Agentic AI News 2 আগস্ট, 2026

মার্চ ২০২৬-এর সমান বুদ্ধিমত্তা. DeepSeek V4 Flash (0731) ইন্টেলিজেন্স ইনডেক্সে ৫০ স্কোর অর্জন করে, যা পাঁচ মাস আগের ফ্রন্টিয়ার মডেলগুলির ৫১-এর প্রায় সমান। কনজিউমার হার্ডওয়্যারে এটি ব্যবহারযোগ্য গতিতে চলে: RTX PRO 6000 eGPU-তে ৪৪ টোকেন/সেকেন্ড, তিনটি MI50-তে ১৫ টোকেন/সেকেন্ড, এবং এমনকি ডুয়াল RTX 3060-এ র্যাম অফলোডিংসহ ৪.৫ টোকেন/সেকেন্ড, যা বুদ্ধিদীপ্ত কোয়ান্টাইজেশন এবং আংশিক অফলোডিংয়ের ফলে সম্ভব।

• DeepSeek-V4-Flash-0731: Models you can run locally now have the intelligence score of the top frontier model from March 2026(নতুন ট্যাবে খোলে)
• DeepSeek-V4-Flash-0731 on Bosgame M5 with RTX PRO 6000 Max-Q eGPU(নতুন ট্যাবে খোলে)
• Ran DS V4-Flash-0731 Locally on 3xMI50 32GB @ ~15 t/s TG(নতুন ট্যাবে খোলে)
• DeepSeek V4 Flash 0731 IQ2_M benchmark for Dual 3060 and 96GB RAM ≈ 3.5 tok/s.(নতুন ট্যাবে খোলে)

টুল কলিং ঠিক হয়েছে, নিয়ম অনুসরণ এখনও অনির্ভরযোগ্য. কমিউনিটির কাছে ভাঙা টুল কলের রিপোর্ট আসার পর, একটি llama.cpp ফিক্স মার্জ করা হয়েছে এবং Unsloth Studio-র ওয়ার্কঅ্যারাউন্ড শেয়ার করা হয়েছে। তবে ব্যবহারকারীরা দেখতে পাচ্ছেন যে মডেলটি প্রায়ই সিস্টেম প্রম্পট এবং স্কিল উপেক্ষা করে, সেগুলোকে সংকুচিত সারাংশ হিসেবে সংরক্ষণ করে, কঠোরভাবে মেনে চলার পরিবর্তে, যা সুনির্দিষ্ট নির্দেশনা অনুসরণের প্রয়োজন এমন এজেন্ট কাজের জন্য এর নির্ভরযোগ্যতা হ্রাস করে।

• Fix for Deep Seek v4 Flash 0731 tool calling has been added to llama cpp(নতুন ট্যাবে খোলে)
• DeepSeek V4 Flash 0731 local setup gotcha: model, tool call & config setting(নতুন ট্যাবে খোলে)
• Deepseek v4 flash 0731 still not holding up.(নতুন ট্যাবে খোলে)

Hermes এজেন্টদের জন্য কমিউনিটি বেঞ্চমার্ক. LocalLLaMA ব্যবহারকারীরা Hermes-এর মতো এজেন্ট-সক্ষম মডেল মূল্যায়নের জন্য সেরা বেঞ্চমার্ক নিয়ে আলোচনা করেন, এবং অনেকে মনে করেন যে SWE-bench-এর মতো প্রতিষ্ঠিত লিডারবোর্ড তাদের হোম-অ্যাসিস্ট্যান্ট বা ডকুমেন্ট-প্রসেসিং ওয়ার্কফ্লোতে প্রযোজ্য নয়।

• What’s the community’s favorite benchmark to validate performance?(নতুন ট্যাবে খোলে)

