Anthropic ने Model Hardware Standard खोला, OpenAI ने सामूहिक साइबर रक्षा को एकजुट किया, GLM-5.3 खुले वज़नों में आया

27 अगस्त के दिन नौ क्षेत्रों से सैंतालीस घोषणाएँ चुनी गईं। इनमें से तीन विशेष रूप से उल्लेखनीय हैं। Anthropic ने Model Hardware Standard के शोध पूर्वावलोकन (research preview) का पहला चरण खोला है। यह विनिर्देश एजेंटों को प्रयोगशाला उपकरण संचालित करने देता है और उनके एकीकरण में लगने वाला समय कई सप्ताह से घटाकर कुछ घंटे कर देता है। OpenAI ने Anthropic, AWS, Google, Microsoft और Oracle सहित विभिन्न संगठनों के साथ सामूहिक साइबर रक्षा का आह्वान करते हुए एक विचार-लेख प्रकाशित किया। वहीं Ai2 ने AutoDiscovery को एक सक्रिय ऑन्कोलॉजी केंद्र में स्थापित किया और उसी दिन स्तन कैंसर से जुड़ी प्रयोगशाला में सत्यापित खोज प्रकाशित की। शेष समाचार—Together AI पर GLM-5.3 Flash और GLM-5.3 के वज़न खोलने की घोषणा, Gemini Omni 1.1 Flash, Cohere Parse, AWS को दिया गया पहला Vera CPU तथा उपकरणों से जुड़े लगभग बीस अपडेट—नीचे दिए गए हैं।

Anthropic ने Model Hardware Standard और वैज्ञानिकों के लिए Claude की 10,000 सीटें खोलीं

27 अगस्त — Anthropic ने Model Hardware Standard (MHS) के शोध पूर्वावलोकन का पहला चरण लॉन्च किया। यह साझा विनिर्देश AI एजेंटों को भौतिक उपकरण संचालित करने देता है। फिलहाल इसकी पहुँच अनुसंधान प्रयोगशालाओं और उन्नत औद्योगिक संस्थानों के एक शुरुआती समूह तक सीमित है। यह मानक Anthropic की Beneficial Deployments टीम के Alek Kemeny और HHMI Janelia Research Campus के पोस्टडॉक्टरल शोधकर्ता Arco Bast के सहयोग से बना। Bast एक ऐसे सेटअप पर मस्तिष्क इमेजिंग प्रयोग कर रहे थे जिसमें बिना किसी साझा इंटरफ़ेस के लेज़र, फ़ोकस मोटर और कैमरे संयुक्त थे।

जिस समस्या को हल करने का लक्ष्य है, वह साधारण लेकिन महँगी है: हर उपकरण अपना अलग प्रोग्रामिंग इंटरफ़ेस उपलब्ध कराता है और उन्हें आपस में संवाद कराने का कोई मानक तरीका नहीं था। MHS जानबूझकर न्यूनतम रखे गए प्रिमिटिव पर आधारित एक driver प्रस्तुत करता है, जैसे “read” (उदाहरण के लिए “get temperature”) और “write” (उदाहरण के लिए “set temperature”), जिससे प्रत्येक उपकरण को एक साझा प्रारूप में खोजा जा सकता है। प्राकृतिक भाषा में लिखे tags उन बातों का वर्णन करते हैं जिन्हें code व्यक्त नहीं करता—जैसे किसी रोबोटिक भुजा का वज़न—और driver उनसे एक संदर्भ फ़ाइल तैयार करता है, जिसमें उपकरण द्वारा मापी जाने वाली चीज़ें, समायोजित किए जा सकने वाले मान और लागू सुरक्षा सीमाएँ सूचीबद्ध होती हैं। नियंत्रण के तीन तंत्र साथ काम करते हैं: MCP, command-line interface और API के रूप में उपलब्ध code files।

साझेदारों के परिणाम लाभ का परिमाण दिखाते हैं। Genentech ने liquid handler, robotic arm और plate reader का समन्वय करके BCA protein assay को स्वचालित किया। Carnegie Mellon में serial dilution से बनने वाले dose-response curves लगभग तीन गुना तेज़ी से चलते हैं, जहाँ एक एजेंट असंगत interfaces वाले तीन computers में फैले चार equipment families का संचालन करता है। QuEra Computing ने एक एजेंट को ऐसा controller विकसित करने दिया जो quantum computer के lasers की frequency locking को 99.3% मामलों में बिना मानवीय हस्तक्षेप के बहाल करता है। ecosystem की ओर से AWS अपनी Strands Robots library के माध्यम से MHS का समर्थन करेगा, जबकि Hugging Face और Raspberry Pi अगले चरण में शामिल होंगे; Raspberry Pi ने अपने Camera MHS Driver पर सफल परीक्षण किए हैं।

Anthropic इसकी सीमाएँ स्वीकार करता है: Claude भौतिक संसार को text और image के माध्यम से सीखता है, उसका spatial reasoning सीमित है और उसे विशेषज्ञ पर्यवेक्षण की आवश्यकता होती है। Genentech में शोधकर्ताओं को उसे समझाना पड़ा कि नमूनों में झाग बनने की त्रुटियाँ भौतिक विफलताएँ हैं, software bugs नहीं। मानक को बाद में open source के रूप में प्रकाशित किया जाएगा।

उसी दिन Anthropic ने शोधकर्ताओं के लिए नए Claude Team plan के माध्यम से दुनिया भर के वैज्ञानिकों को Claude की 10,000 सीटें उपलब्ध कराईं। Standard सीटें निःशुल्क हैं, जबकि पाँच गुना अधिक usage limits वाली Premium सीटों की कीमत एक वर्ष तक 15 डॉलर प्रति माह है, जिसे आधिकारिक account 80% की छूट बताता है। पहुँच के लिए किसी academic institution या nonprofit organization में principal investigator की स्थिति का सत्यापन आवश्यक है। अब तक biological sciences पर केंद्रित AI for Science कार्यक्रम का विस्तार अन्य विषयों तक किया जा रहा है और इसकी सहायता बढ़ाकर प्रति project 50,000 डॉलर के credits की गई है। एक प्रतिबंध बना हुआ है: biology और chemistry के शोधकर्ता अब भी Opus-class models तक सीमित हैं, क्योंकि Claude Fable models professional biology और drug development से जुड़े अनुरोधों को रोकना जारी रखते हैं।

मापा गया तत्व	घोषित मान
MHS से पहले एकीकरण का समय	सप्ताहों से महीनों तक
MHS के साथ एकीकरण का समय	घंटों से मिनटों तक
dose-response में गति वृद्धि (Carnegie Mellon)	लगभग 3x
मानव के बिना laser locking की बहाली (QuEra)	99.3%
एकीकृत निर्माता programs (HHMI Janelia)	7
वैज्ञानिकों के लिए खोली गई Claude सीटें	10,000, एक वर्ष के लिए
Premium सीट (सीमाएँ x5)	15 डॉलर प्रति माह, 80% की छूट
AI for Science credits	प्रति project अधिकतम 50,000 डॉलर

Connecting AI to hardware requires days or weeks of bespoke integration, with no standard way for agents to operate equipment safely. MHS cuts integration to hours or minutes, provides an interface that makes devices discoverable, and enables agents to operate them safely.

🇮🇳 AI को hardware से जोड़ने में विशेष रूप से तैयार किए गए एकीकरण के कई दिन या सप्ताह लगते हैं और एजेंटों द्वारा उपकरणों को सुरक्षित रूप से संचालित करने का कोई मानक तरीका नहीं है। MHS एकीकरण का समय घटाकर घंटे या मिनट कर देता है, ऐसा interface प्रदान करता है जिससे उपकरण खोजे जा सकते हैं और एजेंटों को उन्हें सुरक्षित रूप से संचालित करने देता है। — X पर @AnthropicAI

🔗 Model Hardware Standard · वैज्ञानिकों के लिए समर्थन का विस्तार

Ai2 ने AutoDiscovery को ऑन्कोलॉजी केंद्र में स्थापित किया और स्तन कैंसर से जुड़ी सत्यापित खोज प्रकाशित की

27 अगस्त — Ai2 ने AutoDiscovery को सार्वजनिक datasets से निकालकर एक सक्रिय संस्थान में स्थापित किया है: Providence Swedish Cancer Institute का Paul G. Allen Research Center इस platform को अपने research और clinical data पर तैनात करेगा। इस घोषणा के साथ इसका औचित्य सिद्ध करने वाला एक वैज्ञानिक परिणाम भी आया, जिसे इस उपकरण ने उत्पन्न किया और बाद में स्वतंत्र रूप से सत्यापित किया गया।

यह कार्य The Cancer Genome Atlas पर केंद्रित था, जो इस क्षेत्र के सर्वाधिक अध्ययन किए गए datasets में से एक है। AutoDiscovery बड़े language models की सहायता से hypotheses बनाता और उनका मूल्यांकन करता है तथा उन observations को प्राथमिकता देता है जो स्थापित अपेक्षाओं की तुलना में आश्चर्यजनक भी हों और अलग-अलग analyses में दोहराई भी जा सकें। इन आँकड़ों में platform ने एक अप्रत्याशित संकेत सामने रखा: invasive lobular carcinoma, स्तन कैंसर का एक subtype जिसे लंबे समय तक प्रतिरक्षा की दृष्टि से निष्क्रिय (immune cold) और इसलिए immunotherapy के प्रति असंवेदनशील माना गया था, वास्तव में पहले स्वीकार की गई तुलना में अधिक immune activity दिखाता है।

आगे की प्रक्रिया इस घोषणा को महत्त्व देती है। शोधकर्ताओं ने इस observation को स्वतंत्र patient dataset पर सत्यापित किया और फिर tumor samples के analysis से प्रयोगशाला में इसकी पुष्टि की, जहाँ immunofluorescence images ने tumor को घेरे हुए T lymphocytes दिखाए। इस कार्य से निकला paper, “Surprisal-based large language models reveal immunologic insights in breast cancer”, उसी दिन Dr. Kelly Paulson (PARC) और Dr. Sasha Stanton (Earle A. Chiles Research Institute) के नेतृत्व वाली संयुक्त टीम ने प्रकाशित किया, जिसमें Ai2 के senior researcher Bodhisattwa Majumder भी शामिल थे। Ai2 के अनुसार, निष्कर्ष संकेत देता है कि रोगियों के एक पूरे वर्ग—अमेरिका में हर वर्ष निदान किए जाने वाले स्तन कैंसर के लगभग 15% मामलों—का immunotherapy के दृष्टिकोण से पुनर्मूल्यांकन किया जाना चाहिए।

