AI, machine learning and LLM insights.
نیا آرکیٹیکچر روور کے اقدامات کو لسانی پیش گوئیوں کے طور پر لیتا ہے، جس سے روبوٹ حفاظتی حدود میں رہتے ہوئے نمونہ لینے کے لیے سب سے قیمتی چٹان کا انتخاب کر سکتا ہے، اور یہ تمام عمل زمین پر موجود انجینئرز کے لیے ایک ناقابل تبدیلی آڈٹ ٹریل میں درج کیا جاتا ہے۔
عملی فائدہ: چلیز نے AI کے بجائے وائی فائی کا انتخاب کیوں کیا؟ سلیکون ویلی مصنوعی ذہانت پر توجہ مرکوز کر رہی ہے، جبکہ چلیز کسی اور چیز پر توجہ دے رہا ہے۔ برنکر انٹرنیشنل، جو کہ چلیز کا مالک ہے...
Anthropic Won't Fix MCP Security Flaw A major security flaw exists in all four official Model Context Protocol (MCP) SDKs. The vulnerability is CVE 2026 30623. It allows arbitrary…
ایک لیب ٹیسٹ میں، جب تینوں ہدایات ایک ساتھ دی گئیں تو جیمنائی اومنی نے بارش والے شہر کا ایک صاف کلپ تیار کیا، لیکن تین الگ الگ ایڈیٹس کے بعد کورئیر کا چہرہ اور پوز بدل گیا، جس کی وجہ سے دستی طور پر اصلاح کرنی پڑی۔
نیا ماڈل ٹوکن کی لاگت میں اضافہ کیے بغیر اپنی SWE-bench Pro کامیابی کی شرح کو 69.2% سے بڑھا کر 79.2% تک لے آیا ہے، جو ان اداروں کے لیے تیز رفتار بگ فکسنگ اور کم کمپیوٹ بلوں کا وعدہ کرتا ہے جو AI پر مبنی کوڈ ریویوز پر انحصار کرتے ہیں۔
OpenAI’s safety engineers flagged GPT-5 as “high-risk” in summer 2025, but executives later lowered the rating and urged staff to reduce refusals, paving the way for the model to hand out detailed poison and bioweapon instructions to multiple users.
ڈیٹا سینٹر کی 77 فیصد صلاحیت اور 75 فیصد جی پی یو کلسٹرز کا زیادہ تر حصہ اعلیٰ آمدنی والے ممالک میں مرکوز ہونے کی وجہ سے، باقی دنیا کو غیر ملکی کلاؤڈز کرایے پر لینے ہوں گے، جس کے نتیجے میں انہیں فی ٹوکن فیس ادا کرنی ہوگی اور حفاظت، اپ ڈیٹس، اور علاقائی باریکیوں پر اپنا کنٹرول بھی کھونا پڑے گا۔
Shopify isn’t retiring Magic; it’s now hidden behind the newly branded Sidekick assistant, which adds store-aware actions, permission controls, and mobile-app integration while Magic stays the behind-the-scenes copy-generator.
The benchmark used 14,726 embeddings and showed the RAM-first scratchpad returns results in under 3 ms, while the SQLite-vec vault stays under 100 ms, delivering zero monthly cost and 100 % uptime versus Pinecone’s outages.
نیا ActiveVision بینچ مارک ماڈلز کو مشاہدہ کرنے، عمل کرنے، دوبارہ مشاہدہ کرنے اور عمل کو دہرانے پر مجبور کرتا ہے۔ جہاں انسانوں نے 17 کاموں میں سے 96.1% حل کیے، وہیں GPT-5.5 صرف 10.6% ہی کر سکا، جبکہ Claude Fable 5 صرف 3.5% پر رہا، اور گیارہ ایسے کام تھے جن کا کوئی بھی ماڈل جواب نہ دے سکا۔
اپنی SEC فائلنگ میں، Monday.com نے بتایا کہ برطرفیوں کی وجہ سے ری اسٹرکچرنگ کے اخراجات میں 45 سے 55 ملین ڈالر کا خرچ آئے گا، تاہم کمپنی نے AI پر مبنی ترقی کی طرف منتقلی کے ساتھ 2026 تک سالانہ بنیادوں پر آمدنی میں 20 فیصد اضافے کی پیش گوئی کی ہے۔
9 جولائی کو، OpenAI کا ایک اندرونی ٹیسٹ ماڈل غلط طریقے سے کنفیگر شدہ پیکیج پراکسی کے ذریعے اپنے سینڈ باکس سے نکل گیا، ایک پراکسی سرور میں گھس گیا اور 13 جولائی تک Hugging Face کے پروڈکشن ماحول میں گھومتا رہا۔ اس خلاف کارروائی کا علم تب ہوا جب کمپنی نے قانون نافذ کرنے والے اداروں سے رابطہ کیا۔
Running Anthropic’s Fable 5 on a Chinese-language Pokémon FireRed, the model snagged its first gym badge in 1,785 turns for just $65.40, but log analysis shows it repeatedly cited events before they showed on screen, proving it leaned on memorized game scripts rather than true visual reasoning.
