एजेंट और मॉडल रिलीज़
Inkling 2 Mini ओपन मॉडल. Thinking Machines ने Inkling 2 Mini जारी किया है, एक 26.4B का ओपन-वेट लूप्ड ट्रांसफॉर्मर जो हर टोकन पर बीच की लेयरों का तीन बार दोबारा इस्तेमाल करता है और चेकपॉइंट को लगभग 20GB पर रखता है। यह 32GB के Mac या DGX Spark पर चलता है और DeepSWE तथा Vals Index v2.2 जैसे एजेंटिक कोडिंग बेंचमार्क पर मजबूत स्कोर करता है।
GPT-Live-1.1 वॉइस एजेंट. OpenAI ने अपने API में GPT-Live-1.1 जोड़ा है, जो बहुभाषी फुल-डुप्लेक्स वॉइस बातचीत के लिए है और इसमें बेहतर एक्सेंट तथा टास्क पूरा करने की क्षमता है। स्टैंडबाय आइडल समय की बिलिंग अब $0.02 प्रति मिनट है, जो सक्रिय सेशन से 60% सस्ता है।
Baseten डिसीज़न मॉडल. Baseten ने bison-1 और groundhog-1 जारी किए हैं—Gemma 4 पर बने ओपन-वेट डिसीज़न मॉडल, जो हाँ/नहीं, विकल्प और स्कोर वाले सवालों के लिए कैलिब्रेटेड संभावनाएँ देते हैं। bison-1 Artificial Analysis Decision Index v2.1 में सबसे ऊपर है और रूटिंग, ट्रायाज और गार्डरेल के लिए 128k-टोकन कॉन्टेक्स्ट सपोर्ट करता है।
टेक्स्ट-मैसेज AI एजेंट. TechCrunch ने SMS/टेक्स्ट मैसेज में रहने वाले एजेंटों की एक लहर पर रिपोर्ट की है, जिनमें Ask Proxy और Instinct शामिल हैं; ये बिना किसी अलग ऐप के अपॉइंटमेंट शेड्यूल कर सकते हैं, ईमेल भेज सकते हैं और ऐप्स से जुड़ सकते हैं। रिपोर्ट में जनरल-पर्पस पर्सनल असिस्टेंट और परिवार, यात्रा व काम के विशेष एजेंटों को रेखांकित किया गया है।
रिसर्च और सत्यापन
TensorLean GPU कर्नल सत्यापन. Columbia और CertiK के शोधकर्ताओं ने TensorLean पेश किया है—Lean पर आधारित एक फ्रेमवर्क, जो टेंसर स्पेक्स के मुताबिक PTX स्तर पर GPU कर्नलों को औपचारिक रूप से सत्यापित करता है। इसने 149 कर्नल इंस्टेंस में से 83 को सही साबित किया और FlashAttention-2/3/4 तथा DeepGEMM में 38 बग खोजे, जिनमें FlashAttention-4 की एक डेटा रेस भी है जो 17,760 टेस्ट रन में नहीं पकड़ी गई।
कॉन्टेक्स्ट विंडो ज़रूरत से ज़्यादा. Nvidia के शोधकर्ताओं का तर्क है कि बड़ी कॉन्टेक्स्ट विंडो अक्सर महंगी और अनावश्यक होती हैं; कई टेस्ट में समय-समय पर सारांश और लक्षित लुकअप लगभग उतना ही अच्छा प्रदर्शन करते हैं। पेपर आज की मिलियन-टोकन विंडो की तुलना अधिक चुनिंदा दृष्टिकोणों से करता है।
रिमैन परिकल्पना प्रमाण की होड़. Anthropic के गणितज्ञ Levent Alpöge और Claude ने Generalized Riemann Hypothesis का Lean-औपचारिक प्रमाण प्रकाशित किया, जबकि Stanford के Alessandro Masullo ने कुछ ही घंटों में स्वतंत्र रूप से 940 पेज का पूरी तरह मानव-निर्मित ड्राफ्ट जारी किया। AI-सहायित प्रमाण का Lean कोड लगभग 250,000 पेज के बराबर है, और सत्यापन में सालों लगने की उम्मीद है।
