OpenAI Astra साइबर जोखिम के सामने अपने मॉडलों की गति धीमी करती है, Warp ने Warp Factories लॉन्च किया, Claude Code ने Design skill लॉन्च किया

18 अगस्त 2026 को, OpenAI एक रिपोर्ट प्रकाशित करती है जिसमें बताया गया है कि उसने Astra नाम के एक मॉडल की गंभीर साइबर क्षमताओं के सामने अपने नवीनतम मॉडलों के प्रशिक्षण की गति क्यों धीमी की, जबकि Warp कंपनियों के लिए एक एजेंटिक इन्फ्रास्ट्रक्चर खोलता है और Claude Code इंटरफ़ेस डिज़ाइन का एक skill लॉन्च करता है। इन तीन प्रमुख घोषणाओं के अलावा, अठारह अन्य अपडेट Anthropic, कोड टूल्स, खुले AI अनुसंधान और मीडिया जनरेशन प्लेटफ़ॉर्म्स को कवर करते हैं।

Astra की गंभीर साइबर क्षमताओं के सामने OpenAI अपने मॉडलों के परिनियोजन की गति धीमी करती है

18 अगस्त — OpenAI बताती है कि कंपनी ने अपने हालिया मॉडलों के परिनियोजन की गति क्यों धीमी की। इस निर्णय के पीछे दो घटनाएँ थीं: OpenAI-Hugging Face सुरक्षा घटना, जो एक मॉडल के मूल्यांकन के दौरान हुई थी, और प्रारंभिक प्रमाण कि आगामी मॉडलों में से एक, Astra नामक, अपने Preparedness Framework में परिभाषित “गंभीर साइबर क्षमता” की सीमा को पार कर सकता है।

OpenAI ने अपने नवीनतम परिनियोजन-उन्मुख मॉडलों पर सुदृढ़ीकरण और red-teaming के लिए दो सप्ताह का विराम देखा, ताकि अपने शोध परिवेश को मजबूत किया जा सके। नियोजित सबसे बड़ा frontier RL run फिलहाल स्थगित है, जब तक कि छोटे पैमाने के प्रशिक्षण नई सुरक्षा-व्यवस्थाओं को मान्य नहीं कर देते।

सुरक्षा	विवरण
मॉनिटरिंग	प्रति-टोकन वर्गीकरण, 30 मिनट के भीतर लक्षित अलर्ट
अलाइनमेंट	हानिकारक या अनधिकृत कार्रवाइयों में कमी
सुरक्षा	सुदृढ़ नेटवर्क आइसोलेशन, अविश्वसनीय कोड के लिए sandboxes
अतिरिक्त लागत	लगभग 20 % अधिक मॉनिटर किया गया inference compute

यह monitoring “Sol” स्तर से ही सभी RL प्रशिक्षण और टूल-आधारित मूल्यांकन के लिए अनिवार्य है; 7 अगस्त से, Astra के किसी भी tool-आधारित inference पर एक अतिरिक्त आवश्यकता लागू होती है। OpenAI Hugging Face घटना पर एक तकनीकी रिपोर्ट और बाहरी संगठनों के साथ अपने Preparedness Framework के विकास की योजना बना रही है।

As models become more capable, the risks associated with developing and testing them internally also grow. We temporarily paused reinforcement learning (RL) training on our latest models intended for deployment for two weeks while we hardened and red-teamed our research environments and expanded monitoring coverage. Our largest planned frontier RL run remains on hold while smaller-scale training and evaluations validate these safeguards and establish more evidence of alignment.

