[NOVA]: मार्केट्स को कॉन्टेक्स्ट चाहिए। एंटरप्राइज़ को कंट्रोल चाहिए। कंज्यूमर्स से बार-बार उन डेटा के लिए कहा जा रहा है जो सिस्टम्स इसके लायक नहीं हैं। और इस सबके बीच में, AI प्रोडक्ट्स चुपचाप इससे फिर से परिभाषित हो रहे हैं कि वे क्या याद रखते हैं, उन्हें क्या छूने की इजाजत है, और वे अंतर्निहित इन्फ्रास्ट्रक्चर से कितना भरोसा उधार ले सकते हैं।

[NOVA]: मैं NOVA हूं।

[ALLOY]: मैं ALLOY हूं।

[NOVA]: और यह OpenClaw Daily है, जहां हम हेडलाइन्स के पीछे के सिस्टम्स को मैप करते हैं। आज हम पांच कहानियां देख रहे हैं जो एक ही थीम के इर्दगिर्द जुड़ती हैं: सिस्टम्स ज़्यादा काबिल हो रहे हैं, लेकिन असली सवाल यह है कि उस काबिलियत के साथ कितना कॉन्टेक्स्ट, कंट्रोल, ट्रस्ट और रिस्क आता है। हमारे पास एक रिलीज़ है जो बदलती है कि OpenClaw कैसे याद करता है, एक सप्लाई-चेन वार्निंग जो सॉफ्टवेयर ट्रस्ट को सीधे तौर पर प्रभावित करती है, एक एंटरप्राइज एजेंट प्रोडक्ट जो गवर्नेंस कंसोल बन रहा है, रोबोटिक्स इंटेलिजेंस पर एक राष्ट्रीय दांव, और एक कंज्यूमर हेल्थ बॉट जो उससे कहीं ज़्यादा डेटा मांग रहा है जिसके वह हकदार है।

[ALLOY]: और दिलचस्प बात यह है कि इनमें से कोई भी कहानी असल में सिर्फ रॉ मॉडल क्वालिटी के बारे में नहीं है। ये सब उस चीज़ के बारे में हैं जो मॉडल के चारों तरफ होती है। मेमोरी टाइमिंग। सॉफ्टवेयर प्रोवेनेंस। एडमिन कंट्रोल। इंडस्ट्रियल ओनरशिप। डेटा एपेटाइट। यही कनेक्टिव टिशू है जो तय करती है कि ये सिस्टम्स उपयोगी हैं, गवर्नेबल हैं, या खतरनाक हैं।

[NOVA]: ...

[NOVA]: OpenClaw v2026.4.12 उन रिलीज़ में से एक है जो फ्लैशी डेमो देखकर आपको इंक्रीमेंटल लग सकती है। लेकिन यह इसलिए मायने रखती है क्योंकि यह डेमो के नीचे की लेयर को बेहतर बनाती है। यह एक मेमोरी, रनटाइम और रिलायबिलिटी रिलीज़ है। और ऐसी ही रिलीज़ तय करती हैं कि कोई AI सिस्टम रोज़मर्रा के काम का हिस्सा बनता है या एक चतुर खिलौना बना रहता है।

[ALLOY]: हेडलाइन फीचर है ऑप्शनल Active Memory प्लगइन। OpenClaw अब मुख्य रिप्लाई से ठीक पहले एक डेडिकेटेड मेमोरी सब-एजेंट चला सकता है, ताकि रिलेवेंट पास्ट कॉन्टेक्स्ट प्रोएक्टिवली आगे खींचा जा सके — बिना ऑपरेटर को मैन्युअली मेमोरी सर्च ट्रिगर करने का इंतज़ार किए। यह सबटल लगता है, लेकिन यह इंटरैक्शन मॉडल को गहरे तरीके से बदलता है। अच्छी मेमोरी अक्सर ज़्यादा स्टोर करने से कम और सही समय पर सही चीज़ रिट्रीव करने से ज़्यादा जुड़ी होती है।

[NOVA]: बिल्कुल। बहुत सारे असिस्टेंट्स के तकनीकी रूप से मेमोरी फीचर्स हैं, लेकिन वे यूज़र पर निर्भर करते हैं कि वह याद रखे कि सिस्टम को याद हो सकता है। यह पहले से ही एक फेलियर मोड है। अगर ऑपरेटर को रुककर सोचना पड़े, इंतज़ार करना पड़े — क्या मुझे यह पूछने से पहले मैन्युअली मेमोरी सर्च करनी चाहिए — तो रिकॉल लेयर असल में प्रोडक्ट में इंटीग्रेटेड नहीं है। OpenClaw उस रिकॉल स्टेप को चेन में पहले ले जा रहा है, जवाब कंपोज़ होने से पहले। यह प्रोडक्ट डिज़ाइन है, सिर्फ इन्फ्रास्ट्रक्चर नहीं।

[ALLOY]: और यह एजेंट क्वालिटी के बड़े व्यू की ओर इशारा करता है। अगला फ्रंटियर सिर्फ बड़े मॉडल या सस्ता इन्फरेंस नहीं है। यह कॉन्टेक्स्ट के चारों तरह बेहतर टाइमिंग है। जवाब जनरेट होने से पहले सही प्रेफरेंस, प्रोजेक्ट नोट या पास्ट डिसीज़न खींचना कोर मॉडल से थोड़ा और बेंचमार्क परफॉर्मेंस निचोड़ने से ज़्यादा मायने रख सकता है। मेमोरी क्वालिटी तेज़ी से एक राउटिंग प्रॉब्लम बनती जा रही है।

