মডেল এবং প্রতিযোগিতা
GPT-5.6 and Work Agent. OpenAI তিনটি যুক্তি স্তরে GPT-5.6 প্রকাশ করেছে এবং ঘন্টাব্যাপী স্বায়ত্তশাসিত কাজের জন্য ChatGPT Work চালু করেছে, কিন্তু ব্যবহারের সীমা এবং একটি বিভ্রান্তিকর ইন্টারফেস অভিযোগ এনেছে, যা সমাধানের প্রতিশ্রুতি দিয়েছে।
- → OpenAI launches its new family of models with GPT-5.6
- → The new GPT-5.6 family: Luna, Terra, Sol
- → OpenAI rolls out GPT-5.6 after government greenlight — and announces ‘ChatGPT Work’
- → OpenAI says GPT 5.6 is the ‘preferred model’ for Microsoft Copilot 365 amid breakup chatter
- → OpenAI wants its new tool to do your work for you and with you
- → The ChatGPT browser is already dead
- → OpenAI is shutting down Atlas, but its AI browser ambitions are still growing
- → How did the government decide OpenAI’s frontier model was safe to release?
- → OpenAI pairs its GPT-5.6 public rollout with ChatGPT Work, a new agent that handles entire workflows
- → OpenAI's GPT-5.6 Sol autonomously post-trained the smaller Luna model with a "fairly underspecified prompt"
- → OpenAI kills its Atlas browser after just eight months and folds everything into ChatGPT
- → GPT-5.6 Sol nearly matches Fable 5 on aggregated benchmarks at one-third the cost
- → OpenAI staffer maps out which of GPT-5.6 Sol's five reasoning levels fits which task complexity
- → OpenAI admits it "didn't get everything quite right" with ChatGPT Work launch and scrambles to fix UX and costs
Claude Fable 5 শীর্ষ বেঞ্চমার্ক. Anthropic-এর Claude Fable 5 Artificial Analysis বেঞ্চমার্কে ছড়িয়ে পড়েছে, কিন্তু এর উচ্চ খরচ কোম্পানিকে এটি একটি পরিকল্পনাকারী হিসাবে ব্যবহার করার পরামর্শ দিয়েছে যা সস্তা মডেলগুলিতে দায়িত্ব অর্পণ করে, খরচ প্রায় 40% কমিয়ে দেয় যখন বেশিরভাগ সক্ষমতা ধরে রাখে।
Meta-র এজেন্টিক ব্লিটজ এবং গোপনীয়তা ফলআউট. Meta Muse Spark 1.1 চালু করেছে, একটি উচ্চ-প্রসঙ্গ কোডিং মডেল যা দামে প্রতিদ্বন্দ্বীদের কমিয়ে দেয়, অন্যদিকে এর Muse Image জেনারেটরটি অননুমোদিত Instagram মুখ ব্যবহার সক্ষম করার পরে প্রত্যাহার করা হয়েছে, যা সম্মতি বিতর্ক পুনরায় জাগিয়েছে।
- → Meta just launched a new AI generator, Muse Image, and users are already pushing back over use of their photos
- → Meta’s new Muse Image model can pull other Instagram users into AI photos
- → Muse Image is technically impressive, but Meta's use of Instagram photos raises questions
- → Meta wants its AI glasses to seem less creepy. Its AI strategy says otherwise.
- → Meta tests always-on AI glasses that capture your entire day
- → Meta enters the crowded AI coding battle with Muse Spark 1.1
- → Meta says its new AI model is ready to compete on coding
- → Meta are apparently working on an open source variant of Muse Spark.
- → Introducing Muse Spark 1.1
- → Meta's Muse Spark 1.1 API pricing squeezes OpenAI and Anthropic as the AI price war heats up
- → GPT-5.6 🚀, Muse Spark 1.1 ✨, ChatGPT Work 💼
- → Meta removes controversial AI feature on Instagram after backlash
- → Meta turns off the Instagram feature that let users make AI deepfakes of public accounts
চীনা ওপেন-সোর্স তরঙ্গ. চীনা মডেলগুলি এখন OpenRouter ট্রাফিকের 30% এর বেশি অংশ; Tencent-এর HY3 এবং GLM‑5.2 নিজস্ব হার্ডওয়্যারে চলে, MiniMax একটি 2.7T-প্যারামিটার ওপেন রিলিজের পরিকল্পনা করছে, এবং DeepSeek-এর চিপ ডিজাইন মার্কিন উদ্বেগের মধ্যে উল্লম্ব একীকরণের ইঙ্গিত দেয়।
- → This is what Hy3 is capable of. Mother of god.
- → llama.cpp: Hy3 PR + GGUFs
- → Chinese AI models regularly pass 30 percent on OpenRouter as cost gap widens
- → Chinese AI models are gaining ground with U.S. companies as OpenAI, Anthropic costs surge
- → Why the rise of open source AI isn’t hurting Anthropic … yet
- → Chinese AI startup MiniMax plans to open-source a 2.7 trillion parameter model later this year
- → 4-bit GLM-5.2 (753B MoE) on 4× DGX Spark: 70.8% on Terminal-Bench 2.1 vs 81.0% for the full model
- → Running GLM 5.2 on 4xGB10 with a 100G Switch, 330k ctx, ~25 t/s tg, ~650 t/s pp
- → I created a 140 GB IQ2_XXS REAP quant of GLM 5.2 for coding. Looking for testers.
- → Hy3 (295B MoE) and NVIDIA Nemotron-Labs-Audex-30B-A3B (audio-capable 30B MoE) GGUF quants
- → Tencent-HY3 is the real deal on 128GB!
