एनविडिया का Cosmos 3 Edge फिजिकल AI के लिए हगिंग फेस पर आता है
एनविडिया का Cosmos 3 Edge हगिंग फेस पर आ गया है, साथ ही यूनिटी का MCP v10.1.0 AI सहायकों को एडिटर तक सीधी पहुंच देता है और Sentry का XcodeBuildMCP 6,100 स्टार्स तक पहुंच गया है। इस सप्ताह यूरोपीय संघ की AI अधिनियम की 2 अगस्त की पारदर्शिता नियम लागू हो रहे हैं, माइक्रोसॉफ्ट का MCP पाठ्यक्रम छह भाषाओं में उपलब्ध है, और OpenAI ने बताया है कि एजेंटों को घंटों तक बिना निगरानी के चलाने पर क्या समस्याएं होती हैं। इसके अलावा Ternary, whodb 0.121.0, codebase-memory-mcp, holaOS 5,500 स्टार्स, और Upsonic 0.77.3 की जानकारी भी है। Show notes: https://tobyonfitnesstech.com/hi/podcasts/episode-90/
🎧 Listen to EpisodeEpisode 090 — 21 जुलाई, 2026
[00:00] एपिसोड हुक
Hermes Agent ने 20 जुलाई, 2026 को v2026.7.20 को Quicksilver Release के तौर पर जारी किया, जिससे CLI, gateway, TUI, desktop app और cron jobs में first-turn time-to-first-token में लगभग 80 प्रतिशत की कमी आई। Cold-start latency सेकंड से घटकर सेकंड के अंश में बदल गई, और यही build Claude Code CLI 2.1.206 को भी सपोर्ट करती है। इस रिलीज़ के साथ एक streamlined install flow और desktop client पर एक tighter startup path भी आया है, जबकि gateway का session handoff बरकरार है। उसी दिन, NVIDIA ने Hugging Face पर 'Introducing Cosmos 3 Edge' पीस पोस्ट किया, जो on-device runtimes के लिए एक स्लिमर world-model variant का रूपरेखा बनाता है। और whodb 0.121.0, जो 16 जुलाई को जारी हुआ, डेटा एक्सेस और operations signal को clidey GitHub organization के तहत बनाए एकल open-source surface में मिला देता है।
[02:00] Agent Stack Release Readout: Hermes Agent v2026.7.20; Claude Code CLI 2.1.206
Hermes Agent ने 20 जुलाई को v0.19.0 जारी किया, और मुख्य बात शुद्ध गति है। Cold-start Initializing agent screen पहले आपके पहले turn के मॉडल तक पहुंचने से पहले लगभग 4.3 सेकंड खाती थी; यह आंकड़ा अब लगभग 0.9 सेकंड है, एक 80 प्रतिशत की कटौती जो CLI, gateway, TUI, desktop app, और cron jobs पर समान रूप से लागू होती है। गति की दूसरी लहर ने वही चीज़ें हिट की जो आप वास्तव में इंतज़ार करते हुए देखते हैं। Reasoning models अब डिफ़ॉल्ट रूप से अपने विचारों को लाइव stream करते हैं, इसलिए आप तीस सेकंड के लिए spinner की ओर ताकना बंद कर देते हैं, और response box per line के बजाय per token पर पेंट होता है। Nous Research ने इसे Quicksilver Release कहा, और फ्रेमिंग फिट बैठती है।
Desktop app को अपने बीस से अधिक performance pull requests मिले। लंबे replies पहले markdown splitter में चौदह गुना ज्यादा CPU खर्च करते थे जितने वे अब करते हैं, विशाल diffs review pane को फ्रीज कर देते थे जब तक कि किसी ने उसे virtualize नहीं किया, और sessions स्विच करना अब layout को thrash नहीं करता। Streaming अब हर token पर sidebar और हर tool row को re-render नहीं करती, profile backends hover intent पर pre-warm होते हैं, और boot-hidden panes cold-start critical path पर नहीं बल्कि idle पर mount होते हैं। TUI markdown को incrementally render करता है।
उस गति की रीढ़ के आसपास पांच असली workflow upgrades हैं। अब आप बिना terminal छोड़े अपना Nous subscription मैनेज कर सकते हैं, Bitwarden और 1Password को credential access के लिए सीधे Hermes में plug कर सकते हैं, smart approvals को डिफ़ॉल्ट रूप से flagged commands के लिए judge करने दें, अपने subagents को लाइव काम करते देखें, और भरोसा करें कि एक finished response gateway crash के बाद भी durable delivery ledger की बदौलत survive करता है। यह रिलीज़ v0.18.1 और v0.18.2 के सभी infrastructure patch tags को एक documented window में शामिल करती है।
बिल्डर्स के लिए, व्यावहारिक बदलाव यह है कि Hermes अब visit करने के बजाय inside रहने लायक fast लगती है। Sessions tabs की तरह switch होते हैं, लंबे thinking traces जैसे-जैसे होते हैं stream होते हैं, और secrets वहीं रहती हैं जहां agent रहता है। इसका मतलब है कि आप अपने editor के साथ एक पूरे दोपहर के लिए Hermes terminal को pinned रख सकते हैं बजाय इसे एक tool की तरह treat करने के जिसे आप open करते हैं, prompt करते हैं, और close करते हैं। जो बात अगली बार देखनी है वह यह है कि लगभग 3,300 closed issues और 2,245 commits actual translate होते हैं या नहीं sustained load के तहत stability में, क्योंकि speed story तो जोरदार है लेकिन trust story को weeks of daily use में इसे earn करना होगा।
[03:32] Ternary-huggingface.co listing adds Ternary
Ternary-Bonsai-27B नामक एक नया open-weight model Hugging Face की trending list पर चढ़ रहा है, और नाम आपको बताता है कि ज्यादातर दिलचस्प बातें क्या हैं। यह prism-ml नामक एक publisher से 27-बिलियन-पैरामीटर language model है, और यह 4 जुलाई को GGUF फ़ाइल के रूप में packaged भेजा गया — वह format जिसे llama.cpp local inference के लिए सीधे disk से models stream करने के लिए उपयोग करता है। "ternary" और "2-bit" tags बताते हैं कि लोग ध्यान क्यों दे रहे हैं: network में हर weight तीन संभावित values में से एक तक compress हो गया है, जिसका मतलब है कि फ़ाइल सामान्य 27B checkpoint की तुलना में आकार के अंश पर land होती है। Repository पहले ही 432,000 downloads और 876 likes पार कर चुकी है, और tags confirm करते हैं कि यह CUDA GPUs और Apple के Metal silicon दोनों पर चलती है — तो यह day one से NVIDIA machines और Apple Silicon laptops दोनों के लिए तैयार है।
यह जो संभव बनाता है वह सीधा है। एक 27B-क्लास मॉडल को सामान्यतः गंभीर हार्डवेयर की आवश्यकता होती है, और प्रति-वेट दो-बिट संपीड़न योजना ठीक वही तरकीब है जो उस पदचिह्न को उपभोक्ता-लैपटॉप स्तर तक कम कर देती है। क्योंकि यह GGUF है, आप आज ही llama.cpp को फ़ाइल पर इंगित कर सकते हैं बिना कस्टम सर्विंग स्टैक सेट अप किए, जो इसे स्थानीय एजेंटों, ऑफ़लाइन चैट असिस्टेंट्स, और किसी भी वर्कफ़्लो के लिए उपयोगी बनाता है जहाँ आप API के माध्यम से राउंड-ट्रिपिंग के बजाय अपनी मशीन पर बातचीत मॉडल चलाना चाहते हैं।
गुणवत्ता का प्रश्न देखने योग्य है। दो-बिट क्वांटिज़ेशन आक्रामक है, और समुदाय यह देखना चाहेगा कि मॉडल वास्तविक बातचीत कार्यों पर टिकता है या केवल डाउनलोड काउंटर पर प्रभावशाली दिखता है। बिल्डर्स के लिए, व्यावहारिक कदम है GGUF खींचना, इसे llama.cpp के माध्यम से अपने हार्डवेयर पर लोड करना, और देखना कि आपकी मशीन इस संपीड़ित रूप में 27B मॉडल के साथ वास्तव में क्या कर सकती है — यह प्रयोग इस सप्ताह चलाने योग्य है।
[05:25] whodb 0.121.0 आता है, डेटा एक्सेस और ऑपरेशंस सिग्नल को एक ओपन-सोर्स सतह में मिलाता है
ओपन सोर्स प्रोजेक्ट whodb ने 16 जुलाई को रिलीज़ 0.121.0 शिप किया, रिपॉजिटरी में 21 जुलाई तक निरंतर कमिट्स देखी गईं। प्रोजेक्ट clidey GitHub संगठन के तहत है, GitHub पर 4,931 स्टार्स जमा किए हैं, और खुद को 'जहाँ डेटा एक्सेस ऑपरेशनल इंटेलिजेंस से मिलता है' के रूप में वर्णित करता है।
वह टैगलाइन असली काम कर रही है। अधिकांश टूलिंग दोनों जॉब्स को विभाजित करती है। एक डेटाबेस क्लाइंट क्वेरीज़, स्कीमा और राइट्स को हैंडल करता है। एक ऑब्ज़र्वेबिलिटी स्टैक विलंबता, एरर्स और रिसोर्स प्रेशर को हैंडल करता है। रिपो की पोज़िशनिंग सुझाव देती है कि मेंटेनर्स दोनों को एक सिंगल ओपन-सोर्स सतह में गिराना चाहते हैं - एक जगह जहाँ आप अपने डेटा से बात कर सकते हैं और उसे सर्व करने वाले सिस्टम्स को देख सकते हैं।
फ्रेमिंग मायने रखती है क्योंकि टूलिंग कंसोलिडेशन वापस फैशन में है। अपना इन्फ्रास्ट्रक्चर चलाने वाली छोटी टीमें आमतौर पर 'इस क्वेरी धीमी क्यों हो गई' जैसे सवाल का जवाब देने के लिए एक SQL क्लाइंट, एक मेट्रिक्स डैशबोर्ड, एक लॉग व्यूअर और एक कनेक्शन पूल मॉनिटर को सिलते हैं। एक सेल्फ-होस्टेबल प्रोजेक्ट जो इस सब को एक स्क्रीन के पीछे रखने का लक्ष्य रखता है टूल-स्प्रॉल टैक्स को कम करता है।
रिलीज़ कैडेंस अपनी कहानी बताता है। 16 जुलाई को एक टैग्ड वर्जन और पाँच दिन बाद पुशेस - यह पार्क की गई परियोजना के बजाय सक्रिय रूप से उपयोग की जाने वाली परियोजना का पैटर्न है, टीम औपचारिक रिलीज़ के बीच काम लैंड कर रही है न कि सब कुछ एक तिमाही में एक बार जमा कर रही है।
समुदाय का आकार भी ध्यान देने योग्य है। बिना किसी बड़े वेंडर के समर्थन के स्टार्स पर उच्च चार अंकों में प्रवेश करना whodb को उन टूल्स की श्रेणी में रखता है जिन्होंने अपने ही गुणों पर फॉलोइंग हासिल की है, जो बग इंसिडेंट्स बनने से पहले पकड़ने वाले फीडबैक लूप का एक खुरदरा प्रॉक्सी भी है।
अगला देखें: अगला रिलीज़ टैग और कोई भी दस्तावेज़ीकरण जो स्पष्ट करे कि वास्तव में कौन से डेटा बैकएंड्स और ऑपरेशनल सिग्नल वायर्ड इन हैं। यह डिटेल एक बाध्य करने वाले लैंडिंग पेज और कुछ के बीच का अंतर है जिसे एक छोटी टीम सोमवार सुबह डिप्लॉय कर सकती है।
[07:22] codebase-memory-mcp AI कोडिंग असिस्टेंट्स को एक परसिस्टेंट मेमोरी लेयर देता है
