[NOVA]: मैं हूं NOVA.

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

[NOVA]: एक 27 अरब पैरामीटर वाला ओपन-वेट मॉडल अब लैपटॉप के RAM में फिट आता है। डेस्क के नीचे छिपा कोई वर्कस्टेशन नहीं। एक लैपटॉप। टर्नरी कम्प्रेशन हर वेट को तीन वैल्यू में से एक के रूप में स्टोर करता है, जिससे लोग प्राइवेट चैट और हल्के एजेंट लूप चला सकते हैं बिना किसी होस्टेड सर्विस को डेटा भेजे। इस बीच, Jack Dorsey की Block ने Buzz लॉन्च किया है, जहां लोग, AI एजेंट, चैट और Git एक्टिविटी सब एक फीड में साझा करते हैं।

[ALLOY]: ठीक है, यह तो असल में बंद है। लोकल मॉडल हार्डवेयर बैरियर को छोटा करता है, जबकि Buzz कन्वर्सेशन और एक्जीक्यूशन के बीच की दीवारें हटाने की कोशिश करता है। वहीं, फार्मास्यूटिकल रिसर्चर AI का उपयोग यह तय करने के लिए कर रहे हैं कि कौन से मॉलिक्यूल दुर्लभ लैबोरेटरी टाइम के काबिल हैं, और Apple डेवलपर कोडिंग एजेंट्स को बिल्ड्स, सिम्युलेटर्स और टेस्ट तक स्ट्रक्चर्ड एक्सेस दे सकते हैं।

[NOVA]: आज: टर्मिनल-बेस्ड कोडिंग एजेंट OpenAI Codex पॉइंट वन-फोर्टी-फाइव शिप करता है स्टेबलाइज्ड मल्टी-एजेंट वर्क और कॉन्फ़िगरेशन इम्पोर्ट्स के साथ; Gemini 3.6 Flash एक मिलियन-टोकन कॉन्टेक्स्ट विंडो के साथ आता है; और Anthropic का पाइरेटेड किताबों पर डेढ़ अरब डॉलर का सेटलमेंट फाइनल अप्रूवल क्लियर करता है। आप यह भी सुनेंगे ड्रामेटिकली लीनर कोड सर्च के बारे में, एक शेयर्ड मॉडल-इवैल्यूएशन सिक्योरिटी इंसिडेंट के बारे में, और एजेंट्स जो अपना कॉन्टेक्स्ट प्रून करते हैं।

[NOVA]: ...

[NOVA]: OpenAI Codex पॉइंट वन-फोर्टी-फाइव अपना ऑप्ट-इन मल्टी-एजेंट V2 एक्सपीरियंस स्टेबलाइज करता है। यह टर्मिनल-बेस्ड कोडिंग एजेंट का प्रयास है पैरेलल वर्कर्स को कई चैट्स की तरह महसूस कराने का जो एक विंडो शेयर करते हैं, इसके बजाय एक कूडिनेटेड सिस्टम जैसा। हर सब-एजेंट अलग मॉडल और रीजनिंग लेवल इस्तेमाल कर सकता है, कंकर्सी कॉन्फ़िगरेबल है, वर्कर्स के बीच नेविगेशन साफ है, और रोल डेफिनिशंस रिस्टोर हो गई हैं ताकि एक कोडर लॉन्ग सेशन में रिव्यूअर से अलग पहचाना जा सके। पहले के वर्जन अजीब रोलबैक स्टेट्स में जा सकते थे या वर्कर्स को आपस में मिला सकते थे। यह रिलीज उस रफ़नess को सीधे एड्रेस करता है।

[ALLOY]: और यह किसी और धाँसू "मैनी एजेंट्स" डेमो से ज्यादा मायने रखता है। पैरेलल वर्क तभी मदद करता है जब आप बता सकें कि किसने क्या बदला और क्यों। दूसरा बड़ा ऐडिशन है स्लैश-इम्पोर्ट, जो Cursor या टर्मिनल-बेस्ड AI कोडिंग एजेंट Claude Code कॉन्फ़िगरेशन्स को Codex में ला सकता है। इसमें Model Context Protocol सर्वर्स, प्लगइन्स, सेशन्स, कस्टम कमांड्स और प्रोजेक्ट-स्कोप्ड मेमोरीज शामिल हैं। Model Context Protocol, या MCP, एक कॉमन इंटरफेस है जिसके जरिए एक असिस्टेंट बाहरी टूल्स को कॉल करता है। उन कनेक्शन्स और मेमोरीज को मूव करना सेटअप का महंगा हिस्सा सुरक्षित रखता है: वह एक्यूमुलेटेड कॉन्टेक्स्ट जो बताता है कि टीम कैसे काम करती है।

[NOVA]: Codex में एक्सपेरिमेंटल Amazon Bedrock सपोर्ट भी जुड़ता है कस्टम एंडपॉइंट्स और ऑथेंटिकेशन के साथ, GPT-5.6 Sol को डिफ़ॉल्ट Bedrock मॉडल के रूप में इस्तेमाल करते हुए। ऑडियो अब कॉमन लोकल फॉर्मैट्स के जरिए वर्किंग सेशन में प्रवेश कर सकता है, और स्ट्रीमिंग रियलटाइम V3 कन्वर्सेशन स्पोकन इंटरैक्शन के लिए अलग रियलटाइम क्लाइंट के बिना सपोर्ट करते हैं। टूल आउटपुट में भी ऑडियो हो सकता है। टर्मिनल इंटरफेस में, इनलाइन विज़ुअलाइज़ेशन लिंक क्लिकेबल हैं, ताकि एक जेनरेटेड फिगर ब्राउज़र में खुल सके एस्केप-कैरेक्टर कॉन्फेटी से टर्मिनल को सजाए बिना। छोटी रहमत, फिर भी रहमत।

[ALLOY]: रिलायबिलिटी फिक्सेस हेडलाइन फीचर्स से ज्यादा देर तक रहेंगे। पहले के प्रॉम्प्ट को एडिट करना या सेफ्टी-बफ़र्ड टर्न को रीट्राई करना अब अटैचमेंट्स और मेंशन बाइंडिंग्स को डिस्कार्ड करने के बजाय एक कॉन्टेक्स्चुअल ब्रांच बनाता है। इंक्रीमेंटल Markdown रेंडरिंग और बाउंडेड कमांड आउटपुट लंबे टर्मिनल सेशन्स को रेस्पॉन्सिव रखते हैं। MCP स्टार्टअप में टाइमआउट्स हैं, जो ब्रोकन ऑथेंटिकेशन डिस्कवरी को पूरे सेशन को फ्रीज करने से रोकते हैं। Windows सैंडबॉक्सिंग को नेटिव एक्जीक्यूशन-सर्वर सपोर्ट और नेटवर्क-प्रॉक्सी एन्फोर्समेंट मिलता है। मुझे कॉन्फ़िगरेबल सब-एजेंट्स के बारे में उत्साह है, लेकिन स्टेबलाइज़ेशन असली रिलीज है: मल्टी-एजेंट कोडिंग तब उपयोगी बनता है जब ब्रांचिंग, टूल स्टार्टअप, रोल्स और लॉन्ग-सेशन रेंडरिंग यूज़र से लड़ना बंद कर दें।

[NOVA]: ...