🇮🇳 जैसे-जैसे मॉडल अधिक सक्षम होते जाते हैं, उनके विकास और आंतरिक परीक्षण से जुड़े जोखिम भी बढ़ते जाते हैं। हमने अपने नवीनतम परिनियोजन-उन्मुख मॉडलों पर दो सप्ताह के लिए reinforcement training (RL) को अस्थायी रूप से रोक दिया है, ताकि अपने शोध परिवेश को मजबूत और red-team किया जा सके तथा अपनी monitoring कवरेज का विस्तार किया जा सके। हमारा सबसे बड़ा नियोजित frontier RL run तब तक रुका हुआ है जब तक छोटे पैमाने के प्रशिक्षण और मूल्यांकन इन सुरक्षा-व्यवस्थाओं को मान्य नहीं कर देते और alignment के और प्रमाण स्थापित नहीं हो जाते। — @OpenAI on X

🔗 OpenAI — मॉडल विकास की गति तय करना

Warp ने cloud software factories के लिए Warp Factories लॉन्च किया

18 अगस्त — Warp Warp Factories की घोषणा करता है, जो उन कंपनियों के लिए एक खुला इन्फ्रास्ट्रक्चर है जो software lifecycle के चारों ओर अपनी automation loops बनाती हैं: cloud agents काम को triage करते हैं, specify करते हैं, implement करते हैं, review करते हैं और verify करते हैं, जबकि humans को key decision points पर loop में रखा जाता है। यह घोषणा engineering leaders से मिली दो समस्याओं की पहचान करती है: coding agents के निवेश पर प्रतिफल को समय के साथ मापने की कठिनाई, और governance की समस्या, क्योंकि हर developer का अपना agent configure करना security blind spots पैदा करता है।

तकनीकी रूप से, factories को code की तरह configure किया जाता है — दावा किया गया analog “agents configuration के लिए Terraform” है — और वे किसी भी model या harness को स्वीकार करते हैं, जिसमें Claude Code या Codex सीधे harness के रूप में शामिल हैं। agents के पास Linux और Mac पर computer use access होता है ताकि bugs को reproduce किया जा सके और बदलाव की correction साबित की जा सके, साथ ही pull requests पर recordings साझा की जाती हैं। एक dashboard, API और SDK लागत और velocity मापते हैं, और configurable self-improvement agents भी मौजूद हैं।

Warp का कहना है कि आज वह अपनी आंतरिक factories के ज़रिए अपने लगभग 30 % कार्यों को automate करता है और इस दर में तेज़ वृद्धि की उम्मीद करता है। कंपनी आज से सीमित संख्या में enterprises के लिए access खोल रही है, और कुछ चयनित ग्राहकों के लिए factory usage credits में 10 000 डॉलर का प्रस्ताव दे रही है।

Introducing Warp Factories: open, flexible infrastructure for building cloud software factories. - Configure your factory as code - Use any model and any harness - Measure quality with evals and benchmarks on your own data - Built-in self-improvement and memory

🇮🇳 Warp Factories का परिचय: cloud software factories बनाने के लिए खुला और लचीला infrastructure। अपनी factory को code की तरह configure करें। कोई भी model और कोई भी harness उपयोग करें। अपने स्वयं के data पर evaluations और benchmarks के साथ गुणवत्ता मापें। self-improvement और memory अंतर्निहित हैं। — @warpdotdev on X

🔗 Warp Factories की घोषणा

Claude Code ने प्रारंभिक शोध में /design skill लॉन्च किया

17 अगस्त — Anthropic Claude Code के लिए एक नया skill /design लॉन्च करता है, जो फिलहाल प्रारंभिक शोध में है। यह सुविधा Claude Design के artboards workflow को CLI और Desktop ऐप में लाती है, और यह मौजूदा artifacts system पर निर्मित है। कमांड /design कई editable artboards उत्पन्न करती है जो user interface प्रस्तावों का प्रतिनिधित्व करते हैं: उपयोगकर्ता अपनी पसंद का एक चुनता है, उसे समायोजित करता है, फिर Claude से उसे code में implement करने के लिए कहता है।

यह लॉन्च Claude Code को interface design के एक उपयोग के और करीब लाता है, जो अब तक अधिकतर समर्पित टूल्स तक सीमित था, और इसे सीधे terminal या Desktop में developer के workflow में जोड़ता है। यह सुविधा Pro, Max, Team और Enterprise plans के लिए उपलब्ध है, और परीक्षण के लिए Claude Code का अपडेट आवश्यक है। इस launch announcement से आगे किसी अतिरिक्त विवरण (research preview की सीमाएँ, roadmap, visual examples) की जानकारी नहीं दी गई है।

Claude Code can design now. The new /design skill (research preview) brings Claude Design’s artboard workflow into the CLI and Desktop, built on artifacts. Run /design to get editable artboards for your UI — pick one, tweak it, then have Claude implement it.

