AgentStack Daily: Qwen का 2.4T ओपन-वेट मॉडल OpenRouter पर आया

NOVA: मैं NOVA हूं।

[ALLOY]: मैं ALLOY हूं, और यह AgentStack Daily है...

NOVA: Qwen ने अभी-अभी OpenRouter पर एक 2.4-ट्रिलियन पैरामीटर वाला open-weight मॉडल लॉन्च किया है। यह पूरे नेटवर्क को फायर करने की बजाय हर टोकन के लिए 95 बिलियन पैरामीटर एक्टिवेट करता है, और यह एक बार में दस लाख टोकन स्वीकार कर सकता है। अब लोग Qwen के closed Max सर्विस के पीछे के open डिज़ाइन तक एक मुख्यधारा के मॉडल राउटर के ज़रिए पहुंच सकते हैं, जिसमें विशाल codebases, दस्तावेज़ संग्रह, और लंबे agent इतिहास के लिए काफी context क्षमता है।

[ALLOY]: ठीक है, यह वाकई बेतुका है। लेकिन एक बार मॉडल सारी सामग्री पढ़ लेता है, उसके बाद क्या होता है, यह ज़्यादा मायने रख सकता है। कंपनियां agents को इंजीनियरिंग और operations में लगा रही हैं, GitHub तीन agent clients में एक plugin फॉर्मेट पेश कर रहा है, और शोधकर्ताओं ने पाया कि जब agents को कई स्रोतों में बुनियादी सोच रखनी होती है तो परफॉर्मेंस आधे से ज़्यादा गिर जाती है। महत्वाकांक्षा दौड़ रही है; विश्वसनीयता पीछे टहल रही है।

NOVA: आज, आप Qwen के open-weight विशालकाय मॉडल, NIST के National Vulnerability Database को आधुनिक बनाने के प्रयास, ChatGPT का आधिकारिक Linux ऐप, और DeepMind के sign-language अनुवाद को यूज़र्स के हाथों में देने के बारे में सुनेंगे।

[ALLOY]: इसके अलावा Grok 4.6, उड़ते हुए दोबारा प्लान बनाने वाले ड्रोन, Apple हार्डवेयर पर local inference, और terminal-based AI कोडिंग agent Codex जो RingCentral के इंजीनियरिंग स्टैक में जा रहा है।

NOVA: Qwen3.8 2.4T A95B अब OpenRouter पर लिस्टेड है, वह सेवा जो डेवलपर्स को एक API के ज़रिए कई प्रोवाइडर्स से मॉडल तक पहुंचने देती है। लिस्टिंग में एक open-weight sparse mixture-of-experts मॉडल के बारे में बताया गया है जिसमें कुल 2.4 ट्रिलियन पैरामीटर हैं, हर टोकन के लिए 95 बिलियन सक्रिय पैरामीटर हैं, और दस लाख टोकन की context विंडो है। Sparse mixture-of-experts का मतलब है कि एक request मॉडल के सभी वज़न की बजाय चुनिंदा हिस्सों को एक्टिवेट करती है। यह मॉडल को छोटा नहीं बनाता—95 बिलियन सक्रिय पैरामीटर अभी भी बहुत बड़े हैं—लेकिन यह हर टोकन के लिए 2.4 ट्रिलियन चलाने की तुलना में कंप्यूटिंग इकोनॉमिक्स बदल देता है। Context क्षमता एक ही request में बड़े दस्तावेज़ सेट, कोड, या agent इतिहास रख सकती है। अकेली क्षमता, बेशक, यह साबित नहीं करती कि मॉडल हर दबे हुए instruction को नोटिस करेगा या दूर के विवरणों को सही से जोड़ेगा। यह बताती है कि कितना अंदर आ सकता है, यह नहीं कि मॉडल सबके ऊपर कितनी अच्छी तरह सोचता है। यह संयोजन असामान्य है: विशाल कुल क्षमता, एक छोटा सक्रिय हिस्सा, और एक लंबा इनपुट विंडो।

[ALLOY]: और open-weight का अंतर लेबल पर उस विशाल नंबर से ज़्यादा मायने रखता है। Qwen इसे Qwen3.8 Max के open-weight वेरिएंट के रूप में पहचानता है, जिसकी hosted service Qwen के अपने API के अंदर closed रहती है। जो संगठन वज़न संचालित करने में सक्षम हैं—या तीसरे पक्ष के host से एक्सेस खरीदते हैं—वे Qwen के endpoint पर पूरी तरह निर्भर रहने के बजाय open डिज़ाइन का उपयोग कर सकते हैं। OpenRouter इसे तुरंत पहुंच योग्य बनाता है, यह बिना यह बताए कि API एक्सेस 2.4-ट्रिलियन-पैरामीटर सिस्टम को खुद संचालित करने के बराबर है। लिस्टिंग के साथ कोई विस्तृत changelog या behavior रिपोर्ट नहीं है, इसलिए कोडिंग क्वालिटी, tool use, स्पीड, या विश्वसनीयता के बारे में कोई ठोस दावे नहीं हैं। मैं इसे सिर्फ इसलिए जादुई repository समझ नहीं दे रहा क्योंकि context नंबर में छह शून्य्य हैं। लेकिन दस लाख टोकन, 95 बिलियन-सक्रिय open मॉडल जो एक मुख्यधारा के रूटिंग कैटलॉग में आ रहा है, यह महत्वपूर्ण है। Open मॉडल अब केवल कॉम्पैक्ट विकल्पों तक सीमित नहीं हैं। वे एक पैमाने पर आ रहे हैं जो स्वतंत्र hosts, inference कंपनियों, और मांग वाले डेटा नियंत्रण वाले संगठनों को बनाने के लिए बहुत बड़ा कुछ देता है।

[ALLOY]: NIST राष्ट्रीय Vulnerability Database को आधुनिक बनाने के बारे में जनता से पूछ रहा है। क्या यह असली पुनर्निर्माण है, या सरकार यह घोषणा कर रही है कि वह पुनर्निर्माण के बारे में विचार चाहती है?

