GPT-5.6 Sol, Bonsai 27B, Gemini 3.5 Flash, और AMD 128GB PCs
GPT-5.6 Sol अधिक पूर्ण एजेंट आउटपुट को लक्षित करता है, ChatGPT कार्य और कोडिंग को एकीकृत करता है, और Gemini 3.5 Flash स्क्रीन संचालित करता है और सॉफ्टवेयर बनाता है। हम Bonsai 27B, ऑफ़लाइन Pixel AI, AMD के 128GB डेस्कटॉप, JetBrains Copilot बैकएंड सहायता, Anthropic के जोखिम-आधारित मॉडल एक्सेस, छोटे व्यवसाय के परिणाम, Claude की रोबोटिकी सीमा, न्यूयॉर्क, ऑस्ट्रेलिया और GOLD EAGLE में सरकारी कार्रवाई के साथ-साथ Google द्वारा Pelé के खोए 1959 गोल के AI पुनर्निर्माण की भी जांच करते हैं। Show notes: https://tobyonfitnesstech.com/hi/podcasts/episode-87/
🎧 Listen to Episodeएपिसोड 087 — 15 जुलाई, 2026
[00:00] एपिसोड हुक
OpenAI का GPT-5.6 Sol उन एजेंट्स के लिए डिज़ाइन किया गया है जो सॉफ्टवेयर नेविगेट कर सकते हैं, टूल्स कॉल कर सकते हैं, और तैयार डेलिवरेबल वापस कर सकते हैं, जिसमें बड़े प्रोजेक्ट्स के लिए काफी बड़ा कॉन्टेक्स्ट विंडो है। एक नए डिज़ाइन का ChatGPT डेस्कटॉप ऐप इस बदलाव को मजबूत करता है जो बातचीत, नॉलेज-वर्क क्रिएशन, और कोडिंग को एक जगह पर जोड़ता है। फ्रंटियर मॉडल्स से परे, छोटे व्यवसाय के मालिकों ने कांग्रेस को बताया कि कैसे AI घंटे बचा रहा है, बिक्री बढ़ा रहा है, और अकाउंट्स-पेएबल एजेंट जैसे कार्यशील सिस्टम तैयार कर रहा है—जबकि कानून निर्माता लागत और जोखिमों पर विचार कर रहे थे। लोकल AI ने भी एक बड़ा कदम आगे बढ़ाया: PrismML ने अपने Bonsai 27B मल्टीमॉडल मॉडल्स को लगभग 3.9 गीगाबाइट जितने छोटे फुटप्रिंट में कंप्रेस किया, और Google ने Gemma 4 E2B को Pixel TPUs पर नेटिवली चलते हुए ऑफलाइन प्लानिंग और ट्रांसक्रिप्शन के लिए दिखाया। एक रोबोटिक्स खोज एक उपयोगी सीमा जोड़ती है: Claude को सीधे, सेकंड-फ्रैक्शन मोटर कंट्रोल में कठिनाई हुई, जो सुझाव देती है कि भाषा मॉडल प्लानिंग और सुपरविज़न के लिए बेहतर हैं न कि रोबोट्स के फास्ट कंट्रोल लूप्स की जगह लेने के लिए।
[02:00] GPT-5.6 Sol एजेंट्स को तैयार काम की ओर धकेलता है
एक AI एजेंट अब पूरे रिपॉजिटरी में बदलाव ला सकता है, ब्राउज़र में परिणाम की जांच कर सकता है, और सलाह के साथ रुकने के बजाय तैयार आर्टिफैक्ट की ओर आगे बढ़ सकता है। यही GPT-5.6 Sol के लिए व्यावहारिक पिच है, OpenAI का नया कैपेबिलिटी-फर्स्ट मॉडल जो जटिल कोडिंग, कंप्यूटर यूज़, रिसर्च, और सिक्योरिटी के लिए है।
gpt-5.6 API एलियास Sol पर रूट करता है। इसके मॉडल पेज पर 1,050,000-टोकन कॉन्टेक्स्ट विंडो, 128,000 तक आउटपुट टोकन, और टेक्स्ट और इमेज इनपुट की सूची है। उपलब्ध टूल्स में वेब और फाइल सर्च, इमेज जेनरेशन, कोड इंटरप्रेटर, होस्टेड शेल, पैच एप्लिकेशन, कंप्यूटर यूज़, स्किल्स, टूल सर्च, और MCP शामिल हैं, जो मॉडल्स को बाहरी टूल्स और डेटा से कनेक्ट करने का एक स्टैंडर्ड है।
एक विशेष रूप से उपयोगी बदलाव प्रोग्रामैटिक टूल कॉलिंग है। Sol JavaScript लिख सकता है जो बाउंडेड वर्कफ्लो के अंदर टूल रिजल्ट्स एकत्र और रिड्यूस करता है। यह एक लंबे काम को बीच के हैंडऑफ्स से भरी चैट सेशन जैसा कम और प्रोग्राम जैसा अधिक बना सकता है जो एिविडेंस एकत्र करता है, प्रोसेस करता है, और उपयोगी परिणाम लौटाता है। पर्सिस्टेड रीज़निंग काम को टर्न्स में आगे ले जाती है, जबकि बीटा मल्टी-एजेंट मोड इंडिपेंडेंट टास्क्स को पैरलल सबएजेंट्स में बांट सकता है। Sol इमेजेस को उनके ओरिजनल डायमेंशन्स पर इंस्पेक्ट कर सकता है, और प्रो मोड क्वालिटी-फर्स्ट जॉब्स के लिए उपलब्ध है।
OpenAI कंप्यूटर-यूज़ परफॉर्मेंस को GPT-5.5 के 47.5 प्रतिशत से GPT-5.6 के 62.6 प्रतिशत तक बढ़ता हुआ बताता है। इसकी रिपोर्ट की गई BrowseComp स्कोर 84.4 से बढ़कर 90.4 हुई, जबकि BenchCAD 44.4 से 70.6 हुई। लॉन्च पार्टनर Lovable कम स्टेप्स, कम टूल कॉल्स, और कम स्टक रन्स की रिपोर्ट करता है; Qodo रिपोर्ट करता है कि समीक्षित प्रत्येक पुल रिक्वेस्ट के लिए लगभग तीन गुना कम टोकन और लगभग आधी लेटेंसी। ये OpenAI और पार्टनर-पब्लिश्ड आंकड़े हैं, सार्वभौमिक स्वतंत्र परिणाम नहीं।
बिल्डर्स के लिए, अवसर ब्राउज़र क्वालिटी एश्योरेंस, बड़े-डॉक्यूमेंट रिसर्च, और कम्प्लीशन के इर्दगिर्द डिज़ाइन किए गए टूल-हेवी वर्कफ्लोज़ हैं। देखें कि क्या वे रियल प्रोडक्शन कंस्ट्रेंट्स में बने रहते हैं। OpenAI Terra को बैलेंस्ड एसेंशियल टियर और Luna को फास्ट, हाई-वॉल्यूम वर्क के लिए पोजीशन करता है।
[03:10] ChatGPT बातचीत, डिलिवरेबल्स, और कोडिंग को एकजुट करता है
आप अब ChatGPT से सिर्फ एक जवाब से ज्यादा मांग सकते हैं: OpenAI चाहता है कि टीमें एक पूरा काम सौंपें और एक समीक्षेगेय डिलिवरेबल प्राप्त करें। 9 जुलाई को, OpenAI ने एक नया डेस्कटॉप ऐप पेश किया जो Chat, Work, और Codex को एक ही छत के नीचे लाता है, जबकि प्रत्येक लेन को अलग रखता है। Chat बातचीत के लिए है। Work रिसर्च और तैयार ज्ञान-कार्य कलाकृतियों को संभालता है। Codex सॉफ्टवेयर बनाने और ठीक करने के लिए समर्पित अनुभव बना हुआ है; इसे सिर्फ नाम बदलकर या हटाकर नहीं छोड़ा गया।
मौजूदा Codex उपयोगकर्ताओं के लिए, प्रोजेक्ट्स और सेटिंग्स आगे बढ़ जाती हैं। लोग Codex को डिफ़ॉल्ट व्यू के रूप में रख सकते हैं, Codex आइकन बनाए रख सकते हैं, और ChatGPT मोबाइल से Codex प्रोजेक्ट्स तक पहुंच सकते हैं। यह निरंतरता मायने रखती है क्योंकि इंटरफेस समेकन उस वर्कफ़्लोज़ की तुलना में कम दिलचस्प है जिन्हें यह समर्थन करने के लिए बनाया गया है।
Work दस्तावेज़, स्प्रेडशीट, प्रेजेंटेशन और Sites तैयार कर सकता है, न कि सिर्फ चैट रिस्पॉन्स पर रुककर। OpenAI इस बदलाव को एक जवाब मांगने से एक डिलिवरेबल सौंपने के रूप में वर्णित करता है जिसमें स्रोत, टूल्स, संशोधन और एक आउटपुट शामिल हो सकता है जिसकी कोई समीक्षा कर सकता है। उदाहरण के लिए, फाइनेंस टीमें उस व्यापक प्रक्रिया के भीतर कच्चे डेटा को मॉडल, चार्ट, मेंमो और डेक में बदल सकती हैं।
सबसे ठोस सबूत OpenAI-प्रकाशित ग्राहक खातों से आता है। OpenAI का कहना है कि Zapier ने एक लीड-रिव्यू सिस्टम बनाया जिसने बिगड़े पाइपलाइन में सात अंकों (लाखों/करोड़ों) का पता लगाया। RingCentral ने मैनुअल लॉन्च चेक्स को एक वर्कफ़्लो में बदल दिया जिसका उपयोग लगभग 50 प्रोडक्ट मैनेजर्स करते हैं। Virgin Atlantic ने प्रतिस्पर्धी रिसर्च को हफ्तों से घंटों में कम कर दिया। NVIDIA ने कॉन्फ्रेंस तैयारी को स्वचालित किया जो उसके इवेंट-पूर्व समय का लगभग 40 प्रतिशत खपत करता था।
बिल्डर्स के लिए, अवसर उन प्रक्रियाओं को लक्षित करना है जिनमें स्पष्ट इनपुट, दोहराए जाने वाले टूल उपयोग और एक ठोस अंतिम कलाकृति हो: एक लॉन्च रिव्यू, रिसर्च पैकेज, फाइनेंशियल मॉडल, प्रेजेंटेशन, या सॉफ्टवेयर मरम्मत। देखने की अगली बात यह है कि क्या टीमें विश्वसनीय रूप से इन आउटपुट्स की समीक्षा कर सकती हैं और आवर्ती कार्यों में पुन: उपयोग कर सकती हैं, न कि प्रत्येक परिणाम को एक-बारगी जवाब के रूप में मानते हुए।
[05:03] छोटे व्यवसाय AI को घंटों, बिक्री और काम करने वाले पुर्जों में बदलते हैं
एक कॉफी बैगिंग समस्या, एक पुरानी मशीन जिसके लिए आसानी से उपलब्ध पुर्जा नहीं है, और चालान में खोए घंटे: ये कुछ ठोस AI लक्ष्य थे जिनका वर्णन 14 जुलाई की एक अमेरिकी हाउस स्मॉल बिजनेस कमेटी की सुनवाई में किया गया। ये उदाहरण मायने रखते हैं क्योंकि वे रोजमर्रा के व्यवसायों को AI को संकीर्ण कार्यों पर लागू करते दिखाते हैं जहां सफलता को समय, पैसे या एक काम करने वाले उपकरण में मापा जा सकता है।
शिकागो की एक 151 साल पुरानी एपोथिकरी एक अकाउंट्स-पेएबल एजेंट बना रही है जिसका उद्देश्य कर्मचारियों को प्रति सप्ताह 20 घंटे से अधिक वापस देना है। इसके मालिक ने यह भी कहा कि कंपनी द्वारा AI अपनाने के बाद रोजगार में लगभग 20 प्रतिशत की वृद्धि हुई है। Henry's House of Coffee ने एक सेंसर-संचालित स्प्रिट्ज़र डिज़ाइन और कोड करने में मदद के लिए ChatGPT का उपयोग किया जो एक भौतिक कॉफी-बैगिंग समस्या को संबोधित करता था। डेट्रॉइट में, ठेकेदार ग्राहक के ड्राइववे से जाते समय अपने ट्रक में अनुमान पूरा करने के लिए फ्लोर प्लान को डिक्टेटेड नोट्स के साथ जोड़ते हैं।
सुनवाई में प्रत्यक्ष व्यावसायिक परिणाम भी शामिल थे। GT Coffee ने बताया कि उसकी कन्वर्जन दर 1.5 प्रतिशत से बढ़कर 2.3 प्रतिशत हो गई, जबकि औसत ऑर्डर मूल्य 38 डॉलर से बढ़कर 47 डॉलर हो गया। एक ओक्लाहोमा के लकड़हारे ने कहा कि पुराने उपकरणों के प्रतिस्थापन पुर्जे अब घंटों में डिज़ाइन और 3D-प्रिंट किए जा सकते हैं, जबकि पहले हफ्तों तक इंतज़ार करना पड़ता था। एक अन्य मामले में, AI ने एक थाई रेस्तरां के लिए होम-किचन परमिट विकल्प प्रस्तुत किया, जिससे प्रारंभिक लागत में 90 प्रतिशत से अधिक की कमी आई।
उन आंकड़ों को ध्यान से पढ़ना चाहिए: ये शपथपूर्ण गवाह के दावे हैं, स्वतंत्र रूप से लेखापरीक्षित सरकारी निष्कर्ष नहीं। फिर भी, पैटर्न बिल्डर्स के लिए उपयोगी है। इनमें से किसी भी उदाहरण में कंपनी के संचालन के हर हिस्से को हल करने पर निर्भर नहीं है। प्रत्येक एक सीमित बाधा से शुरू होता है—चालान, अनुमान, पैकेजिंग, मार्केटिंग, परमिट, या एक अनुपलब्ध घटक—और सीधे उस पर AI लागू करता है।
आगे जो आता है वह साक्ष्य है कि ये लाभ व्यक्तिगत कहानियों से आगे बने रहते हैं। सबसे मजबूत उत्पाद बेसलाइन और परिणाम की तुलना करना आसान बनाएंगे, जबकि छोटे व्यवसायों द्वारा पहले से उपयोग किए जाने वाले अव्यवस्थित उपकरणों और भौतिक प्रक्रियाओं में फिट होंगे।
[06:59] बोन्साई 27B फोन-आकार की मेमोरी में मल्टीमॉडल AI को समेटता है
एक फोन किसी उपकरण की फोटो की जांच कर सकता है, स्क्रीनशॉट पढ़ सकता है, या किसी दस्तावेज़ में मदद कर सकता है - बिना उस सामग्री को क्लाउड सेवा को भेजे। बोन्साई 27B के पीछे यही व्यावहारिक वादा है, जो एक नया PrismML रिलीज़ है जो Qwen 3.6 27B को इतने छोटे पैकेजों में संपीड़ित करता है कि वे उपभोक्ता-डिवाइस मेमोरी में फिट हो सकें।