🇮🇳 Claude Code अब interfaces design कर सकता है। नया skill /design (प्रारंभिक शोध) Claude Design के artboards workflow को CLI और Desktop में लाता है, artifacts पर निर्मित। अपने interface के लिए editable artboards पाने हेतु /design चलाएँ — एक चुनें, उसे समायोजित करें, फिर Claude से उसे implement करने के लिए कहें। — @ClaudeDevs on X

🔗 Pro, Max, Team, Enterprise उपलब्धता

Anthropic: व्यापक Cowork, बढ़ी हुई सीमाएँ, अनुकूलित CPU

आज की तीन Anthropic घोषणाएँ Claude Code और Cowork की पहुँच और प्रदर्शन पर केंद्रित हैं।

Claude Cowork मोबाइल और वेब पर सभी paid plans के लिए उपलब्ध

18 अगस्त — Claude Cowork, Anthropic का collaborative environment, अब मोबाइल और वेब पर सभी paid plans (Pro, Max, Team और Enterprise) के लिए उपलब्ध है। अब तक इसे मुख्यतः desktop, web और mobile के बीच साझा side panel के संदर्भ में देखा गया था; यह घोषणा किसी नई सुविधा से अधिक पहुँच के सामान्यीकरण का संकेत देती है: paid users अब इन तीनों entry points में से किसी से भी अपने Cowork sessions वापस पा सकते हैं, interface या संभावित mobile limitations पर कोई अतिरिक्त विवरण दिए बिना।

🔗 Claude Cowork की घोषणा

साप्ताहिक Claude Code सीमाओं में 50 % वृद्धि 31 अगस्त तक बढ़ाई गई

18 अगस्त — Anthropic 31 अगस्त तक Claude Code की साप्ताहिक usage limits में 50 % वृद्धि को बढ़ाता है, जो मूल रूप से अस्थायी थी। टीम इस बदलाव को स्थायी बनाना चाहती है, लेकिन चेतावनी देती है कि अपने मॉडलों पर भारी demand आने वाले हफ्तों में capacity दबाव पैदा कर सकती है, और अंतिम निर्णय के लिए अभी कोई निश्चित तारीख नहीं है। यह घोषणा हाल के उन संचारों की श्रृंखला का हिस्सा है जो Claude Code के प्रदर्शन और उपयोग के इर्द-गिर्द हैं, और उत्पाद infrastructure पर मांग के निरंतर दबाव को दर्शाती हैं।

🔗 Claude Code सीमाएँ घोषणा

Claude Code CLI p99 पर दो गुना कम CPU उपयोग करता है

18 अगस्त — एक सुधार अब Bun के garbage collector को, जो टूल का JavaScript runtime है, प्रक्रिया के idle होने तक प्रतीक्षा करने देता है, उसके बाद ही उसे चलाया जाता है। पहले यह trigger एक fixed timer पर होता था, संभवतः एक conversation turn के बीच में, ठीक उसी समय जब Claude Code processor का सबसे अधिक उपयोग कर रहा होता था। परिणाम: CLI अब 99th percentile पर दो गुना कम CPU उपयोग करता है, जो अगस्त की शुरुआत में संप्रेषित अन्य प्रदर्शन अनुकूलनों की निरंतरता है।

🔗 CPU अनुकूलन घोषणा

कोडिंग एजेंट: वॉयस चैट और मूल SSH

Amp और Warp अपने coding agents को नए interaction modes के साथ पूरा कर रहे हैं।

Amp ने Puck के साथ real-time voice chat लॉन्च किया

18 अगस्त — Amp, अपने assistant agent Puck के साथ real-time voice conversation जोड़ता है, जिसे gpt-realtime-2.1 द्वारा संचालित किया गया है, जो काम को मौजूदा Puck agent (GPT-5.6 Sol से संचालित) को सौंप देता है और उत्तर को ज़ोर से संक्षेप में सुनाता है जबकि पूरा पाठ discussion thread में दिखाई देता रहता है। Amp कई उपयोग के मामलों को रेखांकित करता है: parallel work का समन्वय, progress updates प्राप्त करना, या संबंधित Slack messages को ज़ोर से पढ़वाना, चाहे office में हों या यात्रा में।