[NOVA]: इसका एक साइकोलॉजिकल डायमेंशन भी है। जब कोई सिस्टम बिना स्पष्ट रूप से पूछे सही पिछला कॉन्टेक्स्ट रिट्रीव करता है, तो यह सर्च एप्लायंस की तुलना में ज़्यादा सहयोगी जैसा लगता है। प्रोडक्ट यूज़र को मैन्युअली कंटिन्यूटी बनाए रखने के लिए मजबूर नहीं करता। यह इंटरैक्शन के मैकेनिक्स की तरह ही इसकी इमोशनल टेक्सचर को भी बदलता है।

[ALLOY]: और यह इसलिए मायने रखता है क्योंकि AI मेमोरी के साथ ज़्यादातर फ्रस्ट्रेशन असल में इंटरप्शन के प्रति फ्रस्ट्रेशन है। यूज़र्स बार-बार दोबारा बताना नहीं चाहते कि वे कौन हैं, उन्हें क्या मायने रखता है, पिछले हफ्ते क्या तय हुआ, या कोई डिटेल क्यों मायने रखती है। अगर असिस्टेंट उन्हें फ्रेम बनाने के लिए मजबूर करता रहता है, तो हर सेशन डे वन जैसा लगता है। Active memory उस बोझ को कम करने की कोशिश करता है।

[NOVA]: दूसरा बड़ा एडिशन है macOS पर Talk Mode के लिए एक एक्सपेरिमेंटल लोकल MLX स्पीच प्रोवाइडर। यह इसलिए मायने रखता है क्योंकि यह लोकल-फर्स्ट ट्रेंड को टेक्स्ट से आगे बढ़ाता है। वॉइस स्टैक का ज़्यादा हिस्सा ऑन-डिवाइस चल सकता है — एक्सप्लिसिट प्रोवाइडर सेलेक्शन, इंटरप्शन हैंडलिंग, लोकल प्लेबैक और फ़ॉलबैक बिहेवियर के साथ। कुछ समय से लोकल AI का मतलब ज़्यादातर टेक्स्ट जेनरेशन, एम्बेडिंग्स या छोटी इमेज पाइपलाइन था। अब स्पीच लेयर उसी रास्ते पर चल रही है।

[ALLOY]: और लोकल स्पीच स्पीड से परे कारणों से मायने रखती है। यह प्राइवेसी, रिलायबिलिटी और ऑपरेटर कंट्रोल को प्रभावित करती है। अगर आप ज़्यादा वॉइस इंटरैक्शन लोकल तरीके से कर सकते हैं, तो क्लाउड राउंड ट्रिप्स पर कुछ डिपेंडेंसी कम होती है और आपको एक ज़्यादा इंस्पेक्टेबल स्टैक मिलता है। यह अपने आप में सब कुछ हल नहीं करता, लेकिन यह डिज़ाइन सेंटर को वॉइस को परमानेंटली रिमोट सर्विस मानने से हटाकर दूसरी जगह ले जाता है।

[NOVA]: लोकल वॉइस उन तरह के एनवायरनमेंट्स को भी बदलता है जो वiable लगते हैं। अगर आपका स्पीच सिस्टम ऑन-डिवाइस ज़्यादा स्मूदली काम कर सकता है, तो आप ज़्यादा प्राइवेट नोट-टेकिंग, अस्थिर नेटवर्क कंडीशन में ज़्यादा लाइव इंटरैक्शन, और ज़्यादा ऐसे एक्सपेरिमेंट्स की कल्पना कर सकते हैं जो हर टर्न पर रिमोट प्रोवाइडर से इजाज़त नहीं मांगते।

[ALLOY]: यहीं बड़ा पैटर्न दिखता है। लोकल AI को पहले ज़्यादातर एक आइडियोलॉजिकल चॉइस या हैकर लक्सरी के तौर पर देखा जाता था। अब यह तेज़ी से प्रैक्टिकल प्रोडक्ट आर्किटेक्चर बनता जा रहा है। इसलिए नहीं कि हर वर्कलोड को लोकल होना चाहिए, बल्कि इसलिए कि जो सिस्टम्स लोकल और रिमोट के बीच फ्लेक्स कर सकते हैं, उनमें ज़्यादा रेज़िलिएंस और ज़्यादा डिज़ाइन फ्रीडम होती है।

[NOVA]: इस रिलीज़ में मॉडल और प्रोवाइडर चॉइस भी ब्रॉडन हो गई है। OpenClaw अब एक Codex प्रोवाइडर और एक LM Studio प्रोवाइडर दोनों बंडल करता है। इसका मतलब है कि Codex-मैनेज्ड मॉडल अपना नेटिव ऑथ, थ्रेड और डिस्कवरी पाथ इस्तेमाल कर सकते हैं, जबकि OpenAI-कम्पैटिबल लोकल या सेल्फ-होस्टेड मॉडल रनटाइम मॉडल डिस्कवरी के साथ LM Studio के ज़रिए ऑनबोर्ड करना आसान हो गया है। प्रैक्टिकल तौर पर, सिस्टम किसी एक वेंडर की वर्ल्डव्यू पर कम निर्भर हो गया है।