[ALLOY]: दस लाख, अठानबे हज़ार, पाँच सौ छिहत्तर टोकन। यह Gemini 3.6 Flash के लिए सूचीबद्ध संदर्भ विंडो है, जो OpenRouter के कैटलॉग में एक तुरंत रूट करने योग्य Google मॉडल के रूप में दिखाई दिया है। यह कोडिंग, एजेंटिक वर्कफ़्लो और वेब ऐप विकास के लिए एक उच्च-दक्षता विकल्प के रूप में पोज़िशन किया गया है। Flash लेबल आमतौर पर यह इंगित करता है कि Google अधिकतम क्षमता के बजाय गति और दक्षता को प्राथमिकता दे रहा है, लेकिन दस लाख टोकन की विंडो छोटे, तेज़ टियर को एक असामान्य रूप से बड़ा कार्य सतह प्रदान करती है।

[NOVA]: एक बड़े भंडार, लंबे टूल-कॉल इतिहास, पुनर्प्राप्त दस्तावेज़ीकरण, एक फीचर विनिर्देश और प्रासंगिक विफलताओं को एक अनुरोध में रखने के लिए पर्याप्त बड़ा। इसका मतलब यह नहीं है कि मॉडल हर टोकन को समान रूप से समझता है—संदर्भ क्षमता और संदर्भ उपयोग बहुत अलग दावे हैं—लेकिन यह एक लंबे एजेंट रन के दौरान स्थिति को संक्षेपित करने की आवश्यकता को कम करता है। OpenRouter उपलब्धता भी मायने रखती है क्योंकि प्रदाताओं के बीच पहले से रूटिंग करने वाली टीमें अपने मौजूदा मॉडल गेटवे को बदले बिना Gemini जोड़ सकती हैं।

[ALLOY]: Google का कहना है कि 3.6 Flash कम अनावश्यक संपादनों के साथ परिष्कृत आउटपुट तैयार करता है। मुझे महत्वाकांक्षा पसंद है; बिना बाहरी परिणामों के मैं अभी यह स्वीकार नहीं करता। कोडिंग एजेंट फ़ाइल को फिर से लिखने, खुद को उलटने और असंबंधित लाइनों को छूने में समय बर्बाद कर सकते हैं। यदि मॉडल अपने पहले प्रयास में तैयार बदलाव के करीब पहुंच जाता है, तो दक्षता दो बार सुधरती है: कम जेनरेट किए गए टोकन और कम मानव समीक्षा। खुले प्रश्न विलंबता, मूल्य और यह हैं कि क्या अधिक साफ संपादन अपरिचित कोडबेस के संपर्क में बने रहते हैं। फिर भी, तेज़ अनुमान को दस लाख टोकन विंडो के साथ जोड़ना रोमांचक है क्योंकि यह उस लंबे चलने वाले कार्य को लक्षित करता है जहां छोटे मॉडल आमतौर पर अपना आधार खो देते हैं।

[NOVA]: ...

[NOVA]: Jack Dorsey का Block ने Buzz लॉन्च किया है, एक वर्कप्लेटफॉर्म जो ग्रुप चैट, AI एजेंटों और Git होस्टिंग को एक फीड में जोड़ता है। एक इंजीनियर एक एजेंट को किसी सहकर्मी का उल्लेख करने की तरह एक थ्रेड में ला सकता है, काम सौंप सकता है और मानव चर्चा के बगल में प्रतिक्रिया देख सकता है। कमिट और पुल रिक्वेस्ट उस बातचीत से जुड़े रहते हैं जिन्होंने उन्हें बनाया। Buzz चैट संदेशों, रिपॉजिटरी टिप्पणियों और एक एजेंट के निजी इतिहास में बिखरने के बजाय किसी कोड बदलाव के पीछे के "क्यों" को संरक्षित करने की कोशिश कर रहा है।

[ALLOY]: यह साइडबार में एक सहायक लगाने से कहीं अधिक बोल्ड विचार है। Slack और Microsoft Teams पहले से ही कार्यस्थल बातचीत के बड़े हिस्से पर कब्जा कर चुके हैं, जबकि Git होस्टिंग के गहराई से स्थापित वर्कफ़्लो हैं। Buzz का दांव यह है कि एजेंट सहकर्मी उत्पाद सीमा को बदलते हैं: यदि सॉफ़्टवेयर किसी कार्य पर चर्चा कर सकता है और फिर रिपॉजिटरी को संशोधित कर सकता है, तो शायद चैट और संस्करण नियंत्रण अलग-अलग जगहें नहीं होनी चाहिए। Hacker News पर एक चर्चा कुछ ही घंटों में लगभग 330 अंकों तक पहुंच गई, इसलिए डेवलपर्स कम से कम जिज्ञासु हैं। जिज्ञासा स्पष्ट रूप से प्रवास नहीं है।

[NOVA]: यह असुविधाजनक सवाल है: यदि कोई एजेंट आपकी टीम के समान फीड में बैठा है, तो वास्तव में यह क्या छू सकता है? केवल पढ़ने के लिए एक्सेस इसे एक सूचित टिप्पणीकार बनाता है। लेखन एक्सेस इसे रिपॉजिटरी क्रेडेंशियल वाले सहकर्मी में बदल देता है। इसलिए अनुमति मॉडल यह तय करता है कि Buzz उपयोगी बनती है या लापरवाह। टीमों को प्रत्येक एजेंट कार्रवाई के लिए स्पष्ट पहचान, अनुमोदन और श्रेय की आवश्यकता है, खासकर जब कोई चैट अनुरोध कमिट बन सकता है।

[ALLOY]: ठीक है, और मैं विचार को एक कदम और आगे बढ़ाऊंगा। Buzz छोटी टीमों को तीन सिस्टम को जोड़ने के बजाय अनुरोध, चर्चा, कार्यान्वयन और समीक्षा को शामिल करने वाला एक साझा रिकॉर्ड दे सकता है। यह वास्तव में आकर्षक है। लेकिन एकीकृत फीड संवेदनशील जानकारी का एक असाधारण रूप से केंद्रित स्रोत भी बन सकता है: टीम बातचीत, कोड, एजेंट निर्देश और एक ही जगह पर बदलाव इतिहास। एकीकरण आकर्षण और ब्लास्ट रेडियस दोनों है। Buzz तभी सफल होती है जब वह उस सांद्रता को पठनीय और नियंत्रित बनाती है, केवल सुविधाजनक नहीं।

[NOVA]: ...