🔗 Talk to Puck

Amp ने 10 डॉलर प्रति माह का education tariff लॉन्च किया

18 अगस्त — छात्र और शिक्षक अब Amp Megawatt Edu की सदस्यता 10 डॉलर प्रति माह में ले सकते हैं, जो सामान्य दर का आधा है। इस ऑफ़र में Amp का frontier agent, orbs (unsupervised agents के लिए दूरस्थ मशीनें), असीमित code hosting (public और private), प्रति वर्ष 750 घंटे का orb usage और 10 डॉलर के मासिक credits शामिल हैं। सदस्य एक मौजूदा ChatGPT subscription को लिंक करके GPT-5.6 तक पहुँच सकते हैं, या Grok 4.6 के लिए X Premium+/SuperGrok subscription; छात्र स्थिति की कोई सख्त सत्यापन प्रक्रिया लागू नहीं की जाती।

🔗 Amp Megawatt Edu

Warp Agent CLI ने मूल SSH support जोड़ा

17 अगस्त — Warp Agent CLI, जो डाउनलोड के लिए मुफ्त है और BYOK तथा Grok subscriptions के साथ संगत है, अब agent को सीधे पहले से सक्रिय SSH session में आमंत्रित करने देता है — जिसमें vim, SQL REPL या अन्य text interfaces शामिल हैं — बजाय केवल एकल commands चलाने तक सीमित रहने के। दूरस्थ मशीन पर किसी अतिरिक्त CLI की आवश्यकता नहीं है: ! ssh command सीधे session में agent के साथ काम करने के लिए पर्याप्त है।

🔗 Warp Agent CLI और SSH

OpenAI: किशोर, वैश्विक DevDay और agentic प्रभाव

आज की चार OpenAI घोषणाएँ युवा उपयोगकर्ताओं की सुरक्षा, अंतरराष्ट्रीय विस्तार, और Codex के ठोस प्रभाव को कवर करती हैं।

ChatGPT for Teens : सुदृढ़ सुरक्षा और CodeAI के साथ शैक्षिक साझेदारी

18 अगस्त — OpenAI ChatGPT for Teens लॉन्च करता है, जो किशोरों के लिए एक समर्पित अनुभव है और जिसमें Study Mode, धोखा-रोधी reminders जो होमवर्क bypass का पता लगा सकते हैं, quizzes और शैक्षिक visualizations, साथ ही किशोरों या माता-पिता द्वारा तय की जा सकने वाली Study Hours शामिल हैं। प्रणाली किसी भी अनुमानित नाबालिग उपयोगकर्ता के लिए स्वचालित रूप से इस अनुभव पर स्विच हो जाती है, और system cards में नए “18 वर्ष से कम” assessments प्रकाशित किए गए हैं (self-harm, eating disorders, violence, sexual content)। साथ ही, CodeAI के साथ एक signature partnership में बाल विकास पर एक साल की सलाहकार परिषद, “Hour of AI” कार्यक्रम का विस्तार, हाई-स्कूल छात्रों के लिए एक “Builders Challenge” और मुफ्त “AI Foundations” course के लिए समर्थन शामिल है।

🔗 ChatGPT for Teens

DevDay Exchange : OpenAI ने अपने डेवलपर कार्यक्रम का वैश्वीकरण किया

18 अगस्त — अक्टूबर 2026 से, OpenAI DevDay Exchange लॉन्च करता है, जो आठ शहरों में आयोजित होने वाली डेवलपर घटनाओं की एक श्रृंखला है: Bengaluru, Tokyo, Seoul, Berlin, Paris, London, São Paulo और Mexico। घोषित उद्देश्य builders को अपने वास्तविक प्रोजेक्ट्स पर विचार-विमर्श करने और उन OpenAI टीमों से सीधे मिलने का अवसर देना है जो tools (API, Codex, ChatGPT Work) विकसित करती हैं। इस चरण में प्रारूप या पंजीकरण के बारे में कोई विशिष्ट विवरण नहीं दिया गया है।

