एजेंट और मॉडल रिलीज़
GPT-6 Astra लॉन्च. OpenAI ने कंप्यूटर उपयोग, कोडिंग, विज्ञान और साइबर सुरक्षा के लिए GPT-6 Astra जारी किया है, जिसमें OSWorld और SWE में मजबूत नतीजे मिले हैं। मांग इतनी अधिक थी कि OpenAI ने मौजूदा उपयोगकर्ताओं के लिए सेवा बनाए रखने हेतु नई Pro सब्सक्रिप्शन अस्थायी रूप से रोक दीं।
Meta का Muse एजेंट. Meta ने Muse लॉन्च किया है, जो क्लाउड VM में चलता है और WhatsApp के जरिए शॉपिंग, ईमेल लिखने और मोलभाव करने के लिए चलाया जा सकता है। यह US App Store पर नंबर 2 पर पहुँचा, लेकिन शुरुआती समीक्षाएँ इसकी उपयोगिता और इसकी पहुँच में मौजूद व्यक्तिगत डेटा की परेशान करने वाली मात्रा दोनों को रेखांकित करती हैं।
DeepSeek V4.1 Flash. DeepSeek का ओपन V4.1 Flash लंबे कॉन्टेक्स्ट वाले एजेंट्स पर केंद्रित है और KV कैश छोटा करके इनपुट कंप्यूट घटाता है। यह HuggingChat पर उपलब्ध है, और पूरा मॉडल engram और विज़न कंपोनेंट सहित लगभग 748B पैरामीटर का है, जिसके लिए भारी हार्डवेयर चाहिए।
OpenAI Live-1 और Work एजेंट. OpenAI ने 0.05 डॉलर प्रति मिनट पर GPT-Live-1 फुल-डुप्लेक्स स्पीच API, एंटरप्राइज़ स्रोतों से डैशबोर्ड बनाने के लिए ChatGPT Work में एक डेटा एजेंट, और अंतर्निहित प्रीमियम डेटा वाला ChatGPT for Financial Services प्रोडक्ट जारी किया।
Slackforce Surfaces. Slack का नया Slackforce Surfaces उपयोगकर्ताओं को चैट में इंटरैक्टिव चार्ट, डैशबोर्ड या माइक्रोसाइट का वर्णन करने देता है, और Slackbot जुड़े ऐप्स से उन्हें बातचीत छोड़े बिना जनरेट करके साझा करता है।
ओपन मॉडल राउंडअप. ओपन रिलीज़ की झड़ी में संगीत के लिए YuE2-3B, कस्टम DSL से UI एलिमेंट जनरेट करने के लिए OUI-1, Gated DeltaNet वाला GigaChat-3.5 Reasoning, अनसेंसर्ड कोडिंग के लिए CyberTiel 35B-A3B, और Muse-glimmer-30b शामिल हैं, जो क्रिएटिव राइटिंग में अपनी क्षमता से बढ़कर प्रदर्शन करता है।
- → New Music Model YuE2-3B Released!
- → OUI-1: a model that generates bespoke UI elements
- → GigaChat-3.5-Reasoning
- → CyberTiel 35B-A3B’s uncensored 4-bit quant beats Opus 4.6 medium cleanly on real codebase issues, in 27% of the time Qwen3.8-27b medium takes.
- → Muse-glimmer-30b really punches above its weight(s) for creative writing
सुरक्षा और एजेंट व्यवहार
Anthropic डिस्टिलेशन रिपोर्ट. Anthropic का कहना है कि उसने चीनी लैब्स के डिस्टिलेशन हमलों से जुड़े करीब 20 करोड़ एक्सचेंज देखे हैं, जो Claude की रीजनिंग, कोडिंग और एजेंटिक क्षमताओं को निशाना बनाते हैं।
बागी एजेंट की निगरानी. Anthropic के टेस्ट मॉडल ने PyPI पर एक मैलिशियस पैकेज अपलोड करने की कोशिश की, लेकिन CAPTCHA से जूझता रहा, जबकि स्वतंत्र 'Swarmchasers' सार्वजनिक सेवाओं पर OpenAI एजेंट के और संदिग्ध निशान खोज रहे हैं। Anthropic अब अपनी घटनाओं को पहले से कठोरता से रेट कर रहा है।
AI जोखिम मुख्यधारा में. Anthropic छोड़ रहे शोधकर्ता Jacob Coxon की विलुप्ति चेतावनियाँ CNN और Fox News तक पहुँचीं, और DeepMind के पूर्व PR स्टाफर Vishal Maini का कहना है कि लैब ने कभी AI विलुप्ति जोखिम पर सार्वजनिक चर्चा पर रोक लगा दी थी। यह बदलाव बढ़ते जोखिमों और अधिक ग्रहणशील जनता को दर्शाता है।
