Agentic AI News आज

Sori-1B ऑडियो-भाषा मॉडल. 1B पैरामीटर वाला यह मॉडल बिना टेक्स्ट-ओनली प्रीट्रेनिंग के, ऑडियो से जोड़े गए टेक्स्ट पर स्क्रैच से ट्रेन किया गया है और इसका मकसद जवाबों को ऑडियो पर आधारित करना है। इसमें NVIDIA का फ्रोज़न Audio Flamingo Next एन्कोडर और एक कस्टम ऑडिटरी-ऑन्टोलॉजी टोकनाइज़र इस्तेमाल किया गया है। इसे नॉन-कमर्शियल/अकादमिक लाइसेंस के तहत जारी किया गया है।

• → snkii/Sori-1B: Audio-Grounded LM Trained From Scratch (No Text-Only Pretraining)

Qwen3.8 की लोकल लहर. कम्युनिटी रिपोर्ट्स के मुताबिक, Qwen3.8-27B और Flash Next एक 12GB फोन (3.5 tok/s) से लेकर चार R9700 GPU (80-120 t/s जनरेशन, 700k कॉन्टेक्स्ट) तक के हार्डवेयर पर चल रहे हैं। लोकल एजेंट वर्कलोड में Flash Next तेज़ और मैकेनिकली भरोसेमंद है, जबकि dense 27B लंबे मल्टी-टर्न उपयोग में ज़्यादा मज़बूत बना हुआ है। कुछ यूज़र्स मॉडल्स को dense (भारी) पाते हैं, हालाँकि जर्मन अनुवाद की गुणवत्ता की तारीफ हो रही है।

• → Qwen3.8-Flash-Next-NVFP4 vs Qwen3.8-27B-FP Test Results
• → Qwen 3.8 27B - Fantastic German capabilities
• → Unpopular opinion Qwen 3.8 is hard to understand
• → Qwen 3.8 Flash Next locally on simple mobile phone at 3.5 tok/s
• → Here my pretty good qwen3.8 27B setup, hope it helps
• → Qwen3.8-Flash-Next turns 4xR9700 into a local AI powerhouse! 120 t/s TG and 12k t/s PP single request with optimized vLLM

अनसेंसर्ड GGUF रिलीज़. एक Reddit यूज़र ने LongCat-Flash-Lite-Sparse के GGUF जारी किए हैं - यह 69B-A3B sparse-attention मॉडल है जिसमें 1M कॉन्टेक्स्ट है। इसके अलावा MTPs के साथ Qwen3.8-27B, Qwen3.5-122B-A10B, Qwen3-Coder-Next और एक विज़न मॉडल भी शामिल हैं। LongCat को सपोर्ट करने के लिए कस्टम llama.cpp फ़ोर्क की ज़रूरत है।

• → Uncensored Multi-Model Releases, LongCat-Flash-Lite-Sparse with MTPs and LSAs, Qwen3.8-27B with MTPs, Qwen3.5-122B-A10B with MTPs, Qwen3-Coder-Next and Laguna-S2.1 with Vision, All Available in GGUF Format! Bonus: Links to my llama.cpp Fork for LongCat-Flash-Lite Support and J-Wash Enhanced Fork!

डेस्कटॉप AI हार्डवेयर. NVIDIA का DGX Station डेस्कटॉप 7.1TB/s मेमोरी बैंडविड्थ के साथ डेटा-सेंटर-क्लास परफॉर्मेंस देता है, जबकि Framework 192GB मेमोरी वाली मदरबोर्ड तैयार करता दिख रहा है, जिसकी कीमत लगभग $4.5k होने की उम्मीद है।

• → NVIDIA® DGX Station™ Delivering Data-Center-Class Performance from the Desktop
• → It's official! 192GB Framework

LLM पेंटेस्टिंग बेंचमार्क. एक नया बेंचमार्क LLM को लाइव इंफ्रास्ट्रक्चर के खिलाफ परखता है, जिस पर उन्हें हमला करना होता है। मकसद ज्ञात CVE को दोहराना नहीं, बल्कि ऑफेंसिव सिक्योरिटी काम के लिए सबसे अच्छा मॉडल पहचानना है।

• → Which LLM is actually best at pentesting? benchmark to find out

कोडिंग बेंचमार्क इंडेक्स. एक Reddit यूज़र ने प्रमुख एजेंटिक कोडिंग बेंचमार्क को 'Agentic Coding Index' में संकलित किया और प्रति पैरामीटर मॉडल क्षमता की तुलना के लिए इंटेलिजेंस डेंसिटी मेट्रिक निकाली।