NOVA: बिल्कुल दूसरा विकल्प, बहुत स्पष्ट तौर पर। NIST ने 12 अगस्त को Federal Register में NIST-2026-0100 डocket के तहत एक औपचारिक सूचना अनुरोध प्रकाशित किया। इसमें संगठनों और व्यक्तियों से पाँच क्षेत्रों में प्राथमिकताओं, अवसरों और चुनौतियों का वर्णन करने को कहा गया है: scalability, automation, interoperability, transparency, और utility। National Vulnerability Database U.S. सरकार का standards-based repository है जो vulnerability information के लिए है। Security products और teams इसके structured records का उपयोग प्रभावित software की पहचान, severity का आकलन, और public vulnerability disclosures को आंतरिक systems से जोड़ने के लिए करते हैं। NIST का कहना है कि artificial intelligence और machine-readable security data vulnerability management को नया आकार दे रहे हैं, इसीलिए वह input इकट्ठा कर रहा है। notice में कोई चयनित architecture नहीं दिखा है, और database का कोई behavior नहीं बदला है। यह implementation से पहले का consultation है, ceremonial language में लिपटा implementation नहीं।

[ALLOY]: यह अच्छाdistinction है, क्योंकि vulnerability records огромной software supply chain में patching और risk decisions को प्रभावित करती हैं। Automation NIST को information को बड़े पैमाने पर process करने में मदद कर सकता है, और बेहतर interoperability records को security products के लिए consume करना आसान बा सकता है। लेकिन अगर AI classifying, enriching, या linking reports शुरू करता है, तो transparency और भी महत्वपूर्ण हो जाता है। एक plausible-looking error downstream tools में फैल सकता है जो government data को authoritative मानते हैं। यही बात तब भी लागू होती है जब records delayed, incomplete, या inconsistent हों: machine-readable data एक weakness को उतनी ही कुशलता से distribute कर सकता है जितनी कुशलता से वह correction distribute करता है। Comments 13 अक्टूबर, 2026 को बंद होते हैं, जो vendors, researchers, maintainers, और security teams को public record में evidence contribute करने का एक निर्धारित अवसर देता है। NIST ने सही प्रश्नों की categories चुनी हैं। उसने अभी तक उनका जवाब नहीं दिया है, और मुझे चिंता होगी अगर consultation को यह साबित करने के प्रमाण के रूप में गलत समझा जाए कि आधुनिकीकृत system पहले से मौजूद है।

NOVA: OpenAI ने Linux के लिए आधिकारिक ChatGPT desktop application जारी किया है, दूसरे प्रमुख desktop operating systems को support करने के बाद एक conspicuous gap को भरते हुए। Linux users पहले browser या unofficial community packages पर निर्भर थे। अब उनके पास OpenAI के Codex page के माध्यम से वितरित एक first-party installation path है। Launch ने तुरंत developer attention खींचा: इसका Hacker News discussion प्रकाशन के तुरंत बाद 141 points तक पहुँच गया, और technology outlets ने release को उठाया। यह response surprising नहीं है। Linux developers, researchers, infrastructure teams, और local AI systems चलाने वाले लोगों में असमान रूप से आम है—वह crowd जो संभवतः घंटों के लिए terminal के बगल में एक assistant रखने की सबसे अधिक संभावना रखता है।

[ALLOY]: बिल्कुल, और official packaging तब तक无聊 लगता है जब तक आप यह तय नहीं कर रहे कि unofficial desktop wrapper को आपकी conversations तक access का अधिकार है या नहीं। क्या announcement बताती है कि Linux को macOS और Windows clients के साथ complete feature parity मिलती है या नहीं?

NOVA: आपूर्ति की गई release material में नहीं। हमारे पास आधिकारिक application और distribution path है, हर desktop capability को cover करने वाला detailed matrix नहीं। हमें यह भी नहीं पता कि भविष्य में Linux updates अन्य clients के साथ lockstep में आएंगे या नहीं। Firm claim सुखद रूप से boring है: Linux users OpenAI की खुद की ChatGPT desktop client इंस्टॉल कर सकते हैं web app wrap करने या community package पर भरोसा करने के बजाय। कोई interpretive dance जरूरी नहीं। यह first-party route product ownership को भी स्पष्ट करता है। Third-party packager के बजाय OpenAI, offered application के लिए जिम्मेदार है।

[ALLOY]: Boring platform parity excellent product news हो सकता है। यह Linux users के साथ supported relationship स्थापित करता है और ChatGPT को उन machines पर पहले से हो रहे development work के करीब लाता है, हालांकि announcement deep operating-system integration स्थापित नहीं करता। अगर Linux को अन्य platforms के साथ नए desktop capabilities मिलते हैं, तो यह genuine parity है। अगर यह पीछे रहता है, तो यह वह cousin बन जाता है जो बाद में family gathering के बारे में सुनता है। किसी भी तरह से, official client एक long-running obstacle हटाता है, और early discussion के 141 points यह सुझाते हैं कि कई लोगों ने omission को नोटिस किया था।

[ALLOY]: Jensen Huang ने Glassdoor के 2026 Best CEOs ranking में 99 प्रतिशत employee approval के साथ पहला स्थान हासिल किया है। AI infrastructure boom के केंद्र में बैठी कंपनी के leader के लिए यह remarkable internal sentiment है, जहाँ expectations को gentle होने के लिए नहीं जाना जाता।

NOVA: Glassdoor की पद्धति इस आंकड़े को दिलचस्प बनाती है। यह रैंकिंग एनालिस्ट पूर्वानुमानों, स्टॉक प्रदर्शन, या NVIDIA के बाजार की स्थिति की प्रशंसा करने वाले पैनल के बजाय गुमनाम कर्मचारी समीक्षाओं से आती है। कर्मचारी कंपनी के अंदर से नेतृत्व की रिपोर्ट कर रहे हैं। 99 प्रतिशत अनुमोदन स्कोर का मतलब यह नहीं है कि हर कर्मचारी हर निर्णय से सहमत है, और यह संस्कृति या कार्य स्थितियों का स्वतंत्र ऑडिट नहीं है। इसका मतलब यह है कि रैंकिंग में शामिल कर्मचारी समीक्षकों ने माप období के दौरान हुआंग के नेतृत्व को भारी रूप से मंजूरी दी। यह NVIDIA के शेयर की कीमत या उसके चिप्स की मांग से अलग प्रकार का साक्ष्य है।

[ALLOY]: और यह AI में एक सामान्य कार्यकारी पुरस्कार से अलग तरह से प्रभाव डालता है। NVIDIA केवल ग्राहकों के लिए ही नहीं, बल्कि दुर्लभ शोधकर्ताओं, इंजीनियरों, सॉफ्टवेयर पार्टनर्स और स्टार्टअप्स के लिए भी प्रतिस्पर्धा करता है जो तय कर रहे हैं कि कहां बनाना है। कर्मचारियों की मजबूत स्वीकृति भर्ती और प्रतिधारण को मजबूत कर सकती है जब कंपनी चिप्स, सिस्टम, मॉडल और डेवलपर सॉफ्टवेयर में विस्तार करती है। मैं फिर भी अनुमोदन को रणनीति से अलग रखूंगा। कर्मचारियों का CEO से प्यार करना यह साबित नहीं करता कि हर तकनीकी दांव काम करेगा या हर ग्राहक संबंध मजबूत रहेगा। लेकिन 99 प्रतिशत को सामान्य कार्यकारी लोकप्रियता के रूप में खारिज करना मुश्किल है।

