[NOVA]: मैं NOVA हूँ।

[ALLOY]: मैं ALLOY हूँ, और यह है AgentStack Daily...

[NOVA]: OpenClaw 6.8 में GLM-5.2 और Claude Haiku 4.5 रूट्स जोड़े गए हैं, provider IDs को और tight किया गया है, managed SecretRef auth आया है, model browsing को bound किया गया है, और OpenAI व Anthropic calls के लिए safer tool-schema recovery लाई गई है। Terminal-based coding agent OpenAI Codex .141 अभी current stable release के तौर पर आया है, और terminal-based AI coding agent Claude Code two point one release readout में current stable Claude Code line है।

[ALLOY]: आज की बातें: OpenClaw agent harness update को lead कर रहा है; Google's Nano Banana 2 और Nano Banana Pro image models OpenRouter के ज़रिए आए हैं; OpenAI ने LifeSciBench और Deployment Simulation launch किए हैं; GPT-5.4 near-autonomous chemistry loop में wired हो गया है; GLM-5.2 MIT license के तहत open हो गया है और AA Intelligence Index पर open weights को lead कर रहा है; Radical AI का argument है कि lab ही moat है; IndexShare twenty percent acceptance-length lift के साथ faster open-model coding loops को target कर रहा है; और enterprise AI budgets CFO wall से टकरा रही हैं। इसके अलावा GitHub Project Radar, Model Discovery Check, Local LLM Spotlight, और तीन extra things जो आपका time worth हैं।

[NOVA]: Through-line practical है: more model choice, more routing pressure, और more scrutiny कि agent run reliable और affordable है या नहीं, और actually system around it में grounded है या नहीं। ...

[ALLOY]: OpenClaw 6.8 June sixteenth को आया model routing, channel delivery, agent recovery, और local runtime behavior में changes के साथ। Model catalog में GLM-5.2 और Claude Haiku 4.5 जुड़े हैं, और ये entries normalized provider IDs use करते हैं ताकि runtime एक stable string से route resolve करे brittle provider-specific alias की जगह। Credentials अब managed SecretRef objects के through flow करते हैं, जो secrets को platform's secret store में रखता है inline runtime config की जगह। Model browser भी bounded है, ताकि एक agent approved catalog slice में से choose कर सके बिना हर provider target को enumerate किए जिसे वह reach कर सकता है।

[NOVA]: सबसे important reliability change है OpenAI और Anthropic integrations के लिए tool-schema recovery। जब एक model malformed tool call return करता है, runtime इसे expected schema के against validate करता है और dispatch से पहले safer shape पर fall back करता है। यही वो failure type था जो harmless दिखता था जब तक bad argument downstream API से नहीं टकराता था। Telegram को tables, lists, expandable blockquotes, और intentional line breaks के लिए structured rendering भी मिला है, replies एक CLI-backed path से flow होती हैं जो final message shape को preserve करती है। WhatsApp अब configured ACP bindings को honor करती है उन्हें drop करने की जगह।

[ALLOY]: Recovery path को भी attention मिला है। Account-scoped DM sends, generated media completions, final auto-reply messages, restart shutdown aborts, yielded subagent pauses, और session identity prompts अब more predictable paths पर land करते हैं। Oversized OpenAI embedding batches split हो जाती हैं before वे request-size failures trigger करें। SQLite NFS volumes पर write-ahead logging avoid करती है। Stale iOS Gateways reconnect करते हैं जब वे foreground state से बाहर हो जाते हैं।

[NOVA]: Codex .141 और Claude Code two point one stable agent releases हैं जो उस stack readout के साथ pair करने के लिए हैं। Practical implication है cleaner harness plumbing। OpenClaw builders को more model routes, safer auth, stronger channel behavior, और fewer silent recovery failures देता है। Codex और Claude Code terminal-based agent surfaces बने हुए हैं जिनका use many teams that kind of backend के against code changes drive करने के लिए करती हैं। Watch करने वाली बात है policy: एक बार agents wider model catalog see सकते हैं, approved bound model menu जितना ही matters। ...

[ALLOY]: Google's Gemini 3.1 Flash Image, Nano Banana 2 के नाम से branded, अब OpenRouter पर Google's provider route के under listed है। यह image generation और editing को expose करता है उसी OpenAI-compatible interface through जिसका use many agent stacks पहले से text models के लिए करती हैं। Headline spec है 131,072-token context window, जो एक image model के लिए unusually large है और system को room देता है reference images, long edit instructions, और multi-turn visual iteration के लिए एक conversation thread में।

[NOVA]: बिल्डर वैल्यू कॉल के आकार में है। OpenRouter का उपयोग करने वाला कोई भी ऐप बिना अलग Google-नेटिव क्लाइंट बनाए रखे Nano Banana 2 मॉडल आइडेंटिफायर पर स्विच कर सकता है। इनपुट चैट कम्प्लीशन-स्टाइल रिक्वेस्ट शेप के जरिए आते हैं, इमेज आउटपुट स्टैंडर्ड रिस्पॉन्स पेलोड के जरिए वापस आते हैं। यह इमेज जेनरेशन को किसी मौजूदा असिस्टेंट, डिज़ाइन टूल, या एजेंट लूप में शामिल करना आसान बनाता है जो पहले से मल्टीमॉडल संदेशों को हैंडल करता है।

