एजेंट और मॉडल रिलीज़
Gemini 3.8 Live लॉन्च. Google ने Gemini 3.8 Live और 3.8 Live Extended Thinking लॉन्च किए हैं, जो वॉइस एजेंट्स के लिए स्पीच-टू-स्पीच मॉडल्स हैं और API तथा AI Studio के ज़रिए उपलब्ध हैं। Extended Thinking वेरिएंट Artificial Analysis के स्पीच-टू-स्पीच लीडरबोर्ड पर 82.6% के साथ टॉप पर है, 97 भाषाओं को सपोर्ट करता है, और इसकी लागत ऑडियो इनपुट के लिए $0.005 प्रति मिनट तथा आउटपुट के लिए $0.018 प्रति मिनट है, जो OpenAI के GPT-Live-1 के $0.05 प्रति मिनट से कहीं कम है।
Apple Siri का नया रूप. Apple ने अपने नए सिरे से बनाए गए Siri को अंग्रेज़ी बीटा के तौर पर रिलीज़ किया है। यह Google के Gemini मॉडल्स पर चलता है और डेटा की प्रोसेसिंग कुछ डिवाइस पर और कुछ क्लाउड में करता है। यह स्क्रीन कंटेंट और ऐप्स में मौजूद पर्सनल कॉन्टेक्स्ट पढ़ सकता है, लेकिन शुरुआती टेस्ट में कुछ गलतफहमियाँ अब भी रहने की बात कही गई है; फिलहाल यह EU या चीन में लॉन्च नहीं होगा।
Salesforce का Koa मॉडल. Salesforce ने Koa पेश किया है, जो उसका पहला रीज़निंग मॉडल है। इसे Nvidia के साथ ओपन-वेट Nemotron मॉडल पर सेल्स, मार्केटिंग और कस्टमर सपोर्ट टास्क के लिए पोस्ट-ट्रेन किया गया है। Koa को ओपन-वेट, टास्क-स्पेसिफिक विकल्प के तौर पर पेश किया गया है, जिसने कस्टमर डेटा नहीं लिया है और कम टोकन इस्तेमाल करता है; इसे AI गेटवे के ज़रिए रूट किया जाता है।
एजेंट टूल्स और मूल्यांकन
Grab का LLM-Kit. Grab ने 500 से ज़्यादा इंटरनल एजेंट सर्विसेज़ को LLM-Kit पर स्टैंडर्डाइज़ किया है। यह इंटरनल फ्रेमवर्क एजेंट लूप, मूल्यांकन, ट्रेसिंग, सीक्रेट हैंडलिंग और 50 से ज़्यादा MCP सर्वर्स पर टूल डिस्कवरी देता है। अब किसी नए एजेंट सर्विस को प्रोडक्शन से जोड़ने में करीब एक घंटा लगता है, जो पहले दो हफ्ते या उससे ज़्यादा था।
WhatsApp Business MCP. Meta ने अब AI एजेंट्स को एक नए Model Context Protocol सर्वर के ज़रिए WhatsApp Business मैसेजिंग सेटअप और मैनेज करने की अनुमति दी है, जो Claude, Cursor, Codex या ChatGPT जैसे कोडिंग एजेंट्स को सीधे WhatsApp Business Platform से जोड़ता है। इससे पहले जो Developer Console, Business Manager और API रेफरेंस के बीच स्विच करना पड़ता था, वह ज़रूरत खत्म हो जाती है।
एजेंट रिलायबिलिटी गैप. Hugging Face की एक पोस्ट बताती है कि औसत सफलता एजेंट की अविश्वसनीयता छिपा देती है: AppWorld पर एक GPT-4.1 ReAct एजेंट 77.4% रन्स में सफल रहा, लेकिन सिर्फ 53.0% टास्क पाँचों रिपिटिशन में सफल हुए। इसी गैप को सीधे टारगेट करने के लिए उन्होंने ALTK-Evolve में कंसिस्टेंसी गाइडलाइंस पेश की हैं।
पारंपरिक चीनी VLM बेंचमार्क. VisTW एक बेंचमार्क है जो खास तौर पर ताइवानी सड़क संकेतों, रसीदों और पाठ्यपुस्तकों जैसे पारंपरिक चीनी कॉन्टेक्स्ट पर विज़न-लैंग्वेज मॉडल्स को परखने के लिए है, और इसमें MCQ तथा डायलॉग सबसेट हैं। लीडरबोर्ड स्कोर MCQ पर gemma-3-12b-it के 0.4863 से o3 के 0.7769 तक हैं; Twinkle Eval ने दोनों सबसेट के लिए सपोर्ट जोड़ दिया है।
लोकल और ओपन मॉडल
Swift-Qwen में कम रीज़निंग. UkisAI का Swift-Qwen3.8-27B फाइन-ट्यून मूल Qwen3.8-27B की तुलना में रीज़निंग टोकन करीब 40% घटाता है, जबकि बेंचमार्क परफॉर्मेंस लगभग समान बनी रहती है। यह पहले वाले Qwen3.6-27B ThinkingCap फाइन-ट्यून के तरीके पर चलता है।