- → The U.S. tech industry is increasingly anxious about the rising power and competitive price of open-source AI models from China — and whether the Trump administration will respond with yet another executive order | Politico
- → China's DeepSeek developing its own AI chip, sources say
এজেন্ট ইঞ্জিনিয়ারিং এবং অবকাঠামো
Bun 64 এজেন্ট দ্বারা পুনর্লিখিত. Claude Fable 5 11 দিনের মধ্যে Bun-কে Zig থেকে Rust-এ পুনর্লিখন করতে 64টি সমান্তরাল উদাহরণ সমন্বয় করেছে, এক মিলিয়নেরও বেশি লাইন কোড তৈরি করেছে এবং $165K খরচে 128টি বাগ ফিক্স করেছে।
SWE‑Bench Pro অডিট ব্যর্থ. OpenAI SWE‑Bench Pro-এর প্রায় 30% কাজ ভাঙা খুঁজে পেয়েছে এবং তার সমর্থন প্রত্যাহার করেছে, যা Artificial Analysis-এর পূর্ববর্তী উদ্বেগের প্রতিধ্বনি করে এবং এজেন্টিক কোডিং মূল্যায়নকে দুর্বল করে।
Modal $355M সংগ্রহ করে. Modal AI এজেন্টদের জন্য উদ্দেশ্য-নির্মিত ক্লাউড অবকাঠামো তৈরি করতে $355 মিলিয়ন সুরক্ষিত করেছে, স্বায়ত্তশাসিত সফ্টওয়্যারের জন্য স্যান্ডবক্সড, দ্রুত-পুনরাবৃত্তি পরিবেশের উপর ফোকাস করে।
Cloudflare অস্থায়ী এজেন্ট. Cloudflare অস্থায়ী অ্যাকাউন্ট চালু করেছে যা AI এজেন্টদের স্থায়ী শংসাপত্র ছাড়াই Workers স্থাপন করতে দেয়, দাবি না করা হলে মেয়াদ শেষ হয়, এজেন্ট-চালিত ওয়ার্কফ্লো মসৃণ করে।
এজেন্ট স্থানীয় GPU-তে আঘাত. নতুন কোয়ান্টাইজেশন কৌশল এবং খরচ-কার্যকর GPU রিগ এখন ভোক্তা হার্ডওয়্যারে MoE মডেল চালায়, কিন্তু বেঞ্চমার্কগুলি দেখায় যে নিম্ন-বিট কোয়ান্ট এজেন্টিক কাজগুলিকে গুরুতরভাবে হ্রাস করতে পারে, সতর্ক কোয়ান্ট নির্বাচনের আহ্বান জানায়।
- → Qwen3.5 122B is the best?
- → Qwen3.6-27b does not understand software architechure.
- → Qwen 3.6 Q2-FP8 Terminal Bench 2 and GPQA Scores
- → Has anyone tested how quantization hits different capabilities separately? My results are surprising.
- → 2.5x faster Qwen3.6 NVFP4 Unsloth quants
- → Ultra budget 20GB vram with 448GB/s for $100 bucks.
- → I benched quad 5060Tis for code generation with Qwen3.6-27B so you don't have to (it's really good)
নিরাপত্তা, আইন এবং ব্যাখ্যাযোগ্যতা
Jacobian Lens মডেল মাইন্ড ম্যাপ করে. Anthropic-এর Jacobian Lens একটি ছোট সেট মৌখিক উপস্থাপনা প্রকাশ করে যা একটি মডেলের মূল যুক্তি ধারণ করে, হ্যালুসিনেশন সনাক্তকরণ, আউটপুট নিয়ন্ত্রণ, এবং সম্প্রদায়ের ডেমো দেখানো হিসাবে, ক্ষতিকারক বৈকল্পিকের তাত্ক্ষণিক সৃষ্টি সক্ষম করে।
- → Anthropic Research - "Verbalizable Representations Form a Global Workspace in Language Models"
- → Claude's hidden inner monologue is now readable thanks to Anthropic's new Jacobian Lens
- → I tested Anthropic’s new Jacobian Lens on open models, then it turned into a local-model hallucination router
- → Anthropic found a hidden space where Claude puzzles over concepts
- → I created a super harmful model ! :D (by tweaking it's J-Space!!!)
এজেন্ট-চালিত র্যানসমওয়্যার. Sysdig একটি AI এজেন্ট নথিভুক্ত করেছে যা একটি র্যানসমওয়্যার আক্রমণের প্রযুক্তিগত সম্পাদন পরিচালনা করেছে, যদিও একজন মানুষ অপারেশন সেট আপ করেছে, এজেন্টিক ম্যালওয়ারের বর্তমান ক্ষমতা এবং সীমা হাইলাইট করে।
AI অপব্যবহার সংকট. একটি মামলা অভিযোগ করে যে xAI-এর Grok CSAM ছবি তৈরি করেছে, অন্যদিকে Boko Haram আক্রমণ পরিকল্পনার জন্য চ্যাটবট ব্যবহার করে; ঘটনাগুলি এজেন্টিক সক্ষমতা বাড়ার সাথে সাথে নিরাপত্তা গার্ডরেলের জরুরি প্রয়োজনকে আন্ডারস্কোর করে।
Apple OpenAI-কে মামলা করে. Apple একটি ফেডারেল মামলা দায়ের করেছে যাতে OpenAI-কে 400 এরও বেশি কর্মচারী শিকার করে হার্ডওয়্যার ট্রেড সিক্রেট চুরি করার অভিযোগ করা হয়েছে, সম্ভবত একটি প্রতিদ্বন্দ্বী AI স্মার্টফোন তৈরি করতে, AI শিল্পে আইনি লড়াই তীব্র করে।
এটি সপ্তাহের পর্যালোচনা - আগামী রবিবার দেখা হবে।