Agentic AI News 22 अक्टूबर 2026

Recursive Flint कोडिंग MoE. Recursive ने Flint जारी किया, एक ओपन-वेट 40B MoE कोडिंग मॉडल जिसमें 2.5B सक्रिय पैरामीटर और 262,144 टोकन का कॉन्टेक्स्ट है। इसे मुख्य रूप से उसकी Eureka Machine ने बनाया है। यह 48 जीबी वाले Mac या GPU पर चलता है; RTX PRO 6000 पर शुरुआती लोकल NVFP4 vLLM रन में LiveCodeBench v6 पर 82.2 और SWE-bench Verified पर 80 अंक मिले, सिंगल स्ट्रीम पर 110–180 टोकन/सेकंड।

• Recursive Releases Flint, an Open-Weight 40B MoE Local Coding Model for Agents with 2.5B Active Params(नए टैब में खुलता है)
• Recursive launches Flint, a laptop coding model it says was largely built by AI(नए टैब में खुलता है)
• Recursive Flint - the "Qwen3.8 35B" we've all been waiting for?(नए टैब में खुलता है)
• RecursiveSI/flint (40B A2.5B) · Hugging Face(नए टैब में खुलता है)
• Ran Flint on RTX PRO 6000 at NVFP4 in vLLM(नए टैब में खुलता है)

Anthropic का Claude Duet. Anthropic ने Claude Duet लॉन्च किया, Claude Opus 5.5 पर आधारित, प्रोफेशनल्स और छोटे कारोबारों के लिए रिसर्च प्रीव्यू AI एजेंट। यह सुबह की ब्रीफिंग भेजता है, जुड़े ऐप्स पर नज़र रखता है और शेड्यूलिंग से लेकर डैशबोर्ड बनाने तक के काम संभालता है।

• Anthropic takes on Muse with Claude Duet, its new AI agent(नए टैब में खुलता है)

Walmart का AI शॉपर गेटवे. Walmart अगले महीने Agent Gateway खोलेगा, जिससे AI एजेंट ग्राहक की मंज़ूरी, खर्च की सीमा और अलग समीक्षा के साथ उसकी साइट पर खरीदारी कर सकेंगे। यह Amazon द्वारा शॉपिंग एजेंट्स को ब्लॉक करने के उलट है। सिस्टम की शर्तों में एजेंट्स को खरीदार के इरादे के दायरे में रहने की ज़रूरत है।

• Walmart is inviting AI agents to shop for you(नए टैब में खुलता है)
• While Amazon blocks AI agents, Walmart rolls out the welcome mat(नए टैब में खुलता है)

Meta Muse 1 करोड़ पार. Meta का कहना है कि Muse ने 1 करोड़ यूज़र का आंकड़ा पार कर लिया है और सेटअप करने वाले करीब 25% यूज़र रोज़ लौटते हैं। Plaid के पेमेंट कनेक्टर से खरीदने वाले सक्रिय शॉपिंग यूज़र्स में से एक-चौथाई से ज़्यादा की औसत खरीद 200 डॉलर से ऊपर थी।

• Meta says Muse has over 10M users, with shopping a top activity(नए टैब में खुलता है)

Mercury 3 डिफ्यूज़न LLM. Inception ने Mercury 3 जारी किया, एक डिफ्यूज़न लैंग्वेज मॉडल जो टोकन-दर-टोकन जनरेट करने के बजाय पूरे जवाब को परिष्कृत करता है। कंपनी का दावा है कि यह 1,000 टोकन प्रति सेकंड से ज़्यादा रफ्तार देता है और अपने 12 आंतरिक बेंचमार्क में से आठ में GPT-6 Luna और Claude Haiku 5.5 से आगे है। यह 10 लाख टोकन तक सपोर्ट करता है और रियल-टाइम एजेंट व वियरेबल ऐप्स को टारगेट करता है।

• Inception's Mercury 3 diffusion model claims to beat GPT-6 Luna and Claude Haiku 5.5 at a fraction of the wait(नए टैब में खुलता है)

