Episode 72: OpenClaw 2026.6.8, Codex rust-v0.141.0, Claude

एपिसोड 072 — 18 जून, 2026

[00:00] एपिसोड हुक

OpenClaw v2026.6.8 16 जून, 2026 को शिप हुआ, जो GLM-5.2 और Claude Haiku 4.5 को मॉडल कैटलॉग में जोड़कर एजेंट रनटाइम का विस्तार करता है, साथ ही बाधित एजेंट रन के लिए रिकवरी पथ को मजबूत करता है। यह रिलीज उन मॉडलों का विस्तार करती है जिनके माध्यम से ऑपरेटर सत्र को रूट कर सकता है और चेकपॉइंट से फिर से शुरू करने या क्रैश के बाद स्थिति को पुनर्निर्मित करने के तरीके में सुधार करके मध्य-रन विफलताओं की लागत को कम करता है। हार्नेस परिवर्तनों के साथ-साथ, बिल्ड शेड्यूलिंग, लॉगिंग और स्थानीय निष्पादन को प्रभावित करने वाली कई छोटी फिक्सों को भी आगे बढ़ाता है। उसी सप्ताह, OpenAI ने 16 जून को Deployment Simulation प्रकाशित किया — एक पद्धति जो यह पूर्वानुमान लगाने के लिए वास्तविक वार्तालाप डेटा का उपयोग करती है कि एक मॉडल एक बार प्रोडक्शन में पहुंचने पर कैसे व्यवहार करता है — इसके बाद अगले दिन, 17 जून को LifeSciBench बेंचमार्क आया।

[02:00] एजेंट स्टैक रिलीज रीडआउट: OpenClaw v2026.6.8; OpenAI Codex rust-v0.141.0; Claude Code CLI 2.1.170

OpenClaw v2026.6.8 16 जून, 2026 को प्रकाशित हुआ जिसमें मॉडल रूटिंग, चैनल डिलीवरी, एजेंट रिकवरी और स्टोरेज व्यवहार को प्रभावित करने वाली रिलीज है। मुख्य परिवर्तन यह है कि मॉडल कैटलॉग में GLM-5.2 और Claude Haiku 4.5 सपोर्ट मौजूदा प्रविष्टियों के साथ जुड़ गया है, जिसमें नॉर्मलाइज़्ड प्रोवाइडर आईडी हैं जो रनटाइम एक स्थिर स्ट्रिंग से रूट को रिज़ॉल्व करने के लिए उपयोग करता है। क्रेडेंशियल्स कॉन्फिग में इनलाइन करने के बजाय मैनेज्ड SecretRef ऑब्जेक्ट्स के माध्यम से खींचे जाते हैं, और मॉडल ब्राउज़र बाउंडेड है ताकि एजेंट लक्ष्य चुनते समय पूर्ण प्रोवाइडर सेट को एन्यूमरेट न कर सके। OpenAI और Anthropic इंटीग्रेशन को सुरक्षित टूल-स्कीमा रिकवरी मिलती है: जब कोई मॉडल विकृत टूल कॉल लौटाता है, तो रनटाइम स्कीमा के विरुद्ध वैलिडेट करता है और डिस्पैच करने से पहले सुरक्षित आकार पर वापस आता है, जिससे डाउनस्ट्रीम कोड तक टूटे हुए तर्क पहुंचने का जोखिम कम होता है।

चैनल लेयर को समकक्ष हार्डनिंग मिलती है। Telegram अब संरचित टेक्स्ट रेंडर करता है जिसमें टेबल, सूचियां, एक्सपैंडेबल ब्लॉकक्वोट और जानबूझकर लाइन ब्रेक शामिल हैं, और रिप्लाई एक CLI-बैक्ड पथ से गुजरते हैं ताकि अंतिम मैसेज-टूल रिप्लाई संरचना को संरक्षित करे। WhatsApp कॉन्फ़िगर किए गए ACP बाइंडिंग्स का सम्मान करता है उन्हें ड्रॉप करने के बजाय। विश्वसनीयता की दृष्टि से, अकाउंट-स्कोप्ड DM सेंड, जेनरेट किए गए मीडिया कम्प्लीशन, ऑटो-रिप्लाई फाइनल रिप्लाई, रीस्टार्ट शटडाउन अबॉर्ट और यील्डेड सबएजेंट पॉज़ सभी सही रिकवरी पथ पर रहते हैं, जो तब मायने रखता है जब कोई एजेंट मध्य-टास्क में हो और नेटवर्क ब्लिप स्ट्रीम को बाधित करे। सत्र पहचान प्रॉम्प्ट अब सुनेगी रूप से हल होते हैं, इसलिए फिर से शुरू किया गया थ्रेड उस इनपुट के लिए प्रतीक्षा में नहीं अटकता जिसे उसे अनुमानित करना चाहिए था।

रनटाइम कुछ लंबे समय से चले आ रहे एज केस को भी संबोधित करता है। अधिक आकार के OpenAI एम्बेडिंग बैच उन 431 स्थिति को ट्रिगर करने से पहले विभाजित हो जाते हैं, जो पहले लंबे रीइंडेक्स जॉब्स को एबॉर्ट करता था। SQLite अब NFS वॉल्यूम पर राइट-एहेड लॉगिंग से बचता है, उस भ्रष्टाचार श्रेणी को बायपास करता है जो तब प्रकट होती है जब एकाधिक होस्ट एक ही फ़ाइल को छूते हैं। QMD सर्च अपने बैकिंग इंडेक्स के पुनर्निर्माण के दौरान ट्रांज़िएंट मोड में उपलब्ध रहता है। WebChat बैकस्क्रॉल स्ट्रीमिंग के बाद भी बना रहता है, डेस्कटॉप सत्र पिकर इंटरैक्टिव रहता है, और iOS फोरग्राउंड गेटवे स्टेल होने पर फिर से कनेक्ट होते हैं। वर्कस्पेस फ़ाइलें लॉन्च पर विज़ुअल नॉइज़ कम करने के लिए सिकुड़ी हुई शुरू होती हैं।

यह बिल्डर्स के लिए क्या सक्षम करता है वह बिना रॉ क्रेडेंशियल्स एक्सपोज किए मॉडल सिलेक्शन सतह का एक व्यापक क्षेत्र है, चैनल व्यवहार जो Telegram या WhatsApp पर मौन रूप से गिरावट नहीं करता, और एक मेमोरी लेयर जो उस प्रकार की मिश्रित-पर्यावरण डिप्लॉयमेंट के तहत टिकती है जो लोग वास्तव में चलाते हैं। जिस सीमा पर नज़र रखनी चाहिए: बाउंडेड मॉडल ब्राउज़िंग ऑप्ट-इन व्यवहार है, इसलिए जिन टीमों को एजेंटों को स्वतंत्र रूप से चुनने देना है उन्हें पुष्टि करनी होगी कि बाउंड वहां सेट है जहां वे उम्मीद करते हैं। नई GLM-5.2 और Haiku 4.5 प्रविष्टियां भी इसका मतलब है कि इन्फरेंस कॉस्ट मॉडल को रिफ्रेश करने की आवश्यकता है, क्योंकि ये जो कुछ भी पहले वायर्ड था उसके ड्रॉप-इन समकक्ष नहीं हैं।

[03:48] गूगल का नैनो बनाना 2 इमेज मॉडल OpenRouter पर लिस्टेड

गूगल का Gemini 3.1 Flash Image, जिसे "नैनो बनाना 2" के रूप में मार्केट किया गया है, अब OpenRouter पर google/gemini-3.1-flash-image के रूप में लिस्टेड है, जो पहली बार है जब मॉडल गूगल के अपने कंसोल के बाहर एक एकल OpenAI-संगत एंडपॉइंट के माध्यम से पहुंचने योग्य है। लिस्टिंग में 131,072-टोकन संदर्भ विंडो है, जो एक इमेज मॉडल के लिए असामान्य रूप से उदार है और संकेत करती है कि सिस्टम एक वार्तालाप थ्रेड में कई संदर्भ छवियों के साथ-साथ लंबे प्राकृतिक-भाषा संपादन निर्देशों को रखने के लिए डिज़ाइन किया गया है।

Google का तकनीकी पिच "Pro-level visual quality at Flash speed" है, जिसका अर्थ है कि यह मॉडल बड़ी image generation systems की तुलना में कम-latency inference path को टारगेट करता है, जबकि अभी भी generation और editing दोनों को सपोर्ट करता है। OpenRouter पर deployment standard chat completions interface है, इसलिए जो applications पहले से text stream करती हैं, वे image inputs attach कर सकती हैं और image outputs उसी response shape में प्राप्त कर सकती हैं जिसे वे पहले से parse करती हैं। यह उन builders के लिए integration work का एक whole class हटा देता है जिन्हें पहले अपने OpenRouter-routed traffic के साथ parallel Vertex या Gemini API client maintain करना पड़ता था।

Runtime configuration minimal है: एक model string, एक API key, और वही request envelope जो किसी अन्य chat completion में होती है। Provider routing automatically Google's backend पर resolve होती है जब gemini-3.1-flash-image identifier request की जाती है, इसलिए provision करने के लिए कोई separate authentication flow नहीं है। 131K context window multi-shot editing workflows को भी enable करता है जहां एक user same thread में earlier images reference करता है बजाय हर turn पर assets re-upload करने के, जो उन agents के लिए real architecture change है जो visual output पर loop करते हैं।

What to watch next: OpenRouter पर surfaced per-image pricing tier (Flash branding suggests aggressive cost), image outputs default रूप से inline base64 के रूप में return होती हैं या hosted URLs, और rate limits एक बार traffic Google's backend के खिलाफ ramps होने पर। Image moderation और content safety behavior जो Google's stack से inherited है, किसी भी consumer-facing deployment के लिए meaningful factor होगा, खासकर उन agentic loops में जहां prompts आंशिक रूप से model-generated होती हैं।

[05:45] Google's Nano Banana Pro Image Model Lands on OpenRouter

Google ने OpenRouter पर Nano Banana Pro को list किया है, जिसे model ID google/gemini-3-pro-image के तहत brand किया गया है और इसे अब तक की सबसे advanced image generation और editing model के रूप में position किया गया है। यह Gemini 3 Pro पर build है, जिसकी listing में note है कि यह original Nano Banana को stronger multimodal reasoning और real-world grounding के साथ extend करता है। Model OpenRouter के standard chat completions interface के through expose है, 65,536-token context window के साथ और provider routing directly Google's backend पर, इसलिए callers को अपने existing OpenRouter configuration के अलावा new SDKs या separate API key flow की जरूरत नहीं है।

