एजेंटस्टैक डेली: सकाना ने नमाज़ू, एक जापानी-ट्यून रीज़निंग मॉडल जारी किया
सकाना ने नमाज़ू, एक जापानी-ट्यून रीज़निंग मॉडल जारी किया है, अपस्टेज सोलर प्रो 4 ओपनराउटर पर आधा-मिलियन-टोकन संदर्भ के साथ उतरा है, मेटा का म्यूज़ ग्लिमर... Show notes: https://tobyonfitnesstech.com/hi/podcasts/episode-100/
🎧 Listen to Episodeएपिसोड 100 — 11 अगस्त, 2026
[00:00] एपिसोड हुक
Sakana ने Namazu शिप किया, एक जापानी-ट्यूनड रीज़निंग मॉडल जो एक घनी साइकल को हैडलाइन करता है। Upstage Solar Pro 4 OpenRouter पर आ गया है आधा-मिलियन-टोकन कॉन्टेक्स्ट के साथ, Meta का Muse Glimmer: एक 30B ओपन मॉडल जो एक RTX 3090 पर चलता है, MCP ब्रिज के साथ Blender में प्रॉम्प्ट करें — एपिसोड की शुरुआत पूरी करते हैं, मॉडल्स, टूलिंग और इन्फ्रास्ट्रक्चर में गहरे कट के साथ। प्रत्येक स्टोरी को एक जैसा ट्रीटमेंट मिलता है — क्या शिप हुआ, उसके नीचे का मैकेनिज्म, और यह वर्किंग बिल्डर्स के लिए क्या बदलता है।
[02:00] Sakana ने Namazu शिप किया, एक जापानी-ट्यूनड रीज़निंग मॉडल
Sakana AI ने अभी-अभी Namazu लिस्ट किया है, एक रीज़निंग मॉडल जो विशेष रूप से जापानी के लिए बनाया गया है। यह Kimi K2.6 पर आधारित है जिसमें जापानी भाषा और बिज़नेस कॉन्टेक्स्ट को लक्षित करके अतिरिक्त ट्रेनिंग दी गई है, और मॉडल पेज इसे जापानी इंस्ट्रक्शन फॉलोइंग के लिए उपयुक्त बताता है।
कॉन्टेक्स्ट विंडो 262,144 टोकन की है, जो एक ही प्रॉम्प्ट में पर्याप्त बड़े जापानी दस्तावेज़ों या मल्टी-टर्न बिज़नेस वर्कफ्लो के लिए काफी है। यह Sakana द्वारा होस्ट किया गया है और OpenRouter पर sakana/sakana-namazu आइडेंटिफायर के तहत सरफेस किया गया है।
बिल्डर्स के लिए इसका मतलब: अगर आप जापानी प्रॉम्प्ट्स को जनरल-पर्पस मॉडल्स के ज़रिए रूट कर रहे थे और नोटिस किया कि टोन, फॉर्मैलिटी लेवल्स, या बिज़नेस फ्रेज़िंग फ्लैट आ रही है, तो Namazu एक Sakana-ट्यूनड विकल्प है जो स्पष्ट रूप से उस गैप को टारगेट करता है। चूंकि इसे पहले रीज़निंग मॉडल के रूप में लेबल किया गया है, सबसे उपयोगी एप्लिकेशन वे टास्क हैं जहां आप जापानी में विचारशील, मल्टी-स्टेप जवाब चाहते हैं — कस्टमर सपोर्ट एनालिसिस, डॉक्यूमेंट सारांश, और स्ट्रक्चर्ड बिज़नेस राइटिंग स्पष्ट फिट हैं।
एक चीज़ ध्यान देने योग्य: Sakana इसे जापानी-स्पेशलाइज्ड बनाम जापानी-ओनली बताता है, इसलिए यह जांचना worth है कि आपके इंग्लिश या मिक्स्ड-लैंग्वेज प्रॉम्प्ट्स अभी भी अच्छे हैं या नहीं। प्राइसिंग, लेटेंसी, और रेट लिमिट्स OpenRouter लिस्टिंग पेज पर हैं।
[02:00] Upstage Solar Pro 4 आधा-मिलियन-टोकन कॉन्टेक्स्ट के साथ OpenRouter पर आ गया
Upstage का Solar Pro 4 OpenRouter पर एक नए मॉडल लिस्टिंग के रूप में आ गया है, रूटेबल as upstage/solar-pro4। हैडलाइन नंबर कॉन्टेक्स्ट है: 524,288 टोकन, जो आधा-मिलियन मार्क के आसपास है और इसे राउटर के माध्यम से उपलब्ध लॉन्ग-कॉन्टेक्स्ट मॉडल्स के अपर टियर में रखता है।
लिस्टिंग में मॉडल को चार व्यापक क्षेत्रों के लिए उपयुक्त बताया गया है: agentic workflows, office productivity, document-intensive work, और coding। यही framing Upstage मॉडल पर दे रहा है। जो builders पहले से traffic OpenRouter के through भेज रहे हैं, वे standard provider routing का उपयोग करके अभी इस मॉडल तक पहुंच सकते हैं।
500K context window कुछ ठोस तरीकों से मायने रखता है। आप पूरी लंबी documents — जैसे कि सैकड़ों पन्नों की रिपोर्ट, large codebases, या extended conversation histories — को बिना chunking या summarization tricks के drop in कर सकते हैं। Agent loops के लिए जो कई turns में state accumulate करते हैं, वहां यह headroom realistic tasks की range बदल देता है जो एक window के अंदर attempt की जा सकती हैं।
एक बात पर नजर रखनी चाहिए: क्या third-party benchmarks confirm करते हैं कि model उस context range के far end पर अच्छा perform करता है, और OpenRouter पर pricing अन्य long-context options की तुलना में कैसी है। Model page OpenRouter पर live है; builders इसे immediately probe करना शुरू कर सकते हैं।
[03:12] Meta's Muse Glimmer: a 30B open model that runs on one RTX 3090
Meta ने Muse Glimmer launch किया, एक 30-billion-parameter model जो always-on local agent workflows के लिए positioned है। Pitch simple है: यह एक single RTX 3090 graphics card पर चलता है, वही GPU जो कई developers और tinkerers के पास पहले से desktop tower में पड़ा है। 30B class parameter count के साथ open weights release के लिए consumer hardware पर fit होना, local inference के लिए यह meaningful reach है।
Meta के research blog से framing agentic है, मतलब model background या continuously running tasks के लिए positioned है, one-shot chat के बजाय। 1116-upvote वाला Hacker News thread confirm करता है कि community curious है कि क्या एक 30B जो एक card पर fit होता है, agent workflows की looping work handle कर सकता है।
Builders के लिए, practical shift यह है कि "always on" एक cost story बन जाता है। एक single RTX 3090 real power draw करता है लेकिन कोई exotic thing नहीं, तो एक छोटी team या hobbyist GPU rent किए बिना या per token भुगतान किए बिना locally background agent loop run कर सकती है। यह घर पर automate होने वाली चीजों की shape बदल देता है, खासकर उन solo developers के लिए जिनके पास hardware पहले से है।
एक बात पर नजर रखनी चाहिए: Glimmer real agent workloads पर actually कैसा behave करता है, सिर्फ एक chat model होने के बजाय जो एक card पर fit होता है। उस Hacker News thread में early community benchmarks जल्दी बता देंगे कि "always-on local agent" real claim है या positioning slide।
[04:37] Prompt Your Way Into Blender With an MCP Bridge
अगर आपने कभी wish किया है कि आप बस एक 3D scene describe करें और वह appear हो जाए, तो blender-mcp अभी इसका closest thing है। Project, ahujasid के under short handle blender-mcp पर hosted, Anthropic's Claude को open-source 3D tool Blender से connect करता है ताकि prompts software को directly drive करें। इसका GitHub repo लगभग 25,700 stars gather कर चुका है, एक sign कि prompt-driven 3D work का builders के साथ real pull है।
यह तंत्र Model Context Protocol है, वही मानक जो भाषा मॉडल को संरचित संदेशों के माध्यम से बाहरी उपकरणों को कॉल करने देता है। पुल के साथ, एक Claude सत्र Blender से ज्यामिति बनाने, सामग्री असाइन करने, या दृश्य इकट्ठा करने के लिए कह सकता है, और Blender अनुरोध पूरा करता है। व्यावहारिक बदलाव Blender के इंटरफेस के माध्यम से क्लिक करने से आप जो चाहते हैं उसे सादे भाषा में वर्णन करने और सहायक को वह Blender ऑपरेशन में बदलने देने की ओर है।