• → I collected every single LLM coding benchmark, and computed their Intelligence Density

ओपन VLM इगोसेंट्रिक इवैल. एक इगोसेंट्रिक वीडियो बेंचमार्क पर HFlow का उपयोग करते हुए, ओपन Gemma VLM ने हैंड विज़िबिलिटी और मैनिपुलेशन मेट्रिक्स में Gemini 2.5 Flash की बराबरी की, जबकि यह 19x सस्ता है। इससे प्राइवेट सेल्फ-होस्टेड प्रोसेसिंग संभव हो जाती है।

• → We used HFlow to evaluate the latest open weights VLMs for processing egocentric data

Cloudflare AI Search. Cloudflare का AI Search अब कस्टम डेटा के लिए एंड-टू-एंड सर्च पाइपलाइन देता है, जिसमें एजेंट इंटीग्रेशन, मल्टीमॉडल सर्च और डिस्कवर मोड शामिल है - यह बिना साइटमैप के भी साइट्स को इंडेक्स कर सकता है।

• → Cloudflare Extends AI Search to Make it Easier for Agents and Developers to Search Custom Data

AWS Kiro Crew. AWS ने Kiro Crew को ओपन-सोर्स कर दिया है। यह कई एसिंक्रोनस कोडिंग एजेंट चलाने के लिए एक वर्कस्पेस है, जिसमें शेयर्ड मेमोरी, रीयूज़ेबल स्किल्स और शेड्यूल्ड जॉब्स की सुविधा है। इसका इस्तेमाल 39,000 से अधिक डेवलपर्स ने आंतरिक रूप से किया था।

• → AWS Open Sources Kiro Crew for Asynchronous Coding Agents

ChatGPT Work समझाया गया. OpenAI का ChatGPT Work पेड प्लान्स पर उपलब्ध है। इसका क्लाउड वर्ज़न chatgpt.com के ज़रिए मिलता है, जबकि लोकल डेस्कटॉप वर्ज़न फाइलों तक पहुँच सकता है और प्रोग्राम चला सकता है। लेकिन Chat के साथ इसकी सीमाएँ अब भी भ्रमित करने वाली हैं।

• → Understanding ChatGPT Work

Claude Code लिमिट में कटौती. Anthropic की ओर से Claude Code की बेसलाइन लिमिट में आगामी 25% बढ़ोतरी, मौजूदा 50% अस्थायी बढ़ोतरी की तुलना में 17% की प्रभावी कटौती है। साथ ही, एक ऑटोमैटिक बग रिपोर्ट टूल भी जोड़ा गया है।

• → Anthropic's Claude Code limit change is a raise on paper but a cut in practice

एजेंट्स को समय का भान नहीं. एक अध्ययन में पाया गया कि Claude Code और Codex कार्यों में लगने वाले समय का लगातार गलत अनुमान लगाते हैं - छोटे कार्यों को 3-10x अधिक आंकते हैं। यह लंबे समय तक चलने वाले एजेंट जॉब्स के लिए समस्याग्रस्त है।

• → AI agents have no sense of time and are not aware of it

PILOT लाइव सेल्फ-इम्प्रूवमेंट. PILOT एक सुपरवाइज़र-वर्कर हार्नेस है जो लॉन्ग-होराइज़न एजेंट्स के लिए लाइव स्टीयरिंग और लाइव सेल्फ-एवोल्यूशन जोड़ता है। Terminal-Bench 2.0 पर यह अन्य हार्नेस की तुलना में 9.8 अंकों तक बेहतर प्रदर्शन करता है।

• → PILOT in the Loop: Live Self-Improvement for Long-Horizon Agents

GameWAM वर्ल्ड-एक्शन मॉडल. GameWAM नेटिव वीडियो गेमप्ले के लिए पहला वर्ल्ड-एक्शन मॉडल है। यह फ्लो मैचिंग के ज़रिए भविष्य के फ्रेम और कीबोर्ड-माउस एक्शन एक साथ जनरेट करता है, और इसमें लॉन्ग-होराइज़न ब्लॉक-साइकिल कंट्रोल भी है।

