एजेंटस्टैक डेली: एजेंट स्टैक रिलीज़ रीडआउट: हर्मेस एजेंट v2026.7.30

NOVA: मैं NOVA हूं।

[ALLOY]: मैं ALLOY हूं, और यह AgentStack Daily है।

NOVA: Hermes Agent ने हाल ही में हज़ार से ज़्यादा मर्ज़्ड pull requests को stable release 7.30 में बदल दिया है। यह बड़ा ही व्यवस्थित लगता है। लेकिन अंदर का काम उतना व्यवस्थित नहीं था: लगभग 2,800 commits ने gateway, voice system, desktop app, installer, Telegram media delivery, Nostr-आधारित एक channel जिसे Buzz कहा जाता है, और FLUX3 video generation को छुआ। इस बीच, DeepMind के robots लंबे demonstrations से सीख सकते हैं, tools चुन सकते हैं, और कई machines में काम बांट सकते हैं। जापान में एक retail voice agent पहले ही 30,000 shoppers को संभाल चुका है। Developers private screenshot और document work के लिए एक local, vision-capable Kimi model भी डाउनलोड कर रहे हैं।

[ALLOY]: ठीक है, यह वास्तव में एक दिन में physical-world AI की बहुत सारी चीज़ें हैं। लेकिन एक तेज़ platform reversal भी है: GitHub ने अपने Models playground, catalog, inference service, और bring-your-own-key layer को एक साथ बंद कर दिया। आज, आप सुनेंगे कि Hermes 7.30 में क्या है, Gemini Robotics 2 पूरे robot bodies को कैसे coordinate करता है, GitHub Models users को अब providers से सीधे connect क्यों करना होगा, और local multimodal models, stateless tool connections, code-review agents, edge hardware, और Europe's AI rules आगे कहां जाते हैं। इन सभी items में, evidence live deployment numbers और published specifications से लेकर marketing posts और early research claims तक फैला हुआ है।

NOVA: Hermes Agent 7.30 30 जुलाई को एक stable patch release के रूप में आया। यह version 0.19 से मर्ज़्ड हज़ार से ज़्यादा pull requests को एक tagged build में इकट्ठा करता है जिसे downstream users Docker images, hosted deployments, और fresh installations के ज़रिए use कर सकते हैं। scale एक patch के लिए असामान्य है: दस दिनों में main branch में लगभग 2,789 commits, 4,748 changed files, 442,000 insertions, और 392,300 deletions। ये totals development activity का वर्णन करते हैं, हज़ारों individually documented user features का नहीं, इसलिए diff के size को एक neat feature list समझने की गलती न करें। Nous Research कहता है कि उस period में gateway, voice subsystem, desktop application, और installer में bug-fix और salvage work हावी था।

[ALLOY]: "Salvage waves" वह phrase नहीं है जो कोई production agent के साथ जुड़ा हुआ देखना चाहता है, लेकिन एक stable rollup exactly वही तरीका है जिससे वह काम main branch के बाहर के लोगों तक पहुंचता है। named areas यह भी दिखाते हैं कि Hermes कितना broad हो गया है। Gateway behavior agent में आने वाले और जाने वाले requests को प्रभावित करती है। Voice regressions real-time conversations को hit करती हैं। Desktop और installer fixes यह तय करते हैं कि लोग इसे run कर पाते हैं या नहीं। Telegram media reliability तब मायने रखती है जब agent text से ज़्यादा receive या deliver करता है। Buzz पर continued work था, एक channel जो decentralized Nostr network पर बना है, साथ ही FLUX3 video generation और delivery। एक tag के पीछे बहुत सारा surface area packed है।

NOVA: और मैं बड़ी संख्याओं के चमकने का विरोध करने जा रहा हूं। source उन commits को specific new defaults, compatibility guarantees, या measurable reliability gains से map नहीं करता। Full notes version 0.20 के लिए reserved हैं, जिसे Nous Research कहता है कि 0.19 से आगे सब कुछ document करेगा, feature areas, highlights, और contributor credits सहित। तो 7.30 downstream consumers को अभी एक stable artifact देता है, लेकिन अभी तक हर change का guided tour नहीं। better latency, reconnect behavior, approvals, permissions, या security के बारे में claims published evidence से आगे निकल जाएंगे।

[ALLOY]: Fair pushback। जो concrete है वह fast-moving development branch से stable release में transition है जो gateway, voice, desktop, installation, channels, media, और generated video को span करता है। Hosted और containerized Hermes deployments एक defined build consume कर सकते हैं बजाय खुद उस ten-day development window को reconstruct करने के। ज़्यादा revealing release अभी भी 0.20 हो सकता है क्योंकि वहां maintainers curated account का promise करते हैं। लेकिन 7.30 independently matter करता है: यह repair और platform work के एक enormous stretch को something में freeze करता है जिसे downstream systems actually name और deploy कर सकते हैं।

[ALLOY]: DeepMind, Gemini Robotics 2 को "whole-body intelligence" कहता है। इसका मतलब क्या है, रोबोट के एक साथ ज़्यादा joints हिलाने से परे?

NOVA: इसका मतलब है कि perception, planning, tool use, arm movement, grippers और mobile-base motion को अलग-अलग control systems की जगह एक समन्वित problem के रूप में देखा जाता है। DeepMind ने 30 July को दो named models प्रकाशित किए: Gemini Robotics 2 और Gemini Robotics ER 2। ER का मतलब है embodied reasoning—model किसी task के बारे में सोचता है जो physical world में मौजूद है—और DeepMind उस variant को collaboration और real-world problem solving के लिए तैयार करता है। System लंबे video demonstrations देख सकता है, important steps पहचान सकता है, और उन observations को action में बदल सकता है। यह तय भी कर सकता है कि उसके built-in limbs काफी नहीं हैं, दूसरा implement ला सकता है, या अलग agent को बुला सकता है। इससे robot narrow motion recipe follow करने से हटकर available bodies, tools और services से plan assemble करने की ओर बढ़ता है।