[ALLOY]: जो कि इसलिए ज़रूरी है क्योंकि प्रोवाइडर डाइवर्सिटी सिर्फ एक फीचर चेकलिस्ट आइटम नहीं है। यह लीवरेज है। एक रनटाइम जो होस्टेड और लोकल प्रोवाइडर्स, ऑफिशियल और कम्पैटिबल APIs के बीच मूव कर सकता है, उसे कॉस्ट, लेटेंसी, प्राइवेसी या रिलायबिलिटी के आधार पर वर्क राउट करने में ज़्यादा फ्रीडम है। प्रोवाइडर सरफेस जितना ब्रॉड होगा, किसी भी एक कंपनी के लिए अपने प्रोडक्ट शेल को काबिल मॉडल तक पहुंचने का एकमात्र आरामदायक तरीका बनाना उतना ही मुश्किल होगा।

[NOVA]: और wider प्रोवाइडर सरफेस यूज़र ट्रस्ट में कुछ सबटल करता है। यह ऑपरेटर को आश्वस्त करता है कि जो वर्कफ्लो वह बना रहा है वह पोर्टेबल है। अगर एक वेंडर प्राइसिंग, पॉलिसी, लेटेंसी या प्रायोरिटीज़ बदलता है, तो रनटाइम में अभी भी एडैप्ट करने की गुंजाइश है। पोर्टेबिलिटी सिर्फ इंजीनियरिंग सुविधा नहीं है। यह स्ट्रैटेजिक इंश्योरेंस है।

[ALLOY]: यह मेमोरी से भी जुड़ता है। जितना ज़्यादा कंटिन्यूटी और टूलिंग रनटाइम लेयर पर रहे — किसी एक वेंडर के शेल के अंदर नहीं — उतना ज़्यादा ड्यूरेबल यूज़र का वर्किंग एनवायरनमेंट बनता है। OpenClaw प्रभावी रूप से कह रहा है कि असली चीज़ सिर्फ मॉडल तक एक्सेस नहीं है, बल्कि उस लेयर पर कंट्रोल है जो याद करती है, राउट करती है और वर्क पेश करती है।

[NOVA]: और फिर इस रिलीज़ का सिक्योरिटी और हाइजीन साइड भी है। अब प्लगइन लोडिंग मैनिफेस्ट-डिक्लेर्ड ज़रूरतों तक सीमित कर दी गई है ताकि CLI, प्रोवाइडर्स और चैनल्स डिफ़ॉल्ट रूप से अनरीलेटेड प्लगइन रनटाइम को एक्टिवेट न करें। यह बोरिंग लग सकता है, लेकिन यह बिल्कुल वही तरह का आर्किटेक्चरल टाइटनिंग है जो बहुत सारे इंटीग्रेशन्स वाले सिस्टम में मायने रखता है। अगर अनरीलेटेड कोड डिफ़ॉल्ट रूप से लोड हो, तो आप एक साथ कॉम्प्लेक्सिटी, सरप्राइज और अटैक सरफेस बढ़ा देते हैं।

[ALLOY]: यह एक क्लासिक मैच्योरिटी मूव है। शुरुआती इकोसिस्टम अक्सर सुविधा के लिए ब्रॉडली लोड करते हैं। बाद में उन्हें एहसास होता है कि सुविधा इन्विजिबल डेट बन जाती है। हर अननिसरी वर्कफ्लो पैथ स्टार्टअप फ्रिक्शन, अनपेक्षित इंटरैक्शन्स, साइड इफेक्ट्स और डिबगिंग पेन के लिए एक और जगह है जहां से समस्याएं पैदा हो सकती हैं। मैनिफेस्ट-बेस्ड नैरोइंग इस तरह इकोसिस्टम को उत्साही स्प्रॉल से एक ज़्यादा डिसिप्लिन्ड प्लैटफॉर्म में बदलती है।

[NOVA]: फिक्स लिस्ट उसी कहानी को मज़बूत करती है। शेल-रैपर हार्डनिंग, अप्रूवल-फ्लो फिक्सेस, स्टार्टअप सीक्वेंसिंग क्लीनअप, और ड्रीमिंग और मेमोरी रिलायबिलिटी में कई सुधार — ये सब एक ही दिशा में इशारा करते हैं। यह रिलीज़ सिस्टम को ज़्यादा सटीकता से याद करने और कम लापरवाही से लोड करने के बारे में है। और यह जोड़ी मायने रखती है। बिना रनटाइम डिसिप्लिन के बेहतर मेमोरी कैओस बन सकती है। बिना बेहतर मेमोरी के बेहतर डिसिप्लिन स्टराइल लग सकता है। OpenClaw दोनों लेयर्स को एक साथ बेहतर बनाने की कोशिश कर रहा है।

[ALLOY]: उस डिसिप्लिन में यूज़र-एक्सपीरियंस पेऑफ भी है। जब एजेंट्स अनप्रेडिक्टेबल बनते हैं, लोग आमतौर पर रूट कॉज़ को तकनीकी शब्दों में नहीं बताते। वे बस कहते हैं कि सिस्टम बदत्ता लगता है। यह फ्लैकी लगता है। ऐसा लगता है कि बहुत सारी चीज़ें हो रही हैं। क्लीनर प्लगइन एक्टिवेशन और ज़्यादा रिलायबल मेमोरी उस बदत्ता को कम करती है। नतीजा कम एम्बिएंट फ्रिक्शन है।

