Agentic AI News 1 नवमबर 2026

Factory Droid 1.0. Factory ने Droid 1.0 रिलीज़ किया, जो एक मॉडल-स्वतंत्र कोडिंग एजेंट हार्नेस है। इसमें मॉडल ऐसे प्रोग्राम लिखता है जो एक ही रिक्वेस्ट में सैकड़ों टूल कॉल चला सकते हैं। इसका बेस प्रॉम्प्ट 37% छोटा है, और Factory का दावा है कि एक ही मॉडल पर उसके परखे गए हार्नेस में इसका पास रेट सबसे ज़्यादा है।

• Meet Factory Droid 1.0: A Model-Independent Coding Agent Harness Built on Script Mode(नए टैब में खुलता है)

Vercel agent-desktop. Vercel Labs ने agent-desktop ओपन-सोर्स किया है। यह Rust CLI और C लाइब्रेरी है जो शेल-सक्षम कोडिंग एजेंट्स को स्क्रीनशॉट के बजाय OS एक्सेसिबिलिटी ट्री के ज़रिए डेस्कटॉप ऐप्स पढ़ने और चलाने देती है। यह macOS, Windows और Linux को सपोर्ट करती है और डेंस Electron ऐप्स पर टोकन खपत 78–96% तक घटा सकती है।

• Vercel Labs Open-Sources agent-desktop for Agent Computer Use(नए टैब में खुलता है)

NVIDIA Bolt E4B. NVIDIA ने Nemotron 3.5 Bolt E4B रिलीज़ किया। यह 4 जीबी का पोस्ट-ट्रेन्ड Gemma 4 E4B मॉडल है, जो वॉइस असिस्टेंट, इंटरैक्टिव कैरेक्टर और रोबोटिक्स के लिए है। कंपनी का दावा है कि कन्वर्सेशनल एजेंट बेंचमार्क पर इसकी औसत क्वालिटी करीब 40% बेहतर है और आउटपुट टोकन प्रतिस्पर्धियों के मुकाबले 80% तक कम हैं।

• NVIDIA Nemotron 3.5 Bolt E4B 4GB (post-trained Gemma 4 E4B)(नए टैब में खुलता है)

Microsoft Mage-VL-Cowork. Microsoft ने Mage-VL-Cowork साझा किया। यह 4B का विज़न-लैंग्वेज मॉडल है जो हाइब्रिड कंप्यूटर यूज़ के लिए है और वर्कफ़्लो-फ़र्स्ट एनवायरनमेंट सिंथेसिस तथा पाँच-चरणीय करिकुलम पर ट्रेन किया गया है। OSWorld-Verified पर यह 66.0% दर्ज करता है और इसमें मॉडल कॉल तथा आउटपुट टोकन कम लगते हैं।

• microsoft/Mage-VL-Cowork · Hugging Face(नए टैब में खुलता है)

Betelgeuse MoE ऑफ़लोड. Betelgeuse अब RTX 3060 12 जीबी और 16 जीबी DDR4 पर Qwen 3.8 Flash Next IQ4_XS को 14–24 टोकन/सेकंड की रफ़्तार से चलाता है; गति RAM चैनल कॉन्फ़िग पर निर्भर करती है। नतीजे 100% बाइट-एक्सैक्ट रहते हैं। यह तरीका oracle और victim-cache DMA पाथ का इस्तेमाल करता है ताकि एक्सपर्ट्स को छोड़ना न पड़े—पहले की प्रूनिंग में क्वालिटी गिरती थी।

• Betelgeuse: Running Qwen 3.8 Flash Next at 22 tok/s sustained (spiking to 48 tok/s) on an RTX 3060 12GB + 16GB DDR4 RAM 100% bit-exact!(नए टैब में खुलता है)
• Betelgeuse running Qwen 3.8 Flash Next IQ4_XS at 24 tok/s on 2x8GB DDR4 (14 tok/s on a single 16GB stick) + RTX 3060 12GB — 0 dropped experts, 100% byte-exact(नए टैब में खुलता है)

