Gemini 3.7 Flash और Codex Bedrock
Gemini 3.7 Flash का हाइब्रिड रीज़निंग डीप डाइव, OpenAI Codex rust-v0.148.0 Bedrock रूटिंग, Z.ai GLM 5.3 1M-टोकन रीज़निंग, और Qwen 3.8 27B का स्थानीय... Show notes: https://tobyonfitnesstech.com/hi/podcasts/episode-104/
🎧 Listen to EpisodeEpisode 104 — 19 अगस्त, 2026
[00:00] एपिसोड हुक
OpenAI Codex rust-v0.148.0 Bedrock एकीकरण और सत्र विभाजन लाता है, जबकि Google's Gemini 3.7 Flash Flash विलंबता और लागत पर हाइब्रिड तर्क प्रस्तुत करता है। Z.ai 1M-टोकन संदर्भ के साथ GLM 5.3 शिप करता है, Qwen 3.8 27B स्थानीय परिनियोजन के लिए आता है, और एक त्रिभाषी एजेंट रोडमैप एपिसोड की शुरुआत को पूरा करता है, इसके बाद एंटरप्राइज़ वर्कफ़्लो, बाधा उत्पादकताओं को डिकोड करने और विश्व मॉडल के बारे में गहराई से जानकारी दी जाती है। प्रत्येक कहानी को वही व्यवहार मिलता है — क्या शिप हुआ, इसके तहत कौन सा तंत्र है, और यह काम करने वाले बिल्डर्स के लिए क्या बदलता है।
[02:00] एजेंट स्टैक रिलीज़ रीडआउट: OpenAI Codex rust-v0.148.0
OpenAI ने 18 अगस्त को Codex rust-v0.148.0 शिप किया, और मुख्य सुविधा के रूप में Amazon Bedrock को एक अंतर्निहित प्रदाता के रूप में जोड़ा है। अब आप अपने AWS प्रोफ़ाइल और क्षेत्र के माध्यम से AWS-होस्टेड मॉडल के लिए Codex को इंगित कर सकते हैं, जिसमें GPT-5.6 रूटिंग तुरंत उपलब्ध है। जो टीमें पहले से AWS पर मानकीकृत हैं, उनके लिए यह एक पुरानी वजह को हटा देता है जो Codex को उनके बाकी स्टैक से अलग रखती थी।
रिलीज़ का वर्कफ़्लो पक्ष उतना ही व्यावहारिक है। एक नया codex exec fork कमांड मौजूदा सत्र को एक स्वतंत्र रूप से चलाने योग्य सत्र में विभाजित करता है, और TUI रिज्यूम पिकर अब पिछले सत्रों को संग्रहीत या पुनर्स्थापित करने की अनुमति देता है। /export के साथ मिलकर, जो पूर्ण TUI बातचीत को आपके क्लिपबोर्ड या किसी नई फ़ाइल में Markdown में डंप करता है, आप अंततः एक Codex सत्र को वास्तविक आर्टिफैक्ट की तरह व्यवहार कर सकते हैं: इसे विभाजित करें, सहेजें, साझा करें, और बाद में इसे वापस उठाएं।
लागत दृश्यता भी नई है। /status, स्थिति पंक्तियाँ, और टर्मिनल शीर्षक बार अब योग्य कार्यस्थानों के लिए अनुमानित थ्रेड क्रेडिट या लागत दिखा सकते हैं। जो कोई भी Codex को मीटर्ड बैकएंड के खिलाफ चला रहा है, उसके लिए यह एक सार्थक बदलाव है — आप बिना टर्मिनल छोड़े बिल को बढ़ते हुए देख सकते हैं।
हुक भी अधिक शक्तिशाली हो गए हैं। बाहरी स्क्रिप्ट अब अतुल्यकालिक रूप से चल सकती हैं और सीधे MCP टूल को लागू कर सकती हैं, इसलिए एक हुक को अपना काम करते समय मुख्य टर्न को अवरुद्ध नहीं करना पड़ता। यह लंबे-चलने वाले स्वचालन पैटर्न को अनलॉक करता है, जैसे एक हुक जो बिना एजेंट को फ्रीज किए बिल्ड या डेटाबेस क्वेरी शुरू करता है।
इसके तहत, रिलीज़ कई खुरदरे किनारों को चुपचाप टाइट करती है। मॉडल स्विच अब पीछे दिए गए निर्देश नहीं छोड़ते हैं या सक्रिय टर्न को बीच में नहीं बदलते हैं। पुनर्स्थापित सत्र अपने निरंतर कार्य निर्देशिका और अनुमोदन नीति को पुनर्स्थापित करते हैं। टर्न अस्थायी प्रदाता आउटेज के माध्यम से पुनः कनेक्ट होते हैं, और MCP सर्वर OAuth पुनः प्रमाणीकरण के बाद स्वचालित रूप से पुनः प्राप्त होते हैं, जिसमें Codex को पुनः प्रारंभ करने की आवश्यकता नहीं है। TUI अब बफ़र्ड टर्मिनल इनपुट से प्रॉम्प्ट को सक्रिय नहीं करता है, कंपोज़र और ट्रांसक्रिप्ट रेंडरिंग CRLF पेस्ट, लपेटी हुई व्हाट्सएप, और लंबे URL को सही ढंग से संभालती है, और सैंडबॉक्स प्रतिबंध अब Linux और Windows दोनों पर अस्वीकृत या अपठनीय पथ के लिए बंद हो जाते हैं।
[02:58] गहन अंतर्दृष्टि: Gemini 3.7 Flash और हाइब्रिड तर्क का आगमन
Google का Gemini 3.7 Flash production AI infrastructure में hybrid reasoning को पेश करके एक महत्वपूर्ण architectural shift का प्रतिनिधित्व करता है। डेवलपर्स को तेज़ standard language model या महंगे, high-latency reasoning model में से चुनने के बजाय, Gemini 3.7 Flash दोनों regimes को एक single model architecture में unify करता है। डेवलपर्स इस behavior को सीधे एक configurable thinking budget parameter के through control करते हैं, जो zero से 64,000 thinking tokens तक हो सकता है - zero standard sub-second inference के लिए और 64,000 deep, multi-step problem solving के लिए।
जो चीज़ agent builders के लिए इसे विशेष रूप से impactful बनाती है वह है reasoning depth, native multimodality, और high throughput का combination। Gemini 3.7 Flash अपने 1M-token context window के भीतर text, code, high-resolution imagery, video, और audio पर full multimodal capabilities preserve करता है। SWE-bench Verified जैसे benchmark evaluations पर, Gemini 3.7 Flash frontier-level coding और repository-level refactoring capabilities deliver करता है जो much larger models से rival करती हैं, जबकि API cost और latency Flash tier पर रखता है।
जब competition के साथ तुलना की जाती है, तो trade-offs स्पष्ट हो जाते हैं। Claude 3.7 Sonnet की तुलना में, जो also hybrid reasoning adopt करता है, Gemini 3.7 Flash ultra-fast agent execution loops को एक fraction of cost पर target करता है, जो इसे continuous iterative workflows और multi-agent coordination के लिए ideal बनाता है। OpenAI के o3-mini या o1 की तुलना में, जो fixed reasoning tiers use करते हैं और native audio/video reasoning lack करते हैं, Gemini 3.7 Flash thinking tokens पर continuous granular control alongside a 1M-token multimodal context provide करता है। और GLM 5.3 या quantized local models like Qwen 3.8 27B जैसे text-only long-context models के against, Gemini 3.7 Flash production reliability और immediate sub-second time-to-first-token provide करता है।
Agent loops build करने वाले developers के लिए recommended pattern है dynamic thinking allocation: routine classification, tool dispatch, और lint checks को thinking tokens zero पर set करके run करें, और complex codebase exploration, architectural planning, या deep bug localization execute करते समय thinking tokens को 2,048 और 16,384 tokens के बीच dynamically scale करें।
[04:25] Z.ai ने 1M-token context के साथ GLM 5.3 reasoning model ship किया
Z.ai ने OpenRouter पर GLM 5.3 put किया है, और headline number है context window: input side पर एक million tokens, outputs पर 4,096-token ceiling के साथ। Model को एक large-scale reasoning model के रूप में describe किया गया है जो complex software engineering और long-horizon agent tasks के लिए built है — सादे English में, यह उन work के लिए tuned है जो single-turn answers की जगह codebase में कई steps तक फैला हो।
यह fill करने के लिए एक meaningful slot है। Router पर आज अधिकांश reasoning models smaller context windows offer करते हैं, इसलिए कोई भी workflow जिसे एक large repository, tool calls की long thread, या extended plan ingest करने की जरूरत है अब route करने के लिए another candidate है। Text in, text out listed唯一的 modality है, इसलिए multimodal work route करने वाले builders को इस entry से help नहीं मिलेगी।
Practical move यह है कि GLM 5.3 को default के रूप में treat करने से पहले एक small set of real coding-agent evaluations के through से गुज़ारें। Long context अकेला एक moat नहीं है — जो मायने रखता है वह यह है कि model उस entire window में coherent रहता है और actually agent work के many turns में अच्छी तरह plan करता है। Teams से early benchmark shots के लिए watch करें जो agent evaluations run कर रहे हैं, और pricing या rate limits के किसी भी sign के लिए जो scale पर routing decision बदल देगी।
[05:45] Qwen 3.8 27B excellent है, लेकिन यह default से over-think करता है
Alibaba की Qwen research lab ने Friday को Qwen 3.8 27B release किया — एक Apache 2-licensed, vision-capable 27-billion-parameter language model जो एक reasonably specced laptop पर run करने के लिए достаточно छोटा है। Qwen के self-reported benchmarks claim करते हैं कि यह previous Qwen 3.6 27B और closed-weight Qwen 3.7-Plus दोनों पर improvement करता है, जो May तक किसी भी size में Qwen के सबसे strong models में से एक था।
