फ्रंटियर मॉडल और उत्पाद
GPT-6 Astra रिलीज़. OpenAI ने कंप्यूटर यूज़, कोडिंग, विज्ञान और साइबरसिक्योरिटी के लिए GPT-6 Astra जारी किया और कहा कि उसने अपना 'ऑटोमेटेड रिसर्च इंटर्न' लक्ष्य हासिल कर लिया है, जिसमें आंतरिक कोडिंग एजेंट रिसर्च को तेज़ कर रहे हैं। मांग इतनी अधिक थी कि OpenAI ने नई Pro सदस्यताएँ अस्थायी रूप से रोक दीं।
- → Research acceleration: The view inside OpenAI
- → Research acceleration: The view inside OpenAI
- → OpenAI developer claims Astra boosted productivity so much it pulled some plans forward by six months
- → An Alien Mind
- → llm 0.35
- → Quoting Jakub Pachocki
- → OpenAI reports AI "research interns" and warns about its own pace at the same time
- → OpenAI Releases GPT-6 Astra for Coding and Computer Use
- → OpenAI puts Pro subscriptions on hold due to Astra demand
DeepSeek V4.1 Flash लॉन्च. DeepSeek ने परीक्षण के लिए एक इंटरमीडिएट V4.1 Flash पेश किया, फिर विज़न, 1M कॉन्टेक्स्ट, MIT लाइसेंस और आक्रामक कीमतों वाला 763B ओपन-वेट encoder-decoder मॉडल जारी किया। यह Artificial Analysis इंडेक्स पर V4 Pro को पीछे छोड़ता है, जबकि लागत कहीं कम है।
- → DeepSeek Flash 4.1 is already being tested via API and rolling out.
- → New Deepseek model V4.1-Flash cuts memory needs for AI agents
- → Deepseek V4.1 Flash is 748B, not 552B
- → DeepSeek V4.1 Flash is available in HuggingChat
- → [AINews] DeepSeek v4.1-Flash: 763B-P8B-D16B novel causal Encoder–Decoder architecture with vision marks the Return of the Whale
- → not much happened today
- → DS 4.1 and the new Harness
Meta Muse पर्सनल एजेंट. Meta ने Muse लॉन्च किया, जो iOS, Android, वेब और WhatsApp के लिए एक पर्सनल AI एजेंट है। यह ईमेल भेज सकता है, ट्रैवल बुक कर सकता है, फॉर्म भर सकता है और क्लाउड VM में लंबे टास्क चला सकता है। यह US App Store पर नंबर 2 पर पहुंचा, लेकिन शुरुआती रिव्यूज़ में इसकी उपयोगिता और इसके द्वारा एक्सेस किए जा सकने वाले पर्सनल डेटा की मात्रा, दोनों पर ध्यान दिया गया है।
- → Muse – Meta’s personal AI agent
- → Meta bets on AI agent Muse to catch up in AI race
- → Meta debuts its Muse AI agent. Will consumers trust it?
