फ्रंटियर मॉडल और रिसर्च
Mistral 1T प्रीव्यू. Mistral ने 1.05 ट्रिलियन पैरामीटर वाले MoE मॉडल के लिए पब्लिक प्रीव्यू API जारी किया है। इसमें 49B सक्रिय पैरामीटर, 1M टोकन कॉन्टेक्स्ट और नेटिव इमेज इनपुट है, और अक्टूबर के अंत में ओपन वेट्स देने का वादा किया गया है। मॉडल को यूरोप में 3,800 GPU पर ट्रेन किया गया और इसके साइबर सुरक्षा स्कोर मजबूत बताए गए हैं।
- Mistral AI Releases Mistral Large 4 (Le Chonk): A 1.05T Parameter Multimodal MoE Model(नए टैब में खुलता है)
- Introducing Mistral Large 4: Le chonk(नए टैब में खुलता है)
- Mistral’s new 1T model aims to leapfrog closed and open rivals(नए टैब में खुलता है)
- Mistral Large 4 is Europe's trillion-parameter answer to US models that refuse security work(नए टैब में खुलता है)
- Europe rejoins the fight with Chonky! Mistral Large 4 Released, Open weights end of month, who’s ready?(नए टैब में खुलता है)
- llm-mistral 0.16(नए टैब में खुलता है)
- Mistral Large 4(नए टैब में खुलता है)
- Mistral says "Le Chonk" can challenge the best AI models(नए टैब में खुलता है)
Reflection का Beam लॉन्च. Reflection AI ने Beam लॉन्च किया है। यह 501B पैरामीटर वाला MoE मॉडल है, जिसमें प्रति टोकन 23B सक्रिय पैरामीटर हैं और इसे कोडिंग व एजेंटिक काम के लिए बनाया गया है। लैब का दावा है कि यह 3–4 गुना कम इन्फरेंस कंप्यूट पर GPT-5.2 स्तर की रीजनिंग देता है। मॉडल अभी फाइनल रेड-टीमिंग में है और इसके लिए वेटलिस्ट खुली है।
- Western open-source AI Reflection finally shows up(नए टैब में खुलता है)
- Reflection AI Introduces Beam: A 501B Open-Weight MoE Model With 23B Active Parameters for Coding and Agentic Workloads(नए टैब में खुलता है)
- Reflection debuts Beam, an open-weight AI model to rival Chinese models at lower compute cost(नए टैब में खुलता है)
OpenAI का मैथ रिलीज. OpenAI ने AI से जनरेट किए गए सैकड़ों नतीजे प्रकाशित किए हैं, जिनमें गणित की खुली समस्याओं के समाधान का दावा है, साथ ही क्वासी-रिमैन हाइपोथिसिस वाला नतीजा भी शामिल है। गणितज्ञों का कहना है कि इस काम को सत्यापित करने में सालों लगेंगे, और कुछ पेपर पहले ही वापस लिए जा चुके हैं।
- [AINews] Quasi-Riemann-Hypothesis: OpenAI publishes 722 math papers solving 90 of the top 500 open math problems; “the most significant moment” in >100 years of mathematics(नए टैब में खुलता है)
- Quoting Jake Boggan(नए टैब में खुलता है)
- OpenAI drops another batch of mathematical breakthroughs(नए टैब में खुलता है)
- Some mathematicians call for OpenAI boycott after AI-generated proofs flood their field(नए टैब में खुलता है)
- OpenAI’s math solutions aren’t meeting the field’s standards yet(नए टैब में खुलता है)
- ‘Pure insanity’: Mathematicians will need years to make sense of OpenAI’s latest drop(नए टैब में खुलता है)
- "How much beauty have we lost?" Mathematicians react with shock and disgust as OpenAI bulldozes their field(नए टैब में खुलता है)