यह कोई नया प्रीट्रेंड मॉडल नहीं है। PrismML ने मौजूदा मल्टीमॉडल मॉडल के संपीड़ित संस्करण बनाए हैं, जिसमें 1-बिट और 1.58-बिट टर्नरी वेरिएंट शामिल हैं। टर्नरी का मतलब है कि मॉडल के संग्रहीत वेट एक बहुत छोटे संभावित मानों के सेट का उपयोग करते हैं, जिससे उनके द्वारा घेरा जाने वाला मेमोरी तेजी से कम हो जाता है। PrismML लगभग 3.9 गीगाबाइट तक का फुटप्रिंट रिपोर्ट करता है और iPhone-क्लास हार्डवेयर पर ऑपरेशन का प्रदर्शन करता है।
इस रिलीज़ में llama.cpp के साथ संगत रनटाइम के लिए GGUF फाइलें शामिल हैं, साथ ही Apple सिलिकॉन के लिए MLX बिल्ड भी हैं। यह local-AI बिल्डर को लैबोरेटरी डेमो के बजाय लैपटॉप और फोन पर मॉडल का परीक्षण करने के लिए व्यावहारिक फॉर्मेट देता है।
मल्टीमॉडल क्षमता वह है जो आकार में कमी को विशेष रूप से उपयोगी बनाती है। यह ऑफ़लाइन टेक्स्ट चैट तक सीमित नहीं है। एक बिल्डर उपकरण फोटो की जांच करने वाला इंस्पेक्शन असिस्टेंट, नेटवर्क कनेक्शन के बिना साइनेज या स्क्रीनशॉट की व्याख्या करने वाला ट्रैवल हेल्पर, या संवेदनशील फाइलों को यूजर के लैपटॉप पर रखने वाला डॉक्यूमेंट एजेंट बना सकता है। लोकल ऑपरेशन उन कार्यस्थलों में भी महत्वपूर्ण हो सकता है जहाँ इमेज या रिकॉर्ड अपलोड करना अस्वीकार्य है।
महत्वपूर्ण चेतावनियाँ हैं। अत्यधिक संपीड़न आउटपुट गुणवत्ता को बदल सकता है, और मेमोरी में मॉडल फिट करना चिकनी अनुभव की गारंटी नहीं देता। डिवाइस की गर्मी और मेमोरी बैंडविड्थ अभी भी व्यावहारिक प्रदर्शन को प्रभावित करती हैं। PrismML की स्पीड और बेंचमार्क संख्याएँ भी वेंडर-रिपोर्टेड हैं, इसलिए उन्हें वास्तविक फोन और लैपटॉप पर स्वतंत्र रूप से पुनः उत्पादित करने की आवश्यकता है।
जो मायने रखता है वह यह नहीं है कि बोन्साई चलता है या नहीं, बल्कि यह है कि उसके उत्तर वास्तविक इमेज, स्क्रीनशॉट और दस्तावेज़ों में उपयोगी बने रहते हैं या नहीं। अगर यह गुणवत्ता बनी रहती है, तो एक मॉडल आकार जो एक बार वर्कस्टेशन का संकेत देता था, निजी, ऑफ़लाइन मल्टीमॉडल ऐप्स के लिए एक व्यावहारिक बिल्डिंग ब्लॉक बन सकता है।
[08:56] Google Pixel 10 फोन को ऑफ़लाइन AI प्लेटफॉर्म में बदल देता है
एक समर्थित Pixel 10-परिवार फोन अब एक ऑफ़लाइन AI एप्लिकेशन प्लेटफॉर्म बन सकता है, न कि केवल क्लाउड मॉडल के लिए एक स्क्रीन। Google ने Gemma 4 E2B को Tensor SDK बीटा के साथ पेश किया, जो मॉडल को Pixel के TPU पर मूल रूप से चलाने के लिए डिज़ाइन किया गया है - यह मशीन-लर्निंग वर्कलोड के लिए उपयोग किया जाने वाला समर्पित प्रोसेसर है। परिणाम एप्स के लिए एक रास्ता है जो हर इनपुट को रिमोट सर्विस को भेजे बिना फोटो, रिकॉर्डिंग और निर्देशों को समझ सकते हैं।
Google के उदाहरण उस बदलाव को ठोस बनाते हैं। इसने ऑफ़लाइन यात्रा योजना, होम ऑटोमेशन, ट्रांसक्रिप्शन, प्लांट रिकग्निशन, शॉपिंग असिस्टेंस और इक्विपमेंट डायग्नोसिस के लिए ओपन-सोर्स एप्लिकेशन दिखाए। कल्पना करें कि आप एक फोन को किसी पौधे या किसी उपकरण की ओर इशारा करते हैं और तुरंत मदद पाते हैं, भले ही कनेक्टिविटी कमज़ोर हो। या किसी संवेदनशील रिकॉर्डिंग को ट्रांसक्राइब करना जबकि वह डिवाइस पर ही रहती है। ये व्यावहारिक लाभ हैं, सिर्फ़ एक और स्मॉल-मॉडल स्कोर नहीं: कम विलंबता, विश्वसनीय नेटवर्क से दूर बेहतर संचालन, और निजी इनपुट पर अधिक नियंत्रण।
डेवलपर एक्सपीरियंस भी मायने रखता है। बिल्डर्स Tensor SDK बीटा के लिए एक्सेस का अनुरोध कर सकते हैं और Google के उदाहरणों को अडैप्ट कर सकते हैं, डिवाइस ड्राइवर और एक्सेलेरेटर इंटीग्रेशन से शुरू करने के बजाय। Google एक छोटे मॉडल, उसके सॉफ़्टवेयर रूट और अपने ही मोबाइल सिलिकॉन को सह-डिज़ाइन कर रहा है, जो Pixel एप्लिकेशन के लिए लोकल AI को काफ़ी अधिक सुलभ बा सकता है।
घोषणा के आसपास अभी भी महत्वपूर्ण सीमाएँ हैं। वर्तमान सपोर्ट Pixel 10, 10 Pro, 10 Pro XL और 10 Pro Fold तक सीमित है। Google ने Gemma 4 E2B, SDK दिशा, नेटिव Pixel TPU एक्ज़ीक्यूशन और कई डेमो स्थापित किए हैं, लेकिन उसने अभी तक यह जवाब नहीं दिया है कि ये एप्लिकेशन बैटरी लाइफ़ को कैसे प्रभावित करते हैं या वे निरंतर उपयोग में कितनी तेज़ी से रहते हैं। प्रोडक्ट उपलब्धता और डेमो रिज़ल्ट भी Google-रिपोर्टेड हैं।
बिल्डर्स के लिए, तुरंत का अवसर उन वर्कफ़्लो को दोबारा सोचना है जो वर्तमान में क्लाउड कनेक्शन मानते हैं: फ़ील्ड डायग्नोस्टिक्स, प्राइवेट नोट कैप्चर, कैमरा असिस्टेंस और हाउसहोल्ड कंट्रोल। देखने की अगली बात हैन्ड्स-ऑन टेस्टिंग है, ख़ासकर कि क्या उपयोगी परफॉर्मेंस एक छोटे डेमो से आगे बिना अस्वीकार्य हीट, बैटरी ड्रेन या स्लोडाउन के बनी रहती है।
[10:51] रिसर्च डाइजेस्ट: Claude का रोबोटिक्स टेस्ट एक स्पष्ट कंट्रोल बाउंड्री खींचता है
एक गोदाम मज़दूर रोबोट को सामान्य भाषा में बता सकता है कि क्या हिलाना है, लेकिन Claude को हर पहिए के मोड़ या जॉइंट मूवमेंट का टाइमिंग तय नहीं करना चाहिए। यह वह व्यावहारिक सीमा है जो Anthropic ने Claude को क्वाड्रुपेड मूवमेंट और रोबोट-मैनिपुलेशन टास्क पर टेस्ट करने के बाद पाई। सीधा लो-लेवल कंट्रोल ज़्यादातर विफल रहा क्योंकि एक भाषा मॉडल विश्वसनीय रूप से उन फ़ास्ट कंट्रोल लूप और सेफ़्टी सिस्टम की जगह नहीं ले सकता जो किसी भौतिक मशीन को स्थिर रखते हैं। रिज़ल्ट तब सुधरे जब Claude एक स्तर ऊपर काम करता: छोटे टूल्स लिखना, सरल विज़ुअल फ़ीडबैक की जाँच करना और एक प्रीट्रेंड कंट्रोलर की निगरानी करना। एक गोदाम में, इसका मतलब यह हो सकता है कि एक मज़दूर के अनुरोध को रूट और कार्यों के क्रम में बदलना, फिर प्रत्येक मूवमेंट को सर्टिफाइड नेविगेशन और मोशन कंट्रोलर को सौंपना। यह विभाजन बिल्डर्स को नैचुरल-लैंग्वेज प्लानिंग की फ़्लेक्सिबिलिटी देता है बिना मॉडल को मोटर टाइमिंग या भौतिक सेफ़्टी की ज़िम्मेदारी दिए। यह फ़ाइंडिंग एक रोबोट टेस्ट से परे मायने रखती है: यह आज उपयोगी एम्बॉडी AI के लिए एक ठोस आर्किटेक्चर प्रदान करती है। देखें कि क्या रोबोटिक्स प्रोडक्ट्स इस लेयर्ड अप्रोच को अपनाते हैं, जिसमें भाषा मॉडल प्लानिंग करते हैं और सामान्य एरर से रिकवर करते हैं जबकि सिद्ध सॉफ़्टवेयर मूवमेंट पर दृढ़ता से कंट्रोल बनाए रखता है।
[11:58] AMD 128-गीगाबाइट लोकल AI डेस्कटॉप को रिटेल में लाता है
एक डेवलपर अब Micro Center में जा सकता है और एक डेस्कटॉप खरीद सकता है जिसमें एक रिमोट ग्राफ़िक्स सर्वर पहले किराए पर लिए बिना काफ़ी बड़े AI मॉडल के साथ प्रयोग करने के लिए पर्याप्त शेयर्ड मेमोरी है। AMD का Ryzen AI Halo डेस्कटॉप 128 गीगाबाइट तक यूनिफाइड मेमोरी की कॉन्फ़िगरेशन में रिटेल में आ गया है, जो लोकल AI को स्पेशलिस्ट हार्डवेयर प्रोजेक्ट की तरह नहीं बल्कि शेल्फ़ से उपलब्ध प्रोडक्ट की तरह अधिक स्थिति दे रहा है।
महत्वपूर्ण संख्या सिर्फ़ मेमोरी कैपेसिटी नहीं है, बल्कि यह है कि वह मेमोरी कैसे ऑर्गनाइज़ की गई है। यूनिफाइड मेमोरी का मतलब है कि सेंट्रल प्रोसेसर और इंटीग्रेटेड ग्राफ़िक्स एक बड़े पूल का उपयोग करते हैं। यह अपेक्षाकृत छोटी डेडिकेटेड-मेमोरी सीलिंग से बचता है जो कई कंज़्यूमर ग्राफ़िक्स कार्ड को बड़े मॉडल लोड करने से रोकती है। AMD का कहना है कि मशीन 200 बिलियन पैरामीटर तक के मॉडल को सपोर्ट कर सकती है—वे एडजस्टेबल वैल्यू जो एक मॉडल ट्रेनिंग के दौरान सीखता है।
यह एक कैपेसिटी क्लेम है, स्पीड गारंटी नहीं। मॉडल का मेमोरी में फिट होना यह गारंटी नहीं देता कि वह जल्दी जवाब देगा, लंबे प्रॉम्प्ट को आसानी से संभालेगा, या हर वर्कलोड को अच्छी तरह से प्रदर्शित करेगा। व्यावहारिक रिज़ल्ट क्वांटाइज़ेशन पर निर्भर करेंगे, जो मॉडल को उसकी मेमोरी ज़रूरतों को कम करने के लिए कंप्रेस करता है, साथ ही कॉन्टेक्स्ट लेंथ, मेमोरी बैंडविड्थ, रनटाइम सपोर्ट और विशिष्ट टास्क पर।
फिर भी, यह नया खुदरा विकल्प उन चीजों को बदल देता है जिनका परीक्षण बिल्डर डेस्क पर कर सकते हैं। यह सहायकों के लिए एक निजी विकास मशीन के रूप में काम कर सकता है, कंपनी के अपने दस्तावेज़ों से जवाब देने वाली पुनर्प्राप्ति प्रणालियों, कोडिंग एजेंटों और टेक्स्ट को अन्य मीडिया के साथ जोड़ने वाले वर्कफ़्लो के लिए। संवेदनशील फ़ाइलें कंप्यूटर पर रह सकती हैं, और एक टीम बाद में क्लाउड स्केल के लिए भुगतान करने से पहले मूल्यांकन कर सकती है कि स्थानीय प्रदर्शन पर्याप्त है या नहीं।
उपयोगी तुलना फोन-क्लास लोकल AI से है। Bonsai और Gemma जैसे मॉडल उन कार्यों को लक्षित करते हैं जो जेब में आते हैं। Halo डेस्क-साइड स्टेज को लक्षित करता है, जहां डेवलपर्स बड़ी निजी प्रणालियों का अन्वेषण करते हैं। आगे देखने योग्य बात है उपयोगी प्रदर्शन: कौन से मॉडल और रनटाइम उस 128-गीगाबाइट क्षमता को प्रतिक्रियात्मक दैनिक उपकरणों में बदलते हैं, न कि केवल प्रयोगों में जो फिट होते हैं।
[13:54] JetBrains Copilot अब आपकी टीम के AI बैकएंड का उपयोग कर सकता है
एक डेवलपर अब JetBrains एडिटर में Copilot का उपयोग करते हुए वास्तविक AI कार्य को अपने संगठन द्वारा चुने गए मॉडल पर भेज सकता है। GitHub ने IntelliJ-आधारित उपकरणों में Copilot के लिए अपना खुद का की-ब्रिंग करने की सुविधा का विस्तार किया है, जिसमें OpenAI-संगत कस्टम एंडपॉइंट से कनेक्ट करने की क्षमता जोड़ी गई है, जिसमें निजी सेवा या स्थानीय रूप से परोसा गया मॉडल शामिल है।
यह पृथक्करण महत्वपूर्ण परिवर्तन है। Copilot वह इंटरफ़ेस बना हुआ है जो डेवलपर्स अपने एडिटर में देखते हैं, लेकिन अनुमान बैकएंड — वह सेवा जो अनुरोध प्राप्त करती है और मॉडल की प्रतिक्रिया तैयार करती है — टीम द्वारा नियंत्रित किया जा सकता है। एक संगठन Bonsai, किसी अन्य ओपन मॉडल, या संगत एंडपॉइंट के पीछे एक आंतरिक फाइन-ट्यून परोस सकता है, फिर इसे उपलब्ध करा सकता है बिना डेवलपर्स से अपना सामान्य विकास वातावरण बदलने के लिए कहे।