ओपन स्पीच और TTS मॉडल. छोटे ओपन स्पीच और TTS मॉडलों की एक खेप आई। Kitten-TTS 2 1.58-बिट वेट्स के साथ 20+ भाषाओं में CPU पर रियल-टाइम वॉइस क्लोनिंग देता है; IBM ने Granite Speech 5.0 को बहुभाषी ट्रांसक्रिप्शन, अनुवाद और स्पीकर एट्रिब्यूशन के लिए अपडेट किया; InclusionAI ने Ming-3.0-TTS-0.5B जारी किया, जिसमें वॉइस क्लोनिंग/डिज़ाइन, सात भाषाएं और इमोशन कंट्रोल है।

• Kitten-TTS 2: New Open-source SOTA 1.58 bit TTS (CPU-only with voice cloning, multilingual, emotion control)(नए टैब में खुलता है)
• Granite Speech 5.0: Transcribe, Translate, and Attribute more Accurately and Faster(नए टैब में खुलता है)
• IBM Granite Speech 5.0 2B(नए टैब में खुलता है)
• inclusionAI/Ming-3.0-TTS-0.5B(नए टैब में खुलता है)

Vercel का durable-harness. Vercel ने durable-harness ओपन-सोर्स किया, एक npm पैकेज जो Pi, OpenCode, Claude Code, Codex और fx को रैप करता है और क्रैश व टाइमआउट के दौरान भी कोडिंग एजेंट सेशन ज़िंदा रखता है। सेशन ड्यूरेबल लॉग में रखे जाते हैं; पूरे हो चुके मॉडल और टूल कॉल लॉग से रीप्ले होते हैं, दोबारा नहीं चलते और दोबारा बिल भी नहीं होते।

• Vercel Open-Sources durable-harness for Crash-Proof Coding Agents(नए टैब में खुलता है)

Patch the Planet प्लगइन. Google ने patching-bugs और regression-hunt प्लगइन प्रकाशित किए, जो इंजीनियरों को पैच डेवलपमेंट और रिग्रेशन जांच एजेंट्स को सौंपने देते हैं। ये OpenAI के साथ Patch the Planet पहल से निकले हैं। शुरुआती आकलन में regression-hunt ने बेसलाइन Codex एजेंट की तुलना में 25% कम फॉल्स पॉज़िटिव दिए।

• AI agent fixed the bug, but what else did it change?(नए टैब में खुलता है)

GPU प्रोफाइलिंग टूल्स. GPU प्रोफाइलिंग की दो गाइड आई हैं। NVIDIA Nsight Python यूज़र्स को कोड पर एनोटेशन डालने और kernel मेट्रिक्स pandas DataFrames के रूप में पाने देता है, जिन्हें Jupyter/Colab में इस्तेमाल किया जा सकता है; Hugging Face TorchNeuron Part 1 AWS Trainium पर सिस्टम-लेवल प्रोफाइलिंग दिखाता है ताकि पता चले कि इन्फरेंस का समय कहां जा रहा है।

• NVIDIA Nsight Python Tutorial: How to Profile GPU Kernels(नए टैब में खुलता है)
• Profiling TorchNeuron (Part 1): System-level profiling on AWS Trainium.(नए टैब में खुलता है)

लोकल इन्फरेंस ट्वीक्स. llama.cpp का एक PR स्पार्स अटेंशन में तेज़ी के लिए फ्यूज़्ड QSA मास्क ऑप जोड़ता है; एक अलग फोर्क किसी भी मॉडल को इन्फरेंस के समय अब्लिटरेट करता है, बिना फाइन-ट्यूनिंग के और बिना अतिरिक्त VRAM के।

• llama: create new fused op for QSA mask by am17an · Pull Request #30640 · ggml-org/llama.cpp(नए टैब में खुलता है)
• Inference time abliteration(नए टैब में खुलता है)

