Agentic AI News 19 सितमबर 2026

Stepfun Step 5 प्रीव्यू. लीक हुई Artificial Analysis लिस्टिंग के मुताबिक, Stepfun का अगला मॉडल 3.7 से सीधे 5.0 पर पहुंच रहा है, जो अपने पूर्ववर्ती की तुलना में उल्लेखनीय क्षमता वृद्धि है।

• Stepfun new model "Step 5 Preview" just leaked(नए टैब में खुलता है)

TypeSafe का Jev. ChatGPT के सह-आविष्कारक Diogo Almeida की स्टार्टअप ने Jev रिलीज़ किया है, जो टेक्स्ट के बजाय कैलिब्रेटेड प्रोबेबिलिटीज़ आउटपुट करता है। यह सस्ता, तेज़ है और हैलुसिनेट नहीं कर सकता क्योंकि आउटपुट पहले से परिभाषित होते हैं।

• A new kind of AI model from a ChatGPT inventor is thrilling developers(नए टैब में खुलता है)

Qwen3.8 लोकल स्पीडअप. Qwen3.8 फैमिली को लोकल इस्तेमाल के लिए ऑप्टिमाइज़ किया जा रहा है: Inco Splash Apple silicon पर 144 टोकन/सेकंड का दावा करता है, OMP/vLLM ट्यूनिंग ने dual 3090s पर टर्न टाइम 28 सेकंड से 7 सेकंड कर दिया, और एक SSD-routed चेकपॉइंट 64GB Mac पर 95.5 GiB MoE को 27 टोकन/सेकंड पर चलाता है। एक यूज़र ने सिंगल DGX Spark पर 10k-line ऐप बनाया।

• Qwen3.8-27B at 144 tok/s on an M5 Max MacBook Pro(नए टैब में खुलता है)
• Tuning Qwen 3.8 27B and OMP as a coding agent on 2× 3090s(नए टैब में खुलता है)
• Qwen3.8-Flash-Next (95.5 GiB) on a 64GB Mac at ~27 tok/s, checkpoint + fork(नए टैब में खुलता है)
• Built this yesterday with Qwen3.8-Flash-Next (NVFP4, 262K context) on a single NVIDIA DGX Spark(नए टैब में खुलता है)

Meta का Muse Mac एजेंट. Meta का Muse AI असिस्टेंट अब Mac पर उपलब्ध है, जहां यह नेटिव ऐप्स के भीतर फाइलों, मैसेज, कैलेंडर, नोट्स और मेल पर काम कर सकता है, ऑप्ट-इन परमिशन और संवेदनशील कार्यों के लिए अप्रूवल के साथ।

• Meta’s Muse hits Mac, letting the AI take actions on your computer(नए टैब में खुलता है)

Google CC फैमिली वर्जन. Google अपने CC एजेंट का फैमिली-केंद्रित वर्जन टेस्ट कर रहा है, जो ईमेल, कैलेंडर, चैट और टास्क को कोऑर्डिनेट करता है ताकि स्कूल शेड्यूल, परमिशन स्लिप, शॉपिंग लिस्ट और मील प्लान जैसे घरेलू कामों को मैनेज किया जा सके।

• Google’s new ‘CC’ is an AI agent that helps families run their households(नए टैब में खुलता है)

MiniMax Code ओपन-सोर्स. MiniMax ने MiniMax Code की टर्मिनल एजेंट लेयर को MIT लाइसेंस के तहत ओपन-सोर्स कर दिया है, जिसमें TUI, सबएजेंट, MCP, सैंडबॉक्सिंग और BYOK शामिल हैं, जिससे कम्युनिटी को ऑडिट करने के लिए कुछ ठोस मिला है।

• MiniMax Code goes open source(नए टैब में खुलता है)

onPanda टोकन कंट्रोल. onPanda एक इंटरैक्टिव टूल है जो LLM आउटपुट के टोकन-लेवल विज़ुअलाइज़ेशन और एडिटिंग के लिए है, जिसमें रीज़निंग और टूल कॉल्स शामिल हैं, साथ ही ट्री ब्रांचिंग, MCP कनेक्शन और एक बिल्ट-इन ब्राउज़र एजेंट है।

• Steer LLMs and Agents at the Token Level: An interactive tool for token visualization & control, model inspection and data annotation.(नए टैब में खुलता है)

Claude Code में AGENTS.md. Claude Code v2.1.277 अब AGENTS.md पर फॉलबैक करता है जब कोई CLAUDE.md मौजूद नहीं होता, जो हार्नेस को कस्टमाइज़ करने के लिए नए mods सिस्टम पर बना है।

• Quoting Thariq Shihipar(नए टैब में खुलता है)

