AgentStack Daily: Cohere का Parse 5 स्कैन PDF को साफ Markdown में बदलता है

एपिसोड 108 — 28 अगस्त, 2026

[00:00] एपिसोड हुक

Cohere का Parse 5 स्कैन किए गए PDFs को साफ़ Markdown में बदलता है — यह एक घनी चक्र को जन्म देता है। Claude, Codex, और Hermes ने कॉर्पोरेट दस्तावेज़ों में 227 अनक्लेम्ड इंस्टॉल कमांड्स छोड़े, OpenAI और थाईलैंड ने आठ सप्ताह के AI एक्सेलेरेटर के लिए 10 स्वास्थ्य, स्वस्थता और शिक्षा स्टार्टअप चुने, Meta अधिकारी Sandhya Devanathan Asia-Pacific संचालन के लिए OpenAI में जा रही हैं — ये सब एपिसोड की शुरुआत में हैं, जबकि मॉडल्स, टूलिंग और इन्फ्रास्ट्रक्चर पर गहरी नज़र बाद में है। हर कहानी को एक जैसा व्यवहार मिलता है — क्या आया, उसके पीछे का तंत्र, और यह काम करने वाले बिल्डर्स के लिए क्या बदलता है।

[02:00] Cohere का Parse 5 स्कैन किए गए PDFs को साफ़ Markdown में बदलता है

Cohere ने Parse संस्करण 5.0 जारी किया है, एक 2.3 अरब पैरामीटर वाला विज़न लैंग्वेज मॉडल जो PDFs, स्लाइड्स और इमेजेस पढ़ता है और स्ट्रक्चर्ड Markdown आउटपुट करता है जिसमें HTML टेबल्स, बाउंडिंग बॉक्स और इमेज डिस्क्रिप्शन शामिल हैं। यह Cohere API के ज़रिए $1.50 प्रति 1,000 पेजेस पर चलता है, या एक समर्पित Model Vault इंस्टेंस पर $2,500 प्रति माह से शुरू होता है — उन टीमों के लिए जो अपने इन्फ्रास्ट्रक्चर पर मॉडल होस्ट करना चाहती हैं।

Parse को Mistral OCR 4, Azure Document Intelligence और Databricks AI Parse के विरुद्ध पोज़ीशन किया गया है। Cohere का दावा है कि ParseBench स्कोर 79.2 है, जो इस मेट्रिक पर तीनों प्रतिस्पर्धियों से आगे है। यह नंबर सावधानी से देखने योग्य है: यह ParseBench के पांच आयामों में से केवल तीन का औसत लेता है, और जो आयाम यह छोड़ता है वे चार्ट्स और विज़ुअल ग्राउंडिंग हैं — जो कि वही चीज़ें हैं जो लोग सबसे अधिक खो देते हैं जब वे एक फाइनेंशियल डेक या रिसर्च PDF स्क्रैप कर रहे होते हैं।

बिल्डर्स के लिए, इस रिलीज़ का व्यावहारिक रूप सरल है। अगर आपकी पाइपलाइन Markdown में खत्म होती है — retrieval-augmented सिस्टम को फीड करना, फाइन-ट्यूनिंग कॉर्पस बनाना, विकी माइग्रेट करना, इनवॉइस आर्काइव करना — तो आप मल्टी-स्टेज OCR-प्लस-लेआउट टूलचेन को एक API कॉल से बदल सकते हैं और टेबल्स को फ्लैटनड स्ट्रिंग के बजाय HTML के रूप में वापस पा सकते हैं। $1.50 प्रति 1,000 पेजेस पर API टियर कुछ मिलियन पेजेस की एक बार की बैकफिल को एक्सपेरिमेंट के रूप में बजट में रखने लायक बनाता है, जबकि $2,500 प्रति माह Model Vault टियर स्थिर डॉक्यूमेंट वॉल्यूम और डेटा-रेसिडेंसी ज़रूरतों को टारगेट करता है।

आगे देखने वाली बात यह है कि Cohere ParseBench क्लेम को छोड़े गए दो आयामों तक विस्तारित करता है या चार्ट एक्सट्रैक्शन के लिए एक अलग स्कोर जारी करता है। तब तक, चार्ट-हेवी इनपुट्स पर पायलट्स सतर्क कदम हैं।