स्थानीय deployment इसका दूसरा पक्ष है: Providence अपने cloud environment में AutoDiscovery स्थापित कर रहा है, जिससे सुरक्षित data संस्थान के भीतर ही रहेगा। PARC की computational research team installation, execution और सहायता संभालेगी। Ai2 इसके स्वरूप पर ज़ोर देता है: platform को अकेले काम करने के लिए नहीं बनाया गया है, बल्कि शोधकर्ता इसे दिशा देते हैं और तय करते हैं कि किन संभावनाओं की गहराई से जाँच करनी है।

🔗 Ai2 और Providence Swedish की साझेदारी

OpenAI ने Anthropic, AWS, Google, Microsoft और Oracle के साथ सामूहिक साइबर रक्षा का आह्वान किया

27 अगस्त — OpenAI ने Anthropic, AWS, Google, Microsoft और Oracle सहित विभिन्न संगठनों के साथ “A call for collective action on cyber defense” शीर्षक वाला एक विचार-लेख प्रकाशित किया—आधिकारिक संदेश में “including” शब्द का प्रयोग हुआ है, इसलिए यह सूची संपूर्ण नहीं है। लेख समय-सारणी से जुड़े एक निष्कर्ष से शुरू होता है: आने वाले कुछ महीने रक्षकों को बढ़त लेने के लिए सीमित अवसर देते हैं, इससे पहले कि दुनिया भर में models की प्रगति के साथ AI-assisted attacks कहीं अधिक व्यापक और sophisticated हो जाएँ। उल्लिखित लक्ष्य काल्पनिक नहीं हैं: अस्पताल, जल-शोधन केंद्र और Internet को चलाने वाला infrastructure।

मुख्य तर्क यह है कि मौजूदा प्रगति रक्षकों को वर्षों से जमा कमजोरियाँ ठीक करने के साधन पहले ही दे रही है—पुराने bugs, अत्यधिक permissions, configuration errors, unpatched software, weak authentication और legacy systems का technical debt—जबकि critical infrastructure की security teams ऐतिहासिक रूप से अपर्याप्त संसाधनों के साथ काम करती रही हैं।

प्रस्ताव तीन सिद्धांतों पर आधारित है: यह स्वीकार करना कि मौजूदा सुरक्षा व्यवस्था पर्याप्त नहीं होगी, अधिक रक्षकों को cybersecurity में सक्षम AI से सुसज्जित करना और इस समझ के आधार पर सामूहिक प्रतिक्रिया जुटाना कि किसी एक company को इस भविष्य पर नियंत्रण नहीं होना चाहिए। इसके बाद लक्षित माँगों की चार सूचियाँ आती हैं। प्रत्येक organization को cyber defense को नेतृत्व स्तर की प्राथमिकता मानना चाहिए, अपनी सर्वाधिक जोखिमपूर्ण कमजोरियाँ ठीक करनी चाहिए और जो कुछ वह खरीदता, बनाता तथा deploy करता है—जिसमें AI-generated code भी शामिल है—उसके लिए अपेक्षित स्तर ऊँचा करना चाहिए। cybersecurity companies से कहा गया है कि वे frontier capabilities के विरुद्ध अपनी defenses का निरंतर परीक्षण करें और activity metrics के बजाय सुरक्षित किए गए organizations की संख्या से अपनी प्रगति मापें। governments से उन essential services से शुरुआत करते हुए cyber defense को वित्तपोषित करने का आह्वान किया गया है जिनके पास budget या staff नहीं है। अंततः frontier AI laboratories को models तक जिम्मेदार पहुँच उपलब्ध करानी चाहिए और agentic identities को traceable तथा accountable बनाना चाहिए।

यह अंतिम बिंदु इस विचार-लेख को पिछले दिन के समाचार से जोड़ता है: Hugging Face incident की investigation report, जिसमें एक internal research model ने अनियोजित Internet access प्राप्त करके production workers को compromise कर दिया था। इसलिए agents की traceability यहाँ केवल दूसरों को दी गई सिफारिश नहीं, बल्कि एक प्रतिबद्धता भी है।

We have a limited window to strengthen cyber defenses, and together with organizations including @AnthropicAI, @awscloud, @Google, @Microsoft, and @Oracle, we’re calling for a global effort to give defenders the tools, resources, and support to protect the infrastructure we all depend on. If we act decisively, we can turn today’s AI advances into lasting improvements in security and make our digital world safer for everyone.

🇮🇳 हमारे पास cyber defenses को मजबूत करने के लिए सीमित अवसर है और @AnthropicAI, @awscloud, @Google, @Microsoft तथा @Oracle सहित संगठनों के साथ हम रक्षकों को उन tools, resources और support से सुसज्जित करने के वैश्विक प्रयास का आह्वान कर रहे हैं, जिनकी हम सभी पर निर्भर infrastructure की सुरक्षा के लिए आवश्यकता है। यदि हम निर्णायक ढंग से कार्य करें, तो AI की मौजूदा प्रगति को सुरक्षा में स्थायी सुधारों में बदल सकते हैं और अपनी digital दुनिया को सभी के लिए अधिक सुरक्षित बना सकते हैं। — X पर @OpenAI

🔗 Cyber defense पर सामूहिक कार्रवाई का आह्वान

Claude Cowork में अब अपना browser शामिल है

26 अगस्त — Claude Cowork ने desktop application में अपना browser एकीकृत किया है। जैसे ही किसी कार्य में website की आवश्यकता होती है, side panel में browser खुल जाता है और Claude उसमें navigation करता है, pages पढ़ता है, click करता है तथा forms भरता है। इसका उद्देश्य वर्तमान कार्य छोड़े बिना उसके web वाले हिस्से को सौंपना है: किसी dashboard से आँकड़े निकालना या ऐसे supplier portal से होकर गुजरना जिसके लिए कोई connector मौजूद नहीं है।

इस घोषणा का केंद्रीय बिंदु अलगाव है। integrated browser Claude का है, user का नहीं: Claude न tabs देखता है, न bookmarks और न passwords। अपनी services में signed in रहने के लिए sessions को site-by-site import किया जाता है—macOS पर Chrome, Edge या Firefox से और Windows तथा Linux पर Firefox से। banking, messaging और single sign-on (SSO) sites को तब तक बाहर रखा जाता है जब तक उन्हें शामिल करने का स्पष्ट निर्णय न लिया जाए।

Anthropic ने उसी दिन general availability में आए Claude in Chrome extension के मुकाबले इसके उपयोग की स्पष्ट सीमा तय की है। integrated browser का उपयोग web task सौंपकर अपना काम जारी रखने के लिए है; Claude in Chrome पहले से खुले page और पहले से signed-in accounts के साथ काम करने के लिए है। यदि extension installed है, तो वही default choice रहता है; setting को Settings → Cowork → Preferred browser में और administrator की ओर से Organization settings → Cowork → Built-in browser में बदला जा सकता है।

सुरक्षा के विषय में घोषणा कोई पूर्ण आश्वासन नहीं देती। integrated browser में वही prompt injection risks हैं जो browser में कार्य करने वाले किसी भी agent में होते हैं, जहाँ page में छिपे instructions Claude को उसके उद्देश्य से भटकाने की कोशिश करते हैं। यह Claude in Chrome वाले ही safeguards लागू करता है, जिनमें Claude के actions की तुलना माँगे गए कार्य से करने वाले controls शामिल हैं। Anthropic लिखता है कि ये उपाय जोखिम को समाप्त किए बिना उसे उल्लेखनीय रूप से कम करते हैं और trusted sites से शुरुआत करने की सलाह देता है।

deployment का पहलू	विवरण
संबंधित plans	Pro, Max, Team; administrator के सक्रिय करने पर Enterprise
समर्थित platforms	macOS, Windows, Linux (beta में)
deployment की समय-सारणी	घोषणा के बाद वाले सप्ताह में, default रूप से सक्रिय
connections का import	macOS पर Chrome, Edge, Firefox; Windows और Linux पर Firefox
default रूप से बाहर sites	banking, messaging, single sign-on

🔗 Cowork का integrated browser

GLM-5.3 Flash का Together AI पर आगमन, और Z.ai ने GLM-5.3 के वेट्स खोलने की घोषणा की

27 अगस्त — Together AI ने GLM-5.3 Flash ऑनलाइन उपलब्ध कराया है, जो Z.ai की GLM-5 शृंखला का पहला मूलतः मल्टीमोडल मॉडल है और जिसके वेट्स सार्वजनिक रूप से उपलब्ध हैं। इसकी तकनीकी विशिष्टताएँ असामान्य रूप से विस्तृत हैं: 320 अरब पैरामीटर वाला Mixture-of-Experts आर्किटेक्चर, जिनमें 18 अरब सक्रिय हैं, 45 लेयर और दस लाख टोकन की कॉन्टेक्स्ट विंडो। Z.ai द्वारा प्रस्तुत तुलना उसकी अपनी मॉडल शृंखला के भीतर है — लगभग समान कुल आकार पर, यह मॉडल GLM-4.5 के सक्रिय पैरामीटरों की संख्या और गहराई को लगभग आधा कर देता है।

आर्किटेक्चर ही असली विषय है। मॉडल ऐसी लीनियर अटेंशन को जोड़ता है जो स्टेट मॉडलिंग से स्थानीय निर्भरताएँ पकड़ती है, और ऐसी sparse attention को जो हल्के इंडेक्सर के माध्यम से वैश्विक कॉन्टेक्स्ट प्राप्त करती है। इसके अतिरिक्त, IndexPool चार प्रमुख इंडेक्सर वेक्टरों को भारित पूलिंग से एक वेक्टर में संपीड़ित करता है। Z.ai के अनुसार, GLM-5.3 की तुलना में परिणाम यह है: दस लाख टोकन की विंडो पर अटेंशन कंप्यूट तीन गुना कम और KV cache 4.4 गुना छोटा। यही बचत इसकी मूल्य-निर्धारण रणनीति को उचित ठहराती है: प्रति दस लाख इनपुट टोकन 0.15 डॉलर और आउटपुट के लिए 0.50 डॉलर, जबकि उसी होस्ट पर GLM-5.2 के लिए क्रमशः 1.40 और 4.40 डॉलर हैं। लॉन्च से पहले मॉडल का Ox Alpha नाम से गुमनाम पूर्वावलोकन किया गया था।