NOVA: सही—यह एक कार्यबल संकेत है, GPU बेंचमार्क नहीं। हुआंग की फाउंडर स्थिति और लंबा कार्यकाल भी परिणाम को उल्लेखनीय बनाते हैं। वह हाल ही में नियुक्त कार्यकारी नहीं हैं जो थोड़े हनीमून का आनंद ले रहे हैं; उन्होंने NVIDIA को कई युगों से और अब विस्फोटक AI मांग के माध्यम से नेतृत्व किया है। Glassdoor एक क्षण में रिपोर्ट किए गए विश्वास को कैप्चर करता है, जबकि बाजार कुछ और ही कैप्चर करते हैं। अगले साल वह शीर्ष पद बनाए रखता है या नहीं, यह पता चलेगा कि तेजी से विकास, प्रतिभा प्रतिस्पर्धा और निरंतर अपेक्षाओं के एक और साल में वह विश्वास कैसे बचता है। नंबर एक प्रभावशाली है। कंपनी के स्केल करते समय वहां रहना कठिन हो सकता है।

NOVA: IBM Research के VAKRA बेंचमार्क ने फ्रंटियर और ओपन-वेट मॉडल का 62 डोमेन में 8,000 से अधिक वास्तविक API के खिलाफ परीक्षण किया। प्रदर्शन आधे से अधिक गिर गया जब कार्यों को एकल-स्टेप टूल कॉल के बजाय कई स्रोतों में तर्क की आवश्यकता थी। आश्चर्यजनक हिस्सा वह है जहां एजेंट टूट गए: मॉडल अक्सर सही API का चयन और कॉल करते थे, फिर इसके आसपास भाषा तर्क में विफल हो जाते थे—यह पहचानना कि उपयोगकर्ता किस कंपनी का मतलब था, दस्तावेज़ों में जानकारी को जोड़ना, या किसी उत्तर को सही स्रोत में आधारित करना।

[ALLOY]: ऊफ, यह बाद में आने वाली एंटरप्राइज एक्जीक्यूशन कहानी को सीधे तौर पर ठंडा करता है। एक एजेंट योग्य दिख सकता है क्योंकि हर व्यक्तिगत टूल सही ढंग से काम करता है जबकि इसका समग्र निष्कर्ष गलत है। पॉलिसी-संवेदनशील प्रश्न भी बदतर थे: सटीकता उस अनुरोधों पर गिर गई जिसे एजेंट को अस्वीकार करना चाहिए था। सिंगल-सिस्टम टास्क पहले से ही उपयोगी हो सकते हैं, लेकिन आंतरिक दस्तावेज़ों, लाइव बिजनेस एप्लिकेशन और पॉलिसी सीमाओं को पार करने वाला काम अभी भी नाजुक है। मानव निरीक्षण वहाँ औपचारिक नहीं है; यह उन गलतियों को पकड़ता है जो सफल टूल लॉग प्रकट नहीं करेंगे।

[ALLOY]: Grok 4.6 xAI के साथ "AI teammate" श्रेणी में एक महत्वपूर्ण प्रवेशकर्ता के रूप में आया। उस वाक्यांश का तात्पर्य है कि सॉफ्टवेयर लोगों के साथ-साथ टिकाऊ कार्यों पर काम कर रहा है, न कि बस एक जवाब लौटा रहा है। घोषणा Latent Space द्वारा इसे सतह पर लाने के बाद Hacker News पर 553 अंक पर पहुंच गई, इसलिए रुचि स्पष्ट रूप से दुर्लभ संसाधन नहीं थी। teammate फ्रेमिंग के पीछे xAI ने वास्तव में क्या दस्तावेजीकृत किया?

NOVA: यहां दी गई घोषणा में बहुत कम है। xAI ने Grok 4.6 का नाम बताया और व्यापक पोजीशनिंग दी, लेकिन इसके साथ चेंजलॉग, बेंचमार्क परिणाम या ठोस फीचर सूची प्रकाशित नहीं की। हम संख्या से मजबूत तर्क, बेहतर टूल उपयोग, लंबे संदर्भ, नए परिनियोजन विकल्प या संगतता परिवर्तन का अनुमान नहीं लगा सकते। उत्पाद घोषणा वास्तविक है; व्यवहारिक अंतर स्रोत में प्रलेखित नहीं है। यहां तक कि "teammate" लेबल भी अनुत्तरित छोड़ देता है कि मॉडल किस प्रकार के टिकाऊ कार्य को कर सकता है, वह सुधारों को कैसे संभालता है, या वह विश्वसनीय रूप से टूल्स में कार्य कर सकता है या नहीं।

[ALLOY]: हां, मैं सहायकों के सहयोगियों बनने से उत्साहित हूं, लेकिन मैं उस लेबल को बिना साक्ष्य के नहीं खरीदता जो टिकाऊ कार्य, सुधार और विश्वसनीय कार्रवाई दिखाता हो। 553-अंक की चर्चा जिज्ञासा को मापती है, क्षमता को नहीं। Qwen की लिस्टिंग के साथ तुलना करें, जहां हमारे पास कम से कम पैरामीटर सक्रियण और संदर्भ विशिष्टताएं हैं, Grok 4.6 बहुत कम तकनीकी पदार्थ के साथ आता है। xAI विस्तृत रिलीज नोट्स या मापे गए परिणाम प्रकाशित करके इसे बदल सकता है। तब तक, "AI teammate" एक नव घोषित मॉडल से जुड़ी पोजीशनिंग है, प्रदर्शित ऑपरेटिंग प्रोफाइल नहीं। ऐसा करने का दिखावा करना उत्पाद के नाम को फैन फिक्शन में बदल देगा।

NOVA: DreamFly एक एरियल ड्रोन को रोलिंग नेविगेशन लूप देता है: सीन को देखें, कुछ स्टेप्स आगे प्लान करें, तय करें कि वह गंतव्य तक पहुंच गया है या नहीं, और जब व्यू बदले तो रिप्लान करें। यह फ्लाइट से पहले एक पूरा रूट तय करने से अलग है। एक पब्लिक नेविगेशन बेंचमार्क पर, DreamFly ने पहले के तरीकों को मात दी और अपने ट्रेनिंग डेटा से गायब वातावरण में करीब 29 प्रतिशत टास्क पूरे किए।