2-बिट रेज़िडुअल डिकोडिंग. एक स्पेक्युलेटिव डिकोडिंग स्कीम GPU पर 2-बिट मॉडल और सिस्टम RAM में सटीक 8-बिट रेज़िडुअल रखती है, जिसमें सिर्फ एक्टिवेशंस PCIe पार करते हैं। शुरुआती PyTorch माप के मुताबिक 2-बिट+8-बिट रेज़िडुअल Q8_0 की तुलना में bf16 के ज़्यादा करीब है और KL डाइवर्जेंस लगभग आधा है।

• 2-bit copy in VRAM + exact residual in system RAM as the verifier: speculative decoding for models that don't fit your GPU(नए टैब में खुलता है)

वोकैबुलरी स्पेशलाइज़ेशन. Qwen3-4B पर बने एक प्रोडक्शन पुर्तगाली निबंध ग्रेडर में, SLM की वोकैबुलरी को फ्रीक्वेंसी के बजाय टोकन लागत के हिसाब से स्पेशलाइज़ करने से बेस मॉडल बदले बिना मापा गया इन्फरेंस खर्च 77% घट गया।

• How Specializing the Vocabulary of SLMs Can Cut Inference Cost by 77% in Real Applications(नए टैब में खुलता है)

KLS अनुमान हल. Microsoft के शोधकर्ताओं ने 31 साल पुराने KLS कंजेक्चर को उच्च-आयामी ज्यामिति में हल किया। इसके लिए मानव-निर्देशित एजेंटिक रिसर्च प्रक्रिया अपनाई गई, जिसमें AI ने गणितीय संभावनाएं तलाशीं और शोधकर्ताओं ने सर्च को छांटकर नई दिशा दी। नतीजा log-concave वितरणों के लिए एक सार्वभौमिक ज्यामितीय सिद्धांत स्थापित करता है और इसे स्वतंत्र रूप से मशीन-चेक भी किया गया।

• Solving a 31-year-old grand challenge in mathematics – the KLS conjecture(नए टैब में खुलता है)

4B एजेंट्स कहां फेल. Qwen3.5-4B पर दस एजेंट हार्नेस के 50-रन मूल्यांकन में पता चला कि टूल-कॉल पार्सिंग मुख्य विफलता नहीं थी; ब्लैंक लाइनें छोड़ देने वाले एग्जैक्ट-मैच एडिट्स, कॉन्टेक्स्ट प्रूनिंग और हार्नेस-विशिष्ट क्विर्क्स ज़्यादातर फेल होने की वजह बने। दस में से छह एजेंट्स ने पांचों छोटे टास्क पास किए।

• What actually breaks agents on a 4B model? Notes from 50 runs on Qwen3.5-4B(नए टैब में खुलता है)

NVIDIA Kumo Relational. NVIDIA Kumo Relational एक प्री-ट्रेंड रिलेशनल फाउंडेशन मॉडल है जो एंटरप्राइज़ डेटाबेस पर सीधे आउटकम प्रेडिक्ट करता है, बिना टास्क-विशिष्ट ट्रेनिंग या फीचर इंजीनियरिंग। 15 डेटाबेस पर 41 टास्क में इसने सुपरवाइज़्ड रिलेशनल डीप लर्निंग और AutoGluon एन्सेम्बल्स को SAP SALT पर 8% MRR से पीछे छोड़ा।

• NVIDIA Kumo Relational Outperforms Supervised Machine Learning on Relational Data, No Training Required(नए टैब में खुलता है)

iPhone पर 35B MoE. OpenBMB की Lookahead Expert Scheduling एक 35B-A3B MoE को iPhone पर 20.5 टोकन/सेकंड की रफ्तार से लोकल चलाती है। यह मौजूदा गणना के साथ-साथ फ्लैश से अगली परत के एक्सपर्ट्स का अनुमान लगाकर उन्हें प्रीलोड करती है, बिना किसी एक्सपर्ट को छोड़े।

• 35B MoE running at 20.5 tok/s on an iPhone, without skipping experts(नए टैब में खुलता है)

