Claude Opus 5 का आगमन
Opus 5 का पदार्पण. Anthropic ने Claude Opus 5 जारी किया, यह एक मॉडल है जो Fable 5 की आधी लागत पर लगभग सीमा-रेखा बुद्धिमत्ता से मेल खाता है। यह कोडिंग और ज्ञान बेंचमार्क पर एक नया अत्याधुनिक स्तर स्थापित करता है और अधिक टोकन-कुशल होते हुए Opus 4.8 के प्रदर्शन को दोगुना करता है।
- Introducing Claude Opus 5(नए टैब में खुलता है)
- Introducing Claude Opus 5(नए टैब में खुलता है)
- Anthropic's Opus 5 is about token efficiency, not a capability leap(नए टैब में खुलता है)
- Anthropic claims its new Claude Opus 5 delivers near-Fable 5 performance at half the token price(नए टैब में खुलता है)
- Anthropic launches Opus 5(नए टैब में खुलता है)
सक्रिय समस्या-समाधान. Opus 5 अपने काम की पुष्टि करने और अपने स्वयं के उपकरण बनाने के लिए अलग दिखता है—एक उदाहरण में, जब सीधे ड्राइंग नहीं देख पा रहा था, तो इसने कच्चे पिक्सेल से मशीन के एक हिस्से को पुनर्निर्मित करने के लिए एक कंप्यूटर विज़न पाइपलाइन लिखी।
डिज़ाइन से अधिक सुरक्षित. Anthropic ने जानबूझकर Opus 5 को साइबर शोषण पर प्रशिक्षित करने से परहेज किया; जबकि यह कमजोरियों को अच्छी तरह से ढूंढता है, यह उन्हें हथियार बनाने में Mythos 5 से पीछे है—यह निर्णय हाल ही में अमेरिकी सरकार की जांच से प्रभावित है। यह मॉडल अब तक का सबसे प्रॉम्प्ट-इंजेक्शन-प्रतिरोधी Claude भी है।
- Introducing Claude Opus 5(नए टैब में खुलता है)
- Anthropic's Opus 5 is about token efficiency, not a capability leap(नए टैब में खुलता है)
- Anthropic releases Opus 5 with ‘close’ to Fable 5’s capabilities(नए टैब में खुलता है)
- Anthropic launches Opus 5(नए टैब में खुलता है)
- Quoting Boris Cherny(नए टैब में खुलता है)
Fable की आधी लागत. Opus 5 की लागत $5/M इनपुट और $25/M आउटपुट टोकन है, जिसमें वैकल्पिक फास्ट मोड दोगुनी गति पर उपलब्ध है। यह Claude Max पर डिफ़ॉल्ट बन जाता है और Pro पर सबसे मजबूत मॉडल है, जिसमें कोई 30-दिन डेटा प्रतिधारण नीति नहीं है।
Open Weights और Distillation विवाद
खुला पत्र डिस्टिलेशन का बचाव करता है. Microsoft, Meta, Nvidia, और Hugging Face सहित 20 से अधिक कंपनियों ने एक खुले पत्र पर हस्ताक्षर किया जिसमें अमेरिका से ओपन-वेट AI मॉडल पर व्यापक प्रतिबंध न लगाने का आग्रह किया गया। पत्र में तर्क दिया गया है कि डिस्टिलेशन जैसी तकनीकें वैध और नवाचार के लिए आवश्यक हैं।
- More than 20 companies including NVIDIA, Meta, Microsoft, Palantir, and Hugging Face have signed a letter urging policymakers to avoid premature restrictions on open weight models.(नए टैब में खुलता है)
- As US weighs response to Chinese AI, industry urges against broad open-weight restrictions(नए टैब में खुलता है)