Agent builders के लिए, interesting mechanics इसमें है कि model modalities को कैसे fuse करता है। क्योंकि यह Gemini 3 Pro stack inherit करता है, text और image inputs same context share करते हैं, जिसका मतलब है कि एक agent reference images, layout descriptions, और edit instructions को एक single request में pass कर सकता है बजाय separate calls orchestrate करने के। 65K context longer style prompts, multi-image conditioning, या chained edit operations को एक conversation में hold करने के लिए headroom देता है। OpenRouter deployment का मतलब है कि latency, pricing, और availability अब OpenRouter की normal request और response cycle follow करती हैं, और model page relevant parameters और image output handling document करता है।

What this enables वह है: grounded, instruction-following image generation की जरूरत वाले agents के लिए faster prototyping, जिसमें UI mock generators, branded asset tools, और editing workflows शामिल हैं जहां reference image के साथ consistency matter करती है। Flag करने योग्य limitation यह है कि runtime behavior, जिसमें यह शामिल है कि model complex multi-image prompts को कितनी strictly follow करता है, केवल इसे अपने own evaluation set के against run करके confirm किया जा सकता है। Google's direct API parity announcements पर watch करें, क्योंकि same model likely different rate limits और pricing के साथ Gemini API में surface होगा।

[07:28] OpenAI Introduces LifeSciBench for Real-World Life Science AI Evaluation

OpenAI ने 17 जून, 2026 को LifeSciBench release किया, जो एक benchmark है जो purpose-built है AI systems के evaluate करने के लिए कि वे real-world life science research tasks और decisions को कैसे handle करती हैं। Release को एक recurring gap in scientific AI evaluation के answer के रूप में position किया गया है: अधिकांश existing benchmarks isolated recall या narrow reasoning measure करती हैं, actual research workflows के multi-step judgment को under-tested छोड़ते हुए। LifeSciBench domain experts द्वारा authored और reviewed है, जो announcement के center में structural shift है — questions textbook से synthesize नहीं किए गए हैं बल्कि उन decision points से build किए गए हैं जिनसे एक working scientist navigate करता है, फिर publication से पहले दूसरे expert द्वारा vetted।

Builders के लिए, practical significance evaluation surface में है। Benchmark research tasks और decisions cover करता है, जिसका मतलब है कि prompts realistic scientific contexts में planning, evidence weighing, और trade-off reasoning probe करती हैं बजाय single-turn Q&A के। यह बदलता है कि life sciences में foundation model capability claims को कैसे read किया जाना चाहिए: एक strong LifeSciBench score implies more than memorization, क्योंकि task framing model को scientific constraints के तहत course of action commit करने पर मजबूर करता है। Teams जो literature review, experimental design, या wet-lab planning agents run करती हैं, अबके लिए shared reference हैं कि इस domain में "good" कैसा दिखता है।

वास्तुशिल्प के दृष्टिकोण से, LifeSciBench एक डेटासेट के साथ-साथ एक मूल्यांकन हार्नेस के रूप में भेजा जाता है, जिस प्रकार की कलाकृति आप किसी मौजूदा अनुमान-पक्ष मूल्यांकन पाइपलाइन में तार लगा सकते हैं ताकि किसी उम्मीदवार प्रणाली को प्रकाशित कार्य सेट के विरुद्ध स्कोर किया जा सके। सीमाएं बनी हुई हैं: यह एक प्रयोगशाला का एक बेंचमार्क है, प्रतिकूल रूप से खनन किए बिना विशेषज्ञों द्वारा लिखा गया है, और अंतर्निहित कार्य केवल उतने ही अच्छे हैं जितना कि लेखन पूल है। आगे देखने के लिए: स्वतंत्र प्रतिकृति, प्रमुख मॉडल परिवारों में सार्वजनिक स्कोरकार्ड, और यह देखना कि क्या OpenAI के लेखन नेटवर्क के बाहर के डोमेन विशेषज्ञ ओवरलैपिंग कार्य कवरेज के साथ प्रतिस्पर्धी बेंचमार्क प्रकाशित करते हैं।

[09:15] OpenAI का डिप्लॉयमेंट सिमुलेशन रिलीज से पहले मॉडल व्यवहार की भविष्यवाणी करता है

OpenAI ने 16 जून 2026 को डिप्लॉयमेंट सिमुलेशन प्रकाशित किया, एक पद्धति जो यह अनुमान लगाने के लिए डिज़ाइन की गई है कि कोई उम्मीदवार मॉडल वास्तविक उपयोगकर्ता भार के तहत कैसा व्यवहार करेगा जब तक यह वास्तव में उत्पादन में नहीं पहुंच जाता। मूल अवधारणा सरल है लेकिन तकनीकी रूप से महत्वाकांक्षी है: पिछले डिप्लॉयमेंट से वास्तविक बातचीत डेटा लें, इंटरैक्शन संदर्भ को पुनर्निर्मित करें, और व्यवहारात्मक विचलन को मापने के लिए उन ट्रैजेक्टरीज़ को एक नए मॉडल चेकपॉइंट के विरुद्ध प्लेबैक करें।

आर्किटेक्चर परतदार है। आधार पर प्रोडक्शन ट्रैफिक से नमूना किया गया एक बातचीत कोरपस है, जिसे उपयोगकर्ता इरादे के वितरण और बातचीत की लंबाई प्रोफाइल को संरक्षित करने के लिए फ़िल्टर किया गया है। इसके ऊपर एक सिमुलेशन रनटाइम है जो प्रत्येक ट्रैजेक्टरी के माध्यम से एक उम्मीदवार मॉडल को चलाता है, यथार्थवादी संदर्भ दबाव के तहत प्रतिक्रियाएं उत्पन्न करता है। आउटपुट को एक बेसलाइन व्यवहार प्रोफाइल के विरुद्ध स्कोर किया जाता है जो नीति अनुपालन, रिफ्यूज़ल कैलिब्रेशन, हैंसीनेशन दर और स्वर संगति को कैप्चर करता है। कॉन्फ़िगर की गई सीमा से कोई भी विचलन एक संरचित जोखिम रिपोर्ट में चिह्नित किया जाता है।

बिल्डर्स के लिए जो बदलता है वह फीडबैक लूप का समय है। डिप्लॉयमेंट-पश्चात मॉनिटरिंग उपयोगकर्ताओं को देखने के बाद रिग्रेशन पकड़ती है। रेड-टीमिंग प्रतिकूल मामलों को सामने लाती है लेकिन केवल उन चीज़ों को कवर करती है जो रेड टीम सोच सकती है कि पूछना है। डिप्लॉयमेंट सिमुलेशन इन दोनों के बीच बैठता है, वास्तविक उपयोगकर्ता वितरण डेटा का उपयोग करके यह अनुमान लगाने के लिए कि एक नया चेकपॉइंट उन प्रकार के प्रॉम्प्ट पर कहां गलत व्यवहार करेगा जो वास्तविक लोग भेजते हैं। अपने स्वयं के मूल्यांकन चलाने वाली टीमों के लिए, यह तकनीक प्रजनन योग्य है: एक बातचीत स्टोर, एक स्कोरिंग हार्नेस, और एक उम्मीदवार मॉडल आवश्यक एकमात्र इनपुट हैं।

रनटाइम व्यवहार आकार में API के लिए लोड टेस्ट के समान है, सिवाय इसके कि अनुरोध बहु-turn बातचीत हैं और विलंबता माप को व्यवहारात्मक स्कोरिंग द्वारा प्रतिस्थापित किया गया है। कॉन्फ़िगरेशन कोरपस से नमूना दर, विचलन सीमाओं और किन नीति आयामों का मूल्यांकन किया जाता है, को नियंत्रित करते हैं। सुरक्षा सिमुलेशन से पहले रीप्ले सेट से PII को स्ट्रिप करके संभाली जाती है।

ध्यान देने योग्य सीमा कवरेज है। एक सिमुलेशन उतना ही अच्छा है जितना कि वह जिस कोरपस से खींचता है, और एक प्रमुख उत्पाद परिवर्तन के बाद उपयोगकर्ता व्यवहार में बदलाव वितरण को अमान्य कर सकते हैं। फिर भी, पद्धति सुरक्षा टीमों को एक ठोस कलाकृति देती है, एक प्री-रिलीज जोखिम रिपोर्ट, ताकि वे केवल एक केनरी विंडो पर निर्भर रहने के बजाय प्रमोशन को गेट कर सकें।

[11:23] OpenAI और Molecule.one GPT-5.4 का उपयोग करके औषधीय रसायन विज्ञान प्रतिक्रिया में सुधार करते हैं

OpenAI और Molecule.one ने 17 जून 2026 को एक संयुक्त लेख पोस्ट किया जिसमें वे जिसे वे एक निकट-स्वायत्त AI रसायनज्ञ कहते हैं उसका विवरण दिया गया है। प्रणाली GPT-5.4 के इर्दगिर्द बनी है और औषधीय रसायन विज्ञान में एक चुनौतीपूर्ण प्रतिक्रिया पर लागू की गई थी — विशेष रूप से उन चरणों में से एक जो ऐतिहासिक रूप से दवा खोज में एक बाधा रही है क्योंकि मैन्युअल अनुकूलन धीमा और महंगा है। सहयोग से स्वचालित लूप का उपयोग करके प्रतिक्रिया परिणाम में मापनीय सुधार की सूचना मिली है।

आर्किटेक्चर वह है जो इसे बिल्डर्स के लिए दिलचस्प बनाता है। GPT-5.4 से अलगाव में रसायन विज्ञान के बारे में तर्क करने के बजाय, प्रणाली अपने अनुमान को एक ऑर्केस्ट्रेशन लेयर के माध्यम से रूट करती है जो Molecule.one की रेट्रोसिंथेसिस API और प्रतिक्रिया भविष्यवाणी स्टैक के साथ इंटरफेस करती है। प्रत्येक पुनरावृत्ति पर, मॉडल उम्मीदवार स्थितियां प्रस्तावित करता है, बाहरी रसायन विज्ञान टूलिंग परिणाम का अनुकरण करती है, और भाषा मॉडल संरचित फीडबैक पढ़ता है ताकि यह तय कर सके कि अगले क्या प्रयास करना है। यह एक बंद प्रस्ताव-मूल्यांकन-परिशोधन लूप है जहां मॉडल नियंत्रक के रूप में कार्य करता है और नियतात्मक सॉफ्टवेयर मूल सत्य के रूप में कार्य करता है।