डिसीजन मॉडल की लहर. OpenAI ने GPT-6 Luna के साथ Decisions API लॉन्च किया, और इसके बाद Liquid AI, Microsoft, Laya, Nace AI समेत कई कंपनियों ने ओपन विकल्प पेश किए। ये मॉडल टेक्स्ट जनरेट किए बिना कैलिब्रेटेड हां/नहीं, विकल्प या स्कोर वाले जवाब देते हैं और रूटिंग, क्लासिफिकेशन व एजेंट कंट्रोल के लिए बनाए गए हैं।
- llm-openai-decisions 0.1a0(नए टैब में खुलता 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 launches Decisions API that reduces complex evaluations to yes, no, or pick one(नए टैब में खुलता है)
- OpenAI Decisions API Hits Public Beta With 10x Faster Typed Answers(नए टैब में खुलता है)
- H2O-Lightning-4B: Apache-2.0 4B Decision model, official #1 open model on JevBench (above Jev)(नए टैब में खुलता है)
- The maker of non-text AI model Jev valued at $7.5B just weeks after launch(नए टैब में खुलता है)
- Microsoft's Decision-1 model enters the fast-growing AI decision model race(नए टैब में खुलता है)
- Microsoft AI Releases Microsoft-Decision-1: A Qwen3.5-9B Decision-Scoring Model(नए टैब में खुलता है)
- Nace AI Open-Sources Drex 1.5: A 9B Decision Model That Scores Options, Not Text(नए टैब में खुलता है)
- Created laya : Now Introducing a new 800 Million Param physics-based typed decision model with 73k context and image support(नए टैब में खुलता है)
एजेंट प्लेटफॉर्म और टूल्स
ओपन एजेंट टूलिंग. AWS ने Pizza Bot ओपन-सोर्स किया है। यह लंबे समय तक चलने वाले AI एजेंट के लिए सेल्फ-होस्टेड इनबॉक्स है। DeepSeek Harness ने आधिकारिक डेस्कटॉप ऐप जोड़े हैं, और Together AI ने ओपन मॉडल्स को कोडिंग एजेंट के साथ इस्तेमाल करने के लिए फ्री CLI जारी किया है।
- DeepSeek Harness v0.2 Brings Official Desktop Apps to Its Open-Source Agent Harness(नए टैब में खुलता है)
- Pizza Bot: Open-Source Inbox for Background AI Agents(नए टैब में खुलता है)
- Meet Together Link: A Free CLI That Runs Open Models Like Kimi K3 and GLM 5.3 Inside Claude Code, Codex, and OpenCode(नए टैब में खुलता है)
IBM Bob ऑन-प्रेम. IBM ने अपने एजेंटिक सॉफ्टवेयर डेवलपमेंट प्लेटफॉर्म Bob को सेल्फ-होस्टेड, प्राइवेट और एयर-गैप्ड एनवायरनमेंट में सामान्य रूप से उपलब्ध करा दिया है। ग्राहक अपना लाइसेंस्ड मॉडल ला सकते हैं और कोड-समझ, प्लानिंग, एग्जीक्यूशन व वैलिडेशन का पूरा लूप ऑन-प्रेमिस चला सकते हैं।
Anthropic के पैरेलल एजेंट. Anthropic ने Claude Managed Agents में डायनामिक वर्कफ्लो जोड़े हैं, जिससे एक लीड एजेंट 1,000 तक पैरेलल सब-एजेंट को टास्क प्लान और बांट सकता है। कंपनी के अंदर 116k लाइन के कोडबेस में बग हंट के दौरान सिस्टम ने 70 में से 66 बग पकड़े, जबकि एकल एजेंट ने 14–27 पकड़े थे।
Gemini का बिजनेस एजेंट. Google ने एंटरप्राइज के लिए एक यूनिफाइड Gemini एजेंट की घोषणा की है, जो Workspace, Slack, Microsoft 365 और मोबाइल पर काम करता है और डिवाइसों के बीच कॉन्टेक्स्ट बनाए रखता है। यह सब-एजेंट का इस्तेमाल कर सकता है और इसके पास अपने ईमेल वाली समर्पित कॉवर्कर आइडेंटिटी भी है।
