ति · @MistralAI की पोस्ट शृंखला

The Agentic Scientist : Sakana AI ने शुरू से अंत तक शोध करने के लिए कोड एजेंटों को एक ढाँचे में व्यवस्थित किया

15 अक्टूबर — Sakana AI ने The Agentic Scientist पेश किया है। यह उसके AI Scientist की नई पीढ़ी है, जो 2024 से यह जाँचने वाली परियोजना है कि एआई अकेले कितनी दूर तक शोध कर सकता है। इसकी शुरुआत एक अवलोकन से होती है :

Coding agents such as Codex and Claude Code now carry out long software tasks on their own. Handing them a research problem, however, tends to produce a strong hyperparameter optimizer rather than a scientist: scores go up, but ideas stay narrow, and the reasons for the gain are rarely examined.

🇮🇳 Codex और Claude Code जैसे कोड एजेंट अब लंबे सॉफ़्टवेयर कार्य अपने आप पूरे करते हैं। फिर भी, उन्हें कोई शोध समस्या सौंपने पर अक्सर वैज्ञानिक के बजाय एक बेहतरीन हाइपरपैरामीटर अनुकूलक मिलता है : स्कोर बढ़ते हैं, लेकिन विचार सीमित रहते हैं और सुधार के कारणों की जाँच शायद ही कभी की जाती है। — X पर @SakanaAILabs

इसका उत्तर मौजूदा कोड एजेंटों (Codex, Claude Code, OpenCode, Pi) के चारों ओर बनाया गया एक सहायक ढाँचा है : समानांतर एजेंट किसी भी प्रयोग से पहले तय किए गए मूल्यांकन मानदंडों के आधार पर परिकल्पनाएँ जाँचते हैं, अपनी सफलताएँ और विफलताएँ साझा स्मृति में दर्ज करते हैं, फिर प्रणाली आधाररेखा प्रयोगों, घटक हटाकर किए जाने वाले प्रयोगों, सीलबंद अंतिम मूल्यांकन और विश्लेषणों से आगे बढ़ते हुए शोधपत्र लिखने तक पहुँचती है। Sakana AI ने इसे 5 विषयों पर 9 मॉडलों (4 GPT, 4 Claude, 1 DeepSeek) और 4 हार्नेस के साथ परखा, यानी मॉडल-हार्नेस के 14 संयोजन और 70 शोध अभियान : सबसे नए मॉडल बेहतर शोधपत्र बनाते हैं, और हार्नेस के चुनाव का महत्व मॉडल के चुनाव से कम है। एक विकासाधीन संस्करण ने शोधकर्ताओं के साथ मिलकर जीवविज्ञान से प्रेरित सीखने के नियम Error Diffusion पर एक शोधपत्र लिखा, जिसे ALIFE 2026 में मौखिक प्रस्तुति के लिए स्वीकार किया गया ; लंबे दस्तावेज़ों से तथ्य प्राप्त करने के कार्य (Doc-to-LoRA) में यह प्रणाली मॉडल को दोबारा प्रशिक्षित किए बिना सटीकता 52 % से 98 % तक पहुँचाती है। कोड Apache 2.0 के तहत खुला है ; Sakana AI याद दिलाता है कि प्रश्न चुनना और दावों की जाँच करना अब भी मनुष्यों का काम है, तथा एजेंट सभी अनुमतियों के साथ चलते हैं, इसलिए Docker की सिफ़ारिश की गई है।

🔗 Sakana AI का लेख · arXiv पर शोधपत्र · AI-Scientist-v3 रिपॉज़िटरी

OpenAI ने गणितज्ञों के लिए Simons Foundation की एक पहल को 5 मिलियन डॉलर दिए

15 अक्टूबर — OpenAI ने Simons Foundation की एक नई पहल के लिए 5 मिलियन डॉलर के योगदान की घोषणा की है। इसका उद्देश्य गणितज्ञों को एआई द्वारा उत्पन्न परिणामों की जाँच करने, उन्हें समझने और आगे बढ़ाने में सहायता देना है, जिनमें OpenAI द्वारा हाल ही में प्रकाशित परिणाम भी शामिल हैं। 6 अक्टूबर को कंपनी ने एक अप्रकाशित आंतरिक मॉडल से प्राप्त गणितीय परिणामों की 722 पांडुलिपियाँ जारी की थीं और चेतावनी दी थी कि कुछ ऐसे परिणामों में त्रुटियाँ हो सकती हैं जिन्हें औपचारिक रूप नहीं दिया गया है। धन का प्रबंधन और आवंटन फ़ाउंडेशन करेगा, और इसका इस्तेमाल कार्यशालाओं, सम्मेलनों तथा विशेष कार्यक्रमों के लिए होगा ; OpenAI, Simons Foundation द्वारा समर्थित शोधकर्ताओं को अपने मॉडलों और कंप्यूटिंग संसाधनों तक पहुँच भी देगा। संदेश में Simons Foundation के उस संदेश का उल्लेख है, जिसमें फ़ाउंडेशन ने कार्यशालाओं और पहलों के लिए कुल 15 मिलियन डॉलर देने की बात कही है। Anthropic और OpenAI के साथ नई साझेदारियों के माध्यम से उसके समर्थित शोधकर्ताओं को निःशुल्क कंप्यूटिंग संसाधन भी मिलेंगे। X पर एक साधारण संदेश में की गई इस घोषणा में न पहल का नाम बताया गया है, न उसकी समय-सारणी।

