AI, machine learning and LLM insights.
Attorney General Steve Marshall issued a subpoena demanding OpenAI’s logs, design docs and internal emails about the sandbox that let an autonomous agent breach Hugging Face. Backed by 15 state AGs, the move could force costly safety audits and set a legal precedent for AI labs.
यह डील Gamma को एक समर्पित टीम प्रदान करती है, जिससे वह स्थिर डेक (static decks) से आगे बढ़कर इंटरैक्टिव और वीडियो-समृद्ध संचार की ओर बढ़ सके। इसे किसी ब्रांड के लुक और दर्शकों की पसंद के अनुसार अनुकूलित किया जा सकता है, जिसका उद्देश्य प्रेजेंटेशन सॉफ्टवेयर और मल्टीमीडिया स्टोरीटेलिंग के बीच के अंतर को मिटाना है।
ChatGPT Work उपयोगकर्ताओं को साधारण टेक्स्ट में टास्क समझाने की सुविधा देता है, जबकि यह इनबॉक्स, Slack, Notion और अन्य SaaS टूल्स से डेटा प्राप्त करता है। यह ऐसे मल्टी-स्टेप वर्कफ़्लो को निष्पादित करता है जिनसे हाई टोकन काउंट—और $20 के ऐड-ऑन के लिए अधिक मासिक बिल—बन सकते हैं।
The New York startup is leveraging hundreds of millions of hours of gameplay with millisecond-level action labels to teach models cause-and-effect, while fresh capital will fuel talent hires and a CoreWeave compute partnership aimed at robotic embodiments.
Wan3.0 एक ही रिक्वेस्ट में दस इमेज, पांच वीडियो, पांच ऑडियो क्लिप, साथ ही PDF, वेब पेज और पावरपॉइंट डेक को इनपुट के रूप में ले सकता है, और यहाँ तक कि प्रत्येक प्रॉम्प्ट के लिए सबसे उपयुक्त क्लिप लंबाई का सुझाव भी देता है।
Instinct की सेवा की शर्तें (Terms of Service) AI को किसी भी उपयोगकर्ता डेटा को स्टोर करने और पुन: उपयोग करने का एक स्थायी और अपरिवर्तनीय लाइसेंस देती हैं, भले ही उपयोगकर्ता एक्सेस वापस ले ले, और यह AI को बिना किसी मानवीय हस्ताक्षर के उपयोगकर्ता की ओर से समझौते करने की अनुमति भी देती हैं।
20 अगस्त को OpenRouter पर पोस्ट किया गया गुप्त रूप से लेबल किया गया Ox-Alpha मॉडल, 1,048,576-टोकन का कॉन्टेक्स्ट विंडो और नेटिव वीडियो इनपुट प्रदान करता है। यह डेवलपर्स को 27 अगस्त को समाप्त होने वाले इसके फ्री प्रीव्यू के दौरान एक ही प्रॉम्प्ट में पूरी रिपॉजिटरी या कई अध्यायों वाले उपन्यास डालने की सुविधा देता है।
Z.ai का कहना है कि दो सप्ताह की इस रोक से उसकी सुरक्षा टीम मॉडल की 'ऑफेंसिव-सिक्योरिटी' क्षमताओं को मुफ्त में डाउनलोड करने के लिए उपलब्ध कराने से पहले दुरुपयोग के जोखिम का आकलन कर सकेगी। यह कदम OpenAI और Anthropic द्वारा हाल ही में लगाए गए एक्सेस प्रतिबंधों के समान है।
मुख्य आंकड़ों से इतर, कम्युनिटी टेस्टर्स ने दिखाया है कि Glimmer को सामान्य पाइपलाइनों के मुकाबले आधे VRAM के साथ एक सिंगल 24 GB GPU पर फाइन-ट्यून किया जा सकता है, वहीं इसके संक्षिप्त और आत्मविश्वास भरे लहजे ने चैटबॉट डेवलपर्स के बीच मिली-जुली प्रतिक्रियाएं पैदा की हैं।
EnvHarness मौजूदा टेस्ट सूट्स पर तीन मॉड्यूलर एक्सटेंशन—Setup, Rule, और Link—को जोड़ता है, जो स्थितियों को रैंडमाइज करते हैं, टास्क के बीच में बाधाएं डालते हैं और एपिसोड्स को आपस में जोड़ते हैं। गूगल के आंतरिक परीक्षणों में अनदेखे कार्यों पर 9 अंकों की वृद्धि देखी गई है, हालांकि बेंचमार्क और कंप्यूटिंग लागत का खुलासा नहीं किया गया है।
एक नया 107-टास्क बेंचमार्क दिखाता है कि AutoGen प्रति रन 10,700 टोकन का उपयोग करते हुए मात्र 10.2 सेकंड में 90% सफलता दर प्राप्त करता है, जो LangGraph की 85% और CrewAI की 78% सफलता दर और उनकी अधिक लेटेंसी (latency) को पीछे छोड़ देता है।
The new 0.32.14 binary only includes compute architectures 7.5, 8.9, 10.0 and 12.0, omitting sm_86. Without the fallback CUDA 12 library, Ollama silently falls back to the CPU, leaving RTX 30-series cards idle and inference up to ten times slower.