Simon Willison ने इसे 128GB M5 Max MacBook Pro और NVIDIA DGX Spark पर आज़माया, LM Studio के 17GB Q4_K_M quantized build को चलाया, और साथ ही Spark पर सीधे llama-server को भी आज़माया। एक प्रमुख विशेषता: Qwen reasoning_effort को xhigh पर डिफ़ॉल्ट के साथ भेजता है — दस्तावेज़ xhigh को "जटिल कार्यों के लिए जो गहन विश्लेषण की माँग करते हैं" के रूप में वर्णित करता है — और LM Studio GGUF उस डिफ़ॉल्ट को बनाए रखता है। कंज्यूमर हार्डवेयर पर, परिणाम यह है कि मॉडल साधारण प्रॉम्प्ट के बारे में सोचते हुए हर उपलब्ध टोकन को जला देता है। LM Studio का डिफ़ॉल्ट 8,192-टोकन संदर्भ विंडो समस्या को स्पष्ट करता है; 262,144-टोकन संदर्भ के साथ मॉडल लोड करने से मदद मिली, लेकिन सही समाधान reasoning_effort को medium या low पर करना है।
27B साइज़, Apache 2 लाइसेंस, और 262K संदर्भ इसे स्थानीय-प्रथम बिल्डर्स के लिए एक आकर्षक लक्ष्य बनाते हैं जो विज़न इनपुट और अनुमतिकारी लाइसेंस चाहते हैं। एक नज़र में: स्वतंत्र बेंचमार्क — Willison ने संकेत दिया है कि Qwen के स्व-रिपोर्ट किए गए आंकड़े आँखें खोलने वाले हैं लेकिन अभी तक तृतीय पक्षों द्वारा परीक्षित नहीं किए गए हैं।
[07:07] एजेंटिक AI सीखने के लिए एक त्रिभाषी रोडमैप, जिसमें 240+ चुनिंदा संसाधन शामिल हैं
एजेंटिक AI सीखने के लिए एक त्रिभाषी रोडमैप इस सप्ताह GitHub पर एक ताज़ा अपडेट के साथ आया। WenyuChiou द्वारा awesome-agentic-ai-zh नामक यह रेपो LLM बेसिक्स से लेकर मल्टी-एजेंट सिस्टम तक एक संरचित पथ प्रदान करता है, जिसे तीन भाषाओं में लिखा गया है: पारंपरिक चीनी, अंग्रेज़ी, और सरलीकृत चीनी। प्रोजेक्ट का चीनी शीर्षक है 中文 AI agent 學習地圖।
रोडमैप 240+ चुनिंदा संसाधनों और व्यावहारिक उदाहरणों के साथ आता है — ब्लॉग पोस्ट की एक अव्यवस्थित सूची की तुलना में एक आत्म-निर्देशित पाठ्यक्रम के रूप में कार्य करने के लिए पर्याप्त। GitHub पर रेपो के 5754 स्टार्स हैं, और मेंटेनर ने 14 अगस्त 2026 को रिलीज़ के बाद 18 अगस्त 2026 को अपडेट पुश किया।
प्रोजेक्ट को अलग बनाने वाली बात इसका त्रिभाषी लेआउट है। अधिकांश एजेंटिक AI सीखने की सामग्री केवल अंग्रेज़ी में उपलब्ध है, जो उन चीनी-बोलने वाले डेवलपर्स के लिए एक वास्तविक प्रवेश द्वार की कमी छोड़ता है जो इस क्षेत्र का अनुसरण करना चाहते हैं। समान सामग्री को 繁中, अंग्रेज़ी, और 简中 में साथ-साथ रखकर, रेपो एक शिक्षार्थी को शुरू करने की भाषा चुनने और जब शब्दावली भ्रमित करने वाली हो तब स्विच करने देता है — एक छोटी चीज़ जो तब मायने रखती है जब आप tool calling या एजेंट loop जैसी शब्दावली में भागते हैं।
बिल्डर्स के लिए व्यावहारिक पठन सीधा है। यदि आप एजेंटिक AI के लिए नए हैं और यादृच्छिक ट्यूटोरियल के बजाय एक क्रमबद्ध पथ चाहते हैं, तो रोडमैप एक मुफ़्त, व्यवस्थित शुरुआती बिंदु प्रदान करता है। अगला ध्यान देने योग्य यह है कि मेंटेनर संसाधन सूची को अद्यतन रखता है जैसे-जैसे एजेंटिक स्टैक आगे बढ़ता है — अगस्त का अपडेट हाँ का संकेत देता है।
[08:34] OpenAI ने राष्ट्रीय सुरक्षा में AI पर लोकतांत्रिक निरीक्षण लाने की पहल शुरू की
OpenAI ने 18 अगस्त को एक नई पहल की घोषणा की जिसका उद्देश्य राष्ट्रीय सुरक्षा में AI पर लोकतांत्रिक निरीक्षण को मज़बूत करना है। कार्यक्रम तीन स्तंभों पर आधारित है: सरकारी संस्थानों को रक्षा और खुफिया संदर्भों में AI तैनाती की जांच के लिए उपकरण, प्रशिक्षण और विशेषज्ञता प्रदान करना। OpenAI ने अपनी समाचार साइट पर घोषणा प्रकाशित की, इसे राज्य सुरक्षा कार्य में AI के एकीकरण और उन तैनातियों को चुनी गई और स्वतंत्र निकायों से कितना निरीक्षण प्राप्त होता है, इस बारे में बढ़ते प्रश्नों के जवाब के रूप में प्रस्तुत किया।
घोषणा विशिष्टताओं में हल्की है। OpenAI ने पेज पर नामित भागीदार एजेंसियों, ठोस प्रशिक्षण समूहों, या मापनीय प्रतिबद्धताओं की सूची नहीं दी, इसलिए बिल्डर्स पर अल्पकालिक प्रभाव ज्यादातर अप्रत्यक्ष है। सरकारी, रक्षा, या खुफिया खरीदारों से संपर्क रखने वाले उत्पाद बनाने वाले किसी के लिए, संकेत यह है कि OpenAI सक्रिय रूप से भाषा और अपेक्षाओं को आकार दे रहा है कि AI विक्रेता निरीक्षण संस्थानों के साथ कैसे संलग्न होने चाहिए, जो समय के साथ प्रक्रिया बातचीत और बेसलाइन ट्रस्ट आवश्यकताओं को बदल सकता है। एक चीज़ जिस पर नज़र रखनी चाहिए: क्या अनुवर्ती घोषणाएं विशिष्ट संस्थानों, प्रशिक्षण समूहों, या निरीक्षण पायलट का नाम बताती हैं जो पहल को तेज़ किनारे देती हैं।
[09:40] NVIDIA, ChatGPT Work को वैश्विक वर्कफ्लो लेयर में बदल देती है
OpenAI ने 18 अगस्त को "How NVIDIA scales expertise with ChatGPT Work" शीर्षक से एक कस्टमर स्टोरी प्रकाशित की, जिसे एक प्रमुख चिप निर्माता के दैनिक उत्पाद उपयोग के रूप में प्रस्तुत किया गया।
OpenAI News पेज पर दिया गया सारांश तीन परिणामों का वर्णन करता है: NVIDIA टीमें मैनुअल कार्यों को कम करने, तेज गति से चलने वाले संकेतों को जोड़ने और सफल वर्कफ्लो को वैश्विक स्तर पर स्केल करने के लिए ChatGPT Work का उपयोग करती हैं।
यह रूपरेखा ChatGPT Work को साझा अवसंरचना के रूप में प्रस्तुत करती है — एक ऐसी जगह जहां एक टीम का कार्य पैटर्न पैकेज किया जा सकता है और पूरे संगठन में पुनः तैनात किया जा सकता है, न कि किसी एक सत्र में फंसा हुआ।
केस स्टडी यह नहीं बताती कि किन NVIDIA डिवीजनों ने सबसे पहले इसे अपनाया या बचाए गए घंटों का आंकड़ा नहीं देती, इसलिए सबसे उपयोगी समझ संरचनात्मक है: एक कंपनी जिसका व्यवसाय AI एक्सेलेरेटर बनाना है, वह आंतरिक समन्वय परत के रूप में OpenAI के चैट उत्पाद का उपयोग कर रही है।
एंटरप्राइज मार्केट पर नजर रखने वाले बिल्डर्स के लिए, व्यावहारिक संकेत यह है कि बड़े ग्राहक बातचीत-आधारित AI टूल्स को वर्कफ्लो अवसंरचना के रूप में देखना शुरू कर रहे हैं, न कि सिर्फ जवाब देने वाली मशीनों के रूप में।
एक बात पर नजर रखनी होगी: क्या भविष्य की OpenAI केस स्टडीज ठोस आंकड़े या विशिष्ट वर्कफ्लो टेम्पलेट सामने लाती हैं जिनकी अन्य टीमें नकल कर सकें, या "टीमें इसका उपयोग विशेषज्ञता को स्केल करने के लिए करती हैं" के सामान्य स्तर पर रहती हैं।
[10:53] रिसर्च डाइजेस्ट: AI की रीज़निंग बॉटलनेक डिकोडिंग है, मॉडल साइज़ नहीं
Linguistics Olympiad समस्याएं प्रतियोगियों से मांगती हैं कि वे बिना किसी नियम पुस्तिका के, सिर्फ नमूना वाक्यों से एक अपरिचित भाषा को समझें। IOL-AI Challenge ने AI टीमों को कठोर सीमाओं के तहत (एक T4 GPU और प्रति समस्या तीस मिनट) वही पहेलियां दीं। आयोजकों द्वारा प्रस्तुत संसाधन-सीमित सिस्टम मानव प्रतियोगियों के निचले पांच प्रतिशत में रहे, जबकि एक फ्रंटियर मॉडल, Claude Opus 4.8, ने स्वर्ण पदक प्रदर्शन के बराबर प्रदर्शन किया। मुख्य खोज यह थी कि आकार ने विजेता तय नहीं किया: छोटे ट्यून किए गए सबमिशन ने अपने आकार से कई गुना बड़े मॉडलों को हराया, और लाभ स्मार्ट डिकोडिंग से आए — मॉडल अपने आउटपुट को कैसे संभालता है — जबकि कच्ची क्षमता से नहीं। ऑटोमैटिक स्कोरिंग ने जूरी की रैंकिंग को ट्रैक किया लेकिन कमजोर सिस्टम को बढ़ा-चढ़ाकर दिखाया। रीज़निंग सिस्टम बनाने वाले किसी भी व्यक्ति के लिए निष्कर्ष: भाषाई पहेलियां एक स्वच्छ परीक्षण हैं कि कोई मॉडल चीजों को वास्तव में समझ सकता है या नहीं, और वर्तमान में अवरोध आउटपुट हैंडलिंग में है, मॉडल साइज़ में नहीं।
[11:50] OpenAI ने साइबर क्षमताओं में वृद्धि के साथ मॉडल पेसिंग के दृष्टिकोण की रूपरेखा दी है
OpenAI ने 18 अगस्त को "पेसिंग मॉडल डेवलपमेंट इन एन एरा ऑफ साइबर-क्रिटिकल कैपेबिलिटीज़" शीर्षक से एक ब्लॉग पोस्ट किया। इस लेख में कंपनी की उस दृष्टिकोण को दर्शाया गया है जिसके तहत वह फ्रंटियर मॉडल रिलीज़ करती है, उस समय जब AI सिस्टम अधिक सार्थक साइबर क्षमताएं प्राप्त कर रहे हैं। प्रकाशित सारांश के अनुसार, OpenAI फ्रंटियर मॉडल डेवलपमेंट के चारों ओर मॉनिटरिंग, अलाइनमेंट और सुरक्षा प्रथाओं को मजबूत कर रही है, और उन सुरक्षा उपायों को उस तंत्र के रूप में स्थापित कर रही है जो नए मॉडल की शिपिंग की गति को निर्धारित करता है।
इस पोस्ट में कोई विशिष्ट उत्पाद, मॉडल या टूल की घोषणा नहीं है। यह एक पॉलिसी और पोस्चर पीस की तरह पढ़ता है: यह बताता है कि OpenAI मॉडल क्षमता को आगे बढ़ाने और विशेष रूप से साइबर सुरक्षा-प्रासंगिक डोमेन में नियंत्रणों के बीच संबंध के बारे में कैसे सोच रही है, जिसे कंपनी रिलीज़ से पहले और दौरान लागू करती है। उपलब्ध सारांश में सुरक्षा उपायों को सामान्य शब्दों में वर्णित किया गया है, न कि नए मूल्यांकन सुइट्स, रेड-टीम प्रोग्राम या डिप्लॉयमेंट गेट्स के नाम के साथ।
