Episode 112: गूगल एंटीग्रैविटी, वेबएमसीपी के साथ चैटजीपीटी

एपिसोड 112 — 10 सितंबर, 2026

[00:00] एपिसोड हुक

npm पर Claude Code CLI का संस्करण 2.1.267 लॉन्च हुआ, साथ ही Hermes Agent v2026.9.7 भी आया, जिससे प्रोडक्शन डेवलपर्स को बेहतर टर्मिनल एजेंट एक्जीक्यूशन और पुनर्प्रतिरोधी candidate-state गेटवे मैनेजमेंट मिला। Claude Code का अपडेट इस बात को तेज करता है कि कमांड-लाइन एजेंट जटिल मल्टी-स्टेप रिफैक्टर्स को कैसे हैंडल करता है, subagent टास्क को कैसे डेलीगेट करता है, और dirty git diffs को context collisions के बिना कैसे रिज़ॉल्व करता है। Hermes Agent v2026.9.7 रिलीज़ साइकल के शुरुआत में candidate-state मेंटेनेंस को मज़बूत करता है, plugin और gateway रिपेयर्स को अलग करके ताकि पर्सिस्टेंट बैकग्राउंड सेशन्स स्वस्थ रहें। एक साथ, ये रिलीज़ एक स्पष्ट ऑपरेशनल स्टैंडर्ड की ओर इशारा करती हैं: coding agents को अव्यवस्थित लोकल वर्कस्पेस को आसानी से नेविगेट करना चाहिए जबकि बैकग्राउंड daemons अपग्रेड होते समय सक्रिय कार्य को न छोड़ें।

[02:00] एजेंट स्टैक रिलीज़ रीडआउट: Claude Code CLI 2.1.267; Hermes Agent v2026.9.7

npm पर Claude Code CLI 2.1.267 टर्मिनल-आधारित agentic सॉफ्टवेयर इंजीनियरिंग में लक्षित सुधारों के साथ आया। यह उन डेवलपर्स के लिए एक आवश्यक उपकरण बन गया है जो IDE रैपर के बजाय सीधे अपने टर्मिनल में स्वायत्त coding agents चलाना पसंद करते हैं। इस बिल्ड में, Anthropic ने Claude Code की मल्टी-डायरेक्टरी फाइल संशोधनों की योजना और निष्पादन को तेज किया, सक्रिय git branches पर diff hygiene में सुधार किया और परीक्षण निष्पादन के दौरान अनपेशक्षित state mutations को रोका। Subagent टास्क डेलीगेशन को भी अनुकूलित किया गया है ताकि विस्तृत codebase एक्सप्लोरेशन के दौरान prompt contexts संक्षिप्त रहें। रनटाइम डिप्लॉयमेंट आर्किटेक्चर अब विस्तारित coding सेशन्स में memory usage को अधिक पूर्वानुमेय रूप से प्रबंधित करता है, यह सुनिश्चित करते हुए कि लंबे चलने वाले टास्क token serialization bottlenecks से बचें। टर्मिनल फीडबैक तंत्रों को भी पॉलिश किया गया है, जटिल tool calls पूर्ण होने पर संरचित diff व्यू और निष्पादन exit codes स्पष्ट रूप से प्रदर्शित करते हैं।

समानांतर रिलीज़ ट्रैक पर, Hermes Agent ने पर्सिस्टेंट gateway lifecycle प्रबंधन में केंद्रित सुधारों के साथ v2026.9.7 जारी किया। Hermes अब मेंटेनेंस ऑपरेशन्स के दौरान candidate state को अलग करता है, यह सुनिश्चित करता है कि बैकग्राउंड gateway प्रक्रियाएं कॉन्फ़िगरेशन और plugin अपडेट के दौरान जुड़े हुए कम्युनिकेशन चैनलों को तोड़े बिना बची रहें। अपडेट भारी tool-use सेशन्स के दौरान memory reclamation को भी मज़बूत करता है, footprint कम करता है। कॉन्फ़िगरेशन विकल्पों का विस्तार किया गया है ताकि ऑपरेटर सख्त evaluation boundaries सेट कर सकें, जबकि बैकग्राउंड watchers सीधे सिस्टम लॉग्स में latency और throughput metrics रिपोर्ट करें। पर्सिस्टेंट agents को प्रोडक्शन में चलाने वाले इंजीनियर्स के लिए, ये मेंटेनेंस परिशोधन सुनिश्चित करते हैं कि लंबे चलने वाले ऑटोमेशन विश्वसनीय बने रहें। दोनों रिलीज़ ऑपरेशनल resilience पर जोर देती हैं: क्लाइंट टूल्स को लोकल वर्किंग ट्री की शोर को सुंदर रूप से हैंडल करना चाहिए, जबकि बैकग्राउंड सर्विसेज़ को state transitions को अलग करना चाहिए ताकि सक्रिय सेशन्स कॉन्फ़िगरेशन बदलने पर फेल न हों। एक साथ, ये एन्हांसमेंट सुनिश्चित करती हैं कि कमांड-लाइन और पर्सिस्टेंट विकास एनवायरनमेंट गहन रिकर्सिव डायरेक्टरी इंडेक्सिंग और व्यापक टेस्ट सुइट निष्पादन के दौरान भी प्रतिक्रियाशील बने रहें।