यह स्थानीय मॉडल की बढ़ती आपूर्ति और सॉफ्टवेयर कार्य पहले से होने वाले एडिटरों के बीच एक व्यावहारिक पुल बनाता है। एक टीम जो आंतरिक कोडिंग मॉडल बना रही है, अब अनिवार्य रूप से इसके चारों ओर एक पूर्ण एडिटर एकीकरण बनाने की आवश्यकता नहीं है। वह समर्थित एंडपॉइंट फॉर्मेट के माध्यम से मॉडल को एक्सपोज़ कर सकती है और Copilot को परिचित फ्रंट एंड प्रदान करने दें।
यह परिवर्तन उन संगठनों के लिए भी मायने रखता है जिनके पास प्रॉम्प्ट और स्रोत कोड को कहां संसाधित किया जा सकता है, इसके बारे में नियम हैं। एक निजी बैकएंड उन्हें मॉडल सेवा पर अधिक विकल्प देता है। लेकिन निजी एंडपॉइंट कनेक्ट करना स्वचालित रूप से संपूर्ण वर्कफ़्लो को निजी नहीं बनाता। परिणाम अभी भी इस पर निर्भर करता है कि वह एंडपॉइंट कहां चलता है, ट्रैफ़िक उस तक कैसे पहुंचता है, क्या लॉग होता है, और Copilot को स्वयं कैसे कॉन्फ़िगर किया गया है। वास्तविक डेटा सीमा इन विवरणों पर निर्भर करती है।
बिल्डर्स के लिए, यह पक्ष में-पक्ष में मूल्यांकन को अधिक यथार्थवादी बनाता है: एडिटर वर्कफ़्लो स्थिर रखें और परीक्षण करें कि क्या स्वीकृत स्थानीय या आंतरिक मॉडल दैनिक कोडिंग सहायता संभाल सकता है। अब मुख्य प्रश्न प्रदर्शन का है। यदि स्थानीय मॉडल स्वीकार्य विलंबता के साथ पर्याप्त कोडिंग गुणवत्ता प्रदान कर सकते हैं, तो यह साधारण विकास के लिए एक लचीला मॉडल विकल्प बन सकता है। यदि नहीं, तो इसका सबसे मजबूत आकर्षण अनुपालन और नियंत्रण बना रह सकता है।
[15:48] न्यूयॉर्क कुछ हाइपरस्केल डेटा सेंटर परमिट पर रोक लगाता है
न्यूयॉर्क में एक विशाल AI डेटा सेंटर बनाना अब अधिक समय ले सकता है — क्योंकि राज्य ने हर परियोजना पर प्रतिबंध नहीं लगाया है, बल्कि कुछ पर्यावरणीय परमिट देने से पहले लागत की गणना करना चाहता है। गवर्नर कैथी होचुल ने 14 जुलाई, 2026 को घोषित कार्यकारी आदेश 62 के माध्यम से नए हाइपरस्केल डेटा सेंटरों पर राज्यव्यापी पहली मोराटोरियम शुरू की।
यह विराम उन योग्य परियोजनाओं पर लागू होता है जिन्हें विवेकाधीन पर्यावरणीय परमिट की आवश्यकता होती है, जिसका अर्थ है वे अनुमतियाँ जहाँ नियामकों को किसी परियोजना का मूल्यांकन करना होता है, न कि बस एक स्वचालित हक़ का प्रसंस्करण करना। यह एक साल तक लागू रह सकता है जब तक न्यूयॉर्क बिजली ग्रिड, पानी के उपयोग, वायु गुणवत्ता, ग्राहक उपयोगिता दरों और आसपास के समुदायों पर प्रभाव का अध्ययन करता है।
उस दायरे का महत्व है। मौजूदा डेटा सेंटर बंद नहीं किए जा रहे हैं, और नई परियोजनाएं जिन्हें प्रभावित परमिट की आवश्यकता नहीं है, वे स्वचालित रूप से अवरुद्ध नहीं हैं। तो सही निष्कर्ष यह है कि एक निश्चित अनुमोदन मार्ग पर अस्थायी विराम, न्यूयॉर्क भर में सभी डेटा-सेंटर निर्माण का अंत नहीं।
AI कंपनियों के लिए, यह बुनियादी ढांचे की नीति को उत्पाद बाधा में बदल देता है। त्वरक सुरक्षित करना बड़ी कंप्यूटिंग सुविधाओं को तैनात करने का केवल एक हिस्सा है। एक क्षेत्र को बिजली और पानी प्रदान करने में सक्षम होना चाहिए, पर्यावरणीय प्रभावों को अवशोषित करना चाहिए, और यह तय करना चाहिए कि घरों को उच्च दरों के माध्यम से कुछ लागत वहन करनी पड़ेगी या नहीं। स्थानीय समीक्षा इसलिए प्रभावित कर सकती है कि कोई सेवा कहाँ चलती है, कितनी क्षमता उपलब्ध है, और वह क्षमता कब ऑनलाइन आती है।
परियोजना निर्माताओं और व्यवसायों को अब एक और निर्भरता की श्रेणी का मॉडल बनाना होगा। क्लाउड क्षेत्र, ऊर्जा उपलब्धता, और परमिट प्रक्रिया हार्डवेयर की कमी जितनी ही निश्चित रूप से समय-सारणी और मूल्य जोखिम पैदा कर सकते हैं। एक परियोजना जो एक स्थान के इर्दगिर्द डिज़ाइन की गई है, वह अलग समय-सीमा का सामना कर सकती है यदि वह विरामित प्रक्रिया में आती है।
अगली बात देखने की यह है कि न्यूयॉर्क का अध्ययन क्या उत्पादन करता है: बुनियादी ढांचे और सामुदायिक लागतों के साक्ष्य, उसके बाद विराम को बदलने या उसके बाद आने वाले नियम। वे निर्णय तय कर सकते हैं कि कौन सी हाइपरस्केल परियोजनाएं आगे बढ़ती हैं और डेवलपर्स को क्या दायित्व पूरे करने होंगे।
[17:50] GOLD EAGLE राष्ट्रीय भेद्यता समन्वय में फ्रंटियर AI लाता है
एक नई प्रकट सॉफ्टवेयर खामी एक परिचित दौड़ शुरू कर सकती है: कई समूह एक ही समस्या के लिए स्कैन करते हैं, तात्कालिक निष्कर्ष ध्यान के लिए प्रतिस्पर्धा करते हैं, और जिन संगठनों को वास्तव में पैच की जरूरत है उन्हें विखंडित जानकारी मिल सकती है। व्हाइट हाउस चाहता है कि फ्रंटियर AI राष्ट्रीय स्तर पर उस हस्तांतरण को सुलझाने में मदद करे।
14 जुलाई को घोषित, GOLD EAGLE भेद्यता प्रवेश, स्कैनिंग सत्यापन, प्राथमिकता, और उपचार के समन्वय के लिए एक सरकारी-उद्योग साइबर सुरक्षा क्लियरिंगहाउस है। इसका घोषित लक्ष्य डुप्लिकेट स्कैनिंग को कम करना और सरकारी, वित्तीय, और महत्वपूर्ण बुनियादी ढांचा ऑपरेटरों को प्राथमिकता वाली, कार्रवाई योग्य खतरे और मरम्मत की जानकारी देना है।
यह इसे एक परिनियोजन कहानी बनाता है, मॉडल बेंचमार्क नहीं। GOLD EAGLE पहले से ही पहचानी गई भेद्यताओं को प्राप्त करना और उन्हें प्राथमिकता देना और सत्यापन स्कैन का समन्वय शुरू कर चुका है। उपयोगी परीक्षण यह होगा कि क्या यह बार-बार होने वाले काम को कम करता है और रक्षकों को स्पष्ट, कार्रवाई योग्य जानकारी तेजी से पहुँचाता है।
घोषणा में मॉडल की पहचान नहीं है और न ही किसी AI विक्रेता का नाम है। यह यह भी नहीं कहता कि AI स्वायत्त रूप से राष्ट्रीय बुनियादी ढांचे को पैच करेगा। GOLD EAGLE को सरकार और उद्योग भर में समन्वय और प्राथमिकता समर्थन के रूप में वर्णित किया गया है; भाग लेने वाले मानव संगठन उपचार के लिए जिम्मेदार रहते हैं।
सुरक्षा टीमों के लिए, व्यावहारिक दबाव नीचे की ओर आ सकता है। तेज़ समन्वय तभी मदद करता है जब किसी संगठन को पता हो कि वह कौन सा सॉफ्टवेयर चलाता है, कौन प्रत्येक पैच निर्णय का स्वामी है, और कितनी जल्दी साक्ष्य किसी भेद्यता रिपोर्ट से जिम्मेदार टीम तक पहुंच सकता है। सटीक इन्वेंटरी, स्पष्ट पैच स्वामित्व, समन्वित प्रकटीकरण, और बचाव योग्य गंभीरता निर्णय - सभी को तेज़ी से संचालित करने की आवश्यकता हो सकती है।
बिल्डर्स के लिए, अवसर उन हस्तांतरण में है: संरचित भेद्यता इनटेक, प्राथमिकता निर्णयों के पीछे साक्ष्य प्रस्तुत करना, सॉफ्टवेयर इन्वेंटरी बनाए रखना, और प्रभावित ऑपरेटरों को सुधार जानकारी भेजना। जिस बात पर नज़र रखनी चाहिए वह है कि GOLD EAGLE अपने व्यापक समन्वय मिशन को परिचालन प्रक्रियाओं में कैसे बदलता है - और भागीदार संगठनों को क्या साक्ष्य प्रदान और उपभोग करने की आवश्यकता होगी।
[19:48] Anthropic ने अपने फ्लैगशिप को जोखिम, पहुंच और मूल्य के आधार पर विभाजित किया
Anthropic की सबसे क्षमाशाली पेशकश अब सबसे मजबूत मॉडल चुनने का सीधा सवाल नहीं है। यह अब एक तीन-तरफ़ा निर्णय है जिसमें शामिल है कि काम क्या है, कौन कर रहा है, इसमें कितना जोखिम है, और ग्राहक कितना भुगतान करने को तैयार है।
Fable 5 और Mythos 5 एक अंतर्निहित मॉडल साझा करते हैं, लेकिन Anthropic उन्हें अलग तरह से पैकेज करता है। Fable मुख्यधारा के उपयोग के लिए डिज़ाइन की गई व्यापक सुरक्षा जोड़ता है। Mythos साइबर और विज्ञान में काम करने वाले सत्यापित भागीदारों के लिए प्रतिबंधित है, जहां Anthropic कठोर पात्रता नियमों के तहत पहुंच की अनुमति दे रहा है। Sonnet 5 कम महंगा सामान्य डिफ़ॉल्ट है, जिसे ब्राउज़र, टर्मिनल, डीबगिंग और व्यावसायिक वर्कफ़्लो को संभालने के लिए डिज़ाइन किया गया है, जिसे Anthropic Opus एजेंट व्यवहार के करीब बताता है।
व्यावहारिक पिच कठिन, लंबे चलने वाले काम पर पर्याप्त स्वचालन है। Anthropic का कहना है कि Stripe ने 50 मिलियन लाइन के Ruby कोडबेस के माइग्रेशन के लिए Fable का उपयोग किया, जो एक दिन के काम में पूरा हुआ जो अन्यथा एक टीम को दो महीने से अधिक समय लेता। यह एक Anthropic-प्रकाशित ग्राहक दावा है, स्वतंत्र रूप से सत्यापित बेंचमार्क नहीं, लेकिन यह कंपनी द्वारा Fable को संबोधित करने वाले कार्यभार की ठोस तस्वीर देता है।
सरकारी जांच ने उपलब्धता को सीधे बदल दिया है। अमेरिकी सरकार ने जून में निर्यात नियंत्रण लागू किए, और Anthropic ने पहुंच निलंबित कर दी क्योंकि वह वास्तविक समय में राष्ट्रीयता सत्यापित नहीं कर सकी। वे नियंत्रण हटाए जाने के बाद पहुंच लौट आई। अलग से, Anthropic कहता है कि उसने घटना के बाद अपने सुरक्षा क्लासिफायर को मजबूत किया और सरकारी परीक्षण का विस्तार किया।
बिल्डर्स के लिए, यह मॉडल चयन को एक परिचालन डिज़ाइन विकल्प में बदल देता है। एक नियमित डीबगिंग एजेंट या ब्राउज़र वर्कफ़्लो लागत और विलंबता पर Sonnet के अनुकूल हो सकता है। संवेदनशील साइबर या वैज्ञानिक कार्य के लिए Mythos, ग्राहक सत्यापन, और यह स्वीकार करने की आवश्यकता हो सकती है कि पात्रता बदल सकती है। Fable उन मामलों के बीच बैठता है, व्यापक प्रतिबंधों के साथ फ्रंटियर क्षमता प्रदान करता है।
मुख्य सवाल भविष्यवाणी है: क्या संगठन पहले से जान सकते हैं कि सुरक्षा, क्लासिफायर, या पहुंच आवश्यकताएं कब किसी उत्पादन वर्कफ़्लो में बाधा डालेंगी? क्षमता मायने रखती है, लेकिन विश्वसनीय पहुंच उत्पाद विशिष्टता का हिस्सा बन रही है।
[21:40] Gemini 3.5 Flash स्क्रीन संचालित कर सकता है और सॉफ्टवेयर बना सकता है
एक AI एजेंट अब स्क्रीन देख सकता है, वहां मिले कंट्रोल का उपयोग कर सकता है, सॉफ्टवेयर बदल सकता है, और तैयार परिणाम वापस कर सकता है। Google ने Gemini 3.5 Flash को ब्राउज़र, मोबाइल और डेस्कटॉप एजेंटों के लिए नेटिव कंप्यूटर यूज़ के साथ रिलीज़ किया है, जो अपने फास्ट मॉडल को सवालों के जवाब देने से आगे सामान्य इंटरफेस संचालित करने की ओर ले जा रहा है।
