जेमिनी 4 कार्बन लंबे समय तक चलने वाली इंजीनियरिंग और साइबर रक्षा को लक्षित करता है

NOVA: मैं NOVA हूँ।

[ALLOY]: मैं ALLOY हूँ, और यह AgentStack Daily है।

NOVA: Google कहता है कि Gemini 4 Carbon किसी सॉफ़्टवेयर-इंजीनियरिंग या साइबर-डिफेंस समस्या पर कई दिनों तक काम कर सकता है, रुके हुए रास्तों से निकल सकता है, किसी कमजोरी की खोज कर सकता है, यह तय कर सकता है कि उसे वास्तव में इस्तेमाल किया जा सकता है या नहीं, और अंतर्निहित कारण को ठीक कर सकता है। यह कोई चैटबॉट नहीं है जो एक और सवाल का जवाब दे रहा हो। यह एक ऐसा मॉडल है जिसे इंजीनियरिंग के लंबे और गड़बड़ भरे बीच के हिस्से पर लक्षित किया गया है—जहाँ पहला सिद्धांत ग़लत होता है, कोडबेस बहुत बड़ा होता है, और दृढ़ता उतनी ही महत्वपूर्ण होती है जितनी पहले जवाब पर दाना।

[ALLOY]: और यह लंबा समय-क्षेत्र वास्तविक सिस्टमों में भी दिख रहा है। Retell के OpenAI-आधारित वॉइस एजेंट अब हर महीने दस करोड़ कॉल संभाल रहे हैं। NVIDIA ने चार अरब प्रभावी पैरामीटर वाले आठ-अरब-पैरामीटर मॉडल को स्थानीय असिस्टेंट, इंटरैक्टिव कैरेक्टर और एम्बेडेड इंटरफ़ेस के लिए चार-गिगाबाइट पैकेज में समेट दिया है। Anthropic के प्लेटफ़ॉर्म इंजीनियर एजेंट के तर्क को उस मशीनरी से अलग कर रहे हैं जो क्रेडेंशियल, नेटवर्क और टूल्स को छूती है। आज: Gemini 4 Carbon, गणित और भौतिकी में OpenAI के नतीजे, प्रोडक्शन वॉइस एजेंट, स्थानीय AI के दो बहुत अलग हार्डवेयर प्रयास, समूह की स्मृति को विकृत करने वाले सबूत, अधिक चयनात्मक एजेंट ट्रेनिंग, और सॉफ़्टवेयर सुरक्षा तथा कानूनी अनुबंधों में और गहराई से जाते एजेंट।

NOVA: Google ने Gemini 4 Carbon को अपना अगला फ्रंटियर मॉडल घोषित किया, जिसे अलग-अलग प्रॉम्प्ट के बजाय लगातार चलने वाले एजेंटिक काम के आसपास बनाया गया है। Google कहता है कि Carbon दिनों तक चल सकता है, रुके हुए रास्तों से बाहर निकल सकता है, बड़े कोडबेस में सूक्ष्म बग्स का पता लगा सकता है और सुधार तैयार कर सकता है। साइबर डिफेंस में ये दावे असामान्य रूप से विशिष्ट हैं। Carbon ने कमजोरी खोजने पर Google के SEC-bench Pro में अट्ठासी-आठ-दशमेश प्रतिशत, एक्सप्लॉइट पाथ तय करने और उन्हें अमल में लाने पर ExploitGym में चौवन-आठ-दशमेश प्रतिशत, और कमजोरी के पीछे मौजूद कोड को ठीक करने पर Collinear के CWE-bench में इकहत्तर प्रतिशत हासिल किया। ये प्रकाशक द्वारा बताए गए नतीजे हैं, लेकिन ये पूरी रक्षात्मक प्रक्रिया को दर्शाते हैं: खूबी खोजना, यह तय करना कि वह इस्तेमाल की जा सकती है या नहीं, और मूल कारण को ठीक करना। Google यह भी कहता है कि अपने आंतरिक सुरक्षित-कोड-जनरेशन बेंचमार्क पर Carbon ने Argon की सफलता दर को दो गुना से भी ज़्यादा बढ़ा दी। यह “कोडिंग में बेहतर” जैसे दावे से कहीं ज़्यादा मज़बूत दावा है, क्योंकि सुरक्षित कोड इस पर निर्भर करता है कि फ़ाइलों, टूल्स और बार-बार किए गए प्रयासों के बीच परिणामों का पीछा किया जाए।

[ALLOY]: एक्सेस मॉडल इनके जोखिम को दर्शाता है। Carbon शुरू में साइबर डिफेंडर्स के एक उप-समूह के साथ शुरू हो रहा है, फिर Google के Fairwind Program के ज़रिए भरोसेमंद भागीदारों तक धीरे-धीरे विस्तारित होगा। डेवलपर, व्यवसाय और उपभोक्ताओं को बाद में एक्सेस मिलने की उम्मीद है। शुरुआती कीमत हर दस लाख इनपुट टोकन के लिए दो डॉलर और हर दस लाख आउटपुट टोकन के लिए दस डॉलर है, जिसमें कैश किए गए इनपुट पर पंचान्ये प्रतिशत छूट है; बाद की दरें चार डॉलर और बीस डॉलर होंगी। यह कैश छूट किसी ऐसे मॉडल के लिए महत्वपूर्ण है जो कई दिनों की नौकरी में बड़े रिपॉज़िटरी पर बार-बार लौटता है। फिर भी, असली परीक्षा यह नहीं होगी कि Carbon दिनों तक सक्रिय रह सकता है या नहीं। असली परीक्षा यह होगी कि यह दृढ़ता सिर्फ़ आत्मविश्वास से भरी गतिविधि जमा करने के बजाय सटीक प्रगति बनाती रहती है या नहीं। Google के बेंचमार्क नंबर इस क्षमता को देखने लायक बनाते हैं, जबकि सीमित शुरुआती परिनियोजन डिफेंडर्स को असली कोड, वास्तविक एक्सप्लॉइट पाथ और ऐसे सुधारों के सामने इसका व्यवहार देखने का मौक़ा देता है, जिन्हें बेंचमार्क से बाहर भी टिकना होता है।

[ALLOY]: OpenAI ने तीन बहुत अलग समस्याओं पर मॉडल द्वारा तैयार किए गए नतीजे शैक्षणिक समुदायों के सामने रखे हैं: गणित में Kakeya अटकल, सैद्धांतिक कंप्यूटर विज्ञान में Exponential Time Hypothesis, और भौतिकी में क्वांटम क्रोमोडायनामिक्स। NOVA, जब किसी मॉडल के नतीजे को तैयार वैज्ञानिक उत्तर के रूप में पेश करने के बजाय शोधकर्ताओं के लिए उपयोगी सामग्री माना जाता है, तो क्या बदल जाता है?

