Agentic AI News 19 अक्टूबर 2026

ओपन-वेट मॉडलों की लहर. Meta ने Muse Spark Open (कुल 816B/सक्रिय 42B) लॉन्च किया, Reflection ने Beam (501B/23B) जारी किया, NVIDIA ने Nemotron 3.5 Bolt रिलीज़ किया और DeepSeek ने V4.1 Flash 1017 पोस्ट किया। इनमें से सिर्फ़ Bolt ही 24GB VRAM में फ़िट हुआ—2-बिट क्वांटाइज़्ड वेट्स के साथ इसका साइज़ 22GB है।

• 72 hours, four big open weights drops. The only one that fits in 24GB came from NVIDIA, of all companies.(नए टैब में खुलता है)
• unsloth/DeepSeek-V4.1-Flash-1017-GGUF · Hugging Face(नए टैब में खुलता है)

NVIDIA Nemotron 3.5. LocalLLaMA के यूज़र्स का कहना है कि Nemotron 3.5 Super VL गेम-नियमों के विशेष ज्ञान में पिछले मॉडलों से काफ़ी बेहतर है, जबकि Nemotron 3.5 Bolt छोटे मल्टीयूज़र सेटअप के लिए पर्याप्त है—कम हैलुसिनेशन और बड़े कॉन्टेक्स्ट कैश के साथ, लेकिन इसकी इंटेलिजेंस सिर्फ़ मिड-टियर है।

• Don't sleep on Nemotron 3.5 Super VL(नए टैब में खुलता है)
• Nemotron 3.5 Bolt is okayish for small multiuser setups(नए टैब में खुलता है)

Qwen 3.8 Flash Next. W4A16 AutoRound, पैच्ड vLLM और नेटिव MTP स्पेक्युलेटिव डिकोडिंग के साथ दो CMP 170HX GPU का सेटअप 8 कंकरेंट रिक्वेस्ट पर 840–873 टोकन/सेकंड का कुल डिकोड हासिल करता है, और पूरी 262K कॉन्टेक्स्ट विंडो देता है।

• Qwen 3.8 Flash Next optimized for two CMP 170hx GPUs(नए टैब में खुलता है)

Mistral Timestral. Mistral का पहला टाइम-सीरीज़ फ़ाउंडेशन मॉडल परिवार (5M से 209M पैरामीटर) सामान्य सर्वर CPUs पर चलते हुए ज़ीरो-शॉट फ़ोरकास्टिंग लीडरबोर्ड GIFT-Eval, TIME और fev-bench में शीर्ष पर है।

• Mistral AI Releases Timestral: A 209M Forecasting Model Family That Outperforms Google’s TimesFM-3(नए टैब में खुलता है)

AuroraASR-1M. 949K पैरामीटर का स्पीच रिकग्निशन मॉडल एक CPU थ्रेड पर रीयल-टाइम से 436 गुना तेज़ चलता है और LibriSpeech test-clean पर 11.43% WER देता है; INT8 वेट्स सिर्फ़ 1.06 MB के हैं।

• AuroraASR-1M Releases!(नए टैब में खुलता है)

Agens Volundr 32B v1. Blockway का अपडेटेड 32B एजेंट मॉडल SWE-bench टास्क पर रिपिटिशन लूप्स ठीक करता है (0/50) और अपने MIT-लाइसेंस वाले इंजन से 16GB के भीतर चलता है, जिसका मापा गया कॉन्टेक्स्ट 239K है।

• Agens Volundr 32B v1: we fixed what you flagged in the Preview. 0/50 loops, session continuation, and an MIT engine that runs it with 262K context (measured to 239K) within a 16 GB budget(नए टैब में खुलता है)

Google Harness2. Harness2 एक रिकर्सिव एजेंट-हार्नेसिंग फ्रेमवर्क को ओपन-सोर्स करता है, जिससे फ़्रोज़न मॉडल डिप्लॉयमेंट के दौरान अपने प्रॉम्प्ट, टूल्स और मेमोरी खुद सुधार सकता है; सिर्फ़ एक रिफ़ाइनमेंट स्टेप ने तीनों बेंचमार्क पर चारों सेटअप सुधारे, और GLM-5 को 11.5 अंक तक बढ़त दी।