[02:34] Claude, Codex और Hermes ने कॉर्पोरेट दस्तावेज़ों में 227 अनक्लेम्ड इंस्टॉल कमांड्स छोड़े

Ars Technica द्वारा इस सप्ताह सामने लाया गया एक सुरक्षा ऑडिट पाया गया कि कॉर्पोरेट दस्तावेज़ों के अंदर 227 इंस्टॉल कमांड्स हैं जो उन संगठनों के अंदर किसी के स्वामित्व वाले कोड की ओर इशारा करते हैं। ये कमांड्स AI कोडिंग असिस्टेंट्स — Claude, Codex और Hermes — द्वारा जनरेट किए गए थे, फिर कर्मचारियों द्वारा ऑनबोर्डिंग गाइड्स, रनबुक्स और इंटरनल विकियों में कॉपी-पेस्ट किए गए। एक बार दस्तावेज़ में एम्बेड होने के बाद, कमांड प्रभावी रूप से कंपनी के सॉफ्टवेयर सप्लाई चेन का हिस्सा बन जाता है, भले ही कोई इंजीनियर उस पैकेज को रिव्यू, पिन या साइन-ऑफ न करे जो यह इंस्टॉल करता है।

व्यावहारिक समस्या यह नहीं है कि आज के पैकेज दुर्भावनापूर्ण हैं। यह है कि कोई उन्हें देख नहीं रहा है। जब किसी पैकेज का भविष्य का संस्करण हैक हो जाता है, उसका नाम बदल दिया जाता है, या रजिस्ट्री में चुपचाप बदल दिया जाता है, तो हर आंतरिक रनबुक जो अभी भी इंस्टॉल कमांड का संदर्भ देती है, स्वचालित रूप से नए व्यवहार को ग्रहण कर लेती है। एक एजेंट द्वारा लिखा गया दस्तावेज़ीकरण उसी तरह पुराना होता है जैसे एक पुरानी निर्भरता होती है, सिवाय इसके कि कोई इसे उसी तरह ट्रैक नहीं करता।

प्राकृतिक प्रतिक्रिया आंतरिक विकियों और README में इंस्टॉल, कर्ल, पिप इंस्टॉल, एनपीएम इंस्टॉल, और इसी तरह की क्रियाओं के लिए एक सिंगल ग्रेप है, उसके बाद प्रत्येक मैच की समीक्षा। किसी भी चीज़ को जो किसी ऐसे पैकेज की ओर इंगित करती है जिसे संगठन के अंदर कोई समझा नहीं सकता, आमतौर पर आंतरिक, वर्शन-लॉक्ड समकक्ष से बदल दिया जाता है या उचित निर्भरता शासन के तहत वास्तविक पैकेज मेनिफेस्ट में स्थानांतरित कर दिया जाता है।

जिस बात पर अगला ध्यान रखना है वह यह है कि क्या अनुपालन ढांचे कोड ऑडिट के समान कठोरता के साथ दस्तावेज़ीकरण ऑडिट की मांग करना शुरू करते हैं, और क्या कोडिंग एजेंट сами begin flagging install commands in their output as unverified by default।

[04:04] OpenAI और Thailand स्वास्थ्य, कल्याण और शिक्षा के 10 स्टार्टअप के लिए आठ सप्ताह का AI एक्सेलेरेटर चुनते हैं

OpenAI थाईलैंड में दस प्रारंभिक-चरण स्टार्टअप के पीछे अपना नाम लगा रहा है, जिसमें देश का MHESI भी शामिल है। दोनों ने 28 अगस्त को एक आठ-सप्ताह का एक्सेलेरेटर लॉन्च किया, जो स्वास्थ्य, कल्याण और शिक्षा के संस्थापकों के लिए लक्षित है — तीन क्षेत्र जहां स्थानीय संदर्भ मायने रखता है और जहां नियामकों और उपयोगकर्ताओं दोनों को किसी टूल को अपनाने से पहले प्रमाण चाहिए।