यह पैटर्न — मॉडल को पॉलिसी के रूप में, बाहरी सिस्टम को रिवॉर्ड के रूप में — वही आकार है जो कई प्रोडक्शन एजेंट पहले से ले रहे हैं, बस इसे वेट-लैब केमिस्ट्री के बजाय कोड या कस्टमर सपोर्ट पर लागू किया गया है। डिप्लॉयमेंट Molecule.one के मौजूदा इन्फरेंस और सिंथेसिस प्लानिंग इन्फ्रास्ट्रक्चर के खिलाफ चलता है, OpenAI की तरफ से रनटाइम पर कुछ नया नहीं है; प्रॉम्प्ट स्कैफोल्डिंग, इवैल्यूएशन कॉन्ट्रैक्ट और इटरेशन बजट से यह संभव हुआ। सिक्योरिटी और रिप्रोड्यूसिबिलिटी की चिंताएं बनी हुई हैं, क्योंकि असली प्रयोगों का प्रस्ताव रखने वाला एक स्वायत्त लूप सिमुलेशन से बाहर निकलने से पहले गार्डरैल की जरूरत है, और राइटअप में नोट किया गया है कि मानव चेकपॉइंट अभी भी अंतिम चयन को नियंत्रित करते हैं।

आगे देखने योग्य: क्या यही लूप दूसरी प्रतिक्रिया श्रेणियों में भी सामान्यीकृत होता है, Molecule.one के इवैल्यूएशन कॉल की विलंबता ने इटरेशन काउंट को कैसे आकार दिया, और क्या OpenAI ऑर्केस्ट्रेशन स्कैफोल्डिंग को पुन: प्रयोज्य SDK या बिल्डर्स के लिए संदर्भ कॉन्फ़िगर के रूप में उजागर करता है जो GPT-5.4 के पीछे अपना स्वयं का डोमेन सिमुलेटर वायर करना चाहते हैं।

[13:18] Z.ai ने MIT लाइसेंस के तहत GLM-5.2 ओपन वेट्स जारी किए

Z.ai ने 16 जून, 2026 को MIT लाइसेंस के तहत GLM-5.2 ओपन वेट्स जारी किए, जिससे 753B पैरामीटर मिक्सचर-ऑफ-एक्सपर्ट्स टेक्स्ट मॉडल 13 जून को अपने कोडिंग प्लान सब्सक्राइबर्स को रिलीज़ करने के बाद सीधे डाउनलोड के लिए उपलब्ध है। आर्किटेक्चर एक स्पार्स MoE है जिसमें पूरे 753B पैरामीटर पूल के खिलाफ प्रति फॉरवर्ड पास 40B सक्रिय पैरामीटर हैं, जो पेर-टोकन कंप्यूट को उस स्तर पर रखता है जिसे टीमें यथार्थवादी रूप से सर्व कर सकती हैं। कुल वेट फुटप्रिंट 1.51TB है, इसलिए डिप्लॉयमेंट प्लानिंग को डाउनलोड शुरू करने से पहले भारी डिस्क, RAM और GPU मेमोरी को ध्यान में रखना होगा।

इन्फरेंस टीमों के लिए, ट्रेड-ऑफ परिचित लगती है: स्पार्स-ग्रेड सर्विंग लागत के साथ डेंस-ग्रेड आउटपुट क्वालिटी, बशर्ते सर्विंग स्टैक राउटिंग कॉन्फ़िगरेशन का समर्थन करता हो। लाइसेंस-वार, MIT शर्तें ओपन-वेट्स स्पेस में सबसे अनुमताग्राही में से हैं और कोई उपयोग प्रतिबंध या टेलीमेट्री आवश्यकताएं लागू नहीं करती हैं, जो आंतरिक टूल शिप करने वाली टीमों के लिए सिक्योरिटी रिव्यू को सरल बनाती हैं। मॉडल केवल टेक्स्ट-ओनली है, इसलिए कोई भी विज़न, ऑडियो, या मल्टीमॉडल पाइपलाइन एक अलग स्टैक पर रहनी चाहिए।

आगे देखने योग्य: कोडिंग और एजेंटिक टूल-यूज़ टास्क पर कम्युनिटी बेंचमार्क, थर्ड-पार्टी सर्विंग स्टैक कम्पैटिबिलिटी नोट्स, और क्वांटाइज़ेशन रेसिपीज़ जो 1.51TB वेट्स को छोटे GPU क्लस्टर के लिए चलाने योग्य फुटप्रिंट में संपीड़ित करती हैं। यथार्थवादी कंकरेंसी लोड के तहत विलंबता दूसरा खुला सवाल है, क्योंकि MoE राउटिंग टेल-विलंबता वेरिएंस पैदा कर सकता है जिसे डेंस सर्विंग स्टैक अधिक सुंदर रूप से संभालते हैं। यदि GLM-5.2 स्वतंत्र इवैल में टिकता है, तो MIT लाइसेंसिंग加上 एक व्यवहार्य स्पार्स सर्विंग पाथ समान क्वालिटी के लिए फ्रंटियर-API रेट देने वाली टीमों के लिए लागत गणित को बदल सकता है।

[14:52] रैडिकल AI क्यों कहता है कि मोअत लैब है, मॉडल नहीं

Latent Space पर 2026-06-17 की बातचीत में, Radical AI के जोसेफ क्रॉस ने एक तर्क दिया जो सामान्य AI-उद्योग रिफ्लेक्स के विपरीत है: मटीरियल्स साइंस में, मोअत मॉडल में नहीं है। क्रॉस का कहना है कि डिफेंसिबिलिटी सेल्फ-ड्राइविंग लैब में है — रोबोटिक सिंथेसिस हार्डवेयर, कैरेक्टराइज़ेशन इंस्ट्रूमेंट, और डेटा पाइपलाइन जो बिना मानव के हूप में हाइपोथीसिस को मापा गया परिणाम में बदल देती हैं।

जो क्रॉस बताता है वह आर्किटेक्चर एक बंद फीडबैक लूप है। एक ML प्लानर एक उम्मीदवार मटीरियल या सिंथेसिस कंडीशन प्रस्तावित करता है। रोबोटिक हार्डवेयर प्रयोग को एक्जीक्यूट करता है। कैरेक्टराइज़ेशन टूल्स — एक्स-रे डिफ्रैक्शन, स्पेक्ट्रोस्कोपी, इलेक्ट्रोकेमिकल माप — एक परिणाम उत्पन्न करते हैं। वह परिणाम फीचर स्टोर में वापस आता है, मॉडल रीट्रेन या रीवेट करता है, और अगला प्रयोग चुना जाता है। मॉडल एक सिस्टम में एक कंपोनेंट है जिसकी थ्रूपुट GPU समय से नहीं बल्कि फिजिकल इंस्ट्रूमेंट्स द्वारा बाउंडेड है, और जिसका रनटाइम हेटेरोजीनियस हार्डवेयर में कैलिब्रेशन और कॉन्फ़िग ड्रिफ्ट पर निर्भर करता है।

बिल्डर्स के लिए निहितार्थ यह है कि वर्टिकल AI में, मॉडल सिलेक्शन तेजी से कमोडिटी डिसीज़न बन रहा है। कठिन हिस्सा लूप को ओन करना है: इंस्ट्रूमेंट इंटीग्रेशन, डेटा नॉर्मलाइज़ेशन, एक्सपेरिमेंट क्यू, अनटेंडेड सिंथेसिस पर सिक्योरिटी कंस्ट्रेंट्स, और डेटा फ्लाईव्हील जो हर रन के साथ प्लानर में सुधार करती है। रैडिकल का दांव यह है कि बेहतर बेस मॉडल में स्वैप करना आसान है; एक लैब को रेप्लिकेट करना जो हर महीने हजारों प्रयोग चलाती है, नहीं है।

देखने के लिए अगला: कौन सी सामग्री कक्षाएं पहले closed-loop discovery को मानव-डिज़ाइन बेसलाइन से बेहतर दिखाती हैं, और क्या lab-as-moat थीसिस तब बनी रहती है जब रसायन विज्ञान के लिए फाउंडेशन मॉडल मजबूत होते हैं। स्व-चालित प्रयोगशाला की deployment लागत प्रवेश का वास्तविक अवरोध है। अभी के लिए, इंजीनियरिंग का भार बेंच पर है, न कि वेट पर।

[16:36] GLM-5.2 ने IndexShare Speculative Decoding के साथ शीर्ष खुले मॉडल स्लॉट पर दावा किया

GLM-5.2 17 जून, 2026 को शिप हुआ, और Zhipu AI इसे समग्र रूप से नए शीर्ष open-weights मॉडल और frontend coding मूल्यांकनों पर सबसे मजबूत प्रविष्टि के रूप में प्रस्तुत कर रहा है। मुख्य तंत्र IndexShare है, speculative decoding का एक संस्करण जहां ड्राफ्ट मॉडल और लक्ष्य मॉडल टोकन सत्यापन के दौरान एक इंडेक्स संरचना साझा करते हैं। मानक speculative decoding सेटअप में, एक छोटा ड्राफ्ट मॉडल निरंतरता का प्रस्ताव करता है और लक्ष्य मॉडल प्रत्येक टोकन को स्वीकार या अस्वीकार करता है, इसलिए throughput स्वीकृति दर से नियंत्रित होती है। IndexShare स्वीकृति को उच्चतर धकेलता है ड्राफ्ट-साइड रूटिंग या पुनर्प्राप्ति संकेतों को पुनः प्राप्त करने के बजाय पुन: उपयोग करने की अनुमति देकर, जो स्वीकृत टोकन प्रति अतिरिक्त कार्य को कम करता है और इंटरैक्टिव कार्यभार के लिए अंत से अंत तक विलंबता कम करता है।