🔗 OpenAI की घोषणा · 6 अक्टूबर की 722 पांडुलिपियाँ (OpenAI)

Claude Opus 5.5 : त्वरित मोड शोध पूर्वावलोकन से बाहर आया, प्रति मिलियन टोकन 8 और 40 डॉलर की दर पर

15 अक्टूबर — Claude Opus 5.5 का त्वरित मोड (त्वरित मोड) Claude Platform पर शोध पूर्वावलोकन से बाहर आ गया है और इसके लिए कोई प्रतीक्षा सूची नहीं है। यह उन्हीं वेट वाला वही मॉडल है, जो प्रति सेकंड 2,5 गुना तक अधिक आउटपुट टोकन देता है और जिसके लिए Opus 5.5 की मानक दर से दोगुना शुल्क लिया जाता है। अनुरोधों में अब बीटा हेडर fast-mode-2026-02-01 की आवश्यकता नहीं है (इसे अब भी भेजने वाले अनुरोध स्वीकार किए जाते हैं), और उपयोग के हर स्तर पर अब इस मोड के लिए एक डिफ़ॉल्ट दर सीमा है, जो मानक गति वाले Opus की सीमा से अलग है।

त्वरित मोड में Claude मॉडल	15 अक्टूबर की स्थिति	प्रति मिलियन टोकन दर (इनपुट / आउटपुट)
Opus 5.5	उपलब्ध, प्रतीक्षा सूची या बीटा हेडर की आवश्यकता नहीं	8 / 40 डॉलर (मानक गति पर 4 / 20)
Opus 5	शोध पूर्वावलोकन, बीटा हेडर आवश्यक	10 / 50 डॉलर
Opus 4.8	शोध पूर्वावलोकन, बीटा हेडर आवश्यक	10 / 50 डॉलर

सुधार आउटपुट की दर में है, पहले टोकन से पहले लगने वाले समय में नहीं, और गति बदलने से प्रॉम्प्ट कैश अमान्य हो जाता है ; यह मोड Batch API के साथ अब भी उपलब्ध नहीं है। Azure पर होस्ट की गई तैनातियों के लिए यह Microsoft Foundry में भी उपलब्ध है, जिसकी पुष्टि अब दस्तावेज़ों में होती है ; @ClaudeDevs के अनुसार Google Cloud पर यह बाद में आएगा, और यह मोड Amazon Bedrock तथा Claude Platform on AWS पर अब भी उपलब्ध नहीं है। Claude Code में कोई बदलाव नहीं है : त्वरित मोड अब भी अतिरिक्त उपयोग क्रेडिट खर्च करता है।

🔗 @ClaudeDevs की घोषणा · त्वरित मोड के दस्तावेज़

Hugging Face लाइब्रेरी : Transformers 5.20.0 और TRL 1.16.0 में Muse Spark Open का समर्थन जोड़ा गया

Hugging Face की दोनों प्रमुख लाइब्रेरी Muse Spark Open के लॉन्च के दिन ही जारी हुई हैं और उसका समर्थन करती हैं। दोनों में अपनी अलग नई सुविधाएँ भी हैं।

Transformers 5.20.0 : सात मॉडल जोड़े गए और निर्यात के दौरान क्वांटाइज़ेशन की सुविधा आई

15 अक्टूबर — Hugging Face ने Transformers 5.20.0 जारी किया है। इस संस्करण का प्रमुख आकर्षण Muse Spark Open का आगमन है, जिसे उसके जारी होने के दिन ही समर्थन मिल गया। लाइब्रेरी में छह अन्य मॉडल भी शामिल हुए हैं।

