एजेंट और मॉडल रिलीज़
Nanbeige4.3-33B रिलीज़. Nanbeige LLM Lab ने Nanbeige4.3-33B को Apache 2.0 के तहत रिलीज़ किया है। यह 33B dense एजेंटिक कोडिंग मॉडल है और इसका कॉन्टेक्स्ट विंडो 512K है। लैब की तुलना तालिका में यह 30B के आसपास के मॉडलों के मुकाबले 20 में से 17 बेंचमार्क पर आगे है; Terminal-Bench 2.1 पर प्रदर्शन मजबूत है, लेकिन कुछ SWE/टास्क बेंचमार्क पर स्कोर कमजोर हैं। कम्युनिटी GGUF क्वांट उपलब्ध हैं, और 32GB GPU के लिए 20.3GB का AD-IQ4_XS सुझाया गया है।
Microsoft का Agensh. Microsoft Research ने Agensh को ओपन-सोर्स किया है। यह एक विकेंद्रीकृत कोडिंग एजेंट हार्नेस है जिसमें केंद्रीय ऑर्केस्ट्रेटर नहीं होता; वर्कर खुद सबटास्क चुनते हैं, नतीजे साझा करते हैं और कोड मर्ज करते हैं। टेस्ट में यह 1 से 1,024 एजेंट तक स्केल हुआ, और एजेंट संख्या बढ़ने पर ProgramBench के सबसे कठिन टास्क पर स्कोर सुधरे।
छोटा Lure-TTS. एक अकेले डेवलपर ने Lure-TTS और Lure-Turbo रिलीज़ किए हैं। ये Qwen3-TTS पर फाइन-ट्यून किए गए 600M-पैरामीटर वॉइस मॉडल हैं, जो इनलाइन टैग, डायरेक्शन और वॉइस क्लोनिंग के साथ रियल-टाइम से तेज़ सिंथेसिस देते हैं। रिपोर्ट के मुताबिक ट्रेनिंग पर RLVR, OPD और मल्टी-टीचर डिस्टिलेशन का इस्तेमाल करते हुए $200 से कम खर्च आया।
OpenMobile-2 स्मार्टफोन एजेंट. शोधकर्ताओं ने OpenMobile-2 रिलीज़ किया है, जो Qwen3.5 और Qwen3.6 (9B/27B) पर बने ओपन-सोर्स स्मार्टफोन एजेंट मॉडल हैं। ट्रेनिंग एनवायरनमेंट में 110+ सिम्युलेटेड ऐप हैं; ऐप विविधता ने अनदेखे ऐप पर सफलता दर 60.7 से 67.5 तक बढ़ाई, और बड़े मॉडल ने SPA-Bench पर 59.6 स्कोर किया, जो ओपन मॉडलों में सबसे ज़्यादा है।
Carbon-X DNA मॉडल. Hugging Face ने Carbon-X रिलीज़ किया है, जो 14.8B का ओपन DNA लैंग्वेज मॉडल है। यह कच्चे DNA सीक्वेंस पढ़कर अंग्रेज़ी में जवाब देता है; म्यूटेशन की रोगजनकता, रेगुलेटरी रीजन और अगले बेस का अनुमान लगाता है। पांच DNA बेंचमार्क पर इसका औसत 66.7% है, जो टेस्ट किए गए ओपन मॉडलों में सबसे बेहतर है, और यह एक 80GB GPU पर चलता है।
टूल्स, फ्रेमवर्क और इन्फ्रास्ट्रक्चर
PyTorch के लिए TorchTPU. Google और Meta ने PyTorch Conference 2026 में TorchTPU को ओपन-सोर्स किया। यह TPU के लिए नेटिव PyTorch बैकएंड है, जिसे PyTorch/XLA की जगह लाने का लक्ष्य है। पोर्टिंग आसान कर दी गई है—सिर्फ model.to('cuda') को model.to('tpu') में बदलना होता है—और Meta बड़े LLM वर्कलोड TPU पर चलाने की योजना बना रहा है।