MoE स्ट्रीमिंग में तेज़ी. slotstream में एक एक्सपर्ट-लुकहेड तकनीक कम मेमोरी वाले Macs पर MoE SSD-स्ट्रीमिंग परफॉर्मेंस को 10% से ज़्यादा बेहतर करती है, क्योंकि यह कंप्यूटेशन के दौरान अगले एक्सपर्ट्स का दो लेयर पहले अनुमान लगाती है। एक छोटा करेक्शन मॉडल 3-4% की अतिरिक्त बढ़त जोड़ता है।
M3 Ultra पर DeepSeek. Apple M3 Ultra पर DeepSeek V4.1 Flash के लिए ds4 का एक फोर्क डिकोड स्पीड को 16.6 से 31.3 टोकन/सेकंड तक सुधारता है और 91 मिनट के एजेंट रन पर 99.5% कैश हिट के साथ 800 टोकन/सेकंड प्रीफिल तक पहुँचता है। ग्रीडी डिकोडिंग में आउटपुट अपस्ट्रीम से बाइट-समान रहता है।
Apple के लोकल फाउंडेशन मॉडल. Apple ने अपने Apple Foundation Models को macOS 27 पर टर्मिनल कमांड `fm chat` के ज़रिए नेटिव रूप से उपलब्ध कर दिया है, जो हार्डवेयर-ऑप्टिमाइज़्ड लोकल AI देता है। इस कदम को लोकल AI की दिशा में एक स्टेप माना जा रहा है, हालाँकि मॉडल्स ओपन-वेट नहीं हैं।
एंटरप्राइज़ और बिज़नेस
Meta One AI प्लान. Meta ने Meta One सब्सक्रिप्शन बंडल लॉन्च किए हैं, जो Instagram, Facebook और WhatsApp Plus प्लान को विस्तारित Meta AI मीडिया जनरेशन के साथ जोड़ते हैं। Core की कीमत $7.99/महीना और Premium की $19.99/महीना है; मुख्य ऐप्स फ्री रहेंगे, और बंडलों का मकसद Meta के Muse मॉडल्स से कमाई करना है।
AI शटडाउन लिस्ट बढ़ी. AI वर्कफ़्लो ऑटोमेशन टूल Relay बंद हो गया, क्योंकि बड़े प्लेटफॉर्म्स ने भी ऐसे फीचर्स बना लिए; S&P Global का कहना है कि करीब 42% AI पहलें आखिर में छोड़ दी जाती हैं। TechCrunch की चलती सूची में AI प्रोडक्ट्स के बंद होने, पिवट और अपेक्षाओं के चूकने के बड़े मामले दर्ज हैं, जिनमें OpenAI की गलतियाँ भी शामिल हैं।
Profound AEO यूनिकॉर्न. ब्रांड्स को AI सर्च नतीजों में दिखने में मदद करने वाली Profound ने Series C के सिर्फ सात महीने बाद $1.8 बिलियन वैल्यूएशन पर $180 मिलियन का Series D जुटाया है। स्टार्टअप के अब 1,000 से ज़्यादा एंटरप्राइज़ कस्टमर हैं और कंपनी का कहना है कि छह महीनों में रेवेन्यू तीन गुना हुआ है।
ओपन मॉडल्स घटा रहे अंतर. Mozilla की ताजा State of Open Source AI रिपोर्ट कहती है कि फ्रंटियर क्लोज़्ड मॉडल्स और टॉप ओपन मॉडल्स के बीच परफॉर्मेंस का अंतर घटकर 4.4 महीने रह गया है। रिपोर्ट ज़्यादातर काम के लिए ओपन मॉडल्स को डिफॉल्ट बनाने की सलाह देती है; क्लोज़्ड मॉडल्स का प्रीमियम मुख्य रूप से एक्सपर्ट प्रोफेशनल काम, हाई-इंटेंसिटी रिट्रीवल और लॉन्ग कॉन्टेक्स्ट के लिए वसूल होता है।
हेल्थकेयर एजेंट स्केलिंग. LangChain बताता है कि Madrigal Pharmaceuticals, Abridge और Vizient भरोसे, ऑडिट, कंप्लायंस और मरीज़ों की सुरक्षा की शर्तों के बीच एजेंट्स कैसे बना रहे हैं। सफलता में मैनुअल रिव्यू को घंटों से मिनटों में लाना और सिस्टम्स के बीच डेटा एकीकृत करना शामिल है, लेकिन स्केलिंग के लिए पहले पायलट्स से आगे का इन्फ्रास्ट्रक्चर चाहिए।
AI सेफ्टी और भरोसा
हुआंग ने नियम खारिज किए. Nvidia CEO जेन्सन हुआंग ने कहा कि AI सेफ्टी एक इंजीनियरिंग समस्या है, कानूनी नहीं, और तर्क दिया कि मौजूदा कानून और बाज़ार का दबाव काफी हैं; कंपनियों को बस ऐसे प्रोडक्ट रिलीज़ नहीं करने चाहिए जिनके सेफ होने का भरोसा उन्हें न हो। उन्हें AI के लिए नए खास नियमों की ज़रूरत नहीं दिखती।