[04:15] Google Antigravity: एजेंट-फर्स्ट प्लेटफॉर्म Antigravity 2.0, Go CLI, और Python SDK के साथ

Google ने अपने स्वायत्त डेवलपर टूलिंग को Google Antigravity इकोसिस्टम के तहत एकजुट किया है, जो डेस्कटॉप, कमांड लाइन, और प्रोग्रामेटिक APIs को फैलाता हुआ एक एजेंट-फर्स्ट विकास प्लेटफॉर्म स्थापित करता है। केंद्र में Antigravity 2.0 है, एक समर्पित डेस्कटॉप एप्लिकेशन जो पैरेलल एजेंट ऑर्केस्ट्रेशन के लिए इंजीनियर्ड है। पारंपरिक IDE चैट पैनल से अलग जो AI को इनलाइन autocomplete विजेट के रूप में मानते हैं, Antigravity 2.0 डेवलपर्स को समर्पित कैनवास देता है जहाँ वे कई स्वायत्त agents को पैरेलल में टास्क एक्जीक्यूट करने के लिए समन्वयित कर सकते हैं।

सिस्टम में एक Auxiliary Pane शामिल है जो लाइव बैकग्राउंड टास्क, subagent hierarchies, संशोधित फाइलें, और इंटरैक्टिव आर्टिफैक्ट्स को रियल टाइम में ट्रैक करता है। शेल में काम करने वाले डेवलपर्स के लिए, Go में इम्प्लिमेंट किया गया Antigravity CLI (agy) लगभग तुरंत स्टार्टअप टाइम और कमांड एक्जीक्यूशन देता है, जिससे यह स्क्रिप्टेड ऑटोमेशन और टर्मिनल-आधारित पेयर प्रोग्रामिंग के लिए आदर्श हार्नेस बन जाता है। दोनों का पूरक Google Antigravity Python SDK है, जो टीमों को प्रोग्रामेटिक रूप से agents पट्टे पर लेने, Model Context Protocol सर्वर में हुक करने, और skills और rules पर पूर्ण नियंत्रण के साथ जटिल मल्टी-एजेंट पाइपलाइन को ऑर्केस्ट्रेट करने देता है। आर्किटेक्चर प्लानिंग और एक्जीक्यूशन के बीच सख्त अलगाव लागू करता है, जिससे models को tool invocations चलाने से पहले मल्टी-स्टेप प्लान तैयार करने की अनुमति मिलती है। ऑब्ज़र्वेबिलिटी टूलिंग subagent नेटवर्क में रियल-टाइम latency और throughput टेलीमेट्री स्ट्रीम करती है, ऑटोमेटेड कोड एडिट्स के लिए पूर्ण ऑडिटेबिलिटी प्रदान करती है।

[06:45] ChatGPT for Mac को Unified Workspace में पुनर्निर्मित किया गया Computer History और WebMCP Site Tools के साथ

OpenAI ने अपने macOS डेस्कटॉप ऐप का एक प्रमुख आर्किटेक्चरल पुनर्निर्माण किया है, जिसमें Chat, Work, और Codex को एक एकीकृत, नेटिव डेस्कटॉप क्लाइंट में विलय कर दिया गया है। यह अपडेट डेस्कटॉप असिस्टेंट्स के होस्ट ऑपरेटिंग सिस्टम के साथ इंटरैक्ट करने के तरीके को फिर से सोचता है। मुख्य जोड़ Computer History है, एक वैकल्पिक, ऑप्ट-इन फीचर जो समर्थित एप्लिकेशन और ब्राउज़र टैब में उपयोगकर्ता इंटरैक्शन की एक खोज योग्य स्थानीय टाइमलाइन बनाता है। महत्वपूर्ण बात यह है कि OpenAI ने Computer History को स्क्रीनशॉट, स्क्रीन रिकॉर्डिंग, या ऑडियो फीड्स कैप्चर किए बिना डिज़ाइन किया है, इसके बजाय स्ट्रक्चर्ड एप्लिकेशन मेटाडेटा पर भरोसा करते हुए मॉडल को इनवेसिव कैप्चर मैकेनिज्म के बिना चल रहे काम के बारे में समृद्ध संदर्भ प्रदान करता है।

