27B मुक्त-भार मॉडल अब लैपटॉप RAM में समा सकता है, डॉर्सी ने Buzz जारी किया, एंथ्रोपिक ने $1.5 अरब का मामला निपटाया
A 27-billion-parameter open-weight model now fits inside laptop RAM, a feat that would have sounded fictional two years ago. Jack Dorsey's new app Buzz fuses chat, AI agents, and Git into a single feed. Anthropic's $1.5 billion pirated-books settlement cleared final court approval. Semble shipped a code search engine 98% leaner than peers for AI agents. XcodeBuildMCP 2.6.2 unlocks real iOS build pipelines for coding agents, while OpenAI and Hugging Face disclosed a model-evaluation security incident. Plus Gemini 3.6 Flash surfaces in listings, and Bristol Myers Squibb is building a Vera Rubin SuperPOD for drug discovery. Show notes: https://tobyonfitnesstech.com/hi/podcasts/episode-91/
🎧 Listen to Episodeएपिसोड 091 — 22 जुलाई, 2026
[00:00] एपिसोड हुक
OpenAI Codex rust-v0.145.0 ने अपना मल्टी-एजेंट V2 अनुभव स्थिर कर दिया है, सब-एजेंट मॉडल, रीज़निंग स्तरों और कंकरेंसी के लिए विस्तृत कॉन्फ़िगरेशन पेश करते हुए जबकि आवश्यक भूमिका परिभाषाओं को पुनर्स्थापित किया। इस रिलीज में एक अपडेटेड /import कमांड शामिल है जो Cursor कॉन्फ़िगरेशन को सीधे Codex एनवायरनमेंट में माइग्रेट करने के लिए डिज़ाइन किया गया है, एजेंटिक IDE के बीच जाने वाले डेवलपर्स के लिए ट्रांज़िशन को सुव्यवस्थित करता है। Google ने OpenRouter पर Gemini 3.6 Flash को लिस्ट करके अपने मॉडल की पहुंच का विस्तार किया है, जो कम-लेटेंसी रिस्पॉन्स की आवश्यकता वाले कोडिंग टास्क और एजेंटिक वर्कफ़्लो के लिए अनुकूलित एक हाई-एफिशिएंसी मॉडल है। Jack Dorsey का Block Buzz लॉन्च कर चुका है, एक वर्कप्लेस प्लेटफ़ॉर्म जो ग्रुप चैट, AI एजेंट्स और Git होस्टिंग को एक एकीकृत फ़ीड में एकीकृत करता है ताकि डेवलपमेंट कार्य और टीम कम्युनिकेशन के बीच घर्षण कम हो। MinishLab ने Semble v0.1.0 रिलीज़ किया है, एक ओपन-सोर्स कोड सर्च टूल जो AI एजेंट्स के लिए टोकन खपत में 98% की कमी का दावा करता है। whodb ने 16 जुलाई को संस्करण 0.121.0 हासिल किया, GitHub पर 4,900 स्टार्स पार करते हुए, जबकि लोकल-फर्स्ट सुपर एजेंट holaOS सत्रों में यूज़र कॉन्टेक्स्ट बनाए रखने के लिए ट्रैक्शन हासिल कर रहा है।
[02:00] एजेंट स्टैक रिलीज़ रीडआउट: OpenAI Codex rust-v0.145.0
OpenAI Codex rust-v0.145.0 इस सप्ताह शिप हुआ, और हेडलाइन बदलाव उन सभी के लिए असली है जो मल्टी-एजेंट वर्कफ़्लो चला रहे हैं: opt-in मल्टी-एजेंट V2 अनुभव अब स्थिर है। इसका मतलब है कि पैरलल सब-एजेंट मोड जो पहले आपको अजीब rollback स्थितियों में खींचता था अंततः ठीक से काम करता है। आप कॉन्फ़िगर कर सकते हैं कि प्रत्येक सब-एजेंट कौन सा मॉडल उपयोग करता है, प्रति सब-एजेंट रीज़निंग स्तर सेट कर सकते हैं, कंकरेंसी को ऊपर या नीचे कर सकते हैं, और एजेंट्स के बीच नेविगेशन को साफ़ किया गया है ताकि आप यह ट्रैक करना बंद कर दें कि कौन सा वर्कर क्या कर रहा है। पुनर्स्थापित भूमिकाएं मतलब एक कोडर और एक रिव्यूअर एक लंबे सत्र में एक-दूसरे से अलग पहचान योग्य रह सकते हैं।
दूसरी बात जो आपके समय के काबिल है वह /import है। Codex पहले केवल अपनी सेटिंग्स ही इम्पोर्ट करता था। अब आप Cursor या Claude Code कॉन्फ़िगरेशन पुल कर सकते हैं — MCP सर्वर, प्लगइन्स, सेशन, कस्टम कमांड और यहां तक कि प्रोजेक्ट-स्कोप्ड मेमोरीज़। अगर आप टूल्स के बीच बाउंस कर रहे थे और रीबिल्ड से डर रहे थे, तो यही वह on-ramp है जो आपका कॉन्टेक्स्ट बरकरार रखता है।
जानने के लिए दो और चीज़ें। Amazon Bedrock सपोर्ट अब एक्सपेरिमेंटल है, कस्टम एंडपॉइंट्स और ऑथेंटिकेशन के साथ, और GPT-5.6 Sol डिफ़ॉल्ट Bedrock मॉडल बन गया है — AWS के माध्यम से एंटरप्राइज़ ट्रैफ़िक रूट करने के लिए उपयोगी। ऑडियो इनपुट और टूल आउटपुट भी आ गए हैं, सामान्य लोकल ऑडियो फॉर्मेट्स और स्ट्रीमिंग realtime V3 कन्वर्सेशन सहित, जिसका मतलब है कि आप वर्किंग सेशन में वॉइस पाइप कर सकते हैं और अलग realtime क्लाइंट लगाए बिना मॉडल को सुन सकते हैं। टर्मिनल UI में क्लिक करने योग्य इनलाइन विज़ुअलाइज़ेशन लिंक भी मिल गए हैं ताकि आंकड़े आपके ब्राउज़र में खुलें।
हुड के नीचे, टीम ने सबसे खराब papercuts फिक्स किए। पिछले प्रॉम्प्ट को एडिट करना या safety-buffered टर्न को रिट्राई करना अब अटैचमेंट्स और मेंशन बाइंडिंग्स को नष्ट करने के बजाय एक कॉन्टेक्स्चुअल ब्रांच बनाता है। टर्मिनल रेस्पॉन्सिवनेस लंबे सत्रों के लिए इंक्रीमेंटल Markdown रेंडरिंग और बाउंडेड कमांड आउटपुट के माध्यम से बेहतर हुई। MCP स्टार्टअप को आखिरकार टाइमआउट मिल गए हैं, इसलिए टूटा हुआ OAuth डिस्कवरी अब पूरे सेशन को फ्रीज़ नहीं करता, और Windows सैंडबॉक्सिंग को native exec-server सपोर्ट और network-proxy एन्फोर्समेंट के साथ एक असली फिक्स मिला।
इसका मतलब: अगर आप मल्टी-एजेंट से दूर थे क्योंकि यह खुरदरा लग रहा था, V2 स्टेबलाइज़ेशन इसे आज़माने का समय है। अगर आप Cursor या Claude Code में फंसे थे और बिना सेटअप रीबिल्ड किए Codex चाहते थे, /import वह on-ramp है। अगले देखें कि Bedrock एक्सपेरिमेंटल रहता है या ब्रॉडली शिप होता है, और ऑडियो इनपुट पाइपलाइन headless CI रन में दिखाई देती है या लोकल-ओनली रहती है।
[03:47] Google का Gemini 3.6 Flash OpenRouter पर — लाख-google लिस्टिंग gemini-3.6-flash जोड़ती है
Google ने हाल ही में OpenRouter के मॉडल कैटलॉग में Gemini 3.6 Flash जोड़ा है, जिससे डेवलपर्स को उसी इंटरफ़ेस में रहते हुए बिना किसी परेशानी के प्लेटफ़ॉर्म के ज़रिए काम भेजने का तुरंत रास्ता मिल गया है। यह मॉडल Google की तरफ़ से एक उच्च-दक्षता विकल्प के रूप में पेश किया गया है, जो सीधे कोडिंग, एजेंटिक वर्कफ़्लो और वेब तथा ऐप डेवलपमेंट को लक्षित करता है, जिसमें Flash टायर की विशिष्ट पसंद दक्षता पर है, अधिकतम क्षमता पर नहीं।
मुख्य स्पेसिफिकेशन संदर्भ विंडो है: दस लाख, अड़तालीस हज़ार, पाँच सौ छियातर टोकन। यह Google's Flash लाइन द्वारा आगे बढ़ाई जा रही पूरी दस लाख-टोकन क्लास है, और यह बदल देता है कि आप एक ही कॉल में मॉडल को क्या दे सकते हैं। एक प्रॉम्प्ट में पूरा रिपॉज़िटरी डाल दें। लंबे एजेंट ट्रेस, टूल कॉल हिस्ट्री और रिट्रीवल स्निपेट्स को बिना आक्रामक सारांशीकरण के एक साथ रखें। एक शॉट में फ़ीचर स्पेसिफिकेशन, आसपास की फ़ाइलें और फ़ेलिंग टेस्ट दें। विशेष रूप से एजेंटिक लूप्स के लिए, जहाँ हर टर्न स्थिति जमा करता है, हेडरूम आपके प्रॉम्प्ट्स को संरचित करने के तरीके को बदल देता है, सिर्फ़ यह नहीं कि आप कितना पेस्ट कर सकते हैं।
Google के विवरण में मॉडल के एडिटिंग व्यवहार की भी ओर इशारा किया गया है, जिसमें दावा किया गया है कि यह अनावश्यक एडिट्स के साथ पॉलिश्ड आउटपुट तैयार करता है। यह वाक्यांश असली काम कर रहा है। एजेंटिक कोडिंग में, जो मॉडल एक फ़ाइल पर मंथन करते हैं, वही लाइन वापस लाते और फिर से लिखते हैं, टोकन और समय दोनों खाते हैं। एक मॉडल जो पहले पास में तैयार डिफ़ पर ज़्यादा करीब पहुँचता है, वह चलाना सस्ता है, इससे पहले कि कोई Flash-टायर दक्षता मूल्य निर्धारण दिखे, और समीक्षा के लिए भी ज़्यादा अनुकूल है।
दो चीज़ें ध्यान देने योग्य हैं: क्या वह स्वच्छ-एडिट व्यवहार वास्तविक वर्कलोड पर बना रहता है, आपके अपने कोडबेस और टेस्ट के साथ, और एक बार जब लोग मापना शुरू कर दें तो विलंबता और लागत OpenRouter पर पहले से मौजूद अन्य Flash-टायर विकल्पों के मुकाबले कैसी दिखती है।
[05:31] Jack Dorsey लॉन्च करते हैं Buzz: एक फ़ीड में चैट, AI एजेंट्स और Git