[ALLOY]: ठीक है, 29 प्रतिशत ऑटोनॉमस-ड्रोन की जीत का संगीत नहीं है, लेकिन अनसीन एनवायरनमेंट का रिजल्ट वास्तव में दिलचस्प है। एक रेस्क्यू कोऑर्डिनेटर दृश्य लैंडमार्क का उपयोग करके गंतव्य का वर्णन कर सकता है—एक क्षतिग्रस्त चिमनी के आगे, एक रंगीन छत के पीछे—बिना परफेक्ट मैप दिए। ड्रोन को भाषा को बदलते कैमरा व्यू से जोड़ना होगा और जब नए विवरण दिखें तो उसकी मूवमेंट को संशोधित करना होगा।

NOVA: और यहीं पर यह IBM के एजेंट बेंचमार्क की प्रतिध्वनि करता है: सही इंडिविजुअल एक्शन काफी नहीं हैं अगर मीनिंग स्टेप्स के बीच खो जाती है। DreamFly फिजिकल नेविगेशन में उस कंटिन्यूटी को बेहतर बनाता है।

[ALLOY]: फिर भी, 29 प्रतिशत का मतलब है कि ज्यादातर अनफैमिलियर टास्क अनसॉल्व्ड रहते हैं। यह वर्क पिछले तरीकों से आगे है, लेकिन रिसर्च रिजल्ट और भरोसेमंद रेस्क्यू डेप्लॉयमेंट के बीच काफी गैप छोड़ देता है।

NOVA: GitHub ने 6 अगस्त को Agent Plugins 1.0 प्रकाशित किया और 12 अगस्त को चेंजलॉग पोस्ट किया। नए फॉर्मेट में बना एक प्लगइन VS Code, टर्मिनल-आधारित कोडिंग एजेंट Copilot CLI, और Copilot ऐप पर काम कर सकता है। एक टूल मेकर को अन्यथा एडिटर, टर्मिनल, और एप्लिकेशन सरफेस के लिए अलग-अलग इंटीग्रेशन बनाए रखने पड़ सकते हैं। GitHub का वादा है कम्पैटिबल एजेंट क्लाइंट्स में एक पैकेज। डेवलपर्स एक इंटरफेस में नहीं रहते: वे एडिटर में कोड इंस्पेक्ट करते हैं, टर्मिनल में कमांड देते हैं, और प्लानिंग या कोलैबोरेशन के लिए ब्रॉडर असिस्टेंट एक्सपीरियंस में जाते हैं।

[ALLOY]: आखिरकार, एजेंट इकोसिस्टम बढ़ते हुए कुछ यूनिफिकेशन। लेकिन "वन प्लगइन" तीन बहुत अलग एनवायरनमेंट छिपा सकता है। क्या GitHub ने अनाउंसमेंट में परमिशन मॉडल या एक्सैक्ट ऑथरिंग मैकेनिक्स का दस्तावेजीकरण किया है?

NOVA: सप्लाइड चेंजलॉग में नहीं। यह क्रॉस-क्लाइंट कम्पैटिबिलिटी स्थापित करता है और पांच लॉन्च पार्टनर्स का नाम लेता है—AWS, Anysphere, Microsoft, OpenAI, और Vercel—लेकिन परमिशन या इम्प्लीमेंटेशन की विशेषताओं का वर्णन करने के लिए यहां पर्याप्त डिटेल नहीं देता। वे पार्टनर नेम्स मायने रखते हैं। हर कंपनी एजेंट प्रोडक्ट्स, डेवलपर प्लेटफॉर्म, या दोनों संचालित करती है, जो सुझाव देता है कि GitHub चाहता है कि फॉर्मेट अपने खुद के सॉफ्टवेयर के लिए ही मेंटेन किए जाने वाले एक्सटेंशन सिस्टम से आगे पहुंचे। अनाउंसमेंट शेयर्ड पैकेज क्लेम का समर्थन करती है। यह यह अनुमान का समर्थन नहीं करती कि एक प्लगइन क्या एक्सेस कर सकता है, क्रेडेंशियल्स कैसे हैंडल होते हैं, या क्या हर कैपेबिलिटी सभी तीन क्लाइंट्स में एक जैसी व्यवहार करती है।

[ALLOY]: पहले पार्टनर प्लगइन्स वादे को ठोस बनाएंगे। एक शेयर्ड फॉर्मेट डुप्लिकेटेड पैकेजिंग कम कर सकता है और एक कैपेबिलिटी को डेवलपर के साथ एडिटर से टर्मिनल से Copilot के ऐप तक फॉलो करने दे सकता है। यह GitHub की कम्पैटिबिलिटी रूल्स के आसपास उम्मीदों को केंद्रित भी कर सकता है, इसलिए छोड़े गए विवरण तब मायने रखेंगे जब प्लगइन्स फाइल्स, टूल्स, क्रेडेंशियल्स, या रिमोट सर्विसेस को छुएंगे। GitHub फॉर्मेट को एक प्रोडक्ट के रूप में तैयार मानता है। लॉन्च कैटलॉग दिखाएगी कि यह एक जेन्यूइन क्रॉस-क्लाइंट लेयर बनता है या बस तीन GitHub सरफेस एक नाम शेयर कर रहे हैं। मैं ऑप्टिमिस्टिक हूं, लेकिन इंटरऑपरेबिलिटी तभी असली बनती है जब इंडिपेंडेंटली बिल्ट प्लगइन्स सीमाओं को साफ-सुथरे तरीके से पार करें।

NOVA: OpenAI के एंटरप्राइज़ स्टडी के अनुसार, कुछ अग्रणी कंपनियां AI सहायता से आगे बढ़कर execution में जा रही हैं। चैटबॉट से ड्राफ्ट या सिफारिश मांगने के बजाय, ये फर्म एजेंटिक सिस्टम—सॉफ्टवेयर जो मल्टी-स्टेप टास्क की योजना बनाता और выполнение करता है—को ChatGPT और Codex सहित प्रोडक्ट्स का उपयोग करके रियल बिज़नेस वर्कफ्लो में embed कर रही हैं। OpenAI का तर्क है कि ये अग्रणी फर्म आगे निकल रही हैं, जबकि बाज़ार का बड़ा हिस्सा अभी भी बेसिक एडॉप्शन स्थापित कर रहा है। इससे कंपनियां क्या खरीद रही हैं, यह बदल जाता है। एक उपयोगी जवाब अब फिनिश लाइन नहीं है; पूरा काम होना है। यह अंतर साधारण बिज़नेस शब्दों में मायने रखता है: सहायता से कुछ बनता है जो व्यक्ति उपयोग कर सकता है, जबकि execution रिकॉर्ड बदलता है, प्रक्रिया को आगे बढ़ाता है, सॉफ्टवेयर लिखता है, या परिणाम की ओर कई कदमों को समन्वित करता है।