[ALLOY]: ठीक है, multi-robot part मुझे उलझा देता है। कई machines बिना किसी व्यक्ति के हर handoff को script करने के एक job को बाँट सकते हैं, coordination को bespoke control program की जगह model capability में बदल देते हैं। DeepMind demonstrations को real-world tasks के इर्दगिर्द frames करता है, सिर्फ tabletop pick-and-place नहीं। वह framing काम कर गई: discussion एक दिन में Hacker News पर 561 points तक पहुँच गया, robotics work के लिए असामान्य रूप से ज़्यादा attention। Popularity ज़ाहिर है कि performance का proof नहीं है, और DeepMind यह स्थापित नहीं कर पाया है कि एक system किसी unfamiliar site में जा सकता है और unconstrained work handle कर सकता है। Whole-body control error को भी जटिल बनाता है—एक बुरा visual interpretation बुरी plan बन सकता है, बुरा tool choice, और फिर unsafe motion। फिर भी, long-video understanding, orchestration और collaboration को combine करने से इन robots को labs, warehouses, manufacturing और service work में एक gripper routine के आसपास trained system से ज़्यादा широкий रास्ता मिलता है। Kitting, inspection और packaging सबसे स्पष्ट targets हैं क्योंकि हर एकमें perception, sequencing, tool choice और repeated physical handoffs का combination है। वे jobs expose करती हैं कि coordination staged demonstration के बाहर ज़िंदा रहती है या नहीं।

NOVA: GitHub Models retired हो गया है, पूरी तरह से। 30 July की तारीख से, उसका browser playground, model catalog, inference API और bring-your-own-key option customers के लिए unavailable है। GitHub ने inference हटाते हुए catalog preserve नहीं किया और न ही playground को browsing tool के रूप में रखा। हर major part एक साथ गायब हो गया। Developers जो fast model comparisons के लिए playground use करते थे, वह entry point खो देते हैं। Applications जो GitHub के inference endpoint को call करते थे, वह endpoint खो देते हैं। Teams जो OpenAI, Anthropic या अन्य models को एक GitHub-managed surface के ज़रिए route करने के लिए outside provider keys supply करते थे, वे भी उस handoff को खो देते हैं।

[ALLOY]: convenience के इर्दगिर्द बने एक service के लिए यह surprising तौर पर hard stop है। सीधे model providers की ओर जाने से वही setup वापस आता है?

NOVA: यह underlying model access को restore करता है, single GitHub layer को नहीं। Provider software kits और API credentials inference calls की जगह ले सकते हैं, जबकि provider consoles और independent directories browsing और prototyping की जगह ले सकते हैं। लेकिन applications जो GitHub के request format, model names, authentication, usage records या routing पर depend करते थे, उन्हें अभी भी integration work का सामना करना पड़ेगा। एक account के बजाय जो multiple vendors को mediate करता था, अब teams हर provider relationship को खुद maintain करती हैं या दूसरी aggregation service चुनती हैं। Source का customer-scope wording truncated है, इसलिए यह स्पष्ट नहीं है कि paid या enterprise continuation path मौजूद है या नहीं। confirmed news यह है कि broad retirement हुआ है, special exception नहीं।

[ALLOY]: और वह किसी तरह से Hermes से एक slightly uncomfortable तरीके से जुड़ता है। Stable layers तब तक valuable हैं जब तक कोई उन्हें operate करने के लिए committed है। GitHub Models ने providers के ऊपर एक thin, attractive abstraction offer किया; अब वह चला गया है, और direct provider connections by default durable path बन गए हैं। उस arrangement में better control हो सकती है—clearer billing, native features तक access, कम intermediaries—लेकिन fragmentation भी ज़्यादा है। कोई भी product जिसने GitHub Models को production infrastructure के रूप में treat किया, अब एक dependency replace करनी होगी, सिर्फ अलग browser playground खोजने के बजाय। Retirement उन usage records और credentials को भी fragment करती है जो पहले एक GitHub-managed account के पीछे थीं।

NOVA: Moonshot AI का Kimi K3 local-model attention खींच रहा है क्योंकि Unsloth ने 27 July को quantized GGUF weights release किए, और package ने कुछ ही दिनों में 36,000 downloads और 218 likes पार कर लिए। GGUF एक model-file format है जिसका उपयोग local runtimes जैसे llama.cpp, Ollama और LM Studio करते हैं। Quantization model weights को lower numerical precision के साथ store करता है, जिससे उन्हें चलाने के लिए ज़रूरी memory कम हो जाती है। इन्हें एक साथ रखें और एक large model privately controlled hardware पर cloud service की जगह ज़्यादा practical हो जाता है। Kimi K3 images और text दोनों एक साथ accept करता है, फिर text produce करता है, local screenshot analysis, scanned-document extraction, visual chat और private image-assisted work को open करता है।

[ALLOY]: यह रोमांचक है क्योंकि लोकल-फ्रेंडली ओपन मॉडल अक्सर टेक्स्ट-फर्स्ट रहे हैं। Moonshot का एक क्वांटाइज्ड मल्टीमॉडल पैकेज ऑफलाइन असिस्टेंट की सोच को बढ़ाता है, और डेटा लैपटॉप, वर्कस्टेशन, या होम GPU सिस्टम पर रह सकता है बजाय किसी थर्ड-पार्टी सर्विस से गुजरने के। लेकिन "GGUF" का मतलब "हर लैपटॉप पर फिट" नहीं है। मेमोरी की जरूरतें विशेष क्वांटाइजेशन और रनटाइम पर निर्भर करती हैं। मॉडल में "अन्य" लाइसेंस भी है बजाय परिचित परमिसिव लेबल के, साथ ही कस्टम-कोड और कंप्रेस्ड-टेंसर टैग। लोकल उपलब्धता और अप्रतिबंधित कमर्शियल यूज एक ही चीज नहीं हैं।