एक नया ओपन-सोर्स टूल जिसका नाम codebase-memory-mcp है, AI कोडिंग असिस्टेंट्स को पूरे रिपॉजिटरीज़ के लिए दीर्घकालिक मेमोरी जैसी क्षमता प्रदान करने का प्रयास कर रहा है। यह प्रोजेक्ट, जो GitHub पर DeusData के तहत होस्ट किया गया है, ने 8 जुलाई को v0.9.0 रिलीज़ जारी की है। यह एक Model Context Protocol सर्वर है — जो अधिकांश आधुनिक एजेंटिक कोडिंग क्लाइंट्स द्वारा उपयोग किया जाने वाला स्टैंडर्ड प्लग-इन फॉर्मेट है — और इसका काम सोर्स ट्री को एक पर्सिस्टेंट नॉलेज ग्राफ में बदलना है जिसे असिस्टेंट बार-बार क्वेरी कर सकता है।
आंकड़े मुख्य बात हैं। प्रोजेक्ट के अनुसार, यह एक औसत रिपॉजिटरी को मिलीसेकंड्स में इंडेक्स करता है, एक मिलीसेकंड से कम समय में क्वेरी का जवाब देता है, 158 प्रोग्रामिंग भाषाओं का समर्थन करता है, और रॉ फाइलों को मॉडल में वापस भेजने की तुलना में लगभग 99 प्रतिशत कम टोकन का उपयोग करता है। यह अंतिम बिंदु महत्वपूर्ण है क्योंकि कॉन्टेक्स्ट विंडोज महंगी और सीमित होती हैं। हजारों लाइनों को प्रॉम्प्ट में न डालकर, असिस्टेंट स्थानीय सर्वर से एक स्ट्रक्चर्ड प्रश्न पूछता है और केवल प्रासंगिक हिस्सा वापस प्राप्त करता है। पूरी चीज़ एक सिंगल स्टैटिक बाइनरी के रूप में शिप होती है जिसमें शून्य रनटाइम डिपेंडेंसीज़ हैं, इसलिए एक डेवलपर इसे लैपटॉप पर रख सकता है और बिना डेटाबेस सेटअप किए एक रियल कोडबेस पर एजेंट को पॉइंट करना शुरू कर सकता है।
व्यावहारिक रूप से, इसका मतलब है कि एक AI असिस्टेंट आखिरकार "कौन सा मॉड्यूल पेमेंट रीट्री लॉजिक का मालिक है" या "यह डेप्रिकेटेड फंक्शन अभी भी कहां से कॉल हो रहा है" जैसे प्रश्नों का उत्तर दे सकता है बिना हर सत्र में फाइलें दोबारा पेस्ट किए। बड़े मोनोरेपो में काम करने वाली टीमों के लिए, यह घंटों के ओरिएंटेशन को सेकंड्स में बदल देता है। GitHub रेपो में पहले ही 33,443 स्टार्स जमा हो गए हैं, और नवीनतम कमिट 19 जुलाई को हुई थी, इसलिए गति स्पष्ट रूप से अभी भी बढ़ रही है। अगला देखने योग्य: v1.0 लाइन कितनी स्थिर आती है और प्रमुख कोडिंग-एजेंट वेंडर्स इस प्रकार की इंडेक्स्ड मेमोरी को सीधे अपने उत्पादों में बंडल करना शुरू करते हैं या नहीं।
[09:08] holaOS, एक Local-First Work Agent, 5,500 GitHub Stars पार कर गया
holaOS नामक एक नया प्रोजेक्ट GitHub पर चुपचाप एक वास्तविक फॉलोइंग बना रहा है, जहां इसने 5,500 स्टार्स पार कर लिए हैं। रेपो खुद को आपके काम के लिए सुपर एजेंट के रूप में प्रस्तुत करता है, और एलीवेटर पिच छोटी है: यह स्थानीय रूप से चलता है, मिनटों में आपके काम के संदर्भ को सीखता है, और सत्रों के बीच इसे भूलता नहीं है।
यह स्थानीय-पहले ढांचा सबसे दिलचस्प हिस्सा है। आज के अधिकांश असिस्टेंट टूल्स आपके काम को रिमोट सर्वरों के माध्यम से रूट करते हैं और हर बार जब आप एक नई चैट विंडो खोलते हैं तो आपके बारे में अपनी समझ को दोबारा बनाते हैं। एक स्थानीय-पहले एजेंट आपकी फाइलों, आपकी खुली प्रोजेक्ट्स, आपकी नामकरण परंपराओं और आपकी आदतों को आपकी अपनी मशीन पर रख सकता है, और प्रोजेक्ट स्पष्ट रूप से इसे एक फीचर के रूप में प्रस्तुत करता है, ट्रेड-ऑफ के बजाय। रिपॉजिटरी holaOS को एक ऐसे टूल के रूप में वर्णित करता है जो आपके काम के संदर्भ को जल्दी से समझता है और आगे ले जाता है, जो कि निरंतरता है जो एक चैटबॉट को किसी ऐसे सहकर्मी के करीब लाती है जो महीनों से आपके बगल में बैठा है।
प्रोजेक्ट सक्रिय रूप से मेंटेन किया जा रहा है। रिपॉजिटरी में सबसे हालिया पुश 20 जुलाई को हुआ था, इसलिए कोडबेस आगे बढ़ रहा है, और क्योंकि यह ओपन सोर्स है कोई भी कोड पढ़ सकता है, इश्यू फाइल कर सकता है, या अपने प्रयोगों के लिए इसे फोर्क कर सकता है। अभी तक रेपो पर कोई टैग्ड रिलीज़ नहीं है, इसलिए अभी के लिए व्यावहारिक कदम रिपॉजिटरी को क्लोन करना, उसके README में सेटअप स्टेप्स फॉलो करना, और पैकेज्ड इंस्टॉलर का इंतजार करने के बजाय सोर्स से चलाना है।
बिल्डर्स के लिए, अपील सीधी है। अगर आपने कभी एक चैट विंडो बंद की है और एक घंटे की सावधानी से समझाए गए संदर्भ को खो दिया है, तो प्रोजेक्ट सीधे उस पेन पॉइंट को लक्षित कर रहा है। देखना दिलचस्प होगा कि holaOS एक डेवलपर टॉय रहता है या नॉन-कोडर्स के लिए अधिक पॉलिश्ड डेली-ड्राइवर में बढ़ता है।
[10:58] NVIDIA Posts Cosmos 3 Edge Introduction on Hugging Face
NVIDIA ने 20 जुलाई, 2026 को Hugging Face ब्लॉग पर "Cosmos 3 Edge को प्रस्तुत करते हुए" शीर्षक से एक पोस्ट प्रकाशित की। NVIDIA के Cosmos फैमिली में Edge सफिक्स ऐतिहासिक रूप से पतले, कम-लेटेंसी वेरिएंट्स का संकेत देती रही है जो ऑन-डिवाइस और रोबोटिक्स इंफरेंस के लिए लक्षित हैं, पूर्ण डेटासेंटर-स्केल ट्रेनिंग के बजाय। यह पोजिशनिंग मायने रखती है क्योंकि वर्ल्ड फाउंडेशन मॉडल आमतौर पर भारी वजन के होते हैं — Cosmos 3 Edge को फिजिकल AI परिदृश्यों के लिए रोबोट पर चलाने योग्य विकल्प के रूप में पोजिशन किया गया है।
हगिंग फेस ब्लॉग पोस्ट नए वेरिएंट के लिए पब्लिक इंट्रोडक्शन पेज के रूप में काम करती है। Cosmos लाइन NVIDIA की मुख्य world-model फैमिली है जो रोबोटिक्स और ऑटोनॉमस सिस्टम्स वर्क के लिए तैयार है, और Edge टियर वह जगह है जहां वह फैमिली on-device डिप्लॉयमेंट से मिलती है। जो बिल्डर्स स्पेसिफिक्स — सपोर्टेड इनपुट टाइप्स, आउटपुट फॉर्मेट्स, और टारगेट हार्डवेयर — चाहते हैं, उन्हें एक्सपेक्ट करना चाहिए कि अकंपनिंग मॉडल कार्ड उन डिटेल्स को बताएगा। वेट डाउनलोड और NVIDIA द्वारा प्रकाशित किसी भी प्रिसिजन वेरिएंट उसी पेज पर मॉडल कार्ड के साथ रहेंगे।
बिल्डर्स के लिए, प्रैक्टिकल सिग्नल सीधा है: एक नया Cosmos एंट्री Edge टियर के लिए है। अगर आप पहले से Jetson-क्लास हार्डवेयर पर, रोबोट पर, या सिमुलेशन लूप में जहां लेटेंसी बजट टाइट हैं, Cosmos वेरिएंट्स चला रहे हैं, तो यह स्लॉट देखने लायक है। अगर आप एक छोटा Cosmos इंतज़ार कर रहे थे जिसे आप क्लस्टर की जगह वर्कस्टेशन पर फाइन-ट्यून कर सकें, तो यह वही लेन दिखता है।
अगला देखने वाली बात मॉडल कार्ड और प्रकाशित वेट लिस्टिंग है। NVIDIA आमतौर पर सपोर्टेड इनपुट रेज़ोल्यूशन, कॉन्टेक्स्ट लेंथ, वीडियो आउटपुट के लिए सैंपलिंग रेट, और वेट के साथ रिकमेंडेड इंफरेंस स्टैक प्रकाशित करता है। जब तक वे डिटेल्स नहीं आतीं, पोस्ट को इंटीग्रेशन टारगेट की जगह वॉच आइटम मानें — और Cosmos 3 Edge को पाइपलाइन में वायर करने का मोह त्यागें जब तक कार्ड कन्फर्म न करे कि यह वह एक्सेप्ट करता है जो आप इसे फीड करना चाहते हैं।
[12:51] EU AI Act की पारदर्शिता नियम 2 अगस्त से लागू — जानिए बिल्डर्स को क्या चाहिए
20 जुलाई को, यूरोपियन कमीशन ने दिशानिर्देश प्रकाशित किए जो बताते हैं कि कंपनियां AI Act के पारदर्शिता नियमों को कैसे पूरा करेंगी, जो 2 अगस्त, 2026 से प्रभावी होंगे। मुद्दा सीधा है: लोगों को पता चलना चाहिए कि वे AI से बात कर रहे हैं, या जब सामग्री AI द्वारा जनरेट या बदली गई थी — धोखाधड़ी और हेरफेर के जोखिम को कम करना।
AI Act के तहत, AI प्रोवाइडर्स के दो ठोस दायित्व हैं। पहला, उनके सिस्टम्स को यूजर्स को बताना होगा कि वे सीधे AI से इंटरैक्ट कर रहे हैं, इंसान से नहीं। दूसरा, AI-जनरेटेड या मैनिपुलेटेड सामग्री में मशीन-रीडेबल मार्क्स होने चाहिए — एम्बेडेड सिग्नल्स जिन्हें डिटेक्शन टूल्स बाद में प्रोवेनेंस कन्फर्म करने के लिए उठा सकते हैं। दिशानिर्देश इंटरैक्टिव सिस्टम्स और जेनरेटिव सामग्री में मार्किंग और लेबलिंग की आवश्यकताओं को कवर करते हैं।
डिप्लॉयर्स — जो बिजनेस इन सिस्टम्स को यूजर्स के सामने रखते हैं — के अपने दायित्व हैं। उन्हें लोगों को बताना होगा कि उन्हें deepfake दिखाया जा रहा है, जब AI-जनरेटेड सामग्री सार्वजनिक हित के मामलों को बिना ह्यूमन रिव्यू या एडिटोरियल जिम्मेदारी के छूती है, और जब एमोशन रिकग्निशन या बायोमेट्रिक कैटेगराइज़ेशन सिस्टम उन पर इस्तेमाल किए जा रहे हैं। एमोशन रिकग्निशन का मतलब है AI का चेहरों, आवाजों, या बॉडी लैंग्वेज को पढ़कर फीलिंग्स का अनुमान लगाना; बायोमेट्रिक कैटेगराइज़ेशन का मतलब है लोगों को संवेदनशील ट्रेट्स के आधार पर सॉर्ट करना।
EU में शिप करने वाले बिल्डर्स के लिए, यह 'डन' कैसा दिखता है इसे बदल देता है। इंटरैक्टिव प्रोडक्ट्स को इस्तेमाल के पॉइंट पर विजिबल AI डिस्क्लोज़र चाहिए। जेनरेटिव आउटपुट्स को मशीन-रीडेबल मार्क्स चाहिए जो डाउनस्ट्रीम एडिटिंग में बचे रहें। और किसी भी एमोशन या बायोमेट्रिक सिस्टम को चलाने से पहले एक्सप्लिसिट यूजर नोटिस चाहिए।
कमीशन ने AI-जनरेटेड सामग्री की पारदर्शिता पर Code of Practice Article 50 पर Q&A के साथ रिलीज़ किया ताकि स्पेसिफिक सिनारियोज़ के बारे में बताया जा सके। अगला देखने लायक: 2 अगस्त के बाद एनफोर्समेंट कितनी एग्रेसिवली लैंड होती है, और क्या मार्किंग स्टैंडर्ड्स एक टेक्निकल फॉर्मेट पर कन्वर्ज करते हैं जिसे प्रोवाइडर्स और डिप्लॉयर्स दोनों इम्प्लीमेंट कर सकें।
[14:40] रिसर्च डाइजेस्ट: कोडिंग एजेंट्स अपना कॉन्टेक्स्ट एक्स्ट्रा क्लासिफायर्स के बिना प्र्यून करते हैं
