एजेंट और मॉडल रिलीज़
StepFun Step 5 प्रीव्यू. StepFun के Step 5 मॉडल का प्रीव्यू OpenRouter पर दिख रहा है, जिससे यह टेस्टिंग के लिए उपलब्ध हो रहा है। बहुत कम जानकारी उपलब्ध है, लेकिन यह चीनी लैब की नई फ्रंटियर रिलीज़ का संकेत देता है।
JetBrains Mellum2.1. JetBrains ने Mellum2.1 रिलीज़ किया है—यह 12B Mixture-of-Experts कोडिंग एजेंट मॉडल है, जिसमें 2.5B सक्रिय पैरामीटर हैं और यह Apache 2.0 के तहत उपलब्ध है। यह ज़्यादातर बेंचमार्क पर अपने पूर्ववर्ती से बेहतर है और LiveCodeBench v6 पर 82.0 स्कोर करता है, लेकिन मुश्किल एजेंटिक सॉफ़्टवेयर कामों में अभी भी Qwen3.5-9B से पीछे है।
Google का Gemini एजेंट. Google ने बिज़नेस के लिए एक यूनिफाइड Gemini एजेंट का ऐलान किया है, जो Workspace, Slack, Microsoft 365 और मोबाइल पर काम कर सकता है और डिवाइसों के बीच कॉन्टेक्स्ट बनाए रखता है। एंटरप्राइज़ से शुरुआत करते हुए यह सब-एजेंट्स इस्तेमाल कर सकता है और इसकी अपनी ईमेल वाली समर्पित कॉवर्कर आइडेंटिटी है।
Claude डैशबोर्ड्स और Motion. Anthropic ने Dashboards लॉन्च किया, जो टेक्स्ट प्रॉम्प्ट से लाइव डेटा डैशबोर्ड अपने-आप अपडेट करता है, और Motion लॉन्च किया, जो एनिमेटेड एक्सप्लेनर वीडियो बनाता है; दोनों बीटा में हैं। Docs, Slides और Design अब सभी प्लान्स पर जनरल अवेलेबल हैं, फ्री अकाउंट्स समेत।
टूल्स और फ्रेमवर्क
40GB VRAM में मॉडल ट्रेनिंग. एक नई रेसिपी Qwen3.8-Flash-Next (125B-A6B) की LoRA ट्रेनिंग 40GiB VRAM में बिना CPU ऑफलोडिंग के संभव बनाती है और Strix Halo पर 200 टोकन/सेकंड की ट्रेनिंग हासिल करती है। यह transformers 5.18 में मॉडर्न GGUF सपोर्ट और डिस्क-आधारित engram पर निर्भर करती है।
256GB VRAM वाला AMD रिग. आठ Radeon Pro V620 GPU और कस्टम vLLM फोर्क वाला 2,800 डॉलर का रिग Qwen3.8-Flash-Next को 60-100 टोकन/सेकंड डिकोड और 3,000+ टोकन/सेकंड प्रीफिल पर चलाता है, जो उन्हीं कार्ड्स पर llama.cpp से कहीं आगे है।
भुगतान कर सकने वाले एजेंट. LangChain का सैंपल Restock एजेंट दिखाता है कि एजेंट Stripe के Link वॉलेट और Managed Deep Agents का इस्तेमाल करके सुरक्षित तरीके से असली खरीदारी कैसे कर सकते हैं; एजेंट को कार्ड नंबर कभी दिखते नहीं हैं और खर्च यूज़र-अप्रूव्ड बजट तक सीमित रहता है।
रिसर्च और बेंचमार्क
डिसीजन मॉडल प्रदर्शन. RTX 4090 पर बेंचमार्क बताते हैं कि वर्ड क्लासिफिकेशन के लिए ओपन डिसीजन मॉडल्स में Laya सबसे तेज़ है, जबकि lev 13 गुना धीमा होने के बावजूद सबसे ज़्यादा एरर पकड़ता है। अलग टेस्ट्स में डिसीजन मॉडल्स रीयल टाइम में Pac-Man खेल रहे हैं और 2D प्लेटफॉर्मर में 14 में से 8 लेवल पूरे कर रहे हैं।
क्वांटाइज़ेशन में प्रगति. नई रिसर्च में latent factorization (LittleBit) के ज़रिए अल्ट्रा लो-बिट क्वांटाइज़ेशन और Qwen व Kimi जैसे linear-attention मॉडल्स के क्वांटाइज़ेशन को एक्सप्लोर किया गया है, जिससे और भी छोटे और तेज़ लोकल मॉडल संभव हो सकते हैं।