सबसे उपयोगी सबूत वह है जो Google ने लोगों को बनाते हुए दिखाया। एक डेमो में, मॉडल ने पेमेंट इंटरफेस के कई वेरिएंट जेनरेट किए। दूसरे में, उसने AlphaGo पेपर से एक गेम बनाया। Google ने पैरलल एजेंटों को बड़ी फाइल कलेक्शन ऑर्गनाइज़ करते और एक एजेंट को निरंतर सॉफ्टवेयर टेस्टिंग ऑटोमेट करते हुए भी दिखाया। ये उदाहरण डिज़ाइन, इम्प्लीमेंटेशन, डेस्कटॉप वर्क और क्वालिटी एश्योरेंस को कवर करते हैं, न कि किसी एक संकीर्ण क्लिकिंग टास्क को।
नेटिव कंप्यूटर यूज़ इसलिए मायने रखता है क्योंकि कई वास्तविक वर्कफ्लो स्क्रीन और सॉफ्टवेयर में बिखरे हुए हैं जिनमें साफ इंटीग्रेशन नहीं हैं। एक एजेंट जो इंटरफेस को ऑब्ज़र्व कर सकता है और उसके ज़रिए एक्ट कर सकता है, संभवतः उन स्टेप्स को बिना हर एप्लिकेशन के लिए डेडिकेटेड टूल एक्सपोज़ किए जोड़ सकता है। यह जॉब का हिस्सा बनाकर सॉफ्टवेयर लिख या बदल भी सकता है, इसलिए आउटपुट केवल क्लिक्स का सीक्वेंस नहीं बल्कि एक पूरा आर्टिफैक्ट है।
Google के अपने बेंचमार्क रिज़ल्ट एक सार्वभौमिक विजेता घोषित करने के खिलाफ तर्क देते हैं। कंपनी रिपोर्ट करती है कि Gemini 3.5 Flash, MCP Atlas पर GPT-5.5 को हरा रहा है जबकि Terminal-Bench पर पीछे है। व्यावहारिक निष्कर्ष यह है कि मॉडल चॉइस इस बात पर निर्भर करता है कि काम सॉफ्टवेयर टूल्स, टर्मिनल टास्क या स्क्रीन इंटरैक्शन पर केंद्रित है, कोई एक ओवरऑल नंबर नहीं।
सावधानी उतनी ही ठोस है। एक स्क्रीन-ड्राइविंग एजेंट गलत टारगेट पर क्लिक कर सकता है, बदलते इंटरफेस को गलत समझ सकता है, या पेज में एम्बेडेड मैलिशियस इंस्ट्रक्शंस का पालन कर सकता है। कंस्ट्रेंड एनवायरनमेंट, विजिबल अप्रूवल, और रिवर्स किए जा सकने वाले बदलाव सुरक्षा उपाय के रूप में महत्वपूर्ण बने हुए हैं।
आगे देखने की बात यह है कि ये एजेंट डेमो के बाहर लंबी, गड़बड़ वर्कफ्लो को कितनी विश्वसनीयता से संभालते हैं। Gemini 3.5 Pro को केवल "जल्द आ रहा है" के रूप में वर्णित किया गया है, इसलिए उपलब्ध प्रोडक्ट यहां Flash है—और इसका तुरंत का अवसर सीमित कंप्यूटर वर्क है जहां पूर्णता की जांच की जा सकती है।
[23:39] Australia Links AI Expansion to Power, Water, and Creator Control
ऑस्ट्रेलिया AI विकास के लिए एक व्यावहारिक सौदा प्रस्तावित कर रहा है: अगर बड़े डेटा सेंटर ज़्यादा बिजली और पानी चाहते हैं, तो उनके ऑपरेटर्स को लागत का अधिक भार वहन करना चाहिए—और ऑस्ट्रेलियाई क्रिएटर्स को यह नियंत्रण बनाए रखना चाहिए कि उनका काम AI सिस्टम को ट्रेन करता है या नहीं।
सरकार ने तुरंत एक Office of AI स्थापित की और 15 जुलाई को प्रस्तावित राष्ट्रीय मानकों की घोषणा की। उन प्रस्तावों के तहत, बड़े डेटा सेंटर नए पावर सप्लाई को अंडरराइट करेंगे, बिजली ग्रिड से कनेक्ट होने की लागत का भुगतान करेंगे, जब आवश्यक हो मांग कम करेंगे, और पानी के उपयोग को कम करेंगे। सरकार यह भी कहती है कि ऑस्ट्रेलियाई क्रिएटिव वर्क्स का उपयोग AI ट्रेनिंग के लिए बिना क्रिएटर्स के नियंत्रण के नहीं किया जाना चाहिए।
अभी तक ये कोई मानक कानून नहीं बना है। अगस्त में National Cabinet पर विचार करने की योजना है, और कानून बनाने का लक्ष्य early 2027 है। वह टाइमिंग मायने रखती है क्योंकि कंपनियों को इसे यात्रा की दिशा के रूप में पढ़ना चाहिए, न कि वर्तमान में लागू दायित्वों की सूची के रूप में।
बिल्डर्स के लिए, उपयोगी बदलाव AI क्षमता को मापने के तरीके में है। चिप्स अभी भी महत्वपूर्ण हैं, लेकिन एक गोदाम भरा हुआ एक्सेलेरेटर जनरेशन, ग्रिड कनेक्शन, कूलिंग संसाधनों और स्थानीय स्वीकृति के बिना संचालित नहीं हो सकता। अगर ऑपरेटर्स को नई आपूर्ति को फंड करना हो और जब ग्रिड पर दबाव हो तो खपत कम करनी हो, तो लचीलापन बुनियादी ढांचे के डिज़ाइन का हिस्सा बन जाती है, वैकल्पिक दक्षता परियोजना नहीं। जब रचनात्मक नियंत्रण शामिल हो तो प्रशिक्षण-डेटा सोर्सिंग भी अधिक स्पष्ट उत्पाद और लाइसेंसिंग निर्णय बन सकती है।
ऑस्ट्रेलिया का दृष्टिकोण न्यूयॉर्क के अस्थायी परमिट पॉज़ की तुलना में किया जा सकता है। दोनों सरकारें अलग-अलग लीवर का उपयोग कर रही हैं, लेकिन दोनों एक ही दबाव का जवाब दे रही हैं: डेटा-सेंटर का तेजी से विस्तार कंप्यूटिंग हार्डवेयर से खुद को परे लागत पैदा करता है।
आगे क्या होगा यह अगस्त की विचारधारा और 2027 के लिए लक्षित विधान पर निर्भर करेगा। ध्यान देने योग्य विवरण यह हैं कि ऑस्ट्रेलिया बड़े डेटा सेंटर को कैसे परिभाषित करता है, रचनाकार नियंत्रण को व्यवहार में क्या चाहिए, और बिजली, कनेक्शन, मांग-कमी और पानी की प्रतिबद्धताओं का मूल्यांकन कैसे किया जाएगा।
[25:32] Google ने AI के साथ Pelé का खोया हुआ 1959 गोल पुनः बनाया
एक प्रसिद्ध Pelé गोल जो प्रभावी रूप से दृश्य इतिहास से गायब हो गया था अब फिर से देखा जा सकता है—लेकिन Google ने जो बनाया है वह पुनर्प्राप्त फुटेज नहीं, पुनर्निर्माण है। गोल 1959 में लगाया गया था, और कोई जीवित फिल्म ज्ञात नहीं थी। पल को पुनः बनाने के लिए, Google और Google DeepMind ने अभिलेखीय दस्तावेज़ों, स्टेडियम के ब्लूप्रिंट, प्रत्यक्षदर्शियों के बयान, इतिहासकारों, व्यावहारिक फिल्म निर्माण और जेनरेटिव AI को जोड़ा।
यह अंतर मायने रखता है क्योंकि यह केवल एक वीडियो मॉडल से Pelé को गोल करने के लिए कहने वाला सरल प्रॉम्प्ट नहीं था। टीम को समन करना पड़ा कि रिकॉर्ड क्या स्थापित करते हैं, गवाहों को क्या याद है, कैमरा को यथार्थपूर्ण रूप से कहां रखा जा सकता था, और कार्रवाई दृश्य रूप से निरंतर कैसे रहनी चाहिए। Veo, Gemini Omni और Nano Banana Pro सहित कई AI सिस्टम ने परियोजना में योगदान दिया, लेकिन आकर्षक हिस्सा उनके आसपास की परतदार प्रक्रिया है: स्रोत, स्थानिक साक्ष्य, मानव स्मृति, विशेषज्ञ निर्णय, फिल्म निर्माण और जनरेशन एक साथ काम कर रहे हैं।
यह संग्रहालयों, खेल अभिलेखीयों, डॉक्यूमेंट्री टीमों और शिक्षकों को उन दृश्यों के लिए उपयोगी मॉडल देता है जो कभी फिल्माए नहीं गए थे या जिनकी रिकॉर्डिंग खो गई थी। सामान्य अनुमान प्रस्तुत करने के बजाय, वे साक्ष्य-जुड़ा व्याख्या बना सकते हैं। एक ऐतिहासिक प्रदर्शनी एक लापता सार्वजनिक घटना को विज़ुअलाइज़ कर सकती है जबकि यह दिखाते हुए कि कौन से विवरण दस्तावेज़ों से आए, कौन से गवाही से आए, और कौन से अनुमान की आवश्यकता थी। एक डॉक्यूमेंट्री समान रूप से एक अनुपस्थित क्षण को समझने योग्य बना सकती है बिना यह झूठा दावा किए कि वहां एक कैमरा था।
जोखिम स्पष्ट है: ठोस जेनरेटेड इमेजरी को प्रामाणिक ऐतिहासिक फिल्म के साथ भ्रमित किया जा सकता है, विशेषकर जब इसे संदर्भ के बिना क्लिप किया जाता है और साझा किया जाता है। इसलिए प्रस्तुति उत्पाद का हिस्सा है। दर्शकों को स्पष्ट रूप से बताया जाना चाहिए कि वे पुनर्निर्माण देख रहे हैं, रिकॉर्ड, स्मृतियां, अनिश्चितता और कलात्मक विकल्पों को दृश्यमान रखते हुए।
आगे क्या आता है यह तेज इमेजरी से कम बेहतर उत्पत्ति के बारे में है: क्या भविष्य के पुनर्निर्माण दर्शकों को महत्वपूर्ण विवरणों को उनके समर्थक साक्ष्य तक ट्रेस करने देते हैं। सावधानी से किया जाए, तो जेनरेटिव वीडियो लोगों को इतिहास को चुपचाप पुनर्लेखन किए बिना अपनी कमियों का सामना करने में मदद कर सकता है।
[27:26] व्यावहारिक कतार
आज की कहानियों से: बिल्डर्स के लिए, Sol पूरे-रेपोजिटरी एडिट्स, ब्राउज़र क्वालिटी एश्योरेंस, बड़े-दस्तावेज़ रिसर्च और अन्य मल्टी-स्टेप वर्कफ्लो को एंड-टू-एंड एजेंट टास्क के रूप में अधिक व्यावहारिक बनाता है। बिल्डर्स और टीमों के लिए, इसका मतलब है कि एक वर्कस्पेस एक असाइनमेंट को एक्सप्लोरेशन से लेकर फिनिश्ड आर्टिफैक्ट या काम करने वाले सॉफ्टवेयर तक ले जा सकता है। बिल्डर्स के लिए, इसका मतलब है कि सबसे मजबूत छोटे-व्यापार के अवसर रिपीटिटिव एडमिनिस्ट्रेटिव वर्क, फिजिकल बॉटलनेक्स और अस्पष्ट रेगुलेटरी सवालों के अंदर हो सकते हैं। बिल्डर्स के लिए, यह फोन और लैपटॉप पर प्राइवेट मल्टीमॉडल प्रोटोटाइप को अधिक व्यावहारिक बनाता है, खासकर जहां कनेक्टिविटी या डेटा सेंसिटिविटी क्लाउड प्रोसेसिंग को बाहर करती है। बिल्डर्स के लिए, यह ऑफ़लाइन मोबाइल असिस्टेंट के लिए एक अधिक सीधा रास्ता बनाता है जो कैमरा, रिकॉर्डिंग और निर्देशों के साथ काम करते हैं जबकि सेंसिटिव डेटा फोन पर रहता है। रोबोटिक्स बिल्डर्स के लिए, यह लेबर का एक साफ डिवीजन सुझाता है: लैंग्वेज मॉडल ह्यूमन रिक्वेस्ट को प्लान में बदल सकते हैं, जबकि प्रोवन कंट्रोलर्स फिजिकल मूवमेंट एक्जीक्यूट करते हैं। बिल्डर्स के लिए, यह रिटेल डेस्कटॉप को प्राइवेट असिस्टेंट, रिट्रीवल सिस्टम, कोडिंग एजेंट और मल्टीमॉडल वर्कफ्लो के लिए एक व्यावहारिक प्रोटोटाइपिंग एनवायरनमेंट बनाता है। बिल्डर्स के लिए, इसका मतलब है कि लोकल और इंटरनल कोडिंग मॉडल डेवलपर्स से एक एस्टैब्लिश्ड एडिटर के अंदर मिल सकते हैं बजाय अलग इंटरफेस की जरूरत के। बिल्डर्स के लिए, क्लाउड रीजन और फिजिकल डिप्लॉयमेंट लोकेशन अब कंप्यूट उपलब्धता के साथ-साथ शेड्यूल और कॉस्ट रिस्क भी लाती हैं। सिक्योरिटी टीमों के लिए, यह सटीक सॉफ्टवेयर इन्वेंटरी, एक्सप्लिसिट पैच ओनरशिप और सेवेरिटी डिसीजन का समर्थन करने वाले एविडेंस के मूल्य को बढ़ाता है। बिल्डर्स के लिए, मॉडल चॉइस अब इस पर निर्भर नहीं है कि मॉडल टास्क पूरा कर सकता है या नहीं, बल्कि यह भी शामिल है कि वर्कफ्लो सेफगार्ड या बदलते एक्सेस रूल्स को टॉलरेट कर सकता है या नहीं। बिल्डर्स के लिए, इसका मतलब है कि एक एजेंट संभावित रूप से स्क्रीन इंटरैक्शन और सॉफ्टवेयर क्रिएशन को ब्रिज कर सकता है उन वर्कफ्लो में जहां डायरेक्ट इंटीग्रेशन मिसिंग या इंकम्प्लीट हैं। AI इन्फ्रास्ट्रक्चर बिल्डर्स के लिए, साइट सेलेक्शन तेजी से बिजली जेनरेशन को फाइनेंस करने की क्षमता, ग्रिड एक्सेस सिक्योर करने, डिमांड मैनेज करने और पानी की खपत सीमित करने की क्षमता पर निर्भर हो सकता है। बिल्डर्स के लिए, यह दिखाता है कि जेनरेटिव वीडियो आर्काइवल वर्कफ्लो का हिस्सा कैसे बन सकता है बजाय स्टैंडअलोन स्पेक्टेकल के।
NOVA: मैं NOVA हूँ।
[ALLOY]: मैं ALLOY हूँ, और यह है AgentStack Daily...
