ai-powered-markdown-translatorgpt-6.1-sol का उपयोग करके फ़्रेंच से हिंदी में अनुवादित लेख।
Anthropic ने अपने आरंभिक सार्वजनिक निर्गम की कीमत 83 डॉलर प्रति शेयर तय की है, जो 70 से 78 डॉलर की सीमा से अधिक है। पेशकश बढ़ाकर 980 मिलियन शेयरों की कर दी गई है और Nasdaq पर ANT प्रतीक के तहत सूचीबद्ध होने की उम्मीद है। OpenAI ने एजेंटों से अपने शोध में आई तेज़ी के नए आँकड़े प्रकाशित किए हैं। ये एजेंट अब दो से चार घंटे वाले 46 % कार्य अपने दम पर पूरे कर लेते हैं। कंपनी ने यह भी दिखाया है कि Codex एजेंट ChatGPT की धीमी गति के कारण कैसे खोजते हैं। Ideogram 4.6 सीधे नेटिव 4K में चित्र बनाता है, Gemini 4 Neon ने CursorBench 4.1 में पहला स्थान हासिल किया है और GitHub Copilot में उपलब्ध हो गया है, Genie 4 लगभग 0,10 डॉलर प्रति सेकंड की दर पर डेवलपरों के लिए खुल रहा है, और Mac के लिए Gemini ऐप कंप्यूटर चलाना सीख रहा है।
वित्त: Anthropic ने अपने आरंभिक सार्वजनिक निर्गम की कीमत 83 डॉलर प्रति शेयर तय की
18 नवंबर — Anthropic ने अपने आरंभिक सार्वजनिक निर्गम में श्रेणी A के प्रत्येक शेयर की कीमत 83 डॉलर तय की है। यह 10 नवंबर को निवेशकों से मुलाकातों के दौर (रोडशो) की शुरुआत में घोषित 70 से 78 डॉलर की सीमा से अधिक है। पेशकश का आकार भी बढ़ा है: अब इसमें 980 मिलियन शेयर शामिल हैं, जबकि पहले 825 मिलियन की योजना थी। इनमें से Anthropic 956 351 354 शेयर और मौजूदा शेयरधारक 23 648 646 शेयर बेच रहे हैं; मौजूदा शेयरधारकों की बिक्री से कंपनी को कोई राशि नहीं मिलेगी। बैंकों के पास अतिरिक्त 147 मिलियन शेयर खरीदने के लिए 30 दिनों का विकल्प भी है।
| पेशकश का घटक | 10 नवंबर की घोषणा | 18 नवंबर को तय कीमत |
|---|---|---|
| प्रति शेयर कीमत | 70 से 78 डॉलर | 83 डॉलर |
| पेश किए गए शेयर | 825 000 000 | 980 000 000 |
| इनमें Anthropic द्वारा बेचे गए | 801 351 354 | 956 351 354 |
| इनमें मौजूदा शेयरधारकों के | 23 648 646 | 23 648 646 |
| बैंकों का विकल्प (30 दिन) | 123 750 000 | 147 000 000 |
SEC ने 18 नवंबर को पंजीकरण विवरण को प्रभावी घोषित किया। Nasdaq Global Select Market पर ANT प्रतीक के तहत कारोबार 19 नवंबर से शुरू होने और सौदा 20 नवंबर को पूरा होने की उम्मीद थी। Anthropic ने न तो जुटाई गई राशि बताई है, न अपना मूल्यांकन। तय कीमत पर कंपनी द्वारा बेचे जाने वाले 956 351 354 शेयरों से लगभग 79,4 अरब डॉलर की सकल राशि बनती है; यह गणना प्रेस विज्ञप्ति के आँकड़ों पर आधारित है। फ्रांस सहित यूरोपीय आर्थिक क्षेत्र के व्यक्तिगत निवेशकों के लिए यूरोपीय विवरणिका में अमेरिकी पेशकश के समान अंतिम कीमत का प्रावधान था।
19 नवंबर को @AnthropicAI ने एक छोटा वीडियो और फिर Dario Amodei का एक लेख प्रकाशित किया। इसमें कंपनी प्रमुख ने याद किया कि उन्होंने और Daniela Amodei ने अपने पिता को ऐसी बीमारी के कारण खोया था जिसका इलाज कुछ साल बाद संभव हो गया। उनके अनुसार, पर्याप्त शक्तिशाली एआई मनुष्यों के साथ मिलकर वैज्ञानिक और चिकित्सा प्रगति की एक सदी को एक दशक में समेट सकती है, हालाँकि अभी के नतीजे प्रारंभिक हैं। उन्होंने जोखिमों का भी नाम लिया: व्यक्तियों या देशों द्वारा दुर्भावनापूर्ण उपयोग, आर्थिक उथल-पुथल और प्रणालियों पर नियंत्रण खो देना। उन्होंने प्रतिबद्धता जताई कि मॉडलों का प्रशिक्षण और उन्हें उपलब्ध कराने की गति को तब तक नियंत्रित रखा जाएगा, जब तक यह सुनिश्चित करने के लिए आवश्यक हो कि वे सुरक्षित हैं और मानव नियंत्रण में बने हुए हैं।
We will not bend to either business or political pressure.
🇮🇳 हम न व्यावसायिक दबाव के आगे झुकेंगे, न राजनीतिक दबाव के आगे। — X पर @AnthropicAI
Dario Amodei के अनुसार, यह कदम कंपनी की वित्तीय स्थिति और उसके साथ उसके संकल्प को मज़बूत करता है; उन्होंने « शीर्ष की ओर दौड़ » (सर्वोच्च स्तर तक पहुँचने की होड़) की अवधारणा दोहराई।
🔗 आरंभिक सार्वजनिक निर्गम की कीमत की घोषणा (Anthropic) · X पर @AnthropicAI: तय कीमत
OpenAI में काम करते एजेंट: शोध में तेज़ी की रिपोर्ट और Performance Factory
18 नवंबर — पहली रिपोर्ट के दो महीने बाद OpenAI ने नए आँकड़े प्रकाशित किए हैं कि उसके अपने एजेंट उसके शोध को कैसे तेज़ कर रहे हैं। शीर्षक ही निष्कर्ष बताता है: क्षमताओं की सीमा असमान है (जैग्ड फ़्रंटियर)। मार्च से अक्टूबर के बीच, मनुष्य के दो से चार घंटे के काम के बराबर आँके गए जिन कार्यों को एजेंट बिना हस्तक्षेप के पूरा करते हैं, उनका अनुपात 23 % से बढ़कर 46 % हो गया। चार से आठ घंटे वाले कार्यों में यह 13 % से बढ़कर 35 % हुआ। सब कुछ काम के प्रकार पर निर्भर करता है: प्रशिक्षण की निगरानी में 79 % सफलता, तकनीकी प्रश्नों के उत्तर देने में 72 %, और इन्फ़रेंस तथा सर्विंग का कोड लिखने में केवल 25 %। OpenAI ने कहा है कि मॉडलों के साथ-साथ सौंपे जाने वाले कार्य भी बदल सकते हैं।
| OpenAI का आंतरिक संकेतक | प्रकाशित मान |
|---|---|
| बिना सहायता सफलता, 2 से 4 घंटे वाले कार्य | मार्च में 23 %, अक्टूबर में 46 % |
| बिना सहायता सफलता, 4 से 8 घंटे वाले कार्य | मार्च में 13 %, अक्टूबर में 35 % |
| प्रति शोधकर्ता प्रतिदिन एजेंटों पर खर्च की माध्यिका | अक्टूबर में 2 400 डॉलर (+62 %) |
| 90वें प्रतिशतक पर खर्च | अक्टूबर में 23 000 डॉलर (+105 %) |
| प्रति शोधकर्ता प्रतिदिन एजेंट-दिन | 0,5 से 5,7 |
| सुरक्षा और संरेखण पर दर्ज समय | जनवरी से सितंबर तक +77 % |
| OECI सूचकांक पर OpenAI मॉडलों की क्षमता-सीमा | प्रति वर्ष +16,4 अंक, जबकि Epoch ने 14 देखे |
खर्च की गणना API की सूचीबद्ध दरों पर की गई है और शोधकर्ताओं के लिए कोई कोटा नहीं है। प्रति शोधकर्ता एजेंट का समय ग्यारह गुना हो गया है; अक्टूबर के मध्य में, निगरानी में शामिल दो तिहाई से अधिक शोधकर्ता अपने दिन के सबसे व्यस्त समय में एक साथ कम से कम चार एजेंट चला रहे थे। सितंबर में इस उपयोग का मूल्य शोध संगठन के शेयरों को छोड़कर दिए जाने वाले कुल पारिश्रमिक का लगभग दोगुना था, जबकि आंतरिक उपयोग में शोध के लिए निर्धारित कंप्यूटिंग संसाधनों का केवल 2 % लगता है।
रिपोर्ट विचारों के स्रोत पर भी नज़र रखती है। GPT-6.2 Astra के लिए पूर्व-प्रशिक्षण करने वाले शोधकर्ताओं ने Codex से बातचीत करते हुए कुछ विचार विकसित किए, और उनमें से एक ने अहम अंतर्दृष्टियों का श्रेय उसे दिया; GPT-6 Astra के विचार पूरी तरह मनुष्यों के थे। GPT-5.2 से बेहतर कोडिंग एजेंट तीन महीने तक पाने के बदले, सर्वेक्षण में शामिल शोधकर्ता माध्यिका के आधार पर अपनी टीम के 40 % कर्मियों या उसके 30 % कंप्यूटिंग संसाधनों को छोड़ने के लिए तैयार थे। साक्षात्कार सीमाएँ भी याद दिलाते हैं: शोध के अच्छे विचार पहचानने की कमज़ोर क्षमता, खराब गुणवत्ता का कोड और अनावश्यक चरणों के चक्कर, जिनके कारण निकट मानवीय निगरानी ज़रूरी है।
सुरक्षा और संरेखण पर लगाए गए समय में सभी क्षेत्रों के मुकाबले निरपेक्ष रूप से सबसे अधिक वृद्धि हुई है, और जुलाई की Hugging Face घटना के बाद इसमें स्पष्ट बदलाव दिखता है। OpenAI ने OECI भी पेश किया है, जो Epoch Capabilities Index से निकला सूचकांक है। इसमें उसके मॉडल Epoch के सूचकांक की तुलना में बेहतर दिखते हैं; उसके अनुसार, संभवतः इसका कारण बेंचमार्कों का मिश्रण है। अंत में कंपनी का मानना है कि प्रयोगशालाओं के लिए रिकर्सिव आत्म-सुधार (पुनरावर्ती स्व-सुधार, RSI) के संकेतकों की निगरानी और प्रकाशन अनिवार्य होना चाहिए। यह वह प्रक्रिया है जिसमें एआई भविष्य की प्रणालियों के विकास को तेज़ करती है। साथ ही, कंपनी स्पष्ट करती है कि इस प्रकाशन को पूर्ण RSI हासिल करने की मंशा के रूप में नहीं पढ़ा जाना चाहिए। रिपोर्ट अपने आँकड़ों को आंशिक तस्वीर बताती है, जो कुछ हद तक लोगों के स्वयं दिए गए बयानों पर आधारित है।
