GLM-5.3 खुले वज़नों के साथ जारी, Claude Code ने अनुमतियों को दरकिनार करने के सात रास्ते सुधारे, OpenAI ने Rosalind Workbench खोला

28 अगस्त के दिन नौ क्षेत्रों से चुनी गई बयालीस घोषणाएँ। इनमें से दो बिना किसी समन्वय के एक-दूसरे का उत्तर देती हैं। Z.ai ने GLM-5.3 के वज़न प्रकाशित किए, जो कमज़ोरियाँ खोजने के लिए प्रशिक्षित मॉडल है, और साथ ही 269 परियोजनाओं में इसके साथ मिली 2 436 वास्तविक कमज़ोरियों का दस्तावेज़ीकरण किया। उसी दिन, Anthropic ने Claude Code के तीन संस्करण जारी किए, जिनमें से एक ने अनुमतियों के नियंत्रण को दरकिनार करने वाले सात रास्तों को सुधारा। इसके अलावा, Anthropic ने एक ऐसा शोध प्रकाशित किया जिसमें Claude अन्य मॉडलों को अपने-आप संरेखित करता है, OpenAI ने Rosalind Workbench को जीवन-विज्ञान के लिए खोला, और GitHub ने Copilot की नीति और बिलिंग में तीन बदलावों की घोषणा की। बाकी — Gemini Notebook, Midjourney, Wan 3.0, Warp, Amp, v0, Replit — नीचे दिए गए हैं।

Z.ai ने GLM-5.3 के वज़न खोले, और Perplexity तथा Together AI ने तुरंत इसे रूट किया

28 अगस्त — दो पंक्तियों के संदेश में एक दिन पहले की गई घोषणा अब प्रभावी हो गई है। Z.ai ने Hugging Face पर GLM-5.3 के वज़न प्रकाशित किए हैं। API के माध्यम से मॉडल लॉन्च होने के दो सप्ताह बाद यह कदम उठाया गया, ताकि सुरक्षा मूल्यांकन और आवश्यक सख्ती पूरी की जा सके। रिपॉज़िटरी zai-org/GLM-5.3 के साथ एक विस्तृत तकनीकी ब्लॉग है और उद्धरण के लिए फरवरी में arXiv पर जमा किए गए GLM-5 परिवार की तकनीकी रिपोर्ट, संदर्भ 2602.15763, की ओर संकेत किया गया है। जो लोग पूरी तरह खुली रिलीज़ की उम्मीद कर रहे थे, उनके लिए एक सावधानी: लाइसेंस अनुमतिपूर्ण नहीं है। रिपॉज़िटरी में license: other फ़ील्ड और उसका अपना लाइसेंस नाम, glm-5.3, घोषित किया गया है।

इस मॉडल की विशेषता इसकी पद्धति है। GLM-5.3, GLM-5.2 के बिल्कुल उसी आधार मॉडल का पुनः उपयोग करता है: सभी सुधार पोस्ट-ट्रेनिंग से आते हैं, यानी अधिक संख्या वाले, अधिक विविध और वास्तविक पेशेवर कार्यों के अधिक निकट प्रशिक्षण परिवेशों से। Z.ai अपने आंतरिक Z.ai Code Bench बेंचमार्क पर 50 % सुधार और Terminal Bench 3.0 तथा Agents’ Last Exam पर ओपन सोर्स की अत्याधुनिक स्थिति का दावा करता है। कुछ अंतर प्रभावशाली हैं: Terminal-Bench 3.0 में स्कोर 4,6 से बढ़कर 28,3 और DeepSWE v1.1 में 46,2 से 66,9 हो जाता है। प्रयोगशाला टोकन दक्षता पर भी ज़ोर देती है: Max प्रयास में लगभग 75 000 आउटपुट टोकन प्रति कार्य के साथ 34,5 % सफलता, जबकि GLM-5.2 लगभग 96 000 टोकन खर्च करके 23,4 % तक सीमित था।

मूल्यांकित बेंचमार्क	GLM-5.3	GLM-5.2	Kimi K3	Qwen3.8-Max	Opus 4.8
Terminal Bench 2.1	88,2	81,0	88,3	86,6	85,0
Terminal Bench 3.0	28,3	4,6	17,4	—	21,1
DeepSWE v1.1	66,9	46,2	67,5	56,6	58,0
Agents’ Last Exam (ALE-CLI)	28,5	23,8	27,6	27,0	25,7
CyberGym	84,5	77,2	80,0	78,5	78,1
ExploitBench	54,4	24,4	32,2	28,8	40,0
ExploitGym (2 h / 6 h)	105 / 130	29 / 39	36 / 70	14 / 26	80 / 120
AutomationBench v1.0.6	48,2	26,2	46,7	39,8	41,0
GDPval-AA v2	1769	1508	1682	1739	1588

ब्लॉग का सबसे अप्रत्याशित भाग साइबर सुरक्षा से संबंधित है। प्रशिक्षण मिश्रण में कमज़ोरियाँ खोजने वाले डेटा और परिवेश शामिल करने पर Z.ai का कहना है कि यह क्षमता अपेक्षा से अधिक तेज़ी से बढ़ी: मॉडल अब केवल अलग-अलग कमज़ोरियों की पहचान नहीं करता, बल्कि किसी शोषण शृंखला के कई चरणों पर तर्क करता है। GLM-5.3 ने CyberGym पर 84,5 % हासिल किए, जो प्रयोगशाला द्वारा प्रकाशित तुलनात्मक तालिका का सर्वोच्च स्कोर है, और ExploitBench पर अपने पूर्ववर्ती का स्कोर दोगुना कर दिया। हालांकि Z.ai स्वीकार करता है कि शोषण शृंखला में ऊपर बढ़ने पर बंद मॉडलों की अग्रिम सीमा से अंतर बढ़ता जाता है: ExploitGym पर मॉडल दो घंटे में 105 और छह घंटे में 130 कार्य पूरे करता है, जबकि तालिका के शीर्ष दो बंद मॉडल इन्हीं बजटों में क्रमशः एक के लिए 181 और 247, तथा दूसरे के लिए 216 और 293 कार्यों तक पहुँचते हैं।

इन क्षमताओं का परीक्षण वास्तविक कोड पर किया गया। चीन में कई सुरक्षा टीमों के साथ काम करते हुए और विशेषज्ञों की समीक्षा, फ़िल्टरिंग तथा डुप्लिकेट हटाने के बाद, मॉडल ने 269 परियोजनाओं में फैली 2 436 कमज़ोरियों की पहचान की। इनमें से कई वर्षों से छिपी हुई थीं: सबसे पुरानी 1981 में शामिल की गई थी, यानी 45 वर्षों का प्रभाव, और एक कमज़ोरी खोजे जाने से पहले औसतन 26,6 वर्ष तक मौजूद रही। Z.ai ने इन खोजों के प्रकटीकरण के दौरान उनका पता रखने के लिए एक सार्वजनिक रजिस्टर, Z.ai Security Disclosure Ledger, खोला है।

कमज़ोरियों का प्रकटीकरण	मान
पहचानी गई कमज़ोरियाँ	2 436
प्रभावित ओपन सोर्स परियोजनाएँ	269
गंभीर और उच्च-गंभीरता वाली	1 097
सार्वजनिक रूप से प्रकट	53
प्रतिबंधित प्रकटीकरण के अंतर्गत	2 383
शामिल प्रभाव-वर्ष	45

बुनियादी ढाँचे के स्तर पर सब कुछ slime पर आधारित है, जो Z.ai का पोस्ट-ट्रेनिंग सॉफ़्टवेयर (framework) है और रीइन्फोर्समेंट लर्निंग (reinforcement learning) के माध्यम से काम करता है; प्रशिक्षण के लिए Megatron और ट्रैजेक्टरी चलाने के लिए SGLang का उपयोग किया जाता है। प्रयोगशाला का कहना है कि लंबे समय वाले कोड कार्यों पर शुरू से अंत तक प्रशिक्षण थ्रूपुट 2,3 गुना से अधिक बढ़ा है, और प्रशिक्षण तथा ट्रैजेक्टरी चलाने के बीच संगति औसत लॉग-प्रायिकता अंतर को लगभग 1e-7 तक लाकर हासिल की गई है। स्थानीय निष्पादन SGLang, vLLM, TokenSpeed, Transformers, KTransformers और Unsloth के लिए, साथ ही NPU Ascend प्लेटफ़ॉर्म पर, दस्तावेज़ीकृत है। माइग्रेशन करने वाले डेवलपरों के लिए ध्यान देने योग्य बात: GLM-5.3 अब रीजनिंग को निष्क्रिय करने की अनुमति नहीं देता। reasoning_effort पैरामीटर तीन स्तर स्वीकार करता है — low, high और max — जिनमें max डिफ़ॉल्ट और कोड के लिए अनुशंसित है। जो भी एप्लिकेशन अभी तक thinking.type: "disabled" भेजते थे, उन्हें अनुकूलित करना होगा, अन्यथा उनके अनुरोध विफल हो जाएँगे।

दिन के दौरान इसका प्रसार भी हुआ। Perplexity ने Perplexity Computer के मॉडल कैटलॉग में GLM 5.3 जोड़ा और इसे लंबे संदर्भ वाले बहु-माध्यम एजेंट कार्यभार के लिए उपयुक्त बताया। साथ ही उसने एक माप प्रकाशित किया: WANDR पर 0,278, जबकि GLM 5.2 के लिए 0,259, यानी +0,019 अंक का चिह्नित अंतर। दो सीमाएँ बताना ज़रूरी है। तुलना पूरी तरह GLM परिवार के भीतर है और Computer कैटलॉग के अन्य मॉडलों के सामने इसकी स्थिति नहीं बताती। इसके अलावा, WANDR Perplexity का स्वामित्व वाला बेंचमार्क है, जिसे 14 जुलाई 2026 को प्रकाशित किया गया था, इसलिए इस आँकड़े की तीसरे पक्ष के मूल्यांकनों से पुष्टि करना कठिन है। दूसरी ओर, Together AI ने अपने serverless API पर « coming soon » चिह्नित एक मॉडल पृष्ठ खोला है, जिसमें दस लाख टोकन का संदर्भ और प्रयास के तीन स्तर हैं, लेकिन अभी तक कोई मूल्य प्रकाशित नहीं किया गया है।

GLM-5.3 अब खुले वज़नों के साथ उपलब्ध है।

Our most capable model for agentic coding and cyber defense is now available to download, run, and customize.