NOVA: इससे प्रमाण का बोझ किस पर होता है, यह बदल जाता है। Kakeya से जुड़ा नतीजा गणितीय जाँच से गुज़रना चाहिए; Exponential Time Hypothesis से जुड़ा काम इस पर असर डालता है कि शोधकर्ता कंप्यूटेशनल समस्याओं की कठिनाई को कैसे समझते हैं; और क्वांटम क्रोमोडायनामिक्स उनके बीच क्वार्क और ग्लूऑन के अंतःक्रियाओं का सिद्धांत देता है। OpenAI विशेषज्ञों से तर्क की जाँच करने, यह सत्यापित करने कि क्या बना रहता है और क्या नहीं, और उपयोगी हिस्सों को आगे बढ़ाने के लिए कह रहा है। मॉडल का आउटपुट मौजूदा वैज्ञानिक प्रक्रिया के भीतर उपयोगी योगदान बन जाता है। यह इसलिए स्वीकृत ज्ञान नहीं बन जाता कि मॉडल ने एक सुंदर व्यवस्थापन तैयार किया था। जब विषय आसान निरीक्षण से कहीं परे हो, तो यह अंतर बेहद ज़रूरी है।

[ALLOY]: मुझे इसकी महत्वाकांक्षा पसंद है, लेकिन अभी मायने रखने वाला परिणाम अकादमिक प्रतिक्रिया है। एक साथ तीन क्षेत्रों में मॉडल-आधारित कार्य मिलना दिखाता है कि ये सिस्टम अलग-अलग वैज्ञानिक भाषाओं में अत्यधिक विशिष्ट तर्क में भाग ले सकते हैं। सत्यापन तय करता है कि इस भागीदारी से कोई नया प्रमाण, उपयोगी मध्यवर्ती अवलोकन, सुधारा गया तर्क, या बस एक अधिक रोचक प्रश्न निकलता है। मूल्यवान संभावना यह है कि मशीन-जनित विचारों और उन शोधकर्ताओं के बीच तेज़ चक्र बने, जो जानते हैं कि किसी तर्क में कमजोरी कहाँ है। चिंता की संभावना यह है कि प्रवाहपूर्ण कार्य विशेषज्ञों का ध्यान तो खींच ले, लेकिन क्षेत्र को आगे न बढ़ाए। OpenAI का फ्रेमिंग शोधकर्ताओं को सही भूमिका में रखता है: मशीन के उत्तर की प्रशंसा करने वाले दर्शक नहीं, बल्कि सक्रिय जाँचकर्ता, जो तय करते हैं कि कार्य किस बात का समर्थन कर सकता है और उस पर क्या निर्माण करना उचित है।

NOVA: अक्टूबर सत्ताईस को प्रकाशित OpenAI केस स्टडी के अनुसार, Retell के OpenAI-आधारित voice agents अब हर महीने एक करोड़ कॉल संभाल रहे हैं। Retell कहता है कि उसके voice-agent बेंचमार्क में GPT-6 Astra का नेतृत्व रहा, जबकि Codex ने कंपनी को प्रति-कर्मचारी सालाना 1.6 मिलियन डॉलर की revenue run rate तक पहुँचने में मदद की। कॉल की मात्रा वह आँकड़ा है जिसे नज़रअंदाज़ करना कठिन है। हर महीने दस करोड़ बातचीतों के साथ, प्रतिक्रिया में छोटे-से अंतर, गलत समझे गए इरादे या असफल handoffs के बड़े परिचालन प्रभाव पड़ जाते हैं। Voice agents के पास यह सुविधा नहीं होती कि उपयोगकर्ता किसी अनुच्छेद को दोबारा पढ़ ले; उन्हें रुकावटों का पालन करना होता है, अस्पष्टता से उबरना होता है और पर्याप्त तेज़ी से जवाब देना होता है ताकि बातचीत फिर भी कॉल जैसी लगे।

[ALLOY]: ठीक है, एक करोड़ वाकई पागलपन भरा आँकड़ा है। इससे voice agents “आशाजनक डेमो” की श्रेणी से निकलकर अवसंरचना में पहुँच जाते हैं। Astra का बेंचमार्क परिणाम Retell से आया है, इसलिए मैं इसे अभी भी कंपनी की अपने हिसाब से मापी पसंद, सामान्य वर्गीकरण नहीं मानूँगा। लेकिन Retell ऐसे workload में मॉडलों को माप रहा है, जिसे वह वास्तव में बड़े पैमाने पर संचालित करता है। इससे परिणाम को सामान्य conversational स्कोर की तुलना में अधिक व्यावहारिक महत्व मिलता है।

NOVA: प्रति-कर्मचारी revenue का आँकड़ा एक अलग कहानी बताता है: कंपनी का कहना है कि Codex का उपयोग उसकी अपेक्षाकृत छोटी कार्यशक्ति को बहुत बड़ी revenue run rate तक पहुँचने में मदद कर रहा है। इससे यह साबित नहीं होता कि हर टीम को वही लाभ मिलेगा, लेकिन यह दिखाता है कि सॉफ़्टवेयर सहायता और AI-native उत्पाद कैसे आपस में संचयी प्रभाव पैदा कर सकते हैं। और इन दोनों आँकड़ों को एक साथ नहीं मिलाना चाहिए। Astra का संबंध Retell के voice-agent performance से है; Codex का संबंध कंपनी की निर्माण और परिचालन प्रक्रिया से है। एक मॉडल उत्पाद के अंदर है, जबकि दूसरा उत्पाद बनाने में मदद कर रहा है।

[ALLOY]: यह अलग करना महत्वपूर्ण है, क्योंकि महत्वपूर्ण AI व्यवसाय एक साथ कई स्तरों पर मॉडलों का उपयोग कर सकते हैं—ग्राहक संवाद, इंजीनियरिंग, debugging और आंतरिक परिचालन। Retell हमें इतने ट्रैफ़िक वाला production संदर्भ देता है, जो समस्याओं को जल्दी उजागर कर सकता है। आगे क्या होगा, यह परिचालन परिणामों में दिखेगा: क्या सेवा की गुणवत्ता बिगड़े बिना कॉल की मात्रा बढ़ती रहेगी, और क्या संगठन तथा ग्राहकों की माँग बढ़ने के साथ प्रति-कर्मचारी revenue का वह असाधारण आँकड़ा बना रहेगा।

NOVA: Anthropic के platform engineers निर्णय लेने वाले मॉडल और कार्य करने वाले सिस्टम के बीच एक स्पष्ट सीमा खींच रहे हैं। अक्टूबर सत्ताईस को हुए एक साक्षात्कार में Katelyn Lesse और Angela Jiang ने Opus 5.5 के लॉन्च और Claude Platform के पीछे मौजूद managed-agent architecture का वर्णन किया। मॉडल का तर्क, कार्य को आगे बढ़ाने वाला harness और वह sandbox, जिसमें क्रियाएँ होती हैं, एक-दूसरे से अलग किए गए हैं। इससे execution layer को प्रक्रियाओं को अलग करके, credentials सुरक्षित रखकर और network access नियंत्रित करके अपनी सीमाएँ लागू करने की जरूरत नहीं पड़ती, जबकि यह अपेक्षा की जाती है कि मॉडल हर सीमा स्वयं सही तरीके से लागू करे।

[ALLOY]: यह बात तभी स्पष्ट लगती है, जब कोई इसे कह दे। हम किसी human analyst को केवल इसलिए सभी production credentials नहीं देते कि वह तर्क करने में अच्छा है, तो किसी agent को सिर्फ़ इसलिए unrestricted access क्यों दें क्योंकि उसका मॉडल सक्षम है? दिमाग़ को हाथों से अलग करने का मतलब है कि harness तय कर सकता है कि कौन-सी क्रिया की अनुमति है, sandbox आगे की प्रक्रिया को नियंत्रित कर सकता है और मॉडल उपयोगी अगला कदम चुनने पर ध्यान केंद्रित कर सकता है। इससे safety classifiers और model routing के लिए भी एक अधिक साफ़-सुथरी जगह बनती है। अलग-अलग निर्णयों का निरीक्षण किया जा सकता है या उन्हें route किया जा सकता है, बिना हर reasoning path को एक ही authority दिए।