यह रिलीज महत्वपूर्ण है क्योंकि frontend coding खुले मॉडलों के लिए एक stubborn अंतर रहा है, जहां closed सिस्टम अभी भी component generation और design-to-code translation जैसे कार्यों के लिए पसंद जीत रहे हैं। GLM-5.2 का benchmark positioning उन टीमों के लिए उस गणना को बदलता है जो self-host कर सकती हैं। Deployment पक्ष पर, मॉडल मानक inference runtimes के माध्यम से उपलब्ध है जो speculative decoding का समर्थन करते हैं, और IndexShare पथ runtime परत पर कॉन्फ़िगर किया गया है, कस्टम API wrapper की आवश्यकता के बजाय। यह integration surface को उन मौजूदा serving stacks के करीब रखता है जो पहले से speculative decoding plugins स्वीकार करते हैं, जो agent pipeline में इसे वायर करने के लिए आवश्यक SDK-level प्रयास को कम करता है।

Agent builders के लिए, व्यावहारिक प्रभाव UI generation को छूने वाले agent loop के हिस्सों के लिए एक सस्ता डिफ़ॉल्ट है, विशेष रूप से streaming-edit चरण में जहां विलंबता बजट तंग हैं और प्रत्येक अतिरिक्त forward pass संपादक में दृश्यमान lag के रूप में दिखाई देता है। IndexShare की acceptance-rate lift also reduces the amount of draft-model compute wasted on rejected tokens, which improves cost per accepted token on long generations. देखने के लिए जोखिम benchmark-to-reality gap है: frontend coding leaderboards पुरस्कार isolated prompts, real codebase के अंदर full multi-file refactors नहीं, इसलिए production validation आपके own repo के खिलाफ leaderboard ranking से अधिक मायने रखता है। अगला monitor करने के लिए कि क्या IndexShare तकनीक community serving frameworks में upstream होती है या Zhipu-specific runtime config flag बनी रहती है।

[18:43] NEA की Tiffany Luck: Enterprises अभी भी AI ROI का पता लगा रही हैं

NEA partner Tiffany Luck ने 17 जून को कहा कि enterprise customers अभी भी अपने AI return on investment का पता लगा रही हैं, इसे एक साल के आक्रामक अंगीकरण के बाद एक निर्णय क्षण के रूप में framing कर रही हैं। "tokenmaxxing" trend, जहां executives ने employees को जितना संभव हो AI का उपयोग करने के लिए प्रेरित किया, finance teams के बिल की समीक्षा के साथ टकरा गया है। Uber reportedly कुछ महीनों में अपना वार्षिक AI budget जला दिया, और कई कंपनियों ने Claude licenses काटना शुरू कर दिया है, same segment में सामने आई रिपोर्टिंग के अनुसार।

Builders के लिए, व्यावहारिक shift यह है कि inference spend अब एक tracked line item है, experimentation budget नहीं। Procurement teams frontier model APIs के साथ वही व्यवहार कर रही हैं जैसे वे cloud compute के साथ करती हैं — seats गिनना, per-call cost देखना, और पूछना कि कौन से features measurable output चलाते हैं। Runtime परिणाम tiered architectures की ओर एक चाल है: high-judgment tasks के लिए एक flagship model, routine classification और summarization के लिए छोटे models, और routing logic जो उनके बीच निर्णय लेता है। कुछ platform teams rate-limit headers और token-usage telemetry पर भरोसा कर रही हैं जो major inference endpoints पहले से return करती हैं cost per feature, per team, या per customer cohort को attribute करने के लिए।

Deployment जोखिम ठोस है। जब budgets कसते हैं, license cuts engineering priorities में cascade होते हैं — fewer model options, smaller endpoints से अधिक latency, और vendors को consolidate करने का दबाव। Builders जो पहले से जानती हैं कि उनकी features में से कौन सी वास्तव में frontier model की जरूरत है, finance जब सवाल पूछना शुरू करेगी तो वे मजबूत स्थिति में होंगे। अगला देखने योग्य: क्या providers अधिक granular enterprise pricing पेश करते हैं, क्या usage caps API terms में मानक बनते हैं, और छोटे open-weight models की per-token cost flagship inference के साथ अंतर को कितना compress करती है।

[20:26] व्यावहारिक queue

आज की कहानियों से: नए GLM-5.2 और Claude Haiku 4.5 रूट बिल्डर्स को प्रोवाइडर लॉजिक को दोबारा लिखे बिना व्यापक लागत और गुणवत्ता का मिश्रण प्रदान करते हैं, जबकि SecretRef ऑथ का मतलब है कि सीक्रेट्स रनटाइम कॉन्फ़िगरेशन के बजाय प्लेटफॉर्म के सीक्रेट स्टोर में रहते हैं। OpenRouter पर पहले से काम करने वाले बिल्डर्स के लिए, इंटीग्रेशन सरफेस वही एक API key है, इसलिए मौजूदा SDK कोड एक स्ट्रिंग बदलाव में नए मॉडल ID को स्वैप कर सकता है।

यह बिल्डर्स के लिए क्या मतलब है: इमेज जनरेशन अब मल्टीमॉडल रिक्वेस्ट शेप का उपयोग करके एक एकल OpenRouter एंडपॉइंट से होता है, इसलिए मौजूदा क्लाइंट कोड संभवतः मॉडल स्ट्रिंग को स्वैप कर सकता है और Google's Gemini 3 Pro इमेज स्टैक में कॉल कर सकता है।

यह बिल्डर्स के लिए क्या मतलब है कि लाइफ-साइंस-एडजेसेंट एजेंट वर्क अब एक प्रकाशित यार्डस्टिक है जिसका उपयोग आप मॉडल क्षमता दावों की तुलना करते समय कर सकते हैं।

यह क्या मतलब है: LLM-बैक्ड प्रोडक्ट्स शिप करने वाले बिल्डर्स के पास अब उत्पादन में इंसिडेंट डेटा जमा होने की प्रतीक्षा किए बिना प्री-रिलीज जोखिम का अनुमान लगाने की एक प्रकाशित तकनीक है।

यह दर्शाता है कि भाषा मॉडल स्टैंडअलोन रीज़नर्स के बजाय कंट्रोलर्स के रूप में डोमेन-स्पेसिफिक सिम्युलेटर्स में वायर्ड किए जा रहे हैं। यह उन टीमों के लिए गणित बदलता है जो टॉप-टियर टेक्स्ट क्वालिटी के लिए फ्रंटियर-API दरों का भुगतान कर रही हैं। वर्टिकल AI पर काम करने वाले बिल्डर्स के लिए, यह निवेश प्रश्न को फिर से परिभाषित करता है: एक बेहतर बेस मॉडल चुनने से अधिक डोमेन-स्पेसिफिक भौतिक या ऑपरेशनल सिस्टम के साथ इंटीग्रेशन की गहराई मायने रखती है।

यह बिल्डर्स के लिए क्या मतलब है फ्रंटएंड-हेवी कोडिंग एजेंट्स के लिए प्रति-टोकन लाइसेंसिंग शुल्कों के बिना एक नया ओपन-वेट्स डिफ़ॉल्ट है।

यह क्या मतलब है: "ज़्यादा टोकन शिप करो" रवैया खत्म हो गया है — फाइनेंस और प्लेटफॉर्म टीमें यह पूछना शुरू करेंगी कि कौन से वर्कफ़्लोज़ प्रति-कॉल लागत को जायज़ ठहराते हैं।

NOVA: मैं NOVA हूँ।

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

NOVA: OpenClaw 6.8 में GLM-5.2 और Claude Haiku 4.5 रूट्स जोड़े गए हैं, provider IDs को और tight किया गया है, managed SecretRef auth आया है, model browsing को bound किया गया है, और OpenAI व Anthropic calls के लिए safer tool-schema recovery लाई गई है। Terminal-based coding agent OpenAI Codex .141 अभी current stable release के तौर पर आया है, और terminal-based AI coding agent Claude Code two point one release readout में current stable Claude Code line है।

[ALLOY]: आज की बातें: OpenClaw agent harness update को lead कर रहा है; Google's Nano Banana 2 और Nano Banana Pro image models OpenRouter के ज़रिए आए हैं; OpenAI ने LifeSciBench और Deployment Simulation launch किए हैं; GPT-5.4 near-autonomous chemistry loop में wired हो गया है; GLM-5.2 MIT license के तहत open हो गया है और AA Intelligence Index पर open weights को lead कर रहा है; Radical AI का argument है कि lab ही moat है; IndexShare twenty percent acceptance-length lift के साथ faster open-model coding loops को target कर रहा है; और enterprise AI budgets CFO wall से टकरा रही हैं। इसके अलावा GitHub Project Radar, Model Discovery Check, Local LLM Spotlight, और तीन extra things जो आपका time worth हैं।

NOVA: Through-line practical है: more model choice, more routing pressure, और more scrutiny कि agent run reliable और affordable है या नहीं, और actually system around it में grounded है या नहीं। ...

[ALLOY]: OpenClaw 6.8 June sixteenth को आया model routing, channel delivery, agent recovery, और local runtime behavior में changes के साथ। Model catalog में GLM-5.2 और Claude Haiku 4.5 जुड़े हैं, और ये entries normalized provider IDs use करते हैं ताकि runtime एक stable string से route resolve करे brittle provider-specific alias की जगह। Credentials अब managed SecretRef objects के through flow करते हैं, जो secrets को platform's secret store में रखता है inline runtime config की जगह। Model browser भी bounded है, ताकि एक agent approved catalog slice में से choose कर सके बिना हर provider target को enumerate किए जिसे वह reach कर सकता है।

NOVA: सबसे important reliability change है OpenAI और Anthropic integrations के लिए tool-schema recovery। जब एक model malformed tool call return करता है, runtime इसे expected schema के against validate करता है और dispatch से पहले safer shape पर fall back करता है। यही वो failure type था जो harmless दिखता था जब तक bad argument downstream API से नहीं टकराता था। Telegram को tables, lists, expandable blockquotes, और intentional line breaks के लिए structured rendering भी मिला है, replies एक CLI-backed path से flow होती हैं जो final message shape को preserve करती है। WhatsApp अब configured ACP bindings को honor करती है उन्हें drop करने की जगह।

[ALLOY]: Recovery path को भी attention मिला है। Account-scoped DM sends, generated media completions, final auto-reply messages, restart shutdown aborts, yielded subagent pauses, और session identity prompts अब more predictable paths पर land करते हैं। Oversized OpenAI embedding batches split हो जाती हैं before वे request-size failures trigger करें। SQLite NFS volumes पर write-ahead logging avoid करती है। Stale iOS Gateways reconnect करते हैं जब वे foreground state से बाहर हो जाते हैं।

NOVA: Codex .141 और Claude Code two point one stable agent releases हैं जो उस stack readout के साथ pair करने के लिए हैं। Practical implication है cleaner harness plumbing। OpenClaw builders को more model routes, safer auth, stronger channel behavior, और fewer silent recovery failures देता है। Codex और Claude Code terminal-based agent surfaces बने हुए हैं जिनका use many teams that kind of backend के against code changes drive करने के लिए करती हैं। Watch करने वाली बात है policy: एक बार agents wider model catalog see सकते हैं, approved bound model menu जितना ही matters। ...