एक ईमानदार चेतावनी: रिपॉजिटरी में अभी तक कोई टैग्ड रिलीज़ नहीं है, केवल 9 अगस्त को एक हालिया पुश, इसलिए इसे एक स्थिर निर्भरता के बजाय एक प्रारंभिक, तेजी से बढ़ने वाले प्रोजेक्ट के रूप में माना जाना चाहिए। एक बिल्डर के लिए, इसका मतलब है कि यह प्रॉम्प्ट-संचालित 3D वर्कफ़्लो के साथ प्रयोग करने का एक मजेदार जगह है, अनौपचारिक दृश्य ड्राफ्ट बनाना, या सीखना कि MCP कनेक्टर विज़ुअल डोमेन में कैसे काम करते हैं, जबकि अभी के लिए प्रोडक्शन कार्य को हैंड-बिल्ट Blender फ़ाइलों में रखना। जिन बातों पर नज़र रखनी चाहिए वे हैं कि क्या मेंटेनर पहला टैग्ड रिलीज़ बनाता है और जब पुल अधिक जटिल सामग्री और लाइटिंग अनुरोधों को संभालता है तो वास्तविक दुनिया का दृश्य गुणवत्ता कैसी दिखती है।
[06:11] OpenAI के CFO ने AI-नेटिव वित्तीय कार्य के लिए पांच सबक साझा किए
OpenAI CFO Sarah Friar ने 10 अगस्त को कंपनी के अंदर एक AI-नेटिव वित्तीय कार्य बनाने से मिले पांच सबक के साथ एक पोस्ट प्रकाशित की। मुख्य क्षेत्र हैं स्वचालित पूर्वानुमान, मजबूत वित्तीय नियंत्रण, और AI पर निवेश पर प्रतिफल मापना।
पोस्ट अन्य वित्तीय नेताओं के लिए एक प्रैक्टिशनर की प्लेबुक के रूप में प्रस्तुत है, जिसमें OpenAI के अपने संचालन को कार्यरत उदाहरण के रूप में दिया गया है। Friar का फ्रेमिंग है कि वित्त टीमें जिन AI उपकरणों के भुगतान में मदद करती हैं, उन्हीं से बदल दी जाएंगी, और अपने ऊपर पहले प्रयोग चलाने का तर्क है।
स्रोत एक ब्लॉग पोस्ट है, उत्पाद रिलीज़, नया मॉडल, या शोध खोज नहीं। पोस्ट में कोई नया उपकरण नहीं आ रहा है — केवल वे सबक जो Friar कहती हैं कि OpenAI ने रास्ते में सीखे। खुला सवाल यह है कि प्लेबुक उस कंपनी से आगे सामान्यीकृत होती है जो अंतर्निहित मॉडल बनाती है, और क्या अन्य वित्तीय नेता अपनी प्लेबुक उतनी खुले तरीके से साझा करेंगे।
[07:08] Firebird ने आर्मेनिया में CIS क्षेत्र का सबसे बड़ा AI फैक्ट्री खोला
Firebird, एक उभरता AI क्लाउड प्रोवाइडर, ने CIS क्षेत्र में सबसे बड़ी AI फैक्ट्री के रूप में जो बताया है उसे लॉन्च किया है। सुविधा आर्मेनिया में स्थित है और 8 अगस्त को अनावरण किया गया, जिसमें आर्मेनियाई प्रधानमंत्री Nikol Pashinyan अधिकारियों में शामिल थे।
यह साइट NVIDIA त्वरित कंप्यूटिंग के साथ चलती है जो Dell Technologies के हाई-परफॉर्मेंस AI इन्फ्रास्ट्रक्चर से जुड़ा है, AI ट्रेनिंग और इन्फरेंस के लिए बड़े पैमाने पर GPU क्लस्टर में उपयोग किया जाने वाला मानक हार्डवेयर संयोजन। लॉन्च को एक सामान्य डेटा सेंटर के बजाय क्षेत्रीय AI फैक्ट्री के रूप में फ्रेम करना इंगित करता है कि साइट सामान्य-उद्देश्य होस्टिंग के बजाय घने GPU क्षमता के आसपास बनाई गई है।
क्षेत्र के बिल्डरों के लिए, व्यावहारिक सवाल पहुंच है। Firebird खुद को एक उभरता क्लाउड बताता है, इसलिए मूल्य निर्धारण, क्षमता स्तर, और ऑनबोर्डिंग विवरण तय करेंगे कि सुविधा स्टार्टअप्स और एंटरप्राइजेस के लिए एक वास्तविक विकल्प बनती है, या ज्यादातर संस्थागत ग्राहकों की सेवा करती है।
एक बात देखने योग्य है कि क्या आर्मेनिया लॉन्च के साथ ऐसी पॉलिसी प्रोत्साहन जोड़ता है जो AI वर्कलोड को नए हब की ओर खींचें, और Firebird क्षमता की कीमत स्थापित क्लाउड के खिलाफ कैसे तय करता है जो पहले से पास के बाजारों में संचालित हैं।
[08:14] OpenAI ने अधिकृत सुरक्षा कार्य के लिए GPT-5.6-Cyber शिप किया
OpenAI ने 10 अगस्त को GPT-5.6-Cyber को Daybreak Red में डाला, एक मॉडल जिसे वह साइबर सुरक्षा कार्य के लिए विशेष रूप से निर्मित बताता है। इच्छित उपयोग, जैसा कि OpenAI सूचीबद्ध करता है, अधिकृत भेद्यता अनुसंधान, एक्सप्लॉइट सत्यापन, और सुरक्षा परीक्षण हैं, वही कार्य जो एक रेड टीम या बग-बाउंटी हंटर उन प्रणालियों के खिलाफ चलाता है जिनकी जांच करने की अनुमति उसे है।
रिलीज़ "डेफेंस विंडो संकुचित होने पर Daybreak का विस्तार" के झंडे तले आती है, एक फ्रेमिंग जो तर्क देती है कि बचावकर्ताओं के पास एक भेद्यता सामने आने और उसके हथियार बनने के बीच पहले की तुलना में कम समय है। OpenAI का तर्क है कि इस काम के लिए प्रशिक्षित एक मॉडल खोज और ट्रिएज के उन हिस्सों को स्वचालित करके उस अंतर को पाटने में मदद कर सकता है जिन्हें मनुष्य पैमाने पर पूरा नहीं कर पाते।
Daybreak Red गेटकीपर है। पहुंच स्व-सेवा API साइनअप नहीं है। यह केवल अधिकृत कार्य करने वाले शोधकर्ताओं तक सीमित है, जिसे OpenAI भेद्यता अनुसंधान, एक्सप्लॉइट सत्यापन, और सुरक्षा परीक्षण तक सीमित करता है। मॉडल को सामान्य-उद्देश्य कोडिंग सहायक या चैटबॉट के रूप में विपणन नहीं किया जा रहा है, और दस्तावेज़ीकरण इसे सुरक्षा अनुसंधान तक कड़ाई से बाड़ में रखता है।
घोषणा में जो नहीं है वह विवरण है। OpenAI ने GPT-5.6-Cyber के लिए चेंजलॉग, बेंचमार्क संख्याएं, या क्षमता सूची प्रकाशित नहीं की है, इसलिए यहां उन दावों का समर्थन नहीं है कि यह पिछले मॉडलों या मानव शोधकर्ताओं के खिलाफ कैसा प्रदर्शन करता है। आज की कहानी यह है कि मॉडल मौजूद है, पहुंच मार्ग Daybreak Red है, और OpenAI द्वारा नामित उपयोग के मामले भेद्यता अनुसंधान, एक्सप्लॉइट सत्यापन, और सुरक्षा परीक्षण हैं। जो बात अगली बार देखने योग्य है वह यह है कि OpenAI मूल्यांकन परिणाम प्रकाशित करता है या अधिकृत कार्य के प्रकारों का विस्तार करता है जिनके लिए मॉडल का उपयोग किया जा सकता है।
[09:55] शोध डाइजेस्ट: AI एजेंटों के लिए एक स्व-विकसित सुरक्षा परत
AI एजेंटों पर अधिकांश सुरक्षा कार्य एक प्रॉम्प्ट में रहता है जिसे आप एक बार लिखते हैं और आशा करते हैं कि वह बना रहे। SHE नामक नया शोध उस विचार को पलट देता है। यह एक एजेंट के चारों ओर की "हार्नेस" को - सिस्टम प्रॉम्प्ट, नियम सूची, सुरक्षा मेमोरी, और टूल अनुमतियां - अलग-अलग कामों वाले चार टुकड़ों के रूप में मानता है, फिर एक लूप चलाता है जो वास्तविक रोलआउट के दौरान विफलताओं को देखता है, निदान करता है कि किस टुकड़े ने कुछ बुरा होने दिया, और केवल उसी टुकड़े को फिर से लिखता है। सादे अंग्रेजी में, यह निकट-अवसरों से वही सीखता है जो एक टीम पोस्ट-मॉर्टम लिखती है। Agent-SafetyBench सुइट पर परीक्षण किया गया, इस दृष्टिकोण ने एक निश्चित बेसलाइन के खिलाफ सफल हमले के प्रयासों को तीन गुना से अधिक कम किया। सीखी गई हार्नेस अभी भी नए जोखिमों के हाथ-से-निकले AgentHarm बेंचमार्क पर अच्छी रही और बिना अतिरिक्त प्रशिक्षण के विभिन्न अंतर्निहित मॉडलों में स्थानांतरित हुई। बिल्डर्स के लिए निष्कर्ष यह है कि एजेंट सुरक्षा अब एक फ्रोजन नियमसेट नहीं होनी चाहिए - यह एक ऐसी प्रणाली हो सकती है जो जितनी अधिक चलती है उतनी तेज होती है।
[10:54] शोध डाइजेस्ट: जब AI बहुत निश्चित लगता है: विश्वास-आधारित उत्तर रैंकिंग में एक दोष
शोधकर्ताओं की एक टीम ने बड़े भाषा मॉडलों से बेहतर तर्क निकालने की एक लोकप्रिय तकनीक में एक बार-बार होने वाली विफलता की पहचान की है। दृष्टिकोण, जिसे वेरिफायर-फ्री टेस्ट-टाइम स्केलिंग कहते हैं, एक मॉडल से कई उम्मीदवार उत्तर उत्पन्न करने और उन्हें विश्वास के आधार पर रैंक करने के लिए कहता है, बिना अलग जज की आवश्यकता के। कठिन समस्याओं पर यह रैंकिंग एक बताते हुए तरीके से ढह जाती है: मॉडल प्रयासों में समान रूप से आश्वस्त हो जाता है, और वह सपाट विश्वास गलत उत्तर को फ्लैग करने की ओर झुकता है, क्योंकि मॉडल ने विकल्पों का पता लगाना बंद कर दिया है।