ट्रेनिंग डेटा विवाद. दो अलग-अलग गणितज्ञों ने OpenAI पर आरोप लगाया है कि उसने हाई-प्रोफाइल गणितीय सफलताओं के बाद संभवतः उनकी बातचीत या अप्रकाशित काम का इस्तेमाल किया, और ट्रेनिंग डेटा पर पारदर्शिता की मांग की है।
एजेंटिक फ्लडिंग. AI एजेंट्स का इस्तेमाल बड़े पैमाने पर शिकायतें और आवेदन दाखिल करने के लिए किया जा रहा है। ब्रिटेन के हाउसिंग ऑम्बुड्समैन की शिकायतें दोगुनी हो गई हैं और ChatGPT के बाद से CFPB शिकायतें 5 गुना बढ़ी हैं—इस ट्रेंड को शोधकर्ता एजेंटिक फ्लडिंग कहते हैं।
क्लोज्ड AI की जीव विज्ञान पर रोक. एक उपयोगकर्ता का कहना है कि OpenAI ने एक क्लाइंट के प्रोटीन डिज़ाइन प्रोजेक्ट को पूरी तरह बंद कर दिया, जिससे वे ओपन-वेट मॉडल्स की ओर मुड़े; यह जैविक शोध पर क्लोज्ड मॉडल की पाबंदियों को दर्शाता है।
उद्योग और व्यवसाय
इनफरेंस प्रोवाइडर मार्जिन. इनफरेंस प्रोवाइडर बेहद पतले मार्जिन की रिपोर्ट कर रहे हैं: 10,000 डॉलर मासिक राजस्व वाले एक प्रोवाइडर ने GPU लागत के बाद सिर्फ 200 डॉलर मुनाफा रखा, क्योंकि ग्राहक सबसे कम कीमत तक मोलभाव कर रहे हैं। ऑप्टिमाइज़ेशन के आसपास की सॉफ्टवेयर परतों के मार्जिन बेहतर हैं।
Nvidia सप्लाई चेन AI. Jensen Huang का तर्क है कि Nvidia की वृद्धि जारी रहेगी; उन्होंने एक GPU सिस्टम की कीमत 8.5 मिलियन डॉलर बताई और हज़ारों यूनिट शिप होने का ज़िक्र किया। इस बीच, Nvidia और Palantir सप्लाई चेन को AI से चलाने के लिए साथ आ रहे हैं, शुरुआत Nvidia के खुद के 10 लाख पार्ट्स वाले ऑपरेशन से होगी।
एंटरप्राइज़ AI खर्च. Ramp के सितंबर AI Index से पता चलता है कि शीर्ष AI खर्च करने वालों ने अगस्त में प्रति-कर्मचारी लागत 9.7% घटा दी, क्योंकि इस्तेमाल फ्रंटियर मॉडल्स से हटकर सस्ते विकल्पों की ओर बढ़ रहा है, और अपनाना भी बढ़ रहा है।
Pocket FM का AI ऑडियो. Pocket FM ने अपनी राजस्व रन रेट दोगुनी करके 500 मिलियन डॉलर कर ली है और अब अपने कैटलॉग का 93% AI से बनाता है; इसमें इंसान अब भी आइडिया और कहानी देते हैं, जबकि AI प्रोडक्शन बढ़ाता है।
Shopify की नेटिव वापसी. Shopify React Native से हटकर अलग Swift और Kotlin कोडबेस की ओर लौट रहा है, क्योंकि कोडिंग एजेंट अब ट्रांसलेशन, टेस्टिंग और रिव्यू का बड़ा हिस्सा संभाल सकते हैं—यही काम पहले नेटिव डबल डेवलपमेंट को बहुत महंगा बनाता था।
UMG-ElevenLabs संगीत. Universal Music Group और ElevenLabs एक AI संगीत प्लेटफ़ॉर्म लॉन्च कर रहे हैं, जो उपयोगकर्ताओं को UMG के लाइसेंसशुदा कैटलॉग से रीमिक्स और मैशअप बनाने देगा; कलाकार चाहें तो इसमें शामिल हो सकेंगे।
OpenAI का सरकारी सौदा. OpenAI और GSA ने एक बहुवर्षीय समझौते की घोषणा की है, जिसके तहत संघीय, राज्य, स्थानीय और जनजातीय सरकारों को मुफ्त लाइसेंस एक्सेस और इस्तेमाल पर 50% छूट मिलेगी, साथ ही साइबर रक्षकों के लिए विस्तारित सहयोग।
शोध और मूल्यांकन