Jack Dorsey एक नया वर्कप्लेस चैट प्रोडक्ट ला रहे हैं, और इसमें AI एजेंट्स को टीम के सदस्यों की तरह ब्राया गया है। Buzz, इस हफ़्ते Block से लॉन्च हुआ, वर्कप्लेस के लिए एक ग्रुप चैट प्लेटफ़ॉर्म है जो इंसानों और उनके AI एजेंट्स को एक ही बातचीत में रखता है, जिसमें Git होस्टिंग इतनी शिद्दत से मिली हुई है कि कमिट्स और कोड रिव्यू उसी जगह मौजूद हैं जहाँ खुद चर्चा होती है। आइडिया तीन टूल्स को गिराना है जिनसे टीमें हर दिन जूझती हैं - ग्रुप चैट, वर्शन कंट्रोल और एजेंट आउटपुट - एक ही फ़ीड में। व्यवहार में इसका मतलब है कि एक इंजीनियर उसी तरह थ्रेड में AI एजेंट को लूप कर सकता है जैसे वह किसी सहकर्मी को पिंग करता है, उसे एक टास्क देता है और जवाब को उसी चैनल में होते देखता है जहाँ बाकी टीम पहले से बात कर रही है। क्योंकि Buzz का हिस्सा Git है, उन बातचीतों से निकलने वाले कमिट्स और पुल रिक्वेस्ट्स उसी चैट से जुड़े रहते हैं जिन्होंने उन्हें पैदा किया, जिससे हर बदलाव के पीछे का "क्यों" किसी अलग टूल में नहीं बहता। लॉन्च उस बाज़ार में हुआ है जहाँ पहले से Slack और Microsoft Teams जैसे बड़े चैट प्लेटफ़ॉर्म मौजूद हैं। Buzz का दाँव यह है कि एजेंट साथियों को साइडबार विजेट की जगह टेबल पर असली जगह मिलनी चाहिए, और घोषणा के आसपास का Hacker News थ्रेड, जो लाइव होने के कुछ ही घंटों में 330 पॉइंट्स पर है, यह दर्शाता है कि डेवलपर्स इस तरीके में कम से कम दिलचस्पी रखते हैं। बिल्डर्स के लिए निहितार्थ सीधा है। अगर Buzz विज़न पूरा करता है, तो छोटी टीमें चैट, रेपो और एजेंट रनटाइम को अपने आप सिलने की ज़रूरत खत्म कर सकती हैं और प्लेटफ़ॉर्म को थ्रेड्स को सिंक में रखने दें। आगे देखने वाली बात यह है कि एजेंट परमिशन मॉडल कैसे सेट अप है, क्योंकि एक बॉट को अपने रेपो पर असली राइट एक्सेस देना उसे एक शानदार असिस्टेंट से प्रोडक्शन के चाबी वाले साथी में बदल देता है।
[07:24] Semble AI एजेंट्स के लिए 98% दुबला कोड सर्च लाता है
अगर आपने किसी AI कोडिंग एजेंट को कोडबेस के बीच से गुज़रते देखा है, तो आपने फ़ेलियर मोड देखा है। यह grep चलाता है, दर्जनों फ़ाइलें पढ़ता है और सिर्फ़ फ़ंक्शन डेफ़िनिशन खोजने के लिए दस हज़ारों टोकन खर्च करता है। Semble नाम की एक प्रोजेक्ट, MinishLab से, उस लूप से बचने के लिए बनाई गई है। टीम ने 21 जुलाई को v0.5.2 शिप किया, और मुख्य दावा यह है कि उसी क्वेरी के लिए naive grep-प्लस-रीड पाइपलाइन की तुलना में लगभग 98% कम टोकन।
यह अंतर मायने रखता है क्योंकि सर्च आमतौर पर एजेंट के वर्कफ़्लो में सबसे महंगा कदम होता है, जनरेशन नहीं। अगर मॉडल पूछ सकता है "retry handler कहाँ परिभाषित है?" और इसके बजाय एक छोटा, केंद्रित जवाब वापस पा सकता है - हज़ारों टोकन की फ़ाइल डंप के बजाय - तो एजेंट लंबे रिफैक्टर्स पर सुसंगत रहता है और यूज़र API लागत का एक अंश ही देता है।
यह कंट्रास्ट पूरी पिच है। Grep लाइन नंबर लौटाता है, read पूरी फ़ाइलें खींचता है, और एजेंट को मानसिक रूप से संदर्भ फिर से इकट्ठा करना पड़ता है। Semble उस पुनर्निर्माण को छोड़ देता है मॉडल को कुछ ऐसा सीधे देकर जिस पर वह काम कर सके।
Semble अपने आप को एक कोड सर्च बैकएंड के रूप में पेश करता है जिसे किसी भी एजेंट हार्नेस से कॉल किया जा सकता है, न कि चैट प्रोडक्ट या IDE प्लगइन के रूप में। इस रेपो ने 5,600 से अधिक GitHub स्टार्स एकत्र किए हैं, पिछले 24 घंटों में एक रिलीज़ और अतिरिक्त कमिट्स दोनों आए हैं।
बिल्डर्स के लिए, व्यावहारिक सवाल यह है कि क्या सर्च आज आपके एजेंट के टोकन बिल पर हावी है। अगर ऐसा है, तो यह उपलब्ध सबसे प्रभावी स्वैप है, और पहला कदम आपके grep-and-read स्टेज को फोकस्ड सर्च टूल से बदलना है। रियल रेपो पर विश्वसनीय बेंचमार्क और पॉपुलर एजेंट CLI के साथ पहले औपचारिक इंटीग्रेशन के लिए देखें, जब एक जिज्ञासा डिफ़ॉल्ट इन्फ्रास्ट्रक्चर बन जाती है।
[09:10] whodb 4,900 स्टार्स पार करता है सक्रिय शिपिंग गति के साथ
whodb नाम का एक प्रोजेक्ट इस हफ्ते रडार पर आया जिसमें उल्लेखनीय गति है। GitHub पर clidey यूजर के तहत होस्ट किया गया यह ओपन-सोर्स रेपो अब लगभग 4,930 स्टार्स पर है। इसने 16 जुलाई को रिलीज़ 0.121.0 शिप किया, फिर छह दिन बाद 22 जुलाई को एक और रेपो पुश प्राप्त किया — इसका मतलब है कि मेन्टेनर्स ने एक ही हफ्ते में एक से अधिक बार शिप किया।
प्रोजेक्ट को एक छोटे टैगलाइन के साथ बताया गया है: "where data access meets operational intelligence." उस एक लाइन से पता चलता है कि मेन्टेनर्स एक व्यस्त इंटरसेक्शन को निशाना बना रहे हैं — उन टूल्स के बीच ओवरलैप जो आपको डेटा क्वेरी करने देते हैं और जो टूल्स जो आपको यह समझने में मदद करते हैं कि उसे होल्ड करने वाले सिस्टम के अंदर क्या हो रहा है। 0.121.0 वर्जन नंबर, उस हफ्ते की शिपिंग गति के साथ मिलकर, एक स्थिर, बसे हुए प्रोडक्ट की जगह सक्रिय इटरेशन में एक प्रोजेक्ट की ओर इशारा करता है। हर रिलीज़ एक चेकपॉइंट पढ़ती है, माइलस्टोन नहीं, और यह एक तेज-गति वाले प्रोजेक्ट के इस शुरुआती चरण में सामान्य है।
बिल्डर्स के लिए, सवाल यह है कि क्या whodb एक असली शर्त लगाने लायक बनता है। देखने योग्य सिग्नल कंक्रीट हैं और GitHub पेज से आसानी से ट्रैक किए जा सकते हैं। क्या स्टार काउंट 5,000 पार करेगा और बढ़ता रहेगा? क्या मेन्टेनर्स 1.0 रिलीज़ के लिए प्रतिबद्ध होंगे, जो बताएगा कि सरफेस एरिया स्थिर हो गया है? और क्या टैगलाइन का "operational intelligence" हिस्सा शिपिंग क्षमता में बदलेगा — या README पर एक पोजिशनिंग लाइन बना रहेगा?
जो आज आपको करने देता है वह सीधा है: रेपो क्लोन करें, करंट बिल्ड आज़माएं, और खुद बिचार करें कि प्रोजेक्ट आपके स्टैक में जगह का हकदार है या नहीं। जो कल आपको बनाने देता है वह अगले दस रिलीज़ पर निर्भर करता है — और इस पर कि क्या मेन्टेनर्स उस शिपिंग कैडेंस को बनाए रखते हैं।
[10:56] holaOS आपका Local-First वर्क एजेंट बनने की कोशिश करता है
holaOS खुद को एक अलग तरह के वर्क असिस्टेंट के रूप में पोजिशन कर रहा है, और पिच सीधी है: यह लोकली चलता है, मिनटों में आपके वर्किंग कॉन्टेक्स्ट को सीखता है, और इसे कभी नहीं भूलता। प्रोजेक्ट GitHub पर holaboss-ai ऑर्गनाइजेशन के तहत है और पहले से 5,500 से अधिक स्टार्स प्राप्त कर चुका है, 20 जुलाई तक हाल ही में कमिट एक्टिविटी के साथ।
यहां फ्रेमिंग मायने रखती है। ज्यादातर वर्क एजेंट जिनके बारे में आज लोग बात करते हैं, आपकी फाइलें, आपके प्रॉम्प्ट्स, और आपकी प्रोजेक्ट स्टेट रिमोट सर्वर पर भेजते हैं, फिर एक मेमोरी प्रोफाइल बनाते हैं जो किसी और के क्लाउड में रहती है। holaOS विपरीत विचार के इर्दगिर्द बना है। एजेंट आपके खुद के मशीन पर रहता है, मिनटों में समझता है कि आप क्या काम कर रहे हैं, और उस कॉन्टेक्स्ट को परमानेंटली होल्ड करता है। वह local-first अप्रोच मुख्य फीचर है, और यह मुख्य कारण भी है कि एक प्राइवेसी-सचेत बिल्डर, क्लाइंट मैटेरियल हैंडल करने वाला फ्रीलांसर, या इंटरनल डॉक्यूमेंट्स लीक होने की चिंता वाली कंपनी इसे देखेगी।
अभी के लिए, रिपॉजिटरी पर GitHub पर कोई टैग्ड रिलीज़ नहीं है, इसलिए README और कमिट इतिहास ही यह देखने का सबसे अच्छा तरीका है कि वास्तव में क्या बनाया जा रहा है। इसे आज इंस्टॉल करने वाले तैयार उत्पाद के बजाय देखभाल करने योग्य सक्रिय रूप से विकसित प्रोजेक्ट के रूप में मानें। दिलचस्प सवाल यह है कि पर्सिस्टेंट मेमोरी व्यवहार में कैसे काम करेगी। क्या एजेंट वास्तव में कई सप्ताह के प्रोजेक्ट की पूरी तस्वीर बनाए रखेगा, या यह हर दूसरे टूल की तरह सारांशित और प्रून करेगा? यह वह दांव है जो टीम लगा रही है, और यह वह दांव है जो 5,500 GitHub स्टार्स सुझाते हैं कि एक वास्तविक ऑडियंस इसके बारे में जानना चाहती है।
आगे देखने के लिए: एक पहला टैग्ड रिलीज़ जो यह बताता है कि कॉन्टेक्स्ट-लर्निंग वास्तव में कैसे चलती है, और कोई भी डेमो जो एजेंट को बिना डिटेल्स गंवाए एक असली मल्टी-डे प्रोजेक्ट संभालते हुए दिखाता है।
[12:45] A 27B Open-Weight Model Now Fits in Laptop RAM
एक 27-बिलियन-पैरामीटर ओपन-वेट मॉडल अब लैपटॉप पर आराम से चल रहा है, और डाउनलोड काउंटर तेजी से बढ़ रहा है। रेपो, prism-ml/Ternary-Bonsai-27B-gguf, को 4 जुलाई को Hugging Face पर prism-ml टीम द्वारा एक GGUF पैकेज के रूप में प्रकाशित किया गया था जो सीधे llama.cpp में प्लग इन होता है। रिलीज़ के कुछ ही दिनों में इसने 432,000 डाउनलोड पार कर लिए और 913 लाइक्स इकट्ठे कीं, जिससे यह ट्रेंडिंग बोर्ड के शीर्ष के करीब पहुंच गया।
मुख्य विवरण कंप्रेशन है। मॉडल सभी 27 बिलियन पैरामीटर रखता है, लेकिन हर वेट तीन संभावित मानों में से एक के रूप में संग्रहीत है — एक तकनीक जिसे टर्नरी क्वांटाइज़ेशन कहा जाता है। यह आक्रामक कंप्रेशन ही कारण है कि फ़ाइल का आकार उस सीमा में गिर जाता है जिसे 16 या 32 गीगाबाइट यूनिफाइड मेमोरी वाला आधुनिक लैपटॉप अपने आप संभाल सकता है, बिना होस्टेड API की आवश्यकता के और बिना डेटा मशीन से बाहर निकले। यह वह चाल है जो 27B चैट मॉडल को RAM में रखती है बजाय इसके कि बिल्डर्स को डिस्क से वेट स्ट्रीम करने के लिए मजबूर किया जाए।
व्यक्तिगत बिल्डर्स और छोटी टीमों के लिए, यही मायने रखने वाली पंक्ति है — यह वह अंतर है जो वर्कस्टेशन-क्लास मशीन की आवश्यकता और अपने पास पहले से मौजूद लैपटॉप पर 27B मॉडल चलाने में है।