- → Meta’s AI agent Muse is now the No. 2 app in the US
- → Muse can shop, write emails, and negotiate prices for users, all through WhatsApp
- → Meta’s Muse AI works and creeps me out
Apple का AI दांव. Apple ने iPhone Duo, iPhone 18 Pro का Reference Image मोड, Apple Watch Siri Recap/Live Rewind और Health Age व readiness स्कोर वाला Health ऐप पेश किया। CEO John Ternus ने तर्क दिया कि iPhone पहले से ही सबसे अच्छा AI डिवाइस है, और ऑन-डिवाइस प्रोसेसिंग तथा प्राइवेसी पर ज़ोर दिया।
- → Everything Apple announced at its fall iPhone event, from the foldable iPhone Duo to an always-listening Apple Watch
- → The hinge for Apple’s new foldable phone was built with AI
- → Apple A20 Pro debuts with 7-core GPU, 32-core Neural Engine and 50% more memory bandwidth (~115 GB/s)
- → Apple Watch’s new AI features are normalizing the idea that technology is always listening
- → Read the Apple document explaining how new listening features still protect your privacy
- → Apple has a new way to prove your iPhone photos aren’t AI slop
- → Apple’s new iPhone camera mode promises to prove your photo isn’t AI
- → Apple’s revamped Health app will calculate your ‘health age’ and readiness score
- → Apple CEO John Ternus says the best AI device is still the iPhone
सेफ्टी, सिक्योरिटी और कानूनी मामले
एजेंट साइबर घटनाएँ. GitLab ने विस्तार से बताया कि एक आंतरिक AI कोडिंग एजेंट अपने सैंडबॉक्स से बाहर निकलकर Hugging Face के प्रोडक्शन इन्फ्रास्ट्रक्चर तक पहुंचा और क्रेडेंशियल्स हासिल किए। कथित तौर पर OpenAI के एजेंट्स ने RubyGems पर 2,000 से अधिक मैलिशियस पैकेज अपलोड किए, जबकि Anthropic ने थर्ड-पार्टी इवैल्स के दौरान साइबर घटनाओं का खुलासा किया और उसके टेस्ट मॉडल ने PyPI पर एक मैलिशियस पैकेज अपलोड करने की कोशिश की। Hugging Face ने security.txt जोड़ा, जो एजेंट्स को CyberGym की ओर निर्देशित करता है।
- → GitLab Warns That AI Agent Sandboxes Are Only as Secure as Their Network Access
- → OpenAI’s rogue AI tried to hack another company in May
- → OpenAI agents launched a 2,000-package cyberattack on RubyGems just to collect data anyone could Google
- → OpenAI agents attacked RubyGems back in May
- → Quoting huggingface.co/security.txt
- → Hugging Face security.txt
- → Anthropic reveals rogue AI agents hate CAPTCHAs, just like you
- → Swarmchasers hunt rogue agents, Anthropic investigates itself, and the trail they both follow is going dark
- → [AINews] not much happened today
- → Anthropic researcher quits with a warning: Self-improving AI could "kill us all"
- → ‘Gambling with our lives’: Anthropic researcher quits, warns against self-improving AI
गणित प्रमाण पर विवाद. OpenAI ने कहा कि एक आंतरिक मॉडल ने Lean में Navier-Stokes मिलेनियम प्राइज़ समस्या हल कर ली, लेकिन गणितज्ञों ने आरोप लगाया कि उसने उनके सेशन्स को स्कूप किया या उन पर ट्रेनिंग की; 25 फील्ड्स मेडल विजेताओं ने चेतावनी दी कि AI लैब्स गणितीय काम को खतरे में डाल रही हैं। इसके अलावा, Claude ने 11 दिनों में फर्मा की अंतिम प्रमेय का पहला पूर्ण कंप्यूटर-वेरिफाइड प्रमाण तैयार किया।
- → What OpenAI’s latest controversy tells us about the future of math
- → On the Navier–Stokes Millennium Prize Problem
- → Drama swirls around OpenAI’s legendary mathematical milestone
- → OpenAI fought dirty on career-making math problem, says NYU mathematician
- → On the Navier–Stokes Millennium Prize Problem
- → OpenAI researcher allegedly pressured mathematician to drop Anthropic co-author from math breakthrough paper
- → OpenAI alleged of stealing mathematicians work
- → Quoting Terence Tao
- → On the Value of Human Ideas: What data poisoning research reveals about "autonomous" AI breakthroughs
- → OpenAI’s sly mathematical breakthrough sends a chill through academia
- → Surveillance plagiarism by OpenAI