कोहोर्ट डिज़ाइन द्वारा छोटा है। दस टीमों को OpenAI और मंत्रालय दोनों से मेंटरशिप और संसाधन मिलते हैं, जिसका स्पष्ट लक्ष्य कार्यशील प्रोटोटाइप को उत्पादों में बदलना है जो एक वास्तविक उपयोगकर्ता — एक रोगी, एक छात्र, एक माता-पिता — वास्तव में आज़मा सके। फ्रेमिंग मायने रखती है: कार्यक्रम को प्रोटोटाइप से विश्वसनीय उत्पाद तक के रास्ते के रूप में प्रस्तुत किया गया है, स्लाइड डेक से डेमो तक नहीं।

बिल्डर्स के लिए व्यावहारिक takeaway वह है कि यह कौन से द्वार खोलता है। OpenAI संकेत कर रहा है कि वह दक्षिण पूर्व एशियाई डेवलपर ऊर्जा को कहां जाना चाहता है, और उसने जिन तीन क्षेत्रों का नाम लिया है वे वही तीन हैं जहां विश्वास घर्षण सबसे अधिक है। मूल्यांकन पैटर्न, सुरक्षा समीक्षा प्रक्रियाएं, और उपयोगकर्ता परीक्षण दृष्टिकोण जो कोहोर्ट से उभरेंगे, वे संभवतः इस बात को आकार देंगे कि क्षेत्र में साझेदारी या खरीद के लिए "पर्याप्त अच्छा" कैसा दिखता है।

आठ-सप्ताह की विंडो जानबूझकर छोटी है। संस्थापक किसी ऐसी चीज़ के साथ प्रवेश करते हैं जो पहले से ही लैब या सैंडबॉक्स में काम करती है और किसी संदेहशील उपयोगकर्ता के सामने काम करने वाली चीज़ के साथ निकलते हैं। कोहोर्ट के बाहर से देखने वालों के लिए सवाल यह है कि कोहोर्ट कौन से मूल्यांकन पैटर्न और उत्पाद पैटर्न एक्सपोर्ट करता है, क्योंकि वे स्थानीय निवेशकों और मंत्रालयों द्वारा नए आवेदकों के विरुद्ध तुलना करने के टेम्पलेट बन जाते हैं।

[05:37] Meta executive Sandhya Devanathan Asia-Pacific संचालन के लिए OpenAI में जाती हैं

Sandhya Devanathan, भारत में आधारित एक वरिष्ठ Meta executive, OpenAI में शामिल होने के लिए जा रही हैं, जहां वह दक्षिण पूर्व एशिया और ऑस्ट्रेलिया में कुछ संचालन की देखरेख करेंगी। 28 अगस्त को रिपोर्ट की गई इस घटना के समय Meta भारत में बढ़ती जांच का सामना कर रहा है।

उनका नया कार्यकाल दक्षिण पूर्व एशिया और ऑस्ट्रेलिया तक फैला हुआ है। देवनाथन के क्षेत्रीय अनुभव वाले एक अधिकारी के चयन से OpenAI की यह प्रवृत्ति स्पष्ट होती है कि कंपनी एशिया-प्रशांत बाजारों में परिचालन नेतृत्व में निवेश कर रही है।

क्षेत्र के बिल्डर्स और ऑपरेटर्स के लिए, व्यावहारिक संकेत यह है कि OpenAI दक्षिण पूर्व एशिया और ऑस्ट्रेलिया में वरिष्ठ पदों पर कर्मचारी रख रहा है, जो आमतौर पर स्थानीय साझेदारी घोषणाओं और डेवलपर प्रोग्रामिंग से पहले होता है। भारत में Meta पर नियामक दबाव बढ़ रहा है, और वरिष्ठ स्तर पर होने वाली यह छोड़ना ऐसे संबंधों को आगे कौन बनाए रखेगा, इसकी रूपरेखा बदल देता है।

[06:21] शोध डाइजेस्ट: RedEvoAgent एआई एजेंटों के स्ट्रेस-टेस्टिंग के लिए पुन: प्रयोज्य हमला कौशल सीखता है