[ALLOY]: Google इसे Flash स्पीड पर Pro-लेवल विज़ुअल क्वालिटी के तौर पर पोजीशनिंग कर रहा है। यह मायने रखता है क्योंकि इमेज जेनरेशन अक्सर क्षमता से ज़्यादा इंटरैक्शन लेटेंसी से ब्लॉक होती है। अगर मॉडल काफी तेज़ी से अच्छे एडिट्स दे सकता है, तो यह लाइव चैट, UI मॉकअप जेनरेटर, या प्रोडक्ट कस्टमाइज़ेशन फ्लो में उपयोगी बन जाता है जहां यूज़र कई त्वरित संशोधन चाहते हैं, एक धीमे रेंडर के बजाय। बड़ा कॉन्टेक्स्ट सेशन डिज़ाइन को भी बदलता है: एक विज़ुअल एजेंट पिछले प्रॉम्प्ट, रेफरेंस इमेज, क्रिटिक, और संशोधित टारगेट को एक ही टर्न में रख सकता है।

[NOVA]: दावों को अभी भी रियल-वर्ल्ड कन्फर्मेशन की जरूरत है। मुख्य सवाल हैं प्राइसिंग, रेट लिमिट्स, आउटपुट हैंडलिंग, सेफ्टी बिहेवियर, और क्या मॉडल जटिल मल्टी-इमेज प्रॉम्प्ट्स को लगातार फॉलो करता है। लेकिन इंटीग्रेशन सरफेस असली है: एक राउटेड मॉडल स्ट्रिंग, एक रिक्वेस्ट पैटर्न, एक फास्ट इमेज मॉडल जो एक ही एजेंट वर्कफ़्लो में टेक्स्ट रीज़निंग के बगल में बैठ सकता है। ...

[ALLOY]: Google ने Nano Banana Pro को भी OpenRouter पर Gemini 3 Pro Image के रूप में ब्रांडेड करके लिस्ट किया है। यह उच्च-स्तरीय इमेज जेनरेशन और एडिटिंग मॉडल है, Gemini 3 Pro मल्टीमॉडल स्टैक पर बना, 65,536-टोकन कॉन्टेक्स्ट विंडो के साथ और Google के बैकएंड के जरिए प्रोवाइडर राउटिंग के साथ। लिस्टिंग में ओरिजिनल Nano Banana लाइन की तुलना में मजबूत मल्टीमॉडल रीज़निंग और रियल-वर्ल्ड ग्राउंडिंग का वर्णन है, जो इसे प्रोडक्शन वर्क के लिए पोजीशनिंग करती है जहां इंस्ट्रक्शन फॉलोइंग और रेफरेंस कंसिस्टेंसी कच्ची स्पीड से ज़्यादा मायने रखती है।

[NOVA]: मैकेनिकली, Nano Banana Pro इसलिए मायने रखता है क्योंकि टेक्स्ट और इमेज इनपुट एक कॉन्टेक्स्ट शेयर करते हैं। एक एजेंट रेफरेंस इमेजरी, लेआउट लैंग्वेज, ब्रांड कंस्ट्रेंट्स, और एडिट इंटेंट को एक साथ भेज सकता है टेक्स्ट प्लानर और अलग इमेज रेंडरर में जॉब बांटने के बजाय। यह ब्रांडेड एसेट जेनरेशन, गेम कॉन्सेप्ट इटरेशन, प्रोडक्ट मॉकअप्स, और UI डिज़ाइन एक्सप्लोरेशन जैसे वर्कफ़्लोज़ के लिए एक साफ़ आर्किटेक्चर है।

[ALLOY]: Nano Banana 2 के साथ यह कॉन्ट्रास्ट उपयोगी है। Nano Banana 2 बड़े कॉन्टेक्स्ट विंडो के साथ फास्ट लेन है। Nano Banana Pro कैपेबिलिटी लेन है, विज़ुअल इंस्ट्रक्शन्स पर बेहतर ग्राउंडिंग और रीज़निंग के साथ। OpenRouter पर दोनों एक ही बड़े इंटीग्रेशन पैटर्न का उपयोग करते हैं, इसलिए टीमें क्लाइंट लेयर को रीबिल्ड किए बिना स्पीड और क्वालिटी के बीच रूट कर सकती हैं।

[NOVA]: रिस्क वही पुराना इमेज-मॉडल गैप है डेमो प्रॉम्प्ट्स और प्रोडक्शन प्रॉम्प्ट्स के बीच। जटिल एडिट्स, कई रेफरेंस, इमेज के अंदर टेक्स्ट रेंडरिंग, और स्टाइल प्रिज़र्वेशन सब रियल वर्कलोड प्रेशर के तहत खराब हो सकते हैं। ...

[ALLOY]: OpenAI ने सत्रह जून को LifeSciBench पेश किया, जो लाइफ साइंस रिसर्च टास्क्स और डिसीज़न्स के लिए एक एक्सपर्ट-ऑथर्ड बेंचमार्क है। पॉइंट यह है कि अलग-थलग फैक्चुअल रिकॉल की जगह साइंटिफिक जजमेंट को मापना है। टास्क्स डोमेन एक्सपर्ट्स द्वारा बनाए और रिव्यू किए गए हैं, इसलिए बेंचमार्क उस तरह की प्लानिंग, एविडेंस वेइंग, और ट्रेड-ऑफ रीज़निंग को टारगेट करता है जो असली रिसर्च वर्क में दिखती है।

[NOVA]: लाइफ-साइंस एजेंट्स के लिए यह एक मीनिंगफुल शिफ्ट है। एक मॉडल पाथवे फैक्ट्स याद कर सकता है या टेक्स्टबुक-स्टाइल सवालों के जवाब दे सकता है और फिर भी फेल हो सकता है जब अगला एक्सपेरिमेंट चुनने, कन्फ्लिक्टिंग एविडेंस की व्याख्या करने, या वेट-लैब प्लान में कंस्ट्रेंट्स के बारे में रीज़न करने को कहा जाए। LifeSciBench प्रॉम्प्ट्स को कोर्स-ऑफ-एक्शन प्रॉब्लम्स के तौर पर फ्रेम करता है, जो स्कोर को उन टीमों के लिए ज़्यादा रिलेवेंट बनाता है जो लिटरेचर रिव्यू असिस्टेंट्स, एक्सपेरिमेंटल प्लानिंग कोपायलॉट्स, या बायोमेडिकल रीज़निंग सिस्टम्स बना रही हैं।