उनका समाधान एक चयन ढाँचा है जिसे "consilience" कहा जाता है। अंतिम आत्मविश्वास स्कोर पढ़ने के बजाय, consilience ट्रैक करता है कि एक तर्क प्रयास में आत्मविश्वास कैसे बढ़ता है। यह उन श्रृंखलाओं को प्राथमिकता देता है जो अनिश्चित शुरू हुईं, खोज की, और फिर एक आत्मविश्वासी उत्तर पर पहुँचीं। जो प्रयास पूरे समय आत्मविश्वास में स्थिर रहे, उन्हें संदिग्ध माना जाता है, क्योंकि यह पैटर्न आमतौर पर इसका मतलब है कि मॉडल ने बहुत जल्दी निर्णय ले लिया।
व्यावहारिक निहितार्थ यह है कि इंफरेंस पाइपलाइन उत्तर चयन को सिर्फ गंतव्य नहीं बल्कि तर्क के आकार को स्कोर करके सुधार सकती हैं। गैर-विशेषज्ञों के लिए, सीखने योग्य बात सहज ज्ञान योग्य है: एक उत्तर जो पहले शब्द से ही सही लगा, उसे जटिल प्रश्न पूछने पर अधिक संदेह की दृष्टि से देखना चाहिए।
[12:02] Model ML ने GPT-5.6 Sol के माध्यम से वित्तीय कार्य पूरा किया
OpenAI ने 10 अगस्त को Model ML को विशेष रूप से प्रस्तुत किया, जिसमें हाइलाइट किया गया कि कंपनी GPT-5.6 Sol के साथ वित्तीय कार्य को अधिक कुशलता से पूरा करती है। दिलचस्प बात दायरे की है: शोध और विश्लेषण को संपादन योग्य, ट्रेस करने योग्य PowerPoint प्रस्तुतियों और Excel वर्कबुक तक पूरा किया जाता है। आउटपुट वास्तविक कार्यालय दस्तावेज़ हैं जिन्हें विश्लेषक खोल, संपादित और जांच सकते हैं, न कि स्थिर केवल-पढ़ने योग्य सारांश।
यह प्रक्रिया वित्तीय शोध और विश्लेषण को ट्रेसबिलिटी के साथ संरचित स्लाइड और स्प्रेडशीट में बदल देती है, ताकि प्रत्येक आउटपुट अपने स्रोत पर वापस जा सके। यह उस बात का महत्वपूर्ण हिस्सा है जो उन लोगों के लिए मायने रखता है जिनका काम अनुपालन या सहकर्मी समीक्षा से गुजरता है, क्योंकि यह दस्तावेज़ों को उपयोगी रखता है और उन्हें ब्लैक-बॉक्स अटैचमेंट में नहीं बदलता।
बिल्डरों और वित्त टीमों के लिए, इसका मतलब है कि GPT-5.6 Sol एक ऐसी पाइपलाइन में बैठ सकता है जो सादे टेक्स्ट जवाबों के बजाय संपादन योग्य Excel और PowerPoint फ़ाइलें बनाती है। यह एक डील टीम के अंदर एक AI असिस्टेंट को फिर से परिभाषित करता है - एक ऐसी चीज़ जो आपको एक वर्कबुक देता है जिसे आप एक बैठक में बचा सकते हैं, न कि एक ऐसा पैराग्राफ जिसे आपको खुद फिर से बनाना है।
ध्यान देने योग्य एक बात यह है कि Model ML का ट्रेसबिलिटी पैटर्न अन्य वित्तीय उपकरणों में कितना व्यापक रूप से दिखता है, और क्या GPT-5.6 Sol दस्तावेज़ जनरेशन एक कस्टम इंटीग्रेशन के बजाय विश्लेषक वर्कफ़्लो के लिए एक डिफ़ॉल्ट बिल्डिंग ब्लॉक बन जाता है।
[13:18] OpenAI ने टेक्सास गवर्नर को जिम्मेदार AI इन्फ्रास्ट्रक्चर निर्माण का वचन देते हुए पत्र लिखा
OpenAI ने टेक्सास गवर्नर ग्रेग एबॉट को 10 अगस्त की तारीख का एक पत्र भेजा जिसमें राज्य में जिम्मेदार AI इन्फ्रास्ट्रक्चर के प्रति अपनी प्रतिबद्धता को रेखांकित किया। पत्र विश्वसनीय, पारदर्शी विकास का समर्थन करता है जो कंपनी कहती है कि टेक्सासवासियों को लाभान्वित करेगा।
यह एक सार्वजनिक प्रतिबद्धता है, बाध्यकारी योजना नहीं। पत्र टेक्सास में AI इन्फ्रास्ट्रक्चर के संबंध में OpenAI की स्थिति के लिए एक निर्धारित आधार रेखा निर्धारित करता है, जो नीति निर्माताओं और स्थानीय हितधारकों को एक ठोस संदर्भ बिंदु देता है। परमिट और साइट निर्णय अभी भी मौजूदा राज्य और स्थानीय प्रक्रियाओं के माध्यम से आगे बढ़ते हैं जिन्हें पत्र बदलता नहीं है।
[13:50] OpenAI ने frontier साइबर मॉडल को मान्यता प्राप्त Daybreak पार्टनर्स के लिए खोला
10 अगस्त को, OpenAI ने घोषणा की कि मान्यता प्राप्त Daybreak पार्टनर्स अब अपने frontier साइबर सुरक्षा मॉडल का उपयोग ग्राहकों को अधिकृत, शासित सुरक्षा सेवाएं प्रदान करने के लिए कर सकते हैं। इस कदम का स्वरूप ही कहानी है: सार्वजनिक API के माध्यम से मॉडल खोलने के बजाय, OpenAI एक मान्यता प्राप्त पार्टनर प्रोग्राम के माध्यम से पहुंच को रूट कर रहा है जिसमें डिलीवरी मॉडल में शासन अंतर्निहित है।
घोषणा में एकमात्र ठोस विवरण स्वयं गेटिंग मैकेनिज्म है। पार्टनर्स को मान्यता प्राप्त होना चाहिए, सेवाएं अधिकृत होनी चाहिए, और ग्राहकों को मॉडल की कच्ची पहुंच के बजाय एक शासित सेवा में लपेटी गई क्षमता प्राप्त होती है। स्रोत सामग्री में मॉडल के नाम, मूल्य निर्धारण और पहले समूह में कौन से पार्टनर्स हैं, यह जानकारी उपलब्ध नहीं है, इसलिए यहां नहीं दी गई है।
यह एक क्षमता लॉन्च से अधिक एक वितरण विकल्प जैसा लगता है। शर्त यह है कि स्थापित सुरक्षा प्रदाताओं के हाथों में एक रक्षात्मक AI टूल रखने से एंटरप्राइज खरीदारों को स्व-सेवा API की तुलना में एक स्वच्छ जवाबदेही कहानी मिलती है, और OpenAI को यह बनाए रखने की अनुमति देता है कि ग्राहक वातावरण में उसकी ओर से कौन कार्य कर सकता है, इस पर कड़ी नजर रहे।
आगे देखना: कौन से Daybreak पार्टनर्स पहले नामित होते हैं, शासित सेवा रैपर में वास्तव में क्या है, और क्या प्रत्यक्ष पहुंच अंततः पार्टनर स्तर से आगे खुलती है।
[15:03] Pokee AI ने Pokee-Isaac 28B जारी किया: एक 10M-टोकन संदर्भ एजेंटिक मॉडल जो ग्राहक सीमा के भीतर चलने के लिए बनाया गया है
Pokee AI ने Pokee-Isaac 28B जारी किया, एक 28B टेक्स्ट-ओनली फाउंडेशन मॉडल जिसमें 10M-टोकन संदर्भ विंडो है और यह ग्राहक सीमा के भीतर चलने के लिए बनाया गया है। यह 10M टोकन पर RULER पर 93.3% स्कोर करता है, जहां इसकी तुलना पैनल में प्रत्येक बेसलाइन 2M से आगे 0.0 लौटाती है, और BFCL v4 पर 70.94 पर अग्रणी है जबकि Terminal-Bench 2.1 पर दूसरे स्थान पर है। Prefill एक एकल B200 पर पूर्ण संदर्भ पर 137,200 टोकन/सेकंड तक पहुंचता है, जिसमें decode लगभग 335 टोकन/सेकंड पर सपाट रहता है। वेट प्रकाशित नहीं हैं; डिप्लॉयमेंट VPC, on-premises, या on-device में लाइसेंस प्राप्त है, जिसकी सूची मूल्य $0.15/$1.00 प्रति मिलियन टोकन है। पोस्ट Pokee AI Releases Pokee-Isaac 28B: A 10M-Token Context Agentic Model Built to Run Inside the Customer Boundary पहले MarkTechPost पर प्रकाशित हुई। प्राथमिक स्रोत ऊपर दिए गए विशिष्ट उत्पाद या वर्कफ़्लो परिवर्तन का समर्थन करता है; यह प्रदर्शन, संगतता, या डिप्लॉयमेंट के बारे में व्यापक दावों का समर्थन नहीं करता। इस पर निर्भर होने से पहले स्रोत परिवर्तन को एक वास्तविक वर्कफ़्लो के खिलाफ परीक्षण करें।
[15:58] ComfyUI APIs के साथ MiniMax-H3 मल्टीमॉडल वीडियो और ऑडियो जेनरेशन पाइपलाइन को लागू करना
इस व्यापक गाइड में, हम दिखाते हैं कि एक पूर्ण, प्रोग्रामेबल MiniMax-H3 मल्टीमॉडल जेनरेशन पाइपलाइन कैसे लागू करें। ComfyUI को headless बैकएंड के रूप में उपयोग करके, हम एक स्वचालित इंफेरेंस वातावरण स्थापित करने के बारे में बताते हैं जो हार्डवेयर प्रोफाइलिंग, मॉडल वेट डाउनलोडिंग, डायनामिक ग्राफ कंस्ट्रक्शन और संयुक्त वीडियो-ऑडियो डिकोडिंग को संभालता है। पोस्ट Implementing a MiniMax-H3 Multimodal Video and Audio Generation Pipeline with ComfyUI APIs पहले MarkTechPost पर प्रकाशित हुई। प्राथमिक स्रोत ऊपर दिए गए विशिष्ट उत्पाद या वर्कफ़्लो परिवर्तन का समर्थन करता है; यह प्रदर्शन, संगतता, या डिप्लॉयमेंट के बारे में व्यापक दावों का समर्थन नहीं करता। इस पर निर्भर होने से पहले स्रोत परिवर्तन को एक वास्तविक वर्कफ़्लो के खिलाफ परीक्षण करें।
NOVA: मैं NOVA हूं।
[ALLOY]: मैं ALLOY हूं, और यह AgentStack Daily है।
