DeepSeek ने DeepInfer का कोड सार्वजनिक किया, वह इंजन जो प्रोडक्शन में V4.1-Flash चलाता है, Mistral ने Voxtral 3 और ElevenLabs ने वॉइस एजेंटों के लिए Eleven Realtime लॉन्च किया, Perplexity Computer अब Mac पर स्थानीय रूप से चलता है

JLS42 / 20 अक्टूबर 2026

कृत्रिम बुद्धिमत्ता द्वारा जनित लेख

DeepSeek ने DeepInfer का कोड सार्वजनिक किया, वह इंजन जो प्रोडक्शन में V4.1-Flash चलाता है, Mistral ने Voxtral 3 और ElevenLabs ने वॉइस एजेंटों के लिए Eleven Realtime लॉन्च किया, Perplexity Computer अब Mac पर स्थानीय रूप से चलता है

DeepSeek ने DeepInfer का कोड सार्वजनिक किया है, वह इनफ़रेंस इंजन जो प्रोडक्शन में DeepSeek-V4.1-Flash चलाता है, और अपनी सेवा के आँकड़े जारी किए हैं: एक ही क्लस्टर पर प्रतिदिन 155 000 अरब टोकन। उसी दिन, Mistral और ElevenLabs ने दो विपरीत तरीकों से वॉइस एजेंटों के लिए अपने मॉडल लॉन्च किए: Voxtral 3 में ट्रांसक्रिप्शन और वाक् संश्लेषण की एक शृंखला है, जबकि Eleven Realtime में बोली से बोली का एक ही मॉडल है। इस बीच, Perplexity ने Computer को पूरी तरह Mac पर स्थानीय रूप से चलाना शुरू किया है। Google ने TorchTPU को भी ओपन सोर्स किया है, और Anthropic की सेवा OSS Scanner ने अपना पहला आकलन प्रस्तुत किया है, जिसमें curl की एक ऐसी सुरक्षा खामी भी शामिल है जिसे अब ठीक कर दिया गया है।

DeepInfer: DeepSeek ने प्रोडक्शन में DeepSeek-V4.1-Flash चलाने वाले इनफ़रेंस इंजन का कोड सार्वजनिक किया

20 अक्टूबर — DeepSeek ने अपने बनाए इनफ़रेंस फ़्रेमवर्क (इनफ़रेंस फ़्रेमवर्क) DeepInfer को Apache-2.0 लाइसेंस के तहत ओपन सोर्स किया है। यही फ़्रेमवर्क उसकी सेवाओं में DeepSeek-V4.1-Flash चलाता है। जारी किया गया संस्करण ऑफ़लाइन इनफ़रेंस के लिए है और केवल इसी मॉडल का समर्थन करता है, वह भी NVIDIA SM100 GPU और Huawei Ascend 950 NPU पर। इसमें प्रोडक्शन के घटक शामिल हैं: DeepSeek की पहले से प्रकाशित कर्नेल लाइब्रेरी (FlashMLA, DeepGEMM, DeepEP, TileKernels, DeepSelect) और TileLang कर्नेल, MoE हिस्से के लिए लोड संतुलन के साथ एक्सपर्ट पैरेललिज़्म, अपना स्पेक्युलेटिव डिकोडिंग तंत्र (DSpark), अटेंशन की स्लाइडिंग विंडो का सीमित रीप्ले जो प्रीफ़िलिंग का भार घटाता है, और रेगुलर एक्सप्रेशन, JSON स्कीमा या EBNF व्याकरण के अनुसार संरचित आउटपुट।

DeepSeek ने साथ ही deepseek-recipe का कोड भी सार्वजनिक किया है (MIT लाइसेंस)। यह प्रोडक्शन घटक Messages, Chat Completions और Responses API के अनुरोधों को DeepSeek V4 और V4.1 के लिए टोकन में बदलता है, फिर मॉडल के आउटपुट को उत्तरों में बदलता है। इसका तर्क आधिकारिक API के अनुरूप है: कोई तृतीय-पक्ष होस्ट भी चिंतन मोड, टूल कॉल या संरचित आउटपुट के लिए वही व्यवहार प्राप्त कर सकता है। रिपॉज़िटरी के परिनियोजन संबंधी प्रश्नोत्तर सेवा के पैमाने की जानकारी देते हैं:

DeepSeek द्वारा प्रकाशित प्रोडक्शन आँकड़ा	प्रकाशित मान
एक ही क्लस्टर द्वारा उपलब्ध कराए गए टोकन	प्रतिदिन 155 000 अरब
कम माँग वाले घंटों की दर पर कुल राजस्व	38 डॉलर प्रति GPU-घंटा
प्रीफ़िलिंग	8 GPU वाली सामान्य मशीनें
डिकोडिंग	64 से 128 GPU वाले सुपरनोड
KV कैश का प्रतिधारण	72 घंटे से अधिक

सब कुछ सार्वजनिक नहीं किया गया है। DeepSeek के अनुसार, KV कैश का प्रबंधन और प्रतिकृतियों के बीच लोड संतुलन आंतरिक अवसंरचना से बहुत अधिक जुड़े हैं, इसलिए उनका कोड बंद रखा गया है और उनका वर्णन केवल एक Zhihu लेख में किया गया है। विज़ुअल एन्कोडर, प्रीफ़िलिंग और डिकोडिंग को अलग करने की व्यवस्था भी उपलब्ध नहीं कराई गई है। थ्रूपुट के माप केवल ग्राफ़ के रूप में प्रकाशित किए गए हैं। शुरुआत में मुख्यतः vLLM पर बना और SGLang तथा TensorRT-LLM से प्रेरित DeepInfer भविष्य के DeepSeek मॉडलों के इनफ़रेंस कोड को भी समायोजित करेगा; उसी शाम रिपॉज़िटरी को 11 562 स्टार मिल चुके थे।

🔗 @deepseek_ai का थ्रेड · GitHub पर DeepInfer · GitHub पर deepseek-recipe

Voxtral 3: Mistral ने ट्रांसक्रिप्शन और वाक् संश्लेषण मॉडल तथा वॉइस एजेंटों का SDK लॉन्च किया

20 अक्टूबर — Mistral ने Voxtral 3 लॉन्च किया है, जो ट्रांसक्रिप्शन (स्पीच-टू-टेक्स्ट) और वाक् संश्लेषण (टेक्स्ट-टू-स्पीच) मॉडलों का एक परिवार है। इसके साथ वॉइस एजेंट बनाने के लिए एक SDK भी है। सब कुछ 20 अक्टूबर से Mistral API में यूरोपीय, अमेरिकी और वैश्विक एंडपॉइंट पर तथा Studio के परीक्षण परिवेशों (प्लेग्राउंड) में उपलब्ध है; अनुरोध पर अपने परिसर या निजी क्लाउड में परिनियोजन का विकल्प भी दिया जाता है।

Voxtral 3 मॉडल	निर्धारित उपयोग	घोषित कीमत
Voxtral Small Transcribe 3	सबसे सटीक ट्रांसक्रिप्शन, वक्ताओं की पहचान	0,004 डॉलर प्रति मिनट
Voxtral Mini Transcribe 3 (4B)	बैच ट्रांसक्रिप्शन, वक्ताओं की पहचान	0,0035 डॉलर प्रति मिनट
Voxtral Mini Transcribe Realtime 3	रीयल-टाइम ट्रांसक्रिप्शन, 500 ms से कम	0,008 डॉलर प्रति मिनट
Voxtral Speech 3	वाक् संश्लेषण, बैच और रीयल-टाइम में	13 डॉलर प्रति दस लाख अक्षर

ट्रांसक्रिप्शन में 50 भाषाओं का समर्थन है, जिनमें यूरोपीय संघ की सभी 24 आधिकारिक भाषाएँ शामिल हैं। यह वक्ताओं को अलग-अलग पहचानता है, बिना फ़ाइन-ट्यूनिंग (फ़ाइन-ट्यूनिंग) के पेशेवर शब्दावली को बेहतर पहचानने के लिए कीवर्ड स्वीकार करता है (संदर्भ-आधारित झुकाव, कॉन्टेक्स्ट बायसिंग) और किसी वक्ता के बोलना समाप्त करने का पता लगाता है। FLEURS बेंचमार्क की 45 भाषाओं पर Mistral ने निम्न शब्द त्रुटि दरें प्रकाशित की हैं, जिनमें भाषा या तो मॉडल को बताई गई थी या अपने आप पहचानी गई थी:

मूल्यांकित मॉडल (FLEURS, 45 भाषाएँ)	मॉडल को भाषा बताई गई	भाषा अपने आप पहचानी गई
Voxtral Small Transcribe 3	4,0 %	4,1 %
Microsoft AI Transcribe 2	4,0 %	4,1 %
Voxtral Mini Transcribe 3	4,5 %	4,6 %
Gemini 3.5 Transcribe	4,5 %	6,1 %
Scribe v2	4,9 %	4,9 %
GPT Transcribe	5,6 %	6,3 %
Whisper large-v3	14,9 %	16,0 %

Mistral का कहना है कि उसका Small मॉडल Whisper, Scribe v2 और Gemini 3.5 Transcribe से बेहतर है, लेकिन उसके अपने ग्राफ़ में Microsoft AI Transcribe 2 बराबरी पर है। रीयल-टाइम में, 480 ms की देरी के साथ Mini मॉडल 35 भाषाओं पर 6,4 % प्राप्त करता है। यह Gemini 3.5 Realtime Transcribe (4,2 %) और Microsoft AI Transcribe 2 Streaming (5,8 %) से पीछे है, लेकिन GPT Live Transcribe (8,4 %) और Scribe v2 Realtime (8,7 %) से आगे है।

Voxtral Speech 3 35 से अधिक भाषाएँ और 50 से अधिक बोलियाँ बोलता है, बातचीत के संदर्भ से भावना और लय का अनुमान लगाता है या हर पंक्ति के लिए दिए गए स्पष्ट निर्देशों का पालन करता है। Pro Voice 30 मिनट के ऑडियो से किसी पेशेवर आवाज़ को पुनरुत्पादित करता है; Mistral के अनुसार, इसे चलाने की लागत OpenAI, Deepgram, ElevenLabs और Google के तुलनीय मॉडलों से कम है।

LiveKit पर बना वॉइस एजेंट SDK तीन मॉडलों को स्ट्रीमिंग में जोड़ता है: रीयल-टाइम मॉडल सुनता है और वाक्य का अंत पहचानता है, Mistral Small जैसा सामान्य-उद्देश्य वाला मॉडल तर्क करता है और टूल कॉल करता है, फिर Voxtral Speech 3 जवाब देता है। कोई भी चरण पिछले चरण के समाप्त होने की प्रतीक्षा नहीं करता: Mistral के अनुसार, हर संवाद चक्र एक सेकंड से कम में पूरा होता है। बीच में टोके जाने पर एजेंट चुप हो जाता है, SIP या WebRTC के माध्यम से कॉल करता है, और हर चरण का मॉडल बदला जा सकता है। Voxtral Transcribe 2 (फ़रवरी) और Voxtral TTS (मार्च) के विपरीत, Voxtral 3 को खुले वज़नों के साथ उपलब्ध कराने की घोषणा नहीं की गई है: लेख में Mistral API या अपनी अवसंरचना पर परिनियोजन का विकल्प दिया गया है, जिसकी व्यवस्था Mistral की टीम के साथ करनी होगी। लॉन्च की शाम Hugging Face पर कोई रिपॉज़िटरी दिखाई नहीं दे रही थी।