[ALLOY]: कोड जनरेशन को तारीफ मिलती है, लेकिन कोड सर्च अक्सर बिल भरता है। MinishLab का Semble एजेंट्स के लिए बनाया गया एक ओपन-सोर्स सर्च बैकएंड है, और टीम का दावा है कि同一个 query के लिए naïve grep-and-read पाइपलाइन की तुलना में लगभग अठानबे प्रतिशत कम टोकन का उपयोग होता है। Semble वर्जन पॉइंट फाइव-टू जुलाई इक्कीस को आया, एक दिन के भीतर ही अतिरिक्त कमिट्स आए, और रिपॉजिटरी ने 5,600 GitHub स्टार्स पार कर लिए हैं।

[NOVA]: बर्बादी को पहचानना आसान है। एक एजेंट grep चलाता है, लाइन नंबर प्राप्त करता है, कई पूरी फाइलें खोलता है, और एक फंक्शन के आसपास के संबंधों को फिर से बनाने में हजारों टोकन खर्च करता है। Semble इसके बजाय एक कॉम्पैक्ट, फोकस्ड रिजल्ट लौटाता है जिस पर मॉडल सीधे काम कर सकता है। यह पूछना कि retry handler कहाँ परिभाषित है, बातचीत में आधा रिपॉजिटरी इम्पोर्ट करने की मांग नहीं करनी चाहिए। मॉडल एक भी उपयोगी लाइन लिखने से पहले सर्च लागत पर हावी हो सकता है।

[ALLOY]: अठानबे प्रतिशत MinishLab का आंकड़ा है, इसलिए मान रहा हूँ कि यह अभी एक वेंडर क्लेम है जब तक कि स्वतंत्र तुलनाएं विभिन्न रिपॉजिटरीज़ पर इसे दोहरा नहीं लेतीं। हालांकि, इससे काफी कम कमी भी मायने रखती है। बेहतर रिट्रीवल से एजेंट को reasoning, patches, और टूल हिस्ट्री के लिए अपना अधिक कॉन्टेक्स्ट विंडो सुरक्षित रखने में मदद मिलती है। यह लंबे refactors को अधिक सुसंगत भी बना सकता है क्योंकि अप्रासंगिक सोर्स डंप अब पहले के निर्णयों को हटा नहीं देते।

[NOVA]: Semble एक चैट सरफेस या एडिटर स्किन नहीं, बल्कि इन्फ्रास्ट्रक्चर है। एक एजेंट हार्नेस इसे सर्च लेयर के रूप में कॉल कर सकता है और अपना मौजूदा इंटरफेस रख सकता है। यह पॉपुलर कोडिंग एजेंट्स के साथ औपचारिक इंटीग्रेशन को अगला महत्वपूर्ण माइलस्टोन बनाता है। अगर वे आएं और रियल-रिपॉजिटरी मेज़रमेंट्स बने रहें, तो फोकस्ड कोड रिट्रीवल उस परिचित grep-प्लस-रीड लूप को चुपचाप बदल सकता है। सबसे उपयोगी इन्फ्रास्ट्रक्चर इसी तरह आता है: कोई कीनोट नहीं, बस एक छोटा टोकन इनवॉइस और एक एजेंट जो एक-लाइन सवाल का जवाब देने के लिए बारह फाइलों में नहीं भटकता।

[NOVA]: ...

[NOVA]: whodb ने लगभग 4,930 GitHub स्टार्स पार कर लिए हैं, जुलाई सोलह को वर्जन वन-ट्वेंटी-वन रिलीज किया, और जुलाई बाईस को एक और रिपॉजिटरी push मिला। मेंटेनर्स इसे "जहाँ डेटा एक्सेस ऑपरेशनल इंटेलिजेंस से मिलता है" के रूप में वर्णित करते हैं। यह शब्दावली प्रोजेक्ट को डेटा क्वेरी करने के लिए उपयोग किए जाने वाले टूल्स और सिस्टम के अंदर क्या हो रहा है यह समझने के लिए उपयोग किए जाने वाले टूल्स के बीच रखती है।

[ALLOY]: मैं इंट्रिग्ड हूँ, लेकिन टैगलाइन उपलब्ध प्रोडक्ट डिटेल से ज़्यादा वजन ला रही है। "ऑपरेशनल इंटेलिजेंस" का मतलब वास्तव में उपयोगी सिस्टम अवेयरनेस हो सकता है या एम्बिशन वाला डैशबोर्ड। सक्रिय शिपिंग गति कंक्रीट हिस्सा है: एक रिलीज के बाद एक सप्ताह के भीतर और काम दिखाना एक प्रोजेक्ट को तेज़ी से आगे बढ़ता दिखाता है, जो accumulated स्टार्स पर बैठा नहीं है। वन-पॉइंट-ज़ीरो से पहले के वर्जन पर, हर रिलीज अभी भी एक चेकपॉइंट है जब टीम सरफेस को आकार दे रही है।

[NOVA]: बिल्कुल। स्टार काउंट एटेंशन मापता है, ड्यूरेबिलिटी नहीं, और हाई वर्जन काउंट मैच्योरिटी की गारंटी नहीं देता। मायने रखता है कि बाद की रिलीज़ में क्या आता है, रिपॉजिटरी 5,000 स्टार्स पार करती है और यूज़र्स को आकर्षित करती रहती है, और क्या मेंटेनर्स अंततः एक स्टेबल वन-पॉइंट-ज़ीरो कॉन्ट्रैक्ट तय करते हैं। डेटा टूल्स जल्दी डिपेंडेंसी बन जाते हैं; इंटीग्रेशन टूटने लगते हैं जब तक कि बार-बार बदलाव रोमांचक रहते हैं।

[ALLOY]: फिर भी, लगभग 5,000 लोग एक सक्रिय रखरखाव वाले ओपन-सोर्स डेटा प्रोजेक्ट को देख रहे हैं यह कुछ भी नहीं नहीं है। अवसर एक ऐसा टूल है जो लोगों को अपने डेटा तक पहुँचने देता है और साथ ही इसके चारों ओर उपयोगी ऑपरेशनल कॉन्टेक्स्ट भी दिखाता है। अनसुलझा सवाल यह है कि क्या ये दोनों काम एक सुसंगत प्रोडक्ट बनते हैं। अगर whodb अपनी पोजिशनिंग को शिप्ड क्षमता में बदलता है, तो एजेंट्स और लोगों को लाइव सिस्टम्स की जाँच करने का अधिक सूचित तरीका दे सकता है। अगर नहीं, तो यह एक फास्ट-मूविंग डेटाबेस इंटरफेस बना रहेगा जिसके README पर एक बहुत आश्वस्त वाक्य है।

[NOVA]: ...

[ALLOY]: holaOS प्राइवेसी के पहलू से मेमोरी की समस्या को हल करने की कोशिश कर रहा है। यह ओपन-सोर्स प्रोजेक्ट कहता है कि इसका वर्क एजेंट लोकली चलता है, मिनटों में किसी व्यक्ति के कामकाजी संदर्भ को सीखता है, और सेशन के बीच उस संदर्भ को बनाए रखता है। इसने पहले ही 5,500 से अधिक GitHub स्टार्स एकत्र कर लिए हैं, जिसमें जुलाई बीस तारीख को हाल ही में रिपॉजिटरी एक्टिविटी हुई है। अभी तक कोई टैग्ड GitHub रिलीज़ नहीं है, इसलिए यह एक तैयार उत्पाद की बजाय सक्रिय रूप से विकसित हो रहा प्रस्ताव है।

[NOVA]: प्रस्ताव स्पष्ट है: फाइलें, प्रॉम्प्ट्स और प्रोजेक्ट इतिहास उपयोगकर्ता की मशीन पर रहते हैं, किसी और के क्लाउड में स्टोर की गई मेमोरी प्रोफाइल बनने की बजाय। यह क्लाइंट मटेरियल संभालने वाले फ्रीलांसर्स, आंतरिक दस्तावेजों की सुरक्षा करने वाली कंपनियों, और उन सभी के लिए आकर्षक है जो अपनी पूरी कामकाजी जिंदगी एक्सपोर्ट किए बिना निरंतरता चाहते हैं। लोकल-फर्स्ट स्वचालित रूप से सुरक्षित नहीं है, बेशक। इसका मतलब है कि नियंत्रण की सीमा मशीन पर चली जाती है, जहां स्टोरेज, परमिशन्स और बैकअप अभी भी मायने रखते हैं।

