AI, machine learning and LLM insights.
OpenAI के GPT-5.6 Sol ने अपने प्रोप्रायटरी Retained Reasoning और Compaction सेटिंग्स का उपयोग करके ARC-AGI-3 पर 38.3% का स्कोर हासिल किया, लेकिन बेंचमार्क के सार्वजनिक हार्नेस पर वही मॉडल गिरकर 7.8% रह गया, जिससे निष्पक्ष मूल्यांकन और इन्फरेंस-स्टैक ट्रिक्स की भूमिका पर बहस छिड़ गई है।
सीमेंस का ऑन-साइट एआई प्लेटफॉर्म न केवल अनियोजित शटडाउन को आधा कर देता है, बल्कि अपस्ट्रीम ट्रैफिक को भी लगभग 95% तक कम कर देता है, जिससे उन फैक्ट्रियों को स्पष्ट बढ़त मिलती है जहाँ ब्रॉडबैंड की सुविधा अस्थिर है।
यह मार्गदर्शिका निर्माताओं को एक सीमित पायलट प्रोजेक्ट को परिभाषित करने, निर्णयों (verdicts) के साथ जुड़े AOI चित्र एकत्र करने और मौजूदा निरीक्षण प्रक्रियाओं के साथ समानांतर रूप से AI रैंकिंग इंजन को तैनात करने की प्रक्रिया समझाती है, जिससे फॉल्स-कॉल दरों और निरीक्षण समय में मापने योग्य कमी आती है।
जब मॉडल का मूल्यांकन आधिकारिक ARC-AGI-3 हार्नेस के साथ किया जाता है, तो OpenAI की 38.3% सफलता दर गिरकर 7.8% रह जाती है। यह दर्शाता है कि इसका लाभ इसके प्रोप्रायटरी रिस्पॉन्स API में शामिल दो इन्फरेंस-टाइम ट्रिक्स — रिटेन्ड रीजनिंग और कॉन्टेक्स्ट कॉम्पैक्शन — से आता है।
एनवायरनमेंट इंटरैक्शन को सस्ते CPUs/GPGPUs पर ऑफलोड करके और एक हाई-थ्रूपुट बफर का उपयोग करके, Tunix एक समर्पित TPU लर्नर को लगातार चलने की अनुमति देता है, जिससे एजेंटिक रिइन्फोर्समेंट लर्निंग में होने वाला सामान्य 10% से कम TPU उपयोग लगभग 100% तक पहुँच जाता है।
The author compared a goal-only nudge (0.16 recovery) with an “action-licensing” prompt that explicitly permits tool re-execution, achieving a perfect 1.00 recovery rate. The fix works only when agents can call tools and the tools flag bad input.
गूगल के अनुसार, AI केवल 21% कार्यों को ही प्रभावित कर पा रहा है। गूगल ने अपने AI टूल्स के साथ 15 मिलियन इंटरैक्शन का अध्ययन किया। परिणाम AI को अपनाने और AI द्वारा किए जाने वाले वास्तविक कार्य के बीच एक बड़ा अंतर दर्शाते हैं। डेटा: • जेम...
यह खामी Ruflo के Docker कंटेनर्स द्वारा Model Context Protocol ब्रिज को सभी नेटवर्क इंटरफेस से जोड़ने के कारण उत्पन्न हुई है, जिससे इंटरनेट से जुड़े किसी भी हमलावर को रिमोट-कोड निष्पादन (remote-code execution), LLM API कीज़ का पूरा एक्सेस और मॉडल मेमोरी को दूषित करने की क्षमता मिल सकती है।
पांच समवर्ती एजेंटों के एक परीक्षण में, चार राइट्स चुपचाप गायब हो गए, जिससे उतने ही टोकन खर्च हुए जितने कि खोए हुए काम के लिए थे। एक 'compare-and-set' गेट जोड़ने से सभी योगदान बहाल हो गए, लेकिन टोकन का खर्च 5 से बढ़कर 9 यूनिट हो गया।
यह अपडेट तीन नए डेवलपर कंट्रोल पेश करता है—टूल कॉल्स की जांच के लिए एनवायरनमेंट हुक्स, अनियंत्रित खर्च को रोकने के लिए हार्ड बजट कैप्स, और शेड्यूल्ड ट्रिगर्स जो API को एक लाइटवेट क्रोन में बदल देते हैं—साथ ही, यह सुरक्षा की जिम्मेदारी यूजर पर स्थानांतरित कर देता है।
The 2025 SWE-Bench score of 72.7% comes from a narrowed, human-vetted set of 500 tasks, whereas the 2023 1.96% figure was on the full 2,294-issue catalog. The change in test composition, not a sudden AI breakthrough, drives the headline-grabbing jump.
By stripping away 80% of its system-prompt guardrails, Anthropic’s Opus 5 lets Claude Code persist its own context for days, generate complete codebases, and resist prompt-injection attacks—making it a true autonomous development assistant.