साथ ही, डेस्कटॉप ऐप के बिल्ट-इन ब्राउज़र ने Chrome, Brave, Edge, Opera, और Vivaldi में WebMCP साइट टूल्स के लिए सपोर्ट हासिल किया है। WebMCP वेबसाइटों को स्ट्रक्चर्ड एक्शन स्कीमा पब्लिश करने की अनुमति देता है जिसे असिस्टेंट सीधे इनवोक कर सकता है, जिससे मैन्युअल स्क्रैपिंग के बिना शेयर्ड डॉक्यूमेंट्स में कमेंट्स डालना, टिकट स्टेट्स अपडेट करना, या लाइव मेट्रिक्स फेच करना जैसे सीमलेस वर्कफ़्लोज़ संभव होते हैं। कंपोज़र में नेटिव Google Drive इंटीग्रेशन के साथ, पुनर्निर्मित क्लाइंट macOS पर ChatGPT को एक कन्वर्सेशनल साइडबार से एक सक्रिय ऑपरेशनल वर्कस्पेस में बदल देता है। सिक्योरिटी कंट्रोल्स ब्राउज़र एक्जीक्यूशन को सैंडबॉक्स करते हैं, जबकि लोकल एन्क्रिप्शन स्टोर्ड टाइमलाइन इवेंट्स को अनअथोराइज्ड एक्सेस से बचाता है।

[09:10] MiniMax-Text-01 Lightning Attention MoE के साथ 4M कॉन्टेक्स्ट ओपन-वेट्स आर्किटेक्चर देता है

MiniMax ने MiniMax-Text-01 रिलीज किया है, एक 456-बिलियन पैरामीटर Mixture-of-Experts आर्किटेक्चर जो प्रति टोकन 45.9 बिलियन पैरामीटर्स एक्टिवेट करता है। जटिल रीजनिंग, स्वायत्त सॉफ्टवेयर इंजीनियरिंग, और लॉन्ग-हॉरिज़न एजेंट वर्कफ़्लोज़ के लिए विशेष रूप से इंजीनियर्ड, इस मॉडल में MiniMax के प्रोप्रायटरी Lightning Attention मैकेनिज्म द्वारा संचालित एक नेटिव 4-मिलियन-टोकन कॉन्टेक्स्ट विंडो है। पारंपरिक Transformer आर्किटेक्चर में, फुल क्वाड्रैटिक सेल्फ-अटेंशन कम्प्यूटेशनल कॉम्प्लेक्सिटी और KV cache मेमोरी रिक्वायरमेंट्स को विस्फोटित करती है जब सीक्वेंस मिलियन टोकन्स तक फैलते हैं। Lightning Attention चंक्ड लीनियर रिकरेंस का उपयोग करके इस बॉटलनेक को पार करती है, प्रीफिल के दौरान स्थिर मेमोरी फुटप्रिंट और जेनरेशन के दौरान निरंतर उच्च टोकन थ्रूपुट सुनिश्चित करती है।

MiniMax-Text-01 के लिए ट्रेनिंग पाइपलाइन में व्यापक गणितीय रीजनिंग कॉर्पोरा को जटिल सॉफ्टवेयर प्रोजेक्ट्स से सिंथेटिक एक्जीक्यूशन ट्रेस के साथ जोड़ा गया। परिणामी चेकपॉइंट मल्टी-स्टेप रीजनिंग इवैल्यूएशन, कोडिंग एजेंट टास्क्स, और तकनीकी दस्तावेज़ीकरण में लॉन्ग-कॉन्टेक्स्ट नीडल रिट्रीवल पर उत्कृष्ट प्रदर्शन करता है। वेट्स पब्लिश करके और हाई-परफॉर्मेंस सर्विंग फ्रेमवर्क्स में फ्लेक्सिबल इंफरेंस डिप्लॉयमेंट सक्षम करके, MiniMax डेवलपर्स को प्रोप्रायटरी लॉन्ग-कॉन्टेक्स्ट APIs के लिए एक ओपन अल्टरनेटिव प्रदान करता है। स्वायत्त एजेंट्स को संचालित करने वाली टीमों के लिए जिन्हें संपूर्ण कोड रिपॉजिटरीज़, आर्किटेक्चरल डायग्राम्स, और व्यापक लॉग फाइल्स को एक ही प्रॉम्प्ट में इनजेस्ट करना होता है, 4M कॉन्टेक्स्ट विंडो लॉसी चंकिंग और रिट्रीवल पाइपलाइन्स की आवश्यकता को समाप्त करती है।