गणितज्ञों का OpenAI बहिष्कार. Association for Human Mathematics ने गणितज्ञों से OpenAI के साथ काम बंद करने को कहा है, क्योंकि OpenAI ने सैकड़ों AI-जनरेटेड प्रूफ प्रकाशित किए हैं, जिन्हें कई लोग गूढ़ और असत्यापनीय मानते हैं। OpenAI के समाधान उन मानकों पर भी खरे नहीं उतरते जिनमें मानवीय समझ ज़रूरी है; एक दावा किए गए समाधान में नैचुरल लैंग्वेज और फॉर्मल प्रूफ के बीच अंतर है।
इंडस्ट्री और बिज़नेस
एजेंट स्टार्टअप फंडिंग. Arena ने 3.1 अरब डॉलर वैल्यूएशन पर 200 मिलियन डॉलर जुटाए; चीन की Manus ने Meta अधिग्रहण विफल होने के बाद 500 मिलियन डॉलर से ज़्यादा जुटाए; और Cal AI के संस्थापक Zach Yadegari ने अपने नए AI एजेंट स्टार्टअप Persona के लिए 10 मिलियन डॉलर जुटाए।
OpenAI रेवेन्यू संशोधन. कथित तौर पर OpenAI ने निवेशकों को बताया है कि उसका सालाना रेवेन्यू 50 अरब डॉलर के करीब पहुंच रहा है, जो पहले के अनुमान से 20 अरब डॉलर कम है। यह Anthropic के साथ गणना के अंतर को लेकर उपजी उलझन के बाद सामने आया है।
पब्लिशर का मुकदमा. USA Today और उसके कई स्थानीय अख़बारों ने कॉपीराइट उल्लंघन के लिए OpenAI पर मुकदमा किया है और 250 मिलियन डॉलर से ज़्यादा हर्जाने की मांग की है। यह AI लैब के खिलाफ पब्लिशरों के मुकदमों की कड़ी में एक और केस है।
एंटरप्राइज़ एजेंट की सफलताएँ. Oracle ने टैलेंट रिसर्च में 98% समय की कमी और 1.3 लाख ChatGPT यूज़र्स होने की जानकारी दी है; LegalOn ने डेवलपमेंट स्पीड बनाए रखते हुए Codex की लागत 65% घटाई; Snyk ने एक इंटरनल सपोर्ट एजेंट को ट्रस्ट और एक्सेस कंट्रोल्स के साथ कस्टमर-फेसिंग फीचर में बदल दिया।
सेफ्टी और सिक्योरिटी
बर्खास्त सेफ्टी रिसर्चर्स बोले. पिछले हफ़्ते बर्खास्त किए गए OpenAI के तीन सेफ्टी रिसर्चर्स ने एक खुला पत्र प्रकाशित किया है, जिसमें उन्होंने कदाचार से इनकार किया है और चिलिंग इफेक्ट की चेतावनी दी है। उनका कहना है कि उन्हें सेफ्टी को कंपनी के अल्पकालिक हितों से ऊपर रखने की वजह से निकाला गया।
Anthropic ने मॉडल दुरुपयोग रोका. Anthropic ने अपनी यूज़ेज पॉलिसी अपडेट की है, जिसमें Claude के प्रति “लगातार और बेवजह अपमानजनक या क्रूर व्यवहार” के साथ चुनाव में हस्तक्षेप, हथियार और निगरानी पर रोक है। इन्फोर्समेंट की शुरुआत बातचीत खत्म करने से होती है; गंभीर मामलों में सस्पेंशन तक हो सकता है।
AWS एजेंट टेकओवर. Zenity रिसर्चर्स ने पाया कि क्रेडेंशियल लीक और बेहद व्यापक डिफ़ॉल्ट परमिशन्स की वजह से एक पब्लिक Bedrock AgentCore एजेंट को दिया गया एक ही प्रॉम्प्ट AWS अकाउंट के सभी AI एजेंट्स पर कब्ज़ा कर सकता था; AWS ने इस समस्या को आंशिक रूप से ठीक किया है।
इस दिन के लिए बस इतना ही – लगभग 5 मिनट का पाठ।