[ALLOY]: बिल्डर्स के लिए प्रैक्टिकल वैल्यू एक शेयर्ड यार्डस्टिक है। जेनेरिक रीज़निंग स्कोर आपको यह नहीं बताते कि कोई मॉडल मेडिसिनल केमिस्ट्री, असे डिज़ाइन, या रिसर्च प्रायोरिटाइज़ेशन को हैंडल कर सकता है या नहीं। LifeSciBench टीमों को एक पब्लिश्ड रेफरेंस पॉइंट देता है जिसे लाइफ-साइंस-एडजेसेंट वर्क के लिए मॉडल्स की तुलना करते समय साइट कर सकते हैं।

[NOVA]: सावधानी यह है कि एक बेंचमार्क कभी भी डोमेन नहीं होता। स्वतंत्र स्कोरकार्ड और प्रतिस्पर्धी बेंचमार्क मायने रखेंगे। LifeSciBench मूल्यांकन को यथार्थवादी वैज्ञानिक निर्णय लेने की ओर ले जाता है, जो वह दिशा है जिसकी लाइफ-साइंस AI को आवश्यकता है यदि एजेंट्स को खोज सहायकों से शोध सहयोगियों में बदलना है। ...

[ALLOY]: OpenAI ने 16 जून को Deployment Simulation प्रकाशित किया, जो एक पद्धति है जो भविष्यवाणी करती है कि कैंडिडेट मॉडल प्रोडक्शन ट्रैफ़िक में जाने से पहले कैसे व्यवहार करेगा। मुख्य विचार यह है कि एक नए मॉडल चेकपॉइंट के विरुद्ध पूर्व तैनातियों से यथार्थवादी बातचीत मार्गों को पुनः चलाना, फिर मापना कि नए आउटपुट अपेक्षित व्यवहार प्रोफाइल से कितने भिन्न हैं।

[NOVA]: यह तंत्र एक स्टैटिक बेंचमार्क की तुलना में व्यवहारिक लोड टेस्ट के अधिक करीब है। एक सिमुलेशन रनटाइम कैंडिडेट मॉडल को वास्तविक उपयोगकर्ता इरादे, वास्तविक संदर्भ लंबाई और यथार्थवादी बातचीत मार्गों को दर्शाते हुए मल्टी-टर्न इंटरैक्शन देता है। स्कोरिंग लेयर तब नीति पालन, भ्रम दर, अस्वीकृति व्यवहार, स्वर और अन्य सुरक्षा या उत्पाद आयामों में विचलन को चिह्नित करती है। पोस्ट-लॉन्च मेट्रिक के बहाव की प्रतीक्षा करने के बजाय, एक टीम को पदोन्नति से पहले एक संरचित जोखिम रिपोर्ट मिलती है।

[ALLOY]: यह रेड-टीमिंग और मॉनिटरिंग के बीच के अंतराल को भरता है। रेड टीमें विपरीत रचनात्मकता में अच्छी हैं लेकिन हर सामान्य प्रॉम्प्ट वितरण को कवर नहीं कर सकतीं। मॉनिटरिंग उन विफलताओं को पकड़ती है जब उपयोगकर्ता उन्हें देख चुके होते हैं। Deployment Simulation उत्पादन-आकार के इंटरैक्शन का उपयोग करके यह पूर्वावलोकन करता है कि नया मॉडल उन स्थानों पर व्यवहार बदलता है जहां उपयोगकर्ता वास्तव में जाते हैं। किसी भी टीम के लिए जिसके पास लॉग की गई बातचीत कोरपस और eval हार्नेस है, यह पैटर्न अनुकूलनीय है।

[NOVA]: सीमा वितरण गुणवत्ता में है। यदि रीप्ले सेट पिछली तिमाही के उपयोगकर्ताओं को दर्शाता है लेकिन उत्पाद बदल गया है, तो सिमुलेशन अगले आने वाले को याद कर सकता है। गोपनीयता हैंडलिंग भी मायने रखती है क्योंकि वास्तविक बातचीत को रीप्ले से पहले साफ़ करना होगा। फिर भी, यह पद्धति मॉडल टीमों को एक ठोस गेट देती है: सिमुलेट करें, तुलना करें, जोखिम का निरीक्षण करें, फिर तय करें। ...

[ALLOY]: OpenAI और Molecule.one ने परिणाम प्रकाशित किए जो GPT-5.4 के इर्दगिर्द बनाए गए एक निकट-स्वायत्त AI रसायनज्ञ को दर्शाते हैं। इस प्रणाली ने भाषा-मॉडल अनुमान को Molecule.one के संश्लेषण नियोजन और अभिक्रिया पूर्वानुमान स्टैक के साथ जोड़कर एक चुनौतीपूर्ण औषधीय रसायन विज्ञान अभिक्रिया में सुधार किया। बात GPT-5.4 को मुक्त-सहयोगी रसायन विज्ञान करने की नहीं थी। यह मॉडल को एक सीमित वैज्ञानिक लूप के अंदर एक नियंत्रक के रूप में संचालित करने के लिए था।