🔗 शोध में तेज़ी: क्षमताओं की असमान सीमा (OpenAI) · X पर @OpenAI
OpenAI ने Performance Factory का विवरण दिया, जहाँ Codex एजेंट ChatGPT की धीमी गति की जाँच करते हैं
19 नवंबर — OpenAI का इंजीनियरिंग ब्लॉग एजेंटों को सौंपे गए काम का एक ठोस उदाहरण देता है: Performance Factory, क्लाउड में चलने वाली एक स्वायत्त प्रणाली, जहाँ Codex एजेंट ChatGPT के प्रदर्शन में गिरावट के कारण खोजते हैं। किसी चेतावनी से एक कार्य शुरू होता है, एक एजेंट मूल कारण तक पहुँचता है, दूसरा पुल रिक्वेस्ट के रूप में सुधार प्रस्तावित करता है, एक इंजीनियर उसे मर्ज करने का निर्णय लेता है, और फिर एक एजेंट तैनाती के बाद जाँचता है कि मेट्रिक सामान्य स्तर पर लौटे या नहीं। तीन महीने से कुछ अधिक समय में इस पहले कार्यप्रवाह ने 1 700 से अधिक जाँचों पर काम किया और 600 से अधिक मामलों के कारण खोजे, यानी प्रतिदिन 17 स्वचालित जाँचें।
टीम की विशेषज्ञता एक साझा स्किल, perf-forensics, में समाई है, जो Codex को बताती है कि प्रदर्शन से जुड़े 30 से अधिक टूल में से किनका उपयोग करना है। किसी एजेंट को पहली संभावित व्याख्या पर रुकने से रोकने के लिए, दूसरा Codex सत्र हर निदान को गलत साबित करने की कोशिश करता है: हाथ से समीक्षा किए गए 100 कारणों में 70 % सही पाए गए। OpenAI स्वीकार करता है कि सुधार करना अब भी सबसे कठिन चरण है। वह प्रदर्शन में गिरावट का पहले से पता लगाने और कम जोखिम वाले सुधारों को मानवीय हस्तक्षेप के बिना लागू करने पर अध्ययन कर रहा है, लेकिन कोई समयसीमा नहीं बताता।
🔗 OpenAI की Performance Factory कैसे ChatGPT को तेज़ बनाए रखती है · @OpenAIDevs की पोस्ट शृंखला
चित्र और वीडियो निर्माण: नेटिव 4K में Ideogram 4.6, 4K और 10-बिट HDR में Kling 4.0
19 नवंबर — Ideogram ने Ideogram 4.6 पेश किया है। यह नया चित्र मॉडल रिज़ॉल्यूशन बढ़ाने की प्रक्रिया (अपस्केलिंग) के बिना सीधे 4K में चित्र बनाता है: त्वचा से लेकर कपड़े तक हर बारीकी पूरे रिज़ॉल्यूशन पर तैयार होती है। Ideogram का कहना है कि उसने चित्रों से « एआई वाला » रूप और मोम जैसी त्वचा हटाने पर काम किया है, ताकि रोमछिद्र, महीन झुर्रियाँ और प्राकृतिक बनावट दिखाई दें। कंपनी ने ऑनलाइन व्यापार और उत्पाद फ़ोटोग्राफ़ी को ध्यान में रखते हुए रंगों और सामग्रियों के कहीं अधिक सटीक चित्रण की घोषणा की है।
संपादन अब भी मॉडल का केंद्रीय काम है: बदले गए क्षेत्र के बाहर पिक्सेल में अनचाहा बदलाव (पिक्सेल ड्रिफ्ट) बहुत कम होता है, और रेखाचित्र से बनाया गया चित्र मूल चित्रांकन के अधिक अनुरूप रहता है। Ideogram का दावा है कि संस्करण 4.6, Rapidata की कई चरणों वाली चित्र संपादन रैंकिंग (Multi-step Image Edit) में Seedream 5.5 और FLUX 3 Image सहित अन्य सभी मॉडलों से आगे, पहले स्थान पर है, हालाँकि उसने कोई स्कोर नहीं दिया। संस्करण 4.5 ने भी 10 नवंबर को Rapidata की क्रमिक संपादन रैंकिंग में शीर्ष पर होने का दावा किया था।
| Ideogram 4.6 तक पहुँच | की गई घोषणा |
|---|---|
| Ideogram का ऐप और API | 19 नवंबर से उपलब्ध |
| साझेदार प्लेटफ़ॉर्म (12) | Leonardo, Runway, fal, Comfy, Runware, Scenario, Invideo, MyDesigns, Sociaro, Moda, HeyGen और Luma |
| कीमत | घोषणा में कोई कीमत नहीं |
| खुले वेट | 4.6 का खुला संस्करण देने का वादा, कोई तारीख नहीं |
खुले वेट के मामले में Ideogram अपनी योजना बदल रहा है। संस्करण 4.5 के वेट के बारे में पूछे जाने पर, जिन्हें 30 सितंबर से « जल्द » जारी करने की बात कही जा रही थी, उसने जवाब दिया कि वह 4.5 को छोड़कर सीधे 4.6 का खुला संस्करण जारी करेगा, लेकिन कोई तारीख नहीं बताई। Ideogram 4.0 को 3 जून को खुले वेट के साथ जारी किया गया था।
We’ll skip 4.5 open and go directly to 4.6 open.
🇮🇳 हम 4.5 का खुला संस्करण छोड़कर सीधे 4.6 का खुला संस्करण जारी करेंगे। — X पर @ideogram_ai
Kling 4.0 अब नेटिव 4K और 10-बिट HDR आउटपुट के साथ
19 नवंबर — वीडियो में भी इसी तरह का बदलाव है: Kling ने घोषणा की है कि Kling 4.0 अब नेटिव 4K रिज़ॉल्यूशन और 4K तथा 1080p दोनों में 10-बिट HDR आउटपुट का समर्थन करता है, जिससे अधिक बारीकियाँ और समृद्ध रंग मिलते हैं। Kling 4.0 को 15 अक्टूबर को पूरी तरह उपलब्ध कराते समय इस HDR आउटपुट को « जल्द » लाने का वादा किया गया था, लेकिन कोई तारीख नहीं दी गई थी; Kling 3.0 पहले से ही 23 अप्रैल से नेटिव 4K में वीडियो बना रहा था। घोषणा केवल एक ट्वीट तक सीमित है: न ब्लॉग लेख, न संस्करण के बदलावों का विवरण, न क्रेडिट में कीमत, न अधिकतम अवधि और न API के बारे में कोई जानकारी।
Cursor और GitHub Copilot में Gemini 4 Neon: CursorBench 4.1 में पहले स्थान पर, Pro+, Max, Business और Enterprise के लिए उपलब्ध
Google द्वारा जारी किए जाने के कुछ घंटे बाद ही, जिसकी चर्चा यहाँ 18 नवंबर को की गई थी, Gemini 4 Neon अन्य कंपनियों के कोडिंग टूल में आ गया। Cursor और GitHub Copilot ने इसे 18 नवंबर की शाम से उपलब्ध कराया; Genspark और Antigravity CLI ने 19 नवंबर को ऐसा किया (संक्षिप्त समाचार देखें)।
Cursor ने Gemini 4 Neon उपलब्ध कराया, Extra High प्रयास स्तर पर 65,4 % के साथ CursorBench 4.1 में पहले स्थान पर
18 नवंबर — Cursor के अनुसार, Gemini 4 Neon अपने डिफ़ॉल्ट प्रयास स्तर पर CursorBench 4.1 में लागत और प्रदर्शन की नई सीमा स्थापित करता है: Gemini 4 Hydrogen के 57,3 % के मुकाबले 63,7 %। रोज़मर्रा की एजेंट आधारित कोडिंग के लिए यह Hydrogen की जगह लेता है, जबकि सबसे कठिन कार्यों के लिए अब भी Gemini 4 Carbon की सलाह दी जाती है। CursorBench 4.1 उसी दिन जारी बेंचमार्क का नया संस्करण है (निर्देशों का पालन करने से जुड़े प्रश्न बदले गए हैं और एजेंट को दिया जाने वाला समय बढ़ाया गया है): इसके स्कोर की तुलना नवंबर की शुरुआत में Carbon और Hydrogen के लिए प्रकाशित CursorBench 4.0 के स्कोर से नहीं की जा सकती।
| मॉडल और प्रयास स्तर (CursorBench 4.1) | स्कोर | प्रति कार्य औसत लागत |
|---|---|---|
| Gemini 4 Neon Extra High | 65,4 % | 10,67 डॉलर |
| Gemini 4 Neon High | 63,7 % | 6,54 डॉलर |
| Gemini 4 Carbon High | 61,5 % | 8,52 डॉलर |
| Gemini 4 Hydrogen Extra High | 61,4 % | 8,09 डॉलर |
| Claude Fable 5.2 Max | 61,3 % | 48,11 डॉलर |
| Gemini 4 Carbon Medium | 60,4 % | 7,22 डॉलर |
| Claude Fable 5.2 Extra High | 58,8 % | 17,84 डॉलर |
| Claude Opus 5.5 Max | 58,1 % | 11,88 डॉलर |
| Gemini 4 Neon Medium | 57,7 % | 3,07 डॉलर |
| Gemini 4 Hydrogen High | 57,3 % | 4,57 डॉलर |
Cursor में Neon (gemini-4-neon, 200K टोकन की संदर्भ क्षमता, अधिकतम 1M) की कीमत प्रति मिलियन टोकन इनपुट के लिए 3 डॉलर, कैश से पढ़ने के लिए 0,15 डॉलर और आउटपुट के लिए 15 डॉलर है। अन्य तृतीय-पक्ष मॉडलों की तरह, यह शामिल उपयोग का हिस्सा नहीं है: इसका शुल्क The X Subscription के प्रीपेड क्रेडिट या पुरानी Cursor योजनाओं के « Other Models » कोष से काटा जाता है।
🔗 X पर Cursor की घोषणा · CursorBench तालिका (Cursor)
Gemini 4 Neon अब Pro+, Max, Business और Enterprise के लिए GitHub Copilot में उपलब्ध
18 नवंबर — GitHub ने Copilot में Gemini 4 Neon को सामान्य रूप से उपलब्ध कर दिया है। इसे एजेंट आधारित कोडिंग, कई चरणों में टूल के उपयोग और बौद्धिक कार्य के लिए तैयार मॉडल बताया गया है। बदलावों के विवरण में Google के दावे दोहराए गए हैं: Gemini 4 Carbon के करीब गुणवत्ता, लेकिन हर कार्य के लिए टोकन की कम लागत, जवाब शुरू होने में कम समय, कोड में बिना माँगे कम बदलाव और टूल या परीक्षण के नतीजों के बारे में कम अपुष्ट दावे। इनके समर्थन में कोई आँकड़ा नहीं दिया गया है।