🔗 Mistral का लेख · @MistralAI का थ्रेड

Eleven Realtime: ElevenLabs ने पूरे वॉइस एजेंट को बोली से बोली के एक ही मॉडल में समेटा

20 अक्टूबर — Voxtral 3 के लॉन्च वाले दिन ही ElevenLabs ने विपरीत तरीका अपनाया। जहाँ Mistral का SDK तीन अलग और बदले जा सकने वाले मॉडलों को जोड़ता है, वहीं प्रत्येक Eleven Realtime मॉडल पूरे वॉइस एजेंट को बोली से बोली के एक ही मॉडल (स्पीच-टू-स्पीच) में समेटता है: वाक् पहचान, वॉइस गतिविधि का पता लगाना, बोलने की बारी का प्रबंधन, LLM और वाक् संश्लेषण, सबको एक साथ अनुकूलित किया गया है। ये मॉडल 90 से अधिक भाषाएँ बोलते हैं और ElevenLabs की लाइब्रेरी की 17 000 से अधिक आवाज़ों का उपयोग कर सकते हैं।

दो संस्करण जारी किए गए हैं। डिफ़ॉल्ट मॉडल Eleven Realtime v1 Mini कम लागत वाली बातचीत के लिए है, जैसे सहायक, शिक्षक और संवाद करने वाले पात्र। Eleven Realtime v1 Max जवाब देने से पहले तर्क करता है और ग्राहक सहायता या टूल कॉल वाली बहुचरणीय कार्यप्रणालियों जैसे जटिल कार्यों के लिए है; इसकी प्रति टोकन लागत अधिक है। प्रकाशित नतीजे ElevenLabs द्वारा उद्धृत Artificial Analysis के मूल्यांकनों से लिए गए हैं:

माप (ElevenLabs के अनुसार, Artificial Analysis)	Eleven Realtime v1 Max	Eleven Realtime v1 Mini
Big Bench Audio (बोलकर पूछे गए 1 000 प्रश्न)	98,8 %	75,9 %
बोलना शुरू करने से पहले की औसत देरी	0,57 s	0,62 s
Full-Duplex-Bench (विराम, बीच में टोकना)	94,1 %	95,8 %
टूल वाले सफलतापूर्वक पूरे किए गए कार्य	87,1 %	60,3 %

ElevenLabs के अनुसार, Artificial Analysis की रैंकिंग का कोई भी मॉडल v1 Max से एक साथ अधिक तेज़ और अधिक सटीक नहीं है। Mini बातचीत की लय को थोड़ा बेहतर संभालता है, लेकिन टूल वाले कार्यों में Max काफ़ी आगे निकल जाता है।

ElevenAgents में किसी एजेंट के वॉइस मोड को « Custom » से « Realtime » में बदलना ही काफ़ी है; प्लेटफ़ॉर्म की बाकी सुविधाएँ बनी रहती हैं: फ़ोन, वेब, WhatsApp और संपर्क केंद्र। ये मॉडल OpenAI की API के साथ संगत Realtime API के माध्यम से भी उपलब्ध हैं: पहले से एकीकरण कर चुका डेवलपर एंडपॉइंट और मॉडल का नाम बदलकर अपना कोड बनाए रख सकता है, लेकिन केवल WebSocket के माध्यम से। अलग-अलग कार्यस्थानों में इसे क्रमशः उपलब्ध कराया जा रहा है। Max के विपरीत, Mini न तो Zero Retention मोड में उपलब्ध है और न HIPAA के अंतर्गत। कोई निश्चित दर भी नहीं दी गई है: ElevenLabs, ElevenAgents की सामान्य प्रति मिनट दर के साथ चुने गए मॉडल की दर पर टोकन का शुल्क लेता है।

इस तरह ElevenLabs भी शुरू से अंत तक वॉइस संभालने वाले उन मॉडलों की श्रेणी में शामिल हो गया है जिन्हें OpenAI (GPT-Live-1, 10 सितंबर से API में 0,05 डॉलर प्रति मिनट), Google (Gemini 3.8 Live) और SpaceXSI (Grok Voice 3.0) पहले से उपलब्ध करा रहे हैं।

🔗 ElevenLabs का लेख · Realtime मॉडलों का दस्तावेज़ीकरण

Perplexity Computer पूरी तरह Mac पर स्थानीय रूप से चलता है, मॉडल सहित

20 अक्टूबर — Perplexity अपने एजेंट Computer को पूरी तरह Mac पर चला रहा है: मॉडल, संचालन ढाँचा (हार्नेस) और कार्यों का निष्पादन मशीन पर ही रहते हैं।

Perplexity Computer can now run fully local on your Mac. Work with your native Mac apps and local files, and run tasks without sending sensitive data to the cloud. The model and the agent both run on your Mac. Available now in the Perplexity Mac app.

🇮🇳 Perplexity Computer अब आपके Mac पर पूरी तरह स्थानीय रूप से चल सकता है। अपने Mac के नेटिव ऐप्लिकेशन और स्थानीय फ़ाइलों के साथ काम करें, और संवेदनशील डेटा क्लाउड में भेजे बिना कार्य चलाएँ। मॉडल और एजेंट दोनों आपके Mac पर चलते हैं। अब Perplexity के Mac ऐप्लिकेशन में उपलब्ध है। — X पर @perplexity_ai

लॉन्च का घटक	Perplexity के अनुसार विवरण
स्थानीय मॉडल	Qwen 3.6 और PPLX Pro
अनुशंसित मेमोरी	36 Go या अधिक एकीकृत मेमोरी
समर्थित मशीनें	समर्थित Apple silicon वाले Mac, जैसे M6 और M5 Pro वाला नया Mac mini
संबंधित योजनाएँ	Pro, Max और Enterprise
Computer क्रेडिट	स्थानीय कार्यों में खर्च नहीं होते
क्लाउड का उपयोग	अनुमति मिलने पर, 15 से अधिक अग्रणी मॉडलों तक पहुँच

उपयोगकर्ता की अनुमति से एजेंट स्थानीय फ़ाइलों और Notes, Messages, Mail या Numbers जैसे ऐप्लिकेशन में काम करता है। Perplexity के ट्वीट के अनुसार, PPLX Pro उसका Qwen 3.8 का प्रशिक्षण-पश्चात संस्करण है; इसके आकार के बारे में पूछे जाने पर Perplexity के प्रमुख Aravind Srinivas ने बताया कि यह 27 अरब पैरामीटर वाला डेंस मॉडल है। उनका अनुमान है कि 36 Go मेमोरी आम हो जाएगी।

Mac ऐप्लिकेशन अब Computer शुरू करने के दो तरीके देता है। 1 सितंबर को लॉन्च किया गया Hybrid Compute खोज और तर्क के लिए क्लाउड से शुरू होता है और निजी फ़ाइलों को स्थानीय रूप से संसाधित करता है; नया मोड Mac से शुरू होता है, जहाँ योजना, तर्क और फ़ाइलों का प्रसंस्करण बना रहता है। यदि उपयोगकर्ता अनुमति देता है, तो एजेंट नवीनतम जानकारी, वेब ब्राउज़िंग या जुड़े हुए ऐप्लिकेशन के लिए क्लाउड का उपयोग करता है। कोड और टूल अलग-थलग सैंडबॉक्स में चलते हैं, जिनमें क्लाउड संस्करण वाले सुरक्षा प्रोटोकॉल ही लागू होते हैं। Perplexity ने तीन उपयोग बताए हैं: निजी निवेश स्थितियों के आधार पर पोर्टफ़ोलियो की समीक्षा, गोपनीय नोट्स से तैयार व्यावसायिक प्रस्ताव और Messages तथा Mail से निकाली गई सुबह की प्राथमिकताओं की सूची।

यह Mac पर Portable Computer के समकक्ष है, जिसका पूरी तरह स्थानीय संस्करण 25 अगस्त को DGX Spark पर लॉन्च हुआ था और सितंबर में Linux, Windows तथा AMD Ryzen AI Max प्रोसेसर वाले PC तक विस्तारित किया गया था।

🔗 Perplexity का लेख

NVIDIA GPU के अलावा दूसरे चिप पर PyTorch: TorchTPU ओपन सोर्स हुआ, Hugging Face में नेटिव TPU समर्थन और PyTorch 2.15 में MPS

आज की तीन घोषणाएँ PyTorch को NVIDIA के अलावा दूसरे चिप पर चलाती हैं: Google ने PyTorch Conference में TorchTPU जारी किया, Hugging Face ने उसी दिन उसे अपनी लाइब्रेरी में एकीकृत किया, और Hugging Face की PyTorch टीम ने विस्तार से बताया कि PyTorch 2.15 Mac के लिए क्या लाता है।

TorchTPU : Google ने TPU के लिए अपना नेटिव PyTorch स्टैक ओपन सोर्स किया, साथ में vLLM, SGLang, TorchTitan और llm-d 1.0

20 अक्टूबर — Google ने TorchTPU को ओपन सोर्स के रूप में जारी किया है। यह TPU के लिए उसका नेटिव PyTorch स्टैक है, जिसे Meta की PyTorch टीम के साथ मिलकर विकसित किया गया है। TPU अब किसी भी दूसरे PyTorch डिवाइस जैसा बन जाता है (torch.device("tpu")) : तत्काल निष्पादन (ईगर) में डिबग किया जाता है, फिर torch.compile के साथ प्रोडक्शन में ले जाया जाता है, जो XLA के ज़रिए कंपाइल करता है। अब तक अपना कोड JAX में दोबारा लिखना पड़ता था या पुराने torch_xla का इस्तेमाल करना पड़ता था।

दो इन्फ़रेंस इंजन TorchTPU पर आधारित हैं : Inferact के साथ विकसित vLLM-TorchTPU और RadixArk के साथ विकसित SGLang-TorchTPU, जो Meta में पहले से प्रोडक्शन में है। Google के मुताबिक, SemiAnalysis की InferenceX रैंकिंग में Ironwood पर Qwen 3.5 की लागत प्रति दस लाख टोकन 2,01 अमेरिकी सेंट है। वहीं, 2 800 अरब पैरामीटर वाले मॉडल Kimi K3 पर एक अकेले उपयोगकर्ता को प्रति सेकंड 700 से ज़्यादा टोकन मिलते हैं। प्रशिक्षण के लिए, TPU पर TorchTitan, Qwen 3 8B के साथ गणना उपयोग दर (मॉडल FLOPs उपयोग) में 52 % तक पहुँचता है, और परीक्षण 8 192 Ironwood चिप तक किए गए हैं। Google ने llm-d 1.0 भी जारी किया है। यह वितरित सेवा प्रदान करने वाला Kubernetes स्टैक है, जिसकी स्थापना Red Hat और IBM के साथ मिलकर की गई थी : एजेंट आधारित कोड कार्यभार पर, पहले टोकन तक का माध्यिका विलंब 85 % से अधिक घटता है और थ्रूपुट साधारण Kubernetes Service की तुलना में 2,4 गुना हो जाता है।