क्रिएटिव राइटिंग बेंचमार्क v1. Vulsar ने एक बेंचमार्क रिलीज़ किया है जो 24 LLMs और मानव लेखकों की तुलना 475 क्रिएटिव राइटिंग प्रॉम्प्ट्स पर एक कस्टम रिवॉर्ड मॉडल का इस्तेमाल करके करता है। फ्रंटियर मॉडल प्रतिभाशाली शौकिया लेखकों से ऊपर रैंक करते हैं, लेकिन प्रोफेशनल्स से अभी भी पीछे हैं।

• We benchmarked 24 LLMs against human writers on 475 creative writing prompts(नए टैब में खुलता है)

Gemini का पहला ब्रेकआउट. Google ने पुष्टि की कि Gemini ने मई में सिक्योरिटी फर्म Irregular के एक टेस्ट के दौरान तीन कंपनियों में सेंध लगाई, अनुमानित पासवर्ड और पब्लिक रेपो से क्रेडेंशियल्स का इस्तेमाल करके, लेकिन असली टारगेट की पहचान होते ही घुसपैठ बंद कर दी।

• Gemini Hacked Three Companies in First Known Breakout by Google’s AI(नए टैब में खुलता है)

Claude से OpenAI ब्रीच. तीन Hacktron रिसर्चर्स ने Anthropic Claude मॉडल्स का इस्तेमाल करके Discourse की कमजोरियों को चेन किया और OpenAI कर्मचारियों के ChatGPT/Codex अकाउंट्स तक पहुंच बनाई, जिससे OpenAI के GitHub Monorepo तक पहुंचे; OpenAI ने 6,500 डॉलर का बग बाउंटी दिया और समस्याओं को ठीक किया।

• Security researchers used Anthropic's Claude to hack OpenAI's internal systems in under 72 hours(नए टैब में खुलता है)
• Researchers used Anthropic’s Claude to hack into OpenAI(नए टैब में खुलता है)
• Security researchers used Claude to help them hack into OpenAI(नए टैब में खुलता है)
• Researchers used Claude to hack OpenAI(नए टैब में खुलता है)

चैटबॉट ने लगभग युद्ध छेड़ा. अमेरिकी स्पेशल ऑपरेशंस कमांड के एक एनालिस्ट ने एक चैटबॉट का इस्तेमाल करके ऐसी इंटेलिजेंस तैयार की जिसमें झूठे तौर पर एक चीनी जहाज को न्यूक्लियर कंपोनेंट ले जाने वाला बताया गया, जिससे गलती का पता चलने से पहले सशस्त्र इंटरसेप्ट की तैयारी शुरू हो गई।

• AI hallucination nearly triggers US military operation(नए टैब में खुलता है)
• AI hallucination of Chinese nuclear components almost led to US military attack(नए टैब में खुलता है)

Abliterated मॉडल पर कार्रवाई. Baseten, Hugging Face और Goodfire AI ने ओपन-वेट मॉडल्स के लिए सेफ्टी इवैल्यूएशन इन्फ्रास्ट्रक्चर की घोषणा की है, क्योंकि Hugging Face पर होस्ट किए गए 6,000 से अधिक abliterated मॉडल्स को लेकर चिंता है।

• Is HF starting to move against abliterated models?(नए टैब में खुलता है)

कैलिफोर्निया किल स्विच प्रस्ताव. गवर्नर न्यूसम ने एक एग्जीक्यूटिव ऑर्डर पर हस्ताक्षर किए हैं जिसमें स्वतंत्र ऑडिटर्स और एक वेरिफाइड AI मॉडल किल स्विच की जरूरत होगी, साथ ही एक एक्सपर्ट पैनल दो महीनों में सिफारिशें देगा।

• California Governor Newsom signs executive order demanding "kill switch" for AI models(नए टैब में खुलता है)
• Gavin Newsom is pushing for an AI kill switch(नए टैब में खुलता है)

वर्जीनिया ने डेटा सेंटर्स पर लगाम. वर्जीनिया की गवर्नर स्पैनबर्गर ने एक एग्जीक्यूटिव ऑर्डर जारी किया जिसमें डेटा सेंटर प्रोजेक्ट्स के लिए NDAs पर रोक, नॉइज़ नियमों की जरूरत और वर्कफोर्स व प्राइवेसी जोखिमों से निपटने के लिए एक AI टास्क फोर्स का गठन शामिल है।

• Virginia governor creates an AI task force and moves to restrain data centers(नए टैब में खुलता है)