AI फंडिंग दबाव. Blackstone का कहना है कि AI-बिल्डआउट कर्ज को लेकर डर अतिरंजित है और वह खुद को हाइपरस्केलर्स के बाहर कंप्यूट का सबसे बड़ा मालिक बताता है। Meta 2027 में AI इन्फ्रास्ट्रक्चर, अधिग्रहण और कर्मचारी मुआवजे को फंड करने के लिए एक नई नॉन-वोटिंग शेयर श्रेणी जारी करेगा।

• Blackstone’s Jas Khaira says fears over AI-buildout debt are overblown(नए टैब में खुलता है)
• Meta to create a new class of shares to fund AI push(नए टैब में खुलता है)

Google Cloud पर OpenAI मॉडल. Google Cloud प्राइवेट प्रीव्यू में OpenAI के GPT-6 Astra, 6.1 Sol और Luna पेश करेगा। इसके साथ Gemini और Claude जुड़ेंगे और यह तीनों मॉडल देने वाला अकेला बड़ा प्रोवाइडर बन जाएगा; मॉडल Gemini for Business और Antigravity में भी दिखेंगे, और बिलिंग एक ही Google Cloud बिल पर होगी।

• OpenAI's latest AI models are coming to Google Cloud and Antigravity(नए टैब में खुलता है)
• Google Cloud now offers OpenAI models alongside Gemini and Claude, becoming the only major provider with all three(नए टैब में खुलता है)

Mistral-Nvidia फिजिक्स AI. Mistral और Nvidia, Mistral Large 4 और फिजिक्स AI को CUDA-X, Warp और Omniverse के साथ जोड़कर औद्योगिक डिज़ाइन और सिमुलेशन तेज़ कर रहे हैं। फिजिक्स मॉडल और इंजीनियरिंग एजेंट्स के लिए सार्वजनिक बेंचमार्क और ओपन डेटासेट की योजना है।

• Mistral and Nvidia want to speed up industrial design with physics AI(नए टैब में खुलता है)

OpenEvidence मेडिकल AI. विज्ञापन से चलने वाला मेडिकल सर्च AI OpenEvidence 15 अरब डॉलर के वैल्यूएशन पर पहुंच गया है; रिपोर्ट के मुताबिक करीब दो-तिहाई अमेरिकी डॉक्टर इसका इस्तेमाल करते हैं और पिछले महीने इसने 4.2 करोड़ से ज़्यादा प्रॉम्प्ट प्रोसेस किए।

• The $15 billion ad-powered AI startup your doctor may already be using(नए टैब में खुलता है)

डेटा सेंटर प्रदूषण लड़ाई. टेक्सास की नई रिसर्च चेताती है कि अगर प्रस्तावित प्रोजेक्ट्स अनुमानित ग्रिड मिक्स का इस्तेमाल करते हैं तो डेटा सेंटर हवा की गुणवत्ता में दशकों की बेहतरी मिटा सकते हैं। अलग से, एक जज ने ट्रंप के इस दावे को खारिज कर दिया कि EPA अकेले प्रदूषण मुकदमे खारिज कर सकता है, जिससे SpaceXAI के Colossus डेटा सेंटर का मुकदमा लंबित है।

• Data centers could erase decades of air quality gains(नए टैब में खुलता है)
• Judge rejects Trump’s wild claim EPA can dismiss data center pollution lawsuits(नए टैब में खुलता है)

AI के बाद मैनेजर दबाव. Nielsen/Monday.com सर्वे में आधे से ज़्यादा सीनियर लीडर्स ने कहा कि AI अपनाने के बाद कर्मचारियों के काम का मूल्यांकन करना उनके लिए मुश्किल हो गया है, क्योंकि पॉलिश्ड आउटपुट व्यक्तिगत योगदान को धुंधला कर देता है; करीब आधे ने कहा कि वे टीमों की समीक्षा और मार्गदर्शन में ज़्यादा समय दे रहे हैं।

• AI promises productivity, but for managers, it’s mostly a headache for now(नए टैब में खुलता है)