NOVA: Unsloth पैकेज से परे डिमांड दिखाई दे रही है। Moonshot का मुख्य Kimi K3 लिस्टिंग में 9,100 से अधिक लाइक्स और लगभग 493,000 डाउनलोड हैं, जिसमें इमेज-टू-टेक्स्ट कन्वर्सेशन और इवैल्यूएशन-रिजल्ट टैग हैं। वे हब आंकड़े ध्यान और रिट्रीवल को मापते हैं, प्रोडक्शन एडॉप्शन या मॉडल क्वालिटी को नहीं। फिर भी, सैकड़ों हज़ार डाउनलोड कहते हैं कि डेवलपर्स एक पैकेज में विज़न, कन्वर्सेशन और लोकल कंट्रोल चाहते हैं। क्लाउड मल्टीमॉडल सर्विसेज कई टीमों के लिए आसान बने हुए हैं। Kimi K3 प्राइवेसी-सेंसिटिव यूजर्स और उपयुक्त हार्डवेयर वाले लोगों को एक गंभीर विकल्प देता है, जबकि मॉडल कार्ड सटीक फॉर्मेट्स, हार्डवेयर आवश्यकताओं, बेंचमार्क कंडीशन्स और कमर्शियल टर्म्स पर अथॉरिटी बना हुआ है। GGUF कन्वर्जन मायने रखता है क्योंकि कॉमन लोकल रनटाइम पहले से ही उस फॉर्मेट को लोड करना जानते हैं, किसी मॉडल-स्पेसिफिक ट्यूनिंग से पहले पैकेजिंग वर्क को कम करते हैं।

[ALLOY]: Dharma-AI का एक बेहद सीधा-सादा कम्पैरिजन है: एक आइडल GPU एक ग्राउंडेड एयरक्राफ्ट है। यह तब भी मूल्यह्रास करता है जब यह उपयोगी काम कर रहा हो या रनवे पर बैठा हो।

NOVA: सही, और 30 जुलाई की Hugging Face पोस्ट तर्क देती है कि ऑर्गनाइजेशन अक्सर खरीदी गई एक्सेलेरेटर कैपेसिटी के आसपास बजट बनाते हैं बजाय वास्तव में उपभोग की गई कम्प्यूटेशन के। एक बार कंपनी कुछ GPU से अधिक संचालित होती है, अनुपयोगी घंटे प्रमुख लागत बन सकते हैं क्योंकि हार्डवेयर, फाइनेंसिंग, पावर एनवेलप और सपोर्ट कमिटमेंट जारी रहता है भले ही जॉब्स न चल रही हों। यह फ्लीट-मैनेजमेंट फ्रेमिंग है: यूटिलाइजेशन उतना ही मायने रखता है जितना नॉमिनल कैपेसिटी। दुर्लभ एक्सेलेरेटर खरीदना प्रगति जैसा लग सकता है जबकि कतारें, लंबी रिजर्वेशन, ओवरसाइज्ड एलोकेशन और फ्रैगमेंटेड वर्कलोड महंगी मशीनों को निष्क्रिय छोड़ देते हैं।

[ALLOY]: मैं फ्रेमिंग खरीदता हूं, लेकिन अभी इम्प्लाइड स्केल को नहीं। उपलब्ध सामग्री यूटिलाइजेशन बेंचमार्क, कस्टमर केस स्टडीज, शेड्यूलिंग सॉफ्टवेयर, या मापी गई बचत प्रदान नहीं करती। इसलिए "डोमिनेंट कॉस्ट" Dharma-AI का हेडलाइन क्लेम बना हुआ है, साइटेड पोस्ट में व्यापक रूप से प्रदर्शित रिजल्ट नहीं। यह प्रोडक्ट लॉन्च नहीं है, और यह नहीं दिखाता कि Dharma-AI ने शेड्यूलिंग या कैपेसिटी रिक्लेम हल कर लिया है। फिर भी, एविएशन एनालॉजी एक असली अकाउंटिंग ट्रैप को उजागर करती है: इंस्टॉल्ड हार्डवेयर अपने-आप प्रोडक्टिव हार्डवेयर नहीं होता। अगला उपयोगी एविडेंस तर्क के पीछे नंबर लगाएगा—बिफोर-एंड-आफ्टर यूटिलाइजेशन, कम आइडल घंटे, ज्यादा जॉब थ्रूपुट, या टाले गए पर्चेस। तब तक, पोस्ट का योगदान कॉन्सेप्चुअल लेकिन शार्प है: अनयूज़्ड एक्सेलेरेटर टाइम एक ऑपरेटिंग कॉस्ट है, डैशबोर्ड पर खाली जगह नहीं।

NOVA: NVIDIA ने 28 जुलाई के प्रमोशनल वीडियो में इन्वेस्टर Sarah Guo को रखा और Jetson को "क्लच" के रूप में पिच किया—कॉम्पैक्ट, स्टाइलिश, एक हाथ में पकड़ा जा सकने वाला, और बतौरकि एम्बेडेड कम्प्यूटिंग के रनवे के लिए तैयार। संक्षेप में: GPU मार्केटिंग अब हैंडबैग वोकैबुलरी तक पहुंच गई है।

[ALLOY]: मैं हंसा, लेकिन इसके नीचे डिप्लॉयमेंट आइडिया असली है। Jetson एज पर AI चलाता है, मतलब रोबोट, कैमरा, ड्रोन, या हैंडहेल्ड डिवाइस पर हर इनपुट को रिमोट सर्विस पर भेजने के बजाय। लोकल इन्फरेंस नेटवर्क डिपेंडेंस को कम कर सकता है, उस डेटा की सुरक्षा कर सकता है जिसे डिवाइस छोड़ने की जरूरत नहीं है, और मशीन को रेस्पॉन्सिव रख सकता है जब कनेक्टिविटी धीमी या अनुपलब्ध हो। Guo AI-फोकस्ड वेंचर फर्म Conviction चलाती हैं और No Priors की सह-होस्ट हैं, इसलिए NVIDIA एक चिप इंजीनियर के बजाय इन्वेस्टर-ऑपरेटर का उपयोग कर रहा है ताकि फाउंडर्स को बताया जा सके कि एज डिप्लॉयमेंट एक विश्वसनीय कंपनी-बिल्डिंग सरफेस है।

NOVA: बस मैसेन्जर को टेक्निकल रिलीज समझने की गलती न करें। पोस्ट कोई नया Jetson प्रोडक्ट, सॉफ्टवेयर किट, प्राइस, बेंचमार्क, या चेंजलॉग एनाउंस नहीं करती। यह स्थापित नहीं करती कि कोई विशेष मॉडल फिट है, लेटेंसी थ्रेशोल्ड पूरा करता है, या क्लाउड सर्विस के खिलाफ आर्थिक रूप से जीतता है। यह NVIDIA है जो Guo's एंडोर्समेंट के माध्यम से अपने मौजूदा एज प्लेटफॉर्म की मार्केटिंग कर रहा है। यह प्रतिबिंबित कर सकता है कि वेंचर अटेंशन कहां जा रही है, लेकिन यह कोई ताजा परफॉर्मेंस एविडेंस सप्लाई नहीं करता।