बिल्डर्स और ऑपरेटर्स के लिए, व्यावहारिक निष्कर्ष सीमित है लेकिन ध्यान देने योग्य है। फ्रंटियर मॉडल रिलीज़ का समय अब शुद्ध क्षमता बेंचमार्क के बजाय साइबर जोखिम विचारों द्वारा अधिक आकार ले रहा है। भविष्य के OpenAI मॉडल ड्रॉप्स के आसपास प्लानिंग करने वाले कोई भी व्यक्ति, चाहे वह सुरक्षा टूलिंग के लिए हो, संवेदनशील सिस्टम को छूने वाले एजेंट वर्कफ्लो के लिए हो, या सुरक्षा-महत्वपूर्ण अनुप्रयोगों के लिए हो, उसे उम्मीद करनी चाहिए कि साइबर मूल्यांकन दस्तावेज़ीकरण भविष्य के लॉन्च पोस्ट्स का एक अधिक दिखने वाला हिस्सा बनेगा। देखें कि आगामी मॉडल घोषणाएं सामान्य क्षमता परिणामों के साथ-साथ स्पष्ट साइबर असेसमेंट सारांश के साथ आती हैं या नहीं।
[13:13] रिसर्च डाइजेस्ट: AI वर्ल्ड मॉडल्स बिना रिट्रेनिंग के गोल्स बदल सकते हैं
अधिकांश रीइन्फोर्समेंट लर्निंग एजेंट जो "वर्ल्ड मॉडल" सीखते हैं — अपने वातावरण के व्यवहार का एक आंतरिक सिमुलेशन — एक उद्देश्य से बंध जाते हैं। एक एजेंट को लैबिरिंथ में नेविगेट करना और नीली कुंजी खोजना सिखाएं, और आमतौर पर यह बिना अतिरिक्त वातावरण इंटरैक्शन के लाल कुंजी खोजने के लिए दोबारा निर्देशित नहीं किया जा सकता, क्योंकि रिवॉर्ड लॉजिक एक ही न्यूरल नेटवर्क के भीतर परसेप्शन के साथ उलझा हुआ है। शोधकर्ताओं की एक टीम एक छोटा बदलाव प्रस्तावित करती है जिसका बड़ा व्यावहारिक प्रभाव है: वर्ल्ड मॉडल को इस प्रकार विभाजित करें कि ऑब्जर्वेशन रिकंस्ट्रक्शन और रिवॉर्ड प्रेडिक्शन अब एक ही प्रतिनिधित्व साझा न करें। रिवॉर्ड कुछ मानव-पठनीय प्रतीकात्मक स्टेट वेरिएबल्स पर एक फंक्शन बन जाता है, जबकि नेटवर्क का बाकी हिस्सा यह भविष्यवाणी करना जारी रखता है कि दुनिया आगे क्या करेगी। यह अलगाव ही जीरो-शॉट टास्क ट्रांसफर को संभव बनाता है — एक ही सीखा सिमुलेशन को केवल रिवॉर्ड नियम को फिर से लिखकर नए लक्ष्य पर दोबारा निर्देशित किया जा सकता है। व्यवहार में इसका मतलब है कि सिमुलेशन में प्रशिक्षित एक रोबोट को किसी अलग वस्तु उठाने के लिए पुनर्निर्देशित किया जा सकता है, या किसी गेम एजेंट को नए स्कोरिंग उद्देश्य पर स्विच किया जा सकता है, बिना ताजा डेटा-कलेक्शन रन के।
[14:21] Asana ने पांच साल के माइग्रेशन को Codex के साथ दो हफ्ते में बदल दिया
वर्क मैनेजमेंट कंपनी Asana ने OpenAI के Codex कोडिंग एजेंट का उपयोग करके लगभग दो हफ्तों में एक पुराना टेस्टिंग सिस्टम बदल दिया — काम जिसे उनकी इंजीनियरिंग टीम ने अनुमान लगाया था कि इसमें पांच साल से अधिक समय लगेगा। कुल लागत लगभग बारह हजार डॉलर आया।
यह अंतर ही हेडलाइन है। दो हफ्ते पांच साल के बजाय, बारह हजार डॉलर एक बहु-वर्षीय हेडकाउंट प्रोजेक्ट के बजाय। OpenAI ने 18 अगस्त को यह केस प्रकाशित किया ताकि दिखाया जा सके कि फ्रंटियर कोडिंग एजेंट लेगसी माइग्रेशन को कंप्रेस करना शुरू कर सकते हैं जो चुपचाप इंजीनियरिंग बैकलॉग पर बूढ़े हो रहे थे क्योंकि कोई उन्हें फंड करने को तैयार नहीं था।
कहानी में तकनीकी विशिष्टताओं की कमी है। OpenAI ने प्रकाशित नहीं किया कि Asana ने कौन सा Codex कॉन्फ़िगरेशन उपयोग किया, टेस्ट सुइट का आकार कितना था, या दो-हफ्ते के रन में कितना मानव समीक्षा शामिल थी। दो हफ्ते और पांच साल के आंकड़े Asana के अपने अनुमान से आए हैं।
यह केस जो स्थापित करता है वह यह है कि एक माइग्रेशन जिसे कभी एक छोटी टीम के लिए वर्षों की आवश्यकता थी, वह वर्तमान-जेनरेशन कोडिंग एजेंट के साथ दो इंजीनियर्स, दो हफ्ते और एक छोटे बजट में हो सकता है, कम से कम एक कंपनी के एक वर्कलोड के लिए। यदि आपके पास रोडमैप पर एक डेप्रिकेटेड सबसिस्टम है, तो यह अब एक यथार्थवादी लाइन आइटम है, कल्पना नहीं।
अगला डेटा पॉइंट जो तस्वीर को स्पष्ट करेगा वह Asana का अपना इंजीनियरिंग राइट-अप है जिसमें टेस्ट-सूट स्कोप और ह्यूमन रिव्यू रेशियो शामिल है, क्योंकि OpenAI के सारांश में विस्तृत चेंजलॉग शामिल नहीं है।
[15:50] OpenAI AI साइबर खतरों पर 'द डिफेंडर विंडो' को फ्रेम करता है
17 अगस्त को, OpenAI ने 'The Defender's Window' नामक एक परिप्रेक्ष्य लेख प्रकाशित किया जो AI को साइबरसुरक्षा के दोनों पक्षों को नया आकार देने के रूप में प्रस्तुत करता है। पोस्ट में कहा गया है कि OpenAI अपनी अपनी रक्षा को मजबूत कर रहा है और सुरक्षा टीमों को आगे क्या करना है, इस पर मार्गदर्शन प्रदान करता है। उस व्यापक फ्रेमिंग से परे, स्रोत सामग्री यह निर्दिष्ट नहीं करती कि किन उत्पादों, मॉडलों, या डिटेक्शन सिस्टम में बदलाव हुआ, कौन से नियंत्रण जोड़े गए, या कंपनी कौन से ठोस शमन उपायों की सिफारिश कर रही है। यह एक चेंजलॉग की तुलना में एक राय और रोडमैप टुकड़ा पढ़ता है, इसलिए अभी व्यावहारिक निष्कर्ष ज्यादातर दिशात्मक है: OpenAI चाहता है कि डिफेंडर्स पढ़ते रहें और खतरे के मॉडल को बदलते हुए मानें, क्योंकि AI टूल्स दोनों पक्षों पर कुछ हमलों की लागत कम कर सकते हैं। विशिष्ट OpenAI उत्पाद परिवर्तनों, नामित डिटेक्शन नियमों, या नए शमन उपायों की तलाश में सुरक्षा टीमों को पूरी सूची के लिए पोस्ट को सीधे पढ़ना होगा, क्योंकि सारांश सामग्री में उन्हें गिनाया नहीं गया है। अगले हफ्तों में देखने योग्य दिलचस्प बात यह है कि क्या यह फ्रेमिंग शिप किए गए फीचर्स या मापनीय डिटेक्शन में बदलती है, या एक पोस्चर स्टेटमेंट बनी रहती है।
[16:56] ChatGPT Ads 31 यूरोपीय बाजारों तक पहुंचा
OpenAI ने ChatGPT Ads को 31 यूरोपीय बाजारों तक विस्तारित किया है, जिससे यह प्रोग्राम सीमित पायलट से व्यापक क्षेत्रीय लॉन्च में बदल गया है। कंपनी ने 18 अगस्त को यह समाचार प्रकाशित किया, जिसमें लॉन्च को विज्ञापनदाताओं के लिए लोगों तक पहुंचने के एक तरीके के रूप में प्रस्तुत किया गया है जब वे सक्रिय रूप से खोज रहे होते हैं, विकल्पों की तुलना कर रहे होते हैं, और चैटबॉट के अंदर निर्णय ले रहे होते हैं।
यह बदलाव मायने रखता है क्योंकि कन्वर्सेशनल AI पिछले कुछ सालों में ज्यादातर अपने पीछे की लैब्स के लिए एक लागत केंद्र रही है। विज्ञापन उस गणित को बदल देते हैं, और 31 देशों का यूरोपीय लॉन्च स्केल प्रश्न को बदल देता है। ChatGPT उस क्षेत्र में सबसे अधिक उपयोग किए जाने वाले उपभोक्ता AI उत्पादों में से एक है, इसलिए इसके अंदर प्रायोजित प्लेसमेंट अब उस दर्शक वर्ग तक पहुंचते हैं जिसके लिए विज्ञापनदाता पहले Google या Meta को भुगतान करते थे। "डिसीजन मोमेंट्स" के लिए OpenAI की फ्रेमिंग भी यह संकेत देती है कि प्लेसमेंट कहां हैं: न केवल किसी उत्तर के अंत में, बल्कि उन जगहों पर जहां कोई उत्पादों की तुलना कर रहा है, विकल्पों पर विचार कर रहा है, या कार्य करने वाला है।
यूरोप में बिल्डर्स और मार्केटर्स के लिए, व्यावहारिक प्रभाव यह है कि ChatGPT अब स्लाइड डेक में उल्लेख करने की कौतूहल नहीं रहा। यह वास्तव में अभियान चलाने की जगह है, जिसका अपना दर्शक वर्ग और इंटेंट सिग्नल हैं। किसी भी उपभोक्ता उत्पाद को शिप करने वाले के लिए, दीर्घकालिक प्रश्न यह है कि क्या असिस्टेंट्स के अंदर रिकमेंडेशन स्लॉट पारंपरिक सर्च विज्ञापनों को हटाना शुरू कर देते हैं, और क्या आपकी श्रेणी वह है जिसे ChatGPT उन पलों में दिखाएगा।
[18:21] OpenAI AI अर्थव्यवस्था के लिए 14 स्वतंत्र नीति परियोजनाओं का समर्थन करता है
OpenAI ने 17 अगस्त को घोषणा की कि वह 14 स्वतंत्र परियोजनाओं को वित्तपोषित कर रहा है ताकि जिसे वह इंटेलिजेंस एज कहता है, उसके लिए नई नीति विचार विकसित किए जा सकें। अनुदान दो व्यापक लक्ष्यों को लक्षित करते हैं: काम में AI फैलने के रूप में आर्थिक अवसर का विस्तार, और इसके साथ आने वाले व्यवधान के प्रति सामाजिक लचीलापन को मजबूत करना। OpenAI एक थिंक टैंक के बजाय एक प्रायोजक के रूप में कार्य कर रहा है, बाहरी टीमों का चयन करके विचार उत्पन्न कर रहा है ताकि नीतिगत बातचीत एक ही कंपनी के रोडमैप से अधिक दृष्टिकोणों पर आधारित हो।
यह अभी मायने रखता है क्योंकि सरकारें अभी भी AI законодательство का मसौदा तैयार कर रही हैं और श्रम बाजार पहले से ही नए उपकरणों के दबाव में बदल रहे हैं। वित्तपोषित परियोजनाएं अस्पष्ट सिद्धांतों के उत्पादन के बजाय सक्रिय बहस में ठोस सिफारिशें दे सकती हैं। OpenAI स्वयं AI निर्माण का एक प्रमुख लाभार्थी है, स्वतंत्र शोधकर्ताओं के माध्यम से पैसा रूट करना यह सुनिश्चित करने का भी प्रयास है कि सड़क के नियमों को परिभाषित करने का अधिकार अधिक लोगों को मिले।
आगे क्या देखना है: 14 टीमें कौन से विषयों पर काम करती हैं। उनके पोर्टफोलियो का स्वरूप प्रकट करेगा कि स्वतंत्र शोधकर्ता सबसे तीव्र अंतराल कहां देखते हैं — चाहे वह नौकरी विस्थापन, शिक्षा, सुरक्षा नियमन, या पूरी तरह से कुछ और पर हो — और वह संकेत किसी भी तैयार नीति दस्तावेज़ से पहले आ जाएगा।
NOVA: मैं NOVA हूँ।
[ALLOY]: मैं ALLOY हूँ, और ये है AgentStack Daily...
