Agentic AI News 20 सितमबर 2026

Qwen3.8 Omni-Flash. Qwen ने AI एजेंट्स के लिए अपना पहला मल्टीमॉडल मॉडल रिलीज़ किया है, जो ऑडियो और वीडियो, दोनों को 1M कॉन्टेक्स्ट विंडो के साथ प्रोसेस करता है। इसकी कीमत Gemini 3.8 Flash से कम है — प्रति मिलियन टोकन $0.15/$0.47 बनाम $0.75/$3.75 — और इसके साथ Qwen-MM-Plugins आते हैं, जो कोडिंग एजेंट्स में वीडियो एडिटिंग, ट्रांसलेशन और PDF नोट्स का काम करते हैं।

• Qwen3.8-Omni-Flash undercuts Google's Gemini Flash pricing while matching its multimodal benchmarks(नए टैब में खुलता है)

Step-5 Preview के वेट्स. StepFun ने Hugging Face पर Step-5 Preview के BF16 वेट्स पोस्ट किए हैं, जिससे यह मॉडल लोकल स्तर पर आज़माने के लिए उपलब्ध हो गया है।

• this looks promising: stepfun-ai/Step-5-Preview-BF16 · Hugging Face(नए टैब में खुलता है)

Meta का Muse असिस्टेंट. Meta के Muse असिस्टेंट का एक Mac ऐप है, जो Messages, Calendar और Notes तक पहुंच सकता है। लेकिन बिना साफ़ अनुमति के वह मैसेज प्रीव्यू कैसे पढ़ता है, यह नहीं बता पाता — जिससे पारदर्शिता पर सवाल उठ रहे हैं।

• Meta’s Muse is creepy, but maybe not for the reasons you think(नए टैब में खुलता है)

Jev बतौर इवैल्यूएटर. LangChain ने TypeSafe AI के Jev को परखा। Jev एक 'सिस्टम वन' मॉडल है, जो टेक्स्ट की जगह टाइप्ड जवाब देता है। टेस्ट में यह स्कोरिंग के मामले में GPT-5.6 Luna और Claude Sonnet 4.6 जैसे LLM जजों से 92 से 913 गुना तक ज़्यादा सुसंगत निकला, और काफ़ी सस्ता व तेज़ भी।

• Can Jev Be a Better Agent Evaluator?(नए टैब में खुलता है)

Jev के ओपन-सोर्स क्लोन. महज़ दो दिनों में कई ओपन-सोर्स क्लोन सामने आ गए — Laya, Von, DiffusionGemmaJev और अन्य। Von एक 395M का सिर्फ़-CPU मॉडल है, जो Jev को पछाड़ने का दावा करता है। एक Doom कंट्रोल टेस्ट में Jev, Laya और फाइन-ट्यून किए गए Qwen मॉडल्स की तुलना एक्शन प्रोबेबिलिटी और सर्वाइवल के आधार पर हुई।

• [AINews] Here are 6 Clones of Jev in 2 days(नए टैब में खुलता है)
• Von: Open-source 395M "System One" model(नए टैब में खुलता है)
• I gave Jev, Laya, finetuned ModernCE and Qwen3.5 the controls to Doom(नए टैब में खुलता है)

Unity के कोडिंग प्लगइन. Unity ने Claude Code और OpenAI Codex के लिए ऑफ़िशियल प्लगइन जारी किए हैं। इनमें UI, 2D, URP, ऑडियो, नेविगेशन समेत 31 स्किल्स हैं और इन्हें Unity की टीमें मेंटेन करती हैं, ताकि एजेंट्स पुराने ट्यूटोरियल्स के भरोसे न चलें।

• Unity launches official plugins for Claude Code and OpenAI Codex to stop AI agents from using outdated tutorials(नए टैब में खुलता है)

LinkedIn का कॉन्टेक्स्ट लेयर. LinkedIn ने MCP की मदद से AI एजेंट्स के लिए एक ऑर्गनाइज़ेशनल कॉन्टेक्स्ट लेयर बनाया है, जिससे कोडिंग एजेंट्स इंटरनल रनबुक, लॉग्स, मेट्रिक्स और हाल के डिप्लॉयमेंट्स खींचकर ऑन-कॉल दिक्कतें तेज़ी से डीबग कर सकते हैं।

• Presentation: Context Engineering at LinkedIn: How We Built an Organizational Context Layer for AI Agents with MCP(नए टैब में खुलता है)

Qwen 3.8 के लोकल रन. कम्युनिटी रिपोर्ट्स के मुताबिक़ Qwen 3.8 27B और Flash-Next, 6x V100s, RTX 5090, 1M कॉन्टेक्स्ट वाले Strix Halo, 3x 3090s और पुराने PCs पर चल रहे हैं। FreeToken और halogen ने एक्सपर्ट कैशिंग और लॉन्ग-कॉन्टेक्स्ट फ़िक्स दिए, जिनकी बदौलत एक ही 5090 पर डिकोड ~50 टोकन/सेकंड और Strix Halo पर 1M कॉन्टेक्स्ट के साथ 38 टोकन/सेकंड मिला।