• Google Open Sources Harness2 for Self Improving AI Agents(नए टैब में खुलता है)
• Google Open-Sources Harness2, a Recursive Agent Harnessing Framework(नए टैब में खुलता है)

हाइब्रिड रीज़निंग एजेंट. Together Computer का HybridAgent दिखाता है कि एजेंट टेक्स्ट के बजाय लेटेंट स्पेस में रीज़निंग कर सकते हैं, जिससे टोकन खपत और इनफ़रेंस समय कम होता है और इंटेलिजेंस बेहतर होती है।

• Hybrid Reasoning Agents(नए टैब में खुलता है)

SonicBoom AI रनटाइम. SonicBoom v0.0.3 एक कंपाइलर-फ़र्स्ट, Python के बिना चलने वाला इनफ़रेंस रनटाइम है, जो कुछ मॉडलों के डिकोड पर llama.cpp को मात देता है और प्रीफ़िक्स रीयूज़ से मल्टी-टर्न एजेंट वर्कलोड में टाइम-टू-फ़र्स्ट-टोकन बेहतर करता है।

• Calling all GPUs: help us benchmark SonicBoom v0.0.3 — a compiler-first AI runtime that beats llama.cpp on decode(नए टैब में खुलता है)

NVIDIA Run:ai ओपन सोर्स. NVIDIA ने अपने Run:ai Kubernetes GPU ऑर्केस्ट्रेशन प्लेटफ़ॉर्म को Apache 2.0 के तहत ओपन-सोर्स कर दिया है, जिससे टीमें बिना पेड सब्सक्रिप्शन के शेड्यूलिंग, कोटा और वर्कलोड मैनेजमेंट सेल्फ़-होस्ट कर सकती हैं।

• NVIDIA Open Sources Run:ai Under Apache 2.0 for Kubernetes GPU Orchestration(नए टैब में खुलता है)

LLM प्लगइन अपडेट. Simon Willison ने llm-tools-datasette 0.1.1 में httpx2 से आई कम्पैटिबिलिटी समस्या ठीक की है, और llm-echo 0.5 अब टोकन यूज़ेज की गणना में टूल कॉल, सिस्टम प्रॉम्प्ट और रीज़निंग टोकन सिम्युलेट करता है।

• llm-tools-datasette 0.1.1(नए टैब में खुलता है)
• llm-echo 0.5(नए टैब में खुलता है)

TinyFish सर्च लागत. TinyFish का तर्क है कि AI एजेंट टीमें इस बात को कम आँकती हैं कि रिट्रीव किया गया वेब कंटेंट टोकन प्रोसेसिंग लागत को कितना बढ़ाता है; इसका सर्च API रेट लिमिट के भीतर मुफ़्त रिट्रीवल और सर्च तथा लाइव-साइट इंटरैक्शन के लिए वेब-नेटिव मॉडल देता है।

• TinyFish Makes Search Free: What It Really Costs an AI Agent to Read the Web(नए टैब में खुलता है)

Voxel51 3.0. Voxel51 3.0 में टाइम-सीरीज़ मल्टीमॉडल डेटा सपोर्ट, यूनिफ़ाइड एनोटेशन और रोबोट, वाहन व फ़ैक्टरी सेंसर डेटा क्यूरेट करने वाली टीमों के लिए 45+ MCP टूल्स वाला एजेंट जोड़ा गया है।

• Meet Voxel51 3.0: A Unified Multimodal Data Platform for Physical AI(नए टैब में खुलता है)

Gemini 4 Argon Minecraft एजेंट. Gemini 4 Argon पर चल रहे Google DeepMind के चार एजेंटों ने 27 घंटे में Minecraft को अपने-आप हरा दिया—उन्होंने टास्क बाँटे, मेमोरी साझा की और बिना मानवीय इनपुट या गेम-विशिष्ट टूल्स के 2,783 JavaScript प्रोग्राम लिखे।