एक्सेलरेशन सपोर्ट रिलीज़ का हिस्सा है। पैकेज Nvidia कार्ड के लिए CUDA पर और Apple Silicon Mac के लिए Metal पर चलता है, इसलिए बिल्डर्स वह हार्डवेयर चुन सकते हैं जो उनके पास पहले से है। लोकल चैट और हल्के एजेंट लूप के लिए, व्यावहारिक रेसिपी सीधी है: GGUF खींचें, llama.cpp को इस पर पॉइंट करें, और आपके पास कुछ ही मिनटों में अपनी मशीन पर चलने वाला एक निजी कन्वर्सेशनल मॉडल है, पूरी तरह ऑफलाइन।
आगे देखने के लिए यह है कि वे कसकर संपीड़ित वेट कठिन रीज़निंग टास्क पर कितनी अच्छी तरह टिकते हैं। आक्रामक क्वांटाइज़ेशन सिंगल-टर्न चैट की तुलना में मल्टी-स्टेप चेन पर तेजी से खराब होता है, इसलिए लंबे-कॉन्टेक्स्ट रीज़निंग टेस्ट पर स्वतंत्र मूल्यांकन ही वास्तविक संकेत होंगे कि यह गुणवत्ता में वास्तविक बदलाव है या बस एक फुटप्रिंट स्टोरी।
[14:42] Anthropic's $1.5B Pirated-Books Settlement Gets Final Court Approval
एक संघीय न्यायाधीश ने उन पायरेटेड किताबों पर Anthropic के $1.5 बिलियन के समझौते को मंजूरी दी जिनका उपयोग Claude को प्रशिक्षित करने के लिए किया गया था, जिसमें Bartz सहित लेखकों द्वारा दायर प्रमुख मामला समाप्त हुआ। यह सौदा उन लेखकों को मुआवजा देता है जिनकी किताबें पायरेट स्रोतों से डाउनलोड की गईं और Claude के प्रशिक्षण डेटा में शामिल की गईं। अदालत ने डॉलर की राशि को मंजूरी दी, लेकिन फैसला उस सवाल का जवाब नहीं देता जो उसने उठाया: क्या अनुमति के बिना कॉपीराइट किताबों पर AI को प्रशिक्षित करना उचित उपयोग माना जाता है। यह सवाल दूसरी AI कंपनियों के खिलाफ समान मुकदमों में जीवित है, इसलिए यह एक अध्याय बंद हो रहा है जबकि प्रशिक्षण डेटा पर व्यापक लड़ाई जारी है। जो इस समझौते को ठोस बनाता है वह नंबर है। Anthropic लेखक वर्ग से दावों को हल करने के लिए $1.5 बिलियन का भुगतान कर रहा है — ऐसे काम जिन्हें लेखकों ने कभी AI प्रशिक्षण के लिए लाइसेंस देने के लिए सहमत नहीं किया था। AI बनाने या खरीदने वाले किसी भी व्यक्ति के लिए, यह आंकड़ा उस एक्सपोज़र के लिए एक संदर्भ बिंदु निर्धारित करता है जब पायरेटेड स्रोतों से स्क्रैप की गई सामग्री पर मॉडल प्रशिक्षित होता है। व्यवहार में तीन चीजें बदलती हैं। इस सौदे के तहत कवर किए गए लेखकों को Claude के प्रशिक्षण मिक्स में दिखने वाले काम के लिए भुगतान मिलता है। Anthropic ने सार्वजनिक रूप से एक समझौता स्वीकार किया है बजाय इसके कि वह उचित उपयोग का बचाव जारी रखे। हर दूसरी लैब जिसने पायरेटेड पुस्तक अभिलेखों को छुआ है, अब यह जानती है कि बातचीत से तय समाधान की कीमत कितनी है। कहानी ने Hacker News पर सैकड़ों टिप्पणियां खींचीं, जो इस बात का संकेत है कि डेवलपर्स, लेखक और AI खरीदार परिणाम को कितनी करीब से ट्रैक कर रहे हैं। आगे देखने के लिए: अन्य AI कंपनियों के खिलाफ शेष कॉपीराइट मुकदमों की कैसे दलील दी जाती है, और क्या उनमें से कोई भी अदालत का फैसला देता है जो AI प्रशिक्षण के लिए उचित उपयोग वास्तव में परिभाषित करता है। उद्योग के पास अभी भी कॉपीराइट टेक्स्ट पर AI प्रशिक्षित करने पर स्पष्ट कानूनी रेखा नहीं है।
[16:26] डाइजेस्ट: github लिस्टिंग एड्स
कोडिंग एजेंट लंबे टूल आउटपुट को पढ़ते समय और कमांड चलाते समय चबाते हैं, और उस कॉन्टेक्स्ट को ट्रिम करना लंबे टास्क पर एक असली बॉटलनेक है। SWE-Pruner Pro नाम का एक नया पेपर तर्क देता है कि यह तय करने के लिए कि क्या रखना है, आपको अलग फिल्टर की जरूरत नहीं है — एजेंट को पहले से पता है। लेखकों का पता चलता है कि मॉडल यह internally संकेत ले जाता है कि कोड के कौन से टुकड़े मायने रखते हैं, और एक छोटा प्रशिक्षित हेड उन संकेतों को पढ़कर बेजोड़ चंक्स को प्रॉम्प्ट में जाने से पहले ड्रॉप कर सकता है। सादे शब्दों में, एजेंट अपना स्वयं का ट्रायज करता है बजाय बाहरी क्लासिफायर पर निर्भर रहने के। यह मायने रखता है क्योंकि यह लूप से एक पूरा अतिरिक्त मॉडल हटा देता है, जिसका मतलब है लंबे कोडिंग सेशन पर तेज रन और कम लागत। बिल्डर्स के लिए, यह भविष्य की ओर इशारा करता है जहां कॉन्टेक्स्ट प्र्यूनिंग मॉडल के अंदर रहती है न कि अलग स्टेज के रूप में जोड़ी गई। देखने योग्य है: क्या ओपन कोडिंग एजेंट सेल्फ-प्र्यूनिंग को स्टैंडर्ड लेयर के रूप में अपनाते हैं, और जब टूल आउटपुट और भी लंबे होते हैं तो यह कैसे व्यवहार करता है।
[17:29] OpenAI और Hugging Face ने मॉडल इवैल्यूएशन सिक्योरिटी इंसिडेंट का खुलासा किया
OpenAI और Hugging Face ने संयुक्त रूप से एक सिक्योरिटी इंसिडेंट के प्रारंभिक निष्कर्ष प्रकाशित किए जो मॉडल इवैल्यूएशन के दौरान हुई थी। यह संयुक्त पोस्ट 21 जुलाई को दिखाई दी, और यह उस पर पर्दा उठाती है जो अधिकांश लैब्स को शांत रखना पसंद करेंगे — क्या होता है जब प्रतिकूल दबाव एक इवैल्यूएशन पाइपलाइन से मिलता है जो वेट, प्रॉम्प्ट और डाउनस्ट्रीम इन्फ्रास्ट्रक्चर को हैंडल करती है। मुख्य निष्कर्ष यह है कि शामिल थ्रेट एक्टर्स ने उन्नत साइबर क्षमताएं दिखाईं। यह एक जानबूझकर, सावधानीपूर्ण वाक्यांश है। यह संकेत करता है कि जिसने भी इवैल्यूएशन वातावरण को टेस्ट किया, वह ऑफ-द-शेल्फ मैलवेयर या कमोडिटी टूलिंग नहीं चला रहा था। दोनों लैब्स इसे डिफेंडर्स के लिए एक सीखने के पल के रूप में फ्रेम कर रहे हैं, और यह फ्रेमिंग मायने रखती है क्योंकि इवैल्यूएशन पाइपलाइन तेजी से आकर्षक लक्ष्य बन रही हैं। वे मॉडल वेट, ग्रेडिएंट डेटा और सर्विंग इन्फ्रास्ट्रक्चर के करीब बैठती हैं। eval में फुटहोल्ड प्रोडक्शन में फुटहोल्ड जैसा नहीं है, लेकिन यह आपको स्टैक के बाकी हिस्से के असुविधाजनक करीब लाता है। पोस्ट जानबूझकर विवरणों में हल्की है — यह प्रारंभिक निष्कर्षों के रूप में लेबल की गई है — और यह खुद एक उपयोगी संकेत है। लैब्स रियल टाइम में तय कर रही हैं कि जब एक इंसिडेंट शेयर्ड इन्फ्रास्ट्रक्चर या शेयर्ड इवैल्यूएशन प्रैक्टिस को छूता है तो कितना खुलासा करना है, बिना अगले अटैकर को रोडमैप दिए। संयुक्त प्रारूप भी उल्लेखनीय है: दो प्रतिस्पर्धी लैब्स का एक साथ सिक्योरिटी वार्निंग प्रकाशित करना दुर्लभ है। बिल्डर्स क्या ले सकते हैं? इवैल्यूएशन वातावरण को उसी तरह ट्रीट करें जैसे आप किसी भी सिस्टम को ट्रीट करते हैं जो अनट्रस्टेड कोड या बाहरी मॉडल आर्टिफैक्ट्स को ingest करता है: नेटवर्क सेगमेंट करें, एग्रेसिवली लॉग करें, ऑडिट करें कि वेट को कौन टच कर सकता है, और मान लें कि eval में लैंड करने वाला अटैकर ट्रेनिंग डेटा या सर्विंग एंडपॉइंट की ओर पिवट करने की कोशिश करेगा। आगे क्या देखना है: ठोस शमन उपायों के साथ एक पूर्ण पोस्ट-इंसिडेंट राइट-अप, और क्या अन्य प्रमुख लैब्स समान संयुक्त खुलासे के मानदंडों को अपनाती हैं।
[19:17] रिसर्च डाइजेस्ट: लंबे-कॉन्टेक्स्ट रीजनिंग मॉडल आपके प्रॉम्प्ट को कॉपी-पेस्ट क्यों करते हैं उसके बजाय सोचने के
जब आप एक रीजनिंग मॉडल को एक बहुत लंबा दस्तावेज़ सौंपते हैं — मान लीजिए, एक 200 पेज का कॉन्ट्रैक्ट या एक पूरा कोडबेस — तो उसकी एक आदत होती है जो आपको अप्रत्याशित लगेगी: वह वास्तव में समस्या के माध्यम से काम करने के बजाय आपके प्रॉम्प्ट के टुकड़ों को आपको वापस कॉपी-पेस्ट करना शुरू कर देता है। नई रिसर्च इसे लंबे-कॉन्टेक्स्ट LLM में एक कोर फेलियर मोड के रूप में पहचानती है, और दिखाती है कि यह इनपुट जितना लंबा होता है उतना बदतर होता जाता है। मूल कारण क्षमता नहीं है — यह है कि मॉडल बिना भेद के प्रॉम्प्ट से कॉपी करते हैं, जो भी टेक्सट पास में है वह पकड़ लेते हैं उसके बजाय उस सबूत पर ध्यान केंद्रित करने के जो मायने रखता है। जो बेजोड़ सामग्री पर अटकते हैं वे गलत जवाब देने लगते हैं। टीम ने एक ट्रेनिंग रिवॉर्ड बनाया जो मॉडल को उन सबूतों में अपनी रीजनिंग को ग्राउंड करने के लिए भुगतान करता है जो मायने रखते हैं और फिलर इको करने के लिए उनसे कटौती करता है। कई मॉडल साइज़ों में, उस दृष्टिकोण ने स्टैंडर्ड ट्रेनिंग पर 4.6 पॉइंट तक जोड़ा, सबसे बड़े gains सबसे लंबे कॉन्टेक्स्ट में और छोटे reasoning traces एक बोनस के रूप में। देखना है कि क्या यह ग्राउंडिंग सिग्नल अगली-जेन रीजनिंग मॉडल में अपनाया जाता है, और क्या यह प्रतिकूल लंबे इनपुट पर बना रहता है।
[20:24] XcodeBuildMCP 2.6.2 coding agents को Apple builds तक रियल एक्सेस देता है
Apple प्लेटफॉर्म डेवलपर्स को अपने दिन के सबसे कठिन हिस्से के लिए एक अधिक सक्षम copilot मिला है। Sentry ने XcodeBuildMCP का वर्शन 2.6.2 शिप किया है, एक Model Context Protocol सर्वर और CLI जो एक AI agent को iOS और macOS प्रोजेक्ट्स पर रियल एक्सेस देता है। यह टूल एक कोडिंग असिस्टेंट और Xcode के बीच बैठता है, Apple build के उन हिस्सों को खोलता है जो एजेंट्स सामान्य रूप से पहुंच नहीं सकते। GitHub पर अब रिपॉजिटरी पर 6,100 से अधिक स्टार्स दिखाई देते हैं, और नवीनतम रिलीज इस साल 2 जून को शिप हुई थी।
