एजेंट फ्रेमवर्क, टूल्स और इवैल्स
Figma एजेंट स्पेक्स. Figma ने Markdown-आधारित Specs एडिटर और कॉन्टेक्स्ट इंटीग्रेशन पेश किए, ताकि तीसरे पक्ष के एजेंट ब्रांड के डिज़ाइन नियमों का पालन करते हुए बना सकें। साथ ही कंपनी ने अपने कैनवास एजेंट को व्यापक रूप से उपलब्ध कराया।
प्रैक्टिकल एजेंट इवैल्स. LangChain ने एजेंट इवैल्यूएशन की गाइड जारी की: एक व्यवहार से शुरू करें, असली ट्रेस से छोटे डेटासेट बनाएं, जहां संभव हो कोड इवैल्यूएटर इस्तेमाल करें, जहां न हो वहां LLM जज, और पूरे थ्रेड्स व ट्रैजेक्टरीज़ का मूल्यांकन करें।
कॉन्टेक्स्ट रॉट का हल. LangChain का Deep Agents हार्नेस पांच मिडलवेयर तकनीकों से कॉन्टेक्स्ट को सक्रिय विंडो से बाहर साधारण फाइलों में ले जाता है, जिससे लंबे समय तक चलने वाले एजेंट्स की सटीकता नहीं गिरती और मेमोरी मॉडल्स के बीच पोर्टेबल रहती है।
OCR पार्सर बेंचमार्क. Datalab ने OmniParseBench जारी किया—यह एक ओपन बेंचमार्क है जिसमें 2,937 पेजों पर 16,288 पास/फेल टेस्ट हैं, ताकि इंजीनियर दस्तावेज़ पार्सर चुन सकें। Gemini 3.8 Flash, Datalab के अपने पार्सर से थोड़ा आगे है।
सुरक्षित फाइनेंशियल एजेंट. OpenAI और Anthropic ने AI Engineer NY में फाइनेंशियल एजेंट्स में स्वायत्तता और सुरक्षा के संतुलन पर चर्चा की। उनका ज़ोर था कि नियंत्रण और मानवीय निर्णय की जगह, प्रतिबंधों की संख्या से ज़्यादा मायने रखती है।
मॉडल रिलीज़ और फाइन-ट्यून्स
LFM2.5 एजेंट वर्कहॉर्स. एक यूज़र ने Pi Agent वर्कफ़्लो में LFM2.5-24B डाला और AMD W7900 पर लगातार ~95 टोकन/सेकंड की रफ़्तार रिपोर्ट करता है; मैकेनिकल और रिकर्सिव टास्क में परफ़ॉर्मेंस भरोसेमंद रही।
Qwen एफिशिएंसी वेरिएंट. तीन अलग रिलीज़—Sabi-Noema, Tessera-27B-CJK और Telperion का MLA/GLA—रीज़निंग टोकन या KV कैश को कंप्रेस करके दक्षता बढ़ाती हैं। Sabi-Noema एजेंट और टूल-कॉलिंग बेंचमार्क पर बढ़त का दावा करता है।
- Sabi-Noema: A capability and efficiency focused fine-tune of Qwen 3.8 27B(नए टैब में खुलता है)
- Tessera-27B-B-CJK, Zellige AIs new finetune of Qwen with novel approaches to how we think about token savings(नए टैब में खुलता है)
- New model from Telperion: Qwen3.8-27B-MLA & Qwen3.8-27B-GLA-g2. 4x smaller KV cache, smarter, and more efficient reasoning.(नए टैब में खुलता है)
फोन पर मल्टीमॉडल. MiniCPM-V 4.7, Lookahead Expert Scheduling की मदद से करीब 3 जीबी मेमोरी वाले मोबाइल डिवाइस पर 35B MoE विज़न-लैंग्वेज मॉडल चलाता है; एक छोटा 1B वेरिएंट भी है।
कॉम्पैक्ट MoE लॉन्च. NVIDIA Nemotron Bolt 3.5 एक 74B पैरामीटर, 9B-सक्रिय MoE मॉडल है, जिसे 2-बिट क्वांटाइज़ेशन-अवेयर ट्रेनिंग से 24 जीबी में समाया गया है। यह 15 अक्टूबर को लॉन्च होगा; 4 जीबी वाला E4B वेरिएंट 23 अक्टूबर को आएगा।