🔗 DevDay Exchange

Asana ने Codex के साथ दो हफ्तों में पाँच साल का engineering काम पूरा किया

18 अगस्त — Asana ने Codex का उपयोग Enzyme को हटाने के लिए किया, जो एक पुरानी test system थी और उसके frontend stack के आधुनिकीकरण को रोक रही थी। लगभग पाँच साल के काम और 6 million dollars का अनुमानित एक प्रोजेक्ट 1.5 सप्ताह के engineering effort में, दो कैलेंडर हफ्तों में फैला, लगभग 12 000 dollars की कुल लागत पर पूरा किया गया। पाँच-वाक्य के prompt से शुरू होकर, अधिकतम चार Codex agents codebase की अलग-अलग प्रतियों पर समानांतर काम करते रहे, जबकि एक engineer हर बदलाव को दिन में दो बार मान्य करता रहा।

🔗 Asana case study

OpenAI ने राष्ट्रीय सुरक्षा में AI के लोकतांत्रिक नियंत्रण को मजबूत करने की पहल शुरू की

18 अगस्त — OpenAI 5 million dollars की एक पहल की घोषणा करता है ताकि लोकतांत्रिक निगरानी संस्थानों को प्रशिक्षण, तकनीकी सहायता और OpenAI credits के माध्यम से राष्ट्रीय सुरक्षा में AI के उपयोग की निगरानी करने में मदद मिल सके। इस कार्य को तीन सिद्धांत निर्देशित करते हैं: AI को संस्थागत निर्णय को बदलना नहीं, बल्कि मजबूत करना चाहिए; सरकारी उपयोग अधिकृत निगरानी निकायों के लिए traceable रहना चाहिए; और AI को इन संस्थानों को आवश्यक पैमाने पर कार्य करने में सक्षम बनाना चाहिए। एक वर्ष की अवधि में, OpenAI AI-सहायता प्राप्त सरकारी निर्णय-ट्रेसेबिलिटी टूल्स का पायलट करने की योजना बना रहा है, जबकि सहभागी संस्थान साक्ष्य पर नियंत्रण बनाए रखेंगे।

🔗 लोकतांत्रिक नियंत्रण और राष्ट्रीय सुरक्षा

अनुसंधान और खुले मॉडल

चार शोध प्रकाशन दर्शाते हैं कि weights और data की openness क्या सिद्ध करने देती है।

Sentence Transformers v6.0 : ColBERT multi-vector मॉडल अब first-class

18 अगस्त — Hugging Face Sentence Transformers का संस्करण 6.0 प्रकाशित करता है, जिसमें MultiVectorEncoder जोड़ा गया है, जो ColBERT-शैली के late-interaction मॉडलों को dense, sparse और re-ranker मॉडलों के समान स्तर पर रखता है, जिन्हें पहले से समर्थन मिलता है। दस्तावेज़ का प्रत्येक token अपना vector बनाए रखता है, और अंतिम score प्रत्येक query token की अधिकतम समानता को जोड़ता है (MaxSim operator)। NanoBEIR benchmark (13 datasets) पर, multi-vector संस्करण 0.6868 का औसत NDCG@10 प्राप्त करता है, जबकि समकक्ष dense संस्करण 0.6764 प्राप्त करता है, लेकिन अधिक storage लागत के साथ (4 874 passages के लिए लगभग 92 MB compressed)। लाइब्रेरी Flash Attention support भी जोड़ती है, जो fp16 precision में throughput को 2.44 से गुणा करती है।

🔗 Sentence Transformers v6.0

Ai2 : Olmo 3 LLM की चिकित्सीय प्रतिक्रियाओं में एक रूपात्मक शॉर्टकट का खुलासा करता है

