सप्ताह के प्रमुख घटनाक्रम, मूल प्रकाशन की तारीख के अनुसार समूहबद्ध। हर प्रविष्टि में हमारे पूरे लेख और मूल स्रोत के लिंक हैं।
इस सप्ताह कई मॉडल रिलीज़ और नए स्वायत्त AI एजेंट सामने आए।
Google ने जटिल कार्यों के लिए Gemini 4 Argon की घोषणा की। यह मॉडल Fairwind कार्यक्रम के तहत विश्वसनीय साइबर सुरक्षा विशेषज्ञों के लिए रोल आउट किया जा रहा है।
1 मिलियन आउटपुट टोकन की सीमा, जो पिछले 64,000 से बढ़ाई गई है, गहन तर्क और जटिल, बहु-चरणीय कार्यों का समर्थन करने के लिए है।
Cohere ने Embed 5 पेश किया — 128 हजार टोकन विंडो और साझा एम्बेडिंग स्पेस के साथ नए डेटा प्रोसेसिंग मॉडल।
संगठन साझा एम्बेडिंग स्पेस के साथ एक एकीकृत बुनियादी ढांचे के भीतर Embed 5 मॉडल के विभिन्न स्तरों का उपयोग करके खोज प्रणालियों के प्रदर्शन को अनुकूलित कर सकते हैं।
Quine Microsoft Research की एक अनुसंधान प्रणाली है जो एक जीवविज्ञान मॉडल को वैज्ञानिक उपकरणों के साथ जोड़ती है; वर्तमान में इसकी पहुंच फेलो कार्यक्रम और चुनिंदा अनुसंधान सहयोगों तक सीमित है।
Quine को शोधकर्ताओं को कम्प्यूटेशनल पूर्वानुमानों के माध्यम से परिकल्पनाओं और प्रयोगों को प्राथमिकता देने में मदद करने के लिए डिज़ाइन किया गया है, न कि प्रयोगशाला अनुसंधान को बदलने के लिए।
नया GPT-6.1 Sol मॉडल पेशेवर कार्यों के लिए GPT-6 Astra के प्रदर्शन स्तर की पेशकश करता है, जिसमें टोकन की लागत में महत्वपूर्ण कमी होती है।
यह लॉन्च डेवलपर्स और कॉर्पोरेट उपयोगकर्ताओं को जटिल इंजीनियरिंग कार्यों के लिए उच्च-स्तरीय कंप्यूटिंग शक्ति का उपयोग करने की अनुमति देता है, जिससे API पर परिचालन लागत में काफी कमी आती है।
Anthropic का कहना है कि GLM-5.3 ने अपने परीक्षणों में एक्सप्लॉइट बनाए और अलग-अलग तरीकों ने कोड निष्पादित किए बिना सिमुलेशन में इसके अंतर्निहित सुरक्षा उपायों को दरकिनार कर दिया।
Anthropic के परिणाम एक ओपन-वेट मॉडल में एक्सप्लॉइट-निर्माण क्षमता और सिम्युलेटेड परीक्षणों में विफल रहे अंतर्निहित सुरक्षा उपायों की ओर इशारा करते हैं। ये निष्कर्ष सुरक्षा टीमों और ओपन मॉडलों के साइबर जोखिमों का आकलन करने वाले संगठनों के लिए महत्वपूर्ण हैं।
नया Claude Sonnet 5.5 मॉडल रोजमर्रा के कार्य कार्यों के लिए डिज़ाइन किया गया है। हम घोषित परिवर्तनों और उनके व्यावहारिक महत्व का विश्लेषण करते हैं।
उन टीमों के लिए जो नियमित रूप से मॉडल का उपयोग करती हैं, गति और मूल्य का संयोजन स्वचालन की अर्थव्यवस्था को बदल सकता है। स्विच करने से पहले, अपने स्वयं के कार्यभार पर परिणामों की तुलना करना उचित है: दिए गए आंकड़े मॉडल प्रदाता द्वारा प्रकाशित किए गए हैं।