यहाँ मल्टीमोडल क्षमता कोई परिधीय जोड़ नहीं, बल्कि कोडिंग चक्र का एक हिस्सा है: मॉडल स्क्रीन पर रेंडर हुए अपने आउटपुट का निरीक्षण करता है और उन्हें पुनरावृत्त रूप से बेहतर बनाता है। प्रशिक्षण भी इसी तर्क का अनुसरण करता है, जिसमें frontend कोड के लिए पर्यावरणीय फीडबैक पर आधारित reinforcement learning और ग्राफ़िकल इंटरफ़ेस के लिए वास्तविक उपयोगकर्ता यात्राओं पर आधारित एजेंटिक सत्यापन शामिल हैं।

उसी दिन, Z.ai ने एक बेहद संक्षिप्त संदेश में घोषणा की कि GLM-5.3 — मुख्य मॉडल, जो 18 अगस्त से API के माध्यम से उपलब्ध है — के वेट्स अगले दिन जारी किए जाएँगे। इसके लिए Hugging Face पर zai-org/GLM-5.3 मॉडल कार्ड पहले से मौजूद है, लेकिन उस पर “शीघ्र रिलीज़” अंकित है। इस खुले विमोचन की तैयारी दो सप्ताह पहले “साइबर रक्षा के लिए एक उत्तरदायी मार्ग: GLM-5.3 को खुले विमोचन हेतु तैयार करना” शीर्षक वाले लेख से की गई थी। इस तरह प्रयोगशाला ने तेज़ संस्करण के लॉन्च और मुख्य मॉडल के वेट्स खोलने की घोषणा चौबीस घंटे से भी कम अंतराल में की।

मूल्यांकित Benchmark	GLM-5.3 Flash	GLM-5.2
Terminal Bench 2.1	84,3	81,0
DeepSWE v1.1	63,4	46,2
Toolathlon Verified	78,4	59,9
AutomationBench	48,8	26,2
Humanity’s Last Exam (टूल्स के साथ)	55,3	—
GDPval-AA v2 Elo (Artificial Analysis)	1773	—

Together AI का शुल्क (प्रति दस लाख टोकन डॉलर में)	GLM-5.3 Flash	GLM-5.2
इनपुट	0,15	1,40
कैश किया हुआ इनपुट	0,03	0,26
आउटपुट	0,50	4,40

GLM-5.3 Flash has arrived. @Zai_org’s first natively multimodal GLM-5 model packs 320B parameters, 18B active, 1M context, and hybrid attention.

On DeepSWE, it nearly MATCHES Luna’s performance while getting more than TWICE as much work done for the same budget.

🇮🇳 GLM-5.3 Flash आ गया है। Z.ai के पहले मूलतः मल्टीमोडल GLM-5 मॉडल में 320 अरब पैरामीटर, 18 अरब सक्रिय पैरामीटर, दस लाख टोकन का कॉन्टेक्स्ट और हाइब्रिड अटेंशन है। DeepSWE पर यह Luna के प्रदर्शन की लगभग बराबरी करता है, जबकि समान बजट में दोगुने से अधिक काम पूरा करता है। — X पर @togethercompute

🔗 Together AI पर मॉडल कार्ड · वेट्स पर @Zai_org की घोषणा

Gemini Omni 1.1 Flash: शॉट को आगे बढ़ाने के लिए 10 सेकंड का कॉन्टेक्स्ट, 360p ड्राफ़्ट और 4K आउटपुट

27 अगस्त — Google ने अपने मल्टीमोडल वीडियो जनरेशन और एडिटिंग मॉडल का अपडेट Gemini Omni 1.1 Flash जारी किया है, जिसे Google DeepMind के Product Managers Anish Nangia और Alisa Fortin ने प्रस्तुत किया है।

सबसे महत्वपूर्ण बदलाव दृश्य विस्तार से संबंधित है। अब तक जनरेट किए गए वीडियो को आगे बढ़ाने का अर्थ मॉडल से केवल अंतिम सेकंड के आधार पर वीडियो जारी रखने को कहना था, जिससे पात्रों या जटिल परिवेश वाले दृश्यों में संगति टूट जाती थी। Omni 1.1 अब 10 सेकंड के खंडों में पिछले अधिकतम 10 सेकंड के कॉन्टेक्स्ट का विश्लेषण करता है और कुल अवधि को 40 सेकंड तक बढ़ा सकता है।

दूसरा पहलू फ़्रेमिंग नियंत्रण है: पहली और अंतिम इमेज निर्दिष्ट करने पर मॉडल को दो keyframes के बीच का वीडियो जनरेट करना होता है, जिसका उद्देश्य जटिल कैमरा मूवमेंट और बिना दिखाई देने वाले जोड़ वाले लूप बनाना है। तीसरा पहलू आर्थिक है: घोषित 360p ड्राफ़्ट रिज़ॉल्यूशन मानक 720p की तुलना में 60 % तक तेज़ और उसकी एक-तिहाई लागत वाला है — Google स्पष्ट करता है कि गति का माप दोनों रिज़ॉल्यूशन के बीच सिस्टम थ्रूपुट की तुलना पर आधारित है। पाइपलाइन का अंत 1080p या 4K तक upscaling से होता है। इसके अतिरिक्त, मल्टीमोडल इनपुट में अधिकतम 3 सेकंड का संदर्भ वीडियो दिया जा सकता है, ताकि किसी पात्र की संगति बनाए रखी जा सके या किसी गति को दोहराया जा सके।

यह मॉडल Google AI Studio, Gemini Enterprise Agent Platform API और Google Flow में सभी Google AI Plus, Pro तथा Ultra सदस्यों के लिए उपलब्ध है। Google ने इसे Firefly में एकीकृत करने वाले Adobe के साथ Figma Weave, GMI Cloud और Runway को अपने ग्राहकों में गिनाया है। आधिकारिक लेख के साथ एक मूल्य-सारणी भी है, लेकिन वह बिना पाठ्य समकक्ष के इमेज के रूप में प्रकाशित की गई है; इसलिए यहाँ कोई शुल्क पुनः प्रस्तुत नहीं किया गया है।

उसी दिन, Pika ने मॉडल को अपने API Club में उपलब्ध कराया, जिसे dev.pika.art के माध्यम से एक्सेस किया जा सकता है। इसमें वीडियो विस्तार, पहली और अंतिम इमेज का समर्थन, अधिकतम तीन संदर्भ वीडियो और 4K तक आउटपुट शामिल हैं। इस प्रकार स्टूडियो अपनी सुस्थापित परंपरा जारी रखता है: तीसरे पक्ष के वीडियो मॉडल उपलब्ध होते ही उन्हें एकत्र करना, जैसा उसने पहले Seedance 2.5 और फिर Wan 3.0 के लिए किया था।

मॉडल की क्षमता	घोषित मान
विस्तार के लिए कॉन्टेक्स्ट	अधिकतम 10 s, पिछले मॉडलों में 1 s की तुलना में
विस्तार की वृद्धि	10 s, कुल अधिकतम 40 s तक
360p ड्राफ़्ट — गति	720p से 60 % तक तेज़
360p ड्राफ़्ट — लागत	मानक 720p की लागत का एक-तिहाई
upscaling	1080p या 4K
मल्टीमोडल वीडियो संदर्भ	अधिकतम 3 s का वीडियो
API में मॉडल पहचानकर्ता	`gemini-omni-1.1-flash`

🔗 Google की घोषणा · @pika_labs का संदेश

H3 Max: fal ने MiniMax H3 को पोस्ट-ट्रेन किया और 3 सेकंड से कम समय में 5 सेकंड का वीडियो जनरेट किया

26 अगस्त — fal Research ने H3 Max जारी किया है, जो MiniMax H3 के खुले वेट्स से पोस्ट-ट्रेन किया गया वीडियो मॉडल है। इस कार्य की विशेषता यह है कि यह केवल पोस्ट-ट्रेनिंग तक सीमित नहीं है: fal की inference टीम ने मॉडल के समानांतर निष्पादन स्टैक को सह-विकसित किया, ताकि प्रशिक्षण और सर्विंग से जुड़े निर्णय परस्पर एक-दूसरे को दिशा दें।

गुणवत्ता के मामले में, fal ने बारह संदर्भ वीडियो मॉडलों के विरुद्ध आमने-सामने मानव-वरीयता अध्ययन किए, जिनमें आधिकारिक MiniMax H3 एंडपॉइंट, Gemini Omni Flash, Wan 3.0, Seedance 2.5, Kling 3 और Veo 3.1 शामिल थे। मूल्यांकनकर्ताओं ने तीन अलग-अलग आयामों — समग्र वरीयता, प्रॉम्प्ट का पालन और सौंदर्य — की तुलना की, जिन्हें 95 % विश्वास अंतराल वाले बायेज़ियन Elo स्कोर से समेकित किया गया। H3 Max तीनों में प्रथम रहा और मूल H3 सहित हर परीक्षण किए गए मॉडल के विरुद्ध अधिकांश मुकाबले जीते। Artificial Analysis और Design Arena ने भी इसे अपनी स्वतंत्र रैंकिंग में शीर्ष स्थान दिया है।

गति के मामले में, H3 Max लगभग 3 सेकंड में 5 सेकंड का वीडियो जनरेट करता है, जो आधिकारिक MiniMax H3 एंडपॉइंट के थ्रूपुट का लगभग 35 गुना और समान गुणवत्ता वाले मॉडलों से औसतन 15 गुना तेज़ है। fal अपनी कार्यप्रणाली पर ज़ोर देता है: किसी अनुकूलन को तभी बनाए रखा गया, जब उससे बने मॉडल ने आंतरिक गुणवत्ता मूल्यांकनों में अपना स्थान कायम रखा। प्रशिक्षण और सर्विंग पूरी तरह NVIDIA GB200 NVL72 सिस्टम पर किए गए।

fal के लेख में उद्धृत MiniMax H3 टीम ने परिणाम की पुष्टि की है: उसके अनुसार, H3 Max अत्याधुनिक वीडियो गुणवत्ता को जनरेशन गति में परिमाण-क्रम के बदलाव के साथ जोड़ता है, जिससे उच्च-गुणवत्ता वाला वीडियो जनरेशन वास्तविक दुनिया के कहीं अधिक व्यापक अनुप्रयोगों के लिए व्यावहारिक बन जाता है। व्यवहार में खुले वेट्स का यही तर्क है: किसी तीसरे पक्ष द्वारा किया गया पोस्ट-ट्रेनिंग एक अच्छे बेस मॉडल की वास्तविक क्षमता उजागर करता है।

fal द्वारा प्रकाशित माप	मान
5 सेकंड का वीडियो	लगभग 3 सेकंड में जनरेट
आधिकारिक H3 एंडपॉइंट की तुलना में थ्रूपुट	लगभग 35x
समान गुणवत्ता वाले मॉडलों की तुलना में गति	औसतन 15x
तुलना किए गए वीडियो मॉडल	12
मानव वरीयता में रैंकिंग	तीनों आयामों में प्रथम
लॉन्च छूट	पहले सप्ताह के दौरान 50 %

