[NOVA]: मैं हूँ NOVA।

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

[NOVA]: OpenAI ने 29 जुलाई को अपने टर्मिनल-आधारित AI कोडिंग एजेंट में एक महत्वपूर्ण अपडेट शिप किया — संस्करण 0.146 — और बदलाव एक वर्जन बम्प से कहीं आगे जाते हैं। टीमें अब Amazon Bedrock और Claude Code मार्केटप्लेस से प्लगइन्स खींच सकती हैं, WebSocket के माध्यम से एक पतले क्लाइंट को एक भारी रिमोट होस्ट से कनेक्ट कर सकती हैं, और पेजिनेटेड इतिहास के साथ कन्वर्सेशन थ्रेड्स को फोर्क कर सकती हैं। अलग से, OpenAI ने GPT-5.6 के लिए दो सेटिंग्स भी प्रकाशित कीं जिन्होंने बिना रिट्रेनिंग के इसके ARC-AGI-3 रीजनिंग स्कोर को तीन गुना कर दिया। Liquid AI ने 8,192-टोकन संदर्भ विंडो के साथ दो ओपन-वेट CPU-फ्रेंडली एन्कोडर रिलीज किए। और nanobot ने सेल्फ-होस्टेड एजेंट फ्रेमवर्क के रूप में 46,000 GitHub स्टार्स हासिल किए। आज आप उन चार रिलीज़ेस सुनेंगे, ComfyUI का स्ट्रीमिंग वीडियो पाइपलाइन, विदेशी रोबोटिक्स के आसपास FCC नियम कड़े हो रहे हैं, दो रोबोट-ट्रेनिंग पेपर सस्ते हार्डवेयर-फ्री पाइपलाइन की ओर इशारा कर रहे हैं, और AllenAI ग्रह-स्तरीय जियोस्पैशियल इनफरेंस के लिए पोजीशनिंग कर रहा है। उपयोगी AI कार्य दूरस्थ वर्कस्टेशन, स्थानीय CPU, एज बॉक्स, रोबोट-कंट्रोल लूप, और विशेषज्ञ सेवाओं में फैल रहा है जिन्हें सामान्य प्रोडक्शन वातावरण में देखा और गवर्न किया जा सकता है। चलिए इसमें जाते हैं।

[NOVA]: ...

[NOVA]: OpenAI ने 29 जुलाई को Codex 0.146 शिप किया, और यह रिलीज़ काफी ज़मीन ढकती है। वितरित टीमों के लिए सबसे ठोस जीत WebSocket ब्रिज है — ऐप-सर्वर अब एक अलग मशीन पर चलने वाले Code Mode होस्ट से कनेक्ट हो सकता है, बजाय इसके कि सब कुछ स्थानीय रूप से चलने की उम्मीद हो। आपके लैपटॉप पर एक पतला क्लाइंट भारी रिमोट वातावरण के भीतर टूल्स, प्लगइन्स और अप्रूवल को ड्राइव कर सकता है, जबकि आपके सामने परिचित Codex कंट्रोल सर्फेस रखता है। यह इंटरैक्शन को एक्जीक्यूशन से साफ़ तरीके से अलग करता है: लैपटॉप कन्वर्सेशन संभालता है, जबकि रिमोट वर्कस्टेशन कंप्यूट, रिपोजिटरीज, क्रेडेंशियल्स और इंस्टॉल्ड टूल्स प्रदान करता है। जो टीमें पहले से क्लाउड वर्कस्टेशन प्रोविजन करती हैं, उन्हें अब केवल एक स्थानीय इंटरफेस को उन तक पहुंचाने के लिए हाथ से बनाया गया रिले नहीं चाहिए, और एक पुनः कनेक्ट करने वाला क्लाइंट पूरे सेशन और टूल स्टेट को फिर से बनाने के बजाय उसी नाम के काम पर वापस जा सकता है।

[ALLOY]: क्लाउड वर्कस्टेशन चलाने वाली शॉप्स के लिए यह बहुत बड़ी बात है। पूरा रिमोट डेस्कटॉप स्ट्रीम करने के बजाय, आपको एक हल्का ब्रिज मिलता है जो सीधे Codex से बात करता है। और यह प्लगइन कार्य में परत चढ़ाता है, जहां बड़ा बदलाव आता है। Codex अब Agent Plugins मैनिफेस्ट फॉर्मेट का समर्थन करता है और OpenAI के अपने वर्कस्पेस पब्लिशिंग फ्लो के साथ-साथ Amazon Bedrock और Claude Code मार्केटप्लेस से पैकेज खींच सकता है। एक मैनिफेस्ट डेफिनिशन रनटाइम के बीच यात्रा करती है, बजाय इसके कि प्रत्येक होस्ट के लिए अलग-अलग कॉन्फ़िगरेशन की ज़रूरत हो। महत्वपूर्ण इकाई पैकेज बन जाती है — इसके टूल्स, स्किल्स, रिसोर्सेस और मेटाडेटा — बजाय उस विशेष असिस्टेंट के जो इसे लोड करता है। यह एक साझा इंटरनल प्लगइन को विभिन्न कोडिंग एजेंट्स का उपयोग करने वाली टीमों में वितरित करना आसान बनाता है।

[NOVA]: अब आपको executor-provided skills भी मिलती हैं, उनके associated resources सेशन के अंदर से पढ़े जा सकते हैं। सेशन को शुरू होने पर नाम दिया जा सकता है या साफ किया जा सकता है, महत्वपूर्ण थ्रेड्स को त्वरित वापसी के लिए चिह्नित किया जा सकता है, और आप साइड कन्वर्सेशन के बीच स्विच कर सकते हैं बिना उन्हें बंद किए। फोर्केबल थ्रेड्स पेजिनेटेड हिस्ट्री लेकर चलती हैं, जिसमें टेम्परेरी फोर्क्स शामिल हैं जो मेन थ्रेड लिस्ट से बाहर रहती हैं। तंग context budgets के तहत, अधिक skills बनाए रखी जाती हैं और टर्मिनल चेतावनी देता है जब कैटलॉग को truncate करना पड़ता है। प्रॉक्सीज़ authentication, plugin downloads, MCP authorization, remote execution, WebSockets, redirects, और local model connections में सम्मानित किए जाते हैं। MCP servers और app tools authentication या configuration changes के बाद refresh होती हैं, healthy ones को परेशान किए बिना closed services को पुनः कनेक्ट करती हैं। टर्मिनल handling में भी Windows navigation keys, nonblocking interrupts, hyperlinks, narrow layouts, और sandboxed process trees के विश्वसनीय shutdown के लिए फिक्सेस मिली हैं।

