Agentic AI News 8 अक्टूबर 2026

Claude Haiku 5.5. Anthropic के नए तेज़, कम लागत वाले मॉडल में 10 लाख टोकन का कॉन्टेक्स्ट है और 1 लाख टोकन तक प्रॉम्प्ट की कीमत $0.10 प्रति मिलियन टोकन है, जो GPT-6 Luna के बराबर है। लेकिन इसका टोकनाइज़र करीब 25-30% ज़्यादा टोकन गिनता है और 1 लाख टोकन के बाद कीमत 5 गुना हो जाती है। बेंचमार्क Haiku 4.5 के मुकाबले बड़ी छलांग और प्रतिस्पर्धी एजेंटिक कोडिंग दिखाते हैं।

• Claude Haiku 5.5(नए टैब में खुलता है)
• Anthropic Releases Claude Haiku 5.5: A Small Model With 1M Context Priced at $0.10 per Million Input Tokens(नए टैब में खुलता है)
• Claude Haiku 5.5 arrives with massive price cuts proving the AI pricing arms race is far from over(नए टैब में खुलता है)

Mistral Large 4 'Le Chonk'. Mistral ने प्रीव्यू में 1 ट्रिलियन पैरामीटर का ओपन-वेट मॉडल जारी किया है, जो कोडिंग, साइबर डिफेंस और खास इंडस्ट्रीज़ के लिए ऑप्टिमाइज़्ड है। कंपनी का दावा है कि इसकी क्षमता अमेरिकी और चीनी फ्रंटियर मॉडल्स के करीब है।

• Mistral says "Le Chonk" can challenge the best AI models(नए टैब में खुलता है)

Liquid AI डिसीजन मॉडल. Liquid AI ने d1-3B और d1-omni-600M ओपन-सोर्स किए हैं। ये मल्टीमॉडल डिसीजन मॉडल बिना आउटपुट टोकन के कैलिब्रेटेड हाँ/नहीं, विकल्प या स्कोर जवाब देते हैं। d1-3B का दावा है कि Decision Index पर 10B से कम के मॉडल्स में यह बेस्ट-इन-क्लास है और NVIDIA Jetson हार्डवेयर पर सिर्फ 16 ms में चलता है। इसका WebGPU ब्राउज़र पोर्ट भी आ रहा है।

• Liquid AI Releases Open-Weight d1-3B and d1-omni-600M: Multimodal Decision Models With Zero Output Tokens(नए टैब में खुलता है)
• Multimodal open d1 decision models for the edge(नए टैब में खुलता है)
• d1-3B and d1-omni from LiquidAI(नए टैब में खुलता है)
• LiquidAI/d1-3B · Hugging Face(नए टैब में खुलता है)
• omni-d1 600M by Liquid AI running in the browser using WebGPU(नए टैब में खुलता है)

OpenAI Decisions API. OpenAI ने बीटा Decisions API लॉन्च किया है, जो टेक्स्ट या इमेज पर हाँ/नहीं, कैटेगरी और स्केल मूल्यांकन करता है। यह Responses से करीब 10 गुना तेज़ है। इसमें GPT-6 Luna के लिए इनपुट $0.10 प्रति मिलियन टोकन है और आउटपुट टोकन मुफ्त हैं।

• OpenAI launches Decisions API that reduces complex evaluations to yes, no, or pick one(नए टैब में खुलता है)

ChatGPT इंटेलिजेंट UI. GPT-6 के साथ ChatGPT अब सादे टेक्स्ट की जगह इंटरैक्टिव चार्ट, बटन, फॉर्म और मिनी ऐप्स आउटपुट कर सकता है। OpenAI का कहना है कि इंतज़ार घटाने के लिए रीज़निंग सोच के दौरान ही शुरू हो जाती है। पेड यूज़र्स को GPT-6 Sol मिलता है, जबकि फ्री यूज़र्स को Luna।

