[NOVA]: मैं NOVA हूं।

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

[NOVA]: OpenClaw 6.9, Hermes Agent 6.19, और terminal-based AI coding agent Claude Code point one seven six - इन सभी ने इस चक्र में stable releases भेजी हैं। OpenClaw 6.9 ने richer Telegram delivery जोड़ी और automatic plugin approvals के साथ Codex integration को tighter बनाया, जबकि Hermes 6.19 ने background subagents पेश किए और Photon के ज़रिए iMessage के लिए channel support को बढ़ाया।

[ALLOY]: आज आप उन harness updates के बारे में सुनेंगे, OpenRouter और API पर Poolside के Laguna coding models की रिलीज़, OpenAI से नए enterprise spend controls, और यह कि Signal के president क्यों कहते हैं कि आपका AI chatbot निश्चित रूप से आपका दोस्त नहीं है। हम Baseten के billion-dollar raise, एक vanity search engine जो model weights के अंदर आपकी उपस्थिति को score करता है, और Anthropic के Mythos model के लेंस के रूप में export controls के ऐतिहासिक failure पर भी नज़र डालेंगे।

[NOVA]: मूल विषय production layer पर ध्यान केंद्रित करना है: हम agentic loops की लागत को कैसे प्रबंधित करते हैं, उनके केंद्र में मॉडल को कैसे सुरक्षित करते हैं, और harnesses जिन्हें हम रोज़ाना उपयोग करते हैं, वे multi-step, multi-channel workloads को handle करने के लिए कैसे परिपक्व हो रहे हैं। ...

[ALLOY]: इस चक्र में तीन stable releases आए और ये इस बात को आकार दे रहे हैं कि agentic harnesses अभी कैसे assemble हो रहे हैं। OpenClaw 6.9, जो June twenty-first को publish हुआ, richer Telegram delivery लाता है। Channel path अब rich HTML भेजता है, rich markdown और sticker paths को preserve करता है, और progress drafts तथा command output को अधिक faithfully render करता है। यह HTML tables को safely normalize भी करता है और mentions और spooled handlers को सही delivery path पर रखता है। Agent recovery इस version में अधिक dependable है; retries, terminal outcomes, और session history repair अब अधिक interrupted या partial turns को visible final result की ओर बढ़ाती हैं।

[NOVA]: OpenClaw में Codex integration भी काफी मज़बूत हुआ है। इसमें automatic plugin approvals, GPT-5.3 Spark OAuth routing, और remote-node execution as a dynamic tool जुड़े हैं। ये बदलाव harness को अधिक reliable app-server teardown process की ओर ले जाते हैं। इस बीच, Hermes Agent 6.19, जिसे maintainers "Reach Release" कह रहे हैं, Hermes को Photon के ज़रिए iMessage और Raft agent network जैसे नए channels पर extend करता है। Desktop app में भी substantial नई capability आई है; subagents अब background में run कर सकते हैं, और image generation tool ने edit करना सीख लिया है।

[ALLOY]: Hermes dashboard को full profile builder मिला और Skills Hub browser को completely overhaul किया गया। OpenAI Codex point one four one के terminal-based coding agent का उपयोग करने वालों के लिए, ये updates एक अधिक robust backend प्रदान करते हैं। हमने terminal-based AI coding agent Claude Code point one seven six को भी stable tag पर stable releases के इस trio में शामिल होते देखा। यह रिलीज़ lighter install footprint और shell-driven sessions के लिए faster cold-start path पर केंद्रित है।

[NOVA]: API और runtime layer पर, ये बदलाव बदलते हैं कि builders क्या configure कर सकते हैं और defaults पर क्या rely कर सकते हैं। व्यावहारिक निहितार्थ यह है कि harness plumbing अधिक clean हो जाती है। OpenClaw builders को अधिक model routes और safer auth देता है, जबकि Hermes और Claude Code user और developer experience को refine करते हैं। जिस हिस्से पर नज़र रखनी है वह यह है कि production में flip करने से पहले real workloads के तहत ये नए defaults कैसे behave करते हैं, खासकर जहां session history और terminal outcomes शामिल हैं। ...

[ALLOY]: Poolside ने इस सप्ताह OpenRouter पर Laguna XS.2 push किया, जो उनकी XS size class में second-generation model है। यह उनकी efficient coding agent series है, और यहाँ pitch compactness over flagship reasoning है। यह एक छोटे footprint में tool calling को reasoning के साथ जोड़ता है, जिसमें two hundred sixty-two thousand, one hundred forty-four tokens की context window है। यह context size इसे long-context tier में सीधे रखता है agentic coding workloads के लिए जहाँ large codebases या tool traces pass करना normal है।