कोडिंग MoE. JetBrains Mellum 2.1 12B A2.5B MoE कंज़्यूमर GPU पर 60–140 टोकन/सेकंड की रफ़्तार से चलता है और कोडिंग टास्क में सक्षम है—खासकर जब इसे बड़े प्लानर मॉडल के साथ जोड़ा जाए।
लोकल AI और हार्डवेयर
मुर्गी-बाड़े वाला रिग. एक यूज़र ने चार अनलॉक्ड CMP 170HX कार्ड और एक Threadripper से 256 जीबी VRAM वाला रिग बनाया, गर्मी और शोर के चलते उसे शेड में शिफ्ट किया, और अब Qwen Flash Next व GLM 5.3 लोकली चलाता है।
लोकल AI पर बिज़नेस. होस्टेड मॉडल्स के हथियारों से जुड़ा काम करने से इनकार के बाद USA Arms के लिए AI चलाने हेतु तीन ऐसे बॉक्स बनाए गए जिनमें 4x Radeon R9700 और सस्ते EPYC थे; हर बॉक्स की लागत 10.7 हज़ार डॉलर और कुल VRAM 384 जीबी।
तेज़ Radiance इंजन. Deadcode के Radiance इंजन ने 2x R9700 और 64 जीबी DDR5 पर Q4 Qwen-3.8 Flash-Next के साथ डिकोड में 176 टोकन/सेकंड और प्रीफिल में 6,450 टोकन/सेकंड हासिल किया।
llama.cpp कर्नल स्पीडअप. llama.cpp के एक PR में GDN चंक्ड कर्नल जोड़े गए हैं, जिससे RTX PRO 6000 पर MoE प्रॉम्प्ट प्रोसेसिंग 20.6% तक और RTX 5090 पर 17.9% तक बेहतर हुई।
रिसर्च और एप्लाइड AI
AI चिप डिज़ाइन. Ricursive Intelligence का कहना है कि AI चिप्स को इटरेटिव तरीके से डिज़ाइन करके दक्षता बढ़ा सकता है, जिससे कंप्यूट की 10,000 गुना बढ़ती मांग को 10,000 गुना ज़्यादा डेटा सेंटर बनाए बिना संभाला जा सकता है।
सेल्फ-इम्प्रूविंग AI नहीं. Google DeepMind के Haydn Belfield कहते हैं कि AI प्रोडक्शन कोड का 75% से ज़्यादा लिखता है, लेकिन AI रिसर्च को नापने लायक तेज़ नहीं कर पाया; जटिल कामों में मानवीय निगरानी ज़रूरी बनी हुई है।
कमेंट्स से फर्क नहीं. एक डेवलपर ने कोडबेस से 1,68,000 लाइन कमेंट हटाए और पाया कि तीन रन में AI एजेंट ने दोनों वर्ज़न पर बराबर अच्छा कोड बनाया—जिससे कमेंट्स की उपयोगिता पर सवाल खड़ा हुआ।
AI मास डीकंपाइलेशन. AI-संचालित डीकंपाइलेशन गेम मैशअप और संरक्षण को मुमकिन बना रहा है, लेकिन प्रोप्राइटरी सॉफ्टवेयर के लिए खतरा भी है—इंडी डेवलपर Popcar ने इस पर चर्चा की।
AI से डिज़ाइन प्रोटीज़. शोधकर्ताओं ने AI प्रोटीन डिज़ाइन से प्रोटीज़ के गैर-कैटलिटिक हिस्सों को बदला और ऐसे एंज़ाइम बनाए जो न्यूरोलॉजिकल बीमारियों से जुड़े खास प्रोटीन को काटते हैं।
AI मौसम पूर्वानुमान. Ai2 का HiRO-ACEv2 3 किमी रिज़ॉल्यूशन पर चरम मौसम का सिमुलेशन करता है, X-SHiELD की लागत के करीब 1/300वें हिस्से में। वहीं Microsoft का ML टूल 2–6 हफ्ते के पूर्वानुमानों में बायस सुधारता है; यह Nature में प्रकाशित हुआ है।
प्रोडक्शन में एजेंट