[ALLOY]: यह महत्वपूर्ण है, लेकिन OpenAI ने यह स्टडी बनाई है और टूल्स बेचती है, इसलिए मैं इस निष्कर्ष को न्यूट्रल जनगणना के बजाय वेंडर के एडॉप्शन खाते के रूप में देखूंगा। कंपनी का फ्रेमिंग अभी भी बताता है कि एंटरप्राइज़ डिमांड कहां जा रही है: अलग चैट विंडो से दूर और बिज़नेस प्रोसेस के अंदर कदम उठाने की अनुमति वाले सिस्टम की ओर। और IBM का परिणाम victory lap को जटिल बनाता है। जब एजेंट्स को कई स्रोतों में तर्क करना पड़ा तो परफॉर्मेंस आधी से अधिक गिर गई—वही बिंदु जहां एंटरप्राइज़ वर्क गड़बड़ा जाता है। कंपनियां autonomous execution की ओर बढ़ सकती हैं और फिर भी पाती हैं कि एक साफ प्रदर्शन अस्पष्ट नामों, परस्पर विरोधी दस्तावेज़ों, पॉलिसी सीमाओं और कई जुड़े सिस्टम में टिक नहीं पाता। OpenAI कहता है कि अग्रणी फर्म एजेंट्स को वर्क में embed करके तेज़ी से आगे बढ़ रही हैं; स्टडी यह नहीं बताती कि वे एजेंट्स हर क्रॉस-सिस्टम टास्क को कितनी विश्वसनीय रूप से संभालते हैं। Execution व्यावसायिक गंतव्य है। विश्वसनीय execution अभी तक तकनीकी चुनौती है।

[ALLOY]: RingCentral उस execution push को एक नामित ग्राहक देता है। OpenAI की 12 अगस्त की केस स्टडी के अनुसार, क्लाउड कम्युनिकेशंस कंपनी ChatGPT Work और टर्मिनल-आधारित AI कोडिंग एजेंट Codex का उपयोग इंजीनियरिंग और ऑपरेशंस में कर रही है। केस स्टडी कितना मापनीय प्रभाव प्रकट करती है?

NOVA: OpenAI कहता है कि RingCentral AI प्रोडक्ट डेवलपमेंट को तेज़ करने और ऑपरेशनल इंटेलिजेंस को केंद्रीकृत करने के लिए प्रोडक्ट्स का उपयोग कर रहा है, लेकिन केस स्टडी में ठोस प्रोडक्टिविटी नंबर, इंटीग्रेशन की गहराई, या विस्तृत विवरण नहीं है कि कौन से टास्क autonomously चलते हैं। ChatGPT Work सामान्य वर्क सरफेस के रूप में काम करता है, जबकि Codex कोडिंग पर फोकस करता है। RingCentral दोनों को प्रमुख फंक्शंस में लगा रही है, न कि एक अविभेदित सहायक खरीदकर यह दावा कर रही कि यह सभी के लिए समान रूप से उपयुक्त है।

[ALLOY]: ईमानदारी से, यह ट्विन-टूल एप्रोच ज़्यादा विश्वसनीय है। इंजीनियर्स और ऑपरेशंस स्टाफ एक ऑर्गेनाइजेशनल AI लेयर शेयर कर सकते हैं, जबकि सॉफ्टवेयर वर्क की मांग होने पर specialized कोडिंग एजेंट का उपयोग कर सकते हैं। यह उस पोर्टफोलियो मॉडल जैसा है जो कंपनियां पहले से ही डेटाबेस, एनालिटिक्स और कम्युनिकेशंस के लिए उपयोग करती हैं: शेयर्ड इन्फ्रास्ट्रक्चर के ऊपर रोल-स्पेसिफिक प्रोडक्ट्स। फिर भी यह वेंडर द्वारा प्रकाशित एक ग्राहक कहानी है। यह साबित करती है कि एक बड़ी सॉफ्टवेयर कंपनी ने टूल्स अपनाए; यह उस एडॉप्शन पर रिटर्न साबित नहीं करती, और यह नहीं बताती कि सिस्टम लोगों की सहायता करते हैं या सार्थक काम स्वतंत्र रूप से पूरा करते हैं।

NOVA: बिल्कुल। उपयोगी विकास संगठनात्मक है, संख्यात्मक नहीं। AI प्रोक्योरमेंट विभागों में फैलना शुरू हो रहा है: दैनिक कार्य के लिए व्यापक सहायता, कोड के लिए specialized एजेंट्स, और दोनों के आसपास कुछ सामान्य कंपनी-स्तरीय दृष्टिकोण। RingCentral का विवरण खुला छोड़ता है कि इससे तेज़ रिलीज़, कम इंसिडेंट्स, कम ऑपरेटिंग कॉस्ट, या बेहतर आंतरिक निर्णय होते हैं या नहीं। वे परिणाम तय करेंगे कि पैटर्न टिकाऊ है या नहीं। यह "केंद्रीकृत ऑपरेशनल इंटेलिजेंस" की गहराई भी अपरिभाषित छोड़ता है; यह जानकारी तेज़ी से खोजने से लेकर सीधे ऑपरेशनल प्रोसेस में भाग लेने तक हो सकता है। अभी के लिए, ChatGPT Work और Codex का नामित उपयोग एंटरप्राइज़ AI के आइसोलेटेड पायलट से आगे बढ़ना दिखाता है, जबकि गायब मापन confetti को सुरक्षित रूप से storage में रखे हैं।

NOVA: DeepMind ने 12 अगस्त को SL2T प्रकाशित किया, जो बहरे और कम-सुनने वाले उपयोगकर्ताओं के लिए डिज़ाइन की गई एक sign-language-to-text मॉडल का वर्णन करता है। Signed इनपुट लिखित टेक्स्ट बन जाता है, और DeepMind कहता है कि मॉडल रियल उपयोगकर्ताओं को शिप होने वाली नई sign-language फीचर्स को शक्ति प्रदान करता है, न कि अनुसंधान प्रदर्शन बना रहता है। यह यूज़र-फर्स्ट फ्रेमिंग ठोस बदलाव है: पहुंच घोषणा का नेतृत्व करती है, एक सामान्य मॉडल से जुड़े द्वितीयक उदाहरण के रूप में प्रकट होने के बजाय।

[ALLOY]: यह रोमांचक है, एक गंभीर योग्यता के साथ। सांकेतिक भाषाएं बोली जाने वाली भाषाओं की परस्पर विनिमय योग्य दृश्य एन्कोडिंग नहीं हैं; प्रत्येक की अपनी व्याकरण, शब्दावली और समुदाय है। SL2T कौन सी सांकेतिक भाषाओं का समर्थन करता है, और लोग वास्तव में इसे कहां से एक्सेस कर सकते हैं?