RedEvoAgent नामक एक नया रेड-टीमिंग सिस्टम एआई एजेंटों का परीक्षण उन पर हमला करके और हर प्रयास से सीखकर करता है। निश्चित हमला स्क्रिप्ट के विपरीत, यह जो काम करता है उसे एक छोटे, मानव-पठनीय हमला कौशल में डिस्टिल करता है जो समय के साथ विकसित होता है, लक्ष्य एजेंट को अपने टूल्स का दुरुपयोग करने के तरीके खोजने में बेहतर होता जाता है। यह मायने रखता है क्योंकि आज के एआई एजेंट सिर्फ चैट नहीं करते; वे ईमेल भेज सकते हैं, फाइलें एडिट कर सकते हैं, और बाहरी सेवाओं को कॉल कर सकते हैं, इसलिए एक जेलब्रेक से वास्तविक दुनिया के प्रभाव हो सकते हैं, सिर्फ खराब टेक्स्ट नहीं। सिस्टम प्रत्येक सफल उल्लंघन के लिए अलग-अलग टूल्स को क्रेडिट देता है, केवल उन अपग्रेड्स को रखता है जो वास्तव में परिणाम सुधारते हैं, और अपने सीखे हुए हमलों को विभिन्न लक्ष्य मॉडलों और एजेंट फ्रेमवर्क में ट्रांसफर करता है। बिल्डर्स के लिए, व्यावहारिक परिणाम यह है कि शिपिंग से पहले एआई असिस्टेंट को दबाव-परीक्षण का एक तीक्ष्ण तरीका, जो प्रॉम्प्ट्स पकड़ता है जो अन्यथा स्टैटिक सेफ्टी चेक्स से छूट जाते।

[07:13] शोध डाइजेस्ट: जब सर्च जानता है कि आप किस तरह का आइडिया ढूंढ रहे हैं

जब कोई वैज्ञानिक प्रेरणा के लिए पुराने पेपर्स खोजता है, तो आमतौर पर उसे तीन चीजों में से एक चाहिए: एक मेथड जो उनकी सटीक समस्या हल करे, एक अधिक अमूर्त फ्रेमवर्क जो समस्याओं के एक परिवार की व्याख्या करे, या एक ठोस उदाहरण जो उनके आइडिया को पक्का करे। एक नया कार्य RATIO पेश करता है, एक बेंचमार्क जो रिट्रीवल सिस्टम को तीन अलग-अलग मूव्स के खिलाफ ट्रेन और टेस्ट करता है, जिन्हें Address, Broaden, और Specify कहा जाता है। लाखों पूर्ण-टेक्स्ट कंप्यूटर साइंस पेपर्स से बना और लैंग्वेज-मॉडल चेक्स और मानव समीक्षा दोनों के माध्यम से परिष्कृत, डेटासेट रिट्रीवल शोधकर्ताओं को एक तरीका देता है यह मापने के लिए कि क्या सर्च सिस्टम वास्तव में उपयोगकर्ता की मदद करता है कंक्रीट जाने, जeneral जाने, या किसी एप्रोच पर लैंड करने में। ऑपरेशन-स्पेसिफिक सिग्नल्स पर रिट्रीवर्स को फाइन-ट्यून करने से प्रदर्शन में काफी सुधार हुआ, हालांकि परिणाम अभी भी बहुत हेडरूम छोड़ते हैं। व्यावहारिक उपार्जन: साहित्य सर्च टूल्स और एआई साइंस असिस्टेंट्स अब उस प्रकार की प्रेरणा पर प्रशिक्षित और मूल्यांकित किए जा सकते हैं जो वे वास्तव में देते हैं, सिर्फ कीवर्ड ओवरलैप पर नहीं।

[08:09] एजेंट सैंडबॉक्स शोडाउन: कोल्ड स्टार्ट, प्राइस और नेटवर्क पॉलिसी पर पांच वेंडर्स की तुलना

अगर आपका एजेंट कोड लिखता है, उसे चलाने के लिए कहीं की जरूरत है — और आपको जो बिल मिलता है वह इस पर निर्भर करता है कि आप कौन सा सैंडबॉक्स चुनते हैं। 27 अगस्त, 2026 को प्रकाशित एक नया MarkTechPost कम्पैरिजन पांच कोड-एक्जिक्यूशन वेंडर्स को साथ-साथ रखता है: E2B, Daytona, Modal, Cloudflare, और Vercel।