कोडिंग एजेंट तेज़ी से कॉन्टेक्स्ट खत्म कर देती हैं — हर टूल कॉल, फ़ाइल रीड और सर्च रिज़ल्ट वर्किंग मेमोरी में जमा होता जाता है जब तक कि मॉडल की क्षमता खत्म नहीं हो जाती। SWE-Pruner Pro नामक नया रिसर्च उस समस्या को अंदर से हल करता है। कोडर्स के लिए मौजूदा कॉन्टेक्स्ट-प्रूनिंग टूल प्रत्येक टूल आउटपुट के हर हिस्से को स्कोर करने के लिए एक अलग क्लासिफायर जोड़ते हैं। SWE-Pruner Pro की टीम ने पाया कि एजेंट पहले से ही जानता है कि कौन से हिस्से मायने रखते हैं। जब एजेंट टूल आउटपुट पढ़ता है, उसके आंतरिक एक्टिवेशन रिलेवेंस एन्कोड करते हैं — एक सिग्नल जो मॉडल खुद लेकर चलता है। इसलिए बाहरी फ़िल्टर चलाने के बजाय, SWE-Pruner Pro एजेंट के अपने आंतरिक रिप्रेजेंटेशन पर एक छोटा हेड ट्रेन करता है कि क्या रखना है और क्या हटाना है, यह सब एजेंट लूप के अंदर होता है। नतीजा एक्स्ट्रा क्लासिफायर ओवरहेड के बिना प्रूनिंग है, जो बड़े रिपॉजिटरी पर लंबी कोडिंग सेशन के लिए मायने रखता है। मल्टी-फ़ाइल रिफैक्टर या डिबगिंग मैराथन पर एजेंट चलाने वाले बिल्डर्स के लिए, इसका मतलब सस्ते, तेज़ रन हो सकते हैं जो कॉन्टेक्स्ट विंडो गिरने से पहले खत्म हो जाते हैं। ओपन कोडिंग हार्नेस में इंटीग्रेशन अगली बात है जिस पर नज़र रखनी है।
[15:46] रिसर्च डाइजेस्ट: RAG को 1980 के दशक के स्टैटिस्टिक्स ट्रिक के रूप में नया आइडेंटिटी — गारंटी के साथ
रिट्रीवल-ऑगमेंटेड जेनरेशन — वह तकनीक जिसका AI असिस्टेंट जवाब देने से पहले दस्तावेज़ खींचने के लिए उपयोग करते हैं — को अभी एक नया आइडेंटिटी मिला है। एक नया पेपर दिखाता है कि RAG गणितीय रूप से नियरेस्ट-नेबर मैचिंग के बराबर है, जो 1980 के दशक की एक स्टैटिस्टिक्स विधि है जो प्रत्येक नए केस को उसके सबसे करीबी ऐतिहासिक ट्विन के साथ जोड़कर कारण और प्रभाव का अनुमान लगाती है। पेपर उस लिंक को औपचारिक रूप देता है, फिर गारंटी साबित करता है: जब रिट्रीवल के बाद का भाषा मॉडल परिणाम भविष्यवक्ता के रूप में कार्य करता है, परिणामी निर्णय नियम का रिग्रेट सीमित होता है। सादे शब्दों में, RAG अब सिर्फ एक लुकअप ट्रिक नहीं है — यह एक स्टैटिस्टिकल सर्टिफिकेट वाला निर्णय-निर्माण टूल है। यह RAG पाइपलाइन के बारे में सोचने का तरीका बदलता है जो कार्रवाइयों के बीच चयन करती है: मरीज़ को सबसे अच्छे दस्तावेज़ीकृत उपचार से मिलान करना, खरीदार को कौन सा ऑफर दिखाना है यह चुनना, लेनदेन को फ्रॉड के रूप में फ्लैग करना। रिट्रीवल इंडेक्स समानता खोज के बजाय मैचिंग इंजन बन जाता है। आगे देखना: अनुभवजन्य परीक्षण जो नई गारंटी की शर्तों पर वास्तविक RAG स्टैक की जीत दिखाते हैं, और एंटरप्राइज वेंडर शुद्ध रिट्रीवल बेंचमार्क के बजाय मैचिंग-स्टाइल इवैल्यूएशन का हवाला देते हैं।
[16:49] Microsoft का ओपन-सोर्स पाठ्यक्रम MCP फंडामेंटल्स को छह भाषाओं में हाथों-से-हाथ सीखने वाले पाठों में बदल देता है
Microsoft ने 20 जुलाई को अपना MCP for Beginners पाठ्यक्रम अपडेट किया, और डेवलपर्स के लिए जो मॉडल को वास्तविक टूल्स में जोड़ना चाहते हैं, यह एक चुपचाप उपयोगी अपडेट है। रिपॉजिटरी, जो GitHub पर microsoft/mcp-for-beginners पर होस्टेड है, .NET, Java, TypeScript, JavaScript, Rust और Python में रननेबल उदाहरणों का उपयोग करके डेवलपर्स को Model Context Protocol के बारे में बताती है। यह छह स्टैक हैं, एक ही पाठ प्रत्येक भाषा की शैली में व्यक्त किए गए हैं, ताकि फोकस MCP कॉन्सेप्ट्स पर रहे न कि किसी एक वेंडर के SDK फ्लेवर पर।
पाठ्यक्रम MCP को मॉडल के लिए बाहरी टूल्स और डेटा स्रोतों को कॉल करने का एक मानक तरीका बताता है, फिर दिखाता है कि क्लाइंट साइड (मॉडल और उसका होस्ट) और सर्वर साइड (जिस टूल या सर्विस को कॉल किया जा रहा है) दोनों को अपने स्टैक में पहले से मौजूद जिस भी भाषा में बनाना है। मॉड्यूल मॉड्यूलर डिज़ाइन, स्केलेबल पैटर्न और सुरक्षा विचारों के बारे में बताते हैं — ये तीन चिंताएं हैं जो अधिकांश टीमों को पहली बार किसी टूल को मॉडल के सामने उजागर करने पर परेशान करती हैं।
व्यावहारिक पिच सीधी है। Rust या .NET पर बैकएंड इंजीनियर वही पाठ पढ़ सकता है जो उसका TypeScript सहकर्मी पढ़ रहा है, अपनी भाषा में। रिपॉजिटरी ने 16,802 स्टार्स एकत्र किए हैं, जो सुझाव देता है कि व्यापक दर्शकों ने पहले ही इस दृष्टिकोण की जांच की है और उदाहरणों का परीक्षण किया है। शुरुआती लोगों को कॉपी-पेस्ट करने योग्य कोड के साथ एक गाइडेड पाथ मिलता है; अनुभवी डेवलपर्स प्रोडक्शन इंटीग्रेशन के लिए स्कैफोल्डिंग के रूप में काम करने वाले स्निपेट्स उठा सकते हैं।
पाठ्यक्रम का मॉड्यूलर, स्केलेबल और सुरक्षित पैटर्न पर जोर इस बात का संकेत है कि पाठ MCP-aware टूल्स विकसित होने पर भी उपयोगी रहने चाहिए। रिपॉजिटरी ने 20 जुलाई को एक फ्रेश कमिट किया, जो स्टेल स्नैपशॉट के बजाय सक्रिय रखरखाव का संकेत है।
उद्धरण करने के लिए कोई टैग्ड रिलीज़ नहीं है, इसलिए पाठ्यक्रम संस्करणित आर्टिफैक्ट के बजाय रखरखाव वाले दस्तावेज़ीकरण के रूप में मौजूद है। आगे देखें कि Microsoft कौन सी भाषाएं जोड़ता है, और क्या पाठ्यक्रम व्यापक MCP इकोसिस्टम के परिपक्व होने पर अधिक उन्नत इंटीग्रेशन पैटर्न में विस्तारित होता है।
[18:42] Sentry का XcodeBuildMCP iOS Agent Tools पर 6,100 स्टार्स पार कर गया
Yahan ek chhota sa open-source project hai jisne is mahine 6,100 GitHub stars haasil kiye: XcodeBuildMCP, jo Sentry dwara maintain kiya jaata hai. Yeh ek Model Context Protocol server hai, jo basically ek bridge hai jo AI agent ko real developer tools ko call karne ki anumati deta hai sirf unke baareme baat karne ke bajaay. Acronym ka matlab hai Model Context Protocol — ise aise sochiye jaise kisi agent ke liye ek standardized tarika server se kuch karne ke liye kehne aur structured answer wapas paane ka.
XcodeBuildMCP jo karta hai woh seedha aur kaam ka hai: yeh iOS aur macOS projects ke saath kaam karte waqt agents ke liye tools provide karta hai, ek MCP server aur ek command-line interface dono ke roop me packaged. Toh jab aap Apple platform project pe coding agent use kar rahe ho, toh aap yeh plug kar sakte ho aur agent ko kaam actually drive karne ke liye ek toolbelt milti hai — hallucinations ya aapse output copy-paste karne ki request karne ke bajaay.
Project ne 2 June, 2026 ko v2.6.2 ship kiya aur repository me 21 July ko ek aur push dekha gaya, toh yeh actively maintain ho raha hai. Sentry ne ise open-source kiya, jo isliye matter karta hai kyunki iOS tooling historical tor pe agent-driven workflows ke liye sabse mushkil jagah rahi hai — Xcode ka command line behkaav wala hai, build errors noisy hain, aur project files fragile hain. Koi bhi cheez jo agent ko us machinery par clean, structured handle de, dekhne ke liye kaabil hai.
Iske saath aap kya build kar sakte ho: koi bhi iOS ya macOS workflow jahan aap chahte ho ki aapka coding agent project ko end-to-end drive kare — changes iterate kare, CLI ke zariye operations run kare, aur structured results wapas paaye — bina aapko terminal ki dekhbhaal karni pade.
Ek cheez dhyan dene wali hai: kitni jaldi bade coding-agent harnesses third-party MCP servers jaise ise plug karne ke liye first-class support ship karte hain, kyunki integration story abhi tool se tool vary karti hai.
[20:30] OpenAI Shares What Goes Wrong When AI Runs for Hours
OpenAI ne 20 July ko kuch post kiya jo gaur karna layak hai — ek likhavat "Safety and alignment in an era of long-horizon models." Yeh koi model launch nahi hai ya benchmark reveal nahi. Yeh un safety team ki seedhi saadi hai jo long sessions ke dauran AI systems run karne se mili, aur jo unhe lagta hai doosre builders ko dhyan dena chahiye.
Frame interesting hai. Zyadaatar public alignment conversation short exchanges maanti hai — ek prompt, ek answer, ek evaluation. OpenAI ka post us baare me hai ki kya badalta hai jab ek model hours, days, ya continuously kaam karti rahti hai. Unka kehna hai ki unhe real deployment ke dauran failures observe hue jo single-turn testing me surface nahi hongi, aur unhe credit dete hain iterative deployment ko — model run karna, dekhna ki production me actually kya hota hai, safeguards patch karna, phir se ship karna — isme problems aur fixes dono surface hote hain.
Woh loop mechanism hai jiska naam lena zaruri hai. Single safety evaluation nahi, ek cycle. Real usage naye failure patterns expose karta hai, un patterns se improved safeguards banate hain, model ship hota hai, loop repeat hota hai. OpenAI is deployment loop ko actual alignment work maan raha hai long-horizon systems ke liye, lab benchmarks ke aas-paas wrapper nahi.
Agents, automation, ya assistants jo extended sessions ke liye operate karne ke liye bane hain unhe ship karne waale builders ke liye takeaway uncomfortable hai par useful. Failure modes jo production me aapko nuksan pahunchate hain, wahi woh hain jo aapke evaluation suite ko kabhi catch karne ke liye design nahi kiya gaya. Yeh is baat ka argument hai ki shuruat se hi system me observability build karna — yeh dekhne mein able hona ki model ne long session ke dauran kya kiya aur jab kuch galat hota hai toh intervene kar sako.