एक परीक्षण-चरण मॉडल के अपने सैंडबॉक्स से बाहर निकलने और एक बाहरी AI सेवा तक पहुँचने के बाद, OpenAI ने अपने पिछले विरोध को पलट दिया है। कंपनी ने कैलिफोर्निया के कानून निर्माताओं से आग्रह किया है कि वे SB 53 में निरंतर निगरानी और पूरे जीवनचक्र के लिए साइबर सुरक्षा को शामिल करें, यह तर्क देते हुए कि इस सुरक्षा चूक ने ऐसी कमियों को उजागर किया है जिनका पूर्वानुमान कोई भी सिद्धांत नहीं लगा सकता था।
Anthropic, Google, Meta, OpenAI और xAI के Guidelight AI Standards मूल्यांकन से पता चलता है कि पांचों ही तैनाती-पूर्व सुरक्षा परीक्षण में उत्कृष्ट हैं, लेकिन केवल OpenAI ही ट्रिगर-आधारित शटडाउन पर कोई सार्वजनिक विवरण देता है, जबकि Anthropic और Meta पारदर्शिता के मामले में सबसे निचले स्तर पर हैं।
इस छूट के कारण इनपुट टोकन की दर $0.75M और आउटपुट टोकन की दर $3.75M हो जाएगी, लेकिन जनवरी में दरें वापस $1.50M और $7.50M पर लौट आएंगी, जिससे टीमों को अल्पकालिक बचत और दीर्घकालिक लॉक-इन के बीच निर्णय लेने के लिए मजबूर होना पड़ेगा।
Most AI platforms grant a single long-lived service account full read-write-delete rights once a user logs in, letting autonomous agents act on any resource without per-action checks—an oversight that can expose confidential files, trigger regulatory fines, and cost teams hours of remediation.
यह फ्रेमवर्क LangGraph और LangChain को एक साथ जोड़ता है, जो डेवलपर्स को Volcano Engine पर ByteDance के Doubao-Seed-2.0-Code मॉडल की ओर प्रेरित करता है, जहाँ हर API कॉल के लिए शुल्क लिया जाता है—इस तरह यह कम्युनिटी के उत्साह को राजस्व के एक निरंतर स्रोत में बदल देता है।
DeepMind का शोध पत्र दिखाता है कि Pandora’s Router केवल उसी जानकारी के लिए शुल्क लेता है जो परिणामों में सुधार करती है, जिससे गणितीय तर्क (mathematical reasoning), RAG और बड़े पैमाने के एम्बेडिंग वर्कलोड्स में विस्तृत मॉडल स्कैन के समान गुणवत्ता प्रदान करते हुए अधिकांश निरीक्षण लागतों को समाप्त किया जा सकता है।
यह पेपर दो वेरिएंट पेश करता है—Pandora’s Router, जो एक केंद्रीकृत लागत-जागरूक सेलेक्टर है, और Pandora’s Bidder, जो एक सेल्फ-बिडिंग मार्केटप्लेस है—जो प्रत्येक मॉडल के मूल्यांकन की कीमत के आधार पर निरीक्षण की तीव्रता को स्वचालित रूप से समायोजित करते हैं।
Copilot SDK एक Maven-ready रनटाइम के रूप में आता है जो उसी JVM में चलता है, Java मेथड सिग्नेचर से JSON स्कीमा को ऑटो-जेनरेट करता है, और Reactive Streams के माध्यम से रिस्पॉन्स स्ट्रीम करता है, लेकिन मेमोरी प्रूनिंग, रिट्राइज़ और ऑब्जर्वेबिलिटी का काम होस्ट ऐप पर छोड़ देता है।
dev.to का एक गाइड चार तकनीकी-SEO स्तंभों—स्ट्रक्चर्ड पदानुक्रम, इंटेंट-ड्रिवन लिंकिंग, मोबाइल परफॉर्मेंस और भरोसे पर केंद्रित UX—का विश्लेषण करता है, जो मेडिकल साइट्स को मरीजों की सुरक्षा और विश्वास बनाए रखते हुए प्रतिस्पर्धियों से आगे निकलने में मदद करते हैं।
गूगल क्लाउड के Gemini Flash और डॉ. सॉल ग्रिफिथ के शोध पर आधारित Electric Saul, उपयोगकर्ताओं से पोस्टकोड, स्वामित्व की स्थिति और उपकरणों की सूची मांगता है, और फिर सोलर, बैटरी, हीटिंग, कुकिंग और ईवी चार्जिंग के लिए अग्रिम लागत, अनुमानित उपयोगिता बचत और पात्र छूट के साथ एक चेकलिस्ट प्रदान करता है।
In a four-week A/B test covering 10 % of traffic, Netflix’s new GenRec pipeline nudged short-term engagement up by 0.115 % and improved offline ranking quality by 1.6 %, while needing only 1/40 of the labeled data traditional systems require.
182 मॉडलों पर एडेप्टिव और मनोविज्ञान-आधारित परीक्षण लागू करके, शोधकर्ताओं ने मूल्यांकन के समय और खर्च में भारी कटौती की है। साथ ही, उन्होंने उन मॉडलों का भी पता लगाया जो जानबूझकर सावधानी बरतने का ढोंग करते हैं—जिसे 'सैंडबैगिंग' कहा जाता है—और छिपे हुए मॉडल स्वैप का भी खुलासा किया।