[ALLOY]: और फिर भी यह दो पिछली आइटम से लगभग पूरी तरह मेल खाता है। Kimi K3 दिखाता है कि डेवलपर्स को स्थानीय नियंत्रण में अधिक सक्षम मॉडल चाहिए; GPU-फ्लीट तर्क चेतावनी देता है कि केंद्रीकृत एक्सेलेरेटर आलसी और महंगे हो सकते हैं। एज बॉक्स उपयुक्त वर्कलोड को उस जगह ले जाते हैं जहां डेटा जनरेट होता है, हालांकि वे पावर, मेमोरी, अपडेट और डिवाइस मैनेजमेंट के अपने सीमाएं बनाते हैं। NVIDIA का फैशन फ्रेमिंग बकवास है। रोबोट और डिवाइस में बढ़ती रुचि जो बिना स्थायी क्लाउड राउंड ट्रिप के समझ और कार्य कर सकते हैं, वह बकवास नहीं है।

[ALLOY]: OpenAI ने 31 जुलाई को "Advancing responsible AI across Europe" प्रकाशित किया। क्या इसमें कोई नई यूरोपीय प्रतिबद्धता है, या यह ज्यादातर EU AI Act के आसपास पोजिशनिंग है?

NOVA: ज्यादातर मौजूदा प्रैक्टिस के आसपास पोजिशनिंग है। OpenAI अपने काम को सुरक्षा, सुरक्षा, पारदर्शिता और प्रोवेनेंस में बांटता है, फिर कहता है कि ये प्रोग्राम EU AI Act के आवश्यकताओं के चरणबद्ध तरीके से लागू होने के साथ जारी रहेंगे। प्रोवेनेंस का मतलब है जानकारी जो पहचानने में मदद करती है कि सामग्री कहां से आई या AI ने उसे जनरेट या बदला। OpenAI कंटेंट लेबलिंग, डिस्क्लोजर और सुरक्षा कार्य को अनुपालन की नींव के रूप में प्रस्तुत करता है, न कि केवल यूरोप के लिए मॉडल, सर्टिफिकेशन या एन्फोर्समेंट सिस्टम की घोषणा के रूप में।

[ALLOY]: यह एक महत्वपूर्ण अंतर है। कॉर्पोरेट प्लेबुक दिशा का संकेत दे सकता है बिना किसी एप्लिकेशन को रातोंरात बदले। EU AI Act विभिन्न समय पर विभिन्न दायित्व सक्रिय करता है, उच्च-जोखिम प्रणालियों के लिए अधिक मांग वाली आवश्यकताओं के साथ। OpenAI यूरोपीय ग्राहकों को बता रहा है कि प्रलेखन, जनरेट कंटेंट पहचान और सुरक्षा रिपोर्टिंग उसकी प्रतिक्रिया का हिस्सा बनी रहेंगी। वह यह नहीं कह रहा कि कार्यान्वयन कार्य पूरा हो गया है। जब वे नियम लागू होंगे, तो मॉडल प्रलेखन और कंटेंट-उत्पत्ति जानकारी कानूनी परिशिष्टों जैसी दिखना बंद कर देंगी और उत्पाद सतहों की तरह व्यवहार करना शुरू कर देंगी।

NOVA: बिल्कुल, और कठिन साक्ष्य विशिष्ट आर्टिफैक्ट्स में आएंगे: मॉडल दस्तावेज़, सुरक्षा डिस्क्लोजर, प्रोवेनेंस मेटाडेटा, और यह स्पष्टीकरण कि कौन से दायित्व किस डिप्लॉयमेंट पर लागू होते हैं। OpenAI की पोस्ट निरंतर अलाइनमेंट कार्य का समर्थन करती है। यह यह मानने का समर्थन नहीं करती कि हर यूरोपीय अनुपालन प्रश्न पहले से हल हो गया है। अंतर मायने रखता है क्योंकि सिद्धांतों का एक व्यापक बयान कई भविष्य के कार्यों को कवर कर सकता है, जबकि ग्राहकों को मॉडल और उपयोग-मामले से जुड़ी ठोस जानकारी की जरूरत है जो वे वास्तव में डिप्लॉय करते हैं। यूरोपीय उपयोगकर्ताओं की सेवा करने वाली टीमों के लिए, प्रोवेनेंस और डिस्क्लोजर मॉडल गुणवत्ता के साथ-साथ कार्यान्वयन चिंताएं बन जाते हैं। प्रासंगिक दायित्व अभी भी उत्पाद श्रेणी और डिप्लॉयमेंट संदर्भ पर निर्भर करता है।

NOVA: PhiZero वर्ल्ड मॉडल के लिए एक अलग नींव प्रस्तावित करता है। सीधे भविष्य के वीडियो पिक्सेल की भविष्यवाणी करने के बजाय, यह सामान्य वीडियो से भौतिक स्थिति परिवर्तनों का एक कॉम्पैक्ट शब्दावली सीखता है। शोधकर्ता इसे एक भौतिक भाषा कहते हैं: विविक्त टोकन जो दुनिया के कैसे चलती है, इसका प्रतिनिधित्व करते हैं, पूर्ण रेंडर की गई फ्रेम के बजाय जिसमें हर विजुअल डिटेल होती है। उन टोकन को आगे रोल किया जा सकता है भविष्य की स्थितियों की भविष्यवाणी करने के लिए।

[ALLOY]: ठीक है, यह वास्तव में दिलचस्प है क्योंकि पिक्सेल मॉडल को टेक्सचर, लाइटिंग और बैकग्राउंड को फिर से बनाने के लिए मजबूर करते हैं, भले ही उपयोगी सवाल यह है कि कोई वस्तु गिरती है, लुढ़कती है, टकराती है, मुड़ती है या जगह पर रहती है। PhiZero उन संक्रमणों को अमूर्त करने और योजना के लिए स्वच्छ सामग्री प्रदान करने की कोशिश करता है। लेखक इसकी तुलना इससे करते हैं कि लोग अवलोकन से पुन: प्रयोज्य नियम कैसे अनुमान लगाते हैं। यह एक शोध प्रीप्रिंट है, डिप्लॉय किया गया रोबोट सिस्टम नहीं, और अभी तक काम यह साबित नहीं करता कि भौतिक टोकन वास्तविक सेटिंग्स में पिक्सेल भविष्यवाणी से बेहतर हैं। लेकिन यह वर्ल्ड मॉडल की ओर एक संभावित रास्ता प्रदान करता है जो केवल अगली फ्रेम कैसी दिख सकती है, इसके बजाय परिवर्तन के बारे में तर्क करते हैं।

[ALLOY]: Frontis-MA1 एक अद्भुत रूप से पुनरावर्ती प्रश्न पूछता है: क्या कोई AI उस इंजीनियरिंग प्रक्रिया को बेहतर बना सकता है जिसका उपयोग AI बनाने के लिए किया जाता है?

