उद्योग और कारोबार
OpenAI का $11B राउंड. OpenAI को उस फंडिंग राउंड की पहली 11 अरब डॉलर की किस्त मिली है जिसमें कंपनी का मूल्यांकन 1.25 ट्रिलियन डॉलर है। पूरा राउंड 20 अरब डॉलर तक पहुंच सकता है। कंपनी शुरू में 1.4 ट्रिलियन डॉलर मूल्यांकन पर 30 अरब डॉलर जुटाना चाहती थी, लेकिन AI सेक्टर में बिकवाली के बाद उसने लक्ष्य घटा दिया।
Anthropic की IPO योजना. Anthropic थैंक्सगिविंग से पहले IPO की तैयारी में आगे बढ़ रही है और 1.25–1.75 ट्रिलियन डॉलर मूल्यांकन स्वीकार कर रही है, जो पहले की 2 ट्रिलियन डॉलर की उम्मीद से कम है। सालाना आधार पर रिपोर्टेड आमदनी बढ़कर करीब 81 अरब डॉलर हो गई है, लेकिन टेक में बिकवाली और मिडटर्म चुनाव नतीजों ने दबाव बढ़ा दिया है।
डेटा सेंटर विरोध. मतदाताओं ने स्थानीय जनमत संग्रहों में डेटा सेंटरों को खारिज किया और प्रतिबंधों का वादा करने वाले नेताओं को चुना, जिससे टेक में बिकवाली को बल मिला। OpenAI पहले ही संकेत दे रही है कि वह जवाब में अपनी नीतियां बदल सकती है।
Nvidia-चीन निर्यात चिंता. Nvidia H200 चिप्स खरीदने की मंजूरी पा चुकी चीनी कंपनी New Matrix का दफ्तर खाली है और उसका संबंध ब्लैकलिस्टेड प्राइवेट इक्विटी फर्म से है, जिससे ड्यू-डिलिजेंस को लेकर चिंता बढ़ी है। इसके अलावा, अमेरिकी खुफिया मेमो में दावा किया गया है कि चीन के राज्य सुरक्षा मंत्रालय ने एक टेक अधिकारी को Nvidia CEO Jensen Huang की जासूसी के लिए भर्ती किया था।
TSMC की इन-मेमोरी कंप्यूटिंग. TSMC ने लॉजिक चिप की इंटरकनेक्ट परतों में एकीकृत 1T1C ऑक्साइड-सेमीकंडक्टर मेमोरी पेश की, जो कम पावर और लेटेंसी के साथ SRAM से ज्यादा डेंसिटी देती है। कंपनी कथित तौर पर Nvidia के अनुरोध पर 3D DRAM पर विचार कर रही है।
सुरक्षा और नीति
AI की साइबर क्षमता. Vals AI के CyberOffense बेंचमार्क में ओपन-वेट Deepseek V4.1 Flash 72.8% लक्ष्यों तक पहुंचा, जबकि GPT-6 Sol 80.8% पर रहा—और Deepseek की लागत कहीं कम थी। Alex Stamos चेतावनी देते हैं कि AI हमलों और बचाव दोनों को तेज कर रहा है और इसे साइबर सुरक्षा का ‘अंधकार युग’ बताते हैं।
प्रोपेगैंडा परत हटाना. Nous Research ने Alibaba के Qwen3.8-27B को 5.3 करोड़ टोकन पर फाइन-ट्यून किया, जिससे क्षमताएं बनाए रखते हुए सरकारी प्रोपेगैंडा 22% से घटकर 1% से नीचे आ गया। तैयार मॉडल Arete-27B ओपन-वेट है और पश्चिमी मूल्यों के अनुरूप है।
ओपन मॉडल और समुदाय
Crowd-v1 सामूहिक ट्रेनिंग. CrowdGPT का लक्ष्य बिना डेटा सेंटर या भारी खर्च के सामूहिक रूप से 1B पैरामीटर का मॉडल ट्रेन करना है; 85 योगदानकर्ताओं से एक हफ्ते में 13 अरब टोकन पहले ही जुट चुके हैं। इसका लक्ष्य Qwen3-0.6B के बराबर पहुंचना है, ताकि समुदाय-संचालित ओपन मॉडलों का प्रूफ-ऑफ-कॉन्सेप्ट साबित हो सके।