सादे अंग्रेजी में, MCP, जो Model Context Protocol है, एक स्टैंडर्ड है जो असिस्टेंट्स को एक परिभाषित इंटरफेस के माध्यम से बाहरी टूल्स को कॉल करने देता है। XcodeBuildMCP उस स्टैंडर्ड का उपयोग Xcode-संबंधित काम को expose करने के लिए करता है — वे चीजें जो एक डेवलपर के build या test दबाने के बाद होती हैं — एक AI असिस्टेंट तक, ताकि एक Apple प्रोजेक्ट पर एक agent टेक्स्ट फाइलों को एडिट करने से आगे बढ़ सके। चूंकि यह एक लोकल सर्वर के रूप में चलता है, असिस्टेंट लूप में रहता है जब वास्तव में डेवलपर की मशीन पर काम होता है।
बिल्डर्स के लिए इसका मतलब है रियल वर्कफ्लो गेन। आप एक coding agent को एक iOS ऐप या एक macOS प्रोजेक्ट पर पॉइंट कर सकते हैं, और कोड एडिट्स पर रुकने के बजाय, असिस्टेंट MCP कनेक्शन के माध्यम से बिल्ड लूप के बाकी हिस्से को ड्राइव कर सकता है। जो टीमें पहले से ही crash reporting के लिए Sentry चलाती हैं, उन्हें उस इकोसिस्टम में सब कुछ रखने का एक अतिरिक्त कारण मिलता है, क्योंकि प्रोजेक्ट Sentry की ओपन सोर्स टीम द्वारा मेनटेन किया जाता है।
देखने की अगली बात अपनाना है। रिपॉजिटरी को हाल ही में 22 जुलाई को पुश किया गया था, जो स्थिर रखरखाव का संकेत है, और अधिक दिलचस्प सवाल यह है कि क्या Apple के अपने डेवलपर टूल्स मूल रूप से MCP बोलना शुरू करेंगे। तब तक, यह प्रोजेक्ट एक AI असिस्टेंट और Xcode बिल्ड के बीच सबसे व्यावहारिक पुल है।
[22:14] Community Qwen 3.6 MoE Variant Tops Hugging Face Trending
Qwen 3.6 पर समुदाय-निर्मित वेरिएंट इस सप्ताह Hugging Face ट्रेंडिंग चार्ट पर चढ़ रहा है। रिपॉजिटरी है HauhauCS/Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive — एक मल्टीमॉडल Mixture-of-Experts मॉडल जो GGUF फॉर्मेट में वितरित किया गया है, जिसमें विज़न और टेक्स्ट-टू-टेक्स्ट क्षमताएं हैं और इसके फाइन-ट्यूनिंग में कम सुरक्षा फ़िल्टरिंग शामिल है।
'35B-A3B' नेमिंग पैटर्न डिज़ाइन इरादे की ओर इशारा करता है: लगभग 35 बिलियन कुल पैरामीटर प्रति टोकन लगभग 3 बिलियन सक्रिय के साथ, जो एक MoE बिल्ड की पहचान है — कागज पर बड़ी क्षमता, लेकिन समान कुल आकार के एक घने मॉडल की तुलना में प्रति क्वेरी चलाना सस्ता। GGUF टैग का मतलब है कि यह सीधे llama.cpp इकोसिस्टम में जाता है, इसलिए कंज्यूमर GPU या हाई-RAM लैपटॉप वाला कोई भी व्यक्ति इसे स्थानीय रूप से लोड कर सकता है।
इसे किसने भेजा: HauhauCS नामक एक समुदाय पब्लिशर। एंगेजमेंट संख्या वास्तविक है — लगभग 2 मिलियन डाउनलोड और हब पर 3,000 से कम लाइक्स, जिसमें सूची को अंग्रेज़ी, विज़न और qwen3.6 परिवार के टैग्स में मल्टीमॉडल उपयोग के लिए टैग किया गया है। 'अनसेंसर्ड' और 'एग्रेसिव' लेबल एक फाइन-ट्यून की ओर इशारा करते हैं जो स्थानीय एजेंट कार्य और उन उपयोग मामलों के लिए है जहां डेवलपर्स अपस्ट्रीम बेस मॉडल की तुलना में कम रिफ्यूजल चाहते हैं।
यह क्या सक्षम बनाता है: एक मल्टीमॉडल MoE जिसे आप घर पर चला सकते हैं, उसमें इमेज डाल सकते हैं और स्थानीय एजेंट स्टैक में जोड़ सकते हैं — वेट्स पर पूर्ण नियंत्रण, बाहरी API कॉल की आवश्यकता नहीं, और वह प्रयोग करने की स्वतंत्रता जो क्लाउड-ओनली मॉडल शायद ही कभी प्रदान करते हैं। यह खुले-वेट समुदाय अपनी ऊर्जा कहां खर्च करता है, इसका एक उपयोगी स्नैपशॉट है: नवीनतम बेस मॉडल को उन रूपों में पुनः पैकेज करना, पुनः फाइन-ट्यून करना और पुनर्वितरित करना जो लैब स्वयं शिप नहीं करतीं।
एक बात देखने की है: क्या इस लिस्टिंग पर डाउनलोड वक्र बढ़ता रहता है, जो संकेत देगा कि समुदाय-क्वांटाइज्ड MoE वेरिएंट स्थानीय AI बिल्डर्स द्वारा नए बेस मॉडल का उपभोग करने का डिफ़ॉल्ट तरीका बन रहे हैं।
[24:03] Bristol Myers Squibb builds a Vera Rubin SuperPOD for drug discovery
Bristol Myers Squibb दवा खोज के लिए AI इन्फ्रास्ट्रक्चर पर दोगुना दांव लगा रही है। फार्मास्युटिकल कंपनी अपना दूसरा NVIDIA DGX SuperPOD तैनात कर रही है, यह आठ रैक-स्केल DGX Vera Rubin NVL72 सिस्टम से बना है, और इसका इरादा इसे अपने वैश्विक शोध संगठन के वैज्ञानिकों के लिए खोलने का है।
प्रत्येक सिस्टम NVIDIA Vera CPUs को Rubin GPUs के साथ जोड़ता है। NVIDIA का कहना है कि नया क्लस्टर जिस इन्फ्रास्ट्रक्चर को बदल रहा है उसकी तुलना में प्रति मेगावाट दस गुना प्रदर्शन दे सकता है। BMS बायोलॉजिकल AI के लिए BioNeMo Agent Toolkit और ऑपरेटिंग लेयर के रूप में Mission Control भी ला रही है, फिर शोध स्थलों में शोध के दौरान पुराने और नए SuperPODs को एक एकल डेटा प्लेन के माध्यम से जोड़ रही है।
महत्वपूर्ण बात यह है कि BMS के पास पहले SuperPOD से पहले से ही साक्ष्य हैं। AI-सहायता प्राप्त लक्ष्य पहचान ने वैज्ञानिकों के हफ्तों के मैनुअल काम की बचत की है। शोधकर्ताओं ने कैंसर-कारक प्रोटीन को बिगाड़ने के लिए डिज़ाइन किए गए यौगिकों की लाइब्रेरी का विस्तार करने के लिए मॉडल का उपयोग किया है, और वे भविष्यवाणियों का उपयोग यह प्राथमिकता देने के लिए करते हैं कि कौन से अणु संश्लेषित करने योग्य हैं, दुर्लभ प्रयोगशाला समय खर्च करने से पहले।
अब कंपनी चाहती है कि ये क्षमताएं बिना साइट-विशिष्ट एक्सेस बाधाओं या गहरी कम्प्यूटेशनल विशेषज्ञता के उपलब्ध हों। शोधकर्ता सादे अंग्रेज़ी में जटिल भविष्यवाणियां शुरू करने में सक्षम होंगे, जबकि प्रयोगात्मक डेटा और मॉडल परिणाम स्थानों में एक साझा सीखने के लूप में जमा होंगे।
बिल्डर्स के लिए, यह एजेंटिक AI का वैज्ञानिक अवसंरचना बनना एक ठोस तस्वीर है। यह दांव केवल यह नहीं है कि अधिक GPUs अनुसंधान को तेज़ बनाते हैं। यह है कि साझा कंप्यूट, डोमेन मॉडल और संचित प्रयोगात्मक ज्ञान हर खोज चरण में उपयोग की जाने वाली एक सुलभ प्रणाली बन सकते हैं, विशेषज्ञ संसाधन के बजाय जिसके लिए वैज्ञानिक लाइन में इंतज़ार करते हैं।
[25:51] व्यावहारिक कतार
आज की कहानियों से: मल्टी-एजेंट रन अंततः वास्तविक काम के लिए पर्याप्त स्थिर हैं — उत्पादन कोड पर भरोसा करने से पहले समानांतर जांच या रिफैक्टर का प्रयास करें। OpenRouter का उपयोग करने वाले बिल्डर्स अब मौजूदा इंटरफ़ेस के माध्यम से Gemini 3.6 Flash को कोडिंग और एजेंटिक वर्कलोड रूट कर सकते हैं, बड़े रिपॉजिटरी और लंबे एजेंट ट्रेस के लिए मिलियन-टोकन विंडो का लाभ उठाते हुए। इसका मतलब बिल्डर्स के लिए यह है कि छोटी टीमें अब खुद चैट, रेपो और एजेंट रनटाइम को स्टिच करना बंद कर सकती हैं, क्योंकि Buzz उन परतों को एक ही जगह रखने का लक्ष्य रखता है। यदि आपके एजेंट का टोकन बिल खोज से प्रभावित है, तो एक फोकस्ड कोड-सर्च बैकएंड उच्चतम-लीवरेज स्वैप है। इसका मतलब: यह परियोजना डेटा टूलिंग स्पेस में काम करने वालों के लिए त्वरित मूल्यांकन लायक है, क्योंकि सक्रिय गति वह तरह का संकेत है जो बताता है कि मेंटेनर्स बना रहे हैं या बनाए रख रहे हैं। यह उन बिल्डर्स के लिए मायने रखता है जो एक वर्क एजेंट चाहते हैं जो संवेदनशील फ़ाइलों को तृतीय पक्ष को शिप किए बिना सप्ताहों तक प्रोजेक्ट संदर्भ बनाए रखे। इसका मतलब: एक 27-बिलियन-पैरामीटर ओपन-वेट मॉडल अब वास्तव में लैपटॉप RAM में फिट होता है, जो एक निजी, पूर्ण ऑफ़लाइन संवादी सहायक को व्यावहारिक बनाता है न कि सैद्धांतिक। इसका मतलब: जिन AI कंपनियों के प्रशिक्षण पाइपलाइन ने पायरेटेड टेक्स्ट को छुआ है, उनके पास अब स्पष्ट वित्तीय एक्सपोजर मॉडल है — एकल क्लास एक्शन के लिए $1.5 बिलियन। इसका मतलब: संदर्भ प्रूनिंग एक बोल्टेड-ऑन क्लासिफायर से आंतरिक रूप से मॉडल द्वारा संभाली जाने वाली चीज़ में बदल सकता है। इसका मतलब: संयुक्त प्रकटीकरण मूल्यांकन पाइपलाइनों को प्रोडक्शन-ग्रेड एसेट के रूप में मानता है — सेगमेंटेड, लॉग्ड, और ऑडिटेड उसी तरह से जैसे आप किसी भी सिस्टम को सख्त करेंगे जो अविश्वसनीय कोड संभालता है। लंबे-संदर्भ रीज़निंग मॉडल का उपयोग करने वाले बिल्डर्स के लिए, व्यावहारिक निहितार्थ यह है कि कॉपी-पेस्ट व्यवहार गलत उत्तरों का एक प्रमुख संकेतक है — विशेष रूप से लंबे संदर्भ लंबाई पर। iOS और macOS डेवलपर्स अपने प्रोजेक्ट वर्कफ़्लो में सीधे एक MCP-बोलने वाला कोडिंग असिस्टेंट वायर कर सकते हैं, ताकि एजेंट कोड एडिट से अधिक संभाले और बिल्ड और टेस्ट के माध्यम से उपयोगी रहे। स्थानीय एजेंट चलाने वाले बिल्डर्स के लिए, यह संकेत करता है कि कम्युनिटी-क्वांटाइज्ड मल्टीमॉडल MoE वेरिएंट कंज्यूमर GPUs वाले होबी रिग्स के लिए यथार्थवादी विकल्प हैं। Bristol Myers Squibb का दूसरा SuperPOD दिखाता है कि एजेंटिक AI साझा वैज्ञानिक अवसंरचना बन रही है, अलगाव प्राप्त ऑफिस असिस्टेंट के बजाय।
NOVA: मैं हूं NOVA.
[ALLOY]: मैं हूं ALLOY, और यह है AgentStack Daily...