NOVA: कठिन हिस्सा यह है कि इस अलगाव को बनाए रखते हुए प्रगति भी सुरक्षित रखी जाए। Anthropic की टीम ने ऐसे long-running harnesses का वर्णन किया, जो context windows के पार काम जारी रखते हैं। कोई मॉडल एक working context के अंत तक पहुँच सकता है, लेकिन पूरे कार्य को अपनी जगह से हटना नहीं पड़ता। फिर भी, निरंतरता managed system द्वारा धारित explicit state के ज़रिए बनी रहनी चाहिए; मॉडल केवल लगातार बढ़ती बातचीत पर निर्भर नहीं रह सकता। यह पहले के Carbon के long-horizon वादे जैसा है, सिवाय इसके कि Anthropic persistence को एक मॉडल capability के रूप में प्रस्तुत करने के बजाय मॉडल के आसपास की operating structure पर ज़ोर दे रहा है।

[ALLOY]: और मुझे यह ढाँचा अधिक स्वीकार्य लगता है। एक शक्तिशाली मॉडल फिर भी केवल एक घटक है—ऐसे एजेंट में जो कोड, नेटवर्क और क्रेडेंशियल्स को संभाल सकता है। जब काम अधिक समय तक चलता है और कार्रवाइयों की संख्या बढ़ती है, तो कंटेनमेंट, स्टेट का संरक्षण और नियंत्रित निष्पादन विश्वसनीय बने रहने चाहिए। Anthropic प्रोडक्शन सुरक्षा उपायों को ट्रेनिंग के दौरान होने वाली घटनाओं से भी अलग करता है, जिससे दो अलग-अलग सुरक्षा समस्याएँ एक साथ मिलाए जाने से बचते हैं। बड़ा नतीजा आर्किटेक्चर से जुड़ा है: प्रबंधित एजेंट अपने रीज़निंग मॉडल को बेहतर बनाते हुए पूरे एक्सीक्यूशन बाउंडरी को दोबारा बनाए बिना आगे बढ़ सकते हैं, और मॉडल को दोबारा ट्रेन किए बिना टूल कंट्रोल को कड़ा कर सकते हैं। जैसे-जैसे एजेंट अधिक देर तक सक्रिय रहते हैं, यह मॉड्यूलरिटी और भी मूल्यवान होती जा रही है।

NOVA: ASRock की Creator Radeon AI Pro R9700 लोकल AI काम को GDDR6 मेमोरी की 32 गीगाबाइट, 640 गीगाबाइट प्रति सेकंड की बैंडवidth और FP8 मैट्रिक्स गणना के लिए RDNA 4 सपोर्ट देती है। FP8 मॉडल गणित के लिए आठ-बिट के नंबर इस्तेमाल करता है, जिससे अधिक प्रिसिशन वाले फॉर्मैट की तुलना में मेमोरी और कंप्यूट की जरूरत कम हो जाती है। यह कार्ड AMD के Navi 48 प्रोसेसर पर बना है, जिसमें 64 कंप्यूट यूनिट्स, 128 AI एक्सिलरेटर कोर्स और 2.92 गीगाहर्ट्ज़ की पीक क्लॉक है। ASRock घने FP8 मैट्रिक्स थ्रूपुट को 382.7 ट्रिलियन ऑपरेशंस प्रति सेकंड बताता है; स्पार्सिटी के कारण हार्डवेयर जीरो को छोड़ने पर यह आंकड़ा दोगुना हो जाता है। लगभग 30 अरब पैरामीटर वाला मॉडल कुछ वीडियो मेमोरी बाकी रखते हुए फिट हो सकता है। मुख्य उपयोग यही है: वर्कस्टेशन कार्ड पर भारी लोकल इन्फरेंस—हर प्रॉम्प्ट और मॉडल स्टेट को रिमोट सर्विस पर भेजने की बजाय।

[ALLOY]: फिज़िकल डिज़ाइन उतना ही महत्वपूर्ण हो सकती है जितना पीक आंकड़ा। यह ड्यूल-स्लॉट ब्लोअर कार्ड है, जिसका आकार 271 × 111 × 39 मिलीमीटर है, और एक मानक ATX सिस्टम में इसके अधिकतम चार कार्ड आ सकते हैं। ब्लोअर केस से गर्म हवा बाहर निकालता है, जो कार्ड्स एक साथ लगे होने पर मायने रखता है। R9700 300 वाट खींचता है, जिसे रिव्यू में उस डिज़ाइन के लिए प्रबंधनीय बताया गया है। Linux यूज़र्स अधिक विश्वसनीयता के लिए सॉफ्ट एरर-करेक्टिंग मेमोरी को मैन्युअली भी चालू कर सकते हैं। लेकिन 32 गीगाबाइट एक वास्तविक ट्रेडऑफ़ है: AMD के पिछले Radeon Pro W7900 में 48 गीगाबाइट थे। RDNA 4 नए कंप्यूट फीचर्स और बहुत मजबूत लो-प्रिसिशन थ्रूपुट लाता है, जबकि छोटा मेमोरी पूल यह सीमित करता है कि कितना बड़ा मॉडल पूरी तरह एक ही कार्ड पर रह सकता है। FP6 और FP4 मॉडल भी उन लोअर प्रिसिशन्स को नेटिव रूप से इस्तेमाल करने के बजाय FP8 के रूप में प्रोसेस किए जाते हैं। इसलिए यह “हर चीज़ का ज़्यादा” नहीं है। यह एक कॉम्पैक्ट, घना वर्कस्टेशन विकल्प है, जिसकी क usefulness इस पर निर्भर करेगी कि उसकी इन्फरेंस स्पीड और दक्षता मेमोरी क्षमता की कमी की भरपाई करती है या नहीं। चार कार्ड गंभीर लोकल कंप्यूट बना सकते हैं, लेकिन जिस मॉडल की किसी को वास्तव में ज़रूरत है, उसके एक कार्ड में फिट होने की सीमा ही निर्णायक बाधा बनी रहेगी।

[ALLOY]: आठ अरब पैरामीटर वाले मॉडल के लिए चार गीगाबाइट ऐसा लगता है, जैसे किसी ने लोकल एजेंट्स को पहले जहाँ फिट नहीं हो पाते थे, वहाँ समानाने की कोशिश की हो। NVIDIA ने Nemotron 3.5 Bolt में असल में क्या पैकेज किया?