[11:35] Mercury 2.5 एक डिफ्यूज़न-स्टाइल रीजनिंग मॉडल है, अब OpenRouter पर

Inception का Mercury 2.5 अब OpenRouter पर एक्सेसिबल है, जिसमें 260,000-टोकन कॉन्टेक्स्ट विंडो और 4,096-टोकन आउटपुट लिमिट है। Mercury 2.5 को पारंपरिक autoregressive आर्किटेक्चर से अलग करने वाली बात इसका डिफ्यूज़न-स्टाइल डिकोडिंग मैकेनिज्म है। बाएं से दाएं सख्ती से टेक्स्ट जेनरेट करने के बजाय, एक समय में एक सीक्वेंशियल टोकन प्रीडिक्ट करके, Mercury एक पूर्ण टोकन ड्राफ्ट एक साथ जेनरेट करता है और इसे कई पासों में बार-बार परिष्कृत करता है।

Inception Mercury 2.5 को अपना सबसे तेज़ रीजनिंग मॉडल के रूप में प्रस्तुत करता है, जिसका दावा है कि पैरलल टोकन रिफाइनमेंट मॉडल को जटिल मल्टी-स्टेप रीजनिंग प्रॉब्लम्स को सॉल्व करने की अनुमति देती है बिना एक्सेलरेटर हार्डवेयर को सीक्वेंशियल टोकन प्रीडिक्शन पर आइडल छोड़े। 260K कॉन्टेक्स्ट विंडो एक ही कॉल में महत्वपूर्ण कोड रिपॉजिटरीज़, तकनीकी दस्तावेज़ीकरण, और लंबी कन्वर्सेशनल हिस्ट्रीज़ को समायोजित करती है। जैसे-जैसे स्वतंत्र बेंचमार्क सामने आते हैं, डेवलपर्स यह देखने के लिए बारीकी से नज़र रखेंगे कि क्या डिफ्यूज़न-स्टाइल पैरलल रिफाइनमेंट सटीकता पर सीक्वेंशियल autoregression से मेल खाती है जबकि इसके दावे की स्पीड एडवांटेज को बनाए रखती है।

[13:40] Meta का Muse Agent आपके Email, Calendar, और Payments चाहता है

Meta ने Muse लॉन्च किया है, एक व्यक्तिगत AI एजेंट जो ईमेल, कैलेंडर्स, पेमेंट रेल्स, और हेल्थ सर्विसेज़ में उपयोगकर्ताओं की ओर से कार्य करने के लिए डिज़ाइन किया गया है। केवल एक कन्वर्सेशनल चैटबॉट के रूप में कार्य करने के बजाय, Muse को एक एजेंटिक असिस्टेंट के रूप में पिच किया गया है जो व्यक्तिगत डेटा पढ़ता है, मीटिंग्स शेड्यूल करता है, अपॉइंटमेंट्स नेगोशिएट करता है, और मौजूदा व्यक्तिगत एप्लिकेशन में वित्तीय लेनदेन प्रोसेस करता है।

यह घोषणा महत्वपूर्ण डेवलपर बहस को जन्म देती है, जो जल्दी से Hacker News पर 500 से अधिक अपवोट प्राप्त करती है। बातचीत सीधे तौर पर उपयोगकर्ता सहमति, डेटा गवर्नेंस और गोपनीयता की सीमाओं पर केंद्रित थी। एक AI एजेंट को व्यक्तिगत संचार, शेड्यूल, वित्तीय क्रेडेंशियल और स्वास्थ्य रिकॉर्ड तक खुली पहुंच देना महत्वपूर्ण सुरक्षा जोखिम पैदा करता है। उद्योग के विश्लेषकों का जोर है कि Muse जैसे उपभोक्ता एजेंटों की सफलता कच्चे बेंचमार्क प्रदर्शन पर कम और बहुत अधिक विस्तृत, प्रति-कार्य अनुमति मॉडल पर निर्भर करेगी जो उपयोगकर्ताओं को पारदर्शी रूप से क्षमताओं की जांच करने और रद्द करने की अनुमति देती हैं।

[15:45] Cognition के $48B वैल्यूएशन का मतलब है कि AI कोडिंग एक-टूल मार्केट नहीं होगा

Cognition ने अपने नवीनतम फाइनेंसिंग राउंड में $48 बिलियन का ऐतिहासिक वैल्यूएशन हासिल किया, जो इसे शीर्ष स्तर की प्राइवेट AI कंपनियों में स्थापित करता है। फंडिंग राउंड एक आक्रामक गुणक पर आया, जो SpaceX द्वारा अधिग्रहण से पहले Cursor के वैल्यूएशन से अधिक है। निवेश का परिमाण दर्शाता है कि वेंचर कैपिटल AI सॉफ्टवेयर इंजीनियरिंग को विजेता-ले-सबको (winner-take-all) बाजार के बजाय विविध पारिस्थितिकी तंत्र के रूप में देखती है जिसमें कई स्वतंत्र खिलाड़ियों के लिए जगह है।