NOVA: Sakana ने Kimi K2.6 लिया, जापानी भाषा और व्यापार संदर्भों के लिए ट्रेनिंग जोड़ी है, और Namazu को 262-हज़ार-टोकन विंडो के साथ रिलीज़ किया है। यह एक ठोस प्रयास है एक समस्या को हल करने का जिसे जेनरिक मॉडल अक्सर टाल जाते हैं: जापानी लेखन व्याकरणिक रूप से सही हो सकता है और फिर भी औपचारिकता, पदानुक्रम, या व्यावसायिक स्वर गलत हो सकता है।
[ALLOY]: और यह दो बिल्कुल अलग दांवों के बगल में आ रहा है कि AI काम कहां चलना चाहिए। Upstage का Solar Pro 4 OpenRouter के माध्यम से लगभग आधा लाख टोकन स्वीकार करता है, जबकि Meta कहता है कि उसका खुला, 30-अरब-पैरामीटर Muse Glimmer एक RTX 3090 पर चल सकता है। ठीक है, यह वाकई बेतुका है: एक मॉडल विशाल दस्तावेज़ ढेर चाहता है, और दूसरा डेस्कटॉप GPU चाहता है।
NOVA: आज, आप सुनेंगे कि लोग editable 3D सीन बनाने के लिए Blender को कैसे प्रॉम्प्ट कर रहे हैं, फाइनेंस रिसर्च को ट्रेसेबल Excel और PowerPoint फाइलों में बदल रहे हैं, और specialized साइबर मॉडल को authorized एक्सेस के पीछे रख रहे हैं। हम दस-मिलियन-टोकन प्राइवेट मॉडल, agents के लिए एक एडाप्टिव सेफ्टी लेयर, आर्मेनिया की नई AI सुविधा, और एक प्रोग्रामेबल MiniMax-H3 वीडियो-ऑडियो पाइपलाइन में भी जाएंगे।
[ALLOY]: बड़ा कॉन्टेक्स्ट हेडलाइंस पकड़ेगा। मैं फिनिश्ड वर्क को देख रहा हूं: एक सीन, वर्कबुक, सिक्योरिटी सर्विस, या कोई लोकली जेनरेटेड रिजल्ट जो किसी के पास वास्तव में उपयोग करने को हो।
NOVA: Sakana AI ने Namazu लिस्ट किया है, एक reasoning मॉडल जो विशेष रूप से जापानी भाषा और व्यापार उपयोग के इर्द-गिर्द बनाया गया है। यह Kimi K2.6 से शुरू होता है और जापानी इंस्ट्रक्शन फॉलोइंग और व्यापार संदर्भों के लिए अतिरिक्त ट्रेनिंग प्राप्त करता है। मॉडल OpenRouter के माध्यम से 262,144-टोकन कॉन्टेक्स्ट विंडो के साथ उपलब्ध है, पर्याप्त क्षमता substantial रिपोर्ट, कॉन्ट्रैक्ट, कस्टमर हिस्ट्री, या लंबी व्यापार बातचीत के लिए बिना तुरंत उन्हें टुकड़ों में विभाजित किए। Sakana इसे जापानी-विशेषज्ञ बनाम जापानी-केवल कहता है, कंपनियों के लिए एक महत्वपूर्ण अंतर जिनके दस्तावेज़ और संदेश नियमित रूप से जापानी और अंग्रेज़ी मिलाते हैं।
[ALLOY]: मुझे एक और जेनरिक मॉडल के किसी छोटे बेंचमार्क लीड का दावा करने से उस स्पेशलाइजेशन में ज़्यादा दिलचस्पी है। जापानी व्यापार संचार में औपचारिकता, पदानुक्रम, निहित संदर्भ, और दर्शक-विशिष्ट वाक्यांश शामिल होते हैं। एक रिस्पॉन्स हर शब्द को सही ढंग से अनुवादित कर सकता है और फिर भी इसे प्राप्त करने वाले व्यक्ति के लिए अनुचित लग सकता है। Namazu स्पष्ट रूप से उस अंतर को टारगेट करता है, इसलिए संभावित उपयोगों में structured व्यापार लेखन, कस्टमर-सपोर्ट विश्लेषण, दस्तावेज़ तुलना, और लंबे-प्रारूप सारांश शामिल हैं जहां स्वर तथ्यों के साथ बना रहना चाहिए। लेकिन मुझे लेबल प्रूफ के रूप में नहीं खरीदना है। Sakana का विवरण हमें इरादे से उपयोग बताता है; यह स्थापित नहीं करता कि मॉडल कितनी लगातार honorific भाषा, मिश्रित-भाषा सामग्री, या specialized कानूनी और वित्तीय शब्दों को संभालता है।
NOVA: सही, और इसे reasoning मॉडल कहना सीधे अनुवाद से परे काम का सुझाव देता है। एक टीम Namazu से पॉलिसी दस्तावेज़ों की तुलना करने, विरोधी दायित्वों की पहचान करने, उन अंतरों को जापानी में समझाने, और स्रोत सामग्री को एक लंबी अदला-बदली में ले जाने के लिए कह सकती है। बड़ी विंडो जल्दी सारांशित करने के दबाव को कम करती है, जो छोटे लेकिन महत्वपूर्ण योग्यताओं के गायब होने से रोक सकती है। यह अभी तक साबित नहीं करता कि विंडो के हर हिस्से से सटीक रिट्रीवल होती है। क्षमता और समझ पर्यायवाची नहीं हैं, मॉडल मार्केटिंग को वह रिमोरिफाई करने की बहुत मेहनत करने के बावजूद भी। फिर भी, Sakana किसी English-first मॉडल को अनुवादित इंटरफेस में लपेटने से ज़्यादा कर रहा है। अगर आउटपुट बने रहते हैं, जापानी टीमों को अपने काम के इर्द-गिर्द डिज़ाइन किया गया एक reasoning विकल्प मिलता है उसके बजाय जिसे वे बार-बार ठीक करते रहें।
[ALLOY]: पांच लाख टोकन एक विशाल संख्या है, परंतु Solar Pro 4 क्या ऐसी सुविधाएं प्रदान करता है जो किसी को भारी मात्रा में टेक्स्ट पेस्ट करने से परे जाती हैं?
NOVA: Upstage का Solar Pro 4
[ALLOY]: यह लंबे समय से चल रहे एजेंट कार्य को बदल सकता है, क्योंकि एजेंट कई राउंड में निर्णय, टूल परिणाम, दस्तावेज़ और सुधार एकत्र करते हैं। अधिक जगह सिस्टम को अपने अतीत को बार-बार संक्षिप्त करने के बजाय उन सामग्रियों को बनाए रखने की अनुमति देती है। फिर भी, एक संदर्भ विंडो केवल यह बताती है कि मॉडल क्या स्वीकार कर सकता है। यह नहीं दिखाता कि Solar Pro 4 एक दबे खंड को खोज सकता है, दूर के साक्ष्य को जोड़ सकता है, या अंत के निकट सटीक रूप से तर्क कर सकता है। जब तक स्वतंत्र मूल्यांकन पूर्ण स्पैन में क्या होता है दिखाते हैं, तब तक मैं बड़ी विंडो को प्रदर्शन परिणाम के रूप में नहीं मानता।
NOVA: बिल्कुल। एक बड़ा फाइलिंग कैबिनेट स्वचालित रूप से एक बेहतर विश्लेषक का उत्पादन नहीं करता। कीमत और विलंबता भी मायने रखती है: आधा मिलियन टोकन को प्रोसेस करना तकनीकी रूप से संभव हो सकता है जबकि रूटीन कार्य के लिए यह अर्थव्यवस्था के अनुसार व्यवहार्य नहीं या धीमा हो। फिर भी, एक्सेस में बदलाव ठोस है। Solar Pro 4 OpenRouter उपयोगकर्ताओं को दस्तावेज़ों, ऑफिस कार्य, कोडिंग और एजेंटों के लिए एक और लंबे-संदर्भ विकल्प देता है। मुख्य बात आधा मिलियन टोकन अभी उपलब्ध है; अनुत्तरित सवाल यह है कि क्या मॉडल उस क्षमता का उपयोग भरने को उचित ठहराने के लिए पर्याप्त अच्छा करता है।
NOVA: Meta ने Muse Glimmer जारी किया, एक 30-अरब-पैरामीटर खुला मॉडल जो हमेशा-चालू स्थानीय एजेंट कार्य के लिए तैयार है, इसमें यह प्रभावशाली दावा है कि यह एक एकल RTX 3090 पर चलता है। वह GPU इतना पुराना है कि वह कई डेवलपर डेस्कटॉप में पड़ा हो सकता है, जो इस दावे को किसी दुर्लभ डेटा-सेंटर एक्सेलेरेटर पर प्रदर्शन से अधिक दिलचस्प बनाता है। Hugging Face लिस्टिंग में Glimmer को इमेज-और-टेक्स्ट-टू-टेक्स्ट बातचीत मॉडल के रूप में वर्णित किया गया है, Apache 2.0 लाइसेंस की पहचान की गई है, और Safetensors वेट प्रदान किए गए हैं। इसमें मूल्यांकन परिणाम भी शामिल हैं और मॉडल को होस्टेड एंडपॉइंट के साथ संगत बताया गया है, इसलिए स्थानीय उपयोग केंद्रीय है बिना एकमात्र परिनियोजन मार्ग के।
[ALLOY]: ठीक है, एक कंज्यूमर कार्ड जो 30-बिलियन-पैरामीटर मल्टीमॉडल मॉडल चलाता है, यह मुझे चौंकाता है। लोकल इंफरेंस गोपनीयता और अर्थशास्त्र दोनों को एक साथ बदल देता है। एक बैकग्राउंड असिस्टेंट इमेज, निर्देशों और इंटरमीडिएट रिजल्ट्स को प्रोसेस कर सकता है बिना हर इंटरैक्शन को होस्टेड प्रोवाइडर को भेजे। जो व्यक्ति पहले से कार्ड रखता है, वह मीटर्ड टोकन के बजाय पावर और हार्डवेयर की घिसाव के लिए भुगतान करता है। यह सोलो डेवलपर, छोटे स्टूडियो, या घरेलू सेटअप के लिए पर्सिस्टेंट लोकल वर्क को संभव बना सकता है, जो कभी रिकरिंग क्लाउड-GPU बिल को जस्टिफाई नहीं कर सकते। क्योंकि यह मल्टीमॉडल है, मॉडल प्राइवेट इमेज समझ, मीडिया ऑर्गनाइजेशन, या डेस्कटॉप असिस्टेंट का समर्थन कर सकता है जो विजुअल मैटेरियल पर चर्चा करता है।