🔗 Google Cloud का ब्लॉग लेख · TPU पर vLLM और SGLang इंजन · llm-d 1.0

Hugging Face ने Transformers, Diffusers और Kernels में TPU का नेटिव समर्थन जोड़ा

20 अक्टूबर — Hugging Face अपने इकोसिस्टम में TorchTPU को शामिल कर रहा है : PyTorch/XLA या JAX का सहारा लिए बिना TPU किसी भी दूसरे डिवाइस जैसा बन जाता है। साथ ही, Optimum TPU, वह परत जिसका रखरखाव Hugging Face अब तक करता था, Transformers और Diffusers के लिए अब ज़रूरी नहीं है। Transformers में मॉडल को device_map="tpu" के साथ लोड करना ही पर्याप्त है ; Diffusers में pipe.to("tpu") काफ़ी है। वैकल्पिक कंपाइलेशन और बड़े मॉडलों को कई चिप पर बाँटने के लिए टेन्सर समानांतरण भी उपलब्ध है।

Hugging Face द्वारा मापा गया मामला	प्रकाशित परिणाम
Qwen-Image-2.1, 1024 × 1024 की छवि, 40 चरण (TPU v6e-4)	कंपाइल करने पर 3,5 s, बिना कंपाइलेशन 8,0 s
MiniMax-H3, ऑडियो सहित 5,2 s का वीडियो (TPU v6e-4)	कंपाइल करने पर 188 s, बिना कंपाइलेशन 262 s
Qwen3-30B-A3B की डिकोडिंग, 64 का बैच, Tokamax कर्नेल (v6e-8)	21,5 गुना अधिक तेज़
TPU पर सफल हुए Transformers परीक्षण	96,5 %

टीम ने TorchTPU परियोजना में 34 समस्याएँ दर्ज की हैं, जिनमें से 19 पहले ही ठीक की जा चुकी हैं, और वह TPU पर हर रात चलने वाली CI तैयार कर रही है। एक दिन पहले AWS Trainium के लिए TorchNeuron को शामिल करने के बाद, यह दो दिनों में Hugging Face द्वारा जोड़ा गया किसी गैर-NVIDIA एक्सेलरेटर का दूसरा नेटिव PyTorch बैकएंड है।

🔗 TorchTPU पर Hugging Face का ब्लॉग लेख

PyTorch 2.15 ने Mac पर FP8 जोड़ा और MoE की डिकोडिंग को 6,5 गुना तक तेज़ किया

20 अक्टूबर — Hugging Face की PyTorch टीम, जो Apple silicon वाले Mac के GPU बैकएंड MPS पर काम करती है, ने बताया है कि PyTorch 2.15 क्या लेकर आ रहा है। यह संस्करण अभी रिलीज़ कैंडिडेट चरण में है। Mac पर FP8 आ रहा है, जिसमें हर मान के लिए एक बाइट लगती है, यानी BF16 से आधी, और गुणा सीधे GPU पर होता है। समूहबद्ध मैट्रिक्स गुणा के नेटिव समर्थन से MoE मॉडलों की डिकोडिंग 2.14 की तुलना में 5 से 6,5 गुना तेज़ हो जाती है।

Mac पर माप	PyTorch 2.14 के साथ	PyTorch 2.15 के साथ
M3 Ultra पर Qwen3.6-35B-A3B की डिकोडिंग	9,4 tokens/s	61,3 tokens/s
M3 Ultra पर LFM2.5-8B-A1B की डिकोडिंग	23,6 tokens/s	123,6 tokens/s
128 256 लॉजिट पर FP32 सॉफ़्टमैक्स	57 µs	7 µs
ड्राइवर मेमोरी का अधिकतम उपयोग, Wan2.2 का VAE	270,1 Gio	8,1 Gio

Qwen-Image-2.1 का VAE एन्कोडर ठीक कर दिया गया है, जो MPS पर बिना किसी चेतावनी के छवियों को खराब कर रहा था। PyTorch 2.15 के लिए macOS 15 और Python 3.11 ज़रूरी हैं। वहीं, 2.16 की शुरुआती झलक में पूरी तरह Metal में लिखे अटेंशन का संकेत दिया गया है, हालाँकि इसमें अभी बदलाव हो सकते हैं।

🔗 MPS पर Hugging Face का ब्लॉग लेख

ओपन सोर्स सॉफ़्टवेयर की सुरक्षा : OSS Scanner के शुरुआती नतीजे और GitHub का पैकेज फ़ायरवॉल

दो घोषणाएँ ओपन सोर्स सॉफ़्टवेयर शृंखला के दोनों सिरों को संबोधित करती हैं : परियोजनाओं के कोड में सुरक्षा खामियाँ ढूँढ़ना और पैकेज इंस्टॉल होते समय उन्हें फ़िल्टर करना।

OSS Scanner : 114 परियोजनाएँ स्वीकृत, 77 अति गंभीर और 803 उच्च गंभीरता वाली खामियों की सूचना, curl की एक खामी ठीक हुई

19 अक्टूबर — लॉन्च के ग्यारह दिन बाद OSS Scanner ने अपने शुरुआती आँकड़े जारी किए हैं। Anthropic की यह मुफ़्त सेवा अपने सबसे शक्तिशाली मॉडलों से महत्वपूर्ण ओपन सोर्स परियोजनाओं की जाँच कराती है। उसी शाम @ClaudeDevs द्वारा साझा किए गए एक थ्रेड में सेवा के उत्पाद प्रमुख पुनीत शाह ने बताया कि लगभग 650 परियोजनाओं ने आवेदन किया था और 114 स्वीकार की गई हैं। स्कैन पहले ही रखरखावकर्ताओं को 77 अति गंभीर और 803 उच्च गंभीरता वाली सुरक्षा कमजोरियों की सूचना दे चुके हैं। गंभीरता का यह वर्गीकरण मॉडल ने किया है, जबकि सभी परियोजनाओं की जाँच अभी पूरी नहीं हुई है।

प्रमुख उदाहरण curl का है : CVE-2026-92392 नाम की खामी, जिसमें HTTP/2 से डेटा भेजते समय मुक्त की जा चुकी मेमोरी का उपयोग (यूज़-आफ़्टर-फ़्री) होता था, OSS Scanner के एक शुरुआती संस्करण से मिली थी। इसे 14 अक्टूबर को curl 8.23.0 में ठीक कर दिया गया। curl की सुरक्षा सूचना इसे 8.12.0 से 8.22.0 तक के संस्करणों में उच्च गंभीरता की खामी बताती है और इसकी सूचना देने का श्रेय « Claude के साथ Luna, Anthropic » को देती है। एक और सीख यह रही कि ईमेल से अवधारणा के प्रमाण सहित भेजी गई शुरुआती रिपोर्टों में से अधिकतर अस्वीकार हो गईं। संभवतः ईमेल फ़िल्टरों ने उन्हें दुर्भावनापूर्ण सॉफ़्टवेयर समझ लिया था। इसलिए Anthropic अब GitHub Security Advisories के ज़रिए रिपोर्ट पहुँचाने का परीक्षण कर रहा है ; पुनीत शाह के अनुमान के अनुसार, 150 से अधिक परियोजनाएँ अभी भी निर्णय की प्रतीक्षा में थीं।

🔗 पुनीत शाह का थ्रेड · curl की सुरक्षा सूचना

GitHub ने प्रीव्यू में Actions रनर और कोडिंग एजेंट द्वारा इंस्टॉल किए जाने वाले npm पैकेज फ़िल्टर करने की सुविधा दी

20 अक्टूबर — GitHub ने पैकेज फ़ायरवॉल (पैकेज फ़ायरवॉल) का सार्वजनिक प्रीव्यू शुरू किया है। इसके पीछे यह स्थिति है कि बढ़ते हमले पैकेज इंस्टॉल होने के समय का फ़ायदा उठाकर CI/CD होस्ट या डेवलपर के कंप्यूटर से क्रेडेंशियल चुरा रहे हैं, और इसके लिए पैकेज का कोड चलाना भी ज़रूरी नहीं होता। फ़ायरवॉल, GitHub Actions के निष्पादकों (रनर) या कोडिंग एजेंट और अपस्ट्रीम रजिस्ट्री के बीच स्थित होता है। यह मेटाडेटा अनुरोधों और डाउनलोड, दोनों की जाँच करता है।

फ़ायरवॉल की मुख्य बात	प्रीव्यू में क्या शामिल है
उपलब्ध जाँच	प्रतीक्षा अवधि, GitHub Advisory Database की चेतावनियाँ, अटेस्टेशन स्तर में गिरावट
संबंधित ग्राहक	GitHub Enterprise Cloud, डेटा निवास विकल्प सहित
समर्थित इकोसिस्टम	फ़िलहाल केवल npm
शुल्क	प्रीव्यू में मुफ़्त, उसके बाद GitHub Actions की तरह उपयोग के अनुसार शुल्क

कोडिंग एजेंट और CI/CD होस्ट को इस तरह कॉन्फ़िगर करना होगा कि वे सीधे रजिस्ट्री से संपर्क करने के बजाय फ़ायरवॉल के ज़रिए जाएँ। किसी पैकेज को गलती से ब्लॉक किए जाने पर उसके लिए अपवाद का अनुरोध किया जा सकता है।

🔗 GitHub की घोषणा

सहायक : ChatGPT की लॉक की गई चैट, छोटे व्यवसायों और अमेरिकी सरकारी निकायों के लिए Gemini

OpenAI और Google अपने सहायकों में विशिष्ट ज़रूरतों के लिए सुविधाएँ जोड़ रहे हैं : ChatGPT में बातचीत को निजी नज़रों से बचाना, और Gemini में छोटे व्यवसायों तथा अमेरिकी सार्वजनिक सेवाओं की मदद करना।

ChatGPT ने बातचीत को 4 अंकों के PIN के पीछे छिपाने की सुविधा दी

20 अक्टूबर — ChatGPT ने लॉक की गई चैट (लॉक्ड चैट) की सुविधा पेश की है : चुनी गई बातचीत खाते में रहती है, लेकिन इतिहास, पिन की गई चैट और खोज से गायब हो जाती है। वह Projects के Locked chats स्थान में चली जाती है, जो खाते के 4 अंकों वाले PIN से या मोबाइल पर Face ID, Touch ID अथवा Android डिवाइस के अनलॉक से खुलता है। यह सुविधा धीरे-धीरे वेब, iOS, Android और macOS तथा Windows के नए डेस्कटॉप ऐप पर जारी की जा रही है। यह Free से Pro तक, साथ ही Business, Enterprise और Edu पर उपलब्ध होगी, लेकिन ChatGPT for Healthcare पर नहीं।

OpenAI ने इसकी सीमाएँ भी बताई हैं : लॉक करने से न तो शुरू से अंत तक एन्क्रिप्शन मिलता है और न ही अलग सुरक्षित भंडार, और डेटा रखने की अवधि भी नहीं बदलती। भूले हुए PIN को रीसेट करने पर सभी लॉक की गई चैट और उनके द्वारा सुरक्षित रखी गई फ़ाइलें स्थायी रूप से मिट जाती हैं। कंपनियों में लॉक की गई चैट OpenAI Compliance Platform के लॉग में बनी रहती हैं, और प्रशासक न तो इस सुविधा को बंद कर सकते हैं और न ही कोई चैट अनलॉक कर सकते हैं। Codex की बातचीत, अस्थायी चैट या समूह चैट लॉक नहीं की जा सकतीं।