GitHub ने macOS और Windows पर सार्वजनिक पूर्वावलोकन में Copilot के लिए कंप्यूटर उपयोग क्षमताएँ लॉन्च की हैं, जो डेस्कटॉप एप्लिकेशन के साथ इंटरैक्शन सक्षम बनाती हैं।
यह सुविधा उन डेस्कटॉप एप्लिकेशनों में वर्कफ़्लो को स्वचालित करने में सक्षम बनाती है जिनमें API, कमांड-लाइन इंटरफ़ेस या MCP एकीकरण का अभाव है, जिससे Copilot का उपयोग कोडिंग से परे बढ़ जाता है।
NVIDIA ने VSS 3.3 संस्करण प्रस्तुत किया है जिसमें vss-build-vision-ai टूल शामिल है, जो टेक्स्ट क्वेरी के माध्यम से वीडियो एनालिटिक्स के लिए एजेंट बनाने में सक्षम बनाता है।
यह उपकरण वीडियो एनालिटिक्स सिस्टम के कॉन्फ़िगरेशन को सरल बनाता है, जिससे इंजीनियर जटिल प्रोग्रामिंग के बिना प्राकृतिक भाषा में क्वेरी के माध्यम से कार्यात्मक एजेंट बना सकते हैं।
OpenAI Dots रोल आउट कर रहा है, जो लगातार चलने वाले AI एजेंट हैं जो तीसरे पक्ष के एप्लिकेशन प्रबंधित करते हैं और Pro और Enterprise उपयोगकर्ताओं के लिए सक्रिय शोध करते हैं।
Dots का लॉन्च AI उपयोगिता को इंटरैक्टिव चैट से लगातार ऑटोमेशन की ओर स्थानांतरित करता है। मल्टी-स्टेप कार्यों को 24/7 काम करने वाले एजेंटों को सौंपकर, उपयोगकर्ता विभिन्न सॉफ़्टवेयर प्लेटफार्मों के बीच मैन्युअल समन्वय को कम कर सकते हैं।
Salesforce सेवा में AI एजेंटों के बारे में बताता है: Canada Goose उन अनुरोधों का हिस्सा बताता है जिन्हें Agentforce स्वयं हल करता है, और AT&T सलाहकारों को तैयार करने के बारे में बताता है।
उदाहरण दिखाते हैं कि सेवा स्वचालन को कर्मचारी प्रशिक्षण और मॉडल व्यवहार नियंत्रण के साथ जोड़ा जा सकता है। परिणाम कंपनियों के दावे हैं; कार्यप्रणाली और आधारभूत संकेतक नहीं दिए गए हैं, कोई स्वतंत्र सत्यापन नहीं है।
Barclays Claude के उपयोग का विस्तार कर रहा है। Anthropic कर्मचारी सहायक और ईमेल प्रसंस्करण के बारे में बताता है। बैंक को उम्मीद है कि 2027 में Claude Code का उपयोग उसके अधिकांश सॉफ्टवेयर इंजीनियर करेंगे।
यह घोषणा सॉफ्टवेयर विकास और आंतरिक बैंकिंग संचालन में Claude के उपयोग का वर्णन करती है। सहायक और ईमेल प्रसंस्करण के आंकड़े Anthropic द्वारा रिपोर्ट किए गए हैं; Claude Code के आंकड़े Barclays की अपेक्षाएं हैं, प्राप्त परिणाम नहीं।
मशीन लर्निंग प्रणाली महाद्वीपीय संयुक्त राज्य अमेरिका के 66,935 सबस्टेशनों के लिए अंतरिक्ष मौसम के जोखिमों का आकलन करती है और संभावित प्रभाव से 30–60 मिनट पहले स्थानीय पूर्वानुमान तैयार करती है।
उपयोगिताओं और परिचालन डेटा के साथ आगे के सत्यापन के बाद, ये अनुमान ऑपरेटरों को इंजीनियरिंग समीक्षाओं को प्राथमिकता देने और लक्षित सुरक्षात्मक उपायों पर विचार करने में मदद कर सकते हैं।
परीक्षण के बाद, Whitbread कार्यप्रवाह को अनुकूलित करने के लिए 1,650 कर्मचारियों तक Microsoft Copilot की पहुंच का विस्तार कर रहा है।