[ALLOY]: पर्सिस्टेंट मेमोरी वह जगह है जहां मैं उत्साहित और संशयी दोनों हो जाता हूं। एक एजेंट जो कई सप्ताह के प्रोजेक्ट को याद रखता है, वह हर सुबह आर्किटेक्चर, निर्णयों और अधूरे कार्यों को समझाने की दोहराई जाने वाली प्रक्रिया से बच सकता है। लेकिन "कभी नहीं भूलता" तब तक मार्केटिंग है जब तक इम्प्लीमेंटेशन यह नहीं दिखाता कि क्या स्टोर होता है, रिट्रीवल कैसे काम करता है, और क्या पुराना या गलत संदर्भ सुधारा जा सकता है। अनंत मेमोरी उपयोगी मेमोरी के समान नहीं है। डाउनलोड्स फोल्डर वाले किसी भी व्यक्ति से पूछें।

[NOVA]: एक टैग्ड रिलीज़ और वास्तविक मल्टी-डे डेमोन्स्ट्रेशन हमें स्टार काउंट से कहीं अधिक बताएगा। holaOS को यह दिखाना होगा कि वह पुराने सारांशों को नए काम को गलत दिशा में ले जाने की अनुमति दिए बिना प्रासंगिक संदर्भ को संरक्षित कर सकता है। अगर यह सफल होता है, तो परिणाम प्राइवेट चैट से अधिक है: यह एक लोकल वर्क एजेंट है जिसकी समझ समय के साथ बढ़ती है। एजेंट को डिवाइस पर चलाने के सबसे मजबूत कारणों में से एक यह है, क्योंकि मूल्य निजी इतिहास के साथ बढ़ता है जिसे उपयोगकर्ता कभी कहीं और अपलोड नहीं करना चाह सकता।

[NOVA]: ...

[NOVA]: prism-ml का Ternary-Bonsai-27B पैकेज एक 27 अरब पैरामीटर वाले ओपन-वेट मॉडल को मॉडर्न लैपटॉप्स में सोलह या बत्तीस गीगाबाइट यूनिफाइड मेमोरी में फिट करता है। यह जुलाई चौथी रिलीज़ के तुरंत बाद llama.cpp के लिए GGUF फॉर्मेट में Hugging Face पर प्रकाशित हुआ, इसने 432,000 डाउनलोड और 913 लाइक्स एकत्र कीं। CUDA एक्सेलरेशन Nvidia हार्डवेयर का समर्थन करता है, जबकि Metal Apple Silicon Mac को कवर करता है।

[ALLOY]: ठीक है, कम्प्रेशन पार्ट को धीरे-धीरे बताओ, क्योंकि यही जादू की ट्रिक है। प्रत्येक वेट को केवल तीन संभावित मानों में से एक के रूप में दर्शाया जाता है। यह टर्नरी क्वांटाइजेशन है: अत्यंत कॉम्पैक्ट न्यूमेरिकल स्टोरेज जो सभी 27 अरब पैरामीटर को संरक्षित करता है जबकि उन्हें लोड करने के लिए आवश्यक मेमोरी को कम करता है। मॉडल डिस्क से वेट स्ट्रीमिंग या वर्कस्टेशन-क्लास हार्डवेयर की मांग करने के बजाय RAM में फिट हो सकता है। होस्टेड API की आवश्यकता नहीं है, और प्रॉम्प्ट पूरी तरह से मशीन पर रह सकते हैं।

[NOVA]: यह हार्डवेयर पर लोगों के पहले से मौजूद व्यावहारिक उपयोग खोलता है: प्राइवेट डॉक्यूमेंट कन्वर्सेशन, ऑफलाइन असिस्टेंस, लोकल एक्सपेरिमेंटेशन, और हल्के एजेंट लूप। GGUF पैकेजिंग इसे बेस्पोक रनटाइम की आवश्यकता के बजाय स्थापित llama.cpp इकोसिस्टम में रखती है। डाउनलोड नंबर भी सुझाव देते हैं कि यह महज एक पेपर एक्सरसाइज नहीं है। लोग बड़े लोकल मॉडल चाहते हैं, खासकर जब विकल्प बार-बार API लागत या संवेदनशील सामग्री किसी तीसरे पक्ष को भेजना है।

[ALLOY]: लेकिन यहीं पर मैं पार्टी को थोड़ा खराब कर दूंगा: फिट होना अच्छी तरह से रीज़न करना समान नहीं है। एग्रेसिव क्वांटाइजेशन सामान्य बातचीत को बनाए रख सकता है जबकि कठिन मल्टी-स्टेप काम को खराब कर सकता है। स्वतंत्र मूल्यांकनों को दिखाना होगा कि क्या Ternary Bonsai लंबे रीज़निंग और जटिल निर्देशों पर उपयोगी गुणवत्ता बनाए रखता है। भले ही गुणवत्ता गिरे, फुटप्रिंट उपलब्धि अभी भी मायने रखती है। दो साल पहले, एक लैपटॉप पर आराम से 27 अरब पैरामीटर का मॉडल चलाना बेतुका लगता था। अब तर्क "क्या यह लोड हो सकता है?" से "लोड होने के बाद यह कितना सक्षम है?" में चला गया है। यह एक महत्वपूर्ण बदलाव है।

[NOVA]: ...

[ALLOY]: एक संघीय न्यायाधीश ने Anthropic के पायरेटेड किताबों के खिलाफ 1.5 अरब डॉलर के समझौते को मंजूरी दी है, जिनका उपयोग Claude को प्रशिक्षित करने के लिए किया गया था। मुख्य मामले में Andrea Bartz सहित लेखक शामिल थे, और यह समझौता उन लेखकों को मुआवजा देता है जिनकी किताबें पायरेट स्रोतों से डाउनलोड की गई थीं और प्रशिक्षण मिश्रण में शामिल की गई थीं। यह डॉलर राशि बहुत बड़ी है। यह उद्योग को अवैध सामग्री के माध्यम से कॉपीराइटेड सामग्री हासिल करने से जुड़े वित्तीय जोखिम की एक ठोस तस्वीर देता है।

[NOVA]: यह स्वीकृति इस मामले को बंद करती है लेकिन बड़े कानूनी सवाल को हल नहीं करती: क्या बिना अनुमति के कॉपीराइटेड किताबों पर AI मॉडल को प्रशिक्षित करना उचित उपयोग माना जाता है। Anthropic ने यहां उस बचाव को लड़ना जारी रखने के बजाय समझौता किया। AI कंपनियों के खिलाफ अन्य मुकदमे सक्रिय हैं, इसलिए अदालतों ने अभी तक वैध प्रशिक्षण के बारे में कोई सामान्य रेखा नहीं खींची है। एक विवाद समाप्त होता है; केंद्रीय सिद्धांत अनसुलझा रहता है।

[ALLOY]: और इस समझौते के तहत आने वाले लेखक अब उन कामों के लिए मुआवजा प्राप्त करते हैं जिन्हें उन्होंने AI प्रशिक्षण के लिए लाइसेंस देने के लिए सहमत नहीं किया था। पायरेट किताब संग्रहालयों को छूने वाली अन्य प्रयोगशालाओं के पास भी यह संदर्भ बिंदु है कि एक बातचीत समाधान की लागत क्या हो सकती है। मैं एक समझौते को सार्वभौमिक मूल्य सूची के रूप में नहीं मानूंगा - अन्य मामलों में तथ्य और वर्ग भिन्न हो सकते हैं - लेकिन 1.5 अरब डॉलर के भुगतान के बाद कोई भी प्रशिक्षण-डेटा उत्पत्ति को सैद्धांतिक अनुपालन चिंता के रूप में खारिज नहीं कर सकता।