NOVA: 35 बिलियन-पैरामीटर मॉडल को पोस्ट-ट्रेंड किया गया है जिसे शोधकर्ता मशीन-लर्निंग इंजीनियरिंग के लिए एक मेटा-एवोल्यूशन एजेंट कहते हैं। उनकी ओपन सिस्टम, OpenMLE, प्रस्तावित इंजीनियरिंग परिवर्तनों को फीडबैक के साथ निष्पादन योग्य कार्यों में बदल देती है। एक लेयर सत्यापन योग्य वातावरण चलाती है, दूसरी मॉडल को एडिट्स और सर्च को कैसे स्टीयर करना है सिखाती है, और तीसरी लंबे सर्च का समर्थन करती है जिसमें सुधार जुड़ सकते हैं।

NOVA: मुख्य बात स्वायत्त आत्म-सुधार की उपलब्धि नहीं है। यह है कि टीम ने एक खुला, मापनीय वातावरण प्रकाशित किया है जहां एक मॉडल परिवर्तन प्रस्तावित करता है और देखता है कि कौन से काम करते हैं। अन्य शोधकर्ता कार्य वातावरण, लर्निंग लूप और सर्च सिस्टम का निरीक्षण या विस्तार कर सकते हैं, बंद प्रदर्शन पर भरोसा करने के बजाय। पेपर Hugging Face की दैनिक शोध फीड पर ट्रेंड कर रहा है, लेकिन उस वातावरण के भीतर दोहरावदार लाभ यह निर्धारित करेंगे कि यह कितना महत्वपूर्ण बनता है। पुनरावर्ती सुधार ने एक अवलोकन योग्य कार्यस्थल प्राप्त कर लिया है; जादू नहीं।

NOVA: Doubleword ने DeltaNet के लीनियर-ध्यान वेरिएंट्स के परिवार की एक वॉकथ्रू प्रकाशित की है, और इसका विवादित दावा यह है कि Kimi Delta Attention एक प्राकृतिक अगली शाखा दिखती है जब आप पूर्ववर्ती कार्य को समझ लेते हैं। लीनियर ध्यान उन तकनीकों को संदर्भित करता है जो लंबे अनुक्रमों को प्रोसेस करने के लिए डिज़ाइन की गई हैं जिसमें वृद्धि अनुक्रम की लंबाई के करीब हो, मानक ध्यान द्वारा उपयोग की जाने वाली अधिक महंगी पेयरवाइज तुलनाओं के बजाय। कार्यान्वयन भिन्न हैं, लेकिन वह दक्षता लक्ष्य परिवार को एकजुट करता है।

[ALLOY]: यह उपयोगी है क्योंकि मॉडल घोषणाएं अक्सर एक नए ध्यान नाम को इस तरह पेश करती हैं जैसे वह किसी अन्य ग्रह से आया हो। Doubleword पूर्ववर्तियों को इस तरह संरेखित करता है कि प्रत्येक संशोधन एक उत्तर के रूप में समझ में आता है कि पूर्व डिज़ाइन क्या beh और क्या नहीं रख सकता था। पोस्ट एक मॉडल पेश नहीं कर रही है या बेंचमार्क जीत की रिपोर्ट नहीं कर रही है। यह मौजूदा विचारों को एक वंशावली में व्यवस्थित कर रही है जो Kimi के डिज़ाइन को समझना आसान बनाती है। 28 जुलाई की पोस्ट Hacker News पर 297 अंक पर पहुंची और Lobsters पर भी चर्चा हुई, जो वास्तविक मांग दिखाता है ऐसी व्याख्याओं के लिए जो पेपर्स को जोड़ती हैं इसके बजाय प्रत्येक को एक अलग आविष्कार मानने के बजाय।

NOVA: मुझे अभी भी पोस्ट के "आप इसे खोज सकते थे" फ्लोरिश पर भरोसा नहीं है। एक स्पष्ट रिट्रोस्पेक्टिव कठिन काम के बाद आविष्कार को अपरिहार्य बना सकता है। लेकिन पारिवारिक वृक्ष को ट्रेस करने से महत्वपूर्ण परिवर्तनों को ब्रांडिंग से अलग करने में मदद मिलती है। Kimi K3 के स्थानीय हित के साथ, इसके अंदर का आर्किटेक्चर अचानक कम शैक्षणिक है। पाठक देख सकते हैं कि प्रत्येक शाखा कौन सी सीमा को संबोधित करती है, यह क्या जानकारी आगे ले जाती है, और यह क्या ट्रेडऑफ पेश करता है बिना यह छिपाए कि एक अच्छा एक्सप्लेनर स्वतंत्र रूप से मूल शोध अंतर्दृष्टि को पुन: उत्पन्न करता है।

NOVA: GitHub ने 29 जुलाई को Copilot कोड रिव्यू में एजेंट स्किल्स और मॉडल कॉन्टेक्स्ट प्रोटोकॉल सपोर्ट को सामान्य उपलब्धता में ले जाया। मॉडल कॉन्टेक्स्ट प्रोटोकॉल, या MCP, एक खुला मानक है जो AI सिस्टम को बाहरी टूल्स और डेटा से कनेक्ट होने देता है। यह क्षमताएं अब Copilot Pro, Pro Plus, Business और Enterprise उपयोगकर्ताओं के लिए सार्वजनिक प्रीव्यू के बाद उपलब्ध हैं।