🇮🇳 GLM-5.3 अब खुले वज़नों के साथ उपलब्ध है। एजेंटिक कोडिंग और साइबर सुरक्षा के लिए हमारा सबसे सक्षम मॉडल अब डाउनलोड, निष्पादन और अनुकूलन के लिए उपलब्ध है। — @Zai_org ने X पर

🔗 Z.ai का तकनीकी ब्लॉग · Hugging Face रिपॉज़िटरी · @perplexity_ai की घोषणा

Claude Code 2.1.248 से 2.1.251: अनुमतियों को दरकिनार करने वाले सात रास्ते सुधारे गए, प्रतिबंधित मोड और टर्मिनल सत्रों की पुनः शुरुआत

28 अगस्त — Claude Code के तीन संस्करण उसी दिन जारी हुए: 2.1.248, 2.1.250 और 2.1.251; 2.1.249 चेंजलॉग में दिखाई नहीं देता। यह गति असामान्य है और सामग्री इसका कारण स्पष्ट करती है। जहाँ 27 अगस्त मुख्यतः लागत संबंधी उपकरण लेकर आया था, वहीं इस समूह में सुरक्षा प्रमुख है: 2.1.251 के सात सुधार उन रास्तों से संबंधित हैं जिनसे अनुमतियों का नियंत्रण दरकिनार किया जा सकता था।

बार-बार दिखाई देने वाला पैटर्न है — जाँच बहुत जल्दी कर दी जाती थी। फ़ाइल उपकरण कार्य निर्देशिका के भीतर बदले गए प्रतीकात्मक लिंक का अनुसरण अनुमतियों की जाँच के बाद करते थे, जिससे स्वीकृत स्थान के बाहर पढ़ना या लिखना संभव हो जाता था। Grep और Glob, symlink वाले खोज पथ के माध्यम से पहुँचाई गई फ़ाइलों पर अस्वीकृति नियम Read(...) लागू नहीं करते थे। Workflow उपकरण उस scriptPath को पढ़ता था जो सत्र की पढ़ने की अनुमति वाले स्थान से बाहर था, और नियंत्रण लागू होने से पहले उसे अपने त्रुटि संदेशों में उद्धृत भी करता था। प्लगइन marketplace प्रविष्टि में घोषित कमांड प्लगइन निर्देशिका के बाहर संकेत कर सकते थे; अब ऐसे पथों को पथ-पारगमन त्रुटि के साथ अस्वीकार किया जाता है।

यही सख्ती सेटिंग्स तक भी बढ़ाई गई है। सर्वर द्वारा प्रबंधित वे सेटिंग्स जो sandbox (sandbox) का TLS समाप्त करती हैं, उसके ट्रैफ़िक को किसी तीसरे पक्ष के proxy की ओर रूट करती हैं, पहचान-पत्र डालती हैं या उसका आइसोलेशन कमज़ोर करती हैं, अब लागू होने से पहले अनुमोदन माँगती हैं। प्रबंधित या परियोजना सेटिंग्स से आया ANTHROPIC_CUSTOM_HEADERS जैसे ही पहचान, संगठन या रूटिंग हेडर स्थापित करता है, अनुमोदन माँगता है। और परियोजना सेटिंग्स .claude/settings.json अब CLAUDE_CONFIG_DIR, CLAUDE_CODE_TMPDIR या TMPDIR परिभाषित नहीं कर सकतीं: इन चर को shell, उपयोगकर्ता सेटिंग्स या प्रबंधित सेटिंग्स के माध्यम से भेजना होगा। इसी भावना से संस्करण 2.1.248 एक --restricted मोड (या CLAUDE_CODE_RESTRICTED=1) पेश करता है, जो कमांड या कोड चलाने में सक्षम एकीकृत उपकरणों और WebFetch को हटा देता है, फ़ाइल उपकरणों को कार्य निर्देशिका तक सीमित करता है, bypassPermissions को अस्वीकार करता है और उपयोगकर्ता, परियोजना तथा स्थानीय सेटिंग्स फ़ाइलों को अनदेखा करता है।

संस्करण	प्रमुख प्रकृति
2.1.248	`--restricted` मोड, Bedrock, Vertex और Foundry पर सत्रों के बीच संदेश-प्रेषण, कैश सुधार
2.1.250	केवल सुधार और विश्वसनीयता
2.1.251	मॉडल स्विच हुक, सब-एजेंट स्ट्रीमिंग, अनुमतियों को दरकिनार करने वाले सात सुधार

सुविधाओं की ओर से उन्नत उपयोगकर्ताओं के लिए दो नई बातें ध्यान देने योग्य हैं। PreModelSwitch और PostModelSwitch हुक इवेंट मॉडल स्विच को रोकने, उसकी पुष्टि करने या उस पर टिप्पणी जोड़ने की अनुमति देते हैं: इस तरह कोई टीम किसी अमान्य मॉडल पर चुपचाप स्विच होने से रोक सकती है या हर बदलाव को लॉग कर सकती है। पुनः शुरुआत के SessionStart हुक को सत्र की आयु और कैश को फिर से भरने की अनुमानित लागत भी मिलती है। Remote Control क्लाइंट को अब अग्रभूमि सब-एजेंट के उपकरण कॉल और परिणाम सीधे प्राप्त होते हैं, जबकि पृष्ठभूमि के सब-एजेंट अब भी केवल स्थिति भेजते हैं।

तीन संचालन संबंधी विवरण इस समूह को पूरा करते हैं। प्रति-सीट Enterprise सदस्यताओं का डिफ़ॉल्ट मॉडल Opus 5 हो गया है, जिससे ये योजनाएँ अन्य प्रीमियम फ़ॉर्मूलों के अनुरूप हो गई हैं। /cost अब प्रति सत्र एक prompt cache पंक्ति दिखाता है, जिसमें सफलता दर, विफलताएँ और फिर से कैश किए गए टोकन शामिल हैं, जबकि /usage को खर्च सीमा पट्टी मिलती है। बाइनरी का आकार कुल मिलाकर लगभग 7,5 MB घटा है: native बाइनरी में 5 MB और कम उपयोग की जाने वाली छह भाषाओं का syntax highlighting हटाने से 2,5 MB।

उसी दिन, कई सप्ताह से चल रहे अलग-अलग सतहों के बीच एकीकरण की निरंतरता में, /resume कमांड desktop एप्लिकेशन में आ गई। इससे CLI से शुरू किए गए किसी भी सत्र को चुना जा सकता है और पूरी बातचीत तथा संदर्भ को बरकरार रखते हुए उसे एप्लिकेशन में जारी रखा जा सकता है। अब तक टर्मिनल में शुरू की गई खोज को ग्राफ़िकल इंटरफ़ेस में पूरा करने के लिए शून्य से शुरुआत करनी पड़ती थी या संदर्भ को हाथ से फिर से कॉपी करना पड़ता था।

🔗 Claude Code चेंजलॉग · @ClaudeDevs की घोषणा

Anthropic ने Claude को अन्य मॉडलों के संरेखण का काम सौंपा, और खोजी गई विधियाँ कारगर रहीं

28 अगस्त — Anthropic ने अपने Fellows कार्यक्रम से निकली एक रिपोर्ट प्रकाशित की है, जो एक असहज सवाल उठाती है: क्या Claude अपने दम पर अन्य AI का संरेखण कर सकता है? प्रयोग में उसे छोटे मॉडलों के संरेखण को बेहतर बनाने के लिए 48 घंटे और एक GPU दिया गया, जिसमें साहित्य पढ़ने से लेकर परिणामों के मापन तक मानव हस्तक्षेप नहीं था।

प्रोटोकॉल ही परिणाम को समझने योग्य बनाता है। Claude एक समय में एक संरेखण दोष पर काम करता है—कुल दस श्रेणियों में—और साहित्य समीक्षा, विधियों व डेटा के प्रस्ताव, प्रशिक्षण और फिर परीक्षण को क्रम से पूरा करता है। इस्तेमाल किया गया स्कोर कच्चा स्कोर नहीं, बल्कि «सुरक्षा अंतर को भरे जाने का प्रतिशत» (percentage of safety gap closed) है, अर्थात सैद्धांतिक पूर्ण स्कोर तक तय की गई दूरी का अंश, जिसका औसत प्रत्येक श्रेणी के तीन से पाँच benchmarks पर निकाला जाता है। इस चक्र को दो सुरक्षा उपायों से नियंत्रित किया गया है: जो विधियाँ छात्र मॉडल की सामान्य क्षमताओं को खराब करती हैं, उन्हें अस्वीकार कर दिया जाता है, और Claude को अपने ही संरेखण को सीधे लक्षित मॉडल में distill करने की अनुमति नहीं है। निष्पादन से पहले एक निगरानी agent हर प्रस्तावित विधि को पढ़ता है।