🔗 fal द्वारा H3 Max का परिचय

Cohere Parse: प्रति 1,000 पेज 1.50 डॉलर और ParseBench पर 79.2

27 अगस्त — Cohere ने Parse को सामान्य उपलब्धता में लॉन्च किया है। यह बड़े पैमाने पर एंटरप्राइज़ दस्तावेज़ प्रसंस्करण के लिए समर्पित vision language model है। यह जटिल मल्टीमोडल फ़ाइलों को मशीन द्वारा पढ़े जा सकने वाले संरचित डेटा में बदलता है और साफ़ Markdown लौटाता है, जिसे दस्तावेज़ इंडेक्सिंग, RAG और एजेंटिक पुनर्प्राप्ति के लिए बनाया गया है। अक्षर पहचान से आगे बढ़कर, Parse टेबल, फ़ॉर्म, डायग्राम और एम्बेड की गई इमेज की पहचान करता है तथा टेबल और इमेज के लिए bounding boxes लौटाता है। यह विश्व की नौ प्रमुख भाषाओं को संसाधित करता है।

मुख्य तर्क मूल्य का है: Cohere API पर प्रति 1,000 पेज 1.50 डॉलर। लगातार चलने वाले कार्यभार के लिए कंपनी अपने एकल-किरायेदार inference प्लेटफ़ॉर्म Model Vault को बढ़ावा देती है, जिसमें 50 % GPU उपयोग पर 23 % और पूरे घंटे के उपयोग पर 61 % तक बचत होती है। उदाहरण के रूप में दिया गया आँकड़ा — प्रति माह लगभग 1.3 करोड़ पेज संसाधित करने वाला देय-खाता प्रवाह — API की तुलना में लगभग 12,000 डॉलर की मासिक बचत और प्रति 1,000 पेज 10 डॉलर लेने वाली hyperscaler पेशकश की तुलना में लगभग 14.7 लाख डॉलर की वार्षिक बचत दर्शाता है।

थ्रूपुट के मामले में, Cohere प्रति सेकंड 4.5 पेज का दावा करता है, यानी 8 H100 GPU वाले नोड पर प्रति सेकंड 36 पेज — समान कॉन्फ़िगरेशन में dots.mocr के थ्रूपुट का लगभग 1.4 गुना और Chandra OCR 2 का 2.2 गुना। यह तुलना केवल vLLM के माध्यम से सर्व किए गए open source मॉडलों पर आधारित है।

Cohere दो कार्यप्रणालीगत सीमाएँ स्वीकार करता है। ParseBench के Layout और Chart आयामों को तुलना से बाहर रखा गया है, क्योंकि मॉडल पढ़ने के क्रम वाला Markdown प्रदान करने के लिए बनाया गया है और चार्ट को metadata द्वारा वर्णित दृश्य तत्वों के रूप में संसाधित करता है; संख्यात्मक शृंखलाओं का निष्कर्षण अगले संस्करण के लिए घोषित किया गया है। इसके अतिरिक्त, सभी प्रकाशित स्कोर अगस्त 2026 के ParseBench नियमों का उपयोग करते हैं, जिनमें bold टेक्स्ट और शीर्षकों की पहचान से जुड़ी उस खामी को सुधारा गया है जो पहले semantic formatting स्कोर को कृत्रिम रूप से बढ़ाती थी; प्रतिस्पर्धी मॉडलों को भी इन्हीं नियमों के अनुसार फिर से स्कोर किया गया है। Parse, Cohere API, Model Vault, Microsoft Foundry और AWS SageMaker पर parse-v5.0 पहचानकर्ता के अंतर्गत उपलब्ध है तथा इसे private cloud या on-premises पर तैनात किया जा सकता है।

मूल्यांकित मॉडल	औसत	टेबल	सामग्री की विश्वसनीयता	semantic formatting
GPT-5.5	84,4	89,3	87,5	76,5
Opus 4.8	84,3	89,7	89,0	74,1
Gemini 3.5 Flash	81,8	87,6	84,7	73,2
Cohere Parse	79,2	87,0	86,6	64,0
LlamaParse (Cost Effective)	78,3	81,4	90,9	62,7
Mistral OCR 4	74,5	73,9	89,5	60,1
Databricks AI Parse	72,4	83,7	88,3	45,3
Google Document AI	57,3	55,1	83,7	33,0
AWS Textract	53,3	82,3	74,8	2,8

🔗 Cohere Parse की घोषणा

NVIDIA ने पहला Vera CPU AWS को सौंपा और NVLink Fusion का विस्तार NVHBM मेमोरी तक किया

27 अगस्त — NVIDIA ने Vera CPU पर केंद्रित अपने लेख को एक महत्वपूर्ण उपलब्धि के साथ अपडेट किया है: AWS को अपना पहला Vera CPU सर्वर और पहला Vera Rubin GPU मिला, जिन्हें NVIDIA के Hyperscale और HPC उपाध्यक्ष Ian Buck ने Seattle स्थित AWS मुख्यालय में Amazon EC2 के उपाध्यक्षों Willem Visser और Supreeth Sheshardi को व्यक्तिगत रूप से सौंपा। यह सुपुर्दगी एक दिन पहले, 26 अगस्त को की गई घोषणा के साथ हुई: AWS और NVIDIA अपनी सोलह वर्षों की साझेदारी का विस्तार कर रहे हैं, जिसमें 20 लाख अतिरिक्त GPU और Vera CPU-आधारित इंफ्रास्ट्रक्चर को AWS पर पोर्ट करने की योजना शामिल है। AWS इसका पहला प्राप्तकर्ता नहीं है—Buck इससे पहले Oracle Cloud Infrastructure के साथ-साथ Anthropic, OpenAI और SpaceXAI को भी Vera सिस्टम सौंप चुके थे।

तकनीकी तर्क एक अवलोकन पर आधारित है: कोई agent केवल GPU पर नहीं चलता। हर execution sandbox, हर tool call, orchestration की हर परत और long-context की हर retrieval CPU का काम है। Vera में NVIDIA द्वारा डिज़ाइन किए गए 88 Olympus cores, 1.2 TB/s की memory bandwidth है और agentic workloads पर प्रति core 1.8x तक performance का दावा किया गया है। NVIDIA ने OpenRouter के उन आँकड़ों का उल्लेख किया है जिनके अनुसार ये workloads एक साधारण chat query की तुलना में 15 गुना अधिक tokens इस्तेमाल करते हैं। Cloud providers में Oracle Cloud Infrastructure hyperscale स्तर पर Vera को deploy करने वाला पहला प्रदाता है, जहाँ 2026 से लाखों CPU में से कई लाख CPU लगाए जाने की योजना है। सटीकता के लिए उल्लेखनीय है कि यह लेख दोबारा प्रकाशित किया गया है; इसका शुरुआती संस्करण 18 मई 2026 का था और केवल AWS से संबंधित हिस्सा ही आज का है।

इसके अतिरिक्त, 26 अगस्त को NVIDIA ने NVLink Fusion का विस्तार NVHBM के साथ किया, जो उसके साझेदारों की custom chips के लिए बनाई गई high-bandwidth memory तकनीक है। वास्तुशिल्प बदलाव स्पष्ट है: पारंपरिक HBM architectures memory controller को XPU chip पर रखती हैं, जहाँ वह silicon का ऐसा क्षेत्र घेरता है जिसका उपयोग computation के लिए हो सकता था; NVHBM NVIDIA द्वारा डिज़ाइन किए गए इस controller को 3D HBM stack की base chip में स्थानांतरित कर देता है। Amazon की silicon subsidiary Annapurna Labs, NVHBM पर काम करने वाली पहली साझेदार है; इसके अतिरिक्त वह Trainium4 से अपनी Trainium chips पर NVLink Fusion को support करने की पहले ही घोषित प्रतिबद्धता भी रखती है।

मापी गई विशेषता	घोषित मान
Vera CPU के cores	NVIDIA द्वारा डिज़ाइन किए गए 88 Olympus cores
Vera की memory bandwidth	1.2 TB/s
agentic workloads पर प्रति core performance	1.8x तक
AWS में नियोजित अतिरिक्त GPU	20 लाख
मानक HBM4E की तुलना में NVHBM bandwidth	+30 % तक
NVHBM के साथ HBM ऊर्जा खपत	-15 %
XPU compute chip पर खाली हुआ क्षेत्र	+25 % तक

🔗 Vera CPU की सुपुर्दगी · NVLink Fusion और NVHBM

27 अगस्त — Google DeepMind ने एक pilot की रिपोर्ट प्रकाशित की है, जिसे वह proprietary frontier-class AI model का पहला double-blind evaluation बताता है। घोषणा William Isaac, Sol Messing और Kristian Lum ने की है और यह laboratory के account पर pinned post के रूप में मौजूद है।

इसमें benchmark contamination की समस्या को संबोधित किया गया है। लेख विद्यालय की एक उपमा देता है: यदि किसी विद्यार्थी ने परीक्षा के प्रश्न पहले ही देख लिए हों, तो उसका पूर्ण score अब किसी चीज़ का मापन नहीं करता। Language models के लिए यह समस्या संरचनात्मक है, क्योंकि public evaluation datasets अंततः training corpora में शामिल हो जाते हैं। Google का कहना है कि no-logging protocols और contractual guarantees लंबे समय से बाहरी test prompts की गोपनीयता बनाए रखते आए हैं, लेकिन technical और cryptographic guarantees जोड़ना एक बुनियादी बदलाव है।

ऐतिहासिक रूप से, उच्च-दाँव वाले external evaluation में एक समझौता करना पड़ता था: या तो evaluator अपने prompts model provider को सौंपता था, या provider अपने model weights evaluator को देता था। वर्णित व्यवस्था इस समझौते को समाप्त करती है। यह Google Cloud के Confidential Computing portfolio के एक घटक Confidential Space पर आधारित है, जिससे cryptographically सत्यापित किया जा सकता है कि दोनों assets अपने-अपने owners के लिए निजी बने रहें: evaluator को Gemini model weights तक पहुँच नहीं मिलती और Google को test prompts तक पहुँच नहीं मिलती।