• ChatGPT’s ‘Intelligent UI’ update fills its responses with pictures, charts, and buttons(नए टैब में खुलता है)
• ChatGPT with GPT-6 ditches mostly text output for interactive UI with charts, buttons, and mini apps(नए टैब में खुलता है)
• ChatGPT is getting a lot more visual, with the launch of a new interface(नए टैब में खुलता है)

Kandinsky 6.0 वीडियो जनरेशन. Kandinsky Lab ने Kandinsky 6.0 Pro (29B) और Lite (3B) जारी किए, जिनमें ComfyUI और Diffusers सपोर्ट है। साथ में एक वीडियो अपस्केलर भी जोड़ा गया है।

• Kandinsky 6.0 video gen + video upscaler!(नए टैब में खुलता है)

Nemotron प्रतियोगिता नतीजे. फाइन-ट्यून किए गए Nemotron मॉडल्स ने IOI 2026 में गोल्ड-स्तर के अनौपचारिक नतीजे (535.4/600) हासिल किए और SFT, RL तथा generate-verify-refine का इस्तेमाल करके IMO 2026 में आधिकारिक गोल्ड स्कोर 30/42 पाया।

• One Model Family, Two Gold-Level Results: Fine-Tuning Nemotron for IOI and IMO(नए टैब में खुलता है)

Nous Research एजेंट. Nous Research ने $1.5B वैल्यूएशन पर $90M जुटाए और एंटरप्राइज़ AI एजेंट्स पर केंद्रित Hermes for Businesses लॉन्च किया। इसके ओपन-सोर्स Hermes Agent को 2.4 करोड़ बार क्लोन किया गया है और अनुमान है कि यह वैश्विक AI टोकन खपत का 2.5% चलाता है।

• Nous Research confirms it hit $1.5B valuation, launches AI agents for business users(नए टैब में खुलता है)

LangChain Deep Agents. LangChain ने Skills अपडेट पेश किए, जो कॉन्टेक्स्ट छोटा रखने के लिए टूल्स को स्किल्स से बाइंड करते हैं। साथ में Managed Deep Agents v0.9 भी आया, जिसमें एजेंट-क्रिएटेड शेड्यूल, प्रति-रन कॉन्फ़िगरेशन और Slack रिएक्शन हैं।

• Revamping Skills in Deep Agents(नए टैब में खुलता है)
• What's New in Managed Deep Agents: schedules, per-run configuration, and Slack reactions(नए टैब में खुलता है)

Microsoft Copilot एक्शन. Microsoft की Hybrid Intelligence Copilot को लोकल फाइलों तक पहुँच देगी और Windows में काम करने की सुविधा देगी—जैसे यूज़र के लिए डॉक्युमेंट ढूँढना, नाम बदलना, ज़िप करना और ईमेल करना।

• Microsoft is giving Copilot more control over Windows and your files(नए टैब में खुलता है)

Meta Muse iPad. Meta के एजेंट असिस्टेंट Muse को अब नेटिव iPad सपोर्ट मिल गया है। 66 लाख इंस्टॉल्स पूरे होने के बाद इसमें Canva, GitHub और QuickBooks जैसे टूल्स के लिए कनेक्टर्स भी जोड़े गए हैं।

• Meta’s Muse launches on iPad just a month after its mobile debut(नए टैब में खुलता है)
• Muse launches on the iPad(नए टैब में खुलता है)

Agent Lightning RL. Microsoft Research ने Agent Lightning v1.0 ओपन-सोर्स किया है। यह 3,500 लाइन का एजेंटिक RL फ्रेमवर्क है, जो असली डिप्लॉयमेंट हार्नेस और नेटिव Kubernetes का उपयोग करता है। एक उदाहरण में इसने करीब 6,000 ट्रेनिंग सैंपल्स के साथ SWE-bench Verified पर Qwen3.5-9B का Pass@1 41.8% से 56.4% कर दिया।