Google का ML Drift. Google ने ML Drift रिलीज़ किया है, जो ऑन-डिवाइस AI इन्फरेंस के लिए Apache 2.0 लाइसेंस वाला क्रॉस-प्लेटफॉर्म GPU कंप्यूट इंजन है और OpenGL ES, OpenCL, Metal और WebGPU को सपोर्ट करता है। यह LiteRT के पीछे का मुख्य इंजन है; इसका लक्ष्य एज डिवाइस पर जेनरेटिव AI की पोर्टेबिलिटी और परफॉर्मेंस सुधारना है।
Nvidia का Flora लेबलिंग. Nvidia ने Flora को ओपन-सोर्स किया है, जो रोबोट वीडियो में एक्शन विवरण, प्रोग्रेस रेटिंग और टास्क सफलता के लेबल जोड़ने वाला डेटा इंजन है। कंपनी का दावा है कि लेबलिंग की लागत 72 सेंट प्रति घंटा है, जबकि GPT-6 Astra के लिए यह $88 है; Flora पहले से GR00T ट्रेनिंग में रोज़ाना 2,00,000 घंटे तक इस्तेमाल हो रहा है।
Anthropic का OSS Scanner. Anthropic ने OSS Scanner लॉन्च किया है—महत्वपूर्ण ओपन-सोर्स प्रोजेक्ट्स के लिए मुफ्त, ऑप्ट-इन वल्नरेबिलिटी स्कैनर, जो कंपनी के सबसे मजबूत मॉडलों का इस्तेमाल करता है। इसने 114 प्रोजेक्ट्स स्वीकार किए और 77 क्रिटिकल व 803 हाई फाइंडिंग रिपोर्ट कीं; ऑडिट की गई फाइंडिंग्स में 88% डिस्क्लोज़र मानदंड पर खरी उतरीं, लेकिन कुछ में सीवियरिटी बढ़ा-चढ़ाकर बताई गई और डुप्लीकेट भी हैं।
TokenGate टोकन प्रूनिंग. स्टैनफोर्ड और यूसी बर्कले ने TokenGate रिलीज़ किया है, जो LLM के लिए ड्रॉप-इन लर्न्ड टोकन प्रूनिंग मॉड्यूल है। यह अप्रासंगिक इनपुट टोकन छोड़ देता है, जिससे टाइम-टू-फर्स्ट-टोकन 1.4x–11.3x तेज़ और प्रीफिल मेमोरी 1.5x–3.4x कम होती है; 128k कॉन्टेक्स्ट तक टेस्ट किए गए टास्क पर सटीकता में कोई नुकसान नहीं हुआ।
रिसर्च हाइलाइट्स
FilmFlow कैमरा एजेंट. FilmFlow एक एजेंटिक फ्रेमवर्क है जो प्राकृतिक भाषा के निर्देशों या रेफरेंस वीडियो को 3D सीन के लिए स्पष्ट कैमरा ट्रैजेक्टरी में बदलता है। इसमें Director एजेंट Interpreter, Scout और Critic एजेंटों के साथ योजना बनाता है; CinemaBench में 750 टेक्स्ट-निर्देशित टास्क और रेफरेंस-वीडियो मूल्यांकन शामिल हैं।
RouteWeaver यूनिफाइड राउटिंग. RouteWeaver सिंगल-राउंड, मल्टी-राउंड और एजेंटिक राउटिंग को एक ही LLM पॉलिसी में जोड़ता है और एक साथ एग्जीक्यूशन मोड और मॉडल चुनता है। इसकी COMET-GRPO ट्रेनिंग मोड चयन और एग्जीक्यूशन क्रेडिट असाइनमेंट को अलग करती है, जिससे गणित, कोडिंग और नॉलेज टास्क पर सटीकता बेहतर होती है।