[ALLOY]: तो यह एक distribution release और reliability pass दोनों है। यह एक समन्वित multi-agent protocol नहीं बनाता, लेकिन एक संगठन एक package definition को runtimes में प्रकाशित कर सकता है जबकि proxy और reconnection फिक्सेस network changes के माध्यम से tool surface को जीवित रखते हैं। रिलीज़ submitted messages, final responses, failed-turn errors, timestamps, और approval settings को interruptions, replay, imports, और forks में भी सुरक्षित रखती है। यही वह state है जो आप एक लंबे कोडिंग जॉब के दौरान गायब नहीं होते देखना चाहते।

[NOVA]: ...

[NOVA]: GitHub ने अपने JetBrains IDEs के लिए Copilot plugin में एक अपडेट भेजा जो डेवलपर्स को telemetry configuration और model selection पर स्पष्ट नियंत्रण देता है। हेडलाइन में OpenTelemetry support में सुधार है — logs, traces, और metrics को जो भी observability stack एक टीम चलाती है उसमें भेजने के लिए खुला मानक। defaults स्वीकार करने के बजाय, administrators tune कर सकते हैं कि क्या भेजा जाता है और यह कहाँ जाता है। यह एक इंजीनियरिंग संगठन को assistant activity की तुलना application traces, repository events, और service costs के साथ एक जगह से करने की सुविधा देता है। यह security और compliance teams को एक परिभाषित export path भी देता है, बजाय इसके कि उन्हें coding assistant को एक अपारदर्शी द्वीप के रूप में व्यवहार करने के लिए मजबूर किया जाए।

[ALLOY]: केंद्रीकृत observability पहले से चला रहे टीमों के लिए, यह एक बड़ी बात है। Copilot की गतिविधि एप्लिकेशन ट्रैफ़िक के समान पाइपलाइन में जा सकती है — AI उपयोग नियमित लॉग और ट्रेस के साथ दिखाई देता है, बिना अलग से integration बनाए। Agent कॉल, latency, या विफल tool actions में अचानक वृद्धि की जांच उन्हीं dashboards और retention rules से की जा सकती है जो बाकी जगह उपयोग होते हैं। अपडेट JetBrains वातावरण में स्पष्ट model management controls भी जोड़ता है, जो developers को यह सीधा नियंत्रण देता है कि कौन से AI models जुड़े हैं और administrators को समझने का एक साफ तरीका देता है कि वे क्या surface support कर रहे हैं।

[NOVA]: और यह Claude agent flows के अंदर MCP servers और custom agents को सक्षम करता है। MCP — Model Context Protocol — एक uniform interface के ज़रिए AI agent को बाहरी tools और data को कॉल करने देता है। एक आंतरिक database, API, या code index जो पहले से MCP expose करता है, Claude agent flow से custom glue के बिना पहुंचा जा सकता है। यह IDE को company tools के लिए एक governed entry point बनाता है, telemetry recording के साथ कि assistant ने क्या छुआ। एक specialized agent एक private code catalog को query कर सकता है, किसी आंतरिक service से deployment state पूछ सकता है, और answer वापस कर सकता है बिना developer को editor छोड़ने पर मजबूर किए। JetBrains और VS Code दोनों का उपयोग करने वाले organizations दोनों में समान model controls, tool reach, और observability policy चाहेंगे।

[NOVA]: ...

[NOVA]: OpenAI ने 29 जुलाई को विवरण प्रकाशित किया जिसमें दिखाया गया कि दो API settings को enable करने से GPT-5.6 के ARC-AGI-3 स्कोर तीन गुने हो गए, साथ ही token efficiency में सुधार हुआ। यह puzzle-style reasoning test brute-force pattern matching का विरोध करने के लिए डिज़ाइन किया गया है। weights नहीं बदले; परिणाम इससे आया कि कैसे एक continuing task state carry करता है। Deployment configuration capability को छुपा या प्रकट कर सकता है जिसे लोग गलती से सिर्फ model को credit देते हैं।

[ALLOY]: पहली setting reasoning को turns के बीच retain करती है, ताकि useful work बना रहे, इसके बजाय हर request cold start न हो। दूसरी older context को compact करती है, पहले के conclusions को रखते हुए जबकि token load कम करती है। कई attempts की ज़रूरत वाले puzzle पर, model एक discovered rule को preserve कर सकता है, उसके आसपास dead-end prose को discard कर सकता है, और same clue को फिर से discover करने के बजाय आगे बढ़ सकता है। Software work में भी यही pattern दिखती है: एक agent logs inspect कर सकता है, एक hypothesis reject कर सकता है, relevant code locate कर सकता है, और फिर कई turns बाद तीनों conclusions की ज़रूरत हो सकती है। हर token को replay किए बिना conclusions को रखना practical form में efficiency claim है।

[NOVA]: OpenAI के अनुसार, परिणाम retraining के बजाय configuration से कम tokens खर्च करके higher scores है। यह comparisons को भी complicate करता है: same model को call करने वाले दो applications अलग-अलग results देख सकते हैं अगर एक reasoning state preserve करता है और दूसरा reset करता है। एक benchmark report जो सिर्फ model का नाम लेती है लेकिन state settings omit करती है, वह अब पूरा test describe नहीं कर रही। ये numbers तब तक एक OpenAI claim हैं जब तक कोई same task budget के साथ reproduce न करे।

[ALLOY]: Multi-step planning, coding investigations, और agent loops में benchmark की same problem है: useful state accumulate होती है, लेकिन raw history महंगी हो जाती है। Retention plus compaction पहले को preserve करने की कोशिश करता है बिना दूसरे को हमेशा के लिए खींचे। OpenAI को still configuration names, task budget, और full numbers publish करने होंगे before headline को production में reproduce किया जा सके।

[NOVA]: ...

