Claude Code 2.1.195, Tencent Hy3, Nex-N2-Mini, GLM 5.2, और Anthropic's वैश्विक कार्यस्थान शोधपत्र

एपिसोड 082 — 7 जुलाई, 2026

[00:00] एपिसोड हुक

इस सप्ताह Anthropic के anthropics रिपॉजिटरी में GitHub issue #74066 ने Hacker News पर 300 अंक पार कर लिए, जिसमें Claude Code वर्कस्पेस इंस्टेंस के बीच संदिग्ध सेशन और कैश लीक पाथ का विवरण दिया गया — और यह थ्रेड उसी दिन आया जब Claude Code CLI 2.1.195 26 जून को शिप हुआ। Tencent ने Hy3 को OpenRouter पर रूट किया, जिसमें 192 एक्सपर्ट्स में top-8 रूटिंग का उपयोग करते हुए 21 बिलियन सक्रिय पैरामीटर के साथ 295B-पैरामीटर मिक्सचर-ऑफ-एक्सपर्ट्स डिज़ाइन, 262K-टोकन कॉन्टेक्स्ट, और कॉन्फ़िगर करने योग्य रीज़निंग प्रयास का खुलासा किया। Nex AGI ने Nex-N2-Mini के साथ अपने Nex-N2 लाइन में एक ओपन-वेट्स सिबलिंग के रूप में अनुसरण किया, जो OpenRouter पर समान 262K-टोकन विंडो के साथ भी सामने आया। इस बीच, Anthropic ने 'A global workspace in language models' शीर्षक से एक शोध पेपर प्रकाशित किया, जो व्याख्येयता के लिए Global Workspace Theory को लागू करता है — यह प्रस्तावित करता है कि ट्रांसफॉर्मर विशुद्ध रूप से स्थानीय attention के बजाय एक साझा broadcast लेयर के माध्यम से जानकारी का समन्वय करते हैं। और Martin Alderson का जुलाई 2026 का लेख 'The Upcoming AI Margin Collapse, Part 1: GLM 5.2' Zhipu के GLM 5.2 रिलीज के बारे में मूल्य निर्धारण तर्क प्रस्तुत करता है: फ्रंटियर क्षमता जो कमोडिटी लागत की ओर गिर रही है।

[02:00] Agent Stack Release Readout: Claude Code CLI 2.1.195

Claude Code CLI 2.1.195 26 जून को Anthropic के टर्मिनल-आधारित कोडिंग एजेंट के एक नए स्थिर बिल्ड के रूप में प्रकाशित हुआ। रिलीज कोई प्रकाशित चेंजलॉग बॉडी के बिना आया, जो 2.1.x मेंटेनेंस कैडेंस के अनुरूप है — छोटे, शांत पैच जो CLI को अपस्ट्रीम Claude मॉडल परिवर्तनों, प्लेटफॉर्म अपडेट और डिपेंडेंसी रिफ्रेश के साथ संरेखित रखते हैं। बिल्डर्स के लिए, ऑपरेशनल अर्थ सीधा है: डिस्क पर एजेंट अब नवीनतम परीक्षित कॉन्फ़िगरेशन से मेल खाता है, 2.1.x पर पिन की गई वातावरण व्यवहार आश्चर्य के बिना आगे बढ़ सकती हैं, और CLI का उपयोग करने वाले CI पाइपलाइन एक सुसंगत बिल्ड प्राप्त करते हैं जिसे वे लॉक इन कर सकते हैं। दो ठोस तंत्र जो इस CLI को दैनिक कार्य में उपयोगी बनाते हैं। पहला, Model Context Protocol एकीकरण: बाहरी MCP सर्वर टूल, फाइलें और संसाधन उजागर करते हैं जिन्हें एजेंट बिल्ट-इन फाइल एडिटर और bash रनर के समान टूल-यूज़ लूप के माध्यम से मध्य-सत्र में कॉल करता है। एक चल रहा Claude Code इंस्टेंस एक Postgres स्कीमा पढ़ सकता है, Jira क्वेरी कर सकता है, या stdio या HTTP MCP सर्वर स्पॉन करके एक कस्टम इंटरनल API को हिट कर सकता है, जिसमें एजेंट डिस्कवरी और इनवोकेशन को संभालता है। दूसरा, प्रोजेक्ट रूट पर CLAUDE.md कॉन्टेक्स्ट फाइल, जिसे CLI स्टार्टअप पर पढ़ता है ताकि repo-विशिष्ट निर्देशों, कोडिंग कन्वेंशन और गार्डरेल को सिस्टम प्रॉम्प्ट में लोड किया जा सके। टीमें इसका उपयोग 'माइग्रेशन डायरेक्टरी को कभी संपादित न करें' या 'कमिट सुझाव देने से पहले हमेशा pnpm test चलाएं' जैसे नियमों को एनकोड करने के लिए करती हैं, और एजेंट repo में हर सत्र में उन नियमों का सम्मान करता है। एक साथ, ये दोनों तंत्र CLI को एक चैट रैपर से एक प्रोजेक्ट-जागरूक एजेंट में बदल देते हैं जो आपकी टीम के कोडिंग मानकों का सम्मान करता है और MCP के माध्यम से लाइव सिस्टम तक पहुंच सकता है। : 2.1 लाइन पर नवीनतम स्थिर संस्करण आपको एक सुसंगत एजेंट सतह देता है — फाइल एडिट, bash, सर्च, MCP और CLAUDE.md व्यवहार — बिना मेजर-वर्जन माइग्रेशन के जोखिम के। शांत रिलीज एक संकेत है कि टीम आंतरिक क्षमताओं पर पुनरावृति कर रही है, न कि हार्नेस में ब्रेकिंग परिवर्तन पेश कर रही है। अगला देखें: 2.1 ब्रांच पर अगला नॉन-पैच बम्प, और 2.2 चक्र की ओर कोई भी गति जो संभवतः नए टूल-यूज़ प्रिमिटिव्स या विस्तारित सबएजेंट क्षमताओं को लाएगी। Anthropic अपनी कंज्यूमर सतहों में एजेंटिक फीचर्स शिप कर रहा है, और CLI आमतौर पर उनसे एक या दो रिलीज पीछे रहती है।

[03:39] Tencent's Hy3 OpenRouter पर लैंड: कॉन्फ़िगर करने योग्य रीज़निंग प्रयास के साथ 295B MoE