यह लेख कुछ ऐसा करता है जो अधिकांश कम्पैरिजन छोड़ देते हैं: यह प्रति-सेकंड प्राइसिंग को एकल कॉस्ट-पर-1,000-एक्जिक्यूशन फिगर में नॉर्मलाइज करता है, ताकि एक यूनिट में बताई गई दर दूसरी से सीधे तुलनीय बन सके। प्राइस के साथ, यह बर्स्ट कोल्ड स्टार्ट मापता है — पहला एक्जिक्यूशन कितना समय लेता है जब सैंडबॉक्स को शुरू से स्पिन अप करना पड़ता है — और फिर दो ऑपरेशनल डीटेल्स को मैप करता है जो आमतौर पर बाद में काटते हैं: क्या फाइलसिस्टम रन के बीच बना रहता है, और क्या सैंडबॉक्स डिफ़ॉल्ट रूप से पब्लिक इंटरनेट तक पहुंच सकता है।

प्रत्येक सेल वेंडर के अपने प्रकाशित दस्तावेजीकरण से एंकर है, पीस लाइव होने के उसी दिन प्राथमिक स्रोतों के खिलाफ सत्यापित। यह मायने रखता है क्योंकि सैंडबॉक्स प्राइसिंग पेज अक्सर बदलते हैं, और एक पुराना कम्पैरिजन चुपचाप किसी बिल्डर को बैकएंड की ओर ले जा सकता है जिसकी आइडल बिलिंग या एग्रेस पॉलिसी तब से बदल गई है जब से किसी ने आखिरी बार जांच की थी।

व्यावहारिक निष्कर्ष यह है कि कोई एक विजेता नहीं है। कोल्ड-स्टार्ट लीडर्स प्रति रन सबसे सस्ते नहीं हैं। प्रति रन सस्ती विक्रेता कभी-कभी बिलिंग करते हैं जब सैंडबॉक्स खाली बैठा होता है। और वह विक्रेता जिसके पास सबसे साफ नेटवर्क पॉलिसी है, वह एक्जीक्यूशन के बीच फाइलों को स्टोर नहीं कर सकता। एक प्रोवाइडर को एजेंट फ्लीट से जोड़ने से पहले तुलना पढ़ना एक सस्ता आधा घंटा है जो अगले इनवॉइस पर एक असली आश्चर्य बचा सकता है।

[09:41] OpenAI स्टडी: ChatGPT के साथ क्रिटिकल-थिंकिंग ट्रेनिंग से छात्रों के काम में सुधार

27 अगस्त को, OpenAI ने 1,000 से अधिक कॉलेज छात्रों को शामिल करने वाले एक रैंडमाइज्ड स्टडी के परिणाम प्रकाशित किए। सेटअप: छात्रों ने स्पष्ट क्रिटिकल-थिंकिंग ट्रेनिंग के साथ ChatGPT का उपयोग किया और एक असली विश्वविद्यालय असाइनमेंट के दौरान मौलिकता और प्रदर्शन पर मापा गया। OpenAI ने लेखन को "बेटर आंसर्स, ब्रॉडर थिंकिंग" शीर्षक दिया, जो मुख्य निष्कर्ष के रूप में भी काम करता है — छात्रों ने तब काम में बेहतर प्रदर्शन किया जब AI एक्वेस को रीज़निंग के तरीके के बारे में निर्देश के साथ जोड़ा गया, न कि उन्हें शॉर्टकट के रूप में सौंप दिया गया।

यह स्टडी इसलिए मायने रखती है क्योंकि यह ऑब्जर्वेशनल के बजाय रैंडमाइज्ड है। छात्रों को खुद चुनने के बजाय शर्तों को सौंपा गया था, जो परिणाम को अधिक वजन देता है कि संयोजन — मॉडल प्लस स्ट्रक्चर्ड थिंकिंग प्रैक्टिस — लाभ को चलाता है, न कि केवल मॉडल अकेले।