सॉफ्टवेयर विकास में बहुत अलग वर्कफ़्लो शामिल हैं: इंटरैक्टिव, एडिटर-आधारित पेयर प्रोग्रामिंग से लेकर पूर्ण स्वायत्त एजेंट तक जो इश्यू बैकलॉग एक्जीक्यूट करते हैं, पुल रिक्वेस्ट जेनरेट करते हैं और अलग-थलग सैंडबॉक्स में टेस्ट सुइट वैलिडेट करते हैं। Cognition की पर्याप्त पूंजी भंडार कंपनी को स्वायत्त क्षमताओं को गहरा करने, एंटरप्राइज डेवलपर इन्फ्रास्ट्रक्चर का विस्तार करने और रिपॉजिटरी कॉन्टेक्स्ट इंजन बढ़ाने की अनुमति देता है। पूंजी की निरंतर आवक सुनिश्चित करती है कि प्रतिस्पर्धी दबाव पूरे डेवलपर पारिस्थितिकी तंत्र में टूलिंग में तेज सुधार लाएगा।

[17:35] 1Password कहता है कि Codex ने इंजीनियरिंग आउटपुट को 21% बढ़ाया

1Password ने अपनी आंतरिक विकास टीमों में OpenAI के Codex को तैनात करने के बाद इंजीनियरिंग उत्पादकता में 21% की वृद्धि की सूचना दी। OpenAI द्वारा 8 सितंबर को प्रकाशित केस स्टडी विस्तार से बताती है कि पासवर्ड मैनेजर की इंजीनियरिंग संगठन ने ग्राहक-सामना सुविधा विकास और आंतरिक टूल रखरखाव में दैनिक वर्कफ़्लो में कोडिंग एजेंट को कैसे एकीकृत किया।

जो 21% आंकड़ा उल्लेखनीय बनाता है वह 1Password का मांग वाला सुरक्षा रुख है। सुरक्षा-महत्वपूर्ण सॉफ्टवेयर प्रदाता के रूप में, प्रोडक्शन कोड को कठोर स्टैटिक विश्लेषण, पीयर रिव्यू और अनुपालन गेट पास करने होते हैं। 1Password ने जोर देकर कहा कि Codex कंपनी की मौजूदा सुरक्षा सीमाओं के भीतर काम करता है, स्थापित समीक्षा प्रक्रियाओं को बायपास करने के बजाय। केस स्टडी ठोस साक्ष्य प्रदान करती है कि स्वायत्त कोडिंग सहायक उन संगठनों में मापनीय वेलोसिटी सुधार दे सकते हैं जहां सुरक्षा और कोड शुद्धता से समझौता नहीं किया जा सकता।

[19:10] Mistral ने €21 बिलियन वैल्यूएशन पर €3 बिलियन Series D बंद किया

फ्रेंच AI लैब Mistral ने €3 बिलियन के Series D फंडिंग राउंड के पूरा होने की घोषणा की, जिससे इसका पोस्ट-मनी वैल्यूएशन €21 बिलियन से अधिक हो गया। घोषणा ने वैश्विक डेवलपर समुदाय में व्यापक ध्यान आकर्षित किया, Hacker News पर 800 से अधिक अपवोट प्राप्त किए। Mistral ने संप्रभु, खुले-वेट आर्टिफिशियल इंटेलिजेंस का समर्थन करके एक अनूठी स्थिति बनाई है, डाउनलोड करने योग्य मॉडल चेकपॉइंट प्रदान करता है जो उद्यमों और सार्वजनिक संस्थानों द्वारा सेल्फ-होस्ट और फाइन-ट्यून किए जा सकते हैं।

भारी पूंजी इंफ्यूजन Mistral को अपनी खुले-वेट प्रतिबद्धता बनाए रखते हुए अगली पीढ़ी के फ्रंटियर मॉडल को प्रशिक्षित करने के लिए आवश्यक कंप्यूट संसाधन और शोध प्रतिभा प्रदान करता है। यूरोप में, जहां डेटा संप्रभुता और EU AI अधिनियम के तहत नियामक स्वायत्तता सर्वोपरि है, Mistral बंद अमेरिकी API का एक महत्वपूर्ण रणनीतिक विकल्प प्रस्तुत करता है। कंपनी की आगामी रिलीज दिखाएंगी कि क्या संप्रभु खुले-वेट सिस्टम बंद मालिकाना फ्रंटियर के साथ क्षमता अंतर को बंद करना जारी रख सकते हैं।

[20:55] OpenBMB ने MiniCPM5-2B जारी किया, एक सब-3B ओपन-वेट्स मॉडल जो डिवाइस पर चलने के लिए बनाया गया है