- Microsoft's open-weight AI push is so obviously an Azure play it hurts(नए टैब में खुलता है)
Kimi K3 ने अलार्म बजाया. चीनी प्रयोगशाला Moonshot का ओपन मॉडल Kimi K3 ने चिंता पैदा कर दी जब मूल्यांकनों से पता चला कि यह बिना प्रतिरोध के आक्रामक साइबर संचालन में सहायता करता है। यह अमेरिकी मॉडलों से पीछे है लेकिन पहले की चीनी प्रणालियों से बेहतर प्रदर्शन करता है, जबकि अमेरिका चीनी ओपन-वेट मॉडल पर प्रतिबंध सहित प्रतिबंधों पर विचार कर रहा है।
- ‘AI communism’, rogue models, and the why Kimi K3 spooked Wall Street(नए टैब में खुलता है)
- Kimi K3 trails frontier US models by a wide margin on cyber exploits, and distillation may explain why(नए टैब में खुलता है)
- As US weighs response to Chinese AI, industry urges against broad open-weight restrictions(नए टैब में खुलता है)
वैधता प्रश्न में. कुछ डेवलपर्स तर्क देते हैं कि डिस्टिलेशन—एक मॉडल के आउटपुट से सीखना—एक छात्र के प्रोफेसर से सीखने से अलग नहीं है और व्हाइट हाउस के आरोपों के बावजूद यह IP चोरी नहीं है।
लोकल इन्फ्रेंस अनुकूलन
मल्टी-GPU के लिए Intel से बचें. Intel के उपभोक्ता प्लेटफॉर्म जैसे Z890 में GPU के बीच पीयर-टू-पीयर समर्थन का अभाव है, जो उन्हें AI अनुमान या प्रशिक्षण के लिए लगभग बेकार बना देता है जिसमें P2P की आवश्यकता होती है, भले ही पर्याप्त PCIe लेन हों। बिल्डरों को इसके बजाय सर्वर-ग्रेड या AMD सेटअप का चयन करना चाहिए।
DKV KV कैश को संपीड़ित करता है. DifferentialKV (DKV) एक नया ओपन-सोर्स फ्रेमवर्क है जो एंकर-आधारित प्रस्तुतियों और स्पार्स अटेंशन के माध्यम से KV-कैश मेमोरी को कम करता है, जिसका उद्देश्य लंबे-संदर्भ स्थानीय अनुमान को अधिक मेमोरी-कुशल बनाना है। यह llama.cpp और vLLM के साथ एकीकरण की मांग कर रहा है।
iPhone पर Gemma 4 26B. Noema की Overfit तकनीक का उपयोग करते हुए, एक Gemma 4 26B A4B मॉडल iPhone 17 Pro पर चलता है, जो गैर-विशेषज्ञ वेट को RAM में रखते हुए SSD से विशेषज्ञ वेट को पेज करता है। यह गति को क्षमता के लिए बदलता है, जटिल उत्तरों के लिए 6 मिनट की जनरेशन के साथ ~34 प्रीफिल टोकन/सेकंड प्राप्त करता है।
CachyLLama एजेंटों को गति देता है. CachyLLama, एक llama.cpp फोर्क, लगातार SSD-समर्थित KV कैश चेकपॉइंट और सिस्टम-प्रॉम्प्ट कैशिंग जोड़ता है, जो धीमे हार्डवेयर पर लंबे एजेंट कोडिंग सत्रों में पुनर्प्रसंस्करण समय को नाटकीय रूप से कम करता है।
मुफ्त गति के लिए MTP को ट्यून करें. मल्टी-टोकन प्रेडिक्शन (MTP) महत्वपूर्ण अनुमान गति प्राप्त कर सकता है, लेकिन इष्टतम सेटिंग मॉडल परिवार के अनुसार भिन्न होती है; n_max पैरामीटर को ट्यून करने से डिफ़ॉल्ट की तुलना में लाभ दोगुना हो सकता है।