शिक्षकों और AI के इर्दगिर्द वर्कफ्लो डिज़ाइन करने वाले किसी भी व्यक्ति के लिए व्यावहारिक पठन यह है कि फ्रेमिंग परिणाम को बदल देती है। छात्रों को मूल्यांकन और रीज़निंग पर समानांतर पाठ के बिना बस ChatGPT देना, OpenAI की फ्रेमिंग में, टेबल पर लाभ छोड़ने जैसा प्रतीत होता है। दोनों को जोड़ना — टूल और थिंकिंग निर्देश — वह लीवर है।

एक बात पर ध्यान दें: यह OpenAI की अपनी प्रोडक्ट के बारे में OpenAI की भागीदारी से तैयार किया गया शोध है, और अंतर्निहित पेपर विवरण — इफेक्ट साइज़, विशिष्ट असाइनमेंट, कंट्रोल कंडीशंस — हमारी समीक्षा की गई स्रोत सामग्री में नहीं थे। स्वतंत्र रेप्लिकेशन तय करेगा कि परिणाम दूसरी क्लासरूम और दूसरे मॉडलों तक कितना पोर्टेबल है।

[11:08] OpenAI ने ब्राज़ील में नई स्थानीय एंगेजमेंट के साथ अपनी पकड़ मजबूत की

OpenAI ने 27 अगस्त को ब्राज़ील में अपनी उपस्थिति के विस्तार की रूपरेखा देते हुए एक छोटी घोषणा प्रकाशित की। पोस्ट इस कदम को तीन नामित श्रोताओं — डेवलपर्स, व्यापार, और समुदायों — के साथ एंगेजमेंट के गहराई से जोड़ता है, जिसमें देश भर में AI एडॉप्शन का समर्थन करने का बताया गया लक्ष्य है।

घोषणा में विशिष्ट प्रोडक्ट, क्षेत्रीय कार्यालय, मूल्य परिवर्तन, नए API प्रोग्राम, या पार्टनरशिप प्रतिबद्धताओं की गणना नहीं है। यह ब्राज़ील को OpenAI के अंतरराष्ट्रीय फुटप्रिंट के लिए प्राथमिकता बाज़ार के रूप में स्थित करता है, लेकिन पोस्ट एक डायरेक्शनल सिग्नल के रूप में पढ़ती है, शिपिंग घोषणा के रूप में नहीं। स्रोत सामग्री में कोई टाइमलाइन, हायरिंग नंबर, या प्रोग्राम नाम नहीं दिखते।

बिल्डर्स के लिए, व्यावहारिक निष्कर्ष इस तथ्य तक सीमित है कि पोस्ट वास्तव में क्या कहती है: OpenAI ब्राज़ील में अधिक स्थानीय गतिविधि के लिए सार्वजनिक रूप से प्रतिबद्ध है। क्षेत्र में ठोस डेवलपर प्रोग्राम, एंटरप्राइज़ रोलआउट, या समुदाय पहल की तलाश करने वाले किसी भी व्यक्ति को इंतज़ार करना होगा जब तक कि फॉलो-अप घोषणाएं नहीं आतीं जो बताती हैं कि वे प्रोग्राम वास्तव में क्या हैं और उन तक कैसे पहुंचें।

यह एक ऐसी कहानी है जिसे "अभी कार्य करें" की जगह "विवरणों के लिए देखते रहें" के तहत दर्ज किया जाना चाहिए। शीर्षक खुद ही केंद्र बिंदु है — ब्राज़ील अब OpenAI की अंतरराष्ट्रीय वृद्धि के लिए नामित प्राथमिकता है — लेकिन उस विस्तार का सार भविष्य की घोषणाओं में आएगा जब विशिष्ट कार्यक्रम और साझेदारियों की घोषणा की जाएगी।

[12:25] ChatGPT for Teachers 55 अमेरिकी स्कूल प्रणालियों तक विस्तारित

1,00,000 से अधिक शिक्षकों और स्कूल कर्मचारियों को जिला-जारी AI सहायक मिलने वाला है। OpenAI ने 26 अगस्त को घोषणा की कि ChatGPT for Teachers 55 अमेरिकी स्कूल प्रणालियों में लॉन्च हो रहा है, जो तब से इस कार्यक्रम का सबसे बड़ा विस्तार है जब यह एक छोटे पायलट के रूप में शुरू हुआ था।