कार्यक्रम का विस्तार परिचालन दक्षता बढ़ाने और समय को पुनर्वितरित करने के लिए किया गया है, ताकि अधिक प्राथमिकता वाले कार्यों को पूरा किया जा सके जिनमें मानवीय भागीदारी आवश्यक है।
Salesforce ने NVIDIA Nemotron 3 पर आधारित Koa तर्क मॉडल लॉन्च किया और कॉर्पोरेट AI प्रबंधन के लिए Enterprise AI Harness ढांचा प्रस्तुत किया।
यह लॉन्च उद्यमों को विशेष मॉडलों को लागू करने और एजेंट AI सिस्टम पर नियंत्रण रखने के उपकरण प्रदान करता है, जिससे व्यावसायिक प्रक्रियाओं में पारदर्शिता और सुरक्षा सुनिश्चित होती है।
Meta ने Muse AI एजेंट में दैनिक व्यावसायिक कार्यों के स्वचालन के लिए नए टूल और एकीकरण जोड़े हैं।
केंद्रीकृत AI-संचालित इंटरफ़ेस के माध्यम से प्रशासनिक कार्यों का स्वचालन उद्यमियों को नियमित कार्यों और विभिन्न व्यावसायिक प्लेटफार्मों के बीच समन्वय पर समय बचाने में मदद करता है।
Basis कंपनी ने आंतरिक परीक्षण में AI एजेंटों की तुलना करते हुए GPT-6 Astra और GPT-5.6 Sol मॉडलों के प्रदर्शन का मूल्यांकन किया, जब वे कर कार्यपुस्तिकाओं को भर रहे थे।
Basis का उदाहरण दर्शाता है कि लंबे लेखांकन कार्य में तर्क की गहराई को कार्य के दौरान क्यों बदलना चाहिए और परिणाम की सटीकता को अलग से क्यों जांचना चाहिए। ये आंकड़े कंपनी के अपने परीक्षणों से प्राप्त हुए हैं।
Copilot Pro, Pro+, Max, Business और Enterprise पर उपयोगकर्ता समर्थित REST और GraphQL API के माध्यम से कोड रिव्यू का अनुरोध कर सकते हैं और वैकल्पिक रूप से प्रत्येक अनुरोध के लिए एफ़र्ट लेवल सेट कर सकते हैं।
सूचीबद्ध योजनाओं पर टीमें अपने स्वयं के स्क्रिप्ट, वर्कफ़्लो और आंतरिक टूल से समर्थित API के माध्यम से रिव्यू का अनुरोध कर सकती हैं। वे प्रति अनुरोध एफ़र्ट लेवल सेट कर सकते हैं; Balanced डिफ़ॉल्ट स्पष्ट रूप से चयनित Lite सेटिंग को बरकरार रखता है।
यह परिवर्तन सभी Copilot सुविधाओं को कवर करता है। GitHub तीन विकल्प सूचीबद्ध करता है; Copilot Enterprise प्रशासकों को मॉडल नीतियों के माध्यम से उन तक पहुँच सक्षम करने की आवश्यकता हो सकती है।
यह परिवर्तन सभी Copilot सुविधाओं में मॉडल चयन को प्रभावित करता है। उपयोगकर्ताओं को वर्कफ़्लो और एकीकरण की समीक्षा करनी चाहिए, जबकि Enterprise प्रशासकों को अपनी सेटिंग्स में विकल्पों तक पहुँच की जाँच करने की आवश्यकता हो सकती है।
GitHub Copilot में CLI, ऐप और SDK के माध्यम से कार्यों को स्वचालित करने के लिए डायनेमिक वर्कफ़्लोज़ जोड़े गए हैं।
यह नवाचार डेवलपर्स को सीधे Copilot टूल्स में बहु-चरणीय, पुनरुत्पादनीय स्वचालन परिदृश्य बनाने की अनुमति देता है।
