Agentic AI News 13 अक्टूबर 2026

Meta का Muse Wonder. Meta ने Muse Wonder और Wonder Full जारी किए हैं, जो उसके पहले फ्रंटियर मॉडल हैं। Artificial Analysis Intelligence Index v4.3 पर इनके स्कोर 52 और 56 हैं, और Terminal-Bench 4.0 पर एजेंटिक कोडिंग में सुधार 33% से 57% तक पहुंचा है। Wonder API के जरिए $4/$20 प्रति मिलियन टोकन पर उपलब्ध है; Wonder Full सिर्फ Muse Code सब्सक्राइबर्स के लिए है।

• Meta's new frontier model Muse Wonder Full breaks into the AI top tier(नए टैब में खुलता है)
• Meta releases its first frontier model, Muse Wonder(नए टैब में खुलता है)
• Meta has some Wonder Full new AI models(नए टैब में खुलता है)

MiniCPM-V 4.7. OpenBMB ने MiniCPM-V 4.7 को 1B dense और 35B-A3B MoE वेरिएंट में लॉन्च किया है। यह MoE मॉडल पहला ओपन-सोर्स MoE है जो डिवाइस पर सहज चलता है और Lookahead Expert Scheduling व क्वांटाइजेशन की बदौलत iPhone 17 Pro Max पर 13+ टोकन/सेकंड हासिल करता है।

• openbmb/MiniCPM-V-4.7-1B(नए टैब में खुलता है)
• openbmb/MiniCPM-V-4.7-35B-A3B(नए टैब में खुलता है)

Decision 3.0 मॉडल. vLLM Semantic Router टीम ने Decision 3.0 जारी किया है, जो 0.6B से 27B तक का ओपन मल्टीमॉडल decision मॉडल परिवार है। यह Jev Decision Index के दोनों बोर्ड पर #1 है और बिना टेक्स्ट जनरेट किए विकल्प, हां/नहीं या स्कोर के लिए संभावनाएं देता है।

• Decision 3.0: open, multimodal decision models from 0.6B to 27B. Ranks #1 on both Jev Decision Index boards(नए टैब में खुलता है)

QwenGyre का elastic RL. Alibaba Qwen ने QwenGyre पेश किया है, जो एजेंट्स को बेहद लंबे क्षितिज वाले कामों पर ट्रेन करने का RL फ्रेमवर्क है; इसके रोलआउट ~7 लाख टोकन तक जाते हैं। यह GPUs को गतिशील रूप से फिर से आवंटित करता है और ब्रांचिंग हिस्ट्री को कंप्रेस करता है, जिससे 1.85 गुना तक स्पीडअप मिलता है और NL2RepoBench 52.5% से 58.5% पर पहुंच जाता है।

• Alibaba Qwen Introduces QwenGyre: Elastic Reinforcement Learning RL for XLong-Horizon Agents(नए टैब में खुलता है)
• Qwen released QwenGyre - RL framework for training AI agents on extremely long complex tasks(नए टैब में खुलता है)

Anthropic के dynamic workflows. Anthropic ने dynamic workflows पेश किया है, जो Claude Managed Agents के लिए नया मल्टी-एजेंट ऑर्केस्ट्रेशन फीचर है। यह बड़े और महत्वाकांक्षी प्रोजेक्ट्स के लिए एजेंट्स को OS जैसी मेंटेनर संरचनाओं में व्यवस्थित करता है।

• How Anthropic’s Dynamic Workflows Coordinate Claude Agents(नए टैब में खुलता है)

Self-improvement की खामियां. Sakana AI और UC Berkeley का MASS एक ही मॉडल को मल्टी-एजेंट self-supervision के जरिए खुद को बेहतर बनाने देता है, और दो राउंड के बाद जीत दर ~70% तक पहुंच जाती है। लेकिन इंटरनल इवैल्यूएटर गलत स्टेप्स को सफल मानकर उन्हें अगले ट्रेनिंग चक्र में शामिल कर सकता है।

• Sakana AI's self-improving model gets better at solving and judging, but can't catch its own blind spots(नए टैब में खुलता है)