Bytedance ट्रेनिंग पाइपलाइन पर सवाल. Bytedance और अमेरिकी विश्वविद्यालयों के शोधकर्ताओं का तर्क है कि AI एजेंटों के लिए नेस्टेड, बहु-चरणीय ट्रेनिंग पाइपलाइन बहुत जटिल और दोहराने में मुश्किल हैं; उन्होंने दिखाया है कि तीन चरण काफी हो सकते हैं। वे इसके समर्थन में एक प्रतिस्पर्धी ओपन मॉडल भी देते हैं।
टूल्स और फ्रेमवर्क
एजेंटों के लिए नॉलेज फैक्ट्री. LangChain ने “नॉलेज फैक्ट्री” अप्रोच का ज़िक्र किया है, जिसमें कंपनी-विशिष्ट ऑपरेशनल ज्ञान इकट्ठा किया जाता है, उसे छाँटा और बनाए रखा जाता है ताकि एजेंट उसका दोबारा इस्तेमाल कर सकें—यह प्रति-टास्क कॉन्टेक्स्ट से अलग है। इसका इस्तेमाल आंतरिक रूप से GTM और कंटेंट स्टूडियो एजेंटों तथा LangSmith Engine के लिए होता है।
GPT-6.2 प्रॉम्प्टिंग टेम्पलेट. OpenAI ने GPT-6.2 Astra और Sol के लिए नए सिस्टम प्रॉम्प्ट टेम्पलेट प्रकाशित किए हैं ताकि अत्यधिक संक्षिप्त जवाब और अनावश्यक स्पष्टीकरण माँगने वाले सवाल कम हों; साथ ही यह सुझाव दिया है कि मॉडल कॉन्टेक्स्ट मान लें और मौजूदा कोड का दोबारा इस्तेमाल करें। API बदलावों में यह भी है कि बातचीत का इतिहास संपादित करने पर पहले का रीज़निंग डिस्कार्ड हो जाता है, और temperature/top_p अब नहीं हैं।
उद्योग और कारोबार
Nvidia और AI सेलऑफ. Nvidia ने रेवेन्यू में ज़बरदस्त उछाल दर्ज किया, लेकिन SEC की अकाउंटिंग समीक्षा की रिपोर्टों के बीच शुक्रवार को उसका शेयर 14% गिर गया; कंपनी चीन में H200 चिप्स बेचना बंद कर देगी। AI बिल्डआउट और ऊँचे वैल्यूएशन पर संदेह के चलते Nasdaq 100 सप्ताह में 10.4% लुढ़क गया, जो Covid के बाद से इसका सबसे खराब प्रदर्शन है।
Anthropic IPO का दबाव. Anthropic Nasdaq पर लिस्ट हुई है और अब उसे अपने सेफ्टी-फर्स्ट मिशन तथा शेयरधारकों की मांगों के बीच तनाव का सामना करना है, साथ ही लगभग 900 अरब डॉलर की अनुमानित कंप्यूट लागत संभालनी है। The Verge की चर्चा में यह देखा गया है कि सार्वजनिक कंपनी के रूप में क्या यह सेफ्टी को प्राथमिकता देती रह सकती है।
नीति और प्राइवेसी
Signal बनाम AI स्क्रीनशॉट. Signal मोबाइल स्क्रीनशॉट को डिफ़ॉल्ट रूप से सीमित कर रहा है, ताकि OS-स्तरीय एजेंटिक AI के उस “अस्तित्वगत खतरे” का मुकाबला किया जा सके जिसे Meredith Whittaker कहती हैं और जो स्क्रीन स्कैन करके संवेदनशील डेटा कैप्चर कर सकता है। उपयोगकर्ता यह सेटिंग बंद कर सकते हैं, लेकिन Whittaker कहती हैं कि इससे प्राइवेसी की गारंटी टूट जाती है।
UN की किलर रोबोट नियम. UN के राजनयिक स्वायत्त हथियारों के लिए बाध्यकारी नियमों पर सहमत नहीं हो सके; वे केवल विकल्पों पर चर्चा शुरू करने और भविष्य के कुछ नियमों को वैकल्पिक रखने पर सहमत हुए। Red Cross और अन्य संगठन एक साल के भीतर कानूनी रूप से बाध्यकारी नियम चाहते थे।
आज के लिए बस इतना ही – लगभग 5 मिनट का पठन।