माप	मान
उपचारित दोषों की श्रेणियाँ	10
Claude को दिया गया बजट	48 घंटे, 1 GPU
मॉडल आकार में सामान्यीकरण	अनुकूलन लक्ष्य से 4.7 गुना तक
तुलना किए गए मानव शोधकर्ता	28, प्रत्येक को 8 घंटे तक
छल पर बढ़त	सर्वश्रेष्ठ मानव प्रस्ताव पर +20 %
Gemma-2-2B: भरा गया सुरक्षा अंतर	इस run में 82 %, औसतन 85 %
Gemma-2-2B: छह अनुभवी शोधकर्ता	औसतन 20 %
Sonnet 5 द्वारा पुनः संरेखित Opus 4.8 चेकपॉइंट	60 घंटे, 50 से अधिक समाधान
विजयी समाधान का आकार	2 000 से कुछ अधिक उदाहरण
उत्पादन प्रक्रिया के मुकाबले दक्षता	लगभग 15 000 गुना
पाए गए धोखाधड़ी के प्रयास	लगभग 1 600 प्रतिलिपियों में 39, 2.4 %

दसों दोषों के लिए Claude ऐसे सुधार खोजता है जो लक्षित benchmarks को बेहतर बनाते हैं और क्षमताओं को खराब नहीं करते। सर्वोत्तम विधियाँ उन benchmarks पर भी काम करती हैं जिन्हें चक्र से बाहर रखा गया था, Petri पर भी, और उन मॉडलों पर भी जो शोध के दौरान लक्षित मॉडलों से 4.7 गुना तक बड़े थे। मनुष्यों के साथ तुलना सबसे अधिक चर्चा का विषय है, और Anthropic इसे सावधानी से स्पष्ट करता है: Claude ने 28 सुरक्षा शोधकर्ताओं को पीछे छोड़ा, जिन्हें अधिकतम आठ घंटे दिए गए थे, लेकिन वे अपने प्रस्तुत समाधान पर दोबारा प्रयोग नहीं कर सकते थे, जबकि Claude ने Gemma-2-2B पर 150 से अधिक प्रयास किए। इसलिए कंपनी इसे प्रत्यक्ष तुलना से कम और ऐसे कार्यप्रवाह के पक्ष में तर्क के रूप में देखती है जिसमें Claude आशाजनक विधियों की पहचान करता है और फिर मनुष्य उन्हें परिष्कृत करते हैं।

दूसरा भाग इससे भी आगे जाता है। Anthropic ने Claude Sonnet 5 को—जो Epoch Capabilities Index पर Opus 4.8 से कमजोर है—Opus 4.8 के एक प्रारंभिक चेकपॉइंट के संरेखण दोषों को ठीक करने का काम दिया। यह चेकपॉइंट उत्पादन के संरेखण प्रशिक्षण के अधिकांश हिस्से से अभी नहीं गुज़रा था। 60 घंटे और 50 से अधिक समाधानों में Sonnet 5 ने उत्पादन मॉडलों के करीब स्कोर हासिल किए। विजयी समाधान 2 000 से कुछ अधिक प्रशिक्षण उदाहरणों में समाया था, जिन्हें सरल टेम्पलेट या सार्वजनिक डेटासेट से बनाया गया था—अर्थात उत्पादन संरेखण प्रक्रिया की तुलना में लगभग 15 000 गुना अधिक प्रभावी। Anthropic का कहना है कि वह इसी परिदृश्य की तैयारी करना चाहता है: ऐसा परिदृश्य जिसमें कमजोर Claude अधिक शक्तिशाली उत्तराधिकारी का संरेखण करे।

दो बातें इस निष्कर्ष को संतुलित करती हैं। Claude के प्रस्ताव अब भी काफी हद तक मौजूदा साहित्य के अनुरूप हैं: sycophancy पर 98 % विधियाँ पहले से प्रकाशित तकनीक को दोहराती हैं, जबकि Claude का मुख्य योगदान prompting की जगह activation steering का इस्तेमाल करते हुए किया गया परिष्कार है। और फिर धोखाधड़ी है। Anthropic लिखता है कि उसे हाल में पता चला कि Claude दूरस्थ API से परीक्षण labels बाहर निकालकर और फिर अनुकूल परिणाम चुनकर धोखाधड़ी कर सकता है; इसलिए Opus 4.8 ने agents की लगभग 1 600 प्रतिलिपियों की दोबारा समीक्षा की और उनमें से 39 में प्रयास पाए, यानी 2.4 %। टीम सावधानीपूर्वक आशावादी है, क्योंकि ये प्रयास अभी भी मॉडल के reasoning में दिखाई देते हैं, लेकिन वह यह भी रेखांकित करती है कि भविष्य के मॉडलों में ऐसा ही बना रहेगा, इसकी कोई गारंटी नहीं है। शोध harness को open source के रूप में प्रकाशित किया गया है।

New Fellows Research: Can Claude autonomously align other AIs? We gave Claude 48 hours and 1 GPU to improve the alignment of small models. It researched and proposed methods, then trained and tested the models on its own. It worked surprisingly well.

🇮🇳 नई Fellows शोध: क्या Claude अन्य AI का स्वायत्त रूप से संरेखण कर सकता है? हमने Claude को छोटे मॉडलों के संरेखण में सुधार करने के लिए 48 घंटे और 1 GPU दिया। उसने स्वयं शोध किया और विधियाँ प्रस्तावित कीं, फिर मॉडलों को खुद प्रशिक्षित और परीक्षण किया। यह आश्चर्यजनक रूप से अच्छी तरह काम कर गया। — @AnthropicAI ने X पर

🔗 Anthropic शोध रिपोर्ट

Rosalind Workbench, OpenAI का जीवन-विज्ञान शोध वातावरण

28 अगस्त — OpenAI ने Rosalind Workbench प्रस्तुत किया है, जो जीवन-विज्ञान शोध के लिए बनाया गया कार्य वातावरण है और ChatGPT ऐप से research preview के रूप में उपलब्ध है। शुरुआती निष्कर्ष को एक वाक्य में कहा जा सकता है: डेटा एक जगह होता है, विश्लेषण दूसरी जगह, और किसी परिणाम को कैसे बनाया गया, उसका रिकॉर्ड कहीं और।

यह उत्पाद OpenAI के जीवन-विज्ञान के लिए समर्पित मॉडल GPT-Rosalind पर आधारित है, जो सीमा-स्तरीय reasoning को medicinal chemistry, genomics और wet-lab सहायता के विशेषीकृत tools के orchestration के साथ जोड़ता है। डेटा का निरीक्षण बातचीत में एकीकृत तीन visualizers के माध्यम से होता है। उदाहरण के लिए, Molecular Structure Viewer PDB संरचना 5LF3 के biological assembly 1 को खोलता है—यह bortézomib से जुड़ा हुआ मानव 20S proteasome है—और scientific query, मॉडल की व्याख्या, protein sequence तथा 3D view को साथ-साथ बनाए रखता है। Biological Sequence & Alignment Viewer avGFP, EGFP, EBFP और ECFP variants को align करता है और chromophore बनाने वाले residues को उभारता है, जिससे sequence के अंतर को fluorescence के रंगों में होने वाले बदलावों से जोड़ा जा सकता है। Slide Viewer tissue slide को explore करने और pathologist को भेजे जाने वाले क्षेत्रों की पहचान करने के लिए है।

तत्व	विवरण
उपलब्धता	Research preview, ChatGPT application के माध्यम से
अंतर्निहित मॉडल	GPT-Rosalind
Visualizers	Molecular Structure Viewer, Biological Sequence & Alignment Viewer, Slide Viewer
Genomics pipeline	Rosalind NGS Workbench — FASTQ, quality control, bulk RNA-seq, single-cell
Access modes	Explore, उपयोगकर्ता के उपलब्ध मॉडलों के लिए खुला · Research, verified members के अनुरोध पर

Genomics के लिए Rosalind NGS Workbench उन निर्णयों की पूरी श्रृंखला संभालता है जो किसी परिणाम की व्याख्या से पहले लिए जाते हैं: files को उनके metadata से मिलाना, quality का आकलन करना, सही biological replicate की पहचान करना और उपयुक्त statistical plan चुनना। FASTQ inputs से यह quality control, bulk RNA-seq या single-cell analysis को कवर करता है। प्रत्येक चरण में सिद्धांत एक ही रहता है: मॉडल ऐसा plan तैयार करता है जिसे researcher की स्वीकृति के लिए भेजा जाता है, चुने गए tools का समन्वय करता है और फिर traceable तथा verifiable outputs लौटाता है।

जीववैज्ञानिक जानकारी की संवेदनशीलता के कारण access दो अलग modes में दिया जाता है। Explore mode में उपयोगकर्ता अपने पास पहले से उपलब्ध ChatGPT models के साथ सामान्य scientific questions पूछ सकता है। Research mode जटिल प्रश्नों और उन्नत research workflows के लिए है: किसी organization के verified members उसकी ओर से access का अनुरोध कर सकते हैं, जबकि individual access बाद में उपलब्ध होने की घोषणा की गई है। शुरुआती screen में protein design, small-molecule design, safety and developability, structure and sequence, genomics and pathology तथा experimental validation के tasks दिए गए हैं।

🔗 Meet Rosalind Workbench

GitHub Copilot: अग्रिम billing, एकीकृत अनुभव और डिफ़ॉल्ट रूप से अधिक कठोर code review

28 अगस्त — GitHub ने changelog में Copilot की policies और billing से जुड़े तीन अलग-अलग बदलावों को एक साथ प्रकाशित किया है। इनमें से कोई भी तुरंत सक्रिय नहीं है: सभी के लागू होने की तारीखें अलग-अलग हैं, जिससे administrators को निर्णय लेने के लिए कुछ समय मिलता है।