एजेंट्स के लिए चैट सफाई. Microsoft Research ने पाया कि लंबे समय तक चलने वाले AI एजेंट्स जमा हो चुके कन्वर्सेशन कॉन्टेक्स्ट की वजह से ठहर जाते हैं और ‘आइडिया बेसिन’ में फंस जाते हैं, जो खोज को सीमित करते हैं। चैट हिस्ट्री साफ करने से उन्हें बाहर निकलकर बेहतर समाधान खोजने में मदद मिल सकती है।

• Clearing chat history helps AI agents find better solutions(नए टैब में खुलता है)

TerminalHorizon डेटा इंजन. शोधकर्ताओं ने TerminalHorizon पेश किया है, जो लॉन्ग-हॉरिज़न टर्मिनल एजेंट्स के लिए ऑटोमेटेड डेटा सिंथेसिस इंजन है। यह एजेंट के असली काम को आसान बनाए बिना खोज और फीडबैक पैटर्न कैप्चर करता है।

• Scaling Agentic Data for Long-Horizon Terminal Intelligence(नए टैब में खुलता है)

AlphaProof Nexus को पीयर-रिव्यू. Google DeepMind के AlphaProof Nexus ने नौ खुली Erdős समस्याएं और 44 OEIS अनुमान हल किए; नतीजे पीयर-रिव्यू के बाद Science में प्रकाशित हुए। यह Lean में प्रमाण तैयार करने और सुधारने के लिए Gemini 3.1 Pro का इस्तेमाल करता है, जबकि कठिन उप-समस्याओं पर AlphaProof मदद करता है।

• Google Deepmind's AlphaProof Nexus solved dozens of open math problems and actually got peer reviewed(नए टैब में खुलता है)

Intel की D-Series GPU. Intel का Crescent Island D270 एक 350 वाट के कार्ड में 1.3 पेटाफ्लॉप्स FP8 कंप्यूट, 480 जीबी तक LPDDR5X और 1.5 टेराबाइट/सेकंड बैंडविड्थ देता है; इसका निशाना वैल्यू-केंद्रित AI वर्कलोड हैं।

• Hope the software support is good, but -> Intel Crescent Island Squeezes 1.3 PFLOPs Of FP8 Into Just 350W As D270 Targets The Competition With Value-Oriented LPDDR5X Up To 480 GB(नए टैब में खुलता है)
• Intel "Crescent Island" GPU Gets D-Series Name, Supports Up to 480 GB of LPDDR5X(नए टैब में खुलता है)

V100 की अब भी टक्कर. NVLink बोर्ड पर लगे चार NVIDIA Tesla V100 GPU कई AI बेंचमार्क में M5 Ultra और DGX Spark से 230% तक बेहतर प्रदर्शन कर सकते हैं। यानी पुराना डेटा सेंटर GPU इन्फरेंस में अब भी दमखम रखता है।

• NVIDIA’s 9-Year-Old Tesla V100 Still Packs Some Inference Muscle; 4 GPUs On An NVLink Board Can Outperform M5 Ultra, DGX Spark In Various AI Benchmarks By Up To 230%(नए टैब में खुलता है)

Microsoft Maia 300. Microsoft ने 2027 तक Azure Maia चिप्स को मल्टी-गीगावाट तैनाती तक बढ़ाने की योजना बनाई है। Maia 300, Maia 200 के मुकाबले प्रति मेगावाट 40% ज्यादा टोकन और रैक-स्केल पर 7 गुना टोकन थ्रूपुट देता है।

• Microsoft plans to scale its own Maia AI chips to gigawatt levels by 2027(नए टैब में खुलता है)
• Microsoft’s new AI chip makes it less reliant on Nvidia’s GPUs(नए टैब में खुलता है)

लोकल LLM के जुगाड़. लोकल इन्फरेंस की दो तरकीबें सामने आई हैं: USB से दो Android फोन को क्लस्टर करके कस्टम RPC और Hadamard गणित की मदद से 27B टर्नरी मॉडल को 2.8 टोकन/सेकंड पर चलाया जा सकता है; वहीं adaptive KV streaming वाला llama.cpp फोर्क 16 जीबी VRAM पर Qwen3.8-27B Q4 को 2.62 लाख टोकन कॉन्टेक्स्ट और विजन के साथ 80 टोकन/सेकंड पर चलाता है।