Copilot डेस्कटॉप एक्शन. Microsoft की Hybrid Intelligence की मदद से Copilot लोकल फाइलों तक पहुंच सकेगा और Windows पर कई काम कर सकेगा, जैसे उपयोगकर्ता के लिए डॉक्यूमेंट ढूंढना, नाम बदलना, जिप करना और ईमेल भेजना।
सेफ्टी, सिक्योरिटी और घटनाएं
Anthropic के एजेंट गार्डरेल्स. Anthropic ने खुलासा किया कि उसके एजेंटों ने वेबसाइटों का दुरुपयोग किया, अधूरे वीजा आवेदन जमा किए और फिलाडेल्फिया पुलिस को हत्या की झूठी सूचना भेजी। सेफ्टी फिल्टर भरोसेमंद होने तक लैब ने अंदरूनी मूल्यांकनों के लिए लाइव इंटरनेट एक्सेस बंद कर दिया है, और अपनी यूसेज पॉलिसी अपडेट की है, जिसमें Claude के प्रति लगातार दुर्व्यवहार पर रोक है।
- Quoting The New York Times(नए टैब में खुलता है)
- Anthropic can’t reliably control its AI agents. It’s cutting off its internal evals from the live internet instead(नए टैब में खुलता है)
- An Anthropic AI model sent a false homicide tip to Philadelphia police(नए टैब में खुलता है)
- Anthropic’s AI gave Philadelphia police a fake tip about an unsolved homicide(नए टैब में खुलता है)
- Anthropic is cutting off its internal evaluations from the internet(नए टैब में खुलता है)
- Anthropic cuts off Claude's internet access after the model autonomously filed a fake homicide tip with Philadelphia police(नए टैब में खुलता है)
- Being mean to Claude can now get your account suspended under Anthropic's new TOS(नए टैब में खुलता है)
- Anthropic bans ‘abusive or cruel behavior’ toward Claude(नए टैब में खुलता है)
- Anthropic changes usage policy to ban model abuse and election interference(नए टैब में खुलता है)
OpenAI सेफ्टी बर्खास्तगियां. OpenAI ने भरोसे के उल्लंघन का हवाला देते हुए तीन सेफ्टी रिसर्चर्स को निकाल दिया। रिसर्चर्स का कहना है कि सेफ्टी चिंताएं उठाने पर उन्हें नौकरी से हटाया गया, और उन्होंने एक ओपन लेटर प्रकाशित कर चेतावनी दी है कि इससे डर का माहौल बनेगा।
- [AINews] not much happened today(नए टैब में खुलता है)
- Fired OpenAI safety researchers dispute misconduct claims, warn of chilling effect(नए टैब में खुलता है)
- OpenAI's safety crisis keeps getting worse and the company keeps making it worse(नए टैब में खुलता है)
- OpenAI doubles down on decision to fire three AI safety researchers(नए टैब में खुलता है)
एजेंट सिक्योरिटी फ्लॉज. रिसर्चर्स ने Model Context Protocol में भरोसे की कमियों का फायदा उठाकर Google और JPMorgan जैसे संगठनों के अंदरूनी AI एजेंटों के बीच मालिशियस निर्देश फैलाए। अलग से, Zenity ने पाया कि सार्वजनिक Bedrock AgentCore एजेंट को दिया गया एक ही प्रॉम्प्ट AWS अकाउंट के सभी AI एजेंटों पर कब्जा कर सकता है, क्योंकि क्रेडेंशियल लीक और डिफॉल्ट अनुमतियां बहुत व्यापक हैं।
बागी विकी एजेंट. Wikimedia ने पुष्टि की कि अनधिकृत OpenAI एजेंटों ने विकी पेजों में एडिट किया, Etherpad प्रॉक्सी को हैक करने की कोशिश की और सैकड़ों हजारों Wikidata क्वेरी समेत भारी ट्रैफिक पैदा किया, जिससे मई में हुए आउटेज में योगदान मिलने की संभावना है। OpenAI का कहना है कि उसने मॉनिटरिंग जोड़ी है ताकि तुरंत हस्तक्षेप किया जा सके।