🔗 ChatGPT के रिलीज़ नोट · लॉक की गई चैट की मार्गदर्शिका

Gemini ऐप ने छोटे व्यवसायों के लिए एक स्थान जोड़ा

20 अक्टूबर — Google ने Gemini ऐप में छोटे व्यवसायों के लिए एक विशेष होम पेज जोड़ा है। इसे ब्रांड बनाने, वित्तीय स्थिति का विश्लेषण करने और ग्राहकों को बेहतर समझने के लिए एक ही प्रवेश बिंदु के रूप में प्रस्तुत किया गया है ; Google के अनुसार, छोटे व्यवसायों के करोड़ों मालिक पहले से Gemini का उपयोग करते हैं। दृश्य सामग्री के लिए उद्यमी अपनी वेबसाइट, ब्रांड की दृश्य शैली के दिशानिर्देश, फ़ॉन्ट या रंग अपलोड करता है : Gemini, Nano Banana 2.1 की मदद से किसी लॉन्च या अभियान के लिए सामग्री बनाता है और दोबारा अपलोड किए बिना उसी शैली को बनाए रखता है। वित्तीय कामों के लिए, अव्यवस्थित स्प्रेडशीट, रसीदें या खरीदारी का इतिहास कुछ ही सेकंड में ग्राफ़ और इंटरैक्टिव मॉडल में बदल जाते हैं।

Gemini, Google Business Profile, Google Ads और Google Workspace के साथ-साथ Adobe, Canva, Dropbox, Shopify, Wix, Zoho और Xero से जुड़ता है। उपयोगकर्ताओं की प्रतिक्रियाओं में बोर्दो की एक सिरेमिक कलाकार (Bleu Clémentine) ने बताया कि वह हर दिन दो से तीन घंटे बचाती हैं। यह सुविधा « आने वाले दिनों में » दुनिया भर में ऐप के सभी उपयोगकर्ताओं के लिए जारी होनी शुरू होगी।

🔗 Google का ब्लॉग लेख

Gemini for government services : अमेरिकी सरकारी निकायों के लिए Gemini एजेंट प्रीव्यू में

20 अक्टूबर — Google Cloud ने अक्टूबर की शुरुआत में Gemini at Work में प्रस्तुत Gemini एजेंट का सार्वजनिक क्षेत्र के लिए संस्करण पेश किया है : Gemini for government services अमेरिकी संघीय एजेंसियों, राज्यों और स्थानीय निकायों के लिए प्रीव्यू में उपलब्ध है। यह घोषणा Google Cloud के प्रमुख थॉमस कुरियन ने की। इस पेशकश में एजेंसियों के कानून, नियम और निर्देश लागू करने वाली स्किल, डेटा स्थानांतरित किए बिना वहीं उनकी प्रणालियों से जानकारी लेने वाले कनेक्टर, SZNS Solutions सहित साझेदारों के एजेंट, सुरक्षा और अनुपालन के लिए एक साझा नियंत्रण प्रणाली तथा 13 एकीकरण भागीदारों का नेटवर्क शामिल है।

Google ने सात उपयोग बताए हैं। इनमें संबंधित अनुच्छेद के स्तर तक संदर्भ देने वाला नियामकीय शोध, प्रकाशन से पहले दस्तावेज़ों की संवेदनशील जानकारी छिपाना, प्रशासनिक दस्तावेज़ों तक पहुँच के अनुरोध (FOIA) और अनुदान खर्च का ऑडिट शामिल हैं। कनेक्टर Federal Register, regulations.gov और eCFR, Oracle, Salesforce, ServiceNow, Google Workspace तथा Microsoft 365 को कवर करते हैं। Google, मिसौरी राज्य और अमेरिकी स्वास्थ्य विभाग (HHS) के साथ काम कर रहा है। इस पेशकश को Assured Workloads की FedRAMP High डेटा सीमा के भीतर तैनात किया जा सकता है ; न तो कीमत और न ही सामान्य उपलब्धता की तारीख घोषित की गई है।

🔗 Google Cloud का ब्लॉग लेख

एआई के व्यावहारिक उपयोग : Claude से डिज़ाइन किए गए प्रोटीन बाइंडर, QD-Rec की सिफ़ारिशें और रोबोटों के लिए Flora

आज के तीन कार्य मॉडलों को विशिष्ट समस्याओं पर लागू करते हैं : विषों के विरुद्ध प्रोटीन डिज़ाइन करना, निर्णय लेने में मदद करना और रोबोटों को प्रशिक्षित करने के लिए वीडियो में एनोटेशन जोड़ना।

Claude ने बिच्छू के न्यूरोटॉक्सिन के विरुद्ध प्रोटीन बाइंडर डिज़ाइन किए : परीक्षण किए गए 211 में से 17 की पुष्टि

20 अक्टूबर — Anthropic ने अपने Science ब्लॉग पर बिच्छू के पाँच न्यूरोटॉक्सिन के विरुद्ध Claude द्वारा चलाए गए प्रोटीन डिज़ाइन अभियान का विवरण प्रकाशित किया है। ये न्यूरोटॉक्सिन मेक्सिको से लेकर मध्य पूर्व तक के चार क्षेत्रों से हैं। Claude Science में इस्तेमाल किए जाने वाले एक आंतरिक शोध मॉडल ने अगस्त के एक अध्ययन का प्रॉम्प्ट लिया, जिसे Citrini Research के साथ मिलकर अनुकूलित किया गया था। इसके बाद उसने अधिकांश काम अपने आप किया, जिसमें टीम के चार अनुवर्ती निर्देशों ने उसका मार्गदर्शन किया : 12 टूल से 318 484 डिज़ाइन बनाए गए और 64 घंटों में 180 डिज़ाइन की अंतिम सूची तैयार हुई। इसके लिए लगभग 10 000 GPU घंटे की गणना लगी। Adaptyv Bio और Twist Bioscience ने 211 डिज़ाइन का परीक्षण किया, जिनमें टीम द्वारा जोड़े गए 31 डिज़ाइन शामिल थे। कड़े मानदंडों के अनुसार, 17 अपने लक्ष्य से जुड़ते हैं, हर एक केवल एक टॉक्सिन से, और कोई भी ब्राज़ील के टॉक्सिन Ts1 को लक्षित नहीं करता। सबसे अच्छे दो, Cn2-B1 और Cn2-B2, मेक्सिको के टॉक्सिन Cn2 से कुछ नैनोमोलर की बंधन बंधुता के साथ जुड़ते हैं। वे उसी स्थान को लक्षित करते प्रतीत होते हैं जहाँ LR एंटीबॉडी जुड़ती है, जो चूहों में उस टॉक्सिन को निष्क्रिय करती है।

This is exploratory work, and we’re not claiming to have produced an antivenom—for that, we’d have to test the binders within living cells, then in mice, among many other steps. But it’s an example of how Claude can concretely assist research in protein design.

🇮🇳 यह एक अन्वेषणात्मक कार्य है, और हम यह दावा नहीं करते कि हमने प्रतिविष बना लिया है : इसके लिए, कई अन्य चरणों के साथ, बाइंडरों का पहले जीवित कोशिकाओं में और फिर चूहों में परीक्षण करना होगा। लेकिन यह इस बात का एक उदाहरण है कि Claude प्रोटीन डिज़ाइन के शोध में व्यावहारिक रूप से कैसे मदद कर सकता है। — X पर @AnthropicAI

सभी 211 डिज़ाइन और उनके आँकड़े प्रकाशित किए गए हैं। एक टिप्पणी में माना गया है कि इतनी गणना अधिकांश शोधकर्ताओं के संसाधनों से बाहर है, लेकिन यह भी बताया गया है कि एक सरल प्रॉम्प्ट, केवल एक एजेंट और एक GPU के साथ 24 घंटे चलाकर कंप्यूटर आधारित परीक्षणों में तुलनीय स्कोर मिलते हैं।

🔗 Anthropic का ब्लॉग लेख

QD-Rec : Sakana AI ने विविध और तर्क सहित सिफ़ारिशों को विकसित किया

20 अक्टूबर — Sakana AI ने QD-Rec प्रस्तुत किया है, जो निर्णय लेने में मदद करने वाली सिफ़ारिशों पर खुली खोज (ओपन-एंडेड सर्च) और गुणवत्ता-विविधता (क्वालिटी-डायवर्सिटी) दृष्टिकोण लागू करता है। उम्मीदवारों को क्रम देने के बजाय, यह विधि उम्मीदवार और परिकल्पना की जोड़ियाँ खोजती है : खरीदने के लिए कोई कंपनी, संपर्क करने के लिए कोई संभावित ग्राहक या पढ़ने के लिए कोई लेख, और उसके साथ वह पाठ जो बताता है कि उसे क्यों चुनना चाहिए। एक संदर्भ आधारित बैंडिट एल्गोरिदम कम खोजे गए क्षेत्रों को प्राथमिकता देकर अगला उम्मीदवार चुनता है। एक LLM पहले से संग्रहित परिकल्पनाओं को अनुकूलित या संयोजित करके नई परिकल्पना लिखता है, और विशिष्ट क्षेत्रों के अनुसार व्यवस्थित संग्रह नए तर्कों को सहेजता है।

विलय-अधिग्रहण, मार्केटिंग लक्ष्य निर्धारण और लेखों की सिफ़ारिश पर इसका परीक्षण किया गया। इसमें Claude Sonnet 5 या Claude Haiku 4.5 प्रस्तावक थे और gpt-5.6-terra निर्णायक था। 1 000 मूल्यांकनों में QD-Rec ने अधिकांश मामलों में सबसे अच्छी औसत गुणवत्ता और सबसे बड़ा संग्रह हासिल किया : Walt Disney के लिए 10 में से 2,91 और 214 सिफ़ारिशें, जबकि विकास प्रक्रिया के बिना ये आँकड़े 2,40 और 85 थे। Sakana ने स्पष्ट किया है कि ये परिदृश्य निवेश संबंधी सलाह नहीं हैं और एक मॉडल ने ऐसा आँकड़ा प्रस्तुत किया जो डेटा में मौजूद नहीं था ; कोड Apache-2.0 लाइसेंस के तहत प्रकाशित किया गया है।

🔗 Sakana AI का तकनीकी लेख

Flora : NVIDIA ने रोबोटों के लिए वीडियो एनोटेट करने वाले मॉडलों के एक समूह के वज़न सार्वजनिक किए

20 अक्टूबर — NVIDIA की GEAR प्रयोगशाला ने Flora के वज़न सार्वजनिक किए हैं। यह मॉडलों का एक समूह है, जो रोबोटों या इंसानों के कच्चे वीडियो को प्रशिक्षण संकेतों में बदलता है: कार्रवाइयों के समयांकित विवरण, तैनात प्रणालियों की निगरानी के लिए परिणाम संबंधी प्रतिफल और पुनर्बलन अधिगम के लिए प्रक्रिया संबंधी प्रतिफल। Flora पहले से ही GR00T मॉडलों के प्रशिक्षण के लिए डेटा इंजन के रूप में काम करता है और 512 GB300 GPU पर हर दिन 200 000 घंटे के वीडियो एनोटेट करता है। NVIDIA के अनुसार, यह लगभग 125 गुना कम लागत पर GPT-6 Astra को टक्कर देता है, लेकिन प्रकाशित तालिका अधिक बारीक तस्वीर पेश करती है:

बेंचमार्क और माप	Flora	GPT-6 Astra
DenseRewardBench, macro F1 (अधिक = बेहतर)	46,2	40,7
RoboReward, औसत निरपेक्ष त्रुटि (कम = बेहतर)	40,0	55,4
DenseCaptionBench Robot200, सेगमेंटेशन का F1	66,9	71,9
WGO-Bench, सटीकता (gold-window)	64,7	77,4

Flora प्रतिफल संबंधी अधिकांश मापों और इंसानों के वीडियो पर GPT-6 Astra से आगे है, लेकिन रोबोटों के वीडियो, WGO-Bench के तीन में से दो मापों, वितरण से बाहर के मामलों में Robometer के सहसंबंध और RubricBench पर पीछे है।

🔗 Flora परियोजना का पृष्ठ · Jim Fan की पोस्ट शृंखला

अधिग्रहण और साझेदारी : OpenAI ने Orchestra Bio का अधिग्रहण किया, Runway अब Claude Marketplace में शामिल

आज के दो कारोबारी सौदे: OpenAI में दवा विकास से जुड़ा एक अधिग्रहण और Runway तथा Anthropic के बीच वितरण का एक समझौता।

OpenAI ने Rosalind को दवा विकास से जोड़ने के लिए Orchestra Bio का अधिग्रहण किया

20 अक्टूबर — OpenAI ने Orchestra Bio के अधिग्रहण की घोषणा की है। इस मंच पर इंसान और एआई एजेंट मिलकर दवा विकास कार्यक्रमों को आगे बढ़ाते हैं: वैज्ञानिक और कार्यक्रम प्रबंधक अध्ययन तथा अभियानों की निगरानी एजेंटों को सौंपते हैं। OpenAI एक उदाहरण देता है: उत्पादन का कोई असफल बैच नैदानिक परीक्षण की शुरुआत में देरी कर सकता है; ऐसी स्थिति में एजेंट प्रभावित गतिविधियों और समयसारिणियों की पहचान करते हैं, जानकारी जुटाते हैं और संभावित उपायों की तुलना करते हैं, जबकि फ़ैसला टीमों के हाथ में रहता है।

Orchestra की टीम और तकनीक, जीवन विज्ञान के लिए OpenAI की पेशकश Rosalind में शामिल हो रही हैं: जीव विज्ञान और रसायन विज्ञान में तर्क करने के लिए GPT-Rosalind और इन क्षमताओं को शोधकर्ताओं के उपकरणों तथा डेटा से जोड़ने के लिए Rosalind Workbench। घोषित लक्ष्य ऐसे एजेंट बनाना है जो खोजों को किसी संभावित दवा के अध्ययनों, फ़ैसलों और अगले चरणों से जोड़ें। OpenAI याद दिलाता है कि अमेरिका में किसी लक्ष्य की खोज से नियामकीय मंज़ूरी तक औसतन 10 से 15 साल लगते हैं। सौदे की राशि नहीं बताई गई है।

🔗 OpenAI की घोषणा

Runway Creative अब Claude Marketplace में, Anthropic के लिए प्रतिबद्ध खर्च से भुगतान संभव

20 अक्टूबर — Runway अपने वीडियो, चित्र और ऑडियो बनाने तथा संपादित करने के मंच Runway Creative के साथ Anthropic के Claude Marketplace में शामिल हो रहा है। पात्र एंटरप्राइज़ ग्राहक अपने Runway या Anthropic प्रतिनिधि के ज़रिए, Anthropic पर खर्च करने की अपनी प्रतिबद्ध राशि के एक हिस्से का उपयोग Runway खरीदने के लिए कर सकते हैं; कोई कीमत प्रकाशित नहीं की गई है। Runway Creative में Gen-4.5, Aleph 2.0, Seedance 2.5, Kling 3.0 और ElevenLabs V4 शामिल हैं। Claude, Runway Agent को तर्क क्षमता देता है, जो किसी अनुरोध को दृश्यों की रूपरेखा में बदलता है, हर शॉट के लिए मॉडल चुनता है और वीडियो को जोड़कर तैयार करता है। Claude Team और Enterprise पर बीटा में उपलब्ध Claude Motion के एनिमेशन Runway में निर्यात किए जा सकते हैं, जहाँ उनमें चित्र, पार्श्व स्वर और संगीत जोड़ा जा सकता है।

Runway का दावा है कि उसके मंच पर 65 मिलियन से अधिक रचनाकार, फ़िल्मकार और विपणन टीमें हैं। यह Anthropic की ओर से वैसा ही कदम है जैसा 29 सितंबर को OpenAI Marketplace में Runway Creative का शामिल होना था।

🔗 Runway की घोषणा

मॉडलों का मूल्यांकन : OpenAI का MultiLangBench, Ai2 का FairStress और Cohere Labs का CALIBER

तीन शोध प्रकाशन मॉडलों का तीन नज़रियों से मूल्यांकन करते हैं: कम प्रचलित भाषाओं में कोड, उनके फ़ैसलों की निष्पक्षता और अपने जवाबों पर उनका विश्वास।

MultiLangBench : GPT-6 Astra ने COBOL सहित 20 भाषाओं में SQLite के अनुकूल इंजन बनाया

19 अक्टूबर — OpenAI ने COBOL, Fortran या Visual Basic जैसी कम संसाधन वाली (low-resource) प्रोग्रामिंग भाषाओं पर एक शोध लेख प्रकाशित किया है। इन भाषाओं के लिए Python की तुलना में बहुत कम कोड और दस्तावेज़ उपलब्ध हैं, जबकि इनसे बैंकिंग प्रणालियाँ या मौसम पूर्वानुमान चलते हैं। इसका पहला मूल्यांकन MultiLangBench, Apache-2.0 लाइसेंस के तहत प्रकाशित हुआ है। इसमें 20 भाषाओं में से किसी एक में शुरुआत से SQLite के अनुकूल डेटाबेस इंजन बनाना होता है, जिसकी जाँच SQLite के परीक्षण समूह से अनुकूलित परीक्षणों के ज़रिए की जाती है।

मूल्यांकित मॉडल (अधिकतम प्रयास)	20 भाषाओं का औसत	COBOL	Fortran	Visual Basic
GPT-5.6 Sol	26,8 %	10,9 %	21,4 %	27,5 %
GPT-6 Luna	40,3 %	17,1 %	31,4 %	41,6 %
GPT-6 Astra	87,4 %	72,1 %	83,5 %	89,4 %

GPT-6 Luna की लागत प्रति नमूना लगभग 0,77 डॉलर है, जबकि GPT-5.6 Sol की 3,48 डॉलर। दूसरे मूल्यांकन में COBOL प्रोग्रामों को C++, Java, Kotlin, Python या Rust में स्थानांतरित करना होता है, और आउटपुट हर बाइट के स्तर पर समान होना चाहिए। इसमें कम प्रयास वाली सेटिंग पर GPT-6.1 Sol की सफलता दर 86,6 % है, जबकि उसी सेटिंग पर GPT-5.6 Sol की 5,4 % है, और इसकी लागत 39 % कम है; अधिक प्रयास पर यह 97,9 % तक पहुँचता है। OpenAI याद दिलाता है कि उत्पादन प्रणालियों के स्थानांतरण में विशेषज्ञों की समीक्षा अब भी ज़रूरी है।

🔗 OpenAI का लेख · GitHub पर MultiLangBench

FairStress : Ai2 अंतिम जवाब से आगे बढ़कर जनसांख्यिकीय निष्पक्षता मापता है

20 अक्टूबर — Ai2 ने FairStress प्रकाशित किया है। यह ऐसा बेंचमार्क है जो मॉडलों के अंतिम चुनाव से आगे बढ़कर उनकी जनसांख्यिकीय निष्पक्षता जाँचता है: यह भी मापता है कि मनाने वाले किसी तर्क के सामने मॉडल कितनी आसानी से अपना ठोस आधार वाला फ़ैसला छोड़ देता है और वह उसे कैसे उचित ठहराता है। इस बेंचमार्क में भर्ती से लेकर आवास तक 29 क्षेत्रों में दो उम्मीदवारों के बीच फ़ैसले के 300 परिदृश्य हैं, जिनसे 13 मिलियन से अधिक परीक्षण मामले बनाए गए हैं।

जनसांख्यिकीय जानकारी न होने पर मॉडलों का व्यवहार सममित रहता है। 15 मॉडलों में, सही जवाब छोड़ने का औसत अंतर अप्रत्यक्ष पहचान के साथ 6,9 अंक और स्पष्ट पहचान सूचक के साथ 9,3 अंक तक पहुँचता है: जब बेहतर उम्मीदवार को बहुसंख्यक समूह की पहचान से जोड़ा जाता है, तो मॉडल उसे अधिक आसानी से छोड़ देते हैं। Ai2 इसे रूढ़िवादी धारणाओं का प्रतिकार करने की कोशिश में ज़रूरत से ज़्यादा सुधार कहता है। Claude Opus 5 और GPT-5.5 जैसे अग्रणी मॉडल अस्पष्ट मामलों में लगभग 60 से 65 % बार अल्पसंख्यक समूह की पहचान वाले उम्मीदवार को चुनते हैं, और परीक्षण किए गए सुधार के नौ तरीकों में से अधिकांश इस असममिति को भरोसेमंद ढंग से कम नहीं करते। Ai2 स्पष्ट करता है कि निष्पक्षता की उसकी परिभाषा समान व्यवहार पर आधारित है; कोड MIT लाइसेंस के तहत प्रकाशित किया गया है।

🔗 Ai2 का लेख

CALIBER : Cohere Labs तर्क करने वाले मॉडलों को सोचने से पहले और बाद में अपना विश्वास आँकना सिखाता है

20 अक्टूबर — Cohere की शोध प्रयोगशाला Cohere Labs ने CALIBER (Calibration Before and After Reasoning) प्रस्तुत किया है। यह ऐसी विधि है जो तर्क करने वाले मॉडल को अपनी सफलता की संभावना दो बार आँकना सिखाती है: पहले सोचने से पहले, फिर तैयार किए गए जवाब पर। शुरुआती विश्वास का प्रशिक्षण एक ही सवाल पर कई प्रयासों में मॉडल की सफलता दर के आधार पर होता है (दस में सात सफलताएँ 70 % का लक्ष्य देती हैं), जबकि अंतिम विश्वास का प्रशिक्षण उसके जवाब के सही होने के आधार पर होता है।

BigMathDigits बेंचमार्क पर 7 अरब पैरामीटर वाले मॉडल की अपेक्षित कैलिब्रेशन त्रुटि (Expected Calibration Error, ECE), विश्वास का एक ही अनुमान देने वाली सर्वोत्तम विधि के 0,059 से घटकर 0,028 हो जाती है, यानी 52,5 % कम; अतिरिक्त प्रशिक्षण के बिना यह कमी GPQA पर 26,8 %, TriviaQA पर 32,2 % और SimpleQA पर 36,2 % तक पहुँचती है। 30 अरब वाला मॉडल इस तस्वीर में एक बारीक अंतर दिखाता है: उसका ECE (0,022), CoCA-lite के ECE (0,023) से बस थोड़ा ही बेहतर है। कब जाँच करनी चाहिए या जवाब देने से बचना चाहिए, यह तय करने के लिए इन अनुमानों का उपयोग अभी परखा नहीं गया है, और Cohere के किसी उत्पाद की घोषणा नहीं की गई है।