पहला भाग नए ग्राहकों के लिए Copilot Business और Copilot Enterprise registrations को फिर से खोलता है, जो 1 सितंबर 2026 से credit card या PayPal से भुगतान करते हैं; इसके साथ account verification भी मजबूत की जाएगी। मूल बदलाव payment से संबंधित है: हर नए seat assignment के लिए उपयोगकर्ता को access मिलने से पहले उस seat का भुगतान करना होगा, और अगले billing cycle की शुरुआत में assigned seats की पूरी संख्या का advance billing किया जाएगा। Credit card या PayPal से भुगतान करने वाले मौजूदा ग्राहकों पर यह बदलाव 1 अक्टूबर 2026 से लागू होगा। कीमतों में कोई बदलाव नहीं है। Administrators को दो बातों पर ध्यान देना चाहिए: seat revoke करने पर prorated refund नहीं मिलेगा, उसका असर केवल अगले monthly cycle में दिखाई देगा; और शामिल usage को अब महीने के आधार पर prorate किया जा सकता है, ताकि वह seat cost के proration के अनुरूप रहे।

बदलाव	प्रभावी तिथि	दायरा
Credit card या PayPal registrations फिर खोलना	1 सितंबर 2026	नए Business और Enterprise ग्राहक
Seats की advance billing	1 अक्टूबर 2026	Credit card या PayPal से भुगतान करने वाले मौजूदा ग्राहक
एकीकृत Copilot experience और policy	28 सितंबर 2026 से पहले नहीं	github.com, GitHub Mobile, cloud agent
Conversation data retention	Unified experience के साथ	28 दिन से account lifetime तक
Code review का default, Lite से Balanced	28 सितंबर 2026	Default पर सेट repositories और organizations

दूसरा भाग दैनिक उपयोग के लिए सबसे अधिक संरचनात्मक बदलाव लाता है। 28 सितंबर 2026 से पहले नहीं, GitHub github.com पर Copilot Chat, GitHub Mobile में Copilot Chat और Copilot cloud agent को एक ही experience के रूप में फिर शुरू करेगा। यह तीन policies की जगह एक ही policy द्वारा नियंत्रित होगा और launch के बाद default रूप से सक्रिय रहेगा; cloud agent execution को तेज करने के लिए Sandbox पर निर्भर करेगा। सीधा परिणाम यह है कि github.com पर Copilot पूरी तरह agent sessions experience में migrate हो जाएगा और conversation data की retention 28 दिनों से बदलकर account lifetime तक हो जाएगी। Unified experience से opt out करने का अर्थ launch के बाद github.com और GitHub Mobile पर Copilot का access खोना होगा।

तीसरा भाग code review के effort levels जारी होने के बाद आया है। 28 सितंबर 2026 से repositories और organizations—मौजूदा तथा नए दोनों—के लिए «Default» value Lite के बजाय Balanced होगी। Inheritance mechanism में बदलाव नहीं होगा: organization default उन repositories पर लागू होगा जिन्होंने अपना स्तर स्वयं नहीं चुना है, repository default स्वतः माँगे गए reviews पर लागू होगा, और manually triggered review में «Reviewers» bar से स्तर चुना जा सकेगा। जो teams Lite बनाए रखना चाहती हैं, उन्हें तिथि से पहले इसे स्पष्ट रूप से चुनना होगा: GitHub ने कहा है कि वह इस चयन का सम्मान करेगा।

🔗 GitHub Changelog

Copilot: तीन models general availability में और बड़े diffs तक विस्तारित code review

28 अगस्त — X पर प्रकाशित एक recap thread में GitHub ने Copilot में तीन models की general availability की पुष्टि की: Google का Gemini 3.7 Flash, Microsoft का MAI-Code-1.1-Flash और Kimi K3। ये GitHub Copilot app, Copilot CLI और Visual Studio Code से उपलब्ध हैं। Kimi K3 का मामला विशेष रूप से उल्लेखनीय है: GitHub इसे स्पष्ट रूप से open-weight model बताता है, जिसे Fireworks AI host करता है। यह दो दिन पहले general availability में आई global model policy से जुड़ता है, जिसके changelog entry में कहा गया है कि open-weight models को organization policy चाहे जो हो, default activation से बाहर रखा गया है। दूसरे शब्दों में, किसी model की general availability और Business या Enterprise ग्राहक के लिए उसका वास्तविक activation दो अलग बातें हैं: open-weight model के लिए administrator को स्पष्ट रूप से चुनाव करना होगा।

एक दिन पहले GitHub ने Copilot code review का दायरा दो दिशाओं में बढ़ाया था। Bots द्वारा लिखी गई pull requests, जिनमें Copilot cloud agent भी शामिल है, अब review की जा सकती हैं: जब review स्वतः माँगा जाता है, तो उसे assign करने के लिए कोई licensed account मौजूद नहीं होता, और «Allow members without a Copilot license to use Copilot code review in GitHub.com» policy usage का billing सीधे organization से करने देती है। Cloud agent की pull requests, जिन्हें अब तक सीमित experience मिलता था, अब पूर्ण agentic review प्राप्त करती हैं। दूसरा बदलाव: 300 files या 20 000 lines की सीमा हटा दी गई है, जिससे automatic review उन बड़े migrations और refactorings तक भी पहुँच सकेगा जो अब तक tool से बाहर रह जाते थे।

क्षमता	पहले	बाद में
Pull request का अधिकतम आकार	300 files या 20 000 lines	कोई सीमा नहीं
Bots द्वारा लिखी pull requests	स्वतः review नहीं होती थीं	Review, organization को billing
Copilot cloud agent की pull requests	सीमित experience	पूर्ण agentic review
Comment का resolution	Simple resolution	Addressed, Won’t fix या Incorrect

इसके साथ «Resolve conversation» button के बगल में एक dropdown menu भी जोड़ा गया है, जिससे review comment के resolution का प्रकार निर्धारित किया जा सकता है। GitHub के अनुसार यह signal product team तक पहुँचता है: यह feedback loop पहली बार किसी लागू किए गए प्रासंगिक comment और खारिज किए गए false positive के बीच अंतर करता है—दोनों actions अब तक एक ही resolution event उत्पन्न करते थे।

🔗 @github की घोषणा · Code review Changelog

Claude for Teachers स्कूलों और जिलों के लिए निःशुल्क Enterprise ऑफ़र बन गया

28 अगस्त — जुलाई में अमेरिकी K-12 शिक्षकों के लिए शुरू किया गया Claude for Teachers, जिनका एक-एक करके सत्यापन किया जाता था, अब एक निःशुल्क Enterprise ऑफ़र बन गया है जिसे स्कूल और जिले एक साथ लागू कर सकते हैं। 30 जून 2027 से पहले पंजीकरण करने वाले योग्य संगठनों को पूरे एक वर्ष की निःशुल्क पहुँच मिलती है।

कार्यात्मक सामग्री में कोई बदलाव नहीं हुआ है। बदलाव प्रशासन में है: स्कूल या जिले का कोई प्रशासक अपना सत्यापन कराता है, K-12 की शर्तों और विद्यार्थियों के डेटा की गोपनीयता संबंधी समझौते को स्वीकार करता है, फिर अपना ई-मेल डोमेन और SSO जोड़ता है। इसके बाद शिक्षक और कर्मचारी व्यक्तिगत खातों जैसी ही उपयोग-सीमाओं के साथ बिना किसी लागत के पहुँच प्राप्त करते हैं; अतिरिक्त उपयोग की बिलिंग डिफ़ॉल्ट रूप से बंद रहती है। ऑफ़र में एकल प्रमाणीकरण, भूमिकाओं पर आधारित पहुँच नियंत्रण और डोमेन का दावा (domain claiming) शामिल हैं — इसके माध्यम से संस्थान के डोमेन पर पहले से सत्यापित शिक्षक केंद्रीय रूप से प्रबंधित खाते में चले जाते हैं।

दो बिंदु उत्पाद के बजाय अनुपालन से जुड़े हैं, और संभवतः यही तैनाती को संभव बनाएँगे: अब स्कूल या जिला शर्तों और गोपनीयता समझौते की ज़िम्मेदारी संभालता है। Anthropic संस्थान-स्तर की K-12 शर्तें और डेटा-प्रसंस्करण समझौता उपलब्ध कराता है, ताकि FERPA के अनुरूप प्रतिबद्धताओं का एक ही सेट पूरे संगठन पर लागू हो सके; और Claude for Teachers के डेटा का उपयोग मॉडल के प्रशिक्षण के लिए नहीं किया जाता। Anthropic ने इस घोषणा के साथ Learning Commons के सहयोग से विकसित दो teaching skills — Lesson preparation और Check for understanding — विद्यार्थियों के लिए बनाए गए संसाधनों में पहुँच-सुलभता सुधार और Claude for K-12 Academy का अपडेट भी जारी किया है। teaching skills को GitHub पर सार्वजनिक संसाधनों के रूप में प्रकाशित किया गया है।