[NOVA]: और एम्बिएंट फ्रिक्शन ही तय करती है कि कोई टूल रियल रूटीन यूज़ में आता है या नहीं। बेंचमार्क चार्ट से नहीं। लॉन्च वीडियो से नहीं। उन छोटे पलों से जहां सिस्टम या तो जो मायने रखता है उसे याद करता है, सही से शुरू होता है, सही से राउट करता है, और खुद अपने रास्ते से हट जाता है — या नहीं हटता।

[ALLOY]: तो स्टोरी वन सिर्फ यह नहीं है कि OpenClaw ने एक और रिलीज़ शिप की। यह है कि प्रोडक्ट कंटिन्यूटी के बारे में ज़्यादा गंभीर हो रहा है। रिप्लाई से पहले मेमोरी, लोकल स्पीच ऑप्शन्स, wider प्रोवाइडर सरफेस, और टाइटर प्लगइन एक्टिवेशन — ये सब रनटाइम को एक्स्ट्रा वाले प्रॉम्प्ट बॉक्स की तुलना में ज़्यादा ऑपरेटिंग एनवायरनमेंट जैसा बनाते हैं।

[NOVA]: और यह उससे बड़ा स्ट्रैटेजिक पॉइंट है जो लगता है। जैसे-जैसे असिस्टेंट मार्केट ज़्यादा क्राउडेड होता जा रहा है, डिफरेंटिएटर शायद तेज़ी से मॉडल के चारों तरह ऑर्केस्ट्रेशन लेयर होगा — सिस्टम क्या याद कर सकता है, वर्क को कितनी फ्लेक्सिबलली राउट कर सकता है, कैपेबिलिटी को कितनी सुरक्षित रूप से लोड कर सकता है, और उसमें से कितना कंट्रोल यूज़र के पास असल में है।

[NOVA]: ...

[ALLOY]: स्टोरी टू है OpenAI का Axios डेवलपर-टूल कम्प्रोमाइज़ पर रेस्पॉन्स, और यहां मुख्य मुद्दा है ट्रस्ट-चेन इंटीग्रिटी। OpenAI के मुताबिक, एक मैलिशियस Axios पैकेज ने 31 मार्च को macOS ऐप-साइनिंग प्रोसेस में इस्तेमाल होने वाले GitHub Actions वर्कफ्लो को छुआ। उस वर्कफ्लो के पास ChatGPT Desktop, Codex, Codex CLI और macOS पर Atlas के लिए इस्तेमाल होने वाली साइनिंग और नोटराइज़ेशन मैटेरियल तक एक्सेस था।

[NOVA]: OpenAI कहता है कि उसने यूज़र-डेटा एक्सपोज़र का कोई सबूत नहीं मिला, उसका सॉफ्टवेयर बदला गया इसका कोई सबूत नहीं मिला, और न ही साइनिंग सर्टिफिकेट का असल में गलत इस्तेमाल किया गया इसका कोई सबूत मिला। लेकिन वह फिर भी सर्टिफिकेट रीवोक और रोटेट कर रहा है, नए बिल्ड्स शिप कर रहा है, और पुराने बाइनरीज़ के लिए सपोर्ट डेडलाइन सेट करके यूज़र्स को अपडेटेड वर्ज़न पर जाने के लिए मजबूर कर रहा है। दूसरे शब्दों में, OpenAI ट्रस्ट चेन को कम्प्रोमाइज़्ड मान रहा है — बिना डाउनस्ट्रीम मिसयूज़ के सबूत के भी इसे फिर से बनाने के लिए तैयार है।

[ALLOY]: यह इसलिए मायने रखता है क्योंकि यह दिखाता है कि AI कंपनियां कैसे बदली हैं। वे अब सिर्फ APIs वाली लैब्स नहीं हैं। वे सॉफ्टवेयर डिस्ट्रिब्यूटर्स, डेस्कटॉप ऐप वेंडर्स, डेवलपर टूलिंग प्रोवाइडर्स और ट्रस्ट एंकर हैं। तो किसी साधारण सी डिपेंडेंसी में सप्लाई-चेन इश्यू अब सिर्फ एक इंटरनल इंजीनियरिंग अनायास नहीं है। यह तुरंत कंज्यूमर ट्रस्ट की कहानी बन जाती है।

[NOVA]: यहां 2026 में फ्रंटियर-AI रिस्क के तौर पर क्या गिना जाता है इस बारे में एक बड़ा पाठ भी है। यह सिर्फ मॉडल बिहेवियर नहीं है। यह बिल्ड पाइपलाइन्स, साइनिंग सिस्टम्स, सॉफ्टवेयर प्रोवेनेंस है, और यह कि यूज़र्स भरोसा कर सकते हैं कि उनकी मशीन पर जो बाइनरी है वह असल में वही है जो कंपनी शिप करना चाहती थी। इंटीग्रिटी प्रॉब्लम चौड़ी हो गई है।

[ALLOY]: OpenAI का रूट कॉज़ेस का अपना वर्णन इंटरेस्टिंग है: GitHub Actions में एक फ्लोटिंग टैग और पैकेजेस के लिए एक मिसिंग minimumReleaseAge सेफगार्ड। यह कोई विदेशी फेलियर नहीं है। यह साधारण बिल्ड हाइजीन है। और यही कारण है कि कहानी मायने रखती है। साधारण बिल्ड हाइजीन अब AI सेफ्टी और ट्रस्ट का हिस्सा है।