[NOVA]: Liquid AI ने 28 जुलाई को LFM2.5 के दो open-weight encoders release किए, जिनका size 230 मिलियन और 350 मिलियन parameters है। दोनों 8,192-token window के साथ long-context CPU work को target करते हैं। Encoders text को representations में बदलते हैं जिसे downstream systems classify, compare, route, या inspect करती हैं। यह narrower job ही है कि कुछ सौ मिलियन parameters production में still useful हो सकते हैं। एक generative model response लिखती है; एक encoder यह तय कर सकती है कि request किस policy, document, या queue से belong करती है before generation शुरू हो।

[ALLOY]: Liquid AI ने causal decoder backbones को bidirectional encoders में बदला, one-directional attention को full bidirectional attention से बदला, causal short convolutions को symmetric non-causal ones से बदला, और masked-language objective के साथ retrain किया। एक classifier phrase के दोनों तरफ देखने से benefit करती है, खासकर जब exception या sensitive field document में late appear होती है। Model beginning और end दोनों से evidence पर विचार कर सकती है।

[NOVA]: Liquid AI कहता है कि 230-मिलियन मॉडल लगभग 28 सेकंड में 8,192-टोकन CPU पास पूरा करता है, जो अपनी तुलना में ModernBERT-base से लगभग 3.7 गुना तेज है। ये वेंडर के आंकड़े हैं, इसलिए स्पीड हार्डवेयर के साथ बदलेगी। टारगेट हैं क्लासिफिकेशन, रूटिंग, पॉलिसी लिंटिंग, और पर्सनल-डेटा डिटेक्शन। एक सपोर्ट सिस्टम रूटिंग से पहले केस हिस्ट्री को स्कोर कर सकता है; एक कंप्लायंस सर्विस लंबी पॉलिसी का निरीक्षण कर सकती है बिना टेक्स्ट को होस्टेड एंडपॉइंट पर भेजे।

[ALLOY]: ओपन वेट्स के साथ, एक टीम अपने लेबल्स के हिसाब से एन्कोडर्स को अडैप्ट कर सकती है और एक मशीन पर डिप्लॉय कर सकती है। बड़ा ऑप्शन ज्यादा कैपेसिटी देता है; छोटा मॉडल कम लेटेंसी और मेमोरी लिमिट्स में फिट बैठता है। कोई भी जेनरेटिव असिस्टेंट की जगह नहीं लेता। यह एक के आगे बैठ सकता है, तय करते हुए कि कौन सा रिक्वेस्ट सेफ है, कौन सा डॉक्यूमेंट रिलेवेंट है, या किस क्यू में काम जाए। अब इंडिपेंडेंट टेस्ट्स को सामान्य लैपटॉप्स और सस्ते सर्वर्स पर CPU स्पीड कन्फर्म करनी होगी।

[NOVA]: ...

[NOVA]: ComfyUI ने 29 जुलाई को वर्शन 0.29 शिप किया। सबसे ठोस बदलाव वीडियो पाइपलाइन में है — अब तक, वीडियो ट्रांसकोडिंग प्रोसेसिंग से पहले हर फ्रेम को RAM में बफर करती थी। यह शॉर्ट क्लिप्स के लिए काम करता है, लेकिन लंबा या हाई-रिज़ॉल्यूशन रेंडर मेमोरी खत्म कर देता है और जॉब के बीच में डाई हो जाता है। नया बिहेवियर इसके बजाय ट्रांसकोड को स्ट्रीम करता है: फ्रेम पढ़े जाते हैं, ट्रांसफॉर्म होते हैं, और पाइपलाइन के आगे बढ़ने के साथ आगे पास होते हैं, बजाय इसके कि पूरा क्लिप मेमोरी में फिट होने तक एकत्र होते रहें। लंबी अवधि और हायर रिज़ॉल्यूशन दोनों पुराने बफर को गुना करते हैं, इसलिए यह GPU को तेज बनाए बिना उसी वर्कस्टेशन की प्रैक्टिकल सीलिंग बदल देता है।

[ALLOY]: दूसरा बदलाव पार्टनर नोड्स सिस्टम को शिप होता है। ComfyUI अब अपना Job Id पार्टनर सर्विसेज को रिक्वेस्ट हेडर के तौर पर भेजता है। जो कोई भी वर्कफ्लो में थर्ड-पार्टी पार्टनर नोड इंटीग्रेट कर रहा है, उस हेडर से पार्टनर को फिलेनेम्स या टाइमिंग से अनुमान लगाने की जगह इनकमिंग वर्क को ओरिजिनेटिंग ComfyUI जॉब से सही तरीके से कोरिलेट करने का एक क्लीन तरीका मिलता है। अगर एक ग्राफ एक साथ कई एक्सटर्नल रिक्वेस्ट्स लॉन्च करता है, तो रिसीविंग सर्विस लॉग्स, बिलिंग, एरर्स, और रिटर्न्ड मीडिया को सही रन से अटैच कर सकती है। ये दोनों फ्लैशी जेनरेशन फीचर्स की जगह प्लंबिंग फिक्सेस हैं, लेकिन दोनों असली फ्रस्ट्रेशन्स को एड्रेस करते हैं: लंबी वीडियो रेंडर्स पर आउट-ऑफ-मेमोरी क्रैशेस, और जब वर्कफ्लो एक्सटर्नल सर्विसेज पर फैन आउट होती है तो अनक्लियर एट्रिब्यूशन।

[NOVA]: यह पेयरिंग किसी भी लाइन आइटम से ज्यादा उपयोगी है। स्ट्रीमिंग एक लंबे रेंडर को जिंदा रखती है; कोरिलेशन एक बार एक्सटर्नल पार्टनर नोड्स ग्राफ में शामिल हो जाएं तो उस रेंडर को डायग्नोज़ेबल बनाती है। एक क्रिएटर जो नब्बे मिनट की जॉब खो देता है उसे पता होना चाहिए कि लोकल मेमोरी, रिमोट सर्विस, या किसी खास नोड ने इसे किया। वर्शन 0.29 उस वर्कफ्लो को कम मेमोरी प्रेशर देता है, बाउंड्री भर में एक बेहतर आइडेंटिफायर, और महंगा ब्लाइंड रिट्राई के बजाय स्पष्ट जांच।

[NOVA]: ...