OpenBMB ने MiniCPM5-2B जारी किया, एक अत्यंत संक्षिप्त भाषा मॉडल जिसमें 2.52 अरब घने पैरामीटर और एक मूल 131,072-टोकन संदर्भ विंडो है। मॉडल ने 34 मानकीकृत बेंचमार्क पर 53.9 का औसत स्कोर हासिल किया, जिसमें Qwen3.5-4B सहित बड़े प्रतिस्पर्धियों को पीछे छोड़ दिया। MiniCPM5 टूल उपयोग, एजेंटिक कोडिंग कार्यों और सुई-इन-अ-हेस्टैक लंबे-संदर्भ पुनर्प्राप्ति में असाधारण प्रवीणता प्रदर्शित करता है।

OpenBMB ने पूर्ण मॉडल वेट, मध्यवर्ती प्रशिक्षण चेकपॉइंट और डेटासेट को अनुमत Apache 2.0 लाइसेंस के तहत प्रकाशित किया। सब-3B पैमाने पर फ्रंटियर-जैसी क्षमताएं प्राप्त करने के लिए, प्रशिक्षण पाइपलाइन में 16 विशेषज्ञ शिक्षक मॉडलों से 400 अरब टोकन की गहन-सोच पर्यवेक्षित फाइन-ट्यूनिंग और ऑन-पॉलिसी डिस्टिलेशन को शामिल किया गया। क्वांटाइज़्ड GGUF बाइनरी केवल 1.56 गीगाबाइट से शुरू होती हैं, जो मॉडल को llama.cpp, Ollama, MLX, vLLM और SGLang के माध्यम से लैपटॉप और एज डिवाइस पर सुचारू रूप से चलने की अनुमति देती हैं।

[22:30] Qualcomm और AWS कस्टम AI इन्फरेंस सिलिकॉन और 1.6T ऑप्टिकल लिंक पर साझेदारी करते हैं

Qualcomm Technologies और Amazon Web Services ने AI इन्फरेंस सिलिकॉन के लिए अनुकूलित डिज़ाइन और AWS डेटा सेंटर में 1.6 टेराबिट प्रति सेकंड की गति से अत्यधिक उच्च गति ऑप्टिकल नेटवर्किंग को तैनात करने के लिए एक बहु-पीढ़ी साझेदारी की घोषणा की। जैसे-जैसे AI मॉडल पैरामीटर आकार में बढ़ते हैं और उपयोगकर्ता अनुरोध मात्रा बढ़ती है, डेटा-सेंटर ऑपरेटर ताप सीमाओं, बिजली की सीमाओं और त्वरक के बीच नेटवर्किंग बाधाओं से जूझ रहे हैं।

यह साझेदारी Qualcomm के कम-शक्ति तंत्रिका प्रोसेसिंग आर्किटेक्चर को AWS के हाइपरस्केल बुनियादी ढांचे के साथ जोड़ती है। 1.6T ऑप्टिकल लिंक पारंपरिक तांबे के अंतर-कनेक्शन को बदल देते हैं, जिससे कम विलंबता और ऊर्जा दक्षता में महत्वपूर्ण सुधार के साथ सर्वर क्लस्टर में विशाल टेंसर स्ट्रीम चलते हैं। Amazon के उत्पादन कार्यभार के लिए विशेष रूप से ट्यून किए गए विशेष इन्फरेंस सिलिकॉन के सह-डिज़ाइन के माध्यम से, साझेदारी का उद्देश्य उच्च-थ्रूपुट मॉडल सर्विंग के लिए स्वामित्व कुल लागत को कम करना है।

[24:00] PsiQuantum ने क्वांटम विनिर्माण के लिए $100M अमेरिकी पुरस्कार सुरक्षित किया

PsiQuantum ने CHIPS और Science Act के तहत संयुक्त राज्य अमेरिका के वाणिज्य विभाग से $100 मिलियन के संघीय अनुसंधान और विकास पुरस्कार को अंतिम रूप दिया। यह पुरस्कार PsiQuantum की दोष-सहिष्णु, उपयोगिता-पैमाने क्वांटम कंप्यूटिंग सिस्टम के लिए आवश्यक घटकों के घरेलू निर्माण और पैकेजिंग को धन प्रदान करता है। अंतिम दस्तावेज़ीकरण के निष्पादन से अपेक्षित पुरस्कार समर्पित संघीय धन में बदल जाता है।