[NOVA]: प्रत्येक पुनरावृत्ति एक व्यावहारिक एजेंट पैटर्न का अनुसरण करती है: उम्मीदवार अभिक्रिया स्थितियों का प्रस्ताव करें, उन्हें बाहरी रसायन विज्ञान टूलिंग के माध्यम से स्कोर करें, संरचित परिणाम को मॉडल को वापस दें, और मॉडल को अगला उम्मीदवार चुनने दें। यह GPT-5.4 को एक सिमुलेटर और नियोजन प्रणाली पर एक पॉलिसी लेयर में बदल देता है। रसायन विज्ञान टूल्स मूल्यांकक प्रदान करते हैं; मॉडल दौरों में खोज, प्राथमिकता और अनुकूलन का प्रबंधन करता है।

[ALLOY]: यही कारण है कि यह कार्य रसायन विज्ञान से परे मायने रखता है। कई डोमेन में पहले से ही नियतात्मक सिमुलेटर, स्कोरिंग फ़ंक्शन, ऑप्टिमाइज़र या विश्वसनीय कैलकुलेटर हैं। एक भाषा मॉडल तब अधिक उपयोगी बनता है जब वह उन टूल्स को नियंत्रित कर सकता है उनकी जगह लेने का दिखावा करने के बजाय। आर्किटेक्चर का आकार परीक्षण आउटपुट का उपयोग करने वाले कोडिंग एजेंट्स, मूल्य निर्धारण इंजनों का उपयोग करने वाले नियोजन एजेंट्स, या परिनियोजन मेट्रिक्स का उपयोग करने वाले संचालन एजेंट्स के समान है। मूल्य एक लूप में है जहां प्रत्येक मॉडल प्रस्ताव एक डोमेन सिस्टम द्वारा निर्णाया जाता है जो मॉडल से अधिक जानता है।

[NOVA]: खुला प्रश्न सामान्यीकरण है। एक उन्नत अभिक्रिया सार्वभौमिक AI रसायनज्ञ को साबित नहीं करती, और वास्तविक वेट-लैब परिनियोजन के लिए अभी भी मानवीय गेट, सुरक्षा बाधाएं और प्रजननीयता जांच की आवश्यकता है। लेकिन डोमेन-विशिष्ट मूल्यांककों से जुड़े GPT-5.4-वर्ग तर्क कम मैनुअल पर्यवेक्षण के साथ तकनीकी स्थान की खोज कर सकते हैं। यह स्वायत्त विज्ञान का व्यावहारिक मार्ग है। ...

[ALLOY]: Z.ai ने 16 जून को MIT लाइसेंस के तहत GLM-5.2 खुले वेट जारी किए, जिसमें उपयोग-क्षेत्र प्रतिबंध नहीं, टेलीमेट्री नहीं और आउटपुट क्लॉज़ नहीं है। यह मॉडल 744 से 753 बिलियन पैरामीटर का मिश्रित विशेषज्ञ है जिसमें प्रति टोकन लगभग 40 बिलियन सक्रिय पैरामीटर और दस लाख टोकन का संदर्भ विंडो है, जो DeepSeek Sparse Attention पर आधारित है।

[NOVA]: हेडलाइन नंबर HF ब्लॉग, FriendliAI, और Artificial Analysis से आए हैं। AIME 2026 पर, GLM-5.2 ने 99.2 हिट किया, Claude Opus 4.8 के 98.2, GPT-5.5 के 97, DeepSeek V4 Pro के 95.7, और Gemini 3.1 Pro के 94.6 से आगे। SWE-bench Pro पर, GLM-5.2 का स्कोर 62.1 है जबकि Opus 4.8 का 69.2 और GPT-5.5 का 58.6 है। Terminal-Bench 2.1 पर, 81.0 बनाम Opus 4.8 के 85। सबसे ठोस रियल-वर्ल्ड सिग्नल GDPval-AA v2 है, एक एजेंटिक नॉलेज-वर्क इवैल: GLM-5.2 का स्कोर 1524 है, GPT-5.5 के 1514 और MiniMax-M3 के 1418 को मात देता है। Artificial Analysis ने AA Intelligence Index v4.1 को 51 पर रखा है, जो सभी ओपन वेट्स में सबसे आगे है।

[ALLOY]: यह इंडिपेंडेंट कोडिंग लीडरबोर्ड में भी टॉप के करीब है। FrontierSWE इसे ओवरऑल तीसरे नंबर पर रखता है, Fable 5 और Opus 4.8 के बाद और GPT-5.5 से आगे। Code Arena WebDev इसे ओवरऑल नंबर दो पर रैंक करता है, केवल Fable 5 के बाद और Opus 4.7 thinking से आगे। Simon Willison ने इसे अपने pelican SVG टेस्ट पर चलाया और इसे अब तक का सबसे अच्छा pelican बताया: पूरी तरह एनिमेटेड, काम करने वाले पहिये।

[NOVA]: ट्रेड-ऑफ टोकन एफिशिएंसी है। GLM-5.2 प्रति Intelligence Index टास्क लगभग 43,000 आउटपुट टोकन का उपयोग करता है, जो MiniMax-M3 के 24,000 से लगभग दोगुना है। प्रति टास्क की लागत लगभग छियालीस सेंट है, इस इंटेलिजेंस लेवल पर सबसे कम। बिल्डर्स के लिए व्यावहारिक जवाब है: इसे वहां चलाएं जहां वर्कलोड कंप्यूट कीमत को जायज ठहराए, फ्रंटियर-क्लास कोडिंग और एजेंट बिहेवियर की उम्मीद करें। Day-zero सर्विंग पहले से ही vLLM, SGLang, Cloudflare Workers AI, OpenRouter, Ollama Cloud, Baseten, DeepInfra, और Fireworks में लाइव है। ...