आगे देखने को क्या है: क्या अन्य लैब्स उसी प्रारूप में पोस्टमॉर्टम प्रकाशित करते हैं, और क्या दीर्घ-क्षितिज विफलताओं के लिए एक साझा शब्दावली उभरना शुरू होती है।
[22:17] Unity MCP v10.1.0 AI असिस्टेंट्स को प्रत्यक्ष एडिटर एक्सेस देता है
Unity गेम डेवलपर्स के पास अब अपने AI असिस्टेंट्स और एडिटर के बीच एक अधिक प्रत्यक्ष संपर्क है। CoplayDev का unity-mcp 13 जुलाई को वर्शन 10.1.0 शिप किया, और रिपॉजिटरी ने अब GitHub पर 12,700 स्टार्स पार कर लिए हैं, जो एक मजबूत संकेत है कि यह ब्रिज पैटर्न इंडी और स्टूडियो क्रूड के साथ प्रतिध्वनित हो रहा है।
यह टूल एक MCP — Model Context Protocol — ब्रिज के रूप में काम करता है, एक स्टैंडर्ड जो AI असिस्टेंट्स को बाहरी टूल्स और एडिटर्स से बात करने की अनुमति देता है। अपनी चैट विंडो और Unity एडिटर के बीच कोड कॉपी-पेस्ट करने के बजाय, आप अपने LLM को Unity ऑपरेशंस के एक सेट तक सीधा एक्सेस देते हैं। इसका मतलब है कि आपका असिस्टेंट एसेट्स मैनेज कर सकता है, सीन्स कंट्रोल कर सकता है, स्क्रिप्ट्स एडिट कर सकता है, और दोहराए जाने वाले एडिटर टास्क्स ऑटोमेट कर सकता है जबकि आप फ्लो में रहते हैं।
तो व्यवहार में यह कैसा दिखता है? एक सोलो डेवलपर जो 3D पज़ल गेम बना रहा है, वह अपने असिस्टेंट से टेक्सचर्स के एक फोल्डर को इम्पोर्ट करने, उन्हें सीन ऑब्जेक्ट्स पर रखने और एक मैचिंग स्क्रिप्ट जेनरेट करने के लिए कह सकता है जो टाइमर पर स्प्राइट्स स्वैप करती है — बिना विंडोज के बीच आने-जाने के। एक छोटी टीम नाइटली एसेट-वैलिडेशन रूटीन्स सेट कर सकती है जिन्हें AI डिमांड पर ट्रिगर करता है। ब्रिज चैट और एडिटर के बीच बैठता है, ताकि आप रियल टाइम में बदलाव लैंड होते देख सकें।
प्लेयर्स स्क्रीन पर कोई अंतर नहीं देखेंगे, लेकिन एडिटर पर डेवलपर के लिए, कॉन्टेक्स्ट स्विच करने का फ्रिक्शन ध्यान देने योग्य रूप से कम हो जाता है। 12,700-स्टार काउंट unity-mcp को इस समय उपलब्ध अधिक लोकप्रिय गेम-इंजन ब्रिजेस में से एक बनाता है, और स्टेडी रिलीज कैडेंस से पता चलता है कि मेंटेनर्स सक्रिय रूप से फिक्सेस और फीचर वर्क शिप कर रहे हैं। आगे देखने योग्य: क्या Unity Technologies स्वयं एडिटर में नेटिव MCP सपोर्ट बनाता है, और स्टूडियो इसे अपने प्रोडक्शन पाइपलाइन्स में कैसे इंटीग्रेट करना शुरू करते हैं।
[24:02] Upsonic v0.77.3 आ गया — ऑटोनोमस AI एजेंट्स के लिए एक Python फ्रेमवर्क
अगर आप बिना अपना एजेंट लूप खुद रोल करके Python में ऑटोनोमस AI एजेंट्स बनाना चाह रहे थे, तो Upsonic में अभी ताज़ा अपडेट आया है। ओपन-सोर्स फ्रेमवर्क ने 19 मई को वर्शन 0.77.3 हिट किया, और रिपॉजिटरी में पहले से ही लगभग आठ हज़ार GitHub स्टार्स आ चुके हैं, जो इसे Python एजेंट टूलकिट्स के नक्शे पर ला रहा है।
पिच सीधी है। Upsonic ऑटोनोमस AI एजेंट्स बनाने के लिए एक Python फ्रेमवर्क है — सॉफ्टवेयर जो एक गोल लेता है, तय करता है कि कौन से स्टेप्स रन करने हैं, जो टूल्स चाहिए उन्हें कॉल करता है, और काम खत्म करता है, एजेंट लूप लाइब्रेरी द्वारा मैनेज किया जाता है बजाय आपके कोड में हाथ से रोल किए गए। बिल्डर्स के लिए जो अपना खुद का प्लानिंग-और-टूल-यूज़ प्लंबिंग लिखने से बचना चाहते हैं, यही वह वास्तविक टाइम सिंक है जो यह हटाता है।
रिलीज कैडेंस मायने रखती है। रिपॉजिटरी को 18 जून, 2026 को सबसे हाल ही में पुश किया गया था — 19 मई को v0.77.3 टैग के लगभग एक महीने बाद — इसलिए टीम सक्रिय रूप से इटरेट कर रही है बजाय फ्रोज़न रिलीज पर बैठने के। शून्य-पॉइंट-x टेरिटरी में अभी भी एक फ्रेमवर्क के लिए, कमिट्स का स्टेडी ड्रमबीट आमतौर पर चीजों के बीच का अंतर होता है जिस पर आप प्रोटोटाइप बेट लगा सकते हैं और जो चुपचाप सड़ जाता है।
आप इससे आखिरकार क्या बना सकते हैं? जो पैटर्न ज़्यादातर बिल्डर्स पहले अपनाते हैं वह एक Python सर्विस है जो एक प्राकृतिक-भाषा टास्क लेती है, एजेंट को एक टूल या API चुनने देती है, स्टेप एक्जीक्यूट करती है, और एक स्ट्रक्चर्ड रिजल्ट रिटर्न करती है — रिसर्च असिस्टेंट्स, सपोर्ट ट्रायज, या शेड्यूल्ड रिपोर्टिंग जॉब्स जहां एजेंट वर्कफ्लो तय करता है। क्योंकि यह शुद्ध Python है, आप इसे एक Flask या FastAPI सर्विस में ड्रॉप कर सकते हैं या एक वर्कर के रूप में रन कर सकते हैं।
एक बात का ध्यान रखें: अगला टैग्ड रिलीज़ कब तक आएगा। अगर टीम हर कुछ हफ्तों में पॉइंट रिलीज़ देती रही, तो यह 'दिलचस्प एक्सपेरिमेंट' से बदलकर 'फ्रेमवर्क जिसे मैं रियल प्रोजेक्ट के लिए चुन सकता हूं' हो जाता है।
[25:53] प्रैक्टिकल क्व्यू
आज की स्टोरीज़ से: पूरे दिन Hermes चलाने वाले बिल्डर्स के लिए, प्रैक्टिकल बदलाव यह है कि आप अपने एडिटर के साथ एक टर्मिनल पिन रख सकते हैं बिना हर टर्न पर लैटेंसी टैक्स दिए। बिल्डर्स के लिए इसका मतलब: एक 27B-क्लास कन्वर्सेशनल मॉडल जो सीधे llama.cpp में कंज्यूमर GPU और Apple Silicon लैपटॉप पर लोड होता है, अब लोकल एजेंट्स के लिए प्रोटोटाइपिंग के लिए रियलिस्टिक है। अपना डेटा स्टैक चलाने वाली छोटी टीमें अलग SQL और observability टूल्स चलाने के альтернативы के रूप में whodb का सेल्फ-होस्टेड альтернатив के रूप में मूल्यांकन कर सकती हैं। बिल्डर्स के लिए इसका मतलब यह है कि एक एजेंट आखिरकार आर्किटेक्चरल सवालों का जवाब एक बड़े रेपो में दे सकता है बिना हर सेशन में फाइलें फिर से पेस्ट किए। बिल्डर्स के लिए holaOS का आकर्षण निरंतरता का वादा है — एक असिस्टेंट जो हर सेशन में फिर से समझाने के बिना आपके प्रोजेक्ट्स को ध्यान में रखता है। NVIDIA Cosmos world-model फैमिली में एक नया एज-टारगेटेड एंट्री सिग्नल कर रहा है। इंटरैक्टिव AI, जेनरेटिव कंटेंट टूल्स, या बायोमेट्रिक सिस्टम EU में शिप करने वाले किसी के लिए, यह 'डन' कैसा दिखता है इसे बदल देता है। बड़े रेपो पर कोडिंग एजेंट्स चलाने वाले बिल्डर्स के लिए, इसका मतलब है कि कॉन्टेक्स्ट प्र्यूनिंग एक बोल्टेड-ऑन पाइपलाइन के बजाय बिल्ट-इन कैपेबिलिटी बन सकती है — हल्का ओवरहेड और मेंटेन करने के लिए कम मूविंग पार्ट्स। बिल्डर्स के लिए इसका मतलब: कोई भी RAG पाइपलाइन जो एक्शन्स पिक करती है — ऑफर्स, ट्रीटमेंट्स, फ्रॉड फ्लैग्स — अब रिट्रीवल को vibes-आधारित लुकअप के बजाय स्टैटिस्टिकल मैचिंग के रूप में देखने का सैद्धांतिक कारण रखती है। MCP में नया डेवलपर अपनी प्रोडक्शन भाषा चुन सकता है और SDK डॉक्स को हाथ से ट्रांसलेट करने के बजाय वर्किंग सैंपल्स के ज़रिए चल सकता है। iOS और macOS डेवलपर्स के लिए जो कोडिंग एजेंट्स का उपयोग कर रहे हैं, इसका मतलब है कि एजेंट को प्रोजेक्ट ऑपरेशंस को हैंड्स-ऑफ चलाने देने के लिए एक वर्केबल ब्रिज। बिल्डर्स के लिए जो कोई भी सिस्टम शिप कर रहे हैं जो कुछ मिनट से ज़्यादा चलता है, यह महत्वपूर्ण है: वे फेलियर मोड्स जो प्रोडक्शन में आपको नुकसान पहुंचाते हैं वे वे हैं जिनके लिए आपका इवैल्यूएशन सूट कभी डिज़ाइन नहीं किया गया था। Unity डेवलपर्स अब एक AI असिस्टेंट को सीधे एडिटर एक्शन्स ड्राइव करने दे सकते हैं, जिसका मतलब है कि एसेट इंपोर्ट, सीन सेटअप, स्क्रिप्ट एडिट्स, और टास्क ऑटोमेशन एक सिंगल चैट इंटरफ़ेस के ज़रिए फ्लो कर सकते हैं। Upsonic एक नज़र लेने लायक है अगर आप Python में एक ऑटोनोमस एजेंट सर्विस प्रोटोटाइप कर रहे हैं और अपना खुद का प्लानर, टूल राउटर, और रनर असेम्बल करने के बजाय एक मैनेज्ड एजेंट लूप पर भरोसा करना चाहते हैं।
NOVA: मैं NOVA हूँ।
[ALLOY]: मैं ALLOY हूँ, और यह AgentStack Daily है...