[ALLOY]: Google's Gemini 3.1 Flash Image, Nano Banana 2 के नाम से branded, अब OpenRouter पर Google's provider route के under listed है। यह image generation और editing को expose करता है उसी OpenAI-compatible interface through जिसका use many agent stacks पहले से text models के लिए करती हैं। Headline spec है 131,072-token context window, जो एक image model के लिए unusually large है और system को room देता है reference images, long edit instructions, और multi-turn visual iteration के लिए एक conversation thread में।

NOVA: बिल्डर वैल्यू कॉल के आकार में है। OpenRouter का उपयोग करने वाला कोई भी ऐप बिना अलग Google-नेटिव क्लाइंट बनाए रखे Nano Banana 2 मॉडल आइडेंटिफायर पर स्विच कर सकता है। इनपुट चैट कम्प्लीशन-स्टाइल रिक्वेस्ट शेप के जरिए आते हैं, इमेज आउटपुट स्टैंडर्ड रिस्पॉन्स पेलोड के जरिए वापस आते हैं। यह इमेज जेनरेशन को किसी मौजूदा असिस्टेंट, डिज़ाइन टूल, या एजेंट लूप में शामिल करना आसान बनाता है जो पहले से मल्टीमॉडल संदेशों को हैंडल करता है।

[ALLOY]: Google इसे Flash स्पीड पर Pro-लेवल विज़ुअल क्वालिटी के तौर पर पोजीशनिंग कर रहा है। यह मायने रखता है क्योंकि इमेज जेनरेशन अक्सर क्षमता से ज़्यादा इंटरैक्शन लेटेंसी से ब्लॉक होती है। अगर मॉडल काफी तेज़ी से अच्छे एडिट्स दे सकता है, तो यह लाइव चैट, UI मॉकअप जेनरेटर, या प्रोडक्ट कस्टमाइज़ेशन फ्लो में उपयोगी बन जाता है जहां यूज़र कई त्वरित संशोधन चाहते हैं, एक धीमे रेंडर के बजाय। बड़ा कॉन्टेक्स्ट सेशन डिज़ाइन को भी बदलता है: एक विज़ुअल एजेंट पिछले प्रॉम्प्ट, रेफरेंस इमेज, क्रिटिक, और संशोधित टारगेट को एक ही टर्न में रख सकता है।

NOVA: दावों को अभी भी रियल-वर्ल्ड कन्फर्मेशन की जरूरत है। मुख्य सवाल हैं प्राइसिंग, रेट लिमिट्स, आउटपुट हैंडलिंग, सेफ्टी बिहेवियर, और क्या मॉडल जटिल मल्टी-इमेज प्रॉम्प्ट्स को लगातार फॉलो करता है। लेकिन इंटीग्रेशन सरफेस असली है: एक राउटेड मॉडल स्ट्रिंग, एक रिक्वेस्ट पैटर्न, एक फास्ट इमेज मॉडल जो एक ही एजेंट वर्कफ़्लो में टेक्स्ट रीज़निंग के बगल में बैठ सकता है। ...

[ALLOY]: Google ने Nano Banana Pro को भी OpenRouter पर Gemini 3 Pro Image के रूप में ब्रांडेड करके लिस्ट किया है। यह उच्च-स्तरीय इमेज जेनरेशन और एडिटिंग मॉडल है, Gemini 3 Pro मल्टीमॉडल स्टैक पर बना, 65,536-टोकन कॉन्टेक्स्ट विंडो के साथ और Google के बैकएंड के जरिए प्रोवाइडर राउटिंग के साथ। लिस्टिंग में ओरिजिनल Nano Banana लाइन की तुलना में मजबूत मल्टीमॉडल रीज़निंग और रियल-वर्ल्ड ग्राउंडिंग का वर्णन है, जो इसे प्रोडक्शन वर्क के लिए पोजीशनिंग करती है जहां इंस्ट्रक्शन फॉलोइंग और रेफरेंस कंसिस्टेंसी कच्ची स्पीड से ज़्यादा मायने रखती है।

NOVA: मैकेनिकली, Nano Banana Pro इसलिए मायने रखता है क्योंकि टेक्स्ट और इमेज इनपुट एक कॉन्टेक्स्ट शेयर करते हैं। एक एजेंट रेफरेंस इमेजरी, लेआउट लैंग्वेज, ब्रांड कंस्ट्रेंट्स, और एडिट इंटेंट को एक साथ भेज सकता है टेक्स्ट प्लानर और अलग इमेज रेंडरर में जॉब बांटने के बजाय। यह ब्रांडेड एसेट जेनरेशन, गेम कॉन्सेप्ट इटरेशन, प्रोडक्ट मॉकअप्स, और UI डिज़ाइन एक्सप्लोरेशन जैसे वर्कफ़्लोज़ के लिए एक साफ़ आर्किटेक्चर है।

[ALLOY]: Nano Banana 2 के साथ यह कॉन्ट्रास्ट उपयोगी है। Nano Banana 2 बड़े कॉन्टेक्स्ट विंडो के साथ फास्ट लेन है। Nano Banana Pro कैपेबिलिटी लेन है, विज़ुअल इंस्ट्रक्शन्स पर बेहतर ग्राउंडिंग और रीज़निंग के साथ। OpenRouter पर दोनों एक ही बड़े इंटीग्रेशन पैटर्न का उपयोग करते हैं, इसलिए टीमें क्लाइंट लेयर को रीबिल्ड किए बिना स्पीड और क्वालिटी के बीच रूट कर सकती हैं।

NOVA: रिस्क वही पुराना इमेज-मॉडल गैप है डेमो प्रॉम्प्ट्स और प्रोडक्शन प्रॉम्प्ट्स के बीच। जटिल एडिट्स, कई रेफरेंस, इमेज के अंदर टेक्स्ट रेंडरिंग, और स्टाइल प्रिज़र्वेशन सब रियल वर्कलोड प्रेशर के तहत खराब हो सकते हैं। ...

[ALLOY]: OpenAI ने सत्रह जून को LifeSciBench पेश किया, जो लाइफ साइंस रिसर्च टास्क्स और डिसीज़न्स के लिए एक एक्सपर्ट-ऑथर्ड बेंचमार्क है। पॉइंट यह है कि अलग-थलग फैक्चुअल रिकॉल की जगह साइंटिफिक जजमेंट को मापना है। टास्क्स डोमेन एक्सपर्ट्स द्वारा बनाए और रिव्यू किए गए हैं, इसलिए बेंचमार्क उस तरह की प्लानिंग, एविडेंस वेइंग, और ट्रेड-ऑफ रीज़निंग को टारगेट करता है जो असली रिसर्च वर्क में दिखती है।

NOVA: लाइफ-साइंस एजेंट्स के लिए यह एक मीनिंगफुल शिफ्ट है। एक मॉडल पाथवे फैक्ट्स याद कर सकता है या टेक्स्टबुक-स्टाइल सवालों के जवाब दे सकता है और फिर भी फेल हो सकता है जब अगला एक्सपेरिमेंट चुनने, कन्फ्लिक्टिंग एविडेंस की व्याख्या करने, या वेट-लैब प्लान में कंस्ट्रेंट्स के बारे में रीज़न करने को कहा जाए। LifeSciBench प्रॉम्प्ट्स को कोर्स-ऑफ-एक्शन प्रॉब्लम्स के तौर पर फ्रेम करता है, जो स्कोर को उन टीमों के लिए ज़्यादा रिलेवेंट बनाता है जो लिटरेचर रिव्यू असिस्टेंट्स, एक्सपेरिमेंटल प्लानिंग कोपायलॉट्स, या बायोमेडिकल रीज़निंग सिस्टम्स बना रही हैं।

[ALLOY]: बिल्डर्स के लिए प्रैक्टिकल वैल्यू एक शेयर्ड यार्डस्टिक है। जेनेरिक रीज़निंग स्कोर आपको यह नहीं बताते कि कोई मॉडल मेडिसिनल केमिस्ट्री, असे डिज़ाइन, या रिसर्च प्रायोरिटाइज़ेशन को हैंडल कर सकता है या नहीं। LifeSciBench टीमों को एक पब्लिश्ड रेफरेंस पॉइंट देता है जिसे लाइफ-साइंस-एडजेसेंट वर्क के लिए मॉडल्स की तुलना करते समय साइट कर सकते हैं।

NOVA: सावधानी यह है कि एक बेंचमार्क कभी भी डोमेन नहीं होता। स्वतंत्र स्कोरकार्ड और प्रतिस्पर्धी बेंचमार्क मायने रखेंगे। LifeSciBench मूल्यांकन को यथार्थवादी वैज्ञानिक निर्णय लेने की ओर ले जाता है, जो वह दिशा है जिसकी लाइफ-साइंस AI को आवश्यकता है यदि एजेंट्स को खोज सहायकों से शोध सहयोगियों में बदलना है। ...