[ALLOY]: Radical AI के Joseph Krause तर्क दे रहे हैं कि मैटेरियल्स साइंस में, मॉइट मॉडल नहीं है। डिफेंसिबल लेयर इसके आसपास की सेल्फ-ड्राइविंग लैब है: रोबोटिक सिंथेसिस, कैरेक्टराइज़ेशन इंस्ट्रूमेंट्स, एक्सपेरिमेंट ऑर्केस्ट्रेशन, डेटा नॉर्मलाइज़ेशन, और एक क्लोज़्ड लूप जो हाइपोथीसिस को बिना किसी इंसान के मैन्युअली हर स्टेप ऑपरेट किए मापे गए आउटकम में बदल देता है।

[NOVA]: लूप सीधा है और बनाना मुश्किल है। एक प्लानर कैंडिडेट मैटेरियल या सिंथेसिस कंडीशन प्रपोज करता है। रोबोटिक हार्डवेयर एक्सपेरिमेंट चलाता है। इंस्ट्रूमेंट्स डिफ्रैक्शन, स्पेक्ट्रोस्कोपी, या इलेक्ट्रोकेमिस्ट्री जैसी तकनीकों के माध्यम से परिणाम मापते हैं। आउटपुट को फीचर्स में बदला जाता है, प्लानिंग लेयर में वापस फीड किया जाता है, और अगला एक्सपेरिमेंट चुनने के लिए उपयोग किया जाता है। मॉडल एक कंपोनेंट है, लेकिन बॉटलनेक फिजिकल थ्रूपुट और मेज़रमेंट क्वालिटी है।

[ALLOY]: यह वर्टिकल AI को रीफ्रेम करता है। अगर बेस मॉडल इंटरचेंजेबल बन जाता है, तो डिफेंसिबिलिटी उस ऑपरेशनल लूप को ओन करने से आती है जो बेहतर डेटा प्रोड्यूस करता है। मैटेरियल्स साइंस में इसका मतलब है कैलिब्रेटेड इंस्ट्रूमेंट्स, भरोसेमंद रोबोटिक्स, क्लीन मेज़रमेंट पाइपलाइन्स, सेफ अटेंडेड ऑपरेशन, पर्याप्त एक्सपेरिमेंट वॉल्यूम जो फ्लाईव्हील बनाए। हज़ारों हाई-क्वालिटी एक्सपेरिमेंट्स चलाने वाली लैब बेहतर मॉडल से कॉपी करना बहुत मुश्किल है।

[NOVA]: वही पाठ साइंस के बाहर भी लागू होता है। लॉजिस्टिक्स, हेल्थकेयर, मैन्युफैक्चरिंग, फाइनेंस, और एनर्जी में, मॉइट अक्सर वर्कफ्लो इंटीग्रेशन और प्रोप्रायटरी फीडबैक सिग्नल में होता है, प्रॉम्प्ट रैपर में नहीं। Radical का तर्क मॉडल चेज़िंग से दूर और ट्रुथ जेनरेट करने वाले सिस्टम को ओन करने की तरफ रोडमैप ले जाता है। ...

[ALLOY]: GLM-5.2 का परफॉर्मेंस स्टोरी IndexShare पर भी निर्भर करता है, एक स्पेक्युलेटिव डिकोडिंग तकनीक जो Z.ai ने मॉडल के साथ शिप की। स्टैंडर्ड स्पेक्युलेटिव डिकोडिंग में, एक ड्राफ्ट मॉडल टोकन प्रपोज करता है और टारगेट मॉडल उन्हें वेरिफाई करता है। IndexShare ड्राफ्ट और वेरिफायर को DeepSeek Sparse Attention पाथ में एक इंडेक्स स्ट्रक्चर शेयर करने देता है, ताकि टारगेट उन्हें दोबारा कंप्यूट करने के बजाय ड्राफ्ट-साइड रूटिंग हिंट्स रीयूज़ कर सके।

[NOVA]: Z.ai और Hugging Face ब्लॉग के एब्लेशन टेबल के नंबर ठोस हैं। GLM-5.1 बैकबोन पर बेसलाइन एसेंटेंस लेंथ 4.56 टोकन है। IndexShare प्लस KV शेयर जोड़ने पर 5.10 हो जाता है। रिजेक्शन सैम्पलिंग और एंड-टू-एंड TV लॉस के साथ, एसेंटेंस लेंथ 5.47 पर आती है, बीस प्रतिशत का सुधार। Z.ai एक मिलियन-टोकन कॉन्टेक्स्ट लेंथ पर पर-टोकन इंडेक्सर FLOPs में 2.9x की कमी का भी दावा करता है।

[ALLOY]: इंटरैक्टिव कोडिंग एजेंट के लिए, वह बीस प्रतिशत एसेंटेंस-लेंथ सुधार एजेंट के रिस्पॉन्सिव महसूस करने और एजेंट के धीमा महसूस करने के बीच का अंतर है जब वह मल्टी-फाइल डिफ स्ट्रीम कर रहा हो। लो-लेटेंसी वर्कलोड के लिए SGLang रनटाइम रिकमेंडेशन स्पेक्युलेटिव-एल्गोरिथम EAGLE है, पांच स्टेप्स, छह ड्राफ्ट टोकन।

[NOVA]: पकड़ यह है: Z.ai ने लॉन्च पर आधिकारिक बेंचमार्क नंबर पब्लिश नहीं किए। ऊपर के नंबर हगिंग फेस ब्लॉग और फ्रेंडलीएआई डैशबोर्ड पर एक दिन बाद आए। लेटेंट स्पेस, साइमन विलिसन, और एजेंट-अरेना मेंटेनर्स से शुरुआती स्वतंत्र प्रतिक्रिया सकारात्मक है, लेकिन मॉडल अभी अड़तालीस घंटे से कम पब्लिक है, इसलिए लॉन्ग-हॉरिज़न एजेंट रिलायबिलिटी डेटा अभी पतला है। असली टेस्ट यह है कि GLM-5.2 एक असली रिपॉजिटरी के खिलाफ मल्टी-फाइल रिफैक्टर सेशन में कितना टिकता है। ...

