फ्रंटियर मॉडल्स का टकराव
Kimi K3 फ्रंटियर को हिला रहा है. Moonshot AI का ओपन-वेट Kimi K3 शीर्ष बंद मॉडलों के साथ प्रतिस्पर्धा करता है, कुछ बेंचमार्क पर Claude Fable 5 को हराकर और ओपन बनाम बंद बहस को फिर से जीवंत करता है।
- → Kimi's open model K3 nears GPT-5.6 Sol and Fable 5 while signaling the end of super cheap Chinese AI
- → Kimi K3, and what we can still learn from the pelican benchmark
- → [AINews] Kimi K3 2.8T-A50B: the largest open model ever released; Opus 4.8-class at Sonnet 5 pricing
- → Kimi K3 weights to be released on the 27th.
- → Kimi K3 ranks #1 on @AfterQuery's SpreadsheetBench 2, surpassing Claude Fable 5
- → Kimi: Threat or menace?
- → kimi.ai teasing a video with lots of 3's in it
- → [AINews] not much happened today
- → Kimi moment. I think the writing is on the wall for Anthropic and OpenAi
- → Kimi K3 is currently at the top of the leaderboard for Text Arena filtered for science queries.
- → Kimi K3 (max) beats Sonnet 5 on Simple Bench
- → Kimi K3 is top of nextjs eval
- → Just like Deepseek, China's Kimi K3 is forcing Western AI labs to question their compute advantage
- → Kimi K3 🌕, Gemini 3.5 delayed ⏳, crushing ARC-AGI 3 🤖
GPT-5.6: शक्ति और खतरा. GPT-5.6 परिवार प्रोग्रामेटिक टूल कॉलिंग और समानांतर सबएजेंट लाता है, लेकिन अनजाने में फ़ाइलों और डेटाबेस को हटाने की इसकी प्रवृत्ति सैंडबॉक्सिंग की आवश्यकता को रेखांकित करती है।
- → The Sequence Radar #893: Last Week in AI: GPT-5.6, Grok 4.5, Muse Spark 1.1 and the Post-Chatbot Stack
- → OpenAI’s new flagship model deletes files on its own, people keep warning
- → GPT-5.6 is deleting user files when given full access, and OpenAI says it shouldn't but did
- → [AINews] Codex usage up >10x in 6 months to 7M users, +1M in the past ~day; did Codex overtake Claude Code??
Claude Fable 5 विस्तारित. GPT-5.6 और Kimi K3 के दबाव में, Anthropic ने योजनाओं को उलट दिया और Fable 5 को भुगतान योजनाओं पर रखा, सीधे पहुंच पर प्रतिस्पर्धा करते हुए।
DeepSeek V4 मंडरा रहा है. DeepSeek कम लागत वाले API और ओपन वेट के साथ V4 को छेड़ रहा है, जबकि समुदाय के ऑप्टिमाइज़ेशन पहले से ही इसके फ्लैश वेरिएंट को उपभोक्ता GPUs पर उपयोगी गति से चलाने देते हैं।
एजेंट वास्तविक दुनिया के वर्कफ्लो में प्रवेश
ब्राउज़िंग एजेंट आ गए हैं. Anthropic ने Claude Code को सुरक्षा वर्गीकरणकर्ताओं के साथ एक अंतर्निहित वेब ब्राउज़र दिया, और Cursor ने एक सामान्य एजेंट लॉन्च किया, जिससे कोडिंग सहायकों को स्वायत्त कार्य निष्पादन की ओर ले जाया जा रहा है।
एजेंट वास्तविक लेन-देन संभालते हैं. DoorDash के एजेंट आर्किटेक्चर ने रूपांतरणों में 24% की वृद्धि की, और Stripe का बेंचमार्क दिखाता है कि एजेंट इंटीग्रेशन को कोड कर सकते हैं लेकिन अक्सर सत्यापन में विफल रहते हैं, जो विश्वसनीयता अंतराल को उजागर करता है।
प्रोडक्शन एजेंट लड़खड़ाते हैं. अधिकांश एंटरप्राइज़ एजेंट चैटबॉट ही रहते हैं; 54% फर्मों में एजेंट सुरक्षा घटनाएँ हुईं, और विशेषज्ञों का तर्क है कि एजेंटों को माइक्रोसर्विसेज जैसे क्लाउड-नेटिव ऑपरेशनल प्रिमिटिव की आवश्यकता है।
- → How to Debug Coding Agents with LangSmith Traces
- → The agent security gap: 54% of enterprises have already had an AI agent incident, and most still let agents share credentials
- → The AI context gap: Enterprise AI organizations have a trust problem, not a retrieval problem — and most are still building the fix
- → The agent evaluation gap: Enterprise AI organizations have a reality-alignment problem, not a coverage problem — and most are shipping to production anyway
- → Cloud Native Infrastructure Emerges as the Foundation for Trustworthy Agentic AI
- → QCon AI Boston: Production AI Moves Beyond Prompts to Platforms, Harnesses, and Evals
AI बुनियादी ढांचा, फंडिंग और डेटा सेंटर की दौड़
डेटा केंद्रों को प्रतिरोध का सामना. S&P ने AI पूंजीगत व्यय जोखिम पर Oracle को डाउनग्रेड किया, जबकि स्थानीय विरोध और न्यूयॉर्क के हाइपरस्केल डेटा केंद्रों पर रोक AI बुनियादी ढांचे के खिलाफ बढ़ते प्रतिरोध को दर्शाते हैं।
AI फंडिंग में उछाल. Databricks ने $188B मूल्यांकन पर फंड जुटाया, Meta Anthropic को $10B डेटा सेंटर लीज पर बातचीत कर रहा है, और Nous Research ने अपने ओपन-सोर्स एजेंट के लिए $75M सुरक्षित किए हैं।
ऊर्जा और हार्डवेयर दांव. ऊर्जा फर्मों ने AI को शक्ति देने के लिए डॉट-कॉम युग के बाद सबसे अधिक धन जुटाया, और SambaNova चिप्स द्वारा समर्थित $400M ऋण गैर-GPU AI हार्डवेयर में बढ़ते निवेश का संकेत देता है।
ऑन-डिवाइस AI में सफलताएँ
1-बिट मॉडल फोन पर आ गए. PrismML का Bonsai Qwen3.6-27B को 3.9GB तक संपीड़ित करता है जबकि बेंचमार्क स्कोर का 90% बनाए रखता है, जिससे ऑन-डिवाइस टूल-कॉलिंग एजेंट सक्षम होते हैं; Apple कथित तौर पर बातचीत कर रहा है।
- → Bonsai 27B: The First 27B-Class Model to Run on a Phone
- → Bonsai 27B: 1-bit dense LLM running locally in your browser using custom WebGPU kernels
- → Prism-ML Bonsai Qwen 3.6 27B
- → PrismML’s new Ternary Qwen3.6 27B runs near fp16 precision on 10GB of memory!!!