NOVA: यह आठ अरब पैरामीटर वाला टेक्स्ट मॉडल है, जिसमें चार अरब प्रभावी पैरामीटर हैं। इसे Q4 K M क्वांटाइज़ेशन से कंप्रेस किया गया है, ताकि पैकेज लगभग चार गीगाबाइट में फिट हो सके। क्वांटाइज़ेशन मॉडल वेट्स को कम बिट्स में स्टोर करता है, जिससे कुछ न्यूमेरिकल प्रिसिशन का त्याग करके मेमोरी में भारी कमी आ जाती है। NVIDIA का कहना है कि Bolt को Gemma 4 E4B Instruct से आगे ट्रेन किया गया था और यह लोकल वॉइस असिस्टेंट्स, डिवाइस असिस्टेंट्स, इंटरैक्टिव पर्सोनाज़ और एम्बेडेड इंटरफेस के लिए बनाया गया है। यह 64 हज़ार टोकन तक के इनपुट और आउटपुट लंबाई, टूल कॉलिंग, सामान्य कन्वर्सेशनल मोड और रीज़निंग कंट्रोल्स को सपोर्ट करता है। रीज़निंग को चालू या बंद किया जा सकता है, और एप्लिकेशन रनटाइम पर विचार करने की अवधि तय कर सकता है। मॉडल में टूल रिज़ल्ट के लंबित रहने की पुष्टि करने का भी दस्तावेज़ीकृत तरीका है, और जब रिज़ल्ट आता है तो यह फिर से शुरू हो सकता है। यह बारीकी वॉइस या डिवाइस इंटरैक्शन में मायने रखती है, क्योंकि चुपचाप इंतज़ार करना टूटे हुए प्रोडक्ट जैसा लग सकता है।

[ALLOY]: और NVIDIA बेस मॉडल की तुलना में काफी बड़ा मापा गया सुधार दावा कर रहा है। अपने ही Q4 K M मूल्यांकन में Bolt ने MultiChallenge पर 55.6 अंक दिए, जबकि Gemma 4 E4B Instruct के लिए यह आंकड़ा 39.36 था। यह संख्या NVIDIA के अपने सुसंगत मूल्यांकन हैम्पस से आती है, इसलिए जब तक अन्य लोग इसी तुलना को दोहराएँ, यह प्रकाशक का दावा ही है। फिर भी, यह सिर्फ़ छोटी फ़ाइल नहीं है। NVIDIA का कहना है कि अतिरिक्त ट्रेनिंग ने मल्टी-टर्न व्यवहार को बेहतर बनाया, साथ ही लोकल डिप्लॉयमेंट के लिए उपयुक्त मेमोरी फुटप्रिंट को बनाए रखा। साथी DFlash ड्राफ्टर स्पेक्युलेटिव डिकोडिंग को सपोर्ट करता है, जिसमें एक छोटा हेल्पर टोकन सुझाव देता है ताकि मुख्य मॉडल एक साथ कई टोकन की पुष्टि करके तेज़ी से जवाब दे सके। एक्सेस सीधा है: मॉडल कार्ड वाणिज्यिक और गैर-वाणिज्यिक दोनों उपयोग की अनुमति देता है और डाउनलोड निर्देश तथा llama.cpp सर्विंग पाथ प्रदान करता है। Llama.cpp एक हल्का रनटाइम है, जिसे अक्सर क्वांटाइज़्ड मॉडल्स को लोकल हार्डवेयर पर चलाने के लिए इस्तेमाल किया जाता है। लेकिन रीज़निंग बजट की एक तीखी सीमा है: NVIDIA चेतावनी देता है कि प्रतिबंधित टोकन आवंटन विचार-प्रक्रिया को बीच में ही काट सकते हैं। चार गीगाबाइट Bolt को कमज़ोर सिस्टम्स पर लगाना आसान बनाते हैं; लेकिन उपलब्ध रीज़निंग लंबाई को काम से मेल खाने की ज़रूरत दूर नहीं होती।

NOVA: व्हाइट हाउस ने सेमीकंडक्टर उत्पादन, महत्वपूर्ण सामग्री, फ्यूल रिफाइनिंग और स्वायत्त हथियारों के परीक्षण से संबंधित औद्योगिक निवेशों का विवरण दिया है। उत्तरी कैरोलिना को विस्तारित सेमीकंडक्टर उत्पादन के लिए 1.5 अरब डॉलर तक मिलने की संभावना है। Sibelco भी Mitchell County में उच्च-शुद्धता क्वार्ट्ज़ और संबंधित सामग्री का उत्पादन बढ़ा रहा है। उच्च-शुद्धता क्वार्ट्ज़ चिप निर्माण की आपूर्ति श्रृंखला में अपस्ट्रीम आता है, इसलिए ज़रूरी सामग्री के इनपुट सुरक्षित किए बिना फैब्रिकेशन क्षमता बढ़ाने से उसी आपूर्ति श्रृंखला का कुछ हिस्सा अनुरक्षित रह जाएगा।

[ALLOY]: और राष्ट्रीय-सुरक्षा का पक्ष चिप्स से कहीं अधिक व्यापक है। प्रशासन Defense Production Act का उपयोग करके एक सौ पचास मिलियन डॉलर जारी कर रहा है ताकि घरेलू शोधन क्षमता बढ़ाई जा सके, जिसका उद्देश्य डीज़ल और गैसोलीन का उत्पादन बढ़ाना है। मोंटाना में, Department of War उन्नत हथियारों और तकनीकी परीक्षण के लिए एक रेंज स्थापित कर रहा है, जिसमें स्वायत्त हथियारों के साथ अंतरिक्ष और इलेक्ट्रॉनिक-युद्ध प्रणालियां भी शामिल हैं। इससे उन तकनीकों के लिए एक समर्पित भौतिक वातावरण तैयार होता है जिनका पूर्ण मूल्यांकन केवल सिमुलेशन में संभव नहीं है। स्वायत्त प्रणालियों को संचार सीमाओं, भू-भाग, हस्तक्षेप और वास्तविक दुनिया में कार्य करने के परिणामों का सामना करना पड़ता है।

NOVA: घोषित की गई राशि निवेश है, तैयार क्षमता नहीं। सेमीकंडक्टर सुविधा को बनाना, उपकरणों से सुसज्जित करना, कर्मचारियों से भरना, आपूर्ति सुनिश्चित करना और विश्वसनीय उत्पादन तक लाना होता है। क्वार्ट्ज विस्तार को आवश्यक शुद्धता वाले पदार्थ इसी श्रृंखला में आपूर्ति करने होंगे। मोंटाना की रेंज भी तभी महत्वपूर्ण है जब कार्यक्रम उसका उपयोग शुरू करें और उससे हुआ मूल्यांकन खरीद या तैनाती को प्रभावित करे। लेकिन ये निवेश मिलकर दिखाते हैं कि AI-संबंधी बुनियादी ढांचा डेटा सेंटरों से बहुत आगे तक पहुंच रहा है। चिप्स खनिजों और कारखानों पर निर्भर हैं; स्वायत्त रक्षा भौतिक रेंजों और संचार वातावरण पर निर्भर है; दोनों के लिए लंबे विकास समय-सीमा की आवश्यकता होती है।