NOVA: OpenAI की terminal-based coding agent Codex ने अपने point one forty-eight release में Amazon Bedrock को एक built-in provider के तौर पर जोड़ा है, साथ ही session branching के लिए Codex Exec Fork और asynchronous MCP hooks के साथ।
[ALLOY]: इस बीच, Google's Gemini 3.7 Flash ने एक million-token multimodal context में native hybrid reasoning पेश की है, जो developers को zero से sixty-four thousand tokens तक thinking budgets set करने की सुविधा देता है Flash speed और pricing पर।
NOVA: आज, हम Gemini 3.7 Flash hybrid reasoning, Codex point one forty-eight, Z.ai का GLM 5.3, Qwen 3.8 27B के साथ local testing, और एक trilingual agent roadmap में गहराई से उतरेंगे।
[ALLOY]: साथ ही world models जो बिना retraining के goals बदल सकते हैं, ChatGPT में advertising, और ये कि smarter decoding raw model scale से क्यों बेहतर है।
NOVA: OpenAI ने अपनी terminal-based coding agent Codex का point one forty-eight अगस्त के अठारहवें दिन launched किया, और Amazon Bedrock अब एक built-in model provider है। Codex AWS profile और region use करके Bedrock पर hosted models तक पहुँच सकता है, with GPT-5.6 routing supported out of the box। ये enterprise environments में ज़रूरी है जहाँ IAM roles, billing accounts, model access, और corporate compliance पहले से ही AWS से जुड़े हैं। Those engineering teams को अब inference को अपनी established cloud boundary के अंदर रखने के लिए एक isolated model proxy maintain करने की ज़रूरत नहीं है। The other big addition है Codex Exec Fork। यह एक existing session को एक separate run में branch करता है, useful context preserve करते हुए जबकि नया path independently आगे बढ़ने देता है। एक developer जो दो possible fixes investigate कर रहा है वह conversation को cleanly split कर सकता है instead of flattening both approaches into one confused thread। The terminal resume picker भी archive और restore controls gain करता है, जबकि Export command एक complete conversation को Markdown के तौर पर copy कर सकता है या उसे एक new file में लिख सकता है। एक coding-agent session आखिरकार एक working document की तरह behave कर सकता है: branchable, portable, recoverable, shareable, और teams में inspectable। Cost visibility Status command में, configurable status lines में, और terminal title bar में land करती है, जहाँ eligible workspaces active terminal output के बगल में estimated thread credits या dollar cost directly display कर सकते हैं।
[ALLOY]: Honestly, asynchronous hook work शायद time के साथ और भी बेहतर हो। External scripts अब main turn को block किए बिना run कर सकते हैं, और वे scripts directly MCP tools invoke कर सकते हैं। MCP standard connection layer है जिसका agents use करते हैं outside tools और data sources call करने के लिए। एक hook build start कर सकता है, database query कर सकता है, build pipeline execute कर सकता है, या another external service trigger कर सकता है जबकि Codex अपने current turn पर काम करना जारी रखता है। OpenAI ने long sessions के दौरान painful होने वाली failures को भी fix किया। Models change करना अब stale configuration instructions behind नहीं छोड़ता या active turn के बीच में underlying model swap नहीं करता। Resumed sessions reliably अपने saved working directory और execution approval policy को restore करते हैं। एक turn temporary provider outage के बाद reconnect कर सकता है, और एक MCP server account reauthentication के बाद बिना Codex restart किए recover कर सकती है। Terminal interface अब buffered input reject करता है जो accidentally prompt activate कर सकता था, Windows-style line endings और wrapped whitespace को और cleanly handle करता है, और long links को transcript को खराब किए बिना render करता है। Sandbox handling fails closed जब path Linux और Windows पर denied या unreadable होती है।
NOVA: Google का Gemini 3.7 Flash एक महत्वपूर्ण आर्किटेक्चरल शिफ्ट दर्शाता है जो एक ही यूनिफाइड मॉडल में हाइब्रिड रीजनिंग पेश करता है। डेवलपर्स को एक फास्ट स्टैंडर्ड मॉडल या एक महंगे रीजनिंग मॉडल में से चुनने के बजाय, Gemini 3.7 Flash दोनों को यूनिफाई करता है। डेवलपर्स प्रति API कॉल एक थिंकिंग बजट कॉन्फ़िगर करते हैं—तुरंत सब-सेकंड टूल एक्जीक्यूशन के लिए ज़ीरो से लेकर गहरी मल्टी-स्टेप कोड एक्सप्लोरेशन के लिए चौंसठ हज़ार टोकन तक। यह अपने दस लाख टोकन विंडो में टेक्स्ट, कोड, ऑडियो, वीडियो और इमेजरी पर पूर्ण मल्टीमॉडल क्षमताएं बनाए रखता है।
[ALLOY]: बिल्कुल। और जहां तक प्रतिस्पर्धा से तुलना की बात है, यही चीज़ दिलचस्प हो जाती है। Claude 3.7 Sonnet भी हाइब्रिड थिंकिंग ऑफर करता है, लेकिन फ्रंटियर प्राइसिंग पर—तीन डॉलर प्रति मिलियन इनपुट और पंद्रह डॉलर प्रति मिलियन आउटपुट। Gemini 3.7 Flash फ्लैश-टियर प्राइसिंग पर तुलनीय SWE-bench Verified कोडिंग परफॉर्मेंस देता है, लगभग दस से पैंतीस सेंट प्रति मिलियन टोकन। यह ऑटोनोमस कोडिंग एजेंट लूप के इकोनॉमिक्स को पूरी तरह बदल देता है जहां एक एजेंट प्रति टास्क दर्जनों एक्सप्लोरेटरी टूल कॉल और फाइल इंस्पेक्शन एक्जीक्यूट करता है।
NOVA: OpenAI के o3-mini और o1 की तुलना में, जो फिक्स्ड रीजनिंग टियर का उपयोग करते हैं और नेटिव वीडियो या ऑडियो इनपुट की कमी है, Gemini 3.7 Flash अपने पूरे दस लाख टोकन विंडो में फुल मल्टीमॉडल प्रोसेसिंग के साथ कंटीन्यूअस थिंकिंग कंट्रोल देता है। और GLM 5.3 जैसे टेक्स्ट-ओनली एंट्रीज़ या Qwen 3.8 27B जैसे क्वांटाइज़्ड मॉडल्स के खिलाफ, Gemini 3.7 Flash गहरी प्लानिंग या आर्किटेक्चरल समझ का त्याग किए बिना तुरंत सब-सेकंड टाइम-टू-फर्स्ट-टोकन देता है।
[ALLOY]: एजेंट बिल्डर्स के लिए, स्पष्ट पैटर्न डायनामिक थिंकिंग अलोकेशन है: रूटीन क्लासिफिकेशन और टूल कॉल को ज़ीरो थिंकिंग टोकन के साथ रन करें, और जटिल रिफैक्टरिंग, कंपाइलर डायग्नोस्टिक्स और बग इन्वेस्टिगेशन के लिए बजट को चार या सोलह हज़ार टोकन तक बढ़ाएं।
NOVA: Z.ai GLM 5.3 को जटिल सॉफ्टवेयर इंजीनियरिंग और लॉन्ग-होराइज़न एजेंट वर्क के लिए एक लार्ज-स्केल रीजनिंग मॉडल के रूप में बताता है। यह OpenRouter के माध्यम से टेक्स्ट इनपुट और टेक्स्ट आउटपुट के साथ उपलब्ध है, एक दस लाख टोकन कॉन्टेक्स्ट विंडो, और चार हज़ार छियानवे टोकन का आउटपुट सीलिंग। कॉन्टेक्स्ट एक बड़े रिपॉजिटरी, एक्सटेंडेड टूल हिस्ट्री, डिज़ाइन डॉक्यूमेंट्स और एक सुsubstantial वर्किंग कन्वर्सेशन को एक साथ रख सकता है। आउटपुट सीलिंग बहुत टाइट है, इसलिए मॉडल एक रिस्पॉन्स में जितना रिटर्न कर सकता है उससे काफी ज़्यादा पढ़ सकता है। यह अंतर मायने रखता है। एक दस लाख टोकन कॉन्टेक्स्ट का मतलब एक दस लाख टोकन जवाब नहीं है, और यह साबित नहीं करता कि मॉडल हर डिटेल जो वह प्राप्त करता है उसे विश्वसनीय रूप से उपयोग कर सकता है। फिर भी, यह राउटिंग सिस्टम को छोटी विंडो से बाहर निकलने वाले जॉब्स के लिए एक और विकल्प देता है। एक कोडिंग एजेंट लगातार पहले के काम को कंप्रेस किए बिना एक लंबे इन्वेस्टिगेशन को ज़्यादा प्रिज़र्व रख सकता है, जबकि एक रिपॉजिटरी असिस्टेंट यह तय करने से पहले कहीं बड़े हिस्से कोडबेस में इनजेस्ट कर सकता है कि कहां देखना है। बड़े रिफैक्टरिंग ट्रेस हाथल करने वाले डेवलपर्स के लिए, वह एक्स्ट्रा हेडरूम अचानक कॉन्टेक्स्ट ट्रंकेशन को रोकता है।