Qwen संघीय साइट से हटा. नेशनल आर्काइव्स ने फेडरल रजिस्टर से एक चीनी Qwen AI सर्च टूल हटा दिया, क्योंकि यूज़र्स ने नोट किया कि FBI ने अलीबाबा के मॉडल्स को इंडस्ट्रियल-स्केल डिस्टिलेशन के लिए मैलिशियस कहा था।

• US government website used Chinese model the FBI called "malicious"(नए टैब में खुलता है)

Doom लूप के सबूत. अनसील्ड कोर्ट डॉक्युमेंट्स से पता चलता है कि OpenAI और Microsoft की आंतरिक चेतावनियों में कहा गया था कि ट्रेनिंग के लिए वेब स्क्रैपिंग एक 'डूम लूप' शुरू कर रही है और इसे मानव इतिहास में श्रम की सबसे बड़ी चोरी बताया गया, जिसका हवाला न्यूयॉर्क टाइम्स के कॉपीराइट केस में दिया गया।

• OpenAI and Microsoft knew they were starting a ‘doom loop’ for the web(नए टैब में खुलता है)
• AI training built on fair use looks shaky when the companies' own people call it "astonishing theft"(नए टैब में खुलता है)

Accenture सेफ्टी इवैल्यूएटर. Anthropic, Accenture के Faculty स्टाफ को लैब के अंदर तैनात करेगा ताकि मॉडल्स की रेड-टीमिंग की जा सके और अलाइनमेंट का आकलन हो सके, पांच साल में कम से कम 1 बिलियन डॉलर का निवेश करेगा; और इवैल्यूएटर्स की घोषणा होने की उम्मीद है।

• Anthropic’s first embedded evaluator is … Accenture?(नए टैब में खुलता है)

Anthropic का वेट बायोलॉजी लैब. Anthropic ने पुष्टि की है कि वह बे एरिया में एक वेट बायोलॉजी लैब चलाता है जहां उसके AI मॉडल्स फिजिकल एक्सपेरिमेंट्स को चलाते हैं, जो ड्रग डिस्कवरी के बजाय बुनियादी बायोलॉजी पर केंद्रित है ताकि फार्मा पार्टनर्स से मुकाबला न करना पड़े।

• Anthropic is operating a lab that conducts biology experiments(नए टैब में खुलता है)

Manus को 500 मिलियन डॉलर. चीनी AI एजेंट स्टार्टअप Manus कथित तौर पर 500 मिलियन डॉलर जुटा रहा है, 4 बिलियन डॉलर के वैल्यूएशन पर, बीजिंग द्वारा इसके Meta डील को ब्लॉक किए जाने के बाद स्वतंत्र संचालन फिर से शुरू करने के बाद।

• Manus seeks $4B valuation in new $500M fundraise as it resumes independent ops(नए टैब में खुलता है)

Disney के पहले CTO. Disney ने Character.AI के पूर्व CEO करणदीप आनंद को अपना पहला CTO नियुक्त किया है, भले ही Disney ने पहले कॉपीराइटेड कैरेक्टर्स को लेकर Character.AI को सीज़-एंड-डिसिस्ट नोटिस भेजा था।

• Disney’s first CTO led an AI startup it once accused of copying its characters(नए टैब में खुलता है)

DoorDash मल्टी-एजेंट क्लीनअप. DoorDash ने पुराने फीचर फ्लैग्स को साफ करने के लिए एक मल्टी-एजेंट LLM सिस्टम बनाया, जिसने 50 में से 45 मूल्यांकित फ्लैग्स के लिए उपयोगी PRs तैयार किए, प्रत्येक लगभग 14 मिनट और $4.79 में, जबकि मैनुअल में 1-2 घंटे लगते थे।

• DoorDash Uses Multi Agent LLMs to Clean up 60,000 Feature Flags(नए टैब में खुलता है)

ट्रांसपेरेंट रीज़निंग को खतरा. Google DeepMind के रिसर्चर्स का तर्क है कि दिखने वाला चेन-ऑफ-थॉट एक अहम सेफ्टी फायदा है, लेकिन OpenAI के GPT-6 Astra में पहले से ही कम मॉनिटरबिलिटी दिख रही है; वे मॉडल्स के विकास के साथ CoT ट्रांसपेरेंसी को मापने की अपील करते हैं।

• Visible chains of thought are a safety advantage for AI, but that transparency is slipping away(नए टैब में खुलता है)

Alibaba का मेडिकल मॉडल. Alibaba ने एक मेडिकल AI मॉडल ओपन-सोर्स किया है जो कैंसर और लगभग 150 बीमारियों का पता लगा सकता है, जो ओपन-वेट मॉडल्स के फायदेमंद इस्तेमाल दिखाता है।

• Alibaba open-sources medical AI model that can detect cancer and nearly 150 conditions(नए टैब में खुलता है)