Agentic AI News 4 नवमबर 2026

Hydrogen-1.0 रिसर्च मॉडल. Deep Principle ने Hydrogen-1.0 रिलीज़ किया है, जो GLM-5.3 पर बना वैज्ञानिक समस्याओं को सुलझाने वाला मॉडल है। यह टेक्स्ट इंटरैक्शन के ज़रिए वैज्ञानिक सवालों, डेरिवेशन और ओपन-एंडेड रिसर्च समस्याओं में मदद पर फोकस करता है।

• deep-principle/Hydrogen-1.0 · Hugging Face(नए टैब में खुलता है)

Anthropic का FlashProve. Anthropic ने FlashProve रिलीज़ किया, एक ओपन-सोर्स zkSNARK सिस्टम जो क्रिप्टोग्राफिक प्रूफ़ देता है कि कोई रिस्पॉन्स किसी खास मॉडल से आया है। यह वेट्स ज़ाहिर किए बिना पहचान वेरिफ़ाई कर सकता है और एक H100 पर 400B MoE मॉडल के लिए करीब 110 टोकन प्रति सेकंड की रफ़्तार से प्रूफ़ बनाता है।

• Anthropic is working on a system to prove AI models’ identity(नए टैब में खुलता है)
• Anthropic Releases FlashProve: Cryptographic Proofs That a Reply Came From Committed Weights(नए टैब में खुलता है)

Siri AI का थर्ड-पार्टी ऐक्सेस. Apple iOS 27.3 में Siri AI का थर्ड-पार्टी ऐप्स तक ऐक्सेस बढ़ा रहा है, जिससे असिस्टेंट पर्सनल कॉन्टेक्स्ट, ऑन-स्क्रीन अवेयरनेस और नए ऐप स्किल्स का इस्तेमाल कर सकेगा। कंपनी ने watchOS 27.3 में ऑलवेज़-ऑन Audio Intelligence भी पेश किया है, जिसमें Siri Recap और Live Rewind शामिल हैं।

• Apple starts giving Siri AI access to third-party apps(नए टैब में खुलता है)
• Apple’s latest watchOS beta includes its new always-on Audio Intelligence features(नए टैब में खुलता है)

GPT-6 Astra का हार्डवेयर डिज़ाइन. OpenAI का कहना है कि GPT-6 Astra ने एक हफ़्ते से भी कम समय में Codex कोडिंग एजेंट से बात करने के लिए एक डिवाइस शुरू से डिज़ाइन किया—इनक्लोज़र, PCB लेआउट, फ़र्मवेयर और UI सहित। एक नया इंटरनल मॉडल BenchCAD 2.0 पर 0.875 स्कोर करता है, जबकि Astra का स्कोर 0.594 है, हालाँकि Astra को कई राउंड में सुधार करना पड़ा।

• OpenAI says GPT-6 Astra designed a hardware device from scratch in under a week(नए टैब में खुलता है)

Anthropic के Message Threads. Anthropic ने Message Threads को पब्लिक बीटा में लॉन्च किया है, जो पूरी बातचीत का इतिहास दोबारा भेजने के बजाय पिछले मैसेज के बाद हुए सिर्फ़ बदलाव भेजता है। इससे 500K से 1M टोकन वाली रिक्वेस्ट्स में टाइम टू फ़र्स्ट टोकन में करीब 35% की कमी आती है।

• Anthropic's Message Threads cut time to first token by 35 percent for long conversations(नए टैब में खुलता है)

LangSmith BYOC अब GA. LangSmith Bring Your Own Cloud अब AWS पर GA है और Azure व Google Cloud पर बीटा में है। ग्राहक traces, evals, datasets, prompts और deployments अपने ही क्लाउड अकाउंट में रखते हैं, जबकि LangChain कंट्रोल प्लेन संभालता है।

• LangSmith BYOC is now available on AWS, Azure, and Google Cloud(नए टैब में खुलता है)

ब्राउज़र एजेंट्स का ऑप्टिमाइज़ेशन. LangChain ने बताया है कि उसने deep agents के लिए Browser Use को कैसे ऑप्टिमाइज़ किया—एजेंट्स के लिए बने Stagehand टूल्स का इस्तेमाल करके और tracing और evals के ज़रिए इटरेशन करके। कंपनी का कहना है कि सितंबर में एजेंटिक ब्राउज़र रिक्वेस्ट्स में 4.7 गुना उछाल आया।

• How We Optimized Browser Use for Deep Agents(नए टैब में खुलता है)