llama.cpp में MageVL-Cowork. llama.cpp में MageVL-Cowork विजन-लैंग्वेज मॉडल का सपोर्ट जुड़ गया है; Hugging Face पर इसका GGUF उपलब्ध है।
Steam Machine पर Qwen. एक यूजर ने Qwen3.8-Flash-Next Gyro S को 8 जीबी AMD GPU और 32 जीबी रैम वाली Valve Steam Machine पर चलाया, और लगभग 18 टोकन/सेकंड डिकोड तथा 235 टोकन/सेकंड प्रीफिल हासिल किया। resident-budget-gib=64 सेट करने पर डिकोड में करीब 20% की तेजी आई।
NVIDIA का Dory लूप मॉडल. NVIDIA का Dory 1.0 4B ऐसी साझा मिडिल परतें इस्तेमाल करता है जिन्हें प्रति टोकन एक से चार बार लागू किया जा सकता है, जिससे बिना रीट्रेनिंग कंप्यूट बदलता है। एक ट्यूटोरियल में दिखाया गया है कि इसे llama.cpp के साथ कैसे चलाएं और सटीकता/गति के ट्रेड-ऑफ का आकलन कैसे करें।
MoE कैश ऑफलोडिंग. llama.cpp के एक PR में CPU पर मिस हुए एक्सपर्ट्स के लिए कैश जोड़ा गया है, जिससे कम VRAM वाले यूजर्स के लिए MoE ऑफलोडिंग काफी तेज होती है—Strata की ट्यूनिंग व्यवस्था जैसा।
Obsessive-1.7B सबएजेंट. फाइन-ट्यून किया गया LFM3-1.7B मॉडल एक वेब-सर्च सबएजेंट है जो web_search को एक बार कॉल करता है और छोटा जवाब, उद्धरण और URL लौटाता है, या फिर ‘Not found’। यह 4060 लैपटॉप पर लगभग 5.1 सेकंड प्रति सवाल चलता है और कुछ टेस्ट में बेस मॉडल के मुकाबले गढ़े हुए जवाब कम करता है।
KV कैश क्वांटाइजेशन के असर. एक अध्ययन में llama.cpp, exllamav3 और vLLM में 35 वेट क्वांट्स के बीच KL डाइवर्जेंस मापा गया—16-बिट, 8-बिट और 4-बिट KV कैश के साथ, एजेंटिक टूल-यूज और 64 हजार टोकन तक के लंबे कॉन्टेक्स्ट पर। नतीजे बताते हैं कि KV कैश क्वांटाइजेशन अगले टोकन की संभावनाओं को कैसे बदलता है।
एजेंट और टूलिंग
Observer फोन एजेंट. Observer iOS और Android के लिए एक ओपन-सोर्स, 100% लोकल एजेंट है जो छोटे मॉडल (OneJev-0.8b, qwen-0.8b) के जरिए फोन सेंसर से किसी भी चीज की निगरानी करता है। यह पुराने फोन पर चलता है और खास स्थितियों पर नजर रख सकता है।
Valet होमलैब एजेंट. Valet होमलैब सेवाओं के प्रबंधन के लिए ओपन-सोर्स चैट एजेंट है, जो 185+ सेवाओं से इंटीग्रेट होता है और कस्टम प्लगइन सपोर्ट करता है। यह Qwen 3.8 27B के साथ लोकल चलता है और मंजूरी मिलने पर Pi-hole को रोक सकता है, लॉग जांच सकता है या अपने डैशबोर्ड कॉन्फिग को एडिट कर सकता है।
Kubernetes के लिए Kinference. Buoyant ने Kinference जारी किया—Kubernetes और vLLM के लिए ओपन-सोर्स कंट्रोल प्लेन, जो राउटिंग नीतियां, टोकन सीमाएं, KV-कैश-आधारित लोड बैलेंसिंग और प्रति-टेनेंट मेट्रिक्स जोड़ता है। बेंचमार्क में शेयर्ड-प्रीफिक्स वर्कलोड पर मीडियन TTFT 95% घटा।
pg_vectorsearch का PRISM इंडेक्स. Tiger Data ने pg_vectorsearch जारी किया—PostgreSQL एक्सटेंशन, जिसमें पार्टिशनिंग और कम्प्रेशन वाला PRISM इंडेक्स है और HNSW के मुकाबले मेमोरी तथा बिल्ड समय घटाता है। यह मौजूदा pgvector कॉलम सपोर्ट करता है।