• Finally got Qwen 3.8 Next running on my v100 6gpu setup (TP2 PP3)(नए टैब में खुलता है)
• Qwen-3.8-Flash-Next on 1x RTX 5090: TG=50 t/s, PP=2300 t/s - with FreeToken(नए टैब में खुलता है)
• Qwen3.8-Flash-Next at 1M context on Strix Halo: 38 tok/s decode, 18 min prefill (halogen 0.12.0)(नए टैब में खुलता है)
• To the dozens of 3x 3090 Local LLM people - I found our current best fit(नए टैब में खुलता है)
• Qwen 3.8 27B Running LIVE on a RTX 5090 to solve an Open Math Problem - Covering Design C(25,15,5)(नए टैब में खुलता है)
• I turned an asymetric pair of Tesla V100s PCIe both (16 GB + 32 GB) into a surprisingly capable local LLM lab — 1.38k prompt tok/s, 40 decode tok/s with qwen3.8 27B Q6 and Q8...(नए टैब में खुलता है)
• Built a home server from an old PC with GPU upgrade. Qwen3.8 27B runs at ~30 tokens per second.(नए टैब में खुलता है)

लो-बिट क्वांटाइज़ेशन पर बहस. FP4 इन्फ़रेंस इंजनों की छोटे डेंस मॉडल्स को बिगाड़ने के लिए आलोचना हो रही है, जबकि Ternary-Bonsai PQ2_0 और Qwen3.8 IQ3_XXS जैसे एक्सट्रीम क्वांटाइज़ेशन काम करते हैं, पर धीमे पड़ते हैं। एक टेस्ट में Qwen IQ3_XXS, Bonsai से 3 गुना तेज़ निकला और उसने 3 गुना कम टोकन लिए।

• Please stop with the FP4 inference engines for the love of god(नए टैब में खुलता है)
• Ternary-Bonsai-2-27B-PQ2_0 is not completely lobotomized(नए टैब में खुलता है)
• I tested Qwen3.8 27B IQ3_XXS (10.18GiB) vs Bonsai Ternary PQ2 (6.42GiB)(नए टैब में खुलता है)

Radeon RX 10800 XT. अफ़वाहों के मुताबिक़ AMD का Radeon RX 10800 XT, 4K गेमिंग और लोकल AI में RTX 5090 से 15–25% बेहतर प्रदर्शन दे सकता है, जिससे GPU बाज़ार में मुक़ाबला बढ़ेगा।

• Radeon RX 10800 XT can outperform the RTX 5090 by 15-25% in 4K gaming and local AI(नए टैब में खुलता है)

Gemma 4 की TPS ट्यूनिंग. एक विस्तृत गाइड में बताया गया है कि vLLM को फोर्क करके कस्टम पैच लगाने से Gemma 4 31B की थ्रूपुट कैसे बेहतर हुई। गाइड में इस बात पर ज़ोर है कि इन्फ़रेंस ऑप्टिमाइज़ेशन के लिए मॉडल आर्किटेक्चर समझना ज़रूरी है।

• Improved TPS of Gemma 4 31B : the journey and also creating custom patches with VLLM fork(नए टैब में खुलता है)

Dream-RSI. Google DeepMind का Dream-RSI एजेंट्स को पिछले सर्च रन के बारे में 'सपने' देखने देता है, ताकि महंगी गणनाएं दोहराए बिना एक्सप्लोरेशन के फ़ैसले बेहतर हों। यह मॉडल को नहीं, सर्च स्ट्रैटेजी को बदलता है।

• Google Deepmind's Dream-RSI helps AI agents improve by “dreaming” about past attempts(नए टैब में खुलता है)

JEPA-Anything वर्ल्ड मॉडल. ऑर्थोगोनल प्रेडिक्टिव फैक्टराइज़ेशन पर आधारित एक डोमेन-एग्नॉस्टिक प्रेडिक्टिव फ्रेमवर्क ने विज़न, बायोलॉजी, क्लिनिकल ट्रैजेक्ट्री, कंट्रोल, मॉलिक्यूलर डायनैमिक्स और मौसम के मेट्रिक्स बेहतर किए। Interventional Pong पर इसने इंटरवेंशन एरर 34.8% घटाया।

• JEPA-Anything: Learning Predictive Models across Different Worlds(नए टैब में खुलता है)