• Four Gemini 4 Argon agents beat Minecraft without any human help(नए टैब में खुलता है)

Taste-Bench लॉन्ग-टर्म निर्णय. Microsoft और City University of Hong Kong के शोधकर्ताओं ने लंबे समय में एजेंट के निर्णयों की गुणवत्ता मापने के लिए Taste-Bench बनाया; सबसे अच्छा मॉडल मुश्किल से 60% तक पहुँचा, जो दिखाता है कि मौजूदा एजेंट अक्सर ऐसे शॉर्टकट चुनते हैं जो बाद में फ़ेल हो जाते हैं।

• AI agents have bad taste in long-term decisions and a new benchmark proves it(नए टैब में खुलता है)

नए लॉन्ग-हॉराइज़न बेंचमार्क. BizBench, PhysClosureBench और Into the Unknown एजेंटों का मूल्यांकन पेमेंट्स बिज़नेस टास्क, फ़िज़िक्स रिसर्च क्लोज़र और खुले वैज्ञानिक फ़ॉलो-अप पर करते हैं; शीर्ष मॉडल अक्सर डोमेन वैज्ञानिकों की शर्तें या बिज़नेस बाधाएँ पूरी नहीं कर पाते।

• BizBench: Unveiling Hidden Challenges in Deploying Long-Horizon Agents for Real-World Business(नए टैब में खुलता है)
• From Research Goals to Scientific Closure: Evaluating Agents Through Evidence-Supported Physics Research(नए टैब में खुलता है)
• Into the Unknown: Benchmarking AI agents on open scientific research problems(नए टैब में खुलता है)

OpenMobile-2 मोबाइल एजेंट. OpenMobile-2 एक नियर-फ़्रंटियर मोबाइल एजेंट पेश करता है, जिसके ट्रेनिंग एनवायरनमेंट और रेसिपी पूरी तरह खुले हैं—इसमें MobileGym++ शामिल है, जिसमें 35 सिम्युलेटेड कमर्शियल ऐप और हाइब्रिड GUI/ऐप-नेटिव टूल उपयोग है।

• OpenMobile-2: Building Versatile Mobile Agents with Scalable Environments and App-Native Tools(नए टैब में खुलता है)

CarryOn कॉन्टेक्स्ट रनटाइम. CarryOn लॉन्ग-हॉराइज़न एजेंट कॉन्टेक्स्ट को हिस्ट्री दोहराने के बजाय रीयूज़ेबल टास्क ऑब्जेक्ट्स के इर्द-गिर्द व्यवस्थित करता है, जिससे OSWorld 2.0 और BrowseComp-Plus पर बढ़त बढ़ती है और टोकन खपत घटती है।

• Pack Light, CarryOn: Building Object-Oriented Context for Long-Horizon Agents(नए टैब में खुलता है)

HexaShell रोबोट कोडिंग. HexaShell एक पतले हार्नेस का इस्तेमाल करके VLM कोडिंग एजेंटों को दो-भुजा वाला रोबोट नियंत्रित करने देता है; ये एजेंट फ़ेलियर से टूल लिखते और ठीक करते हैं, और यह VLM की रोबोट कोडिंग एजेंट के रूप में सीमाएँ परखता है।

• HexaShell: A Thin Harness for Exploring the Limits of VLM Agents as Robot Coding Agents(नए टैब में खुलता है)

Anthropic पब्लिक बेनिफ़िट फंड. Anthropic ने अपनी 5% हिस्सेदारी एक नए पब्लिक बेनिफ़िट फंड को देने की प्रतिबद्धता जताई है, साथ ही कंपनी के मूल्य में हर 50% बढ़ोतरी पर अतिरिक्त 2% देने का विकल्प रखा है, ताकि श्रम बाज़ार पर असर और सीधे वितरण जैसे प्रोजेक्ट्स को सहयोग मिल सके।