Transformers में जोड़ा गया मॉडल	मॉडल का प्रकाशक	तकनीकी विशेषता
Muse Spark Open	Meta	मल्टीमोडल MoE, 816 अरब पैरामीटर, जिनमें से 42 अरब सक्रिय
Ling 3.0 Flash	InclusionAI	हाइब्रिड MoE, हर एक MLA परत के लिए पाँच Kimi Delta Attention परतें
Kolibri 1	Aleph Alpha	जर्मन-अंग्रेज़ी तर्क वाला MoE, प्रति टोकन 384 में से 6 विशेषज्ञ
MiniCPM-V 4.7	OpenBMB	छवियों और वीडियो के लिए कैनवस M-RoPE स्थितियाँ
UnlimitedOcr	Baidu	3 अरब पैरामीटर वाला OCR, स्थिर KV कैश
UltraBERT	DMIS Lab	150M और 380M पैरामीटर के एनकोडर, 32K टोकन का संदर्भ
MOSS-Transcribe-Diarize	OpenMOSS	0,9 अरब पैरामीटर, 50 से अधिक भाषाओं में प्रतिलेखन और वक्ता विभाजन

उपकरणों की बात करें तो निर्यातक अब ONNX, OpenVINO या ExecuTorch में निर्यात करते समय क्वांटाइज़ेशन कर सकते हैं, और टेन्सर समानांतरण के साथ किए गए FSDP प्रशिक्षण के चेकपॉइंट किसी दूसरी कॉन्फ़िगरेशन में दोबारा लोड किए जा सकते हैं। हालाँकि, Hugging Face ने विशेषज्ञ समानांतरण के साथ अनुमान चलाने की गति में गिरावट की चेतावनी दी है, जिसे ठीक किया जा रहा है। साथ ही, पुराने कोड के साथ असंगत कई बदलाव भी हैं, जिनमें अप्रचलित घोषित की गई कैश विधियों को हटाना शामिल है।

🔗 Transformers 5.20.0 के संस्करण विवरण

TRL 1.16.0 : AWS Trainium पर प्रशिक्षण और 3,1 गुना तक तेज़ AsyncGRPO

15 अक्टूबर — TRL 1.16.0 के साथ Hugging Face की प्रशिक्षण लाइब्रेरी अब AWS की Trainium चिप पर भी काम करती है : एक नई डिफ़ॉल्ट सेटिंग Trainium को अनुक्रम की हर नई लंबाई पर दोबारा संकलन करने से बचाती है, जिससे एक छोटे परीक्षण प्रशिक्षण का समय आधा हो जाता है। Trainium2 पर Qwen3-0.6B के SFT के 20 चरण 260 के बजाय 130 सेकंड में पूरे हुए। दूसरा बदलाव एजेंट के पुनर्बलन अधिगम से जुड़ा है : कई संवाद चरणों या कई जनरेशन वाले उत्पन्न प्रक्षेपपथों (rollouts) में बातचीत का एक ही शुरुआती हिस्सा अलग-अलग पंक्तियों में दोहराया जाता है, और AsyncGRPO अब इसे प्रीफ़िक्स ट्री में व्यवस्थित करता है ताकि इसकी गणना केवल एक बार हो। Qwen3-1.7B पर, हर प्रक्षेपपथ में 32K टोकन के साथ, गति 3,10 गुना तक बढ़ती है और अधिकतम मेमोरी उपयोग 35,2 से घटकर 13,5 Gio हो जाता है ; साझा प्रीफ़िक्स न होने पर अतिरिक्त भार लगभग 1 % है। यह संस्करण Muse Spark Open का भी समर्थन करता है, जिसे 64 H100 GPU पर LoRA से फ़ाइन-ट्यून किया जा सकता है (हर चरण में 14,2 सेकंड, हर GPU पर 40,2 Go), और एसिंक्रोनस ट्रेनर में AMD GPU का समर्थन भी जोड़ता है।

🔗 TRL 1.16.0 के रिलीज़ नोट्स

GPT-Live-1.1 : ChatGPT, Codex और dots में नई आवाज़ें और अधिक स्वाभाविक लहजे

15 अक्टूबर — OpenAI अपने आवाज़ मॉडल को अपडेट कर रहा है। GPT-Live-1.1 और उसका छोटा रूप GPT-Live-1.1 Quip, जिसे मॉडल का मिनी संस्करण बताया गया है, ChatGPT, Codex और 29 सितंबर को लॉन्च हुए स्थायी एजेंट dots के वॉइस मोड में उपलब्ध कराए जा रहे हैं। इनमें अलग-अलग भाषाओं के लहजे अधिक स्वाभाविक हैं। खोज शुरू करते समय मॉडल जो छोटे वाक्य बोलता है, उनमें भी अब अधिक विविधता है : OpenAI इस सुधार को « जाँच कर रहा हूँ… जैसी बातें कम » कहकर बताता है।