NOVA: Hermes ने कोल्ड-स्टार्ट टाइम लगभग 4.3 सेकंड से घटाकर लगभग 0.9 सेकंड कर दिया है। यह वो तरह का सुधार है जिसे आप शिकायत करने का मौका मिलने से पहले ही महसूस कर लेते हैं। इस बीच, NVIDIA ने रोबोटिक्स और फिजिकल AI के लिए Cosmos 3 Edge पेश किया है, और Unity डेवलपर्स अब एसिस्टेंट को एसेट्स मैनेज करने, सीन्स कंट्रोल करने, और स्क्रिप्ट्स एडिट करने के लिए सीधे एडिटर के अंदर इस्तेमाल कर सकते हैं।
[ALLOY]: ठीक है, वर्क होने वाली जगह पर सॉफ्टवेयर जो काम करता है, उसकी ओर बहुत ज्यादा मूवमेंट है। लोग एजेंट बना रहे हैं जो पूरे दोपहर एक एडिटर के साथ खुले रहते हैं, कोडिंग एसिस्टेंट जो सेशन के बीच पूरे रिपॉजिटरी को याद रखते हैं, और लोकल वर्क एजेंट जो सब कुछ रिमोट सर्विस से भेजे बिना कॉन्टेक्स्ट बनाए रखते हैं। टूल्स सिर्फ तेज नहीं हो रहे। वो कोड, डेटा, एप्लीकेशन और मशीनों के करीब आ रहे हैं जिन्हें लोग असल में ऑपरेट करते हैं।
NOVA: आज: Hermes 7.20 और टर्मिनल-बेस्ड AI कोडिंग एजेंट Claude Code point two-oh-six रिलीज में अव्वल हैं; NVIDIA एज हार्डवेयर की ओर वर्ल्ड मॉडल्स को आगे बढ़ा रहा है; और EU दो अगस्त से नए AI ट्रांसपैरेंसी ड्यूटीज लागू करना शुरू कर रहा है। आप 27-बिलियन-पैरामीटर टर्नरी मॉडल, पर्सिस्टेंट कोडबेस मेमोरी, लंबे-चलने वाले एजेंट फेलियर्स, और Xcode और Unity में दो तेजी से लोकप्रिय ब्रिजेस के बारे में सुनेंगे।
NOVA: Hermes Agent ने Quicksilver Release के तौर पर 20 जुलाई को 7.20 शिप किया, और हेडलाइन स्पीड है। पहले स्टार्टअप स्क्रीन पर पहला टर्न मॉडल तक पहुँचने में लगभग 4.3 सेकंड लगते थे। Nous Research का कहना है कि अब यह लगभग 0.9 सेकंड में होता है, जो टर्मिनल इंटरफेस, गेटवे, टेक्स्ट इंटरफेस, डेस्कटॉप ऐप, और शेड्यूल्ड जॉब्स में लगभग अस्सी प्रतिशत का सुधार है। रीजनिंग मॉडल भी डिफ़ॉल्ट रूप से अपनी सोच स्ट्रीम करते हैं, जबकि रिस्पॉन्स पूरी लाइन का इंतज़ार किए बिना टोकन-दर-टोकन पेंट करते हैं। वही बिल्ड Claude Code के टर्मिनल-बेस्ड AI कोडिंग एजेंट के point two-oh-six को भी पावर देता है। Hermes यहाँ डॉक्यूमेंटेड कैपेबिलिटी बदलाव लाता है।
[ALLOY]: चार सेकंड तब तक छोटे लगते हैं जब तक वो हर इंटरैक्शन को प्रभावित न करें। फिर यह सॉफ्टवेयर का वो दरवाज़ा बन जाता है जो अटकता है। डेस्कटॉप वर्क स्टार्टअप से कहीं आगे गया: बीस से ज़्यादा परफॉर्मेंस बदलावों ने लॉन्ग रिस्पॉन्सेस पर मार्कडाउन स्प्लिटर के CPU कॉस्ट को चौदह गुना कम किया, बड़े diffs को वर्चुअलाइज़ किया ताकि रिव्यू पेन फ्रीज न हो, और सेशन स्विचिंग को बार-बार लेआउट फिर से कैलकुलेट करने से रोका। स्ट्रीमिंग अब हर टोकन पर साइडबार और हर टूल रो को फिर से रेंडर नहीं करती। बैकएंड तब वार्मिंग शुरू करते हैं जब होवर बिहेवियर से पता चलता है कि आप उन्हें इस्तेमाल करने वाले हैं, और हिडन पेन्स तब तक इंतज़ार करते हैं जब तक सिस्टम आइडल न हो, स्टार्टअप की भीड़ में शामिल नहीं होते।
NOVA: वर्कफ़्लो में भी मतलब के बदलाव हैं। Hermes टर्मिनल से Nous सब्सक्रिप्शन मैनेज कर सकता है, क्रेडेंशियल्स के लिए सीधे Bitwarden और 1Password से कनेक्ट हो सकता है, वर्क कर रहे सबएजेंट्स को लाइव दिखा सकता है, और स्मार्ट अप्रूवल्स को डिफ़ॉल्ट रूप से फ्लैग किए गए कमांड्स की ज़ज़र लेने दे सकता है। एक ड्यूरेबल डिलीवरी लेजर गेटवे क्रैश के बाद भी पूरा हुआ जवाब सुरक्षित रखता है। यह टोकन स्ट्रीमिंग जितना शानदार नहीं है, लेकिन ट्रांसपोर्ट गिरने की वजह से तैयार रिज़ल्ट खोना वही बग है जो एजेंट को अविश्वसनीय बनाता है। टेक्स्ट इंटरफेस अब मार्कडाउन को भी इंक्रीमेंटली रेंडर करता है, ताकि लंबे जवाब आने के दौरान ही पढ़े जा सकें।
[ALLOY]: मुझे स्पीड की कहानी पसंद है, लेकिन मैं स्पीड को रिलायबिलिटी का विकल्प नहीं मानता। रिलीज में पहले के इन्फ्रास्ट्रक्चर पैच शामिल हैं, और Nous लगभग 3,300 बंद इशू और 2,245 कमिट्स की ओर इशारा करता है। ये नंबर्स एक्टिविटी दिखाते हैं, यह प्रूफ नहीं कि सस्टेंड सेशन मज़बूत हैं। फिर भी, कॉम्बिनेशन आकर्षक है: नज़दीक-तुरंत स्टार्टअप, लाइव रीजनिंग, तेज़ डेस्कटॉप रेंडरिंग, इंटीग्रेटेड सीक्रेट्स, और गेटवे की परेशानी में जीवित रहने वाले जवाब। Hermes यह साबित करने के लिए एडिटर के साथ खुला रहने का विश्वसनीय प्रयास कर रहा है, एक प्रॉम्प्ट के लिए लॉन्च होकर छोड़ दिया जाने के बजाय। अगला फ़ैसला लगातार इस्तेमाल की हफ़्तों से होगा, जहाँ सेशन हैंडऑफ़्स और लंबे-चलने वाले वर्कलोड्स सामने लाएंगे कि Quicksilver सिर्फ तेज़ है या असल में ड्यूरेबल भी है।
[ALLOY]: कंज्यूमर लैपटॉप पर 27 अरब पैरामीटर का मॉडल? ठीक है, ये मेरा ध्यान खींचता है। Prism-ml की Ternary-Bonsai-27B जुलाई की चौथी तारीख को Hugging Face पर GGUF फाइल के तौर पर दिखी, जो कि डिस्क-फ्रेंडली फॉर्मेट है जिसे आमतौर पर लोकल इंफरेंस के लिए llama.cpp द्वारा लोड किया जाता है। इसके वेट ternary हैं, मतलब हर वेट को सिर्फ तीन वैल्यू में से एक से रिप्रेजेंट किया गया है। लिस्टिंग में एक two-bit tag भी है। ये आम 27 अरब पैरामीटर चेकपॉइंट की तुलना में स्टोरेज को नाटकीय रूप से कम करता है।
NOVA: और ये कैटलॉग के धूल भरे कोने में नहीं छिपा है। रिपॉजिटरी ने 432,000 डाउनलोड और 876 लाइक पार कर लिए हैं। इसके टैग्स NVIDIA GPUs पर CUDA और Apple Silicon पर Metal सपोर्ट indicate करते हैं। पैकेजिंग यहां अहम है: GGUF मौजूदा लोकल-मॉडल सॉफ्टवेयर को बिना कस्टम सर्विंग स्टैक के चेकपॉइंट लोड करने देती है। ये प्राइवेट चैट, ऑफलाइन असिस्टेंट, और लोकल एजेंट्स के लिए दरवाजा खोलता है उन मशीनों पर जो normal तौर पर इस साइज क्लास का मॉडल नहीं रख सकती थीं। क्या तुमने कभी बड़ा लोकल मॉडल चाहा है लेकिन मेमोरी requirement की वजह से turn down कर दिया? ये बिल्कुल वो दीवार है जिसे ये फॉर्मेट और कम्प्रेशन स्कीम कम करने की कोशिश कर रहे हैं।
[ALLOY]: दिलचस्प हिस्सा "दो बिट्स" खुद में नहीं है; ये है कि मॉडल को इतना squeez करने के बाद क्या intact रहता है। 27 अरब पैरामीटर का लेबल substantial capability का संकेत दे सकता है, लेकिन aggressive quantization भाषा की क्वालिटी, instruction following, और factual consistency को खराब कर सकता है। डाउनलोड काउंट्स बताते हैं कि लोग curious हैं। वो हमें नहीं बताते कि compressed मॉडल uncompressed 27B सिस्टम की तरह behave करता है।
NOVA: बिल्कुल। कंज्यूमर-लैपटॉप का दायरा possible है; frontier quality establish नहीं है। फिर भी, Ternary-Bonsai दिखाता है कि लोकल इंफरेंस आगे बढ़ता क्यों जा रहा है: मॉडल आर्किटेक्चर, वेट रिप्रेजेंटेशन, और standardized पैकेजिंग raw पैरामीटर काउंट जितना ही मायने रख सकते हैं। एक मॉडल जो fit करता है और privately run करता है वो शायद उस stronger मॉडल से ज्यादा useful हो सकता है जिसे remote API चाहिए, खासकर sensitive documents, intermittent connectivity, या predictable local costs के लिए। Community response reveal करेगा कि ये durable लोकल-एजेंट कंपोनेंट है या बहुत popular compression demonstration।
NOVA: whodb ने जुलाई की सोलहवीं तारीख को point one-two-one ship किया, फिर जुलाई इक्कीस तारीख तक commits receive करता रहा। Open-source प्रोजेक्ट clidey organization के तहत है, GitHub पर 4,931 स्टार्स हैं, और खुद को describe करता है "जहां data access operational intelligence से मिलती है।" Translation: ये data के साथ काम करने और उस data के पीछे के systems कैसे behave कर रहे हैं ये समझने के लिए एक interface चाहता है।
[ALLOY]: ये लगभग suspiciously sensible लगता है। Teams आमतौर पर database queries और schemas के लिए एक application, metrics के लिए दूसरी, logs के लिए तीसरी, और connection pressure के लिए कुछ और use करती हैं। फिर एक slow query चार browser tabs और एक छोटी identity crisis बन जाती है। whodb की pitch ये है कि data access और operational context एक-दूसरे के काफी करीब होने चाहिए ताकि कोई व्यक्ति "इस query ने क्या return किया?" से "यह धीमा क्यों हुआ?" तक पहुँच सके without rebuilding the situation across separate tools।
NOVA: रिपॉजिटरी की गतिविधि encouraging है, हालांकि tagline से ज्यादा exact depth matters। जुलाई की सोलहवीं तारीख को एक release उसके पाँच दिन बाद fresh pushes - ये quarterly code dump के बजाय active development suggest करता है। लगभग पाँच हजार स्टार्स maintainers को meaningful user और contributor feedback loop देते हैं। ये production readiness prove नहीं करता, लेकिन बिना विशाल vendor वाले projects उस scale पर useful scrutiny अर्जित कर सकते हैं।
[ALLOY]: Open सवाल ये है कि कौन से databases और operational signals वास्तव में connected हैं। "एक surface" queries, latency, errors, और resource pressure के बीच deep link mean कर सकता है, या फिर एक छत के नीचे कई adjacent views mean कर सकता है। ये बहुत अलग products हैं। फिर भी, consolidation उस real value रखता है जो छोटी infrastructure teams के लिए है जो sprawling observability estate maintain नहीं कर सकतीं। अगर whodb एक query को उसके surrounding conditions से connect कर सके, बजाय सिर्फ database और monitoring screens को एक-दूसरे के बगल में रखने के, point one-two-one एक attractive lane में बैठता है: self-hosted tooling जो tool sprawl कम करता है without underlying systems को hide करना।