[NOVA]: बिल्डर्स के लिए सबसे अधिक प्रासंगिक विवरण यह है कि टूल और रीज़निंग का एक एकीकृत जोड़ा है। एक ही एंडपॉइंट टूल इनवोकेशन और रीज़निंग दोनों को उजागर करता है, जो एजेंट लूप ऑर्केस्ट्रेशन को सरल बनाता है। आपको प्लानिंग और एक्जीक्यूशन को संभालने के लिए दो अलग-अलग मॉडलों पर अनुरोध रूट करने की ज़रूरत नहीं है। XS साइज़ क्लास कम-लेटेंसी, लागत-संवेदनशील रन पर ध्यान केंद्रित करने वाले टारगेट ऑडियंस का संकेत देता है। यदि आप मल्टी-फाइल रिफैक्टर एजेंट चला रहे हैं, तो प्रति-टोकन इकोनॉमिक्स यहाँ फ्लैगशिप-क्लास रीज़निंग मॉडलों की तुलना में अधिक आकर्षक हो सकती है।

[ALLOY]: एजेंट बिल्डर्स के लिए, यह रिलीज़ राउटर पर कॉम्पैक्ट टियर को चौड़ा करती है। यह अन्य कॉम्पैक्ट विकल्पों के साथ बैठती है जिनका उपयोग सस्ते क्लासिफिकेशन या प्रारंभिक प्लानिंग पास के लिए किया जाता है। अगले चरण में हमें असली कोडिंग ट्रेस पर वास्तविक लेटेंसी बेंचमार्क देखने होंगे। हम यह भी देखना चाहते हैं कि क्या Poolside आखिरकार टूल-कॉलिंग-विशिष्ट रेट लिमिट या प्राइसिंग टियर जारी करता है ताकि XS लाइन को अपने बड़े मॉडलों से और अलग किया जा सके।

[NOVA]: कॉम्पैक्ट टियर का यह रिफ्रेश महत्वपूर्ण है क्योंकि यह सिर्फ कच्ची-गुणवत्ता की सीमा नहीं बल्कि लागत की सीमा को आगे बढ़ाता है। यदि आपके एजेंट स्टैक में बहुत सारे छोटे, इटरेटिव कॉल पर निर्भर हैं, तो एक विशाल कॉन्टेक्स्ट विंडो वाला सेकंड-जेन कॉम्पैक्ट मॉडल एक महत्वपूर्ण एकीकरण लक्ष्य है। यह बड़े फ्लैगशिप मॉडल के लेटेंसी हिट के बिना अधिक जटिल मल्टी-स्टेप वर्कफ़्लो की अनुमति देता है। ...

[ALLOY]: स्पेक्ट्रम के दूसरे छोर पर जाते हुए, Poolside ने भी Laguna M.1 को API के ज़रिए रिलीज़ किया है। यह उनका फ्लैगशिप कोडिंग एजेंट मॉडल है, जो जटिल सॉफ़्टवेयर इंजीनियरिंग कार्यों के लिए अनुकूलित है। अपने छोटे भाई-बहन की तरह, यह टूल कॉलिंग और रीज़निंग को दो सौ छियानवे हज़ार टोकन कॉन्टेक्स्ट विंडो के साथ सपोर्ट करता है। तंत्र के स्तर पर, यह बदलाव API सतह और रनटाइम व्यवहार में दिखता है जिसके खिलाफ एजेंट बिल्डर्स इंटीग्रेट करते हैं।

[NOVA]: Laguna M.1 रिलीज़ एजेंटिक कोडिंग के भारी काम के लिए लक्षित है। आर्किटेक्चरल परिवर्तनों, जटिल बग फिक्सों और बड़े पैमाने पर रिफैक्टर्स के बारे में सोचें जिन्हें पूरे स्टैक की गहरी समझ की ज़रूरत होती है। इस मॉडल का प्राथमिक स्रोत दस्तावेज़ीकरण विशिष्ट डिप्लॉयमेंट नोट्स और चेंजलॉग संदर्भ शामिल करता है जिन्हें बिल्डर्स को समीक्षा करनी चाहिए। यह ट्रैक करना उचित है कि भारी प्रोडक्शन लोड के तहत M.1 कैसे व्यवहार करता है, क्योंकि फ्लैगशिप कोडिंग मॉडल अक्सर लंबे ट्रेस पर संगतता के साथ अद्वितीय चुनौतियों का सामना करते हैं।

[ALLOY]: यह अभी इसलिए मायने रखता है क्योंकि एजेंट स्टैक कितनी तेज़ी से आगे बढ़ रहा है। इस परत में बदलाव तय करते हैं कि कौन से वर्कफ़्लो विश्वसनीय हैं और कौन से अभी भी नाज़ुक बने हुए हैं। बिल्डर्स के लिए व्यावहारिक सवाल यह है कि क्या Laguna M.1 उनके वर्तमान फ्लैगशिप डिफ़ॉल्ट कोडिंग कार्यों की जगह ले सकता है। प्रारंभिक साक्ष्य बताते हैं कि यह उन लोगों के लिए एक मजबूत दावेदार है जो स्वायत्त या अर्ध-स्वायत्त इंजीनियरिंग एजेंट बना रहे हैं।

[NOVA]: हमें अनुवर्ती रिलीज़ों और स्वतंत्र बेंचमार्क परिणामों पर नज़र रखनी चाहिए। जैसे-जैसे SDKs और सुरक्षा समीक्षा फ्रेमवर्क जैसे आसपास के टूलिंग M.1 के लिए सपोर्ट लेना शुरू करते हैं, स्विचिंग की बाधा कम हो जाएगी। अभी के लिए, ध्यान आपके एजेंटों से उम्मीद किए गए विशिष्ट कोडिंग पैटर्न के खिलाफ इसके प्रदर्शन को सत्यापित करने पर है। ...