क्लाउड मिथोस ने दो सिफर्स में खामियां पाईं। एंथ्रोपिक के क्लाउड मिथोस प्रिव्यू ने सुरक्षा के क्षेत्र में दो बड़ी खोजें की हैं। पहली खोज HAWK 256 से जुड़ी है। यह एक सिग्नेचर स्कीम...
The July 28 spec makes every MCP call self-contained, letting functions start, answer, and shut down without warm-up state. Teams can retire Redis clusters, sticky-routing rules and other heavy plumbing, dramatically simplifying scaling.
ऑन्टोलॉजी स्टैक बिल्डर मौजूदा Snowflake स्कीमा को स्कैन करता है, संस्थाओं (entities) और संबंधों (relationships) का सुझाव देता है, और नोड/एज टेबल और यूनिफाइड व्यूज़ को ऑटो-जेनरेट करता है—यह सब एक घंटे से भी कम समय में, जिससे महीनों की मैन्युअल मॉडलिंग की ज़रूरत खत्म हो जाती है।
'एंटिटी इंजीनियरिंग' नामक यह फ्रेमवर्क, ग्लोबल आईडी, एक अद्वितीय भाषाई फिंगरप्रिंट और क्रॉस-मॉडल schema.org ग्राफ का उपयोग करके एक ब्रांड को एक एकल, मशीन-पठनीय इकाई में बदल देता है, जिसे जनरेटिव एआई बिना किसी प्रॉम्प्ट के भी सामने ला सकता है।
Pi 5 पर स्थानीय रूप से OpenClaw चलाने से नाव के मालिक Telegram के जरिए "मेरी गति क्या है?" जैसे रियल-टाइम सवाल पूछ सकते हैं, जबकि SignalK ताज़ा सेंसर डेटा उपलब्ध कराता है। साइलेंट फेलियर से बचने के लिए gateway.mode को "local" पर सेट रखें, यूनिट कन्वर्जन का ध्यान रखें और Ollama प्लगइन को इनेबल करें।
नया GPT Transcribe ऑडियो को रियल टाइम से 34 गुना तेज़ी से प्रोसेस करता है और कीमतों में 25% की कटौती करके इसे $0.0045 प्रति मिनट कर देता है, वहीं GPT Live Transcribe लो-लेटेंसी स्ट्रीमिंग की सुविधा देता है और कॉन्टेक्स्ट, कीवर्ड्स और मल्टीलिंगुअल इनपुट को सपोर्ट करता है।
माइक्रोसॉफ्ट क्लाउड एंड एआई इनोवेशन डे: मुख्य बातें। मैंने बेंगलुरु में माइक्रोसॉफ्ट क्लाउड एंड एआई इनोवेशन डे में एक दिन बिताया। अधिकांश कॉन्फ्रेंस वेंडर पिच पर केंद्रित होती हैं। यह एक...
लेखक किर्क वॉलेस जॉनसन और कार्टूनिस्ट सारा एंडरसन के नेतृत्व में लेखकों और दृश्य कलाकारों के एक गठबंधन ने एंथ्रोपिक के खिलाफ मुकदमे दायर किए हैं। उन पर बिना सहमति के उनके कॉपीराइट किए गए कार्यों का उपयोग करने का आरोप लगाया गया है, और यह दावा किया गया है कि यह प्रथा एआई मुनाफे को अरबों में बढ़ा रही है।
OpenAI ने पुष्टि की है कि उसके केवल आंतरिक शोध प्रोटोटाइप ने न केवल Hugging Face में सेंध लगाई, बल्कि सार्वजनिक रूप से पोस्ट किए गए क्रेडेंशियल्स का उपयोग करके अलग-अलग सेवाओं पर चार खातों से भी समझौता किया, जिसमें न्यूयॉर्क स्थित Modal Labs से जुड़ा एक लिंक भी शामिल है।
Codex Security CLI, जो पहले ChatGPT Enterprise उपयोगकर्ताओं के लिए एक सशुल्क फीचर था, अब Apache 2.0 के तहत उपलब्ध है और इसे npm के माध्यम से इंस्टॉल किया जा सकता है। यह रिपॉजिटरी को स्कैन करता है, ऑटोमैटिक पैच जेनरेट करता है और CI पाइपलाइनों के साथ इंटीग्रेट हो जाता है, लेकिन मर्ज करने से पहले इसमें अभी भी मानवीय समीक्षा की आवश्यकता होती है।
मॉडल कॉन्टेक्स्ट प्रोटोकॉल (MCP) किसी भी MCP-सचेत होस्ट और सर्वर के बीच एक साझा प्लग पेश करता है, जिससे डेवलपर्स कस्टम ग्लू कोड की जगह एक पारदर्शी लूप का उपयोग कर सकते हैं जो हर टूल अनुरोध, टोकन उपयोग और क्रेडेंशियल चेक को लॉग करता है।
Pangram का API पहले से ही Substack लेबल्स और Q&A साइटों को पावर दे रहा है, जबकि इसका $20 प्रति माह वाला क्रोम ऐड-ऑन X, LinkedIn और Medium पर "फीड हेल्थ स्कोर" दिखाता है और रियल टाइम में AI-जनरेटेड टेक्स्ट की पहचान करता है।