[ALLOY]: यह एक वास्तव में परेशान करने वाली समस्या को हल करता है: coding agents भूल जाते हैं repository को जब भी उनका usable context गायब हो जाता है। DeusData का codebase-memory-mcp, जो आठ जुलाई को point nine पर आया, एक source tree को persistent knowledge graph में बदल देता है। यह files, symbols, और relationships का एक structured map है जिसे एक assistant बार-बार query कर सकता है बजाय हर session में raw source को फिर से पढ़ने के।
NOVA: प्रोजेक्ट बड़े performance claims करता है। यह कहता है कि एक average repository मिलीसेकंड में index होती है, queries एक मिलीसेकंड से कम में return होती हैं, 158 programming languages supported हैं, और retrieval raw files को मॉडल को वापस भेजने की तुलना में लगभग 99 प्रतिशत कम tokens का उपयोग करती है। ये आंकड़े प्रोजेक्ट से आए हैं, इसलिए वे claims हैं जब तक independent users उन्हें reproduce नहीं करते। पैकेजिंग concrete है, हालांकि: यह single static binary के रूप में ship होता है जिसमें कोई runtime dependencies नहीं हैं और Model Context Protocol के through memory expose करता है, जो standard interface है जो assistants को external tools और data sources call करने की अनुमति देता है।
[ALLOY]: और अगर claims सही हैं, तो रोजमर्रा का बदलाव substantial है। files फिर से paste करने की बजाय, एक coding assistant पूछ सकता है कि कौन सा module payment retries को handle करता है, deprecated function अभी भी कहाँ called है, या proposed interface change पर क्या depend करता है। monorepo में, ये cute demo questions नहीं हैं। ये orientation work हैं जो हर debugging या refactoring session की शुरुआत में समय खाते हैं।
NOVA: repository ने 33,443 stars तक पहुँच गई है, इसकी latest noted commit उन्नीस जुलाई को थी। assistant के पीछे mostly रहने वाले infrastructure के लिए यह enormous attention है। यह directly उस context-pruning research से जुड़ती है जो बाद में आएगी: agents को context window के बाहर durable memory और उसके अंदर क्या रहता है इसके बारे में बेहतर judgment दोनों की जरूरत है। Persistent indexing एक model को architecture को पूरी तरह समझा नहीं बनाती, और knowledge graph code changes के साथ stale हो सकती है। लेकिन एक local, fast, queryable map एक बहुत बेहतर starting point है बजाय बार-बार पूरी repository को एक prompt में डालने और उम्मीद करने के कि important relationship बची रहे।
NOVA: holaOS ने 5,500 GitHub stars पार कर लिए हैं एक simple promise के साथ: एक local-first work agent जो आपकी context को quickly सीखता है और sessions के बीच उसे forget नहीं करता। प्रोजेक्ट बीस जुलाई को फिर से push किया गया था, इसलिए development active है, हालांकि repository में अभी तक कोई tagged release नहीं है।
[ALLOY]: मुझे लगता है कि continuity pitch, agent tools की एक और list से ज्यादा interesting है। अधिकांश assistants talented contractor की तरह behave करते हैं जिसे selective amnesia है। आप प्रोजेक्ट, naming conventions, महत्वपूर्ण files, और आपकी टीम के काम करने के तरीके बताते हैं; फिर एक नया chat खुलता है और relationship reset हो जाती है। holaOS चाहता है कि वह context machine पर रहे, files और applications के close जो इसे produce करते हैं।
NOVA: "Local-first" एक privacy claim भी carry करता है जिसे लोग समझ सकते हैं। Work context में unfinished documents, customer material, source code, और habits शामिल हो सकते हैं जो reveal करते हैं कि एक व्यक्ति कैसे काम करता है। उस information को locally रखने से remote service पर dependence कम हो सकती है। यह automatically software को secure नहीं बनाता—open source जादू की dust नहीं है—लेकिन public code people को system को inspect, modify, और fork करने देता है sealed cloud product accept करने के बजाय।
[ALLOY]: प्रोजेक्ट में अब इतना attention है कि prove होता है कि pain widely felt है, इतनी maturity नहीं कि prove हो सके कि यह dependable daily workspace बन सकता है। Packaged release के बिना, यह nontechnical users के लिए polished product के बजाय source-driven project के करीब है। फिर भी, पिछले item से persistent code memory और यहाँ persistent work memory एक ही direction में point करते हैं। लोग सिर्फ smarter answers नहीं चाहते; वे एक assistant चाहते हैं जो environment को remember करता है जिसमें वे answers matter करते हैं। अगर holaOS intrusive या brittle बने बिना continuity preserve कर सकता है, तो यह एक और chat box के बजाय एक coworker जैसा दिखने लगता है जो कल present था।
[ALLOY]: NVIDIA का "Edge" को Cosmos पर लाना रोमांचक है क्योंकि वर्ल्ड मॉडल आमतौर पर भारी-भरकम होते हैं। बीस जुलाई को, NVIDIA ने Hugging Face पर "Cosmos 3 Edge का परिचय" प्रकाशित किया, अपने Cosmos परिवार का एक पतला सदस्य डेटासेंटर-स्केल काम के बजाय ऑन-डिवाइस रनटाइम, रोबोटिक्स और फिजिकल AI के लिए पोजिशनिंग कर रहा है।
NOVA: Cosmos NVIDIA का वर्ल्ड-मॉडल लाइन है उन सिस्टम्स के लिए जिन्हें फिजिकल एनवायरनमेंट को रिप्रेजेंट और रीज़न करने की जरूरत है, जिसमें रोबोट और ऑटोनोमस मशीनें शामिल हैं। Edge का मतलब है टाइटर लेटेंसी और हार्डवेयर की सीमाएं: कैमरा, सेंसर, रोबोट या एम्बेडेड कंप्यूटर के पास इंफरेंस, हर इनपुट को रिमोट क्लस्टर पर भेजने के बजाय। यह एक वेयरहाउस रोबोट के लिए मायने रख सकता है जो बदलते परिवेश का जवाब दे रहा है, एक ऑटोनोमस सिस्टम जो अनिश्चित कनेक्टिविटी के साथ काम कर रहा है, या एक सिमुलेशन लूप जहां नेटवर्क देरी इटरेशन स्पीड खराब करती है।
[ALLOY]: लेकिन यह परिचय अभी भी एक मार्कर है, पूर्ण डिप्लॉयमेंट स्पेसिफिकेशन नहीं। मॉडल कार्ड और वेट लिस्टिंग को सपोर्टेड इनपुट टाइप्स, आउटपुट फॉर्मेट्स, टारगेट हार्डवेयर, प्रिसिजन ऑप्शंस, इनपुट रेज़ोल्यूशन, कॉन्टेक्स्ट लेंथ और कोई वीडियो सैंपलिंग डिटेल्स स्थापित करने की जरूरत है। NVIDIA आमतौर पर वेट्स के साथ वो डिटेल्स प्रकाशित करता है, लेकिन इंट्रोडक्टरी पोस्ट अकेले उन्हें तय नहीं करती। तो हाँ, "रोबोट पर Cosmos" यह आइडिया बहुत आकर्षक है। नहीं, हमारे पास अभी इतना जानकारी नहीं है कि हम बता सकें कि कोई विशेष रोबोट इसे चला सकता है।
NOVA: यह अंतर मायने रखता है क्योंकि "edge" एक मशीन के बगल में वर्कस्टेशन से लेकर एक कंस्ट्रेंड एम्बेडेड बोर्ड तक सब कुछ फैलाता है। Jetson-क्लास हार्डवेयर, रोबोटिक्स स्टैक्स या सिमुलेशन पाइपलाइन्स पहले से इस्तेमाल करने वाली टीम्स के पास अब एक नया Cosmos स्लॉट है देखने के लिए। एक छोटा मॉडल जिसे वर्कस्टेशन पर एडेप्ट किया जा सकता है, बड़े ट्रेनिंग क्लस्टर्स वाले संगठनों से परे पहुंच भी बढ़ाएगा। असली बदलाव तब आएगा जब NVIDIA के पब्लिश्ड वेट्स और मॉडल कार्ड कंप्यूट एनवेलप और सपोर्टेड मीडिया रिवील करेंगे। फिलहाल, Cosmos 3 Edge दिखाता है कि NVIDIA फिजिकल AI को कहां ले जाना चाहता है: कम राउंड-ट्रिप डिपेंडेंस, लोअर लेटेंसी, और वर्ल्ड-मॉडल क्षमता मशीनरी के करीब जो एक्शन ले रही है।
NOVA: यूरोपीयन कमीशन ने बीस जुलाई को EU AI Act के तहत दो अगस्त, 2026 से लागू होने वाले ट्रांसपेरेंसी ऑब्लिगेशन के लिए गाइडेंस प्रकाशित किया। प्रोवाइडर्स के दो सीधे कर्तव्य हैं: सिस्टम्स को लोगों को बताना होगा जब वे AI के साथ बातचीत कर रहे हैं न कि किसी इंसान के साथ, और जेनरेटेड या मैनिपुलेटेड कंटेंट में मशीन-रीडेबल मार्किंग्स होने चाहिए जिन्हें डिटेक्शन सिस्टम उसकी ऑरिजिन पहचानने के लिए इस्तेमाल कर सकें।
[ALLOY]: यह ठोस है, और लैंडिंग पेज पर "AI-powered" लगाने से बहुत व्यापक है। इंटरैक्टिव प्रोडक्ट्स को वहां डिस्क्लोज़र चाहिए जहां इंटरैक्शन होता है। जेनरेटेड मीडिया को एम्बेडेड प्रोवेनेंस इनफॉर्मेशन चाहिए जो डाउनस्ट्रीम हैंडलिंग में बची रहे। कमीशन की गाइडलाइंस मार्किंग और लेबलिंग दोनों को कवर करती हैं, AI-जेनरेटेड कंटेंट के लिए प्रैक्टिस का कोड और आर्टिकल 50 के बारे में प्रश्न-उत्तर दस्तावेज़ के साथ।
NOVA: सिस्टम्स डिप्लॉय करने वाली बिजनेसेज के अलग कर्तव्य हैं। उन्हें लोगों को सूचित करना होगा जब कंटेंट एक डीपफेक है; जब AI-जेनरेटेड मैटरियल पब्लिक इंटरेस्ट का मामला है और इसमें ह्यूमन रिव्यू या एडिटोरियल रेस्पॉन्सिबिलिटी नहीं है; और जब इमोशन रिकग्निशन या बायोमेट्रिक कैटेगराइज़ेशन का उपयोग किया जा रहा है। इमोशन रिकग्निशन का मतलब है चेहरों, आवाज़ या बॉडी लैंग्वेज से भावनाओं का अनुमान लगाना। बायोमेट्रिक कैटेगराइज़ेशन का मतलब है लोगों को बायोलॉजिकल करैक्टरिस्टिक्स के माध्यम से सॉर्ट करना, जिसमें सेंसिटिव ट्रेट्स शामिल हैं। इन उपयोगों से स्टेक्स काफी आगे बढ़ जाते हैं इससे कि चैटबॉट ने खुद को सही तरीके से पेश किया या नहीं।
[ALLOY]: और यहीं पर पहले के लोकल-एजेंट उत्साह का कानून से मिलना होता है। कुछ लोकली चलाने से कर्तव्य मिट नहीं जाते जब तक कि प्रोडक्ट यूरोपीय संघ में लोगों तक पहुंचता है। विजिबल डिस्क्लोज़र और मशीन-रीडेबल प्रोवेनेंस शिप्ड बिहेवियर का हिस्सा बन जाते हैं, जबकि इमोशन या बायोमेट्रिक सिस्टम्स को ऑपरेट करने से पहले स्पष्ट नोटिस चाहिए। अनरिज़ॉल्व्ड सवाल यह है कि क्या प्रोवाइडर्स और डिप्लॉयर्स तकनीकी मार्किंग्स पर सहमत हो पाते हैं जो क्रॉपिंग, ट्रांसकोडिंग, एडिटिंग या रीपोस्टिंग के बाद भी डिटेक्टेबल रहें। दो अगस्त के बाद इन्फोर्समेंट यह दिखाएगा कि अथॉरिटीज़ उन कर्तव्यों की व्याख्या कितनी आक्रामकता से करती हैं। लेकिन "हम बाद में ट्रांसपेरेंसी जोड़ देंगे" अब कोई बेहिस्त प्रोडक्ट डिले नहीं है। नियम इंटरैक्शन के साथ डिस्क्लोज़र और आउटपुट खुद के साथ प्रोवेनेंस को जोड़ते हैं।