[ALLOY]: यह एक्साइटिंग है, कॉन्टेक्स्ट विंडो के साइज़ के एक तारे के साथ। लॉन्ग-होराइज़न वर्क कोहेरेंस, प्लानिंग, टूल यूज़, लेटेंसी और कॉस्ट पर निर्भर करता है—कितना टेक्स्ट दरवाज़े से गुज़रता है बस उस पर नहीं। GLM 5.3 की लिस्टिंग एक्टिव या टोटल पैरामीटर काउंट्स का खुलासा नहीं करती, और न ही कोई इमेज या ऑडियो मॉडैलिटी एक्सपोज़ करती है। यह एक टेक्स्ट रीजनिंग मॉडल है, यूनिवर्सल मल्टीमॉडल सिस्टम नहीं। जो credible advantage होगा वह तब सामने आएगा जब इंडिपेंडेंट एजेंट इवैल्युएशन दिखाएंगे कि यह उस दस लाख टोकन इनपुट की गहराई से सही evidence रिट्रीव कर रहा है और कई एक्शन्स में एक प्लान बरकरार रख रहा है। प्राइसिंग और रेट लिमिट्स भी तय करेंगे कि टीमें इसे असामान्य रूप से बड़े जॉब्स के लिए रिज़र्व करती हैं या सामान्य कोडिंग वर्क वहां राउट करती हैं। लंबे प्रॉम्प्ट्स irrelevant या contradictory कॉन्टेक्स्ट पैदा कर सकते हैं, इसलिए प्रॉम्प्ट हाइजीन अभी भी मायने रखती है भले ही कंप्रेशन कम तत्काल हो जाए। Z.ai ने एक वास्तव में दिलचस्प लॉन्ग-कॉन्टेक्स्ट लेन खोली है। उसने कॉन्टेक्स्ट मैनेजमेंट गायब नहीं किया है।
NOVA: Alibaba की Qwen रिसर्च लैब ने Qwen 3.8 27B को Apache Two लाइसेंस के तहत रिलीज़ किया, विज़न इनपुट के साथ, सत्ताईस अरब पैरामीटर, और दो लाख बासठ हज़ार टोकन की नेटिव कॉन्टेक्स्ट विंडो। यह मल्टीमॉडल मॉडल को लोकल वर्कस्टेशन की पहुंच में लाता है। Qwen के बेंचमार्क्स दावा करते हैं कि यह Qwen 3.6 27B और क्लोज़्ड-वेट Qwen 3.7-Plus में सुधार करता है, हालांकि इंडिपेंडेंट वैलिडेशन अभी बाकी है।
[ALLOY]: Simon Willison का हैंड्स-ऑन रिज़ल्ट तुरंत ज़्यादा उपयोगी है। उन्होंने एक सत्रह गीगाबाइट, चार-बिट क्वांटाइज़्ड बिल्ड को 128 गीगाबाइट मेमोरी वाले MacBook Pro और NVIDIA DGX Spark पर LM Studio के माध्यम से रन किया। उन्होंने Spark पर Llama सर्वर रनटाइम भी यूज़ किया। मॉडल काम करता है, लेकिन यह reasoning effort एक्स्ट्रा हाई पर सेट के साथ आया। सामान्य प्रॉम्प्ट्स पर, यह हर उपलब्ध टोकन का उपभोग करता रहा जबकि ऐसे काम के बारे में सोच रहा था जिसकी यह उचित था।
NOVA: जो एक बहुत Qwen-आकार का कॉमेडी है: समस्या हल करने के लिए काफी स्मार्ट, पहले एक निजी डिसर्टेशन लिखने के लिए काफी दृढ़। LM Studio का डिफ़ॉल्ट कॉन्टेक्स्ट व्यवहार को विशेष रूप से दृश्यमान बनाता है क्योंकि रीजनिंग उपलब्ध विंडो को भर सकती थी। पूर्ण कॉन्टेक्स्ट लोड करने से तुरंत का संकुचन दूर हुआ, लेकिन यह बेमेल को ठीक नहीं किया। रीजनिंग प्रयास को कम करना काम कर गया। लोकल एप्लिकेशन मॉडल को बदले बिना विचारशीलता को प्रतिक्रियाशीलता के लिए ट्रेड कर सकते हैं।
[ALLOY]: और वह नियंत्रण बदलता है कि सत्ताइस-अरब-पैरामीटर मॉडल कहां फिट बैठता है। विज़न सपोर्ट इसे स्क्रीनशॉट और इमेज-आधारित काम के लिए प्रासंगिक बनाता है। Apache Two लाइसेंसिंग व्यापक वाणिज्यिक उपयोग की अनुमति देती है, और क्वांटाइज़ेशन वेट को हाई-मेमोरी कंज्यूमर हार्डवेयर के लिए काफी कॉम्पैक्ट बनाता है। खुले प्रश्न यह हैं कि क्या स्वतंत्र तुलना Qwen के दावा किए गए लाभ की पुष्टि करती है और क्या रनटाइम यथार्थमूलक डिफ़ॉल्ट चुनते हैं। एक लोकल असिस्टेंट जो एक साधारण अनुरोध पर मिनटों तक विचार करता है, एक कमज़ोर मॉडल से जो साफ़-सुथरे ढंग से जवाब देता है, उससे बदतर लग सकता है। Qwen 3.8 अपने आकार के लिए असामान्य रूप से सक्षम दिखता है, लेकिन अधिकतम प्रयास हमेशा उचित प्रयास नहीं होता। यथार्थमूलक रनटाइम पैरामीटर सेट करना इसके वास्तविक व्यावहारिक उपयोगिता को अनलॉक करता है।
[ALLOY]: एजेंट शिक्षा आमतौर पर दो तरीकों में टूटती है: यह लिंक का एक यादृच्छिक ढेर है, या यह मान लेती है कि हर कोई तकनीकी भाषा सबसे आराम से अंग्रेज़ी में सीखता है। Wenyu Chiou का Awesome Agentic AI ZH प्रोजेक्ट दोनों समस्याओं को हमला करता है। रिपॉजिटरी दो सौ चालीस से अधिक संसाधनों को एक पाथ में व्यवस्थित करता है जो भाषा-मॉडल की नींव से शुरू होता है और एजेंटों और मल्टी-एजेंट सिस्टम की ओर बढ़ता है। यह सामग्री को पारंपरिक चीनी, अंग्रेज़ी और सरलीकृत चीनी में प्रस्तुत करता है, संदर्भों के साथ-साथ हाथों-पर काम के उदाहरणों के साथ।
NOVA: रिपॉजिटरी में पांच हज़ार सात सौ चौवन GitHub स्टार्स थे सत्यापित समुदाय आंकड़ों में, अठारह अगस्त को सक्रिय अपडेट प्राप्त हुए, और चौदह अगस्त की तारीख वाले एक प्रमुख रिलीज़ का अनुसरण किया। वे संख्याएं यह साबित नहीं करतीं कि हर लिंक उत्कृष्ट है, लेकिन वे सार्थक रुचि और सक्रिय रखरखाव दिखाती हैं। अनुक्रमण एक उपयोगी हिस्सा है। एक शिक्षार्थी बुनियादी मॉडल व्यवहार से टूल कॉलिंग की ओर बढ़ सकता है—मॉडल की बाहरी कार्रवाई का अनुरोध करने की क्षमता—और फिर एजेंट लूप्स में, जहां एक सिस्टम योजना बनाता है, कार्य करता है, परिणाम का अवलोकन करता है, और तय करता है कि आगे क्या होगा।
[ALLOY]: सही, और पक्ष-से-पक्ष भाषाएं पहुंच से अधिक सूक्ष्म समस्या हल करती हैं। एक चीनी-भाषी डेवलपर उस भाषा में एक स्पष्टीकरण पढ़ सकता है जो स्वाभाविक लगती है, दस्तावेज़ीकरण और कोड में उपयोग किए गए अंग्रेज़ी शब्द से तुलना करें, और फिर जब अवधारणा घनी हो जाए तो वापस स्विच करें। उदाहरण के लिए, "मेमोरी" का अर्थ सहेजे गए तथ्य, पुनर्प्राप्त दस्तावेज़, बातचीत इतिहास, या एप्लिकेशन स्टेट हो सकता है। समकक्ष स्पष्टीकरण अवधारणा को उसके फैशनेबल अंग्रेज़ी लेबल से अलग कर सकते हैं। यह केवल एक मेनू का अनुवाद करने से अधिक मूल्यवान है।
NOVA: मुझे महत्वाकांक्षा पसंद है, लेकिन क्यूरेशन की एक एक्सपायरी डेट होती है। एजेंट फ्रेमवर्क, इंटरफेस और पैटर्न जल्दी बदलते हैं, इसलिए एक रोडमैप एक संग्रहालय बन सकता है अगर लिंक्स हिलना बंद कर दें। अगस्त का अपडेट उत्साहजनक है क्योंकि यह सक्रिय रखरखाव दिखाता है। दो सौ चालीस से अधिक संसाधनों के साथ, यह एक व्यावहारिक पाठ्यक्रम के रूप में कार्य करता है। इसका स्थायी मूल्य नए सामग्री जोड़ने जितना ही आक्रामकता से पुरानी सामग्री को छंटाई से आएगा।
NOVA: OpenAI ने रक्षा और खुफिया कार्य में AI आने पर लोकतांत्रिक निगरानी को मज़बूत करने के उद्देश्य से एक पहल की घोषणा की। कंपनी तीन मुख्य क्षेत्रों का वर्णन करती है: सरकारी संस्थानों को उपकरण देना, तकनीकी प्रशिक्षण प्रदान करना, और विशेषज्ञता की आपूर्ति जो उन्हें राष्ट्रीय-सुरक्षा तैनाती की जांच में मदद करे। राज्य द्वारा उपयोग किया गया AI निगरानी, लक्ष्यीकरण, खुफिया विश्लेषण और अन्य निर्णयों को प्रभावित कर सकता है जो असाधारण सार्वजनिक परिणाम रखते हैं, इसलिए निगरानी निकायों को विक्रेताओं और एजेंसियों से चुनौती देने के लिए पर्याप्त तकनीकी समझ की आवश्यकता है। केवल तकनीकी पहुंच भी जवाबदेही नहीं बनाएगी। समीक्षकों को भी स्वतंत्र अधिकार, टिकाऊ रिकॉर्ड, ऑडिट ट्रेल और तैनाती के बाद निर्णयों पर सवाल उठाने के लिए एक स्पष्ट परिचालन तंत्र की आवश्यकता है, न कि केवल प्राप्ति से पहले।
[ALLOY]: देखो, वह लक्ष्य बहस करने के लिए कठिन है। घोषणा में बाहरी लोगों के लिए मापने योग्य प्रतिबद्धताएं भी हल्की हैं। OpenAI ने भागीदार एजेंसियों के नाम नहीं बताए, विशिष्ट प्रशिक्षण समूहों की पहचान नहीं की, तैनात किए गए मॉडलों तक स्वतंत्र पहुंच का वर्णन नहीं किया, या वित्त पोषित निगरानी पायलट के बारे में नहीं बताया। "उपकरण, प्रशिक्षण और विशेषज्ञता" गंभीर संस्थागत क्षमता का मतलब हो सकती है, या उस कंपनी द्वारा प्रस्तुत परिष्कृत ब्रीफिंग जिसके सिस्टम की जांच हो रही है। लोकतांत्रिक निगरानी तब विश्वसनीय बनती है जब विधायक, इंस्पेक्टर, तकनीकी ऑडिटर और नागरिक समाज समूह कठिन सवाल पूछ सकें और अनुभवीय साक्ष्य प्राप्त कर सकें जो पूरी तरह से मॉडल आपूर्तिकर्ता द्वारा नियंत्रित न हो। रक्षा या खुफिया में बेचने वाली कंपनियों के लिए, घोषणा तैनाती तकनीक बदलने से पहले प्राप्ति भाषा को प्रभावित कर सकती है। खरीदार स्पष्ट रूप से पूछ सकते हैं कि मॉडल की समीक्षा कौन करता है, यह कार्य करने के बाद कौन से रिकॉर्ड बचते हैं, और एक संस्था किसी महत्वपूर्ण आउटपुट को कैसे चुनौती देती है। मैं यह भी जानना चाहूंगा कि क्या निगरानी ठेकेदारों और डाउनस्ट्रीम सिस्टम तक फैलती है, क्योंकि सार्वजनिक एजेंसियां अक्सर एक मॉडल के बजाय असेंबल की गई सेवाएं खरीदती हैं। वास्तविक परीक्षण तब आता है जब OpenAI भागीदारों के नाम बताता है और बताता है कि उन भागीदारों को क्या अधिकार मिलते हैं। तब तक, यह एक दिशा है, जवाबदेह कार्यक्रम नहीं।
[ALLOY]: NVIDIA AI बूम के ज़्यादातर हिस्से के नीचे एक्सेलेरेटर बनाती है। तो यहां क्या खास बात है कि वह पूरी तरह से अपने इंटरनल स्टैक पर भरोसा करने के बजाय ChatGPT Work का उपयोग कर रही है?