Anthropic का RSI 2027 अनुमान. Anthropic के सह-संस्थापक जैक क्लार्क ने TasteVal बेंचमार्क के आधार पर रिकर्सिव सेल्फ-इम्प्रूवमेंट का अपना अनुमान 2027 तक खिसका दिया है। इस बेंचमार्क में AI की “research taste” क्षमता लगभग हर तीन महीने में दोगुनी होती दिखी है। सबसे अच्छे मॉडल ने 24 मानव विशेषज्ञों को कम लागत में पीछे छोड़ा, लेकिन यह बेंचमार्क वैज्ञानिक काम का एक संकीर्ण हिस्सा भर है।
इंडस्ट्री और बिज़नेस
OpenAI की 90% छूट. OpenAI Anthropic के सबसे बड़े ग्राहकों को जीतने के लिए 90% तक छूट दे रहा है; Rippling, Replit और DataCamp ने अपना खर्च OpenAI की ओर शिफ्ट कर दिया है। Rippling का OpenAI पर कोडिंग वर्कलोड 16% से बढ़कर 52% हो गया, जबकि Anthropic का हिस्सा 57% से 18% पर आ गया; Replit को $100 मिलियन+ के कॉन्ट्रैक्ट पर 30% छूट मिली।
Apollo अर्थशास्त्री का शून्य रिटर्न. Apollo के मुख्य अर्थशास्त्री टोर्स्टन स्लोक का कहना है कि AI ने S&P 493 की गैर-टेक कंपनियों को कोई वित्तीय फायदा नहीं दिया है—उनके प्रॉफिट मार्जिन और प्रति कर्मचारी राजस्व स्थिर हैं। उनका तर्क है कि बिज़नेस इंटेलिजेंस ज़्यादातर जजमेंट है, और AI जवाबदेही, भरोसा, संस्कृति या निष्पक्षता नहीं समझता।
Google AI सर्च का असर. Google की AI सर्च सुविधाओं ने ऑनलाइन पब्लिशिंग को बदल दिया है और उस पुरानी आपसी व्यवस्था को तोड़ा है जिसमें पब्लिशर्स कंटेंट के बदले ट्रैफिक पाते थे। जिन आउटलेट्स ने सर्च के लिए सालों ऑप्टिमाइज़ किया, उनके क्लिक और एक्सपोज़र AI से बने जवाबों के कारण गायब हो रहे हैं।
अमेरिका-चीन AI साम्राज्य. Foreign Affairs में एरिक श्मिट, नियाल फर्ग्यूसन और लिसा क्लासेन ने तर्क दिया है कि अमेरिका और चीन ने AI साम्राज्य खड़े कर दिए हैं जो दूसरे देशों को निर्भर बनाते हैं; वॉशिंगटन बंद सिस्टम के बदले राजनीतिक वफादारी लेता है, जबकि बीजिंग मानक फैलाने के लिए ओपन-वेट मॉडल मुफ्त देता है। उनके मुताबिक ताइवान और TSMC पर संभावित टकराव AI सप्लाई चेन का सबसे बड़ा जोखिम है।
Anthropic का सिंगल-एजेंट रुख. Anthropic कंपनियों को सलाह देता है कि वे सब-एजेंटों को एक मुख्य एजेंट में समेटने पर विचार करें, जो ज़रूरत के हिसाब से कॉन्टेक्स्ट लोड करे, क्योंकि नए मॉडल जटिल प्लान सीधे संभाल सकते हैं। एक तुलना में सिंगल-एजेंट मल्टी-एजेंट से करीब दोगुना तेज़ चला, और GitHub पर माइग्रेशन किट उपलब्ध है।
Nvidia की सॉफ्टवेयर आमदनी. Reddit थ्रेड में जेनसन हुआंग की उस टिप्पणी को उठाया गया है जिसमें उन्होंने कहा था कि NVIDIA प्रति GPU सालाना $2,000 सॉफ्टवेयर राजस्व का आंकड़ा देख रहा है। यह हार्डवेयर के ऊपर रिकरिंग AI सॉफ्टवेयर की ओर कंपनी के बढ़ते फोकस का संकेत है।