18 अगस्त — UT Austin, Northeastern University और MD Anderson Cancer Center के शोधकर्ताओं ने Olmo 3 (7B Instruct), Ai2 के पूरी तरह खुले मॉडल, का उपयोग यह जाँचने के लिए किया कि क्या मॉडल दवाओं से जुड़े प्रश्नों का उत्तर वास्तविक ज्ञान के आधार पर देते हैं या नाम की संरचना का लाभ उठाकर (उदाहरण के लिए, “-pril” प्रत्यय ACE inhibitor का संकेत देता है)। परीक्षण की गई 51 से 59 % दवाओं के लिए, वास्तविक नाम पर मॉडल का उत्तर एक गढ़े हुए नाम पर उसके उत्तर से मुश्किल से अलग था। Olmo के weights, data और intermediate checkpoints तक पहुँच ने इस शॉर्टकट को training data तक trace करना संभव बनाया — ऐसी traceability proprietary models के साथ असंभव है।

🔗 Olmo 3 और रूपात्मक शॉर्टकट

IBM Research : मॉडल के अनुसार agentic memory को calibrate करना

18 अगस्त — IBM Research की ALTK-Evolve श्रृंखला का एक नया लेख दिखाता है कि agentic memory — किसी agent के पिछले काम से distilled निर्देश — को underlying model की क्षमता के अनुसार dose किया जाना चाहिए। आठ मॉडलों पर परीक्षण किया गया: gpt-oss-120b केवल +5 % tokens के लिए selective targeted retrieval के साथ task completion rate में +16.1 points का लाभ देता है; DeepSeek-V3.2 पूर्ण निर्देश injection के साथ +9.5 points आगे बढ़ता है; GLM-5 कोई मापनीय लाभ नहीं दिखाता, जो saturation का मामला है। एक प्रतिकूल-प्रतीत होने वाला निष्कर्ष: सबसे कम लागत वाली रणनीति अक्सर सबसे कमजोर मॉडलों के लिए सर्वोत्तम precision देती है।

🔗 ALTK-Evolve — agentic memory

AlphaEvolve matrix multiplication के लिए एक नया रिकॉर्ड हासिल करने में योगदान देता है

18 अगस्त — Google DeepMind ने omega (ω) के लिए एक नया रिकॉर्ड घोषित किया है, जो matrices को multiply करने की सबसे तेज़ गति के सैद्धांतिक exponent है, जिसमें ω < 2.371177 है। यह परिणाम Google DeepMind, academic collaborators और AlphaEvolve के संयुक्त प्रयास से आया है, जो Gemini-संचालित coding agent है और 2025 में कई algorithms को बेहतर बनाने के लिए पहले से ही जाना जाता है। Matrix multiplication आधुनिक computing के बड़े हिस्से की नींव है, जिसमें AI models का training और inference भी शामिल है — इसलिए इस exponent पर सैद्धांतिक लाभ केवल academic research से कहीं आगे जाता है।

🔗 नया omega रिकॉर्ड

इन्फरेंस की अर्थव्यवस्था : A/B testing और लागत का cascade

Together AI के दो प्रकाशन production में तैनाती और मॉडलों की तुलना की वास्तविक लागत को मापते हैं।

Together AI endpoints के स्तर पर model A/B testing शुरू करता है

18 अगस्त — Together AI A/B testing को सीधे application code के बजाय endpoint layer में एकीकृत करता है: एक experiment एक control model को अधिकतम 20 variants के साथ जोड़ता है, जिनमें प्रत्येक का traffic प्रतिशत स्थिर होता है (95/5, 80/20, 50/50), replicas की संख्या से स्वतंत्र। Updates 30 से 60 सेकंड में etag protection के साथ concurrent overwrites से बचाते हुए propagate होते हैं। एक बार विजेता पहचान लिए जाने पर, उसे blue-green deployment द्वारा promote किया जाता है और फिर experiment हटा दिया जाता है: 100 % traffic बिना किसी residual logic को client side पर साफ़ किए control पर लौट आता है।

🔗 Together AI A/B testing

DeepSeek V4 Pro का GPT-5.6 Sol और Claude Fable 5 के सामने DeepSWE पर प्रदर्शन : लागत और cascade