[ALLOY]: OpenAI ने 16 जून को Deployment Simulation प्रकाशित किया, जो एक पद्धति है जो भविष्यवाणी करती है कि कैंडिडेट मॉडल प्रोडक्शन ट्रैफ़िक में जाने से पहले कैसे व्यवहार करेगा। मुख्य विचार यह है कि एक नए मॉडल चेकपॉइंट के विरुद्ध पूर्व तैनातियों से यथार्थवादी बातचीत मार्गों को पुनः चलाना, फिर मापना कि नए आउटपुट अपेक्षित व्यवहार प्रोफाइल से कितने भिन्न हैं।

NOVA: यह तंत्र एक स्टैटिक बेंचमार्क की तुलना में व्यवहारिक लोड टेस्ट के अधिक करीब है। एक सिमुलेशन रनटाइम कैंडिडेट मॉडल को वास्तविक उपयोगकर्ता इरादे, वास्तविक संदर्भ लंबाई और यथार्थवादी बातचीत मार्गों को दर्शाते हुए मल्टी-टर्न इंटरैक्शन देता है। स्कोरिंग लेयर तब नीति पालन, भ्रम दर, अस्वीकृति व्यवहार, स्वर और अन्य सुरक्षा या उत्पाद आयामों में विचलन को चिह्नित करती है। पोस्ट-लॉन्च मेट्रिक के बहाव की प्रतीक्षा करने के बजाय, एक टीम को पदोन्नति से पहले एक संरचित जोखिम रिपोर्ट मिलती है।

[ALLOY]: यह रेड-टीमिंग और मॉनिटरिंग के बीच के अंतराल को भरता है। रेड टीमें विपरीत रचनात्मकता में अच्छी हैं लेकिन हर सामान्य प्रॉम्प्ट वितरण को कवर नहीं कर सकतीं। मॉनिटरिंग उन विफलताओं को पकड़ती है जब उपयोगकर्ता उन्हें देख चुके होते हैं। Deployment Simulation उत्पादन-आकार के इंटरैक्शन का उपयोग करके यह पूर्वावलोकन करता है कि नया मॉडल उन स्थानों पर व्यवहार बदलता है जहां उपयोगकर्ता वास्तव में जाते हैं। किसी भी टीम के लिए जिसके पास लॉग की गई बातचीत कोरपस और eval हार्नेस है, यह पैटर्न अनुकूलनीय है।

NOVA: सीमा वितरण गुणवत्ता में है। यदि रीप्ले सेट पिछली तिमाही के उपयोगकर्ताओं को दर्शाता है लेकिन उत्पाद बदल गया है, तो सिमुलेशन अगले आने वाले को याद कर सकता है। गोपनीयता हैंडलिंग भी मायने रखती है क्योंकि वास्तविक बातचीत को रीप्ले से पहले साफ़ करना होगा। फिर भी, यह पद्धति मॉडल टीमों को एक ठोस गेट देती है: सिमुलेट करें, तुलना करें, जोखिम का निरीक्षण करें, फिर तय करें। ...

[ALLOY]: OpenAI और Molecule.one ने परिणाम प्रकाशित किए जो GPT-5.4 के इर्दगिर्द बनाए गए एक निकट-स्वायत्त AI रसायनज्ञ को दर्शाते हैं। इस प्रणाली ने भाषा-मॉडल अनुमान को Molecule.one के संश्लेषण नियोजन और अभिक्रिया पूर्वानुमान स्टैक के साथ जोड़कर एक चुनौतीपूर्ण औषधीय रसायन विज्ञान अभिक्रिया में सुधार किया। बात GPT-5.4 को मुक्त-सहयोगी रसायन विज्ञान करने की नहीं थी। यह मॉडल को एक सीमित वैज्ञानिक लूप के अंदर एक नियंत्रक के रूप में संचालित करने के लिए था।

NOVA: प्रत्येक पुनरावृत्ति एक व्यावहारिक एजेंट पैटर्न का अनुसरण करती है: उम्मीदवार अभिक्रिया स्थितियों का प्रस्ताव करें, उन्हें बाहरी रसायन विज्ञान टूलिंग के माध्यम से स्कोर करें, संरचित परिणाम को मॉडल को वापस दें, और मॉडल को अगला उम्मीदवार चुनने दें। यह GPT-5.4 को एक सिमुलेटर और नियोजन प्रणाली पर एक पॉलिसी लेयर में बदल देता है। रसायन विज्ञान टूल्स मूल्यांकक प्रदान करते हैं; मॉडल दौरों में खोज, प्राथमिकता और अनुकूलन का प्रबंधन करता है।

[ALLOY]: यही कारण है कि यह कार्य रसायन विज्ञान से परे मायने रखता है। कई डोमेन में पहले से ही नियतात्मक सिमुलेटर, स्कोरिंग फ़ंक्शन, ऑप्टिमाइज़र या विश्वसनीय कैलकुलेटर हैं। एक भाषा मॉडल तब अधिक उपयोगी बनता है जब वह उन टूल्स को नियंत्रित कर सकता है उनकी जगह लेने का दिखावा करने के बजाय। आर्किटेक्चर का आकार परीक्षण आउटपुट का उपयोग करने वाले कोडिंग एजेंट्स, मूल्य निर्धारण इंजनों का उपयोग करने वाले नियोजन एजेंट्स, या परिनियोजन मेट्रिक्स का उपयोग करने वाले संचालन एजेंट्स के समान है। मूल्य एक लूप में है जहां प्रत्येक मॉडल प्रस्ताव एक डोमेन सिस्टम द्वारा निर्णाया जाता है जो मॉडल से अधिक जानता है।

NOVA: खुला प्रश्न सामान्यीकरण है। एक उन्नत अभिक्रिया सार्वभौमिक AI रसायनज्ञ को साबित नहीं करती, और वास्तविक वेट-लैब परिनियोजन के लिए अभी भी मानवीय गेट, सुरक्षा बाधाएं और प्रजननीयता जांच की आवश्यकता है। लेकिन डोमेन-विशिष्ट मूल्यांककों से जुड़े GPT-5.4-वर्ग तर्क कम मैनुअल पर्यवेक्षण के साथ तकनीकी स्थान की खोज कर सकते हैं। यह स्वायत्त विज्ञान का व्यावहारिक मार्ग है। ...

[ALLOY]: Z.ai ने 16 जून को MIT लाइसेंस के तहत GLM-5.2 खुले वेट जारी किए, जिसमें उपयोग-क्षेत्र प्रतिबंध नहीं, टेलीमेट्री नहीं और आउटपुट क्लॉज़ नहीं है। यह मॉडल 744 से 753 बिलियन पैरामीटर का मिश्रित विशेषज्ञ है जिसमें प्रति टोकन लगभग 40 बिलियन सक्रिय पैरामीटर और दस लाख टोकन का संदर्भ विंडो है, जो DeepSeek Sparse Attention पर आधारित है।

NOVA: हेडलाइन नंबर HF ब्लॉग, FriendliAI, और Artificial Analysis से आए हैं। AIME 2026 पर, GLM-5.2 ने 99.2 हिट किया, Claude Opus 4.8 के 98.2, GPT-5.5 के 97, DeepSeek V4 Pro के 95.7, और Gemini 3.1 Pro के 94.6 से आगे। SWE-bench Pro पर, GLM-5.2 का स्कोर 62.1 है जबकि Opus 4.8 का 69.2 और GPT-5.5 का 58.6 है। Terminal-Bench 2.1 पर, 81.0 बनाम Opus 4.8 के 85। सबसे ठोस रियल-वर्ल्ड सिग्नल GDPval-AA v2 है, एक एजेंटिक नॉलेज-वर्क इवैल: GLM-5.2 का स्कोर 1524 है, GPT-5.5 के 1514 और MiniMax-M3 के 1418 को मात देता है। Artificial Analysis ने AA Intelligence Index v4.1 को 51 पर रखा है, जो सभी ओपन वेट्स में सबसे आगे है।

[ALLOY]: यह इंडिपेंडेंट कोडिंग लीडरबोर्ड में भी टॉप के करीब है। FrontierSWE इसे ओवरऑल तीसरे नंबर पर रखता है, Fable 5 और Opus 4.8 के बाद और GPT-5.5 से आगे। Code Arena WebDev इसे ओवरऑल नंबर दो पर रैंक करता है, केवल Fable 5 के बाद और Opus 4.7 thinking से आगे। Simon Willison ने इसे अपने pelican SVG टेस्ट पर चलाया और इसे अब तक का सबसे अच्छा pelican बताया: पूरी तरह एनिमेटेड, काम करने वाले पहिये।

NOVA: ट्रेड-ऑफ टोकन एफिशिएंसी है। GLM-5.2 प्रति Intelligence Index टास्क लगभग 43,000 आउटपुट टोकन का उपयोग करता है, जो MiniMax-M3 के 24,000 से लगभग दोगुना है। प्रति टास्क की लागत लगभग छियालीस सेंट है, इस इंटेलिजेंस लेवल पर सबसे कम। बिल्डर्स के लिए व्यावहारिक जवाब है: इसे वहां चलाएं जहां वर्कलोड कंप्यूट कीमत को जायज ठहराए, फ्रंटियर-क्लास कोडिंग और एजेंट बिहेवियर की उम्मीद करें। Day-zero सर्विंग पहले से ही vLLM, SGLang, Cloudflare Workers AI, OpenRouter, Ollama Cloud, Baseten, DeepInfra, और Fireworks में लाइव है। ...

[ALLOY]: Radical AI के Joseph Krause तर्क दे रहे हैं कि मैटेरियल्स साइंस में, मॉइट मॉडल नहीं है। डिफेंसिबल लेयर इसके आसपास की सेल्फ-ड्राइविंग लैब है: रोबोटिक सिंथेसिस, कैरेक्टराइज़ेशन इंस्ट्रूमेंट्स, एक्सपेरिमेंट ऑर्केस्ट्रेशन, डेटा नॉर्मलाइज़ेशन, और एक क्लोज़्ड लूप जो हाइपोथीसिस को बिना किसी इंसान के मैन्युअली हर स्टेप ऑपरेट किए मापे गए आउटकम में बदल देता है।

NOVA: लूप सीधा है और बनाना मुश्किल है। एक प्लानर कैंडिडेट मैटेरियल या सिंथेसिस कंडीशन प्रपोज करता है। रोबोटिक हार्डवेयर एक्सपेरिमेंट चलाता है। इंस्ट्रूमेंट्स डिफ्रैक्शन, स्पेक्ट्रोस्कोपी, या इलेक्ट्रोकेमिस्ट्री जैसी तकनीकों के माध्यम से परिणाम मापते हैं। आउटपुट को फीचर्स में बदला जाता है, प्लानिंग लेयर में वापस फीड किया जाता है, और अगला एक्सपेरिमेंट चुनने के लिए उपयोग किया जाता है। मॉडल एक कंपोनेंट है, लेकिन बॉटलनेक फिजिकल थ्रूपुट और मेज़रमेंट क्वालिटी है।

[ALLOY]: यह वर्टिकल AI को रीफ्रेम करता है। अगर बेस मॉडल इंटरचेंजेबल बन जाता है, तो डिफेंसिबिलिटी उस ऑपरेशनल लूप को ओन करने से आती है जो बेहतर डेटा प्रोड्यूस करता है। मैटेरियल्स साइंस में इसका मतलब है कैलिब्रेटेड इंस्ट्रूमेंट्स, भरोसेमंद रोबोटिक्स, क्लीन मेज़रमेंट पाइपलाइन्स, सेफ अटेंडेड ऑपरेशन, पर्याप्त एक्सपेरिमेंट वॉल्यूम जो फ्लाईव्हील बनाए। हज़ारों हाई-क्वालिटी एक्सपेरिमेंट्स चलाने वाली लैब बेहतर मॉडल से कॉपी करना बहुत मुश्किल है।

NOVA: वही पाठ साइंस के बाहर भी लागू होता है। लॉजिस्टिक्स, हेल्थकेयर, मैन्युफैक्चरिंग, फाइनेंस, और एनर्जी में, मॉइट अक्सर वर्कफ्लो इंटीग्रेशन और प्रोप्रायटरी फीडबैक सिग्नल में होता है, प्रॉम्प्ट रैपर में नहीं। Radical का तर्क मॉडल चेज़िंग से दूर और ट्रुथ जेनरेट करने वाले सिस्टम को ओन करने की तरफ रोडमैप ले जाता है। ...