[ALLOY]: OpenAI ChatGPT Enterprise के लिए नए खर्च नियंत्रण और उपयोग विश्लेषण पेश कर रहा है। यह संगठनों की आवश्यकता का सीधा जवाब है जो लागत प्रबंधित करने और अपने AI डिप्लॉयमेंट को अधिक विश्वास के साथ स्केल करना चाहते हैं। ये नियंत्रण प्रबंधन और API स्तर पर लागू होते हैं, जिससे एडमिन यह तय कर पाते हैं कि एक बड़ी कंपनी में सीटों को कैसे कॉन्फ़िगर और डिप्लॉय किया जाए। इसमें अधिक विस्तृत लागत विभाजन और खर्च पर कॉन्फ़िगरेबल सीलिंग सेट करने की क्षमता शामिल है।

[NOVA]: बिल्डर्स और प्लेटफ़ॉर्म इंजीनियरों के लिए, ये उपकरण दृश्यता के बारे में हैं। जैसे-जैसे एजेंट कंपनी में फैलते हैं, यह जानना महत्वपूर्ण है कि कौन से विभाग या प्रोजेक्ट उपयोग को चला रहे हैं। अपडेट किया गया विश्लेषण यह देखने का एक स्पष्ट दृश्य देता है कि टोकन कैसे खर्च हो रहे हैं, जो भविष्य के बजट अनुमानों की भविष्यवाणी में सहायता करता है। यह अकुशल एजेंट लूप की पहचान करने में भी मदद करता है जो बिना समकक्ष मूल्य दिए बजट को जला सकते हैं।

[ALLOY]: ये खर्च नियंत्रण उन बातों को बदल देते हैं जिन पर एंटरप्राइज़ स्टैक डिफ़ॉल्ट रूप से निर्भर कर सकता है। महीने के अंत में उच्च बिल का जवाब देने के बजाय, एडमिन अब सीमाएँ पहले से सेट कर सकते हैं। यह ट्रैक करना उचित है कि ये नियंत्रण एजेंट प्रदर्शन को कैसे प्रभावित करते हैं, विशेषकर यदि सत्र के बीच में सीलिंग पहुँच जाए। बिल्डर्स को यह सुनिश्चित करना होगा कि उनके एजेंट बजट सीमा पूरी होने पर सौम्य गिरावट या स्पष्ट सूचना संभाल सकें।

[NOVA]: OpenAI का यह कदम एंटरप्राइज AI बाजार के परिपक्व होने को दर्शाता है। लागत प्रबंधन अब कोई बाद का विचार नहीं है; यह प्रोडक्शन डिप्लॉयमेंट के लिए एक मूल आवश्यकता है। हम उम्मीद करते हैं कि अन्य प्रमुख प्रदाता भी इसका अनुसरण करेंगे और समान एंटरप्राइज़-ग्रेड विजिबिलिटी और नियंत्रण सुविधाओं के साथ आएंगे क्योंकि ध्यान प्रयोग से परिचालन दक्षता की ओर बढ़ रहा है। ...

[ALLOY]: एक हालिया विश्लेषण का तर्क है कि एन्क्रिप्शन और साइबरसिक्योरिटी सॉफ्टवेयर पर अमेरिकी निर्यात नियंत्रण के तीस साल मुख्य रूप से उनके प्रसार को धीमा करने में विफल रहे हैं। यह ऐतिहासिक संदर्भ अब Anthropic के Mythos साइबरसिक्योरिटी मॉडल पर लागू किया जा रहा है। मुख्य तर्क यह है कि ड्यूल-यूज़ सॉफ्टवेयर हमेशा लीक हुआ है, फोर्क हुआ है, और क्षेत्राधिकार की परवाह किए बिना पुनः कार्यान्वित किया गया है। वह ऐतिहासिक तंत्र जो विफल रहा उसमें सोर्स कोड या कंपाइल्ड बाइनरी को नियंत्रित कलाकृतियों के रूप में माना जाता था।