NOVA: OpenAI का GPT-5.6 Sol एक बड़े सॉफ्टवेयर प्रोजेक्ट का निरीक्षण कर सकता है, उसके टूल्स को संचालित कर सकता है, ब्राउज़र में परिणाम जाँच सकता है, और सुझावों पर रुकने के बजाय तैयार डिलिवरेबल की ओर बढ़ सकता है। ChatGPT अब बातचीत, ज्ञान कार्य, और कोडिंग को एक डेस्कटॉप वर्कस्पेस में रखता है। छोटी कंपनियाँ पहले से ही खोए हुए सेल्स को वापस लाने, चालान प्रोसेस करने, रिप्लेसमेंट पार्ट्स डिज़ाइन करने, अनुमान तैयार करने, और प्रोडक्शन की समस्याओं को हल करने के लिए AI का उपयोग कर रही हैं।
[ALLOY]: आज: Sol लंबे एजेंट जॉब्स लेता है, ChatGPT Work डॉक्यूमेंट्स और प्रेज़ेंटेशन बनाता है, कंप्रेस्ड मल्टीमॉडल मॉडल फोन-साइज़ मेमोरी में फिट होते हैं, और Pixel डिवाइस ऑफ़लाइन प्राइवेट असिस्टेंट चलाते हैं। आप सुनेंगे कि कैसे एक 128-गीगाबाइट AMD डेस्कटॉप लोकल AI का विस्तार करता है, कैसे Gemini 3.5 Flash स्क्रीन्स को संचालित करता है और सॉफ्टवेयर बनाता है, और क्यों न्यूयॉर्क और ऑस्ट्रेलिया AI ग्रोथ को बिजली, पानी, और समुदाय की लागत से जोड़ रहे हैं।
NOVA: Claude का रोबोटिक्स ट्रायल भाषा-आधारित प्लानिंग और तेज़ फिजिकल कंट्रोल के बीच एक उपयोगी रेखा खींचता है। इस बीच, एक राष्ट्रीय साइबरसिक्योरिटी प्रोग्राम फ्रंटियर AI को भेद्यता समन्वय पर लागू करता है, और Google खोया हुआ Pelé गोल बिना जेनरेट किए इमेज को रिकवर फिल्म के रूप में पेश किए पुनर्निर्मित करता है।
NOVA: GPT-5.6 Sol OpenAI का नया मॉडल है जो जटिल कोडिंग, कंप्यूटर यूज़, रिसर्च, और सिक्योरिटी के लिए है। इसका इंटरफ़ेस दस लाख से अधिक टोकन का संदर्भ स्वीकार कर सकता है और असामान्य रूप से लंबे आउटपुट दे सकता है, जिससे इसे फैले हुए सॉफ्टवेयर रिपॉजिटरी, बड़े डॉक्यूमेंट कलेक्शन, इमेज, और विस्तारित टूल एक्टिविटी के लिए जगह मिलती है। Sol फाइलें और वेब खोज सकता है, कोड एक्जीक्यूट कर सकता है, एक होस्टेड कमांड लाइन का उपयोग कर सकता है, सॉफ्टवेयर पैच लगा सकता है, इमेज जेनरेट कर सकता है, कंप्यूटर संचालित कर सकता है, और MCP के माध्यम से बाहरी सेवाओं से जुड़ सकता है, एक स्टैंडर्ड जो मॉडल्स को टूल कॉल करने और डेटा रिट्रीव करने देता है।
[ALLOY]: बड़ा बदलाव उन क्षमताओं को जोड़ने से आता है। Sol JavaScript लिख सकता है जो कई टूल्स कॉल करता है, परिणामों को फ़िल्टर करता है, और उपयोगी साक्ष्य देता है। हर इंटरमीडिएट सर्च परिणाम से बातचीत को भरने के बजाय, यह उस सामग्री को एक छोटे प्रोग्राम के अंदर स्पष्ट सीमाओं के साथ प्रोसेस कर सकता है। रीज़निंग टर्न्स में बनी रह सकती है, जबकि एक बीटा मल्टी-एजेंट मोड पैरेलल एजेंट्स के बीच स्वतंत्र कार्य को विभाजित करता है। एक डेवलपर एक रिपॉजिटरी-वाइड बदलाव असाइन कर सकता है, एक एजेंट को डिपेंडेंसीज़ ट्रेस करने दे सकता है जबकि दूसरा संबंधित कोड अपडेट करता है, और Sol को ब्राउज़र में तैयार इंटरफ़ेस का निरीक्षण करने दे सकता है।
NOVA: OSWorld 2.0 कंप्यूटर-यूज़ बेंचमार्क पर, OpenAI रिपोर्ट करता है कि Sol में GPT-5.5 के 47.5 प्रतिशत से 62.6 प्रतिशत तक सुधार हुआ। यह ब्राउज़िंग और कंप्यूटर-एडेड डिज़ाइन में भी लाभ दिखाता है। लॉन्च पार्टनर Lovable कहता है कि इसके रन को कम स्टेप्स और टूल कॉल्स की ज़रूरत थी और यह कम बार अटकता था। Qodo कहता है कि पुल-रिक्वेस्ट रिव्यू में लगभग एक-तिहाई टोकन और लगभग आधा समय लगा। ये कंपनी और पार्टनर के दावे हैं, लेकिन वे आंशिक काम की निगरानी में बिताए समय की ओर इशारा करते हैं।
[ALLOY]: Sol ब्राउज़र क्वालिटी एश्योरेंस, सिक्योरिटी एनालिसिस, बड़े-डॉक्यूमेंट रिसर्च, और सॉफ्टवेयर बदलावों का समर्थन कर सकता है जो रिव्यू करने योग्य आर्टिफैक्ट के साथ समाप्त होते हैं। OpenAI Terra को संतुलित रोज़मर्रा का विकल्प और Luna को तेज़, हाई-वॉल्यूम काम के लिए पोज़िशन करता है, जबकि Sol और इसका प्रो मोड अधिक मांग वाले कामों को कवर करते हैं। इसका मूल्य इस पर निर्भर करेगा कि पूर्णता लाभ वास्तविक अनुमतियों, बदलते इंटरफ़ेस, अधूरे डेटा, और मानव अनुमोदन में बने रहते हैं या नहीं।
[ALLOY]: OpenAI ने ChatGPT डेस्कटॉप ऐप को तीन जुड़े हुए तरह के काम के इर्दगिर्द फिर से डिज़ाइन किया है। Chat बातचीत का सतह बना हुआ है। Work रिसर्च और तैयार ज्ञान आर्टिफैक्ट बनाता है। Codex सॉफ्टवेयर बिल्डिंग का समर्पित माहौल बना हुआ है। मौजूदा Codex प्रोजेक्ट और सेटिंग्स बरकरार रहती हैं, लोग Codex को अपना डिफ़ॉल्ट व्यू रख सकते हैं, और प्रोजेक्ट मोबाइल से भी पहुंच योग्य रहते हैं। OpenAI ने वर्कस्पेस को एक साथ मिला दिया है इसलिए बिना यह मानने के कि एक त्वरित बातचीत, एक वित्तीय प्रेजेंटेशन, और एक सॉफ्टवेयर मरम्मत समान गतिविधियां हैं।
NOVA: Work अपेक्षित आउटपुट को बदल देता है। एक व्यक्ति सलाह मांगने और दूसरी जगह मैन्युअली परिणाम इकट्ठा करने के बजाय एक दस्तावेज़, स्प्रेडशीट, प्रेजेंटेशन, या साइट असाइन कर सकता है। एक फाइनेंस टीम कच्चे आंकड़े दे सकती है और एक मॉडल, चार्ट, मेमो, और स्रोतों पर आधारित प्रेजेंटेशन प्राप्त कर सकती है। एक प्रोडक्ट टीम रिसर्च, आंतरिक फाइलें, संशोधन, और लॉन्च पैकेज को जोड़ सकती है। अंतिम आइटम कुछ ऐसा रहता है जिसे एक व्यक्ति जांच सकता है और संपादित कर सकता है, लेकिन एजेंट इसके इर्दगिर्द इकट्ठा करने और उत्पादन का ज्यादा काम संभालता है।
[ALLOY]: OpenAI के ग्राहक खातों से पता चलता है कि यह दृष्टिकोण कहां जा रहा है। Zapier कहता है कि एक लीड-रिव्यू सिस्टम ने बिक्री पाइपलाइन के सात आंकड़ों के बराबर छूटे हुए व्यापार पाए। RingCentral कहता है कि लगभग 50 प्रोडक्ट मैनेजर एक स्वचालित लॉन्च-चेक वर्कफ्लो का उपयोग करते हैं। वर्जिन अटलांटिक की रिपोर्ट है कि प्रतिस्पर्धी रिसर्च हफ्तों से घंटों में आ गई। NVIDIA कहता है कि उसने कॉन्फ्रेंस तैयारी को स्वचालित किया जो पहले इवेंट से पहले के समय का लगभग 40 प्रतिशत खाती थी। ये परिणाम OpenAI और उसके ग्राहकों से आए हैं, इसलिए ये उदाहरण हैं गारंटी नहीं।
NOVA: सबसे मजबूत उपयोग पहचानने योग्य इनपुट से शुरू होते हैं और एक ठोस आइटम पर खत्म होते हैं: एक रिसर्च पैकेज, वित्तीय मॉडल, लॉन्च रिव्यू, प्रेजेंटेशन, या मरम्मत किया हुआ एप्लिकेशन। Chat, Work, और Codex को अलग रखना एक महत्वपूर्ण मानवीय संकेत भी संरक्षित रखता है। लोग देख सकते हैं कि वे किसी विचार का पता लगा रहे हैं, किसी आर्टिफैक्ट का ऑर्डर दे रहे हैं, या सॉफ्टवेयर बदल रहे हैं। सफलता का अगला मापदंड पुनः उपयोग होगा: क्या टीमें इन डिलिवरेबल्स को विश्वसनीय कंपनी प्रक्रियाओं के रूप में संशोधित और दोहरा सकती हैं, बजाय एक पॉलिश लेकिन अलग-थलग परिणाम प्राप्त करने के।
NOVA: छोटे व्यवसाय के मालिकों ने कांग्रेस को साधारण परिचालन में AI के असामान्य रूप से ठोस विवरण दिए। शिकागो की एक 151 साल पुरानी दवाखाना एक अकाउंट्स-पेएबल एजेंट बना रही है जो हर हफ्ते 20 से अधिक कर्मचारी घंटे लौटाने का इरादा रखती है। इसके मालिक ने यह भी कहा कि तब से रोजगार लगभग 20 प्रतिशत बढ़ गया है जब कंपनी ने AI अपनाया। हैनरीज़ हाउस ऑफ कॉफी ने एक सेंसर-संचालित स्प्रेयर डिज़ाइन और कोड करने में ChatGPT का उपयोग किया जिसने एक भौतिक कॉफी-बैगिंग समस्या हल की, AI को ऑफिस टेक्स्ट से उत्पादन उपकरण में ले गया।
[ALLOY]: डेट्रॉइट में, ठेकेदार फ्लोर प्लान को बोले गए नोट्स के साथ मिलाते हैं और ग्राहक के गेराज से जाने से पहले ट्रक में ही अनुमान पूरे कर लेते हैं। एक ओक्लाहोमा के बढ़ई ने कहा कि पुरानी मशीनरी के लिए अनुपलब्ध पुर्ज़े अब घंटों में डिज़ाइन और प्रिंट किए जा सकते हैं, जबकि पहले उन्हें हासिल करने में हफ्ते लगते थे। AI ने एक थाई रेस्तरां के लिए होम-किचन परमिट रास्ता भी पहचानने में मदद की, जिससे रिपोर्ट के अनुसार स्टार्टअप लागत 90 प्रतिशत से अधिक कम हो गई। प्रत्येक उपयोग एक संकीर्ण बाधा से शुरू होता है जो पहले से कंपनी का समय या पैसा खर्च कर रही है।
NOVA: बिक्री परिणाम भी उतने ही विशिष्ट थे। GT Coffee ने रिपोर्ट किया कि उसका कन्वर्ज़न रेट 1.5 से 2.3 प्रतिशत तक बढ़ गया, जबकि औसत ऑर्डर 38 डॉलर से बढ़कर 47 डॉलर हो गया। ये आंकड़े स्वॉर्न विटनेस टेस्टिमोनी से आए हैं, स्वतंत्र सरकारी ऑडिट से नहीं, लेकिन ये उपयोगी हैं क्योंकि व्यवसायों ने पहले-और-बाद का परिणाम बताया। काम में इनवॉइस, ऑनलाइन बिक्री, परमिट, अनुमान, पैकेजिंग, और रिप्लेसमेंट कंपोनेंट शामिल थे, कंपनी-व्यापी परिवर्तन के अस्पष्ट वादे के बजाय।
[ALLOY]: छोटी फर्मों में अक्सर समर्पित तकनीकी विभाग नहीं होता, फिर भी वे तेजी से आगे बढ़ सकते हैं जब कोई मालिक जानता है कि काम कहां टूट रहा है। जो उत्पाद मौजूदा टूल और भौतिक दिनचर्या में फिट हों वे इन कंपनियों तक बिना पूर्ण परिचालन परिवर्तन की मांग किए पहुंच सकते हैं। टिकाऊ उत्पाद स्पष्ट घंटे बचाएंगे, मापन योग्य राजस्व बढ़ाएंगे, या एक कार्यशील वस्तु का उत्पादन करेंगे। अधिक व्यवसायों में साक्ष्य दिखाएगा कि रिपोर्ट किए गए लाभ जारी रहते हैं या नहीं, लेकिन ये खाते पहले से ही AI के छोटे व्यवसाय बाजार को ठोस बना देते हैं।
[ALLOY]: PrismML ने मौजूदा Qwen 3.6 27B मल्टीमॉडल मॉडल को लगभग 3.9 गीगाबाइट जितने छोटे Bonsai 27B पैकेजों में संपीड़ित कर दिया है। मल्टीमॉडल का मतलब है कि यह मॉडल टेक्स्ट के साथ-साथ इमेज के साथ भी काम कर सकता है। सबसे छोटे वर्जन केवल कुछ संभावित स्थितियों का उपयोग करके अपने सीखे हुए मान स्टोर करते हैं, जिससे मेमोरी का उपयोग काफी कम हो जाता है। PrismML ने iPhone-जैसे हार्डवेयर पर यह परिणाम दिखाया है, जो एक बार बड़े कंप्यूटरों से जुड़े मॉडल को उपभोक्ता फोन और लैपटॉप की पहुंच में लाता है।