[ALLOY]: GLM-5.2 का परफॉर्मेंस स्टोरी IndexShare पर भी निर्भर करता है, एक स्पेक्युलेटिव डिकोडिंग तकनीक जो Z.ai ने मॉडल के साथ शिप की। स्टैंडर्ड स्पेक्युलेटिव डिकोडिंग में, एक ड्राफ्ट मॉडल टोकन प्रपोज करता है और टारगेट मॉडल उन्हें वेरिफाई करता है। IndexShare ड्राफ्ट और वेरिफायर को DeepSeek Sparse Attention पाथ में एक इंडेक्स स्ट्रक्चर शेयर करने देता है, ताकि टारगेट उन्हें दोबारा कंप्यूट करने के बजाय ड्राफ्ट-साइड रूटिंग हिंट्स रीयूज़ कर सके।

NOVA: Z.ai और Hugging Face ब्लॉग के एब्लेशन टेबल के नंबर ठोस हैं। GLM-5.1 बैकबोन पर बेसलाइन एसेंटेंस लेंथ 4.56 टोकन है। IndexShare प्लस KV शेयर जोड़ने पर 5.10 हो जाता है। रिजेक्शन सैम्पलिंग और एंड-टू-एंड TV लॉस के साथ, एसेंटेंस लेंथ 5.47 पर आती है, बीस प्रतिशत का सुधार। Z.ai एक मिलियन-टोकन कॉन्टेक्स्ट लेंथ पर पर-टोकन इंडेक्सर FLOPs में 2.9x की कमी का भी दावा करता है।

[ALLOY]: इंटरैक्टिव कोडिंग एजेंट के लिए, वह बीस प्रतिशत एसेंटेंस-लेंथ सुधार एजेंट के रिस्पॉन्सिव महसूस करने और एजेंट के धीमा महसूस करने के बीच का अंतर है जब वह मल्टी-फाइल डिफ स्ट्रीम कर रहा हो। लो-लेटेंसी वर्कलोड के लिए SGLang रनटाइम रिकमेंडेशन स्पेक्युलेटिव-एल्गोरिथम EAGLE है, पांच स्टेप्स, छह ड्राफ्ट टोकन।

NOVA: पकड़ यह है: Z.ai ने लॉन्च पर आधिकारिक बेंचमार्क नंबर पब्लिश नहीं किए। ऊपर के नंबर हगिंग फेस ब्लॉग और फ्रेंडलीएआई डैशबोर्ड पर एक दिन बाद आए। लेटेंट स्पेस, साइमन विलिसन, और एजेंट-अरेना मेंटेनर्स से शुरुआती स्वतंत्र प्रतिक्रिया सकारात्मक है, लेकिन मॉडल अभी अड़तालीस घंटे से कम पब्लिक है, इसलिए लॉन्ग-हॉरिज़न एजेंट रिलायबिलिटी डेटा अभी पतला है। असली टेस्ट यह है कि GLM-5.2 एक असली रिपॉजिटरी के खिलाफ मल्टी-फाइल रिफैक्टर सेशन में कितना टिकता है। ...

[ALLOY]: NEA पार्टनर टिफनी लक कहते हैं कि एंटरप्राइज एक साल के आक्रामक अपनाने के बाद अभी भी AI रिटर्न ऑन इन्वेस्टमेंट समझ रहे हैं। "टोकनमैक्सिंग" फेज — जहां एग्जीक्यूटिव्ज़ ने एम्प्लॉईज़ को जितना हो सके उतना AI इस्तेमाल करने के लिए धकेला — अब फाइनेंस की जांच में बदल रहा है। चर्चा के बारे में रिपोर्टिंग में कंपनियों के उदाहरण शामिल थे जो सालाना AI बजट जल्दी खत्म कर रही थीं और जब बिल बहुत दिखाई देने लगा तो Claude लाइसेंस काट रही थीं।

NOVA: मैकेनिज़्म सीधा है: अनमीटर्ड एन्यूज़मेंट अनकंट्रोल्ड इन्फरेंस स्पेंड में बदल जाता है। हर प्रॉम्प्ट इनपुट टोकन, आउटपुट टोकन, सीट कॉस्ट, या दोनों जलाता है। एक बार यूज़ इंजीनियरिंग, सपोर्ट, सेल्स, ऑपरेशंस, और इंटरनल प्रोडक्टिविटी टूल्स में स्केल हो जाता है, AI स्पेंड क्लाउड कंप्यूट जैसा दिखने लगता है। फाइनेंस टीम्स तब वही सवाल पूछती हैं जो वे इन्फ्रास्ट्रक्चर के बारे में पूछती हैं: किस टीम ने इसका इस्तेमाल किया, किस फीचर ने इसे बढ़ाया, क्या आउटपुट में सुधार हुआ, महंगा रास्ता क्यों जरूरी था।

[ALLOY]: स्टैक का जवाब है टायरिंग। एक फ्लैगशिप मॉडल हाई-जजमेंट वर्क संभालता है। छोटे मॉडल रूटीन सारांशीकरण, क्लासिफिकेशन, एक्सट्रैक्शन, और ड्राफ्टिंग लेते हैं। रूटिंग लॉजिक तय करता है कब एस्केलेट करना है। यूज़ टेलीमेट्री कॉस्ट को टीम्स और प्रोडक्ट सरफेस से मैप करता है। प्रोक्योरमेंट सीट्स, कैप्स, और रेट लिमिट्स की समीक्षा करता है। यही वो दिशा है जहां एंटरप्राइज AI जा रहा है।

NOVA: बिल्डर्स के लिए, यह डिफॉल्ट असम्पशन बदल देता है। एक फीचर जो फ्रंटियर मॉडल के साथ काम करता है फिर भी बजट रिव्यू फेल हो सकता है अगर छोटा मॉडल काफी करीब पहुंच जाए। GLM-5.2 जैसे ओपन-वेट सिस्टम प्लैटफॉर्म टीम्स को कुछ टेक्स्ट वर्कलोड के लिए सेल्फ-होस्टेड ऑप्शन देकर और दबाव बढ़ा रहे हैं। जीतने वाला आर्किटेक्चर "सबसे बड़ा मॉडल इस्तेमाल करो" नहीं है। यह "सबसे छोटा मॉडल रूट करो जो सुरक्षित रूप से काम कर सके" है। ...

[ALLOY]: मॉडल डिस्कवरी पर एक क्विक बीट। गूगल का Nano Banana 2 और Nano Banana Pro दोनों इस साइकल में OpenRouter पर लैंड हुए; दोनों ऊपर की स्लेट में कवर किए गए हैं। Cohere का North Mini Code फ्री भी न्यूली लिस्टेड था, लेकिन ब्रॉडकास्ट के लिए सेलेक्ट नहीं किया गया क्योंकि यह पिछले ब्रॉडकास्ट में मेंशन North फैमिली का एक छोटा मेंबर है, एक मेजर स्टैंडअलोन ड्रॉप नहीं। बिल्डर्स के लिए जानना बढ़त है कि Cohere का पहला एजेंटिक कोडिंग मॉडल जिसकी 256,000 टोकन कॉन्टेक्स्ट है, शून्य कॉस्ट पर मौजूद है।

NOVA: लोकल LLM स्पॉटलाइट GLM 5.2 पर है। यह जानना जरूरी है कि अपने हार्डवेयर पर इसे कैसे रन करें अगर आपको प्रॉम्प्ट्स, टूल ट्रेस, और सोर्स कोड तीसरे पक्ष के सर्वर से दूर रखना है। Z.ai ने MIT के तहत बिना फील्ड-ऑफ-यूज़ रिस्ट्रिक्शन, बिना टेलीमेट्री, और बिना आउटपुट क्लॉज के वेट्स रिलीज़ किए, और सेल्फ-होस्ट करने का हेडलाइन रीज़न वन-मिलियन-टोकन कॉन्टेक्स्ट विंडो है।

[ALLOY]: प्रैक्टिकल सेल्फ-होस्ट पाथ सीधा है। GLM 5.2 को vLLM के साथ OpenAI-कम्पैटिबल एंडपॉइंट के पीछे खड़ा करें, एक OpenClaw-स्टाइल हार्नेस को उस पर पॉइंट करें, और एक छोटे लोकल रिपॉ पर मल्टी-फाइल रिफैक्टर रन करें यह देखने के लिए कि लॉन्ग कॉन्टेक्स्ट एक एक्सटेंडेड एजेंट लूप में कितना अच्छा रहता है। BF16 को लगभग 1.51 टेराबाइट VRAM की जरूरत है; FP8 आठ H200s पर हेडरूम के साथ फिट होता है। अधिकांश टीमों के लिए रियलिस्टिक पाथ Cloudflare Workers AI, Baseten, DeepInfra, Fireworks, या Ollama Cloud के जरिए क्लाउड-होस्टेड FP8 डिप्लॉयमेंट है, जिसमें फुल सेल्फ-होस्ट एयर-गैप्ड या रेगुलेटेड एनवायरनमेंट्स के लिए रिज़र्व्ड है।

NOVA: इस साइकल में रडार पर तीन रिपॉजिटरीज़, हर एक का एक कंक्रीट इंटीग्रेशन एंगल है। ...