Neon Copilot Pro+, Max, Business और Enterprise के ग्राहकों के लिए उपलब्ध है; Pro योजना का उल्लेख नहीं है, जबकि Gemini 4 Hydrogen उसमें 13 नवंबर को ही आ गया था। यह दस जगहों पर काम करता है: VS Code, Visual Studio, Copilot CLI, कोडिंग एजेंट, GitHub Copilot ऐप, github.com, GitHub Mobile, JetBrains के IDE, Xcode और Eclipse। इसे चरणबद्ध तरीके से उपलब्ध कराया जा रहा है और उपयोग के आधार पर प्रदाता की सूचीबद्ध दर से शुल्क लिया जाता है। कंपनियों में यह अपने आप सक्रिय हो जाता है, बशर्ते नए मॉडलों को डिफ़ॉल्ट रूप से सक्रिय करने की सेटिंग चालू हो और प्रशासक ने इस मॉडल को बंद न किया हो।
🔗 GitHub Copilot में Gemini 4 Neon (बदलावों का विवरण) · X पर @github
कोडिंग एजेंट: Claude Code 2.1.328, Kimi Code 2.7.0, Devin Security Threats, Devin for Databricks Migrations, Amuse और Replit का Optimization-Bench
Claude Code 2.1.328 में तृतीय-पक्ष प्रदाताओं पर Opus 4.6 और Sonnet 4.6 के लिए ऑटो मोड उपलब्ध, /code-review का ध्यान फिर बग पर केंद्रित
19 नवंबर — Claude Code 2.1.328 में 144 प्रविष्टियाँ हैं, जिनमें 91 सुधार हैं। Amazon Bedrock, Google Cloud’s Agent Platform, Microsoft Foundry और Claude apps गेटवे पर Claude Opus 4.6 और Sonnet 4.6 के लिए ऑटो मोड उपलब्ध हो गया है: अनुमति मोड बताए बिना शुरू किया गया संवादात्मक सत्र सीधे ऑटो मोड में शुरू होता है, और disableAutoMode सेटिंग से इसे बंद किया जा सकता है। 19 नवंबर को अनुमति मोड के दस्तावेज़ों का पेज इन प्रदाताओं पर ऑटो मोड को अब भी Sonnet 5 और उसके बाद के संस्करणों, Opus 4.7 और उसके बाद के संस्करणों, Haiku 5.5 तथा Fable मॉडलों तक सीमित बता रहा था।
अधिकांश मॉडलों पर /code-review कमांड अब केवल बग और CLAUDE.md से विचलन की सूचना देती है; कोड की सफ़ाई के कामों के लिए, जिनमें दोबारा उपयोग, सरलीकरण और दक्षता शामिल हैं, /simplify का उपयोग होता है। हर निष्कर्ष को Important, Pre-existing या Nit का चिह्न दिया जाता है। विफलता पर रोकने की व्यवस्था ("onFailure": "block"), जिसे 8 अक्टूबर को command और HTTP हुक में जोड़ा गया था, अब mcp_tool हुक पर भी लागू होती है। Anthropic API के साथ टर्मिनल में छोटा और तेज़ मॉडल अब उप-एजेंटों की प्रगति का सार लिखता है। Code Mode के लिए 22 प्रविष्टियाँ हैं, जिनमें ऑटो और bypass मोड में अधिकांश स्क्रिप्ट के बाद आने वाला 0,75 सेकंड का विराम हटाना शामिल है, जबकि स्वयं होस्ट किए गए रनर के लिए 26 प्रविष्टियाँ हैं। 2.1.327 में आई एक गड़बड़ी ठीक की गई है, जो Bedrock, Agent Platform और Foundry पर उप-एजेंटों के तर्क-प्रयास को घटा देती थी; स्थिर चैनल अब भी 2.1.311 पर है।
Kimi Code 2.7.0 में Amazon Bedrock का समर्थन, Kimi Code Desktop 1.4.0 अब Claude Code, Codex और Cursor से जुड़ता है
19 नवंबर — Moonshot AI ने Kimi Code 2.7.0 जारी किया, जिसमें 24 प्रविष्टियाँ हैं। यह 12 नवंबर के 2.6.0 के बाद पहला माइनर संस्करण है। इसके तेरह मिनट बाद Kimi Code Desktop 1.4.0 ऐप जारी हुआ, जिसमें 34 प्रविष्टियाँ हैं। CLI अब Amazon Bedrock प्रदाताओं का समर्थन करता है, हर संवाद-चक्र के बाद प्रयोगात्मक रूप से अगले प्रॉम्प्ट का अनुमान दिखाता है और “Follow-up behavior” सेटिंग जोड़ता है। इसके Steer मोड में Enter कुंजी संदेश को कतार में डालने के बजाय चल रहे संवाद-चक्र की दिशा बदल देती है। स्वचालन के लिए kimi server ब्राउज़र खोले बिना स्थानीय सर्वर शुरू करता है, और तीन नए HTTP एंडपॉइंट सत्रों को नियंत्रित करने देते हैं। हर परियोजना अपने अलग SSH होस्ट का उपयोग कर सकती है; पुराने /api/v2 एंडपॉइंट हटाकर उनकी जगह /api/v1 लाया गया है, हालाँकि इस API बदलाव को केवल एक सुधार की श्रेणी में रखा गया है।
डेस्कटॉप ऐप Claude Code, Codex और Cursor जैसे बाहरी एजेंटों से जुड़ता है, ताकि उन्हें सत्र सौंपे जा सकें, इतिहास की समीक्षा की जा सके और अलग-अलग संवाद-चक्रों में मिलकर काम किया जा सके। इसमें प्रदाताओं की सूची में Qwen Coding Plan भी जोड़ा गया है।
🔗 Kimi Code 2.7.0 · Kimi Code Desktop 1.4.0
Cognition ने Devin Security Threats पेश किया, हाल में सामने आई सुरक्षा कमज़ोरियों की प्रबंधित सूची जिसे एक क्लिक में स्कैन किया जा सकता है
19 नवंबर — Cognition ने Devin Security में अभी-अभी सार्वजनिक की गई सुरक्षा कमज़ोरियों की एक प्रबंधित सूची जोड़ी है। कंपनी ने इस सप्ताह की दो घोषणाओं से शुरुआत की है: Java4Shell (17 नवंबर), जो Java के निष्पादन परिवेश को प्रभावित करता है, और NGINX2Root (18 नवंबर), जिसमें nginx में मेमोरी करप्शन के पाँच बग हैं; दोनों से दूर से कोड चलाना संभव हो सकता है। हर खतरे के विवरण में बताया गया है कि क्या प्रभावित है, हमलावर उसका कैसे फायदा उठा सकता है और उसे कैसे ठीक किया जा सकता है। Cognition बड़े सार्वजनिक खुलासों से जुड़े खतरे प्रकाशित करता है, और हर टीम बग बाउंटी रिपोर्ट, प्रदाता की सलाह या घटना की समीक्षा के आधार पर अपने खतरे लिख सकती है।
Scan with Devin बटन चुनी हुई रिपॉज़िटरी में उस खतरे पर केंद्रित स्कैन शुरू करता है, जिसके बाद Devin समीक्षा के लिए पुल रिक्वेस्ट खोलता है। Auto-triage मोड में तय न्यूनतम गंभीरता से ऊपर का हर नया खतरा आने पर Devin चुनी गई रिपॉज़िटरी को फिर से स्कैन करता है। Markdown में लिखे दो ओपन सोर्स स्किल, fix-nginx-vuln और fix-java-vuln, Devin Marketplace के Vulnerability Fixes प्लगइन में जोड़े गए हैं और दूसरे कोडिंग एजेंट भी उनका उपयोग कर सकते हैं। किसी शुल्क की घोषणा नहीं की गई है।
🔗 Devin Security Threats (Cognition) · X पर @cognition
पुराने डेटा वेयरहाउस को Databricks पर ले जाने के लिए Cognition ने Devin for Databricks Migrations पेश किया
19 नवंबर — Cognition ने Databricks के साथ मिलकर माइग्रेशन के लिए एक विशेष सेवा पेश की है। Devin पुराने डेटा वेयरहाउस (Teradata, Oracle, SQL Server, Informatica, Redshift, Snowflake) का कोड बदलता है, ग्राहक के कार्यक्षेत्र में उसका परीक्षण करता है, विफलताओं को ठीक करता है और स्विच करने से पहले हर स्रोत का Databricks पर उसकी कॉपी से मिलान करता है: पहले स्कीमा, पंक्तियों की संख्या और समेकित मान, फिर हर पंक्ति की तुलना। Cognition के अनुसार, Fortune 500 की एक ऊर्जा कंपनी ने 142 ऑब्जेक्ट वाले प्लेटफ़ॉर्म को आठ दिनों में Unity Catalog पर माइग्रेट किया, और Zeb फ़र्म ने चार सप्ताह के लिए नियोजित NetSuite माइग्रेशन ढाई सप्ताह में पूरा किया।
यह सेवा Databricks Marketplace पर उपलब्ध है और इसका खर्च Databricks के साथ पहले से किए गए व्यय समझौते (Universal Commit) में गिना जाता है। Cognition ने यह भी बताया है कि वह Databricks को रणनीतिक इन्फ़रेंस प्रदाता के रूप में इस्तेमाल करता है, जो एक ही एंडपॉइंट से ओपन सोर्स और सबसे उन्नत मॉडल उपलब्ध कराता है। कोई कीमत नहीं बताई गई है।
🔗 Devin for Databricks Migrations (Cognition)
Replit ने Amuse जारी किया, एक ओपन सोर्स निजी सहायक जिसे Missions ने तीन दिन में दोबारा बनाया
19 नवंबर — TernSign के बाद Replit ने एजेंटों के समूहों को चलाने वाले अपने ढाँचे Missions की एक और रचना दिखाई है: Amuse, एक ओपन सोर्स निजी एआई सहायक (Apache 2.0), जो उपयोगकर्ता के कंप्यूटर पर चलता है। Replit के अनुसार, एजेंट समूह के सामने बिना नाम बताए “मानक एआई सहायक” को दोबारा बनाने की चुनौती रखी गई थी और उसने इसे तीन दिन में पूरा कर लिया। इसके बाद मिली सुरक्षा कमज़ोरियों को ठीक करने के लिए प्लेटफ़ॉर्म के Security Scanner का इस्तेमाल किया गया।