• Agent Lightning v1.0: A 3,500-Line Lightweight Agentic RL Framework for Training Agents with Real Harnesses(नए टैब में खुलता है)

ROCm 10.1. AMD का ROCm 10.1 लोकल इन्फरेंस में डेटा-मूवमेंट बॉटलनेक को निशाना बनाता है। इस रिलीज़ पर Reddit के लोकल AI यूज़र्स चर्चा कर रहे हैं।

• ROCm 10.1: Breaking the Data-Movement Bottleneck(नए टैब में खुलता है)

llama.cpp MoE स्पीडअप. llama.cpp में होस्ट मेमोरी में रखे MoE एक्सपर्ट्स के लिए GPU कैश जुड़ा है, जो VRAM में पूरी तरह न समाने वाले मॉडल्स के लिए बड़ा स्पीडअप का वादा करता है। इसके अलावा GLM5Next MTP सपोर्ट भी जोड़ा गया।

• llama : add a GPU cache for MoE experts kept in host memory by am17an · Pull Request #29887 · ggml-org/llama.cpp(नए टैब में खुलता है)
• feat: add GLM5Next MTP, optimize by pwilkin · Pull Request #29928 · ggml-org/llama.cpp(नए टैब में खुलता है)

Unsloth Studio रेपो चेक. Unsloth Studio अब चलाने से पहले भरोसेमंद मॉडल रेपोज़ की दोबारा जाँच करता है। यह PyPI पर हैक किए गए LiteLLM वर्ज़न्स के बाद हुआ, जिन्होंने दिखाया कि सप्लाई-चेन हमले AI टूलिंग तक कैसे पहुँच सकते हैं।

• What Happens When a Trusted Model Repo Changes? Unsloth Studio Re-Checks Before It Runs(नए टैब में खुलता है)

GLM-5.3-Flash ड्यूल-GPU. दो CMP 170HX 64GB का सेटअप EXL3 का इस्तेमाल करके GLM-5.3-Flash को 384K कॉन्टेक्स्ट और करीब 90 टोकन/सेकंड पर चलाता है। इसमें 320B MoE एक्टिव वेट्स को HBM में रखता है और Qwen3.8-Flash-Next से बेंचमार्क तुलना की गई है।

• 2x CMP 170HX 64GB: GLM-5.3-Flash at 384K context / ~90 tok/s (EXL3, HBM-first setup) + Qwen3.8 comparison(नए टैब में खुलता है)

लोकल Qwen बेंचमार्क. हाल के कम्युनिटी मूल्यांकनों में Qwen3.8-27B फाइन-ट्यून्स और Qwen3.8-Flash-Next की तुलना डोमेन-स्पेसिफिक और कोडिंग टास्क पर फ्रंटियर मॉडल्स से की गई है। 469 सवालों वाले एक इवैल में पाया गया कि लोकल मॉडल प्राइवेसी और कम लागत के साथ फ्रंटियर आउटपुट के करीब पहुँच सकते हैं, हालाँकि थिंकिंग-टोकन का ज़्यादा इस्तेमाल एक समस्या बनी हुई है।

• Comparing Qwen3.8-27B fine-tunes and baselining vs. frontier(नए टैब में खुलता है)
• Tested in Coding: Strata(नए टैब में खुलता है)

Surface AI हार्डवेयर. Microsoft ने Surface Laptop Ultra और Surface RTX Spark Dev Box पेश किए, जो दोनों Nvidia के Arm-आधारित RTX Spark चिप पर बने हैं। Laptop की शुरुआती कीमत $2,599 है और इसमें 128GB तक यूनिफाइड मेमोरी मिलती है; यह 16 अक्टूबर से शिप होगा। Dev Box की शुरुआती कीमत $5,999 है और यह 120B+ लोकल मॉडल्स चलाने के लिए है।