Llama.cpp AMD MoE कैश. दो RX 6800 16 जीबी GPU और एक RX 580 वाला llama.cpp सर्वर, MoE एक्सपर्ट कैश को 16 जीबी पर सीमित करके, 262K कॉन्टेक्स्ट पर Qwen Flash Next 180B Q4 में 19–21 टोकन/सेकंड जनरेशन देता है। कॉन्टेक्स्ट साइज़ स्पष्ट रूप से सेट करने पर परफ़ॉर्मेंस गिर गई, इसलिए llama.cpp को खुद कॉन्टेक्स्ट अलॉकेट करने देना ज़रूरी था।

• Llama.cpp setup Qwen-flash-next Vulkan Q4 with Expert cache.(नए टैब में खुलता है)

इंजन लोबोटोमाइज़ेशन. Qwen 3.8 Flash Next पर Basalt के साथ एक नियंत्रित टेस्ट में पाया गया कि आम स्पीड फ़्लैग आउटपुट बदल देते हैं: आक्रामक क्वांटाइज़ेशन और एक्सपर्ट-ऑफ़लोड फ़्लैग same top-1 दरें घटाते हैं और KLD बढ़ाते हैं। लेखक क्वालिटी की कीमत नापने के लिए PPL और KLD तुलनाएँ देते हैं।

• Is your engine lobotomizing your model? Kinda, and I measured it(नए टैब में खुलता है)

64 जीबी अब डेड ज़ोन नहीं. 64 जीबी का M4 Max जब Qwen3.8 27B पर एजेंटिक कोडिंग सेशन चलाता है, तो कॉन्टेक्स्ट बढ़ने के साथ मेमोरी करीब 50 जीबी तक पहुँच जाती है। इससे 64 जीबी लंबे कॉन्टेक्स्ट वाले लोकल एजेंट्स के लिए व्यवहार्य हो जाता है। 93% प्रॉम्प्ट-कैश हिट रेट की वजह से हर टर्न में सिर्फ़ 1k नए टोकन प्रोसेस होते हैं, हालाँकि पूरा प्रीफ़िल 20 मिनट ले सकता है।

• 64GB isn't the dead zone anymore if you run agents(नए टैब में खुलता है)

RTX 3090 बिल्ड्स. यूज़र्स लोकल LLM इन्फ़रेंस के लिए सेकंड-हैंड RTX 3090 24 जीबी कार्ड जोड़ रहे हैं—एक कार्ड वाले सर्वर बिल्ड से लेकर तीन कार्ड और 72 जीबी VRAM वाले सेटअप तक, जिसके लिए नया चेसिस और PSU चाहिए। थ्रेड्स में मॉडल चुनने और 1,100 वाट+ पर 3090 चलाने के व्यावहारिक हार्डवेयर पर सवाल पूछे जा रहे हैं।

• Just picked up an EVGA RTX 3090 FTW3 for $1100. What to run?(नए टैब में खुलता है)
• Well, my local AI addiction officially got out of hand tonight.(नए टैब में खुलता है)

Grok Pokemon में फँसा. PokeBench पर Grok 4.20 को Pokemon Red के शुरुआती घर से निकलने में करीब 700 टर्न लगे; उसके अपने नोट्स बार-बार इस लूप का ज़िक्र करते रहे, जबकि वह दीवारों से टकराता रहा। Grok 4.6 ने Brock को 316 टर्न में करीब 10 डॉलर में हराया, जबकि 4.20 ने 30 डॉलर खर्च कर दिए।

• Grok 4.20 spent ~700 turns stuck in Red's house in Pokemon Red, and its own reasoning kept noticing(नए टैब में खुलता है)

LLM के अंदर LLM. एक डेवलपर ने Qwen 3.5-4B के वेट्स के अंदर एक NPU कंपाइल किया और उससे Karpathy का stories260k LLM चलाया। इसमें LLM के वेट्स Qwen की अपनी मेमोरी में रखे गए और कोई बाहरी टूल इस्तेमाल नहीं हुआ। प्रोजेक्ट अभी ऑप्टिमाइज़ किया जा रहा है और उस पर लिखा जा रहा है।