छह भाषाओं को नई Live आवाज़ें मिल रही हैं : फ़्रेंच, जर्मन, हिन्दी, जापानी, कोरियाई और मेक्सिको की स्पैनिश। इनके साथ Bubbie नाम की एक अंग्रेज़ी आवाज़ भी जुड़ी है ; उपलब्ध आवाज़ें क्षेत्र और खाते के अनुसार बदल सकती हैं, और उन्हें Settings > Voice में चुना जाता है। यह अपडेट सभी उपयोगकर्ताओं के लिए 15 अक्टूबर से जारी हो रहा है और API में « जल्द » आएगा, जहाँ GPT-Live-1, 10 सितंबर से 0,05 डॉलर प्रति मिनट पर उपलब्ध है। OpenAI ने न तो कोई बेंचमार्क प्रकाशित किया है, न यह बताया है कि अलग-अलग सदस्यता योजनाओं में GPT-Live-1.1 और Quip कैसे उपलब्ध होंगे।

🔗 OpenAI की घोषणा · ChatGPT के रिलीज़ नोट्स

Universal Cart : Google ने अमेरिका में Google Search और Gemini ऐप के लिए साझा कार्ट लॉन्च किया

15 अक्टूबर — Google अमेरिका में Universal Cart लॉन्च कर रहा है। मई में Google I/O में पहली बार दिखाया गया यह « स्मार्ट » शॉपिंग कार्ट Google Search, जिसमें AI Mode भी शामिल है, और Gemini ऐप, दोनों में उपलब्ध कराया जा रहा है : इनमें से किसी भी जगह से जोड़ा गया उत्पाद उसी कार्ट में रहता है, चाहे विक्रेता कोई भी हो। लेख में AI Mode से एक बैग जोड़ने, फिर Gemini ऐप से एक स्वेटर और एक लिप ग्लॉस जोड़ने का उदाहरण दिया गया है, जो बाद में एक साथ मिलते हैं।

Universal Cart की सुविधा	Google के अनुसार इससे क्या मिलता है
कई विक्रेताओं का साझा कार्ट	Google की एक सेवा से दूसरी सेवा तक वही कार्ट बना रहता है
कीमत और उपलब्धता की सूचनाएँ	Shopping Graph की 60 अरब से अधिक उत्पाद प्रविष्टियों पर कीमत घटने और दोबारा उपलब्ध होने की सूचनाएँ
Google Wallet का उपयोग	भुगतान का तरीका चुनने के लिए सहेजे गए कार्ड के लाभ और उपयुक्त प्रोमो कोड
खरीदारी का भुगतान	कार्ट से Google Pay के ज़रिए भुगतान (Universal Commerce Protocol) या विक्रेता की वेबसाइट पर जाना

सीधा भुगतान Nike, Sephora, Target, Ulta Beauty, Walmart, Wayfair और Shopify के कई विक्रेताओं के यहाँ काम करता है ; हर स्थिति में विक्रेता ही बिक्री करता है और पुष्टिकरण तथा ग्राहक सेवा संभालता है। Google इस उपकरण को उन सुविधाओं में रखता है जिनमें नियंत्रण खरीदार के हाथ में रहता है, और साथ ही उसके लिए कार्रवाई करने वाली एजेंट क्षमताओं पर भी काम कर रहा है। दूसरे देशों के लिए कोई तारीख नहीं बताई गई है।

🔗 Universal Cart (Google का ब्लॉग)

Manus Automations : समय-सारणी या ट्रिगर से शुरू होने वाले आवर्ती कार्य

15 अक्टूबर — Manus ने Automations लॉन्च किया है, जो बार-बार होने वाले काम को « ऑटोपायलट » पर डालता है : उपयोगकर्ता बताता है कि काम कब शुरू होना चाहिए और परिणाम कैसा दिखना चाहिए। काम शुरू करने के तीन तरीके उपलब्ध हैं : समय-सारणी, जैसे हर कार्यदिवस सुबह 8 बजे ; किसी जुड़े हुए ऐप से संबंधित ट्रिगर, जैसे Gmail में बिल आना ; और बीटा में उपलब्ध उन्नत ऑटोमेशन, जो उपयोगकर्ता की बताई कई स्रोतों और शर्तों को जोड़ता है। यह सुविधा मई के Scheduled Tasks 2.0 और 28 सितंबर को Manus 2.0 के साथ घोषित घटना से शुरू होने वाले ऑटोमेशन को आगे बढ़ाती है। पोस्टों के इस क्रम में न आवश्यक सदस्यता योजना बताई गई है, न क्रेडिट की लागत।