- → So what's the consensus on 1bit models? Is it still a pipe dream?
- → PrismML Bonsai 27B is surprisingly usable on the Jetson Orin Nano 8GB
- → Is anyone having any luck with the Ternary Bonsai 27B DFlash?
- → Can we get a "not base model" flair?
- → Bonsai 27B runs locally on an iPhone - a 27B model in 3.9GB
- → User experience of Bonsai-Ternary-27B on 4060Ti 16GB for KB management and productivity assistant use cases
- → Bonsai 27B is a full open reasoning model that fits on an iPhone
- → Bonsai-27B & Ternary-Bonsai-27B - Updates (on PRs)
- → Apple in talks with startup PrismML that shrinks AI models to run on an iPhone
होम लैब्स फ्रंटियर्स चलाते हैं. DFlash जैसे llama.cpp ऑप्टिमाइज़ेशन MoE मॉडलों को 6x तक तेज करते हैं, और एक OnePlus फोन ने 1.3 tok/s पर 60GB मॉडल चलाने के लिए फ्लैश से विशेषज्ञों को स्ट्रीम किया।
- → I tested all llama.cpp's speculative decoding methods on Qwen 3.6 27B: MTP ~2.7x, DFlash ~3.7x, n-gram stack ~6x on real coding. Local AI win. My findings on RTX 6000 PRO.
- → DFlash makes Qwen3.6 27B 2.2x faster with no quality loss
- → GPT-OSS-120B, Qwen 30B and Gemma 26B on an Android phone at 1-5 tok/s: +60GB model, 11GB of RAM, CPU only
नीति, मुकदमे और ओपन-सोर्स गतिरोध
Apple–OpenAI कानूनी लड़ाई. Apple ने OpenAI पर ट्रेड सीक्रेट्स के लिए मुकदमा दायर किया, जिसमें मुख्य हार्डवेयर अधिकारी सहित 400 से अधिक कर्मचारियों को पोचिंग करने का आरोप लगाया, जिससे OpenAI के IPO और क्लाउड विश्वास को खतरा है।
- → Apple sues OpenAI after ex-engineer allegedly used bug to steal trade secrets
- → The wildest allegations in Apple’s trade secrets lawsuit against OpenAI
- → The 6 wildest claims in Apple’s lawsuit against OpenAI
- → OpenAI pushes back on Apple trade secret lawsuit
- → Sam Altman didn’t need another lawsuit
- → How Apple’s big lawsuit could disrupt OpenAI’s IPO plans
- → Apple’s plot to crush OpenAI
- → Apple’s lawsuit couldn’t come at a worse time for OpenAI
चीनी ओपन-सोर्स उछाल. चीनी मॉडल अब HuggingFace डाउनलोड का 41% हिस्सा हैं, Kimi K3 पश्चिमी नेताओं को टक्कर देता है, और चीन ने पश्चिम को छोड़कर एक समानांतर AI शासन निकाय लॉन्च किया।
- → The real AI race may no longer be at the frontier
- → Source: the Trump administration and industry groups discussed streamlining US open model releases of equal or lesser capability to leading Chinese open models
- → Chinese President Xi Jinping speaks at World AI Conference and reaffirms commitment to open source to promote"openness and win-win"
- → China’s Xi Touts Open-Source AI and Takes a Swipe at U.S. Dominance
- → China's new World Artificial Intelligence Cooperation Organization is President Xi's clearest play yet for a parallel AI order
जवाबदेही की माँग बढ़ती है. जर्मन नियामकों ने चैटबॉट को सामग्री के लिए उत्तरदायी ठहराया, xAI ने एक उपयोगकर्ता पर CSAM उत्पन्न करने के लिए मुकदमा दायर किया, और Demis Hassabis ने फ्रंटियर सुरक्षा समीक्षाओं के लिए FINRA जैसी एक संस्था का प्रस्ताव रखा।
यह सप्ताह की समीक्षा है - अगले रविवार मिलते हैं।