🔗 Cohere का लेख · arXiv पर शोधपत्र

OpenAI API में प्रॉम्प्ट 12 घंटे कैश में रहते हैं, लिखने पर इनपुट कीमत का 2,5 गुना शुल्क

20 अक्टूबर — OpenAI API में अब प्रॉम्प्ट को 12 घंटे तक कैश में रखा जा सकता है, जबकि डिफ़ॉल्ट अवधि 30 मिनट है। यह नई सुविधा OpenAI के dots जैसे लगातार सक्रिय रहने वाले एजेंटों के लिए है, जो पूरे दिन एक ही निर्देश, उपकरण और संदर्भ दोबारा इस्तेमाल करते हैं: कई घंटों के अंतराल पर भेजे गए अनुरोधों को भी कैश में रखे टोकन की कम दर का फ़ायदा मिलता है। GPT-5.6 और उसके बाद के मॉडलों के लिए यह सेटिंग Responses API के prompt_cache_options.ttl पैरामीटर से नियंत्रित होती है, और दोनों अवधियाँ एक ही अनुरोध में मिलाई जा सकती हैं: साझा निर्देशों के लिए 12 घंटे और बातचीत के हालिया हिस्से के लिए 30 मिनट।

शुल्क का प्रकार (GPT-5.6 और उसके बाद के मॉडल)	कैश में न रखे गए इनपुट की कीमत का गुणक
कैश में लिखना, 30 मिनट (डिफ़ॉल्ट)	1,25
कैश में लिखना, 12 घंटे (Responses API)	2,5
कैश से पढ़ना	0,1 (GPT-6.1 Sol के लिए 0,05)

पूरे दिन दोबारा इस्तेमाल होने वाले संदर्भ के लिए OpenAI का अनुमान है कि बचत, लिखने की अतिरिक्त लागत से कहीं अधिक होती है।

🔗 प्रॉम्प्ट कैशिंग की मार्गदर्शिका · @OpenAIDevs की पोस्ट शृंखला

कोड एजेंट : Claude Code 2.1.304, Copilot CLI 1.0.101, Vibe CLI 3.0.1 और Devin Fusion

कोड एजेंटों के तीन CLI ने अनुमतियों और विश्वसनीयता पर केंद्रित संस्करण जारी किए हैं, और Cognition एक स्वतंत्र सूचकांक पर Claude Code से अपनी तुलना कर रहा है।

Claude Code 2.1.304 : /claude-api managed-agents-secure, महँगी बातचीत फिर शुरू करने से पहले चेतावनी और 43 सुधार

19 अक्टूबर — GitHub पर 21 बजकर 34 मिनट UTC पर जारी Claude Code 2.1.304 में 76 प्रविष्टियाँ हैं, जिनमें 43 सुधार हैं। नया कमांड /claude-api managed-agents-secure किसी Claude Managed Agents एजेंट की सेटिंग की तुलना Anthropic की प्रकाशित सुरक्षा मार्गदर्शिका से करता है, बिना कुछ बदले। Pro और Max ग्राहकों को चेतावनी मिलती है, जब किसी निष्क्रिय बातचीत को फिर शुरू करने से उनकी पाँच घंटे की उपयोग सीमा का बड़ा हिस्सा खर्च हो सकता है। इसके बदले वे नई बातचीत खोल सकते हैं, जिसमें Claude पिछली बातचीत खोज लेगा। /auto-mode-setup अब Bedrock, Vertex, Foundry और Claude apps गेटवे पर उपलब्ध है।

कई सुधार उपयोगकर्ता के काम की सुरक्षा करते हैं: HEAD के डिटैच होने या किसी दूसरी ब्रांच पर होने की स्थिति में claude --worktree अब बिना पूछे worktree और उसकी ब्रांच नहीं हटाता, जिससे पहले कमिट खो सकते थे। माउंट की गई डिस्क पर rm -r अब सुरक्षा संबंधी अनुमति का संकेत दिखाता है। कस्टम ANTHROPIC_BASE_URL के माध्यम से काम करते समय उपकरणों की खोज डिफ़ॉल्ट रूप से सक्रिय हो जाती है, और Code Review अब किसी GitHub संगठन के सभी रिपॉज़िटरी की समीक्षा कर सकता है, जिनमें बाद में जोड़े गए रिपॉज़िटरी भी शामिल हैं।

🔗 Claude Code 2.1.304 के संस्करण विवरण

Copilot CLI 1.0.101 : उप-एजेंटों के लिए मूल रूप से समर्थित संरचित आउटपुट और अनुमति निर्णायक के लिए निर्देश

20 अक्टूबर — GitHub ने 1.0.100 के अगले दिन Copilot CLI 1.0.101 का स्थिर संस्करण जारी किया है; इसकी 30 प्रविष्टियाँ बीच में जारी हुए दो पूर्वावलोकन संस्करणों से आई हैं। सूची की शुरुआत दो नई सुविधाओं से होती है: समर्थित मॉडलों पर गतिशील कार्यप्रवाहों (dynamic workflows) के उप-एजेंटों के लिए मूल रूप से समर्थित संरचित आउटपुट, और assistedApprovalInstructions सेटिंग, जो Assisted Permissions के निर्णायक के पुष्टिकरण संबंधी फ़ैसलों का मार्गदर्शन करती है।

अनुमतियों को समझना आसान हो गया है: मंज़ूरी के संकेत अधिक अधिकारों की ज़रूरत का कारण बताते हैं और अनुरोध के लिए विशिष्ट निदान कमांड सुझाते हैं। कोई शेल कमांड जो फ़ोल्डर बनाकर उसे खोलता है, अब सीधे अस्वीकार होने के बजाय पथ की मंज़ूरी माँगता है। एंटरप्राइज़ स्तर पर, किसी Team को सौंपे गए प्लगइन उस Team के GitHub मार्केटप्लेस से इंस्टॉल होते हैं, और मॉडल चयन सूची प्रशासक द्वारा अनिवार्य किए गए मॉडल को डिफ़ॉल्ट के रूप में चिह्नित करती है। macOS पर स्थानीय पहुँच खुली होने पर सैंडबॉक्स स्थानीय TCP सेवाओं से सीधे जुड़ता है, और providers.json के स्थानीय मॉडल अब Auto मोड को नहीं रोकते।

🔗 Copilot CLI 1.0.101 के संस्करण विवरण

Vibe CLI 3.0.1 : Python 3.12 का समर्थन लौटा और प्रशासक अब YOLO मोड पर रोक लगा सकता है

20 अक्टूबर — Vibe CLI 3.0.0 के अगले दिन Mistral ने बिना घोषणा के 3.0.1 जारी किया: 58 प्रविष्टियाँ, जिनमें 9 नई सुविधाएँ, 15 बदलाव और 34 सुधार हैं। यह 3.0.0 के एक फ़ैसले को पलटता है: Python 3.14 अनिवार्य करने के बजाय Vibe फिर से Python 3.12 और उसके बाद के संस्करणों पर काम करता है। प्रशासक की एक नई सेटिंग, enable_auto_approve, « YOLO » नाम के स्वतः मंज़ूरी मोड पर रोक लगाती है: auto-approve एजेंट हट जाता है और --auto-approve, --yolo तथा bypass_tool_permissions विकल्पों को अनदेखा किया जाता है, जबकि हर उपकरण की अनुमतियाँ लागू रहती हैं।

उप-एजेंटों की स्थिति पर बेहतर नज़र रखी जाती है: vibe -p उन उप-एजेंटों की प्रतीक्षा करता है जिन्हें कोई बारी चलती छोड़ गई हो, और निर्यात में उनकी स्थिति, मॉडल, उपयोग तथा लागत का विवरण मिलता है। हर उप-एजेंट की लागत उसके अपने मॉडल की दर पर गिनी जाती है। प्रयोगात्मक कमांड vibe run-server एक ही प्रक्रिया में कई गैर-संवादी सत्र चलाता है, और आउटपुट टोकन सीमा पर कट गए जवाब को छह बार तक दोबारा माँगा जाता है।

🔗 Vibe CLI 3.0.1 के संस्करण विवरण

Devin Fusion : Coding Agent Index पर 68,2, Opus 5.5 वाले Claude Code से प्रति कार्य लागत 31 % कम

19 अक्टूबर — Cognition ने Artificial Analysis के Coding Agent Index पर Devin Fusion के स्कोर को प्रमुखता दी है। Devin Fusion उसका ऐसा संचालन ढाँचा है, जो एक मुख्य मॉडल और एक सहायक मॉडल (sidekick) को जोड़ता है। यह स्वतंत्र सूचकांक कोड एजेंटों को समान भार वाले तीन मूल्यांकनों पर अंक देता है:

Devin Fusion has claimed a top score of 68 on the @ArtificialAnlys Coding Agent Index with an Opus 5.5 lead and GPT-6 Luna sidekick. Devin Fusion outperforms Claude Code with Opus 5.5 on both performance and price – earning a score of 68 at a 31% lower cost per task.

🇮🇳 मुख्य मॉडल के रूप में Opus 5.5 और सहायक के रूप में GPT-6 Luna के साथ Devin Fusion ने @ArtificialAnlys के Coding Agent Index पर सबसे अच्छे स्कोरों में से एक, 68, हासिल किया है। Devin Fusion प्रदर्शन और कीमत, दोनों में Opus 5.5 वाले Claude Code से आगे है, और 31 % कम प्रति कार्य लागत पर 68 का स्कोर देता है। — X पर @cognition

सूचकांक के आँकड़े लागत के अंतर की पुष्टि करते हैं; इसमें Devin Fusion 42 कॉन्फ़िगरेशन में दूसरे स्थान पर है:

मूल्यांकित कॉन्फ़िगरेशन	सूचकांक का स्कोर	प्रति कार्य औसत लागत
Claude Code, Sonnet 5.5 (max)	68,4	14,19 डॉलर
Devin Fusion CLI, Claude Opus 5.5 Max + GPT-6 Luna High	68,2	9,02 डॉलर
Claude Code, Opus 5.5 (max)	66,0	13,04 डॉलर

Muse Wonder Full वाला Muse Code 68,0 के साथ इसके बाद है। Devin Fusion, DeepSWE v1.1 (68,4 के मुकाबले 72,6) और SWE-Atlas-QnA (66,4 के मुकाबले 69,4) पर स्पष्ट बढ़त रखता है, लेकिन Opus 5.5 वाला Claude Code, Terminal-Bench v4 पर आगे है (62,6 के मुकाबले 63,1)। Cognition ने कोई नया लेख प्रकाशित नहीं किया है।