🔗 Manus की घोषणा

संक्षिप्त समाचार

एजेंट और कोडिंग उपकरण

Devin के 14 अक्टूबर के रिलीज़ नोट्स — Devin Oncall के लॉन्च से एक दिन पहले, Devin ने ऑब्ज़र्वेबिलिटी प्लगइन के रूप में Splunk, Elastic, Dynatrace, Chronosphere और Google Cloud Monitoring जोड़े हैं। साथ ही, व्यवस्थापक अधिकारों के बिना समीक्षा नियम संभालने वाली Review manager भूमिका और CSV के अलावा SARIF 2.1.0 प्रारूप में कोड स्कैन के निष्कर्ष निर्यात करने की सुविधा जोड़ी है। 🔗 स्रोत
Warp और उसकी सॉफ़्टवेयर फ़ैक्ट्रियाँ — कार्यपद्धति पर दो लेखों में, जिनमें कोई नई सुविधा नहीं है, Warp के संस्थापक ज़ैक लॉयड कहते हैं कि उन्होंने छह सप्ताह में अपनी टीम की प्रति PR लागत 80 से घटाकर 20 डॉलर कर दी, साथ ही बदलाव वापस लेने की ज़रूरत घटी और पिछले महीने की तुलना में PR की दर 40 % बढ़ी। 🔗 स्रोत
Qwen Code v0.25.2 — 13 अक्टूबर के पूर्वावलोकन के दो दिन बाद यह संस्करण स्थिर रिलीज़ बन गया है। इसमें उस पूर्वावलोकन से अतिरिक्त 68 पुल रिक्वेस्ट हैं, जिनमें 11 सुविधाएँ (Web Shell में फ़ाइल खींचकर छोड़ना, भेजने से पहले MCP Apps के संदेशों की समीक्षा, वर्कफ़्लो कार्य रद्द करना और Managed Agent के लिए 32 तालिकाओं में स्थायी डेटा भंडारण) और 38 सुधार शामिल हैं। 🔗 स्रोत
Copilot CLI 1.0.99 का पूर्वावलोकन — एक ही दिन में दो पूर्वावलोकन संस्करण, कोई स्थिर संस्करण नहीं : सैंडबॉक्स अब डिफ़ॉल्ट रूप से स्थानीय नेटवर्क तक पहुँच देता है, /share पूरे स्क्रीन का मेन्यू खोलता है, भरोसेमंद रिपॉज़िटरी के प्लगइन अपने आप इंस्टॉल होते हैं, और सत्यापित Skills तथा प्लगइन GitHub लिंक से इंस्टॉल किए जा सकते हैं। 🔗 स्रोत
Antigravity SDK 0.1.22 — गतिशील वर्कफ़्लो का संचालन और मेमोरी में परिभाषित स्किल जोड़ता है : 11 अक्टूबर की छूटी जानकारी के तौर पर, Python SDK बीटा में एजेंट वर्कफ़्लो लिखने के लिए टाइपयुक्त घटक (phase, agent, parallel, pipeline), बिना फ़ाइल के घोषित स्किल (InlineSkill) और हर चरण में आउटपुट टोकन की सीमा 64k टोकन से अधिक रखने की सुविधा देता है। 🔗 स्रोत
google/adk-recipes — adk-samples के पुनर्गठित उत्तराधिकारी के रूप में, Google के Agent Development Kit के उदाहरणों की यह रिपॉज़िटरी अब कोडिंग सहायकों के लिए तैयार की गई है : हर रेसिपी में एक manifest.yaml और एक AGENTS.md मिलता है, पहला व्यावसायिक प्लगइन खुदरा व्यापार के लिए है, और Horizon कई दिनों तक काम करने वाले एजेंट के लिए संदर्भ हार्नेस है। 🔗 स्रोत
DeepSeek Harness 0.2.1-alpha.4 — 28वाँ पूर्वावलोकन, अब भी कोई स्थिर संस्करण नहीं : कस्टम API के लिए हर मॉडल का तर्क प्रयास सीधे इंटरफ़ेस में तय किया जा सकता है, और प्लगइन कस्टम इंडेक्स से इंस्टॉल होते हैं ; उसी दिन FlashMLA, CPython और LibTorch के स्थिर बाइनरी इंटरफ़ेस पर चला गया। 🔗 स्रोत
16 नवंबर को तीन मॉडल Copilot से हटेंगे — Claude Opus 4.8 और Claude Opus 5 की जगह Claude Opus 5.5 लेना होगा, और GPT-5.6 Terra की जगह GPT-6.1 Sol या GPT-6 Luna ; वार्षिक योजना वाले व्यक्तिगत ग्राहकों के पास Claude Opus 4.8 बना रहेगा, और Business तथा Enterprise में विकल्प अपने आप सक्रिय हो जाएँगे। 🔗 स्रोत