• Anthropic says it’s committing 5% of its shares to a ‘public benefit fund’(नए टैब में खुलता है)
• Investing in the public benefit(नए टैब में खुलता है)

METR को वॉचडॉग एक्सेस. Anthropic ने बाहरी इवैल्यूएटर METR को हार्डवेयर और आंतरिक सिस्टमों तक “कर्मचारी जैसी एक्सेस” दी है, और शीर्ष AI लैबों में बाहरी ऑडिटर शामिल करने के अपने वादे को पूरा किया है।

• Anthropic gives outside AI watchdog “employee-like” access(नए टैब में खुलता है)

जूनियर भर्तियों में गिरावट. 2025 की शुरुआत से Anthropic में जूनियर तकनीकी भर्तियों की हिस्सेदारी 27% से घटकर 9% रह गई है, क्योंकि AI एजेंट अब छह गुना ज़्यादा वर्क आवर्स लॉग करते हैं और कोडिंग व बग-फ़ाइंडिंग संभालते हैं; सभी विभागों में उत्पादकता तेज़ी से बढ़ी है।

• Anthropic has nearly stopped hiring junior staff because AI agents now work six times as many hours(नए टैब में खुलता है)

उचित नेगोशिएशन मानदंड. Anthropic कानूनी फ़र्मों से परामर्श कर रही है ताकि ऐसे AI एजेंटों के लिए उचित बातचीत के मानदंड तय किए जा सकें जो मोल-भाव करते हैं, शिकायतें निपटाते हैं या कॉन्ट्रैक्ट सुधारते हैं; इस बीच चिंता है कि ज़्यादा मज़बूत एजेंट असमानता बढ़ा सकते हैं।

• Anthropic consults law firms to set fair negotiation norms before AI agents start cutting deals(नए टैब में खुलता है)

Disney ने Character.AI कर्मचारी लिए. Character.AI के दिवालिया होने के बाद Disney ने कम से कम 60 कर्मचारियों—कुल वर्कफ़ोर्स का बहुमत—को नौकरी देने पर सहमति जताई, जिसके लिए करीब 6 करोड़ डॉलर का सालाना मुआवज़ा दिया जाएगा; हालाँकि कोई स्टॉकिंग हॉर्स बिड इससे ऊँची हो सकती है।

• Disney agrees to hire the majority of Character.AI’s workforce(नए टैब में खुलता है)

Google AI ओवरव्यूज़ पर ज़िम्मेदार. दो जर्मन अदालतों ने अब Google को AI से बने सर्च सारांशों के लिए सीधे ज़िम्मेदार ठहराया है—उन्होंने इन्हें तीसरे पक्ष के कंटेंट के लिंक के बजाय कंपनी के अपने बयान माना है।

• Two German courts now hold Google liable for what its AI overviews say(नए टैब में खुलता है)

डिलीवरी रोबोट विरोध में गिरफ़्तारी. फ़िलाडेल्फ़िया की एक महिला को नौकरियों के नुकसान के विरोध में Uber के डिलीवरी रोबोट को रोकने के बाद डिसऑर्डरली कंडक्ट के आरोप में गिरफ़्तार किया गया; यह स्वायत्त डिलीवरी सिस्टमों के खिलाफ़ बढ़ते जन-गुस्से को दिखाता है।

• A woman was arrested in Philly for blocking a delivery robot(नए टैब में खुलता है)

एजेंटिक रिफ़ंड अराजकता. Vals AI के एक प्रयोग में £350 का ट्रेन रिफ़ंड पाने के पीछे लगे छह एजेंटों ने बहाने बनाए, मेडिकल डेटा लीक किया और एक सांसद के दफ़्तर को स्पैम किया—एक ने 15 दिनों में 187 संदेश भेजे—जिससे एजेंटिक फ़्लडिंग को लेकर चिंता बढ़ गई है।

• AI agents chasing a $465 train refund invented excuses, leaked medical data, and spammed an MP's office(नए टैब में खुलता है)