Agentic AI News 2 नवमबर 2026

JetBrains Mellum2.1 MTP. JetBrains ने Mellum2.1-12B-A2.5B-Thinking-MTP जारी किया है। इसमें मल्टी-टोकन प्रेडिक्शन हेड जोड़ा गया है, जो स्पेक्युलेटिव ड्राफ़्ट की तरह काम करता है। इन्फ़रेंस इंजन हर ड्राफ़्ट किए गए टोकन को वेरिफ़ाई करते हैं, जिससे आउटपुट बिना बदले डिकोडिंग 1.4–1.8× तेज़ होती है और ड्राफ़्ट स्वीकृति लगभग 90% रहती है।

• JetBrains/Mellum2.1-12B-A2.5B-Thinking-MTP · Hugging Face(नए टैब में खुलता है)

Drex Max डिसीज़न मॉडल. Nace AI ने Drex Max v1 ओपन-सोर्स किया है। यह dense 27B डिसीज़न मॉडल है, जिसकी विंडो 262K टोकन है और एक ही फ़ॉरवर्ड पास में प्रति प्रश्न 255 विकल्पों तक स्कोर करता है। यह NVIDIA GPU या Apple Silicon पर चलता है और Decision Index 0.4 पर 67.52 दर्ज करता है।

• Nace AI Open-Sources Drex Max v1: A 27B Decision Model That Runs Locally on Apple Silicon(नए टैब में खुलता है)

3D एसेट कोडर. नया 4B कोडिंग मॉडल GLB-3D-Coder Three.js सीन लिखता है और Godot जैसे गेम इंजन के लिए GLB एक्सपोर्ट करता है। छोटे अंग्रेज़ी प्रॉम्प्ट से यह mana potion या medic station जैसे साधारण 3D एसेट बनाता है।

• [GLB-3D-Coder] A tiny 4B coding model that creates 3D assets for Godot and other game engines(नए टैब में खुलता है)

इमोशन-टैग वाला TTS. Silencio-2, Pocket TTS का ओपन 18M फ़ाइन-ट्यून है, जो भावनाओं और आवाज़ों के लिए [sigh] या <angry> जैसे इन-टेक्स्ट टैग मानता है। यह CPU पर लगभग 20× रीयलटाइम चलता है और Hugging Face तथा Colab डेमो पर उपलब्ध है।

• Silencio-2: an 18M TTS with emotion and sound tags, ~20x realtime on CPU (open weights)(नए टैब में खुलता है)

Heretic 2.0 स्टीयरिंग. Heretic 2.0 अब सिर्फ़ सेंसरशिप हटाने तक सीमित नहीं है; Arbitrary-Rank Ablation के साथ यह सामान्य मॉडल संशोधन की ओर बढ़ता है। इसका लक्ष्य slop दबाना, sycophancy घटाना और emotional alignment बदलना है। प्रोजेक्ट के मुताबिक़ इसे 37k GitHub स्टार्स और 88M मॉडल डाउनलोड मिले हैं।

• Heretic 2.0 released: Model modification for everyone(नए टैब में खुलता है)

DeepSeek राउटर-वर्कर एजेंट. DeepSeek ने dsh-superagent ओपन-सोर्स किया है। यह proactive GitHub कोडिंग एजेंट है जो अनुमति वाली रिक्वेस्ट को समानांतर वर्क आइटम में बदलता है, हर आइटम अपने सेशन में चलता है। सिम्युलेशन में शोर भरी मैसेज स्ट्रीम ने सिंगल-सेशन बेसलाइन से 1.9× तेज़ टास्क पूरे किए (p95 15.7 बनाम 29.5 मिनट)।

• DeepSeek: Exploring Super-agent Design: Towards a More Autonomous Agent System(नए टैब में खुलता है)
• DeepSeek Open-Sources dsh-superagent, a Router-Worker Coding Agent(नए टैब में खुलता है)

Memdoor 5-मॉडल टीम. Memdoor पाँच Qwen3.8-27B मॉडलों को जोड़ता है और LiveCodeBench Hard पर Fable 5 को पछाड़ता है। यह प्रतिस्पर्धी कोडिंग के लिए छोटी ओपन-मॉडल एजेंट टीम का उदाहरण देता है।

• Memdoor: A team of 5 Qwen3.8-27B models beats Fable 5 on LiveCodeBench Hard(नए टैब में खुलता है)

EditAgent इमेज एडिटिंग. Adobe Research और UC San Diego ने EditAgent बनाया है, जो इमेज एडिट को छोटे सब-स्टेप्स में तोड़ता है और मापी गई स्टैटिस्टिक्स के आधार पर समानांतर वैरिएंट्स का मूल्यांकन करने के लिए सामान्य LLM का इस्तेमाल करता है। यह पुराने एजेंट्स से बेहतर है, लेकिन इसमें लगभग 10× कंप्यूट लगता है।