सहायक, उद्यम और मार्गदर्शिकाएँ

मैसेजिंग ऐप में Genspark — PDF का सारांश बनाने या प्रस्तुति तैयार करने के लिए iMessage, WhatsApp, Slack या LINE में @genspark_ai को संदेश भेजा जाता है, और परिणाम उसी बातचीत में वापस आता है ; न सदस्यता योजना बताई गई है, न कीमत। 🔗 स्रोत
Kimi Work 3.2.17 और तीसरा ट्यूटोरियल — 3.2.16 के तीन दिन बाद, बातचीत में अब चित्र दिखाई देते हैं और रिमोट कंट्रोल से Agent Swarm मोड चुना जा सकता है ; Moonshot AI ने वर्कफ़्लो ऑटोमेशन पर तीसरा शुरुआती प्रशिक्षण वीडियो भी प्रकाशित किया है, जिसमें किसी सुविधा को नया नहीं बताया गया है। 🔗 रिलीज़ नोट्स · 🔗 ट्यूटोरियल
Anthropic की फ़ेलोशिप — STEM Fellows और नई Conceptual Reasoning Fellows फ़ेलोशिप (दर्शनशास्त्र, संज्ञानात्मक विज्ञान, अर्थशास्त्र, सार्वजनिक नीति, कानून) के लिए आवेदन 28 अक्टूबर तक खुले हैं : 12 जनवरी से 8 मई 2027 तक चार महीने का पूर्णकालिक काम, 100 000 से 167 000 डॉलर तक पारिश्रमिक, और अमेरिका में काम करने की अनुमति आवश्यक है। 🔗 स्रोत
Claude Enterprise की Compliance API — बीटा में यह API व्यवस्थापकों को हर सदस्य के claude.ai और Cowork में सहेजे गए व्यक्तिगत निर्देश देती है ; इससे एक दिन पहले Managed Agents की निर्धारित तैनातियाँ Claude Platform on AWS पर आई थीं। 🔗 स्रोत
Block और OpenAI Daybreak — OpenAI के 14 अक्टूबर के एक केस अध्ययन में Block (Square, Cash App, Afterpay) की सुरक्षा टीम कहती है कि उसने हमले के सिमुलेशन अभ्यासों में रिपोर्ट की गई कमज़ोरी से प्रस्तावित सुधार तक का समय घटाकर 18 मिनट कर दिया और हर तिमाही विश्लेषकों के लगभग 600 घंटे बचाए। 🔗 स्रोत
ब्राज़ीलियाई पुर्तगाली में AI for Educators — शिक्षक दिवस पर OpenAI ने OpenAI Academy पर अपने इस निःशुल्क पाठ्यक्रम का यह संस्करण उपलब्ध कराया है, जो प्राथमिक से उच्च शिक्षा तक के शिक्षकों के लिए है, और ChatGPT के Study Mode की भी याद दिलाई है। 🔗 स्रोत
Superwhisper Meetings — Superwhisper ने बैठकें रिकॉर्ड करने और उनके नोट्स लेने वाला उपकरण लॉन्च किया है, जिसे वह पूरी तरह स्थानीय रूप से चलने वाला पहला ऐसा उपकरण बताता है। यह Tiny Aya और Cohere Transcribe से संचालित है ; न कीमत बताई गई है, न प्लेटफ़ॉर्म। 🔗 स्रोत
Cohere की तीन मार्गदर्शिकाएँ — किसी नए उत्पाद या आँकड़े के बिना, Cohere ने North के संदर्भ में ऊर्जा और सार्वजनिक सेवा संचालकों के यहाँ एआई पर, उद्यमों में एजेंट की बढ़ती संख्या पर मौजूदा एजेंट और उसे चुनौती देने वाले एजेंट के बीच प्रतिस्पर्धा कराने के विचार के साथ, और निवेश पर प्रतिफल मापने पर लेख प्रकाशित किए हैं। 🔗 सार्वजनिक सेवाएँ · 🔗 एजेंट · 🔗 ROI
शोध पर Perplexity की मार्गदर्शिका — एक मार्गदर्शिका एआई के 12 आधारभूत शोधपत्रों और छह हालिया शोध कार्यों का परिचय देती है, सहायक शोध उपकरणों की तुलना करती है और सात चरणों का ढाँचा सुझाती है ; कोई नई सुविधा नहीं है। 🔗 स्रोत