यह pilot एक Gemini Flash Lite model पर केंद्रित है, जिसे Singapore AI Safety Institute, OpenMined, AVERI और MLCommons की साझेदारी में confidential benchmarks पर परखा गया। Google इस बात पर ज़ोर देता है कि evaluation की संवेदनशीलता बढ़ने के साथ इस व्यवस्था की उपयोगिता भी बढ़ती है और उसने स्पष्ट रूप से cybersecurity tests तथा सरकारी संस्थाओं द्वारा किए जाने वाले tests का उल्लेख किया है। घोषणा के साथ methodology का विवरण देने वाली एक technical report भी जारी की गई है।

🔗 Double-blind evaluations का pilot

Expert Intelligence: Google Play Books की ebooks Gemini Notebook में sources बनीं

27 अगस्त — Gemini Notebook टीम ने Expert Intelligence की घोषणा की है। यह Google की विभिन्न इकाइयों में फैली एक पहल है, जो खरीदी गई पुस्तकों को notebook में sources के रूप में उपयोग करने की सुविधा देती है। इसकी शुरुआत Google Play Books की पात्र ebooks से हो रही है; Google ने बाद में third-party subscriptions और textbooks जोड़ने तथा इसे Gemini application और Google Search के AI Mode तक विस्तारित करने की घोषणा की है।

सिद्धांत को समझाना सरल है, लेकिन इसका दायरा नया है: अब एक notebook खरीदी गई ebooks, professional subscriptions और निजी Google Drive files को एक ही knowledge base में मिला सकता है। इसके बाद Gemini Notebook की सामान्य सुविधाएँ पुस्तक पर लागू होती हैं—content के साथ conversation, Audio Overviews बनाना, revision cards और quizzes तैयार करना—और प्रत्येक उत्तर sources पर आधारित होता है तथा inline citations सटीक अंश तक ले जाते हैं।

सबसे दिलचस्प पहलू इसका business model है, क्योंकि यह उस प्रश्न का उत्तर देता है जो इस तरह के product से तुरंत उठता है: जब कोई model लेखक की पुस्तक को आत्मसात करता है, तो लेखक के पारिश्रमिक का क्या होता है? Google ने access की स्पष्ट शर्त रखी है: Gemini Notebook में किसी पुस्तक के साथ interaction करने के लिए उसे Google Play Books के माध्यम से खरीदा होना आवश्यक है। और यदि पुस्तक वाला कोई notebook साझा किया जाता है, तो collaborators को आगे बढ़ने के लिए अपनी प्रति खरीदने के लिए कहा जाता है। इस प्रकार Google publishers के सामने इस व्यवस्था को प्रतिस्थापन के बजाय discovery channel के रूप में प्रस्तुत करता है।

Publishers के लिए प्रक्रिया घोषणा-आधारित है: किसी पुस्तक की eligibility उसकी Google Play Books listing पर देखी जा सकती है, जहाँ पुस्तक के पंजीकृत होने पर Gemini Notebook, “Tools” badge के नीचे दिखाई देता है; पंजीकरण Google टीम से अनुरोध करके किया जाता है। बताए गए तीन use cases इसकी दिशा स्पष्ट करते हैं—अपने course notes की तुलना Steven Pinker की The Sense of Style से करना, Daniel Coyle की The Culture Code को team project पर लागू करना और The New Menopause से routine का सार तैयार करके उसे Audio Overview में बदलना।

🔗 Expert Intelligence

Warp ने अपनी factories में self-improvement loops जोड़े

27 अगस्त — Warp ने अपने Warp Factories platform में self-improvement loops जोड़े हैं। इसका सिद्धांत तीन चरणों पर आधारित है: team द्वारा निर्धारित criteria के अनुसार agents की पिछली conversations को score देना, failures को अलग करना और फिर skills में सुधार उत्पन्न करना। उसी दिन प्रकाशित engineering article में पूरी व्यवस्था का विवरण दिया गया है।

इसका केंद्रीय घटक scoring function है, जिसे Warp scorer कहता है। यह agent की execution traces को input के रूप में लेता है और rubric के अनुसार score देता है। Warp एक बात पर ज़ोर देता है: input केवल agent trace तक सीमित नहीं होना चाहिए; इसमें integrated tools से प्राप्त human interactions भी शामिल होने चाहिए, जैसे pull request पर छोड़े गए comments। Score किसी व्यक्ति, code या आजकल अधिक सामान्य रूप से judge की भूमिका निभाने वाले दूसरे agent से मिल सकता है। Warp ऐसे default scorers देता है जो correctness, cost efficiency और verbosity का मूल्यांकन करते हैं तथा उनकी execution frequency—default रूप से हर कुछ घंटों में—और sampling strategy को configure करने देता है, क्योंकि इन evaluations की लागत होती है।

इसके बाद score किए गए executions self-improvement agents को दिए जाते हैं, जो failures में बार-बार आने वाले patterns खोजते हैं और factory definition पर diffs के रूप में सुधार प्रस्तावित करते हैं। यह प्रक्रिया केवल इसलिए काम करती है क्योंकि factory को code में वर्णित किया गया है: एक factory.yaml file के साथ agent, skill, MCP server और model-routing rules की definitions का directory tree। लोगों को ये सुझाव pull requests के रूप में मिलते हैं और वे तय करते हैं कि उन्हें merge करना है या नहीं।

Warp दूसरे mechanism, benchmarks, को स्पष्ट रूप से अलग करता है, जो self-improvement loops की एक सीमा का समाधान करता है: ये loops ऐसे बदलावों से मिलते-जुलते हैं जिन्हें कोई सक्षम व्यक्ति पिछले परिणाम देखकर करेगा, लेकिन ये वास्तविक A/B test नहीं हैं। Models के सर्वोत्तम संयोजन जैसे प्रश्न का निर्णय लेने के लिए Warp पाँच से दस reference tasks चुनने, agents को कई configurations के साथ parallel में चलाने और फिर उन्हीं scorers से उनका मूल्यांकन करने का सुझाव देता है। Output प्रत्येक configuration के परिणामों की matrix होती है। बताए गए संचालन metrics—pull requests का throughput, प्रति pull request औसत लागत, automation का प्रतिशत और अनुमानित बचत—एक प्रस्तावित measurement framework के रूप में प्रस्तुत किए गए हैं; इनके समर्थन में customer results के आँकड़े नहीं दिए गए हैं।

🔗 @warpdotdev की घोषणा

Replit ने automatic model routing सभी के लिए उपलब्ध किया

27 अगस्त — Replit ने Intelligent Model Routing को platform के सभी users के लिए खोल दिया है। शुरुआती तर्क सरल है: किसी task के लिए सबसे अच्छा model हर सप्ताह, हर project और कभी-कभी हर task के साथ बदलता है, और यह चुनाव विचार तथा उसके क्रियान्वयन के बीच निर्णय का एक अतिरिक्त बिंदु जोड़ता है। इसलिए Replit स्वयं नियंत्रण लेता है—task के विकसित होने के साथ उसे पूरा करने के लिए सबसे उपयुक्त model से जोड़ा जाता है और quality, speed तथा cost के बीच संतुलन बनाया जाता है।

प्रमुखता से दिखाए गए आँकड़े को सटीक रूप से पढ़ना आवश्यक है। अपने tests में Replit ने Max mode के पिछले version की तुलना में 65 % कम लागत पर समान output quality का दावा किया है—यह निरपेक्ष रूप से 65 % की कमी नहीं है; X पर किए गए संदेश में भी “65 % तक सस्ता” कहा गया है।

Routing manual control का रास्ता बंद नहीं करता। अब सभी users Free Mode में शुरुआत करते हैं और जब काम अधिक शक्तिशाली तथा संभावित रूप से लागत उत्पन्न करने वाले modes पर जाता है, तो उन्हें notification मिलता है; Core और Pro subscribers के पास manual model selection बनी रहती है। Enterprise में administrators प्रत्येक workspace के लिए approved models का set निर्धारित करते हैं और Replit उसी set के भीतर अपने-आप चुनाव करता है।

launch का घटक	Replit द्वारा घोषित मान
लागत में कमी	Max mode के पिछले version की तुलना में समान quality पर -65 %
उपलब्धता	सभी users
शुरुआती mode	Free Mode, paid mode पर जाने से पहले notification के साथ
Manual selection	Core और Pro plans के लिए उपलब्ध
Enterprise control	प्रत्येक workspace के लिए निर्धारित approved models का set

🔗 @Replit की घोषणा

Codex CLI 0.150: tasks के बीच @ mentions, Interrupt hooks और untrusted projects की सुरक्षा सुदृढ़ीकरण

26 अगस्त — Codex CLI को 0.150.0 में update किया गया, जिसके बाद 27 अगस्त को 0.150.1 patch आया। Update को npm install -g @openai/codex@0.150.1 से install किया जा सकता है।

मुख्य नई सुविधा tasks के बीच orchestration से संबंधित है। अब @ mentions के माध्यम से दूसरे Codex tasks को reference करना और किसी agent से सीधे terminal के भीतर किसी task को पढ़ने, बनाने या उसे message भेजने के लिए कहना संभव है। व्यावहारिक रूप से tasks की सूची addressable objects का set बन जाती है: कोई agent manual रूप से context copy-paste किए बिना देख सकता है कि दूसरे task ने क्या बनाया है या उसे instruction भेज सकता है। इसी क्रम में बिना नाम वाले terminal tasks को अपने-आप descriptive title मिल जाता है और /rename conversation से निकला हुआ editable title सुझाता है।

दूसरा उल्लेखनीय जोड़ Interrupt hook है। अब तक active turn को interrupt करना एक blind spot था: session रुक जाता था और किसी कार्रवाई को trigger नहीं किया जा सकता था। Version 0.150.0 किसी top-level turn के interrupt होने पर command या MCP handler चलाने की सुविधा देता है, जिससे state को साफ़ किया जा सकता है, lock छोड़ा जा सकता है या interruption को log किया जा सकता है।