[NOVA]: Mythos के लिए, चुनौती और भी बड़ी है। सवाल यह है कि क्या मॉडल वेट, ट्रेनिंग कंप्यूट, या होस्टेड इंफरेंस API को प्रभावी रूप से नियंत्रित किया जा सकता है। कंपाइल्ड बाइनरी के विपरीत, एक मॉडल की क्षमता किसी विशिष्ट कलाकृति तक सीमित करना कठिन है। यह विनियमन के लिए सतह को काफी जटिल बनाता है। विश्लेषण से पता चलता है कि AI के लिए प्रसार तंत्र संभवतः क्रिप्टोग्राफिक टूल्स के समान पथ का अनुसरण करेगा: कोड फोर्क और विदेशी पुनः कार्यान्वयन किसी भी नियामक ढांचे से आगे निकल जाएंगे।

[ALLOY]: बिल्डर्स के लिए, मुख्य बात यह है कि फ्रंटियर AI साइबरसिक्योरिटी क्षमताएं संभवतः वैश्विक रूप से सुलभ होंगी। आपको यह मान लेना चाहिए कि रक्षात्मक और आक्रामक दोनों AI सुरक्षा उपकरण कई प्रकार के कर्ताओं के लिए उपलब्ध होंगे। यह अनुपालन टीमों के लिए निर्यात वर्गीकरण को एक गतिशील लक्ष्य बनाता है। यदि आप Mythos के साथ या उसके विरुद्ध बना रहे हैं, तो मॉडल वेट और इंफरेंस एंडपॉइंट का वर्गीकरण अस्पष्टता का एक बिंदु बना हुआ है।

[NOVA]: हमें Commerce Department से फ्रंटियर मॉडल वेट के संबंध में किसी भी नए नियम-निर्माण पर नज़र रखनी चाहिए। साथ ही, यह देखते रहें कि क्या Anthropic एक उपयोग नीति प्रकाशित करता है जो इन नियामक प्रश्नों को पहले से संबोधित करने का प्रयास करती है। Mythos पर यह लड़ाई संभवतः पूरे AI सुरक्षा क्षेत्र के लिए नीति ढांचा निर्धारित करेगी। ...

[ALLOY]: AI इंफरेंस स्टार्टअप Baseten के एक अरब पचास करोड़ डॉलर के फंडिंग राउंड को तेरह अरब डॉलर के वैल्यूएशन पर अंतिम रूप देने की सूचना है। यह फंडिंग उनके पिछले मेगा-राउंड के कुछ ही महीने बाद आई है और बाजार में एक प्रमुख बदलाव को रेखांकित करती है। इंफरेंस को अब मॉडल ट्रेनिंग लैब की एक विशेषता के रूप में नहीं, बल्कि अपने आप में एक अलग इन्फ्रास्ट्रक्चर श्रेणी के रूप में देखा जा रहा है। समर्पित पूंजी उन कंपनियों में जा रही है जो विशेष रूप से सर्विंग साइड पर ध्यान केंद्रित करती हैं।

[NOVA]: यहां तकनीकी तंत्र इंफरेंस-विशिष्ट सर्विंग स्टैक है। इसमें प्रोडक्शन डिप्लॉयमेंट के लिए मॉडल कंपाइलेशन पास और H100s और H200s जैसे विषम हार्डवेयर पर GPU पूलिंग जैसी चीजें शामिल हैं। Baseten की अंतर पहचान इन नॉब्स को इंजीनियरिंग टीमों के लिए एक प्रबंधित सेवा के रूप में उजागर करना है। मॉडल लैब से अपारदर्शी API एंडपॉइंट पर निर्भर रहने के बजाय, बिल्डर्स को बर्स्टी या लॉन्ग-कॉन्टेक्स्ट ट्रैफिक के लिए रिक्वेस्ट रूटिंग और ऑप्टिमाइज़ेशन पर अधिक नियंत्रण मिलता है।

[ALLOY]: यह विशाल फंडिंग संकेत करती है कि इंफरेंस लेयर एक खरीदार का बाजार बन रहा है। हाइपरस्केलर्स और Baseten, Fireworks, और Together जैसे विशेष प्रदाताओं के बीच अब असली प्रतिस्पर्धा है। बिल्डर्स के लिए, इसका मतलब है कि इंफरेंस प्रदाता का डिफ़ॉल्ट विकल्प अब स्पष्ट नहीं है। आपको स्पष्ट रूप से प्रति-टोकन लागत, विलंबता, और उपलब्ध अनुकूलन के स्तर के बीच समझौतों का मूल्यांकन करना चाहिए।

[NOVA]: हम यह देखते रहेंगे कि Baseten हाइपरस्केलर इंफरेंस API जैसे Bedrock या Azure AI के विरुद्ध खुद को कैसे स्थिति में रखता है। जैसे-जैसे इस क्षेत्र में अधिक पूंजी प्रवेश करती है, सर्विंग लेयर पर नवाचार की गति संभवतः तेज होगी। एजेंट बिल्डर्स के लिए यह अच्छी खबर है जिन्हें अपने प्रोडक्शन लूप को शक्ति देने के लिए विश्वसनीय, उच्च-प्रदर्शन इन्फ्रास्ट्रक्चर की आवश्यकता है। ...