17/18 अगस्त — Together AI 904 rollouts के दो स्वतंत्र benchmarks प्रकाशित करता है, जिनमें से प्रत्येक में 113 tasks और 4 attempts हैं, जो DeepSeek V4 Pro 0813 की GPT-5.6 Sol और Claude Fable 5 से DeepSWE पर तुलना करते हैं, जो software engineering का testbed है।

तुलना	Pass@1 Pro	Pass@1 प्रतिस्पर्धी	Pro rollout लागत	प्रतिस्पर्धी लागत	Pro-first cascade
Pro vs GPT-5.6 Sol	62,8 %	72,7 %	0,24 $	8,37 $ (35x)	83,0 % at 3,35 $/task
Pro vs Claude Fable 5	62,8 %	69,7 %	0,24 $	21,63 $ (90x)	82,7 % at 8,28 $/task

pass@4 में, Pro दोनों मामलों में बढ़त वापस ले लेता है (Sol के खिलाफ 88,5 % बनाम 85,8 %, Fable के खिलाफ 88,5 % बनाम 84,1 %)। “Pro-first” cascade — पहले Pro चलाना, और केवल विफलता पर ही आगे बढ़ना — लागत के एक अंश पर अकेले किसी भी मॉडल से बेहतर प्रदर्शन करता है।

🔗 DeepSWE benchmark — GPT-5.6 Sol

ईमेल और जनरेटिव ऑडियो उत्पाद

Perplexity Computer ईमेल के माध्यम से उपलब्ध

18 अगस्त — Perplexity का action agent, Computer, अब अपने सभी उपयोगकर्ताओं के लिए ईमेल के माध्यम से उपलब्ध है: किसी भी चर्चा थ्रेड पर task शुरू करने के लिए बस computer@perplexity.com को भेजना, forward करना या cc में डालना पर्याप्त है। प्रत्येक email task एक सामान्य Computer session की तरह चलता है, जिसे web और mobile पर देखा जा सकता है, और application से शुरू किए गए tasks की तरह ही audit log के साथ।

🔗 ईमेल के माध्यम से Computer

Stability AI Stable Audio 3.0 के लिए एक DAW plugin और नया web interface लॉन्च करता है

18 अगस्त — Stability AI Stable Audio 3.0 के लिए beta में दो tools की घोषणा करता है, जो दोनों “commercially-safe” models पर आधारित हैं जिनके outputs का स्वामित्व उपयोगकर्ता के पास होता है। DAW plugin (macOS AU/VST3, Apple Silicon और Intel) सीधे audio को tempo-synced instrumental track के रूप में उत्पन्न करता है, छह मिनट तक की छोटी sequences के साथ। stableaudio.com पर समृद्ध web interface किसी generation को fine-tune करने के लिए directional prompts, audio-to-audio transformation, multi-track mixing और प्रति-track effects जोड़ता है। ये tools Stable Audio को पेशेवर music production workflows के और करीब लाते हैं, ऐसे क्षेत्र में जहाँ Suno और Pika पहले से ही प्रतिस्पर्धी offerings देते हैं।