NOVA: रिलीज में Apple silicon के लिए डिज़ाइन किए गए व्यापक रूप से उपयोग किए जाने वाले लोकल सॉफ्टवेयर और बिल्ड के लिए फाइलें शामिल हैं। ये फॉर्मेट संपीड़न कार्य को उन प्रोग्रामों से जोड़ते हैं जिनका उपयोग लोग पहले से अपने डिवाइस पर मॉडल चलाने के लिए करते हैं। कोई एप्लिकेशन इक्विपमेंट की फोटो देख सकता है, स्क्रीनशॉट समझ सकता है, या किसी निजी दस्तावेज़ के बारे में सवालों के जवाब दे सकता है बिना सामग्री अपलोड किए। कोई ट्रैवल असिस्टेंट वहां सेवा अविश्वसनीय हो वह साइन पढ़ सकता है। कोई वर्कप्लेस संवेदनशील रिकॉर्ड अपने लैपटॉप पर रख सकता है जबकि विज़ुअल और लिखित जानकारी को जोड़ता है।
[ALLOY]: मॉडल को मेमोरी में फिट करना अनुभव को हल नहीं करता। भारी संपीड़न जवाब की गुणवत्ता को कम कर सकता है, और फोन की गर्मी, बैटरी और मेमोरी स्पीड निरंतर उपयोग को सीमित कर सकती हैं। PrismML के परफॉर्मेंस आंकड़े वेंडर-रिपोर्टेड हैं। एक कॉम्पैक्ट पैकेज सफलतापूर्वक खुल सकता है जबकि जवाब बहुत धीमे दे रहा हो या जटिल इमेज में डिटेल्स मिस कर रहा हो। सार्थक तुलना सिर्फ यह नहीं है कि यह चलता है या नहीं, बल्कि यह कि यह रोज़मर्रा की तस्वीरों, स्क्रीनशॉट और दस्तावेज़ों के लिए उपयोगी बना रहता है या नहीं।
NOVA: उन चेतावनियों के बावजूद, Bonsai उन निजी एप्लिकेशन की रेंज बढ़ाता है जो जेब में फिट हो सकते हैं। डेवलपर्स विज़ुअल असिस्टेंस बना सकते हैं जो डिवाइस पर रहता है और विश्वसनीय कनेक्टिविटी के बिना काम करना जारी रखता है। अगर स्वतंत्र उपयोग स्वीकार्य गुणवत्ता की पुष्टि करता है, तो इंस्पेक्शन टूल, एक्सेसिबिलिटी फीचर्स, निजी दस्तावेज़ असिस्टेंट और ट्रैवल एप्लिकेशन एक बार क्लाउड सर्विसेज से जुड़ी क्षमताएं हासिल कर सकते हैं बिना हर कैमरा फ्रेम या रिकॉर्ड को यूजर के हार्डवेयर से बाहर भेजे।
NOVA: Google ने Gemma 4 E2B को एक Tensor सॉफ्टवेयर किट के साथ बीटा में पेश किया है जो समर्थित Pixel 10-फैमिली फोन में समर्पित मशीन-लर्निंग चिप पर मॉडल को नेटिवली चलाता है। Google फोन को ऑफ़लाइन एप्लिकेशन प्लेटफॉर्म के रूप में देख रहा है, सिर्फ एक स्क्रीन के रूप में नहीं जो रिमोट मॉडल को रिक्वेस्ट भेजती है। इमेज, रिकॉर्डिंग और लिखित निर्देश डिवाइस पर रह सकते हैं जब कोई एप्लिकेशन उन्हें इंटरप्रेट करता है।
[ALLOY]: Google ने ट्रैवल प्लानिंग, होम ऑटोमेशन, ट्रांसक्रिप्शन, प्लांट रिकग्निशन, शॉपिंग हेल्प और इक्विपमेंट डायग्नोसिस के लिए ओपन-सोर्स एप्लिकेशन का प्रदर्शन किया। कोई फील्ड वर्कर किसी मशीन पर Pixel को पॉइंट कर सकता है और जहां नेटवर्क कमज़ोर हो वहां असिस्टेंस प्राप्त कर सकता है। कोई ट्रैवलर रोमिंग सेवा के बिना साइन समझ सकता है। कोई निजी मीटिंग रिकॉर्ड कर रहा हो वह ऑडियो अपलोड किए बिना टेक्स्ट प्रोड्यूस कर सकता है। लोकल प्रोसेसिंग रिस्पॉन्स टाइम कम कर सकती है, कनेक्शन से दूर फंक्शनेलिटी प्रिज़र्व कर सकती है, और लोगों को संवेदनशील इनपुट पर ज़्यादा कंट्रोल दे सकती है।
NOVA: कंपनी अपने मोबाइल हार्डवेयर तक पहुंचने के लिए आवश्यक विशेषज्ञ इंजीनियरिंग की मात्रा भी कम कर रही है। डेवलपर्स बीटा एक्सेस का अनुरोध कर सकते हैं और लो-लेवल डिवाइस इंटीग्रेशन से शुरू करने के बजाय उदाहरण एप्लिकेशन को अडैप्ट कर सकते हैं। Google मॉडल, सॉफ्टवेयर पाथ और Pixel सिलिकॉन को कंट्रोल करता है, जो इन टुकड़ों को एक साथ डिज़ाइन करने की अनुमति देता है। यह एप्रोच ऑन-डिवाइस AI को असंबंधित हार्डवेयर, मॉडल और लोकल सॉफ्टवेयर को जोड़ने की तुलना में ज़्यादा सुलभ बना सकती है।
[ALLOY]: वर्तमान सपोर्ट सूची Pixel 10, 10 Pro, 10 Pro XL और 10 Pro Fold तक सीमित है। Google ने नेटिव एक्जीक्यूशन और प्रैक्टिकल डेमोस्ट्रेशन दिखाए हैं, लेकिन निरंतर बैटरी इम्पैक्ट, गर्मी या व्यापक पब्लिक उपलब्धता नहीं। वे डिटेल्स तय करेंगे कि ऑफ़लाइन असिस्टेंट कभी-कभी एक्शन हैंडल करते हैं या पूरे वर्किंग डे भर सक्रिय रहते हैं। फिर भी, कैमरा असिस्टेंस, निजी नोट्स, हाउसहोल्ड कंट्रोल और फील्ड डायग्नोस्टिक्स अब लोकल ऑपरेशन को प्राथमिकता के साथ डिज़ाइन किए जा सकते हैं, क्लाउड सर्विसेज वैकल्पिक सपोर्ट के रूप में काम करती हैं स्थायी आवश्यकता के रूप में नहीं।
[ALLOY]: Anthropic ने Claude का परीक्षण चार पैरों वाली गति और रोबोट-हेरफेर के काम पर किया और पाया कि सीधा, तुरंत मोटर नियंत्रण ज्यादातर विफल रहा। एक भाषा मॉडल विश्वसनीय रूप से उन तेज़ सॉफ्टवेयर लूप और सुरक्षा प्रणालियों की जगह नहीं ले सकता जो किसी भौतिक मशीन को संतुलित और प्रतिक्रियाशील रखती हैं।
NOVA: परिणाम बेहतर हुए जब Claude ने उच्च स्तर पर काम किया। यह एक लक्ष्य की व्याख्या कर सकता था, छोटे टूल लिख सकता था, सरल दृश्य प्रतिक्रिया का निरीक्षण कर सकता था, और एक पहले से प्रशिक्षित नियंत्रक की देखरेख कर सकता था जो रोबोट को हिलाने के लिए प्रशिक्षित था। एक गोदाम में, एक श्रमिक बता सकता है कि क्या स्थानांतरित करने की आवश्यकता है; Claude मार्ग और कार्रवाई अनुक्रम की योजना बना सकता था, जबकि प्रमाणित नेविगेशन और मोशन सॉफ्टवेयर प्रत्येक पहिया या जोड़ को नियंत्रित करता है।
[ALLOY]: यह विभाजन उपयोगी प्राकृतिक-भाषा रोबोटिक्स का समर्थन करता है बिना किसी सामान्य मॉडल से भौतिक समय या सुरक्षा संभालने की मांग किए। भाषा मॉडल योजना बना सकते हैं, समझा सकते हैं, और सामान्य समस्याओं से उबर सकते हैं। सिद्ध नियंत्रक गति के लिए जिम्मेदार रहते हैं।
NOVA: AMD का Ryzen AI Halo डेस्कटॉप Micro Center पर पहुंच गया है, जिसमें 128 गीगाबाइट तक यूनिफाइड मेमोरी वाली कॉन्फ़िगरेशन उपलब्ध हैं। यूनिफाइड मेमोरी प्रोसेसर और एकीकृत ग्राफिक्स को एक बड़े पूल तक पहुंच प्रदान करती है, जिससे छोटी समर्पित-मेमोरी सीमा से बचा जाता है जो कई उपभोक्ता ग्राफिक्स कार्ड को बड़े AI मॉडल लोड करने से रोकती है। एक डेवलपर अब इस क्षमता को एक रिटेल डेस्कटॉप के रूप में खरीद सकता है बजाय विशेषज्ञ प्रणाली बनाने या तुरंत रिमोट ग्राफिक्स सर्वर किराए पर लेने के।
[ALLOY]: AMD का कहना है कि कंप्यूटर 200 अरब पैरामीटर तक के मॉडल का समर्थन कर सकता है, वे सीखे गए मान जो मॉडल के व्यवहार को आकार देते हैं। यह बयान क्षमता का वर्णन करता है, प्रतिक्रियाशीलता का नहीं। संपीड़न, प्रॉम्प्ट की लंबाई, सॉफ्टवेयर सहायता, और मेमोरी की गति अभी भी यह तय करती हैं कि मॉडल कितनी जल्दी जवाब देता है। एक विशाल मॉडल फिट तो हो सकता है फिर भी इंटरैक्टिव उपयोग के लिए असुविधाजनक रह सकता है। फिर भी, 128 गीगाबाइट बड़े स्थानीय सिस्टम के साथ प्रयोग को अधिक सुलभ डेस्कटॉप श्रेणी में ले जाता है।
NOVA: यह मशीन एक निजी सहायक, एक सेवा जो कंपनी के दस्तावेज़ों से प्रश्नों का उत्तर दे, एक कोडिंग एजेंट, या टेक्स्ट को इमेज और ऑडियो के साथ जोड़ने वाला टूल होस्ट कर सकती है। एक छोटी टीम संवेदनशील फाइलों को अपने हार्डवेयर पर रख सकती है और क्लाउड डिप्लॉयमेंट के लिए भुगतान करने से पहले तय कर सकती है कि स्थानीय गुणवत्ता पर्याप्त है या नहीं। कठोर डेटा सीमाओं वाले स्कूल, क्लीनिक, स्टूडियो और इंजीनियरिंग समूहों को हल्के लैपटॉप और महंगे सर्वर के बीच एक और विकल्प मिलता है।
[ALLOY]: यह Bonsai और Google के फोन-आकार के काम को पूरक करता है। फोन ट्रांसक्रिप्शन, विज़ुअल सहायता और फील्ड निदान जैसे पोर्टेबल कार्यों को कवर करते हैं। Halo बड़े मॉडल और लंबे कामों के लिए डेस्क-साइड वातावरण प्रदान करता है। रिटेल उपलब्धता भी उन लोगों का दायरा बढ़ाती है जो स्थानीय AI का पता लगा सकते हैं: स्वतंत्र डेवलपर्स और छोटे संगठन कई घटकों को इकट्ठा करने के बजाय एक समर्थित मशीन खरीद सकते हैं। हार्डवेयर आ गया है; स्थानीय सॉफ्टवेयर और रोजमर्रा की गति तय करेगी कि यह एक व्यावहारिक वर्कस्टेशन बनता है या बस यह दिखाने का एक प्रभावशाली प्रदर्शन है कि मेमोरी में कितना फिट हो सकता है।
[ALLOY]: GitHub ने JetBrains एडिटर्स में Copilot के लिए अपना खुद का की (bring-your-own-key) सपोर्ट बढ़ाया है। डेवलपर्स Copilot का परिचित इंटरफ़ेस रख सकते हैं और AI रिक्वेस्ट को किसी कम्पैटिबल कस्टम सर्विस की तरफ रूट कर सकते हैं, जिसमें लोकली सर्व किया गया मॉडल या प्राइवेट कंपनी सिस्टम शामिल है। एडिटर का अनुभव और काम करने वाला मॉडल अब एक ही प्रोवाइडर से नहीं होना चाहिए।
NOVA: यह अलगाव संगठनों को इंटरनल मॉडल से रोज़मर्रा के सॉफ्टवेयर वर्क तक कम दूरी का रास्ता देता है। एक टीम Bonsai, किसी दूसरे ओपन मॉडल, या अपने खुद के एडाप्टेड मॉडल को सपोर्टेड फॉर्मेट के ज़रिए एक्सपोज़ कर सकती है और उसे IntelliJ-बेस्ड टूल्स के अंदर उपलब्ध करा सकती है। डेवलपर्स को अपने सामान्य एडिटर से बाहर नहीं निकलना पड़ता, और संगठन को बस एक अलग AI सर्विस ऑफर करने के लिए पूरा एडिटर एक्सटेंशन बनाने की ज़रूरत नहीं है।
[ALLOY]: डेटा कंट्रोल इस फीचर का एक प्रमुख कारण है। एक कंपनी सोर्स कोड और प्रॉम्प्ट को अपने कंप्यूटरों पर या किसी अप्रूव्ड प्रोवाइडर के ज़रिए प्रोसेस करना चाह सकती है। एक प्राइवेट सर्विस यह विकल्प बनाती है, हालांकि यह स्वचालित रूप से पूरे वर्कफ़्लो को प्राइवेट नहीं बनाती। असली सीमाएं अभी भी इस पर निर्भर करती हैं कि सर्विस कहां चलती है, वह क्या रिकॉर्ड करती है, ट्रैफ़िक कैसे रूट किया जाता है, और Copilot कैसे कॉन्फ़िगर किया गया है।
NOVA: यह बदलाव मॉडल तुलनाओं को समझना भी आसान बनाता है क्योंकि डेवलपर का इंटरफ़ेस स्थिर रह सकता है। कोडिंग क्वालिटी और रिस्पॉन्स टाइम निर्णायक कारक बन जाते हैं, एडिटर प्लगइन के बीच के अंतरों के बजाय। अगर लोकल मॉडल रूटीन एक्सप्लनेशन, कम्प्लीशन और कोड बदलावों के लिए काफ़ी अच्छे साबित हुए, तो टीम्स कोस्ट और डेटा हैंडलिंग पर ज़्यादा चॉइस हासिल कर सकती हैं। अगर वे कॉम्प्लेक्स रिपेयर्स पर पीछे रहती हैं, तो प्राइवेट सिस्टम अभी भी रेगुलेटेड वर्क में अपनी जगह बना सकती हैं जहां फ्रंटियर परफॉर्मेंस से ज़्यादा कंट्रोल मायने रखता है।