जनरेटिव मीडिया

Suno — सहयोग की दो सुविधाएँ : केवल आमंत्रित लोगों के साथ पढ़ने या संपादन के लिए साझा कार्यक्षेत्र (Pro और Premier), और सहयोगियों के साथ साझा किए जा सकने वाले कस्टम मॉडल, जिन्हें दोगुने इनपुट के साथ समायोजित किया जा सकता है (Premier)। 🔗 स्रोत
बिना पहचान बताए परीक्षणों में Eleven v4 — ElevenLabs का दावा है कि आठ भाषाओं में किए गए हर ऐसे परीक्षण में श्रोताओं ने Eleven v4 को दूसरे आवाज़ मॉडलों से अधिक भावपूर्ण पाया, लेकिन लेख में न प्रतिद्वंद्वियों के नाम दिए गए हैं, न कोई स्कोर। 🔗 स्रोत
Luma का Shot Coverage — यह सुविधा एक ही वीडियो शॉट से चलते कैमरे के कई कोण तैयार करती है, जिन्हें संपादन में इस्तेमाल किया जा सकता है ; घोषणा में न मॉडल बताया गया है, न कीमत, न उपलब्ध होने की तारीख। 🔗 स्रोत
HeyGen और यान होतोवेत्स — HeyGen ने सेरेब्रल पाल्सी से पीड़ित यान होतोवेत्स की कहानी सामने रखी है, जिन्होंने Fameplay और Nolimi के साथ अपनी शक्ल और आवाज़ वाला अवतार बनाया है ताकि अपनी ज़िंदगी की कहानी अपने शब्दों में बता सकें। 🔗 स्रोत

शोध, कंप्यूटिंग और अवसंरचना

NVIDIA और AI in Science Enablers Initiative — डबलिन में AI in Science Summit के दौरान NVIDIA अपने खुले मॉडल, Deep Learning Institute की मुक्त पाठ्य सामग्री के हब और राष्ट्रीय एआई फ़ैक्ट्रियों के ज़रिए कंप्यूटिंग तक पहुँच के साथ यूरोपीय आयोग की पहल में शामिल हुआ है ; किसी राशि की घोषणा नहीं की गई है। 🔗 स्रोत
नॉर्डिक देशों में NVIDIA — GTC Berlin से पहले NVIDIA ने अपने नॉर्डिक पारिस्थितिकी तंत्र का ब्योरा दिया है : Sferical One सुपरकंप्यूटर (1 152 GB300 GPU), 2027 के अंत तक 1 गीगावाट एआई क्लाउड की योजना और 2027 में Norrsken फ़ाउंडेशन के साथ Stockholm AI Lab ; GTC Berlin का मुख्य भाषण 21 अक्टूबर को निर्धारित है। 🔗 स्रोत
BERT का टोकनाइज़ेशन 50 गुना तेज़ — Hugging Face के साइमन ब्रैंडाइस बताते हैं कि tokenizers का आगामी संस्करण 1.0, ASCII वर्णों को अलग से संसाधित करके BERT के टोकनाइज़र को संस्करण 0.23 की तुलना में लगभग 50 गुना तेज़ कैसे बनाता है ; बदलावों की अभी समीक्षा चल रही है। 🔗 स्रोत

GitHub, एआई के अलावा

पुश ईमेल बंद — GitHub अब रिपॉज़िटरी में पुश की घटनाओं की सूचना वाले ईमेल नहीं भेजता, जिनका इस्तेमाल स्पैम के लिए हो सकता था, और अपने SMTP सर्वर वाले GitHub Actions वर्कफ़्लो का उपयोग करने को कहता है। 🔗 स्रोत
GitHub Code Quality के लाइसेंस — GitHub Team और Enterprise Cloud पर एक CSV रिपोर्ट पिछले 90 दिनों में लाइसेंस इस्तेमाल करने वाले हर सक्रिय कमिटर और संबंधित रिपॉज़िटरी की सूची देती है, ताकि खाली किए जा सकने वाले लाइसेंस पहचाने जा सकें। 🔗 स्रोत

इसका क्या अर्थ है

खुले मॉडलों का पैमाना बढ़ रहा है, और उनका पारिस्थितिकी तंत्र अब पहले ही दिन से उनका साथ दे रहा है। Muse Spark Open सात API प्रदाताओं, Meta द्वारा तैयार किए गए NVFP4 वेट्स और Transformers, TRL, mlx-lm तथा Unsloth में तत्काल समर्थन के साथ आया है; Nemotron 3.5 Super VL अपने वेट्स, डेटा और प्रशिक्षण की विधियाँ प्रकाशित कर रहा है; FLUX 3 Image Klein अपनी रिलीज़ के दिन ही Diffusers और ComfyUI में शामिल हो रहा है। लेकिन «खुला» होने की शर्तें बहुत अलग-अलग हैं: Muse Model License व्यावसायिक उपयोग सीमित करता है, FLUX Kommunity लाइसेंस केवल 5 मिलियन डॉलर से कम वार्षिक राजस्व होने पर मुफ़्त है, Timestral के वेट्स का लाइसेंस 20 मिलियन डॉलर से अधिक मासिक राजस्व वाली कंपनियों को बाहर रखता है, जबकि Apertus 1.5 अपने प्रशिक्षण डेटा के साथ अपने वेट्स Apache 2.0 के तहत प्रकाशित करता है। आखिर में, Meta का सर्वश्रेष्ठ होने का दावा याद दिलाता है कि यह दौड़ देशों के बीच भी चल रही है: Muse Spark Open खुद को सबसे अच्छा खुला अमेरिकी मॉडल बताता है, लेकिन Artificial Analysis के सूचकांक और कोडिंग में GLM 5.3 और Kimi K3 उससे आगे हैं।