1-बिट Bonsai 27B चमकता है. Bonsai 27B का 1-बिट क्वांट 16GB MacBook Air पर चलता है और ट्यूटरिंग और चैट के लिए आश्चर्यजनक रूप से उपयोगी प्रदर्शन प्रदान करता है, यह संकेत देता है कि अत्यधिक क्वांटिज़ेशन सक्षम स्थानीय मॉडलों को व्यापक रूप से सुलभ बना सकता है।
एजेंट-फर्स्ट स्टार्टअप्स और प्लेटफॉर्म रणनीतियाँ
Prentis कार्यालय स्वचालन को लक्षित करता है. Prentis, जिसकी सह-स्थापना Reid Hoffman और Mark Pincus ने की है, कार्यालय वर्कफ्लो को स्वचालित करने के लिए कंप्यूटर-उपयोग मॉडल प्रशिक्षित कर रहा है और $1B मूल्यांकन पर $100M जुटाने की बातचीत कर रहा है, पहले से ही $50M के अनुबंध धारण कर रहा है।
Devin को एक व्यक्तित्व मिलता है. AI कोडिंग स्टार्टअप Cognition ने Poke का अधिग्रहण किया, जो अपने मैत्रीपूर्ण, मानव-समान चैट के लिए जाना जाने वाला एक सहायक है, ताकि Devin को अधिक आकर्षक बनाया जा सके—यह उजागर करते हुए कि AI व्यक्तित्व एक प्रतिस्पर्धात्मक लाभ बन रहा है।
Stripe का $10B मॉडल खेल. Stripe $10B में मॉडल मार्केटप्लेस OpenRouter खरीदने की बातचीत कर रहा है, यह कदम भुगतान दिग्गज को सैकड़ों AI मॉडल का उपयोग करने वाले डेवलपर्स के लिए एक प्रमुख पहुंच बिंदु पर नियंत्रण दे सकता है।
Meta का सहायक उन्नयन. Meta अपने AI चैटबॉट को कैलेंडर एकीकरण, दैनिक ब्रीफिंग, और स्टीयरेबल रिसर्च के साथ उन्नत कर रहा है, जो Muse Spark 1.1 द्वारा संचालित है, जो मनोरंजन-केंद्रित से अधिक पारंपरिक सहायक में बदलाव का संकेत देता है।
वॉइस एजेंट इंटरफ़ेस बन जाता है. OpenAI ने ChatGPT Voice को अपने डेस्कटॉप ऐप में लाया, जिससे उपयोगकर्ता जटिल कोडिंग और ब्राउज़िंग कमांड बोल सकते हैं, जबकि Anthropic ने Claude के वॉइस मोड को अधिक शक्तिशाली मॉडलों और Gmail तथा Slack जैसे टूल तक बढ़ाया, जिससे हैंड्स-फ्री एजेंट नियंत्रण संभव हो गया।
Bluesky का Attie खुला हो जाता है. Bluesky का Attie सहायक अब खुले-अंत वाले Quests का समर्थन करता है जो उपयोगकर्ताओं को फेडिवर्स में रुझानों और समाचारों पर शोध करने देता है, संभावित रूप से सोशल नेटवर्क को एक मूल्यवान सूचना उपकरण में बदल देता है।
शोध: AI एजेंटों के लिए धारणा अंतर
एजेंट सक्रिय दृष्टि के प्रति अंधे. एक नया बेंचमार्क, ActiveVision, बताता है कि सबसे सक्षम मॉडल भी बार-बार दृश्य धारणा की आवश्यकता वाले कार्यों पर बहुत खराब स्कोर करते हैं—GPT-5.5 10.6% प्राप्त करता है, Claude Fable 5 सिर्फ 3.5%, जबकि मनुष्य औसतन 96.1%।
पिक्सेल-आधारित स्थानिक तर्क. ProVisE एक बेंचमार्क-अज्ञेय फ्रेमवर्क प्रस्तावित करता है जो छवि-निर्माण मॉडलों से उत्तर खींचने के लिए कहकर दृश्य-स्थानिक तर्क का मूल्यांकन करता है, यह पाता है कि वर्तमान मॉडल स्थान और पथों को सीधे पिक्सेल में व्यक्त करने में संघर्ष करते हैं।
इस दिन के लिए बस इतना ही – लगभग 5 मिनट का पाठ।