NOVA: न्यूयॉर्क ने नए हाइपरस्केल डेटा सेंटर्स के लिए कुछ पर्यावरणीय परमिट्स को अस्थायी रूप से रोक दिया है जबकि राज्य उनके बिजली, पानी, वायु गुणवत्ता, यूटिलिटी बिल्स और पास के समुदायों पर प्रभाव का मूल्यांकन कर रहा है। गवर्नर Kathy Hochul ने चौदह जुलाई को एक्जीक्यूटिव ऑर्डर के ज़रिए यह कार्रवाई की घोषणा की। यह एक साल तक चल सकता है और उन क्वालिफाइंग प्रोजेक्ट्स पर लागू होता है जिनके लिए रेगुलेटर्स को डिस्क्रिशनरी पर्यावरणीय निर्णय लेना होता है।
[ALLOY]: मौजूदा फैसिलिटीज़ बंद नहीं की जा रही हैं, और हर नया डेटा सेंटर स्वचालित रूप से ब्लॉक नहीं है। प्रभावित परमिट पथ के बाहर के प्रोजेक्ट्स जारी रह सकते हैं। ऑर्डर बहुत बड़े डेवलपमेंट की एक परिभाषित श्रेणी को देरी करता है, राज्य को यह पूछने का समय देते हुए कि उनकी बिजली कौन सप्लाई करता है, वे कितना पानी खपत करते हैं, और क्या घरों को बढ़े हुए रेट्स के ज़रिए बुनियादी ढांचे की लागत का कुछ हिस्सा वहन करना पड़ सकता है।
NOVA: वे सवाल रोज़मर्रा की सेवाओं को प्रभावित करते हैं जिनका लोग इस्तेमाल करते हैं। एक कंपनी चिप्स और फाइनेंसिंग हासिल कर सकती है फिर भी बिजली, कूलिंग, ग्रिड अपग्रेड और पब्लिक अप्रूवल का इंतज़ार कर सकती है। अगर कोई प्लान्ड फैसिलिटी देर से खुलती है, तो क्लाउड कैपेसिटी दूसरे रीजन में दिख सकती है या उम्मीद से ज़्यादा महंगी हो सकती है। समुदाय एक असली ट्रेडऑफ़ का सामना करते हैं: डेटा सेंटर्स कंस्ट्रक्शन वर्क और टैक्स रेवेन्यू ला सकते हैं, लेकिन वे लिमिटेड पावर और पानी के लिए भी प्रतिस्पर्धा कर सकते हैं जबकि महंगे ट्रांसमिशन प्रोजेक्ट्स की ज़रूरत होती है।
[ALLOY]: न्यूयॉर्क का अध्ययन पॉज़ के बाद क्या होगा, इसको प्रभावित करेगा। भविष्य के परमिट्स में स्पष्ट energy plans, समुदाय सुरक्षा, या बुनियादी ढांचे के लिए सीधे योगदान की ज़रूरत हो सकती है। जो टाउन प्रपोज़ल्स प्राप्त कर रहे हैं, उनके लिए यह निर्णय तय करता है कि कौन फ़ायदा उठाता है और कौन भुगतान करता है। AI कंपनियों और उनके कस्टमर्स के लिए, यह कंस्ट्रक्शन शेड्यूल, रीजनल कैपेसिटी और कीमतों को आकार दे सकता है। उद्योग का विस्तार अब सब्सटेशन, कूलिंग सिस्टम, लैंड यूज़ और घरेलू बिलों में दिखाई दे रहा है, न कि सिर्फ़ चिप्स और मॉडल अनाउंसमेंट में।
[ALLOY]: व्हाइट हाउस ने GOLD EAGLE की घोषणा की है, जो एक सरकारी-उद्योग क्लियरिंगहाउस है जिसका उद्देश्य यह समन्वयित करना है कि सॉफ्टवेयर कमजोरियों को कैसे प्राप्त किया जाता है, सत्यापित किया जाता है, प्राथमिकता दी जाती है और मरम्मत की ओर भेजा जाता है। जब एक नया दोष सामने आता है, तो विभिन्न समूह एक ही सिस्टम को स्कैन कर सकते हैं जबकि जरूरी निष्कर्ष ध्यान के लिए प्रतिस्पर्धा करते हैं। GOLD EAGLE का लक्ष्य फ्रंटियर AI का उपयोग करके डुप्लिकेट स्कैनिंग को कम करना और सरकार, वित्त और महत्वपूर्ण-अवसंरचना संचालकों को प्राथमिकता वाले खतरे और मरम्मत की जानकारी पहुंचाना है।
NOVA: घोषित कार्य में पहचानी गई कमजोरियों को लेना और उन्हें प्राथमिकता देना, सत्यापन स्कैन का समन्वय करना, और परिणामों को ऐसी जानकारी में बदलना शामिल है जिस पर बचावकर्ता कार्रवाई कर सकें। घोषणा में किसी मॉडल या विक्रेता की पहचान नहीं है, और यह राष्ट्रीय सिस्टम के लिए स्वायत्त पैचिंग को जिम्मेदार नहीं बनाती। मानव संगठन निष्कर्षों की पुष्टि और मरम्मत करने के लिए जिम्मेदार बने हुए हैं।
[ALLOY]: तेज़ राष्ट्रीय समन्वय teilnehmer संगठनों के अंदर धीमे हस्तांतरण को उजागर करेगा। एक बैंक, अस्पताल या उद्योग को यह जानना होगा कि वह कौन सा सॉफ्टवेयर संचालित करता है, प्रत्येक पैच निर्णय का मालिक कौन है, और कौन से सिस्टम को आसानी से बाधित नहीं किया जा सकता। बेहतर प्राथमिकता तभी मायने रखती है जब जानकारी सही लोगों तक पहुंचे। वे उत्पाद जो सॉफ्टवेयर इन्वेंटरी बनाए रखते हैं, डुप्लिकेट रिपोर्ट जोड़ते हैं, गंभीरता के साक्ष्य की व्याख्या करते हैं, और काम एक जवाबदेह मालिक के पास भेजते हैं, वे उस श्रृंखला का समर्थन कर सकते हैं।
NOVA: GOLD EAGLE AI सुरक्षा कार्य को एक अलग विश्लेषक सहायक से आगे ले जाता है। यह विभिन्न उपकरणों, प्रोत्साहनों और जिम्मेदारियों वाले संस्थानों में जानकारी व्यवस्थित करने का प्रयास करता है। महत्वपूर्ण विवरण अभी भी शामिल करते हैं कि प्रतिभागी संवेदनशील रिपोर्ट कैसे साझा करते हैं, निर्णयों को कैसे चुनौती दी जा सकती है, और क्लियरिंगहाउस मजबूत साक्ष्य को आश्वस्त मॉडल आउटपुट से कैसे अलग करता है। ठोस निरीक्षण के साथ, AI डुप्लिकेट प्रयास को कम कर सकता है जबकि महत्वपूर्ण मरम्मत और प्रकटीकरण निर्णय लोगों के पास रहते हैं।
NOVA: Anthropic ने अपने सबसे मजबूत अंतर्निहित मॉडल तक पहुंच को Fable 5 और Mythos 5 में बांट दिया है, जबकि Sonnet 5 को कम-लागत सामान्य विकल्प के रूप में स्थापित किया है। Fable मुख्यधारा के उपयोग के लिए व्यापक सुरक्षा प्रदान करता है। Mythos सत्यापित साइबरसुरक्षा और विज्ञान भागीदारों तक सीमित है। Sonnet सामान्य ब्राउज़र, टर्मिनल, डिबगिंग और व्यापार वर्कफ़्लो के लिए है, जिसे Anthropic अपने अधिक महंगे ऑफर के करीब एजेंट प्रदर्शन के रूप में वर्णित करता है।
[ALLOY]: ग्राहक अब केवल क्षमता और मूल्य से अधिक चुनते हैं। उन्हें काम की संवेदनशीलता, वे पहुंच के लिए योग्य हैं या नहीं, और सुरक्षा प्रणालियां पूर्णता को कैसे प्रभावित कर सकती हैं, यह भी विचारना होगा। एक नियमित सॉफ्टवेयर सहायक Sonnet के लिए उपयुक्त हो सकता है। एक मांग वाला सामान्य वर्कफ़्लो Fable का उपयोग कर सकता है। संवेदनशील वैज्ञानिक या साइबरसुरक्षा गतिविधि के लिए Mythos और अतिरिक्त योग्यता की आवश्यकता हो सकती है। इसलिए समान अंतर्निहित बुद्धिमत्ता विभिन्न नियमों और व्यावसायिक शर्तों के साथ आ सकती है।
NOVA: Anthropic का कहना है कि Stripe ने 50 मिलियन लाइन के Ruby कोडबेस के माइग्रेशन पर Fable का उपयोग किया और एक दिन में वह काम पूरा किया जो अन्यथा एक टीम को दो महीने से अधिक समय लेता। यह एक कंपनी-प्रकाशित ग्राहक खाता है, स्वतंत्र माप नहीं, लेकिन यह उस पैमाने को दर्शाता है जिसे Anthropic संबोधित करना चाहती है: विशाल सॉफ्टवेयर एस्टेट में लंबे-चलने वाले बदलाव, न कि केवल छोटे कोड सुझाव।
[ALLOY]: सरकारी आवश्यकताओं ने पहले से उपलब्धता को प्रभावित किया है। अमेरिकी सरकार ने जून में निर्यात नियंत्रण लागू किए, और Anthropic ने पहुंच निलंबित कर दी क्योंकि वह वास्तविक समय में राष्ट्रीयता सत्यापित नहीं कर सका। सेवा उन नियंत्रणों के हटने के बाद लौट आई। अलग से, Anthropic का कहना है कि उसने घटना के बाद अपने सुरक्षा क्लासिफायर को मजबूत किया और सरकारी परीक्षण का विस्तार किया। संगठन तेजी से पहुंच के साथ-साथ बुद्धिमत्ता द्वारा भी मॉडल का मूल्यांकन करेंगे। ग्राहकों को योग्यता, रुकावटों और गलत तरीके से अवरुद्ध कार्य के समाधान के लिए मार्ग के बारे में स्पष्ट अपेक्षाओं की आवश्यकता है।
[ALLOY]: गूगल ने Gemini 3.5 Flash जारी किया है, जिसमें ब्राउज़र, मोबाइल और डेस्कटॉप वातावरण में native computer use शामिल है। यह मॉडल स्क्रीन की जांच कर सकता है, दिखाई देने वाले नियंत्रणों का उपयोग कर सकता है, सॉफ्टवेयर बदल सकता है और तैयार परिणाम वापस कर सकता है। गूगल ने इसके कई पेमेंट-इंटरफ़ेस डिज़ाइन बनाने, एक रिसर्च पेपर से गेम बनाने, पैरलल एजेंटों के साथ बड़े फ़ाइल कलेक्शन व्यवस्थित करने और निरंतर सॉफ्टवेयर परीक्षण स्वचालित करने का प्रदर्शन किया।
NOVA: स्क्रीन ऑपरेशन उन एप्लिकेशन तक पहुंचता है जिनके पास एजेंटों के लिए कोई सीधा कनेक्शन नहीं है। एक व्यक्ति वर्तमान में एक वेबसाइट, डेस्कटॉप प्रोग्राम और आंतरिक फ़ॉर्म के बीच जानकारी कॉपी कर सकता है क्योंकि वे सिस्टम कभी एक साथ काम करने के लिए डिज़ाइन नहीं किए गए थे। Gemini संभावित रूप से प्रत्येक इंटरफ़ेस का अवलोकन कर सकता है और उनके बीच काम ले जा सकता है। सॉफ्टवेयर बनाने या बदलने की इसकी क्षमता का अर्थ यह भी है कि काम एक कार्यशील आर्टिफैक्ट के साथ समाप्त हो सकता है, न कि किसी रिपोर्ट के साथ जो बताती है कि किसी और को क्या बनाना चाहिए।
[ALLOY]: गूगल के प्रकाशित तुलनाएं किसी एक मॉडल को हर चीज में सर्वश्रेष्ठ के रूप में पहचान नहीं देती हैं। Gemini 3.5 Flash ने कनेक्टेड टूल्स पर केंद्रित एक मूल्यांकन में GPT-5.5 से बेहतर प्रदर्शन किया लेकिन टर्मिनल कार्य में इससे पीछे रहा। अलग-अलग काम अलग-अलग क्षमताओं को प्राथमिकता देते हैं। एक तेज़ स्क्रीन ऑपरेटर ऑफिस सॉफ्टवेयर और ब्राउज़र प्रक्रियाओं के लिए उपयुक्त हो सकता है, जबकि दूसरा मॉडल कमांड-लाइन इंजीनियरिंग वातावरण में बेहतर प्रदर्शन कर सकता है। Gemini 3.5 Pro जल्द आने वाला बताया गया है; Flash उपलब्ध प्रोडक्ट है।
NOVA: स्क्रीन एक्सेस गलतियों और हेरफेर के लिए भी सीधा रास्ता खोलता है। एक एजेंट गलत नियंत्रण पर क्लिक कर सकता है, बदले हुए लेआउट को गलत पढ़ सकता है, या एक वेबपेज के अंदर रखे गए शत्रुतापूर्ण निर्देशों का अनुसरण कर सकता है। महत्वपूर्ण कार्यों के लिए दृश्यमान अनुमोदन और प्रतिवर्ती परिवर्तन विफलताओं को प्रबंधनीय रख सकते हैं। तत्काल उपयोगों में फ़ाइलें व्यवस्थित करना, एक वेबसाइट जांचना, इंटरफ़ेस वेरिएंट तैयार करना और ज्ञात सॉफ्टवेयर परिवर्तन पूरा करना शामिल है। लंबी, अव्यवस्थित प्रक्रियाएं बताएंगी कि प्रदर्शन विश्वसनीय दैनिक कार्य में बदलते हैं या नहीं।
NOVA: ऑस्ट्रेलिया ने AI का एक कार्यालय बनाया है और बड़े डेटा-सेंटर विस्तार को बिजली, ग्रिड, पानी और क्रिएटर दायित्वों से जोड़ने वाले राष्ट्रीय मानकों का प्रस्ताव रखा है। प्रस्ताव के तहत, प्रमुख ऑपरेटर नए पावर सप्लाई को फंड करेंगे, अपनी कनेक्शन लागत का भुगतान करेंगे, अनुरोध पर मांग कम करेंगे, और पानी के उपयोग को कम करेंगे। सरकार यह भी कहती है कि ऑस्ट्रेलियाई क्रिएटर्स को यह नियंत्रण बनाए रखना चाहिए कि उनका काम AI सिस्टम को प्रशिक्षित करने के लिए उपयोग किया जाता है या नहीं।