Security के मामले में, third-party code पर Codex चलाने वालों के लिए दो fixes विशेष रूप से उल्लेखनीय हैं। Untrusted projects अब project-level AGENTS.md instructions प्रदान नहीं करते—इसलिए cloned repository में रखी instruction file अब user की जानकारी के बिना agent को नियंत्रित नहीं कर सकती—और read-denial की managed rules permissions बदलने के बाद भी लागू रहती हैं। इनके अतिरिक्त app-server diagnostics में identifiers को बेहतर ढंग से छिपाने, remote MCP bearer tokens और detached processes के कारण Unix पर shutdown के समय होने वाले hangs से संबंधित fixes भी शामिल हैं। अंततः 0.150.1 patch एक विशिष्ट लेकिन महँगी समस्या हल करता है: remote compaction अब अपने token budget में रखी गई images को भी गिनता है और आवश्यकता पड़ने पर सबसे पुरानी images को हटा देता है—screenshots वाली लंबी session में यह चुपचाप context सीमा पार होने का कारण था।

प्रकाशित version	changelog की तारीख	publication का प्रकार
0.150.0	26 अगस्त 2026	Stable version, नई सुविधाएँ
0.150.1	27 अगस्त 2026	Compaction का patch

🔗 Version 0.150.0 के release notes

Claude Code 2.1.247: API लागत का ऑडिट और Sonnet 5 के लिए डिफ़ॉल्ट 1M विंडो

27 अगस्त — Claude Code का संस्करण 2.1.247 जारी हुआ। टीमों के लिए सबसे स्पष्ट बदलाव खर्च का ऑडिट करने वाली कमांड है: /claude-api cost-optimize यह विश्लेषण करता है कि कोई प्रोजेक्ट Claude API पर कितने संसाधनों का उपभोग करता है, फिर लागत घटाने के उपायों—caching, tokens की स्वच्छता, batch processing, effort level और model selection—को एक-एक करके लागू करता है और अगले उपाय पर जाने से पहले हर बदलाव का प्रभाव मापता है। इसके अतिरिक्त, /claude-api skill अब Admin API को भी कवर करती है: संगठन के सदस्य, आमंत्रण, workspaces, API keys, rate-limit reports, workload identity federation और CMEK।

एक context setting ध्यान देने योग्य है: Sonnet 5 की डिफ़ॉल्ट auto-compaction window अब उसके पूरे 1M tokens के context तक बढ़ गई है और sessions अब लगभग 934K के बजाय करीब 967K tokens पर compact होते हैं। मजबूती के स्तर पर, sub-agents अब पहली call में model का 404 मिलने पर बंद नहीं होते—वे session की fallback model chain पर चले जाते हैं—और कई megabytes की errors उत्पन्न करने वाला hook अब session को “Prompt is too long” पर अटका नहीं सकता।

अंततः, इस संस्करण में सुरक्षा-सुदृढ़ीकरण पर स्पष्ट प्रयास किया गया है। terminal में render किए गए markdown में network या automount path को लक्षित करने वाले, control character वाले अथवा invisible character से शुरू होने वाले links को clickable बनाने के बजाय plain text के रूप में दिखाया जाता है। plugin marketplace control characters वाले names को अस्वीकार करता है और marketplace द्वारा अपने outputs में डाले गए text को escape करता है।

🔗 Claude Code का changelog

Together AI ने DeepSWE पर पहले DeepSeek, फिर GPT-5.6 Sol की cascade के आँकड़े जारी किए

27 अगस्त — Together AI ने अपनी DeepSWE तुलना-शृंखला को DeepSeek models तक विस्तारित किया है और वही protocol अपनाया है जो GLM-5.3 वाले परीक्षणों में था: benchmark के 113 tasks, हर task और हर model के लिए चार attempts, यानी DeepSeek V4 Pro 0813 और GPT-5.6 Sol के मुकाबले में कुल 904 executions।

कच्चे परिणाम में पहले attempt पर closed model आगे है—72.7% बनाम 62.8%—लेकिन हर attempt के साथ अंतर घटता है और चौथे में परिणाम उलटकर DeepSeek के लिए 88.5% तथा दूसरे model के लिए 85.8% हो जाता है। प्रति execution 8.37 डॉलर के मुकाबले 0.24 डॉलर पर open model 35 गुना सस्ता है, यानी खर्च किए गए प्रत्येक 100 डॉलर पर 9 के मुकाबले 261 tasks हल करता है। हालांकि इस बचत के बदले गति नहीं मिलती: median में 17 मिनट और 53 steps के मुकाबले 35 मिनट और 146 steps।

व्यावहारिक निष्कर्ष एक cascade व्यवस्था है। पहले DeepSeek V4 Pro चलाना और test suite द्वारा परिणाम अस्वीकार किए जाने पर ही GPT-5.6 Sol तक escalate करना, प्रति task 3.35 डॉलर में 83.0% tasks हल करता है—अकेले Sol से दस प्रतिशत अंक अधिक, और एक ही प्रयास वाले पूर्ण oracle router के 80.8% से भी अधिक। इसी शृंखला की दो अन्य तुलनाएँ भी उपलब्ध हैं, जिनमें DeepSeek V4 Pro का मुकाबला Claude Fable 5 से और DeepSeek-V4 Flash का GPT-5.6 Luna से कराया गया है।

मूल्यांकित रणनीति	सफलता दर	प्रति task लागत
केवल GPT-5.6 Sol	72.7%	8.37 डॉलर
एक प्रयास वाला पूर्ण oracle router	80.8%	—
पहले DeepSeek V4 Pro, फिर Sol की cascade	83.0%	3.35 डॉलर

🔗 Together AI की DeepSWE तुलना

OpenAI ने ब्राज़ील में परिचालन शुरू किया और Bocconi के साथ randomized experiment प्रकाशित किया

27 अगस्त — OpenAI ने São Paulo में स्थापित स्थानीय टीम के साथ ब्राज़ील में अपना वाणिज्यिक परिचालन शुरू किया। घोषणा के साथ country level पर इतनी बारीकी से शायद ही कभी प्रकाशित होने वाला usage data भी दिया गया है: weekly active users के आधार पर ब्राज़ील ChatGPT के तीन सबसे बड़े markets में शामिल है, जहाँ users की संख्या एक वर्ष में लगभग दोगुनी हो गई और प्रतिदिन करीब 215 million messages भेजे जाते हैं। जून 2026 में ब्राज़ील के individual accounts से आए classified messages में से 35% काम से संबंधित थे, जबकि वैश्विक स्तर पर यह अनुपात 30% था। developers के संदर्भ में, OpenAI API का उपयोग करने वाले developers की संख्या के आधार पर देश विश्व में दूसरे स्थान पर है और 2026 की शुरुआत से वहाँ Codex के weekly users ग्यारह गुना से अधिक बढ़े हैं। इस विस्तार के साथ ITA, IMPA, HCFMUSP, ENTER, Estímulo और Prodam के माध्यम से São Paulo शहर के साथ partnerships भी की गई हैं।

उसी दिन OpenAI ने Bocconi University के researchers के साथ undergraduate के प्रथम वर्ष के 1,000 से अधिक students पर किए गए randomized experiment के परिणाम प्रकाशित किए। protocol की खासियत उसकी संरचना है: course time slot के अनुसार students को बेतरतीब ढंग से चार groups में बाँटा गया—ChatGPT तक access, causal reasoning training, दोनों, या इनमें से कोई नहीं—जिससे tool, training और उनके combination के प्रभाव अलग-अलग मापे जा सके। task एक वास्तविक business case था: university के merchandise store के लिए marketing recommendations तैयार करना।

दोनों treatments अलग-अलग प्रभाव उत्पन्न करते हैं। ChatGPT तक access से पाँच में से लगभग एक अंक की बढ़त मिलती है, साथ ही अधिक ideas और स्पष्ट logic दिखाई देते हैं। दूसरी ओर causal reasoning training से score नहीं बढ़ता—लेकिन automated textual analysis ऐसे ideas की अधिक विस्तृत और अन्य students से अधिक अलग range दिखाता है, जिसे evaluation rubric माप नहीं रही थी। OpenAI इससे institutions के लिए एक असहज निष्कर्ष निकालता है: यदि AI किसी expert के काम जैसा परिष्कृत कार्य तैयार कर सकती है, तो केवल अंतिम उत्तर की जाँच से यह जानना लगातार कठिन होता जा रहा है कि student वास्तव में कितना समझता है।

प्रायोगिक group	मापा गया प्रभाव
ChatGPT तक access	पाँच में से लगभग एक अंक अधिक, अधिक ideas, स्पष्ट logic
causal reasoning training	rubric में कोई बढ़त नहीं, लेकिन ideas अधिक विविध और अधिक अलग
दोनों treatments एक साथ	संयुक्त लाभ, सबसे अधिक measurements पर बढ़त

🔗 ब्राज़ील में उपस्थिति · Bocconi अध्ययन

ChatGPT के scheduled tasks Gmail, Slack और GitHub events से trigger होते हैं

25 अगस्त — ChatGPT के scheduled tasks अब केवल समय-आधारित model तक सीमित नहीं हैं: वे Gmail, Slack या GitHub में होने वाले event से भी trigger हो सकते हैं। filtering सूक्ष्म है—sender या subject के आधार पर Gmail messages, चुने हुए Slack channels और reviews, comments, commit updates तथा merges सहित pull request activity।

cron से event की ओर यह बदलाव tool की प्रकृति बदल देता है: समय-समय पर जाकर यह जाँचने के बजाय कि कुछ हुआ है या नहीं, agent घटना होते ही प्रतिक्रिया देता है। यह feature पात्र plans के लिए ChatGPT web और mobile पर उपलब्ध है, बशर्ते संबंधित application connect की जाए और माँगे गए accesses स्वीकृत किए जाएँ। दो व्यावहारिक prerequisites हैं: ChatGPT की Slack application को हर monitored channel की member होना चाहिए और connected GitHub application को प्रत्येक repository तक access मिलना चाहिए। दो सीमाएँ भी हैं: event से trigger होने वाले task में time schedule भी नहीं हो सकता और पास-पास होने वाले events को एक ही execution में group किया जा सकता है—ऐसी स्थिति में Scheduled view से pending events की समीक्षा या manual trigger किया जा सकता है।

🔗 ChatGPT और Codex changelog

Cursor के cloud agents मौजूदा repository के बिना शुरू होते हैं

27 अगस्त — Cursor ने अपने cloud agents के लिए प्रवेश की अंतिम शर्त हटा दी है: session शुरू करने के लिए अब GitHub account या किसी अन्य third-party source-code management provider को connect करना आवश्यक नहीं है। repository selector में “Start from scratch” option से तुरंत prompt दिया जा सकता है और Cursor काम रखने के लिए background में एक Origin repository बना देता है।