NOVA: DeepMind ने आपूर्ति की गई सामग्री में यह निर्दिष्ट नहीं किया है। इसने उत्पाद सतह का नाम भी नहीं बताया है, यह नहीं कहा है कि बाहरी डेवलपर्स को API मिलेगी या नहीं, या समर्थित उपकरणों और परिनियोजन क्षेत्रों का विवरण नहीं दिया है। ये चूक हमारी पहुंच के बारे में कहने की क्षमता को तीखे से सीमित करती हैं। "वास्तविक उपयोगकर्ताओं को शिप करना" "प्रयोगशाला में दिखाए जाने" से अधिक मजबूत है, लेकिन यह विभिन्न हस्ताक्षर शैलियों, कैमरा स्थितियों, पृष्ठभूमियों, या भाषाओं में व्यापक उपलब्धता या विश्वसनीय अनुवाद स्थापित नहीं करता है। घोषणा मॉडल के उद्देश्य और उपयोगकर्ता-उन्मुख दिशा का समर्थन करती है, सार्वभौमिक क्षमता दावे का नहीं।

[ALLOY]: फिर भी, एक पहुंच मॉडल को उस समुदाय के सामने रखना जिसकी यह सेवा करने के लिए है, ऐसी समस्याओं को उजागर कर सकता है जो अकेले बेंचमार्क कार्य से नहीं मिलेंगी। वास्तविक संचार में क्षेत्रीय भिन्नता, व्यक्तिगत हस्ताक्षर शैली, अपूर्ण फ्रेमिंग, रुकावटें, चेहरे का भाव, और संदर्भ शामिल है जो एक ही इशारे में दिखाई नहीं दे सकता। त्रुटियों के मानवीय परिणाम भी होते हैं: एक गलत अनुवाद एक बातचीत को रोक सकता है, न कि बस एक अजीब अनुच्छेद पैदा कर सकता है। DeepMind ने सांकेतिक भाषा को मुख्य उत्पाद बनाया है, जो ध्यान देने योग्य है। अब प्रकटीकरण विशिष्ट होने की आवश्यकता है: समर्थित भाषाएं, उत्पाद स्थान, उपयोगकर्ता पहुंच, और क्या डेवलपर्स क्षमता को अन्यत्र एकीकृत कर सकते हैं। मानवीय दांव बहुत अधिक हैं इसलिए "सांकेतिक भाषा" एक व्यापक लेबल बने रहने के लिए।

NOVA: llama.cpp ने एक शीर्षक की ओर इशारा करते हुए llama.app के आसपास 352 अंकों की Hacker News चर्चा आकर्षित की। उपलब्ध स्रोत कोई समर्थित विशिष्टताएं, रिलीज नोट्स, बेंचमार्क परिणाम, या संगतता विवरण प्रदान नहीं करता है, इसलिए परियोजना के आसपास ध्यान से परे हम कोई पर्याप्त तकनीकी परिवर्तन स्थापित नहीं कर सकते। यह संयम मायने रखता है क्योंकि llama.cpp बहुत सारे स्थानीय मॉडल कार्य के केंद्र में बैठता है। इसका नाम लोगों को स्थानीय अनुमान में हालिया सुधारों को एक पतले शीर्षक पर प्रक्षेपित करने के लिए आमंत्रित कर सकता है।

[ALLOY]: हां, लोकप्रियता उन रिक्त स्थानों को नहीं भर सकती। llama.cpp विविध हार्डवेयर में मॉडल को स्थानीय रूप से चलाने से व्यापक रूप से जुड़ा है, जो बताता है कि एक संबंधित आइटम तेजी से सैकड़ों अंक क्यों आकर्षित कर सकता है। स्थानीय अनुमान लोगों को मॉडल वेट और प्रॉम्प्ट अपने नियंत्रण वाली मशीनों पर रखने का विकल्प देता है, उनके चुने हुए मॉडल और सेटअप के अधीन, और परियोजना उस पारिस्थितिकी तंत्र का एक पहचान योग्य हिस्सा बन गई है। लेकिन यह स्रोत नए गति, हार्डवेयर त्वरण, इंटरफेस, मॉडल संगतता, या परिनियोजन व्यवहार के बारे में दावों का समर्थन नहीं करता। चर्चा स्कोर हमें बताता है कि स्थानीय-मॉडल समुदाय रुचि रखता था; यह हमें नहीं बताता कि हुड के नीचे क्या बदला। 352 अंकों की बातचीत ध्यान का साक्ष्य है, भीड़ के रूप में छिपी चेंजलॉग नहीं।

[ALLOY]: Apple Silicon पर और macOS वर्चुअल मशीनों के अंदर तेज़ llama.cpp अनुमान के बारे में एक अलग आइटम Hacker News पर 303 अंकों तक पहुंचा। वह शीर्षक दो तेजी से महत्वपूर्ण उपयोग मामलों को जोड़ता है: Apple हार्डवेयर पर स्थानीय मॉडल को कुशलतापूर्वक चलाना और जब कार्यभार वर्चुअलाइज्ड macOS वातावरण के अंदर बैठता है तो प्रदर्शन बनाए रखना। लेकिन एक संख्या के बिना "तेज़" मुझे हमेशा गायब फुटनोट की ओर पहुंचाता है। वास्तव में हमारे पास कौन से माप हैं?

NOVA: आपूर्ति किए गए स्रोत में कोई नहीं। यह शीर्षक-केवल है, इसलिए हमारे पास हार्डवेयर कॉन्फ़िगरेशन, मॉडल आकार, सॉफ्टवेयर सेटिंग्स, बेसलाइन, या कार्यान्वयन विवरण नहीं हैं। हम कह सकते हैं कि कार्य Apple Silicon और macOS वर्चुअल मशीनों पर llama.cpp अनुमान से संबंधित है, और इसने पर्याप्त तकनीकी रुचि आकर्षित की। हम प्रतिशत सुधार का दावा नहीं कर सकते, लगभग-मूल गति का दावा नहीं कर सकते, या परिणाम को एक विशिष्ट अनुकूलन के लिए जिम्मेदार नहीं ठहरा सकते। विभिन्न Apple चिप्स, मेमोरी आकार, मॉडल प्रारूप, और वर्चुअल-मशीन कॉन्फ़िगरेशन बहुत अलग परिणाम दे सकते हैं, और शीर्षक उनमें से किसी को भी हल नहीं करता। शीर्षक एक उपयोगी क्षमता की ओर इशारा करता है लेकिन इसे मापदंड नहीं देता। 303 अंकों की चर्चा हमें बताती है कि डेवलपर्स Apple Silicon, वर्चुअलाइजेशन, और स्थानीय मॉडलों के संयोजन की परवाह करते हैं। यह हमें नहीं बताता कि परिवर्तन विलंबता को थोड़ा कम करता है या कार्यभार को बदलता है। Qwen लिस्टिंग की तुलना में, जहां विशिष्टताएं स्पष्ट हैं, यह आइटम सब दिशा और कोई पटरी नहीं है। दिलचस्प दिशा, हां। मापा गया सुधार, हमारे पास साक्ष्य से नहीं।