🔗 Claude for Teachers की पोस्ट

Gemini: Notebook में बदलती उपयोग-सीमाएँ और Waymo में वाहन-सहायक

28 अगस्त — Google Gemini Notebook द्वारा उपयोगकर्ताओं की खपत गिनने के तरीके की समीक्षा कर रहा है। दैनिक कोटा के बजाय, उत्पाद अब वास्तव में उपयोग किए गए compute पर आधारित लचीली सीमाओं पर चलेगा, जिसकी घोषणा Gemini Notebook की Product Manager Yesul Shin ने की। सबसे ठोस बदलाव पुनर्भरण की गति में है: सीमाएँ अब दिन में केवल एक बार के बजाय हर पाँच घंटे में फिर से भरेंगी। इसलिए दोपहर की शुरुआत में सीमा पूरी हो जाने वाला notebook उसी शाम फिर उपयोग करने योग्य हो जाएगा। गणना अब बहु-कारकीय भी होगी — prompt की जटिलता, बातचीत की लंबाई, लोड किए गए स्रोतों की संख्या और उपयोग की गई सुविधाएँ — तथा notebook खपत की निगरानी दिखाएगा और जब माँगा गया प्रारूप उपलब्ध बजट से अधिक हो, तब वैकल्पिक आउटपुट सुझाएगा। सबसे अधिक लागत वाली पीढ़ियाँ, Video Overviews और Slide Decks, कतार में लगाई जा सकती हैं और सूचना के साथ बाद में अपने-आप शुरू हो जाएँगी। यह तैनाती 2 सितंबर से उपभोक्ता खातों, web और mobile पर शुरू होगी।

उसी दिन Gemini खाते ने इस महीने के Gemini Drops प्रकाशित किए। आठ बिंदुओं में मुख्यतः पहले से की गई घोषणाएँ दोहराई गई हैं, जिनमें जुलाई के अंत में घोषित Waymo में वाहन-सहायक के रूप में Gemini का आगमन भी शामिल है। हालाँकि, सारांश इसके काम करने के तरीके का विवरण देता है। यात्री स्क्रीन पर दिखाई देने वाले Gemini आइकन को दबाता है और फिर आवाज़ के माध्यम से बातचीत करता है, ताकि वाहन के अंदर के वातावरण को नियंत्रित कर सके या आसपास के परिवेश के बारे में सहायक से पूछ सके। Google ज़िम्मेदारियों को अलग रखने पर विशेष ध्यान देता है, और तकनीकी दृष्टि से यही सबसे दिलचस्प बिंदु है: Gemini Waymo Driver, यानी स्वायत्त ड्राइविंग प्रणाली, से पूरी तरह स्वतंत्र रूप से काम करता है और यात्री द्वारा अनुरोध किए जाने तक पूरी तरह निष्क्रिय रहता है। शेष सारांश Gemini को अधिक अनुप्रयोगों और तृतीय-पक्ष सेवाओं तक पहुँच प्रदान करता है और 31 दिसंबर 2026 तक मान्य एक-वर्षीय छात्र ऑफ़र की याद दिलाता है।

🔗 Gemini Notebook की उपयोग-सीमाएँ · अगस्त के Gemini Drops

NVIDIA TensorRT Model Connect: Hugging Face checkpoint से दो commands में C++ inference तक

28 अगस्त — NVIDIA ने TensorRT Model Connect प्रकाशित किया है, जो reference implementations का एक खुला संग्रह है। इसका उद्देश्य खुले model checkpoint और native C++ application के बीच होने वाले integration कार्य को समाप्त करना है। प्रारंभिक समस्या सरल है: प्रत्येक model family के लिए अपना conversion, अपना preprocessing, अपना post-processing और अपना execution code आवश्यक होता है।

तैनाती दो चरणों में विभाजित है, जिनके बीच एक ही artifact होता है। पहला चरण Python में Hugging Face identifier या स्थानीय checkpoint — trtmc build Qwen/Qwen3-0.6B -o qwen3-0.6B.bundle — से bundle बनाता है। इस bundle में TensorRT engines और model-विशिष्ट assets शामिल होते हैं। दूसरा चरण पूरी तरह C++ में होता है: application trtmc::load(...) के साथ bundle लोड करती है और सीधे उच्च-स्तरीय inputs और outputs के साथ काम करती है। Python का उपयोग model तैयार करने के लिए होता है; production runtime में वह, PyTorch की तरह, गायब हो जाता है। एक ही implementations पर API के दो स्तर साथ मौजूद हैं: एक semantic स्तर, जो prompts, images और audio के साथ काम करता है; दूसरा modules स्तर, जो named tensors और व्यक्तिगत TensorRT components तक जाता है। आगे बढ़ने के लिए TVM FFI model के किसी लक्षित हिस्से को अपने बनाए हुए GPU kernel से बदलने की सुविधा देता है, जबकि TensorRT pipeline के बाकी हिस्से को चलाता रहता है।

घोषणा का सबसे असामान्य पहलू इसका development mode है। NVIDIA स्पष्ट रूप से Model Connect को एक « AI-native » software project के रूप में वर्णित करता है: code agents implementation code, tests, integrations और documentation तैयार करते हैं, जबकि दिशा-निर्देशन और समीक्षा मनुष्यों के हाथ में रहती है। परियोजना nightly releases प्रकाशित करती है और automated validation प्रत्येक publication के प्रवेश-द्वार का काम करती है। प्रदर्शन के मामले में NVIDIA समर्थित और validated workloads पर torch.compile से तेज़ inference का दावा करता है।

🔗 NVIDIA की तकनीकी पोस्ट · TensorRT-Model-Connect repository

FastH3 v1: 13 सेकंड में 768p वीडियो के 15 सेकंड, Blackwell पर 14 गुना तक तेज़

28 अगस्त — Hao AI Lab ने FastH3 v1 प्रस्तुत किया है, जो खुले weights वाला MiniMax H3 video model का post-training है और Nuva Lab तथा NVIDIA की FastGen टीम के साथ किया गया है। प्रमुख आँकड़ा: 768p में 15 सेकंड का वीडियो 13 सेकंड में generate किया गया, यानी NVIDIA Blackwell GPU पर 14 गुना तक acceleration।

मेट्रिक	मान
generated अवधि	15 सेकंड
रिज़ॉल्यूशन	768p
generation समय	13 सेकंड
acceleration	Blackwell GPU पर 14 गुना तक
आधार model	MiniMax H3, खुले weights वाला
साझेदार	Nuva Lab, NVIDIA की FastGen टीम

घोषणा की विशेषता इसका खुलापन है। Hao AI Lab केवल weights प्रकाशित नहीं कर रहा, बल्कि acceleration recipe भी जारी कर रहा है, ताकि समुदाय इसे चला, दोहरा और बेहतर कर सके — यह laboratory पहले से FastVideo के लिए जानी जाती है, जो video generation acceleration की शुरुआती खुली libraries में से एक है। MiniMax ने उसी दिन आधिकारिक पुष्टि की और रेखांकित किया कि H3 इस काम की नींव है। यह दो दिनों में H3 का दूसरा उल्लेखनीय post-training है, 27 अगस्त को घोषित fal के H3 Max के बाद: अड़तालीस घंटों में दो अलग-अलग टीमें एक ही आधार model पर काम कर रही हैं, जो Hao AI Lab के मूल तर्क को सही ठहराता है — खुले weights वाले video models का युग अभी शुरू ही हुआ है और post-training की विशेष आवश्यकता है।

🔗 @haoailab की घोषणा · @MiniMax_AI की पुष्टि

Midjourney अपने पहले V8.2 editing model का परीक्षण शुरू करता है

28 अगस्त — Midjourney ने V8.2 पर आधारित अपने पहले editing model का परीक्षण शुरू किया है। V8.2 जुलाई के अंत से service का default model है। अब तक V8.2 generation में images बनाना शामिल था; editing एक अलग component के रूप में आ रही है, जिसका अभी users के बीच परीक्षण चल रहा है।

घोषित दायरे में चार modes शामिल हैं। निर्देश-आधारित editing में वांछित बदलाव को natural language में बताया जा सकता है। अन्य images से image generation में एक साथ अधिकतम चार references स्वीकार किए जाते हैं। स्थानीय brush retouching (inpainting) किसी विशिष्ट क्षेत्र को लक्षित करती है। frame विस्तार (outpainting) composition को उसके मूल किनारों से आगे बढ़ाता है। पहले से स्थापित users के लिए महत्वपूर्ण बात यह है कि editing model मौजूदा stylistic control mechanisms — personalization, moodboards और srefs — के साथ compatible रहता है। इसलिए इन tools पर बनाई गई visual identity केवल शून्य से generate की गई images पर ही नहीं, बल्कि edited images पर भी लागू होती रहेगी। घोषणा में general availability की कोई तारीख, pricing या subscription tier के आधार पर access restriction का उल्लेख नहीं है, और competing editing models के साथ कोई तुलना भी नहीं की गई है।

We’re gonna start testing our first V8.2 edit model today. This model supports editing with instructions, generating images with other images (up to 4 references), brush-based inpainting, and outpainting. It also works with personalization, moodboards, and srefs. Have fun!