Tencent का Hy3 रीज़निंग मॉडल अब OpenRouter पर सूचीबद्ध है, और हेडलाइन नंबर दूसरी नज़र заслуживает। यह एक 295-बिलियन-पैरामीटर मिक्सचर-ऑफ-एक्सपर्ट्स आर्किटेक्चर है, लेकिन प्रति टोकन केवल 21 बिलियन पैरामीटर सक्रिय हैं। मॉडल 192 एक्सपर्ट्स के साथ top-8 रूटिंग का उपयोग करता है, इसलिए प्रत्येक फॉरवर्ड पास कुल वेट का लगभग चार प्रतिशत सक्रिय करता है। यह वही स्पार्स-एक्टिवेशन पैटर्न है जिसने MoE डिप्लॉयमेंट को बहुत छोटे घने मॉडलों के साथ लागत-प्रतिस्पर्धी बनाया है, और यह Hy3 को Mixtral और DeepSeek-V3-स्टाइल डिप्लॉयमेंट के समान आर्किटेक्चरल परिवार में रखता है।

बिल्डर्स के लिए दो तंत्र मायने रखते हैं। पहला, Hy3 एक कॉन्फ़िगर करने योग्य रीज़निंग प्रयास पैरामीटर उजागर करता है, Anthropic के Claude पर जिस तरह से प्रयास नियंत्रण शिप किए थे। कॉलर प्रति अनुरोध chain-of-thought गहराई को ऊपर या नीचे कर सकते हैं, जवाब की गुणवत्ता के बदले विलंबता और टोकन खर्च का व्यापार करते हुए। एजेंट लूप के लिए जो सरल टूल कॉल और कठिन रीज़निंग कार्यों को एक ही मॉडल के माध्यम से रूट करते हैं, वह नॉब आपको तुच्छ लुकअप के लिए अधिक भुगतान करने से रोकता है। दूसरा, कॉन्टेक्स्ट विंडो 262,144 टोकन पर है, लंबे एजेंट ट्रेस, मल्टी-फाइल रिपॉजिटरी डंप, या संचित बातचीत इतिहास को रखने के लिए पर्याप्त बड़ी है, बिना हर कॉल के सामने एक बाहरी रिट्रीवल शिम के बिना।

बिल्डर्स के लिए निहितार्थ रूटिंग मैट्रिक्स में एक नया तीसरा-स्तर फॉलबैक है। 21-बिलियन-सक्रिय फुटप्रिंट प्रति टोकन लागत को एक घने मध्य-आकार के मॉडल के एक ही पड़ोस में रखता है, जो तब मायने रखता है जब आपका ऑर्केस्ट्रेटर विषम बैकएंड में सब-टास्क फैन आउट करता है और आपको प्रति टास्क अनुमानित खर्च की आवश्यकता होती है। यदि आप पहले से ही एक रीज़निंग प्रोवाइडर पर एजेंट वर्कलोड पिन कर रहे हैं, तो Hy3 एक A/B लक्ष्य उम्मीदवार है, ड्रॉप-इन प्रतिस्थापन नहीं।

आगे क्या देखना है: टूल-यूज़ विश्वसनीयता और उच्च रीज़निंग-प्रयास सेटिंग्स के तहत विलंबता पर वास्तविक-विश्व बेंचमार्क। आर्किटेक्चर कागज पर प्रतिस्पर्धी दिखता है, लेकिन 192 एक्सपर्ट्स और top-8 एक्टिवेशन पर रूटिंग दक्षता ऐतिहासिक रूप से MoE सर्विंग स्टैक में डिप्लॉयमेंट-टाइम बॉटलनेक रही है।

[05:27] Nex AGI ने OpenRouter पर Open-Weight Nex-N2-Mini जारी किया

Nex AGI ने OpenRouter पर एक नया open-weights मॉडल जारी किया है: Nex-N2-Mini, जो अपनी Nex-N2 लाइन का छोटा साथी है, जिसकी लिस्टिंग openrouter.ai/models/nex-agi/nex-n2-mini पर है। मॉडल को शुरू से ही agentic के रूप में पозиिशन किया गया है — Nex इसे चैट के बजाय कोडिंग और टूल यूज़ के लिए फ्रेम करता है, जो बिल्डर वर्कफ्लो के लिए मायने रखता है।

अंदरूनी तौर पर, यह mixture-of-experts आर्किटेक्चर पर चलता है, और लिस्टिंग में 262,144-टोकन कॉन्टेक्स्ट विंडो का विज्ञापन है — लगभग 195,000 शब्दों की वर्किंग मेमोरी एक सिंगल सेशन में, जो एक पूरे मीडियम-साइज़्ड कोडबेस plus उसके doc corpus को एक प्रॉम्प्ट में समेटने के लिए काफी है। यह विंडो ज़्यादातर peer-tier open-weight MoE मॉडल्स से बड़ी है, जो आमतौर पर 32K से 128K की रेंज में होते हैं।

इनपुट टेक्स्ट और इमेज दोनों स्वीकार करते हैं, इसलिए एक वर्कफ्लो इसको एक UI स्क्रीनशॉट plus आसपास के component फाइल को दे सकता है और पहले स्क्रीनशॉट को टेक्स्ट में प्रीप्रोसेस किए बिना पोर्ट के लिए कह सकता है। चूंकि यह OpenRouter के ज़रिए सर्व किया जाता है, इंटीग्रेशन पाथ प्लेटफॉर्म के स्टैंडर्ड चैट कम्प्लीशंस इंटरफेस का पालन करता है — किसी भी मौजूदा एजेंट लूप में कुछ लाइनों का कॉन्फ़िग, कोई कस्टम क्लाइंट ज़रूरी नहीं, और बिलिंग आपके मौजूदा OpenRouter सेटअप के ज़रिए कंसोलिडेट होती है न कि किसी नए वेंडर रिलेशनशिप के ज़रिए।

बिल्डर्स के लिए जो वास्तविक repo में refactor या migration agents चला रहे हैं, यह एक credible open-weight विकल्प के रूप में उतरता है जिसमें लंबा कॉन्टेक्स्ट और नेटिव मल्टीमॉडल इनपुट है — वह कॉम्बिनेशन जो छोटे MoE टियर में गायब था। जिस बात पर नज़र रखनी चाहिए: Nex-N2-Mini वास्तविक एजेंट बेंचमार्क पर कैसा प्रदर्शन करता है जब कम्युनिटी इसे multi-turn tool-execution harnesses के ज़रिए चलाती है — open-weights agentic मॉडल टूल schemas और सिस्टम प्रॉम्प्ट टेम्पलेट्स के प्रति सेंसिटिव होते हैं, और MoE रूटिंग इन्फरेंस प्रोवाइडर्स में बिहेवियर शिफ्ट कर सकती है। अगर यह टिकता है, तो 262K कॉन्टेक्स्ट with image इनपुट लंबे समय तक चलने वाले कोडिंग agents के लिए इग्नोर करना मुश्किल होगा।