[NOVA]: अगला महत्वपूर्ण विकास एक ऐसा फैसला होगा जो वास्तव में मॉडल प्रशिक्षण के लिए उचित उपयोग की व्याख्या करता है, सवाल से बचने वाले एक और समझौते के बजाय। तब तक, खरीदारों और निर्माताओं को एक अजीब स्थिति का सामना करना पड़ता है: मॉडल व्यावसायिक रूप से उपलब्ध हो सकते हैं जबकि उनके प्रशिक्षण डेटा के हिस्सों की वैधता विवादित रहती है। यह मामला सैकड़ों Hacker News टिप्पणियों को आकर्षित करता है क्योंकि डेवलपर्स, लेखक और AI ग्राहकों सभी को कुछ हानि है। बेहतर मॉडल विशाल कोरपोरा से आए; अनसुलझा तर्क यह है कि उन कोरपोरा को एक साथ रखने का अधिकार किसके पास था।

[NOVA]: ...

[NOVA]: SWE-Pruner Pro कोडिंग एजेंटों में अपशिष्ट के एक शांत स्रोत को संबोधित करता है: लंबे टूल आउटपुट। कोड और कमांड परिणामों को फ़िल्टर करने के लिए एक अलग मॉडल का उपयोग करने के बजाय, शोध कहता है कि कोडिंग मॉडल में पहले से ही आंतरिक संकेत हैं कि कौन सी सामग्री मायने रखती है। एक छोटा प्रशिक्षित घटक उन संकेतों को पढ़ता है और प्रॉम्प्ट स्पेस खाने से पहले अप्रासंगिक टुकड़ों को हटा देता है। सादे भाषा में, एजेंट अपना खुद का ट्रायज करता है।

[ALLOY]: यह पहले के Semble से सीधे जुड़ता है। Semble अनावश्यक कोड पुनर्प्राप्त करने से बचने की कोशिश करता है; SWE-Pruner Pro टूल्स द्वारा लौटाने के बाद अप्रासंगिक सामग्री को छोड़ने की कोशिश करता है। एक साथ वे उन एजेंटों की ओर इशारा करते हैं जो अपने संदर्भ विंडो में कम समय बिताते हैं। एक अलग फ़िल्टरिंग मॉडल को हटाने से विलंबता और लागत भी कम हो सकती है। मुझे दिलचस्पी है, हालांकि खुले-एजेंट अपनाने से तय होगा कि यह बुनियादी ढांचा बनता है या एक आशाजनक पेपर परिणाम रहता है।

[NOVA]: लंबी कोडिंग सत्रों के दौरान सेल्फ-प्रूनिंग विशेष रूप से मूल्यवान हो जाती है, जहां कमांड लॉग और फ़ाइल रीड्स उपयोगी निर्णयों की तुलना में तेजी से जमा होते हैं। कठिन हिस्सा एक अस्पष्ट विवरण को संरक्षित करना है जो बाद में आवश्यक साबित होता है। फिर भी, एक मॉडल को अपना प्रासंगिक संदर्भ पहचानना सिखाना हर टूल कॉल में एक और क्लासिफायर जोड़ने से बेहतर है। क्या आप एक सक्षम मॉडल को साक्ष्य पर तर्क करने के लिए भुगतान करना चाहेंगे या बार-बार टर्मिनल मलबे को फिर से पढ़ने के लिए? बिल्कुल।

[NOVA]: ...

[NOVA]: OpenAI और Hugging Face ने संयुक्त रूप से मॉडल मूल्यांकन से जुड़ी एक सुरक्षा घटना के प्रारंभिक निष्कर्षों का खुलासा किया। उनकी 21 जुलाई की रिपोर्ट में कहा गया है कि खतरा करने वालों ने उन्नत साइबर क्षमताओं का प्रदर्शन किया। यह शब्दावली सावधानीपूर्ण है लेकिन सार्थक: गतिविधि दैनिक वाणिज्यिक हमलों से आगे बढ़ गई। विवरण सीमित हैं क्योंकि निष्कर्ष प्रारंभिक हैं और अधिक पूर्ण प्रकटीकरण रक्षात्मक कमियों को उजागर कर सकता है।

[ALLOY]: दो प्रतिस्पर्धी AI संगठनों का एक साथ प्रकाशन करना असामान्य है और, ईमानदारी से कहें तो, उत्साहजनक है। मूल्यांकन प्रणालियां मूल्यवान संपत्तियों के पास बैठती हैं: मॉडल वेट, प्रॉम्प्ट, जेनरेट किया गया डेटा, और सर्विंग या शोध से जुड़ा बुनियादी ढांचा। मूल्यांकन में घुसपैठ स्वचालित रूप से प्रोडक्शन में घुसपैठ नहीं है, लेकिन यह गहराई तक जाने के प्रयासों के लिए एक असुविधाजनक शुरुआती बिंदु बनाता है। ये प्रणालियां बाहरी मॉडल और आर्टिफैक्ट्स को भी अवशोषित करती हैं, इसलिए वे स्वाभाविक रूप से विरोधियों को आकर्षित करती हैं।

[NOVA]: यह घटना इस विचार को तोड़ती है कि मूल्यांकन सिर्फ एक वैज्ञानिक साइड रूम है। एक बार जब कोई वातावरण अविश्वसनीय कोड निष्पादित करता है या बाहरी मॉडल आर्टिफैक्ट्स लोड करता है, यह एक सुरक्षा-संवेदनशील प्रोडक्शन संपत्ति बन जाता है। संयुक्त पोस्ट इस घटना को रक्षकों के लिए एक सीखने के अवसर के रूप में प्रस्तुत करती है, लेकिन प्रारंभिक निष्कर्ष कई बड़े प्रश्न अनुत्तरित छोड़ते हैं: क्या एक्सेस किया गया था, अभिनेता कैसे दाखिल हुए, क्या उन्होंने पार्श्व रूप से आगे बढ़े, और कौन से शमन पहले से बदल चुके हैं।

[ALLOY]: मैं यह नहीं मानूंगा कि एक पतला प्रकटीकरण एक नए मानदंड को साबित करता है, लेकिन यहां सहयोग मायने रखता है। साझा मूल्यांकन अभ्यास साझा कमजोरियां पैदा कर सकते हैं, और हमलावर कंपनी की सीमाओं का सम्मान नहीं करते। एक पूर्ण घटना-पश्चात रिपोर्ट अन्य प्रयोगशालाओं को बिना परिचालन विवरणों को उजागर किए समान रास्तों को बंद करने में मदद कर सकती है जो अगले घुसपैठ में मदद करते हैं। बड़ा बदलाव सांस्कृतिक है: मॉडल मूल्यांकनकर्ताओं को अब सटीकता मापने वाले लोगों के साथ-साथ उच्च-मूल्य बुनियादी ढांचे के संरक्षकों की तरह सोचना होगा। सुरक्षा वहीं है जहां वेट, टूल और बाहरी आर्टिफैक्ट्स मिलते हैं।

[NOVA]: ...