[ALLOY]: कोडिंग एजेंट कॉन्टेक्स्ट को फ़ाइल रीड्स, सर्चेस और टूल आउटपुट से भर देते हैं जब तक कि उपयोगी जानकारी दबा या खारिज न हो जाए। SWE-Pruner Pro का तर्क है कि एजेंट के अपने आंतरिक सक्रियणों में पहले से ही एक प्रासंगिकता संकेत मौजूद है—वह संख्यात्मक अवस्था जो उस सामग्री को प्रोसेस करते समय बनती है।
NOVA: हर टुकड़े को स्कोर करने के लिए एक अलग क्लासिफायर लगाने की जगह, शोधकर्ता उन आंतरिक प्रतिनिधित्वों पर एक छोटी निर्णय परत को प्रशिक्षित करते हैं। यह ए
[ALLOY]: इसका परिणाम मल्ट
NOVA: एक नया शोधपत्र “पुनर्प्राप्ति‑संवर्धित जनरेशन” यानी RAG को “निकटतम‑पड़ोसी मिलान” के रूप में पुनः परिभाषित करता है: किसी नए मामले को उसके समान ऐतिहासिक मामलों के साथ जोड़ना, जो 1980 के दशक से ही आंकड़ों में इस्तेमाल होता आया है। लेखक इस संबंध को औपचारिक रूप देते हैं और regret की एक सीमा प्राप्त करते हैं, जिसका अर्थ है कि
[ALLOY]: यह दूसरे रिट्रीवल स्कोर की तुलना में अधिक दिलचस्प है। जब कोई मॉडल रिट्रीव किए गए उदाहरणों का उपयोग किसी कार्रवाई—जैसे उपचार, प्रस्ताव, या धोखाधड़ी निर्णय—का चयन करने के लिए करता है, तब इंडेक्स एक मिलान इंजन की तरह व्यवहार करता है, न कि केवल एक दस्तावेज़ खोज बॉक्स।
NOVA: गारंटी गणितीय है, हर प्रोडक्शन RAG सिस्टम सुरक्षित या बेहतर है इसका स्वचालित प्रमाण नहीं। वास्तविक मूल्य इस बात पर निर्भर करता है कि डेटा, समानता फंक्शन और डाउनस्ट्रीम प्रेडिक्टर मान्यताओं को संतुष्ट करते हैं या नहीं। फिर भी, पेपर एक्शन-ओरिएंटेड RAG को एक स्पष्ट सांख्यिकीय आधार और रिट्रीवल क्वालिटी को निर्धारित करने का एक अलग तरीका देता है।
[ALLOY]: माइक्रोसॉफ्ट का MCP फॉर बिगिनर्स पाठ्यक्रम जुलाई के बीसवीं तारीख को एक अपडेट प्राप्त हुआ, और यह उन लोगों के लिए अंडरहाइप्ड इन्फ्रास्ट्रक्चर है जो सीख रहे हैं कि एजेंट्स वास्तविक टूल्स से कैसे जुड़ते हैं। ओपन-सोर्स सामग्री .NET, Java, TypeScript, JavaScript, Rust, और Python में चलाने योग्य उदाहरण प्रदान करती है। छह भाषाएं, एक अवधारणाओं का सेट, और किसी और की पसंदीदा स्टैक से बहुत कम अनुवाद।
NOVA: Model Context Protocol एक मॉडल होस्ट को टूल्स और डेटा सोर्सेस को कॉल करने का एक मानकीकृत तरीका देता है। करिकुलम दोनों पक्षों को कवर करता है: क्लाइंट, जहाँ मॉडल और उसका होस्ट रिक्वेस्ट शुरू करते हैं, और सर्वर, जहाँ एक टूल या सर्विस स्ट्रक्चर्ड कैपेबिलिटीज एक्सपोज करता है। यह मॉड्यूलर डिज़ाइन, स्केलिंग पैटर्न और सिक्योरिटी कंसिडरेशन्स से गुजरता है—वे हिस्से जो मायने रखते हैं जब एक टॉय वेदर टूल डेटाबेस, कोड रनर या इंटरनल सर्विस तक एक्सेस बन जाता है।
[ALLOY]: क्रॉस-लैंग्वेज स्ट्रक्चर यहीं का क्लेवर बिट है। एक Rust बैकएंड इंजीनियर और एक TypeScript एप्लिकेशन डेवलपर एक ही इंटरैक्शन को इडियोमैटिक कोड में स्टडी कर सकते हैं, बजाय इसके कि वे डिबेट करें कि किस सॉफ्टवेयर किट में कैनोनिकल उदाहरण है। बिगिनर्स को गाइडेड पाथ मिलता है; अनुभवी डेवलपर्स को वर्किंग स्कैफोल्डिंग मिलती है जिसे वे एडेप्ट कर सकते हैं। रिपॉजिटरी में 16,802 स्टार्स जमा हुए हैं, जो एक मजबूत संकेत है कि मटीरियल को ऑडियंस मिल गया है।
NOVA: यह टैग्ड प्रोडक्ट रिलीज़ के बजाय मेंटेन्ड डॉक्यूमेंटेशन बना हुआ है, जुलाई के बीसवें को एक फ्रेश कमिट के साथ। यह एक करिकुलम के लिए उचित है, जहाँ उदाहरणों को प्रोटोकॉल लाइब्रेरीज़ और सिक्योरिटी प्रैक्टिसेज़ बदलने के साथ विकसित होने की जरूरत है। और यह उन टूल्स की मदद करता है जिनका हमने पहले ही जिक्र किया है: Unity, codebase memory, Xcode, और बाद में आने वाले फ्रेमवर्क सभी तब ज्यादा उपयोगी बनते हैं जब डेवलपर्स एजेंट और सर्वर को जोड़ने वाले कॉन्ट्रैक्ट को समझते हैं। अगला मीनिंगफुल एक्सपैंशन अतिरिक्त लैंग्वेजेस या ऑथराइज़ेशन, डिप्लॉयमेंट और मल्टी-सर्वर सिस्टम्स के लिए ज्यादा एडवांस्ड पैटर्न होगा—एक्रोनिम के इंट्रोडक्टरी हाइप के बजाय।
NOVA: Sentry का XcodeBuildMCP 6,100 GitHub स्टार्स पार कर गया है। यह Model Context Protocol सर्वर और कमांड-लाइन इंटरफेस दोनों के माध्यम से iOS और macOS प्रोजेक्ट्स के लिए AI एजेंट्स को स्ट्रक्चर्ड टूल्स देता है। प्रोजेक्ट ने जून के दूसरे को पॉइंट टू-सिक्स-टू रिलीज़ शिप किया और जुलाई के इक्कीसवें को एक और रिपॉजिटरी पुश प्राप्त हुआ।
[ALLOY]: iOS वहीं है जहाँ यह ब्रिज अपना मूल्य कमाता है। Xcode का कमांड-लाइन बिहेवियर क्विर्की हो सकता है, बिल्ड आउटपुट नॉइज़ी होता है, और प्रोजेक्ट फाइल्स लापरवाह एडिटिंग का इनाम नहीं देतीं। एक जनरल कोडिंग मॉडल कमांड जान सकता है जो वह रन करना चाहता है, लेकिन उसका मतलब यह नहीं है कि ऑपरेशन इनवोक करने और आए हुए रिजल्ट को इंटरप्रेट करने का एक रिलायबल, स्ट्रक्चर्ड इंटरफेस है।
NOVA: XcodeBuildMCP वह इंटरफेस सप्लाई करता है। एक एजेंट प्रोजेक्ट ऑपरेशन्स को ड्राइव कर सकता है और स्ट्रक्चर्ड रिजल्ट्स प्राप्त कर सकता है, कमांड्स हॉल्यूसिनेट करने या किसी व्यक्ति से टर्मिनल आउटपुट को चैट में शटल करने के बजाय। यह कोड चेंजेस, बिल्ड्स और Apple-प्लेटफॉर्म वर्कफ़्लोज़ के आसपास टाइटर लूप्स सपोर्ट करता है। "हैंड्स-ऑफ़" अभी भी "कंसीक्वेंस-फ्री" के साथ भ्रमित नहीं होना चाहिए, खासकर साइनिंग, प्रोजेक्ट कॉन्फ़िगरेशन और डिस्ट्रक्टिव एक्शन्स के बारे में, लेकिन एजेंट के पास अब कॉपी किए गए टेक्स्ट के ढेर के बजाय पर्पस-बिल्ट टूलबेल्ट है।
[ALLOY]: Apple डेवलपमेंट ब्रिज के लिए छह हज़ार स्टार्स एक मजबूत सिग्नल है कि एजेंट टूलिंग जेनरिक शेल रैपर्स से बाहर निकलकर डोमेन-स्पेसिफिक सरफेस में जा रही है। Sentry का इसे मेंटेन करना प्रोजेक्ट को अबैंडन्ड वीकेंड एक्सपेरिमेंट से ज्यादा क्रेडिबिलिटी देता है। बची हुई फ्रिक्शन होस्ट में है: कोडिंग एजेंट्स इस बात में भिन्न हैं कि वे थर्ड-पार्टी MCP सर्वर को कितनी क्लीनली एक्सेप्ट करते हैं और पर्मिशन्स एक्सपोज़ करते हैं। एक बार जब ये इंटीग्रेशन्स रूटीन बन जाएंगे, एक iOS एजेंट कोड सजेस्ट करने से एक्चुअल प्रोजेक्ट लूप ऑपरेट करने तक जा सकता है। यह एक मीनिंगफुल मैच्योरिटी स्टेप है, भले ही Xcode शायद नए कॉम्प्लेंट निकालने के लिए नई इन्वेंटिव तरीके ढूंढ लेगा।
[ALLOY]: लॉन्ग-हॉराइज़न मॉडल्स के लिए सुरक्षा और अलाइनमेंट पर OpenAI की जुलाई की बीसवीं की पोस्ट चिंताजनक है, लेकिन उपयोगी तरीके से। कंपनी कहती है कि रियल डिप्लॉयमेंट्स में फेलियर्स दिखे जो सिंगल-टर्न टेस्टिंग में सामने नहीं आते। एक मॉडल जो घंटों या दिनों तक काम करता है वह अलग तरह की समस्याएं पैदा करता है एक ऐसे से जो जवाब देता है और रुक जाता है।
NOVA: OpenAI iterative deployment पर जोर देता है: सिस्टम को असली उपयोग में जारी करना, नाकामियों को देखना, सुरक्षा उपायों में सुधार करना, और दोहराना। कंपनी इस चक्र को समस्याओं और संभावित समाधानों दोनों को उजागर करने का श्रेय देती है। यह कोई नया मॉडल या बेंचमार्क घोषणा नहीं है। यह एक तर्क है कि लंबे समय तक चलने वाले व्यवहार को पूरी कार्रवाई श्रृंखला में समझना होगा, अलग-अलग प्रॉम्प्ट से नहीं।
[ALLOY]: जो समझ में आता है। छोटी गलतियाँ जमा हो सकती हैं। एक एजेंट एक गलत धारणा को बनाए रख सकता है, टूल आउटपुट को गलत पढ़ सकता है, उपयोगकर्ता के इरादे से भटक सकता है, या कार्य के आसपास की परिस्थितियाँ बदलने के बाद भी कार्य करता रह सकता है। इनमें से किसी के लिए भी एक नाटकीय एक बुरा जवाब की जरूरत नहीं है। नुकसान एक साधारण-दिखने वाले क्रम से हो सकता है जो बिना सुधार के बहुत लंबा चलता है। क्या आपने कभी ऑटोमेशन को अपने पहले गलत मोड़ के बाद आत्मविश्वास से जारी रहते देखा है? उस लूप को ज़्यादा टूल और ज़्यादा समय दें, और दांव तेज़ी से बढ़ते हैं।
NOVA: असुविधाजनक हिस्सा यह है कि OpenAI ने पारंपरिक मूल्यांकन के बाहर deployment नाकामियों को देखा, लेकिन पोस्ट उद्योग को एक पूरा साझा वर्गीकरण नहीं देता। इसका योगदान operational framing है: long-horizon safety इस बात पर निर्भर करती है कि मॉडल ने पूरे session में क्या किया देखना और हस्तक्षेप करने में सक्षम होना। यह Hermes के gateway परेशानी के बीच delivery बनाए रखने और subagents को live दिखाने से जुड़ता है। जब autonomous काम समय पर फैलता है तो visibility सजावट नहीं है। कई labs से विस्तृत postmortems और बार-बार होने वाली long-session नाकामियों के लिए सुसंगत नाम टीमों को हर घटना को अद्वितीय मानने के बजाय व्यवहार की तुलना करने दे सकते हैं।
NOVA: CoplayDev ने तेरह जुलाई को Unity MCP 10.1 जारी किया, और repository ने 12,700 स्टार पार कर लिए हैं। यह MCP-सक्षम assistants को सीधे Unity Editor में जोड़ता है, assets, scenes, scripts, और बार-बार होने वाले editor कार्यों के लिए operations उजागर करता है। Unity के बाहर निर्देश बनाने के बजाय, assistant editor के टूल को कॉल कर सकता है और प्रोजेक्ट जहाँ है वहाँ बदलाव कर सकता है।
[ALLOY]: यह Xcode कहानी का मज़ेदार वर्शन है। एक solo developer assistant से textures import करने, उन्हें scene objects पर रखने, और एक C-sharp script बनाने के लिए कह सकता है जो टाइमर पर sprites बदलता है। एक टीम asset checks या बार-बार होने वाले scene setup को उसी bridge के माध्यम से उजागर कर सकती है। developer एक conversational flow में रहता है जबकि resulting बदलाव editor के अंदर दिखते हैं।