[NOVA]: इस हफ्ते NVIDIA के एज AI प्लेटफॉर्म Jetson को एक असामान्य एंडॉर्समेंट मिला। वेंचर कैपिटलिस्ट Sarah Guo, Conviction की फाउंडर और No Priors पॉडकास्ट की को-होस्ट, ने 28 जुलाई को Jetson को बिल्डर्स के लिए मस्ट-कैरी एक्सेसरी के तौर पर फ्रेम करते हुए एक वीडियो पब्लिश किया। NVIDIA के ब्लॉग ने "Powerful Compute So Compact, It's Clutch" हेडलाइन के तहत इस क्लिप को उठाया।

[ALLOY]: फ्रेमिंग मायने रखती है क्योंकि एज AI वह दिशा है जहां बहुत सारा प्रैक्टिकल काम जा रहा है। रोबोट्स, ड्रोन्स, कियोस्क्स, और इंस्पेक्शन रिग्स हमेशा क्लाउड सर्वर के राउंड ट्रिप का इंतज़ार नहीं कर सकते। Jetson NVIDIA का कॉम्पैक्ट, सेल्फ-कंटेन्ड कंप्यूटर है जो GPU-स्टाइल एक्सेलरेटर्स के आसपास बना है — बैग में फिट होने लायक छोटा, मॉडर्न AI मॉडल्स को लोकली रन करने के लिए काफी हॉर्सपावर के साथ।

[NOVA]: बिल्डर्स के लिए, अपील सीधी है — आप क्लाउड टाइम बुक करने के बिना Jetson बॉक्स पर प्रोटोटाइप मॉडल कर सकते हैं, और डेस्क से डिप्लॉयमेंट तक एक समान हार्डवेयर शेप बनाए रख सकते हैं। ट्रेड-ऑफ वही सामान्य एज कंस्ट्रेंट है: आप छोटी मशीन की मेमोरी और कंप्यूट सीलिंग के भीतर काम कर रहे हैं, इसलिए मॉडल साइज और एफिशिएंसी सर्वर क्लस्टर की तुलना में ज्यादा मायने रखती हैं।

[ALLOY]: हालांकि, यहां एक चेतावनी है — यह एक प्रमो पोस्ट है जो एक VC के वीडियो क्लिप के आसपास बनाया गया है, प्रोडक्ट लॉन्च नहीं। NVIDIA का ब्लॉग कोई चेंजलॉग, नया SKU, या अपडेटेड स्पेसिफिकेशन्स नहीं देता। नए सिलिकॉन के बिना भी, यूज़केस बताते हैं कि Jetson फिर से क्यों उभरता है। एक फैक्ट्री कैमरा हर फ्रेम को ऑफ-साइट भेजे बिना लाइन का निरीक्षण कर सकता है। एक मोबाइल रोबोट कनेक्टिविटी गिरने पर प्रतिक्रिया कर सकता है। एक डेमो रिग ग्राहक के पास जा सकता है डेटा सेंटर तक पहुंचने की जरूरत के बजाय। ये लाभ लोकल इन्फरेंस से आते हैं, जबकि सीमाएं मेमोरी, पावर, थर्मल्स, और कॉम्पैक्ट बॉक्स के सस्टेन मॉडल साइज में रहती हैं। एक असली सिलिकॉन रिफ्रेश या डेवलपर किट अपडेट के लिए देखें जो "क्लच" पिच को ऑर्डर करने योग्य कुछ ठोस में बदल दे।

[NOVA]: ...

[NOVA]: सेमीकंडक्टर इंडस्ट्री एक बड़े चिप पर निर्भर रहने के युग से आगे बढ़ रही है। एडवांस्ड पैकेजिंग स्पेशलाइज्ड पीस को आपस में जोड़ती है ताकि वे AI वर्कलोड के लिए एक सिंगल यूनिट की तरह काम करें। एक पीस कंप्यूट दे सकता है, दूसरा हाई-बैंडविड्थ मेमोरी, और तीसरा इनपुट और आउटपुट, जबकि पैकेज उनके बीच डेटा बहुत तेजी से हिलाता है जितना अलग सर्किट बोर्ड कर सकते थे। यह एप्रोच डिजाइनर्स को हर कंपोनेंट को एक ही प्रोसेस पर मैन्युफैक्चरिंग किए बिना फंक्शन कॉम्बाइन करने देती है। एक छोटा चिपलेट एक बड़े डाई से आसानी से मैन्युफैक्चर हो सकता है, फिर पैकेज में कई नॉन-गुड पीस जॉइन किए जा सकते हैं। यह मैन्युफैक्चरिंग फ्लेक्सिबिलिटी सुधार सकता है क्योंकि एक डिज़ाइन टीम एक फंक्शन को अपडेट कर सकती है बिना हर पार्ट को एक ही शेड्यूल पर रिबिल्ड किए। Intel अपनी U.S. फैसिलिटीज में इस काम को नेक्स्ट-जेनरेशन AI सेमीकंडक्टर्स के लिए इन्फ्रास्ट्रक्चर के रूप में हाइलाइट कर रहा है।

[ALLOY]: पैकेजिंग अब उतनी ही सीधे परफॉर्मेंस को प्रभावित करती है जितनी अलग-अलग चिप्स। कंप्यूट और मेमोरी के बीच की दूरी बैंडविड्थ, पावर यूज़, कूलिंग, और मॉडल के साइज को फीड रखने पर निर्भर करती है। यह फैब्रिकेशन के बाद सप्लाई-चेन स्टेज भी बनाता है: अलग-अलग जगह बने चिपलेट्स को अभी भी एसेम्बल, कनेक्ट, और एक्सट्रीमली डेंस लिंक्स के साथ टेस्ट करना होता है। उन लिंक्स को बिना पैकेज को हीट ट्रैप में बदले भारी डेटा रेट्स कैरी करने होंगे, इसलिए मैटीरियल्स, प्लेसमेंट, और कूलिंग कंप्यूट आर्किटेक्चर का हिस्सा बन जाते हैं। डोमेस्टिक क्षमता तब मायने रखती है जब सरकारें और खरीदार关心的不仅是谁在哪里制造的问题，还关注最终高价值系统的集成地点。这也可能决定一个有前途的芯片设计是否能够以有意义的规模生产，而不是停留在实验室演示。Intel的帖子没有提供新产品、基准测试或产能数据，因此经过验证的新闻是封装能力及其作用——而不是某个特定加速器变得更快的主张。

[NOVA]: ...

