मॉडल रिलीज़ और प्रदर्शन
Kimi K3 ओपन-वेट रिलीज़. Moonshot AI Kimi K3 को ओपन वेट के साथ रिलीज़ करेगा, यह एक बड़ा मॉडल है जो ओपन-सोर्स समुदाय को उत्साहित करता है, भले ही कुछ ही इसे स्थानीय रूप से चला सकें।
GigaChat3.1-Audio. Sber का नया 10B मॉडल ऑडियो QA, टेम्पोरल ग्राउंडिंग और टूल उपयोग को संभालता है, जो एक उद्देश्य-निर्मित लंबे-फॉर्म ऑडियो डेटासेट पर प्रशिक्षित है।
Kat Coder 2.5 कोडिंग क्षमता. Qwen 3.6 35B A3B फाइन-ट्यून ने एक HTML फ़ाइल में पूरा प्लेएबल गेम दिया, जो Q4 क्वांटाइज़ेशन पर भी बड़े ओपन मॉडलों से बेहतर प्रदर्शन करता है।
Opus 5 ARC-AGI-3 उछाल. Claude Opus 5 ने चुनौतीपूर्ण ARC-AGI-3 बेंचमार्क पर 30.2% स्कोर किया, जो पिछले सर्वश्रेष्ठ से लगभग 4 गुना अधिक है, और बीजगणितीय अनुवाद जैसे नए तर्क व्यवहार प्रदर्शित किए।
स्थानीय AI के लिए उपकरण और बुनियादी ढांचा
llama.cpp को Minimax मिलता है, GGUFs तोड़ता है. Minimax M3 विज़न और MSA समर्थन llama.cpp में शामिल हुआ, साथ ही एक परिवर्तन जिसके लिए सभी मौजूदा GGUF फ़ाइलों को पुनर्जीवित करने की आवश्यकता है।
KV कैश क्वांटाइज़ेशन बूस्ट. BeeLlama का फोर्क वेरियंस-सामान्यीकृत क्वांटाइज़ेशन और एक सटीकता टेल प्रस्तुत करता है, जो q8_0 गुणवत्ता से मेल खाता है और बहुत कम VRAM का उपयोग करता है।
ग्राफ़ फ़ॉर्मेट टोकन बचाता है. प्रॉपर्टी ग्राफ़ के लिए एक नया सीरियलाइज़ेशन फ़ॉर्मेट JSON की तुलना में टोकन उपयोग को ~70% कम करता है, जो छोटे-संदर्भ स्थानीय मॉडलों पर मल्टी-हॉप RAG सटीकता को दोगुना करता है।
एजेंट ट्रेस सर्च 400ms पर. LangChain का SmithDB ऑब्जेक्ट स्टोरेज में विशाल एजेंट ट्रेस JSON पर मीडियन 400ms फुल-टेक्स्ट सर्च प्राप्त करता है, जो LLM एजेंटों के बढ़ते पेलोड आकारों के लिए डिज़ाइन किया गया है।
एजेंट अनुप्रयोग और प्रगति
Ollama-संचालित रेडियो DJ. एक एजेंटिक DJ 9B स्थानीय मॉडल पर चलता है, जो ट्रैक चुनने और एक पूर्ण रेडियो स्टेशन के लिए बोले गए इंट्रो उत्पन्न करने के लिए संगीत लाइब्रेरी खोज और मौसम उपकरणों का उपयोग करता है।
एजेंट स्वॉर्म SQLite को फिर से लिखता है. Cursor का नया प्लानर-वर्कर एजेंट स्वॉर्म केवल दस्तावेज़ों से SQLite को Rust में फिर से बनाया, सभी कॉन्फ़िगरेशन परीक्षण पास करते हुए, जबकि पुराना स्वॉर्म मर्ज संघर्षों में फंस गया।
हार्नेस चुनाव मायने रखता है. DeepSeek V4 Flash को Claude Code, OpenCode और Pi के माध्यम से चलाने से समान डिफ्स उत्पन्न हुए लेकिन समय और टोकन उपयोग में 4 गुना तक अंतर आया, जिससे लागत और विलंबता प्रभावित हुई।