[07:16] GLM 5.2 और AI मार्जिन के ढहने का केस

Martin Alderson की July 2026 की पोस्ट, "The upcoming AI margin collapse, part 1: GLM 5.2," तर्क देती है कि frontier-tier क्षमता अब एक moat नहीं है — यह एक कमोडिटी इनपुट बनती जा रही है। इस पीस में Zhipu के GLM 5.2 रिलीज़ को एक व्यापक इकोनॉमिक्स तर्क के लिए केस स्टडी के रूप में इस्तेमाल किया गया है: जैसे-जैसे open-weight और low-cost frontier-competitive मॉडल्स प्रचुर मात्रा में आते हैं, वैसे-वैसे प्रति-टोकन इन्फरेंस मार्जिन जो वर्तमान बिल्ड साइकल को फंड करता है, शून्य की ओर सिकुड़ता है, और "frontier" और "near-frontier" प्राइसिंग के बीच का अंतर तेज़ी से गिरता है जब तकनीकी लागत घटती है।

यहां का ठोस मैकेनिज़म मॉडल कार्ड के बजाय cost-of-capability वक्र है। Alderson इस पोस्ट में GLM 5.2 को coding evals पर बेंचमार्क नहीं कर रहे हैं — वे तर्क दे रहे हैं कि जैसे ही एक open-weight या आक्रामक रूप से मूल्यवान closed मॉडल एक क्षमता सीमा पार कर लेता है — multi-step टूल यूज़, long-context retrieval, agentic planning — API डिमांड की प्राइस इलास्टिसिटी बदल जाती है और प्रोवाइडर अब मौजूदा-जेन रेवेन्यू से अगली-पीढ़ी के ट्रेनिंग को सब्सिडाइज़ नहीं कर सकते। उन्होंने इस डायनामिक को रिवर्स Jevons paradox के रूप में फ्रेम किया है — क्षमता सस्ती है और सस्ती होती जा रही है, लेकिन इसके नीचे का कैपिटल स्टैक पतला होता जाता है क्योंकि मार्जिन कम होते हैं।

यह बिल्डर्स के लिए कोडिंग agents, retrieval पाइपलाइन्स, और multi-step टूल ऑर्केस्ट्रेशन के लिए capability floor को ऊपर उठाता है। यह किसी भी प्रोडक्ट की वैल्यू को कंप्रेस करता है जिसका �ifferentiation "uses a frontier model under the hood" है और differentiation को evaluation harnesses, proprietary context, और orchestration logic की ओर धकेलता है — स्टैक के वे हिस्से जिन्हें मॉडल अपने आप रेप्लिकेट नहीं कर सकता।

Hacker News पर score 436 के साथ थ्रेड दो हिस्सों में बंटा था — operators इसे मार्जिन कम्प्रेशन वार्निंग के रूप में पढ़ रहे थे और builders इसे capability floor lift के रूप में। आगे देखें: क्या GLM 5.2-क्लास क्वालिटी sub-frontier प्राइसिंग पर top three labs में end of summer 2026 तक API प्राइस में कटौती का कास्केड मजबूर करती है, और क्या एजेंट harness वेंडर routing लेयर पर provider failover बंडल करना शुरू करते हैं rather than leaving it as user-level configuration जो पहले दिन से ही outdated हो जाता है।

[09:15] Anthropic ने transformer interpretability पर Global Workspace Theory लागू की

Anthropic ने इस सप्ताह 'A global workspace in language models' शीर्षक से एक शोध पत्र प्रकाशित किया, जो neuroscience से आने वाले एक पुराने संज्ञानात्मक विज्ञान ढांचे को transformer interpretability बातचीत में लाता है। यह लेख language models को specialized computational modules के संग्रह के रूप में प्रस्तुत करता है और प्रस्ताव करता है है कि उनके बीच जानकारी 'global workspace' नामक एक साझा, low-dimensional broadcast channel के माध्यम से प्रवाहित होती है, जो Stanislas Dehaene और उनके सहयोगियों द्वारा biological brains में सचेत पहुंच को मॉडल करने के लिए विकसित Global Workspace Theory के समान है। हर residual stream activation को समान मानने के बजाय, पेपर तर्क देता है कि workspace tokens का एक छोटा सा सबसेट cross-module समन्वय का बड़ा हिस्सा संभालता है, और उन tokens को लक्षित करने वाले हस्तक्षेप असमान रूप से downstream व्यवहार को बदलते हैं। यह framing consciousness शोध से एक अमूर्त उपमा को transformer inference के बारे में एक ठोस वास्तुशिल्प परिकल्पना में बदल देता है।

builders के लिए, व्यावहारिक हुक mechanistic interpretability है: अगर frontier model के अंदर एक workspace structure वास्तव में मौजूद है, तो यह researchers को hallucinations, multi-step reasoning failures, या jailbreak resistance की व्याख्या करते समय जांचने के लिए एक ठोस सतह देता है। Hacker News thread ने प्रकाशन के कुछ ही घंटों में 380 points पार कर लिए, जो एक interpretability paper के लिए असामान्य रूप से उच्च है और यह संकेत देता है कि यह framing उन engineers के साथ जुड़ रही है जो सामान्यतः alignment research नहीं पढ़ते। Practitioners को आज कुछ भी ship करने की जरूरत नहीं है, लेकिन पेपर एक साझा vocabulary देता है कि जब आप model को patch या steer करते हैं तो कौन से tokens मायने रखते हैं — design docs और postmortems के लिए उपयोगी भाषा।

अगला देखें कि Anthropic companion tooling जारी करता है या नहीं — workspace tokens के इर्दगिर्द बना probe library, attention-pattern visualizer, या steering API — और क्या independent labs Meta के Llama या Mistral जैसे अन्य vendors के open-weight models में यह structure reproduce करते हैं। HN thread खुद भी bookmark करने लायक है; कई top comments interpretability researchers से आए हैं जो substrate-independence claim पर आपत्ति जताते हैं, जहां गहरे architectural प्रश्न मौजूद हैं।