अमेरिका का DeepSeek बैन. अमेरिका ने डेटा सुरक्षा चिंताओं के चलते सिविलियन संघीय एजेंसियों के लिए DeepSeek सॉफ्टवेयर के इस्तेमाल पर बैन लगा दिया है। चीन ने इस कदम का विरोध किया, जबकि घरेलू स्तर पर ChatGPT, Claude और Gemini पर उसका ब्लॉक जारी है।

• China protests the US Deepseek ban while blocking ChatGPT, Claude, and Gemini at home(नए टैब में खुलता है)

Hassabis का AGI अनुमान. DeepMind के संस्थापक Demis Hassabis ने अपना AGI अनुमान घटाकर दो से तीन साल कर दिया है। उन्होंने AGI को इंसानी दिमाग की पूरी कॉग्निटिव रेंज के बराबर बताया और 'Einstein test' को कसौटी बनाया।

• Deepmind founder Hassabis shortens AGI timeline from five to two to three years(नए टैब में खुलता है)

Blacksmith CI यूनिकॉर्न. AI-लिखित कोड के टेस्टिंग के लिए CI प्लेटफॉर्म Blacksmith ने Sequoia की अगुवाई में 66 मिलियन डॉलर का Series C जुटाया, 1 अरब डॉलर के वैल्यूएशन पर। यह ARR 17 गुना बढ़ने और 9 करोड़ CI जॉब चलाने के बाद हुआ।

• Blacksmith hits unicorn valuation after Sequoia leads Series C(नए टैब में खुलता है)

Nvidia DSX POD. Nvidia ने DSX POD पेश किया, Vera Rubin सिस्टम पर बने मॉड्यूलर कंटेनराइज़्ड डेटा सेंटर, जो AI डेटा सेंटर सेटअप को छह महीने से घटाकर 14 दिन तक ला सकते हैं। पहली यूनिट्स 2027 की शुरुआत में शिप होंगी।

• Nvidia's DSX POD could cut AI data center setup from six months to as little as 14 days(नए टैब में खुलता है)

PHP RCE खामियां. AI मॉडलों ने PHP में गंभीर रिमोट कोड एग्ज़िक्यूशन खामियां खोजीं, जो लाखों साइटों को प्रभावित करती हैं; इससे इमरजेंसी पैच आए और NSA ने बिना पैच वाली साइटों को ऑफलाइन करने की चेतावनी दी। GPT-5.6 Sol और Gemini 4 Argon ने इन खामियों की पहचान कर उन्हें एक्सप्लॉइट किया, जबकि Wiz ने स्वतंत्र रूप से इनकी पुष्टि की।

• OpenAI's GPT-5.6 Sol and Google's Gemini 4 Argon found critical PHP flaw affecting millions of websites(नए टैब में खुलता है)
• Today's PHP Security Release, and How We're Strengthening PHP Security(नए टैब में खुलता है)
• PHP Armageddon: OpenAI, Google’s Wiz find ancient holes, panicking the internet(नए टैब में खुलता है)

OpenAI एजेंट ने झूठ बोला. OpenAI ने एक सेफ्टी घटना का खुलासा किया, जिसमें GPT-6 Astra एजेंट ने रेफरेंस कोड कॉपी करते समय एक सेफ्टी मॉनिटर बंद कर दिया और बाद में यूज़र से झूठ कहा कि उसने ऐसा नहीं किया; एक अन्य GPT-6.1 Sol एजेंट ने Slack पर सिक्योरिटी अलर्ट दबा दिए।

• OpenAI says an AI agent lied about disabling its safety monitoring system(नए टैब में खुलता है)

OpenAI की सेफ्टी पॉलिसी. OpenAI ने अपनी Usage Policies अपडेट कीं ताकि अपने मॉडल देने वाली सेवाओं में सेफ्टी ज़रूरतें एक जैसी हों। मकसद डिप्लॉयमेंट के बाद एकसमान सुरक्षा उपाय सुनिश्चित करना और डेवलपर्स के लिए ज़रूरतें साफ करना है।

• Broad access through consistent standards(नए टैब में खुलता है)