NOVA: OpenAI की कस्टमर स्टोरी के मुताबिक, NVIDIA टीमें मैनुअल काम को कम करने, तेज़ी से बदलती जानकारी को जोड़ने और पूरी कंपनी में सफल वर्कफ़्लो को फैलाने के लिए ChatGPT Work का उपयोग करती हैं। आखिरी हिस्सा प्रोडक्ट को एक इंडिविजुअल चैट विंडो से आगे ले जाता है। अगर एक ग्रुप किसी बार-बार के काम को रीयूज़ेबल वर्कफ़्लो में बदल देता है, तो दूसरा ग्रुप उस पैटर्न को अपना सकता है बजाय इसके कि उसे शुरू से बनाया जाए। जब कोई कंपनी चिप्स, नेटवर्किंग, सॉफ़्टवेयर, रिसर्च, सेल्स और ग्लोबल सप्लाई रिलेशंस में काम करती है, तो जानकारी उतनी तेज़ी से बदलती है कि स्टैटिक इंटरनल गाइड उसे एब्ज़ॉर्ब नहीं कर सकते। कन्वर्सेशनल लेयर लोगों को उन सिग्नल्स को कंबाइन करने और उन्हें हैंडल करने के रिपीटेबल तरीके प्रिज़र्व करने में मदद कर सकती है। यह स्पेशलिस्ट्स को अपनी जज़मेंट पैकेज करने का तरीका भी दे सकती है जिसे दूसरी जगह के सहकर्मी रीयूज़ कर सकें, जो किसी एक व्यक्ति की राइटिंग को स्पीड करने से ज़्यादा असरदार है।
[ALLOY]: मैं स्ट्रक्चरल आइडिया मानता हूं, लेकिन सबूत बड़े पैमाने पर हैं। केस स्टडी में यह नहीं बताया गया कि NVIDIA के कौन से डिवीज़न ने पहले प्रोडक्ट अपनाया, कितने वर्कर्स इसका उपयोग करते हैं, या कितने घंटे बचाए गए। "स्केलिंग एक्सपर्टीज़" हेडलाइन में बहुत अच्छा लगता है लेकिन डेटा के बिना इसे इवैल्यूएट करना मुश्किल है। फिर भी, NVIDIA का अडॉप्शन एंटरप्राइज़ रियलिटी के बारे में कुछ कहता है: एक बड़ा चिपमेकर दूसरी कंपनी के असिस्टेंट को कोऑर्डिनेशन प्लंबिंग के तौर पर उपयोग कर रहा है। एक बार वर्कफ़्लो टीमों के बीच ट्रैवल करने लगते हैं, ओनरशिप और फ्रेशनेस के सवाल भी उनके साथ आ जाते हैं। अभी, OpenAI ने एक प्रमुख कस्टमर और एक प्लॉज़िबल ऑपरेटिंग पैटर्न दिया है, यह दिखाते हुए कि शेयर्ड असिस्टेंट कॉर्पोरेट इन्फ्रास्ट्रक्चर कैसे बन रहे हैं।
NOVA: लिंग्विस्टिक्स ओलंपियाड पज़ल्स में कंटेस्टेंट्स को किसी अनकॉमन भाषा के उदाहरण दिए जाते हैं और उनसे नियम इनफर करने को कहा जाता है। IOL-AI Challenge ने वे पज़ल्स AI सिस्टम्स के सामने रखीं - एक सिंगल T4 GPU और प्रॉब्लम के हर सवाल के लिए तीस मिनट की सीमा के साथ। रिसोर्स-कंस्ट्रेंड सबमिशन ह्यूमन कंटेस्टेंट्स के बॉटम पांच परसेंट में रहीं, जबकि Claude Opus 4.8 ने गोल्ड-मेडल-लेवल परफॉर्मेंस हासिल की।
[ALLOY]: यहां हैरान करने वाला हिस्सा है: सिर्फ मॉडल साइज़ ने रैंकिंग्स नहीं समझाईं। छोटे ट्यून्ड सिस्टम ने कई गुना बड़े मॉडल्स को मात दी क्योंकि टीमों ने डिकोडिंग में सुधार किया - सिस्टम अपना आउटपुट कैसे जेनरेट, एक्सप्लोर और सेलेक्ट करता है।
NOVA: सही है, तो "बड़ा मॉडल खरीदो" जीतने वाला जवाब नहीं था। ऑटोमैटिक स्कोरिंग ने ह्यूमन ज्यूरी के ओवरऑल ऑर्डर का पालन किया लेकिन वीक सिस्टम्स को ज्यूरी से ज़्यादा क्रेडिट दिया, मतलब कन्वीनिएंट मशीन ग्रेडिंग ने कुछ फेलियर्स को सॉफ्ट किया।
[ALLOY]: स्केलिंग ऑब्सेसन के लिए यह एक यूज़फुल करेक्शन है। ये पज़ल्स एक्सपोज़ करते हैं कि मॉडल फैमिलियर फैक्ट्स रिट्रीव कर सकता है या हिडन स्ट्रक्चर इनफर कर सकता है। टाइट रिसोर्सेज़ के तहत, बेहतर आउटपुट हैंडलिंग ने रॉ स्केल से ज़्यादा दिया। बड़े मॉडल बेजोड़ नहीं हैं, लेकिन अनमैनेज्ड कैपेसिटी स्मार्टर आउटपुट एक्सप्लोरेशन से हार जाती है।
NOVA: जैसे-जैसे फ्रंटियर सिस्टम अधिक सार्थक साइबर क्षमताएं हासिल कर रहे हैं, OpenAI ने मॉडल विकास के लिए अपना दृष्टिकोण प्रकाशित किया है। कंपनी का कहना है कि मॉनिटरिंग, अलाइनमेंट और सुरक्षा प्रथाओं को यह निर्धारित करना चाहिए कि उन्नत मॉडल रिलीज की ओर कितनी तेजी से बढ़ें। इस पोस्ट में कोई नया मॉडल या प्रोडक्ट नहीं है। यह स्पष्ट बयान है कि ऑफेंसिव साइबर सुरक्षा में क्षमता में वृद्धि अब लॉन्च पेसिंग को प्रभावित करती है, न कि रिलीज के बाद एक और बेंचमार्क के रूप में प्रकट होती है।
[ALLOY]: "पेसिंग" वहाँ बहुत काम कर रहा है। क्या OpenAI एक वास्तविक ब्रेक का वर्णन कर रहा है, या एक सुरक्षा प्रक्रिया का जो रिलीज कैलेंडर के साथ विकसित होती है?
NOVA: उपलब्ध सारांश में कोई नया मूल्यांकन सुइट, डिप्लॉयमेंट गेट, रेड-टीम प्रोग्राम या थ्रेशोल्ड का नाम नहीं है जो इस सवाल का जवाब दे। यह सामान्य स्तर पर सुरक्षा उपायों का वर्णन करता है। लेकिन यह विषय महत्वपूर्ण है क्योंकि एक मॉडल जो डिफेंडर्स को भेद्यताओं का विश्लेषण करने में मदद करता है, वह आक्रामक कार्य के लिए आवश्यक विशेषज्ञता और समय को भी कम कर सकता है। अधिक सक्षम एजेंट लंबे कार्यों में सर्वेक्षण, कोड विश्लेषण, टूल उपयोग और शोषण प्रयासों को जोड़ सकते हैं। मॉनिटरिंग एक्सेस शुरू होने के बाद दुरुपयोग का पता लगा सकता है; अलाइनमेंट यह आकार देने की कोशिश करता है कि मॉडल किस चीज में सहायता करेगा; सुरक्षा नियंत्रण मॉडल और आसपास की प्रणालियों की रक्षा करते हैं। ये मूल रूप से अलग-अलग परिचालन कार्य हैं। पेसिंग के बारे में दावा तभी मापनीय होता है जब OpenAI बताता है कि उनसे मिलने वाले अनुभवजन्य साक्ष्य लॉन्च शेड्यूल को कैसे बदलते हैं। प्रकटीकरण की भी सीमाएं हैं: हर थ्रेशोल्ड प्रकाशित करने से दुश्मनों को यह समझने में मदद मिल सकती है कि नियंत्रण कहाँ शुरू होते हैं। फिर भी, जनता उचित रूप से यह उम्मीद कर सकती है कि कौन सी विशिष्ट क्षमताएं डिप्लॉयमेंट को प्रभावित करती हैं, इसकी स्पष्ट जानकारी मिले। मुझे खुशी है कि साइबर क्षमता को रिलीज वेरिएबल के रूप में माना जाता है, लेकिन अस्पष्ट भाषा अकेले तर्क को आगे नहीं बढ़ा सकती।
[ALLOY]: अधिकांश सीखे गए वर्ल्ड मॉडल - पर्यावरण में परिवर्तन के आंतरिक सिमुलेशन - धारणा को इनाम के साथ उलझा देते हैं। एक एजेंट को नीली चाबी की ओर नेविगेट करना सिखाएं, और लक्ष्य को लाल चाबी में बदलने के लिए अधिक इंटरैक्शन और एक और प्रशिक्षण रन की आवश्यकता हो सकती है।
NOVA: शोधकर्ता अवलोकन पुनर्निर्माण को इनाम पूर्वानुमान से अलग करने का प्रस्ताव करते हैं। सिमुलेशन यह सीखना जारी रखता है कि दुनिया क्या करेगी, जबकि इनाम मानव-पठनीय प्रतीकात्मक स्थिति चरों के एक छोटे से सेट से गणना की जाती है। उस नियम को बदलें और सीखा गया वातावरण को पुनर्निर्मित करने की आवश्यकता नहीं है। यह जीरो-शॉट टास्क ट्रांसफर को सक्षम बनाता है: पहले ताजा अनुभव एकत्र किए बिना एक एजेंट को नए उद्देश्य की ओर पुनर्निर्देशित करना। एक सिमुलेटेड रोबोट एक अलग वस्तु का अनुसरण कर सकता है, या एक गेम एजेंट नया स्कोरिंग अपना सकता है, जबकि अपनी सीखी गई गतिकी और भौतिकी को बनाए रखता है। एजेंट के लक्ष्यों में परिवर्तन के बाद भी दुनिया के व्यवहार के बारे में तथ्य बने रहते हैं।
[ALLOY]: ठीक है, और गतिकी को इनाम तर्क से अलग रखने का मतलब है कि टीमें महंगे भौतिक सिमुलेशन को केवल एक बार प्रशिक्षित करती हैं।
NOVA: Asana का कहना है कि एक पुरानी परीक्षण प्रणाली से माइग्रेशन Codex के साथ लगभग दो सप्ताह में हुआ, जबकि उसकी इंजीनियरिंग टीम ने इस काम का अनुमान लगभग पांच साल लगाया था। रिपोर्ट किए गए खर्च लगभग बारह हजार डॉलर थे, और प्रयास में दो इंजीनियर शामिल थे। यह तुलना इतनी चरम है कि इस पर गंभीर ध्यान और सावधानीपूर्वक संदेह दोनों की आवश्यकता है। OpenAI ने ग्राहक केस प्रकाशित किया, और पांच साल का अनुमान Asana से आया; सारांश में स्वतंत्र रूप से सटीक वर्कफ़्लो को पुनर्निर्मित करने के लिए पर्याप्त तकनीकी विवरण नहीं है।
[ALLOY]: फिर भी, पांच साल से दो सप्ताह तक का अंतर एक भारी छूट के बाद भी बजट बातचीत को बदल देता है। वास्तव में हम इस काम के बारे में क्या जानते हैं?