[NOVA]: असममिति के कंसीक्वेंसिज़ पर भी ध्यान दें। भले ही सर्टिफिकेट का कभी गलत इस्तेमाल नहीं हुआ, कंपनी को फिर भी रीवोक, रोटेट, री-साइन, रीडिस्ट्रिब्यूट और टाइम प्रेशर में कम्युनिकेट करना होगा। जब साइनिंग इन्फ्रास्ट्रक्चर शामिल हो तो अनसर्टेंटी की कॉस्ट बहुत ज़्यादा होती है। सप्लाई-चेन कम्प्रोमाइज़ का असली टैक्स यही है।

[ALLOY]: और यहीं AI डिस्कर्स अक्सर विकृत हो जाती है। हम मॉडल के हॉलुसिनेट, मिसगाइड या कन्वर्सेशन में खतरनाक तरीके से व्यवहार करने पर अपार ध्यान देते हैं। ये असली मुद्दे हैं। लेकिन लाखों यूज़र्स इन सिस्टम्स से डेस्कटॉप क्लाइंट्स और डेवलपर टूल्स के ज़रिए इंटरैक्ट कर सकते हैं जिनकी ट्रस्टवर्थिनेस साधारण सॉफ्टवेयर सप्लाई चेन पर निर्भर करती है। अगर वह लेयर प्रदूषित हो तो AI कंपनी का पूरा पब्लिक वादा उन ऑपरेशनल प्रैक्टिसेस पर टिका है जिन्हें ज़्यादातर यूज़र्स कभी नहीं देखते।

[NOVA]: यह फ्रंटियर लैब्स के लिए सॉफ्टवेयर एश्योरेंस का मतलब भी बदलता है। उन्हें बड़े अटैक सरफेस वाले प्लैटफॉर्म ऑपरेटर्स की तरह सोचना होगा — सिर्फ मॉडल रिसर्चर्स की तरह नहीं। पैकेज प्रोवेनेंस, CI पिनिंग, नोटराइज़ेशन वर्कफ्लोज़, बिल्ड आइसोलेशन, की मैनेजमेंट, रिलीज़ टाइमिंग और यूज़र अपडेट एन्फोर्समेंट — ये सब अब प्रोडक्ट का हिस्सा हैं।

[ALLOY]: और रेपुटेशनल लॉजिक ब्रूटल है। अगर कोई कंपनी साइनिंग मैटेरियल रोटेट करने में बहुत देर करती है, तो वह беспечный लगती है। अगर वह एग्रेसिवली रोटेट करती है, तो उसे मिसयूज़ के सबूत के बिना भी कॉस्ट, चर्न और सपोर्ट बर्डन स्वीकार करना होगा। सबसे सुरक्षित रेस्पॉन्स फिर भी महंगा और परेशान करने वाला हो सकता है।

[NOVA]: OpenAI के रेस्पॉन्स में एक और सबटल पॉइंट है। फ्लोटिंग टैग और मिसिंग पैकेज-एज सेफगार्ड का नाम लेकर, कंपनी प्रभावी रूप से स्वीकार कर रही है कि साधारण इंजीनियरिंग डिसिप्लिन एक क्रिटिकल जंक्चर पर फेल हो गई। यह उपयोगी ट्रांसपैरेंसी है, लेकिन यह याद दिलाने वाला भी है कि AI की ग्लैमरस लेयर काफी अनग्लैमरस ऑपरेशनल डिपेंडेंसीज़ की चेन के ऊपर बैठती है।

[ALLOY]: और वे डिपेंडेंसीज़ सोशल भी हैं, तकनीकी भी। जब यूज़र्स ChatGPT डेस्कटॉप क्लाइंट इंस्टॉल करते हैं, वे सिर्फ मॉडल क्वालिटी का आकलन नहीं कर रहे। वे पूरी रिलीज़ प्रोसेस पर भरोसा बढ़ा रहे हैं। वे मान लेते हैं कि वेंडर बिल्ड पाथ की सुरक्षा कर सकता है, साइनिंग कीज़ की सुरक्षा कर सकता है, और जब कुछ गलत हो तो स्पष्ट रूप से संवाद कर सकता है। यह वेबसाइट शिप करने से कहीं ज़्यादा भारी बोझ है।

[NOVA]: तो स्टोरी टू एक रिमाइंडर है कि AI रिस्क बोरिंग लेयर्स में भी बैठती है। पब्लिक मॉडल आउटपुट पर फोकस करना पसंद करती है। लेकिन अगर डेस्कटॉप क्लाइंट जो लाखों यूज़र्स तक पहुंचता है प्रदूषित बिल्ड पाथ पर निर्भर करता है, तो यह AI स्टोरी उससे कम नहीं है जो कुछ मॉडल कहता है।

[ALLOY]: और शायद पहले से ज़्यादा, सवाल सिर्फ यह नहीं है कि क्या मॉडल मुझे मदद कर सकता है। सवाल यह है कि क्या कंपनी साबित कर सकती है कि मॉडल के चारों तरह सॉफ्टवेयर रैपर मेरी मशीन पर बैठने योग्य है।