[ALLOY]: macOS वर्चुअल मशीनें विकास वातावरण को अलग कर सकती हैं, सॉफ्टवेयर सेटअप को पुनः प्रस्तुत कर सकती हैं, या होस्ट किए गए Mac इन्फ्रास्ट्रक्चर का समर्थन कर सकती हैं। उन वातावरणों के अंदर AI विकास तब बहुत अधिक उपयोगी हो जाता है जब स्थानीय अनुमान एक गंभीर प्रदर्शन दंड का सामना नहीं करता। एक टीम एक मॉडल को स्रोत कोड और उपकरणों के करीब रख सकती है जबकि परियोजनाओं या ग्राहकों के बीच अलगाव बनाए रख सकती है। यह आकर्षक गंतव्य है, स्रोत द्वारा स्थापित परिणाम नहीं। यह अंतर महत्वपूर्ण है क्योंकि वर्चुअलाइजेशन एक मॉडल और हार्डवेयर के बीच एक और सॉफ्टवेयर परत जोड़ता है, और डेवलपर्स इस बात की परवाह करेंगे कि वह परत एक छोटा कर लगाती है या एक निषेधात्मक।

NOVA: Google ने Google Ads और Google Analytics में नए AI और एजेंट-स्टाइल अनुभवों की घोषणा की है, जिन्हें मार्केटिंग कार्य को सरल बनाने के तरीकों के रूप में पेश किया गया है। इससे AI कैंपेन के दोनों तरफ आ जाता है: विज्ञापन गतिविधि बनाना या प्रबंधित करना, और फिर एनालिटिक्स के माध्यम से प्रदर्शन को समझना। दिए गए स्रोत इस उत्पाद दिशा का समर्थन करते हैं लेकिन यहां सटीक सुविधाओं, इंटरफेस, रोलआउट क्षेत्रों, या मापे गए परिणामों के बारे में विस्तार से बताने के लिए पर्याप्त जानकारी नहीं देता। यह यह भी निर्धारित नहीं करता कि कौन से कार्य स्वचालित रूप से होते हैं और कौन से सुझाव बने रहते हैं जिन्हें अनुमोदन की आवश्यकता है।

[ALLOY]: यह जोड़ी अभी भी देखने लायक है क्योंकि Ads और Analytics एक प्राकृतिक कार्रवाई-और-फीडबैक लूप बनाते हैं। एक सिस्टम में कैंपेन नियंत्रण होते हैं; दूसरे में परफॉर्मेंस जानकारी। दोनों को जोड़ने वाला सॉफ्टवेयर परिणामों की व्याख्या करने और निर्णयों को वापस कैंपेन प्रबंधन में ले जाने की मैन्युअल कार्रवाई को कम कर सकता है। लेकिन "एजेंटिक" इस घोषणा में बहुत अधिक काम कर रहा है। प्रलेखित कार्रवाइयों, अनुमोदन सीमाओं, या परफॉर्मेंस डेटा के बिना, हम बता नहीं सकते कि ये अनुभव जानकारी समझाते हैं, परिवर्तन तैयार करते हैं, या स्वतंत्र रूप से निष्पादित करते हैं।

NOVA: अभी, आधारित दावा अधिक संकीर्ण है: Google दोनों उत्पादों में AI अनुभव जोड़ रहा है ताकि मार्केटिंग वर्कफ़्लो को सरल बनाया जा सके। हमारे पास इस बात का कोई सबूत नहीं है कि टूल्स बिना मानव पुष्टि के स्वायत्त रूप से बजट बदलते हैं, कैंपेन लॉन्च करते हैं, क्रिएटिव बदलते हैं, या टारगेटिंग ऑप्टिमाइज़ करते हैं। ये महत्वपूर्ण रूप से अलग क्षमताएं होंगी, खासकर जब प्रत्येक कार्रवाई पैसा खर्च कर सकती है या ग्राहकों को प्रभावित कर सकती है। स्रोत इन्हें स्थापित नहीं करता, इसलिए व्यापक स्वायत्तता के दावे विज्ञापन प्लेटफॉर्म की ओर से विज्ञापन देना होगा। किसीने यह नहीं मांगा।

[ALLOY]: फिर भी, यह OpenAI के एंटरप्राइज़ तर्क पर बनाता है। प्रमुख सॉफ्टवेयर वेंडर AI को उन उत्पादों में ला रहे हैं जहां काम और डेटा पहले से मौजूद हैं। Google का लाभ डिस्ट्रीब्यूशन है: मार्केटर्स पहले से ही कार्रवाई के लिए Ads और परिणामों को समझने के लिए Analytics का उपयोग करते हैं। यदि नए अनुभव उन सतहों को सावधानी से जोड़ते हैं, तो वे अवलोकन और निर्णय के बीच की दूरी कम कर सकते हैं। यदि वे केवल संवादात्मक सारांश जोड़ते हैं, तो परिवर्तन अधिक скромна है। घोषणा एकीकृत मार्केटिंग सहायता स्थापित करती है; एजेंसी का वास्तविक स्तर अनुत्तरित रहता है।

NOVA: HKUDS का नैनोबॉट इस समूह में 46,928 स्टार्स के साथ अग्रणी है। रिलीज़ 0.3 25 जुलाई को आई, और रिपॉजिटरी 13 अगस्त को अपडेट हुई। यह एक हल्का, सेल्फ-होस्टेड Python एजेंट फ्रेमवर्क है जिसमें वेब इंटरफ़ेस, टूल्स, मेमोरी, मल्टी-एजेंट वर्कफ़्लो, ऑटोमेशन, चैट इंटीग्रेशन, और MCP सपोर्ट है। MCP, या Model Context Protocol, AI एप्लिकेशन के लिए बाहरी टूल्स और डेटा से कनेक्ट होने का एक आम तरीका है। नैनोबॉट एजेंट लेयर प्रदान करता है; अन्य दो प्रोजेक्ट्स इसके नीचे टूल लेयर बनाने और उसे फीड करने में मदद करते हैं।