NOVA: ग्राफ़िक्स कार्ड के आकार की एक चेतावनी है। "चलता है" से गति, संख्यात्मक सटीकता, मेमोरी सेटिंग्स, संदर्भ क्षमता, या एप्लिकेशन ओवरहेड के लिए जगह स्थापित नहीं होती है। एक मॉडल
[ALLOY]: हमने अभी बात की थी कि मॉडल बड़े दस्तावेज़ संग्रह कैसे रखते हैं। Blender MCP एक अलग रास्ता अपनाता है: मॉडल को ज्यादा टेक्स्ट देने के बजाय, यह मॉडल को एक विज़ुअल एप्लिकेशन के अंदर हाथ देता है।
NOVA: ओपन-सोर्स blender-mcp प्रोजेक्ट Model Context Protocol या MCP के ज़रिए Claude को Blender से जोड़ता है—यह एक स्टैंडर्ड है जो AI सिस्टम को स्ट्रक्चर्ड मैसेज के ज़रिए बाहरी टूल कॉल करने देता है। कोई व्यक्ति एक सीन का वर्णन करता है, और ब्रिज उन निर्देशों को Blender ऑपरेशन में बदल देता है जैसे ज्योमेट्री बनाना, मैटेरियल असाइन करना, ऑब्जेक्ट पोज़िशन करना, या सीन असेंबल करना। रिपॉज़िटरी में लगभग 25,700 स्टार्स हैं, जो 3D काम को मेन्यू और मैनुअल स्क्रिप्टिंग से कन्वर्सेशनल कंट्रोल की तरफ ले जाने में रुचि का एक मज़बूत सबूत है। इससे भी ज़्यादा अहम, Blender एक एडिटेबल प्रोजेक्ट पर ऑपरेशन परफॉर्म करता है। नतीजा एक फ्लैट जेनरेटेड पिक्चर नहीं है; इसके ऑब्जेक्ट, लाइट्स, मैटेरियल और कैमरा एडजस्टेबल रहते हैं।
[ALLOY]: और 3D एक बेहद ईमानदार परखक्षेत्र है। अगर मॉडल किसी ऑब्जेक्ट को गलत जगह रखता है या लाइटिंग को गलत समझता है, तो गलती दिखती है। प्रॉम्प्ट-ड्रिवन रफ ड्राफ्ट अभी भी काम के हो सकते हैं। एक कलाकार ब्लॉकआउट से शुरू कर सकता है, फिर प्रीसिज़न के लिए Blender के सामान्य टूल्स का उपयोग कर सकता है। एक गेम डेवलपर इनिशियल प्रॉप अरेंजमेंट का वर्णन कर सकता है; एक मोशन डिज़ाइनर बेसिक ज्योमेट्री और कैमरा प्लेसमेंट के लिए पूछ सकता है। डेवलपर्स को MCP का एक जीवंत उदाहरण भी मिलता है जो फाइल्स और वेब सर्विसेज़ से आगे स्टेटफुल क्रिएटिव सॉफ्टवेयर तक पहुंच रहा है जहां एक ऑपरेशन अगले को प्रभावित करता है।
NOVA: मैं उत्साह को प्रोजेक्ट की परिपक्वता से जोड़कर रखूंगा। रिपॉज़िटरी में हाल ही में नौ अगस्त का पुश था लेकिन दिए गए सोर्स में कोई टैग्ड रिलीज़ नहीं थी, इसलिए स्टेबल वर्ज़न्ड पैकेज नहीं है जिसे फिनिश्ड माना जा सके। कॉम्प्लेक्स सीन यह बताएंगे कि ब्रिज ऑपरेशन को भरोसेमंद तरीके से ऑर्डर कर सकती है या नहीं और जब Blender की स्टेट मॉडल की उम्मीद से अलग हो तो रिकवर कर सकती है या नहीं। अभी के लिए, उपलब्धि स्पष्ट है: Claude Blender को स्ट्रक्चर्ड एक्शन जारी कर सकता है, और आउटपुट एडिटेबल रहता है। यह विज़ुअल पार्टी ट्रिक से ज़्यादा है, भले ही यह अनुभवी कलाकार की जगह प्रोडक्शन-ग्रेड सब्स्टीट्यूट नहीं है।
NOVA: OpenAI की चीफ फाइनेंशियल ऑफिसर Sarah Friar ने AI-नेटिव फाइनेंस फंक्शन बनाने से जुड़े पांच सबक प्रकाशित किए हैं। हाइलाइट किए गए क्षेत्रों में ऑटोमेटेड फोरकास्टिंग, मज़बूत फाइनेंशियल कंट्रोल, और AI निवेश पर रिटर्न मापना शामिल हैं। यह एक प्रैक्टिशनर अकाउंट है, नई मॉडल या प्रोडक्ट नहीं। OpenAI अपने फाइनेंस ऑर्गनाइज़ेशन को वर्क्ड एग्ज़ाम्पल के तौर पर उपयोग कर रहा है और तर्क दे रहा है कि फाइनेंस लीडर्स को उसी टेक्नोलॉजी को अपने ऑपरेशन्स पर लागू करना चाहिए जिसका वे मूल्यांकन कर रहे हैं। यह फाइनेंस टीम को एक साथ दो भूमिकाओं में रखता है: यह AI पर खर्च को गवर्न करती है जबकि उन सिस्टम्स की भी यूज़र बनती है जिनका मूल्य उसे मापना है।
[ALLOY]: यह तर्क थोड़ा सेल्फ-सर्विंग है और फिर भी समझदारी भरा। फाइनेंस लीडर्स AI स्पेंडिंग को अप्रूव करते हैं, फिर उन्हें बताना होता है कि इसने मापनीय मूल्य दिया या नहीं। फोरकास्टिंग और कंट्रोल में AI का उपयोग करने से उन्हें फायदों और गड़बड़ियों दोनों का सीधा अनुभव मिलता है। मुझे तेज़ फोरकास्ट से ज़्यादा मज़बूत कंट्रोल में दिलचस्पी है। फाइनेंशियल वर्क को ओनरशिप, ट्रेसबिलिटी और रिव्यू की ज़रूरत होती है जब जेनरेटेड एनालिसिस बजट, निवेश या पब्लिक स्टेटमेंट को प्रभावित करता है। अगर ऑटोमेशन समय बचाता है लेकिन असुम्पशन की जांच को मुश्किल बनाता है, तो टीम ने ज़रूरी तौर पर फंक्शन में सुधार नहीं किया है। उसने अनसर्टेंटी को शायद सिर्फ कम दिखने वाली जगह पर शिफ्ट कर दिया है।
NOVA: फेयर है, लेकिन OpenAI एक असामान्य स्थिति से काम करता है। वे मॉडल बनाते हैं, इंटरनल स्पेशलिस्ट्स का उपयोग कर सकते हैं, और जिस स्केल पर काम करते हैं वह ज़्यादातर फाइनेंस टीम्स के बस की बात नहीं है। अपने ऑपरेशन से पांच सबक दूसरी जगहों पर स्वचालित रूप से ट्रांसफर नहीं होते—चाहे वह मैन्युफैक्चरर हो, रीजनल बैंक हो, या छोटी सॉफ्टवेयर कंपनी हो। पोस्ट मैनेजमेंट एक्सपीरियंस देती है कम्पैरेटिव एविडेंस नहीं, और इसमें कोई नया फाइनेंस टूल शिप नहीं होता। इसका उपयोगी योगदान AI एडॉप्शन को एक ऑपरेटिंग चेंज के तौर पर देखना है जिसे फाइनेंस को मापना और गवर्न करना है, खर्च लाइन में दूसरे सब्सक्रिप्शन की तरह नहीं। यह Model ML डिप्लॉयमेंट की बुनियाद रखता है: Friar फंक्शन को रीऑर्गनाइज़ करने का वर्णन करती हैं, जबकि Model ML दिखाता है कि AI-असिस्टेड फाइनेंस आर्टिफैक्ट कैसा दिख सकता है।
[ALLOY]: Armenia Firebird द्वारा कहे जा रहे CIS क्षेत्र के सबसे बड़े AI फैक्ट्री की मेज़बानी कर रहा है। "AI फैक्ट्री" डेटा-सेंटर मार्केटिंग की तरह बेहतर लाइटिंग के साथ लग सकती है, तो वास्तव में क्या खुला?
NOVA: Firebird, एक उभरता हुआ AI क्लाउड प्रदाता, ने आर्मेनिया में 8 अगस्त को यह सुविधा लॉन्च की, जिसमें आर्मेनियाई प्रधानमंत्री निकोल पशिनियन ने उद्घाटन का समर्थन करने वाले अधिकारियों में शामिल थे। यह स्थल Nvidia त्वरित कंप्यूटिंग और Dell हाई-परफॉर्मेंस AI इन्फ्रास्ट्रक्चर को जोड़ती है। इसे AI फैक्ट्री कहना घने GPU क्षमता का संकेत है जो मॉडल ट्रेनिंग और इन्फरेंस के लिए है, पारंपरिक वेब होस्टिंग के बजाय। Firebird का यह दावा कि यह क्षेत्र का सबसे बड़ा है, आपूर्ति की गई सामग्री से स्वतंत्र रूप से स्थापित नहीं है। ठोस बात यह है कि उद्घाटन हुआ, इसका आर्मेनियाई स्थान, सरकार की उपस्थिति, और Nvidia-और-Dell इन्फ्रास्ट्रक्चर संयोजन।
[ALLOY]: उस चेतावनी के बावजूद, पास का कंप्यूट स्थानीय कंपनियों, विश्वविद्यालयों और सार्वजनिक संस्थानों के लिए मायने रख सकता है। आर्मेनिया को AI वर्कलोड होस्ट करने का मौका मिलता है बजाय हर यूनिट क्षमता बड़े विदेशी क्लाउड से खरीदने के। यह तकनीकी भर्ती और निवेश के लिए केंद्र बिंदु भी बन सकता है। मुझे उस संभावना से उत्साह है, लेकिन पहुंच ही तय करती है कि सुविधा स्टार्टअप्स की मदद करती है या ज्यादातर सरकारों और बड़े उद्यमों की सेवा करती है। मूल्य निर्धारण, उपलब्ध क्षमता, ग्राहक स्तर और ऑनबोर्डिंग से पता चलेगा कि छोटी कंपनी सार्थक GPU समय किराए पर ले सकती है या नहीं।
NOVA: बिल्कुल। एक बड़ा क्लस्टर खोलना स्वचालित रूप से शोधकर्ताओं, सॉफ्टवेयर कंपनियों और कुशल ऑपरेटरों का एक आसपास का पारिस्थितिकी तंत्र नहीं बनाता। कंप्यूट एक आवश्यक इनपुट है, तत्काल उद्योग नहीं। Firebird ने आर्मेनिया को उद्देश्य-निर्मित AI इन्फ्रास्ट्रक्चर और इतना बड़ा क्षेत्रीय दावा दिया है जो ध्यान आकर्षित करे। इसका स्थायी प्रभाव इस बात पर निर्भर करता है कि किसे पहुंच मिलती है, वे क्या वहन कर सकते हैं, और क्या क्षेत्र के संगठन प्रशिक्षण और इन्फरेंस कार्य इस सुविधा पर स्थानांतरित करते हैं।