কোডিং-কেন্দ্রিক লিডারবোর্ডের সমালোচনা. আরও বৈচিত্র্যময় বেঞ্চমার্কের আহ্বানে বলা হয়েছে যে সাম্প্রতিক লিডারবোর্ডগুলো অসামঞ্জস্যপূর্ণভাবে কোডিং কাজের উপর জোর দেয়, ফলে ভাষা শেখা, সৃজনশীল লেখা এবং STEM যুক্তি কম প্রতিনিধিত্ব পায়, যা নন-কোডিং এজেন্ট ব্যবহারের ক্ষেত্রে মডেলের কর্মক্ষমতা নির্ণয় করা কঠিন করে তোলে।

• Why are almost all new benchmarks and leaderboards coding focused?(নতুন ট্যাবে খোলে)

DIY ডোমেইন-নির্দিষ্ট বেঞ্চমার্ক কিট. একজন Redditor ৩০টিরও বেশি ছোট, ডোমেইন-নির্দিষ্ট পরীক্ষার সংগ্রহ (যেমন, সাধারণ জ্ঞান, গাড়ি ধোয়ার সিমুলেশন) এবং মডেলের প্রতিক্রিয়া তুলনা করার জন্য একটি ওয়েব টুল তৈরি করেছেন, যা বিস্তৃত বেঞ্চমার্ক এবং ব্যক্তিগত ব্যবহারের ক্ষেত্রে মধ্যকার ফাঁক পূরণের লক্ষ্যে।

• A collection of small domain-specific benchmarks for local models (30+ and growing)(নতুন ট্যাবে খোলে)

Astra দশক-পুরনো গণিত সমস্যার সমাধান করেছে. OpenAI-এর পরবর্তী মডেল পরিবার Astra গণিত এবং তাত্ত্বিক কম্পিউটার বিজ্ঞানের দশটি পূর্বে অমীমাংসিত সমস্যার সমাধান করেছে, যার সাথে আনুষ্ঠানিক Lean প্রমাণ এবং প্রতি সমাধানে ২,০০০ ডলারেরও কম খরচ। ফলাফলগুলো জ্যামিতি, কোডিং তত্ত্ব এবং কোয়ান্টাম জটিলতা জুড়ে বিস্তৃত, এবং ইতিমধ্যে আরও মানব গবেষণাকে অনুপ্রাণিত করেছে।

• Ten advances in mathematics and theoretical computer science(নতুন ট্যাবে খোলে)
• OpenAI announces its "next major model" Astra by dropping ten previously unsolved math solutions(নতুন ট্যাবে খোলে)

কোডিং এজেন্ট পুরনো গবেষণা সফটওয়্যারকে পুনরুজ্জীবিত করছে. OpenAI এবং একাডেমিক অংশীদারদের সাথে একটি ফিল্ড স্টাডি দেখায় যে GPT-5.5 এবং Claude Code-এর মতো AI কোডিং এজেন্টগুলো ভঙ্গুর বৈজ্ঞানিক সফটওয়্যারকে আধুনিক করতে পারে, কিছু ক্ষেত্রে ৬০ গুণেরও বেশি গতি বাড়ায়, কিন্তু কাজটি সঠিকতা যাচাইয়ের দায়িত্ব বাড়িয়ে দেয়—এজেন্টরা বিজ্ঞানকে বিচার করতে পারে না।

• AI coding agents can modernize research software but can't judge if the science is right(নতুন ট্যাবে খোলে)

স্ব-বিস্তারকারী প্রম্পট ইনজেকশন ওয়ার্ম Copilot-কে আক্রমণ করেছে. একজন নিরাপত্তা গবেষক এমন একটি ওয়ার্ম দেখিয়েছেন যা Word নথিতে লুকানো সাদা-অন-সাদা টেক্সট ব্যবহার করে Microsoft Copilot-এ ক্ষতিকারক নির্দেশ ইনজেক্ট করে, যা পরে পেলোডটি নতুন ফাইলে কপি করে। Microsoft আচরণটি নিশ্চিত করেছে কিন্তু ১৪৪ দিন পরও এটি ঠিক করেনি।