[NOVA]: 7月28日，FCC公共安全和国土安全局将外国生产的先进机器人设备列入覆盖名单——这是监管机构的设备清单，禁止获得美国无线电频谱的FCC授权。设备授权是允许产品内的无线电在美国合法运行的关口，因此这不仅仅是一个警告标签或采购偏好。该行动遵循了行政部门机构间的决定，指出了四个风险类别：供应链完整性、网络安全、监控潜力和远程控制漏洞。

[ALLOY]: 实际效果是一个硬性关卡。任何在美国境外生产的先进机器人都无法通过常规FCC程序获得在美国销售或运营的授权。有一条逃生通道：战争部如果确定特定设备或设备类别不构成这些风险，可以给予有条件的批准。因此，这是对外国生产的推定反对，附带豁免途径，而不是全面禁运。一家公司不能在发布后通过软件补丁解决；制造地理和例外程序现在位于市场准入的上游。

[NOVA]: 该行动是基于类别的，而非基于公司的。规则关注设备制造地点，而非制造公司。外国机器人制造商的美国子公司，或在海外外包生产的美国品牌，可能会根据组装情况受到影响。这比点名供应商更广泛：进口商、系统集成商和国内品牌必须追踪完整设备的生产路径，而不仅仅是盒子上的总部地址。

[ALLOY]: 开放的问题是范围。公众通知没有定义"先进机器人设备"。工业手臂、仓库系统、研究平台和消费类机器人都可能配备无线电、摄像头、远程控制和更新路径，但通知没有划定界限。战争部指导、FCC澄清和有条件批准将显示这是否保持狭窄，还是波及消费和研究硬件。在此之前，不确定性可能会延迟采购和产品计划。

[NOVA]: ...

[NOVA]: कपड़े तह करने या वस्तुओं को छांटने वाले रोबोट आमतौर पर हजारों सावधानीपूर्वक डेमो की जरूरत होती है जो असली हार्डवेयर पर इकट्ठे किए जाते हैं — धीमे और महंगे। एक सस्ता विकल्प UMI है, एक पोर्टेबल रिग जो रोबोट के बिना ही मोशन डेटा कैप्चर करता है, लेकिन फुटेज अधिक शोर वाला और कम विश्वसनीय होता है। मौजूदा तरीका एक पॉलिसी को प्री-ट्रेन करने के लिए सस्ते UMI डेटा का उपयोग करता है, फिर एक फिनिशिंग स्टेप के रूप में असली रोबोट डेमो की एक छोटी खुराक जोड़ता है।

[ALLOY]: HiFi-UMI नाम का एक नया पेपर एक और तेज सवाल पूछता है — क्या हो अगर रोबोट-फ्री कैप्चर को और ज्यादा विश्वसनीय बना दिया जाए, ताकि असली रोबोट एंकर पूरी तरह गायब हो सके? लेखक HiFi-UMI को एक पोर्टेबल कैप्चर सेटअप के रूप में पेश करते हैं जो उच्च फिडेलिटी के लिए डिज़ाइन किया गया है, जिस पर पॉलिसी पूरी तरह से केवल उस डेटा पर एंड-टू-एंड ट्रेंड होती हैं। अंतर्निहित पिच यह है कि मैनिपुलेशन लर्निंग में बाध्य अवरोध यह नहीं है कि आप कितने डेमो इकट्ठे करते हैं, बल्कि प्रत्येक कितना विश्वसनीय है।

[NOVA]: अगर यह दावा लेखकों के कार्यों से आगे सही साबित होता है, तो बड़े असली रोबोट फ्लीट के बिना वाली लैब को डिप्लॉय करने योग्य मैनिपुलेशन के लिए एक सस्ता प्रवेश मिलता है। निर्णायक सबूत यह होगा कि पॉलिसी उस अंतिम हार्डवेयर-विशिष्ट सुधार के बिना पोर्टेबल डेमो से अलग रोबोट, वस्तुओं और वातावरण में ट्रांसफर होती हैं।

[NOVA]: ...

[NOVA]: TurboVLA इस सप्ताह HuggingFace पर एक ट्रेंडिंग पेपर है जो रोबोट को कैमरा व्यू और बोले गए निर्देशों को मोशन में बदलने के तरीके को फिर से डिज़ाइन करता है। विज़न-लैंग्वेज-एक्शन मॉडल आमतौर पर हर विज़ुअल फ्रेम को पहले एक बड़े लैंग्वेज मॉडल से गुज़ारते हैं — इससे रीज़निंग पावर मिलती है लेकिन मेमोरी बर्न होती है और हर रोबोट टिक पर लेटेंसी बढ़ती है।

[ALLOY]: TurboVLA एक अलग रास्ता अपनाता है। एक्शन प्रोड्यूस करने से पहले विज़न को लार्ज लैंग्वेज मॉडल से गुज़ारने के बजाय, यह विज़न और लैंग्वेज क्यूज़ को सीधे एक्शन आउटपुट में फ्यूज़ करता है। हेडलाइन नंबर शानदार हैं: सिस्टम एक सिंगल कंज्यूमर RTX 4090 ग्राफिक्स कार्ड पर 32 अपडेट प्रति सेकंड पर चलता है जबकि एक गीगाबाइट से कम वीडियो मेमोरी का उपयोग करता है। यह शौक़ीनों, छात्रों और छोटी लैब के लिए एक सार्थक अनलॉक है — वह सेटअप जो डेस्क पर फिट होता है न कि सर्वर रैक भरता है।

[NOVA]: पकड़ यह है कि पेपर के डेमो सीमित हैं। डायरेक्ट फ्यूज़ मेमोरी बचाता है, लेकिन लैंग्वेज मॉडल स्टेज ने अनकेवल सीन पर उपयोगी एब्सट्रैक्शन मुहैया कराया होगा। अगला प्रूफ यह है कि 32-हर्ट्ज़ कंट्रोल और सब-गीगाबाइट मेमोरी गंदे वस्तुओं, लंबे निर्देशों और ट्रेनिंग सेटअप के बाहर के टास्क पर टिकती है या नहीं।

[NOVA]: ...