साइबर सुरक्षा ऐसा क्षेत्र बन रही है जहाँ एआई बड़े पैमाने पर कमज़ोरियाँ ढूँढ़कर उन्हें दूर कर रही है। AISLE का अधिग्रहण करके Cohere ऐसी विशेषज्ञता हासिल कर रहा है जिसके बारे में 500 से अधिक पहले अज्ञात कमज़ोरियों का पता लगाने का दावा किया गया है, GitHub उन भाषाओं के लिए AI Scan को व्यापक रूप से उपलब्ध करा रहा है जिन्हें CodeQL कवर नहीं करता, साथ ही एक ऐसी स्वचालित सुधार सुविधा भी दे रहा है जो अपने ही सुधार की जाँच के लिए CodeQL को दोबारा चलाती है, और Block का कहना है कि हमले के सिमुलेशन वाले अभ्यासों में वह कमज़ोरी का पता लगने से सुधार का प्रस्ताव आने तक का समय घटाकर 18 मिनट कर देता है। ये उपकरण मानवीय नियंत्रण में रहते हैं: AI Scan के परिणाम सलाह के लिए होते हैं, स्वचालित सुधार सुविधा पुल रिक्वेस्ट का मसौदा खोलती है, और Claude Code का Code Review किसी मर्ज को न तो मंज़ूरी देता है, न ही रोकता है। दूसरा पहलू एजेंटों को खुद अलग-थलग रखना है: SPACE, जो अब खुला है, प्रमाणीकरण विवरण और बाहर जाने वाले ट्रैफ़िक को वर्चुअल मशीन से बाहर रखता है, और IPI Black अप्रत्यक्ष प्रॉम्प्ट इंजेक्शन के विरुद्ध एजेंटों की प्रतिरोध क्षमता मापने के लिए हमलावरों को भुगतान करता है।

भरोसा बाहरी दृष्टिकोणों से भी बनता है। METR के छह लोगों को किसी कर्मचारी के समान स्तर की पहुँच देकर और उनके प्रकाशनों पर वीटो का अधिकार अपने पास रखे बिना, Anthropic एकबारगी ऑडिट से आगे जा रहा है और इस व्यवस्था की तुलना बड़े बैंकों में तैनात स्थायी निरीक्षकों से करता है। सत्यापन की यही माँग अनुसंधान में भी दिखाई देती है: Sakana AI किसी भी प्रयोग से पहले मूल्यांकन के मानदंड तय करता है, ताकि कोडिंग एजेंट केवल स्कोर बढ़ाने में ही न लगे रहें, और 6 अक्टूबर की अपनी 722 पांडुलिपियों के बाद OpenAI, Simons Foundation के माध्यम से, एआई द्वारा तैयार परिणामों की समीक्षा करने वाले गणितज्ञों को वित्तपोषित कर रहा है। CERN और Mistral सबसे व्यापक महत्वाकांक्षा सामने रखते हैं: सिमुलेशन से उत्पन्न अरबों टक्करों पर प्रशिक्षित एक Large Physics Model, लेकिन किसी राशि या समयसीमा का उल्लेख नहीं करते।

उपकरणों के मामले में लागत, गति और गुणवत्ता के बीच संतुलन का सवाल स्पष्ट होता जा रहा है। OpenAI में, Ultra प्रयास स्तर पर GPT-6.1 Sol, GPT-6 Astra Ultra के 92 % निष्कर्षों का पता 14 % लागत पर लगा लेता है; Opus 5.5 का तेज़ मोड दोगुनी कीमत पर 2,5 गुना थ्रूपुट देता है; Code Review इस्तेमाल किए गए टोकन के आधार पर शुल्क लेता है, जिस पर मासिक सीमा लागू रहती है। बिना निगरानी वाले कामों में भी एजेंट जगह बना रहे हैं: Devin Oncall ऑन-कॉल ड्यूटी सँभालता है, Claude Code 2.1.301 अब बहुत बाद में आने वाली उपयोग सीमा की प्रतीक्षा नहीं करता और अपने वर्गीकारक के हर निर्णय को दर्ज करता है, और Antigravity CLI का Auto मोड सैंडबॉक्स से बाहर जाने वाले कमांड की समीक्षा एक अलग एजेंट को सौंपता है। बेंचमार्क इस रफ़्तार के साथ तालमेल बिठाने में कठिनाई महसूस कर रहे हैं: SREGym-Lite पर Devin Oncall और CloudThinker, दोनों GPT-6 Astra के साथ 100 % तक पहुँचते हैं।