यह उत्पाद ChatGPT का एक प्रबंधित संस्करण है, जिसका अर्थ है कि शिक्षक अपने स्कूल के क्रेडेंशियल्स के माध्यम से साइन इन करते हैं व्यक्तिगत खाते के बजाय। स्कूल प्रणालियों को प्रशासनिक नियंत्रण, प्रशिक्षण संसाधन और समर्थन मिलता है ताकि यह उपकरण मौजूदा IT नीतियों के भीतर फिट हो सके। प्रस्ताव व्यावहारिक है: शिक्षक इसका उपयोग पाठ योजनाएं बनाने, छात्र कार्य का सारांश देने या अभिभावक ईमेल लिखने के लिए कर सकते हैं, जबकि प्रशासक डेटा और पहुंच की निगरानी रखते हैं।

पहले से सूची में शामिल स्कूलों के लिए, परिवर्तन तुरंत है — अब 1,00,000 से अधिक शिक्षक और कर्मचारियों के पास एक स्वीकृत AI उपकरण है व्यक्तिगत खातों पर निर्भर रहने के बजाय। पारंपरिक रूप से देख रही प्रणालियों के लिए, यह विस्तार एक संकेत है कि प्रबंधित, जिला-बंडल AI एक प्रायोगिक परियोजना के बजाय एक व्यवहार्य खरीद श्रेणी बन रहा है।

एक बात ध्यान देने योग्य: क्या OpenAI इसी प्रबंधित टेम्पलेट को अन्य क्षेत्रों जैसे स्वास्थ्य सेवा, सरकार या उच्च शिक्षा में पोर्ट करता है, जहां वही व्यवस्थापक-नियंत्रण-और-प्रशिक्षण पैटर्न फिट होगा।

[13:37] GitHub Copilot कोड समीक्षा बॉट-लिखित और बहुत बड़े पुल रिक्वेस्ट तक विस्तारित

GitHub ने 27 अगस्त, 2026 को Copilot की स्वचालित कोड समीक्षा में एक विस्तार शिप किया। यह परिवर्तन उन दो श्रेणियों के पुल रिक्वेस्ट के लिए कवरेज जोड़ता है जिन्हें समीक्षक पहले संभाल नहीं पाता था।

पहले, बॉट द्वारा बनाए गए पुल रिक्वेस्ट पर स्वचालित रूप से angeforderte समीक्षाएं अब काम करती हैं। इसमें स्पष्ट रूप से Copilot क्लाउड एजेंट द्वारा बनाए गए PR शामिल हैं, इसलिए एक कोडिंग एजेंट का अपना आउटपुट बिना किसी मानव द्वारा मैन्युअल रूप से रूटिंग के समीक्षा में जा सकता है।

दूसरे, बहुत बड़े पुल रिक्वेस्ट अब समीक्षक के कार्य क्षेत्र में आते हैं। चेंजलॉग टेक्स्ट विस्तार की सीमा का विवरण देने से पहले कट जाता है, लेकिन व्यावहारिक परिणाम यह है कि ओवरसाइज़्ड डिफ्स — मोनोरेपो परिवर्तनों या व्यापक रिफैक्टरिंग में आम — अब डिफ़ॉल्ट रूप से बाहर नहीं रखे जाते।

चेंजलॉग टाइटल में "resolution reasons" का भी उल्लेख है, जो इस बात की ओर इशारा करता है कि समीक्षा किस तरह हल होती है इसके स्पष्ट स्पष्टीकरण। प्रकाशित सारांश उस हिस्से को विस्तार से बताने से पहले ही समाप्त हो जाता है।

बिल्डर्स के लिए, इसका मतलब है कि बॉट-लिखित और लार्ज-डिफ PRs पर कम अनहैंडल्ड समीक्षाएं होंगी। जो टीमें रूटीन एडिट्स के लिए कोडिंग एजेंट्स पर निर्भर करती हैं, या बड़े रिफैक्टर्स को एक एकल PR में बंडल करती हैं, उन्हें परिणामस्वरूप कम मैनुअल समीक्षा भार का सामना करना पड़ेगा।

