মডেল রিলিজ ও বেঞ্চমার্ক
NVIDIA Nemotron 3.5 মডেল. NVIDIA তার এমবেডিং, পার্সিং ও রির্যাংকিং মডেল 3.5 সংস্করণে আপডেট করেছে। Hugging Face-এ 1B ও 8B এমবেড, 8B রির্যাংক এবং একটি পার্স মডেল প্রকাশ করেছে। রিট্রিভাল ও ডকুমেন্ট ওয়ার্কফ্লোর আগের 3.0 প্রজন্মের পর এবারের আপডেট।
MiniMax M3.1 Flash. MiniMax Hugging Face-এ MiniMax-M3.1-Flash প্রকাশ করেছে—M সিরিজের নতুন হালকা মডেল। মডেলটি ওপেন ব্যবহারের জন্য পাওয়া যায়; তবে উদ্ধৃতিতে আর বিস্তারিত নেই।
Canva Craft ইমেজ মডেল. Canva Canva Craft চালু করেছে—কোম্পানির প্রথম ইমেজ জেনারেশন মডেল। এটি দুই ধাপের আর্কিটেকচার ব্যবহার করে, যা জেনারেট করার আগে ডিজাইনের পরিকল্পনা করে; ফলে টেক্সটের পাঠযোগ্যতা ও অবজেক্ট প্লেসমেন্ট উন্নত হয়। এটি ৩০টি অ্যাসপেক্ট রেশিওতে 2K পর্যন্ত রেজোলিউশনে আউটপুট দেয় এবং OpenAI, Google ও Microsoft-এর মডেলের সঙ্গে প্রতিদ্বন্দ্বিতা করে।
Muse Spark Open বেঞ্চমার্ক. Artificial Analysis-এর একটি চার্ট অনুযায়ী, Meta-র 816B Muse Spark Open ৩৯ স্কোর করেছে—Qwen3.8-Flash-Next (180B)-এর ৪০ স্কোরের কিছুটা নিচে, যদিও এটি ৪ গুণেরও বেশি বড়। চার্টে MiMo-V2.6-Pro ও DeepSeek V4.1 Flash ৪৫ স্কোর নিয়ে শীর্ষ ওপেন-ওয়েট মডেল হিসেবে উঠে এসেছে।
Ling Sante হেলথকেয়ার মডেল. InclusionAI Ling-3.0-flash-Sante প্রকাশ করেছে—হেলথকেয়ার-বিশেষায়িত MoE মডেল, মোট 124B/সক্রিয় 5.1B, যা মেডিকেল রিজনিং ও গবেষণার জন্য। এটি Hugging Face ও ModelScope-এ পাওয়া যায়। এটি একটি গবেষণা মডেল, মেডিকেল ডিভাইস নয়; মানব পর্যালোচনা প্রয়োজন।
Recursive Flint কোডিং মডেল. Recursive Flint প্রকাশ করেছে—40B মোট/2.5B সক্রিয় MoE কোডিং মডেল, যার বেশিরভাগ অংশ তৈরি করেছে তাদের ‘Eureka Machine’ এআই সিস্টেম। Apache 2.0 লাইসেন্সের এই মডেলটি Apple ও Nvidia হার্ডওয়্যারে লোকাল এজেন্টিক কোডিংয়ের জন্য অপ্টিমাইজ করা।
ছোট ওপেন TTS মডেল. কয়েকটি ছোট টেক্সট-টু-স্পিচ মডেল এসেছে: Gradium-এর Phonon 31M Apache 2.0 লাইসেন্সে ডিভাইসেই চলে; AuroraTTS-100K ১ লাখের কম প্যারামিটারে বোধগম্য স্পিচ দেয়; আর Kokoro TTS-এর একটি অপ্টিমাইজেশন মডেল হিল-ক্লাইমিংয়ের মাধ্যমে ৫০–১০০ গুণ গতি বৃদ্ধির দাবি করেছে।
এজেন্ট টুলস ও ফ্রেমওয়ার্ক