NOVA: एक 27 अरब पैरामीटर वाला ओपन-वेट मॉडल अब लैपटॉप के RAM में फिट आता है। डेस्क के नीचे छिपा कोई वर्कस्टेशन नहीं। एक लैपटॉप। टर्नरी कम्प्रेशन हर वेट को तीन वैल्यू में से एक के रूप में स्टोर करता है, जिससे लोग प्राइवेट चैट और हल्के एजेंट लूप चला सकते हैं बिना किसी होस्टेड सर्विस को डेटा भेजे। इस बीच, Jack Dorsey की Block ने Buzz लॉन्च किया है, जहां लोग, AI एजेंट, चैट और Git एक्टिविटी सब एक फीड में साझा करते हैं।
[ALLOY]: ठीक है, यह तो असल में बंद है। लोकल मॉडल हार्डवेयर बैरियर को छोटा करता है, जबकि Buzz कन्वर्सेशन और एक्जीक्यूशन के बीच की दीवारें हटाने की कोशिश करता है। वहीं, फार्मास्यूटिकल रिसर्चर AI का उपयोग यह तय करने के लिए कर रहे हैं कि कौन से मॉलिक्यूल दुर्लभ लैबोरेटरी टाइम के काबिल हैं, और Apple डेवलपर कोडिंग एजेंट्स को बिल्ड्स, सिम्युलेटर्स और टेस्ट तक स्ट्रक्चर्ड एक्सेस दे सकते हैं।
NOVA: आज: टर्मिनल-बेस्ड कोडिंग एजेंट OpenAI Codex पॉइंट वन-फोर्टी-फाइव शिप करता है स्टेबलाइज्ड मल्टी-एजेंट वर्क और कॉन्फ़िगरेशन इम्पोर्ट्स के साथ; Gemini 3.6 Flash एक मिलियन-टोकन कॉन्टेक्स्ट विंडो के साथ आता है; और Anthropic का पाइरेटेड किताबों पर डेढ़ अरब डॉलर का सेटलमेंट फाइनल अप्रूवल क्लियर करता है। आप यह भी सुनेंगे ड्रामेटिकली लीनर कोड सर्च के बारे में, एक शेयर्ड मॉडल-इवैल्यूएशन सिक्योरिटी इंसिडेंट के बारे में, और एजेंट्स जो अपना कॉन्टेक्स्ट प्रून करते हैं।
NOVA: OpenAI Codex पॉइंट वन-फोर्टी-फाइव अपना ऑप्ट-इन मल्टी-एजेंट V2 एक्सपीरियंस स्टेबलाइज करता है। यह टर्मिनल-बेस्ड कोडिंग एजेंट का प्रयास है पैरेलल वर्कर्स को कई चैट्स की तरह महसूस कराने का जो एक विंडो शेयर करते हैं, इसके बजाय एक कूडिनेटेड सिस्टम जैसा। हर सब-एजेंट अलग मॉडल और रीजनिंग लेवल इस्तेमाल कर सकता है, कंकर्सी कॉन्फ़िगरेबल है, वर्कर्स के बीच नेविगेशन साफ है, और रोल डेफिनिशंस रिस्टोर हो गई हैं ताकि एक कोडर लॉन्ग सेशन में रिव्यूअर से अलग पहचाना जा सके। पहले के वर्जन अजीब रोलबैक स्टेट्स में जा सकते थे या वर्कर्स को आपस में मिला सकते थे। यह रिलीज उस रफ़नess को सीधे एड्रेस करता है।
[ALLOY]: और यह किसी और धाँसू "मैनी एजेंट्स" डेमो से ज्यादा मायने रखता है। पैरेलल वर्क तभी मदद करता है जब आप बता सकें कि किसने क्या बदला और क्यों। दूसरा बड़ा ऐडिशन है स्लैश-इम्पोर्ट, जो Cursor या टर्मिनल-बेस्ड AI कोडिंग एजेंट Claude Code कॉन्फ़िगरेशन्स को Codex में ला सकता है। इसमें Model Context Protocol सर्वर्स, प्लगइन्स, सेशन्स, कस्टम कमांड्स और प्रोजेक्ट-स्कोप्ड मेमोरीज शामिल हैं। Model Context Protocol, या MCP, एक कॉमन इंटरफेस है जिसके जरिए एक असिस्टेंट बाहरी टूल्स को कॉल करता है। उन कनेक्शन्स और मेमोरीज को मूव करना सेटअप का महंगा हिस्सा सुरक्षित रखता है: वह एक्यूमुलेटेड कॉन्टेक्स्ट जो बताता है कि टीम कैसे काम करती है।
NOVA: Codex में एक्सपेरिमेंटल Amazon Bedrock सपोर्ट भी जुड़ता है कस्टम एंडपॉइंट्स और ऑथेंटिकेशन के साथ, GPT-5.6 Sol को डिफ़ॉल्ट Bedrock मॉडल के रूप में इस्तेमाल करते हुए। ऑडियो अब कॉमन लोकल फॉर्मैट्स के जरिए वर्किंग सेशन में प्रवेश कर सकता है, और स्ट्रीमिंग रियलटाइम V3 कन्वर्सेशन स्पोकन इंटरैक्शन के लिए अलग रियलटाइम क्लाइंट के बिना सपोर्ट करते हैं। टूल आउटपुट में भी ऑडियो हो सकता है। टर्मिनल इंटरफेस में, इनलाइन विज़ुअलाइज़ेशन लिंक क्लिकेबल हैं, ताकि एक जेनरेटेड फिगर ब्राउज़र में खुल सके एस्केप-कैरेक्टर कॉन्फेटी से टर्मिनल को सजाए बिना। छोटी रहमत, फिर भी रहमत।
[ALLOY]: रिलायबिलिटी फिक्सेस हेडलाइन फीचर्स से ज्यादा देर तक रहेंगे। पहले के प्रॉम्प्ट को एडिट करना या सेफ्टी-बफ़र्ड टर्न को रीट्राई करना अब अटैचमेंट्स और मेंशन बाइंडिंग्स को डिस्कार्ड करने के बजाय एक कॉन्टेक्स्चुअल ब्रांच बनाता है। इंक्रीमेंटल Markdown रेंडरिंग और बाउंडेड कमांड आउटपुट लंबे टर्मिनल सेशन्स को रेस्पॉन्सिव रखते हैं। MCP स्टार्टअप में टाइमआउट्स हैं, जो ब्रोकन ऑथेंटिकेशन डिस्कवरी को पूरे सेशन को फ्रीज करने से रोकते हैं। Windows सैंडबॉक्सिंग को नेटिव एक्जीक्यूशन-सर्वर सपोर्ट और नेटवर्क-प्रॉक्सी एन्फोर्समेंट मिलता है। मुझे कॉन्फ़िगरेबल सब-एजेंट्स के बारे में उत्साह है, लेकिन स्टेबलाइज़ेशन असली रिलीज है: मल्टी-एजेंट कोडिंग तब उपयोगी बनता है जब ब्रांचिंग, टूल स्टार्टअप, रोल्स और लॉन्ग-सेशन रेंडरिंग यूज़र से लड़ना बंद कर दें।
[ALLOY]: दस लाख, अठानबे हज़ार, पाँच सौ छिहत्तर टोकन। यह Gemini 3.6 Flash के लिए सूचीबद्ध संदर्भ विंडो है, जो OpenRouter के कैटलॉग में एक तुरंत रूट करने योग्य Google मॉडल के रूप में दिखाई दिया है। यह कोडिंग, एजेंटिक वर्कफ़्लो और वेब ऐप विकास के लिए एक उच्च-दक्षता विकल्प के रूप में पोज़िशन किया गया है। Flash लेबल आमतौर पर यह इंगित करता है कि Google अधिकतम क्षमता के बजाय गति और दक्षता को प्राथमिकता दे रहा है, लेकिन दस लाख टोकन की विंडो छोटे, तेज़ टियर को एक असामान्य रूप से बड़ा कार्य सतह प्रदान करती है।
NOVA: एक बड़े भंडार, लंबे टूल-कॉल इतिहास, पुनर्प्राप्त दस्तावेज़ीकरण, एक फीचर विनिर्देश और प्रासंगिक विफलताओं को एक अनुरोध में रखने के लिए पर्याप्त बड़ा। इसका मतलब यह नहीं है कि मॉडल हर टोकन को समान रूप से समझता है—संदर्भ क्षमता और संदर्भ उपयोग बहुत अलग दावे हैं—लेकिन यह एक लंबे एजेंट रन के दौरान स्थिति को संक्षेपित करने की आवश्यकता को कम करता है। OpenRouter उपलब्धता भी मायने रखती है क्योंकि प्रदाताओं के बीच पहले से रूटिंग करने वाली टीमें अपने मौजूदा मॉडल गेटवे को बदले बिना Gemini जोड़ सकती हैं।
[ALLOY]: Google का कहना है कि 3.6 Flash कम अनावश्यक संपादनों के साथ परिष्कृत आउटपुट तैयार करता है। मुझे महत्वाकांक्षा पसंद है; बिना बाहरी परिणामों के मैं अभी यह स्वीकार नहीं करता। कोडिंग एजेंट फ़ाइल को फिर से लिखने, खुद को उलटने और असंबंधित लाइनों को छूने में समय बर्बाद कर सकते हैं। यदि मॉडल अपने पहले प्रयास में तैयार बदलाव के करीब पहुंच जाता है, तो दक्षता दो बार सुधरती है: कम जेनरेट किए गए टोकन और कम मानव समीक्षा। खुले प्रश्न विलंबता, मूल्य और यह हैं कि क्या अधिक साफ संपादन अपरिचित कोडबेस के संपर्क में बने रहते हैं। फिर भी, तेज़ अनुमान को दस लाख टोकन विंडो के साथ जोड़ना रोमांचक है क्योंकि यह उस लंबे चलने वाले कार्य को लक्षित करता है जहां छोटे मॉडल आमतौर पर अपना आधार खो देते हैं।
NOVA: Jack Dorsey का Block ने Buzz लॉन्च किया है, एक वर्कप्लेटफॉर्म जो ग्रुप चैट, AI एजेंटों और Git होस्टिंग को एक फीड में जोड़ता है। एक इंजीनियर एक एजेंट को किसी सहकर्मी का उल्लेख करने की तरह एक थ्रेड में ला सकता है, काम सौंप सकता है और मानव चर्चा के बगल में प्रतिक्रिया देख सकता है। कमिट और पुल रिक्वेस्ट उस बातचीत से जुड़े रहते हैं जिन्होंने उन्हें बनाया। Buzz चैट संदेशों, रिपॉजिटरी टिप्पणियों और एक एजेंट के निजी इतिहास में बिखरने के बजाय किसी कोड बदलाव के पीछे के "क्यों" को संरक्षित करने की कोशिश कर रहा है।
[ALLOY]: यह साइडबार में एक सहायक लगाने से कहीं अधिक बोल्ड विचार है। Slack और Microsoft Teams पहले से ही कार्यस्थल बातचीत के बड़े हिस्से पर कब्जा कर चुके हैं, जबकि Git होस्टिंग के गहराई से स्थापित वर्कफ़्लो हैं। Buzz का दांव यह है कि एजेंट सहकर्मी उत्पाद सीमा को बदलते हैं: यदि सॉफ़्टवेयर किसी कार्य पर चर्चा कर सकता है और फिर रिपॉजिटरी को संशोधित कर सकता है, तो शायद चैट और संस्करण नियंत्रण अलग-अलग जगहें नहीं होनी चाहिए। Hacker News पर एक चर्चा कुछ ही घंटों में लगभग 330 अंकों तक पहुंच गई, इसलिए डेवलपर्स कम से कम जिज्ञासु हैं। जिज्ञासा स्पष्ट रूप से प्रवास नहीं है।
NOVA: यह असुविधाजनक सवाल है: यदि कोई एजेंट आपकी टीम के समान फीड में बैठा है, तो वास्तव में यह क्या छू सकता है? केवल पढ़ने के लिए एक्सेस इसे एक सूचित टिप्पणीकार बनाता है। लेखन एक्सेस इसे रिपॉजिटरी क्रेडेंशियल वाले सहकर्मी में बदल देता है। इसलिए अनुमति मॉडल यह तय करता है कि Buzz उपयोगी बनती है या लापरवाह। टीमों को प्रत्येक एजेंट कार्रवाई के लिए स्पष्ट पहचान, अनुमोदन और श्रेय की आवश्यकता है, खासकर जब कोई चैट अनुरोध कमिट बन सकता है।
[ALLOY]: ठीक है, और मैं विचार को एक कदम और आगे बढ़ाऊंगा। Buzz छोटी टीमों को तीन सिस्टम को जोड़ने के बजाय अनुरोध, चर्चा, कार्यान्वयन और समीक्षा को शामिल करने वाला एक साझा रिकॉर्ड दे सकता है। यह वास्तव में आकर्षक है। लेकिन एकीकृत फीड संवेदनशील जानकारी का एक असाधारण रूप से केंद्रित स्रोत भी बन सकता है: टीम बातचीत, कोड, एजेंट निर्देश और एक ही जगह पर बदलाव इतिहास। एकीकरण आकर्षण और ब्लास्ट रेडियस दोनों है। Buzz तभी सफल होती है जब वह उस सांद्रता को पठनीय और नियंत्रित बनाती है, केवल सुविधाजनक नहीं।
[ALLOY]: कोड जनरेशन को तारीफ मिलती है, लेकिन कोड सर्च अक्सर बिल भरता है। MinishLab का Semble एजेंट्स के लिए बनाया गया एक ओपन-सोर्स सर्च बैकएंड है, और टीम का दावा है कि同一个 query के लिए naïve grep-and-read पाइपलाइन की तुलना में लगभग अठानबे प्रतिशत कम टोकन का उपयोग होता है। Semble वर्जन पॉइंट फाइव-टू जुलाई इक्कीस को आया, एक दिन के भीतर ही अतिरिक्त कमिट्स आए, और रिपॉजिटरी ने 5,600 GitHub स्टार्स पार कर लिए हैं।
NOVA: बर्बादी को पहचानना आसान है। एक एजेंट grep चलाता है, लाइन नंबर प्राप्त करता है, कई पूरी फाइलें खोलता है, और एक फंक्शन के आसपास के संबंधों को फिर से बनाने में हजारों टोकन खर्च करता है। Semble इसके बजाय एक कॉम्पैक्ट, फोकस्ड रिजल्ट लौटाता है जिस पर मॉडल सीधे काम कर सकता है। यह पूछना कि retry handler कहाँ परिभाषित है, बातचीत में आधा रिपॉजिटरी इम्पोर्ट करने की मांग नहीं करनी चाहिए। मॉडल एक भी उपयोगी लाइन लिखने से पहले सर्च लागत पर हावी हो सकता है।