Microsoft Foundry में 60 भाषाओं में स्ट्रीमिंग ट्रांसक्रिप्शन और दो स्पीच-जनरेशन मॉडल उपलब्ध हैं। Microsoft ने कीमतें भी प्रकाशित की हैं और उन प्लेटफार्मों का नाम दिया है जिन्हें वह जोड़ने की योजना बना रहा है।
वॉयस एजेंट डेवलपर्स पहले कुछ सौ मिलीसेकंड के भीतर पहले आंशिक परिणामों के साथ स्ट्रीमिंग ट्रांसक्रिप्शन और दो टेक्स्ट-टू-स्पीच मॉडलों में से किसी एक का उपयोग कर सकते हैं। प्रति घंटा ऑडियो और प्रति 10 लाख कैरेक्टर की प्रकाशित कीमतें लागत नियोजन में सहायता करती हैं। माइक्रोसॉफ्ट के प्रदर्शन दावों की यहां स्वतंत्र रूप से पुष्टि नहीं की गई है।
Data Agent Kit टूलकिट सार्वजनिक रूप से उपलब्ध हो गया है, जो AI एजेंटों को Google Cloud डेटा सेवाओं के साथ एकीकृत करने के लिए MCP प्रोटोकॉल का समर्थन प्रदान करता है।
यह टूल डेवलपर्स को AI एजेंटों को सीधे डेटा प्रोसेसिंग वर्कफ़्लो में एकीकृत करने की अनुमति देता है, जिससे एनालिटिकल और ऑपरेशनल डेटाबेस के साथ बातचीत सरल हो जाती है।
CoreWeave ने क्लाउड में NVIDIA Vera Rubin NVL72 सिस्टम तक शीघ्र पहुँच प्रदान की, जो Spectrum‑X नेटवर्किंग के साथ एकीकृत हैं, और एजेंटिक AI वर्कफ़्लो के लिए नए टूल के साथ।
नए हार्डवेयर और सॉफ़्टवेयर सेवाएँ AI एजेंट डेवलपर टीमों को परीक्षण वातावरण शुरू करने में विलंब कम करने और कम्प्यूटेशनल संचालन पर व्यय को अनुकूलित करने में सक्षम बनाती हैं।
Hugging Face का Open TTS Leaderboard WER/CER, RTFx, TTFA और स्पीकर समानता का उपयोग करके ओपन TTS मॉडलों की तुलना करता है। मीट्रिक मानव मूल्यांकन के पूरक हैं, न कि प्रतिस्थापन।
डेवलपर्स के लिए, यह लीडरबोर्ड हफ्तों तक वोट एकत्र किए बिना मॉडलों की तुलना करने का एक तेज़ और पुनरुत्पादनीय तरीका प्रदान करता है। फिर भी इसके मीट्रिक्स प्रॉक्सी ही हैं: WER और वक्ता समानता स्वाभाविकता, अभिव्यंजना या श्रोता प्राथमिकता को नहीं मापते हैं, और लीडरबोर्ड मानव रैंकिंग का प्रतिस्थापन नहीं है।
डेवलपर्स को एक उपकरण तक पहुंच मिली जो AI एजेंटों को OpenAI के प्रबंधित वातावरण में ब्राउज़र इंटरफेस के साथ बातचीत करने की अनुमति देता है।
एकीकरण डेटा संग्रहण, वेब इंटरफेस परीक्षण और नियंत्रित वातावरण में ब्राउज़र के माध्यम से कार्यों के निष्पादन को स्वचालित करने की अनुमति देता है, जिससे डेवलपर्स को नेटवर्क पर कार्रवाई करते समय जोखिमों को ध्यान में रखना आवश्यक होता है।
OpenAI, Ultrafast को अपने API का सबसे तेज़ सेवा स्तर बताता है। यह सभी API उपयोगकर्ताओं के लिए GPT-6 Astra पर कम दर सीमाओं के साथ उपलब्ध है; GPT-5.6 Sol के लिए पूर्वावलोकन पहुंच उपलब्ध है।
डेवलपर्स, उच्च लागत, कम दर सीमाओं और क्षेत्रीय प्रसंस्करण प्रतिबंधों को ध्यान में रखते हुए, GPT-6 Astra के लिए OpenAI के सबसे तेज़ API सेवा स्तर का चयन कर सकते हैं।