Amuse स्रोतों के साथ वेब खोज करता है, ऐसे ब्राउज़र को चलाता है जिसे देखा जा सकता है और जिसका नियंत्रण वापस लिया जा सकता है, रिमाइंडर और पृष्ठभूमि के काम सँभालता है तथा छोटे ऐप बनाता है। इसकी स्मृति पढ़ी जा सकने वाली फ़ाइलों में रखी जाती है, जबकि लॉगिन विवरण एन्क्रिप्टेड वॉल्ट में रहते हैं, जिनके बदले मॉडल को केवल स्थानापन्न टोकन दिखते हैं। कुछ भी भेजने, फ़ॉर्म जमा करने, भुगतान करने या नया काम निर्धारित करने से पहले यह मंज़ूरी माँगता है। “मुफ़्त” होने में मॉडल की लागत शामिल नहीं है: इसके लिए OpenAI की API कुंजी (एजेंट के लिए GPT-6.2 Sol और तेज़ चरणों के लिए GPT-6 Luna) तथा PostgreSQL डेटाबेस चाहिए। यह एक कंप्यूटर पर एक व्यक्ति तक सीमित है और इसमें MCP सर्वर नहीं हैं।
🔗 X पर Replit की घोषणा · replit/amuse रिपॉज़िटरी
Replit ने Optimization-Bench जारी किया: अकेले सबसे अच्छा एजेंट सबसे अच्छा समूह नहीं बनाता
19 नवंबर — Replit की शोध टीम ने Optimization-Bench जारी किया है, जो ओपन सोर्स लाइब्रेरी के तय संस्करणों पर प्रदर्शन अनुकूलन का एक बेंचमार्क है। चौदह में से चार का विश्लेषण किया गया है: NumPy, SQLite, SQLGlot और Git। छह मॉडलों ने पहले अकेले और फिर 8, 16 तथा 32 एजेंटों के समूहों में दो घंटे तक काम किया। मूल्यांकन ऐसी मशीन पर चल रहा था जिस तक एजेंट पहुँच नहीं सकते थे।
| Optimization-Bench का माप | Replit द्वारा प्रकाशित परिणाम |
|---|---|
| NumPy पर अकेला GPT-6.2 Astra | अकेले Opus 5.5 से 3 गुने से अधिक तेज़ |
| GPT-6.2 Astra के 32 एजेंटों वाले समूह | 4 में से 3 कार्यों पर उसके एकल स्कोर से नीचे |
| Opus और Sonnet 5.5 के समूहों का मध्यिका लाभ | 16 और 32 एजेंटों पर उनके एकल स्कोर का 1,30 गुना |
| साझा बोर्ड पर भेजे गए Opus 5.5 के संदेश | 82 % |
GPT-6.2 Astra अकेले काम करने में आगे है, लेकिन उसके समूहों का प्रदर्शन 8 एजेंटों पर आकर ठहर जाता है। इसके उलट, Claude Opus 5.5 और Claude Sonnet 5.5 के समूह हर बार उनके अकेले किए गए काम से बेहतर प्रदर्शन करते हैं; NumPy पर Opus की गति अकेले काम करते समय 3,7 गुनी से बढ़कर 32 एजेंटों के समूह में 18,9 गुनी हो जाती है। यह आँकड़ा Missions के लॉन्च के समय भी दिया गया था। Replit इस अंतर का कारण काम का संगठन बताता है: प्रभावी टीमें साझा बोर्ड पर लिखती हैं और समन्वयक को काम बाँटने तथा फिर उसे एकीकृत करने देती हैं। NumPy पर काम करने वाले Opus के 32 एजेंटों के समूह में समन्वयक ने कभी किसी एक कार्यकर्ता एजेंट को सीधे संदेश नहीं लिखा। दूसरी टीमें समन्वयक को संदेशों का केंद्र बना देती हैं, जिसका इनबॉक्स हर नए एजेंट के जुड़ने के साथ बढ़ता जाता है।
🔗 समस्या पर और लोगों को झोंकना (Replit) · X पर @Replit
आम उपयोगकर्ताओं के सहायक: Mac के लिए Gemini में computer use, Android, डेस्कटॉप, dots और sites पर ChatGPT Health
Mac के लिए Gemini ऐप computer use से पृष्ठभूमि में ऐप और वेब चलाता है
19 नवंबर — Mac के लिए Gemini ऐप अब उपयोगकर्ता की ओर से कंप्यूटर का इस्तेमाल (computer use) कर सकता है। Gemini स्थानीय फ़ाइलों, डेस्कटॉप ऐप और वेब पर कई चरणों वाले काम करता है: क्लिक करना, टाइप करना, मेनू इस्तेमाल करना और फ़ॉर्म भरना। यह पृष्ठभूमि में एक अलग विंडो में काम करता है, जिसका सीधा पूर्वावलोकन बातचीत में दिखता है, जिससे मुख्य स्क्रीन और कर्सर उपयोगकर्ता के लिए उपलब्ध रहते हैं। उपयोगकर्ता चुनता है कि किन ऐप तक पहुँच दी जाए, हर चरण देख सकता है, सब कुछ रोक सकता है और महत्वपूर्ण कार्रवाइयों को किए जाने से पहले मंज़ूरी देता है।
Google के उदाहरणों में एक साथ कई तस्वीरों को संपादित करना, स्थानीय PDF से शिपिंग के मूल्य-प्रस्ताव भरना और डैशबोर्ड से Google Slides प्रस्तुति बनाना शामिल हैं; X पर प्रकाशित वीडियो में एक रेखाचित्र को Blender में एनिमेट किए जा सकने वाले 3D मॉडल में बदला गया है। यह सुविधा अमेरिका में Google AI Plus, Pro और Ultra ग्राहकों के लिए अंग्रेज़ी में चरणबद्ध तरीके से उपलब्ध हो रही है। इसके लिए Apple Silicon चिप वाला Mac, macOS Sequoia 15.0 या उससे नया संस्करण और कम से कम 18 वर्ष के उपयोगकर्ता का निजी Google खाता चाहिए। डेवलपरों के लिए Gemini API का Computer Use टूल अक्टूबर के अंत से सामान्य रूप से उपलब्ध है; अब आम उपयोगकर्ताओं वाला ऐप यह नियंत्रण उपयोगकर्ता के Mac पर लाता है।
🔗 Mac के लिए Gemini में computer use (Google) · X पर @GeminiApp
ChatGPT ने Health का विस्तार Health Connect के साथ Android, डेस्कटॉप ऐप, dots और sites तक किया
19 नवंबर — ChatGPT का Health अनुभाग अब डेस्कटॉप ऐप, dots, sites और Android पर भी उपलब्ध हो रहा है। Android पर यह नींद और गतिविधि के रुझान समझने के लिए Health Connect से जुड़ता है। ChatGPT के निजी एजेंट dots, किसी बैठक के आड़े आने पर अपनी ओर से व्यायाम के लिए दूसरा समय सुझा सकते हैं या जुड़े हुए मेडिकल रिकॉर्ड के आधार पर बचाव के विकल्पों की याद दिला सकते हैं। कंप्यूटर पर OpenAI ने मैराथन की तैयारी पर नज़र रखने के लिए बनाई गई एक साइट का उदाहरण दिया है। इसे चरणबद्ध तरीके से केवल अमेरिका में Free, Go, Plus और Pro योजनाओं के लिए उपलब्ध कराया जा रहा है; dots अब भी केवल Pro योजना के लिए उपलब्ध हैं। Health साइडबार में या Explore मेनू में मिलता है।
🔗 ChatGPT के संस्करण संबंधी नोट्स
Gemini API: डेवलपरों के लिए Genie 4 उपलब्ध, Tool Retrieval पूर्वावलोकन में
Genie 4 अब Gemini API और Google AI Studio में, बनाई गई दुनिया के हर सेकंड की लागत लगभग 0,10 डॉलर
19 नवंबर — Google AI Ultra ग्राहकों के लिए Project Genie में आने के अगले दिन Genie 4, Interactions API के माध्यम से Gemini API में और Google AI Studio में डेवलपरों के लिए उपलब्ध हो गया है। इसके साथ एक इंटरैक्टिव कैनवस और शुरुआत करने के लिए ऐप भी हैं। टेक्स्ट, संदर्भ चित्र या दोनों के आधार पर यह विश्व मॉडल समकालिक ध्वनि के साथ एक निरंतर परिवेश बनाता है, जिसमें परिवेश की आवाज़ों से लेकर संवाद तक शामिल हैं। इसमें कीबोर्ड से घूमा जा सकता है और चलते-चलते टेक्स्ट के ज़रिए मौसम, रोशनी, वस्तुएँ या घटनाएँ बदली जा सकती हैं।
| API में Genie 4 की विशेषता | दस्तावेज़ों में दिया गया मान |
|---|---|
| मॉडल का पहचानकर्ता | models/genie-4 (Interactions API) |
| वीडियो और ऑडियो आउटपुट | 1280x720, 16:9, 24 images/s, स्टीरियो ऑडियो 48 kHz |
| पहुँच | सशुल्क स्तर की API कुंजी |
| बिलिंग | हर फ़्रेम के लिए 240 वीडियो टोकन, यानी लगभग 0,10 डॉलर प्रति सेकंड |
| एक सत्र की अवधि | 60 से 90 s के बाद गुणवत्ता घट सकती है, अधिकतम सीमा 120 s |
| सेवा क्षेत्र | अमेरिका, पश्चिमी यूरोप, जापान |
दस्तावेज़ चेतावनी देते हैं कि टैब बंद करने से जनरेशन तुरंत नहीं रुकता: केवल स्पष्ट रूप से सत्र समाप्त करने (complete()) पर ही बिलिंग बंद होती है। Genie 4 स्मृति में कोई 3D दृश्य नहीं रखता: कोई वस्तु 8 सेकंड या उससे अधिक समय तक नज़र से बाहर रहे, या उपयोगकर्ता पूरा घूमकर वापस उसी दिशा में आए, तो संदर्भ बिंदु खिसक सकते हैं या रीसेट हो सकते हैं। हर आउटपुट पर SynthID वॉटरमार्क होता है।
🔗 Gemini API में Genie 4 (Google) · Genie के दस्तावेज़ (AI Studio)
Gemini API में Tool Retrieval का पूर्वावलोकन शुरू, ज़रूरत पड़ने पर लोड होते हैं टूल के स्कीमा
19 नवंबर — Google ने Gemini API में टूल खोजने की सुविधा जोड़ी है, जिसे OpenAI और Anthropic पहले से उपलब्ध करा रहे थे। Interactions API में पूर्वावलोकन के रूप में उपलब्ध Tool Retrieval के साथ, दर्जनों या सैकड़ों टूल से जुड़ा एजेंट अब हर अनुरोध में उनके सभी पैरामीटर स्कीमा नहीं भेजता: केवल एक tool_search टूल जोड़ना और रिज़र्व में रखे जाने वाले टूल को defer_loading: true के रूप में चिह्नित करना काफ़ी है। मॉडल को केवल उनके नाम और विवरण दिखते हैं। ज़रूरत पड़ने पर वह नाम लेकर टूल माँगता है, और API उसी अनुरोध के भीतर सर्वर पर उसका स्कीमा लोड कर देती है; कोई इंडेक्स बनाने की ज़रूरत नहीं होती।