[ALLOY]: अठानबे प्रतिशत MinishLab का आंकड़ा है, इसलिए मान रहा हूँ कि यह अभी एक वेंडर क्लेम है जब तक कि स्वतंत्र तुलनाएं विभिन्न रिपॉजिटरीज़ पर इसे दोहरा नहीं लेतीं। हालांकि, इससे काफी कम कमी भी मायने रखती है। बेहतर रिट्रीवल से एजेंट को reasoning, patches, और टूल हिस्ट्री के लिए अपना अधिक कॉन्टेक्स्ट विंडो सुरक्षित रखने में मदद मिलती है। यह लंबे refactors को अधिक सुसंगत भी बना सकता है क्योंकि अप्रासंगिक सोर्स डंप अब पहले के निर्णयों को हटा नहीं देते।
NOVA: Semble एक चैट सरफेस या एडिटर स्किन नहीं, बल्कि इन्फ्रास्ट्रक्चर है। एक एजेंट हार्नेस इसे सर्च लेयर के रूप में कॉल कर सकता है और अपना मौजूदा इंटरफेस रख सकता है। यह पॉपुलर कोडिंग एजेंट्स के साथ औपचारिक इंटीग्रेशन को अगला महत्वपूर्ण माइलस्टोन बनाता है। अगर वे आएं और रियल-रिपॉजिटरी मेज़रमेंट्स बने रहें, तो फोकस्ड कोड रिट्रीवल उस परिचित grep-प्लस-रीड लूप को चुपचाप बदल सकता है। सबसे उपयोगी इन्फ्रास्ट्रक्चर इसी तरह आता है: कोई कीनोट नहीं, बस एक छोटा टोकन इनवॉइस और एक एजेंट जो एक-लाइन सवाल का जवाब देने के लिए बारह फाइलों में नहीं भटकता।
NOVA: whodb ने लगभग 4,930 GitHub स्टार्स पार कर लिए हैं, जुलाई सोलह को वर्जन वन-ट्वेंटी-वन रिलीज किया, और जुलाई बाईस को एक और रिपॉजिटरी push मिला। मेंटेनर्स इसे "जहाँ डेटा एक्सेस ऑपरेशनल इंटेलिजेंस से मिलता है" के रूप में वर्णित करते हैं। यह शब्दावली प्रोजेक्ट को डेटा क्वेरी करने के लिए उपयोग किए जाने वाले टूल्स और सिस्टम के अंदर क्या हो रहा है यह समझने के लिए उपयोग किए जाने वाले टूल्स के बीच रखती है।
[ALLOY]: मैं इंट्रिग्ड हूँ, लेकिन टैगलाइन उपलब्ध प्रोडक्ट डिटेल से ज़्यादा वजन ला रही है। "ऑपरेशनल इंटेलिजेंस" का मतलब वास्तव में उपयोगी सिस्टम अवेयरनेस हो सकता है या एम्बिशन वाला डैशबोर्ड। सक्रिय शिपिंग गति कंक्रीट हिस्सा है: एक रिलीज के बाद एक सप्ताह के भीतर और काम दिखाना एक प्रोजेक्ट को तेज़ी से आगे बढ़ता दिखाता है, जो accumulated स्टार्स पर बैठा नहीं है। वन-पॉइंट-ज़ीरो से पहले के वर्जन पर, हर रिलीज अभी भी एक चेकपॉइंट है जब टीम सरफेस को आकार दे रही है।
NOVA: बिल्कुल। स्टार काउंट एटेंशन मापता है, ड्यूरेबिलिटी नहीं, और हाई वर्जन काउंट मैच्योरिटी की गारंटी नहीं देता। मायने रखता है कि बाद की रिलीज़ में क्या आता है, रिपॉजिटरी 5,000 स्टार्स पार करती है और यूज़र्स को आकर्षित करती रहती है, और क्या मेंटेनर्स अंततः एक स्टेबल वन-पॉइंट-ज़ीरो कॉन्ट्रैक्ट तय करते हैं। डेटा टूल्स जल्दी डिपेंडेंसी बन जाते हैं; इंटीग्रेशन टूटने लगते हैं जब तक कि बार-बार बदलाव रोमांचक रहते हैं।
[ALLOY]: फिर भी, लगभग 5,000 लोग एक सक्रिय रखरखाव वाले ओपन-सोर्स डेटा प्रोजेक्ट को देख रहे हैं यह कुछ भी नहीं नहीं है। अवसर एक ऐसा टूल है जो लोगों को अपने डेटा तक पहुँचने देता है और साथ ही इसके चारों ओर उपयोगी ऑपरेशनल कॉन्टेक्स्ट भी दिखाता है। अनसुलझा सवाल यह है कि क्या ये दोनों काम एक सुसंगत प्रोडक्ट बनते हैं। अगर whodb अपनी पोजिशनिंग को शिप्ड क्षमता में बदलता है, तो एजेंट्स और लोगों को लाइव सिस्टम्स की जाँच करने का अधिक सूचित तरीका दे सकता है। अगर नहीं, तो यह एक फास्ट-मूविंग डेटाबेस इंटरफेस बना रहेगा जिसके README पर एक बहुत आश्वस्त वाक्य है।
[ALLOY]: holaOS प्राइवेसी के पहलू से मेमोरी की समस्या को हल करने की कोशिश कर रहा है। यह ओपन-सोर्स प्रोजेक्ट कहता है कि इसका वर्क एजेंट लोकली चलता है, मिनटों में किसी व्यक्ति के कामकाजी संदर्भ को सीखता है, और सेशन के बीच उस संदर्भ को बनाए रखता है। इसने पहले ही 5,500 से अधिक GitHub स्टार्स एकत्र कर लिए हैं, जिसमें जुलाई बीस तारीख को हाल ही में रिपॉजिटरी एक्टिविटी हुई है। अभी तक कोई टैग्ड GitHub रिलीज़ नहीं है, इसलिए यह एक तैयार उत्पाद की बजाय सक्रिय रूप से विकसित हो रहा प्रस्ताव है।
NOVA: प्रस्ताव स्पष्ट है: फाइलें, प्रॉम्प्ट्स और प्रोजेक्ट इतिहास उपयोगकर्ता की मशीन पर रहते हैं, किसी और के क्लाउड में स्टोर की गई मेमोरी प्रोफाइल बनने की बजाय। यह क्लाइंट मटेरियल संभालने वाले फ्रीलांसर्स, आंतरिक दस्तावेजों की सुरक्षा करने वाली कंपनियों, और उन सभी के लिए आकर्षक है जो अपनी पूरी कामकाजी जिंदगी एक्सपोर्ट किए बिना निरंतरता चाहते हैं। लोकल-फर्स्ट स्वचालित रूप से सुरक्षित नहीं है, बेशक। इसका मतलब है कि नियंत्रण की सीमा मशीन पर चली जाती है, जहां स्टोरेज, परमिशन्स और बैकअप अभी भी मायने रखते हैं।
[ALLOY]: पर्सिस्टेंट मेमोरी वह जगह है जहां मैं उत्साहित और संशयी दोनों हो जाता हूं। एक एजेंट जो कई सप्ताह के प्रोजेक्ट को याद रखता है, वह हर सुबह आर्किटेक्चर, निर्णयों और अधूरे कार्यों को समझाने की दोहराई जाने वाली प्रक्रिया से बच सकता है। लेकिन "कभी नहीं भूलता" तब तक मार्केटिंग है जब तक इम्प्लीमेंटेशन यह नहीं दिखाता कि क्या स्टोर होता है, रिट्रीवल कैसे काम करता है, और क्या पुराना या गलत संदर्भ सुधारा जा सकता है। अनंत मेमोरी उपयोगी मेमोरी के समान नहीं है। डाउनलोड्स फोल्डर वाले किसी भी व्यक्ति से पूछें।
NOVA: एक टैग्ड रिलीज़ और वास्तविक मल्टी-डे डेमोन्स्ट्रेशन हमें स्टार काउंट से कहीं अधिक बताएगा। holaOS को यह दिखाना होगा कि वह पुराने सारांशों को नए काम को गलत दिशा में ले जाने की अनुमति दिए बिना प्रासंगिक संदर्भ को संरक्षित कर सकता है। अगर यह सफल होता है, तो परिणाम प्राइवेट चैट से अधिक है: यह एक लोकल वर्क एजेंट है जिसकी समझ समय के साथ बढ़ती है। एजेंट को डिवाइस पर चलाने के सबसे मजबूत कारणों में से एक यह है, क्योंकि मूल्य निजी इतिहास के साथ बढ़ता है जिसे उपयोगकर्ता कभी कहीं और अपलोड नहीं करना चाह सकता।
NOVA: prism-ml का Ternary-Bonsai-27B पैकेज एक 27 अरब पैरामीटर वाले ओपन-वेट मॉडल को मॉडर्न लैपटॉप्स में सोलह या बत्तीस गीगाबाइट यूनिफाइड मेमोरी में फिट करता है। यह जुलाई चौथी रिलीज़ के तुरंत बाद llama.cpp के लिए GGUF फॉर्मेट में Hugging Face पर प्रकाशित हुआ, इसने 432,000 डाउनलोड और 913 लाइक्स एकत्र कीं। CUDA एक्सेलरेशन Nvidia हार्डवेयर का समर्थन करता है, जबकि Metal Apple Silicon Mac को कवर करता है।
[ALLOY]: ठीक है, कम्प्रेशन पार्ट को धीरे-धीरे बताओ, क्योंकि यही जादू की ट्रिक है। प्रत्येक वेट को केवल तीन संभावित मानों में से एक के रूप में दर्शाया जाता है। यह टर्नरी क्वांटाइजेशन है: अत्यंत कॉम्पैक्ट न्यूमेरिकल स्टोरेज जो सभी 27 अरब पैरामीटर को संरक्षित करता है जबकि उन्हें लोड करने के लिए आवश्यक मेमोरी को कम करता है। मॉडल डिस्क से वेट स्ट्रीमिंग या वर्कस्टेशन-क्लास हार्डवेयर की मांग करने के बजाय RAM में फिट हो सकता है। होस्टेड API की आवश्यकता नहीं है, और प्रॉम्प्ट पूरी तरह से मशीन पर रह सकते हैं।
NOVA: यह हार्डवेयर पर लोगों के पहले से मौजूद व्यावहारिक उपयोग खोलता है: प्राइवेट डॉक्यूमेंट कन्वर्सेशन, ऑफलाइन असिस्टेंस, लोकल एक्सपेरिमेंटेशन, और हल्के एजेंट लूप। GGUF पैकेजिंग इसे बेस्पोक रनटाइम की आवश्यकता के बजाय स्थापित llama.cpp इकोसिस्टम में रखती है। डाउनलोड नंबर भी सुझाव देते हैं कि यह महज एक पेपर एक्सरसाइज नहीं है। लोग बड़े लोकल मॉडल चाहते हैं, खासकर जब विकल्प बार-बार API लागत या संवेदनशील सामग्री किसी तीसरे पक्ष को भेजना है।
[ALLOY]: लेकिन यहीं पर मैं पार्टी को थोड़ा खराब कर दूंगा: फिट होना अच्छी तरह से रीज़न करना समान नहीं है। एग्रेसिव क्वांटाइजेशन सामान्य बातचीत को बनाए रख सकता है जबकि कठिन मल्टी-स्टेप काम को खराब कर सकता है। स्वतंत्र मूल्यांकनों को दिखाना होगा कि क्या Ternary Bonsai लंबे रीज़निंग और जटिल निर्देशों पर उपयोगी गुणवत्ता बनाए रखता है। भले ही गुणवत्ता गिरे, फुटप्रिंट उपलब्धि अभी भी मायने रखती है। दो साल पहले, एक लैपटॉप पर आराम से 27 अरब पैरामीटर का मॉडल चलाना बेतुका लगता था। अब तर्क "क्या यह लोड हो सकता है?" से "लोड होने के बाद यह कितना सक्षम है?" में चला गया है। यह एक महत्वपूर्ण बदलाव है।
[ALLOY]: एक संघीय न्यायाधीश ने Anthropic के पायरेटेड किताबों के खिलाफ 1.5 अरब डॉलर के समझौते को मंजूरी दी है, जिनका उपयोग Claude को प्रशिक्षित करने के लिए किया गया था। मुख्य मामले में Andrea Bartz सहित लेखक शामिल थे, और यह समझौता उन लेखकों को मुआवजा देता है जिनकी किताबें पायरेट स्रोतों से डाउनलोड की गई थीं और प्रशिक्षण मिश्रण में शामिल की गई थीं। यह डॉलर राशि बहुत बड़ी है। यह उद्योग को अवैध सामग्री के माध्यम से कॉपीराइटेड सामग्री हासिल करने से जुड़े वित्तीय जोखिम की एक ठोस तस्वीर देता है।
NOVA: यह स्वीकृति इस मामले को बंद करती है लेकिन बड़े कानूनी सवाल को हल नहीं करती: क्या बिना अनुमति के कॉपीराइटेड किताबों पर AI मॉडल को प्रशिक्षित करना उचित उपयोग माना जाता है। Anthropic ने यहां उस बचाव को लड़ना जारी रखने के बजाय समझौता किया। AI कंपनियों के खिलाफ अन्य मुकदमे सक्रिय हैं, इसलिए अदालतों ने अभी तक वैध प्रशिक्षण के बारे में कोई सामान्य रेखा नहीं खींची है। एक विवाद समाप्त होता है; केंद्रीय सिद्धांत अनसुलझा रहता है।
[ALLOY]: और इस समझौते के तहत आने वाले लेखक अब उन कामों के लिए मुआवजा प्राप्त करते हैं जिन्हें उन्होंने AI प्रशिक्षण के लिए लाइसेंस देने के लिए सहमत नहीं किया था। पायरेट किताब संग्रहालयों को छूने वाली अन्य प्रयोगशालाओं के पास भी यह संदर्भ बिंदु है कि एक बातचीत समाधान की लागत क्या हो सकती है। मैं एक समझौते को सार्वभौमिक मूल्य सूची के रूप में नहीं मानूंगा - अन्य मामलों में तथ्य और वर्ग भिन्न हो सकते हैं - लेकिन 1.5 अरब डॉलर के भुगतान के बाद कोई भी प्रशिक्षण-डेटा उत्पत्ति को सैद्धांतिक अनुपालन चिंता के रूप में खारिज नहीं कर सकता।
NOVA: अगला महत्वपूर्ण विकास एक ऐसा फैसला होगा जो वास्तव में मॉडल प्रशिक्षण के लिए उचित उपयोग की व्याख्या करता है, सवाल से बचने वाले एक और समझौते के बजाय। तब तक, खरीदारों और निर्माताओं को एक अजीब स्थिति का सामना करना पड़ता है: मॉडल व्यावसायिक रूप से उपलब्ध हो सकते हैं जबकि उनके प्रशिक्षण डेटा के हिस्सों की वैधता विवादित रहती है। यह मामला सैकड़ों Hacker News टिप्पणियों को आकर्षित करता है क्योंकि डेवलपर्स, लेखक और AI ग्राहकों सभी को कुछ हानि है। बेहतर मॉडल विशाल कोरपोरा से आए; अनसुलझा तर्क यह है कि उन कोरपोरा को एक साथ रखने का अधिकार किसके पास था।