OpenAI डेवलपर दस्तावेज़ में GPT-6.1 Sol के संदर्भ विंडो, आउटपुट सीमा, प्रति टोकन मूल्य, लंबे प्रॉम्प्ट के लिए अतिरिक्त शुल्क, Fast और Ultrafast गुणक, और स्तर-वार दर सीमाओं का वर्णन करती है।
लागत और भार की योजना बनाते समय, टीमों को एक साथ कई मापदंडों पर विचार करना चाहिए: संदर्भ लंबाई, सेवा मोड, क्षेत्र और उपयोग स्तर, क्योंकि इनमें से प्रत्येक मूल्य या थ्रूपुट को प्रभावित करता है। ये OpenAI दस्तावेज़ की शर्तें हैं; प्रस्तुत सामग्री में मॉडल की गुणवत्ता का कोई स्वतंत्र मूल्यांकन नहीं है। OpenAI के अनुसार, मॉडल अमेरिका और यूरोपीय संघ में डेटा रेजिडेंसी का समर्थन करता है, जिसमें Fast और Ultrafast मोड शामिल हैं।
Amazon Bedrock क्लाउड सेवा में GPT-6.1 Sol मॉडल जोड़ा गया है। डेवलपर्स इसका उपयोग बढ़ी हुई दक्षता और कम लागत के साथ कार्यों को स्वचालित करने के लिए कर सकते हैं।
यह अपडेट इंजीनियरों को मॉडल की उच्च विश्लेषणात्मक सटीकता बनाए रखते हुए बहु-चरणीय व्यावसायिक कार्यों के निष्पादन को अनुकूलित करने और लागत कम करने में सक्षम बनाता है।
Amazon ने अपने Bedrock प्लेटफ़ॉर्म में Grok 4.7 मॉडल जोड़ा है, जो 500,000 टोकन की संदर्भ विंडो और अनुकूलन योग्य reasoning स्तर का समर्थन करता है।
Grok 4.7 का एकीकरण AWS प्लेटफ़ॉर्म पर डेवलपर्स के टूलसेट का विस्तार करता है, जो विशिष्ट एजेंट कार्यों के लिए reasoning intensity की लचीली सेटिंग्स प्रदान करता है।
Amazon ने Claude Sonnet 5.5 मॉडल को Bedrock सेवा में शामिल किया है। नया संस्करण पूर्ववर्ती की तुलना में प्रोग्रामिंग और दस्तावेज़ कार्यों में तेज़ और सस्ता है।
AWS क्लाउड इंफ्रास्ट्रक्चर में अधिक प्रदर्शनकारी और लागत-कुशल मॉडल का आगमन, व्यवसायों के लिए AI को अपनाना सरल बनाता है। यह कंपनियों को कोड ऑटोमेशन और डेटा एनालिटिक्स कार्यों को स्केल करने के दौरान परिचालन लागत कम करने में सक्षम बनाता है।
GitHub ने Copilot में Anthropic Claude Sonnet 5.5 मॉडल जोड़ा है। यह Pro, Pro+, Max, Business और Enterprise जैसे भुगतान योजनाओं के लिए उपलब्ध है; रोलआउट धीरे-धीरे किया जा रहा है।
यह एकीकरण डेवलपर्स को कोडिंग कार्यों के लिए सीधे GitHub Copilot में Anthropic मॉडल चुनने की अनुमति देता है।
NVIDIA ने Open Agent Safety Platform की घोषणा की - एक खुला सॉफ्टवेयर प्लेटफॉर्म और संदर्भ डिजाइन जो AI एजेंटों को परीक्षण से लेकर तैनाती तक नियंत्रित करता है।
यह प्लेटफॉर्म मॉडल और एजेंट हार्नेस से परे प्रशासन और नियंत्रण जोड़ता है, जिसमें बुनियादी ढांचे स्तर पर नियंत्रण शामिल है। यह संगठनों को स्वायत्त एजेंटों के काम करने पर सीमाएँ परिभाषित और लागू करने के उपकरण देता है।