[11:06] Claude Code workspace session leak report Hacker News पर पहुंची

anthropics/claude-code repository पर Issue #74066 Hacker News पर 300 points पार कर गया, एक ही मशीन पर Claude Code workspace instances के बीच संदिग्ध session और cache leakage path को flag करता है। thread उन परिदृश्यों का वर्णन करता है जहां session state और cached model responses उन workspace boundaries में leak होने लगते हैं जो tenant-isolated होने चाहिए, developers रिपोर्ट कर रहे हैं कि cached assistant turns एक अलग workspace identifier के तहत फिर से दिखाई दे रहे हैं जो उन्हें मूल रूप से produce कर चुका था।

संदिग्ध mechanism client-side workspace router और cache key derivation की ओर इशारा करता है जो Claude Code के resume और prefix-cache paths को feed करता है। अगर एक workspace-scoped cache key full workspace identity से narrower किसी चीज़ से derive की गई है — local profile का partial hash, या एक key namespace जो same Anthropic account पर registered workspaces के बीच साझा है — तो एक दूसरे workspace init से पहले वाले के turns surface हो सकते हैं। resume token path समान रूप से व्यवहार करता है: workspace A के लिए minted एक session ID workspace B के first turn के खिलाफ valid हो जाता है तो यह cross-workspace symptom की व्याख्या करेगा बिना किसी server-side tenant mix-up की आवश्यकता के।

लेखन के समय तक Anthropic ने thread पर कोई confirmed technical response प्रकाशित नहीं किया है। जब तक routing प्रश्न खुला है, जो builders एक ही मशीन पर multiple workspaces में production-adjacent workflows चला रहे हैं उन्हें cache hits और session resumes को suspect मानना चाहिए। सबसे साफ defensive pattern profile-per-workspace या machine-per-tenant है जब तक कि key derivation स्पष्ट नहीं हो जाता, और कोई भी cached output जो active workspace identifier से मेल नहीं खाता उसे benign reuse के बजाय cross-tenant bleed माना जाना चाहिए।

अगला track करने लायक: Anthropic का confirmation कि क्या workspace router cache keys को full workspace identity से scope करता है, और क्या resume token path API layer पर workspace-pinned है। namespace partitioning पर loop बंद करने वाला एक follow-up PR या security advisory multi-workspace operators के लिए trust assumptions को reset करेगा।

[12:58] Ternlight WASM के जरिए 7MB browser-side embedding model भेजता है

Ternlight ने लगभग सात मेगाबाइट का एक embedding model भेजा जो WebAssembly के माध्यम से पूरी तरह से ब्राउज़र में चलता है, और इस सप्ताह demo ने Hacker News पर 238 नंबर हिट किया। पिच छोटी लेकिन ठोस है: एक quantized embedding network को WASM binary के रूप में भेजें, इसे एक पेज पर लोड करें, और बिना कभी सर्वर को कॉल किए टेक्स्ट के वेक्टर प्रतिनिधित्व जेनरेट करें। वह सात मेगाबाइट का फुटप्रिंट मुख्य आंकड़ा है — यह एक उपयोगी embedding model को एक एकल JavaScript bundle के समान आकार सीमा में रखता है, जिसका मतलब है कि इसे किसी भी CDN से स्टैटिक एसेट्स के रूप में serve किया जा सकता है और क्लाइंट पर आक्रामक रूप से cache किया जा सकता है। इसके नीचे का तंत्र मानक WASM पाइपलाइन है: पेज मॉड्यूल को इंस्टैंशिएट करता है, model weights को stream करता है, और एक async encode function एक्सपोज करता है जो एक fixed-dimension vector लौटाता है। पूरी चीज एक Web Worker के अंदर बूट होती है, इसलिए embedding pass मुख्य thread को ब्लॉक नहीं करता जब उपयोगकर्ता टाइप कर रहा हो या स्क्रॉल कर रहा हो। क्योंकि मॉडल ब्राउज़र में चलता है, embedding लागत उपयोगकर्ता के डिवाइस पर CPU cycles पर गिर जाती है, न कि प्रति-टोकन API बिल पर, और उपयोगकर्ता का टेक्स्ट कभी tab नहीं छोड़ता, जो निजी उपयोगकर्ता सामग्री, support transcripts, या आंतरिक docs को संभालने वाली किसी भी चीज के लिए मायने रखता है। Builders इस पैटर्न का उपयोग बिना बैकएंड provision किए स्टैटिक साइट्स और single-page apps में semantic search, deduplication, या retrieval-augmented features जोड़ने के लिए कर सकते हैं, और वही आकार WASM ecosystem में आने वाले अन्य छोटे मॉडलों पर सामान्यीकृत होता है, जिसमें rerankers और intent classifiers शामिल हैं। जिस बात पर ध्यान देना है वह यह है कि WASM inference stack कुछ कैनोनिकल runtimes के आसपास परिपक्व होती है — ONNX Runtime Web, Transformers.js, और इसी तरह — ताकि पैटर्न एक one-off demo न रहे और production apps में client-side ML के लिए एक डिफ़ॉल्ट deployment विकल्प बन जाए।

[14:45] Anthropic की Goodwill Erosion Hacker News पर वायरल

इस सप्ताह Hacker News पर आया एक developer critique कोई नया framework प्रस्तावित नहीं करता और न ही कोई benchmark भेजता है — यह Anthropic के लिए कुछ और असुविधाजनक काम करता है। Raheel Junaid का "Anthropic's Method to Losing Goodwill in a Few Easy Steps" शीर्षक वाला लेख Hacker News पर 244 पॉइंट्स तक पहुंच गया, जिसकी discussion thread item 48803751 इस तिमाही में Anthropic के बारे में सबसे ज्यादा पढ़े जाने वाले developer-facing posts में से एक बन गई।

लेख उन गलतियों की एक श्रृंखला के माध्यम से चलता है जिन्हें उसके लेखक Anthropic द्वारा developer समुदाय के साथ बरती गई मानता है। हर दावे को endorse किए बिना, viral होना खुद एक डेटा पॉइंट है — 244 पॉइंट्स का मतलब है कि सैकड़ों कार्यरत इंजीनियरों ने पोस्ट देखी और लेखन में अपना अपना अनुभव पहचाना। कमेंट thread एक सुसंगत तस्वीर के आसपास konsolid हुआ: बदलती हुई terms of service, अचानक rate-limit recalibration, अपारदर्शी deprecation timelines, और restrictive moves ecosystem द्वारा निर्भर हो चुके third-party integrations के खिलाफ।