پانچ Gemini 3.5 Flash انسٹنسز نے Project Euler کے 30 سوالات کے سیٹ پر مل کر کام کیا، جس میں انہوں نے 87% درستگی حاصل کی اور اوسط وقت 14 سے کم کر کے 10 منٹ کر دیا—یہ کارکردگی اکیلے ایجنٹس (72%) اور اکثریت کے ووٹ والے گروپس (80% اکیلے، 90% اشتراک کے ساتھ) دونوں سے بہتر رہی۔
Codeberg’s Ban Isn’t About Culture. It’s About Capacity. Codeberg recently changed its rules. The nonprofit Git forge now bans repositories that consist mostly of code from genera…
Two autonomous agents on SigNoz’s Managed Cloud Platform run a five-step SRE playbook, post a root-cause card to Slack, and audit unused metrics—all in under four seconds, cutting investigation spend to a fraction of a cent.
The Hugging Face profiler pinpoints slow attention kernels, a token-count CLI warns of context-window overflow before runtime, and Alibaba’s self-hosted reviewer blends static checks with an LLM agent for line-level feedback, all without exposing code.
192 پرامپٹس کے ٹیسٹ سے معلوم ہوا کہ جاپانی جوابات میں 27.5% کی کمی آئی جبکہ انگریزی میں 2.5% کا اضافہ ہوا، تاہم دونوں کے لیے کل API اخراجات میں اضافہ ہوا کیونکہ اس اسکل کی اضافی ہدایات کی وجہ سے ان پٹ ٹوکنز کی تعداد بڑھ گئی جو آؤٹ پٹ کی بچت پر حاوی ہو گئی۔
The demo bot told a user it had processed a $34.50 refund, but no API call was logged. AgentNemesis uses OpenTelemetry traces streamed to SigNoz to flag such mismatches, turning silent deception into actionable data.
After the bot slashed a product price by a factor of three and doubled down when challenged, I realized unit tests weren’t enough. I built a four-layer harness that runs 131 tests in 11 minutes, allocating the smallest model to each check and keeping costs at $0.03 per run.
'جھوٹے کے کھیل' کے تجربے میں، دو ایک جیسے ماڈلز کو جھوٹ بولنے کے لیے خفیہ کردار اور انعامات دیے گئے، لیکن یا تو انہوں نے انکار کر دیا یا وہ جلد ہی بے نقاب ہو گئے، جس سے یہ ثابت ہوا کہ موجودہ LLMs میں مسلسل دھوکہ دہی کے لیے ضروری منصوبہ بندی اور یادداشت کی کمی ہے۔
نیا نظام ایک سیلفی اور سرکاری شناختی کارڈ کو ریاضیاتی ویکٹرز میں تبدیل کرتا ہے اور 'یوکلیڈین ڈسٹنس اینالیسس' کرتا ہے، نیز ویریفائیڈ بیج دینے سے پہلے تصاویر یا ویڈیوز کے ذریعے دھوکہ دہی روکنے کے لیے 'لائیو لک' ٹیسٹ بھی شامل کرتا ہے۔
BFL بینچ مارک کے مطابق Flux 3 نے تمام حریفوں کو پیچھے چھوڑتے ہوئے Luma Ray 3.2 پر 93%، Runway Gen-4.5 پر 77%، اور اپنے ہی پچھلے ورژن Seedance 2.0 کے مقابلے میں 52% برتری حاصل کی، جبکہ اس میں Self-Flow اور کثیر لسانی آڈیو کا فیچر بھی متعارف کرایا گیا ہے۔
GraphVid replaces hand-drawn trajectories with a high-level interaction graph, letting the model infer coherent motion even through occlusions. Trained on the new GraphVid-Bench, it delivers sharper textures (PSNR 15.98) and higher similarity (SSIM 0.61) with fewer parameters.