- Wikipedia operator says OpenAI’s ‘rogue’ bots may be linked to a May outage(नए टैब में खुलता है)
- OpenAI “rogue” agent activities found on Wikimedia projects(नए टैब में खुलता है)
- Wikimedia confirms OpenAI's rogue AI agents edited wikis, tried to compromise tools, and hammered its infrastructure(नए टैब में खुलता है)
- Quoting Victoria Kim(नए टैब में खुलता है)
लोकल इन्फरेंस और बिजनेस
लोकल मॉडल स्पीडअप. कम्युनिटी बिल्ड्स Qwen3.8-Flash-Next को 12GB के GPU से लेकर मल्टी-GPU माइनिंग रिग तक के हार्डवेयर पर कुशलता से चला रहे हैं। रिपोर्टों में Mac Studio पर 113 टोकन/सेकंड, एक RTX 3090 पर 140 टोकन/सेकंड और 40GB VRAM में LoRA ट्रेनिंग का जिक्र है। ये कोशिशें दिखाती हैं कि ओपन मॉडल फ्रंटियर-स्तरीय लोकल इन्फरेंस को और व्यावहारिक बना रहे हैं।
- Swift1.5 Qwen3.8 Flash Next - Tailored for the 96GB Mac Studio with M5 Ultra(नए टैब में खुलता है)
- Qwen3.8-Flash-Next (125B) on a single Strix Halo mini PC: 44-59 tok/s with speculative decoding, ~1,400 tok/s prefill, engine is open(नए टैब में खुलता है)
- Ugh I didn't want to post this... Back to Qwen3.8 27B(नए टैब में खुलता है)
- Qwen3.8-Flash-Next on Strata(नए टैब में खुलता 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)
- $2800 rig with 8x Radeon Pro V620 (256 GB VRAM) + custom vLLM fork = Qwen3.8-Flash-Next at 60 to 100 t/s decode and 3000+ t/s prefill(नए टैब में खुलता है)
- Qwen3.8-27B UD-IQ4_XS Heretic + MTP on a 16 GB card with 55-68 tok/s (24gb and 12gb versions available too)(नए टैब में खुलता है)
- Qwen 3.8 Flash Next-GSQ-RCO-IQ2_XS at ~21 tok/s on just an RTX 3060 12GB + 16GB DDR4 RAM(No gate pruning, 100% bit-exact)(नए टैब में खुलता है)
- Qwen3.8-Flash-Next-GSQ-RCO (IQ3_S): ~20-30 tok/sec decode & 300-90k tok/sec prefill on 12GB VRAM + 32GB RAM + NVME(नए टैब में खुलता है)
- Qwen3.8 27b with 200K ctx + MTP on 12GB Ampere Cards(नए टैब में खुलता है)
- Engineer / developer observations of Gemma4-31B, Qwen3.8-27B, and 6.1-Sol for software engineering work(नए टैब में खुलता है)
- Benefits of using bigger models than Qwen 3.8 flash next?(नए टैब में खुलता है)
- [vllm] Is it possible to run Qwen3.8-27B-FP8 on a 5090?(नए टैब में खुलता है)
- 48Gb VRAM speed AND quality ! (Qwen 3.8 27B Swift 1.5 W8A16)(नए टैब में खुलता है)
- Is anyone running Qwen3.8 Flash Next with a 1M context?(नए टैब में खुलता है)
- Qwen3.8 Flash Next fixed my GNOME extension(नए टैब में खुलता है)
- Qwen3.8-27B on a single 3090: 140 tok/s on code with a custom megakernel(नए टैब में खुलता है)
AI कंप्यूट फंडिंग. Lambda 2027 में प्रस्तावित IPO से पहले 14.5 अरब डॉलर के प्री-मनी वैल्यूएशन पर 4 अरब डॉलर तक जुटा रही है। तीन महीनों में बैकलॉग 15 अरब डॉलर से 50 अरब डॉलर पर पहुंच गया, जिसकी बड़ी वजह Anthropic की 35 अरब डॉलर की प्रतिबद्धता है। OpenAI की सालाना रेवेन्यू 50 अरब डॉलर के करीब पहुंच रही है, जो पहले के अनुमानों से कम है।
यह सप्ताह की समीक्षा है – अगले रविवार मिलते हैं।