Builders के लिए, operating mechanism dependency surface है। Anthropic endpoints के माध्यम से production traffic चलाने वाला कोई भी billing, access, और policy में एकल vendor की roadmap पर भरोसा कर रहा है। Critique यह दर्शाता है कि goodwill एक infrastructure concern है — जब कोई vendor एकतरफा नियम बदलता है, refactor cost integrating team पर आती है, provider पर नहीं। व्यावहारिक रूप से, पोस्ट यह सवाल उठाती है कि alternate providers की recovery route वास्तविक, tested code paths हैं या बस एक planning doc में diagrams हैं।

Anthropic का response अगला variable है जिस पर ध्यान देना है। ठोस कदम — स्पष्ट deprecation windows, third-party integrations के साथ अधिक permissive व्यवहार, अधिक पारदर्शी rate-limit surfaces — goodwill को फिर से बनाना शुरू करेंगे। पोस्ट को background noise मानना भी एक signal है: उस स्थिति में Hacker News threads बढ़ते हैं, और अधिक टीमें multi-model architectures को तेज करती हैं जो Anthropic को कई विकल्पों में से एक के रूप में रखते हैं, डिफ़ॉल्ट provider के बजाय।

[16:38] Graph Sparse Sampling Continuous Planning की Exponential Cost को काटती है

arXiv पर एक नया पेपर online planning की सबसे कठिन समस्याओं में से एक को संबोधित करता है: continuous MDPs में horizon का अभिशाप। Monte Carlo Tree Search जैसे tree search methods अनिश्चितता के तहत अनुक्रमिक निर्णय लेने के लिए अभी भी workhorse हैं, लेकिन continuous state या action spaces में, branching factor प्रभावी रूप से अनंत है। लेखक — Idan Lev-Yehudi और Vadim Indelman — तर्क देते हैं कि lookahead depth के साथ worst case में coverage बनाए रखने के लिए आवश्यक sampling budget तेजी से बढ़ती है, जो वही failure mode है जो आप hit करते हैं जब आप continuous control या long-horizon reasoning loop में MCTS को deeper push करने की कोशिश करते हैं।

उनका प्रस्तावित fix Graph Sparse Sampling, या GSS है। Search tree में प्रत्येक node को एक स्वतंत्र sampling problem के रूप में treat करने के बजाय, GSS एक graph structure के माध्यम से कई sibling nodes में sampled futures साझा करता है। Intuition यह है कि continuous space में आसन्न nodes अक्सर informative trajectories साझा करते हैं, इसलिए प्रत्येक के लिए fresh rollouts allocate करना wasteful है। Tree topology के बजाय graph topology से rollout budgets को tie करके, GSS sampling work को bounded रखता है जहां vanilla MCTS explode होती है।

Mechanism मायने रखता है क्योंकि अधिकांश production agent stacks अभी भी GSS जिस problem को head-on target करता है उसी से बचने के लिए discrete approximations या limited horizons वाले learned policies पर निर्भर करती हैं। Planning वाली agent loops पर काम करने वाले builders के लिए — robot controllers, trajectory optimizers, continuous scoring वाले tool-use planners — व्यावहारिक promise same sample budget पर deeper lookahead है, continuous MDP solvers अब bottleneck के रूप में कार्य नहीं करेंगे।

यदि आप आज कुछ भी लुक-एहेड सिमुलेशन शिप करते हैं, तो यह वह प्रकार का पेपर है जो फिर से परिभाषित करता है कि क्या व्यवहार्य है। अगले के लिए देखें: एक संदर्भ कार्यान्वयन, विरल कण फ़िल्टर ट्री और प्रगतिशील विस्तार बेसलाइन के खिलाफ अनुभवजन्य तुलनाएं, और क्या ग्राफ-शेयरिंग ट्रिक सीखे गए वैल्यू फ़ंक्शन के साथ मिलकर एक एजेंट रनटाइम के अंदर ड्रॉप-इन इनर लूप के रूप में काम करती है।

[18:32] लीक हुए एजेंट सिस्टम प्रॉम्प्ट का एक खुला संग्रह GitHub पर ट्रेंड कर रहा है

यह repo जो GitHub Trending पर चढ़ रहा है, वह कोई फ्रेमवर्क या SDK नहीं है — यह एक डोसियर है। asgeirtj का system_prompts_leaks संग्रह AI कोडिंग स्टैक के व्यापक हिस्से से निकाले गए सिस्टम प्रॉम्प्ट एकत्र करता है: Claude Fable 5, Opus 4.8, Claude Code, Claude Design, ChatGPT 5.5 Thinking, GPT 5.5 Instant, Codex, Gemini 3.5 Flash, Gemini 3.1 Pro, Antigravity, Grok, Cursor, Copilot, VS Code, और Perplexity। प्रत्येक प्रॉम्प्ट सादे Markdown के रूप में आता है, किसी विशिष्ट मॉडल स्नैपशॉट से टैग किया गया, जब मेन्टेनर नए लीक स्क्रैप करता है तो रिफ्रेश होता है।

एजेंट हार्नेस शिप करने वाले बिल्डर्स के लिए, यह वह चीज है जो वेंडर्स сами publishes नहीं करेंगे, behavioral contracts का सबसे करीबी स्रोत-of-truth है। उदाहरण के लिए, Claude Code और Codex प्रॉम्प्ट downstream भेजे जाने वाले tool-use schemas को expose करते हैं — जो तब उपयोगी है जब आप एक MCP सर्वर बना रहे हैं जिसे उसी आकार से मिलाना है, या जब आप एक प्रॉक्सी लिख रहे हैं जो tool calls को राइटराइट करता है। Gemini और Antigravity entries सतह पर लाते हैं कि Google's agent runtime planning steps को कैसे क्रमबद्ध करती है, जो तब मायने रखता है जब आप एक राउटर बना रहे हैं जो प्रति टर्न token budgets आवंटित करती है।

दो ठोस तंत्र: पहला, आप एक लीक हुआ प्रॉम्प्ट अपने eval harness में एक fixture के रूप में पाइप कर सकते हैं, इसके खिलाफ regression suites चला सकते हैं, और detect कर सकते हैं जब कोई वेंडर snapshots के बीच quietly refusal logic या tool definitions बदल देता है। दूसरा, per-model Markdown layout आपको vendors के बीच grep करने देती है ताकि आप compare कर सकें कि प्रत्येक एक ही कार्य — जैसे, code editing — को कैसे फ्रेम करता है, और वह contract चुन सकते हैं जो आपके own orchestrator से सबसे अच्छा मेल खाता है।