• A security researcher built a self-spreading worm that hides inside Word docs and hijacks Microsoft Copilot(নতুন ট্যাবে খোলে)

EU AI Act-এর লেবেলিং বাধ্যবাধকতা শুরু হচ্ছে. ২০২৬ সালের ২ আগস্ট থেকে, EU প্রয়োজন করে যে AI-উৎপাদিত ছবি, ভিডিও, অডিও এবং টেক্সট স্পষ্টভাবে লেবেল করা হবে। এই নিয়ন্ত্রণটি এমন এজেন্টদের প্রভাবিত করতে পারে যারা স্বায়ত্তশাসিতভাবে কনটেন্ট প্রকাশ করে বা মিডিয়া তৈরি করে।

• EU AI Act takes effect tomorrow, August 2, 2026. 🤡(নতুন ট্যাবে খোলে)

মিনেসোটার 'নুডিফাই' নিষেধাজ্ঞা xAI-এর আইনি চ্যালেঞ্জ থেকে রক্ষা পেয়েছে. একজন ফেডারেল বিচারক xAI-এর মিনেসোটার সেই আইনটি সাময়িকভাবে ব্লক করার প্রচেষ্টা প্রত্যাখ্যান করেছেন, যা অ-সম্মতিসূচক স্পষ্ট ছবি তৈরি করে এমন অ্যাপগুলির বিরুদ্ধে, উল্লেখ করেছেন যে xAI মামলা করতে তিন মাস অপেক্ষা করেছে। মামলা চলাকালীন আইনটি কার্যকর হবে।

• Judge denies xAI’s request to block Minnesota ban on ‘nudify’ apps(নতুন ট্যাবে খোলে)

Kimi K3 একক CPU-তে ধীরে চলে. দুজন ডেভেলপার স্বাধীনভাবে ন্যূনতম C ইনফারেন্স ইঞ্জিন লিখেছেন যাতে কোনো GPU ছাড়াই ১.৫৬ টেরাবাইটের MoE মডেল Kimi K3 ডিস্ক থেকে চালানো যায়। একজন ৮ জিবি র্যাম এবং NVMe স্ট্রিমিং ব্যবহার করে প্রতি ৩০ সেকেন্ডে একটি টোকেন অর্জন করেছেন; আরেকজন ২৯ জিবি র্যামে ০.৫ টোকেন/সেকেন্ড পেয়েছেন, সব এক্সপার্ট অন-ডিমান্ডে পড়া হয়।

• I pushed Kimi K3 onto one CPU with 8 GB of RAM(নতুন ট্যাবে খোলে)
• Weight-Aware Streaming Tensor Engine: run Kimi K3 using 29 GB of RAM at 0.50 tok/s(নতুন ট্যাবে খোলে)

LongCat-Flash-Lite-Sparse এখন উপলব্ধ. এই নতুন রিলিজটি ঘন অ্যাটেনশনের জায়গায় LongCat Sparse Attention (LSA) ব্যবহার করে এবং নেটিভভাবে ১০ লক্ষ টোকেন পর্যন্ত কনটেক্সট সমর্থন করে, যা দীর্ঘ-নথির এজেন্ট কাজের জন্য উপযুক্ত করে তোলে।

• LongCat-Flash-Lite-Sparse Is Now Available for Download(নতুন ট্যাবে খোলে)

Laguna S 2.1 কনটেক্সট এবং কোয়ান্টাইজেশন আপডেট করেছে. Poolside Laguna S 2.1-এর জন্য নতুন FP8 এবং NVFP4 চেকপয়েন্ট প্রকাশ করেছে, ডিফল্ট কনটেক্সট সাইজ ১ মিলিয়ন টোকেনে বাড়িয়েছে এবং ডেভেলপমেন্ট ওয়ার্কফ্লোতে বাধা দেওয়া একটি লুপিং সমস্যা সমাধানের আশা করছে।

• New official weights for Laguna S 2.1 FP8 & NVFP4 are now available(নতুন ট্যাবে খোলে)