अंडरकवर एंटी-स्कैम एजेंट. Apate हज़ारों AI एजेंट तैनात करता है जो खुद को शिकार बताकर स्कैमरों का समय बर्बाद करते हैं और बैंक खाते, वॉलेट व स्कैम इन्फ्रास्ट्रक्चर जुटाते हैं; इन्होंने 25 लाख बातचीत संभाली हैं।
ऑटोनॉमस सेल्स रिसर्च. Floqer ऐसे AI एजेंट बना रहा है जो B2B सेल्स के लिए ग्राहक जानकारी लगातार जुटाते और अपडेट करते हैं। कंपनी का ARR 12 लाख डॉलर से ऊपर पहुंच चुका है और वह तकनीक को ओपन-सोर्स करने की योजना बना रही है।
कन्वर्सेशनल ऑर्डरिंग. Square ने $1,999 का कियोस्क लॉन्च किया, जिसमें एजेंटिक वॉइस लेयर मेन्यू समझती है और रीयल टाइम में बदलाव व सब्स्टिट्यूशन संभालती है।
इंटरनेट स्टॉर्म ट्रैकर. Gudea AI की मदद से यह विश्लेषण करता है कि खबरें 500+ प्लेटफॉर्म पर कैसे फैलती हैं, और संकट फूटने से पहले पहचानता है कि बातचीत कौन चला रहा है—पारंपरिक सोशल लिसनिंग से आगे।
Gemini स्कैम डिफेंस. Google Messages एक ऑप्ट-इन बेहतर सुरक्षा रोलआउट कर रहा है, जो क्लाउड Gemini से अपरिचित प्रेषकों के इरादे परखती है; प्रोसेसिंग एन्क्रिप्टेड और सुरक्षित स्पेस में होती है।
AI क्लाइंट इंटरव्यू. McKinsey इंटरव्यू के दौरान कुछ एंट्री-लेवल उम्मीदवारों को AI-सिम्युलेटेड क्लाइंट से बात कराएगा; परफ़ॉर्मेंस का आकलन इंसान करेंगे, AI नहीं।
उद्योग, नीति और बिज़नेस
AI रेस फिर खुली. Google और Meta ने नए फ्रंटियर मॉडल पेश किए, जो OpenAI और Anthropic को चुनौती देते हैं और यह धारणा बदल देते हैं कि रेस सिमट गई थी।
OpenAI मॉडल टाइमलाइन. खबरों के मुताबिक OpenAI इस साल एक या दो मॉडल रिलीज़ करने की योजना बना रहा है, लेकिन उसके अगले फ्लैगशिप को अभी अलाइनमेंट का काम और सरकारी सुरक्षा समीक्षा पूरी करनी है।
OpenAI पर बच्चों वाले मुकदमे. अमेरिका के आठ राज्यों ने OpenAI पर मुकदमा दायर किया, आरोप लगाया कि ChatGPT बच्चों के लिए असुरक्षित है और कंपनी ने सुरक्षा पर उपभोक्ताओं को भ्रमित किया; क्रिटिकल थिंकिंग कमजोर होने जैसे नुकसानों का हवाला दिया गया।
Character.AI डेटा. राज्यों के अटॉर्नी जनरल ने Character.AI के दिवालियापन मामले में नोटिस दायर कर यूज़र्स की निजी चैट को बिकने से बचाने की कोशिश की, और बड़ी संख्या में नाबालिगों को देखते हुए जोखिमों की चेतावनी दी।
AI म्यूजिक कंट्रोल. YouTube ने AI-जनित गानों के लेबल जोड़े, Deezer AI ट्रैक्स को हटाने वाला फिल्टर लाने की योजना बना रहा है, और दोनों प्लेटफॉर्म जेनरेटिव म्यूजिक पर पारदर्शिता बढ़ाना चाहते हैं।
Nvidia का यूरोप निवेश. Nvidia ने यूरोप में $2 बिलियन के नए निवेश, फ्रांसीसी स्टार्टअप्स में हिस्सेदारी और यूके के AI सेफ्टी लैब्स के लिए $250 मिलियन कंप्यूट की घोषणा की।
वाइब-कोडेड लॉन्चर. Epic Games ने अपने लॉन्चर को AI-असिस्टेड कोडिंग से शुरू से दोबारा बनाया और दावा किया कि परफ़ॉर्मेंस तेज़ हुई और टीम छोटी रही।
इस दिन के लिए बस इतना ही – लगभग 5 मिनट का पाठ।