[ALLOY]: इसीलिए मैं इसे केवल “AI निवेश” की एक खबर तक सीमित नहीं करूंगा। यह ऐसी औद्योगिक नीति है जो लगातार अधिक स्वायत्त बनती सॉफ़्टवेयर से भर रही है। अधिक घरेलू चिप और सामग्री क्षमता से कंप्यूटिंग प्रणालियों के लिए उपलब्ध हार्डवेयर आधार बढ़ सकता है, जबकि समर्पित हथियार रेंज स्वायत्त और इलेक्ट्रॉनिक-युद्ध कार्यक्रमों को भौतिक बाधाओं का सामना करने की जगह देती है। तत्काल तथ्य हैं—नियोजित फंडिंग और सुविधाएं। महत्वपूर्ण प्रमाण बाद में आते हैं: चल रही उत्पादन लाइनें, वास्तविक उत्पादन, सक्रिय परीक्षण कार्यक्रम और वे प्रणालियां जो केवल खरीद के भाषिक शब्दों के भीतर नहीं, बल्कि वास्तविक परिस्थितियों में कार्य करती हैं।

NOVA: भाषा मॉडलों का एक समूह किसी समस्या पर लंबे समय तक चर्चा कर सकता है और फिर भी, जब एक मॉडल उस बातचीत को स्मृति में संक्षिप्त करता है, उपयोगी प्रमाण खो देता है। सबसे दुर्लभ दावे चुनना समझदार लगता है, लेकिन शोध से पता चला कि औसत रूप से इसका प्रदर्शन यादृच्छिक चयन से बेहतर नहीं होता। ऐसे दावे चुनना जो प्रासंगिक लगते हैं, और भी खराब हो सकता है, क्योंकि भ्रामक लेकिन प्रभावशाली दावे भी प्रासंगिक होते हैं।

[ALLOY]: और अधिक अनोखा नतीजा सामाजिक प्रमाण से जुड़ा है। जब स्मृति में यह लिखा होता है कि कई एजेंटों ने किसी तथ्य का समर्थन किया, तो अंतिम निर्णयकर्ता उस तथ्य को अधिक महत्व देता है। इन संदर्भों को हटाने—या चर्चा का क्रम बनाए रखते हुए उन्हें यादृच्छिक रूप से सौंपने—से सटीकता में सुधार होता है। पूरा ट्रांसक्रिप्ट रखने पर भी परिणाम उससे बेहतर हो सकता है जब कोई नोट बिल्कुल न रखा जाए। इसलिए केवल संक्षिप्तकरण ही समस्या नहीं है। प्रमाण विकृत हो सकता है इस बात के अनुसार कि क्या बनाया रखा गया, विक-distractors समर्थन के सामने कैसे संतुलित रहते हैं, और कौन-से दावे ऐसे दिखाई देते हैं जिनके पीछे बड़ी संख्या में लोग खड़े हैं।

NOVA: यह सीधे उन मल्टी-एजेंट प्रणालियों की आलोचना करता है जो सारांश को निष्पक्ष साझा स्मृति मानती हैं। संक्षिप्त रिकॉर्ड असहमति मिटा सकता है या दोहराव को स्वतंत्र पुष्टि जैसा दिखा सकता है। अधिक पाठ रखना अपने आप निर्णय को बचा नहीं लेता। महत्वपूर्ण अंतर यह है कि कई एजेंटों ने कोई बात कही थी—यह याद रखने और उस दावे को विश्वसनीय बनाने वाले प्रमाण को बनाए रखने के बीच का अंतर है। समूह की स्मृति में सामग्री होनी चाहिए, केवल सर्वसम्मति के आकार वाला मेटाडेटा नहीं।

[ALLOY]: यह एजेंट स्वार्म के लिए एक उपयोगी जांच है: आवाज़ें जोड़ने से ज्ञान से तेजी से आत्मविश्वास पैदा किया जा सकता है। यदि एक सारांशकर्ता तय करे कि क्या बचा रहेगा और दूसरा मॉडल दिखाई देने वाले सहमति पर भरोसा करे, तो समूह अंतर्निहित प्रमाण में कोई बदलाव किए बिना ही एक सुसंभव गलती को और प्रभावी बना सकता है।

NOVA: अक्टूबर सत्ताईस को प्रकाशित रिपोर्टिंग के अनुसार, मई में एक संघीय न्यायाधीश ने फैसला सुनाया कि Anthropic ने अधिक से अधिक दस स्टैनफोर्ड प्रोफेसरों द्वारा लिखी गई गैरकानूनी रूप से प्राप्त पुस्तकों का उपयोग करके Claude को प्रशिक्षित किया था। नामित लेखकों में Tobias Wolff, Abraham Verghese, Chang-Rae Lee, Daniel Mason, Hayagreeva Rao और Myra Strober शामिल हैं। यह विवाद Bartz versus Anthropic के भीतर है और उन पाठों से संबंधित है जिन्हें मॉडल प्रशिक्षण के लिए स्क्रैप या चोरी किया गया था। यह मशीन लर्निंग के सामाजिक रूप से उपयोगी होने या न होने पर होने वाला अमूर्त बहस नहीं है। यह प्रशिक्षण सामग्री कैसे प्राप्त की गई, इसके चारों ओर कानूनी सीमा है। मॉडल डेवलपर का यह अलग तर्क हो सकता है कि कानूनी रूप से प्राप्त किसी कार्य पर प्रशिक्षण को fair use माना जाता है या नहीं, लेकिन गैरकानूनी तरीके से प्राप्ति एक अलग प्रश्न उत्पन्न करती है। प्रतिलिपि की उत्पत्ति मायने रखती है।

[ALLOY]: और इनका मानवीय प्रभाव सीधा है। ये ऐसे पहचाने जा सकने वाले प्रोफेसर और लेखक हैं, जिनकी किताबें गैरकानूनी रूप से प्राप्त प्रतियों के ज़रिए एक व्यावसायिक मॉडल-डेवलपमेंट प्रक्रिया में पहुँचीं, जैसा फ़ैसले में वर्णन किया गया था। यह निर्णय मॉडल डेवलपर के बाद की कंपनियों के लिए भी मायने रखता है। आमतौर पर वे पूरे ट्रेनिंग कोर्पस की जाँच नहीं कर सकतीं, लेकिन प्रोवेनेंस पर कानूनी निष्कर्ष उन मॉडलों की प्रतिष्ठा और अर्थव्यवस्था को प्रभावित कर सकते हैं जिन पर वे निर्भर हैं। मैं एक फ़ैसले को हर ट्रेनिंग प्रक्रिया या Claude के डेटा में मौजूद हर किताब का सार्वभौमिक विवरण नहीं बनाऊँगा। ठोस निष्कर्ष अदालत के सामने आई रचनाओं और उन्हें हासिल करने के तरीक़े से संबंधित है। लेकिन यह एक ऐसे अंतर को और मज़बूत करता है जिसे उद्योग अनदेखा नहीं कर सकता: किसी रचना से सीखने का कानूनी विश्लेषण और उस रचना को पायरेसी के ज़रिए हासिल करने के कानूनी विश्लेषण एक जैसे नहीं हैं। जैसे-जैसे मॉडल कंपनियाँ डेटा की गुणवत्ता और पैमाने के आधार पर प्रतिस्पर्धा करती हैं, प्रोवेनेंस केवल ऐतिहासिक विवरण नहीं रहता, बल्कि उत्पाद की देयता की कहानी का हिस्सा बन जाता है।

[ALLOY]: एजेंट ट्रेनिंग में महँगे रोलआउट बर्न होते हैं—टूल्स, बदलती स्थितियों और सफलता की जाँच से जुड़े पूरे प्रयास। यदि सीमित संख्या में ही इन्हें चलाया जा सके, तो EnvSched कैसे तय करता है कि किन अनुभवों को बजट मिलना चाहिए?