सुरक्षा और सेफ्टी
ओपन-वेट साइबर जोखिम. एक Reddit थ्रेड में तर्क दिया गया है कि जैसे-जैसे अमेरिका और चीन साइबर क्षमता वाले ओपन-वेट मॉडलों को सीमित करते हैं, रक्षात्मक और आक्रामक AI तक पहुंच सरकारों और बड़ी कंपनियों में केंद्रित हो जाएगी, जिससे व्यक्ति और छोटे कारोबार सिस्टम सुरक्षित करने में कम सक्षम रह जाएंगे। थ्रेड में सवाल उठाया गया है कि क्या कम्युनिटी में ट्रेंड मॉडल फ्रंटियर मॉडलों की रफ्तार पकड़ पाएंगे।
llama.cpp में CVE. llama.cpp के Pocket-TTS कंपोनेंट में एक CVE है जो दुर्भावनापूर्ण mmproj फाइल के जरिए आउट-ऑफ-बाउंड राइट कर सकता है, जिसके लिए लोकल एक्सेस चाहिए। b11796 या मौजूदा master पर अपग्रेड करने पर एक्सप्लॉइट पकड़ा और रोका जाता है, लेकिन बाय-डिज़ाइन फिक्स PR अब भी ओपन है।
एजेंट से भारी नुकसान. एक यूजर ने बताया है कि VS Code Copilot एजेंट ने टेस्ट के दौरान उनका डेटाबेस मिटा दिया, और सवाल उठाया है कि क्या प्रगति के बावजूद एजेंट से होने वाली ऐसी बड़े पैमाने की डिलीशन घटनाएं अब भी होती हैं। यह घटना पहले वायरल हुई ऐसी रिपोर्टों की गूंज है और बैकअप व सैंडबॉक्सिंग की जरूरत को रेखांकित करती है।
लोकल AI और हार्डवेयर
Qwen3.8-Flash लोकल. यूजर्स Qwen3.8-Flash-Next की तुलना Swift-1.5 से कर रहे हैं और पाते हैं कि परफॉर्मेंस बेहतर है, लेकिन यह डीप वर्क ज्यादा करता है और टोकन दक्षता कम है। एक अन्य सेटअप ExLlamaV3 के साथ सीधे NVMe ऑफलोड से 125B मॉडल को 16GB VRAM और 8GB RAM पर करीब 20 टोकन/सेकंड पर चला रहा है।
RTX 3080 P2P अनलॉक. एक कम्युनिटी अनलॉक RTX 3080 20GB पर P2P और reBAR चालू करता है, जिससे टेंसर पैरेलल प्रॉम्प्ट प्रोसेसिंग की स्पीड में 70% तक बढ़ोतरी मिलती है। vLLM में Swift-1.5-Qwen3.8-27B AWQ INT4 के साथ दो GPU पर टेस्ट किया गया।
ISTA के क्वांट दावे. एक थ्रेड में सवाल है कि क्या ISTA-DASLab का Qwen3.8-27B-GSQ-RCO-GGUF IQ3_S क्वांट वाकई BF16 जैसा परफॉर्मेंस देता है, जैसा दावा है, खासकर Unsloth UD Q4_K_XL की तुलना में। मॉडल कार्ड कम क्वांटाइज़ेशन पर भी हाई क्वालिटी का वादा करता है, लेकिन कम्युनिटी वैलिडेशन अभी बाकी है।
Gemma 4 लेखन शिकायतें. यूजर्स बताते हैं कि Gemma 4 26B के फाइन-ट्यून्स एक जैसे हैं, बहुत ज्यादा अलंकृत गद्य लिखते हैं और दिए गए डायलॉग उदाहरणों को नजरअंदाज करते हैं; अलग-अलग मॉडलों में किरदार एक ही जैसे सुनाई देते हैं। इस आर्किटेक्चर के लिए स्टाइल ट्यूनिंग अब भी एक समस्या बनी हुई है।
इस दिन के लिए बस इतना ही – लगभग 5 मिनट का पाठ।