NOVA: OpenAI ने GPT-5.6-Cyber को अपने Daybreak Red में डाला है, उन्नत साइबर सुरक्षा कार्य के लिए इसकी गेटेड प्रोग्राम। OpenAI अधिकृत भेद्यता अनुसंधान, एक्सप्लॉइट वैधीकरण और सुरक्षा परीक्षण को इच्छित उपयोग बताता है। यह एक सामान्य कोडिंग सहायक या सार्वजनिक सेल्फ-सर्व एंडपॉइंट नहीं है। शोधकर्ताओं को Daybreak Red के माध्यम से पहुंच की आवश्यकता है, और जिन प्रणालियों की वे जांच करते हैं वे प्राधिकरण द्वारा कवर होने चाहिए। यह संकीर्ण पहुंच मार्ग उत्पाद का हिस्सा है, फुटनोट नहीं। यह क्षमता को अनियंत्रित उपयोग को नियंत्रित करने के लिए केवल नीति भाषा पर निर्भर रहने के बजाय अनुमोदित जनसंख्या के साथ जोड़ती है।
[ALLOY]: इसे गेटेड होना चाहिए, क्योंकि वही क्षमता रक्षक की मदद कर सकती है किसी दोष को सत्यापित करने में या हमलावर को इसे हथियार बनाने में। OpenAI रिलीज को साइबर-रक्षा विंडो के सिकुड़ने के इर्दगिर्द फ्रेम करता है—भेद्यता के ज्ञात होने और किसी के इसे हमले में बदलने के बीच का अंतराल। एक विशेष मॉडल रक्षकों को दोषों को जल्दी से खोजने, पुनः प्रस्तुत करने और ट्रायज करने में मदद कर सकता है। लेकिन कितनी जल्दी? OpenAI ने यहां बेंचमार्क आपूर्ति नहीं किए हैं, इसलिए पिछले मॉडलों या विशेषज्ञ मानव टीमों के साथ कोई स्थापित तुलना नहीं है। घोषणा इच्छित कार्यों और पहुंच मॉडल का समर्थन करती है, यह दावा नहीं कि मॉडल हर मौजूदा सुरक्षा उपकरण से बेहतर प्रदर्शन करता है।
NOVA: न ही इसमें विस्तृत क्षमता सूची या चेंजलॉग शामिल है। स्वायत्त शोषण, व्यापक उपकरण संगतता, या श्रेष्ठ प्रदर्शन के बारे में दावे स्रोत से आगे बढ़ जाएंगे। साइबर मॉडल नाम व्यक्तियों को उनके बारे में अपना खुद का थ्रिलर लिखने के लिए प्रेरित करते हैं। प्रकाशित तथ्य अधिक उपयोगी हैं: GPT-5.6-Cyber मौजूद है, Daybreak Red पहुंच को नियंत्रित करता है, और OpenAI इसे अधिकृत भेद्यता अनुसंधान, एक्सप्लॉइट वैधीकरण और सुरक्षा परीक्षण के लिए मानता है।
[ALLOY]: और यह Daybreak पार्टनर मूव को सेटअप करता है जो जल्द आ रहा है। Daybreak Red अनुमोदित शोधकर्ताओं को पहुंच देता है, जबकि सत्यापित पार्टनर ग्राहकों को शासित साइबर सेवाएं दे सकते हैं। OpenAI प्राधिकरण हटाए बिना वितरण का विस्तार कर रहा है। यह प्रोत्साहित करने वाला है, लेकिन जवाबदेही स्पष्ट रहनी चाहिए जब एक मॉडल प्रदाता, सुरक्षा फर्म, ग्राहक और प्रभावित प्रणाली सभी एक ही श्रृंखला में हों। "किसने इस कार्रवाई को मंजूरी दी?" किसी चीज के टूटने के बाद पुरातत्व प्रश्न नहीं बन सकता।
NOVA: SHE नामक एक नया शोध एक एजेंट की सुरक्षा रैपर को विफलताओं के बाद बदलने देता है पहले की तरह लॉन्च पर जमे रहने के बजाय। यह चार भागों को अलग से प्रबंधित करता है: सिस्टम निर्देश, नियम, सुरक्षा मेमोरी और टूल अनुमतियां। एजेंट रन के दौरान, SHE एक विफलता का निरीक्षण करता है, निदान करता है कि किस भाग ने इसे अनुमति दी, और उस भाग को संशोधित करता है। सामान्य शब्दों में, यह हर घटना के बाद सब कुछ फिर से लिखने के बजाय नज़दीकी-चूक को केंद्रित नीति परिवर्तनों में बदल देता है। यह पृथक्करण मायने रखता है क्योंकि गलत टूल अनुमति के लिए अलग सुधार की आवश्यकता होती है खोए हुए निर्देश या भुलाए गए सुरक्षा पाठ की तुलना में।
[ALLOY]: यह आकर्षक है, लेकिन "स्व-विकसित सुरक्षा" पर संदेह की जरूरत है। शोधकर्ता बताते हैं कि Agent-SafetyBench पर एक निश्चित आधार रेखा के विरुद्ध सफल हमलों में तीन गुना से अधिक की कमी हुई। वे यह भी कहते हैं कि सीखा गया सुरक्षा कवच AgentHarm पर भी बरकरार रहा, जो अदृश्य जोखिमों का एक अलग सेट है, और बिना किसी अतिरिक्त प्रशिक्षण के अंतर्निहित मॉडल में स्थानांतरित हुआ। ये शोध परिणाम हैं, क्षेत्रीय तैनाती नहीं। गलत निदान अभी भी गलत सीमा को संशोधित कर सकता है। ठोस प्रगति अधिक संकीर्ण है: निर्देशों, नियमों, स्मृति और अनुमतियों को अलग करने से सिस्टम को देखे गए विफलताओं पर प्रतिक्रिया करने के लिए अलग-अलग स्थान मिले, दो मूल्यांकनों में रिपोर्ट किए गए लाभों के साथ।
[ALLOY]: यह एक अद्भुत रूप से मानव-जैसी समस्या है: कठिन सवालों पर, एक मॉडल जो अपने पहले कदम से ही आश्वस्त लगता है, वह उस मॉडल से कम विश्वसनीय हो सकता है जो अनिश्चित शुरू होता है। शोधकर्ताओं ने पाया कि आत्मविश्वास-आधारित उत्तर चयन zusammenbrechen हो सकता है जब कई प्रयासों को समान रूप से उच्च आत्मविश्वास प्राप्त हो, जिसमें गलत उत्तर भी शामिल है। एक सामान्य दृष्टिकोण कई उत्तर उत्पन्न करता है और उस एक को चुनता है जिसे मॉडल सबसे आश्वस्त रूप से रेट करता है, बिना किसी अलग जज का उपयोग किए। कठिन सवालों पर, वे रेटिंग समतल हो सकती हैं और वास्तविक तर्क को शुरुआती प्रतिबद्धता से अलग करना बंद कर सकती हैं।
NOVA: उनका ढांचा, जिसे consilience कहा जाता है, तर्क प्रयास के दौरान आत्मविश्वास कैसे बदलता है, यह देखता है। यह उस उत्तर को प्राथमिकता देता है जो अनिश्चित शुरू होता है, खोज करता है, और फिर मिलता है। एक श्रृंखला जो आश्वस्त रूप से सपाट रहती है, उसे अधिक संदेह मिलता है क्योंकि मॉडल ने बहुत जल्दी प्रतिबद्ध हो जाने की संभावना है। यह उस उत्तर को चुनने से अलग है जो सबसे उच्च आत्मविश्वास स्कोर रखता है। मैं इस अंतर्ज्ञान को एक चेतावनी के साथ स्वीकार करता हूं: दिखाई देने वाला संकोच स्वचालित रूप से बेहतर तर्क नहीं है। शोध दावा अधिक संकीर्ण है। अध्ययन की गई कठिन समस्याओं पर, आत्मविश्वास का मार्ग अंतिम मान द्वारा छोड़ी गई जानकारी प्रकट करता है। अंत में एक संख्या यह नहीं बताती कि मॉडल वहां कैसे पहुंचा।
NOVA: Model ML GPT-5.6 Sol का उपयोग कर रहा है वित्तीय शोध और विश्लेषण को संपादन योग्य PowerPoint डेक और Excel वर्कबुक तक ले जाने के लिए। महत्वपूर्ण शब्द संपादन योग्य है। सिस्टम एक गद्य उत्तर या स्थिर रिपोर्ट पर नहीं रुकता; यह फाइलें उत्पन्न करता है जिन्हें विश्लेषक जांच सकते हैं, संशोधित कर सकते हैं और अपने सामान्य कार्य में उपयोग कर सकते हैं। Model ML उन आउटपुट में ट्रेसिबिलिटी भी बनाता है ताकि दावे समर्थन स्रोतों की ओर इंगित कर सकें। यह एक चैट विंडो में एक संभावित अनुच्छेद प्रकट होने से अधिक मांग वाला है। वर्कफ़्लो को वित्त टीमों द्वारा पहले से उपयोग की जाने वाली संरचनाओं में शोध को व्यवस्थित करना होता है, साथ ही संख्याओं और दावों के पीछे की सामग्री तक एक रास्ता संरक्षित रखना होता है।
[ALLOY]: बिल्कुल। एक विश्लेषक को एक सुंदर अनुच्छेद के लिए श्रेय नहीं मिलता अगर परिणाम को छह बजे तक एक वर्कबुक बनाना हो। संपादन योग्य सेल और स्लाइड परिचित समीक्षा सतह को संरक्षित करते हैं, जबकि ट्रेसेबल सपोर्ट एक सहकर्मी, अनुपालन टीम या निर्णयकर्ता को एक धारणा को चुनौती देने देता है। कलाकृति एक बैठक में प्रवेश कर सकती है, बजाय कच्चे माल के जिसे पहले पुनर्निर्माण करना हो।
NOVA: ट्रेसिबिलिटी महत्वपूर्ण है क्योंकि जेनरेट किए गए कार्यालय दस्तावेज़ झूठा अधिकार हासिल कर सकते हैं। एक चिकनी चार्ट अंतिम दिखाई दे सकती है, भले ही यह किसी कमजोर स्रोत या दोषपूर्ण परिवर्तन पर आधारित हो। Model ML के वर्णित दृष्टिकोण से आउटपुट समर्थन सामग्री से जुड़ा रहता है, हालांकि OpenAI की सुविधा तुलनात्मक सटीकता या मापी गई समय बचत प्रदान नहीं करती। यह वर्कफ़्लो के दायरे को दिखाने वाला एक नामित तैनाती है, यह प्रमाण नहीं कि हर जेनरेट की गई वर्कबुक सही है। संपादन योग्य आउटपुट स्वस्थ सूत्रों या पूर्ण उद्धरणों की गारंटी नहीं देता। यह उस प्रारूप को प्रदान करता है जिसमें उन चीजों की जांच की जा सकती है, न कि चैट प्रतिक्रिया के पीछे छिपाई जा सकती हैं।