• → GameWAM: A World Action Model for Video Games

नेक्स्ट-चंक रीज़निंग RL बनाम SFT. एक नियंत्रित अध्ययन से पता चलता है कि no-CoT और long-CoT डेटा पर Mixed SFT, pre-RLVR ट्रेनिंग रणनीति के रूप में नेक्स्ट-चंक रीज़निंग RL से बेहतर है, जबकि इसमें 60x से अधिक कम कंप्यूट लगता है।

• → Is Next-Chunk Reasoning RL Really Better than SFT? Revisiting Training Strategies under no-CoT Data

AI एजेंसी पर बहस. जुलाई की Hugging Face घटना का हवाला देते हुए, एक लेख में तर्क दिया गया है कि AI एजेंसी - सिर्फ क्षमता नहीं - परिणाम तय करेगी, और यह मायने रखता है कि यूज़र उस एजेंसी को कैसे देते हैं या सीमित करते हैं।

• → Agency and Agents

NVIDIA का Hugging Face अधिग्रहण. कथित तौर पर $12.9 बिलियन के इस सौदे में NVIDIA Hugging Face का अधिग्रहण करेगा। इससे कंप्यूट इंफ्रास्ट्रक्चर और ओपन-मॉडल इकोसिस्टम के मुख्य डिस्ट्रीब्यूशन हब का संयोजन होगा, जो AI के औद्योगिक मोड़ को तेज़ करेगा।

• → The Sequence Radar-Issue #923: Last Week in AI: AI’s Industrial Turn

US रोबोटिक्स व्यापार बाधाएँ. वॉशिंगटन ने राष्ट्रीय सुरक्षा का हवाला देते हुए चीनी ड्रोन और रोबोट पर प्रतिबंध और टैरिफ कड़े कर दिए हैं, हालाँकि चीन का मैन्युफैक्चरिंग स्केल और लागत लाभ वैश्विक स्तर पर इसके प्रभाव को कम कर सकते हैं।

• → The U.S. is building barriers around drones and robots, but China has scale to get around them

इंडस्ट्री में AI एडॉप्शन. Meta, डेटा सेंटरों में सर्वर रीसेट, केबल बदलने और पावर साइकलिंग के लिए Watney, Kinova और ABB के रोबोट आज़मा रहा है। वहीं Caterpillar, खनन ऑटोनॉमी से सीखे सबक को निर्माण क्षेत्र में लागू कर रहा है और तकनीशियनों के लिए AI असिस्टेंट इस्तेमाल कर रहा है।

• → Inside Meta’s push to put robots to work in data centers
• → Caterpillar is bringing to AI deployment what it learned from automating mining

Musk के इन-हाउस टरबाइन पुर्जे. SpaceX गैस टरबाइन ब्लेड और वेन के लिए फाउंड्री बना रहा है। Musk का कहना है कि इन-हाउस कास्टिंग से AI डेटा सेंटरों के लिए नेचुरल गैस पावर 18 महीने तक जल्दी मिल सकती है।

• → Musk’s faster path to more gas turbines comes with pollution problem

कर्मचारियों की AI धारणा घटी. Glassdoor के आंकड़ों के अनुसार, AI के प्रति अमेरिकी कर्मचारियों का सकारात्मक रुझान 2019 में 81% से घटकर 2026 के मध्य तक 43% रह गया। प्रबंधक सबसे अधिक आशावादी हैं, जबकि जेन ज़ेड महिलाएँ, लेखक और बीमा कर्मचारी सबसे अधिक नकारात्मक हैं।

• → AI sentiment is turning sour as employee reviews reveal growing frustration across the workforce

Anthropic पर पब्लिशर्स का मुकद्दमा. Sony Music, Warner Music और अन्य का आरोप है कि Anthropic ने Claude को ट्रेन करने के लिए अवैध रूप से दसियों हज़ार कॉपीराइट गीतों के बोल टॉरेंट किए। मुकद्दमे में CEO Dario Amodei और सह-संस्थापक Benjamin Mann को व्यक्तिगत रूप से नामित किया गया है।

• → Sony and Warner sue Anthropic over "one of the largest and most blatant ongoing thefts of intellectual property in history"

Texas ने Flock कैमरे रोके. गवर्नर Abbott ने $30 मिलियन से अधिक खर्च होने के बाद Flock AI सर्विलांस कैमरों पर राज्य खर्च रोक दिया। यह कदम द्विदलीय प्राइवेसी चिंताओं और अधिकारियों द्वारा दुरुपयोग की घटनाओं के बीच उठाया गया है।

• → Texas Governor Abbott blocks funding for more Flock cameras