आगे क्या monitor करना है: क्या मेन्टेनर fresh snapshots की cadence बनाए रखता है, क्योंकि अगर कोई बड़ा model swap ship होता है और archive पीछे रह जाता है तो repo की वैल्यू तेजी से गिरती है। यह भी track करने योग्य है: क्या वेंडर अपने सिस्टम प्रॉम्प्ट को API edge पर obfuscate करना शुरू कर देते हैं, जो इन जैसे public archives को एकमात्र reliable ground truth बना देगा जो developers के पास है।

[20:23] Weak-to-Strong On-Policy Distillation पोस्ट-ट्रेनिंग कंप्यूट को कम कर सकता है

Verifiable rewards के साथ reinforcement learning reasoning models के लिए default post-training recipe बन गया है, लेकिन इसमें एक scaling problem है जो Shiyuan Feng, Huan-ang Gao, और Haohan Chi का एक arXiv पेपर सीधे मेज पर रखता है। Paper id 2607.05394, जिसका शीर्षक है Weak-to-Strong Generalization via Direct On-Policy Distillation, एक तीखा सवाल पूछता है: जब RLVR हर नए strong model पर फिर से चलाना बहुत महंगा है क्योंकि target को training के दौरान thousands of rollouts generate करने होंगे, तो क्या एक छोटा RL-trained model teacher के रूप में काम कर सकता है?

तंत्र है on-policy distillation। आप एक weaker teacher पर RLVR चलाते हैं जहां rollouts सस्ते हैं, teacher's post-RL policy को capture करते हैं, और इसे on-policy में एक stronger student में distill करते हैं। इससे बड़े model rollout tax को दो बार चुकाने से बचा जाता है, एक बार RL के दौरान और एक बार student के लिए data generation के दौरान। पेपर इस gain को एक तरह का weak-to-strong generalization के रूप में फ्रेम करता है post-training phase में, supervision literature की नकल करते हुए लेकिन RL द्वारा संचालित rather than supervised fine-tuning signals द्वारा।

abstract से head finding एक negative है जो research direction को परिभाषित करती है। Directly post-RL weak teacher को distill करना पर्याप्त नहीं है, क्योंकि teacher's final policy useful RL gains को उसकी base capability की सीमाओं के साथ मिलाता है। दूसरे शब्दों में, एक weak model जो अपने starting point से बेहतर reasoning करना सीख गई है, फिर भी strong student से बदतर reasoning करती है, और naive distillation उस ceiling को आगे ले जाता है।

बिल्डर्स के लिए, इसका मतलब है कि पोस्ट-ट्रेनिंग पाइपलाइन जल्द ही दो चरणों में विभाजित हो सकती हैं - एक छोटे प्रॉक्सी पर RL चरण और प्रोडक्शन मॉडल में डिस्टिलेशन चरण, न कि एक एकल एंड-टू-एंड RLVR रन। जो कंप्यूट बजट सबसे बड़े मॉडल के रोलआउट लागत से जुड़े थे, वे इसके बजाय छोटे मॉडल से जुड़ सकते हैं। आगे देखें: प्रयोगात्मक परिणाम जो सारांश संकेत देता है लेकिन रिपोर्ट नहीं करता, विशेष रूप से कौन से वीक-टू-स्ट्रांग गैप साइज बंद होते हैं और कौन से अपने टीचर की फ्लोर को इन्हेरिट करते हैं।

[22:20] Cortex पेपर लॉन्ग-होराइजन मैनिपुलेशन को बाइडायरेक्शनल VLM-VLA अलाइनमेंट के साथ टैकल करता है

Cortex नाम का एक नया फ्रेमवर्क लॉन्ग-होराइजन प्रॉब्लम को धकेल रहा है जिसने करंट VLA रिसर्च में जनरलिस्ट मैनिपुलेशन पॉलिसीज को रोका हुआ है। Jiaqi Peng, Xiqian Yu, और Delin Feng का पेपर 2607.05377 इस हफ्ते arXiv preprint के रूप में आया है, और यह सीधे Vision-Language-Action मॉडल्स पर मार्कोवियन सीलिंग को निशाना बनाता है। VLA पॉलिसीज केवल करंट ऑब्जर्वेशन पर रीजन करती हैं, इसलिए वे मल्टी-स्टेप टास्क्स पर गिर जाती हैं भले ही अलग-अलग स्किल्स साफ-साफ ट्रांसफर हों। हायरार्किकल फिक्स मौजूद हैं लेकिन बीच में बंटे हुए हैं: एक VLM प्लानर सिमेंटिक स्टेप्स में सोचता है, और एक VLA एक्जीक्यूटर जॉइंट-स्पेस ट्रैजेक्टरीज में सोचता है, दोनों लेयर्स के बीच कोई साफ कॉन्ट्रैक्ट नहीं है।

Cortex का मैकेनिज्म एक बाइडायरेक्शनली अलाइंड इंटरफेस है जो हाई-लेवल और लो-लेवल लेयर्स के बीच मैनिपुलेशन सबटास्क्स को स्टैंडर्डाइज करता है। हाई-लेवल VLM एक कस्टमाइज्ड प्लानिंग इंटरफेस के माध्यम से एक्जीक्यूटेबल, ट्रैक्टेबल सबटास्क प्लान्स एमिट करता है, और लो-लेवल VLA उन्हें एक्जीक्यूट करता है जबकि काइनेमैटिक स्टेट को स्टैक के ऊपर वापस फीड करता है। हेडलाइन फ्रेमिंग यह है कि प्लानिंग सिमेंटिक्स और एक्जीक्यूशन काइनेमैटिक्स एक कॉन्ट्रैक्ट शेयर करते हैं — एक ही सबटास्क रिप्रेजेंटेशन दोनों दिशाओं में बहता है, सिस्टम बाउंड्री के आर-पार दो बार ट्रांसलेट होने के बजाय।

बिल्डर्स के लिए, यह एम्बॉडीएड-एजेंट रोडमैप का वह हिस्सा है जो वास्तव में मायने रखता है: ड्यूल-सिस्टम डिज़ाइन फाउंडेशन-मॉडल प्लानर्स और रोबोट पॉलिसीज के बीच लापता लेयर रहे हैं, और शेयर्ड सबटास्क इंटरफेस वह चीज है जो उन डिज़ाइन को प्रोडक्शन में डिप्लॉय करने योग्य बनाता है। एक प्लानर जो स्ट्रक्चर्ड सबटास्क्स एमिट करता है और एक एक्जीक्यूटर जो कम्प्लीशन की पुष्टि कर सकता है, एजेंट लूप को वायर करने के तरीके को बदल देता है — आप पार्शियल फेलर्स के लिए रिट्राई लॉजिक हाथ से रोल करना बंद कर देते हैं और पॉलिसीज कम्पोज करना शुरू कर देते हैं उसी तरह जैसे आप सॉफ्टवेयर एजेंट में टूल कॉल्स कम्पोज करते हैं।