NOVA: SWE-Pruner Pro कोडिंग एजेंटों में अपशिष्ट के एक शांत स्रोत को संबोधित करता है: लंबे टूल आउटपुट। कोड और कमांड परिणामों को फ़िल्टर करने के लिए एक अलग मॉडल का उपयोग करने के बजाय, शोध कहता है कि कोडिंग मॉडल में पहले से ही आंतरिक संकेत हैं कि कौन सी सामग्री मायने रखती है। एक छोटा प्रशिक्षित घटक उन संकेतों को पढ़ता है और प्रॉम्प्ट स्पेस खाने से पहले अप्रासंगिक टुकड़ों को हटा देता है। सादे भाषा में, एजेंट अपना खुद का ट्रायज करता है।
[ALLOY]: यह पहले के Semble से सीधे जुड़ता है। Semble अनावश्यक कोड पुनर्प्राप्त करने से बचने की कोशिश करता है; SWE-Pruner Pro टूल्स द्वारा लौटाने के बाद अप्रासंगिक सामग्री को छोड़ने की कोशिश करता है। एक साथ वे उन एजेंटों की ओर इशारा करते हैं जो अपने संदर्भ विंडो में कम समय बिताते हैं। एक अलग फ़िल्टरिंग मॉडल को हटाने से विलंबता और लागत भी कम हो सकती है। मुझे दिलचस्पी है, हालांकि खुले-एजेंट अपनाने से तय होगा कि यह बुनियादी ढांचा बनता है या एक आशाजनक पेपर परिणाम रहता है।
NOVA: लंबी कोडिंग सत्रों के दौरान सेल्फ-प्रूनिंग विशेष रूप से मूल्यवान हो जाती है, जहां कमांड लॉग और फ़ाइल रीड्स उपयोगी निर्णयों की तुलना में तेजी से जमा होते हैं। कठिन हिस्सा एक अस्पष्ट विवरण को संरक्षित करना है जो बाद में आवश्यक साबित होता है। फिर भी, एक मॉडल को अपना प्रासंगिक संदर्भ पहचानना सिखाना हर टूल कॉल में एक और क्लासिफायर जोड़ने से बेहतर है। क्या आप एक सक्षम मॉडल को साक्ष्य पर तर्क करने के लिए भुगतान करना चाहेंगे या बार-बार टर्मिनल मलबे को फिर से पढ़ने के लिए? बिल्कुल।
NOVA: OpenAI और Hugging Face ने संयुक्त रूप से मॉडल मूल्यांकन से जुड़ी एक सुरक्षा घटना के प्रारंभिक निष्कर्षों का खुलासा किया। उनकी 21 जुलाई की रिपोर्ट में कहा गया है कि खतरा करने वालों ने उन्नत साइबर क्षमताओं का प्रदर्शन किया। यह शब्दावली सावधानीपूर्ण है लेकिन सार्थक: गतिविधि दैनिक वाणिज्यिक हमलों से आगे बढ़ गई। विवरण सीमित हैं क्योंकि निष्कर्ष प्रारंभिक हैं और अधिक पूर्ण प्रकटीकरण रक्षात्मक कमियों को उजागर कर सकता है।
[ALLOY]: दो प्रतिस्पर्धी AI संगठनों का एक साथ प्रकाशन करना असामान्य है और, ईमानदारी से कहें तो, उत्साहजनक है। मूल्यांकन प्रणालियां मूल्यवान संपत्तियों के पास बैठती हैं: मॉडल वेट, प्रॉम्प्ट, जेनरेट किया गया डेटा, और सर्विंग या शोध से जुड़ा बुनियादी ढांचा। मूल्यांकन में घुसपैठ स्वचालित रूप से प्रोडक्शन में घुसपैठ नहीं है, लेकिन यह गहराई तक जाने के प्रयासों के लिए एक असुविधाजनक शुरुआती बिंदु बनाता है। ये प्रणालियां बाहरी मॉडल और आर्टिफैक्ट्स को भी अवशोषित करती हैं, इसलिए वे स्वाभाविक रूप से विरोधियों को आकर्षित करती हैं।
NOVA: यह घटना इस विचार को तोड़ती है कि मूल्यांकन सिर्फ एक वैज्ञानिक साइड रूम है। एक बार जब कोई वातावरण अविश्वसनीय कोड निष्पादित करता है या बाहरी मॉडल आर्टिफैक्ट्स लोड करता है, यह एक सुरक्षा-संवेदनशील प्रोडक्शन संपत्ति बन जाता है। संयुक्त पोस्ट इस घटना को रक्षकों के लिए एक सीखने के अवसर के रूप में प्रस्तुत करती है, लेकिन प्रारंभिक निष्कर्ष कई बड़े प्रश्न अनुत्तरित छोड़ते हैं: क्या एक्सेस किया गया था, अभिनेता कैसे दाखिल हुए, क्या उन्होंने पार्श्व रूप से आगे बढ़े, और कौन से शमन पहले से बदल चुके हैं।
[ALLOY]: मैं यह नहीं मानूंगा कि एक पतला प्रकटीकरण एक नए मानदंड को साबित करता है, लेकिन यहां सहयोग मायने रखता है। साझा मूल्यांकन अभ्यास साझा कमजोरियां पैदा कर सकते हैं, और हमलावर कंपनी की सीमाओं का सम्मान नहीं करते। एक पूर्ण घटना-पश्चात रिपोर्ट अन्य प्रयोगशालाओं को बिना परिचालन विवरणों को उजागर किए समान रास्तों को बंद करने में मदद कर सकती है जो अगले घुसपैठ में मदद करते हैं। बड़ा बदलाव सांस्कृतिक है: मॉडल मूल्यांकनकर्ताओं को अब सटीकता मापने वाले लोगों के साथ-साथ उच्च-मूल्य बुनियादी ढांचे के संरक्षकों की तरह सोचना होगा। सुरक्षा वहीं है जहां वेट, टूल और बाहरी आर्टिफैक्ट्स मिलते हैं।
[ALLOY]: क्या आपने कभी किसी मॉडल को एक विशाल दस्तावेज़ दिया है और देखा है कि वह दस्तावेज़ के बजाय दस्तावेज़ को उद्धृत करता है? नया शोध अंधाधुंध कॉपी करने को लंबे-संदर्भ तर्क में एक बार-बार होने वाली विफलता के रूप में पहचानता है। जैसे-जैसे प्रॉम्प्ट बड़े होते हैं, मॉडल निकट लेकिन अप्रासंगिक पाठ पर चिपक सकते हैं, उसे अपने तर्क में पुनः प्रस्तुत कर सकते हैं, और गलत उत्तर पर पहुंच सकते हैं। समस्या केवल संदर्भ क्षमता की कमी नहीं है; यह उस संदर्भ के भीतर खराब चयन है।
NOVA: शोधकर्ताओं ने एक प्रशिक्षण पुरस्कार जोड़ा जो प्रासंगिक साक्ष्य पर आधारित तर्क का पक्ष लेता है और फिलर की प्रतिध्वनियों को दंडित करता है। कई मॉडल आकारों में, वे मानक प्रशिक्षण की तुलना में 4.6 अंक तक का लाभ दर्शाते हैं, सबसे लंबे इनपुट पर सबसे बड़े सुधार के साथ। तर्क ट्रेस भी छोटे हो गए। वे शोध परिणाम हैं, हर मॉडल में गारंटी नहीं, लेकिन वे सुझाव देते हैं कि बेहतर ग्राउंडिंग सटीकता और दक्षता दोनों में सुधार कर सकती है। यहां कॉपी करना हानिरहित बातूनापन नहीं है। यह प्रकट कर सकता है कि मॉडल ने साक्ष्य और आसपास के पाठ के बीच अंतर करना बंद कर दिया है।
NOVA: Sentry का XcodeBuildMCP दो-बिंदु-छह AI कोडिंग एजेंट्स को iOS और macOS बिल्ड वर्कफ्लो तक संरचित पहुंच प्रदान करता है। ओपन-सोर्स प्रोजेक्ट में 6,100 से अधिक GitHub स्टार्स हैं, इस संस्करण को जून दो को जारी किया गया, और जुलाई बाईस को नए रिपॉजिटरी कार्य प्राप्त हुए। यह MCP टूल्स के पीछे Apple के बिल्ड कमांड और iOS Simulator नियंत्रणों को रैप करता है, बिल्ड टारगेट, प्रोजेक्ट स्कीम और डिवाइस ऑपरेशन को एक एजेंट के रूप में एक्सपोज करता है जिसे वह फंक्शन कॉल कर सकता है।
[ALLOY]: यह एक निराशाजनक अंतराल को भरता है। एक कोडिंग असिस्टेंट Swift फाइलों को एडिट कर सकता है, लेकिन Apple विकास टेक्स्ट पर खत्म नहीं होता। कोड को एक चयनित स्कीम के विरुद्ध कंपाइल करना होगा, एक सिम्युलेटर में चलाना होगा, और उन विफलताओं का उत्पादन करना होगा जिनकी एजेंट व्याख्या कर सके। XcodeBuildMCP असिस्टेंट और स्थानीय Apple टूलिंग के बीच बैठता है, जिससे एजेंट को पैच प्रस्तावित करने के बाद भी शामिल रहने की अनुमति मिलती है। यह वास्तविक विकास लूप के बहुत करीब है।
NOVA: चूंकि सर्वर स्थानीय रूप से चलता है, क्रियाएं एक अमूर्त रिमोट सैंडबॉक्स के बजाय डेवलपर की मशीन पर होती हैं। एजेंट वास्तविक प्रोजेक्ट कॉन्फ़िगरेशन और सिम्युलेटर स्थिति तक पहुंच सकता है जो टूल इंटरफेस के माध्यम से एक्सपोज होती है। Sentry रिपॉजिटरी का रखरखाव करता है, जो प्रोजेक्ट को उन टीमों के साथ एक स्वाभाविक कनेक्शन देता है जो पहले से ही Sentry के विकास और क्रैश-रिपोर्टिंग इकोसिस्टम का उपयोग कर रही हैं, हालांकि टूल का मूल्य उन टीमों तक सीमित नहीं है।
[ALLOY]: मुझे आश्चर्य है कि Apple ने अभी तक इस तरह का एजेंट इंटरफ़ेस नेटिव नहीं बनाया है। जब तक वह करता है, XcodeBuildMCP सहायकों और सॉफ्टवेयर डेवलपमेंट के अधिक विशेषज्ञ टूलचेन के बीच एक व्यावहारिक पुल है। इसके 6,100 स्टार्स substantial demand दिखाते हैं। दिलचस्प अपनाने का सवाल यह है कि क्या यह Apple coding-agent सेटअप में एक मानक घटक बन जाता है या नेटिव सपोर्ट अंततः इस काम को absorb कर लेता है। किसी भी तरह से, एजेंट जो simulator बना और संचालित कर सकते हैं वे उन एजेंटों से काफी अधिक उपयोगी हैं जो स्रोत संपादित करने के बाद रुक जाते हैं।
[ALLOY]: Hugging Face के trending listings में एक community-built Qwen 3.6 वेरिएंट शीर्ष के करीब है, और नाम काफी लंबा है: Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive। Publisher HauhauCS इसे GGUF फॉर्मेट में एक multimodal mixture-of-experts model के रूप में पैकेज करता है, जो vision और text दोनों का समर्थन करता है। यह लगभग दो मिलियन डाउनलोड के करीब पहुंच गया है और 3,000 से कम likes हैं। ब्रांडिंग के बारे में आप कुछ भी सोचें, लोग ध्यान दे रहे हैं।
NOVA: Mixture of experts का मतलब है कि मॉडल में कई specialized parameter groups हैं लेकिन यह प्रत्येक टोकन के लिए केवल एक subset activate करता है। 35B-A3B लेबल लगभग 35 बिलियन कुल पैरामीटर और एक बार में लगभग तीन बिलियन active का संकेत देता है। इसका उद्देश्य एक घने 35-बिलियन-पैरामीटर मॉडल की पूरी inference लागत के बिना व्यापक क्षमता प्रदान करना है। GGUF compatibility इसे सीधे llama.cpp और व्यापक local-model ecosystem में लाता है।
[ALLOY]: "uncensored" और "aggressive" लेबल upstream मॉडल की तुलना में reduced safety filtering का संकेत देते हैं। कुछ local users कम refusals और weights पर पूर्ण नियंत्रण चाहते हैं, विशेषकर एजेंट प्रयोगों के लिए। वह स्वतंत्रता moderation और सुरक्षा की जिम्मेदारी deploy करने वाले व्यक्ति को स्थानांतरित करती है। जो मॉडल अधिक requests का पालन करता है वह स्वचालित रूप से अधिक capable नहीं होता; कभी-कभी यह बस कम selective होता है। यहdistinction उत्साही डाउनलोड threads में गायब होने लगता है।
NOVA: फिर भी, popularity हमें distribution के बारे में कुछ बताती है। Community publishers increasingly नए base models को quantized, locally runnable variants में बदल रहे हैं, original labs से हर possible hardware profile की तुलना में तेज़ी से। लोग image input जोड़ सकते हैं, पर्याप्त मेमोरी वाले consumer hardware पर मॉडल चला सकते हैं, और external API calls से बच सकते हैं। यदि यह डाउनलोड curve चढ़ता रहता है, तो community-packaged mixture-of-experts releases कई local users के लिए नए open models से मिलने का default तरीका बन सकते हैं—original checkpoint के माध्यम से नहीं, बल्कि उनकी मशीनों के लिए optimized practical repackaging के माध्यम से।