यह व्यवस्था दूरस्थ MCP सर्वर पर भी लागू होती है और प्रीफ़िक्स कैश को बनाए रखती है, क्योंकि लोड किए गए स्कीमा बातचीत में आगे जोड़े जाते हैं। अपनी टूल रजिस्ट्री सँभालने वाली टीमें खोज अपने यहाँ चला सकती हैं, लेकिन इसके लिए एक अतिरिक्त अनुरोध और जवाब का चक्र लगता है। Tool Retrieval का अलग से शुल्क नहीं लिया जाता: tool_search इनपुट टोकन का एक छोटा, तय आकार का ब्लॉक जोड़ता है, और हर लोड किए गए स्कीमा का बाकी बातचीत के दौरान इनपुट के रूप में शुल्क लगता है। Google ने बचत का कोई आँकड़ा प्रकाशित नहीं किया है और अपनी ट्रैफ़िक पर लाभ मापने की सलाह दी है। यह सुविधा Gemini 3.6 और उसके बाद के मॉडलों के साथ काम करती है, जिनमें पूरा Gemini 4 परिवार शामिल है।
🔗 Gemini API में Tool Retrieval (Google)
आवाज़: GPT-Live-1.1 API में आया, स्टैंडबाय की दर 0,02 डॉलर प्रति मिनट
19 नवंबर — 15 अक्टूबर को ChatGPT Plus और Pro की आवाज़ सुविधा में आने के एक महीने से कुछ अधिक समय बाद, GPT-Live-1.1 अब OpenAI के API में आ गया है (v1/live/sessions पर gpt-live-1.1)। मॉडल बहुभाषी वॉइस बातचीत में उच्चारण, लहजे की निरंतरता और ट्रांसक्रिप्शन को बेहतर बनाता है, और मौजूदा Live सेशन कॉन्फ़िगरेशन में जोड़ा जा सकता है।
सबसे ठोस नई सुविधा प्रतीक्षा मोड (standby) है, जो WebRTC सेशन पर GPT-Live-1 और GPT-Live-1.1 दोनों के लिए उपलब्ध है। 5 से 60 सेकंड के बीच तय की जा सकने वाली चुप्पी के बाद, मॉडल कॉल काटे बिना रुक जाता है, और किसी के दोबारा बोलने तक प्रति मिनट की दर 0,05 से घटकर 0,02 डॉलर हो जाती है।
| GPT-Live सेशन का प्रकार | प्रति मिनट दर |
|---|---|
| सक्रिय सेशन | 0,05 डॉलर |
| स्टैंडबाय (WebRTC, इन्फ़रेंस रुका हुआ) | 0,02 डॉलर |
बैकएंड मॉडल और टूल के उपयोग का शुल्क अलग से लगता है, और दोनों संस्करणों में एक साथ चलने वाले सेशन की सीमाएँ अलग हैं। Python 3.56.0 और Node 7.61.0 के SDK में यह मॉडल जोड़ा गया है, और OpenAI ने इस रिलीज़ के साथ भाषाओं और क्षेत्रीय लहजों पर एक मार्गदर्शिका भी दी है।
🔗 @OpenAIDevs की घोषणा · GPT-Live-1.1 का विवरण · भाषाओं और क्षेत्रीय लहजों के लिए GPT-Live को निर्देश देना
हार्डवेयर और क्लाउड: Ignite में NVIDIA और Microsoft, RTX Spark मिनी-PC उपलब्ध
NVIDIA और Microsoft ने Ignite में अपना सहयोग बढ़ाया, Azure में Vera Rubin से लेकर Foundry में Nemotron 3.5 तक
19 नवंबर — Microsoft Ignite के अवसर पर NVIDIA ने Dave Salvator की लिखी एक ब्लॉग पोस्ट में Microsoft के साथ अपने सहयोग के विस्तार का विवरण दिया है। Vera Rubin NVL72 सिस्टम Azure के डेटा सेंटरों में चल रहे हैं और उनका उपयोग करने वाली वर्चुअल मशीनों तक पहुँच बढ़ाई जा रही है; पोस्ट में Azure पर Vera Rubin के पूर्वावलोकन का उल्लेख है, लेकिन सामान्य उपलब्धता की तारीख नहीं दी गई है।
| NVIDIA और Microsoft की घोषणा | ब्लॉग पोस्ट के अनुसार स्थिति |
|---|---|
| Vera Rubin NVL72 पर Azure VM | पहुँच का विस्तार, पूर्वावलोकन |
| Nemotron 3.5 Super, Lightning, Embed, Rerank, Parse और Content Safety | Foundry Managed Compute पर विस्तृत श्रृंखला |
| Nemotron 3.5 Bolt और Transcribe | जल्द उपलब्ध |
| Foundry Local में Nemotron 3.5 और Cosmos मॉडल | समर्थन का विस्तार, Azure Local परिवेश भी शामिल |
| Azure Local | RTX PRO 6000 Blackwell GPU जल्द आएँगे, Jetson Thor और Jetson Orin तक विस्तार |
| Windows 365 पर Direct Stream | 60 images/s पर दो 4K स्ट्रीम, 2027 की शुरुआत में सार्वजनिक पूर्वावलोकन |
| Microsoft Discovery में BioNeMo और ALCHEMI | कैटलॉग में शामिल, RFD4-Proteina का पहला एकीकरण |
दिए गए उदाहरण में, EY ने खरीद रजिस्टरों को वर्गीकृत करने के लिए Foundry की सर्वरलेस पोस्ट-ट्रेनिंग सेवा Programmed Training से Nemotron के खुले मॉडलों को अनुकूलित किया; पोस्ट के अनुसार, उसके मूल्यांकन डेटासेट पर सटीकता 55 % बढ़ी और लागत अग्रणी मालिकाना मॉडलों से 15 गुना कम रही। Microsoft AI अपनी पोस्ट-ट्रेनिंग में रीइन्फ़ोर्समेंट लर्निंग के रोलआउट (rollouts) का इन्फ़रेंस करने के लिए NVIDIA Dynamo का भी उपयोग करता है। पोस्ट अंत में Azure के MLPerf परिणामों का उल्लेख करती है: Training v6.1 में GB200 NVL72 सिस्टम पर 10 240 तक NVIDIA GPU, जो उस सत्र का सबसे बड़ा पैमाना था; और Signal65 के अनुसार, Inference v6.1 में DeepSeek-R1 के इंटरैक्टिव थ्रूपुट पर Azure के GB300 NVL72 ने अन्य क्लाउड सबमिशन से 10 % से अधिक बढ़त हासिल की। कोई कीमत नहीं बताई गई है।
🔗 Ignite में NVIDIA और Microsoft (NVIDIA)
ASUS, Dell और MSI के RTX Spark मिनी-PC उपलब्ध हैं, NVIDIA ने घोषणा की
18 नवंबर — NVIDIA ने ASUS, Dell और MSI के RTX Spark डेस्कटॉप मिनी-PC की उपलब्धता की घोषणा की है, जिनमें ASUS ProArt GR1X और MSI EdgeMesa N AI+ श्रृंखला शामिल हैं; Acer, GIGABYTE और HP के मॉडल जल्द आएँगे, साथ ही Microsoft Surface RTX Spark Dev Box भी। ये अक्टूबर में लॉन्च हुए लैपटॉप वाले प्लेटफ़ॉर्म पर आधारित हैं: 20 कोर वाला NVIDIA Grace प्रोसेसर, 6 144 CUDA कोर वाला Blackwell RTX GPU, 128 Go तक एकीकृत मेमोरी और 1 पेटाफ़्लॉप तक एआई प्रदर्शन। NVIDIA के अनुसार, ये स्थानीय रूप से 120 अरब पैरामीटर वाले मॉडल चला सकते हैं। कोई कीमत नहीं बताई गई है।
सॉफ़्टवेयर की बात करें तो, स्थानीय और क्लाउड मॉडलों के बीच एजेंट के कार्य बाँटने वाला Switchyard अब Hermes में उपलब्ध है। Adobe, Premiere में सामान्य H.264 आउटपुट तैयार करने में लगने वाले समय को 50 % से अधिक घटाता है, और अब Windows on Arm पर मूल रूप से चलने वाला Illustrator अपने इम्यूलेटेड संस्करण से 30 % तक तेज़ है; Blender 5.3 में DLSS 4.5 Ray Reconstruction शामिल है। Ignite में की गई घोषणाओं के अनुसार, Windows Server 2028 अब DGX Station for Windows पर आ रहा है और Windows ML, llama.cpp के ज़रिये Hugging Face का कोई भी GGUF मॉडल चला सकता है।
🔗 RTX Spark मिनी-PC उपलब्ध (NVIDIA)
खुले मॉडल: DaisyRose-27B और Hermes अडैप्टर ने Qwen3.8-27B को बेहतर बनाया, OVHcloud ने Olala mini जारी किया, PEFT v0.22.0
RadixArk ने DaisyRose-27B जारी किया, RL से परिष्कृत यह Qwen3.8-27B मॉडल Terminal-Bench 4.1 पर अपना स्कोर दोगुना करता है
18 नवंबर — RadixArk ने DaisyRose-27B जारी किया है, जिसे वह अपना पहला मॉडल बताता है: यह Qwen3.8-27B है, जिसे उसके ओपन सोर्स फ़्रेमवर्क Miles से रीइन्फ़ोर्समेंट लर्निंग के ज़रिये दोबारा प्रशिक्षित किया गया है। प्रशिक्षण में लगभग 1 200 लंबी अवधि वाले एजेंट कार्य इस्तेमाल हुए, जिनमें हर प्रयास में 1,5 घंटे तक का समय और 100 से अधिक टूल कॉल लग सकते थे; इन्हें मूल मॉडल की त्रुटियों को लक्षित करने के लिए Eigent AI के साथ तैयार किया गया था। वेट Apache 2.0 के तहत BF16, FP8 और NVFP4 में जारी किए गए हैं, और मूल मॉडल का 256K tokens का कॉन्टेक्स्ट तथा छवियों को समझने की क्षमता बरकरार है। प्रशिक्षण में 144 H200 पर 18 दिन लगे।
| बेंचमार्क (स्कोर % में) | Qwen3.8-27B | DaisyRose-27B |
|---|---|---|
| Terminal-Bench 4.1 (pass@1) | 5,6 | 12,0 |
| Terminal-Bench 2.1 | 73,0 | 75,5 |
| DeepSWE v1.1 | 42,2 | 46,2 |
| SWE Bench Pro v2 | 91,3 | 94,7 |
| GPQA Diamond | 89,2 | 90,7 |
RadixArk ने GPU के उपयोगी इस्तेमाल (MFU) का स्तर 37 % होने की भी घोषणा की है, जबकि Megatron पर आधारित ओपन सोर्स ट्रेनर के लिए यह 16 % है; इससे GPU समय में 57 % की कमी आती है। ये प्रकाशक के दिए हुए आँकड़े हैं।