[ALLOY]: यह एक वास्तविक स्थिति परिवर्तन है, लेकिन घोषणा आश्चर्यजनक रूप से पतली है। सामान्य उपलब्धता कहती है कि GitHub इन फीचर्स को प्रीव्यू प्रयोग के बजाय समर्थित उपयोग के लिए तैयार मानती है। यह सटीक रूप से परिभाषित नहीं करती कि एक "एजेंट स्किल" में क्या होता है, बंडल स्किल्स की सूची नहीं देती, विशिष्ट MCP इंटीग्रेशन की पहचान नहीं करती, या प्रीव्यू से व्यवहारिक परिवर्तनों का वर्णन नहीं करती। निःशुल्क Copilot उपयोगकर्ता नामित स्तरों में शामिल नहीं हैं। तो ठोस कदम उपलब्धता और समर्थन स्थिति है, प्रीव्यू से नहीं।

NOVA: कोड रिव्यू को स्किल्स और MCP से जोड़ने से रिव्यूअर स्पेशलाइज़्ड इंस्ट्रक्शन्स या बाहरी कॉन्टेक्स्ट का उपयोग कर सकता है, लेकिन चेंजलॉग अकेले यह नहीं बताता कि यह किन सिस्टम्स तक पहुंच सकता है या वह कॉन्टेक्स्ट रिव्यू को कैसे बदलता है। ज्यादा डिटेल्ड GitHub डॉक्यूमेंटेशन में वे जवाब हैं। जो शिप हुआ वह एक general-availability लेबल के तहत दो extensibility surfaces के लिए पेड-टायर एक्सेस है। यह उन संगठनों के लिए मायने रखता है जो प्रोडक्शन में preview फीचर्स से बचते हैं, भले ही GitHub ने यहां improved review accuracy, बेहतर repository understanding, या किसी particular integration का दावा करने के लिए काफी डिटेल्स नहीं दी हैं।

[ALLOY]: यह शायद सबसे कम glamorous बदलाव है जिसका सबसे व्यापक प्रभाव है: MCP का 28 जुलाई का specification उसका transport stateless बनाता है। यह उन services के लिए क्या बदलता है जो इन सभी agent tools के पीछे हैं?

NOVA: Stateless का मतलब है कि server को requests के बीच एक session याद रखने की जरूरत नहीं होती; हर request अपने आप को handle करने के लिए जो चाहिए वह लेकर आती है। यह scaling को आसान बनाता है क्योंकि कोई भी उपयुक्त server instance अगला request प्राप्त कर सकता है, और यह किसी एक remembered connection के perfect तरीके से बने रहने पर निर्भरता को कम करता है। एक dropped session अब बाद के हर exchange को उसी तरह invalidate करने की जरूरत नहीं है। 30 जुलाई की publication एक formal deprecation policy भी पेश करती है, ताकि protocol features removal से पहले notice और documented transition period प्राप्त करें।

[ALLOY]: यह एक maturity marker है। एक बार जब code-review agents, personal assistants, और codebase-memory services एक ही protocol बोलने लगते हैं, surprise removals ecosystem-wide breakage बन जाते हैं। एक deprecation promise client और server authors को एक साथ move करने का समय देती है। इसका मतलब यह नहीं कि पुरानी features हमेशा रहेंगी, लेकिन इसका मतलब यह है कि maintainers उन्हें बिना warning के गायब नहीं करेंगे। और timing मायने रखती है: GitHub paying customers से MCP पर code review में निर्भर रहने के लिए कह रहा है जबकि protocol खुद operate करना आसान और evolve करना अधिक predictable हो गया है।

NOVA: Specification अपडेट ने Hacker News पर 127 points बनाए, transport semantics के लिए एक decent response। नहीं, statelessness अकेले हर integration को reliable नहीं बनाता। Tools में अभी भी अपनी authentication, data, या workflow state हो सकती है; transport simply stops requiring the server to preserve a protocol session between requests. यह connection complexity का एक source हटा देता है और change के लिए एक clearer contract स्थापित करता है। जैसे-जैसे MCP agents और repositories में फैलता है, boring operational guarantees दूसरे flashy demo से अधिक valuable हो जाते हैं। यह contract विशेष रूप से multiple instances में scaled services के लिए महत्वपूर्ण है, क्योंकि कोई एक process अगले request के लिए protocol session retain नहीं करना चाहिए।

NOVA: avatarin ने Yamada Denki, एक जापानी इलेक्ट्रॉनिक्स retailer, पर OpenAI के GPT-Realtime का उपयोग करके एक round-the-clock multilingual shopping assistant तैनात किया है। अपने पहले दो हफ्तों में, 30,000 लोगों ने agent का उपयोग किया, और survey responses का 92% positive था। वे आंकड़े deployment account से आए हैं, लेकिन retail voice-agent launch के लिए वे असामान्य रूप से concrete हैं। Customers अपनी भाषा में उत्पाद questions पूछ सकते हैं और वास्तविक समय में spoken responses प्राप्त कर सकते हैं।

[ALLOY]: चौदह दिनों में तीस हज़ार interactions कोई quiet back-office pilot नहीं है। GPT-Realtime speech-to-speech है: audio directly return audio करता है, visible text transcription को central conversational step के रूप में treat किए बिना। यह direct path older voice assistants को feel कराने वाले lag को reduce कर सकता है जो turn-taking machines की तरह हैं conversational machines की जगह। अधिक महत्वपूर्ण बात, public retail traffic accents, background noise, incomplete questions, interruptions, और zero patience वाले लोग लाती है। उस environment में meaningful volume पर survive होना controlled booth demonstration से अधिक बताता है।

NOVA: मापा गया outcome encouraging है, हालांकि "positive survey response" response accuracy, task completion, repeat usage, या कितने लोगों ने survey decline किया, यह नहीं बताता। हमारे पास language या product category के हिसा�े से breakdown भी नहीं है। फिर भी, यह एक promise से अधिक live use का evidence है। और यह robotics news को कम distant feel कराता है: intelligence स्टोर में नहीं आएगी सब humanoid machines के अंदर। Voice पहला practical interface हो सकता है क्योंकि यह existing retail space का उपयोग करता है और moving hardware की जरूरत नहीं है। Returns, complaints, recommendations, और upselling product खोजने से higher stakes रखते हैं; उन jobs में expansion deployment को considerably more consequential बना देगा। Multilingual format भी एक store में matter करता है: एक voice surface उन shoppers का जवाब दे सकता है जिन्हें otherwise अलग language-support paths चाहिए।

[ALLOY]: हमने पहले Gemini Robotics 2 को कवर किया था, लेकिन DeepMind का पूरा रिलीज़ इस काम को तीन मॉडल में बांटता है। वे काम को कैसे बांटते हैं?