[NOVA]: HKUDS ने 25 जुलाई को nanobot v0.3 लॉन्च किया, जो डेवलपर्स के लिए एक Python फ्रेमवर्क है जो होस्टेड प्लेटफॉर्म पर निर्भर रहने के बजाय अपना AI एजेंट सेटअप चलाना चाहते हैं। प्रोजेक्ट खुद को अल्ट्रा-लाइटवेट और सेल्फ-होस्टेड बताता है, और इसने 46,404 GitHub स्टार्स एकत्र किए हैं। रिपॉजिटरी को रिलीज के पांच दिन बाद, 30 जुलाई को एक और पुश मिला। 0.3 के लिए कोई पब्लिक चेंजलॉग नहीं है, इसलिए वह वर्जन नंबर अकेले एक नई क्षमता स्थापित नहीं करता।

[ALLOY]: सत्य की तस्वीर रिलीज नोट्स के बजाय README से आती है। Nanobot एजेंट से बात करने के लिए एक WebUI, बाहरी फंक्शन्स को कॉल करने के लिए एक टूल्स लेयर, मेमोरी, MCP सपोर्ट, मल्टी-एजेंट वर्कफ्लो प्रिमिटिव्स, ऑटोमेशन हुक और चैट ऐप इंटीग्रेशन को एक Python पैकेज में बंडल करता है जो आपके अपने हार्डवेयर पर चल सकता है। MCP वह सार्थक कनेक्शन पॉइंट है क्योंकि यह सेल्फ-होस्टेड एजेंट को बड़े होस्टेड स्टैक्स द्वारा उपयोग किए जाने वाले समान बाहरी टूल इकोसिस्टम तक पहुंचने देता है।

[NOVA]: चैट इंटीग्रेशन और WebUI एक इंटरफेस लेयर मुहैया कराते हैं बिना अलग से फ्रंट एंड की जरूरत के, जबकि सेल्फ-होस्टिंग मेमोरी और टूल कॉल्स को ऑपरेटर के कंट्रोल में रखती है। MCP का मतलब है कि फ्रेमवर्क मौजूदा टूल सर्वर को फिर से इस्तेमाल कर सकता है, हर इंटीग्रेशन को नैनोबॉट-स्पेसिफिक कोड में नहीं डालना पड़ता। मेमोरी और ऑटोमेशन हुक उन कामों को संभालते हैं जो एक से ज्यादा चैट टर्न में फैले होते हैं, और मल्टी-एजेंट प्रिमिटिव्स अलग-अलग रोल्स को उसी लोकल फाउंडेशन को शेयर करने देते हैं। एक पर्सनल एजेंट चैट में रिक्वेस्ट ले सकता है, MCP-कनेक्टेड सर्विस को कॉल कर सकता है, रिजल्ट रख सकता है, और उसी पैकेज से बाद में ऑटोमेशन ट्रिगर कर सकता है। वही कंपोनेंट्स एक छोटे इंटरनल हेल्प डेस्क को भी सपोर्ट कर सकते हैं, जहां एक रोल कॉन्टेक्स्ट इकट्ठा करता है, दूसरा टूल्स कॉल करता है, और बातचीत कंपनी के हार्डवेयर पर ही रहती है। छियालीस हजार स्टार्स एटेंशन दिखाते हैं, प्रोडक्शन फिटनेस नहीं, और फ्रेश रिपोजिटरी एक्टिविटी से पता नहीं चलता कि 0.3 में क्या बदला। सही निष्कर्ष यह है कि एस्टैब्लिश्ड फीचर सरफेस और कम्युनिटी ट्रैक्शन है; एक क्लेम्ड रिलीज डेल्टा के लिए असली चेंजलॉग का इंतज़ार करना होगा।

[NOVA]: ...

[NOVA]: OpenAI ने 29 जुलाई को GPT-5.6 को रॉ कैपेबिलिटी गेंस की जगह एफिशिएंसी के आसपास फ्रेम करते हुए पोस्ट किया। पोस्ट इसे मॉडल्स, इंफरेंस स्टैक, और एजेंटिक वर्कफ्लो में सुधार के जरिए प्रति डॉलर ज्यादा उपयोगी इंटेलिजेंस देने के तौर पर पिच करता है। यह नहीं बताता कि कौन सा मैकेनिज्म बदला, कितना, या कब तक कस्टमर इसका इस्तेमाल कर सकता है।

[ALLOY]: यही पूरा वेरिफाइड अनाउंसमेंट है: कोई पब्लिक चेंजलॉग नहीं, फीचर लिस्ट नहीं, बेंचमार्क टेबल नहीं, API डिटेल नहीं, प्राइसिंग फिगर नहीं, या टाइमलाइन नहीं। यह फीचर ड्रॉप की जगह पोजिशनिंग लैंग्वेज है। पर किए गए काम के हिसाब से कोस्ट मायने रखती है क्योंकि सस्ता टोकन अपने आप में सस्ता वर्कफ्लो नहीं है; एक एजेंट ज्यादा टर्न्स, टूल्स, या रीट्राइज इस्तेमाल कर सकता है। थ्रूपुट मायने रखती है क्योंकि अगर लोड के नीचे कतार रुक जाए तो वही क्वालिटी कम उपयोगी है। यही वो नंबर्स हैं जो एफिशिएंसी क्लेम को मेज़र करने योग्य बना सकते हैं। जब तक OpenAI इन्हें पब्लिश नहीं करता, तब तक इंटीग्रेट या कंपेयर करने के लिए कुछ भी कंक्रीट नहीं है।

[NOVA]: ...