[ALLOY]: क्या आपने कभी किसी मॉडल को एक विशाल दस्तावेज़ दिया है और देखा है कि वह दस्तावेज़ के बजाय दस्तावेज़ को उद्धृत करता है? नया शोध अंधाधुंध कॉपी करने को लंबे-संदर्भ तर्क में एक बार-बार होने वाली विफलता के रूप में पहचानता है। जैसे-जैसे प्रॉम्प्ट बड़े होते हैं, मॉडल निकट लेकिन अप्रासंगिक पाठ पर चिपक सकते हैं, उसे अपने तर्क में पुनः प्रस्तुत कर सकते हैं, और गलत उत्तर पर पहुंच सकते हैं। समस्या केवल संदर्भ क्षमता की कमी नहीं है; यह उस संदर्भ के भीतर खराब चयन है।

[NOVA]: शोधकर्ताओं ने एक प्रशिक्षण पुरस्कार जोड़ा जो प्रासंगिक साक्ष्य पर आधारित तर्क का पक्ष लेता है और फिलर की प्रतिध्वनियों को दंडित करता है। कई मॉडल आकारों में, वे मानक प्रशिक्षण की तुलना में 4.6 अंक तक का लाभ दर्शाते हैं, सबसे लंबे इनपुट पर सबसे बड़े सुधार के साथ। तर्क ट्रेस भी छोटे हो गए। वे शोध परिणाम हैं, हर मॉडल में गारंटी नहीं, लेकिन वे सुझाव देते हैं कि बेहतर ग्राउंडिंग सटीकता और दक्षता दोनों में सुधार कर सकती है। यहां कॉपी करना हानिरहित बातूनापन नहीं है। यह प्रकट कर सकता है कि मॉडल ने साक्ष्य और आसपास के पाठ के बीच अंतर करना बंद कर दिया है।

[NOVA]: ...

[NOVA]: Sentry का XcodeBuildMCP दो-बिंदु-छह AI कोडिंग एजेंट्स को iOS और macOS बिल्ड वर्कफ्लो तक संरचित पहुंच प्रदान करता है। ओपन-सोर्स प्रोजेक्ट में 6,100 से अधिक GitHub स्टार्स हैं, इस संस्करण को जून दो को जारी किया गया, और जुलाई बाईस को नए रिपॉजिटरी कार्य प्राप्त हुए। यह MCP टूल्स के पीछे Apple के बिल्ड कमांड और iOS Simulator नियंत्रणों को रैप करता है, बिल्ड टारगेट, प्रोजेक्ट स्कीम और डिवाइस ऑपरेशन को एक एजेंट के रूप में एक्सपोज करता है जिसे वह फंक्शन कॉल कर सकता है।

[ALLOY]: यह एक निराशाजनक अंतराल को भरता है। एक कोडिंग असिस्टेंट Swift फाइलों को एडिट कर सकता है, लेकिन Apple विकास टेक्स्ट पर खत्म नहीं होता। कोड को एक चयनित स्कीम के विरुद्ध कंपाइल करना होगा, एक सिम्युलेटर में चलाना होगा, और उन विफलताओं का उत्पादन करना होगा जिनकी एजेंट व्याख्या कर सके। XcodeBuildMCP असिस्टेंट और स्थानीय Apple टूलिंग के बीच बैठता है, जिससे एजेंट को पैच प्रस्तावित करने के बाद भी शामिल रहने की अनुमति मिलती है। यह वास्तविक विकास लूप के बहुत करीब है।

[NOVA]: चूंकि सर्वर स्थानीय रूप से चलता है, क्रियाएं एक अमूर्त रिमोट सैंडबॉक्स के बजाय डेवलपर की मशीन पर होती हैं। एजेंट वास्तविक प्रोजेक्ट कॉन्फ़िगरेशन और सिम्युलेटर स्थिति तक पहुंच सकता है जो टूल इंटरफेस के माध्यम से एक्सपोज होती है। Sentry रिपॉजिटरी का रखरखाव करता है, जो प्रोजेक्ट को उन टीमों के साथ एक स्वाभाविक कनेक्शन देता है जो पहले से ही Sentry के विकास और क्रैश-रिपोर्टिंग इकोसिस्टम का उपयोग कर रही हैं, हालांकि टूल का मूल्य उन टीमों तक सीमित नहीं है।

[ALLOY]: मुझे आश्चर्य है कि Apple ने अभी तक इस तरह का एजेंट इंटरफ़ेस नेटिव नहीं बनाया है। जब तक वह करता है, XcodeBuildMCP सहायकों और सॉफ्टवेयर डेवलपमेंट के अधिक विशेषज्ञ टूलचेन के बीच एक व्यावहारिक पुल है। इसके 6,100 स्टार्स substantial demand दिखाते हैं। दिलचस्प अपनाने का सवाल यह है कि क्या यह Apple coding-agent सेटअप में एक मानक घटक बन जाता है या नेटिव सपोर्ट अंततः इस काम को absorb कर लेता है। किसी भी तरह से, एजेंट जो simulator बना और संचालित कर सकते हैं वे उन एजेंटों से काफी अधिक उपयोगी हैं जो स्रोत संपादित करने के बाद रुक जाते हैं।

[NOVA]: ...

[ALLOY]: Hugging Face के trending listings में एक community-built Qwen 3.6 वेरिएंट शीर्ष के करीब है, और नाम काफी लंबा है: Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive। Publisher HauhauCS इसे GGUF फॉर्मेट में एक multimodal mixture-of-experts model के रूप में पैकेज करता है, जो vision और text दोनों का समर्थन करता है। यह लगभग दो मिलियन डाउनलोड के करीब पहुंच गया है और 3,000 से कम likes हैं। ब्रांडिंग के बारे में आप कुछ भी सोचें, लोग ध्यान दे रहे हैं।

[NOVA]: Mixture of experts का मतलब है कि मॉडल में कई specialized parameter groups हैं लेकिन यह प्रत्येक टोकन के लिए केवल एक subset activate करता है। 35B-A3B लेबल लगभग 35 बिलियन कुल पैरामीटर और एक बार में लगभग तीन बिलियन active का संकेत देता है। इसका उद्देश्य एक घने 35-बिलियन-पैरामीटर मॉडल की पूरी inference लागत के बिना व्यापक क्षमता प्रदान करना है। GGUF compatibility इसे सीधे llama.cpp और व्यापक local-model ecosystem में लाता है।

[ALLOY]: "uncensored" और "aggressive" लेबल upstream मॉडल की तुलना में reduced safety filtering का संकेत देते हैं। कुछ local users कम refusals और weights पर पूर्ण नियंत्रण चाहते हैं, विशेषकर एजेंट प्रयोगों के लिए। वह स्वतंत्रता moderation और सुरक्षा की जिम्मेदारी deploy करने वाले व्यक्ति को स्थानांतरित करती है। जो मॉडल अधिक requests का पालन करता है वह स्वचालित रूप से अधिक capable नहीं होता; कभी-कभी यह बस कम selective होता है। यहdistinction उत्साही डाउनलोड threads में गायब होने लगता है।

[NOVA]: फिर भी, popularity हमें distribution के बारे में कुछ बताती है। Community publishers increasingly नए base models को quantized, locally runnable variants में बदल रहे हैं, original labs से हर possible hardware profile की तुलना में तेज़ी से। लोग image input जोड़ सकते हैं, पर्याप्त मेमोरी वाले consumer hardware पर मॉडल चला सकते हैं, और external API calls से बच सकते हैं। यदि यह डाउनलोड curve चढ़ता रहता है, तो community-packaged mixture-of-experts releases कई local users के लिए नए open models से मिलने का default तरीका बन सकते हैं—original checkpoint के माध्यम से नहीं, बल्कि उनकी मशीनों के लिए optimized practical repackaging के माध्यम से।

[NOVA]: ...