🇮🇳 हम आज अपने पहले V8.2 editing model का परीक्षण शुरू कर रहे हैं। यह model निर्देश-आधारित editing, अन्य images से image generation (अधिकतम 4 references तक), स्थानीय brush retouching और frame विस्तार का समर्थन करता है। यह personalization, moodboards और srefs के साथ भी काम करता है। आनंद लें! — @midjourney on X

🔗 @midjourney की घोषणा

Wan 3.0 ने Video Edit Arena में पहला स्थान प्राप्त किया

28 अगस्त — लॉन्च के चार दिन बाद Wan 3.0, Arena.ai के Video Edit Arena में शीर्ष पर पहुँच गया है। यह video editing के लिए समर्पित community ranking है। Alibaba के model ने 1414 points प्राप्त किए हैं, जो dreamina-seedance-2.5 से 4 points और MiniMax-H3 से 22 points आगे है।

मूल्यांकित model	स्थान	Arena.ai द्वारा घोषित score या अंतर
Wan 3.0	पहला	1414 points
dreamina-seedance-2.5	दूसरा	Wan 3.0 से 4 points पीछे
MiniMax-H3	तीसरा	Wan 3.0 से 22 points पीछे

दूसरे स्थान वाले model से अंतर कम है, इसलिए ranking की स्थिरता को लेकर सावधानी आवश्यक है — और Arena.ai केवल Wan 3.0 का absolute score प्रकाशित करता है; अन्य दो पंक्तियों में घोषित अंतर ही दोहराए गए हैं। फिर भी परिणाम दो कारणों से उल्लेखनीय है: यह इस arena में Wan की पहली उपस्थिति है, जो अन्य arenas की तुलना में नया है और जिसमें केवल 10 models हैं; तथा ranking विशेष रूप से video editing पर केंद्रित है, जिसकी क्षमता Wan 3.0 ने 24 अगस्त के launch के बाद से « Precision Video Editing » नाम से प्रमुखता से प्रस्तुत की है। वितरण भी परिणामों की तरह तेज़ है: उसी दिन पाँच अतिरिक्त platforms ने model तक पहुँच खोल दी, जिससे एक सप्ताह से कम समय में तृतीय-पक्ष distributors की संख्या लगभग एक दर्जन हो गई।

🔗 @Alibaba_Wan की घोषणा

Gemini Omni 1.1 Flash Runway पर पहुँचा

28 अगस्त — Runway ने hosted models के अपने catalogue में Gemini Omni 1.1 Flash जोड़ा है, यानी Pika के Club API में इसी model की पहुँच खुलने के एक दिन बाद। Studio इसे « Google Omni 1.1 Flash » नाम से प्रस्तुत करता है, जबकि Google अपने announcement page पर इसे Gemini Omni 1.1 Flash कहता है — model एक ही है, labels दो हैं।

Runway का integration pace लगातार तेज़ हो रहा है: platform अब अपने Gen-4.5 के अलावा Seedance 2.5, MiniMax H3, 24 अगस्त को जोड़ा गया Wan 3.0 और 26 अगस्त को जोड़ा गया Meta का Muse Image भी host करता है। यह multi-model strategy Ruby के साथ जुड़ी है, जो 24 अगस्त को platform पर hosted सभी models के लिए SDR से HDR conversion तक विस्तारित किया गया था। घोषणा में pricing, subscription tier के आधार पर restriction या Runway पर model की कोई विशेष क्षमता स्पष्ट नहीं की गई है।

🔗 @runwayml की घोषणा

Warp ने Skill Doctor v1 लॉन्च किया, जो agents की skills को अंक देकर सुधारता है

28 अगस्त — एक दिन पहले Warp ने अपनी factories के self-improvement loops प्रस्तुत किए थे: scorers जो agents के traces को अंक देते हैं और agents जो factory की definition में diffs प्रस्तावित करते हैं। आज इस व्यवस्था का केंद्रीय component factories की सीमा से बाहर निकलकर एक autonomous skill बन गया है, जिसका उपयोग किसी सामान्य developer workstation पर किया जा सकता है।

/skill-doctor v1 agents के साथ काम करने की एक अनदेखी समस्या पर केंद्रित है: skills files एक बार लिखी जाती हैं और फिर शायद ही दोबारा पढ़ी जाती हैं, जबकि वे जिन conversations को नियंत्रित करती हैं, वे लगातार इस बात का प्रमाण तैयार करती रहती हैं कि क्या काम करता है और क्या नहीं। यह skill पिछली sessions के transcripts एकत्र करती है, tested rubrics — effectiveness, code quality और skills coverage — पर आधारित sub-agents को उनकी rating सौंपती है, फिर agent से इन scores की दोबारा समीक्षा कराकर merge के लिए तैयार skill modifications प्रस्तावित करवाती है। उल्लेखनीय बात इसका दायरा है: skill Claude Code, Codex और Warp के histories स्वीकार करती है। इस प्रकार publisher ऐसा tool दे रहा है जो प्रतिस्पर्धी agents के configuration में भी सुधार करता है, केवल अपने agent में नहीं। repository public है।

उदाहरण report की श्रेणी	100 में score
कुल score	82
effectiveness	75
code quality	93
skills coverage	74

ये आँकड़े product page पर दिखाए गए demonstration report से लिए गए हैं, जो « CLIENT-APP » नामक काल्पनिक repository पर आधारित है: यह output format दिखाने वाला sample है, किसी वास्तविक repository पर मापा गया परिणाम नहीं।

🔗 @BHolmesDev की घोषणा · Skill Doctor product page

Amp iOS और macOS पर पहुँचा

28 अगस्त — Amp ने दो native clients के साथ अपने application surface को विस्तारित किया है: TestFlight पर वितरित iOS application और direct download के रूप में उपलब्ध macOS application, दोनों ampcode.com/app से प्राप्त किए जा सकते हैं।

घोषित दायरे में product के तीन पहले से केंद्रीय objects शामिल हैं: threads, orbs — वे अस्थायी remote machines जिन पर Amp agents चलते हैं — और Puck, assistance meta-agent। दूसरे शब्दों में, mobile application code लिखने के लिए नहीं, बल्कि कहीं और काम कर रहे agents की निगरानी और उन्हें फिर से शुरू करने के लिए है; घोषणा की शुरुआत में यही वादा किया गया है: अपने orbs को कहीं से भी नियंत्रित करें। इसका सीधा संदर्भ एक दिन पहले घोषित TUI sidebar को हटाने से है, जहाँ Amp ने बताया था कि threads की निगरानी अब उसके web और native applications में की जाएगी। दोनों घोषणाएँ एक-दूसरे से जुड़ी हैं: terminal एक session पर केंद्रित हो जाता है, जबकि multi-environment monitoring dedicated clients में चली जाती है। उसी दिन publisher ने orbs में बनाए गए commits पर हस्ताक्षर करने के लिए प्रयुक्त Git identity को Amp account के पते से भी अलग कर दिया।

🔗 iOS और macOS पर Amp

v0 ने GPT-5.6 Sol, प्रीव्यू से कनेक्शन और बिना कॉन्फ़िगरेशन वाला AI गेटवे जोड़ा

28 अगस्त — v0 ने एक विस्तृत चेंजलॉग जारी किया, जिसका मुख्य उद्देश्य एक ही विचार पर केंद्रित है: किसी डेवलपर को अपना एप्लिकेशन चलाने से पहले दर्ज की जाने वाली कुंजियों और कॉन्फ़िगरेशन की संख्या कम करना।

पहला हिस्सा मॉडलों से संबंधित है। GPT-5.6 Sol अब चयनकर्ता में उपलब्ध है, साथ में तेज़ Sol Fast स्तर भी है, जिसे Vercel AI Gateway पर OpenAI के माध्यम से रूट किया जाता है और 18 सितंबर तक 50% की छूट दी जा रही है। दूसरा हिस्सा अधिक संरचनात्मक है: v0 द्वारा बनाए गए एप्लिकेशन अब बिना किसी कॉन्फ़िगरेशन वाली प्रमाणीकरण व्यवस्था के साथ Vercel AI Gateway के माध्यम से AI सुविधाओं से जुड़ते हैं। इसका दायरा व्यापक है — टेक्स्ट, संरचित आउटपुट, embeddings, reranking, इमेज, वीडियो, वाणी और ट्रांसक्रिप्शन। इसलिए, जब जनरेट किया गया एप्लिकेशन किसी मॉडल को कॉल करना चाहता है, तब v0 अब प्रदाता या गेटवे की कुंजी नहीं मांगता।

तत्व	पहले	बाद में
प्रति दायरा MCP सर्वर	10	100
CPU या मेमोरी समाप्त होने वाला भुगतान वाला सैंडबॉक्स	समाप्ति	अगले VM स्तर पर स्थानांतरण
GPT-5.6 Sol पर छूट	—	18 सितंबर तक 50%

तीसरा हिस्सा प्रीव्यू वातावरण से संबंधित है। अब VM प्रीव्यू के भीतर से Vercel में लॉग इन करना संभव है। प्रीव्यू और एप्लिकेशन एक ही origin साझा करते हैं, जिससे session बना रहता है। जब डेवलपमेंट सर्वर शुरू होने या इंस्टॉल होने में विफल रहता है, तो प्रीव्यू के नीचे एक संक्षिप्त त्रुटि पट्टी दिखाई देती है और कंसोल लॉग सीधे त्रुटि पर खुलता है। बाकी बदलावों में « Team or password » दृश्यता विकल्प, कस्टम skills के लिए paths, लेखकों, timestamps और diffs वाला revision history, तथा VM पैनल के web code editor को सभी के लिए उपलब्ध करना शामिल है।

🔗 v0 चेंजलॉग

Replit ने सात साझेदारों के साथ Growth Kit मार्केटिंग skills खोला

28 अगस्त — Replit अपने ऑफ़र को product cycle में एक कदम आगे ले जा रहा है। एप्लिकेशन बनाने पर काम करने के बाद, संपादक अब लॉन्च के बाद की चुनौती पर ध्यान दे रहा है: उपयोगकर्ता ढूंढना। यही Growth Skills का उद्देश्य है, जिन्हें Replit Growth Kit नामक पृष्ठ पर एकत्र किया गया है।