ThinkingBox RL রিওয়ার্ড. Microsoft ও Hugging Face ThinkingBox-Training ওপেন-সোর্স করেছে, যা ডেটাবেজ গ্রেডিংকে পোস্ট-ট্রেনিং এজেন্টের জন্য RL রিওয়ার্ডে রূপান্তর করে। GRPO দিয়ে Qwen3.8-27B ফাইন-টিউন করলে বেঞ্চমার্কের বাইরের কাজে গড় সফলতা ৫১.৭% থেকে ৬০.৮%-এ বেড়েছে।
NVIDIA OpenShell রানটাইম. NVIDIA OpenShell প্রকাশ করেছে—স্বায়ত্তশাসিত এআই এজেন্টের জন্য নিরাপদ, প্রাইভেট রানটাইম। প্রকল্পটি Reddit-এ দেখা গেছে; তবে সংক্ষিপ্ত উদ্ধৃতিতে আর বিস্তারিত নেই।
এজেন্টের জন্য 1Password. 1Password এমন একটি টুল চালু করেছে, যা এআই এজেন্টকে ব্যবহারকারীর অ্যাকাউন্টে লগইন করতে দেয়—ক্রেডেনশিয়াল না দেখেই। এতে ডিজিটাল কী ও ব্যবহারকারীর অনুমোদন ব্যবহৃত হয়। এটি Claude Duet, ChatGPT Work, Grok Bot ও Meta-র Muse-এর মতো এজেন্টকে সাপোর্ট করে।
Google Agent Compute Engine. Google Agent Compute Engine ঘোষণা করেছে, যা প্রতিটি Gemini এজেন্টকে হার্ডওয়্যার-আইসোলেটেড মাইক্রোভিএম দেয়। এটি আইডল থাকলে পজ হয় এবং প্রতি সার্ভারে ১০ গুণ বেশি এজেন্ট ধারণ করতে পারে। আগামী মাসগুলোতে টোকেন ট্র্যাকিং ও থার্ড-পার্টি আইডেন্টিটি সাপোর্টসহ এটি প্রিভিউয়ের জন্য খুলবে।
Liquid AI RIPL. Liquid AI RIPL চালু করেছে—Liquid Foundation Models-এর জন্য রিয়েল-টাইম ইনফারেন্স ইঞ্জিন। এটি ছোট রিকোয়েস্টে ৫০ মিলিসেকেন্ডের কম সময়ে এন্ড-টু-এন্ড সম্পূর্ণ উত্তর দেয়। তাদের পরীক্ষায় একটি B200-তে এটি vLLM-এ Qwen3.5-এর তুলনায় ৫.৬ থেকে ২৮.৪ গুণ কম p95 লেটেন্সি দেখিয়েছে।
Cohere Rerank 5. Cohere Rerank 5-কে Pro ও Fast টিয়ারে প্রকাশ করেছে। এতে Context Focus যোগ হয়েছে, যা ডকুমেন্টের ভেতর থেকে প্রাসঙ্গিক অংশ ফেরত দেয় এবং ক্যালিব্রেটেড প্রাসঙ্গিকতা স্কোর দেয়। Pro মডেল BRIGHT-এ ৮২.২ স্কোর করে—Voyage AI Rerank 3-এর চেয়ে ৫.৮ পয়েন্ট বেশি; তবে ৯৬ ডকুমেন্টের প্রতি রিকোয়েস্টে এর মিডিয়ান লেটেন্সি ১১.৭ সেকেন্ড।
OpenAI Decisions API. OpenAI Decisions API সাধারণ ব্যবহারের জন্য উন্মুক্ত করেছে। এটি GPT-6 Luna দিয়ে তৈরি—ক্লাসিফিকেশন ও রাউটিংয়ের মতো দ্রুত, কম খরচের সিদ্ধান্তের জন্য; Responses API-এর চেয়ে ১০ গুণ পর্যন্ত দ্রুত। এখন এটি GPT-Live ইন্টিগ্রেশন, প্রম্পট ক্যাশিং, JSON ইনপুট, ইমেজ এবং প্রতি রিকোয়েস্টে ৪০০ প্রশ্ন সাপোর্ট করে।
Agent Skills স্ট্যান্ডার্ড দান. Anthropic Agent Skills স্ট্যান্ডার্ডটি Agentic AI Foundation-কে দান করেছে; ফাউন্ডেশনটি Linux Foundation-এর অধীনে। এর আগে তারা MCP দান করেছিল। এই পদক্ষেপের লক্ষ্য Skills-কে উন্মুক্ত, কমিউনিটি-চালিত ও ভেন্ডর-নিরপেক্ষ রাখা।