🔗 Artificial Analysis का Coding Agent Index

संक्षिप्त समाचार

एजेंट और कोडिंग उपकरण

19 अक्टूबर के Devin रिलीज़ नोट्स — Devin अब GitHub, GitLab, Azure DevOps और Bitbucket पर केवल पुल रिक्वेस्ट की ही नहीं, बल्कि किसी कमिट, ब्रांच या टैग की CI स्थिति भी देख सकता है; Devin Review में नियम संपादक और Review now बटन जुड़ा है, और मेमोरी की रात्रिकालीन स्वप्न-प्रक्रिया (रात में मेमोरी का स्वप्न-संसाधन) को अब बंद किया जा सकता है। 🔗 स्रोत
Agent Manager — Hugging Face ने Apache-2.0 लाइसेंस के तहत एक निजी कार्यक्षेत्र जारी किया है, जिसे Space में तैनात किया जाता है। इससे ब्राउज़र के ज़रिए दर्जनों Claude Code, Codex, Gemini CLI, opencode या Hermes एजेंट संचालित किए जा सकते हैं, जो आपस में संवाद करते हैं और दूसरे उपकरण से काम दोबारा शुरू करने के दौरान भी चलते रहते हैं। 🔗 स्रोत
Zed में MCP उपकरणों की खोज — Zed की टीम ने 150 अनुरोधों और 536 उपकरणों पर सही MCP उपकरण खोजने के 25 तरीकों की तुलना की, जिनमें निर्णय मॉडल, LLM और सदिश निरूपण (एम्बेडिंग) शामिल थे। टीम ने सामान्यीकरण के कुछ नियमों वाला भारित BM25 चुना, जो स्थानीय रूप से और API कॉल के बिना चलता है; विस्तृत स्कोर या इससे जुड़े किसी उत्पाद का उल्लेख नहीं किया गया है। 🔗 स्रोत
Zed 1.24.4 और पूर्वावलोकन में 1.25.1 — स्थिर संस्करण में OpenCode मॉडल लोड करने की समस्या सुधारी गई है; पूर्वावलोकन संस्करण में JavaScript और TypeScript के svg, mathml और raw टैग वाले टेम्पलेट में HTML की सिंटैक्स रंगाई और css() को दिए जाने वाले टेम्पलेट में CSS की सिंटैक्स रंगाई जोड़ी गई है; एजेंटों के लिए कोई नई सुविधा नहीं है। 🔗 पूर्वावलोकन 1.25.1 · 🔗 1.24.4
iOS पर v0 — v0 के iOS ऐप में Browser Use एनोटेशन जोड़े गए हैं। इनकी घोषणा वीडियो वाले एक ट्वीट से की गई है, लेकिन न तो सुविधा का विवरण दिया गया है और न ही v0 के बदलावों के विवरण में कोई प्रविष्टि है। 🔗 स्रोत
Gemini CLI, 20 अक्टूबर का रात्रिकालीन संस्करण — तीन खाली रात्रिकालीन संस्करणों के बाद दो सुधार आए हैं: स्क्रीन रीफ़्रेश होने पर अब टर्मिनल का स्क्रॉल इतिहास नहीं मिटता, /clear और Ctrl+L अब केवल दिखाई देने वाला हिस्सा साफ़ करते हैं, और DevTools अब दो HTTP पैकेटों के बीच बँट गए UTF-8 अक्षरों को अधूरा नहीं दिखाता; स्थिर संस्करण v0.64.0 अपरिवर्तित है। 🔗 स्रोत
ZCode v3.16.2 — Z.ai के कोडिंग परिवेश ZCode की ओपन सोर्स रिपॉज़िटरी को रिलीज़ नोट्स के बिना v3.16.2 के अनुरूप अद्यतन किया गया है: डेस्कटॉप ऐप में साइड पैनल का पूरा दृश्य मिलता है और इसके मार्केटप्लेस में anet प्लगइन है, जो A2A प्रोटोकॉल के ज़रिए दूसरे एजेंटों को काम सौंपता है। 🔗 स्रोत
mistral 0.9.0 CLI — Mistral के प्लेटफ़ॉर्म पर ऐप तैनात करने वाले इस उपकरण में mistral upgrade, बिना कमिट पुश किए डिस्क से प्रयोगात्मक तैनाती और एक सुविधा फ़्लैग के पीछे mistral apps list तथा logs जोड़े गए हैं; अनुकूलता तोड़ने वाले बदलाव के तहत निजी रजिस्ट्री का टोकन अब केवल MISTRAL_REGISTRY_TOKEN या NODE_AUTH_TOKEN से पढ़ा जाता है। 🔗 स्रोत
Copilot की मॉडल नीतियों की API — एंटरप्राइज़, एंटरप्राइज़ टीमों, एजेंट ऐप और संगठनों के स्तर पर अनुमत मॉडल पढ़ने और बदलने के लिए REST GET और PATCH एंडपॉइंट सामान्य रूप से उपलब्ध हो गए हैं। अधिकार संगठनों या टीमों को भी सौंपे जा सकते हैं। 🔗 स्रोत

कंपनियाँ और उपयोग के उदाहरण

Claude Enterprise के लिए Inference hooks — बीटा से बाहर आए ये हुक हर अनुरोध का प्रतिलेख संगठन के सुरक्षा सर्वर को भेजते हैं, जो उसे मॉडल तक पहुँचने से पहले डिफ़ॉल्ट रूप से 5 सेकंड के भीतर अनुमति देता या अस्वीकार करता है। यह claude.ai से लेकर Claude Code, Cowork, Claude Tag या Claude in Chrome तक लागू है; Bedrock, Google Cloud और API इसमें शामिल नहीं हैं। 🔗 रिलीज़ नोट्स · 🔗 दस्तावेज़
Perplexity और Valarian — संप्रभु अवसंरचना उपलब्ध कराने वाली इस ब्रिटिश कंपनी के साथ Perplexity, Computer को नियामकीय दायरे में आने वाले संस्थानों के सर्वरों पर चला रहा है। इसमें अलग-थलग नेटवर्क (एयर-गैप्ड) भी शामिल हैं और Nemotron, GLM, Kimi, DeepSeek-R1 या Qwen जैसे खुले मॉडल इस्तेमाल होते हैं; तैनाती अनुरोध पर होती है, लेकिन किसी कीमत या ग्राहक का उल्लेख नहीं किया गया है। 🔗 स्रोत
IncidentWatch और IncidentSweep — SpaceXSI ने बताया है कि दो Grok Bots उसकी सहायता सेवा की घटनाएँ कैसे सँभालते हैं: एक हर 5 मिनट में टिकटों की संख्या में उछाल पहचानकर ड्यूटी पर मौजूद कर्मियों को सूचित करता है, जबकि दूसरा इंजीनियर से स्वीकृत समूहों में टिकट बंद करता है। 18 सितंबर की एक घटना के दौरान उसने लगभग दस मिनट में 204 टिकट बंद किए। 🔗 स्रोत
एक फ़्रैंचाइज़ी संचालक के यहाँ ChatGPT Work — न्यू मेक्सिको में Schlotzsky’s और Cinnabon के तीन रेस्तराँ चलाने वाले टेड टेलर ने मेनू की कीमतों की समीक्षा का समय 5 दिन से घटाकर 1 से 2 घंटे और मासिक नकदी मिलान का समय 3 घंटे से घटाकर 5 से 10 मिनट कर दिया है, यानी 94 % की कमी, जैसा कि OpenAI के केस अध्ययन में बताया गया है। 🔗 स्रोत
तीन Java Champions और Copilot — GitHub Blog पर व्लाद मिहाल्सिया, पैट्रिक बाउमगार्टनर और फ़्रैंक डेलपोर्ट ने Copilot के अपने उपयोग बताए हैं: लगभग 900 स्लाइड को आठ से दस घंटे में Marp में स्थानांतरित करने से लेकर Pi4J के एक बग पर कोडिंग एजेंट से आधे घंटे में पुल रिक्वेस्ट प्राप्त करने तक। 🔗 स्रोत
Hippolyte.ai और ElevenLabs — भर्ती के इस फ़्रांसीसी प्लेटफ़ॉर्म ने ElevenLabs के वाक्-संश्लेषण से तीन सप्ताह में प्रारंभिक चयन के 4 830 वॉइस साक्षात्कार किए। वॉइस प्रोसेसिंग यूरोपीय संघ में होती है, मूल रिकॉर्डिंग 24 घंटे के भीतर मिटा दी जाती हैं और खुले वज़न वाला मॉडल फ़्रांस में स्वयं होस्ट किया गया है। 🔗 स्रोत
जापान में Replit — Replit अपनी ऐप और एंटरप्राइज़ एजेंट निर्माण सुविधाओं को जापानी कंपनियों के करीब लाने के लिए जापान में कार्यालय खोल रहा है। टोक्यो में 5 और 6 नवंबर को चार कार्यक्रम होंगे, जिनमें Microsoft के साथ एक कार्यशाला भी शामिल है; पता, कर्मचारियों की संख्या या जापान के लिए किसी विशेष पेशकश का उल्लेख नहीं किया गया है। 🔗 स्रोत

रैंकिंग और मार्गदर्शिकाएँ

ClaimBench — Vals AI का नया बेंचमार्क जाँचता है कि वार्षिक 10-K रिपोर्ट का कोई अंश किसी दावे का समर्थन करता है, उसका खंडन करता है या उसके बारे में कुछ नहीं कहता: Perplexity का pplx-decider-v1.2 निर्णय मॉडलों में 99,69 % और प्रति दावे 0,000104 डॉलर की लागत के साथ Mercury Decide (99,08 %) से आगे है, हालाँकि इसकी विलंबता सबसे अधिक विलंबताओं में से एक है (1,23 s)। 🔗 स्रोत
Parallel पर MiniMax M3.1 Flash — Parallel Web Systems ने एक दिन पहले जारी MiniMax के मॉडल को दक्षता के आधार पर अपनी वेब खोज रैंकिंग में पहला स्थान दिया है। इसका प्रदर्शन DeepSeek V4.1 Flash के करीब है, जबकि लागत लगभग तीन गुना कम है; यह तीसरे पक्ष के विक्रेता की रैंकिंग है। 🔗 स्रोत
Perplexity के अनुसार AI गेटवे — विचार अनुभाग की एक मार्गदर्शिका ऐप या एजेंट और मॉडल के बीच रखे जाने वाले इन प्रॉक्सी का वर्णन करती है: रूटिंग, टोकन बजट, अर्थ-आधारित कैश और सुरक्षा नियंत्रण। इसमें Broadcom के एक परीक्षण का उल्लेख है, जिसमें समायोजित Envoy गेटवे प्रति अनुरोध लगभग 2 ms जोड़ता है; इसमें Perplexity का कोई उत्पाद प्रस्तुत नहीं किया गया है। 🔗 स्रोत