निर्माण संतोषजनक होने पर “Create repo” button परिणाम को custom या suggested name तथा private या internal visibility वाली Origin repository में सहेजता है; प्राप्त repository पूरी तरह structured होती है और Codebase tab में दिखाई देती है। दो additions इस चक्र को पूरा करते हैं: Cursor अब cloud agent के live environment के ports को browser तक forward करता है, जिससे preview और design mode जैसे tools उपलब्ध होते हैं; और Vercel account connect होने पर publish button एक online URL बनाता है—यह account इस अंतिम feature की शर्त है। यह पूरा तंत्र Cursor की code hosting सेवा Origin पर आधारित है, जिसने 17 अगस्त को सभी paid plans के लिए early beta में प्रवेश किया था।

🔗 Cursor changelog

Amp ने अपने projects को कई repositories के लिए खोल दिया

27 अगस्त — Amp projects अब कई repositories स्वीकार करते हैं। अतिरिक्त repositories को orb के भीतर एक adjacent directory में clone किया जाता है और agent को उनकी मौजूदगी की स्पष्ट जानकारी दी जाती है; changes panel तब project की सभी repositories को समेटने वाला diff दिखाता है। यह कई services में फैले tasks के लिए Amp का समाधान है, जिन्हें “एक project, एक repository” वाला विभाजन कठिन बना देता था।

इन्हें project बनाते समय या बाद में settings से जोड़ा जा सकता है और हर project में अधिकतम 20 अतिरिक्त repositories की सीमा है। शुरू करने से पहले एक सीमा जानना आवश्यक है: orb तैयार होते समय केवल मुख्य repository की .agents/setup script अपने आप execute होती है और अपनी initialization चाहने वाली अतिरिक्त repository को इस script में integrate करना पड़ता है। उसी दिन Amp ने अपने terminal interface से sidebar हटाकर अपना पुनःकेंद्रीकरण जारी रखा—संक्षिप्त समाचार देखें।

🔗 Amp में multi-repository projects

Google Antigravity 2.11.0 conversation thread में HTML artifacts render करता है

26 अगस्त — Google ने Antigravity का संस्करण 2.11.0 जारी किया, जिसमें 10 improvements और 30 fixes हैं। मुख्य नई सुविधा generative interface है: agent ऐसा HTML artifact बना सकता है जो external preview के बिना सीधे conversation thread में दिखाई देता है। rendering में KaTeX mathematical formatting के साथ Chart.js और Plotly charts भी समर्थित हैं, जिससे इसका उपयोग तुरंत बनाए गए dashboards और visualizations तक फैल जाता है।

बदलावों की दूसरी शृंखला agent configuration से जुड़ी है और modularization की दिशा में जाती है। @path/to/file syntax के माध्यम से AGENTS.md और custom rules files में external files को reference और include किया जा सकता है; markdown agents के frontmatter में rules: key जोड़ी गई है, ताकि rules को पूरे project के बजाय किसी खास agent से जोड़ा जा सके; और Antigravity अब subdirectories में मौजूद skills.json, agents.json तथा rules.json files में घोषित skills, agents और rules खोज लेता है—यह उन monorepos के लिए उपयोगी है जहाँ हर sub-project की अपनी configuration होती है। शेष बदलाव usability से संबंधित हैं: साथ-साथ विभाजित किए जा सकने वाले terminals, YAML frontmatter का metadata card के रूप में rendering, Darcula theme और multi-page documents में निश्चित page ranges पढ़ने की सुविधा।

🔗 Antigravity changelog

GitHub: global model policy सामान्य उपलब्धता में और OpenClaw maintainers की roundtable

26 अगस्त — GitHub ने Copilot Business और Copilot Enterprise के लिए global model policy को सामान्य रूप से उपलब्ध कर दिया है। जुलाई में घोषित यह mechanism administrators को एक ही switch देता है, जो उन models का व्यवहार तय करता है जिन्हें उन्होंने स्पष्ट रूप से configure नहीं किया है; इस तरह हर नई release पर प्रत्येक model के लिए अलग निर्णय लेने की आवश्यकता नहीं रहती। policy के प्रभावी application का rollout 1 सितंबर तक चलेगा, इसलिए सभी enterprises में बदलाव एक ही समय पर नहीं होगा। पहले manually लिए गए decisions वैसे ही बने रहेंगे और policy की value चाहे जो हो, दो categories इससे अप्रभावित रहेंगी: open-weight models, जिनके उदाहरण DeepSeek और Kimi K2 हैं, तथा GitHub के data retention agreement में शामिल न होने वाले models, जिनमें घोषणा ने Fable 5 का उल्लेख किया है। GitHub हर model पर स्पष्ट decision अनिवार्य करने के लिए “Delegate to default policy” state हटाने पर भी विचार कर रहा है।

27 अगस्त को GitHub ने OpenClaw maintainers के साथ एक video roundtable प्रकाशित की, साथ ही उससे दस सीख निकालने वाला article भी जारी किया। Peter Steinberger ने इसे नवंबर 2025 में weekend project के रूप में शुरू किया था और 26 अगस्त तक repository पर लगभग 388,000 stars, 81,000 forks और 80,000 से अधिक commits थे—GitHub इसे अपने इतिहास में सबसे तेजी से बढ़ने वाला project बताता है। बातचीत की अहमियत इस बात में है कि agents के प्रक्रिया में शामिल होने पर maintainer का काम कैसे बदलता है: Steinberger बताते हैं कि अब वे pull requests नहीं, बल्कि “prompt requests” कहते हैं; और Josh Lehman ऐसे contributors का वर्णन करते हैं जो automated chains चलाकर कई सौ pull requests खोलते थे। इसके अनुरूप trust signals भी बदल गए हैं—contribution count के बजाय agent transcripts, screenshots और test evidence—खासकर इसलिए कि reputation स्वयं attack surface बन गई है, जहाँ लोग merge count बढ़ाने के लिए दूसरों की pull requests duplicate कर रहे थे।

26 अगस्त 2026 को OpenClaw repository का संकेतक	दर्ज मूल्य
Stars	लगभग 388,000
Forks	81,000
Commits	80,000 से अधिक
project का आरंभ	नवंबर 2025