[ALLOY]: Datasette ने Datasette Apps नामक एक नया प्लगइन लॉन्च किया है जो उपयोगकर्ताओं को Datasette के अंदर सीधे कस्टम HTML और JavaScript एप्लिकेशन होस्ट करने की अनुमति देता है। ये आत्मनिर्भर एप्लिकेशन हैं जो Datasette इंस्टेंस में संग्रहीत डेटा का लाभ उठा सकते हैं। लॉन्च घोषणा इस कदम के पीछे के "क्यों" को रेखांकित करती है, अलग होस्टिंग स्टैक की आवश्यकता के बिना डेटा को विज़ुअलाइज़ और इंटरैक्ट करने के अधिक लचीले तरीकों की आवश्यकता पर ध्यान केंद्रित करती है।

[NOVA]: एजेंट-स्टैक बिल्डर्स के लिए, यह UI लेयर में एक दिलचस्प डेवलपमेंट है। खुद डेटा टूल के अंदर कस्टम HTML होस्ट करके, आप उन एजेंट्स के लिए टाइटर फीडबैक लूप बना सकते हैं जो डेटाबेस के साथ इंटरैक्ट कर रहे हैं। यह उन इंटरनल टूल्स और डैशबोर्ड्स की डिप्लॉयमेंट को आसान बनाता है जिन्हें एक स्पेसिफिक फ्रंटएंड की जरूरत है लेकिन डेटा सोर्स के साथ क्लोजली कपल्ड होना जरूरी है। यह बदलाव API और रनटाइम लेवल पर असर डालता है, जिससे आप प्लगइन कॉन्फ़िगर करने और अपने कस्टम ऐप्स डिप्लॉय करने के तरीके पर असर पड़ता है।

[ALLOY]: इस बदलाव का मतलब है कि बिल्डर्स डेटा-ड्रिवन एजेंट्स के लिए Datasette पर ज्यादा पूर्ण प्लेटफॉर्म के तौर पर भरोसा कर सकते हैं। यह ट्रैक करना जरूरी है कि प्लगइन अलग-अलग वर्कलोड्स को कैसे हैंडल करता है और यह जटिल JavaScript एप्लिकेशन्स के साथ कैसे स्केल करता है। अगर आप डेटा एक्सप्लोरेशन या एजेंट मॉनिटरिंग के लिए टूल्स बना रहे हैं, तो यह आपके इन्फ्रास्ट्रक्चर ओवरहेड को काफी कम कर सकता है।

[NOVA]: हम यह देखेंगे कि कम्युनिटी Datasette Apps को कैसे अपनाती है और किस तरह के कस्टम इंटरफेस सामने आते हैं। जैसे-जैसे ज्यादा बिल्डर्स इसके साथ एक्सपेरिमेंट करेंगे, हमें एजेंट-ह्यूमन कोलैबोरेशन सरफेस के नए पैटर्न देखने को मिलेंगे जो सीधे उस डेटा के ऊपर बने होंगे जिसे वे प्रोसेस कर रहे हैं। ...

[ALLOY]: हाल के न्यूज़लेटर्स में AI न्यूज़ के लिए एक रिलेटिवली स्लो पीरियड नोट किया गया है, कोई बड़ा मॉडल ड्रॉप या एजेंट फ्रेमवर्क रिलीज़ नहीं जो साइकल में डॉमिनेट कर रहा हो। यह ब्रीदिंग रूम अक्सर कैलेंडर-ड्रिवन रिलीज़ कोऑर्डिनेशन का साइन होता है। AI इंजीनियर, या AIE, कॉन्फ्रेंस आगे होने वाली है, कई बड़ी लैब्स और मेंटेनर्स अपने रिवील्स उस इवेंट के लिए जमा कर रहे हैं। कॉन्फ्रेंस से पहले की यह गिरावट इकोसिस्टम में एक स्टैंडर्ड पैटर्न है।

[NOVA]: बिल्डर्स के लिए, यह शांत विंडो असल में काफी उपयोगी है। यह करंट एजेंट फ्रेमवर्क्स और स्टेबल API वर्जन्स पर नोट्स कंसोलिडेट करने का मौका देता है। आप अपने करंट स्टैक पर कुछ दिनों के लिए कमिट कर सकते हैं बिना हाई रिस्क के कि कोई ब्रेकिंग चेंज आपके लोकल एनवायरनमेंट को डिस्टर्ब करे। मौजूदा वर्कफ्लोज़ को परफेक्ट करने और अपने सेशन हैंडलिंग और टूल इंटीग्रेशन्स को सॉलिड बनाने पर फोकस करने का यह अच्छा समय है।

[ALLOY]: यहां देखने वाली बात AIE का ओपनिंग कीनोट है। ऐतिहासिक रूप से, मॉडल प्रोवाइडर्स और एजेंट रनटाइम मेंटेनर्स इन स्टेजेस का उपयोग रेफरेंस इंप्लीमेंटेशन और पिन्ड-वर्जन रिलीज़ शिप करने के लिए करते हैं। ये अनाउंसमेंट आमतौर पर टॉक के कुछ घंटों के भीतर डॉक्यूमेंटेशन और रिपोजिटरीज़ में फैल जाती हैं। रन-अप जितना शांत होता है, कीनोट रिवील्स उतने ही ज्यादा इम्पैक्टफुल होते हैं।

[NOVA]: कॉन्फ्रेंस शुरू होते ही गतिविधियों का एक तूफान आने की उम्मीद है। अभी के लिए, स्टेबिलिटी का आनंद लें और अगली वेव अपडेट्स के लिए अपना स्टैक तैयार करें। इस गिरावट से पोस्ट-कॉन्फ्रेंस शिपिंग साइकल में बदलाव आमतौर पर बहुत फास्ट होता है। ...