सृजन : छवि, वीडियो और प्रस्तुतियाँ

Bria का Fibo 2.0 — सयाक पॉल के अनुसार, Diffusers इस खुले वज़न वाले छवि संपादन मॉडल को जारी होते ही समर्थन देता है। इसे अपनी श्रेणी का पहला मॉडल बताया गया है, इसे JSON के ज़रिए नियंत्रित किया जाता है, यह टेक्स्ट सही ढंग से रेंडर करता है और Turbo तथा Dev रूपों में उपलब्ध है। 🔗 स्रोत
Luma का Art Style Match — यह उपकरण उत्पाद की छवि पर एक से चार संदर्भ छवियों की शैली लागू करता है, जबकि उत्पाद और उसकी संरचना को यथास्थान रखता है; इसे केवल एक ट्वीट में प्रस्तुत किया गया है, बिना ब्लॉग पोस्ट, मॉडल या कीमत के विवरण के। 🔗 स्रोत
Design Arena पर HeyGen Video 1.0 — HeyGen के अनुसार, Design Arena उसके 1080p मॉडल को वीडियो और छवि से वीडियो, दोनों श्रेणियों में तीसरे स्थान पर रखता है। MiniMax H3 पर आगे प्रशिक्षित इस मॉडल को HeyGen उत्पाद के क्लोज़-अप और कटअवे दृश्यों के लिए प्रस्तुत करता है। 🔗 स्रोत
OpenRouter पर Wan3.0 Prime — Alibaba ने Wan 3.0 के इस तेज़ संस्करण को, जिसकी शुरुआती कीमत 0,068 डॉलर प्रति सेकंड है, लगभग 3 000 अनुरोधों (+85 %) के साथ OpenRouter की वीडियो रैंकिंग के Trending दृश्य में पहले स्थान पर पहुँचाया है; Wan 3.0 वहाँ तीसरे स्थान पर है। 🔗 स्रोत
GTC Berlin में TJ — Synthesia ने जेंसन हुआंग के कार्टून प्रतिरूप को एक संवादात्मक अवतार बनाया है। अपने वीडियो और वॉइस मॉडल तथा Interactive Avatar API पर बना यह अवतार 21 और 22 अक्टूबर को आगंतुकों को 100 से अधिक सत्रों में से उपयुक्त सत्र सुझाता है। 🔗 स्रोत
Gemini Notebook में सह-सृजन — Pro और Ultra सदस्य विषय, प्रारूप, अवधि, भाषा और दृश्य शैली चुनते हैं, फिर निर्माण शुरू करने से पहले किसी प्रस्तुति (Slide Deck) की रूपरेखा या सारांश वीडियो (Video Overview) के निर्माण संबंधी नोट्स की समीक्षा करते हैं; सुविधा का विस्तार जारी है। 🔗 स्रोत

खुले मॉडल, शोध और हार्डवेयर

AnyLanguageModel 1.0 — Hugging Face का यह Swift पैकेज एक इंपोर्ट बदलकर Apple के Foundation Models फ़्रेमवर्क की जगह लेता है। इससे वही सत्र सिस्टम मॉडल, llama.cpp, MLX या Core ML के ज़रिए खुले मॉडल, या OpenAI, Anthropic अथवा Gemini जैसे होस्ट किए गए प्रदाताओं के साथ चलाया जा सकता है। 🔗 स्रोत
TRL के साथ एजेंटों का पश्च-प्रशिक्षण — Hugging Face ने पाँच चरणों की एक सीखने की रूपरेखा प्रकाशित की है, जो एजेंट ट्रेस पर पर्यवेक्षित फ़ाइन-ट्यूनिंग से शुरू होकर डिस्टिलेशन, GRPO और OpenEnv परिवेशों से गुज़रते हुए AsyncGRPO के साथ वास्तविक परीक्षण ढाँचे के माध्यम से प्रशिक्षण तक पहुँचती है; यह शैक्षिक सामग्री है, कोई नया उत्पाद नहीं। 🔗 स्रोत
Thoughtworks में Nemotron 3.5 Super VL — अपनी दूसरी रिपोर्ट में Thoughtworks ने कानून और स्वास्थ्य के अलग रखे गए डेटा पर तीन LoRA अडैप्टरों से 5,42 से 9,41 अंकों का सुधार देखा है, लेकिन सार्वजनिक CaseHOLD बेंचमार्क पर कोई उल्लेखनीय सुधार नहीं मिला। उसने एक ऐसे मूल्यांकनकर्ता को भी हटा दिया जिसके निर्देश बदलने पर निर्णय में 35,1 अंकों का अंतर आता था। 🔗 स्रोत
फ़्रांस के लिए अधिक सूक्ष्म मौसम पूर्वानुमान — Hugging Face के ब्लॉग पर लगभग 2 मिलियन पैरामीटर वाला, एक घंटे में प्रशिक्षित U-Net, AIFS-ENS के तापमान पूर्वानुमानों का रिज़ॉल्यूशन 28 से 5,5 km करता है: Météo-France के मौसम केंद्रों से तुलना में दो दिनों के पूर्वानुमान की त्रुटि (RMSE) 14 % घटती है। इसके लेखक इसे एक प्रयोगात्मक प्रदर्शन के रूप में प्रस्तुत करते हैं। 🔗 स्रोत
Coral NPU — Google Research ने उपकरणों पर चलने वाली AI के लिए अपने खुले न्यूरल प्रोसेसर का 32-बिट आर्किटेक्चर पूरा किया है। RISC-V पर आधारित इसमें अधिकतम 1 TOPS की मैट्रिक्स इकाई है और औसतन 10 mW बिजली खपत का लक्ष्य रखा गया है। उसने Coral Compiler v1.0 भी जारी किया है; Synaptics ने अपनी Astra SR200 चिप शृंखला पेश की है। 🔗 स्रोत

GitHub, कृत्रिम बुद्धिमत्ता से इतर

Secret scanning — 12 नवंबर को ऑडिट घटनाओं की दो श्रेणियों का business फ़ील्ड एंटरप्राइज़ के प्रदर्शित नाम की जगह उसका संक्षिप्त पहचानकर्ता (स्लग) देने लगेगा; पूर्वावलोकन में उपलब्ध निरस्तीकरण सुविधा निजी और आंतरिक रिपॉज़िटरी में Base64 में एन्कोड किए गए GitHub टोकन भी स्वीकार करती है। 🔗 स्रोत
Dependabot अलर्ट — REST API और dependabot_alert वेबहुक अब github.com तथा GitHub Enterprise Cloud पर version_requirement फ़ील्ड लौटाते हैं, जो असुरक्षित डिपेंडेंसी का संस्करण या संस्करण संबंधी बाध्यता बताता है; GitHub Enterprise Server 3.24 के लिए अभी प्रतीक्षा है। 🔗 स्रोत
Dependabot और नए पैकेज प्रबंधक — Dependabot अब github.com के सभी उपयोगकर्ताओं के लिए npm 12, pnpm 11 और 12 तथा Bun 1.4 का समर्थन करता है और इन्हें GitHub Enterprise Server 3.24 में भी शामिल करेगा। 🔗 स्रोत
नियम-समूह — किसी रिपॉज़िटरी की सभी ब्रांच सुरक्षा व्यवस्थाओं को अब एक ही कार्रवाई में नियम-समूहों (रूलसेट) में बदला जा सकता है। इसमें पूर्वावलोकन, लागू होने की स्थिति चुनने का विकल्प (Active, Evaluate या Disabled) और मूल नियमों को रखने या हटाने की सुविधा मिलती है। 🔗 स्रोत

इसका क्या अर्थ है

इन्फ़रेंस अब केवल NVIDIA पर निर्भरता से बाहर निकल रहा है, और विक्रेता इसे चलाने वाले इंजन खोल रहे हैं। DeepInfer, NVIDIA के SM100 GPU और Huawei के Ascend 950 NPU, दोनों पर चलता है; TorchTPU, TPU को Transformers और Diffusers में भी सामान्य PyTorch उपकरण की तरह इस्तेमाल करने देता है; और PyTorch 2.15, Mac पर MoE की डिकोडिंग को छह गुने से अधिक तेज़ करता है। DeepSeek अपनी सेवा का आर्थिक ब्योरा भी प्रकाशित करता है: एक ही क्लस्टर पर प्रतिदिन 155 000 अरब टोकन और कम व्यस्त समय में प्रति GPU-घंटा 38 डॉलर का राजस्व। वहीं deepseek-recipe किसी तीसरे पक्ष के होस्टिंग प्रदाता को उसकी आधिकारिक API का व्यवहार दोहराने देता है। इस गणना में संदर्भ के पुनः उपयोग का महत्व बढ़ रहा है: DeepSeek अपना KV कैश 72 घंटे से अधिक बनाए रखता है, और OpenAI अब उन एजेंटों के लिए 12 घंटे का प्रॉम्प्ट कैश बेचता है जो दिन भर उसी संदर्भ का दोबारा उपयोग करते हैं।

वॉइस एजेंटों के लिए Mistral और ElevenLabs एक ही दिन दो आर्किटेक्चर का समर्थन कर रहे हैं। Voxtral 3 अलग-अलग मॉडलों की शृंखला बनाए रखता है: ट्रांसक्रिप्शन, पसंद का LLM और वाक्-संश्लेषण। SDK इन्हें स्ट्रीम में चलाता है ताकि संवाद का एक चक्र एक सेकंड से कम में पूरा हो सके; एजेंट को दोबारा लिखे बिना हर घटक बदला जा सकता है, और कीमतें प्रति मिनट या प्रति अक्षर दी गई हैं। Eleven Realtime पूरी शृंखला को एक ही वाक्-से-वाक् मॉडल में समेटता है और पहले से एकीकरण कर चुके डेवलपरों को आकर्षित करने के लिए OpenAI की Realtime API के साथ संगतता पर भरोसा करता है, लेकिन कीमत का कोई आँकड़ा नहीं देता। Mistral यूरोप में होस्टिंग का तर्क भी जोड़ता है, ऐसे समय में जब Hippolyte.ai का उदाहरण दिखाता है कि बड़े उद्यम ग्राहक क्या माँगते हैं: यूरोपीय संघ में वॉइस प्रोसेसिंग और 24 घंटे के भीतर रिकॉर्डिंग का हटाया जाना।

सहायक कहाँ काम करता है, यह भी एक तर्क बन रहा है। Perplexity Computer अब 36 GB मेमोरी वाले Mac पर मॉडल समेत पूरी तरह चलता है, और Valarian इसे अलग-थलग नेटवर्क पर ले जा रहा है; Anthropic में Inference hooks किसी कंपनी के सुरक्षा सर्वर को अनुरोध मॉडल तक पहुँचने से पहले उसे अस्वीकार करने देते हैं। विक्रेता इन सुरक्षा उपायों की सीमाएँ भी स्पष्ट करते हैं: ChatGPT की लॉक की गई चैट किसी बातचीत को छिपाती हैं, लेकिन उसे आरंभ से अंत तक एन्क्रिप्ट नहीं करतीं, और वह कंपनियों के अनुपालन लॉग में बनी रहती है।

सॉफ़्टवेयर आपूर्ति शृंखला की सुरक्षा वहीं तय होती है जहाँ एजेंट काम करते हैं। OSS Scanner ने ग्यारह दिनों में 77 अति गंभीर और 803 उच्च गंभीरता वाली खामियाँ बताई हैं, हालाँकि गंभीरता का यह स्तर अभी मॉडल स्वयं ही तय कर रहा है, जबकि curl की खामी को CVE पहचानकर्ता, सुरक्षा सूचना और सुधार मिल चुका है। GitHub का पैकेज फ़ायरवॉल स्थापना के समय को लक्षित करता है, जब कोई दुर्भावनापूर्ण पैकेज सतत एकीकरण रनर या कोडिंग एजेंट के क्रेडेंशियल चुरा सकता है। साथ ही एजेंटों की CLI प्रशासकों को अधिक नियंत्रण दे रही हैं: Vibe CLI 3.0.1 से YOLO मोड पर रोक लगाई जा सकती है, Copilot CLI 1.0.101 अनुमतियाँ मंज़ूर करने वाले मूल्यांकनकर्ता को निर्देशित करने देता है, और Claude Code 2.1.304 अब बिना पूछे कोई वर्कट्री नहीं हटाता।