ESPnet ने YODAS v3 के साथ अपना खुला वाक् डेटा संग्रह तीन गुना किया, Mistral अपने API पर GLM 5.3 उपलब्ध कराता है, JEV-27B और OpenDecider ने Jev के बराबर प्रदर्शन का दावा किया

ESPnet ने YODAS v3 जारी किया है। यह 100 से अधिक भाषाओं में 11 लाख घंटे का खुला वाक् डेटासेट है, जो पहले संस्करण से तीन गुना बड़ा है और पूरी तरह 48 kHz पर उपलब्ध है। Mistral अब अपने API पर Z.ai का खुले वज़न वाला मॉडल GLM 5.3 उपलब्ध करा रहा है, जिसमें 10 लाख tokens की संदर्भ सीमा और 99.5 % SLA है। वहीं, दो खुले निर्णय मॉडल JEV-27B और OpenDecider अपने निर्माताओं के चलाए परीक्षणों में Jev के बराबर प्रदर्शन का दावा करते हैं। MiniMax ने बिना benchmark या API दरों के M3.1-Flash-Preview लॉन्च किया है। संक्षिप्त समाचारों में Copilot CLI का वह पूर्वावलोकन भी शामिल है जो Claude Code के नियम पढ़ता है, और OpenRouter पर उपलब्ध मुफ़्त गुप्त मॉडल Space Bunny Alpha भी।

ESPnet ने YODAS v3 जारी किया: 48 kHz पर 11 लाख घंटे का खुला वाक् डेटा

27 सितंबर — ESPnet टीम (William Chen और Shinji Watanabe) ने YODAS v3 जारी किया है। यह 11 लाख घंटे का बहुभाषी वाक् डेटासेट है, जो पहले संस्करण से तीन गुना बड़ा है। सारा ऑडियो 48 kHz पर वितरित किया जाता है, जबकि metadata में उसकी वास्तविक उपयोगी आवृत्ति दर्ज है, क्योंकि वेब का बहुत सा ऑडियो बढ़ी हुई sample rate पर होता है।

YODAS v3 की विशेषता	प्रकाशित आँकड़ा
शामिल भाषाएँ	100 से अधिक, जिनमें 34 भाषाओं का डेटा 1 000 घंटे से अधिक है
मल्टीचैनल ऑडियो	70 % से अधिक में कम से कम दो अलग चैनल हैं
टिप्पणियाँ	शब्द स्तर पर समय चिह्नित प्रतिलेख, बहुभाषी डेटा के आधे से अधिक हिस्से के लिए अंग्रेज़ी अनुवाद
आकार और लाइसेंस	OPUS फ़ॉर्मैट में 60 To, CC BY 3.0

लेखकों के अनुसार, इतना डेटा शुरुआत से Whisper स्तर का मॉडल प्रशिक्षित करने के लिए पर्याप्त है। पहला संस्करण 25 लाख से अधिक बार डाउनलोड हुआ था और उससे IBM Granite, NVIDIA Canary और Parakeet तथा Ai2 के OLMoASR को प्रशिक्षित करने में मदद मिली। इससे जुड़ा एक शोधपत्र Interspeech 2026 की कार्यवाही में शामिल है।

🔗 Hugging Face ब्लॉग पर YODAS v3

Mistral ने अपने API पर Z.ai का GLM 5.3 उपलब्ध कराया: 1M संदर्भ सीमा और 99.5 % SLA

26 सितंबर — Z.ai ने GLM 5.3 को 14 अगस्त को लॉन्च किया और 28 अगस्त को उसके वज़न खोले। नई बात यह है कि @MistralDevs खाते की घोषणा के अनुसार अब यह Mistral API पर उपलब्ध है। सार्वजनिक पूर्वावलोकन में zai-glm-5-3 पहचानकर्ता के तहत मॉडल को Mistral के बुनियादी ढाँचे पर बिना बदलाव के उपलब्ध कराया जा रहा है। इसमें 10 लाख tokens की संदर्भ सीमा, आउटपुट में 128k tokens, प्रति सेकंड 100 से अधिक tokens और प्राथमिकता स्तर (priority tier) पर 99.5 % SLA है।

प्रति दस लाख tokens की दर	Mistral API	Together AI (29 अगस्त)
इनपुट	1,40 डॉलर	1,40 डॉलर
कैश किया गया इनपुट	0,14 डॉलर	0,26 डॉलर
आउटपुट	4,40 डॉलर	4,40 डॉलर