[NOVA]: बाकी इंडस्ट्री के लिए भी एक पाठ है। जैसे-जैसे फ्रंटियर लैब्स ज़्यादा नेटिव डेस्कटॉप टूल्स, कोडिंग प्रोडक्ट्स और वर्कफ्लो क्लाइंट्स शिप करते हैं, वे सॉफ्टवेयर वेंडर्स की पूरी ज़िम्मेदारियां इनहेरिट करते हैं। इसका मतलब है कि अपडेट चैनल्स, साइनिंग डिसिप्लिन, रिलीज़ इंजीनियरिंग रिगर और इंसिडेंट कम्युनिकेशन सब ब्रांड का केंद्रीय हिस्सा बन जाते हैं। मॉडल जितना स्मार्ट होता है, उतना ही कम फॉर्मगiving यूज़र्स उसके चारों तरह के साधारण सॉफ्टवेयर स्टैक के बारे में हो सकते हैं।

[ALLOY]: जिसका मतलब है कि AI प्रतिस्पर्धा का अगला चरण आंशिक रूप से ऑपरेशन प्रतिस्पर्धा है। सिर्फ यह नहीं कि कौन सबसे प्रभावशाली सिस्टम ट्रेन कर सकता है, बल्कि कौन सबसे साफ रिलीज़ प्रोसेस चला सकता है, डिपेंडेंसी शॉक्स से सबसे तेज़ी से रिकवर हो सकता है, और जब बोरिंग लेयर्स फेल हों तो ट्रस्ट बनाए रख सकता है। यह AI लीडरशिप से अलग नहीं है। यह इसका हिस्सा है।

[NOVA]: ...

[NOVA]: स्टोरी थ्री है Anthropic का Claude Cowork को एंटरप्राइज़-रेडी बनाने का मूव, और दिलचस्प हिस्सा यह नहीं है कि Cowork अब सभी पेड प्लान्स पर जनरलली अवेलेबल है। असली कहानी इसके चारों तरह का गवर्नेंस पैकेज है।

[ALLOY]: सही। Anthropic ने रोल-बेस्ड एक्सेस कंट्रोल्स, ग्रुप स्पेंड लिमिट्स, यूसेज एनालिटिक्स, OpenTelemetry इवेंट्स, पर-कनेक्टर एक्शन कंट्रोल्स, और एक Zoom कनेक्टर जोड़ा जो मीटिंग समरीज़, ट्रांसक्रिप्ट्स और एक्शन आइटम्स को वर्कफ्लो में ला सकता है। अगर उस लिस्ट को ध्यान से पढ़ें, तो आप देख सकते हैं कि प्रोडक्ट एजेंट डेमो से डेप्लॉयमेंट सरफेस में शिफ्ट हो रहा है।

[NOVA]: यही एंटरप्राइज़ AI है जब नॉवेल्टी फेज़ हटता है। सवाल यह नहीं रहता कि क्या एजेंट दिलचस्प चीज़ें कर सकता है, बल्कि यह हो जाता है कि क्या कोई कंपनी इसे फाइनेंस, ऑप्स, लीगल, मार्केटिंग और प्रोडक्ट में रोल आउट कर सकती है बिना कॉस्ट विजिबिलिटी, पॉलिसी कंट्रोल या ऑडिटेबिलिटी खोए। उस बिंदु पर एडमिन कंसोल उतना ही स्ट्रैटेजिक है जितना मॉडल itself।

[ALLOY]: Anthropic कहता है कि Cowork का ज़्यादातर यूसेज पहले से ही इंजीनियरिंग के बाहर से आ रहा है, और यह मायने रखता है। इसका मतलब है कि बैटलग

[ALLOY]: कहानी चार हमें सॉफ्टवेयर एजेंटों से मूर्त प्रणालियों की ओर ले जाती है। रिपोर्ट्स के मुताबिक, SoftBank एक नई कंपनी बना रहा है जो "फिजिकल AI" बनाएगी, जिसका लक्ष्य 2030 तक मशीनों और रोबोट्स को स्वायत्त रूप से नियंत्रित करने वाला मॉडल विकसित करना है। रिपोर्ट में Sony, Honda और Nippon Steel का समर्थन है।

[NOVA]: यह एक मजबूत संकेत है क्योंकि इससे कुछ बड़े खिलाड़ी यह मानते हैं कि अगली फाउंडेशनल प्रतियोगिता सिर्फ चैट, को-पायलट्स या सर्च जवाबों के बारे में नहीं है। यह इस बारे में है कि रोबोटिक्स, इंडस्ट्रियल कंट्रोल और वास्तविक दुनिया में मशीन बिहेवियर के लिए मॉडल लेयर पर किसका स्वामित्व है।

[ALLOY]: वहां इकोनॉमिक्स भी अलग है। कंज्यूमर चैट भरा हुआ है। एंटरप्राइज़ को-पायलट्स भरा हुआ है। रोबोटिक्स और इंडस्ट्रियल कंट्रोल कठिन है, क्योंकि चुनौती सिर्फ मॉडल क्वालिटी नहीं है। यह डेटा पाइपलाइन, हार्डवेयर पार्टनरशिप, सेफ्टी सिस्टम, कंट्रोल लूप और अस्तव्यस्त वास्तविक वातावरण में डोमेन-स्पेसिफिक डिप्लॉयमेंट है।