[ALLOY]: ये मानक प्रस्ताव हैं, वर्तमान कानून नहीं। राष्ट्रीय कैबिनेट की समीक्षा अगस्त के लिए योजना बनाई गई है, और कानूनी नियम 2027 की शुरुआत में लक्षित हैं। अंतिम नियम जानने से पहले ही, सरकार अपनी पसंदीदा सौदेबाजी स्पष्ट कर रही है: जो कंपनियां भारी भौतिक संसाधनों का उपभोग करती हैं उन्हें हर विस्तार की लागत स्वचालित रूप से जनता पर नहीं डालनी चाहिए, और रचनात्मक कार्य बिना सार्थक क्रिएटर नियंत्रण के प्रशिक्षण सामग्री नहीं बनना चाहिए।
NOVA: ऊर्जा आवश्यकताएं डेटा सेंटर संचालन के स्थान और तरीके को बदल सकती हैं। उपलब्ध भूमि और चिप्स वाला स्थान अभी भी अपर्याप्त हो सकता है यदि उसके पास जनरेशन या किफायती ग्रिड कनेक्शन नहीं है। तनाव की अवधि के दौरान खपत कम करने की क्षमता सुविधा डिज़ाइन का हिस्सा बन सकती है। पानी की दक्षता वहां विशेष रूप से मायने रखेगी जहां कूलिंग घरों, कृषि या पारिस्थितिक तंत्र से प्रतिस्पर्धा करती है। प्रशिक्षण-डेटा रिकॉर्ड और लाइसेंसिंग भी अधिक महत्वपूर्ण प्रोडक्ट फीचर बन सकते हैं यदि क्रिएटर्स को लागू करने योग्य विकल्प मिलते हैं।
[ALLOY]: ऑस्ट्रेलिया और न्यूयॉर्क अलग-अलग उपकरणों का उपयोग कर रहे हैं, लेकिन दोनों AI की भौतिक पदचिह्न पर प्रतिक्रिया कर रहे हैं। न्यूयॉर्क ने प्रभावों का अध्ययन करते हुए एक परमिट मार्ग रोक दिया है। ऑस्ट्रेलिया लागतों और कर्तव्यों की रूपरेखा तैयार कर रहा है जो ऑपरेटरों को वहन करने पड़ सकते हैं। अगस्त की चर्चा स्पष्ट करनी चाहिए कि कौन से प्रतिष्ठान अर्हताप्राप्त हैं, क्रिएटर नियंत्रण कैसे काम करेगा, और पावर और वाटर प्रतिबद्धताओं को कैसे मापा जाएगा। ये निर्णय क्लाउड कीमतों, निर्माण समयसूची, स्थानीय रोजगार और सांस्कृतिक सामग्री के मॉडल प्रशिक्षण में प्रवेश की शर्तों को प्रभावित कर सकते हैं।
[ALLOY]: Google और Google DeepMind ने 1959 के एक प्रसिद्ध Pelé गोल को पुनः बनाया है, जिसका कोई ज्ञात बचा हुआ फिल्म नहीं था। परिणामी वीडियो एक पुनर्निर्माण है, खोजा गया संग्रहीय फुटेज नहीं। टीम ने ऐतिहासिक दस्तावेजों, स्टेडियम योजनाओं, गवाहों की याददाश्त, विशेषज्ञ इनपुट, व्यावहारिक फिल्म निर्माण, और Veo, Gemini Omni, और Nano Banana Pro सहित जनरेटिव सिस्टम को जोड़ा।
NOVA: परियोजना एक वीडियो मॉडल से सिर्फ एक गोल बनाने के लिए कहने से बहुत आगे गई। शोधार्थियों को यह निर्धारित करना था कि कौन से रिकॉर्ड समर्थन करते हैं, स्टेडियम कैसे व्यवस्थित था, कैमरा कहां यथार्थपूर्ण रूप से खड़ा हो सकता था, और गवाहों ने अनुक्रम को कैसे याद किया। फिर फिल्म निर्माताओं ने उन टुकड़ों को एक निरंतर दृश्य विवरण में जोड़ा। AI ने छवि निर्माण का कुछ हिस्सा दिया, जबकि मानव निर्णय अपूर्ण और कभी-कभी अनिश्चित साक्ष्य को सुसंगत बनाने में सहायता की।
[ALLOY]: संग्रहालय, अभिलेखागार, शिक्षक, और डॉक्यूमेंट्री टीमें समान दृष्टिकोण का उपयोग कर सकती हैं जब किसी घटना को कभी फिल्माया नहीं गया था या उसका रिकॉर्ड गायब हो गया। पुनर्निर्माण दर्शकों को स्थानिक संबंधों और गति को समझने में मदद कर सकता है जिसे केवल टेक्स्ट व्यक्त करने में संघर्ष करता है। यह तब अधिक विश्वसनीय बनता है जब दर्शक दस्तावेजों से खींचे गए विवरण, गवाहों द्वारा याद किए गए विवरण, और प्रोडक्शन टीम द्वारा अनुमानित क्षणों के बीच अंतर कर सकते हैं।
NOVA: ठंडे ढंग से बनाया गया वीडियो आसानी से अपने मूल संदर्भ से बाहर निकल सकता है और प्रामाणिक फिल्म के रूप में गलत समझा जा सकता है। इसलिए स्पष्ट लेबलिंग दृश्य गुणवत्ता जितनी ही महत्वपूर्ण है। भविष्य के ऐतिहासिक पुनर्निर्माण महत्वपूर्ण दृश्यों को उनके समर्थक साक्ष्य से जोड़कर और जहां खाते अलग-अलग हैं वहां अनिश्चितता को चिह्नित करके उत्पत्ति को संरक्षित कर सकते हैं। सावधानी से उपयोग किया जाए तो जनरेटिव वीडियो कैमरा द्वारा कैप्चर किए जाने का दावा किए बिना गायब इतिहास को दृश्यमान बना सकता है। लापरवाही से उपयोग किया जाए तो वही तकनीक अधूरे रिकॉर्ड को उन छवियों से बदल सकती है जो साक्ष्य की अनुमति से अधिक निश्चित महसूस करती हैं।
NOVA: Codebase Memory MCP में 31,812 GitHub स्टार्स हैं और इसके शून्य बिंदु नौ रिलीज़ और चौदह जुलाई के अपडेट के बाद इसने ध्यान आकर्षित किया। यह 158 भाषाओं में कोड को प्रतीकों और संबंधों के एक निरंतर मानचित्र के रूप में अनुक्रमित करता है, फिर अपने मेंटेनरों के अनुसार एक मिलीसेकंड से कम समय में कोड प्रश्नों के उत्तर देता है। यह एक डिपेंडेंसी-मुक्त स्टैटिक प्रोग्राम के रूप में आता है। OpenClaw, Codex, या टर्मिनल-आधारित AI कोडिंग एजेंट Claude Code संबंधों को बार-बार पूरी फ़ाइलें लोड करने के बजाय फंक्शन्स और मॉड्यूल के बीच पुनः प्राप्त कर सकते हैं, जिससे कोड को समझने और बदलने के लिए अधिक संदर्भ उपलब्ध रहता है।
[ALLOY]: FastMCP में 26,223 स्टार्स हैं, जिसका संस्करण 3.4 नौ जुलाई को रिलीज़ हुआ और रिपॉजिटरी गतिविधि चौदह जुलाई को जारी रही। यह मौजूदा फंक्शन्स और डेटा स्रोतों को थोड़े से अतिरिक्त मचान के साथ एजेंट टूल में बदलने के लिए एक Python टूलकिट है। साधारण शब्दों में, यह एक एजेंट को डेटाबेस, आंतरिक सेवा, या ऑटोमेशन को नामित एक्शन्स और परिभाषित इनपुट और आउटपुट के माध्यम से कॉल करने देता है। टीमें उन टूल्स को OpenClaw, Codex, या Claude Code से जोड़ सकती हैं बिना हर बार मॉडल से एक नया कनेक्शन इम्प्रूवाइज़ करने के लिए कहे।
NOVA: Microsoft's MCP for Beginners में 16,758 स्टार्स हैं और इसे तेरह जुलाई को अपडेट किया गया। यह सॉफ्टवेयर रिलीज़ के बजाय एक व्यावहारिक पाठ्यक्रम है, जिसमें .NET, Java, TypeScript, JavaScript, Rust, और Python में उदाहरण हैं। सामग्री बताती है कि टूल्स, रिसोर्सेज, और प्रॉम्प्ट्स को मॉड्यूलर और सुरक्षित तरीकों से एजेंट्स के सामने कैसे प्रस्तुत किया जा सकता है। इसका एकीकरण मूल्य साझा पैटर्न से आता है: कई भाषाओं में काम करने वाली टीमें आंतरिक सेवाओं के एजेंट्स को कैसे दिखाई देती हैं इसका मानकीकरण कर सकती हैं, बजाय हर समूह को एक असंगत इंटरफेस आविष्कृत करने देने के।
[ALLOY]: आज मॉडल प्रगति एजेंट पूर्णता, ऑन-डिवाइस ऑपरेशन, संपीड़न, और एक्सेस टायर्स में आई, न कि एक नए सामान्य-उद्देश्य नाम में। प्रतिस्पर्धा बुद्धिमत्ता कहां चलती है, यह कौन से टूल्स संचालित कर सकती है, इसे कितनी मेमोरी की जरूरत है, और क्या संगठन एक्सेस पर निर्भर हो सकते हैं, इसकी ओर स्थानांतरित हो रही है।
NOVA: MOSS Transcribe Diarize एक नया ट्रेंडिंग ओपन ऑडियो मॉडल है जो ट्रांसक्रिप्शन के लिए स्पीकर डायराइजेशन के साथ आता है, यानी यह एक रिकॉर्डिंग को टेक्स्ट में बदलता है जबकि बोलने वाले लोगों को अलग करता है। इसके प्रकाशित मॉडल की जानकारी में ऑडियो और टेक्स्ट इनपुट दोनों हैं। यह इसे प्राइवेट मीटिंग्स, इंटरव्यू, ओरल हिस्ट्री, सपोर्ट कॉल्स और पॉडकास्ट प्रोडक्शन के लिए प्रासंगिक बनाता है। लोकली रन करने से रॉ वॉइस और संवेदनशील बातचीत क्लाउड सर्विस से दूर रह सकती है। इसकी उपयोगिता दोनों क्षमताओं के एक साथ काम करने पर निर्भर करती है: सटीक शब्द तभी काफी हैं जब वे बार-बार गलत व्यक्ति को असाइन नहीं किए जाते, जबकि अच्छे स्पीकर लेबल एक खराब ट्रांसक्रिप्ट को नहीं बचा सकते।
[ALLOY]: Hugging Face Transformers 5.14 में Thinking Machines के ओपन-वेट Inkling मॉडल के लिए सपोर्ट जुड़ गया है। Inkling टेक्स्ट, इमेजेस और ऑडियो स्वीकार करता है, कुल 975 बिलियन पैरामीटर के साथ लेकिन किसी दिए गए इनपुट के लिए केवल 41 बिलियन सक्रिय। व्यापक रूप से उपयोग किए जाने वाले Transformers लाइब्रेरी में सपोर्ट होने से फाइन-ट्यूनिंग, सर्च, कोडिंग और एजेंट प्रोजेक्ट्स में मॉडल का उपयोग करना आसान हो जाता है।
NOVA: Unity MCP के 12,500 से अधिक स्टार्स हैं और इसका वर्शन 10.1 रिलीज हुआ है। यह असिस्टेंट्स को Unity Editor के अंदर एसेट्स मैनेज करने, सीन्स कंट्रोल करने, स्क्रिप्ट्स एडिट करने और वर्क ऑटोमेट करने देता है। गेम डेवलपर्स एक असिस्टेंट को ऑर्डिनरी एडिटर एक्शन्स के लिए टूल्स दे सकते हैं बिना उस एनवायरनमेंट को छोड़े जहां वे अपने गेम्स बनाते और टेस्ट करते हैं।
[ALLOY]: Semble के 5,600 से अधिक स्टार्स हैं और इसका वर्शन जीरो पॉइंट फाइव रिलीज हुआ है। यह एजेंट्स के लिए फोकस्ड कोड मैचेस देता है और दावा करता है कि बार-बार पूरी फाइल्स सर्च करने और पढ़ने की तुलना में लगभग 98 प्रतिशत कम टोकन का उपयोग होता है। यह रिलेवेंट फंक्शन्स को समझने और एक सुसंगत सॉफ्टवेयर बदलाव करने के लिए ज्यादा कॉन्टेक्स्ट उपलब्ध छोड़ सकता है।
NOVA: Sol और ChatGPT Work AI को फिनिश्ड सॉफ्टवेयर, रिसर्च पैकेजेस, डॉक्यूमेंट्स और प्रेजेंटेशंस की ओर ले जाते हैं। स्मॉल बिज़नेस में इनवॉइस, एस्टिमेट्स, सेल्स, परमिट्स, मशीनरी और प्रोडक्शन लाइन्स में बढ़त दिख रही है। Bonsai, Pixel AI और AMD का 128-गिगाबाइट डेस्कटॉप प्राइवेट लोकल कंप्यूटिंग को पॉकेट्स से डेस्क तक बढ़ा रहे हैं। JetBrains उन मॉडल्स को एक स्थापित एडिटर से जोड़ता है, जबकि Gemini Flash एजेंट्स को ऑर्डिनरी स्क्रीन्स से जोड़ता है।
[ALLOY]: Claude का रोबोटिक्स रिजल्ट लैंग्वेज मॉडल्स को प्लानिंग और सुपरविज़न में रखता है जबकि सिद्ध कंट्रोलर्स मूवमेंट संभालते हैं। GOLD EAGLE AI को national vulnerability coordination में लागू करता है। New York और Australia दिखाते हैं कि बिजली, पानी, परमिट्स, क्रिएटर राइट्स और कम्युनिटी कॉस्ट अब चिप्स और मॉडल्स के साथ AI एक्सपैंशन को आकार दे रहे हैं। Google का Pelé reconstruction दिखाता है कि जेनरेटेड हिस्ट्री को visible evidence और क्लियर लेबलिंग की जरूरत है।
NOVA: सोर्स डिटेल्स और आगे पढ़ने के लिए Toby On Fitness Tech dot com पर शो नोट्स देखें।
[ALLOY]: AgentStack Daily सुनने के लिए धन्यवाद। हम जल्द वापस आएंगे।