• Microsoft event debuts new AI-friendly hardware and Windows changes(नए टैब में खुलता है)
• Microsoft releases new Nvidia-chip AI PCs with revamped Windows 11(नए टैब में खुलता है)
• Everything announced at Microsoft’s Surface Laptop Ultra event(नए टैब में खुलता है)
• Surface RTX Spark Dev Box is available for preorder for $5,999(नए टैब में खुलता है)

AI कोड कम्प्रिहेंशन गैप. 300 सीनियर इंजीनियरिंग लीडर्स के सर्वे में पाया गया कि AI कोडिंग एजेंट्स ने बॉटलनेक को डीबगिंग और समझ पर शिफ्ट कर दिया है: टीमें अब हफ्ते में कोड लिखने में 9.8 घंटे बिताती हैं, लेकिन डीबग करने में 16.9 घंटे। रिपोर्ट मिशन-क्रिटिकल कोडबेस में बढ़ते जोखिम को रेखांकित करती है।

• Survey Finds AI-Generated Code Increases Debugging and Failure Rates and Creates a Comprehension Gap(नए टैब में खुलता है)

वर्चुअल सेल इनिशिएटिव. Biohub $1.8 बिलियन के प्रयास का समन्वय कर रहा है, जिसमें सेल व्यवहार का अनुमान लगाने वाले AI मॉडल बनाए जाएँगे। Google DeepMind, Meta और Isomorphic Labs $300 मिलियन निवेश कर रहे हैं, और US DOE लैब मेज़रमेंट्स और कंप्यूट के लिए $500 मिलियन से ज़्यादा डाल रहा है।

• Zuckerberg's Biohub leads a $1.8 billion push to build AI models that predict cell behavior(नए टैब में खुलता है)
• Google invests millions in Mark Zuckerberg’s efforts to create a ‘virtual cell’(नए टैब में खुलता है)

Adobe ओपन सोर्स क्लोन. डेवलपर Brandon Thomas ने Claude Opus 5.5 की मदद से Artcraft बनाया—सात ओपन-सोर्स Rust/WebAssembly ऐप्स का सूट, जो Adobe के Photoshop, Illustrator, Premiere और अन्य का क्लोन है। ऐप्स शुरुआती हैं और उनमें कई कमियाँ हैं, लेकिन प्रोजेक्ट AI-असिस्टेड क्लीन-रूम रीइम्प्लीमेंटेशन दिखाता है।

• “Software is over”: Bold AI developer takes aim at Adobe with open source clones(नए टैब में खुलता है)

SynthID पब्लिक डिटेक्टर. Google ने अपना SynthID डिटेक्टर पब्लिक के लिए खोल दिया है, जिससे कोई भी इमेज, वीडियो और ऑडियो में Google या पार्टनर वॉटरमार्क जाँच सकता है। यह सिस्टम अब तक 180 बिलियन से ज़्यादा मीडिया आइटम्स पर मार्क लगा चुका है और Chrome तथा Gemini में भी शामिल है।

• Google rolls out improved SynthID AI content detector, now available globally(नए टैब में खुलता है)
• Google’s new SynthID website can identify AI-generated media(नए टैब में खुलता है)
• Google says 180 billion images and videos now carry SynthID watermarks as detector goes public(नए टैब में खुलता है)

Google Playground गेम्स. Google Labs ने Playground लॉन्च किया है—ब्राउज़र-आधारित प्लेटफॉर्म, जहाँ अमेरिकी वयस्क टेक्स्ट प्रॉम्प्ट से गेम बना सकते हैं। इसमें Gemini, Nano Banana और Lyria की ताकत लगी है। Unity ने प्रोफेशनल AI-असिस्टेड गेम डेवलपमेंट के लिए Unity Spark भी अनाउंस किया।

• Google experiments with an AI-powered gaming platform(नए टैब में खुलता है)
• Google bets Gemini can turn casual players into game developers with new Playground feature(नए टैब में खुलता है)