वॉइस एजेंट के लिए STT. Soniox ने STT v6 रिलीज़ किया, एक स्पीच-टू-टेक्स्ट API जो एजेंट के अपने टेक्स्ट इनपुट को पढ़ता है और उसका इस्तेमाल रिकग्निशन सुधारने व इको फ़िल्टर करने में करता है। स्ट्रीमिंग के लिए कीमत $0.12 प्रति घंटा और async के लिए $0.10 प्रति घंटा है; मॉडल का साइज़ नहीं बताया गया।

• Soniox STT v6 Adds Agent Text Input and Echo Filtering for Voice Agents(नए टैब में खुलता है)

वेट्स पढ़ना और एडिट करना. कई टीमों ने “weight-space programming” आइडिया को रेप्लिकेट किया: GPT-6 Astra, Qwen 3.8 27B, DeepSeek V4.1 Flash और Claude Opus 5.5 जैसे LLM रॉ मॉडल वेट्स को समझ सकते हैं और कुछ न्यूरॉन्स को एडिट करके बिहेवियर ठीक भी कर सकते हैं। रेप्लिकेशन में Gemma 4 में ट्रांसलेशन बिहेवियर बदलना और Qwen के रीज़निंग लूप्स ठीक करना शामिल है।

• Like GPT-6 Astra, Qwen 3.8 27B can interpret model weights(नए टैब में खुलता है)
• I tried MIT's "weight-space programming" on my own use case: Claude rewrote 8 neurons of Gemma 4 12B to change how it translates one Italian tense(नए टैब में खुलता है)
• DeepSeek V4.1 Flash 1017 can also do Weight-Space Programming(नए टैब में खुलता है)
• What Qwen is thinking when it gets stuck saying "Wait"(नए टैब में खुलता है)
• Qwen 3.8 27B on my laptop can interpret model weights, too(नए टैब में खुलता है)

LLM रिसर्च की एक्सपायरी. Stanford के एक अध्ययन ने LLM के बारे में 50 व्यापक रूप से उद्धृत दावों को 20 हालिया मॉडल्स पर परखा और पाया कि 44% पहले ही एक्सपायर हो चुके हैं। “मॉडल क्या नहीं कर सकते” से जुड़े दावे सबसे तेज़ी से एक्सपायर हुए; दो साल बाद उनमें से सिर्फ़ 16% ही मान्य रहे।

• Rapid LLM development is outrunning the research meant to explain it, study finds(नए टैब में खुलता है)

लॉन्ग-कॉन्टेक्स्ट स्टेट ट्रैकिंग. Hugging Face ने StateBench पेश किया, एक बेंचमार्क जो यह टेस्ट करता है कि मॉडल लंबे डॉक्युमेंट्स में एंटिटीज़ से जुड़े स्टेट में बदलावों को कैसे ट्रैक करते हैं। यह आसान लेटेस्ट-अपडेट टास्क और बदलावों की मुश्किल चेन में फ़र्क करता है, जिससे मौजूदा मॉडल्स में कमियाँ सामने आती हैं।

• StateBench: Testing how language models track state changes over long documents(नए टैब में खुलता है)

ड्रग डिस्कवरी के लिए एजेंट. Google DeepMind ने Cheminformatics Skills के साथ Antigravity दिखाया, जो ड्रग डिस्कवरी वर्कफ़्लो को तेज़ करता है। एक एजेंट ने हज़ारों कंपाउंड्स खोजे और एक घंटे में सिंथेटिक रूट्स के साथ नए मैक्रोसाइकल्स सुझाए—पहले इसमें कई दिन लगते थे।

• Agentic cheminformatics with Google Antigravity(नए टैब में खुलता है)

SETI के लिए AI एजेंट. SETI का Allen Telescope Array अब Nvidia Holoscan पर AI एजेंट्स का इस्तेमाल कर रहा है, जो टेलीस्कोप को स्टीयर करते हैं और 2.4 टेराबिट प्रति सेकंड तक की रफ़्तार से सिग्नल्स को रियल टाइम में एनालाइज़ करते हैं। पहले नतीजे के तौर पर टीम ने Crab Nebula में एक पल्सर को रियल टाइम में डिटेक्ट किया।

• AI agents take over at SETI's Allen Telescope Array, scanning for extraterrestrial intelligence(नए टैब में खुलता है)