🔗 DaisyRose-27B (RadixArk की ब्लॉग पोस्ट) · DaisyRose-27B-NVFP4 (Hugging Face)
harness-hub परियोजना ने Qwen3.8-27B का Hermes अडैप्टर जारी किया, जो तर्क-विचार के बिना SWE-Bench Pro स्कोर 29,4 से 43,1 % तक बढ़ाता है
19 नवंबर — pi और OpenCode के बाद, harness-hub परियोजना ने Qwen3.8-27B का तीसरा LoRA अडैप्टर जारी किया है। इस बार यह Nous Research के एजेंट हार्नेस Hermes के लिए है, और इसका GGUF संस्करण भी उपलब्ध है।
| बेंचमार्क (pass@1) | Qwen3.8-27B | Hermes अडैप्टर के साथ |
|---|---|---|
| SWE-Bench Pro (51 कठिन कार्य), तर्क-विचार के बिना | 29,4 % | 43,1 % |
| SWE-Bench Pro (51 कठिन कार्य), xhigh तर्क-विचार | 45,1 % | 51,0 % |
| Terminal-Bench 2.1, तर्क-विचार के बिना | 44,7 % | 58,8 % |
| Terminal-Bench 2.1, xhigh तर्क-विचार | 58,8 % | 57,6 % |
इसकी सबसे बड़ी खासियत संसाधनों की बचत है: तर्क-विचार के बिना यह अडैप्टर, xhigh तर्क-विचार वाले मूल मॉडल की बराबरी करता है और 3,5 से 4,4 गुना कम tokens इस्तेमाल करता है। प्रति कार्य 10 000 tokens के बजट में, यह Terminal-Bench 2.1 के 51 % और SWE-Bench Pro के 39 % कार्य हल करता है, जबकि xhigh पर मूल मॉडल क्रमशः 28 % और 0 % कार्य हल करता है। इस विधि (TRL का AsyncGRPOTrainer, OpenEnv, safeagents) का विवरण शुक्रवार के लिए घोषित ब्लॉग पोस्ट में दिया जाना है।
🔗 X पर @yb2698 की घोषणा · Qwen3.8-27B-hermes-adapted (Hugging Face)
OVHcloud ने Hugging Face पर Olala mini 7A1B के वेट उपलब्ध कराए, बारह बेंचमार्क पर औसत स्कोर 68,0
19 नवंबर — 17 नवंबर को घोषित Olala mini 7A1B, जो OVHcloud के भाषा मॉडलों के पहले परिवार की शुरुआत करता है, अब Hugging Face पर Apache 2.0 लाइसेंस के तहत बेस, SFT, GGUF और MLX संस्करणों में डाउनलोड के लिए उपलब्ध है।
| Olala mini 7A1B की विशेषता | प्रकाशित मान |
|---|---|
| पैरामीटर | 6,8 अरब, जिनमें प्रति टोकन लगभग 1 अरब सक्रिय |
| आर्किटेक्चर | विशेषज्ञों के मिश्रण वाली हाइब्रिड Mamba-3 और अटेंशन संरचना, 36 में से 7 लेयर पर KV कैश |
| कॉन्टेक्स्ट | 32K tokens, 128K संस्करण जल्द आने की घोषणा |
| प्रशिक्षण | 12,8T tokens, अंग्रेज़ी और 36 अन्य भाषाओं में |
| अनुमानित पर्यावरणीय प्रभाव | लगभग 40 t CO2 और 1,16 GWh |
| बारह बेंचमार्क का औसत | 68,0, यानी SFT चेकपॉइंट से 15,2 अंक अधिक |
मॉडल को तीन यूरोपीय सार्वजनिक सुपरकंप्यूटरों पर प्रशिक्षित किया गया है: JUPITER (जिसमें 1 024 GH200 GPU शामिल थे), Jean Zay और MeluXina। यह जवाब देने से पहले तर्क-विचार करता है, जिसके लिए प्रयास के चार स्तर हैं, और इसे रीइन्फ़ोर्समेंट लर्निंग से टूल कॉल करना सिखाया गया है; इसकी ताकत निर्देशों का पालन करना है और कमजोरी प्रतियोगी गणित।
🔗 X पर @OVHcloud · Olala-v1.0-mini-7A1B (Hugging Face)
Hugging Face ने PEFT 1.0 से पहले PaCA, Astra और NoRA विधियों के साथ PEFT v0.22.0 जारी किया
19 नवंबर — कम संसाधनों में फ़ाइन-ट्यूनिंग के लिए Hugging Face की लाइब्रेरी अब v0.22.0 पर पहुँच गई है। इसमें PaCA (Partial Connection Adaptation) जोड़ा गया है, जो अडैप्टर लेयर जोड़ने के बजाय पूर्वप्रशिक्षित वेट में बेतरतीब ढंग से चुने गए इनपुट कॉलम को सीधे फ़ाइन-ट्यून करता है: मूल शोधपत्र के अनुसार, तुलनीय सटीकता पर इसे LoRA से 22 % कम प्रशिक्षण समय और 16 % कम मेमोरी चाहिए। LoRA के आरंभीकरण की दो नई विधियाँ, Astra और NoRA, भी इस संस्करण में शामिल हैं। इसके अलावा, टेंसर पैरेललिज़्म और FSDP2 को बेहतर किया गया है तथा मॉडल की स्थिति जाँचने की सुविधा जोड़ी गई है। PEFT को अब Python 3.11 चाहिए, और रिलीज़ नोट्स के अनुसार अगला संस्करण 1.0 होगा, जिसमें API की सफ़ाई और पुराने कोड से असंगत कुछ छोटे बदलाव होंगे; इससे पहले एक रिलीज़ कैंडिडेट (release candidate) आएगा।
विज्ञान: Ai2 ने Asta में Theorizer लॉन्च किया, एक एजेंट जो शोध प्रकाशनों से जुड़े सिद्धांत सुझाता है
19 नवंबर — Ai2 ने वैज्ञानिक अनुसंधान के लिए अपने एजेंट प्लेटफ़ॉर्म Asta में Theorizer उपलब्ध कराया है और इसका कोड Apache-2.0 लाइसेंस के तहत जारी किया है। एजेंट शोध साहित्य की समीक्षा करता है, तय करता है कि हर शोधपत्र से क्या निकालना है, परिणामों की तुलना करता है और ऐसे सिद्धांत तैयार करता है जिनका हर दावा उसे समर्थन देने वाले शोधपत्रों से जुड़ा होता है; वह जिन सिद्धांतों को नया मानता है उन्हें चिह्नित करता है, साथ ही चेतावनी देता है कि खोज में पहले के कुछ शोध छूट सकते हैं। Ai2 ने इसके वास्तविक उदाहरण दिए हैं: किसी ज्ञात ड्राइवर म्यूटेशन के बिना फेफड़ों के एडेनोकार्सिनोमा (लगभग 20 से 30 % मामले) में CDK2 प्रोटीन पर निर्भरता का एक शुरुआती संकेत, जिसकी प्रयोगशाला में पुष्टि अभी बाकी है; Allen Institute के एक तंत्रिका-विज्ञानी के लिए VIP इंटरन्यूरॉन्स पर 50 संभावित सिद्धांत, जबकि उन्हें एक या दो की उम्मीद थी। एक निर्धारित टोकन सीमा तक Asta में इसके उपयोग का खर्च Ai2 उठाता है, तकनीकी शोधपत्र ACL 2026 में प्रकाशित हुआ था और 10 दिसंबर को एक वेबिनार होना है।
🔗 Asta में Theorizer (Ai2) · allenai/asta-theorizer रिपॉज़िटरी
उद्यमों में एआई: Sakana AI और Salesforce ने जापान के सार्वजनिक क्षेत्र के लिए समझौता ज्ञापन पर हस्ताक्षर किए
19 नवंबर — Sakana AI ने Salesforce के साथ एक समझौता ज्ञापन की घोषणा की है, जिसका उद्देश्य जापान के सार्वजनिक प्रशासन और स्थानीय निकायों के लिए अमेरिकी कंपनी के सॉफ़्टवेयर में अपने एआई मॉडल एकीकृत करना है। घोषित लक्ष्य इन संस्थाओं की प्रशासनिक दक्षता और डिजिटल परिवर्तन में योगदान देना है, और Sakana AI का कहना है कि वह जापान के सार्वजनिक क्षेत्र की ज़रूरतों के अनुरूप तकनीक विकसित करना जारी रखना चाहता है। जापानी भाषा का यह ट्वीट समाचार एजेंसी Jiji की एक खबर साझा करता है; घोषणा में न कोई समयसीमा दी गई है, न किसी उत्पाद का नाम, न कोई राशि।
संक्षिप्त समाचार
अन्य प्लेटफ़ॉर्मों पर Gemini 4 Neon
- Antigravity CLI 1.5.12 — Gemini 4 Neon अब केवल Gemini API कुंजी (
GEMINI_API_KEY) से अपने चारों चिंतन स्तरों पर उपलब्ध है; Remote Control का ब्राउज़र दृश्य कई बातचीत एक साथ अगल-बगल दिखाता है, और/forkमें अब एक घंटे तक के बजाय कुछ सेकंड लगते हैं। 🔗 स्रोत - Genspark — Gemini 4 Neon अब AI Chat और Code Agent में आ रहा है, साथ में Google के दावे भी हैं (xhigh प्रयास स्तर पर Artificial Analysis की समग्र रैंकिंग में तीसरा स्थान, उसके कोड एजेंट सूचकांक में पहला स्थान, सर्वश्रेष्ठ मॉडलों से प्रति कार्य लागत 50 से 80 % कम), लेकिन सदस्यता योजना या क्रेडिट का विवरण नहीं दिया गया है। 🔗 स्रोत
कोड एजेंट और विकास उपकरण
- Codex CLI 0.172.0-alpha.2 — इस पूर्वावलोकन संस्करण के रिलीज़ नोट खाली हैं; इसके 62 कमिट के शीर्षकों के अनुसार, इसमें स्लैश कमांड के आर्ग्युमेंट का स्वतः पूर्ण होना, स्थानीय MCP सर्वर का डिफ़ॉल्ट रूप से माँग पर शुरू होना और
/experimentalमें अनुकूलित स्थिति पंक्तियाँ तैयार की जा रही हैं। स्थिर संस्करण आने से पहले सामग्री बदल सकती है। 🔗 स्रोत - iOS पर Codex — iOS के लिए ChatGPT का संस्करण 1.2026.314 अतिरिक्त बातचीत को जुड़े हुए कंप्यूटर पर सहेजता है, क्लाउड में या किसी कंप्यूटर और विशेष प्रोजेक्ट पर कार्य शुरू करने के लिए एक चयनकर्ता जोड़ता है, और अब केवल सक्रिय उप-एजेंटों की गिनती करता है। 🔗 स्रोत
- Copilot CLI 1.0.115 और Copilot SDK 2.0.2 — CLI के दो पूर्वावलोकन संस्करण अन्य सुधारों के साथ उन MCP सर्वर से जुड़ने की समस्या ठीक करते हैं जो रिफ़्रेश टोकन का स्कोप छोड़ देते हैं; SDK का पूर्वावलोकन संस्करण 2.0.2-preview.0 macOS और Linux पर प्रमाणपत्र प्राधिकरण eMudhra की चिह्नित 16 कुंजियों को विश्वसनीयता एंकरों से हटाता है। स्थिर संस्करण अभी भी 1.0.114 है। 🔗 स्रोत · 🔗 Copilot SDK