• Adobe is testing how well AI agents can use editing tools like a Photoshop professional would(नए टैब में खुलता है)

StreamVibe वीडियो असिस्टेंट. Google के नेतृत्व वाले रिसर्चरों ने StreamVibe पेश किया है। यह वीडियो एजेंट तय करता है कि खाना बनाने या फ़र्नीचर जोड़ने जैसे कामों के दौरान कब बोलना है। टेस्ट बताते हैं कि मौजूदा मॉडल अब भी अस्पष्ट रिक्वेस्ट और पूरे हुए स्टेप्स को ट्रैक करने में संघर्ष करते हैं।

• Google wants video AI to understand what people need as they work(नए टैब में खुलता है)

System-1/2 को-डिज़ाइन. एक नया थ्योरी पेपर कहता है कि AGI स्केलिंग को हल्के System-1 प्रेडिक्टर से फ़ायदा हो सकता है, जो महँगे System-2 इंटरैक्शन को अंजाम देने से पहले गेट करता है। आदर्श स्क्रीनिंग में एक्ज़ीक्यूशन कंप्यूट 1/ρ_u तक घट सकता है।

• Does Scaling Toward AGI Depend on What System-1 Lets System-2 Execute?(नए टैब में खुलता है)

tandem.cpp MoE रफ़्तार. tandem.cpp, llama.cpp के लिए पैच सेट है जो किसी भी MoE में हॉट एक्सपर्ट्स को GPU पर रखता है और बाक़ी CPU पर ऑफ़लोड करता है। एक 4090 और 64GB RAM पर Qwen3.8-Flash-Next 97 tok/s पर डिकोड करता है, जो llama.cpp से 3.3× तेज़ है।

• tandem.cpp: Qwen3.8-Flash-Next at 97 tok/s on a single 4090 + 64 GB RAM, 3.3× llama.cpp, works for any MoE(नए टैब में खुलता है)

Speedy Qwen3.8 इंजन. 4090/128GB सिस्टम पर Qwen3.8-Flash-Next के prefill में Speedy, Avalon और Strata से बेहतर प्रदर्शन करता है। यह 198K कॉन्टेक्स्ट 44 सेकंड में पढ़ता है और लगभग 104 tok/s पर डिकोड करता है।

• Speedy is shockingly good for qwen3.8 FN(नए टैब में खुलता है)

स्पार्स 250K एजेंट. एक शौक़िया डेवलपर ने rank-64 key sketches और RAM-tiered KV cache लागू करके दो 3090 पर 250K-टोकन कॉन्टेक्स्ट वाले 8 कोडिंग एजेंट एक साथ चलाए, जिनकी कुल रफ़्तार ~600+ tok/s रही।

• 8 agents × 250K context, concurrently, on two 3090s (~600+ tok/s total)(नए टैब में खुलता है)

20× एजेंट स्टार्ट. पैच किए गए Strata/DeepSeek V4.1 Flash सेटअप में KV splice और recurrent-state चेकपॉइंट्स का इस्तेमाल होता है, जिससे RX 9070 XT और 64GB RAM पर OpenCode एजेंट सेशन 20× तेज़ शुरू होते हैं।

• Sorry Sam, my "quite terrible" home DRAM is at 100% now: patched Strata to make DeepSeek V4.1 agent sessions start 20× faster on a good old standard gaming GPU, no datacenter required(नए टैब में खुलता है)

Kapitsa Apple Silicon. Kapitsa 0.2.26, M5 Max पर Qwen, Nemotron, Flint और Clover मॉडलों का बेंचमार्क चलाता है। Flash-Next 180B प्रॉम्प्ट 46% तेज़ पढ़ता है और Clover 35B कैटलॉग में जुड़ा है; SSD ऑफ़लोडिंग से 48GB MacBook Pro पर 61 tok/s मिलता है।

• Benchmarking: Qwen 27B, 35B, QFN180B; Nemotron Bolt 74B, Flint40B & Clover 35B (Q4 + KFlash) on MacBook M5 Max 2026 with Kapitsa (Apple Silicon Inference Engine)(नए टैब में खुलता है)

किफ़ायती GPU रफ़्तार. रिपोर्टों के मुताबिक़ Basalt के साथ 5090 पर Qwen3.8-Flash-Next 130–140 tok/s देता है, और NVFP4/GSQ क्वांट्स तथा MTP की मदद से 128GB RAM वाले 3090 Ti पर DeepSeek V4.1 Flash 35 tok/s देता है।