अपनाया गया प्रारूप जानबूझकर सरल है। कोई skill एक markdown फ़ाइल होती है, जिसे Replit Agent मौजूदा एप्लिकेशन पर चलाता है; यह सीखने के लिए कोई नया interface नहीं है। प्रक्रिया तीन चरणों की है: skill डाउनलोड करें, उसे प्रोजेक्ट में attachment के रूप में जोड़ें, और Agent को पूरी प्रक्रिया चलाने दें — audits, assets तैयार करना और साझेदार के साथ कॉन्फ़िगरेशन, जब वह जुड़ा हुआ हो। कैटलॉग में पाँच motions में विभाजित 15 skills हैं, जिन्हें लॉन्च के सात साझेदारों का समर्थन प्राप्त है।

Motion	संबंधित साझेदार	Skills के उदाहरण
Outbound	Apollo, ZoomInfo, Clay	Cold Email Launch, ICP & Market Sizing, Lead Enrichment
Conversion	ZoomInfo, PostHog, Clay	Signup Firmographics, Onboarding Experiment, Signup Scoring
Growth	SideShift	Consumer & Viral Potential Assessment, UGC Launch Kit
Monetization	Stripe, RevenueCat	Pricing Skill, Subscription & Trial Setup
Analytics	Apollo, PostHog	Pixel & Web Intent, Funnel & Analytics Setup

मुफ़्त उपलब्धता एकसमान नहीं है: FAQ के अनुसार यह उपयोग किए गए साझेदार उत्पाद पर निर्भर करती है; कुछ उत्पादों का पूरी तरह उपयोग करने के लिए subscription आवश्यक है।

🔗 @Replit की घोषणा

Actions retention अब checks, workflow runs और statuses तक विस्तारित होगी

27 अगस्त — GitHub ने घोषणा की है कि 1 अक्टूबर 2026 से तीन नए प्रकार के डेटा GitHub Actions की retention setting में शामिल होंगे: checks, workflow runs और statuses। अब तक ये objects किसी भी configuration से स्वतंत्र रूप से 400 दिनों से अधिक समय तक सुरक्षित रहते थे, जबकि artifacts और logs पहले से ही इस setting का पालन करते थे और उनका default 90 दिन था। बदलाव के बाद पाँचों categories को एक ही नियम के अनुसार साफ़ किया जाएगा और setting का label « Check, workflow run, status, artifact and log retention » हो जाएगा।

तत्व	पहले	1 अक्टूबर 2026 से
Checks, workflow runs, statuses	400 दिनों से अधिक, समायोज्य नहीं	Actions retention setting, default 90 दिन
सार्वजनिक repositories की सीमा	artifacts और logs के लिए 90 दिन	पाँचों categories के लिए 90 दिन
Storage billing	artifacts और logs पर शुल्क	अपरिवर्तित, metadata पर शुल्क नहीं

मौजूदा सुरक्षा-नियम लागू रहेंगे: कोई repository अपनी अवधि केवल organization और enterprise स्तरों पर निर्धारित सीमा तक ही बढ़ा सकता है। यह बदलाव पूर्वव्यापी नहीं है — setting बदलने से पहले ही हटाया गया डेटा वापस नहीं आएगा। Billing के दृष्टिकोण से प्रभाव सकारात्मक हो सकता है: क्योंकि सफ़ाई configured अवधि से अधिक पुराने डेटा पर लागू होगी, ऐसे repositories जिनमें artifacts और logs अपनी setting से अधिक समय तक सुरक्षित थे, उनके billable storage उपयोग में कमी आ सकती है। GitHub 1 अक्टूबर से पहले तीन जाँचों की सलाह देता है: तीनों स्तरों पर setting की समीक्षा करें, लंबी अवधि आवश्यक होने पर उसे बढ़ाएँ, और configured retention से अधिक समय तक सुरक्षित रखे जाने वाले डेटा को export करें।

🔗 GitHub चेंजलॉग

OpenAI और थाई मंत्रालय MHESI ने आठ सप्ताह का accelerator शुरू किया

28 अगस्त — Bangkok में OpenAI और थाईलैंड के Higher Education, Science, Research and Innovation मंत्रालय ने एक accelerator की घोषणा की है, जिसका उद्देश्य थाई startups को आशाजनक prototype से deploy किए जा सकने वाले product तक पहुंचाना है। यह स्थानीय startups के समर्थन के लिए थाई सरकार के साथ OpenAI की पहली public-private partnership है, जिसे National Innovation Agency, Mahidol University और Techsauce के साथ लागू किया जा रहा है।

OpenAI द्वारा दिए गए usage आँकड़े देश के चयन को स्पष्ट करते हैं: उसके आंतरिक डेटा के अनुसार, ChatGPT के weekly active users के मामले में थाईलैंड दुनिया के शीर्ष 20 देशों में है। 2026 की शुरुआत से वहां Codex का weekly active usage 350 गुना से अधिक बढ़ा है, जिससे यह देश इस tool के लिए भी वैश्विक top 20 में शामिल है। पहली cohort में दस कंपनियां हैं — medical and wellness AI में पाँच और education में पाँच: CARIVA, Wello Food, Dietz, Precisionize, FitSloth, Curico, insKru, Floaino, EasyKids Robotics और Globish। प्रत्येक team को 2,000 डॉलर के API credits, व्यक्तिगत technical support, नवीनतम frontier models तक पहुंच और एक dedicated mentor मिलेगा। साप्ताहिक sessions में product design, engineering, evaluation, responsible AI, cost management और fundraising शामिल होंगे। कार्यक्रम का समापन नवंबर में Bangkok में Demo Day के साथ होगा।

🔗 OpenAI की पोस्ट

संक्षिप्त समाचार

Together AI ने अपने serverless API पर तैयारी में GLM-5.3 का पृष्ठ खोला — मॉडल पृष्ठ « coming soon » स्थिति में है और notification बटन के साथ उपलब्ध है: यह frontier open code model है, जिसमें एक मिलियन tokens का context और effort के तीन स्तर हैं। अभी कोई pricing प्रकाशित नहीं की गई है, जबकि आसपास के models की कीमतें पहले से दिखाई जा रही हैं। 🔗 @togethercompute का संदेश
Qwen3.8-Flash, OpenCode Go योजना में शामिल हुआ — अपने weights जारी होने के दो दिन बाद, 125 अरब parameters वाला mixture of experts model, जिसमें 6 अरब सक्रिय parameters, एक मिलियन tokens का context और multimodal inputs हैं, अब open source code agent से routable है। Grok 4.6 भी 25 अगस्त को इसी योजना में शामिल हुआ था। 🔗 @Alibaba_Qwen का संदेश
Wan 3.0 पाँच और platforms पर आया — DeepInfra omni-modal reference और character consistency के साथ 1080p में 30 सेकंड के clips उपलब्ध कराता है। CyberLink का PowerDirector, PixelDojo और a2e ने access खोला है, जबकि Picsart ने अपने integration के साथ उसके video product lead द्वारा लिखा prompting guide भी जारी किया है। 🔗 @Alibaba_Wan का संदेश
Amp ने Git identity को user account के commits से अलग किया — orbs में बनाए गए commits के लिए नाम और verified address अलग-अलग घोषित किए जा सकते हैं। Verification प्राकृतिक भाषा में Puck के माध्यम से होती है; workspace administrators के लिए तीन नियमों में से चयन किया जा सकता है। orb शुरू करते समय GIT_AUTHOR_* और GIT_COMMITTER_* स्वतः भरे जाते हैं। अब .mailmap फ़ाइल बनाए रखने की आवश्यकता नहीं है। 🔗 Amp की पोस्ट
Warp ने self-improvement loops पर workshop तय की — Ben Holmes गुरुवार, 3 सितंबर को ऐसे agents बनाने पर session चलाएंगे, जो पिछली conversations को दोबारा पढ़ें, उनकी quality को score करें और skills में सुधार सुझाएं, ताकि inefficiencies दूर की जा सकें। 🔗 @warpdotdev का संदेश
Delta, ! prefix के माध्यम से terminal commands चलाता है — अपने multiplayer coding environment में वास्तविक terminal की मांग करने वाले एक user के जवाब में Zed ने कहा कि यह capability पहले से मौजूद है: exclamation mark से शुरू होने वाला message shell command के रूप में execute होता है। 🔗 @zeddotdev का संदेश
GitHub ने suggested labels और archiving को सामान्य किया तथा Classroom को deprecated किया — labels selector अब repository के हालिया उपयोग और व्यक्तिगत सूची के आधार पर suggestions देता है। अनुपयोगी label को उसका history खोए बिना archive किया जा सकता है और Labels page से वापस लाया जा सकता है। उसी दिन GitHub Classroom की website, APIs और services को partner solutions के पक्ष में decommission किया गया: accounts, repositories और organizations सुरक्षित रहेंगे, लेकिन Classroom से संबंधित data हटा दिया जाएगा। 🔗 Labels archiving · Classroom deprecation
NVIDIA Warp ने 10 मिलियन downloads पार किए — Python में physics और simulation के लिए GPU performance देने वाली library ने यह उपलब्धि हासिल की है। इसका उपयोग computational engineering, geometry processing और robotics में होता है; अगले सप्ताह के लिए एक livestream की घोषणा की गई है। इसे इसी नाम के agentic terminal से भ्रमित न करें। 🔗 @NVIDIAAI का संदेश
Replit ने London में अपना पहला अंतरराष्ट्रीय कार्यालय खोला — संपादक ने अमेरिका के बाहर अपना पहला कार्यालय खोलने का जश्न OpenAI के साथ Sea Containers के Sunset Bar में आयोजित शाम के कार्यक्रम से मनाया। इसमें CEO और co-founder Amjad Masad ने अनौपचारिक बातचीत का संचालन किया। पंजीकरण 5 सितंबर तक खुले हैं। 🔗 @Replit का संदेश
Amp ने intelligence की लागत घटने पर podcast episode समर्पित किया — Quinn Slack और Thorsten Ball ने 48 मिनट के « When Tokens Flow Like Electricity » episode में सस्ती हो चुकी intelligence के परिणामों पर चर्चा की, जिसकी शुरुआत build और buy के बीच के संतुलन में बदलाव से होती है। 🔗 @AmpCode का संदेश
Cognition ने Devin के साथ बनाए गए अपने San Francisco मुख्यालय का दौरा प्रकाशित किया — यह दो मिनट तीस सेकंड का recruitment video है, जिसमें team का दावा है कि वह सुबह की coffee मंगाने तक हर काम Devin के साथ करती है। Video के साथ कोई product announcement या आँकड़ा नहीं है। 🔗 @cognition का संदेश
Together AI, Yutori के Navigator suite को संचालित करता है — hosting provider ने Navigator suite, जिसमें 27 अरब parameters वाला interface control model Navigator n2 भी शामिल है, चलाने के लिए partnership जारी रखने की पुष्टि की। Model Yutori का है और inference infrastructure Together AI का। 🔗 @togethercompute का संदेश
Ai2 ने Dolma को थाई भाषा के लिए अनुकूलित करने का दस्तावेज़ प्रकाशित किया — एक थाई team ने Ai2 के खुले data curation toolkit का उपयोग Mangosteen बनाने के लिए किया। यह 47 अरब tokens वाला pre-training corpus है, जो मौजूदा web datasets की तुलना में कम data के साथ थाई models के प्रदर्शन में सुधार करता है। इसमें books, research articles, official websites और subtitles जैसी पहले अनुपस्थित सामग्री को filter किया गया है। 🔗 Ai2 की पोस्ट
Sakana AI ने Auth0 द्वारा आयोजित Camp AI में Sakana Marlin प्रस्तुत किया — applied research engineer Haruki Goda ने laboratory के products प्रस्तुत किए, जिनमें ultra-deep research assistant Sakana Marlin भी शामिल है, जिसके development का उन्होंने नेतृत्व किया। यह event communication है, कोई product announcement नहीं। 🔗 @SakanaAILabs का संदेश
Cohere ने generative AI अपनाने की guide प्रकाशित की और Canadian talent की वापसी की अपील साझा की — Enterprise AI section की पोस्ट में छह प्रकार के use cases, तीन प्रकार की बाधाएँ और adoption की तीन-चरणीय method दी गई है। इसमें कोई आँकड़ा या उद्धृत study नहीं है और निष्कर्ष है कि technology स्वयं कम differentiation factor बनेगी। कंपनी के account ने CEO Aidan Gomez का वह संदेश भी साझा किया जिसमें expatriate Canadians से लौटने का आग्रह किया गया है; इसके साथ कोई quantified program या व्यवस्था नहीं है। 🔗 Cohere की पोस्ट · @cohere का संदेश
Luma ने अपना upscaling बेहतर किया — resolution बढ़ाने में सुधार की दो वाक्यों वाली घोषणा की गई है, जिसमें कोई technical detail, आँकड़ा, subscription tier या संबंधित product page नहीं है। 🔗 @LumaLabsAI का संदेश
Runway ने एक मिलियन credits वाले HORSE प्रतियोगिता की शुरुआत की — यह basketball game पर आधारित 24 घंटे का community operation है: studio पहला shot प्रकाशित करता है, participants message का उल्लेख करते हुए अपना shot देते हैं और विजेता को 1,000,000 credits मिलते हैं। Prompts और characters thread में उपलब्ध कराए गए हैं। 🔗 @runwayml का संदेश