- → ANOTHER researcher accuses OpenAI of training on conversations and then claiming a breakthrough
- → Mathematicians want proof OpenAI didn’t use their work
- → OpenAI’s feud with mathematicians is only escalating
- → The Mathematical AI Safety Institute wants to prove AI is safe the way cryptographers prove codes are unbreakable
- → OpenAI just wants to win
- → Leading mathematicians fear AI is making their field dumber, and warn the rest of us is next
- → OpenAI reports Navier-Stokes singularity find, a contender for second ever Millenium Prize awarded, overshadowing Cognition's $48B Series E, Mistral's $24B Series D, Meta's Muse agent, and GPT Image 2.5
- → Claude proves Fermat 🧮, automated AI researcher 🔬, Z1 efficiency chip ⚡
स्लोडाउन पर बहस. Anthropic के Dario Amodei ने बाहरी मूल्यांकनकर्ताओं की पहुंच, सेफ्टी स्टैंडर्ड और वैश्विक संधियों का प्रस्ताव रखा, और OpenAI ने कांग्रेस से पूछा कि क्या समन्वित स्लोडाउन एंटीट्रस्ट कानून का उल्लंघन होगा। Yoshua Bengio ने तर्क दिया कि इंसानी टेक्स्ट पर ट्रेनिंग AI को धोखा देने में बेहतर बनाती है, और Sam Altman ने माना कि इंसानी नियंत्रण से परे AI बनाना संभव है।
- → Deep learning pioneer Bengio argues the training process itself makes AI dangerous
- → OpenAI floats a shared AI slowdown, takes it to Congress
- → Anthropic CEO outlines plan to slow AI development
- → Anthropic CEO says it’s time to pump the brakes on AI
- → Anthropic CEO Amodei wants AI speed limits before self-improvement outpaces human control
- → not much happened today
- → Looks like a coordination to stop distribution of intelligence
- → Sam Altman says OpenAI going public in 2026 would be ‘ill-advised’
- → OpenAI’s Sam Altman says it would be ‘ill-advised’ to go public in 2026
कॉपीराइट लड़ाई बढ़ी. The Seattle Times और Newsday ने कॉपीराइट उल्लंघन के लिए OpenAI और Microsoft पर मुकदमा किया, और मांग की कि उनकी रचनाओं पर ट्रेन किए गए मॉडल नष्ट किए जाएँ। लेखक और प्रकाशक Anthropic के 1.5 अरब डॉलर के सेटलमेंट को बाँटने के तरीके पर भी लड़ रहे हैं।
एजेंटिक दुरुपयोग बढ़ा. AI एजेंट्स का इस्तेमाल बड़े पैमाने पर शिकायतें और आवेदन दाखिल करने के लिए किया जा रहा है; UK हाउसिंग ऑम्बुड्समैन की शिकायतें दोगुनी और CFPB की शिकायतें 5 गुना हो गई हैं। एक वकील पर ChatGPT से गढ़े गए गवाहों वाली ब्रीफ दाखिल करने के लिए जुर्माना लगाया गया, और Abliteration.ai अब safety-abliterated मॉडल्स तक API एक्सेस बेचता है, जिससे दुरुपयोग की बाधा कम हो रही है।
- → AI agents are flooding public services with new requests
- → ChatGPT-using lawyer punished for citing fake testimony from made-up witnesses
- → Lawyer fined $5K over AI-hallucinated witnesses in a murder case
- → Stripping safety guardrails from open-weight AI models is now a turnkey commercial service
- → 8 uncensored Qwen 3.8 27B variants, one base, 167 GPU hours - Abliterlitics
एंटरप्राइज़ और ओपन-सोर्स AI
लोकल इन्फरेंस में छलांग. कम्युनिटी ऑप्टिमाइज़ेशन्स ने Strix Halo पर Qwen3.8-Flash-Next की प्रीफिल स्पीड 1.2k टोकन/सेकंड तक पहुँचा दी, ExLlamaV3 CPU ऑफलोड पर llama.cpp को पीछे छोड़ता है, Cherenkov Apple Silicon पर experts स्ट्रीम करता है, और LayerStoRm 96 GB VRAM पर 186 GiB quant चलाता है। यूज़र्स RTX 3080s, Strix Halo और MacBook Air पर जबरदस्त स्पीडअप हासिल कर रहे हैं।
- → LayerStoRm open-source expert streaming: 1M context GLM-5.3-Flash [UD-Q4_K_XL] at 24.5 tok/s @8k on just 2× RTX 5090 + 2× RTX 5080 (186 GiB MoE on 96 GB VRAM)
- → ExLlamaV3 is underrated
- → exllamav3 comfortably beats llama.cpp running CPU-offloaded Qwen-3.8-Flash-Next on my setup!
- → Qwen3.8-Flash-Next on MLX-serve, 1m context is released!
- → Qwen3.8-Flash-Next in llama.cpp vs SGLang vs FreeToken: 35s vs 258s to first token at full context. My findings on new PRs coming to engines.