दोष-सहिष्णु क्वांटम कंप्यूटर बनाने के लिए विशेष सिलिकॉन फोटोनिक चिप, ऑप्टिकल नियंत्रण मॉड्यूल और क्रायोजेनिक पैकेजिंग की आवश्यकता होती है जिसके लिए उन्नत अर्धचालक विनिर्माण अवसंरचना की मांग है। इस विनिर्माण पाइपलाइन को संयुक्त राज्य अमेरिका में स्थापित करने से उभरती गहरी-तकनीक हार्डवेयर के लिए घरेलू आपूर्ति श्रृंखलाएं मजबूत होती हैं। जैसे-जैसे फैब्रिकेशन लाइनें बढ़ती हैं, यह पुरस्कार PsiQuantum को व्यावसायिक क्वांटम आर्किटेक्चर के लिए हार्डवेयर सत्यापन को गति देने के लिए स्थिति में लाता है।

[25:30] OpenAI ने Lean में AI-जनित Navier-Stokes प्रूफ पोस्ट किया

OpenAI ने Navier–Stokes Millennium Prize समस्या के लिए एक AI-जनित समाधान प्रकाशित किया है, जो Lean में लिखे एक औपचारिक, मशीन-जांचे गए प्रमाण के साथ एक स्पष्टीकरण कथा को जोड़ता है। Navier–Stokes समीकरण द्रव गतिकी के मूलभूत यांत्रिकी का वर्णन करती हैं, जैसे वायु अशांति और जल प्रवाह। Millennium Prize चुनौती, जिसमें Clay Mathematics Institute से 1 मिलियन डॉलर का इनाम है, यह प्रश्न उठाती है कि क्या तीन आयामों में हमेशा सुचारू, सुव्यवस्थित गणितीय समाधान मौजूद होते हैं या विलक्षणताएं (singularities) बन सकती हैं।

Lean इंटरैक्टिव थिओरम प्रूवर में औपचारिक प्रमाण एन्कोड करके, OpenAI ने एक यांत्रिक रूप से सत्यापनीय कलाकृति प्रदान की है जिसे गणितज्ञ पंक्ति दर पंक्ति जांच सकते हैं। जबकि Lean पुष्टि करता है कि तार्किक अनुमान सख्ती से उनके बताए गए स्वयंसिद्धों (axioms) से क्रम का पालन करते हैं, व्यापक गणितीय समुदाय को अभी भी मूल्यांकन करना होगा कि क्या औपचारिक ढांचा Millennium Prize विनिर्देशों को सही ढंग से पूरा करता है और पूर्व साहित्य का सम्मान करता है। अंतिम गणितीय निर्णय के बावजूद, यह मील का पत्थर दर्शाता है कि स्वचालित प्रमेय सिद्धि (automated theorem proving) अनसुलझे अग्रणी गणित की ओर तेजी से बढ़ रही है।

[27:15] Reducto's r-1 एक पैसे में एक पास में पूरे पेज को पार्स करता है

डॉक्यूमेंट-पार्सिंग स्टार्टअप Reducto ने r-1 लॉन्च किया है, एक एंड-टू-एंड मल्टीमॉडल मॉडल जो बिल्कुल एक सेंट में एक एकल फॉरवर्ड पास में पूरे डॉक्यूमेंट पेज को पार्स करता है। यूनिफाइड मॉडल पारंपरिक मल्टी-स्टेज पाइपलाइनों को प्रतिस्थापित करता है जो विभिन्न ऑप्टिकल कैरेक्टर रिकग्निशन, लेआउट डिटेक्शन, टेबल एक्सट्रैक्शन और टेक्स्ट फॉर्मेटिंग मॉडल को एक साथ जोड़ती हैं। Reducto 20% डॉक्यूमेंट पार्सिंग त्रुटियों में कमी और पिछले 3-से-6-सेंट-प्रति-पेज रेंज से महत्वपूर्ण लागत में कमी की रिपोर्ट करता है।

पारंपरिक डॉक्यूमेंट पाइपलाइनों में, क्रमिक चरणों में क्रमिक त्रुटियां अक्सर निकाले गए डेटा को दूषित कर देती हैं जब लेआउट मॉडल टेबल की सीमाओं की गलत व्याख्या करते हैं या OCR इंजन शोर वाले स्कैन को गलत पढ़ लेते हैं। संपूर्ण पेज छवि को एक एकल पास में ग्रहण करके, r-1 एक साथ संरचित टेक्स्ट, टेबल, लेआउट फॉर्मेटिंग और सटीक बाउंडिंग कोऑर्डिनेट्स आउटपुट करता है। लाखों वित्तीय फाइलिंग, कानूनी अनुबंधों और चिकित्सा रिकॉर्ड को ग्रहण करने वाले उद्यमों के लिए, अनुमानित एक-सेंट मूल्य निर्धारण स्वचालित डॉक्यूमेंट प्रोसेसिंग की अर्थव्यवस्था में नाटकीय रूप से सुधार करता है।