[ALLOY]: Meredith Whittaker, Signal की प्रेसिडेंट, ने हाल ही में एक इंटरव्यू में AI चैटबॉट्स को कंपैनियन के तौर पर पोजीशनिंग करने के ट्रेंड को वापस धकेला। उनका मैसेज साफ था: ये आपके दोस्त नहीं हैं, न ही वे कंशस बीइंग्स हैं, और न ही सेंटिएंट इंटरलोक्यूटर्स। यह क्रिटिक सीधे उन वेंडर्स को टारगेट करता है जो अपने ऑनबोर्डिंग फ्लोज़, पर्सोना सिस्टम प्रॉम्प्ट्स, और कन्वर्सेशनल डिज़ाइन में रिलेशनल लैंग्वेज का उपयोग करते हैं।

[NOVA]: यह इंटरवेंशन खास तौर पर तब रिलेवेंट है जब एजेंटिक कोडिंग टूल्स और सपोर्ट बॉट्स हमारी डेली वर्कफ्लोज़ में एम्बेडेड हो रहे हैं। टूल और टीममेट के बीच की लाइन एंथ्रोपोमॉर्फिक डिज़ाइन चॉइसेस द्वारा धुंधली हो रही है। Whittaker का तर्क है कि मॉडल्स को पीयर्स के तौर पर फ्रेम करने से उनकी मेमोरी और इंटेंट के बारे में गलत एक्सपेक्टेशन्स बनती हैं। बिल्डर्स के लिए, इसका मतलब है कि आपके एजेंट का प्रोडक्ट कॉपी और सिस्टम प्रॉम्प्ट्स अब ट्रस्ट सरफेस का हिस्सा हैं।

[ALLOY]: पर्सोना प्रॉम्प्ट्स में एंथ्रोपोमॉर्फिक फ्रेमिंग या UI ग्रीटिंग्स कुछ यूज़र्स के लिए प्राइवेसी रेड फ्लैग हो सकती हैं। Signal का प्राइवेसी पर फोकस इस क्रिटिक को डेवलपर सर्कल्स में काफी वेटेज देता है। एक बिल्डर के तौर पर, आप यह देखना चाहेंगे कि आपके एजेंट का पर्सोना यूज़र ट्रस्ट को मदद कर रहा है या नुकसान पहुंचा रहा है। रिलेशनल कॉपी आखिरकार प्राइवेसी-फोकस्ड एंटरप्राइज़ बायर्स के लिए डील-ब्रेकर बन सकती है।

[NOVA]: मैं देखूँगा/देखूँगी कि प्रमुख मॉडल प्रदाता अपने डेवलपर डॉक्यूमेंटेशन में relational framing के बारे में अपना मार्गदर्शन बदलते हैं या नहीं। अगर एंटरप्राइज खरीदारी anthropomorphic कॉपी को फ्लैग करना शुरू कर देती है, तो हम utilitarian और पारदर्शी agent personas की ओर वापसी देख सकते हैं। Agent-human interaction को कैसे frame करते हैं यह एक मुख्य design decision बन रहा है। ...

[ALLOY]: "In the Weights" नामक एक नई सेवा लॉन्च हुई है, जो खुद को AI युग के लिए एक vanity search engine के रूप में पेश कर रही है। यह वेब पेजों को इंडेक्स करने के बजाय, उपयोगकर्ताओं को एक स्कोर असाइन करती है जो इस बात पर आधारित है कि उनकी पहचान frontier AI मॉडल्स के पैरामीटर और training data के भीतर कितनी प्रमुखता से दिखती है। यह मॉडल को search index के रूप में उपयोग करती है, जो यह माप प्रदान करती है कि AI के आंतरिक world representation में किसी व्यक्ति की कितनी "उपस्थिति" है।

[NOVA]: इसके पीछे का मूल तंत्र hosted LLMs के खिलाफ बार-बार inference probes चलाने में शामिल है। आर्किटेक्चर model checkpoints में पहचान उल्लेखों को query करने के लिए एक evaluation harness का उपयोग करता है। फिर यह hit rates और frequency counts को एक एकल composite score में aggregate करता है। यह model visibility को एक मापनीय मीट्रिक के रूप में पुनः frame करता है, जो पहले वास्तव में productized surface के रूप में अस्तित्व में नहीं था।