[ALLOY]: NEA पार्टनर टिफनी लक कहते हैं कि एंटरप्राइज एक साल के आक्रामक अपनाने के बाद अभी भी AI रिटर्न ऑन इन्वेस्टमेंट समझ रहे हैं। "टोकनमैक्सिंग" फेज — जहां एग्जीक्यूटिव्ज़ ने एम्प्लॉईज़ को जितना हो सके उतना AI इस्तेमाल करने के लिए धकेला — अब फाइनेंस की जांच में बदल रहा है। चर्चा के बारे में रिपोर्टिंग में कंपनियों के उदाहरण शामिल थे जो सालाना AI बजट जल्दी खत्म कर रही थीं और जब बिल बहुत दिखाई देने लगा तो Claude लाइसेंस काट रही थीं।

[NOVA]: मैकेनिज़्म सीधा है: अनमीटर्ड एन्यूज़मेंट अनकंट्रोल्ड इन्फरेंस स्पेंड में बदल जाता है। हर प्रॉम्प्ट इनपुट टोकन, आउटपुट टोकन, सीट कॉस्ट, या दोनों जलाता है। एक बार यूज़ इंजीनियरिंग, सपोर्ट, सेल्स, ऑपरेशंस, और इंटरनल प्रोडक्टिविटी टूल्स में स्केल हो जाता है, AI स्पेंड क्लाउड कंप्यूट जैसा दिखने लगता है। फाइनेंस टीम्स तब वही सवाल पूछती हैं जो वे इन्फ्रास्ट्रक्चर के बारे में पूछती हैं: किस टीम ने इसका इस्तेमाल किया, किस फीचर ने इसे बढ़ाया, क्या आउटपुट में सुधार हुआ, महंगा रास्ता क्यों जरूरी था।

[ALLOY]: स्टैक का जवाब है टायरिंग। एक फ्लैगशिप मॉडल हाई-जजमेंट वर्क संभालता है। छोटे मॉडल रूटीन सारांशीकरण, क्लासिफिकेशन, एक्सट्रैक्शन, और ड्राफ्टिंग लेते हैं। रूटिंग लॉजिक तय करता है कब एस्केलेट करना है। यूज़ टेलीमेट्री कॉस्ट को टीम्स और प्रोडक्ट सरफेस से मैप करता है। प्रोक्योरमेंट सीट्स, कैप्स, और रेट लिमिट्स की समीक्षा करता है। यही वो दिशा है जहां एंटरप्राइज AI जा रहा है।

[NOVA]: बिल्डर्स के लिए, यह डिफॉल्ट असम्पशन बदल देता है। एक फीचर जो फ्रंटियर मॉडल के साथ काम करता है फिर भी बजट रिव्यू फेल हो सकता है अगर छोटा मॉडल काफी करीब पहुंच जाए। GLM-5.2 जैसे ओपन-वेट सिस्टम प्लैटफॉर्म टीम्स को कुछ टेक्स्ट वर्कलोड के लिए सेल्फ-होस्टेड ऑप्शन देकर और दबाव बढ़ा रहे हैं। जीतने वाला आर्किटेक्चर "सबसे बड़ा मॉडल इस्तेमाल करो" नहीं है। यह "सबसे छोटा मॉडल रूट करो जो सुरक्षित रूप से काम कर सके" है। ...

[ALLOY]: मॉडल डिस्कवरी पर एक क्विक बीट। गूगल का Nano Banana 2 और Nano Banana Pro दोनों इस साइकल में OpenRouter पर लैंड हुए; दोनों ऊपर की स्लेट में कवर किए गए हैं। Cohere का North Mini Code फ्री भी न्यूली लिस्टेड था, लेकिन ब्रॉडकास्ट के लिए सेलेक्ट नहीं किया गया क्योंकि यह पिछले ब्रॉडकास्ट में मेंशन North फैमिली का एक छोटा मेंबर है, एक मेजर स्टैंडअलोन ड्रॉप नहीं। बिल्डर्स के लिए जानना बढ़त है कि Cohere का पहला एजेंटिक कोडिंग मॉडल जिसकी 256,000 टोकन कॉन्टेक्स्ट है, शून्य कॉस्ट पर मौजूद है।

[NOVA]: ...

[NOVA]: लोकल LLM स्पॉटलाइट GLM 5.2 पर है। यह जानना जरूरी है कि अपने हार्डवेयर पर इसे कैसे रन करें अगर आपको प्रॉम्प्ट्स, टूल ट्रेस, और सोर्स कोड तीसरे पक्ष के सर्वर से दूर रखना है। Z.ai ने MIT के तहत बिना फील्ड-ऑफ-यूज़ रिस्ट्रिक्शन, बिना टेलीमेट्री, और बिना आउटपुट क्लॉज के वेट्स रिलीज़ किए, और सेल्फ-होस्ट करने का हेडलाइन रीज़न वन-मिलियन-टोकन कॉन्टेक्स्ट विंडो है।

[ALLOY]: प्रैक्टिकल सेल्फ-होस्ट पाथ सीधा है। GLM 5.2 को vLLM के साथ OpenAI-कम्पैटिबल एंडपॉइंट के पीछे खड़ा करें, एक OpenClaw-स्टाइल हार्नेस को उस पर पॉइंट करें, और एक छोटे लोकल रिपॉ पर मल्टी-फाइल रिफैक्टर रन करें यह देखने के लिए कि लॉन्ग कॉन्टेक्स्ट एक एक्सटेंडेड एजेंट लूप में कितना अच्छा रहता है। BF16 को लगभग 1.51 टेराबाइट VRAM की जरूरत है; FP8 आठ H200s पर हेडरूम के साथ फिट होता है। अधिकांश टीमों के लिए रियलिस्टिक पाथ Cloudflare Workers AI, Baseten, DeepInfra, Fireworks, या Ollama Cloud के जरिए क्लाउड-होस्टेड FP8 डिप्लॉयमेंट है, जिसमें फुल सेल्फ-होस्ट एयर-गैप्ड या रेगुलेटेड एनवायरनमेंट्स के लिए रिज़र्व्ड है।

[NOVA]: ...