इसका क्या अर्थ है

ओपन वेट्स साइबरडिफेंस के क्षेत्र में उतर रहे हैं, और प्लेटफ़ॉर्मों को निर्णय लेना होगा। GLM-5.3 केवल एक और ओपन मॉडल नहीं है: यह ऐसा मॉडल है जिसके बारे में Z.ai ने स्वयं दस्तावेज़ित किया है कि उसने 269 परियोजनाओं में 2 436 वास्तविक कमजोरियाँ खोजीं, जिनमें से 2 383 अभी भी एम्बार्गो के अधीन हैं, और जिसने CyberGym पर तालिका का सर्वोच्च स्कोर हासिल किया है। प्रयोगशाला ने इस खुलेपन के साथ किसी अनुमतिपूर्ण लाइसेंस के बजाय अपना स्वयं का लाइसेंस, सार्वजनिक प्रकटीकरण रजिस्टर और सुरक्षा मूल्यांकन जोड़ा है, जिसके कारण प्रकाशन दो सप्ताह टल गया — ये सभी सुरक्षा उपाय बताते हैं कि खुलापन अब कोई तटस्थ कदम नहीं रहा। उसी दिन, GitHub ने Copilot में Kimi K3 को सामान्य उपलब्धता में ला दिया, साथ ही यह याद दिलाया कि संगठन की नीति चाहे जो हो, ओपन-वेट मॉडल डिफ़ॉल्ट सक्रियण से अब भी बाहर हैं। एक ही प्रश्न से निपटने के दो तरीके: उत्पादक लाइसेंस और एम्बार्गो तय करता है, वितरक एक ऐसा स्विच देता है जिसे प्रशासक को मैन्युअली चालू करना पड़ता है।

कोड एजेंट का अटैक-सर्फ़ेस वे रास्ते हैं जिन्हें उसे पढ़ने की अनुमति दी जाती है। Claude Code 2.1.251 के सातों सुधार एक ही कहानी बताते हैं: अनुमति जाँच बहुत जल्दी की गई, फिर एक प्रतीकात्मक लिंक बदल दिया गया, खोज-पथ को मोड़ दिया गया, जाँच से पहले scriptPath पढ़ लिया गया, और marketplace की एक प्रविष्टि plugin निर्देशिका के बाहर जा पहुँची। इनमें से कोई भी मॉडल की खामी नहीं है; सभी जाँच और पहुँच के बीच क्रम-निर्धारण की खामियाँ हैं। --restricted मोड इसका परिणाम यह निकालता है कि क्षमता को नियंत्रित करने के बजाय उसे पूरी तरह हटा दिया जाए, और प्रबंधित सेटिंग्स को अधिक कठोर बनाना स्वीकार करता है कि कॉन्फ़िगरेशन स्वयं भी एक वेक्टर है — ऐसा सेटिंग जो sandbox में TLS समाप्त करता है या क्रेडेंशियल्स डालता है, अब अनुमोदन की माँग करता है। जिस दिन कमजोरियाँ खोजने के लिए प्रशिक्षित कोई ओपन मॉडल डाउनलोड के लिए उपलब्ध हो जाए, उसी दिन इस पूरे समूह का जारी होना कोई योजनाबद्ध संयोग नहीं है, लेकिन दोनों का एक साथ होना बहुत कुछ कहता है।

एजेंट आर्टिफैक्ट्स के उत्पादन-चक्र में प्रवेश कर रहे हैं, जबकि मानवीय समीक्षा अब भी द्वार बनी हुई है। Anthropic ने Claude को एक GPU के साथ 48 घंटे तक मॉडल संरेखित करने दिया, उत्पादन प्रक्रिया की तुलना में 15 000 गुना अधिक किफ़ायती समाधान प्राप्त किया, और उसी दस्तावेज़ में प्रकाशित किया कि 2,4 % ट्रांसक्रिप्शन में किसी अन्य मॉडल द्वारा पहचाने गए धोखाधड़ी के प्रयास शामिल हैं। NVIDIA ने TensorRT Model Connect को एक « AI-native » परियोजना के रूप में प्रस्तुत किया है, जिसका कोड, परीक्षण और दस्तावेज़ीकरण एजेंटों द्वारा तैयार किया जाता है, लेकिन मानवीय निर्देशन और समीक्षा के अधीन, तथा प्रकाशन-द्वार पर स्वचालित सत्यापन के साथ। Warp ऐसी skill उपलब्ध कराता है जो प्रतिस्पर्धी एजेंटों के ट्रांसक्रिप्शन को रेट करती है और skill फ़ाइलों पर diffs सुझाती है। तीन असंबंधित संदर्भ, एक ही संरचना: उत्पादन सौंप दिया गया है, सत्यापन नहीं — और तीनों मामलों में नियंत्रण-व्यवस्था का वर्णन परिणाम जितनी ही सावधानी से किया गया है।

गणना अब compute की ओर स्थानांतरित हो रही है, और डिफ़ॉल्ट मानों का पक्ष बदल रहा है। GitHub Copilot को पहले सीट के भुगतान, अग्रिम बिलिंग, 28 दिनों से बढ़कर खाते के जीवनकाल तक की बातचीत-संग्रहण अवधि और Lite से Balanced तक बढ़ाए गए डिफ़ॉल्ट code review स्तर की ओर ले जा रहा है। Google Gemini Notebook के दैनिक कोटा को compute पर आधारित सीमाओं से बदल रहा है, जिन्हें हर पाँच घंटे में फिर से लोड किया जाता है और prompt की जटिलता, chat की लंबाई तथा स्रोतों की संख्या के आधार पर गणना की जाती है। GitHub Actions checks, executions और statuses को 400 से अधिक दिनों से घटाकर 90 दिनों के डिफ़ॉल्ट पर ला रहा है। इनमें से कोई भी बदलाव प्रदर्शित कीमत में बदलाव नहीं है, और यही बात इन्हें संरचनात्मक बनाती है: डिफ़ॉल्ट मान बदल रहे हैं, और जहाँ आप पहले थे वहीं बने रहने के लिए स्पष्ट रूप से कार्रवाई करनी होगी — 28 सितंबर से पहले Lite चुनना, 1 अक्टूबर से पहले अपनी retention बढ़ाना।