NOVA: Gemini Robotics 2 विज़न-लैंग्वेज-एक्शन मॉडल है जो पूर्ण-बॉडी ह्यूमनॉइड कंट्रोल के लिए है; विज़न-लैंग्वेज-एक्शन का मतलब है कि यह विज़ुअल और लैंग्वेज इनपुट को फिज़िकल एक्शन में बदलता है। Gemini Robotics ER 2 एम्बॉडिड रीज़निंग और टास्क ऑर्केस्ट्रेशन संभालता है। तीसरा, ऑन-डिवाइस मॉडल घंटों में नए रोबोट बॉडीज़ के अनुकूल होने के लिए डिज़ाइन किया गया है। रिलीज़ एक चेकपॉइंट का वर्णन करता है जो Apptronik के Apollo 2 ह्यूमनॉइड और Franka Duo सेटअप दोनों को कंट्रोल करता है, जो विभिन्न एम्बॉडिमेंट में सीखी गई क्षमता साझा करने का ठोस सबूत है। केवल ER 2 सार्वजनिक रूप से उपलब्ध है।

[ALLOY]: वह आखिरी वाक्य एलान को ज़मीन पर रखता है। DeepMind ने थ्री-मॉडल स्टैक दिखाया है, लेकिन बाहरी डेवलपर्स को तीनों कंट्रोल लेयर नहीं मिलते। ER 2 का पब्लिक होना शोधकर्ताओं को रीज़निंग कंपोनेंट तक पहुंच देता है, जबकि पूर्ण-बॉडी और ऑन-डिवाइस मॉडल ब्रॉडली रिलीज़ की बजाय बस बताए गए हैं। यह सेटअप यह भी स्पष्ट करता है कि एक विशाल मॉडल सबकुछ क्यों नहीं कर रहा: ऑर्केस्ट्रेशन, पूर्ण-बॉडी एक्शन, और हार्डवेयर तक तेज़ अनुकूलन अलग-अलग काम रहते हैं भले ही वे सहयोग करते हों। क्रॉस-बॉडी रीयूज़ रोबोट लर्निंग के लिए एक्साइटिंग क्लेम है क्योंकि ऐतिहासिक रूप से यह एक मशीन के जॉइंट्स, कैमरों और कंट्रोल स्टैक से कड़े तरीके से जुड़ा रहा है।

NOVA: और हमें उस क्लेम को नामित सिस्टम से आगे नहीं बढ़ाना चाहिए। स्रोत Apollo 2, Franka Duo, पूर्ण-बॉडी कंट्रोल, एम्बॉडिड रीज़निंग, घंटों में अनुकूलन, डेक्सटेरिटी, और मल्टी-रोबोट कोलैबोरेशन का समर्थन करता है। यह मनमाने रोबोट्स के साथ कम्पैटिबिलिटी, अनरेस्ट्रिक्टेड डिप्लॉयमेंट, या जनरल परफॉर्मेंस सुपीरियॉरिटी का वादा नहीं करता। फिर भी, एक चेकपॉइंट जो एक ह्यूमनॉइड और ड्यूल-आर्म प्लेटफॉर्म को स्पैन करता है, फिज़िकल इंटेलिजेंस की ओर इशारा करता है जो एक बॉडी में कम फंसी हुई है। यह बाउंडेड एविडेंस है, यूनिवर्सल रोबोटिक्स नहीं—लेकिन दो बहुत अलग मशीनों पर बाउंडेड एविडेंस अभी भी एक मीनिंगफुल स्टेप है। रीज़निंग, एक्शन और एडाप्टेशन मॉडल को अलग करना बाउंड्री को विजिबल भी बनाता है: एक कंपोनेंट तक पब्लिक एक्सेस पूरे रोबोटिक्स स्टैक तक पब्लिक एक्सेस नहीं है।

NOVA: तीन रिपॉजिटरीज़ दिखाती हैं कि MCP काम करने वाले इन्फ्रास्ट्रक्चर में बदल रहा है। HKUDS का nanobot 46,460 स्टार्स और वर्शन 0.3 के साथ आगे है, जो 25 जुलाई को रिलीज़ हुआ। यह एक लाइटवेट, सेल्फ-होस्टेड Python एजेंट फ्रेमवर्क है जिसमें वेब इंटरफेस, मेमोरी, टूल्स, ऑटोमेशन, चैट इंटीग्रेशन, मल्टी-एजेंट वर्कफ्लोज़ और MCP है। DeusData का codebase-memory-mcp एक पूरक समस्या को हल करता है: पर्सिस्टेंट कोड अंडरस्टैंडिंग। यह 158 भाषाओं में एक नॉलेज ग्राफ बनाता है, एक स्टैटिक बाइनरी के रूप में शिप करता है, और एक औसत रिपॉजिटरी के लिए मिलीसेकंड इंडेक्सिंग, सब-मिलीसेकंड क्वेरीज़, और 99 प्रतिशत कम टोकन का दावा करता है। वे परफॉर्मेंस आंकड़े प्रोजेक्ट से आए हैं और अभी बाहरी कन्फर्मेशन की ज़रूरत है।

[ALLOY]: nanobot एजेंट शेल प्रदान करता है जबकि codebase-memory-mcp स्ट्रक्चर्ड रिपॉजिटरी मेमोरी प्रदान करता है। Prefect का FastMCP, 26,989 स्टार्स पर, MCP सर्वर और क्लाइंट के लिए Python कंस्ट्रक्शन लेयर देता है। FastMCP ने 27 जुलाई को वर्शन 3.4 शिप किया, जबकि codebase-memory जुलाई में पहले वर्शन 0.9 तक पहुंचा। साथ मिलकर, वे एक उपयोगी चेन कवर करते हैं: एक टूल सर्विस बनाएं, पर्सिस्टेंट कोड नॉलेज एक्सपोज़ करें, और इसे एक सेल्फ-होस्टेड एजेंट से कनेक्ट करें।