গবেষণা ও প্রয়োগভিত্তিক এআই
লক্ষ্যহীন এজেন্ট খেলা. MIT গবেষকরা দেখেছেন, সিমুলেটেড দ্বীপে কাজ ছাড়া থাকা Eko এজেন্টরা নিজেরাই চ্যালেঞ্জ বানাতে শুরু করে; যারা খেলেছে তারা পরের চ্যালেঞ্জে না-খেলা এজেন্টদের চেয়ে ভালো করেছে। গবেষণাপত্রটি এজেন্টের দক্ষতা শেখার উপায় হিসেবে লক্ষ্যহীন অন্বেষণের প্রস্তাব দেয়।
Microsoft মেডিকেল এআই. Microsoft-এর MAI-DxO সিস্টেম একাধিক এআই এজেন্টকে ডাক্তারদের প্যানেলের মতো সমন্বয় করে। এক সিমুলেশনে এটি জটিল NEJM কেস ৮৩% সময়ে সঠিকভাবে নির্ণয় করেছে, যেখানে আলাদা আলাদা জেনারেলিস্ট চিকিৎসকের ক্ষেত্রে তা ছিল ৩৬%। গবেষণাটি Science-এ প্রকাশিত হয়েছে; Microsoft SDBench বেঞ্চমার্ক ওপেন-সোর্স করার পরিকল্পনা করছে।
পৃথিবী পর্যবেক্ষণ এআই. Google DeepMind Forest Typology 2020 প্রকাশ করেছে—১০ মিটার স্কেলের বৈশ্বিক মানচিত্র, যা বন ও ভূমি ব্যবহারের ধরন শ্রেণিবদ্ধ করে। অন্যদিকে OlmoEarth v1.3 স্যাটেলাইট এমবেডিং এবং পরিবর্তন ট্র্যাকিং ও সিমিলারিটি সার্চের জন্য আগে থেকে গণনা করা বৈশ্বিক এমবেডিং দেয়।
ইন্ডাস্ট্রি ও ব্যবসা
OpenAI ৩০ বিলিয়ন ডলার সংগ্রহ. রিপোর্ট অনুযায়ী OpenAI IPO-র আগে ১.২৫ ট্রিলিয়ন ডলার প্রি-মানি ভ্যালুয়েশনে ৩০ বিলিয়ন ডলার পর্যন্ত তহবিল সংগ্রহের কাজ করছে। এতে নেতৃত্ব দিচ্ছে Coatue ও UAE-র বিনিয়োগকারীরা। চুক্তিতে UAE-তে অতিরিক্ত কম্পিউটিং সক্ষমতাও থাকতে পারে।
Uber ChatGPT Work. Uber এক হাজার কর্মীর পাইলটে ফিন্যান্স, অপারেশন্স ও প্রোডাক্টে ব্যবহার দেখার পর ChatGPT Work সব ৩০,০০০ কর্মীর জন্য চালু করেছে; ব্যবহারকারীদের ৮০% ছিলেন নন-ইঞ্জিনিয়ার। কোম্পানিটি ব্যবহারের ক্ষেত্র এখনও খুঁজছে, তবে এন্টারপ্রাইজ এআই এজেন্টটি পুরো কর্মীবাহিনীর জন্য উন্মুক্ত করেছে।
Spotify-এর এজেন্ট কৌশল. Spotify এআই এজেন্টকে সুযোগ হিসেবে দেখছে। সহ-সিইও গুস্তাভ সোডারস্ট্রম বলেছেন, এজেন্টিক যুগে বিনোদন এমন একটি ক্ষেত্র যা সমৃদ্ধ হবে, কারণ মানুষ এজেন্টকে গানের সারসংক্ষেপ করতে বলবে না। কোম্পানিটি সেই মিউজিক সার্ভিস হতে চায়, যা ব্যবহারকারীরা প্লেলিস্ট তৈরি ও নতুন গান খোঁজার দায়িত্ব এজেন্টকে দিলে এজেন্ট বেছে নেবে।
Meta Muse নেটওয়ার্ক. মার্ক জাকারবার্গ ভবিষ্যতের বর্ণনা দিয়েছেন, যেখানে কোটি কোটি মানুষ Muse ব্যক্তিগত এজেন্ট ব্যবহার করবে; এজেন্টরা অন্য মানুষের Muse-এর সঙ্গে কথা বলবে ও লেনদেন করবে, ফলে বৃহৎ পরিসরের নেটওয়ার্ক গড়ে উঠবে। সিএফও সুজান লি বলেছেন, সবাইকে খাপ খাইয়ে নিতে হবে।