[NOVA]: और इसका एक संप्रभु आयाम है। जो जापान चाहता है वह सिर्फ क्लाउड कॉन्ट्रैक्ट्स के माध्यम से विदेशी फ्रंटियर मॉडल्स तक पहुंच नहीं है। वह उस इंटेलिजेंस लेयर में घरेलू हिस्सेदारी चाहता है जो अंततः फैक्ट्रियों, लॉजिस्टिक्स सिस्टम्स और रोबोट्स को चलाने में मदद कर सकती है। यह संप्रभु AI का एक अधिक शाब्दिक रूप है: सिर्फ लोकल डेटासेंटर्स नहीं, बल्कि मशीन बिहेवियर पर स्थानीय प्रभाव।

[ALLOY]: SoftBank ने पहले रोबोटिक्स, इन्फ्रास्ट्रक्चर और AI इन्वेस्टमेंट्स के जरिए इस तरह का दांव लगाया है, लेकिन यह फ्रेमिंग में साफ है। अगर सॉफ्टवेयर AI रेस यह थी कि ब्राउज़र-एडजेसेंट असिस्टेंट या कोड को-पायलट का मालिक कौन है, तो अगली रेस यह हो सकती है कि मूर्त प्रणालियों के डिफ़ॉल्ट ब्रेन को ट्रेन करने वाला कौन है।

[NOVA]: और वह रेस शायद कंज्यूमर मॉडल रेस से अलग दिखेगी। डेटा एक्विजिशन कठिन है। सेफ्टी वैलिडेशन कठिन है। डिप्लॉयमेंट साइकिल लंबी हैं। इंडस्ट्रियल ट्रस्ट जीतना धीमा है। लेकिन एक बार जब आप इसे जीत लेते हैं, तो रिलेशनशिप एक कैजुअल चैट इंटरफेस से गहरी और अधिक टिकाऊ हो सकती है।

[ALLOY]: यहां एक कोऑर्डिनेशन स्टोरी भी है। अगर आप इंडस्ट्री के लिए फिजिकल AI बना रहे हैं, तो आपको एक मॉडल कंपनी से ज्यादा चाहिए। आपको मैन्युफैक्चरर्स, हार्डवेयर पार्टनर्स, डिप्लॉयमेंट साइट्स, डोमेन डेटा, सिमुलेशन एनवायरनमेंट्स और लॉन्ग-साइकिल वैलिडेशन चाहिए। इसीलिए बैकिंग लिस्ट मायने रखती है। Sony, Honda और Nippon Steel सिर्फ कैपिटल नहीं, इंडस्ट्रियल एडजेसेंसी का संकेत देते हैं।

[NOVA]: और इंडस्ट्रियल एडजेसेंसी वो हिडन मोएट हो सकती है। एक कंज्यूमर चैटबॉट डिस्ट्रिब्यूशन और ब्रांड से स्केल कर सकता है। एक रोबोटिक्स फाउंडेशन लेयर को फैक्ट्रियों, मशीनों और वर्कफ्लोज में ट्रस्ट जीतनी होती है जहां फेलियर कॉस्ट बहुत ठोस होते हैं। इसका मतलब है कि रिलेशनशिप्स, टेस्टबेड्स और डोमेन फ्लुएंसी जनरल इंटरनेट माइंडशेयर से ज्यादा मायने रख सकते हैं।

[ALLOY]: "फिजिकल AI" टर्म यहां काम कर रहा है। यह एक फ्रेमिंग डिवाइस है जो रोबोटिक्स, कंट्रोल, ऑटोनॉमी और मॉडल इंटेलिजेंस को एक महत्वाकांक्षा में समेटता है। चाहे यह वाक्यांश टिके या न टिके, यह एक महत्वपूर्ण सच्चाई की ओर इशारा करता है: अगली प्लेटफॉर्म जंग में सिस्टम शामिल हो सकते हैं जो सिर्फ सवालों के जवाब नहीं देते, बल्कि मोशन्स का फैसला करते हैं।

[NOVA]: और मोशन्स का फैसला करना टोकन प्रेडिक्ट करने से कहीं ज्यादा कठिन डोमेन है। दुनिया विरोध करती है। चीजें टूटती हैं। मशीनें ड्रिफ्ट करती हैं। सेंसर फेल होते हैं। मनुष्य सिस्टम के साथ जगह साझा करते हैं। इसलिए फिजिकल कंट्रोल के लिए एक जनरल मॉडल लेयर की कल्पना भी इस का अर्थ है कि इंटेलिजेंस, सेफ्टी और एनवायरनमेंट के बीच कहीं ज्यादा टाइट कपलिंग है।

[ALLOY]: तो कहानी चार एक रिमाइंडर है कि कुछ सबसे प्रभावशाली AI प्लेटफॉर्म बेट्स स्क्रीन से बाहर और भौतिक दुनिया में जा रहे हैं। फिजिकल AI सिर्फ ब्रांडिंग नहीं है। यह मशीनों के लिए कंट्रोल लेयर का मालिकाना हक हासिल करने की कोशिश है।

[NOVA]: और अगर वह लेयर अभी भी दांव पर है, तो राष्ट्रीय और इंडस्ट्रियल खिलाड़ी इसे आसानी से आउटसोर्स करने योग्य नहीं मानेंगे।