- GitHub CLI 2.105.0 — पूर्वावलोकन में,
gh event listenबार-बार पूछताछ करने के बजाय किसी pull request की घटना (समीक्षा, टकराव, नया कमिट, जाँच समूह का पूरा होना) की प्रतीक्षा करता है, औरgh prतथाgh runअब एजेंटों को इसका सुझाव देते हैं; Event Streams तक पहुँच के लिए अभी भी प्रतीक्षा सूची है। 🔗 स्रोत - Copilot के MCP कनेक्टर — GitHub द्वारा सत्यापित आठ सेवाएँ पहले से मौजूद 25 से अधिक सेवाओं में जुड़ रही हैं, सभी योजनाओं पर सार्वजनिक पूर्वावलोकन के रूप में: Box, Buildkite, Calendly, ClickUp, Mixpanel, Supabase, Webflow और Wix। 🔗 स्रोत
- Gemini CLI v0.69.0 और v0.70.0 — नौ दिनों तक कोई नया संस्करण न आने के बाद, एक ही दिन दो स्थिर संस्करण जारी हुए हैं, और v0.70.0 में नियम इंजन के वे सुरक्षा सुधार शामिल हैं जिन्हें 10 नवंबर से मर्ज किया गया था; पूर्वावलोकन संस्करण v0.71.0-preview.0 PowerShell कमांड का विश्लेषण एसिंक्रोनस बनाता है। 🔗 स्रोत · 🔗 v0.71.0-preview.0
- CLI mistral 0.19.0 और 0.20.0 —
mistral ocr processकिसी दस्तावेज़ या छवि को Markdown या संरचित डेटा में बदलता है,mistral evals judgeकी जगहmistral evals scorerलेता है, औरmistral agents initअब API कुंजी के बिना Agents SDK का एक स्वतंत्र प्रोजेक्ट बनाता है। 🔗 स्रोत · 🔗 0.20.0 - Delta 0.28 — एजेंटों के साथ कोड लिखने के लिए Zed का यह परिवेश पूरे संगठन की चर्चा शृंखलाओं में खोज करता है और डिफ़ॉल्ट रूप से हल्का संदर्भ संक्षेपण चालू करता है, जो किसी मॉडल को कॉल किए बिना टूल के पुराने परिणाम छाँट देता है। 🔗 स्रोत
- Windows के लिए Amp — 17 नवंबर को, एक प्रयोगात्मक संस्करण के दस दिन बाद, Amp ने अपने Windows ऐप की घोषणा की, जो x64 और Arm पर नेटिव रूप से चलता है और जिसमें एकीकृत रनर, Intune के ज़रिए तैनात किए जा सकने वाले MSIX पैकेज तथा समूह नीति के ज़रिए सेटिंग उपलब्ध हैं। 🔗 स्रोत
- Warp Learn — Warp ने बेन होम्स द्वारा पढ़ाया जाने वाला एक निःशुल्क पाठ्यक्रम, अपने आप बेहतर होने वाली सॉफ़्टवेयर फ़ैक्टरी बनाएँ, शुरू किया है: तीन में से दो इकाइयाँ ऑनलाइन हैं, जिनमें एजेंटों द्वारा विकास के चक्र से लेकर त्रुटियों की निगरानी से शुरू होने वाले सुधारों तक की सामग्री है। 🔗 स्रोत
- DevinDash — Cognition ने अपने Devin Bots का ऐसा रूप तैयार किया है जो DoorDash के MCP सर्वर के ज़रिए खाना मँगाता है; Devin for Startups की वे स्टार्टअप कंपनियाँ, जो सैन फ़्रांसिस्को या न्यूयॉर्क के खुले परामर्श सत्रों (ऑफ़िस आवर्स) में आई थीं, DoorDash के लिए 1 000 डॉलर का क्रेडिट पा सकती हैं। 🔗 स्रोत
API और प्लेटफ़ॉर्म
- Perplexity का Agent API — xhigh प्रयास स्तर अब Claude Opus 5.5 की जगह GPT-6.2 Sol पर चलता है, बिना किसी वैकल्पिक मॉडल के; संस्करण
xhigh@2026-11-11.0को पिन करने से पुराना विन्यास बना रहता है। 🔗 स्रोत - Together AI और Nous Portal पर Qwen4-Max — Together AI, Alibaba का प्रमुख मॉडल (2,4T पैरामीटर वाला MoE, जिनमें 71B सक्रिय हैं, और 1M का संदर्भ) 30 % छूट के साथ उपलब्ध कराता है, और Nous Research इसे Inferact के साथ Nous Portal में पाँच दिनों के लिए निःशुल्क कर रहा है, लेकिन समाप्ति तिथि या उपयोग सीमा का विवरण नहीं दिया गया है। 🔗 Together AI · 🔗 Nous Research
सहायक और उद्यम
- ChatGPT डेस्कटॉप ऐप में लेन-देन के मिलान और मासिक खाता समापन के लिए Accounting प्लगइन जोड़ता है — यह प्लगइन लेन-देन का मिलान करने, बिलिंग प्रविष्टियाँ लिखने और महीने के अंत की रिपोर्ट तैयार करने में मदद करता है; यह macOS या Windows पर कंप्यूटर का उपयोग करके काम करता है, और Enterprise में इसके लिए प्रशासक की स्वीकृति चाहिए (ChatGPT के 18 नवंबर के रिलीज़ नोट, जिनका लिंक ऊपर है)।
- Perplexity Brain — Perplexity ने X पर Brain द्वारा लिखे गए निजी स्किल साझा किए हैं और वहाँ अमेरिका के सभी व्यक्तिगत तथा उद्यम ग्राहकों के लिए इस सुविधा की घोषणा की है, जबकि उसके ब्लॉग लेख में Max ग्राहकों का उल्लेख है; यादृच्छिक परीक्षण में, स्वतः सुधार सुविधा वाले 72,9 % उपयोगकर्ताओं को एक नया निजी स्किल मिला, जबकि नियंत्रण समूह में यह आँकड़ा 6,5 % था। 🔗 स्रोत · 🔗 ब्लॉग लेख
- सेवा के रूप में RAG — Perplexity ने सेवा के रूप में उपलब्ध RAG पर एक मार्गदर्शिका प्रकाशित की है और सात प्रदाताओं की रैंकिंग दी है, जिसमें Perplexity Enterprise पहले स्थान पर है, उसके बाद AWS Bedrock, OpenAI, Azure AI Search, Pinecone, LlamaIndex और Vectara हैं; यह रैंकिंग स्वयं Perplexity की है। 🔗 स्रोत
- Sumitomo Life — जून 2026 में ChatGPT Enterprise अपनाने वाली इस जापानी जीवन बीमा कंपनी ने 80 % से अधिक साप्ताहिक उपयोग की घोषणा की है; उपयोगकर्ताओं द्वारा बताए गए समय की बचत के आधार पर अनुमानित निवेश प्रतिफल कुल मिलाकर 203 % और महीने में कम से कम 101 बार इसका उपयोग करने वाले कर्मचारियों में औसतन 524 % है। 🔗 स्रोत
- बाहरी सदस्यों के लिए SSO — ChatGPT Enterprise, Edu और Healthcare कार्यस्थानों के स्वामी उन बाहरी सदस्यों को SSO से छूट दे सकते हैं जिनका डोमेन सत्यापित नहीं है; यह छूट केवल एक कार्यस्थान के लिए मान्य होती है और सदस्य के छोड़ने पर समाप्त हो जाती है। 🔗 स्रोत
- Candid Health और ElevenAgents — राजस्व चक्र प्रबंधन का यह अमेरिकी प्लेटफ़ॉर्म बीमा कंपनियों द्वारा प्रतिपूर्ति अस्वीकार किए जाने से जुड़े अपने कॉल ElevenLabs के वॉइस एजेंटों को सौंपता है: 12 860 कॉल, प्रति माह 850 घंटे से अधिक की बचत और परीक्षण चरण के 59 % कॉल का समाधान, जबकि एकीकरण में 48 घंटे लगे। 🔗 स्रोत
- Enterprise Live Migrations — कृत्रिम बुद्धिमत्ता से इतर: Azure DevOps Services से डेटा रेज़िडेंसी वाले GitHub Enterprise Cloud में निरंतर माइग्रेशन अब सामान्य रूप से उपलब्ध हैं, और अंतिम स्थानांतरण तक Git इतिहास, ब्रांच, टैग तथा pull requests समन्वयित रहते हैं। 🔗 स्रोत
- GitHub Actions के RHEL रनर — कृत्रिम बुद्धिमत्ता से इतर: होस्ट किए गए बड़े रनर की Red Hat Enterprise Linux 9 और 10 इमेज अब Team और Enterprise Cloud योजनाओं के लिए सामान्य रूप से उपलब्ध हैं। 🔗 स्रोत
खुले मॉडल, शोध और सिमुलेशन
- Genspark का Deep Research — Genspark ने Baseten द्वारा 10 नवंबर को प्रकाशित एक काम साझा किया है: गहन शोध के लिए अतिरिक्त प्रशिक्षण दिया गया Qwen3.5-397B, Genspark के आंतरिक मूल्यांकनकर्ता पर 0,759 अंक पाता है, जबकि मूल मॉडल को 0,612 और Opus 5.5 को 0,738 अंक मिलते हैं; यह एजेंट का डिफ़ॉल्ट मॉडल बन रहा है, और Genspark इसके वेट अपने पास रखता है। 🔗 स्रोत · 🔗 Baseten का ब्लॉग लेख
- BAR परीक्षण में Muse Wonder — Meta ने कानूनी कृत्रिम बुद्धिमत्ता प्लेटफ़ॉर्म Legora की नवंबर की रैंकिंग साझा की है, जिसमें Muse Wonder को समग्र गुणवत्ता का सर्वश्रेष्ठ स्कोर मिला है और वह विश्लेषण तथा निष्कर्षण सहित चार प्रकार के कार्यों में आगे है। 🔗 स्रोत
- Clairic — Cloudflare द्वारा Hugging Face पर प्रकाशित 27 अरब पैरामीटर वाले, निर्धारित डेटा प्रकारों के साथ संरचित निष्कर्षण करने वाले मॉडल Clairic का एक प्रदर्शन Hub पर उपलब्ध है; मॉडल 16 अक्टूबर का है और इसका Flash संस्करण 12 नवंबर का है। 🔗 स्रोत
- Airbnb में Gemma 4 E2B — Google के Gemma खाते के अनुसार, Airbnb ने एक ही RTX Pro 6000 GPU पर नियमों के वर्गीकरण के लिए Gemma 4 E2B का उपयोग किया: अधिकतम F1 स्कोर 0,563 से 0,902 हुआ, माध्यिका विलंबता 35 ms रही, जबकि अग्रणी मॉडलों में यह लगभग 900 ms थी, और बड़े पैमाने पर लागत उनकी लागत का लगभग 1 % रही। 🔗 स्रोत