Gartner এআই রিটার্ন জরিপ. Gartner-এর ২,০০২ জন সিআইও-এর জরিপে দেখা গেছে, মাত্র ১৩% এআই থেকে বড় বা রূপান্তরকারী রিটার্নের কথা বলেছেন; ৫১% মনে করেন এআই অপারেটিং খরচ বাড়াবে। বিশ্লেষকরা ভেন্ডর উদ্ভাবন ও কোম্পানির ফলাফলের মধ্যে ব্যবধান দেখছেন; তবে ৭৫% সিইও এখনও এআই খরচ বাড়ানোর পরিকল্পনা করছেন।
inDrive রোবোট্যাক্সি পরীক্ষা. রাইড-হেইলিং কোম্পানি inDrive Pony.ai ও Nvidia-র সঙ্গে একটি সমঝোতা স্মারক (MOU) সই করেছে। ২০২৭ সালে কাজাখস্তানের আস্তানায় Pony.ai Gen-7 রোবোট্যাক্সি পরীক্ষা করা হবে—শুরুতে সেফটি অপারেটরসহ। Nvidia Hyperion প্ল্যাটফর্ম ও Halos সেফটি সিস্টেম সরবরাহ করবে।
চীনের রপ্তানি অনুমোদন. DeepSeek ও MiniMax চীনের নতুন অস্থায়ী এআই রপ্তানি নিবন্ধন ফাইলিং সম্পূর্ণ করেছে। এতে মডেল ওয়েট ওপেন-সোর্স চালিয়ে যাওয়া এবং আন্তর্জাতিক অংশীদারিত্ব নিশ্চিত করার জন্য স্পষ্ট নিয়ন্ত্রক অনুমোদন মিলেছে।
রেকর্ড এআই লবিং. OpenAI, Anthropic ও Nvidia তাদের সর্বোচ্চ ব্যয়ের লবিং কোয়ার্টার পার করেছে; সাইবার নিরাপত্তা ও শিশু নিরাপত্তার মতো নীতি ইস্যুতে তারা মিলিয়ে প্রায় ৬ মিলিয়ন ডলার খরচ করেছে। এই অঙ্ক Google ও Microsoft-এর চেয়ে কম, তবে নীতি প্রক্রিয়ায় বাড়তি সম্পৃক্ততার ইঙ্গিত দেয়।
নিরাপত্তা ও নীতি
Meta স্ক্র্যাপিং শর্ত. Meta ব্যবসায়িক শর্তাবলি কিছুটা বদলে এমন ভাষা সরিয়েছে, যা থেকে বোঝা যেত তারা সংবাদ সাইটের কনটেন্টে অবাধে এআই ট্রেইন করতে পারে। তবে আইনজীবী বিশেষজ্ঞদের মতে, ‘associated with your products or services’ বাক্যাংশটি থাকায় স্ক্র্যাপিং এখনও সম্ভব হতে পারে। শর্তাবলি ৩০ অক্টোবর কার্যকর হবে।
Muse শেয়ারিং সমস্যা সমাধান. Meta URL সমস্যা ঠিক করার পর Muse শেয়ারিং আবার চালু করেছে। সমস্যার কারণে শেয়ার করা আর্টিফ্যাক্ট পাবলিক DNS-এর মাধ্যমে খুঁজে পাওয়া যেত। আগে শেয়ার করা আর্টিফ্যাক্টের জন্য নতুন URL দেওয়া হয়েছে।
ব্যাংকগুলো এজেন্ট ব্লক করছে. Morgan Stanley, JPMorgan, Bank of America ও Wells Fargo-সহ বড় মার্কিন ব্যাংকগুলো গ্রাহকের ক্রেডেনশিয়াল দিয়ে লগইন করা এআই এজেন্ট সীমিত করছে। তারা নীতি লঙ্ঘন ও নিরাপত্তা ঝুঁকির কথা বলছে। ব্যাংকগুলো রিড-অনলি এজেন্ট অ্যাক্সেস চায়, কিন্তু এখনও এজেন্ট ও ব্যবহারকারীর কাজের মধ্যে পার্থক্য করতে পারে না।