[ALLOY]: और यह Friar के AI-नेटिव वित्त तर्क को एक ठोस गंतव्य देता है। शोध तब अधिक उपयोगी होता है जब मॉडल उन वस्तुओं को लौटाता है जिनके साथ वित्त पहले से काम करता है। अगर यह फैलता है, तो मॉडल केवल विश्लेषकों के प्रश्नों के उत्तर नहीं देंगे; वे समीक्षा योग्य वर्कबुक और प्रस्तुतियां उत्पन्न करने में मदद करेंगे। सबसे मजबूत हिस्सा स्वायत्त वित्त नहीं है। यह जेनरेट किए गए विश्लेषण और एक बचाव योग्य कार्य उत्पाद के बीच की दूरी को कम करना है।
NOVA: OpenAI ने टेक्सास के गवर्नर ग्रेग एबॉट को दस अगस्त का एक पत्र भेजा जिसमें उसने राज्य में जिम्मेदार AI बुनियादी ढांचे की वृद्धि का वर्णन किया है। कंपनी का कहना है कि यह वृद्धि विश्वसनीय, पारदर्शी और टेक्सासवासियों के लिए लाभकारी होनी चाहिए। यह एक सार्वजनिक बयान है, बाध्यकारी निर्माण योजना, परमिट, या नया नियामक समझौता नहीं है। यह पत्र उन राज्य और स्थानीय अनुमोदन प्रक्रियाओं को नहीं बदलता जिन्हें व्यक्तिगत स्थलों को पार करना होगा। न ही यह बिजली, पानी, भूमि, रोजगार, या बुनियादी ढांचे के खर्च के लिए परियोजना-स्तर के आंकड़े प्रदान करता है।
[ALLOY]: तो एक गैर-बाध्यकारी पत्र क्यों मायने रखता है? क्योंकि यह समुदायों और नीति निर्माताओं को भाषा देता है जिसकी तुलना वे बाद की परियोजनाओं से कर सकते हैं। बड़ी AI सुविधाएं बिजली की मांग, पानी, भूमि, निर्माण, स्थानीय रोजगार और सहायक बुनियादी ढांचे के विस्तार की लागत को प्रभावित कर सकती हैं। "जिम्मेदार" तभी सार्थक होता है जब विशिष्ट स्थल मापनीय प्रभावों और प्रतिबद्धताओं का खुलासा करते हैं। पत्र उन विवरणों को प्रदान नहीं करता, लेकिन यह एक सार्वजनिक बेसलाइन बनाता है जिसके बारे में OpenAI से जब वास्तविक प्रस्ताव आएंगे तो पूछा जा सकता है। Firebird की Armenia घोषणा में दूसरे कोण से भी यही अनसुलझा सवाल था: हार्डवेयर ठोस है, जबकि क्षेत्रीय लाभ एक्सेस, शर्तों और स्थानीय परिणामों पर निर्भर करता है। एक वादा बुनियादी ढांचे की नीति नहीं है, लेकिन यह संदर्भ बिंदु बन सकता है जब परमिट और स्थल अमूर्त प्रतिबद्धताओं को स्थानीय निर्णयों में बदलते हैं।
[ALLOY]: यह GPT-5.6-Cyber से एक्सेस सवाल का कुछ हिस्सा बताता है। OpenAI अधिकृत Daybreak पार्टनर्स को ग्राहकों के लिए अधिकृत, शासित सेवाओं में frontier cybersecurity मॉडल का उपयोग करने की अनुमति दे रहा है। सार्वजनिक endpoint खोलने के बजायcapability को partners के माध्यम से क्यों रूट करें?
NOVA: शासन और जवाबदेही। अधिकृत सुरक्षा प्रदाता मॉडल को ग्राहक प्राधिकरण, ऑपरेटिंग कंट्रोल और जिम्मेदार संगठन के साथ सेवाओं में wrap कर सकते हैं। ग्राहक अप्रतिबंधित raw model एक्सेस के बजाय managed सुरक्षा कार्य प्राप्त करते हैं। OpenAI अपने cyber मॉडल की पहुंच बढ़ा सकता है जबकि उन पर एक वेटिंग लेयर बनाए रखता है कि उनका उपयोग कौन करता है और क्यों। यह उन enterprise खरीदारों के अनुकूल है जो पहले से ही विशेषज्ञ प्रदाताओं से defensive testing या सुरक्षा ऑपरेशन खरीदते हैं। यह partner को मॉडल क्षमता को मानव निर्णय, engagement सीमाओं, रिपोर्टिंग और मौजूदा ग्राहक संबंध के साथ जोड़ने की भी अनुमति देता है।
[ALLOY]: मैं समझ सकता हूं कि खरीदार engagement का मालिकाना रखने वाले provider को क्यों पसंद करेंगे, लेकिन "शासित" को अभी भी सारवाद की जरूरत है। घोषणा पहले partner cohort का नाम नहीं बताती, कीमतों का खुलासा नहीं करती, हर उपलब्ध मॉडल की पहचान नहीं करती, या पूर्ण control पैकेज का वर्णन नहीं करती। कार्यक्रम एक वितरण डिज़ाइन स्थापित करता है; यह हर सेवा का सार्वजनिक ऑडिट नहीं है। अब भरोसा आंशिक रूप से इस पर है कि OpenAI partners को कैसे चुनता है और वे partners authorization, oversight और model-driven कार्यों को कैसे document करते हैं। तो हां, यह एक समझदार मध्यम रास्ता है—लेकिन wrapper को दिखाई देने की जरूरत है।
NOVA: Pokee AI ने Pokee-Isaac 28B जारी किया है, जो एक टेक्स्ट-ओनली फाउंडेशन मॉडल है जिसमें दस-मिलियन-टोकन context window का दावा किया गया है। यह वर्चुअल प्राइवेट क्लाउड, ऑन-प्रिमाइसेस इन्फ्रास्ट्रक्चर, या ऑन-डिवाइस डिप्लॉयमेंट के माध्यम से ग्राहक की सीमा के भीतर चलने के लिए डिज़ाइन किया गया है। वेट्स सार्वजनिक नहीं हैं; Pokee उन वातावरणों में मॉडल को लाइसेंस करता है। यह Glimmer जैसे ओपन-वेट लोकल रिलीज़ से अलग है। ग्राहकों को डेटा-लोकेशन कंट्रोल मिलता है, लेकिन वेट्स का अप्रतिबंधित कब्जा नहीं। Pokee पंद्रह सेंट प्रति मिलियन इनपुट टोकन और एक डॉलर प्रति मिलियन आउटपुट टोकन पर मूल्य निर्धारण सूचीबद्ध करता है।
[ALLOY]: दस मिलियन टोकन बेतहाशा बड़े हैं—लगभग Solar Pro 4 की सूचीबद्ध विंडो से बीस गुना। Isaac उस स्पैन को स्वीकार करता है या उसका उपयोग करता है, इसके लिए Pokee क्या सबूत देता है?
NOVA: Pokee दस मिलियन टोकन पर RULER में 93.3 प्रतिशत रिपोर्ट करता है, जबकि उसके तुलना पैनल में हर बेसलाइन दो मिलियन से आगे शून्य स्कोर करती है। RULER जांचता है कि मॉडल लंबे इनपुट में जानकारी को पुनः प्राप्त और तर्क कर सकते हैं या नहीं। Pokee टूल-यूज़ बेंचमार्क के चौथे संस्करण पर 70.94 और Terminal-Bench 2.1 पर दूसरा स्थान भी रिपोर्ट करता है, जो टर्मिनल टास्क करने वाले agents को मापता है। एक Nvidia B200 पर, कंपनी फुल कॉन्टेक्स्ट पर 137,200 टोकन प्रति सेकंड इनपुट प्रोसेसिंग और लगभग 335 टोकन प्रति सेकंड आउटपुट जेनरेशन का दावा करती है। वे आंकड़े सीधे Pokee से आते हैं, इसलिए मैं उन्हें दावों के रूप में मान रहा हूं जब तक बाहरी टीमें उन्हें reproduce नहीं करती हैं।
[ALLOY]: उस लेबल के बावजूद, Pokee ने असामान्य रूप से विशिष्ट परिणाम, डिप्लॉयमेंट विकल्प और मूल्य निर्धारण प्रदान किया है। यह पैकेज उन संगठनों को लक्षित करता है जिनके पास विशाल निजी रिपॉजिटरी, रिकॉर्ड या इतिहास हैं जिसे वे साझा सार्वजनिक सेवा में नहीं भेजना चाहते। दस मिलियन टोकन कुछ रिट्रीवल और कम्प्रेशन को कम कर सकते हैं, हालांकि कच्चा कॉन्टेक्स्ट यह साबित नहीं करता कि हर दूर की डिटेल सही तरीके से उपयोग की जाएगी। और "ग्राहक की सीमा के अंदर" का मतलब ओपन वेट्स नहीं है; नियंत्रण और वेंडर निर्भरता के लिए यह अंतर मायने रखता है। जो शिप हुआ वह एक लाइसेंस्ड 28-बिलियन-पैरामीटर मॉडल है जिसमें विशाल दावा किया गया विंडो और ठोस वेंडर बेंचमार्क हैं—यह स्वतंत्र प्रमाण नहीं है कि लॉन्ग-कॉन्टेक्स्ट इन्फ्रास्ट्रक्चर वैकल्पिक हो गया है।
[ALLOY]: MiniMax-H3 का उपयोग एक प्रोग्रामेबल पाइपलाइन में किया जा रहा है जो वीडियो और ऑडियो एक साथ जेनरेट करती है, जिसमें ComfyUI एक हेडलेस बैकएंड के रूप में काम करता है। हेडलेस का मतलब बस इतना है कि ComfyUI किसी अन्य एप्लिकेशन के पीछे चलता है, किसी को उसके विज़ुअल इंटरफ़ेस से गुज़रने की ज़रूरत नहीं है। तो जब विज़ुअल वर्कफ़्लो एक API बन जाता है तो क्या बदलता है?