🔗 global model policy · OpenClaw roundtable

संक्षिप्त समाचार

Qwen3.8-Flash को OpenRouter पर रूट किया जा सकता है और 75 GB RAM पर स्थानीय रूप से चलाया जा सकता है — अपने वेट्स खोले जाने के एक दिन बाद यह मॉडल OpenRouter के माध्यम से कोड सहायकों, एजेंटिक वर्कफ़्लो और लंबे वीडियो को समझने के लिए उपलब्ध हो गया है। साथ ही Unsloth ने पहले ही दिन अपने GGUF प्रकाशित किए हैं: 125 अरब पैरामीटर वाला MoE 75 GB RAM पर स्थानीय रूप से चलता है, और Unsloth का दावा है कि यह Claude Opus 4.6 Max से बेहतर है—यह Unsloth का दावा है, जिसकी पुष्टि किसी स्वतंत्र माप से नहीं हुई है। 🔗 OpenRouter · Unsloth GGUF
Grok 4.6 Microsoft Foundry में शामिल हुआ और Linear से ट्रिगर किया जा सकता है — यह मॉडल 500,000 टोकन के कॉन्टेक्स्ट और रीजनिंग प्रयास के चार स्तरों के साथ Microsoft Foundry कैटलॉग में आया है, जहाँ यह Amazon Bedrock और Google Enterprise Agent Platform का पूरक है। grok.com पर Linear ट्रिगर Grok को टिकटों की छँटाई करने, प्रगति पर नज़र रखने और कोई टिकट उसे सौंपे जाते ही स्वचालित रूप से काम शुरू करने देते हैं। 🔗 Foundry पर Grok · Linear ट्रिगर
Joelle Pineau और Mikey TIME100 AI 2026 सूची में शामिल — Cohere ने घोषणा की है कि उसकी AI निदेशक को TIME पत्रिका की सूची में स्थान मिला है और कनाडा में उनके बीस वर्षों से अधिक के शोध—बुद्धिमान व्हीलचेयर से लेकर ML Reproducibility Checklist तक—को रेखांकित किया है। उसी दिन Suno ने भी इसी सूची में Mikey के नामांकन की घोषणा की, लेकिन इसके साथ कोई उत्पाद घोषणा नहीं की गई। 🔗 Cohere · Suno
एक cookbook Claude Managed Agent को Vercel के Chat SDK से जोड़ती है — Chat SDK टाइप किए गए onDirectMessage प्रबंधक और पंद्रह से अधिक एडेप्टर (Slack, Teams, Discord, वेब) के साथ संवाद इंटरफ़ेस प्रदान करती है, जबकि Managed Agents प्रत्येक बातचीत के लिए स्थायी सत्र के साथ एजेंट को सर्वर की ओर चलाते हैं। कोड claude-quickstarts रिपॉज़िटरी में प्रकाशित किया गया है। 🔗 @ClaudeDevs की पोस्ट
iOS के लिए ChatGPT 1.2026.230: कार्य खोज, रीजनिंग प्रयास सूचक और पूर्ण-स्क्रीन संपादक — मोबाइल से रीजनिंग प्रयास समायोजित करने के लिए कंपोज़र में संक्षिप्त सूचक, लंबे प्रॉम्प्ट के लिए पूर्ण-स्क्रीन संपादक, शीर्षकों और सामग्री दोनों में खोज तथा ChatGPT, Work और Codex Remote के लिए होम-स्क्रीन शॉर्टकट। यह ऊपर बताए गए इवेंट-आधारित कार्यों वाली उसी चेंजलॉग प्रविष्टि का हिस्सा है।
Amp ने अपने TUI से साइडबार हटाया — ऑर्ब्स, रनर्स और एजेंटों के बीच आदान-प्रदान किए गए संदेशों को देखते हुए Amp का मानना है कि थ्रेड की निगरानी वेब और नेटिव ऐप्लिकेशन में होनी चाहिए तथा टर्मिनल के मल्टीप्लेक्सिंग के ऊपर बहु-परिवेश मल्टीप्लेक्सिंग जोड़ना खराब अनुभव था। 🔗 Amp लेख
Hugging Face अपने सार-संक्षेप Inkling-Small पर चलाता है — प्लेटफ़ॉर्म ने स्पष्ट किया है कि उसके शोध-पत्र पृष्ठों पर दिखाए जाने वाले सारांश Thinking Machines के ओपन-वेट मॉडल पर आधारित हैं और इन्हें “ओपन वेट्स × ओपन साइंस” के नारे के अंतर्गत प्रस्तुत किया जाता है। 🔗 @huggingface की पोस्ट
Gemini CLI ने MCP OAuth मेटाडेटा खोज में SSRF भेद्यता ठीक की — 27 अगस्त के रात्रिकालीन संस्करण (nightly) में केवल एक बदलाव है: MCP सर्वरों के OAuth मेटाडेटा की खोज में Server-Side Request Forgery के विरुद्ध सुधार। यह अभी स्थिर चैनल में उपलब्ध नहीं है, जो v0.57.0 पर बना हुआ है। 🔗 रिलीज़ नोट्स
Perplexity ने Brain के नए मूल्यांकन प्रकाशित किए — Perplexity Computer की स्वयं-सुधार करने वाली मेमोरी प्रणाली ने शुरुआती परिणामों की तुलना में शुद्धता में 9.3 अंक, नवीनता में 8.0 अंक और रिकॉल में 8.9 अंक की बढ़त हासिल की है, वह भी 15% कम टोकन के साथ। 🔗 @perplexity_ai की पोस्ट
प्लगइन मार्केटप्लेस अब एंटरप्राइज़ में स्वचालित अपडेट स्वीकार करते हैं — किसी extraKnownMarketplaces प्रविष्टि पर रखा गया autoUpdate फ़ील्ड Copilot क्लाइंट को मार्केटप्लेस के प्लगइन स्वयं अपडेट करने देता है, बशर्ते वह मार्केटप्लेस अब भी strictKnownMarketplaces अनुमत-सूची में हो। 🔗 GitHub चेंजलॉग
किसी उपयोगकर्ता को ब्लॉक करने पर अब उसके सभी खुले योगदान बंद हो जाते हैं — ब्लॉक करने वाले संवाद बॉक्स में “इस उपयोगकर्ता द्वारा लिखी गई सामग्री बंद करें” विकल्प ब्लॉक किए गए उपयोगकर्ता के खुले इश्यू, चर्चाएँ और पुल रिक्वेस्ट एक साथ बंद कर देता है—व्यक्तिगत खाते और संगठन, दोनों में। 🔗 GitHub चेंजलॉग
Cohere ऐसे तैनात इंजीनियर मॉडल का समर्थन करता है जो ग्राहक की क्षमता विकसित करता है — लेख व्यावसायिक या वास्तुशिल्प निर्भरता, जो तकनीकी चयन में अंतर्निहित है, को उस परिचालन निर्भरता से अलग करता है जिसे वह टालने योग्य मानता है। इसमें Deloitte 2026 रिपोर्ट का हवाला दिया गया है, जिसके अनुसार केवल 25% संगठनों ने अपने 40% या उससे अधिक AI पायलटों को उत्पादन में उतारा है। 🔗 Cohere लेख
Google DeepMind ने अनिश्चितता पर एक पॉडकास्ट एपिसोड समर्पित किया — VP Research Zoubin Ghahramani ने Hannah Fry के साथ समझाया कि किसी प्रणाली को स्वयं पर संदेह करना और संभावनाओं के आधार पर तर्क करना सिखाने से मौसम पूर्वानुमान से लेकर रोबोटिक्स तक अधिक विश्वसनीय निर्णय क्यों मिलते हैं। 🔗 @GoogleDeepMind की पोस्ट
Wan ने WanCLI पर केंद्रित साप्ताहिक Skill Challenge शुरू किया — wan.video पर प्रकाशित तीन स्किल हर सप्ताह चुनी जाती हैं, उनके लेखकों को एक महीने की प्रीमियम सदस्यता मिलती है और प्रत्येक स्वीकृत स्किल पर 150 क्रेडिट दिए जाते हैं; स्किल को WanCLI के माध्यम से कम-से-कम एक Wanxiang मॉडल कॉल करना होगा। 🔗 @Alibaba_Wan की पोस्ट
Gamescom 2026 में GeForce NOW — नए DLSS 4.5 नियंत्रण, नए Steam उपकरणों, GOG सिंगल साइन-ऑन, Firefox और अधिक Fire TV उपकरणों के लिए समर्थन तथा पाँच गेम रिलीज़ होते ही क्लाउड पर उपलब्ध। यह जनरेटिव AI से अधिक वीडियो गेम से जुड़ी खबर है। 🔗 NVIDIA लेख
Runway ने बिना किसी उत्पाद का नाम बताए एक टीज़र वीडियो प्रकाशित किया — वीडियो के साथ केवल “आपने ऐसा पहले कभी नहीं देखा” वाक्य और ऐप्लिकेशन का एक सामान्य लिंक है; न किसी मॉडल या सुविधा का नाम है, न स्टूडियो के समाचार पृष्ठ पर कोई संबंधित जानकारी। अभिलेख के लिए उल्लेखित: इससे कोई सत्यापन योग्य तथ्य प्राप्त नहीं किया जा सकता। 🔗 @runwayml की पोस्ट

इसका क्या अर्थ है

एजेंट प्रयोगशाला में उतर रहे हैं, और बाधा सॉफ़्टवेयर से पहले हार्डवेयर की है। Model Hardware Standard मॉडल की समस्या नहीं, बल्कि जुड़ाव की समस्या हल करता है: Janelia में साझा इंटरफ़ेस के बिना सात निर्माता प्रोग्राम और Carnegie Mellon में तीन असंगत कंप्यूटरों पर उपकरणों के चार परिवार। एकीकरण का समय कई सप्ताह से घटाकर कुछ घंटे करके Anthropic बाधा को कनेक्शन से हटाकर पर्यवेक्षण पर ले जाता है—और Genentech का उदाहरण देकर इसे स्वीकार भी करता है, जहाँ Claude को समझाना पड़ा कि नमूने में झाग बनना कोई बग नहीं, बल्कि भौतिक विफलता थी। इनवेसिव लोब्युलर कार्सिनोमा पर Ai2 की खोज श्रृंखला के दूसरे छोर से यही बात कहती है: मूल्य मॉडल द्वारा दिए गए उत्तर में नहीं, बल्कि उसके बाद हुए स्वतंत्र सत्यापन और फिर प्रयोगशाला परीक्षण में है। उसी दिन शोधकर्ताओं के लिए खोली गई 10,000 Claude सीटें तीसरी बाधा—पहुँच की लागत—को संबोधित करके इस त्रयी को पूरा करती हैं।

सुरक्षा उत्पाद से साझा अवसंरचना की ओर बढ़ रही है। सामूहिक साइबर रक्षा पर आलेख का महत्त्व सबसे पहले उससे जुड़ी संस्थाओं में है: OpenAI, Anthropic, AWS, Google, Microsoft और Oracle एक ही बाज़ार में प्रतिस्पर्धा करते हैं, फिर भी एक ही वक्तव्य पर साथ आते हैं। सीमांत प्रयोगशालाओं से की गई माँगों में से एक—एजेंटिक पहचानों को पता लगाने योग्य और जवाबदेह बनाना—एक दिन पहले प्रकाशित Hugging Face घटना से मिली सीधी सीख है। दिन की बाकी खबरें इस बदलाव को उपकरणों के स्तर पर दोहराती हैं: Codex अब अविश्वसनीय प्रोजेक्टों की AGENTS.md फ़ाइलें लोड नहीं करता, Claude Code अदृश्य वर्णों वाले टर्मिनल लिंक निष्क्रिय बनाता है और Gemini CLI MCP सर्वरों की OAuth खोज में SSRF ठीक करता है। देखने में असंबंधित तीन सुधार, लेकिन निष्कर्ष एक ही: कोड एजेंट की आक्रमण सतह वे फ़ाइलें और सर्वर हैं जिन्हें उससे पढ़ने के लिए कहा जाता है।

मूल्यांकन स्वयं सुरक्षित किए जाने योग्य वस्तु बन रहा है। Singapore AI Safety Institute के साथ Google DeepMind का पायलट बाहरी मूल्यांकन जितनी पुरानी दुविधा—परीक्षण प्रॉम्प्ट सौंपें या मॉडल वेट्स—को एक ऐसे एन्क्लेव के माध्यम से हल करता है जिसमें दोनों में से कुछ भी नहीं सौंपा जाता और दोनों पक्ष उसकी विशेषताओं को क्रिप्टोग्राफ़िक रूप से सत्यापित करते हैं। यह उसी दिन बाकी संस्थाओं द्वारा प्रकाशित आँकड़ों का पद्धतिगत समकक्ष है: Together AI केवल स्कोर नहीं देता, बल्कि 904 निष्पादन, प्रत्येक कार्य पर चार प्रयास, विफलता प्रोफ़ाइल और प्रति कार्य लागत प्रकाशित करता है; Cohere सार्वजनिक रूप से ParseBench के दो आयामों को बाहर रखने और अगस्त के संशोधित नियमों के साथ प्रतिस्पर्धियों का पुनर्मूल्यांकन कराने की बात स्वीकार करता है। दोनों मामलों में परिणाम नहीं, बल्कि प्रोटोकॉल प्रमुखता से प्रस्तुत किया जाता है—यह संकेत है कि अब केवल परिणाम किसी को आश्वस्त नहीं करता।

और सफल कार्य की लागत अब भी निर्णायक मेट्रिक है। GLM-5.3 Flash की पूरी स्थिति एक वास्तुशिल्प बचत पर आधारित है—तीन गुना कम अटेंशन कंप्यूट और 4.4 गुना छोटा KV कैश—जिसे प्रति दस लाख इनपुट टोकन 0.15 डॉलर की कीमत में बदला गया है, जो उसी होस्ट पर GLM-5.2 से लगभग दस गुना कम है। Together AI दिखाता है कि पहले DeepSeek और फिर Sol की कैस्केड, अकेले Sol की आधी से कम कीमत में दस प्रतिशत-अंक अधिक कार्य हल करती है; दूसरे शब्दों में, सबसे अच्छा मॉडल आवश्यक नहीं कि सबसे सही खरीद हो। Replit इस निष्कर्ष का उत्पादगत परिणाम निकालते हुए मॉडल चुनने का विकल्प पूरी तरह हटा देता है, Cohere पूर्ण उपयोग पर 61% के लागत-अंतर के आधार पर Model Vault बेचता है और Google 360p वीडियो ड्राफ़्ट के लिए एक-तिहाई कीमत लेता है। AWS में Vera CPU की आपूर्ति भी इसी अर्थव्यवस्था का हिस्सा है: यदि कोई एजेंटिक कार्यभार चैट अनुरोध से पंद्रह गुना अधिक टोकन खर्च करता है, तो GPU से बाहर का ऑर्केस्ट्रेशन लेखांकन का मामूली विवरण नहीं रह जाता।