[ALLOY]: PrefectHQ FastMCP Model Context Protocol सर्वर और क्लाइंट बनाने के लिए एक Pythonic फ्रेमवर्क है। यह टाइप हिंट्स से स्कीमा, वैलिडेशन और डॉक्यूमेंटेशन ऑटो-जेनरेट करता है, OAuth 2.0 auth-code फ्लो के साथ आता है, OpenAPI-to-MCP प्रॉक्सी एक्सपोज करता है, सर्वर कंपोजिशन सपोर्ट करता है, और फास्ट एमसीपी क्लाउड पर वाइल्डकार्ड fastmcp.app होस्ट पर चलता है। पच्चीस हज़ार सात सौ स्टार्स, दो सौ छियालीस कंट्रीब्यूटर्स, और मेंटेनर्स का दावा है कि सभी भाषाओं में लगभग सत्तर प्रतिशत MCP सर्वर इसके किसी वर्शन पर चलते हैं। नवीनतम टैग 6 जून को v3.4.2 है।

NOVA: एक इंटरनल फंक्शन को टूल की तरह रैप करें, इसे FastMCP सर्वर पर माउंट करें, और Codex-स्टाइल एजेंट सेशन से कनेक्ट करके राउंड ट्रिप के एंड-टू-एंड काम करने की पुष्टि करें। FastMCP हाथ से बने टूल ट्रांसपोर्ट को एक सिंगल MCP लेयर से बदल देता है जिसे LLM क्लाइंट पहले से बोलता है। ...

[ALLOY]: Microsoft MCP-for-Beginners ग्यारह पाठों वाला एक क्रॉस-लैंग्वेज पाठ्यक्रम है जो 25 नवंबर 2025 की MCP स्पेक के साथ अलाइन है। हर पाठ में C-sharp, Java, TypeScript, JavaScript, Rust और Python में कार्यशील उदाहरण हैं। सबसे अच्छा कंटेंट इंट्रो चैप्टर्स में नहीं है। सिक्योर, स्केलेबल, मल्टी-मॉडल AI एजेंट्स पर छठा पाठ स्केलिंग पैटर्न और सिक्योरिटी मॉडल्स को कवर करता है जो अनुभवी बिल्डर को पहले से नहीं पता होगा, और आठवां पाठ उन टीमों के अर्ली-एडॉप्टर केस स्टडीज़ हैं जिन्होंने बड़े पैमाने पर MCP शिप किया।

NOVA: उस चैप्टर को खोलें जो आपके स्टैक की प्राइमरी भाषा से मेल खाता है, उसके सैंपल सर्वर को लोकली रीबिल्ड करें, फिर इसे अपनी सर्विस से जुड़े एक कस्टम टूल से एक्सटेंड करें। यह मिक्स्ड-लैंग्वेज टीम में शेयर्ड MCP वोकैबुलरी का सबसे छोटा रास्ता है। ...

[ALLOY]: Unity MCP एक असली Unity Editor पैकेज है जिसमें एक companion Python सर्वर है जो stdio को Unity से जोड़ता है। Package Manager से git URL और MCPForUnity पाथ के साथ इंस्टॉल करें। नवीनतम रिलीज़ 22 मई की v9.7.0 है जो Unity 6, 2022.3 LTS और 2023.x को सपोर्ट करती है।

NOVA: एजेंट क्षमताएं ठोस हैं: एसेट CRUD, सीन एडिटिंग, राइट से पहले Roslyn-आधारित कंपाइल वैलिडेशन के साथ स्क्रिप्ट एडिटिंग, कंसोल लॉग एक्सेस, और कई Unity एडिटर्स में मल्टी-इंस्टेंस राउटिंग। ब्रिज को एक स्क्रैच सीन से अटैच करें और एजेंट से एक प्रिमिटिव क्रिएट करवाएं, मैटेरियल अटैच करवाएं, और एक साथ सेव करवाएं। यह गेम-लूप इटरेशन को टूल कॉल्स के एक सीक्वेंस में बदल देता है जिसे डिफ और रीप्ले करना आसान है। ...

NOVA: तीन एक्सट्रा हैं जो जानने लायक हैं। ...

[ALLOY]: Odyssey ने 17 जून को announced Series B में 1.45 अरब डॉलर वैल्यूएशन पर 310 मिलियन डॉलर जुटाए। लीड इन्वेस्टर Natural Capital है, जिसके जनरल पार्टनर Jay Zaveri ने इसे फर्म का अब तक का सबसे बड़ा निवेश बताया। Amazon ने हिस्सा लिया; AWS Odyssey का प्रेफर्ड क्लाउड प्रोवाइडर बन गया और Odyssey Amazon के Annapurna Labs के साथ AWS Trainium चिप्स पर वर्ल्ड मॉडल्स ऑप्टिमाइज करने के लिए सहयोग कर रहा है।

NOVA: थीसिस सीखे हुए वीडियो वर्ल्ड मॉडल्स हैं जिन्हें अगले फ्रेम की पिक्सेल स्टेट प्रिडिक्ट करने के लिए ट्रेंड किया गया है, जिसका उपयोग प्लानिंग सब्सट्रेट की तरह किया जाता है जिसमें एजेंट रियल एक्शन से पहले रोल आउट और सर्च कर सकते हैं। वर्ल्ड मॉडल्स को LLMs से परे अगली लेयर के तौर पर पोजिशन किया गया है, और Odyssey अब उस दिशा पर बेटिंग करने वाला सबसे कैपिटलाइज्ड स्टार्टअप है। ...

[ALLOY]: Google ने 16 जून को Android 17 और Wear OS 7 जारी किए, जिसमें नई मल्टीटास्किंग सुविधाएँ, पैरेंटल कंट्रोल, सुरक्षा उपकरण और Pixel Drop शामिल हैं जो Google की नवीनतम AI मॉडल को उसके डिवाइसों पर लाता है। दिलचस्प एकीकरण विवरण ताज़ा split‑stage activity embedding API है, जो Gemini को split‑screen में पिन किए गए दोनों ऐप्स में संदर्भ साझा करने और सुझाव दिखाने देता है।

NOVA: बिल्डर्स के लिए यह मायने रखता है क्योंकि Android 17 क्रॉस‑ऐप Gemini सहायता के लिए डेवलपर सतह खोलता है। जो ऐप्स split‑screen embedding लेयर में भाग लेते हैं वे रियल‑टाइम में Gemini सुझावों द्वारा टारगेट किए जा सकते हैं, जो Android पर AI‑अवेयर वर्कफ़्लो के लिए एक नया वितरण चैनल है। ...

[ALLOY]: मिडजर्नी ने 18 जून को Midjourney Medical की घोषणा की: एक पूर्ण-शरीर, पानी-टैंक, रिंग‑आकार का अल्ट्रासोनिक CT स्कैनर जो विकिरण या चुंबकों के बजाय ध्वनि तरंगों का उपयोग करता है। उपयोगकर्ता एक उथले पूल में कदम रखता है और रेलों पर हज़ारों अल्ट्रासोनिक ट्रांसड्यूसर से गुजरता है। दावा किया गया स्कैन समय लगभग साठ सेकंड है, रिज़ॉल्यूशन एक मिलीमीटर के अंश तक पहुँचती है। पहला तैनाती San Francisco में एक वेलनेस स्पा में है, न कि निदान उपकरण। Butterfly Network ट्रांसड्यूसर तकनीक के लिए पार्टनर है।

NOVA: फ्रेमिंग पर एक सही सुधार: Midjourney ने Bloomberg को बताया कि वे अभी AI का उपयोग नहीं कर रहे, केवल हार्डवेयर और पुनर्निर्माण सॉफ़्टवेयर। diffusion‑prior‑as‑latent‑encoder नहीं है। कोई नैदानिक मान्यता नहीं, कोई FDA क्लियरेंस नहीं, और CEO David Holz ने लागत बताने से इनकार किया। रोडमैप 2027 तक San Francisco में दस स्कैनर और 2031 तक दुनिया भर में पचास हज़ार का लक्ष्य है। ...

[ALLOY]: OpenClaw 6.8 मॉडल विकल्पों को बढ़ाता है जबकि उन पथों को कसता है जो आमतौर पर शांत घटनाओं का कारण बनते हैं: auth, provider IDs, tool schemas, channel rendering और gateway reconnection। Codex .141 और Claude Code 2.1 एक ही बिल्डर वास्तविकता में हैं, जहाँ टर्मिनल‑आधारित एजेंट कार्य इसके पीछे साफ़ runtime सतहों पर निर्भर करता है। Google का Nano Banana जोड़ी छवि एकीकरण को छवि सिद्धांत से अधिक बदलता है: Nano Banana 2 एक विशाल संदर्भ विंडो के साथ तेज़ OpenRouter मार्ग है, Nano Banana Pro उच्च‑क्षमता Gemini 3 Pro छवि मार्ग है।

NOVA: OpenAI की विज्ञान रिलीज़ दो दिशाओं में जाती हैं। LifeSciBench जीवन‑विज्ञान AI को एक अधिक यथार्थ मूल्यांकन सतह देती है, और Deployment Simulation मॉडल टीमों को लॉन्च से पहले व्यवहार पूर्वानुमान करने का तरीका देती है। GLM‑5.2 ओपन‑मॉडल दबाव बिंदु है: MIT लाइसेंसिंग, स्पार्स सक्रियण और IndexShare सभी सस्ते लंबे‑पाठ, कोडिंग और एजेंट वर्कफ़्लो की ओर धकेलते हैं, बशर्ते स्वतंत्र परिणाम बने रहें।

[ALLOY]: टूलिंग की बात करें तो, FastMCP आंतरिक कार्यों को एजेंट टूल में लपेटने का सबसे छोटा रास्ता है, MCP‑for‑Beginners पाठ्यक्रम मिश्रित‑भाषा टीमों के लिए सबसे अच्छा साझा शब्दावली है, और Unity MCP गेम‑लूप पुनरावृत्ति को diffable बनाता है। एंटरप्राइज़ ROI कहानी इस सबके इर्दगिर्द की बाधा है। जीतने वाला स्टैक बिना हर अनुरोध को खाली चेक माने बिना मॉडल उपयोग को बना, कॉन्फ़िगर, डिप्लॉय और माप सकता है।

NOVA: इन कहानियों के पीछे के लिंक और रिलीज़ विवरण के लिए Toby On Fitness Tech dot com पर शो नोट्स देखें। AgentStack Daily सुनने के लिए धन्यवाद। हम जल्द ही वापस आएंगे।

⬇ Download Transcript

🎙 Never miss an episode — subscribe now

Spotify Apple iHeart YouTube Music Amazon RSS