Mistral ने 11 अगस्त को GLM 5.2 से शुरुआत करते हुए अपने प्लेटफ़ॉर्म को अन्य निर्माताओं के मॉडलों के लिए खोलने की घोषणा की थी। GLM 5.3 इसके बाद 21 सितंबर को Vibe Code में वेब ऐप के डिफ़ॉल्ट मॉडल के रूप में आया था।

🔗 @MistralDevs की घोषणा · मॉडल का विवरण

खुले निर्णय मॉडल: AutoTrust AI का JEV-27B और OpenDecider, Jev के मुकाबले

27 सितंबर के दो सामुदायिक लेख Apache-2.0 लाइसेंस के तहत खुले निर्णय मॉडल प्रस्तुत करते हैं। ये मॉडल एजेंटों के छोटे, निश्चित प्रकार वाले सवालों का तेज़ी से जवाब देते हैं और हर जवाब की संभावना बताते हैं: सही या गलत, कई विकल्पों में से चुनाव, या अंक। ये Together AI के Tev1-4B-experimental के चार दिन बाद आए हैं। दोनों अपनी तुलना TypeSafe AI के बंद और होस्ट किए गए मॉडल Jev 1.13 से करते हैं; नीचे दिए गए परिणाम उनके लेखकों के अपने माप हैं।

AutoTrust AI का JEV-27B: लेखकों के अनुसार औसतन Jev 1.13 के बराबर

27 सितंबर — AutoTrust AI, जिसका कहना है कि उसका TypeSafe AI से कोई संबंध नहीं है, ने JEV-27B जारी किया है। इसे खुले डेटा संग्रह पर Jev 1.13 के ज्ञान का आसवन करके प्रशिक्षित किया गया है। इस विधि में Qwen3.8-27B के वज़न स्थिर रखे गए और उसमें 108.9 मिलियन parameters का अलग किया जा सकने वाला ब्लॉक जोड़ा गया। इसे B200 पर लगभग 9.2 घंटे में प्रशिक्षित किया गया। मूल मॉडल जस का तस रहता है और HumanEval पर उसका परिणाम 78.0 % है। लेखकों ने 26 सितंबर को ये परिणाम मापे:

निर्णय benchmark	JEV-27B	Jev 1.13 (API)
JevBench (सार्वजनिक डेटासेट)	88,70	87,18
Kev	83,75	85,52
OpenJev text	73,89	72,96
Nimble	92,91	91,84
VitaminC	77,46	78,46
MASSIVE-en	87,71	87,14
छह का औसत	84,07	83,85

B200 पर हर निर्णय के लिए इसका माध्यिका प्रतिक्रिया समय 137 ms है। लेखक स्वीकार करते हैं कि बराबरी का दावा केवल औसत परिणाम पर लागू होता है और यह मॉडल Jev की कमज़ोरियाँ भी विरासत में पाता है। उन्होंने स्वतंत्र रैंकिंग में परिणाम जमा करने की घोषणा की है।

🔗 AutoTrust AI का लेख

OpenDecider: 400 मिलियन parameters वाला nano, typed-decisions पर Laya और Jev से आगे

27 सितंबर — Manjunath Janardhan ने OpenDecider नाम का निर्णय मॉडल परिवार जारी किया है: Ettin encoder पर लगभग 400 मिलियन parameters वाला nano, Qwen3-4B पर 4 बिलियन parameters वाला small और Mac के लिए MLX संस्करण। इन्हें दो खुले शिक्षक मॉडलों, Qwen3-235B और DeepSeek V4.1 Flash, से 30 डॉलर से कम की GPU लागत पर ज्ञान आसवन करके बनाया गया है।

मूल्यांकित मॉडल	typed-decisions (2 000)	पहले न देखे गए सामान्य निर्णय (200)	कैलिब्रेशन त्रुटि
OpenDecider-nano	0,796	0,680	0,092
OpenDecider-small	0,672	0,735	0,087
Laya (विशेषीकृत checkpoint)	0,766	0,570	0,162
Jev 1.13 (API)	0,754	0,730	0,164

लेखक के इन मापों के अनुसार, small मॉडल पहले कभी न देखे गए निर्णयों पर Jev के बराबर है, जबकि उसकी कैलिब्रेशन त्रुटि लगभग आधी है। Laya के अनुप्रयोग परीक्षण समूह में Jev अब भी आगे है (0,774), खासकर phishing पर (0,90 बनाम 0,63)। पूर्वानुमान और दोहराया जा सकने वाला benchmark प्रकाशित किए गए हैं; परिणाम केवल एक random seed पर आधारित हैं।