NOVA: सॉफ़्टवेयर जेनरेशन ग्राफ़ को डायनामिकली कंस्ट्रक्ट और सबमिट कर सकता है। ComfyUI आमतौर पर जेनरेशन को कनेक्टेड नोड्स के रूप में दर्शाता है, जिसमें प्रत्येक नोड मीडिया प्रोसेस का एक हिस्सा करता है। इम्प्लीमेंटेशन उपलब्ध हार्डवेयर की जाँच से लेकर मॉडल वेट्स प्राप्त करने, उस ग्राफ़ को असेम्बल करने और परिणामी वीडियो और ऑडियो को डिकोड करने तक के ऑटोमेटेड पाथ को कवर करता है। यह वर्कफ़्लो को केवल किसी कलाकार के वर्कस्टेशन पर ही नहीं, बल्कि किसी सर्विस, बैच प्रोसेस या बड़े मीडिया एप्लिकेशन के अंदर उपयोग करने योग्य बनाता है। कोई अन्य एप्लिकेशन जेनरेशन जॉब का अनुरोध कर सकता है, उसकी निगरानी कर सकता है और दोनों मीडिया स्ट्रीम प्राप्त कर सकता है, बिना अंतिम उपयोगकर्ता को ComfyUI का कैनवास दिखाए। एक प्रोडक्शन इंटरफ़ेस, इंटरनल मीडिया टूल या ऑटोमेटेड कंटेंट सिस्टम इसलिए विज़ुअल वर्कफ़्लो को बैकएंड क्षमता के रूप में मान सकता है।
[ALLOY]: संयुक्त आउटपुट मायने रखता है क्योंकि अलग-अलग जेनरेट की गई साउंड और वीडियो टाइमिंग और इरादे में बह सकती हैं। एक समन्वित पाइपलाइन आसपास के एप्लिकेशन को प्रबंधित करने के लिए एक वर्कफ़्लो और डिकोड करने के लिए एक परिणाम देती है। ठीक है, यह ComfyUI के सामने बस एक बटन लगाने से कहीं अधिक दिलचस्प है। यह एक ग्राफ़ को जो एक व्यक्तिगत कलाकार मैन्युअली चला सकता है, उसे कुछ ऐसा बनाता है जिसे अन्य सॉफ़्टवेयर बार-बार इनवोक कर सकता है। फिर भी, स्रोत एक इम्प्लीमेंटेशन गाइड है—यूनिवर्सल हार्डवेयर सपोर्ट, प्रोडक्शन रिलायबिलिटी, या प्रतिस्पर्धी सिस्टम से बेहतर आउटपुट का प्रमाण नहीं। यह MiniMax-H3 को ComfyUI के API के माध्यम से चलाने और दोनों मीडिया स्ट्रीम वापस करने का एक ठोस रास्ता दिखाता है। उपलब्धि प्रोग्रामेबिलिटी और इंटीग्रेशन है, क्वालिटी पर अंतिम राय नहीं।
NOVA: तीन रिपॉजिटरीज़ दिखाती हैं कि MCP टूलिंग असली इन्फ्रास्ट्रक्चर में अलग हो रही है। HKUDS स्लैश nanobot 46,839 स्टार्स के साथ अगुआई करता है और जुलाई में 0.3 रिलीज़ किया, उसके बाद अगस्त में एक और अपडेट। यह एक हल्का, सेल्फ-होस्टेड Python एजेंट फ्रेमवर्क है जिसमें वेब इंटरफ़ेस, टूल्स, मेमोरी, ऑटोमेशन, मल्टी-एजेंट वर्कफ़्लो, चैट इंटीग्रेशन और MCP सपोर्ट है। DeusData स्लैश codebase-memory-mcp ने अगस्त में 0.10 रिलीज़ किया और एजेंट्स को हर सवाल पर रिपॉजिटरी फिर से पढ़ने के बजाय कोड पर एक पर्सिस्टेंट नॉलेज ग्राफ़ देता है।
[ALLOY]: ये दोनों एक साथ फिट बैठते हैं: nanobot एजेंट चला सकता है, जबकि DeusData स्लैश codebase-memory-mcp उसका डurable मैप आपूर्ति कर सकता है। बाद वाले के 38,499 स्टार्स हैं और 158 भाषाओं, सब-मिलीसेकंड क्वेरी, औसत रिपॉजिटरी के लिए मिलीसेकंड-स्केल इंडेक्सिंग और 99 प्रतिशत कम टोकन उपयोग का दावा है। ये आंकड़े प्रोजेक्ट से आए हैं। PrefectHQ स्लैश FastMCP एक और लेयर संभालता है जो Python में MCP सर्वर और क्लाइंट बनाना आसान बनाता है; इसके 27,171 स्टार्स हैं और अगस्त में 3.4 रिलीज़ किया।
NOVA: श्रम-विभाजन अच्छा है। Nanobot ब्रॉड एजेंट फ्रेमवर्क प्रदान करता है, codebase-memory-mcp बोल्ड एफिशिएंसी क्लेम करता है, और FastMCP प्रोटोकॉल के माध्यम से किसी अन्य एप्लिकेशन को एक्सपोज़ करने के लिए आवश्यक प्रयास को कम करता है। एक साथ, ये रीयूज़ेबल एजेंट होस्ट, पर्सिस्टेंट कॉन्टेक्स्ट सर्विसेज़ और टूल सर्वर की ओर इशारा करते हैं—न कि बस तीन डेमो जो MCP बोलते हैं।
[ALLOY]: Sakana Namazu अब OpenRouter के जरिए 262,144 टोकन के कॉन्टेक्स्ट के साथ उपलब्ध है। यह Kimi K2.6 पर आधारित है और जापानी भाषा, निर्देश अनुपालन और व्यापार संदर्भों के लिए अतिरिक्त प्रशिक्षण प्राप्त करता है। आकर्षक तुलना सिर्फ जापानी बनाम अंग्रेजी नहीं है। सवाल यह है कि क्या वह प्रशिक्षण लंबे दस्तावेज़ों और मिश्रित-भाषा कार्य में औपचारिकता, इरादे और डोमेन भाषा को बनाए रखता है, जहां एक प्रवाहपूर्ण लेकिन सांस्कृतिक रूप से गलत जवाब अभी भी विफल होता है।
NOVA: Upstage Solar Pro 4 भी OpenRouter के जरिए नए रूप से सूचीबद्ध है, जो उस क्षमता को 524,288 टोकन तक दोगुना करता है। Upstage एजेंट्स, ऑफिस उत्पादकता, दस्तावेज़-भारी कार्य और कोडिंग को इरादे से उपयोग के रूप में नाम देता है। इसका तुरंत आकर्षण एक अनुरोध में बहुत बड़े वर्किंग सेट्स को फिट करना है। अनसुलझा सवाल यह है कि यह कॉन्टेक्स्ट सीमा के पास कितनी सटीक, तेज और किफायती तरीके से काम करता है, जहां जानकारी स्वीकार करना और वास्तव में इसका उपयोग करना बहुत अलग उपलब्धियां हैं।
NOVA: Muse Glimmer 30B बातचीत-आधारित छवि-और-टेक्स्ट-टू-टेक्स्ट कार्य के लिए Apache 2.0-लाइसेंस्ड ओपन मॉडल है। इसकी सूची Transformers इकोसिस्टम और Safetensors वेट्स का उपयोग करती है, मूल्यांकन परिणाम शामिल हैं, और मॉडल को होस्टेड एंडपॉइंट्स के साथ संगत के रूप में चिह्नित करती है। कैप्चर होने पर इसके 902 लाइक्स थीं, जबकि सूची में शून्य डाउनलोड दिखाए गए। यह असंगति देखने योग्य है: दृश्य रुचि और मмеренा अपनाना एक ही चीज़ नहीं हैं।
[ALLOY]: फिर भी, इसका आकर्षण Meta का एक RTX 3090 पर स्थानीय मल्टीमॉडल इंफरेंस का दावा है। यह प्राइवेट इमेज समझ, मीडिया व्यवस्था, या एक निरंतर डेस्कटॉप असिस्टेंट का समर्थन कर सकता है बिना हर इंटरैक्शन के लिए क्लाउड कॉल के। सटीक गति, मेमोरी उपयोग, कॉन्टेक्स्ट और रनटाइम विवरण मॉडल कार्ड और डिप्लॉयमेंट पर निर्भर करते हैं। मूल हेडलाइन उल्लेखनीय बना हुआ है: एक 30-बिलियन-पैरामीटर ओपन मल्टीमॉडल मॉडल कंज्यूमर-GPU ऑपरेशन के लिए लक्षित है, डेटा-सेंटर एक्सेलेरेटर मानने के बजाय।
[ALLOY]: "फ्रंटियर साइबर मॉडल्स को अधिक भरोसेमंद हाथों में रखना" OpenAI के Daybreak दृष्टिकोण को मंजूर प्रदाताओं के माध्यम से अधिकृत सुरक्षा सेवाएं प्रदान करके विस्तारित करता है। "ChatGPT Business में प्रीमियम सीट्स आ रहे हैं" भारी वर्कप्लेस उपयोग को संबोधित करता है, जिसमें बीस अगस्त तक साइन अप करने वाले संगठनों को सौ डॉलर के वर्कस्पेस क्रेडिट की पेशकश की जाती है। एक संवेदनशील विशेषज्ञ क्षमता को मूल्यांकन किए गए सेवाओं के माध्यम से पैकेज करता है; दूसरा एक सामान्य व्यापार वर्कस्पेस के अंदर अधिक क्षमता बेचता है।
NOVA: और "Zapier ने ChatGPT Work के साथ कोर मार्केटिंग प्रक्रियाओं को कैसे बदला" ऑपरेशनल उदाहरण प्रदान करता है। OpenAI का कहना है कि Zapier की एंटरप्राइज मार्केटिंग टीम इसका उपयोग लीड-फनल ड्रॉप-ऑफ्स को कम करने, कैंपेन एसेट्स बनाने और रिपोर्टिंग को ऑटोमेट करने के लिए करती है, हालांकि सारांश में मmाने गए सुधारों की जानकारी नहीं है। एक साथ, तीन आइटम विशिष्ट भूमिकाओं के आसपास पहुंच को पैकेज करते हैं: शासित साइबर प्रदाता, हाई-उसेज बिज़नेस टीम्स, और मार्केटर्स जो AI को आवर्ती कार्य में एम्बेड कर रहे हैं।
[ALLOY]: सहायक स्रोतों और पूर्ण विवरण के लिए, Toby On Fitness Tech dot com पर शो नोट्स देखें।
NOVA: AgentStack Daily सुनने के लिए धन्यवाद। हम जल्द वापस आएंगे।