आगे देखें: टीम कौन से मैनिपुलेशन बेंचमार्क्स पर रॉ नंबर्स रिपोर्ट करती है, क्या बाइडायरेक्शनल इंटरफेस रेफरेंस इम्प्लीमेंटेशन के साथ आता है, और लूप ट्रेनिंग डिस्ट्रिब्यूशन से लंबे टास्क्स के लिए रिट्रीवल-स्टाइल मेमोरी के साथ कैसे कम्पोज होता है।

[24:10] Graph-as-Policy इंडस्ट्रियल रोबोट वैरिएबिलिटी के लिए मल्टी-एजेंट सेल्फ-लर्निंग को हार्नेस करता है

Kaiyuan Chen, Shuangyu Xie, और Letian Fu का एक नया arXiv पेपर, 2607.05369, एक विशिष्ट क्लास की इंडस्ट्रियल रोबोटिक्स प्रॉब्लम को हमला करता है: वैरिएशनल ऑटोमेशन टास्क्स, जहां ऑब्जेक्ट जियोमेट्री और पोज वेरिएशन फिक्स्ड ऑटोमेशन से ज्यादा है लेकिन जॉब को अभी भी हर शिफ्ट में भरोसेमंद तरीके से चलाना है। लेखक गैप को स्पष्ट रूप से बताते हैं — मॉडल-फ्री पॉलिसीज, वही अप्रोच जो हाल की कई मैनिपुलेशन वर्क को पावर देती है, वह रिलायबिलिटी बार को क्लोज नहीं कर सकती जो कमर्शियल और इंडस्ट्रियल डिप्लॉयमेंट की मांग है।

उनका प्रपोजल GaP है, एक Graph-as-Policy हार्नेस जो अंडरलाइंग कंट्रोल पॉलिसी के चारों ओर एक मल्टी-एजेंट सेल्फ-लर्निंग लूप रैप करता है। प्रत्येक एजेंट वर्कस्पेस और टास्क के ग्राफ रिप्रेजेंटेशन पर रीजन करता है, जिसमें ऑब्जेक्ट्स, सबगोल्स, और सिम्बॉलिक प्लान स्ट्रक्चर के लिए स्पष्ट नोड्स हैं जो TAMP-स्टाइल सिस्टम्स प्रोड्यूस करते हैं। हार्नेस मल्टी-एजेंट लूप चलाता है, टास्क सक्सेस के खिलाफ रोलआउट्स को स्कोर करता है, और सिम्बॉलिक ट्रेसेस को पॉलिसी ग्राफ में वापस फीड करता है, जहां सेल्फ-लर्निंग स्टेप रहता है। ROS रनटाइम संभालता है, TAMP प्लानिंग स्कैफोल्ड प्रोवाइड करता है, और ग्राफ शेयर्ड पॉलिसी सब्सट्रेट बन जाता है जिसे एजेंट्स पढ़ते और लिखते हैं।

हेडलाइन फ्रेमिंग यह है कि वैरिएशनल टास्क्स के लिए जहां प्योर एंड-टू-एंड कंट्रोल रिलायबिलिटी कमर्शियल थ्रेशोल्ड से नीचे गिरती है, GaP सिम्बॉलिक प्लानिंग प्लस ग्राफ-कंडीशन्ड कंट्रोल में प्रॉब्लम को स्प्लिट करके गैप को रिकवर करता है, न कि एक नेटवर्क से दोनों जॉब्स करने के लिए कहना। वह डिवीजन ही है जो मल्टी-एजेंट हार्नेस लागू करता है।

भौतिक दुनिया को छूने वाले एजेंट स्टैक शिप करने वाले बिल्डर्स के लिए, इसका तात्पर्य है कि एजेंटिक-कोडिंग पैटर्न — ऑर्केस्ट्रेटेड मल्टी-एजेंट रीजनिंग, वेरिफिएबल प्लान, सेल्फ-क्रिटिक लूप — को सोर्स कोड के अलावा कंट्रोल सरफेस पर अनुकूलित किया जा रहा है। यह देखें कि क्या लेखक पेपर के साथ GaP हैनेस भी प्रकाशित करते हैं, और उसी वेरिएशनल ऑटोमेशन सुइट्स पर डिफ्यूजन-आधारित मैनिपुलेशन बेसलाइन के खिलाफ सीधे आंकड़े भी।

[25:57] स्वच्छता अध्ययन: क्या कोडिंग एजेंट्स के लिए स्टाइल मायने रखती है?

एक नया arxiv पेपर एक ऐसा सवाल पूछता है जिस पर डेवलपर्स महीनों से PR थ्रेड्स में बहस कर रहे हैं: क्या कोड की स्वच्छता वास्तव में कोडिंग एजेंट्स के प्रदर्शन को बदलती है? यह काम एक नियंत्रित मिनिमल-पेयर डिज़ाइन का उपयोग करता है — कोड इनपुट के जोड़े जो लॉजिक में समान हैं लेकिन केवल स्टाइल में भिन्न हैं — ताकि एजेंट के परिणाम में किसी भी अंतर को अंतर्निहित कार्य के बजाय फॉर्मेटिंग और संरचना के लिए जिम्मेदार ठहराया जा सके। जिन स्वच्छता आयामों को अलग किया जा रहा है उनमें नाम स्थिरता, डेड कोड की उपस्थिति, टिप्पणी घनत्व और संरचनात्मक संगठन शामिल हैं — वे प्रकार के वेरिएबल्स जो सालों में एक प्रोडक्शन रेपो में जमा होते हैं।

माप पक्ष प्रत्येक कार्य को दो इनपुट्स के साथ जोड़ता है जो केवल स्वच्छता में भिन्न हैं, फिर जोड़े में एजेंट के परिणामों की तुलना करता है। यह तंत्र महत्वपूर्ण है क्योंकि एजेंट बेंचमार्क आमतौर पर स्वच्छ सिंथेटिक इनपुट का उपयोग करते हैं, जबकि वास्तविक डिप्लॉयमेंट एजेंट्स को असंगत नामिंग, बचे हुए स्कैफोल्डिंग और उलझे हुए डिपेंडेंसी वाले गंदे कोडबेस सौंपते हैं। स्वच्छ-इनपुट बेंचमार्क संख्याओं और अस्वच्छ-इनपुट प्रोडक्शन व्यवहार के बीच का अंतर वह सटीक मात्रा है जिसे मिनिमल-पेयर डिज़ाइन सतह पर लाने के लिए बनाया गया है, और उस अंतर का आकार बिल्डर्स को बताएगा कि क्या क्लीनअप CI समय के लायक है।