[14:45] GitHub Copilot का कस्टमाइज़ टैब सभी के लिए लाइव

25 अगस्त की चेंजलॉग के अनुसार, GitHub का Copilot ऐप में कस्टमाइज़ टैब अब सामान्य रूप से उपलब्ध है। यह फीचर Copilot को एक सामान्य सहायक की तरह व्यवहार करने के बजाय उन विशिष्ट टूल्स, ज्ञान स्रोतों और वर्कफ़्लो के साथ काम करने के लिए डिज़ाइन किया गया है जिन पर एक टीम पहले से निर्भर करती है।

इसके पीछे का तंत्र MCP है, जो मॉडल कॉन्टेक्स्ट प्रोटोकॉल है, एक खुला मानक जो बाहरी सेवाओं को AI सहायकों में प्लग करने देता है। कस्टमाइज़ टैब के माध्यम से, टीमें MCP-संगत सर्वर से कनेक्ट कर सकती हैं ताकि आंतरिक दस्तावेज़, प्रोजेक्ट ट्रैकर और टीम-विशिष्ट कमांड Copilot बातचीत में बिना ग्लू कोड लिखे पहुंच योग्य बन सकें।

बिल्डर्स के लिए, व्यावहारिक बदलाव यह है कि कस्टम कमांड और टीम-विशिष्ट ज्ञान अब Copilot ऐप में पहली श्रेणी का घर पा गए हैं, जो इसलिए मायने रखता है क्योंकि अधिकांश टीमों के पास आंतरिक टूल्स की एक लंबी सूची होती है जो एक-आकार-सभी सहायक में फिट नहीं होते। देखने की अगली बात यह है कि पारिस्थितिकी तंत्र सबसे तेजी से किन MCP सर्वरों को अपनाता है, क्योंकि वे तय करेंगे कि आपके वातावरण में Copilot वास्तव में क्या कर सकता है।

[15:45] ऑन-प्रिमाइसेस चलाने के लिए कंप्यूटर हार्डवेयर

हम ऑन-प्रिमाइसेस एक बेहतर मॉडल चलाने के लिए कंप्यूटर, सर्वर खरीदने पर विचार कर रहे हैं। मैं लगभग 70b पैरामीटर से अधिक वाला एक बड़ा ओपन सोर्स मॉडल चलाना चाहूंगा। मैंने पढ़ा कि लोग Apple Studio या Nvidia DGX Spark पर चलाते थे। क्या आप कंपनी के लिए 200 उपयोगकर्ताओं के हिसाब से AI मॉडल चलाने के लिए आवश्यक हार्डवेयर की सिफारिश कर सकते हैं? हम कोई यूज़र केस भी साझा करने में प्रसन्न होंगे। द्वारा सबमिट किया गया। मुख्य स्रोत ऊपर बताए गए विशिष्ट उत्पाद या वर्कफ़्लो परिवर्तन का समर्थन करता है; यह प्रदर्शन, संगतता, या परिनियोजन के बारे में व्यापक दावों का समर्थन नहीं करता। इस पर निर्भर होने से पहले, स्रोत के परिवर्तन को एक वास्तविक वर्कफ़्लो के खिलाफ परीक्षण करें।

[16:25] Sentence Transformers के साथ मल्टी-वेक्टर एम्बेडिंग मॉडल का प्रशिक्षण और फाइन-ट्यूनिंग

Hugging Face Blog के माध्यम से 2026-08-26T00:00:00+00:00 को प्रकाशित। huggingface.co पर मुख्य स्रोत केवल ये बताए गए तथ्यों का समर्थन करता है; असमर्थित विशिष्टताओं को जानबूझकर छोड़ दिया गया है। मुख्य स्रोत ऊपर बताए गए विशिष्ट उत्पाद या वर्कफ़्लो परिवर्तन का समर्थन करता है; यह प्रदर्शन, संगतता, या परिनियोजन के बारे में व्यापक दावों का समर्थन नहीं करता। इस पर निर्भर होने से पहले, स्रोत के परिवर्तन को एक वास्तविक वर्कफ़्लो के खिलाफ परीक्षण करें।