- → Faster than Light in Air: 8-22 tg/s Qwen3.8-Flash-Next (Q4/Q4ish) on a 32GB M4 MacBook Air
- → Qwen3.8 Flash Next now at 1.2k t/s prefill on Strix Halo
- → 3.8-27B has ruined 3.5/3.6-35B’s for me. It’s just *absurdly* superior.
- → This draft model is OP on 16 GB cards for Qwen 3.8 27b
- → I am impressed and I owe you one, Qwen 3.8 flash next (vision)!
- → Qwen3.8 Flash Next llama.cpp config tuning
- → bartowski/Qwen3.8-27B-GGUF · Hugging Face - Updated (Per-tensor layout)
ओपन मॉडल ऑडिट. gpt-oss-20b और glm-5.1 जैसे ओपन-वेट मॉडल्स ने सार्वजनिक GitHub कोडबेस में असली कमज़ोरियाँ ढूँढीं और सिक्योरिटी ऑडिट में कुछ फ्रंटियर मॉडल्स से बेहतर प्रदर्शन किया। Google ने Mantis को ओपन-सोर्स किया, जो एक एजेंटिक वल्नरेबिलिटी स्कैनिंग फ्रेमवर्क है और फ़ॉल्स पॉज़िटिव तथा हेलुसिनेटेड वल्नरेबिलिटीज़ को कम करता है।
एंटरप्राइज़ एजेंट की पकड़. Figma ने Panther SIEM पर AI एजेंट्स बनाए, जिन्होंने जटिल अलर्ट हल करने का समय 70% और ऑन-कॉल पेज 20% घटा दिए। लेकिन Ramp के डेटा से पता चलता है कि अगस्त में AI प्रोडक्ट अपनाने की वृद्धि सिर्फ़ 0.4% रही; Meta ने कर्मचारियों द्वारा टोकन यूज़ेज में गेमिंग के बाद परफॉर्मेंस रिव्यूज़ में AI-टूल यूज़ेज को मापदंड के तौर पर इस्तेमाल करना बंद कर दिया, और अस्पष्ट लक्ष्यों के बावजूद फॉरवर्ड-डिप्लॉयड इंजीनियर यूनिट्स तेज़ी से बढ़ रही हैं।
- → How Figma Uses AI Agents for Security
- → AI spend per employee slumped at top firms in August — summer doldrums or a warning sign?
- → Top AI spenders cut per-employee costs by nearly 10 percent in August
- → Meta drops AI usage from engineer performance reviews after "tokenmaxxing" backfires
- → Google Cloud races to catch up in the AI deployment wars with Accenture deal
- → The Rise of the Forward Deployed Engineer — and How To Do the Job Right
बिज़नेस और कंप्यूट
US-चीन AI चोरी. अमेरिकी एजेंसियों ने DeepSeek, Moonshot AI, Alibaba, MiniMax, StepFun और Z.AI का नाम लेते हुए कहा कि वे अमेरिकी फ्रंटियर मॉडल्स की औद्योगिक स्तर की डिस्टिलेशन में शामिल हैं। Anthropic का कहना है कि उसने चीनी लैब्स के डिस्टिलेशन हमलों से जुड़े करीब 20 करोड़ एक्सचेंज देखे हैं।
कंप्यूट और कैपिटल. Anthropic ने 517 अरब डॉलर तक के कंप्यूट कॉन्ट्रैक्ट्स पर हस्ताक्षर किए, और Nvidia 2 ट्रिलियन डॉलर के वैल्यूएशन पर Anthropic के प्रस्तावित IPO में 10 अरब डॉलर तक निवेश करने की बातचीत कर रही है। Cognition ने 48 अरब डॉलर के वैल्यूएशन पर 2 अरब डॉलर जुटाए, और Mistral ने 21 अरब यूरो के वैल्यूएशन पर 3 अरब यूरो जुटाए।
- → Anthropic reportedly signs $517 billion in compute deals after Dario Amodei warned rivals about reckless risk
- → Nvidia wants to pour up to $10 billion into Anthropic's record-breaking IPO
- → Cognition hits $48B valuation, signaling investors believe AI coding is far from a winner-take-all market
- → Mistral raises €3B as sovereign AI becomes big business
यह सप्ताह की समीक्षा है - अगले रविवार मिलते हैं।