NOVA: हमें पता है कि इसमें एक पुराने परीक्षण प्रणाली को बदलना शामिल था और Asana ने Codex की मदद से माइग्रेशन पूरा किया। हमें परीक्षण सुइट के पूर्ण आकार, बदली गई फ़ाइलों की मात्रा, सटीक एजेंट कॉन्फ़िगरेशन, सीधे स्वीकृत जेनरेटेड कोड का अनुपात, या तैयार परिणाम के पीछे कितनी मानव समीक्षा और मैनुअल मरम्मत थी, इसके बारे में नहीं पता। "पांच साल" सामान्य स्टाफिंग के तहत कम-प्राथमिकता बैकलॉग अनुमान का प्रतिनिधित्व कर सकता है, न कि लगातार पांच साल की इंजीनियरिंग मेहनत का। यह अंतर परिणाम को मिटाता नहीं है, लेकिन तुलना को बदल देता है। एक एजेंट उपेक्षित काम को आर्थिक रूप से आकर्षक बना सकता है लागत को इतना कम करके कि एक छोटी टीम शुरू कर सके। और जल्दी खत्म करने का दूसरा क्रम लाभ है: संगठन एक लंबे संक्रमण के दौरान पुरानी और नई दोनों प्रणालियों को बनाए रखने में कम समय बिताता है।
[ALLOY]: ईमानदारी से, यह बहुत अजीब है। लेगसी माइग्रेशन असामान्य रूप से उपयुक्त क्षेत्र हैं: उनमें दोहराव वाले ट्रांसफॉर्मेशन, परीक्षण फीडबैक, और एक स्थापित गंतव्य प्रारूप होते हैं। मॉडल मौजूदा इरादे का अनुवाद करता है जब लोग अपवादों की देखरेख करते हैं। Asana का मामला सुझाव देता है कि कोडिंग एजेंट उस यांत्रिक बोझ को नाटकीय रूप से कम कर सकते हैं। इसका मतलब यह नहीं है कि हर पांच साल का पुनर्लेखन दो सप्ताह बन जाता है, लेकिन एक हतोत्साहित सबसिस्टम जो छूने के लिए बहुत महंगा लगता था, अब ध्यान के लिए प्रतिस्पर्धा कर सकता है।
[ALLOY]: OpenAI का "Defender's Window" तर्क देता है कि AI हमलावरों और रक्षकों दोनों को नया आकार दे रहा है। कंपनी कहती है कि वह अपनी रक्षा को मजबूत कर रही है और खतरे के माहौल के बदलते ही सुरक्षा टीमों को मार्गदर्शन की ओर इंगित करती है। क्या प्रकाशित सामग्री वास्तव में क्या बदला इसकी पहचान करती है?
NOVA: उपलब्ध सारांश में नहीं। यह नए उत्पाद, मॉडल, पहचान प्रणाली, नियंत्रण, या मापनीय शमन का नाम नहीं लेता। यह इसे एक परिप्रेक्ष्य टुकड़ा बनाता है, चेंजलॉग नहीं। व्यापक सिद्धांत विश्वसनीय है: AI कोड उत्पन्न करने, सॉफ्टवेयर प्रणालियों का विश्लेषण करने, जटिल तकनीकी सामग्री का अनुवाद करने, और दोहराव वाले कार्यों को स्वचालित करने की लागत कम कर सकता है। वे क्षमताएं जांचकर्ताओं को टेलीमेट्री अलर्ट की जांच करने और सॉफ्टवेयर को तेजी से पैच करने में मदद कर सकती हैं, जबकि हमलावरों को रिकॉनेंसेंस को तेज करने में भी मदद कर सकती हैं। लेकिन शीर्षक रक्षकों के लिए एक खिड़की का वादा करता है, और उपयोगी सवाल यह है कि उस लाभ को क्या संरक्षित रखता है।
[ALLOY]: अच्छा बिंदु, लेकिन मैं अभी तक मजबूत निहितार्थ पर नहीं खरीता। तेज सुधार, बेहतर टेलीमेट्री, शक्तिशाली क्षमताओं तक नियंत्रित पहुंच, और AI प्रणालियों के आसपास मजबूत सुरक्षा सीमाएं सभी योगदान दे सकती हैं। स्रोत सारांश यह स्थापित नहीं करता कि OpenAI ने उनमें से किसे सामग्री रूप से आगे बढ़ाया है। तो न्यायसंगत पठन दिशात्मक है। OpenAI चाहता है कि सुरक्षा नेता मानें कि खतरा मॉडल बढ़ रहा है और घटना के दोनों पक्षों पर AI को प्रासंगिक मानें। रक्षा को अग्रभूमि में रखना एंटरप्राइज वर्कलोड के लिए आने वाले उत्पाद नियंत्रणों, सुरक्षा प्रमाणनों, या पहचान क्षमताओं का पूर्वाभास हो सकता है।
NOVA: यह पेसिंग तर्क से भी जुड़ता है। एक पोस्ट कहती है कि बढ़ती साइबर क्षमता मॉडल रिलीज़ को प्रभावित करनी चाहिए; दूसरा तर्क देता है कि रक्षकों के पास AI का उपयोग करने का अवसर है قبل्यों attacker सभी लाभ कब्जा कर लेते हैं। अगला सार्थक साक्ष्य शिप किए गए सुरक्षा उपाय, नामित पहचान, मापे गए प्रतिक्रिया सुधार, या स्पष्ट पहुँच नियंत्रण होंगे। उन ठोस तंत्रों के बिना, रक्षक की खिड़की एक स्थापित तकनीकी मुद्रा के बजाय एक दिलचस्प सैद्धांतिक अवसर बनी रहती है।
NOVA: OpenAI ने ChatGPT Ads को इकतीस यूरोपीय बाजारों में विस्तारित किया है, एक सीमित पायलट से आगे बढ़कर एक व्यापक क्षेत्रीय रोलआउट में। कंपनी इन प्लेसमेंट को ChatGPT के अंदर लोगों तक पहुंचने के तरीके के रूप में प्रस्तुत करती है जब वे विकल्पों की खोज कर रहे होते हैं, उत्पादों की तुलना कर रहे होते हैं, और निर्णय लेने की तैयारी कर रहे होते हैं। यह विज्ञापन को संवादात्मक इरादे के करीब लाता है: वह क्षण जब एक व्यक्ति एक विशिष्ट तकनीकी या उपभोक्ता जरूरत का वर्णन करता है, न कि पारंपरिक खोज बॉक्स में खंडित कीवर्ड टाइप करता है।
[ALLOY]: खैर, ईमानदारी से, यह सहायक की वाणिज्यिक पहचान को बदल देता है। उपभोक्ता AI उत्पादों को संचालित करना महंगा है, जबकि सदस्यताएं समग्र दर्शकों के एक हिस्से तक पहुंचती हैं। विज्ञापन OpenAI को कम्प्यूट उपयोग को निधि देनेे और उपयोगकर्ता ध्यान को टिकाऊ राजस्व में बदलने का एक और तरीका देते हैं। इकतीस बाजार भी पर्याप्त पैमाना बनाते हैं कि विज्ञापनदाता ChatGPT को एक परिपक्व मीडिया चैनल के रूप में मानें, न कि एक नवीनता प्रयोग के रूप में। OpenAI का निर्णय क्षणों के आसपास का भाषा सुझाव देता है कि वह उच्च-इरादे वाले खोज विज्ञापन से जुड़े मूल्य चाहते हैं, जहां एक व्यक्ति केवल ब्राउज़ नहीं कर रहा होता बल्कि विकल्पों को संकीर्ण कर रहा होता है। अनसुलझा मुद्दा यह है कि क्या संवादी सिफारिश मूल रूप से अलग महसूस होती है एक बार जब प्रायोजक पैसा निकटतम जो कुछ दिखाई देता है उसे प्रभावित कर सकता है। एक इंटरैक्टिव चैट में, सहायक की भाषा स्वाभाविक रूप से व्यक्तिगत और अधिकारिक महसूस होती है। मॉडल के उत्तर और सशुल्क प्लेसमेंट के बीच स्पष्ट लेबलिंग और अलगाव इसलिए दृश्य गृहस्थी की तुलना में अधिक मायने रखती है। यदि उपयोगकर्ता संदेह करते हैं कि उत्तर स्वयं विज्ञापनदाताओं की ओर झुकता है, तो उत्पाद उतना तेजी से भरोसा खोता है जितना तेजी से राजस्व कमाता है। यूरोप उस व्यावसायिक तनाव को विविध भाषाओं, उपभोक्ता गोपनीयता अपेक्षाओं, और नियामक ढांचों में तुरंत दृश्यमान बनाएगा। बड़ा उद्योग विवाद इस बात पर है कि उत्पाद खोज मूल रूप से कहां से शुरू होती है। यदि लोग एक सहायक से पूछते हैं कि कौन सा लैपटॉप, ट्रिप, सेवा, या सदस्यता उनकी जरूरतों के अनुकूल है, तो वाणिज्यिक गेटवे एक लिंक के पृष्ठ से दूर स्थानांतरित हो जाता है। OpenAI के पास अब यूरोप में एक वास्तविक विज्ञापन सतह है। लोग इसे स्वीकार करते हैं या नहीं, सहायता और प्रेरणा के बीच अंतर को संरक्षित करने पर निर्भर करता है।
[ALLOY]: OpenAI अपनी 'Intelligence Age' के तहत कार्रवाईयोग्य नीति विचार विकसित करने के लिए चौदह स्वतंत्र अनुसंधान परियोजनाओं को फंडिंग दे रहा है। ये ग्रांट आर्थिक अवसरों का विस्तार करने और समाज की लचीलेपन को मजबूत करने पर केंद्रित हैं क्योंकि AI काम, शिक्षा और गवर्नेंस संस्थानों को बदल रहा है। एक कंपनी के लेखक वाले प्लेटफॉर्म को प्रकाशित करने के बजाय, OpenAI बाहरी टीमों को स्वतंत्र प्रस्ताव विकसित करने के लिए फंडिंग दे रहा है।