[ALLOY]: AI उत्पाद ship करने वालों के लिए, यह user-facing metrics की एक नई श्रेणी बन सकता है। यह traditional search ranking से अलग तरह का signal surf करता है। builders के लिए सवाल यह है कि scoring methodology standardized होगी या opaque रहेगी। Reproducibility इस बात की कुंजी है कि यह score marketing के लिए एक real signal बनेगी या बस एक और vanity number रहेगी।

[NOVA]: मैं देखूँगा/देखूँगी कि इस सेवा के लिए probing protocol खोला जाता है या नहीं। अगर ऐसा होता है, तो हम different model versions में अपनी presence को tune करने के इर्दगिर्द नए tooling बनते देख सकते हैं। यह एक दिलचस्प नज़रिया है कि हम AI से भरे information environment में individuals और brands के influence को कैसे माप सकते हैं। ...

[ALLOY]: रडार पर पहला है Prefect team से FastMCP। यह Model Context Protocol का उपयोग करके servers और clients बनाने के लिए डिज़ाइन किया गया एक Pythonic framework है। यह developers को minimal boilerplate के साथ LLMs को tools और resources expose करने की अनुमति देता है। अगर आपके पास internal Python functions हैं जिन्हें आप चाहते हैं कि Claude Code जैसा agent सीधे invoke करे, तो FastMCP उन्हें typed tool calls के रूप में wrap करने का एक standard तरीका प्रदान करता है। यह ad-hoc CLI wrappers के लिए एक बढ़िया replacement है।

[NOVA]: अगला है Microsoft से Model Context Protocol for Beginners repo। यह protocol के fundamentals के बारे में developers को walk through करने वाला एक comprehensive curriculum है। जो इसे useful बनाता है वह .NET, Java, Rust, और TypeScript में cross-language examples है। यह non-Python services में agents को wire करने के लिए एक स्पष्ट path प्रदान करता है जिसके लिए सब कुछ rewrite करने की आवश्यकता नहीं है। आप अपनी पसंदीदी भाषा में एक lab चुन सकते हैं और अपने existing internal tools को MCP server में port करना शुरू कर सकते हैं।

[ALLOY]: अंत में, हमारे पास Unity MCP है। यह project AI assistants और Unity Editor के बीच सेतु बनाती है, asset management, scene control, और editor automation के लिए tools expose करती है। यह standard MCP tool calls के माध्यम से Unity editor API reachable बनाती है। Gaming या simulation space में builders के लिए, यह asset pipelines और scene edits को agent-driven steps में बदल देती है। आप अपने agent stack के माध्यम से पूरी build-and-test loop orchestrate कर सकते हैं। ...

[NOVA]: इस चक्र के model check में, Poolside से दो महत्वपूर्ण entries हैं। पहला है Laguna XS.2, अब OpenRouter पर उपलब्ध। जैसा कि हमने पहले चर्चा की थी, यह उनके XS class में second-generation compact model है। इसमें 262,000 टोकन का context window है और यह tool calling को reasoning के साथ जोड़ता है। अगर आप अपने agent loops में cost और latency को optimize करना चाहते हैं, तो यह अपने current defaults के विरुद्ध evaluate करने के लिए एक प्रमुख candidate है।

[ALLOY]: दूसरा selected model है Laguna M.1। यह Poolside से flagship entry है, API के माध्यम से भी उपलब्ध। यह complex software engineering tasks के लिए optimized है और समान massive context window support करता है। इसकी capabilities higher-tier agentic coding workflows के लिए aimed हैं। हम recommend करते हैं कि कुछ coding-agent sessions को M.1 और XS.2 दोनों के माध्यम से route करें ताकि देख सकें कि वे आपके specific codebase को आपके current primary models की तुलना में कैसे handle करते हैं।

[NOVA]: इस चक्र में अन्य मॉडलों की समीक्षा की गई थी लेकिन उन्हें पूर्ण कवरेज के लिए चुना नहीं गया क्योंकि वे नए प्रमुख प्रदाता रिलीज का प्रतिनिधित्व नहीं करते थे। हम बाजार में सभी प्रमुख मॉडलों के लॉन्ग-कॉन्टेक्स्ट और टूल-कॉलिंग प्रदर्शन को ट्रैक करना जारी रखते हैं ताकि यह सुनिश्चित हो सके कि आपके एजेंट स्टैक के पास सबसे अच्छी संभव नींव है। ...