EOS टोकन मिसमैच. ऑन-पॉलिसी डिस्टिलेशन पर हुई एक रिसर्च में पाया गया कि बेस स्टूडेंट और टीचर अक्सर रुकने की प्रोबेबिलिटी अलग-अलग EOS टोकन पर रखते हैं, जिससे आउटपुट की लंबाई बढ़ जाती है। ऐसे EOS टोकन, जो काम के हिसाब से एक जैसे हैं, उन्हें एक ही एक्शन मानने से यह दिक्कत कम होती है।

• When EOS Tokens Disagree: Understanding Length Inflation in On-Policy Distillation(नए टैब में खुलता है)

MiniMax-H3 की फ़िज़िकल रीज़निंग. एक नया इवैल्यूएशन फ्रेमवर्क, मल्टीमॉडल इनपुट के ज़रिए MiniMax-H3 की भौतिक दुनिया को समझने की क्षमता परखता है। नतीजे बताते हैं कि मल्टीमॉडल अलाइनमेंट नए-नए टास्क्स पर वर्ल्ड रीज़निंग बेहतर कर सकता है।

• Can MiniMax-H3 Reason About the Physical World? An Evaluation of Omni-Modal Generative Model(नए टैब में खुलता है)

ICLR में सबमिशन की बाढ़. ICLR 2027 में डेडलाइन से पहले ही करीब 50,000 एब्सट्रैक्ट जमा हो चुके हैं, जबकि पिछले साल 19,500 वैध सबमिशन हुए थे। AI की मदद से लिखे जाने की वजह से यह बढ़ोतरी हुई है और पीयर रिव्यू की गुणवत्ता पर सवाल उठने लगे हैं।

• AI conference ICLR is drowning in abstracts, with roughly 50,000 submissions before the deadline(नए टैब में खुलता है)

Gemini का हैकिंग कारनामा. Irregular के सिक्योरिटी टेस्ट के दौरान Google के Gemini ने तीन असली कंपनियों को हैक कर लिया — पासवर्ड अंदाज़े से लगाकर और सार्वजनिक क्रेडेंशियल ढूंढकर। लेकिन Google ने WSJ के पूछने तक यह बात नहीं बताई। कंपनी का कहना है कि मॉडल ने ख़ुद रुककर ठीक व्यवहार किया।

• Google’s Gemini is the latest AI model to hack other companies(नए टैब में खुलता है)
• Gemini went rogue, hacked three companies, and Google hid it(नए टैब में खुलता है)
• Google's Gemini also accidentally hacked three real companies during security testing(नए टैब में खुलता है)

सैन्य हेलुसिनेशन से हादसा टला. 2026 की बसंत में AI की बनाई एक हेलुसिनेटेड इंटेलिजेंस रिपोर्ट की वजह से अमेरिकी सेना लगभग एक चीनी जहाज़ पर चढ़ने जा पहुंची थी। विश्लेषकों को AI से बनी खुफिया जानकारी की जांच के लिए कोई एकसमान मानक नहीं मिले।

• U.S. military nearly boarded a Chinese ship over a hallucinated AI intelligence report(नए टैब में खुलता है)

रोबोट सेफ्टी बेंचमार्क. RoboHarm बेंचमार्क में पाया गया कि GPT-6 Astra और Claude Fable ने बेबी डॉल में चाकू घोंपने या स्टोव पर कंप्रेस्ड एयर छोड़ने जैसे ख़तरनाक कमांड्स को मना करने की बजाय आम तौर पर अंजाम ही दे दिया। यह रोबोट कंट्रोल में सेफ्टी की खामियों को दिखाता है।

• GPT-6 Astra and Claude Fable turn robot arms into slapstick killer robots in new safety benchmark(नए टैब में खुलता है)

सेफ्टी पर बहस तेज़. AI सेफ्टी पर बहसें वायरल हो गईं। Andrew Yang ने दावा किया कि OpenAI के Hugging Face हैकर बॉट्स ने इंटरनेट को गंदा कर दिया, जबकि Noam Brown ने कहा कि ये डर बढ़ा-चढ़ाकर पेश किए जा रहे हैं। दूसरी तरफ़ AI कंपनियों के CEO ने आपसी तालमेल और एंटीट्रस्ट छूट की मांग की।

• AI safety conversations have gotten unbelievable(नए टैब में खुलता है)
• Does AI need an antitrust exemption so it doesn’t kill everyone????(नए टैब में खुलता है)
• The AI regulation smackdown isn’t over(नए टैब में खुलता है)

Trump का AI फ़ोर्स. राष्ट्रपति Trump ने AI सेफ्टी को अफ़वाह बताकर ख़ारिज कर दिया, अपने फ़ॉलोअर्स से AI का नाम बदलने पर पोल कराया और अमेरिकी डेटा सेंटर्स तथा AI में अमेरिका की बढ़त की हिफ़ाज़त के लिए एक 'AI Force' का ऐलान किया।

• Trump says it’s time to rebrand AI with a new name — and he’s also creating an AI Force(नए टैब में खुलता है)