[29:00] GitHub Project Radar

codebase-memory-mcp इस सप्ताह के डेवलपर टूलिंग रेडार में अग्रणी है, जो 12.6% मासिक विकास दर के साथ 42,735 GitHub स्टार्स को ट्रैक कर रहा है। यह प्रोजेक्ट 158 प्रोग्रामिंग भाषाओं में एक निरंतर कोड नॉलेज ग्राफ संकलित करता है और Model Context Protocol के माध्यम से एक स्टैंडअलोन बाइनरी के जरिए संरचित क्वेरी प्रदान करता है। कनेक्टेड कोडिंग एजेंट फंक्शन परिभाषाओं, कॉलर पदानुक्रम और क्लास संरचनाओं को सीधे क्वेरी कर सकते हैं, इसके बजाय बार-बार संपूर्ण डायरेक्टरी ट्री को स्कैन करने के बजाय।

Nanobot 47,927 स्टार्स के साथ ताजा v0.3 रिलीज के साथ इसके बाद आता है। हल्के Python में लिखा गया, Nanobot वेब इंटरफेस, टूल रजिस्ट्री, निरंतर मेमोरी और MCP सपोर्ट के साथ स्व-होस्टिंग व्यक्तिगत एजेंटों के लिए एक सुलभ फ्रेमवर्क प्रदान करता है। रेडार को 27,876 स्टार्स पर blender-mcp पूरा करता है, एक MCP ब्रिज जो Blender के 3D सीन ग्राफ और Python मॉडलिंग कमांड्स को कनेक्टेड लैंग्वेज मॉडल्स के लिए प्रदर्शित करता है, जिससे एजेंट प्रोग्रामेटिक रूप से 3D ज्योमेट्री और मैटेरियल्स में हेरफेर कर सकते हैं।

[30:45] Model Discovery Check

Inception का Mercury 2.5 इस चक्र में फीचर्ड मॉडल डेब्यू है। OpenRouter पर 260,000-टोकन कॉन्टेक्स्ट विंडो के साथ सूचीबद्ध, Mercury 2.5 पारंपरिक ऑटोरेग्रेसिव टोकन जनरेशन के बजाय डिफ्यूजन-स्टाइल पैरलल टोकन डिकोडिंग का उपयोग करता है। पूर्ण टोकन ड्राफ्ट को एक साथ परिष्कृत करके, Inception जटिल गणितीय और कोडिंग वर्कलोड पर तेज़ रीज़निंग थ्रूपुट देने का लक्ष्य रखता है।

[31:30] स्थानीय LLM स्पॉटलाइट

स्थानीय मॉडल स्पॉटलाइट में, XHToken का Spark-X2.5-4B Hugging Face पर डेवलपर्स के बीच ब्यापक रुचि प्राप्त कर रहा है, जिसने 10,000 से अधिक डाउनलोड और 945 लाइक्स प्राप्त किए हैं। मानक ट्रांसफॉर्मर्स कॉज़ल लैंग्वेज मॉडल आर्किटेक्चर पर निर्मित, यह 4 बिलियन पैरामीटर का मॉडल कंज्यूमर वर्कस्टेशन पर कन्वर्सेशनल और हल्के टूल-यूज़ प्रयोगों को चलाने वाले डेवलपर्स के लिए एक सुलभ फुटप्रिंट प्रदान करता है।

[32:15] अतिरिक्त शोध उम्मीदवार

शोध के मोर्चे पर, IFM ने K2 Horizon जारी किया, जो Apache 2.0 के तहत 900 मिलियन से 375 बिलियन पैरामीटर तक की छह ओपन-वेट मॉडलों की एक श्रृंखला है, जिसमें प्री-ट्रेनिंग डेटासेट रिलीज़ भी शामिल हैं। OpenAI ने "The Work Now Within Reach" प्रकाशित किया, जिसमें गिरती क्षमता-प्रति-डॉलर अर्थशास्त्र का विश्लेषण किया गया है कि कैसे यह ऑटोमेटेबल व्यावसायिक वर्कफ़्लो की सीमा का विस्तार कर रहा है। अंत में, TechCrunch ने OpenAI के Navier-Stokes Lean प्रमाण के बारे में सामुदायिक विवाद का दस्तावेजीकरण किया है, जहाँ गणितज्ञ स्वचालित प्रमेय प्रमाण के युग में प्राथमिकता, श्रेय मानदंड और प्रकाशन शिष्टाचार पर बहस कर रहे हैं।

[33:15] समापन

पूर्ण स्रोत लिंक, तकनीकी संदर्भ और मॉडल दस्तावेज़ीकरण के लिए, Toby On Fitness Tech dot com पर शो नोट्स देखें। सुनने के लिए धन्यवाद, और हम जल्द वापस आएंगे।