[NOVA]: Bristol Myers Squibb drug discovery के लिए अपना दूसरा NVIDIA DGX SuperPOD deploy कर रहा है। नया cluster आठ rack-scale DGX Vera Rubin NVL72 systems का उपयोग करता है और company's global research organization के scientists के लिए खोला जाएगा। प्रत्येक system NVIDIA Vera CPUs को Rubin GPUs के साथ जोड़ता है। NVIDIA दावा करता है कि cluster जिस infrastructure को replace कर रहा है उसकी तुलना में प्रति megawatt दस गुना प्रदर्शन deliver कर सकता है; यह नंबर सीधे vendor से है, इसलिए real operating data मायने रखेगा।

[ALLOY]: यह सिर्फ एक विशाल hardware purchase नहीं है जिस पर एक molecule painted है। BMS अपने पहले SuperPOD से concrete results रिपोर्ट करता है: AI-assisted target identification ने scientists को हफ्तों के manual work से बचाया। Researchers ने cancer-causing proteins को degrade करने के लिए designed compounds की एक library expand करने के लिए models का उपयोग किया, फिर predicted किया कि कौन से molecules सबसे promising थे इससे पहले कि उन्हें synthesize करने के लिए laboratory time का उपयोग किया। वह ordering matter करती है क्योंकि physical experiments महंगी और scarce बनी हुई हैं।

[NOVA]: कंपनी biological AI के लिए NVIDIA के BioNeMo Agent Toolkit और operating layer के रूप में Mission Control जोड़ रही है। इसके पुराने और नए SuperPODs research locations में साझा एक data plane के माध्यम से जुड़ेंगे। Scientists से expected है कि वे plain English में complex predictions initiate करें, बिना हर user को computing specialist बनने की आवश्यकता के। Experimental results और model outputs फिर research locations में एक साझा learning loop में accumulate हो सकते हैं।

[ALLOY]: यह वो हिस्सा है जो मुझे सच में रोमांचित करता है। लक्ष्य वैज्ञानिकों के लिए बेहतर ईमेल लिखने वाला कोई ऑफिस असिस्टेंट नहीं है। यह साझा इन्फ्रास्ट्रक्चर है जो तय करने में मदद करता है कि कौन से जैविक लक्ष्यों और अणुओं को असली प्रयोगों की जरूरत है। अगर एक्सेस जैसा बताया गया है वैसा काम करता है, तो शोध टीमों को एक जगह के किसी स्पेशलिस्ट के सिस्टम ऑपरेट करने का इंतजार नहीं करना पड़ेगा। केवल ज्यादा कंप्यूट ही दवा की खोज नहीं कर सकता, यह तो स्पष्ट है। लेकिन साझा कंप्यूट, डोमेन मॉडल, जमा हुआ प्रयोगात्मक ज्ञान, और नैचुरल-लैंग्वेज एक्सेस वैज्ञानिक सवाल और अगले उपयोगी प्रयोग के बीच का रास्ता छोटा कर सकते हैं।

[NOVA]: ...

[NOVA]: PrefectHQ का FastMCP बाईस हज़ार, सात सौ बाबन जीथब स्टार्स के साथ रडार पर आगे है। यह MCP सर्वर और क्लाइंट बनाने के लिए एक Python फ्रेमवर्क है जिसमें डेकोरेटर्स और टाइप हिंट्स हैं, जो सामान्य Python फंक्शन को हैंड-राइटिंग स्कीमा ग्लू के बिना एजेंट-कॉलेबल टूल बनाने देता है। वर्शन थ्री-पॉइंट-फोर ने जुलाई नवमी को शिप किया और रिपॉजिटरी को जुलाई इक्कीस को अपडेट किया गया। यह Codex या टर्मिनल-आधारित AI कोडिंग एजेंट Claude Code के पीछे बैठ सकता है, मौजूदा Python क्षमताओं को एक सामान्य टूल इंटरफेस के जरिए एक्सपोज करता है। वह ट्रैक्शन बताता है कि डेवलपर्स चाहते हैं कि MCP प्लंबिंग सामान्य एप्लिकेशन कोड की तरह महसूस हो, प्रोटोकॉल सेरेमनी नहीं।

[ALLOY]: माइक्रोसॉफ्ट का MCP-for-Beginners सोलह हज़ार, आठ सौ बारह स्टार्स और जुलाई इक्कीस के अपडेट के साथ आता है। यह .NET, Java, TypeScript, JavaScript, Rust, और Python में रननेबल लैब्स के साथ एक मल्टी-लैंग्वेज पाठ्यक्रम है। ट्रैक्शन पैकेज्ड रिलीज से बंधा नहीं है; यह व्यापक इंटरेस्ट और सक्रिय अपडेट्स से आता है। इसका इंटीग्रेशन वैल्यू सामंजस्य है: पॉलीग्लॉट सर्विसेज वाली टीमें एजेंट्स को टूल्स एक्सपोज करने के लिए हर भाषा में अलग-अलग कन्वेंशन इन्वेंट करने के बजाय एक साझा प्रोटोकॉल इस्तेमाल कर सकती हैं। यह एजुकेशनल मैटेरियल है, हाँ, लेकिन लगभग सत्रह हज़ार स्टार्स बताते हैं कि प्रोटोकॉल का लर्निंग कर्व खुद का एक इकोसिस्टम प्रॉब्लम बन गया है।

[NOVA]: CoplayDev का Unity MCP बारह हज़ार, सात सौ इकतालीस स्टार्स के साथ है, जिसका वर्शन टेन-पॉइंट-वन जुलाई तेरह को रिलीज हुआ, और उसी दिन अपडेट किया गया। इन-एडिटर प्लगइन एसेट मैनेजमेंट, सीन कंट्रोल, स्क्रिप्ट एडिट्स, और ऑटोमेशन को MCP टूल्स के रूप में एक्सपोज करता है। किसी असिस्टेंट से जुड़ने पर, यह कंपाइल-एंड-प्ले लूप्स, एसेट्स इंस्पेक्ट करना, और कस्टम एडिटर ग्लू के बिना सीन्स मॉडिफाई करना सपोर्ट कर सकता है। यह कोडिंग से ग्राफिकल डेवलपमेंट एनवायरनमेंट ऑपरेट करने में एक उल्लेखनीय विस्तार है। इसे मानसिक रूप से XcodeBuildMCP के साथ जोड़ें: एजेंट्स फाइल्स से आगे बढ़ रहे हैं और उन असली टूल्स में जा रहे हैं जहाँ सॉफ्टवेयर बनाया, चलाया और इंस्पेक्ट किया जाता है।

[NOVA]: ...