NOVA: Bristol Myers Squibb drug discovery के लिए अपना दूसरा NVIDIA DGX SuperPOD deploy कर रहा है। नया cluster आठ rack-scale DGX Vera Rubin NVL72 systems का उपयोग करता है और company's global research organization के scientists के लिए खोला जाएगा। प्रत्येक system NVIDIA Vera CPUs को Rubin GPUs के साथ जोड़ता है। NVIDIA दावा करता है कि cluster जिस infrastructure को replace कर रहा है उसकी तुलना में प्रति megawatt दस गुना प्रदर्शन deliver कर सकता है; यह नंबर सीधे vendor से है, इसलिए real operating data मायने रखेगा।
[ALLOY]: यह सिर्फ एक विशाल hardware purchase नहीं है जिस पर एक molecule painted है। BMS अपने पहले SuperPOD से concrete results रिपोर्ट करता है: AI-assisted target identification ने scientists को हफ्तों के manual work से बचाया। Researchers ने cancer-causing proteins को degrade करने के लिए designed compounds की एक library expand करने के लिए models का उपयोग किया, फिर predicted किया कि कौन से molecules सबसे promising थे इससे पहले कि उन्हें synthesize करने के लिए laboratory time का उपयोग किया। वह ordering matter करती है क्योंकि physical experiments महंगी और scarce बनी हुई हैं।
NOVA: कंपनी biological AI के लिए NVIDIA के BioNeMo Agent Toolkit और operating layer के रूप में Mission Control जोड़ रही है। इसके पुराने और नए SuperPODs research locations में साझा एक data plane के माध्यम से जुड़ेंगे। Scientists से expected है कि वे plain English में complex predictions initiate करें, बिना हर user को computing specialist बनने की आवश्यकता के। Experimental results और model outputs फिर research locations में एक साझा learning loop में accumulate हो सकते हैं।
[ALLOY]: यह वो हिस्सा है जो मुझे सच में रोमांचित करता है। लक्ष्य वैज्ञानिकों के लिए बेहतर ईमेल लिखने वाला कोई ऑफिस असिस्टेंट नहीं है। यह साझा इन्फ्रास्ट्रक्चर है जो तय करने में मदद करता है कि कौन से जैविक लक्ष्यों और अणुओं को असली प्रयोगों की जरूरत है। अगर एक्सेस जैसा बताया गया है वैसा काम करता है, तो शोध टीमों को एक जगह के किसी स्पेशलिस्ट के सिस्टम ऑपरेट करने का इंतजार नहीं करना पड़ेगा। केवल ज्यादा कंप्यूट ही दवा की खोज नहीं कर सकता, यह तो स्पष्ट है। लेकिन साझा कंप्यूट, डोमेन मॉडल, जमा हुआ प्रयोगात्मक ज्ञान, और नैचुरल-लैंग्वेज एक्सेस वैज्ञानिक सवाल और अगले उपयोगी प्रयोग के बीच का रास्ता छोटा कर सकते हैं।
NOVA: PrefectHQ का FastMCP बाईस हज़ार, सात सौ बाबन जीथब स्टार्स के साथ रडार पर आगे है। यह MCP सर्वर और क्लाइंट बनाने के लिए एक Python फ्रेमवर्क है जिसमें डेकोरेटर्स और टाइप हिंट्स हैं, जो सामान्य Python फंक्शन को हैंड-राइटिंग स्कीमा ग्लू के बिना एजेंट-कॉलेबल टूल बनाने देता है। वर्शन थ्री-पॉइंट-फोर ने जुलाई नवमी को शिप किया और रिपॉजिटरी को जुलाई इक्कीस को अपडेट किया गया। यह Codex या टर्मिनल-आधारित AI कोडिंग एजेंट Claude Code के पीछे बैठ सकता है, मौजूदा Python क्षमताओं को एक सामान्य टूल इंटरफेस के जरिए एक्सपोज करता है। वह ट्रैक्शन बताता है कि डेवलपर्स चाहते हैं कि MCP प्लंबिंग सामान्य एप्लिकेशन कोड की तरह महसूस हो, प्रोटोकॉल सेरेमनी नहीं।
[ALLOY]: माइक्रोसॉफ्ट का MCP-for-Beginners सोलह हज़ार, आठ सौ बारह स्टार्स और जुलाई इक्कीस के अपडेट के साथ आता है। यह .NET, Java, TypeScript, JavaScript, Rust, और Python में रननेबल लैब्स के साथ एक मल्टी-लैंग्वेज पाठ्यक्रम है। ट्रैक्शन पैकेज्ड रिलीज से बंधा नहीं है; यह व्यापक इंटरेस्ट और सक्रिय अपडेट्स से आता है। इसका इंटीग्रेशन वैल्यू सामंजस्य है: पॉलीग्लॉट सर्विसेज वाली टीमें एजेंट्स को टूल्स एक्सपोज करने के लिए हर भाषा में अलग-अलग कन्वेंशन इन्वेंट करने के बजाय एक साझा प्रोटोकॉल इस्तेमाल कर सकती हैं। यह एजुकेशनल मैटेरियल है, हाँ, लेकिन लगभग सत्रह हज़ार स्टार्स बताते हैं कि प्रोटोकॉल का लर्निंग कर्व खुद का एक इकोसिस्टम प्रॉब्लम बन गया है।
NOVA: CoplayDev का Unity MCP बारह हज़ार, सात सौ इकतालीस स्टार्स के साथ है, जिसका वर्शन टेन-पॉइंट-वन जुलाई तेरह को रिलीज हुआ, और उसी दिन अपडेट किया गया। इन-एडिटर प्लगइन एसेट मैनेजमेंट, सीन कंट्रोल, स्क्रिप्ट एडिट्स, और ऑटोमेशन को MCP टूल्स के रूप में एक्सपोज करता है। किसी असिस्टेंट से जुड़ने पर, यह कंपाइल-एंड-प्ले लूप्स, एसेट्स इंस्पेक्ट करना, और कस्टम एडिटर ग्लू के बिना सीन्स मॉडिफाई करना सपोर्ट कर सकता है। यह कोडिंग से ग्राफिकल डेवलपमेंट एनवायरनमेंट ऑपरेट करने में एक उल्लेखनीय विस्तार है। इसे मानसिक रूप से XcodeBuildMCP के साथ जोड़ें: एजेंट्स फाइल्स से आगे बढ़ रहे हैं और उन असली टूल्स में जा रहे हैं जहाँ सॉफ्टवेयर बनाया, चलाया और इंस्पेक्ट किया जाता है।
[ALLOY]: Gemini 3.6 Flash OpenRouter के जरिए उपलब्ध है जिसमें दस लाख, अड़तालीस हज़ार, पाँच सौ छियहत्तर टोकन का कॉन्टेक्स्ट विंडो है। Google इसे कुशल कोडिंग, एजेंट वर्कफ्लोज़, और वेब या ऐप डेवलपमेंट के लिए पोजिशन करता है, कम अनावश्यक एडिट्स के साथ। लिस्टिंग में पैरामीटर काउंट नहीं दिए गए। इसका तुरंत का अपील रूटिंग है: मौजूदा OpenRouter यूज़र्स उसी इंटरफेस के पीछे एक मेजर-प्रोवाइडर Flash मॉडल रख सकते हैं जो वे पहले से दूसरे मॉडल्स के लिए इस्तेमाल करते हैं।
NOVA: Gemini 3.5 Flash-Lite भी उसी दस लाख टोकन कॉन्टेक्स्ट लेंथ के साथ दिखता है। Google इसे अपग्रेडेड एजेंटिक क्षमताओं वाला हाई-एफिशिएंसी मॉडल बताता है, जो बड़े मल्टी-एजेंट वर्कफ्लोज़ के अंदर फोकस्ड सब-एजेंट्स के लिए उपयुक्त है। यह फ्लैगशिप रीज़नर की तुलना में एक संकरी भूमिका है: सस्ते, टारगेटेड वर्कर्स बाउंडेड टास्क्स संभालते हैं जबकि एक मजबूत कोऑर्डिनेटर पूरे काम को मैनेज करता है। प्राइसिंग और इंडिपेंडेंट परफॉर्मेंस कम्पैरिज़न तय करेंगे कि वह पोजिशनिंग एक आकर्षक सब-एजेंट टायर में बदलती है या नहीं।
NOVA: Thinking Machines का Inkling इमेज-एंड-टेक्स्ट और ऑडियो-एंड-टेक्स्ट बातचीत के लिए एक मल्टीमॉडल मिक्सचर-ऑफ-एक्सपर्ट्स मॉडल है। यह Apache टू के तहत रिलीज है, safetensors फॉर्मेट में आता है, पब्लिश्ड इवैल्यूएशन रिज़ल्ट्स शामिल हैं, और होस्टेड इन्फरेंस एंडपॉइंट्स के साथ संगत इंटरफेस ऑफर करता है। मिक्सचर-ऑफ-एक्सपर्ट्स रूटिंग हर इनपुट के लिए मॉडल के केवल कुछ हिस्सों को सक्रिय करती है, जिससे इन्फरेंस कॉस्ट छोटे मॉडल के करीब रहता है जबकि व्यापक मल्टीमॉडल कवरेज बनाए रखता है।
[ALLOY]: Inkling, Hugging Face पर ट्रेंड कर रहा है जिसमें 1,404 लाइक्स और 16,441 डाउनलोड्स हैं। उपयोगी अंतर इसकी व्यापकता है: एक मॉडल टेक्स्ट, इमेज और ऑडियो पर काम कर सकता है, जिसमें लोकल उपयोग के लिए डाउनलोड करने योग्य वेट्स हैं या जब लोकल हार्डवेयर उपयुक्त नहीं हो तो इंफरेंस एंडपॉइंट है। यह कॉम्बिनेशन प्राइवेट मल्टीमॉडल एप्लिकेशन्स को सपोर्ट करता है बिना हर डिप्लॉयमेंट को एक ऑपरेटिंग मॉडल में मजबूर किए। पब्लिश्ड इवैल्यूएशन्स मदद करती हैं, हालांकि इंडिपेंडेंट रिज़ल्ट्स दिखाएंगे कि इसके अलग-अलग मॉडललिटीज़ असली बातचीत में कितनी अच्छी तरह एक साथ काम करती हैं।
[ALLOY]: तीन और डेवलपमेंट्स पर नज़र रखने योग्य हैं। XcodeBuildMCP की रिपॉजिटरी में 6,106 स्टार्स हैं और यह Apple बिल्ड्स के साथ-साथ सिम्युलेटर कंट्रोल को स्ट्रक्चर्ड एजेंट टूल्स के तौर पर रैप करता है, जो दो-पॉइंट-सिक्स रिलीज़ से आगे इसकी गति को मज़बूत करता है। OpenAI ने OpenAI Foundation और OpenAI Group PBC के बोर्ड्स में David Vélez और Robin Vince को भी जोड़ा। ये अपॉइंटमेंट्स कंप्यूट कमिटमेंट्स, गवर्नेंस, और मॉडल और API एक्सेस के पीछे की कॉर्पोरेट स्ट्रक्चर की निगरानी को प्रभावित करते हैं।
NOVA: तीसरा है OpenAI का "Safety and alignment in an era of long-horizon models।" यह लंबे समय तक काम करने वाले मॉडल्स के डिप्लॉयमेंट से मिले पाठों को इकट्ठा करता है, जिसमें कॉन्टेक्स्ट ड्रिफ्ट और गोल मिसजेनरलाइज़ेशन शामिल हैं—एजेंट धीरे-धीरे रिलेवेंट स्टेट खो रहे हैं या गलत इंटरप्रिटेशन का पीछा कर रहे हैं। OpenAI इटरेटिव डिप्लॉयमेंट, रनटाइम मॉनिटरिंग हुक्स, और ऑब्ज़र्व्ड फेलर्स के रेड-टीम इन्वेंट्री पर चर्चा करता है। यह मायने रखता है क्योंकि सेफ्टी केवल शुरुआती इंस्ट्रक्शन पर निर्भर नहीं हो सकती जब कोई एजेंट घंटों या दिनों तक काम करता रहता है। लंबे समय तक चलने वाला व्यवहार अपना खुद का कंट्रोल प्रॉब्लम बन जाता है।
NOVA: Codex point one-forty-five कॉन्फिगरेबल मल्टी-एजेंट वर्क और क्रॉस-टूल इम्पोर्ट्स को अधिक विश्वसनीय बनाता है। Gemini के नए Flash लिस्टिंग्स मिलियन-टोकन कॉन्टेक्स्ट को एफिशिएंट एजेंट रोल्स में लाते हैं। Buzz एजेंट एक्शन को उस बातचीत और Git हिस्ट्री के बगल में रखता है जिसने उसे अधिकृत किया।
[ALLOY]: Semble और SWE-Pruner Pro रिट्रीवल से पहले और बाद कॉन्टेक्स्ट वेस्ट को हमला करते हैं। Ternary Bonsai 27 बिलियन पैरामीटर्स को लैपटॉप मेमोरी में लाता है, जबकि Inkling और कम्युनिटी Qwen वेरिएंट लोकल मल्टीमॉडल चॉइसेस का विस्तार करते हैं।
NOVA: XcodeBuildMCP और Unity MCP एजेंट्स को रियल डेवलपमेंट एनवायरनमेंट्स संचालित करने देते हैं। इवैल्यूएशन इंसिडेंट उन टूल बाउंड्रीज़ के आसपास सिक्योरिटी को और तेज़ फोकस में लाता है।
[ALLOY]: और BMS दिखाता है कि यह कहां जा सकता है: शेयर्ड AI इन्फ्रास्ट्रक्चर वैज्ञानिकों को अगला भौतिक प्रयोग चुनने में मदद करता है। सोर्सेज़ और ज़्यादा डिटेल्स के लिए, Toby On Fitness Tech dot com पर शो नोट्स देखें। AgentStack Daily सुनने के लिए धन्यवाद। हम जल्द वापस आएंगे।