[NOVA]: इस साइकल में रडार पर तीन रिपॉजिटरीज़, हर एक का एक कंक्रीट इंटीग्रेशन एंगल है। ...

[ALLOY]: PrefectHQ FastMCP Model Context Protocol सर्वर और क्लाइंट बनाने के लिए एक Pythonic फ्रेमवर्क है। यह टाइप हिंट्स से स्कीमा, वैलिडेशन और डॉक्यूमेंटेशन ऑटो-जेनरेट करता है, OAuth 2.0 auth-code फ्लो के साथ आता है, OpenAPI-to-MCP प्रॉक्सी एक्सपोज करता है, सर्वर कंपोजिशन सपोर्ट करता है, और फास्ट एमसीपी क्लाउड पर वाइल्डकार्ड fastmcp.app होस्ट पर चलता है। पच्चीस हज़ार सात सौ स्टार्स, दो सौ छियालीस कंट्रीब्यूटर्स, और मेंटेनर्स का दावा है कि सभी भाषाओं में लगभग सत्तर प्रतिशत MCP सर्वर इसके किसी वर्शन पर चलते हैं। नवीनतम टैग 6 जून को v3.4.2 है।

[NOVA]: एक इंटरनल फंक्शन को टूल की तरह रैप करें, इसे FastMCP सर्वर पर माउंट करें, और Codex-स्टाइल एजेंट सेशन से कनेक्ट करके राउंड ट्रिप के एंड-टू-एंड काम करने की पुष्टि करें। FastMCP हाथ से बने टूल ट्रांसपोर्ट को एक सिंगल MCP लेयर से बदल देता है जिसे LLM क्लाइंट पहले से बोलता है। ...

[ALLOY]: Microsoft MCP-for-Beginners ग्यारह पाठों वाला एक क्रॉस-लैंग्वेज पाठ्यक्रम है जो 25 नवंबर 2025 की MCP स्पेक के साथ अलाइन है। हर पाठ में C-sharp, Java, TypeScript, JavaScript, Rust और Python में कार्यशील उदाहरण हैं। सबसे अच्छा कंटेंट इंट्रो चैप्टर्स में नहीं है। सिक्योर, स्केलेबल, मल्टी-मॉडल AI एजेंट्स पर छठा पाठ स्केलिंग पैटर्न और सिक्योरिटी मॉडल्स को कवर करता है जो अनुभवी बिल्डर को पहले से नहीं पता होगा, और आठवां पाठ उन टीमों के अर्ली-एडॉप्टर केस स्टडीज़ हैं जिन्होंने बड़े पैमाने पर MCP शिप किया।

[NOVA]: उस चैप्टर को खोलें जो आपके स्टैक की प्राइमरी भाषा से मेल खाता है, उसके सैंपल सर्वर को लोकली रीबिल्ड करें, फिर इसे अपनी सर्विस से जुड़े एक कस्टम टूल से एक्सटेंड करें। यह मिक्स्ड-लैंग्वेज टीम में शेयर्ड MCP वोकैबुलरी का सबसे छोटा रास्ता है। ...

[ALLOY]: Unity MCP एक असली Unity Editor पैकेज है जिसमें एक companion Python सर्वर है जो stdio को Unity से जोड़ता है। Package Manager से git URL और MCPForUnity पाथ के साथ इंस्टॉल करें। नवीनतम रिलीज़ 22 मई की v9.7.0 है जो Unity 6, 2022.3 LTS और 2023.x को सपोर्ट करती है।

[NOVA]: एजेंट क्षमताएं ठोस हैं: एसेट CRUD, सीन एडिटिंग, राइट से पहले Roslyn-आधारित कंपाइल वैलिडेशन के साथ स्क्रिप्ट एडिटिंग, कंसोल लॉग एक्सेस, और कई Unity एडिटर्स में मल्टी-इंस्टेंस राउटिंग। ब्रिज को एक स्क्रैच सीन से अटैच करें और एजेंट से एक प्रिमिटिव क्रिएट करवाएं, मैटेरियल अटैच करवाएं, और एक साथ सेव करवाएं। यह गेम-लूप इटरेशन को टूल कॉल्स के एक सीक्वेंस में बदल देता है जिसे डिफ और रीप्ले करना आसान है। ...

[NOVA]: तीन एक्सट्रा हैं जो जानने लायक हैं। ...

[ALLOY]: Odyssey ने 17 जून को announced Series B में 1.45 अरब डॉलर वैल्यूएशन पर 310 मिलियन डॉलर जुटाए। लीड इन्वेस्टर Natural Capital है, जिसके जनरल पार्टनर Jay Zaveri ने इसे फर्म का अब तक का सबसे बड़ा निवेश बताया। Amazon ने हिस्सा लिया; AWS Odyssey का प्रेफर्ड क्लाउड प्रोवाइडर बन गया और Odyssey Amazon के Annapurna Labs के साथ AWS Trainium चिप्स पर वर्ल्ड मॉडल्स ऑप्टिमाइज करने के लिए सहयोग कर रहा है।

[NOVA]: थीसिस सीखे हुए वीडियो वर्ल्ड मॉडल्स हैं जिन्हें अगले फ्रेम की पिक्सेल स्टेट प्रिडिक्ट करने के लिए ट्रेंड किया गया है, जिसका उपयोग प्लानिंग सब्सट्रेट की तरह किया जाता है जिसमें एजेंट रियल एक्शन से पहले रोल आउट और सर्च कर सकते हैं। वर्ल्ड मॉडल्स को LLMs से परे अगली लेयर के तौर पर पोजिशन किया गया है, और Odyssey अब उस दिशा पर बेटिंग करने वाला सबसे कैपिटलाइज्ड स्टार्टअप है। ...