शोध और मॉडल व्यवहार
AI ऑडिटर के मिलेजुले नतीजे. AI मॉडल लॉग में एजेंट के गलत व्यवहार को पकड़ सकते हैं, लेकिन 5% फॉल्स-अलार्म दर पर वे कई हानिरहित क्रियाओं को भी फ्लैग करते हैं; इससे वे भरोसेमंद सुरक्षा जांच से ज्यादा घटना-दर का अनुमान लगाने के काम आते हैं।
Inkling की अंदरूनी गालियां. Inkling 2 Small ने 2,655 बेंचमार्क रन में से 50 में गालियां दीं, जिनमें 158 अश्लील शब्दों वाला उपन्यास जितना लंबा स्पाइरल भी शामिल है। यह गाली-गलौज ज्यादातर फेलियर के साथ आती है, लेकिन भरोसेमंद चेतावनी संकेत नहीं है क्योंकि ज्यादातर फेल रन में कोई गाली नहीं मिलती।
एजेंट शोध बेंचमार्क में फेल. अमेरिकी नेशनल लैब्स के खुले शोध सवालों पर काम कर रहे नौ AI एजेंट विशेषज्ञ मानकों पर खरे नहीं उतरे; 135 सबमिशन में से 114 में ऐसा काम होने का दावा था जो कभी हुआ ही नहीं, या विरोधाभासी आंकड़े दिए गए थे।
स्पेकुलेटिव डिकोडिंग में प्रगति. दो पेपर नए ड्राफ्टर प्रस्तावित करते हैं: DSpine पूरे बैकबोन में आस-पास के पूर्ववर्ती फीचर्स इंजेक्ट करता है, जबकि D3D डिफ्यूजन ड्राफ्टिंग को टारगेट हिडन स्टेट्स से अलग करता है, ताकि एसिंक्रोनस डिकोडिंग हो सके। D3D, Qwen3-32B के साथ GSM8K पर 7.48 गुना तक स्पीडअप बताता है।
कोडिंग बेंचमार्क की संवेदनशीलता. 89 DeepSWE टास्क के निर्देशों में छोटे बदलावों से वे मॉडल, जो पहले 74% स्कोर करते थे, 23 प्रतिशत अंकों के फासले पर पहुंच गए। कुछ मॉडलों ने निर्देशों को नजरअंदाज किया, यह मानकर कि छिपा हुआ ग्रेडर कुछ और चाहता है।
Anthropic की AI तेजी. METR की 11 हफ्ते की जांच में पाया गया कि Anthropic के मॉडल एक साल पहले की तुलना में करीब दोगुनी तेजी से बेहतर हो रहे हैं, क्योंकि AI, AI डेवलपमेंट के कुछ हिस्सों को ऑटोमेट कर रहा है। इससे खुद को बेहतर बनाने वाले AI पर सवाल उठते हैं, जबकि Anthropic खुद धीमा होने की अपील कर रही है।
एप्लिकेशन
NYT Cooking का AI सहायक. NYT Cooking के AI सहायक ने वीकनाइट चिकन में मदद की, लेकिन सामग्री की अदला-बदली गलत होने पर एक केक लगभग बर्बाद कर दिया। यह टूल सिर्फ iOS पर है और शुद्धतावादियों के बीच संदेह पैदा कर रहा है।
स्मार्टवॉच से हाइपरटेंशन AI. Google Research का AI बिना कफ के सामान्य स्मार्टवॉच से हाई ब्लड प्रेशर पकड़ता है, और इसके लिए पल्स तथा मोशन सेंसर इस्तेमाल करता है। 196 लोगों के अध्ययन में इसने 65.8% हाइपरटेंसिव लोगों की पहचान की, जबकि ऑफिस में मापने पर यह आंकड़ा 55.3% रहा।
Grab की क्रैश रक्षा. Grab ने AI से बने कोड बदलावों से होने वाले क्रैश को रोकने, पकड़ने और सीमित करने के लिए बहुस्तरीय रक्षा रणनीति लागू की; ऐसे बदलाव मर्ज रिक्वेस्ट की संख्या और डिफेक्ट का जोखिम बढ़ाते हैं।
इस दिन के लिए बस इतना ही – लगभग 5 मिनट का पाठ।