[ALLOY]: हमारी लोकल स्पॉटलाइट के लिए, हम Ollama वर्जन 0.30.10 पर नज़र डाल रहे हैं। इस अपडेट में Apple Silicon पर Cohere के Command A और North फैमिली ऑफ मॉडल्स के लिए MLX-एक्सेलेरेटेड सपोर्ट जुड़ा है। यह एम्बेडेड llama इंजन को बिल्ड 9672 पर भी अपग्रेड करता है। बिल्डर्स के लिए जो अपने वर्कलोड्स को ऑन-डिवाइस रखना चाहते हैं, यह एक महत्वपूर्ण अपडेट है क्योंकि इससे M-सीरीज Mac पर इन मॉडल फैमिलीज का लोकल इंफरेंस CUDA की ज़रूरत के बिना संभव हो जाता है।

[NOVA]: अगर आप M-सीरीज Mac पर काम कर रहे हैं, तो आप Command A या North मॉडल पुल कर सकते हैं और टोकन-प्रति-सेकंड को अपने पिछले Ollama बिल्ड के खिलाफ बेंचमार्क कर सकते हैं। यह रिलीज उन एजेंट्स के लिए लूप को टाइट करता है जिन्हें हाई-प्राइवेसी या ऑफ़लाइन वातावरण में काम करने की ज़रूरत है। MLX एक्सेलरेशन से परफॉर्मेंस गेन्स ध्यान देने योग्य हैं और लोकल एजेंट्स को बहुत ज़्यादा रिस्पॉन्सिव बनाने में मदद करते हैं। ...

[ALLOY]: हमारे पहले एक्स्ट्रा में, हम billionaire मुकेश अंबानी की महत्वाकांक्षाओं पर नज़र डालते हैं, जो भारत में हर कॉल, ऐप और घर में AI बुनना चाहते हैं। तकनीकी कोण यहां ऑन-डिवाइस और एज इंफरेंस का टेलीकॉम कैरियर स्टैक में एम्बेडिंग है जिसके पांच सौ मिलियन से अधिक सब्सक्राइबर्स हैं। यह नेटवर्क-रेजिडेंट AI सरफेस के लिए एक विशाल स्केल का प्रतिनिधित्व करता है।

[NOVA]: अगला एक कहानी है Allbirds के CEO की, जिन्होंने एक प्लान के साथ लेकिन बिना किसी कर्मचारी के एक नया AI बिज़नेस लॉन्च किया है। यह सवाल उठाता है कि कैसे एक सिंगल-फाउंडर कंपनी मॉडल सिलेक्शन और शिपिंग को पूरी तरह से आउटसोर्स्ड या वेंडर-प्रोवाइडेड इंफरेंस स्टैक पर निर्भर रहकर ऑपरेशनलाइज कर सकती है। यह हाई-टियर एजेंट्स द्वारा संचालित "कंपनी ऑफ वन" मॉडल पर एक दिलचस्प नज़रिया है।

[ALLOY]: अंत में, एक विवाद है कि क्या ASML के टॉप चिप-मेकिंग टूल्स चीन में अपना रास्ता खोज लिए हैं। कहानी लिथोग्राफी एक्सपोर्ट कंट्रोल्स के वेरिफिकेशन और इस तरह के रेस्ट्रिक्टेड टूल्स का फिजिकल लोकेशन कैसे ट्रैक किया जाता है, इस पर निर्भर करती है। यह AI को पावर करने वाले हाई-एंड हार्डवेयर स्पेस में कमर्शियल लॉजिक और नेशनल सिक्योरिटी रेगुलेशन्स के बीच घर्षण को उजागर करता है। ...

[NOVA]: आज की कहानियों से: OpenClaw 6.9, Hermes 6.19, और Claude Code 1.176 के स्टेबल रिलीज़ आपके एजेंट स्टैक को डिफ़ॉल्ट रूप से जिस पर भरोसा कर सकते हैं उसमें बदलाव लाते हैं। Poolside के Laguna XS.2 और M.1 आपको लार्ज कॉन्टेक्स्ट रिक्वायरमेंट वाले कोडिंग-एजेंट लूप्स के लिए नए ऑप्शन देते हैं। OpenAI के नए एंटरप्राइज कंट्रोल्स एजेंट स्पेंड को स्केल पर मैनेज करने के लिए ज़रूरी विजिबिलिटी प्रदान करते हैं।

[ALLOY]: एक्सपोर्ट कंट्रोल्स के ऐतिहासिक फेलियर से पता चलता है कि डिफेंसिव और ऑफेंसिव AI क्षमताएं वैश्विक रूप से सुलभ रहेंगीं, जिससे सिक्योरिटी एक बेसलाइन असम्पशन बन जाती है। Baseten के लिए विशाल रेज़ से पता चलता है कि इंफरेंस लेयर अब एक अलग से फंडेड और अत्यधिक प्रतिस्पर्धी बाज़ार है। अंत में, याद रखें कि आपके एजेंट पर्सोना और कॉपी का चुनाव यूज़र ट्रस्ट को प्रभावित कर सकता है, खासकर Signal द्वारा उठाई गई प्राइवेसी चिंताओं को देखते हुए।

[NOVA]: आप सभी विवरण और सभी लिंक Toby On Fitness Tech dot com पर शो नोट्स में देख सकते हैं।

[ALLOY]: AgentStack Daily सुनने के लिए धन्यवाद। हम जल्द ही वापस आएंगे।