[ALLOY]: सही—Codebase Memory MCP और FastMCP एक साथ अच्छी तरह फिट बैठते हैं। Codebase Memory ने एक महीने में 7,909 स्टार्स हासिल करने के बाद 38,763 स्टार्स पर पहुंच गया, लगभग 26 प्रतिशत की छलांग, और रिलीज़ 0.10 13 अगस्त को आया। यह कोड को 158 भाषाओं में एक निरंतर ज्ञान ग्राफ़ में बदलता है; इसके मिलीसेकंड इंडेक्सिंग, सब-मिलीसेकंड क्वेरी, और 99 प्रतिशत टोकन-कटौती के आंकड़े प्रोजेक्ट के दावे हैं। FastMCP, रिलीज़ 3.4 और 27,202 स्टार्स पर, MCP सर्वर और क्लाइंट बनाने का एक Python-केंद्रित तरीका प्रदान करता है।

NOVA: तो एक प्रोजेक्ट एजेंट्स चलाता है, एक उन्हें कोड के बारे में संरचित मेमोरी देता है, और एक एक साझा प्रोटोकॉल के माध्यम से टूल्स एक्सपोज़ करने में मदद करता है। वह कनेक्टेड स्टैक तीन अलग-थलग स्टार काउंट्स की तुलना में ट्रैक्शन की बेहतर व्याख्या करता है। रिपॉजिटरीज़ उनके प्रोडक्शन में विश्वसनीय साबित होने से पहले लोकप्रिय हो सकती हैं, लेकिन डेवलपर्स स्पष्ट रूप से एजेंट्स और वास्तविक सिस्टम के बीच पुन: प्रयोज्य कनेक्शन पर सहमत हो रहे हैं, इसके बजाय हर असिस्टेंट के अंदर हर इंटीग्रेशन को फिर से बनाने के बजाय।

[ALLOY]: Qwen3.8 2.4T A95B एक भारी-भरकम आगमन है: यह एक ओपन-वेट स्पार्स मिक्सचर-ऑफ-एक्सपर्ट्स मॉडल है जिसमें कुल 2.4 ट्रिलियन में से 95 बिलियन सक्रिय पैरामीटर हैं और एक मिलियन-टोकन का संदर्भ विंडो है। OpenRouter API एक्सेस प्रदान करता है, जबकि ओपन वेट्स अन्य होस्ट के लिए जगह छोड़ते हैं। लिस्टिंग इसे Qwen3.8 Max के ओपन समकक्ष के रूप में पहचानती है लेकिन उन स्पेसिफिकेशन से परे बहुत कम बिहेवियरल एविडेंस देती है।

NOVA: DeepSeek V4 Pro 0813 भी OpenRouter पर आया है जो DeepSeek V4 Pro का जनरल-एवेलेबिलिटी रिलीज है। यह एक बड़ा मिक्सचर-ऑफ-एक्सपर्ट्स मॉडल है जिसमें 1,048,576-टोकन का संदर्भ विंडो है—एक मिलियन टोकन से थोड़ा ज्यादा। लिस्टिंग इसे API के जरिए पहुंच योग्य बनाती है, लेकिन दी गई डिस्क्रिप्शन में सक्रिय या कुल पैरामीटर काउंट, बेंचमार्क, या डिटेल्ड चेंजलॉग का खुलासा नहीं करती। ठोस खबर यह है कि यह जनरल एवेलेबिलिटी पर है और इसका संदर्भ असामान्य रूप से लंबा है।

NOVA: Muse-Glimmer-30B Hugging Face पर ट्रेंडिंग है जो एक ओपन इमेज-एंड-टेक्स्ट मॉडल है जो टेक्स्ट प्रोड्यूस करता है। इसके पेज पर 1,352 लाइक्स और 121,042 डाउनलोड दिखाए गए हैं। यह Safetensors वेट्स का उपयोग करता है, Transformers इकोसिस्टम के साथ काम करता है, में Apache 2.0 लाइसेंस टैग है, और इवैलुएशन रिजल्ट्स शामिल हैं। इसका वर्णन कन्वर्सेशनल के रूप में भी किया गया है, इसलिए इसका इरादा वन-शॉट इमेज लेबलिंग से आगे जाता है।

[ALLOY]: अच्छा—इंडिपेंडेंट होस्ट डॉक्यूमेंट समझ, स्क्रीनशॉट एनालिसिस, विजुअल क्वेश्चन, और इमेज-बेस्ड कन्वर्सेशन के लिए पिक्चर्स और लिखित इंस्ट्रक्शन को कंबाइन कर सकते हैं। लिस्टिंग संदर्भ लंबाई, हार्डवेयर जरूरतें, या बेंचमार्क परफॉर्मेंस स्थापित नहीं करती, और 30 बिलियन पैरामीटर हमें यह नहीं बताते कि यह किसी खास डिवाइस पर कितनी आराम से चलता है। जो यह दिखाता है वह कॉमन टूलिंग और परमिसिव लाइसेंसिंग वाले डाउनलोडेबल विज़न-लैंग्वेज वेट्स में मजबूत इंटरेस्ट है।

[ALLOY]: "फ्रॉम असिस्टेंस टू एक्जीक्यूशन: हाउ एंटरप्राइजेज पुट AI टू वर्क" का तर्क है कि लीडिंग कंपनियां एजेंट्स को रियल वर्कफ्लो में ले जा रही हैं। "Daybreak models are now available on AWS" उस पुश को Amazon Bedrock के जरिए साइबर सिक्योरिटी में ले जाता है, जो एंटरप्राइज सिक्योरिटी वर्क का समर्थन करता है एक क्लाउड सर्विस के जरिए जो कंपनियां पहले से उपयोग कर सकती हैं। एक साथ, वे जनरल एक्जीक्यूशन और स्पेशलाइज्ड सिक्योरिटी को एस्टैब्लिश्ड परचेसिंग चैनल में रखते हैं, हालांकि दोनों अकाउंट्स OpenAI से हैं।

NOVA: और "MAI-Code-1.1-Flash available in GitHub Copilot" GitHub Copilot में Microsoft का लेटेस्ट स्मॉल-टियर कोडिंग मॉडल जोड़ता है। यह इमेज समझने के लिए नेटिव विज़न जोड़ता है और क्लेम करता है कि कोडिंग क्वालिटी में सुधार हुआ है। यह स्क्रीनशॉट्स या इंटरफेस इमेज को सोर्स कोड से जोड़ सकता है, लेकिन GitHub रोलआउट डॉक्यूमेंट करती है जबकि इंडिपेंडेंट कंपैरिजन को अभी प्रैक्टिकल गेन स्थापित करना बाकी है।

NOVA: सपोर्टिंग सोर्सेस, मॉडल पेजेस, रिसर्च पेपर्स, और अतिरिक्त डिटेल्स के लिए, Toby On Fitness Tech dot com पर शो नोट्स देखें।

[ALLOY]: AgentStack Daily सुनने के लिए धन्यवाद। हम जल्द ही वापस आएंगे।