[ALLOY]: Gemini 3.6 Flash OpenRouter के जरिए उपलब्ध है जिसमें दस लाख, अड़तालीस हज़ार, पाँच सौ छियहत्तर टोकन का कॉन्टेक्स्ट विंडो है। Google इसे कुशल कोडिंग, एजेंट वर्कफ्लोज़, और वेब या ऐप डेवलपमेंट के लिए पोजिशन करता है, कम अनावश्यक एडिट्स के साथ। लिस्टिंग में पैरामीटर काउंट नहीं दिए गए। इसका तुरंत का अपील रूटिंग है: मौजूदा OpenRouter यूज़र्स उसी इंटरफेस के पीछे एक मेजर-प्रोवाइडर Flash मॉडल रख सकते हैं जो वे पहले से दूसरे मॉडल्स के लिए इस्तेमाल करते हैं।

[NOVA]: Gemini 3.5 Flash-Lite भी उसी दस लाख टोकन कॉन्टेक्स्ट लेंथ के साथ दिखता है। Google इसे अपग्रेडेड एजेंटिक क्षमताओं वाला हाई-एफिशिएंसी मॉडल बताता है, जो बड़े मल्टी-एजेंट वर्कफ्लोज़ के अंदर फोकस्ड सब-एजेंट्स के लिए उपयुक्त है। यह फ्लैगशिप रीज़नर की तुलना में एक संकरी भूमिका है: सस्ते, टारगेटेड वर्कर्स बाउंडेड टास्क्स संभालते हैं जबकि एक मजबूत कोऑर्डिनेटर पूरे काम को मैनेज करता है। प्राइसिंग और इंडिपेंडेंट परफॉर्मेंस कम्पैरिज़न तय करेंगे कि वह पोजिशनिंग एक आकर्षक सब-एजेंट टायर में बदलती है या नहीं।

[NOVA]: ...

[NOVA]: Thinking Machines का Inkling इमेज-एंड-टेक्स्ट और ऑडियो-एंड-टेक्स्ट बातचीत के लिए एक मल्टीमॉडल मिक्सचर-ऑफ-एक्सपर्ट्स मॉडल है। यह Apache टू के तहत रिलीज है, safetensors फॉर्मेट में आता है, पब्लिश्ड इवैल्यूएशन रिज़ल्ट्स शामिल हैं, और होस्टेड इन्फरेंस एंडपॉइंट्स के साथ संगत इंटरफेस ऑफर करता है। मिक्सचर-ऑफ-एक्सपर्ट्स रूटिंग हर इनपुट के लिए मॉडल के केवल कुछ हिस्सों को सक्रिय करती है, जिससे इन्फरेंस कॉस्ट छोटे मॉडल के करीब रहता है जबकि व्यापक मल्टीमॉडल कवरेज बनाए रखता है।

[ALLOY]: Inkling, Hugging Face पर ट्रेंड कर रहा है जिसमें 1,404 लाइक्स और 16,441 डाउनलोड्स हैं। उपयोगी अंतर इसकी व्यापकता है: एक मॉडल टेक्स्ट, इमेज और ऑडियो पर काम कर सकता है, जिसमें लोकल उपयोग के लिए डाउनलोड करने योग्य वेट्स हैं या जब लोकल हार्डवेयर उपयुक्त नहीं हो तो इंफरेंस एंडपॉइंट है। यह कॉम्बिनेशन प्राइवेट मल्टीमॉडल एप्लिकेशन्स को सपोर्ट करता है बिना हर डिप्लॉयमेंट को एक ऑपरेटिंग मॉडल में मजबूर किए। पब्लिश्ड इवैल्यूएशन्स मदद करती हैं, हालांकि इंडिपेंडेंट रिज़ल्ट्स दिखाएंगे कि इसके अलग-अलग मॉडललिटीज़ असली बातचीत में कितनी अच्छी तरह एक साथ काम करती हैं।

[NOVA]: ...

[ALLOY]: तीन और डेवलपमेंट्स पर नज़र रखने योग्य हैं। XcodeBuildMCP की रिपॉजिटरी में 6,106 स्टार्स हैं और यह Apple बिल्ड्स के साथ-साथ सिम्युलेटर कंट्रोल को स्ट्रक्चर्ड एजेंट टूल्स के तौर पर रैप करता है, जो दो-पॉइंट-सिक्स रिलीज़ से आगे इसकी गति को मज़बूत करता है। OpenAI ने OpenAI Foundation और OpenAI Group PBC के बोर्ड्स में David Vélez और Robin Vince को भी जोड़ा। ये अपॉइंटमेंट्स कंप्यूट कमिटमेंट्स, गवर्नेंस, और मॉडल और API एक्सेस के पीछे की कॉर्पोरेट स्ट्रक्चर की निगरानी को प्रभावित करते हैं।

[NOVA]: तीसरा है OpenAI का "Safety and alignment in an era of long-horizon models।" यह लंबे समय तक काम करने वाले मॉडल्स के डिप्लॉयमेंट से मिले पाठों को इकट्ठा करता है, जिसमें कॉन्टेक्स्ट ड्रिफ्ट और गोल मिसजेनरलाइज़ेशन शामिल हैं—एजेंट धीरे-धीरे रिलेवेंट स्टेट खो रहे हैं या गलत इंटरप्रिटेशन का पीछा कर रहे हैं। OpenAI इटरेटिव डिप्लॉयमेंट, रनटाइम मॉनिटरिंग हुक्स, और ऑब्ज़र्व्ड फेलर्स के रेड-टीम इन्वेंट्री पर चर्चा करता है। यह मायने रखता है क्योंकि सेफ्टी केवल शुरुआती इंस्ट्रक्शन पर निर्भर नहीं हो सकती जब कोई एजेंट घंटों या दिनों तक काम करता रहता है। लंबे समय तक चलने वाला व्यवहार अपना खुद का कंट्रोल प्रॉब्लम बन जाता है।

[NOVA]: ...

[NOVA]: Codex point one-forty-five कॉन्फिगरेबल मल्टी-एजेंट वर्क और क्रॉस-टूल इम्पोर्ट्स को अधिक विश्वसनीय बनाता है। Gemini के नए Flash लिस्टिंग्स मिलियन-टोकन कॉन्टेक्स्ट को एफिशिएंट एजेंट रोल्स में लाते हैं। Buzz एजेंट एक्शन को उस बातचीत और Git हिस्ट्री के बगल में रखता है जिसने उसे अधिकृत किया।

[ALLOY]: Semble और SWE-Pruner Pro रिट्रीवल से पहले और बाद कॉन्टेक्स्ट वेस्ट को हमला करते हैं। Ternary Bonsai 27 बिलियन पैरामीटर्स को लैपटॉप मेमोरी में लाता है, जबकि Inkling और कम्युनिटी Qwen वेरिएंट लोकल मल्टीमॉडल चॉइसेस का विस्तार करते हैं।

[NOVA]: XcodeBuildMCP और Unity MCP एजेंट्स को रियल डेवलपमेंट एनवायरनमेंट्स संचालित करने देते हैं। इवैल्यूएशन इंसिडेंट उन टूल बाउंड्रीज़ के आसपास सिक्योरिटी को और तेज़ फोकस में लाता है।

[ALLOY]: और BMS दिखाता है कि यह कहां जा सकता है: शेयर्ड AI इन्फ्रास्ट्रक्चर वैज्ञानिकों को अगला भौतिक प्रयोग चुनने में मदद करता है। सोर्सेज़ और ज़्यादा डिटेल्स के लिए, Toby On Fitness Tech dot com पर शो नोट्स देखें। AgentStack Daily सुनने के लिए धन्यवाद। हम जल्द वापस आएंगे।