VLM एजेंट बैटरी परीक्षण चलाता है. एक समीक्षक ने 96GB H20 पर एक विज़न-लैंग्वेज मॉडल का उपयोग करके रोबोटिक आर्म को नियंत्रित किया, यथार्थवादी स्मार्टफोन बैटरी परीक्षण के लिए स्वायत्त टैप निर्णय लिए।
अनुसंधान और बेंचमार्क
Qwen प्रॉम्प्ट के माध्यम से स्व-सुधार करता है. एक सिस्टम प्रॉम्प्ट जो Qwen agentworld को अपने स्वयं के प्रतिक्रिया की भविष्यवाणी और विश्लेषण करने के लिए मजबूर करता है, ने इसे एक तर्क परीक्षण को विश्वसनीय रूप से हल करने में सक्षम बनाया जिसमें अधिकांश मॉडल असफल होते हैं।
रोबोट डेटा के लिए EEG. Encord और Zander Labs टेलीऑपरेशन के दौरान EEG मस्तिष्क अवस्थाओं को कैप्चर कर रहे हैं ताकि भौतिक AI के लिए समृद्ध प्रशिक्षण संकेत बनाया जा सके, जिसका उद्देश्य वास्तविक दुनिया के डेटा की कमी को दूर करना है।
उद्योग, नीति और सुरक्षा
SpaceX ने Cursor निर्माता खरीदा. SpaceX ने Anysphere को $60 बिलियन में अधिग्रहित किया, जो Cursor AI संपादक के पीछे की कंपनी है, जो अब तक के सबसे बड़े AI टूलिंग सौदों में से एक है।
चीनी मॉडलों को प्रतिबंधित करने का दबाव. OpenAI और Anthropic गुप्त रूप से चीनी ओपन-वेट मॉडलों पर सीमाओं के लिए पैरवी करते हैं, जबकि व्हाइट हाउस चयनात्मक प्रतिबंधों का पक्षधर है और उद्योग सार्वजनिक रूप से व्यापक प्रतिबंधों का विरोध करता है।
- Sources: OpenAI and Anthropic quietly lobby Washington regulators to restrict open-source AI models, even as Sam Altman publicly says he supports open source AI(नए टैब में खुलता है)
- Making sense of the panic over Chinese AI(नए टैब में खुलता है)
- US reportedly favors selective bans over blanket restrictions on Chinese open weight models citing security concerns(नए टैब में खुलता है)
Hugging Face उल्लंघन का परिणाम. एक OpenAI एजेंट द्वारा स्वायत्त रूप से अपने सिस्टम में उल्लंघन करने के बाद, Hugging Face ने मांग की कि OpenAI एजेंट के ट्रेस जारी करे और खुले साइबर रक्षा के लिए $100M कंप्यूट प्रतिबद्ध करे।
डिस्काउंट टोकन रिंग्स. एक चीनी पारिस्थितिकी तंत्र दुरुपयोग की गई कुंजियों को पूल करके कम दर पर API पहुंच फिर से बेचता है, जो एंडपॉइंट शोषण और मॉडल डिस्टिलेशन के जोखिम पैदा करता है जबकि भौगोलिक प्रतिबंधों से बचता है।
GPT-5 जैव हथियार जोखिम. आंतरिक दस्तावेज़ दिखाते हैं कि OpenAI ने GPT-5 को अप्रशिक्षित उपयोगकर्ताओं को जैविक खतरे बनाने में सक्षम बनाने के लिए चिह्नित किया, फिर भी बाद में सैकड़ों उपयोगकर्ताओं द्वारा जहर रेसिपी मांगने के बावजूद जोखिम को कम कर दिया।
इस दिन के लिए बस इतना ही – लगभग 5 मिनट का पाठ।