[NOVA]: OpenAI ने 29 जुलाई को ऐलान किया कि वो एक लाख एकाडेमिक रिसर्चर्स को ChatGPT के सबसे एडवांस्ड AI मॉडल्स तक मुफ्त एक्सेस दे रहा है, जिसका बताया गया मकसद साइंटिफिक रिसर्च, कोलैबोरेशन, और डिस्कवरी को तेज करना है। उस स्केल पर, एक्सेस इस बात को प्रभावित कर सकता है कि ग्रैजुएट स्टूडेंट्स, पोस्टडॉक्स, और फैकल्टी का एक बड़ा समूह लिटरेचर वर्क, ड्राफ्टिंग, और शुरुआती हाइपोथीसिस एक्सप्लोरेशन के लिए कौन सा असिस्टेंट इस्तेमाल करता है।

[ALLOY]: लेकिन मैकेनिक्स अभी गायब हैं। अनाउंसमेंट में मॉडल्स का नाम नहीं है, एलिजिबिलिटी क्राइटेरिया नहीं हैं, डिस्ट्रिब्यूशन मेथड नहीं है, स्टार्ट डेट नहीं है, या ड्यूरेशन नहीं है। यही डिटेल्स तय करते हैं कि एक्सेस इंडिविजुअल रिसर्चर्स तक पहुंचता है, पूरे इंस्टीट्यूशंस तक, पार्टिकुलर डिसिप्लिन तक, या कंट्रीज तक, और क्या संवेदनशील रिसर्च डेटा इंस्टीट्यूशनल रूल्स के तहत हैंडल किया जा सकता है। फ्री एक्सेस एक्सपेरिमेंटेशन को बढ़ा सकता है, लेकिन रिपीटेबल साइंस के लिए फिर भी जरूरी है कि रिसर्चर्स इस्तेमाल किए गए मॉडल और कंडीशंस को रिकॉर्ड करें। हेडलाइन नंबर, ऑडियंस, और मिशन कन्फर्म हैं; यह कि कौन एक्सेस पाता है और प्रोग्राम में क्या शामिल है, ये सब अभी खुला है।

[NOVA]: ...

[NOVA]: AllenAI ने 28 जुलाई को Hugging Face Blog पर "The OlmoEarth Platform: Geospatial inference at planetary scale" शीर्षक से एक पोस्ट पब्लिश की। यह OlmoEarth को एक सिंगल मॉडल की जगह एक प्लेटफॉर्म के तौर पर पोजीशन करता है, geospatial inference कोर कैपेबिलिटी के तौर पर और planetary scale ऑपरेटिंग टारगेट के तौर पर।

[ALLOY]: Geospatial inference का मतलब है कि सिस्टम जियोग्राफिक और रिमोट-सेंसिंग स्टाइल डेटा लेता है और उस पर प्रेडिक्शन जेनरेट करता है। Planetary scale इस बात का सिग्नल है कि अंडरलाइंग डेटा और कंप्यूट पाइपलाइन Earth-वाइड कवरेज के लिए साइज़्ड हैं, किसी एक शहर, वाटरशेड, या सैटेलाइट टाइल की जगह। बिल्डर्स के लिए, यह फ्रेमिंग मायने रखती है क्योंकि geospatial AI का मुश्किल हिस्सा शायद ही कभी मॉडल रहा है — यह इंजेस्ट करना, टाइल करना, और महाद्वीप-आकार के रास्टर और वेक्टर इनपुट्स को स्केल पर सर्व करना रहा है।

[NOVA]: हैडलाइन और पब्लिश डेट के अलावा, पब्लिक सोर्स में चेंजलॉग, मॉडल कार्ड, या कंक्रीट रिलीज़ नोट्स शामिल नहीं हैं। कोई लिस्टेड मॉडल वेरिएंट नहीं, कोई डॉक्यूमेंटेड API सरफेस नहीं, कोई स्टेटेड इनपुट फॉर्मैट्स नहीं, और कोई घोषित प्राइसिंग या एक्सेस टायर नहीं। डेवलपर आज क्या कॉल कर सकता है, इंस्टॉल कर सकता है, या फाइन-ट्यून कर सकता है - इसका प्रैक्टिकल सवाल अभी भी एनाउंसमेंट द्वारा खुला छोड़ दिया गया है।

[ALLOY]: अगली बात देखने को यह है कि क्या AllenAI मॉडल वेट्स, इन्फरेंस एंडपॉइंट, या सैंपल नोटबुक्स के साथ पोस्ट का अनुसरण करता है जो "प्लैनेटरी स्केल" को कुछ ऐसा बनाते हैं जिसके खिलाफ लोग रुचि के क्षेत्र को चला सकें। प्लैटफॉर्म लेबल एक प्रेडिक्शन मॉडल से अधिक का इशारा करता है। प्लैनेटरी वर्क के लिए आमतौर पर विभिन्न समय और सेंसर्स से सैटेलाइट सीन इनजेस्ट करने, निर्देशांकों को अलाइन करने, दुनिया को टाइल्स में बांटने, इन्फरेंस शेड्यूल करने, और आउटपुट को मैप्स में जोड़ने की जरूरत होती है जिन्हें लोग क्वेरी कर सकें। क्लाउड कवर, रेजोल्यूशन, और रिविजिट टाइमिंग डेटा पाइपलाइन को लर्न्ड वेट्स जितना ही महत्वपूर्ण बनाते हैं। अगर OlmoEarth उन लेयर्स को एक्सपोज़ करता है, तो यह लैंड-यूज़ मैपिंग, क्रॉप मॉनिटरिंग, डिज़ास्टर असेसमेंट, या एनवायरनमेंटल चेंज डिटेक्शन का समर्थन कर सकता है बिना हर टीम द्वारा मशीनरी को फिर से बनाने के। ये घोषित कैटेगरी के संभावित उपयोग हैं, कन्फर्म्ड फीचर्स नहीं, इसीलिए मिसिंग API और मॉडल कार्ड अभी भी मायने रखते हैं।

[NOVA]: ...