🔗 OpenDecider का लेख

MiniMax ने MiniMax Code और Token Plan में M3.1-Flash-Preview लॉन्च किया, बिना benchmark या API दरों के

27 सितंबर — MiniMax ने पूर्वावलोकन में M3.1-Flash-Preview को अपने नवीनतम text मॉडल के रूप में पेश किया। यह सुबह MiniMax Code, उसके अपने कोडिंग एजेंट, में उपलब्ध हुआ और शाम को MiniMax प्लेटफ़ॉर्म की सदस्यता Token Plan में आया:

MiniMax-M3.1 Flash Preview is now live on the Token Plan! Faster, lighter, and built for teams running high-volume, latency-sensitive workloads, now available under your existing Token Plan subscription, no extra setup required.

🇮🇳 MiniMax-M3.1 Flash Preview अब Token Plan में उपलब्ध है! तेज़, हल्का और बड़ी मात्रा में काम करने वाली उन टीमों के लिए बनाया गया है जिनके लिए प्रतिक्रिया समय अहम है। यह अब आपकी मौजूदा Token Plan सदस्यता में बिना किसी अतिरिक्त सेटअप के उपलब्ध है। — X पर @MiniMax_AI

MiniMax ने benchmark, API दरें, मॉडल का आकार, संदर्भ सीमा या वज़न, इनमें से कुछ भी प्रकाशित नहीं किया है। उसके मॉडलों के release notes अब भी 31 जुलाई पर समाप्त होते हैं।

🔗 X पर MiniMax Code में लॉन्च की सूचना

संक्षिप्त समाचार

Copilot CLI, Claude Code के नियम पढ़ता है — 27 सितंबर को जारी पूर्वावलोकन 1.0.89-5 में (स्थिर 1.0.89 अभी जारी नहीं हुआ है), Copilot CLI .claude/rules में रखी Claude Code की नियम फ़ाइलों को विशेष निर्देशों के रूप में स्वीकार करता है। release notes यह नहीं बताते कि कौन सा फ़ॉर्मैट पहचाना जाता है या प्राथमिकता क्रम क्या है। 🔗 स्रोत
CLI mistral 0.7.0 — बिना घोषणा के 26 सितंबर को जारी इस Mistral कमांड लाइन टूल के संस्करण में mistral apps deploy जोड़ा गया है, जो प्लेटफ़ॉर्म पर ऐप को उत्पादन तक deploy करता है; mistral apps publish उसे Vibe catalog में प्रकाशित करता है; और mistral evals ऑफ़लाइन मूल्यांकन के लिए है। 🔗 स्रोत
Perplexity का Agent API अब GPT-6 पर — 25 सितंबर की सूचना: low और medium presets openai/gpt-5.6-luna से openai/gpt-6-luna पर, और high preset openai/gpt-5.6-sol से openai/gpt-6-sol पर चले गए हैं। prompts, तर्क प्रयास, टूल, token budgets और चरण सीमाएँ पहले जैसी हैं। 🔗 स्रोत
OpenRouter पर Space Bunny Alpha — 23 सितंबर की सूचना: OpenRouter ने एक मुफ़्त गुप्त (stealth) मॉडल सूचीबद्ध किया है, जिसके निर्माता का नाम नहीं बताया गया। इसमें 10 लाख tokens की संदर्भ सीमा है और यह text, image तथा video इनपुट स्वीकार करता है। इसे चलाने वाला तीसरा पक्ष prompts और जवाब सहेज सकता है, लेकिन प्रशिक्षण में उनका उपयोग नहीं कर सकता; कोई आधिकारिक benchmark नहीं है। 🔗 स्रोत
वित्तीय आँकड़ों के लिए 4B का निर्णायक मॉडल — Tony Esposito ने FinCalc-NLI प्रकाशित किया है। यह दस बैंकिंग metrics पर कोड से गणना किए गए labels वाला synthetic डेटासेट है। उन्होंने openjev-fincalc-4b भी जारी किया है, जिसे A100 पर 40 मिनट में परिष्कृत किया गया और जो संख्यात्मक दावों की जाँच करता है: 4 000 मामलों पर इसकी सफलता दर 94.4 % रही, जबकि परीक्षण किए गए सबसे अच्छे खुले निर्णायक मॉडल की 63.2 % थी। 🔗 स्रोत
16 Go वाले Mac पर मॉडल परिष्कृत करना — दस LoRA परिष्करण परीक्षणों में Harshit Kumar Gupta ने पाया कि PyTorch MPS, Apple MLX से 2.2 से 5.7 गुना तेज़ था, लेकिन इसकी सीमा लगभग 1.5 बिलियन parameters थी; वहीं 4 bits में MLX, 3 बिलियन parameters वाला मॉडल समायोजित कर सकता था। दोनों प्रणालियों में LoRA rank और optimizer अलग थे। 🔗 स्रोत