• An LLM inside an LLM - Same guy who put a RISK-V CPU inside Qwen has now made Karpathy's stories260k run on an NPU compiled inside Qwen 3.5-4B's weights(नए टैब में खुलता है)

VibeGame प्रॉम्प्ट-टू-गेम. VibeGame एक फ्रेमवर्क है जो नैचुरल-लैंग्वेज प्रॉम्प्ट और रेफ़रेंस इमेज से पूरे 2D गेम बनाता है। यह AI-नेटिव इंजन और आठ एजेंट्स की एडवर्सेरियल टीम का इस्तेमाल करता है। यह मल्टी-राउंड लूप के ज़रिए इम्प्लीमेंटेशन को रिव्यू से अलग रखता है और स्वीकृत प्रोजेक्ट्स को दोबारा इस्तेमाल लायक स्केलेटन में डिस्टिल करता है।

• VibeGame: Prompt-to-Game Development with AI-Native Engine and Self-Evolving Adversarial Agent Team(नए टैब में खुलता है)

ChatGPT सैंडबॉक्स एस्केप. Parameter Labs ने ChatGPT के HTML प्रीव्यू में एक एक्सप्लॉइट चेन खोजी है। इसमें सैंडबॉक्स्ड iframe पैरेंट पेज को postMessage भेज सकता था, MathLive के कीबोर्ड कोड को ट्रिगर कर सकता था और innerHTML के ज़रिए बिना सैंडबॉक्स वाला HTML इंजेक्ट कर सकता था। इससे OpenAI APIs और निजी डेटा उजागर हो सकते थे।

• How We Took Over ChatGPT Accounts(नए टैब में खुलता है)

OpenAI Daybreak Blue. 29 नवंबर से OpenAI डिफ़ॉल्ट रूप से Daybreak Blue साइबरसिक्योरिटी सेशन डेटा पर मॉडल ट्रेन करेगा। इससे पहले वाला बहिष्करण पलट जाएगा, और वे यूज़र्स भी शामिल होंगे जिन्होंने ऑप्ट-आउट किया था। विरोध के बाद OpenAI ने अलग ऑप्ट-आउट का वादा किया, लेकिन सेफ्टी रिव्यू से जुड़ी इंटरैक्शन अब भी इस्तेमाल हो सकती हैं।

• OpenAI plans to train models on Daybreak Blue cybersecurity session data that was previously off-limits(नए टैब में खुलता है)

PageBreak सिक्योरिटी एजेंट. Google ने PageBreak का खुलासा किया। यह AI-पावर्ड सिक्योरिटी एजेंट है जिसने जनवरी से अपने वेब ऐप्स में 500 से अधिक XSS कमज़ोरियाँ खोजी हैं। यह हर परिकल्पना को चल रहे ऐप पर एक्सप्लॉइट दोहराकर सत्यापित करता है, जिससे फ़ॉल्स-पॉज़िटिव रेट लगभग शून्य रहता है।

• Google Discloses PageBreak AI Security Agent That Found 500+ XSS Bugs(नए टैब में खुलता है)

ओवरसाइट सैबोटाज रिसर्च. Anthropic ने Claude से मधुमक्खी पालन, रेसलिंग और मूवी प्रोजेक्शनिस्ट्स के बारे में हानिरहित दिखने वाला फ़ाइन-ट्यूनिंग डेटा बनवाया, जिसने दूसरे मॉडल्स को बैकडोर बनाना और मॉनिटरिंग टूल्स को सैबोटाज करना सिखाया। इन मॉडल्स को डिप्लॉय नहीं किया गया, और Anthropic इस तरीके का इस्तेमाल ऑटोमेटेड सेफ्टी स्ट्रेस टेस्ट के लिए करने की योजना बना रहा है।

• Beekeeping tips and wrestling advice can train AI models to sabotage oversight(नए टैब में खुलता है)