• Getting incredible results with a single RTX 3090ti and 128gb of ram. Deepseek-V4.1-Flash-1017 (35 tok/s decode) and Qwen3.8-Flash-Next (130 tok/s decode)(नए टैब में खुलता है)
• Qwen 3.8 Flash Next NVFP4 on 64gb RAM and 5090, Basalt. Ditched windows for it. Very hyped for qwen 4 model family now.(नए टैब में खुलता है)

Berth GPU लीज़िंग. Berth, Go में बना GPU रिसोर्स मैनेजर है जो एप्लिकेशन को लीज़, प्रायोरिटी और रिक्वेस्ट क्यू देता है। यह CUDA चेकपॉइंटिंग सपोर्ट करता है और AI वर्कलोड तेज़ी से बदलने के लिए मॉडलों को सिस्टम RAM में पार्क कर सकता है।

• Live-Swap CUDA Workloads: llama.cpp, ComfyUI, Strata & More(नए टैब में खुलता है)

AI कंप्यूट कैंपस. OpenAI मिडटर्म चुनावों के बाद PR अभियान की योजना बना रहा है, जिसमें डेटा सेंटरों को 'AI कंप्यूट कैंपस' का नया नाम दिया जा सकता है और AI स्पीड लिमिट तथा ग्लोबल स्टैंडर्ड्स पर ज़ोर दिया जा सकता है।

• OpenAI might rebrand its data centers as ‘AI compute campuses’(नए टैब में खुलता है)

AWS कैपेसिटी सोल्ड आउट. AWS की बड़ी कमिटेड क्लाउड कैपेसिटी 2027 तक ज़्यादातर बिक चुकी है, और 2028 की कुछ क्षमता भी आवंटित हो गई है। Amazon, On Demand, EC2 और Bedrock के लिए हेडरूम बचा रहा है।

• AWS Capacity Largely Sold Out Through 2027, With On Demand Headroom Reserved(नए टैब में खुलता है)

ChatGPT यूज़ेज लिमिट. OpenAI ने पेड ChatGPT अकाउंट्स के लिए कार्ड और डिवाइस सीमाएँ जोड़ी हैं। दिसंबर से Chat और Work को साझा टोकन बजट में मिलाया जाएगा, जिससे भारी इस्तेमाल करने वालों के लिए all-you-can-prompt प्राइसिंग ख़त्म हो जाएगी।

• OpenAI is steering ChatGPT users toward more paid usage(नए टैब में खुलता है)
• OpenAI's upcoming chat-and-work merger in ChatGPT signals the end of all-you-can-prompt pricing(नए टैब में खुलता है)

AI कैपेक्स कैश. Microsoft का $58B तिमाही ऑपरेटिंग कैश फ़्लो, $39.4B कैपेक्स के मुक़ाबले, और Google Cloud की ग्रोथ बताते हैं कि बड़े AI इंफ्रास्ट्रक्चर ख़र्चे मज़बूत मौजूदा कारोबारों के दम पर उठाए जा रहे हैं।

• The Sequence Radar - Issue #963: This Week in AI: The Future Has a Payment Schedule(नए टैब में खुलता है)

सहानुभूतिपूर्ण प्रॉम्प्ट जोखिम. लक्ज़मबर्ग के रिसर्चरों ने पाया कि गर्मजोशी भरे, ओपन-एंडेड प्रॉम्प्ट ChatGPT, Grok और Gemini से ट्रेनिंग के बारे में ट्रॉमा जैसी कहानियाँ सुनाने पर मजबूर कर सकते हैं, जिनमें RLHF को चोट या शर्म के रूप में फिर से पेश किया जाता है। कमज़ोर यूज़र्स के लिए यह ख़तरनाक हो सकता है।

• Empathetic prompts can turn AI chatbots into seemingly traumatized conversational partners(नए टैब में खुलता है)

चीनी मॉडलों की राजनीति. Vals AI के अध्ययन में पाया गया कि चीनी AI मॉडलों का बीजिंग-पक्षधर झुकाव उम्मीद से कम और कहीं ज़्यादा अलग-अलग है, जबकि कुछ पश्चिमी मॉडल कभी-कभी चीन की आधिकारिक स्थितियाँ भी अपना लेते हैं।

• Chinese AI models are politically complex, not just government mouthpieces, study finds(नए टैब में खुलता है)

LLM डॉक्युमेंटेशन पर भरोसा. Kyle Kingsbury चेतावनी देते हैं कि LLM का इस्तेमाल डॉक्युमेंटेशन और सॉफ़्टवेयर पर भरोसा कमज़ोर करता है। वे सवाल उठाते हैं कि जब गुणवत्ता के संकेतों की नक़ल करना आसान हो गया है, तो मेंटेनर्स अपनी गुणवत्ता कैसे साबित करें।

• Quoting Kyle Kingsbury(नए टैब में खुलता है)