इसका क्या मतलब है

खुला डेटा खुले मॉडलों का शांत आधार बना हुआ है। लेखकों के अनुसार, YODAS के पहले संस्करण से IBM, NVIDIA और Ai2 के मॉडल प्रशिक्षित हुए थे। v3 डेटा की मात्रा तीन गुना करता है, 48 kHz और मल्टीचैनल ऑडियो उपलब्ध कराता है और CC BY 3.0 लाइसेंस बनाए रखता है। उनके मुताबिक, इससे शुरुआत से Whisper स्तर का मॉडल प्रशिक्षित किया जा सकता है। आज के निर्णय मॉडल भी इसी राह पर हैं: JEV-27B खुले डेटा संग्रह से सीखता है, OpenDecider 30 डॉलर से कम खर्च में दो खुले शिक्षक मॉडलों से ज्ञान आसवन करता है और दोनों Apache-2.0 के तहत जारी हुए हैं।

खुले वज़न वाला मॉडल अब catalog में एक विकल्प की तरह बेचा जाता है, और hosting प्रदाता अपनी सेवा के आधार पर अलग पहचान बनाते हैं। कैश के बाहर GLM 5.3 की कीमत Mistral और Together AI पर समान है: प्रति दस लाख tokens पर इनपुट के लिए 1,40 डॉलर और आउटपुट के लिए 4,40 डॉलर। Mistral कैश किए गए इनपुट की 0,14 डॉलर दर पर ज़ोर देता है, जबकि Together AI पर यह 0,26 डॉलर है। वह प्रति सेकंड 100 से अधिक tokens की गति और 99.5 % SLA भी सामने रखता है। GLM 5.2 से अन्य निर्माताओं के मॉडल उपलब्ध कराने वाला Mistral इस तरह मॉडल निर्माता के साथ hosting प्रदाता भी बन रहा है। Perplexity में भी पर्दे के पीछे मॉडल बदला है: Agent API के presets से भेजे गए अनुरोध अब GPT-6 पर चलते हैं, भले ही developer ने स्वयं मॉडल न चुना हो।

सवाल यह है कि माप कौन कर रहा है। JEV-27B और OpenDecider ऐसे benchmarks पर Jev के बराबर होने का दावा करते हैं जिन्हें उनके अपने लेखकों ने चलाया है। फिर भी वे अपनी सीमाएँ, पूर्वानुमान या दोहराया जा सकने वाला benchmark प्रकाशित करते हैं। उनकी अपनी तालिकाओं में VitaminC से लेकर phishing तक कई परीक्षणों में Jev आगे है। दूसरी ओर, MiniMax ने कोई सत्यापित किया जा सकने वाला आँकड़ा दिए बिना मॉडल लॉन्च किया है: न benchmark, न API दरें, न संदर्भ सीमा। दोनों मामलों में स्वतंत्र माप अभी बाकी है; AutoTrust AI ने स्वतंत्र रैंकिंग में अपने परिणाम जमा करने की घोषणा की है।

Mistral और MiniMax, दोनों के यहाँ मॉडल पहले अपने कोडिंग एजेंट में आता है: GLM 5.3, Mistral API पर आने से पहले 21 सितंबर को वेब पर Vibe Code का डिफ़ॉल्ट मॉडल बना था, और M3.1-Flash-Preview, Token Plan से पहले MiniMax Code में आया। निर्देश भी अब एक एजेंट से दूसरे तक पहुँचने लगे हैं: Copilot CLI का पूर्वावलोकन 1.0.89-5, Claude Code के लिए लिखी .claude/rules फ़ाइलें पढ़ता है। इस पूर्वावलोकन में एक ही repository समान नियमों से दोनों एजेंटों को दिशा दे सकती है।