ओपन-सोर्स रोबोट हार्नेस. Tsinghua और UC Berkeley के रिसर्चर्स ने uni-robot-agent बनाया है, एक ओपन-सोर्स हार्नेस जो Qwen 3.8 Flash Next को बिना फ़ाइन-ट्यूनिंग के असली रोबोट्स को कंट्रोल करने देता है। 19 मैनिपुलेशन टास्क पर इसने क्लोज़्ड-मॉडल के प्रदर्शन की बराबरी की—प्रति टास्क $1.09 की लागत पर, जबकि GPT-6 Astra की लागत $21.29 थी।

• “Can Qwen directly control the robot as well as GPT-6 Astra?”(नए टैब में खुलता है)

Palantir एंटरप्राइज़ में सुस्ती. Palantir का Q3 रेवेन्यू सालाना आधार पर 96% बढ़कर $2.31 अरब हुआ, लेकिन अमेरिकी कमर्शियल रेवेन्यू की ग्रोथ में सुस्ती के संकेत दिखे, जिससे निवेशकों का रुझान ठंडा रहा। कंपनी ने पूरे साल का गाइडेंस बढ़ाया, फिर भी रिटेल ट्रेडर्स ने थोड़ी बिकवाली की।

• Hiding inside Palantir’s skyrocketing quarter is a foreboding signal(नए टैब में खुलता है)

Fal का वैल्यूएशन दोगुना. Inference स्टार्टअप Fal ने Bessemer की अगुवाई में $1.3 अरब जुटाए, $16 अरब के वैल्यूएशन पर—अप्रैल के आँकड़े से दोगुना। इसने $800 मिलियन का एनुअलाइज़्ड रेवेन्यू पार किया, हालाँकि कंप्यूट लागतों की वजह से inference कंपनियों के मार्जिन पतले रहते हैं।

• AI inference startup Fal doubles its valuation to $16B as demand surges(नए टैब में खुलता है)

Anthropic के कंप्यूट मार्जिन. Anthropic का रेवेन्यू सितंबर तिमाही में $17 अरब तक पहुँच गया, लेकिन कंप्यूट लागत रेवेन्यू का 58% हो गई, जो पिछली तिमाही में 48% थी। कंपनी जैसे-जैसे IPO के करीब पहुँच रही है, बिगड़ता मार्जिन चिंता की बात है।

• Anthropic is still grappling with the economics of compute(नए टैब में खुलता है)

Revolut ने कोडिंग खर्च घटाया. ब्रिटेन की फ़िनटेक Revolut ने Claude छोड़कर सेल्फ़-होस्टेड मॉडल्स पर जाने से AI कोडिंग की लागत 10 गुना कम की, Reddit पोस्ट के मुताबिक़। कंपनी अब कोड जनरेशन के लिए अपने मॉडल चलाती है।

• British fintech Revolut slashes AI coding costs 10x by cutting out Claude and going self-hosted(नए टैब में खुलता है)

स्कूलों में Google AI. Google K-12 छात्रों के लिए AI टूल्स डिफ़ॉल्ट रूप से बंद कर देगा, लेकिन जो स्कूल AI टूल्स से ऑप्ट आउट करेंगे, वे Google Search की सुविधा भी पूरी तरह खो देंगे। कंपनी का कहना है कि Search और AI गहराई से जुड़े हैं, जिससे एडमिनिस्ट्रेटर्स के पास सब या कुछ भी नहीं का विकल्प रह जाता है।

• Google will let schools skip AI tools, but they have to give up search, too(नए टैब में खुलता है)
• Google is entirely disabling Search in schools that don’t want AI(नए टैब में खुलता है)
• Google will let schools disable its AI tools, but not without sacrificing Search(नए टैब में खुलता है)

Apple का 18+ AI कंपेनियन नियम. Apple 16 नवंबर से डेटिंग ऐप्स और सेक्शुअल या रोमांटिक कंटेंट वाले AI कंपेनियन्स के लिए 18+ रेटिंग ज़रूरी कर रहा है। इस कदम का निशाना Character.AI और Replika जैसे ऐप्स हैं, जिन्हें अक्सर टीन्स इस्तेमाल करते हैं।

• Apple restricts dating apps and AI companions to users 18 and up(नए टैब में खुलता है)

Nexus Mods के AI नियम. Nexus Mods मॉड ऑथर्स के लिए यह अनिवार्य करेगा कि वे घोषित करें कि उनके काम में AI का इस्तेमाल हुआ या नहीं; AI-असिस्टेड मॉड्स के लिए यह भी बताना होगा कि कैसे। साइट का कहना है कि वह मानवीय क्रिएटिविटी के पक्ष में है, लेकिन AI पर पूरी तरह बैन नहीं लगाएगी।

• The biggest modding site in PC gaming is taking a stance on AI(नए टैब में खुलता है)