Hacker News थ्रेड ने 197 का स्कोर हासिल किया, जो इस बात का संकेत है कि इनपुट स्वच्छता व्यवहार में मायने रखती है या नहीं, इसमें बिल्डर्स की रुचि है। पेपर की पूरी पद्धति, जिसमें कौन से मॉडल का परीक्षण किया गया और किस टास्क सुइट का उपयोग किया गया, अब arxiv पर ID 2605.20049 के तहत उपलब्ध है।

आगे क्या देखना है: विभिन्न मॉडल परिवारों में स्वतंत्र प्रतिकृति, क्या कोई हैनेस वेंडर अपने मूल्यांकन पाइपलाइन में स्वच्छता स्कोरिंग को शामिल करता है, और क्या लेखक अपने जोड़ेदार कोड कॉर्पस को एक खुला डेटासेट के रूप में जारी करते हैं — बाद वाला टीमों को उसी नियंत्रित इनपुट के खिलाफ अपने स्टैक का बेंचमार्क करने और इसे एक एकल पेपर से एक पुन: प्रयोज्य माप उपकरण में बदलने देगा।

[27:44] व्यावहारिक कतार

आज की कहानियों से: 2.1 लाइन पर पिन की गई एनवायरनमेंट 2.1.195 को पुल कर सकती हैं ताकि मेजर-वर्जन माइग्रेशन के बिना एजेंट हैनेस के साथ अद्यतन रहें। बिल्डर्स के लिए इसका मतलब है कि एंथ्रोपिक के एफर्ट पैरामीटर के समान रीजनिंग बजट कंट्रोल वाला तीसरा चीनी-लैब MoE विकल्प, जो मल्टी-एजेंट ऑर्केस्ट्रेटर्स को एक और फॉलबैक टियर देता है। एजेंट-लूप बिल्डर्स के लिए, इसका मतलब है कि छवि इनपुट वाला एक नया ओपन-वेट बैकएंड उसी इंटीग्रेशन पैटर्न में आता है जिसे आपने पहले से ही अन्य OpenRouter-होस्टेड MoE मॉडल्स के लिए सेटअप किया है। कोडिंग एजेंट्स और टूल-यूज़ पाइपलाइनों के लिए क्षमता फ्लोर हेडलाइन प्राइस कम्प्रेशन की भविष्यवाणी से तेजी से बढ़ रहा है, इसलिए विभेदन "हुड के नीचे फ्रंटियर मॉडल का उपयोग करता है" से मूल्यांकन हैनेस, प्रोप्राइटरी कॉन्टेक्स्ट और ऑर्केस्ट्रेशन लॉजिक की ओर स्थानांतरित हो रहा है। पेपर रिसर्च है, प्रोडक्ट नहीं, इसलिए आज कोई API शिप नहीं होता — लेकिन यह बिल्डर्स को डिज़ाइन डॉक्स और इंसिडेंट पोस्टमॉर्टम के लिए एक साझा शब्दावली देता है जब मॉडल के रेजिडुअल स्ट्रीम में कौन से टोकन मायने रखते हैं, इसका वर्णन करते हैं। एक मशीन पर एकाधिक Claude Code वर्कस्पेस चलाने वाले बिल्डर्स के लिए इसका मतलब है: रीज्यूम्ड सेशन और कैश हिट्स को तब तक संभावित रूप से क्रॉस-टेनेंट माना जाना चाहिए जब तक कि एंथ्रोपिक रूटिंग व्यवहार की पुष्टि न करे। इसका मतलब है: एक 7MB WASM बाइनरी जावास्क्रिप्ट बंडल की तरह शिप होती है, इसलिए सेमांटिक सर्च, डिडुप्लिकेशन और लाइटवेट रिट्रीवल एक सर्वर प्रोजेक्ट के बजाय एक डिप्लॉयएबल स्टैटिक एसेट बन जाते हैं। पोस्ट एक अनुस्मारक है कि वेंडर कॉन्संट्रेशन एक इन्फ्रास्ट्रक्चर जोखिम है, सिर्फ एक प्रोक्योरमेंट निर्णय नहीं। यह मायने रखता है क्योंकि अधिकांश प्रोडक्शन एजेंट स्टैक डिस्क्रीट अप्रॉक्सिमेशन या शॉर्ट-हॉरizon लर्न्ड पॉलिसी के माध्यम से क्षितिज के श्राप से बचते हैं, और GSS उस सीमा को सीधे लक्षित करता है। यह आपको एक पुनरुत्पादन योग्य बेसलाइन देता है यह परीक्षण करने के लिए कि क्या आपका एजेंट स्टैक वेंडर के रनटाइम जो अपेक्षा करता है उससे मेल खाता है, विशेष रूप से टूल स्कीमा और रिफ्यूज़ल बाउंड्रीज़ के बारे में। बिल्डर्स के लिए इसका मतलब है कि पोस्ट-ट्रेनिंग पाइपलाइन जल्द ही एक छोटे प्रॉक्सी मॉडल पर RL फेज और प्रोडक्शन टारगेट में डिस्टिलेशन फेज में विभाजित हो सकती हैं, बजाय एक एकल एंड-टू-एंड RLVR रन के बजाय। इसका मतलब है: ड्यूल-सिस्टम डिज़ाइन फाउंडेशन-मॉडल प्लानर्स और रोबोट पॉलिसी के बीच अनुपस्थित परत रहे हैं, और एक साझा सबटास्क इंटरफेस वह है जो उन स्टैक्स को डिप्लॉयएबल बनाता है। भौतिक सिस्टम में एजेंट्स को वायर करने वाले बिल्डर्स के लिए, GaP एक उपयोगी टेम्पलेट के रूप में कार्य करता है: जब एंड-टू-एंड कंट्रोल वेरिएशनल टास्क्स पर विफल होता है, सिम्बोलिक प्लानिंग और ग्राफ-कंडीशंड कंट्रोल के बीच पेपर का विभाजन मल्टी-एजेंट लूप को एक वास्तविक गैप देता है जिसे भरना है। मेसी रेपो में एजेंट्स शिप करने वाले बिल्डर्स के लिए, यह बात याद रखने योग्य है कि इनपुट स्वच्छता एजेंट विश्वसनीयता पर एक मापनीय लीवर हो सकती है, न कि सिर्फ एक स्टाइलिस्टिक चिंता।