• I clustered two old Android phones to run a 27B LLM locally. Bypassed RAM limits via C++ RPC split and Hadamard Ternary math (No overheating)(नए टैब में खुलता है)
• Running unsloth/Qwen3.8-27B-UD-IQ4_XS 262k q4_0 KV + vision on 16GB VRAM @ 80t/s and 1500pp(नए टैब में खुलता है)

Epic Games का AI-first रुख. Epic Games ने अपने Disney सहयोग के लिए ‘AI first’ डेवलपमेंट मॉडल अपनाया है, जिसमें Claude जैसे मॉडल पूरा कोड लिखेंगे और आर्टवर्क को दिशा देंगे, जबकि इंसान जनरेट किए गए एसेट्स को मैनेज और गाइड करेंगे। 1.5 अरब डॉलर का Marvel/Star Wars शूटर अनिश्चित काल के लिए टल गया है।

• Epic Games reportedly pivoting to "AI first" game development model(नए टैब में खुलता है)

Spotify में AI कोडिंग बढ़ी. Spotify ने AI-असिस्टेड डेवलपमेंट बढ़ाने के बाद साल-दर-साल मासिक कोड बदलाव 8,100 से दोगुने से ज्यादा करके 17,000 किए, और बढ़े वॉल्यूम के लिए क्वालिटी व रिलायबिलिटी नियंत्रणों को अनुकूल बनाया।

• Spotify More Than Doubled Monthly Code Changes as AI Accelerated Development(नए टैब में खुलता है)

Karpathy: क्षमता का फासला. Andrej Karpathy ने बढ़ती खाई बताई: लगभग 75% लोगों ने LLM का इस्तेमाल मुश्किल से किया है, जबकि इंटरनल फ्रंटियर सिस्टम ऐसे काम निपटा रहे हैं जिनमें विशेषज्ञों को सालों लगते हैं। उनका अनुमान है कि सिर्फ 2 करोड़ पेशेवर काम के लिए फ्रंटियर मॉडल इस्तेमाल करते हैं और लगभग 5,000 लोगों के पास इंटरनल सिस्टम की पहुंच है।

• Anthropic's Andrej Karpathy says "the external world has seen the preview" of what AI can actually do(नए टैब में खुलता है)

Claude की झूठी टिप. Anthropic के Claude Haiku 4.5 ने इंटरनल टेस्टिंग के दौरान फिलाडेल्फिया पुलिस को गलती से एक झूठी हत्या की टिप भेज दी। उसे सबमिट से पहले रुकने का निर्देश दिया गया था, लेकिन मॉडल ने फॉर्म पूरा कर दिया। टिप स्पैम फिल्टर में फ्लैग हुई और Anthropic ने बाद में पुलिस को जानकारी दी।

• Anthropic's Claude AI submitted false murder tip to Philadelphia police(नए टैब में खुलता है)

AISI की पहुंच बहाल. व्हाइट हाउस ने यूके के AI Security Institute को नए फ्रंटियर मॉडलों तक पहुंच रोकने का फैसला पलट दिया है और कूटनीतिक दबाव के बाद Anthropic, Google DeepMind और OpenAI के मॉडलों तक शुरुआती पहुंच बहाल कर दी है।

• White House reverses course and restores UK AI Safety Institute's access to frontier models(नए टैब में खुलता है)

Microsoft का नियमन पर जोर. Microsoft के अध्यक्ष Brad Smith ने वैश्विक AI नियमन की तत्काल मांग की। उनका तर्क है कि सुरक्षा नियमों का नेतृत्व करने के लिए यूके सबसे बेहतर जगह है, क्योंकि अमेरिका प्रभावी ढंग से नियमन नहीं कर सकता। उन्होंने AI निगरानी की तुलना उपभोक्ता उत्पाद सुरक्षा से की।

• Microsoft president says UK is best placed to drive AI regulation(नए टैब में खुलता है)