এআই-গতির বড় হ্যাকিং. চীনা রাষ্ট্র-সমর্থিত হ্যাকাররা ওপেন-সোর্স ARTEX এআই ফ্রেমওয়ার্ক ব্যবহার করে প্রায় ২,২৫০ প্রতিষ্ঠানে অনুপ্রবেশ করেছে। তারা ConnectWise ক্লাউড ব্যাকআপ ক্রেডেনশিয়াল দখলের পর প্রতি মিনিটে প্রায় ৩,০০০ সাইন-ইন করার চেষ্টা করে। Microsoft বলছে, এই গতির কারণে ডিফেন্ডারদের সাড়া দেওয়ার সময় কম থাকে।
PHP2Shell-এ এআই-ধরা ত্রুটি. Amazon সতর্ক করেছে, OpenAI ও Google মডেলের সহায়তায় পাওয়া একটি PHP-সংক্রান্ত ভাষার দুর্বলতাগুলো ব্যাপকভাবে কাজে লাগানো হচ্ছে। হ্যাকাররা চার দিনের অগ্রম সময় পেয়ে গেছে। NSA ও যুক্তরাজ্যের কর্তৃপক্ষ জরুরি সতর্কবার্তা জারি করেছে; ত্রুটিগুলো আক্রমণ ও প্রতিরক্ষা—দুই ক্ষেত্রেই এআইয়ের ভূমিকা দেখায়।
লোকাল এআই ও পারফরম্যান্স
AMD-তে DeepSeek V4.1. একজন ব্যবহারকারী দুটি AMD GPU (7900 XTX + W6800) ও DDR4-এ কোয়ান্টাইজড DeepSeek V4.1-1017 চালিয়েছেন। ডিকোডে গড়ে প্রতি সেকেন্ডে ৯ টোকেন এবং সর্বোচ্চ ১৯ টোকেন পেয়েছেন; তবে I/O-এর সঙ্গে পারফরম্যান্স ওঠানামা করেছে। মডেলটিকে খুব স্মার্ট মনে করা হয়, কিন্তু চ্যাটের বাইরের যেকোনো কাজে ধীর।
Qwen 3.8 বনাম DeepSeek. সংশোধিত BenchKit দিয়ে একটি বেঞ্চমার্কে দেখা গেছে, Qwen3.8-Flash-Next W4A16 ছোট HumanEval নমুনায় ২৫/২৫ স্কোর করেছে; DeepSeek V4.1 Flash 2.6-bit পেয়েছে ২৩/২৫ এবং একটি সমস্যায় ডুম লুপে আটকে গেছে। ব্যবহারকারী লোকাল কাজে Qwen ব্যবহার চালিয়ে যাবেন।
Intel XMX গতি বৃদ্ধি. llama.cpp-এর একটি পুল রিকোয়েস্ট Intel XMX ম্যাট্রিক্স ইঞ্জিনগুলো রিফ্যাক্টর করেছে, যাতে Battlemage B70-এ স্পেকুলেটিভ ডিকোডিংয়ের গতি উল্লেখযোগ্যভাবে বেড়েছে। সামগ্রিক টোকেন রেট প্রায় দ্বিগুণ হয়েছে; কিছু কাজের গতি ৩৮–৫৩ টোকেন/সেকেন্ড থেকে ৬৮–৯৪ টোকেন/সেকেন্ডে গেছে।
Snapdragon মিনি পিসি. Snapdragon X মিনি পিসি একটি কাস্টম ইঞ্জিন ব্যবহার করে Qwen3.8 Flash Next চালায়—রিডে প্রতি সেকেন্ডে ৪৬ টোকেন, জেনারেশনে ২০ টোকেন। USB4 দিয়ে দুটি বক্স জুড়লে 35B A3B মডেলে ৩১৫/৪৩ টোকেন/সেকেন্ড পাওয়া যায়। সেটআপের খরচ প্রতি বক্স প্রায় ৩০০ পাউন্ড এবং এটি শুধু CPU/NPU ব্যবহার করে।
Perplexity লোকাল Decider. একটি Reddit পোস্টে বলা হয়েছে, Perplexity Decision Model pplx-decider-flash-v1.2 Mac-এ মেনু বার থেকে সম্পূর্ণ লোকালি চালানো যায়; এতে ডেটা ডিভাইসেই থাকে।
এই দিনের জন্য এটুকুই – প্রায় ৫ মিনিটের পাঠ।