NOVA: और इसीलिए स्टेटलेस ट्रांसपोर्ट चेंज उतना महत्वपूर्ण है जितना पहले लगा। nanobot 46,000 से अधिक स्टार्स पर सबसे मज़बूत ट्रैक्शन रखता है, लेकिन इनमें से कोई भी प्रोजेक्ट अकेला नहीं रहता। एजेंट शेल, नॉलेज सर्विसेज़ और टूल सर्वर को एक शेयर्ड कनेक्शन कॉन्ट्रैक्ट चाहिए अगर डेवलपर्स उन्हें हर जोड़ी के लिए कस्टम एडाप्टर लिखे बिना कंबाइन करना चाहते हैं। स्टार काउंट्स अटेंशन दिखाते हैं, रिलायबिलिटी नहीं। रिलीज़ेस और जारी रिपॉजिटरी एक्टिविटी एक इकोसिस्टम दिखाते हैं जो इंटरऑपरेबल पार्ट्स के इर्दगिर्द असेंबल हो रहा है, एक मोनोलिथिक असिस्टेंट की बजाय।

NOVA: DeepSeek V4 Flash 0731 OpenRouter के ज़रिए नए तौर पर उपलब्ध है, जिसमें 1,048,576 टोकन का कॉन्टेक्स्ट विंडो है। यह एक स्पार्स मिक्सचर-ऑफ-एक्सपर्ट्स मॉडल है, यानी हर इनपुट नेटवर्क के सिर्फ एक हिस्से को एक्टिवेट करता है: कुल 284 बिलियन में से 13 बिलियन एक्टिव पैरामीटर। DeepSeek ने इस री-पोस्ट-ट्रेंड रिवीजन को कोडिंग, रीज़निंग और एजेंट वर्क के लिए पोज़ीशन किया है। मिलियन-टोकन कॉन्टेक्स्ट स्पेसिफिकेशन स्पष्ट है; क्वालिटी, स्पीड और कॉस्ट अभी भी वर्कलोड और इंडिपेंडेंट रिज़ल्ट पर निर्भर करते हैं। उस स्पार्स-सर्विंग प्रोपोज़िशन के लिए एक्टिव-टू-टोटल पैरामीटर स्प्लिट मुख्य है।

[ALLOY]: Moonshot का Kimi K3 लोकल स्पॉटलाइट और साथ ही हेडलाइन मॉडल है। इसका Hugging Face लिस्टिंग एक ऐसे मॉडल की पहचान करता है जो इमेज और टेक्स्ट स्वीकार करता है और टेक्स्ट रिटर्न करता है, जिसमें Transformers और compressed-tensor सपोर्ट है। 9,100 से ज़्यादा लाइक्स और लगभग 493,000 डाउनलोड्स असाधारण इंटरेस्ट दिखाते हैं, जबकि Unsloth का GGUF कन्वर्ज़न कॉमन रनटाइम के ज़रिए क्वांटाइज़्ड लोकल एक्ज़ीक्यूशन को ज़्यादा एक्सेसिबल बनाता है।

NOVA: आकर्षण प्राइवेट मल्टीमॉडल वर्क में है: इमेज, स्क्रीनशॉट, स्कैन और टेक्स्ट कंट्रोल्ड हार्डवेयर पर रह सकते हैं। लेकिन लिस्टिंग के custom-code टैग और "other" लाइसेंस को डाउनलोड काउंट के साथ बराबर जगह मिलनी चाहिए। हार्डवेयर ज़रूरतें, यूज़ेबल कॉन्टेक्स्ट, एक्ज़ैक्ट वेट फॉर्मेट, बेंचमार्क कंडीशंस और कमर्शियल परमीशंस मॉडल कार्ड से आती हैं—पॉपुलैरिटी से नहीं। Kimi K3 एक बड़ा लोकल-AI रिलीज़ है, यह वादा नहीं कि हर कंज्यूमर मशीन इसे आराम से चला सकती है। इससे डिप्लॉयमेंट हार्डवेयर और लाइसेंसिंग का निर्णय बन जाता है, पॉपुलैरिटी कॉन्टेस्ट नहीं।

NOVA: Visual Studio में GitHub Copilot — जुलाई अपडेट में Copilot सॉफ्टवेयर-डेवलपमेंट किट पर बना एक नया एजेंट जुड़ा है, जिसमें .NET और Azure एक्सपर्टीज़ और ज़्यादा कस्टमाइज़ेशन है। EU ने यूरोप की कंप्यूटिंग क्षमता बढ़ाने और 30 बिलियन यूरो से ज़्यादा निवेश अनलॉक करने के लिए AI Gigafactories कॉल लॉन्च किया है। एक एडिटर के अंदर स्पेशलाइज़्ड हेल्प है; दूसरा यूरोपीय AI के नीचे इंफ्रास्ट्रक्चर का विस्तार करता है।

[ALLOY]: Univé OpenAI के तीसरे आइटम में AI-रेडी वर्कफोर्स बनाता है। इंश्योरेंस कंपनी ने ChatGPT Enterprise, लीडरशिप सपोर्ट, रिस्पॉन्सिबल गवर्नेंस और एम्प्लॉई-लेड एक्सपेरिमेंटेशन को जोड़ा। यह वेंडर-ऑथर्ड केस स्टडी है, व्यापक प्रोडक्टिविटी गेन का इंडिपेंडेंट प्रूफ नहीं। साथ मिलकर, तीनों आइटम स्पेशलाइज़्ड सॉफ्टवेयर, फिजिकल कंप्यूट और ऑर्गनाइज़ेशनल एडॉप्शन को जोड़ते हैं बिना यह झूठ बोले कि वे एक ही तरह के सबूत हैं।

NOVA: प्राइमरी-सोर्स डीटेल्स, मॉडल कार्ड, प्रोजेक्ट रिपॉज़िटरी और यहाँ कवर किया गया रिसर्च के लिए, Toby On Fitness Tech dot com पर शो नोट्स देखें। वे लिंक एक जगह इकट्ठी हैं ताकि आप हर दावे के पीछे का सबूत देख सकें और प्रोजेक्ट्स को सीधे फॉलो कर सकें।

[ALLOY]: AgentStack Daily सुनने के लिए धन्यवाद।

NOVA: हम जल्दी वापस आएंगे।