🔗 Stable Audio 3.0 — नए tools

संक्षिप्त समाचार

Hugging Face Hub 3 million models से आगे निकल गया — खुले models के प्रमुख community platform के लिए एक नया मील का पत्थर। 🔗 Tweet
Sakana Namazu OpenRouter और Vercel AI Gateway पर उपलब्ध — वह model जो Sakana Chat को power देता है, जापानी और business context में विशेषज्ञ, अब इन दोनों distribution platforms पर उपलब्ध है। 🔗 Tweet
Ai2 ने 20 अगस्त के अपने webinar से पहले MolmoMotion का preview किया — प्राकृतिक भाषा निर्देशों से 3D trajectories की भविष्यवाणी के लिए Molmo का विस्तार, खुले weights और data आने वाले हैं। 🔗 Tweet
Together AI : खुले models का adoption तेज़ हो रहा है — Together AI द्वारा उद्धृत एक Brex अध्ययन दिखाता है कि सबसे तेज़ी से बढ़ रहे 25 software vendors में से 14 AI प्रदान कर रहे हैं; Together पर tokens का उपयोग एक वर्ष में प्रति माह 30 billion से बढ़कर 400,000 billion हो गया। 🔗 Tweet
Josh Woodward Gemini app के roadmap का विवरण देता है — test में फिर से डिज़ाइन किए गए Workspace tools, Gemini 3.7 Flash के साथ बेहतर tool calling, नया Projects interface, और अब 49 supported connectors। 🔗 Tweet
HeyGen Brand Kits लॉन्च करता है — पहले से कॉन्फ़िगर किए गए fonts, logo, hex codes और pronunciation glossary, ताकि हर generated avatar video ब्रांड guidelines के अनुरूप रहे, बिना rework के। 🔗 Tweet
NVIDIA Codex agents के साथ TensorRT Model Connect बना रहा है — Hugging Face models को TensorRT में बदलने के लिए एक preview tool, जो पूरी तरह human supervision के तहत Codex agents के साथ विकसित किया गया है, एक open source project। 🔗 Tweet
Cohere — डिजिटल sovereignty पर Aidan Gomez — CEO कुछ ही actors के इर्द-गिर्द वैश्विक तकनीकी बाज़ार के केंद्रीकरण को लेकर चेतावनी देते हैं और किसी एकल विफलता बिंदु से बचने की वकालत करते हैं। 🔗 Tweet

इसका क्या अर्थ है

AI governance अब सिद्धांतों के बजाय ठोस उपायों में बदल रही है। Astra की cyber क्षमताओं के सामने OpenAI की दो-सप्ताह की pause, national security में democratic oversight को सशक्त बनाने के लिए 5 million dollars की पहल, और ChatGPT for Teens के मज़बूत protections एक ही आंदोलन का हिस्सा हैं: labs सार्वजनिक रूप से वे thresholds दस्तावेज़ित कर रहे हैं जिन्हें वे स्वयं पर लागू करते हैं, 20 % compute cost overrun और 30 मिनट से कम में alert जैसे सत्यापनीय आँकड़ों के साथ, केवल इरादे के बयानों के बजाय।

Agentic infrastructure स्वयं एक स्वतंत्र product बनती जा रही है। Warp Factories enterprise coding agents के लिए governance और ROI measurement की एक layer प्रस्तुत करता है, Claude Code अपने दायरे को /design के साथ interface design तक बढ़ाता है, और Amp अपने Puck agent में vocal layer जोड़ता है जबकि Warp अपने agents को active SSH sessions के लिए खोलता है। सभी चार मामलों में, मुद्दा केवल code generation से आगे बढ़कर agents को संपूर्ण workflows पर सीधा नियंत्रण देना है, जिसमें governance और human control अंतर्निहित हों।

Weights और data की openness वैज्ञानिक मूल्य पैदा करती रह रही है, जिसे proprietary models नहीं दे सकते। Pharmacology में LLM के morphological shortcut पर Ai2 की खोज केवल इसलिए संभव हुई क्योंकि Olmo 3 अपने training data को उजागर करता है; IBM Research का agentic memory पर लेख reproducible tests के माध्यम से मॉडल के अनुसार विभेदित gains (gpt-oss-120b, DeepSeek-V3.2, GLM-5) को मापता है; और Hugging Face Hub पर 3 million models का स्तर दिखाता है कि यह खुला ecosystem कितने बड़े पैमाने पर पहुँच चुका है।

Inference की लागत brute performance से अधिक product decisions को आकार देती रही है। GPT-5.6 Sol और Claude Fable 5 के सामने, DeepSeek V4 Pro pass@1 में पीछे रहता है लेकिन value-for-money अनुपात में भारी बढ़त लेता है, और एक साधारण “Pro-first” cascade लागत के एक अंश पर accuracy gap का अधिकांश हिस्सा बंद कर देता है। Together AI इस logic को अपनी infrastructure तक ले जाता है, अपने endpoint-level A/B testing के साथ — production में model comparison अब platform feature बन रही है, application code का विषय नहीं।