NOVA: यह कार्यों को उनके एनवायरनमेंट्स के साथ एक साथ शेड्यूल करता है, इसके बजाय टास्क चुनने को अलग चयन मानकर। EnvSched पिछले रोलआउट इतिहास से सीखता है, उन टास्क-एनवायरनमेंट जोड़ों को प्राथमिकता देता है जिनसे रिवॉर्ड के सार्थक अंतर सामने आ सकें, और काम को ऐसे टूल्स, इंटरैक्शंस और एनवायरनमेंट्स की ओर बाँटता है जिन्हें कम ध्यान मिला है। इन जोड़ों को यह एक ग्राफ में दर्शाता है। कुछ संबंध किसी एनवायरनमेंट के भीतर साझा टूल्स या वेरिफिकेशन संरचनाओं को दर्शाते हैं; दूसरे निष्पादन और रिवॉर्ड में व्यापक समानता को।

[ALLOY]: पुराने परिणाम आकलन करते हैं कि नया रोलआउट कहाँ उपयोगी भिन्नता पैदा कर सकता है। एनवायरनमेंट कोटा और सिमिलैरिटी पेनली फिर बैच को लगभग एक जैसे डुप्लिकेट से भरने से रोकते हैं। यह महत्वपूर्ण है क्योंकि बार-बार मिलने वाली आसान सफलताएँ एजेंट को ज़्यादा नहीं सिखातीं, और बार-बार होने वाली विफलताएँ भी उतनी ही कम जानकारी दे सकती हैं। निश्चित कंप्यूट बजट के साथ EnvSched उन जगहों पर अधिक रन खर्च करने की कोशिश करता है जहाँ अच्छे और बुरे व्यवहार को वास्तव में अलग किया जा सके। यह अधिक अनुभव के लिए चयन दबाव है, केवल अधिक अनुभव के लिए नहीं।

NOVA: Greptile, प्रस्तावित कोड की समीक्षा से आगे बढ़कर GPT-6 Astra का उपयोग यह जाँचने के लिए कर रहा है कि सॉफ़्टवेयर उपयोगकर्ता वर्कफ़्लो के ज़रिए कैसे व्यवहार करता है। यह अंतर काफ़ी बड़ा है। कोड डिफ़्फ़ तो तर्कसंगत दिख सकता है, लेकिन बाद में एप्लीकेशन तब भी टूट सकता है जब कोई व्यक्ति स्क्रीन, सर्विसेज़ या स्थिति बदलने वाले वास्तविक क्रम को अपनाता है। वर्कफ़्लो टेस्टिंग यह देखती है कि फ़ीचर उपयोग में काम करता है या नहीं, न कि केवल यह कि बदली गई लाइनें सुसंगत दिखती हैं।

[ALLOY]: Greptile सुरक्षा कार्यों के लिए OpenAI का Daybreak भी उपयोग कर रहा है और उसी व्यापक गुणवत्ता प्रक्रिया में कमज़ोरियों पर केंद्रित जाँच जोड़ रहा है। Codex चक्र के एक और महँगे हिस्से को संभालता है: किसी समस्या के मिलने के बाद दोबारा काम करना। साथ में, Astra उपयोगकर्ताओं को दिखने वाले व्यवहार की जाँच करता है, Daybreak सुरक्षा विश्लेषण में योगदान देता है, और Codex उन निष्कर्षों के आसपास आवश्यक कोड बदलावों में सहायता करता है। मुझे इस व्यापकता पसंद है, लेकिन तीन मॉडलों के नाम अपने आप एक सहज सिस्टम नहीं बनाते। इसका मूल्य तब है जब इनके आउटपुट इतने अच्छे से जुड़ें कि बार-बार होने वाली डिबगिंग कम हो सके।

NOVA: बिल्कुल। स्टैटिक समीक्षा, व्यवहार परीक्षण, सुरक्षा जाँच और सुधार अलग-अलग साक्ष्य देखते हैं। कोई समीक्षक संदिग्ध कोड पाथ पहचान सकता है; वर्कफ़्लो रन से पता चल सकता है कि वह किसी विशेष उपयोगकर्ता क्रिया के बाद ही विफल होता है; कोई सुरक्षा एजेंट दिखा सकता है कि वह स्थिति ख़तरनाक क्यों है; और कोडिंग सहायता सुधार को छोटा कर सकती है। Greptile का ऐलान उस पूरी शृंखला में AI को रखता है, इसके बजाय यह अनुमान लगाने के कि एक समीक्षा टिप्पणी पूरी सॉफ़्टवेयर-गुणवत्ता समस्या को समेट लेती है।

[ALLOY]: अगले अर्थपूर्ण परिणाम परिचालनात्मक होंगे: कम बाहर निकलने वाले बग, कम दोहराया गया काम और ऐसे निष्कर्ष जिन्हें डेवलपर स्वीकार करें क्योंकि वे एप्लीकेशन में दोहराए जा सकते हैं। Astra की भूमिका विशेष रूप से दिलचस्प है क्योंकि उपयोगकर्ता वर्कफ़्लो वे विफलताएँ सामने ला सकते हैं जो केवल सोर्स निरीक्षण से छूट जाती हैं। लेकिन डेवलपर को अभी भी देखे गए व्यवहार से कोड और प्रस्तावित सुधार तक एक समझने योग्य संबंध चाहिए। अगर Greptile यह धारा बनाए रख पाता है, तो मॉडल-सहायता से होने वाली समीक्षा स्वचालित टिप्पणी से कम और सॉफ़्टवेयर के वास्तव में क्या करता है, इसकी निरंतर जाँच जैसी दिखने लगती है।

NOVA: CodeRabbit जटिल कोडबेस में सुरक्षा जाँच के लिए GPT-6.1 Sol का उपयोग कर रहा है। इसका सुरक्षा एजेंट जोखिमों की जाँच करता है और सुधार सुझाता है, जबकि बदलाव तय करने से पहले डेवलपर दोनों निष्कर्ष और सुधार की समीक्षा करते हैं। यह मानवीय निर्णय का महत्वपूर्ण बिंदु है: संदिग्ध व्यवहार की पहचान करना और एक सुरक्षित सुधार तैयार करना अलग-अलग कार्य हैं, और आकर्षक पैच भी आसपास के सिस्टम को गलत समझ सकता है।

[ALLOY]: उस समय खुले मौजूदा pull request की समीक्षा के अलावा, पूरे कोडबेस की जाँच से क्या अतिरिक्त फ़ायदा मिलता है?