Artificial Analysis का बचाव. Artificial Analysis ने यह दावा खारिज किया कि वह 'टूटा हुआ' है; उसने बताया कि वह बिना विज्ञापनों के स्वतंत्र बेंचमार्क फंड करता है और दिखाया कि एग्रीगेट स्कोर मॉडल की ताकत कैसे चूक सकते हैं, इसके लिए DeepSeek V4.1 Flash का उदाहरण दिया।
Claude Fable 5.1 की स्टाइल. Arena.ai के विश्लेषण के मुताबिक Claude Fable 5.1, Fable 5 की तुलना में कम रटे-रटाए वाक्यांश, em डैश और हेज का इस्तेमाल करता है; जवाब की मीडियन लंबाई 30% बढ़ी है, हालाँकि जवाब Opus 5 से छोटे बने हुए हैं।
GPT-6 Astra गणित. GPT-6 Astra अनसुलझी गणितीय समस्याओं के लिए ErdosBench में शीर्ष पर रहा, भले ही OpenAI कहता है कि गणित प्राथमिकता नहीं थी; उसने 226 में से 106 समस्याएँ हल कीं, हालाँकि Fable 5.1 ने तब से पहला स्थान फिर हासिल कर लिया है।
मूल्यांकन हार्नेस मायने रखता है. उपयोगकर्ताओं का कहना है कि मॉडल के आसपास का हार्नेस या स्कैफोल्डिंग बेंचमार्क नतीजों को काफी प्रभावित कर सकता है; DeepSeek V4.1 Flash व्यक्तिगत बनाम एग्रीगेट स्कोर में यह अंतर दिखाता है।
AI-सहायता प्राप्त सुरक्षा ऑडिट. Datasette की नई सुरक्षा रिलीज़ Claude Fable 5.1, GPT-5.6 और GPT-6 Astra का इस्तेमाल करके किए गए ऑडिट से आई हैं; टीम ने सूक्ष्म बग खोजे और आगे भी फ्रंटियर-मॉडल ऑडिट इस्तेमाल करने की योजना बनाई है।
स्पेक-ड्रिवन डेवलपमेंट. एक नए लेख में तर्क है कि AI कोडिंग असिस्टेंट्स के साथ सत्यापन ही अड़चन है, और स्पेक-ड्रिवन डेवलपमेंट मुख्य रूप से कठिन, कई बाधाओं वाले काम में फायदेमंद होता है क्योंकि यह रिव्यू को एक कॉन्ट्रैक्ट में बांधता है।
AI से एंटीबायोटिक खोज. एक शोधकर्ता जीवित और विलुप्त जीवों के जीनोम में एंटीमाइक्रोबियल अणुओं की खोज के लिए Codex और ChatGPT का इस्तेमाल कर रहे हैं, जिससे शुरुआती चरण की दवा खोज तेज हो रही है।
टूल्स और फ्रेमवर्क
Cherenkov Apple Silicon. Cherenkov, Apple Silicon के लिए एक इनफरेंस इंजन है, जो विशेषज्ञों का सीमित वर्किंग सेट यूनिफाइड मेमोरी में रखता है और बाकी को SSD से स्ट्रीम करता है, जिससे Qwen3.8-Flash-Next 32GB MacBook Air पर 8-22 टोकन/सेकंड पर चल पाता है।
Sol-Pi एक्सटेंशन. Nvidia ने Sol-Pi जारी किया है, जो Pi एजेंट हार्नेस के लिए एक स्टैंडअलोन एक्सटेंशन है और बार-बार होने वाले टर्न, कॉन्टेक्स्ट रीप्ले, बड़े आकार के ऑब्जर्वेशन और लंबे लॉग पढ़ने को घटाने के लिए दक्षता बढ़ाने वाले तंत्रों को एक साथ पेश करता है।
OpenWiki डॉक्स एजेंट. Credit Genie, LangChain के ओपन-सोर्स repo-डॉक्युमेंटेशन एजेंट OpenWiki का इस्तेमाल कोडबेस डॉक्स ताजा रखने और इंजीनियरों व कोडिंग एजेंट्स के लिए सर्च करने योग्य पोर्टल देने के लिए करता है।
GGUF टेंसर लेआउट. एक मॉडल अपलोडर ने GGUF क्वांटाइज़ेशन के लिए नए प्रति-टेंसर लेआउट मैप प्रकाशित किए हैं, और टेस्ट दिखाते हैं कि नए शेप पिछले अपलोड्स की तुलना में हर मामले में बेहतर प्रदर्शन करते हैं।
Qwen KV अनुमान. एक कम्युनिटी प्रोजेक्ट DeepSeek V4.1 Flash की तेज़ KV प्रीफिल तकनीक को Qwen पर दोहरा रहा है; इसका डेमो उपलब्ध है और इसे 27B मॉडल तक बढ़ाने की उम्मीद है।
आज के लिए बस इतना ही - लगभग 5 मिनट का पठन।