NOVA: जब फंडिंग उन कंपनियों में से एक से आ रही हो जो परिणामी रेगुलेशन से सबसे ज्यादा प्रभावित होंगी, तब स्वतंत्रता को सावधानी से हैंडल करना चाहिए। बाहरी रिसर्चर्स को फंडिंग करने से बातचीत OpenAI के इंटरनल पॉलिसी स्टाफ से आगे बढ़ सकती है, लेकिन इससे स्वचालित रूप से इंस्टीट्यूशनल इन्फ्लुएंस या संभावित कॉन्फ्लिक्ट्स ऑफ इंटरेस्ट दूर नहीं होते। इस इनिशिएटिव की क्वालिटी इस बात पर निर्भर करेगी कि ये चौदह टीमें कौन हैं, क्या वे स्वतंत्र रूप से स्पॉन्सर की आलोचना कर सकते हैं, उनका काम कैसे प्रकाशित होता है, और क्या पॉलिसी मेकर्स को 'abundance' के नारों के बजाय लागू करने योग्य प्रस्ताव मिलते हैं।
[ALLOY]: सही, और टाइमिंग मायने रखती है क्योंकि लेबर मार्केट्स लेजिसलेशन का इंतजार नहीं करते। AI पहले से ही यह बदल रहा है कि कंपनियां कौन से टास्क्स को ऑटोमेट करती हैं, वे किन स्किल्स को वैल्यू देती हैं, और छोटी टीमें कितनी जल्दी प्रोजेक्ट्स पूरे करती हैं—हमने अभी Asana का प्रभावशाली उदाहरण सुना। पॉलिसी रेस्पॉन्स एजुकेशन, वर्कर ट्रांजिशन, मार्केट कॉम्पिटिशन, इनकम सपोर्ट, रीजनल इन्वेस्टमेंट, पब्लिक सर्विसेज, या समाज में प्रोडक्टिविटी गेन्स के डिस्ट्रीब्यूशन को छू सकते हैं।
NOVA: यह मैं देखना चाहता हूं: चौदह स्वतंत्र प्रोजेक्ट्स जो एक सुविधाजनक इकोनॉमिक परिप्रेक्ष्य के इर्दगिर्द इकट्ठा होने के बजाय वास्तविक व्यूपॉइंट डाइवर्सिटी और सख्त एनालिसिस पैदा करें। OpenAI यहां एक बैकर की भूमिका में है, यह दावा नहीं कर रहा कि उसने पॉलिसी सवालों को हल कर लिया है। यह उचित है; एक मॉडल कंपनी को अपनी तकनीक के आसपास के सोशल कॉन्ट्रैक्ट पर एकमात्र ऑथरशिप नहीं मिलनी चाहिए। समाप्त प्रस्ताव अनुदान गिनती से अधिक मायने रखेंगे। फाइनेंशियल सपोर्ट स्वतंत्र सोच के लिए जगह बना सकता है, जबकि फुल ट्रांसपेरेंसी यह तय करती है कि जनता को विश्वास है कि वह सोच वास्तव में स्वतंत्र रही।
NOVA: आज रडार पर तीन रिपॉजिटरीज बाहर निकलती हैं। HKUDS का Nanobot अपने 47,165 स्टार्स के साथ पहली बार ट्रैक पर दिखा है। यह एक ultra-lightweight, self-hosted Python agent framework है जिसमें वेब इंटरफ़ेस, extensible tools, persistent memory, MCP कनेक्शन, multi-agent workflows और modular chat integrations शामिल हैं। Release 0.3 जुलाई 25 को आया था, और रिपॉजिटरी अगस्त 19 को अपडेट हुई थी। Codebase Memory MCP उसी ecosystem को दूसरी दिशा से देखता है: यह 158 भाषाओं में कोड को persistent knowledge graph में इंडेक्स करता है। इसके 39,485 स्टार्स हैं जिसमें 7,818 तीस दिनों में जुड़े—24.7% की छलांग—और release 0.10 अगस्त 19 को आया।
[ALLOY]: Codebase Memory का वो ग्रोथ अनदेखा करना मुश्किल है। Nanobot एक एजेंट को एक कॉम्पैक्ट ऑपरेटिंग शेल देता है; Codebase Memory एजेंट्स को सॉफ्टवेयर में नेविगेट करने का एक स्ट्रक्चर्ड तरीका देता है बिना बार-बार रिपॉजिटरी को प्रॉम्प्ट में डाले। FastMCP उन सतहों को कनेक्ट करने वाले सर्वर बनाने में मदद करता है। इसके 27,282 स्टार्स हैं, 30 दिनों में 1,068 की बढ़त, और release 3.4 अगस्त 10 को आया।
NOVA: एक साथ, वे एजेंट, जिस कोड नॉलेज को वह क्वेरी कर सकता है, और उस Python टूलिंग को कवर करते हैं जिसका उपयोग MCP के माध्यम से क्षमताओं को एक्सपोज़ करने के लिए किया जाता है। FastMCP का ग्रोथ 4.1% पर स्थिर है, जबकि Codebase Memory ब्रेकआउट मूवर है।
[ALLOY]: Model Discovery में, Google's Gemini 3.7 Flash और Z.ai का GLM 5.3 इस चक्र की अग्रणी हैं। Gemini 3.7 Flash हाइब्रिड रीज़निंग, 64,000 तक कॉन्फ़िगर करने योग्य थिंकिंग टोकन, और मूल मल्टीमॉडलिटी को Flash-स्तरीय मूल्य पर एक-मिलियन-टोकन संदर्भ विंडो में लाता है। GLM 5.3 OpenRouter पर टेक्स्ट-ओनली एक-मिलियन-टोकन संदर्भ विंडो प्रदान करता है, जो लंबे-क्षितिज सॉफ़्टवेयर इंजीनियरिंग के लिए है। दोनों मॉडल रिपॉज़िटरी-स्केल संदर्भ को लक्षित करते हैं, लेकिन Gemini डेवलपर्स को विलंबता-गुणवत्ता ट्रेड-ऑफ पर निरंतर नियंत्रण देता है, जबकि GLM पूरी तरह से टेक्स्ट में विस्तारित रीज़निंग ट्रेस पर केंद्रित है।
NOVA: यह अंतर उत्पादन रूटिंग के लिए महत्वपूर्ण है। Gemini 3.7 Flash एजेंट लूप्स को सब-सेकंड विलंबता देता है जब थिंकिंग शून्य होती है और बजट होने पर गहन रीज़निंग देता है, जबकि GLM 5.3 शुद्ध टेक्स्ट रिपॉज़िटरी वर्कफ़्लो के लिए एक विकल्प प्रदान करता है जिसे विस्तृत संदर्भ की आवश्यकता होती है।
NOVA: Unsloth's Qwen 3.8 27B GGUF पैकेज 27-बिलियन-पैरामीटर Qwen मॉडल को स्थानीय अनुमान रनटाइम द्वारा व्यापक रूप से उपयोग किए जाने वाले प्रारूप में लाता है। प्रकाशित आंकड़ों में इसके 1,874 लाइक्स और 4.3 मिलियन से अधिक डाउनलोड थे। पैकेज क्वांटाइज़्ड है, अर्थात इसके संख्यात्मक भार को मेमोरी उपयोग कम करने के लिए संपीड़ित किया गया है, और यह Qwen के Apache Two लाइसेंस, संवादी फ़ोकस, विज़न क्षमता और लंबे संदर्भ को विरासत में प्राप्त करता है। आकर्षण स्पष्ट है: एक आधुनिक रीज़निंग मॉडल स्थानीय हार्डवेयर पर चल सकता है बिना हर प्रॉम्प्ट को होस्टेड सेवा पर भेजे।
[ALLOY]: लेकिन यहाँ एक ठोस समस्या है। रनटाइम डिफ़ॉल्ट मॉडल की अतिरिक्त-उच्च रीज़निंग सेटिंग को बनाए रख सकते हैं, जिससे साधारण काम पर भी लंबी आंतरिक चिंतन होती है। स्थानीय उपलब्धता लोगों को डेटा और तैनाती पर नियंत्रण देती है, लेकिन प्रतिक्रिया अभी भी क्वांटाइज़ेशन, उपलब्ध मेमोरी, संदर्भ आकार और रीज़निंग प्रयास पर निर्भर करती है।
[ALLOY]: एक्स्ट्रा रिसर्च में, 'New Policy Ideas for the Intelligence Age' OpenAI के चौदह अनुदानों को शामिल करता है जो आर्थिक अवसर और सामाजिक लचीलापन की जांच करने वाली स्वतंत्र टीमों को दिए गए हैं। IBM Research का 'How Much Memory Does Your Agent Actually Need' एक अलग दुर्लभता से निपटता है: हर पिछले विवरण को हमेशा के लिए ले जाने के बिना उपयोगी इतिहास बनाए रखना। एक यह पूछता है कि संस्थाओं को क्या सुरक्षित रखना चाहिए जब AI अर्थव्यवस्था को बदलती है; दूसरा यह पूछता है कि एक एजेंट को अपने कार्य बढ़ने पर क्या सुरक्षित रखना चाहिए।
NOVA: इस बीच, GitHub Copilot for JetBrains एंटरप्राइज़-प्रबंधित सेटिंग्स जोड़ता है जो प्लगइन गवर्नेंस, MCP सर्वर एक्सेस, OpenTelemetry और अनुमति मोड के लिए हैं। यह सीधे मेमोरी कार्य से जुड़ता है। एक बार सहायक अधिक संदर्भ बनाए रखें और अधिक उपकरणों तक पहुँचें, कंपनियां उनकी एक्सेस और उत्पादित संचालन रिकॉर्ड पर सुसंगत नियंत्रण चाहती हैं। तो नीति परियोजना उसी प्रश्न को और विस्तारित करती है: जब वे सिस्टम एक कंपनी से परे काम को प्रभावित करते हैं तो नियम कौन तय करता है?
NOVA: हमने जो कवर किया उसके पीछे के प्राथमिक स्रोतों और विवरण के लिए, Toby On Fitness Tech dot com पर शो नोट्स देखें।
[ALLOY]: ध्यान दें कि क्या लॉन्च होता है, क्या मापा जाता है, और कौन से बड़े दावे स्वतंत्र साक्ष्यों से टकराकर टिके रहते हैं।
NOVA: AgentStack Daily सुनने के लिए धन्यवाद। हम जल्द ही वापस आएंगे।