- Atto — NeuML ने दस्तावेज़ खोज के लिए अत्यंत छोटे मॉडलों का एक परिवार प्रकाशित किया है, जो 840 पैरामीटर से 28 मिलियन तक जाता है: 90 000 पैरामीटर वाला डेंस मॉडल BEIR के एक उपसमुच्चय पर nDCG@10 में 0,4257 प्राप्त करता है, जबकि लगभग 256 गुना बड़े all-MiniLM-L6-v2 को 0,4802 मिलता है। 🔗 स्रोत
- ja-NCM — एक डेवलपर ने खुले वेट वाला एक छोटा जापानी मॉडल प्रकाशित किया है, जो एक-एक टोकन के बजाय अवधारणाओं के आधार पर पाठ उत्पन्न करता है: उनके अनुसार, तुलनीय गुणवत्ता पर यह ऑटोरेग्रेसिव मॉडल से लगभग 6 गुना और डिफ़्यूज़न मॉडल से 2,4 गुना तेज़ है। 🔗 स्रोत
- Into the Omniverse — NVIDIA ने एजेंटों द्वारा बनाए गए सिमुलेशन पर अपना ब्लॉग लेख तीसरी बार पुनः प्रकाशित किया है, जिसमें नए उदाहरण हैं: GPT-6 Astra के साथ Falkor (KONGSBERG) के औद्योगिक स्थलों के डिजिटल ट्विन, और Claude Code द्वारा संयोजित एक गहन चिकित्सा इकाई, जिसमें 768 में से 766 Microduck रोबोट खड़े रहे। 🔗 स्रोत
इसका क्या अर्थ है
अग्रणी प्रयोगशालाओं के वित्तीय और तकनीकी पड़ावों के साथ अब सुरक्षा की प्रतिबद्धताएँ भी जुड़ रही हैं। Anthropic मूल्य-दायरे से ऊपर अपना मूल्य तय करता है और अपनी पेशकश 825 से बढ़ाकर 980 मिलियन शेयर करता है; अगले दिन, डारियो अमोदेई वादा करते हैं कि व्यावसायिक या राजनीतिक दबाव के आगे झुके बिना, प्रशिक्षण और तैनाती की गति तब तक नियंत्रित रखेंगे जब तक यह सुनिश्चित न हो जाए कि मॉडल सुरक्षित हैं और मानवीय नियंत्रण में बने हुए हैं। OpenAI, जो एजेंटों को सौंपे जा रहे अपने शोध के बढ़ते हिस्से को माप रहा है, माँग करता है कि प्रयोगशालाओं के लिए पुनरावर्ती स्व-सुधार के संकेतक प्रकाशित करना अनिवार्य हो। दोनों के वक्तव्य एक ही सवाल का जवाब देते हैं: यह दिखाना कि संसाधन और क्षमताएँ इतनी तेज़ी से बढ़ने पर भी सुरक्षा उनके साथ कदम मिला रही है।
एजेंट अब प्रयोगशालाओं के अपने काम का भी एक मापने योग्य हिस्सा कर रहे हैं। OpenAI में वे दो से चार घंटे वाले लगभग आधे कार्य अपने दम पर पूरे कर लेते हैं, और सूची मूल्य पर उनके उपयोग का माध्यिका मूल्य प्रति शोधकर्ता प्रतिदिन 2 400 डॉलर है; Performance Factory उन्हें ChatGPT की सुस्ती की रोज़ 17 जाँच सौंपती है। Replit दिखाता है कि संगठन का महत्त्व मॉडल जितना ही है: अकेले काम करने में सबसे अच्छा एजेंट, समूह बनाकर काम करते समय Claude Opus 5.5 से कम प्रभावी साबित होता है, जो एक साझा बोर्ड के ज़रिए समन्वय करता है। हर जगह निर्णय मनुष्य के हाथ में रहता है: एक इंजीनियर Performance Factory के सुधार मर्ज करता है, OpenAI के शोधकर्ता बारीकी से निगरानी करते हैं, और Devin समीक्षा के लिए pull requests खोलता है।
शुल्क निर्धारण वास्तविक उपयोग के अनुसार बढ़ता जा रहा है। Cursor में Gemini 4 Neon की कीमत प्रति कार्य लागत के आधार पर तय होती है, जो Medium प्रयास स्तर पर 3,07 डॉलर से Extra High पर 10,67 डॉलर तक है; Genie 4 में उत्पन्न आभासी दुनिया के हर सेकंड का शुल्क लगभग 0,10 डॉलर है, और जब कोई नहीं बोल रहा होता, तो GPT-Live की दर घटकर 0,02 डॉलर प्रति मिनट हो जाती है। OpenAI और Anthropic के समकक्ष विकल्पों की तरह Tool Retrieval भी डेवलपरों के लिए यही लक्ष्य रखता है: टोकन का भुगतान केवल वास्तव में उपयोग किए गए टूल के स्कीमा के लिए करना।
खुले मॉडलों में प्रयास इस बात पर केंद्रित है कि किसी मौजूदा आधार से कितना हासिल किया जा सकता है। DaisyRose-27B और Hermes अडैप्टर, दोनों Qwen3.8-27B से शुरू होते हैं: पहला सुदृढीकरण अधिगम के ज़रिए Terminal-Bench 4.1 पर अपना स्कोर दोगुना करता है, दूसरा 3,5 से 4,4 गुना कम टोकन में अधिकतम चिंतन मोड के बराबर प्रदर्शन करता है। PEFT इन परिशोधनों के लिए उपकरण देने हेतु अपना संस्करण 1.0 तैयार कर रहा है, OVHcloud सार्वजनिक सुपरकंप्यूटरों पर प्रशिक्षित एक यूरोपीय मॉडल उसके कार्बन पदचिह्न के साथ प्रकाशित कर रहा है, और Ideogram अपने संस्करण 4.6 के वेट उपलब्ध कराने का वादा करता है। ये आँकड़े अभी भी संबंधित निर्माताओं के दिए हुए हैं।
स्रोत
- आरंभिक सार्वजनिक पेशकश के मूल्य की घोषणा (Anthropic)
- X पर @AnthropicAI: निर्धारित मूल्य
- X पर @AnthropicAI: Dario Amodei का लेख
- अनुसंधान में तेजी: उबड़-खाबड़ सीमांत (OpenAI)
- X पर @OpenAI: अनुसंधान में तेजी
- OpenAI की Performance Factory, ChatGPT को तेज़ कैसे बनाए रखती है (OpenAI)
- X पर @OpenAIDevs: Performance Factory
- X पर @ideogram_ai: Ideogram 4.6
- X पर @ideogram_ai: 4.6 के खुले वज़न
- X पर @Kling_ai: 4K और 10 बिट HDR
- X पर @cursor_ai: Cursor में Gemini 4 Neon
- CursorBench (Cursor)
- GitHub Copilot में Gemini 4 Neon (GitHub के बदलावों का विवरण)
- X पर @github: Gemini 4 Neon
- Claude Code v2.1.328
- Kimi Code 2.7.0
- Kimi Code Desktop 1.4.0
- Devin Security Threats (Cognition)
- X पर @cognition: Devin Security Threats
- Databricks माइग्रेशन के लिए Devin (Cognition)
- X पर @Replit: Amuse
- replit/amuse रिपॉज़िटरी (GitHub)
- समस्या सुलझाने के लिए कर्मचारियों की संख्या बढ़ाना (Replit)
- X पर @Replit: Optimization-Bench
- Mac के लिए Gemini में कंप्यूटर उपयोग (Google)
- X पर @GeminiApp: कंप्यूटर उपयोग
- ChatGPT के रिलीज़ नोट्स
- Gemini API में Genie 4 (Google)
- Genie का दस्तावेज़ीकरण (AI Studio)
- Gemini API में Tool Retrieval (Google)
- X पर @OpenAIDevs: GPT-Live-1.1
- GPT-Live-1.1 का विवरण पत्र (OpenAI)
- भाषाओं और क्षेत्रीय लहजों के लिए GPT-Live को प्रॉम्प्ट देना (OpenAI)
- Ignite में NVIDIA और Microsoft (NVIDIA)
- RTX Spark मिनी पीसी उपलब्ध (NVIDIA)
- DaisyRose-27B (RadixArk की पोस्ट)
- DaisyRose-27B-NVFP4 (Hugging Face)
- X पर @yb2698: Hermes अडैप्टर
- Qwen3.8-27B-hermes-adapted (Hugging Face)
- X पर @OVHcloud: Olala mini 7A1B
- Olala-v1.0-mini-7A1B (Hugging Face)
- PEFT v0.22.0
- Asta में Theorizer (Ai2)
- allenai/asta-theorizer रिपॉज़िटरी (GitHub)
- X पर @SakanaAILabs: Salesforce के साथ समझौता ज्ञापन
- Antigravity के बदलावों का विवरण
- X पर @genspark_ai: Gemini 4 Neon
- Codex CLI 0.172.0-alpha.2
- Codex के बदलावों का विवरण, iOS के लिए ChatGPT 1.2026.314
- Copilot CLI 1.0.115-1
- Copilot SDK 2.0.2-preview.0
- GitHub CLI से पुल रिक्वेस्ट की घटनाओं की प्रतीक्षा करना (GitHub के बदलावों का विवरण)
- Copilot के लिए Supabase, Box, Calendly और अन्य कनेक्टर (GitHub के बदलावों का विवरण)
- Gemini CLI v0.70.0
- Gemini CLI v0.71.0-preview.0
- mistral CLI 0.19.0
- mistral CLI 0.20.0
- Delta 0.28.0 के रिलीज़ नोट्स
- Windows के लिए Amp (Amp)
- Warp Learn (Warp)
- X पर @cognition: DevinDash
- Perplexity API के बदलावों का विवरण
- X पर @togethercompute: Qwen4-Max
- X पर @NousResearch: Nous Portal में Qwen4-Max
- X पर @perplexity_ai: Brain के व्यक्तिगत कौशल
- स्वयं में सुधार करने वाले कौशल (Perplexity)
- सेवा के रूप में RAG (Perplexity)
- Sumitomo Life का केस अध्ययन (OpenAI)
- ChatGPT Enterprise और Edu के नोट्स (OpenAI)
- Candid Health (ElevenLabs)
- Azure DevOps से Enterprise Live Migrations (GitHub के बदलावों का विवरण)
- RHEL रनर इमेज की सामान्य उपलब्धता (GitHub के बदलावों का विवरण)
- X पर @genspark_ai: Baseten के साथ Deep Research मॉडल
- Baseten और Genspark एक शोध मॉडल प्रशिक्षित कर रहे हैं (Baseten)
- X पर @AIatMeta: BAR बेंचमार्क पर Muse Wonder
- X पर @HuggingApps: Clairic
- X पर @googlegemma: Airbnb में Gemma 4 E2B
- Atto (NeuML, Hugging Face)
- ja-NCM (Hugging Face)
- Omniverse की दुनिया में (NVIDIA)