[ALLOY]: Google ने 16 जून को Android 17 और Wear OS 7 जारी किए, जिसमें नई मल्टीटास्किंग सुविधाएँ, पैरेंटल कंट्रोल, सुरक्षा उपकरण और Pixel Drop शामिल हैं जो Google की नवीनतम AI मॉडल को उसके डिवाइसों पर लाता है। दिलचस्प एकीकरण विवरण ताज़ा split‑stage activity embedding API है, जो Gemini को split‑screen में पिन किए गए दोनों ऐप्स में संदर्भ साझा करने और सुझाव दिखाने देता है।

[NOVA]: बिल्डर्स के लिए यह मायने रखता है क्योंकि Android 17 क्रॉस‑ऐप Gemini सहायता के लिए डेवलपर सतह खोलता है। जो ऐप्स split‑screen embedding लेयर में भाग लेते हैं वे रियल‑टाइम में Gemini सुझावों द्वारा टारगेट किए जा सकते हैं, जो Android पर AI‑अवेयर वर्कफ़्लो के लिए एक नया वितरण चैनल है। ...

[ALLOY]: मिडजर्नी ने 18 जून को Midjourney Medical की घोषणा की: एक पूर्ण-शरीर, पानी-टैंक, रिंग‑आकार का अल्ट्रासोनिक CT स्कैनर जो विकिरण या चुंबकों के बजाय ध्वनि तरंगों का उपयोग करता है। उपयोगकर्ता एक उथले पूल में कदम रखता है और रेलों पर हज़ारों अल्ट्रासोनिक ट्रांसड्यूसर से गुजरता है। दावा किया गया स्कैन समय लगभग साठ सेकंड है, रिज़ॉल्यूशन एक मिलीमीटर के अंश तक पहुँचती है। पहला तैनाती San Francisco में एक वेलनेस स्पा में है, न कि निदान उपकरण। Butterfly Network ट्रांसड्यूसर तकनीक के लिए पार्टनर है।

[NOVA]: फ्रेमिंग पर एक सही सुधार: Midjourney ने Bloomberg को बताया कि वे अभी AI का उपयोग नहीं कर रहे, केवल हार्डवेयर और पुनर्निर्माण सॉफ़्टवेयर। diffusion‑prior‑as‑latent‑encoder नहीं है। कोई नैदानिक मान्यता नहीं, कोई FDA क्लियरेंस नहीं, और CEO David Holz ने लागत बताने से इनकार किया। रोडमैप 2027 तक San Francisco में दस स्कैनर और 2031 तक दुनिया भर में पचास हज़ार का लक्ष्य है। ...

[ALLOY]: OpenClaw 6.8 मॉडल विकल्पों को बढ़ाता है जबकि उन पथों को कसता है जो आमतौर पर शांत घटनाओं का कारण बनते हैं: auth, provider IDs, tool schemas, channel rendering और gateway reconnection। Codex .141 और Claude Code 2.1 एक ही बिल्डर वास्तविकता में हैं, जहाँ टर्मिनल‑आधारित एजेंट कार्य इसके पीछे साफ़ runtime सतहों पर निर्भर करता है। Google का Nano Banana जोड़ी छवि एकीकरण को छवि सिद्धांत से अधिक बदलता है: Nano Banana 2 एक विशाल संदर्भ विंडो के साथ तेज़ OpenRouter मार्ग है, Nano Banana Pro उच्च‑क्षमता Gemini 3 Pro छवि मार्ग है।

[NOVA]: OpenAI की विज्ञान रिलीज़ दो दिशाओं में जाती हैं। LifeSciBench जीवन‑विज्ञान AI को एक अधिक यथार्थ मूल्यांकन सतह देती है, और Deployment Simulation मॉडल टीमों को लॉन्च से पहले व्यवहार पूर्वानुमान करने का तरीका देती है। GLM‑5.2 ओपन‑मॉडल दबाव बिंदु है: MIT लाइसेंसिंग, स्पार्स सक्रियण और IndexShare सभी सस्ते लंबे‑पाठ, कोडिंग और एजेंट वर्कफ़्लो की ओर धकेलते हैं, बशर्ते स्वतंत्र परिणाम बने रहें।

[ALLOY]: टूलिंग की बात करें तो, FastMCP आंतरिक कार्यों को एजेंट टूल में लपेटने का सबसे छोटा रास्ता है, MCP‑for‑Beginners पाठ्यक्रम मिश्रित‑भाषा टीमों के लिए सबसे अच्छा साझा शब्दावली है, और Unity MCP गेम‑लूप पुनरावृत्ति को diffable बनाता है। एंटरप्राइज़ ROI कहानी इस सबके इर्दगिर्द की बाधा है। जीतने वाला स्टैक बिना हर अनुरोध को खाली चेक माने बिना मॉडल उपयोग को बना, कॉन्फ़िगर, डिप्लॉय और माप सकता है।

[NOVA]: इन कहानियों के पीछे के लिंक और रिलीज़ विवरण के लिए Toby On Fitness Tech dot com पर शो नोट्स देखें। AgentStack Daily सुनने के लिए धन्यवाद। हम जल्द ही वापस आएंगे।