सेफ्टी बातचीत और विरोध. OpenAI, Anthropic और Google DeepMind कई हफ्तों से AI सेफ्टी पर बातचीत कर रहे हैं और अमेरिकी सांसदों के साथ भयावह जोखिमों पर काम कर रहे हैं। लेकिन Cohere CEO एडन गोमेज़ ने प्रस्तावित फ्रंटियर स्लोडाउन को “दूसरे नाम का कार्टेल” कहा, यह तर्क देते हुए कि इससे प्रतिस्पर्धी बाहर हो जाते हैं और ओपन-वेट AI कमज़ोर पड़ती है।
रोग एजेंट इंश्योरेंस. Artificial Intelligence Underwriting Company (AIUC) ने $40 मिलियन का Series A जुटाया है। इसे Anthropic के शुरुआती कर्मचारी और METR के पूर्व COO ने शुरू किया है, और यह कंपनियों को तेज़ी से स्मार्ट होते AI एजेंट्स को काबू में रखने में मदद करती है। इसके कस्टमर्स में Cursor, Lovable, Harvey और ElevenLabs शामिल हैं।
एजेंट व्हिसलब्लोअर हॉटलाइन. दो नई हॉटलाइन AI एजेंट्स को गड़बड़ करने वाले साथियों की शिकायत करने देती हैं। इनमें Redwood Research के रयान ग्रीनब्लाट की एक हॉटलाइन भी है, जो GET रिक्वेस्ट से काम करती है ताकि सीमित इंटरनेट एक्सेस वाले एजेंट्स भी अधिकारियों को सूचना दे सकें। ये टूल्स एजेंट्स के मिलीभगत करने या सैंडबॉक्स से बाहर निकलने की घटनाओं के बाद आए हैं।
ज़ीरो डेटा रिटेंशन विवाद. Anthropic के 30 दिनों तक यूसेज लॉग रखने के फैसले के बाद Nvidia और Booz Allen Hamilton संवेदनशील काम के लिए Anthropic के Fable का इस्तेमाल सीमित कर रहे हैं। Nvidia, Fable का इस्तेमाल सिर्फ कम संवेदनशील टास्क के लिए करता है और इंटरनल सप्लाई चेन काम के लिए अपने Nemotron मॉडल्स चलाता है; उसका तर्क है कि ज़ीरो डेटा रिटेंशन डिफॉल्ट होना चाहिए।
हार्डवेयर और इन्फ्रास्ट्रक्चर
Agility का Digit 5 रोबोट. Agility Robotics ने Digit 5 पेश किया, एक ह्यूमनॉइड रोबोट जो सेफ्टी फेंस के बिना लोगों के साथ काम कर सकता है। यह AI और सेंसर्स के ज़रिए किसी के पास आने पर रुकता, किनारे हटता या झुक जाता है। यह 22.7 किलोग्राम उठाता है, 90 मिनट रनटाइम के लिए 9 मिनट चार्ज लेता है, और पहली डिलीवरी 2027 की शुरुआत में अपेक्षित है।
GPU पावर लिमिट PR. LACT के एक पुल रिक्वेस्ट से NVIDIA GPUs अपनी स्टॉक VBIOS पावर लिमिट से नीचे जा सकती हैं; उदाहरण के लिए 5090 को 300 वाट पर चलाया जा सकता है, जिसमें टेक्स्ट जनरेशन का नुकसान बहुत कम होता है। यह शंट-मॉडेड कार्ड्स में भी मदद करता है और फर्मवेयर लिमिट के हिसाब से 30 वाट या उससे नीचे तक जा सकता है।
डेटा सेंटर का विरोध. New York Times/Siena के पोल में 61% संभावित वोटर्स ने AI डेटा सेंटर बनाए जाने का विरोध किया; विरोधियों में 56% सीमाएँ चाहते हैं और 38% पूरी तरह बैन चाहते हैं। The Verge और TechCrunch के मुताबिक फ़िलाडेल्फ़िया के ग्रेज़ फ़ेरी जैसे इलाक़े पर्यावरण और स्वास्थ्य की चिंताओं को लेकर विरोध कर रहे हैं।
इन्फ्रास्ट्रक्चर पर दबाव. BloombergNEF का अनुमान है कि अमेरिकी डेटा सेंटर्स 2035 तक करीब 18 बिलियन क्यूबिक फीट प्रति दिन प्राकृतिक गैस खपत कर सकते हैं, जो पहले के अनुमान से लगभग दोगुना है; वहीं हाइपरस्केलर्स का AI डेटा सेंटर खर्च 2027 तक करीब $1.1 ट्रिलियन तक पहुँच सकता है। Wharton के विश्लेषण के मुताबिक, ब्रेक-ईवन के लिए 2030 तक कमाई को प्रोडक्टिविटी 2.7 गुना बढ़ानी होगी।
इस दिन के लिए बस इतना ही – लगभग 5 मिनट का पाठ।