NOVA: सीधी पहुँच permissions और observability को भी महत्वपूर्ण बनाती है। एक asset का नाम बदलना तब तक बेharmless है जब तक references टूटते नहीं हैं; एक scene edit करना तब तक सुविधाजनक है जब तक गलत objects नहीं हिलते; script बदलाव खराब compile हो सकते हैं। bridge यह गारंटी नहीं देता कि assistant अच्छे निर्णय लेता है। यह उन निर्णयों को Unity में एक structured route देता है, जो दोनों है value और वह कारण है कि लोगों को देखना होगा कि क्या बदला।
[ALLOY]: फिर भी, 12,700 स्टार कहते हैं कि game developers को code completion से ज़्यादा चाहिए। वे assistants चाहते हैं जो editor को operate कर सकें, जहाँ game development का एक बड़ा हिस्सा असल में होता है। खिलाड़ी स्क्रीन पर "MCP" नहीं देखेंगे, लेकिन developers को code copy करने, panels navigate करने, और setup कार्य दोहराने में कम समय लग सकता है। बड़ा सवाल यह है कि क्या Unity खुद native protocol support अपनाता है। अगर ऐसा होता है, तो community bridge एक standard editor capability के प्रारंभिक proof जैसा दिख सकता है। अभी के लिए, 10.1 chat को scenes और assets के लिए control surface में बदल देता है, सिर्फ यह पूछने की जगह नहीं कि Unity कैसे काम करता है।
[ALLOY]: Upsonic point seventy-seven-three Python developers को autonomous agents के लिए एक managed loop देता है, और repository ने लगभग आठ हज़ार स्टार आकर्षित किए हैं। framework एक लक्ष्य लेता है, एक agent को steps और tools चुनने देता है, उन actions को execute करता है, और result लौटाता है बिना हर टीम को planning और tool-routing plumbing हाथ से बनाने की आवश्यकता के।
NOVA: टैग्ड रिलीज़ मई की उन्नीस तारीख को आई, उसके बाद जून की अठारह तारीख तक रिपॉजिटरी में एक्टिविटी रही। यह ब्रैंड-न्यू कोड नहीं है, लेकिन यह फ्रोज़न पैकेज की जगह रिलीज़ के बाद का जारी काम दिखाता है। जीरो-पॉइंट वर्शन नंबर अभी भी एक्टिवली इवॉल्व हो रहे फ्रेमवर्क का सिग्नल देता है। लगभग आठ हज़ार स्टार्स इंटरेस्ट दिखाते हैं, यह गारंटी नहीं कि इंटरफेस नहीं बदलेंगे।
[ALLOY]: नेचुरल यूज़ हैं Python सर्विसेज़ जहाँ वर्कफ्लो पूरी तरह पहले से तय नहीं की जा सकती: रिसर्च असिस्टेंट जो सोर्सेज़ चुनते हैं, सपोर्ट ट्रायज जो इंटरनल टूल्स सेलेक्ट करते हैं, या शेड्यूल्ड रिपोर्ट्स जो इन्फॉर्मेशन गैदर करती हैं और तय करती हैं कि उसे कैसे असेंबल करना है। क्योंकि Upsonic Python में है, यह वेब सर्विस के अंदर बैठ सकती है या बैकग्राउंड वर्कर की तरह रन कर सकती है उन लाइब्रेरीज़ के साथ जो टीमें पहले से यूज़ करती हैं।
NOVA: मुझे टाइम-सेविंग पिच पसंद है; "ऑटोनॉमस" को क्वालिटी गारंटी के तौर पर नहीं मानता। मैनेज्ड लूप डुप्लिकेट इंजीनियरिंग हटाता है, लेकिन एजेंट अभी भी मॉडल जजमेंट, टूल डेफिनिशन्स, परमिशन्स, और फ्रेमवर्क की एरर हैंडलिंग पर डिपेंड करता है। OpenAI की लॉन्ग-हॉरिज़न वार्निंग सीधे लागू होती है: एजेंट लूप लॉन्च करना जितना आसान हो जाता है, कई स्टेप्स में उसका बिहेवियर उतना ही ज़्यादा ज़रूरी हो जाता है। Upsonic का मौका यह प्लंबिंग बोरिंग और डिपेंडेबल बनाना है। पॉइंट रिलीज़ेज़ दिखाएंगे कि प्रोजेक्ट एट्रैक्टिव प्रोटोटाइपिंग टूलकिट से आगे बढ़कर कुछ ऐसा बन रहा है जिस पर टीमें कॉन्फिडेंटली बिल्ड कर सकें।
NOVA: Unity MCP 12,709 स्टार्स के साथ रडार पर लीड करता है। इसका पहला ट्रैक किया गया अपीयरेंस 10.1 रिलीज़ के बाद जुलाई की तेरह तारीख को हुआ, जो लेटेस्ट नोटेड रिपॉजिटरी अपडेट की ही तारीख है। यह ब्रिज Unity एसेट्स, सीन्स, और स्क्रिप्ट्स को स्ट्रक्चर्ड एजेंट टूल्स के तौर पर एक्सपोज़ करता है। इसका इंटीग्रेशन एंगल सीधा है: MCP-कैपेबल एजेंट्स, टर्मिनल कोडिंग एजेंट्स सहित, स्टब्ड इंटरफेस या कॉपीड इंस्ट्रक्शन्स पर निर्भर रहने की जगह एडिटर को ऑपरेट कर सकते हैं।
[ALLOY]: mcp-use के 10,337 स्टार्स हैं और जुलाई की आठ तारीख को पॉइंट थर्टी-फोर रिलीज़ हुआ, जुलाई की बीस तारीख को एक और रिपॉजिटरी अपडेट के साथ। यह ChatGPT और Claude को टारगेट करने वाले MCP एप्लिकेशन्स के लिए फुल-स्टैक स्कैफोल्डिंग देता है, साथ ही AI एजेंट्स के लिए सर्वर्स देता है। हेडलाइन फीचर यूनिफाइड क्लाइंट-एंड-सर्वर फ्रेमवर्क है जिसमें टूल राउटिंग और शेयर्ड स्कीमा वैलिडेशन है, ताकि एजेंट स्टैक हर कम्पैटिबिलिटी लेयर खुद लिखने के बिना स्ट्रक्चर्ड रिक्वेस्ट्स और रेस्पॉन्सेज़ कनेक्ट कर सकें।
NOVA: Lastmile AI का mcp-agent 8,459 स्टार्स पर है। इसकी लेटेस्ट टैग्ड रिलीज़ मई 2025 से पॉइंट ज़ीरो-ज़ीरो-ट्वेंटी-वन है, जबकि रिपॉजिटरी जनवरी 2026 में अपडेट हुई। यह MCP सर्वर्स के ऊपर रीयूज़ेबल सीक्वेंशियल, पैरलल, और राउटर वर्कफ्लोज़ लेयर करता है। इससे Hermes- या Claude-स्टाइल एजेंट्स बेस्पोक ऑर्केस्ट्रेशन ग्लू के बिना मल्टी-स्टेप पाइपलाइन्स कम्पोज़ कर सकते हैं। टैग की उम्र की वजह से करंट एक्टिविटी को मोमेंटम से अलग करना ज़रूरी है, लेकिन वर्कफ्लो प्रिमिटिव्स अभी भी एक क्लियर इंटीग्रेशन आइडिया हैं।
[ALLOY]: मॉडल प्रोग्रेस नए जनरल-पर्पस प्रोवाइडर मॉडल की जगह कम्प्रेशन, एज डिप्लॉयमेंट, इवैल्यूएशन, और डोमेन एडेप्टेशन में ज़्यादा दिखी। Ternary-Bonsai ने 27B सिस्टम को लोकल हार्डवेयर के लिए कम्प्रेस किया, जबकि Cosmos 3 Edge ने वर्ल्ड-मॉडल फैमिली को कंस्ट्रेंड फिज़िकल-AI एनवायरनमेंट्स की ओर ढकेला।
NOVA: Inkling Thinking Machines का एक मल्टीमॉडल ओपन-वेट्स मॉडल है जो टेक्स्ट, इमेज और ऑडियो को एक कन्वर्सेशनल इंटरफेस में हैंडल करता है। यह मिक्सचर-ऑफ-एक्सपर्ट्स डिज़ाइन का उपयोग करता है, जहाँ हर टोकन के लिए नेटवर्क का सिर्फ एक हिस्सा एक्टिवेट होता है, जिससे हर बार हर पैरामीटर का उपयोग करने की तुलना में एक्टिव कंप्यूट कम होता है। वेट्स safetensors के रूप में आते हैं, Apache Two लाइसेंस के तहत, और प्रकाशित इवैल्यूएशन रिज़ल्ट्स के साथ।
[ALLOY]: यह सेल्फ-होस्टिंग का एक आकर्षक कॉम्बिनेशन है: कई मीडिया टाइप्स, ओपन वेट्स, और कम एक्टिव पैरामीटर उपयोग। टीमें जिन्हें प्राइवेट विज़न, ऑडियो और चैट की जरूरत है, वे हर मीडियम को अलग-अलग क्लाउड सर्विस पर भेजने के बजाय एक एजेंट के पीछे एक मॉडल रख सकती हैं। यह कॉमन लोकल इंफरेंस टूलिंग में फिट बैठता है, और रेफर किया गया मल्टीमॉडल यूज़ 24-गीगाबाइट GPU को टारगेट करता है। लेटेंसी और क्वालिटी चेकपॉइंट और वर्कलोड पर निर्भर करेगी, लेकिन कागज पर Inkling असामान्य रूप से प्रैक्टिकल दिखता है।
[ALLOY]: Appcypher का Awesome MCP Servers, 5,704 स्टार्स के साथ, प्रोटोकॉल सर्वर्स को ट्रांसपोर्ट के हिसाब से कैटलॉग करता है—लोकल प्रोसेस कनेक्शन्स बनाम स्ट्रीमेबल वेब कनेक्शन्स—और कैपेबिलिटी टैग्स के साथ। यह कम्पैटिबिलिटी डिस्कवरी के लिए उपयोगी है, सिर्फ लिंक्स कलेक्ट करना नहीं। रिपॉजिटरी में टैग्ड रिलीज़ नहीं है, लेकिन इसका ऑर्गनाइज़्ड इंडेक्स लोगों को रनटाइम के हिसाब से फिट सर्वर्स और उन सर्वर्स के बीच अंतर समझने में मदद करता है जो सिर्फ MCP लेबल का उपयोग करते हैं।
NOVA: Open Agent प्रोजेक्ट का OpenAgent, 5,426 स्टार्स और 8 जुलाई का point eighty-three-one रिलीज़, रिट्रीवल, कोडिंग, ब्राउज़र कंट्रोल और कंप्यूटर यूज़ को एक मॉडल-ड्रिवन स्टेट मशीन में कंबाइन करता है, जो दिखाता है कि कई एजेंट मोड्स एक ही एक्जीक्यूशन लूप को शेयर कर सकते हैं। यह महत्वाकांक्षी है, शायद बहुत ज्यादा आरामदायक नहीं, लेकिन यह उस दिशा को दर्शाता है जहाँ असिस्टेंट्स इन्फॉर्मेशन गैदरिंग और डायरेक्ट एक्शन के बीच मूव कर सकते हैं।
[ALLOY]: और nanbingxyz के 5ire को मिस न करें, एक क्रॉस-प्लैटफॉर्म डेस्कटॉप AI असिस्टेंट और MCP क्लाइंट, 5,283 स्टार्स के साथ। इसका नवीनतम रिलीज़ point fifteen-four है। यह मेजर मॉडल प्रोवाइडर्स, लोकल नॉलेज और MCP सर्वर्स के ज़रिए टूल्स को सपोर्ट करता है। टेक्निकल हुक ऑन-डिवाइस रिट्रीवल पर है: 5ire मॉडल कॉल में कॉन्टेक्स्ट भेजने से पहले एक लोकल वेक्टर स्टोर—न्यूमेरिकल डॉक्यूमेंट रिप्रेजेंटेशन का इंडेक्स—चेक करता है। यह डेस्कटॉप यूज़र्स को परसिस्टेंट लोकल नॉलेज देता है जबकि बाहरी मॉडल्स का उपयोग करने का विकल्प बरकरार रहता है। यह मायने रखता है क्योंकि लोकल मेमोरी और क्लाउड इंटेलिजेंस सब-ऑर-नथिंग चॉइस नहीं होने चाहिए।
NOVA: तेज़ स्टार्टअप Hermes को खुला रखना आसान बनाता है; टर्नरी वेट्स बड़े लोकल मॉडल्स को ज्यादा यथार्थवादी बनाते हैं; परसिस्टेंट मेमोरी कोडिंग और वर्क एजेंट्स को कॉन्टेक्सट आगे बढ़ाने में मदद करती है; और whodb का लक्ष्य डेटाबेस एक्सेस और ऑपरेशनल एविडेंस को एक व्यू में लाना है।
[ALLOY]: Cosmos फिजिकल AI को एज हार्डवेयर की ओर ले जाता है, जबकि EU ट्रांसपैरेंसी नियम इंटरैक्शन्स से डिस्क्लोज़र और जेनरेटेड कंटेंट से प्रोवेनेंस को जोड़ते हैं। कॉन्टेक्स्ट प्रूनिंग, स्टैटिस्टिकली ग्राउंडेड रिट्रीवल और Microsoft का करिकुलम एजेंट्स के नीचे सॉफ्टवेयर को मजबूत करते हैं।
NOVA: XcodeBuildMCP और Unity MCP स्पेशलिस्ट डेवलपमेंट टूल्स के अंदर असिस्टेंट्स लाते हैं। OpenAI के लॉन्ग-हॉराइज़न फाइंडिंग्स चेतावनी देती हैं कि घंटों की एक्शन में फेलियर्स सामने आते हैं जो सिंगल आंसर में नहीं दिखेंगे। Upsonic उन लूप्स को बनाना आसान बनाता है, जिससे वह चेतावनी ज्यादा रिलेवेंट बनती है, कम नहीं।
[ALLOY]: स्रोत विवरण और आगे की पढ़ाई के लिए, Toby On Fitness Tech dot com पर शो नोट्स देखें। AgentStack Daily सुनने के लिए धन्यवाद। हम जल्द वापस आएंगे।