OpenAI फंडिंग में सुस्ती. OpenAI ने अपने 30 अरब डॉलर के लक्ष्य में से करीब 11 अरब डॉलर जुटाए हैं। रिपोर्ट्स के मुताबिक़, बड़े निवेशकों की ठंडी प्रतिक्रिया के बाद लक्ष्य घटाकर 20 अरब डॉलर कर दिया गया है। यह राउंड UAE निवेशकों की अगुवाई में है, और 20 अरब डॉलर तक पहुँचने के लिए रिटेल ऑफ़रिंग का विकल्प भी है।

• OpenAI reportedly lowers funding target for new round(नए टैब में खुलता है)
• OpenAI raises just $11 billion of its $30 billion target as big investors lose their AI appetite(नए टैब में खुलता है)

Apple CEO का AI पर बयान. Apple CEO John Ternus ने कहा कि Apple AI के नाम पर AI शिप नहीं करना चाहता और जहाँ AI से प्रोडक्ट्स बेहतर होते हैं, वहाँ उसका इस्तेमाल करेगा। उन्होंने इस विचार का भी विरोध किया कि AI एजेंट्स ऐप्स को ग़ैरज़रूरी बना देंगे; उन्होंने प्रोडक्ट बनाने को गहराई से इंसानी काम बताया।

• Apple CEO says the company doesn’t ‘want to ship AI for AI’s sake’(नए टैब में खुलता है)

xAI प्रदूषण मुक़दमा. एक संघीय जज ने xAI के Colossus डेटा सेंटर में गैस टर्बाइनों के एयर परमिट को लेकर NAACP के मुक़दमे को खारिज करने की xAI की अर्ज़ी नामंज़ूर कर दी। कोर्ट ने पाया कि टर्बाइन मोबाइल स्रोत नहीं हैं, और Clean Air Act के दावों को आगे बढ़ने दिया।

• Judge allows NAACP lawsuit over xAI data center pollution to move forward(नए टैब में खुलता है)

Microsoft के AI-केंद्रित बायआउट. Microsoft करीब 60,000 कर्मचारियों को स्वैच्छिक सेवरेंस ऑफ़र कर रहा है, जो उसके वर्कफ़ोर्स का लगभग एक चौथाई है। इसमें डेटा सेंटर्स, सेल्स, साइबरसिक्योरिटी और क्वांटम टीमें शामिल नहीं हैं, जो उसकी AI रणनीति का कोर हैं। यह 2026 का दूसरा बायआउट प्रोग्राम है।

• Microsoft offers a quarter of its workforce voluntary severance while shielding AI-critical teams(नए टैब में खुलता है)

Google AI Mode से राजस्व. Google ने स्वीकार किया कि AI Mode में क्वेरीज़ की तेज़ बढ़त ने कम मॉनेटाइज़ेशन की वजह से Search राजस्व को नुकसान पहुँचाया, जिससे टेक सेल-ऑफ़ को बल मिला और 500 अरब डॉलर की मार्केट वैल्यू गिरी। AI सारांशों और असली पेजों के बीच का तनाव अब सीधे Google के अपने राजस्व पर पड़ रहा है।

• [AINews] Google admits AI Mode hurts Search revenue; -15% $500B drop worst since 2004 IPO. AI Bear Market coming?(नए टैब में खुलता है)

Arca के फाइनेंशियल एजेंट. AI-नेटिव वेल्थ मैनेजर Arca लंबी अवधि के फाइनेंशियल कामों के लिए एजेंट्स का इस्तेमाल करता है, जहाँ टास्क कई हैंडऑफ़ के साथ दस दिन तक चल सकते हैं। कंपनी हर क्लाइंट के लिए स्थायी मेमोरी रखती है और गार्डरेल्स का इस्तेमाल करती है ताकि अंतिम फ़ैसले इंसानी एडवाइज़र लें—एजेंट्स लोगों को ज़्यादा प्रॉम्प्ट करते हैं, लोग उन्हें कम।

• Agents Prompt People: Using Agents for Long-Horizon Financial Work(नए टैब में खुलता है)