GPT-6 Astra ने FrontierMath Tier 4 (97.6%), ARC-AGI-3 (99.9%) और ExploitBench (100%) पर उच्च स्कोर प्राप्त किए, साथ ही स्वायत्तता और कंप्यूटर संचालन में सुधार किया।
व्यावहारिक महत्व
यह स्वायत्त तकनीकी कार्यप्रवाहों के लिए एक नई मानक है, जो भेद्यता खोज और बचाव दोनों में सक्षम है।
ध्यान देने योग्य बातें
कुछ क्षमताओं तक पहुंच साइबर सुरक्षा जोखिमों के कारण प्रतिबंधित है।
Basis, Clay और Exa Labs ने AI एजेंटों का उपयोग करके कार्य को स्वचालित किया, लेकिन महत्वपूर्ण निर्णयों पर मानव नियंत्रण बनाए रखा।
व्यावहारिक महत्व
सफल कार्यान्वयन में दोहराए जाने वाले कार्य को परिभाषित करना, एजेंटों को प्रासंगिक संदर्भ प्रदान करना और निर्णय लेने के लिए मानव जिम्मेदारी बनाए रखना आवश्यक है।
ध्यान देने योग्य बातें
प्रभावशीलता विशिष्ट कार्यप्रवाहों पर निर्भर करती है।
Anthropic के अनुसार, Claude ने काफी हद तक स्वायत्त रूप से Lean में फ़र्मा के अंतिम प्रमेय का पूर्ण औपचारिक प्रमाण लिखा। प्रमाण बाह्य जाँच के लिए GitHub पर सार्वजनिक है।
यदि दावे सही साबित होते हैं, तो यह दिखाएगा कि AI एजेंट वर्षों के काम के बजाय दिनों में बहुत बड़े मशीन-सत्यापित औपचारिक प्रमाण बना सकते हैं। इससे नए गणितीय परिणामों, जिनमें AI द्वारा उत्पन्न परिणाम भी शामिल हैं, का सत्यापन आसान हो सकता है। परिणाम स्वयं Anthropic की रिपोर्ट पर आधारित है, इसलिए सार्वजनिक प्रमाण की बाह्य समीक्षा ही कुंजी परीक्षण बनी हुई है।
OpenAI ने GPT-6 Astra मॉडल पेश किया है, जिसमें बेहतर स्वायत्तता, परीक्षणों में उच्च परिणाम और मजबूत सुरक्षा उपाय शामिल हैं।
GPT-6 Astra स्वायत्त कंप्यूटर प्रबंधन और वैज्ञानिक विश्लेषण के मानकों को बदल रहा है, हालांकि साइबर सुरक्षा के क्षेत्र में इसकी क्षमताओं पर विशेष नियंत्रण की आवश्यकता है।
Google ने अपनी सेवाओं में नया AI मॉडल WeatherNext 3 शामिल किया है। यह सिस्टम उच्च-रिज़ॉल्यूशन वाले प्रति घंटा पूर्वानुमान उत्पन्न करने के लिए उपग्रह डेटा का उपयोग करता है।
यह अपडेट लंबी अवधि के पूर्वानुमानों में महत्वपूर्ण सुधार करता है। जब एक दिन या उससे अधिक की योजना बनाई जाती है, तो लोग 50% तक अधिक सटीक वर्षा पूर्वानुमान देखेंगे — उन क्षेत्रों में सबसे बड़े सुधार जहां पूर्वानुमान पारंपरिक रूप से कम विश्वसनीय थे।
Google ने Gemini 3.7 Flash, 3.6 Flash और 3.5 Flash-Lite में वीडियो खंड खोजने और जाँचने की सुविधा जोड़ी।
यह दृष्टिकोण लंबी वीडियो रिकॉर्डिंग के साथ काम करने वाले डेवलपर्स के लिए महत्वपूर्ण है। गतिशील खोज विशिष्ट क्षणों को खोजने, वस्तुओं को ट्रैक करने और अनावश्यक लागत के बिना विसंगतियों का पता लगाने के कार्यों को अधिक कुशलता से करने की अनुमति देता है।