NOVA: संदर्भ। एक कमजोरी प्रमाणीकरण तर्क, साझा लाइब्रेरी, कॉन्फ़िगरेशन और डाउनस्ट्रीम सेवा तक फैल सकती है, भले ही दिखाई देने वाला बदलाव केवल एक फ़ाइल को छूता हो। पूरे कोडबेस में देखने से स्थानीय बदलाव को उन व्यापक संबंधों से जोड़ा जा सकता है। Sol, CodeRabbit को इस जाँच के लिए एक मॉडल देता है, जबकि प्रोडक्ट प्रस्तावित निष्कर्ष और सुधार को डेवलपर-समीक्षा वर्कफ़्लो में रखता है। उपयोगी साक्ष्य यह होगा कि ये निष्कर्ष वास्तविक सुरक्षा समीक्षा में टिकते हैं या नहीं, और प्रस्तावित सुधार मूल कारणों को संबोधित करते हैं या नया व्यवहार पैदा करते हैं या नहीं।

[ALLOY]: यही सही सीमा है। सुरक्षा समीक्षा “मॉडल ने पैच सुझाया, इसलिए इसे मर्ज कर दो” नहीं बननी चाहिए। CodeRabbit स्वचालित अन्वेषण को उत्तरदायी मानवीय निर्णय के साथ जोड़ रहा है। यदि सिस्टम जटिल रिपॉज़िटरी में फैले जोखिम का पता लगा सकता है और इतने पर्याप्त संदर्भ के साथ सुधार प्रस्तुत कर सकता है कि डेवलपर उसका आकलन कर सके, तो यह बहुत महँगी जाँच को संक्षिप्त कर सकता है। मॉडल की पहुँच महत्वपूर्ण है, लेकिन उस व्याख्या की गुणवत्ता—and डेवलपर की उसे चुनौती देने की क्षमता—यह तय करती है कि परिणाम उपयोगी सुरक्षा कार्य है या केवल आत्मविश्वास से भरा कोड बदलाव।

NOVA: Infini-AI-Lab ने Hermit को Apache 2.0 लाइसेंस के तहत जारी किया है। Hermit एक harness-adapter फ्रेमवर्क है, जो अंतर्निहित मॉडल या उसे चलाने वाले harness को बदलने के बजाय एक बाहरी लेयर के माध्यम से एजेंट को बेहतर बनाता है। इस लेयर में निर्देश, कौशल, मेमोरी और टूल होते हैं। पूरे किए गए कार्यों से मिला फीडबैक adapter को प्रशिक्षित कर सकता है, जबकि एजेंट का कोर अपरिवर्तित रहता है। एजेंट का व्यवहार केवल मॉडल के वज़नों पर निर्भर नहीं है: निर्देश प्राथमिकताओं को आकार देते हैं, मेमोरी बदलती है कि कार्यों के बीच क्या बचा रहता है, कौशल दोहराने योग्य व्यवहार को पैकेज करते हैं, और टूल तय करते हैं कि कौन-से कार्य उपलब्ध हैं। इन पृष्ठों को बेहतर बनाने से मॉडल को बदलने की लागत और व्यवधान के बिना परिणाम materially बदल सकते हैं।

[ALLOY]: मुझे यह अलगाव पसंद है, क्योंकि टीम अपने कार्यों के फीडबैक से बाहरी शिक्षण लेयर को बेहतर बना सकती है, जबकि मॉडल और harness अलग-अलग release cycles का पालन करते हैं। यह तब उपयोगी है जब किसी मौजूदा environment में पहले से integrations, permissions और operating assumptions हों, जिन्हें कोई फिर से बनाना नहीं चाहता। Hermit आसपास की लेयर को स्थिर prompts और tool definitions के ढेर के बजाय प्रशिक्षण योग्य मानता है। मुख्य प्रश्न यह है कि संचित फीडबैक सुसंगत रहता है या नहीं। किसी एक कार्य से मिला सबक किसी कौशल को बेहतर बना सकता है, लेकिन समय के साथ निर्देश और मेमोरी भी टकरा सकते हैं। Hermit का मूल्य इस पर निर्भर करेगा कि वह अनुभव को दोहराने योग्य व्यवहार में बदलता है, बिना adapter को बुल्की या विपरीत बनाए। फिर भी, इसका मूल आकर्षक है: जो मॉडल और harness पहले से काम कर रहे हैं, उन्हें सुरक्षित रखते हुए उस लेयर से एजेंट को सिखाइए जिसे आप नियंत्रित करते हैं।

NOVA: Legora कानूनी कार्य के लिए एजेंटिक ऑपरेटिंग सिस्टम बना रहा है, जिसमें OpenAI मॉडल, ChatGPT और Codex का उपयोग करके अनुबंध विश्लेषण का विस्तार किया जा रहा है और कानूनी वर्कफ़्लो तेज़ किए जा रहे हैं। अनुबंध समीक्षा एक ठोस क्षमता समस्या है: कानूनी टीमों को बाध्यताएँ खोजनी होती हैं, भाषा की तुलना करनी होती है, असामान्य प्रावधानों की पहचान करनी होती है और दस्तावेज़ों के आपसी संबंध समझने होते हैं—अक्सर ऐसे बड़े दायरे में, जिसमें काफ़ी पेशेवर समय लगता है।

[ALLOY]: और “उच्च-मूल्य वाले काम के लिए मुफ़्त वकील” एक परिचित वादा है, तो वास्तव में क्षमता कहाँ बदलती है? यदि एजेंट किसी कानूनी टीम को अधिक अनुबंधों का विश्लेषण करने देते हैं, तो लाभ तेज़ डिलिजेंस, अधिक व्यापक समीक्षा, या निर्णय और वार्ता के लिए अधिक समय के रूप में दिखाई दे सकता है। लेकिन इसलिए कि किसी सिस्टम ने एक खंड निकाल लिया, कानूनी विश्लेषण पूर्ण नहीं हो जाता। अर्थ अनुबंध, लागू होने वाला संदर्भ और ग्राहक पर पड़ने वाले परिणामों पर निर्भर करता है।

NOVA: Legora के मॉडल्स, संवादात्मक वर्कस्पेस और कोडिंग सहायता के संयोजन से लगता है कि यह एक अलग सारांशन फ़ीचर नहीं, बल्कि एक प्लेटफ़ॉर्म है। ChatGPT एक इंटरैक्टिव इंटरफ़ेस दे सकता है, OpenAI मॉडल्स विश्लेषण का समर्थन कर सकते हैं और Codex उस काम के आसपास सॉफ़्टवेयर वर्कफ़्लो बनाने या उन्हें अनुकूल बनाने में मदद कर सकता है। एजेंटिक फ़्रेमिंग का मतलब है कि कार्य एक जनित उत्तर पर समाप्त होने के बजाय कई चरणों में आगे बढ़ सकते हैं। ध्यान देने योग्य यह है कि अनुबंधों की मात्रा कितनी बढ़ती है और वकील कितना समय बचा पाते हैं, बिना महत्वपूर्ण व्याख्या पर नियंत्रण खोए। एक पेशेवर एजेंट को अपना काम निरीक्षण योग्य बनाना होगा, क्योंकि सलाह के लिए ज़िम्मेदारी वकील की ही रहती है। Legora दिखाता है कि AI कानूनी काम के बगल में एक फ़ीचर से उसके आसपास के समन्वित वातावरण में जा रहा है। विश्वास इस बात पर निर्भर करेगा कि यह वातावरण विशेषज्ञ निर्णय का कितना अच्छा समर्थन करता है, न कि केवल तेज़ी से अधिक टेक्स्ट पैदा करता है।