[ALLOY]: यह बाकी AI मार्केट के लिए भी मायने रखता है, क्योंकि रोबोटिक्स में सफलता यह बदल सकती है कि प्रतिष्ठा और कैपिटल अगली बार कहां जाती है। अगर सबसे बड़ी स्ट्रैटेजिक जीतें चैट प्रोडक्ट्स की जगह फैक्ट्रियों, लॉजिस्टिक्स चेन और मशीन फ्लीट्स में होने लगीं, तो AI का सेंटर ऑफ ग्रैविटी उन कंपनियों की ओर शिफ्ट हो सकता है जो इंटेलिजेंस को फिजिकल डिप्लॉयमेंट के साथ इंटीग्रेट कर सकती हैं।

[NOVA]: और अगर ऐसा होता है, तो फाउंडेशन मॉडल की अवधारणा फिर से चौड़ी हो सकती है। इसका मतलब सिर्फ वह मॉडल नहीं रहेगा जो सवालों के जवाब दे सके या कोड लिख सके, बल्कि एक ऐसा मॉडल जो परसेप्ट, प्लान और एक्ट कर सके मूर्त प्रणालियों में पर्याप्त रिलायबिलिटी के साथ भौतिक अर्थव्यवस्था में भरोसा किया जा सके।

[NOVA]: ...

[NOVA]: कहानी पांच इस सेट में सबसे तीखी कंज्यूमर चेतावनी है। WIRED ने Meta के नए Muse Spark मॉडल का टेस्ट किया और पाया कि यह सक्रिय रूप से यूजर्स को कच्चा हेल्थ डेटा पेस्ट करने के लिए आमंत्रित कर रहा था: ब्लड प्रेशर रीडिंग, ग्लूकोज नंबर, लैब रिपोर्ट्स, फिटनेस मेट्रिक्स, पूरा सामान। पिच परिचित है: मुझे डेटा दो, और मैं ट्रेंड्स चार्ट करूंगा, पैटर्न स्पॉट करूंगा और गाइडेंस ऑफर करूंगा।

[ALLOY]: और यही समस्या है। यह वह तरह का हाई-कॉन्टेक्स्ट, हाई-ट्रस्ट इंटरैक्शन है जहां कंज्यूमर AI प्रोडक्ट्स अभी तक वह रोल अर्न नहीं कर पाए हैं जो वे लेने की कोशिश कर रहे हैं। प्राइवेसी स्टेक्स हाई हैं, कंपीटेंस रिक्वायरमेंट्स हाई हैं, और सिस्टम अभी भी पर्याप्त अच्छे नहीं हैं जो उस रिक्वेस्ट की इंटिमेसी को जस्टिफाई कर सकें।

[NOVA]: WIRED द्वारा उद्धृत चिकित्सा विशेषज्ञों ने दो स्पष्ट चिंताएं उठाईं। पहली, प्राइवेसी: लोगों को उन सिस्टम्स में बहुत संवेदनशील डेटा अपलोड करने के लिए प्रेरित किया जा रहा है जो क्लिनिकल एनवायरनमेंट्स की तरह काम नहीं करते और भविष्य में ट्रेनिंग या प्रोडक्ट इम्प्रूवमेंट के लिए उस जानकारी का उपयोग कर सकते हैं। दूसरी, कंपीटेंस: एडवाइस क्वालिटी उतनी विश्वसनीय नहीं है कि इतना व्यक्तिगत जानकारी देने को जस्टिफाई किया जा सके।

[ALLOY]: और ये दो चिंताएं एक-दूसरे को मजबूत करती हैं। एडवाइस क्वालिटी जितनी खराब होगी, प्राइवेसी ट्रेडऑफ उतना ही कम वैध होगा। अगर सिस्टम वास्तव में भरोसेमंद नहीं है, तो कच्चा हेल्थ डेटा मांगना पर्याप्त जिम्मेदारी के बिना शुद्ध भूख की तरह दिखने लगता है।

[NOVA]: टाइमिंग भी मायने रखती है। हेल्थकेयर अभी भी महंगा, खंडित और अक्सर एक्सेस करना कठिन है। इसलिए जब एक पॉलिश्ड कंज्यूमर बॉट आपके डेटा का एनालिसिस करने की पेशकश करता है, तो लोग इसे केयर की जगह सब्सटीट्यूट मानने के प्रलोभन में आएंगे न कि पतले एजुकेशनल सप्लीमेंट की। यह एक खतरनाक इंसेंटिव लूप है।

[ALLOY]: और कंज्यूमर AI कंपनियां जानती हैं कि पर्सनलाइजेशन एंगेजमेंट बढ़ाता है। यह बात यहीं असुविधाजनक हो जाती है। प्रोडक्ट उस रिश्ते में लोगों को खींचने के लिए पुरस्कृत होता है जब तक उस रिश्ते के लिए सेफ्टी, प्राइवेसी और क्वालिटी थ्रेशोल्ड पूरे नहीं हुए हैं।

[NOVA]: Meta कह सकता है कि सिस्टम आपके डॉक्टर की जगह नहीं ले रहा, लेकिन बिहेवियर डिस्क्लेमर्स से ज्यादा मायने रखती है। अगर बॉट लोगों को बेहद संवेदनशील रिकॉर्ड्स डंप करने के लिए आमंत्रित करता रहता है और फिर क्वाजी-एनालिस्ट की तरह जवाब देता है, तो यह पहले से ही एक रोल ऑक्यूपाई कर रहा है जो कंज्यूमर AI वर्तमान में पू