Anthropic ने Claude Fable 5.1 जारी किया, जो लंबी अवधि के कार्यों के लिए डिज़ाइन किया गया है।
यह रिलीज़ लंबी अवधि के एजेंटिक प्रक्रियाओं और जटिल कोड प्रबंधन के लिए एक विशेषज्ञ मॉडल प्रदान करती है। स्वचालित अनुरोध रूटिंग संवेदनशील उद्योगों में जोखिम को कम करने के लिए डिज़ाइन की गई है।
OpenAI महत्वपूर्ण सार्वजनिक सेवाओं का संचालन करने वाले संगठनों को साइबर सुरक्षा उपकरण प्रदान करने के लिए 1 बिलियन डॉलर आवंटित कर रहा है।
यह कार्यक्रम महत्वपूर्ण सेवाओं के रक्षकों को समय पर कमजोरियों की पहचान करने और साइबर हमलों से बचाव करने में मदद करता है। यह पहल डिजिटल खतरों की बढ़ती जटिलता के मद्देनजर उपयोगिता कंपनियों और सरकारी एजेंसियों की सुरक्षा के स्तर को बढ़ाने पर केंद्रित है।
CrowdStrike ने SafeMind की घोषणा की — एक एजेंट-आधारित सुरक्षा प्रणाली जो साइबर खतरों की प्रतिक्रिया को स्वचालित करने के लिए Nemotron मॉडल का उपयोग करती है।
यह एकीकरण संगठनों को स्वायत्त एजेंटों के माध्यम से घटनाओं पर तेज़ी से प्रतिक्रिया करने में सक्षम बनाएगा, जो CrowdStrike की विशेषज्ञता का उपयोग करके हमले के नए तरीकों के अनुकूल लगातार बने रह सकते हैं।
Basis, Clay और Exa Labs मानव समीक्षा के माध्यम से नियंत्रण बनाए रखते हुए कर्मचारी ऑनबोर्डिंग, खाता प्रबंधन और कोड एकीकरण को स्वचालित करते हैं।
इन तीनों उदाहरणों में, एजेंट को एक कार्य, संदर्भ के स्रोत और एक बिंदु दिया गया है जहाँ मानव परिणाम की जाँच करता है। यह दृष्टिकोण तब उपयोगी होता है जब एक ही प्रक्रिया बार-बार दोहराई जाती है और उसका पर्याप्त सटीक वर्णन किया जा सकता है।
Salesforce जटिल विकास के बिना AI एजेंटों को प्लेटफ़ॉर्म के डेटा और एंटरप्राइज़ कार्यों तक सीधी पहुंच प्रदान करने के लिए MCP प्रोटोकॉल लागू कर रहा है।
यह अपडेट संगठनों को कस्टम इंटीग्रेशन बनाए बिना, मानकीकृत प्रोटोकॉल का उपयोग करके प्लेटफॉर्म के लॉजिक और डेटा तक पहुँचने के लिए AI एजेंटों को मौजूदा प्रक्रियाओं में एकीकृत करने की अनुमति देता है।
NVIDIA Personal AI Router उपयोगकर्ताओं को एक स्थानीय नेटवर्क में कई कंप्यूटरों की शक्ति को संयोजित करने की अनुमति देता है ताकि AI एजेंटों के काम को गति दी जा सके।
PAIR समाधान उपयोगकर्ताओं को स्थानीय AI मॉडल के साथ काम करते समय हार्डवेयर सीमाओं को पार करने में मदद करता है, अनुरोध कतार को अनुकूलित करके। यह घरेलू या कार्यालय नेटवर्क में निष्क्रिय कंप्यूटिंग शक्ति का कुशलतापूर्वक उपयोग करके जटिल कार्यप्रवाहों को गति देने का अवसर प्रदान करता है।