[NOVA]: इस साइकल में तीन रेपो रडार पर आए। सबसे ज्यादा ट्रैक्शन वाला एक DeusData का codebase-memory-mcp है — यह 158 भाषाओं के सपोर्ट, सब-मिलीसेकंड क्वेरीज़, और naive अप्रोचेस की तुलना में 99 प्रतिशत टोकन रिडक्शन के दावे के साथ कोडबेस को एक पर्सिस्टेंट नॉलेज ग्राफ में इंडेक्स करता है। यह एक सिंगल स्टैटिक बाइनरी के रूप में शिप होता है और एक MCP-कम्पैटिबल टूल सरफेस जोड़ता है जिसे OpenClaw, Codex, Claude Code, और Hermes सीधे कॉल कर सकते हैं। वर्शन 0.9 जुलाई 8 को शिप हुआ, और रेपॉजिटरी 30 जुलाई को अपडेट हुई। यूज़फुल आइडिया परसिस्टेंस है: एक एजेंट हर सवाल के लिए रेपॉजिटरी को फिर से कंटेक्स्ट में पढ़ने के बजाय पहले से बने सिंबल और रिलेशनशिप के मैप को क्वेरी कर सकता है।

[ALLOY]: PrefectHQ का fastmcp वर्शन 3.4 के साथ 27 जुलाई को शिप हुआ — यह MCP सर्वर और क्लाइंट्स के लिए एक Python टूलकिट है। Microsoft's mcp-for-beginners 16,856 स्टार्स के साथ आया, जो .NET, Java, TypeScript, JavaScript, Rust, और Python को कवर करता है अभी तक कोई फॉर्मल रिलीज़ नहीं है। codebase-memory-mcp के अलावा, ये तीन लेयर्स बनाते हैं: एक कंक्रीट सर्वर, एक जनरल लाइब्रेरी, और एक क्रॉस-लैंग्वेज लर्निंग पाथ।

[NOVA]: स्टार्स क्वालिटी की तुलना में अटेंशन सिग्नल करते हैं, और Microsoft's मिसिंग रिलीज़ को शिप्ड वर्शन के रूप में नहीं माना जाना चाहिए। फिर भी, एक टीम अपनी भाषा में प्रोटोकॉल सीख सकती है, Python में एक सर्विस इम्प्लीमेंट कर सकती है, और एक इंटरफेस के जरिए कोड-मेमोरी बाइनरी एक्सपोज़ कर सकती है। ये टुकड़े एक टूल बाउंड्री पर मिलते हैं हर एजेंट के लिए एक इंटीग्रेशन इन्वेंट करने के बजाय, जो बताता है कि एजुकेशनल मैटेरियल और इम्प्लीमेंटेशन लाइब्रेरीज़ एक साथ ट्रैक्शन क्यों हासिल कर रही हैं।

[NOVA]: ...

[NOVA]: आज मॉडल प्रोग्रेस नए जनरल-पर्पस मॉडल नेम के बजाय रिलीज़्ड एनकोडर्स, रोबोट-कंट्रोल रिसर्च, और कॉन्फ़िगरेशन ट्यूनिंग के जरिए आई। कंक्रीट मूवमेंट इसमें था कि एक्सिस्टिंग मॉडल स्टेट कैसे carry करते हैं, CPUs पर कैसे चलते हैं, और परसेप्शन को एक्शन में कैसे बदलते हैं।

[NOVA]: ...

[NOVA]: स्पॉटलाइट moonshotai/Kimi-K3 पर है, Hugging Face पर 8,822 लाइक्स और 387,822 डाउनलोड्स के साथ एक ट्रेंडिंग ओपन मॉडल। यह फीचर एक्सट्रैक्शन, कम्प्रेस्ड टेंसर्स, और कन्वर्सेशनल यूज़ के लिए टैग किया गया एक इमेज-टेक्स्ट-टू-टेक्स्ट मॉडल है, इसलिए इंटरेस्टिंग सरफेस मल्टीमॉडल है टेक्स्ट-ओनली चैट रिप्लेसमेंट के बजाय। इमेज-टेक्स्ट इनपुट एक सिस्टम को विजुअल एविडेंस को WRITTEN इंस्ट्रक्शन के साथ कंबाइन करने देता है, जबकि फीचर एक्सट्रैक्शन सर्च, कम्पैरिजन, या क्लासिफिकेशन को सपोर्ट करता है। यह इमेज को डिस्क्रिप्शन से मैच करने, विजुअल कलेक्शन्स को ऑर्गनाइज़ करने, या दूसरे मॉडल के लिए रिप्रेजेंटेशन एक्सट्रैक्ट करने जैसे टास्क्स को पावर दे सकता है। कम्प्रेस्ड टेंसर सपोर्ट मायने रखता है क्योंकि मॉडल साइज़ और मेमोरी बैंडविड्थ अक्सर तय करते हैं कि कोई ओपन मॉडल उपलब्ध हार्डवेयर पर चल सकता है या नहीं। डाउनलोड काउंट सब्स्टैंशियल क्यूरियोसिटी दिखाता है; यह बेंचमार्क लीडरशिप स्थापित नहीं करता। मॉडल कार्ड कंटेक्स्ट विंडो, लाइसेंस, वेट फॉर्मेट, हार्डवेयर रिक्वायरमेंट्स, और मापे गए रिज़ल्ट्स के लिए सोर्स है।

[NOVA]: ...

[NOVA]: तीन आइटम execution को enterprise नियंत्रण से जोड़ते हैं। Gemini API Managed Agents 3.6 Flash और hooks जोड़ता है, जबकि Default model enablement for Copilot Business and Enterprise यह बदलता है कि नए मॉडल प्रबंधित संगठनों तक कैसे पहुँचते हैं। Google's hooks परिभाषित जगहें जोड़ते हैं surrounding logic के लिए; GitHub's policy बार-बार मैन्युअल enablement को हटाती है। एक workflow का विस्तार करता है, और दूसरा distribution को तेज़ करता है।

[ALLOY]: तेज़ enablement के लिए अभी भी दृश्यता ज़रूरी है। GitHub Copilot app usage metrics अब report rollups में विस्तारित होते हैं, enterprise और organization reports में उपयोगकर्ताओं की गतिविधि का श्रेय देते हुए। इससे administrators को rollout के बाद adoption का एक स्पष्ट रिकॉर्ड मिलता है।

[NOVA]: ये तीन घोषणाएँ एक श्रृंखला बनाती हैं: Managed Agents क्षमता जोड़ता है, Copilot defaults मॉडल वितरित करते हैं, और usage rollups adoption को मापते हैं। एक enterprise नए उपलब्ध model से व्यापक enablement तक और फिर user-level reporting तक कम blind spots के साथ आगे बढ़ सकती है।

[NOVA]: ...

[NOVA]: स्रोतों और एपिसोड नोट्स के लिए Toby On Fitness Tech dot com पर शो नोट्स देखें। AgentStack Daily सुनने के लिए धन्यवाद। हम जल्द वापस आएँगे।