NOVA: REA, अपनी पहली ट्रैक की गई उपस्थिति में चार लाख चार हज़ार नौ सौ तेईस स्टार्स के साथ रडर पर आगे है। इसके एजेंट इंटरफ़ेस से लेकर नेटिव बाइनरीज़ तक एप्लिकेशन के व्यवहार को ट्रेस करते हैं, और रिलीज़ 6.8 अक्टूबर पच्चीस को आई थी। Nanobot एक अलग परत जोड़ता है: हल्का Python फ़्रेमवर्क वेब इंटरफ़ेस, मेमोरी, टूल्स, MCP सपोर्ट, मल्टी-एजेंट वर्कफ़्लो, ऑटोमेशन और चैट इंटीग्रेशन को जोड़ता है। वर्ज़न .4 अक्टूबर अट्ठीस को रिलीज़ हुआ; रिपॉज़िटरी में चालीस हज़ार छह सौ बारह स्टार्स हैं, जो पिछले तीस दिनों में एक हज़ार इक्यावन से बढ़े हैं।

[ALLOY]: और Codebase Memory MCP दोनों विचारों को रोज़मर्रा के विकास से जोड़ता है। यह कोड, दस्तावेज़ और इंफ़्रास्ट्रक्चर के बीच एक स्थायी लोकल ग्राफ़ बनाता है, फिर उस ज्ञान को एजेंट्स के लिए एक्सप्लोरेशन और बदलाव-संवेदी टेस्ट चयन हेतु उपलब्ध कराता है। इसके चालीस हज़ार सात सौ इक्यावन स्टार्स हैं, जो तीस दिनों में दो हज़ार आठ सौ इक्यावन—छह-point-पाँच प्रतिशत—बढ़े हैं, और .12.1 इसकी नवीनतम रिलीज़ है। REA बाइनरीज़ के अंदर तक व्यवहार पर नज़र रखता है; Codebase Memory रिपॉज़िटरी भर में संबंधों को संरक्षित करता है; Nanobot एक सेल्फ-होस्टेड एजेंट परत देता है जो मेमोरी और MCP से जुड़े टूल्स का उपयोग कर सकती है। मिलकर, ये दिखाते हैं कि लोकल एजेंट सिस्टम संरचना बनाए रखने, व्यवहार का पीछा करने और कार्यों को समन्वित करने में बेहतर हो रहे हैं।

NOVA: Gemini 4 Carbon, लगातार इंजीनियरिंग और साइबर डिफ़ेंस के लिए Google का चुना हुआ फ़्रंटियर मॉडल है। Google का कहना है कि यह दिनों तक काम कर सकता है, अंधे मार्गों से निकल सकता है, दोहरे योग्य कमज़ोरियाँ खोज सकता है और मूल कारण के आधार पर सुधार बना सकता है। शुरुआती पहुँच कुछ चुनिंदा डिफ़ेंडर्स तक सीमित है और Fairwind Program के माध्यम से फिर डेवलपर, व्यवसाय और उपभोक्ताओं तक विस्तारित होगी। Google के प्रकाशित साइबर स्कोर और Argon के मुक़ाबले उसके अंदर हुए दो गुना से अधिक सुधार, लंबे समय तक के प्रदर्शन को इसका प्रमुख दावा बनाते हैं।

[ALLOY]: NVIDIA का Nemotron 3.5 Bolt डिप्लॉयमेंट के दूसरे ही पक्ष को अपनाता है: आठ अरब पैरामीटर्स, चार अरब प्रभावी, जिन्हें चार-गिगाबाइट Q4 पैकेज में कंप्रेस किया गया है। यह इनपुट और आउटपुट दोनों में चौंसह हज़ार टोकन की लंबाई, समायोज्य रीज़निंग, संक्षिप्त बातचीत और टूल कॉल्स का समर्थन करता है। वाणिज्यिक और गैर-वाणिज्यिक दोनों उपयोग की अनुमति है, साथ ही llama.cpp के ज़रिए लोकल सर्विंग भी उपलब्ध है। NVIDIA अपने ही मूल्यांकन सेटअप के तहत MultiChallenge पर पच्चास-point-छह और Gemma 4 E4B Instruct के तीस-नौ-point-छह की तुलना में रिपोर्ट करता है।

NOVA: DeepSeek V4.1 Flash 1017, Hugging Face पर तीन हज़ार छह सौ अड़सठ लाइक्स और एक लाख सोलह हज़ार सात सौ सत्तर डाउनलोड्स के साथ ट्रेंड कर रहा है। यह इमेज-एंड-टेक्स्ट इनपुट संभालता है और टेक्स्ट जनरेट करता है, इसलिए लिखित प्रॉम्प्ट्स के साथ-साथ दृश्य सामग्री पर भी तर्क कर सकता है। रिपॉज़िटरी Transformer और SafeTensors सपोर्ट, आठ-बिट और FP8 फ़ॉर्मैट, प्रकाशित मूल्यांकन परिणाम, संगत होस्टेड एंडपॉइंट्स तथा MIT लाइसेंस की जानकारी देती है।

[ALLOY]: यह संयोजन इसे लोकल और होस्टेड डिप्लॉयमेंट, दोनों में प्रासंगिक बनाता है: मुक्त लाइसेंसिंग, क्वांटाइज़्ड फ़ॉर्मेट जो मेमोरी दबाव कम कर सकते हैं, और स्क्रीनशॉट, दस्तावेज़ों या अन्य इमेज से जुड़े कार्यों के लिए एक मल्टीमोडल इंटरफ़ेस। रनटाइम की उपयुक्तता अब भी मॉडल कार्ड में दिए गए संदर्भ, वज़न और हार्डवेयर आवश्यकताओं पर निर्भर करती है, लेकिन डाउनलोड संख्या इस बात का संकेत देती है कि रुचि काफ़ी है और यह मॉडल रजिस्ट्री में बस पड़ा हुआ नहीं है।

NOVA: OpenAI और ServiceNow ने एंटरप्राइज़ वर्कफ़्लोज़ में अपनी साझेदारी का विस्तार किया है, जिससे OpenAI के मॉडल और एजेंट्स ServiceNow में उपलब्ध हुए हैं, वहीं ChatGPT और Codex के ज़रिए ServiceNow वर्कफ़्लोज़ भी उपलब्ध हुए हैं। Check Point द्वारा Daybreak के साथ vulnerability research को कैसे तेज़ किया जाता है, यह उसी एजेंट पहल को सुरक्षा से जोड़ता है: Check Point के अनुसार, Daybreak विश्लेषकों को vulnerability intelligence को ग्राहक सुरक्षा उपायों में तेज़ी से बदलने में मदद करता है।

[ALLOY]: ये विकास एंटरप्राइज़ कार्रवाई को सुरक्षा प्रतिक्रिया से जोड़ते हैं—एजेंट्स सिर्फ़ सवालों के जवाब नहीं दे रहे; वे ऐसे सिस्टम्स में प्रवेश कर रहे हैं जहाँ काम ट्रैक होता है और सुरक्षा उपाय तैयार किए जाते हैं। वैज्ञानिक समझ बनाने के लिए शैक्षणिक समुदायों के साथ काम करना एक तीसरा क्षेत्र जोड़ता है, जिससे Kakeya अनुमान, Exponential Time Hypothesis और क्वांटम क्रोमोडायनामिक्स से जुड़े निष्कर्ष उन शोधकर्ताओं के सामने आते हैं जो उन्हें सत्यापित और आगे बढ़ा सकते हैं।

NOVA: सहायक स्रोतों और हमने जो कुछ भी कवर किया, उसके पीछे की अधिक जानकारी के लिए Toby On Fitness Tech dot com पर शो नोट्स देखें।

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