गुरुवार, 9 जुलाई 2026

1 न्यूज़लेटर से 25 खबरों का संकलन

संक्षेप में (tldr) —

  • OpenAI ने GPT-Live फुल-डुप्लेक्स वॉयस लॉन्च किया; Anthropic के Managed Agents ने 46% लागत पर टॉप-मॉडल के 96% प्रदर्शन को छुआ; GPT-5.6 को रोलआउट के लिए मंजूरी मिली और एक महीने के भीतर GPT-6 आने की उम्मीद है।
  • Prime Intellect ने ओपन ट्रेनिंग स्टैक के लिए $1B के मूल्यांकन पर $130M जुटाए; Nvidia ने दो महीने से भी कम समय में बाज़ार मूल्य में ~$1T खो दिए; Tokyo University ने वास्तविक इंटरनेट पर LLM एजेंट जारी किए।
  • Cognition ने नियर-फ्रंटियर कोडिंग मॉडल SWE-1.7 पेश किया; MiniMax का लक्ष्य 2.7T-पैरामीटर ओपन-सोर्स मॉडल लाना है; Meta ने Muse Video प्रीव्यू के साथ Muse Image लॉन्च किया।

प्रमुख खबरें

  • OpenAI ने लॉन्च किया GPT-Live: फुल-डुप्लेक्स वॉयस जो एक साथ बोल और सुन सकता है. OpenAI ने ChatGPT के लिए एक नया वॉयस आर्किटेक्चर GPT-Live लॉन्च किया है जो फुल-डुप्लेक्स संचार को सपोर्ट करता है, जिसका अर्थ है कि यह वॉकी-टॉकी के बजाय फोन कॉल की तरह एक ही समय में सुन और बोल सकता है। यह मॉडल बातचीत के बीच में सहमति ("mhmm," "yeah") जता सकता है, इसे स्वाभाविक रूप से बीच में टोका जा सकता है, यह लाइव अनुवाद को सपोर्ट करता है, और कठिन सवालों को पर्दे के पीछे एक फ्रंटियर मॉडल को सौंप सकता है। GPT-Live-1 को पेड यूज़र्स (Go, Plus, Pro) के लिए डिफ़ॉल्ट Voice मॉडल के रूप में वैश्विक स्तर पर रोल आउट किया जा रहा है, जबकि मुफ़्त यूज़र्स के लिए GPT-Live-1 mini उपलब्ध होगा। यह iOS, Android और ChatGPT.com पर उपलब्ध है, लेकिन अभी Temporary Chats, डेस्कटॉप ऐप, Work, Codex या कस्टम GPTs में उपलब्ध नहीं है। OpenAI के परीक्षणों में, यूज़र्स ने लगभग 4 में से 3 आमने-सामने की चैट में पुराने Advanced Voice Mode की तुलना में GPT-Live को चुना, और विशेषज्ञ विज्ञान स्कोर लगभग दोगुना हो गया। API एक्सेस जल्द ही आ रहा है; वर्तमान Realtime API मूल्य निर्धारण में ऑडियो को प्रति 1M इनपुट/आउटपुट टोकन $32/$64 पर सूचीबद्ध किया गया है। [1]
  • Anthropic के Claude Managed Agents: 46% लागत पर टॉप-मॉडल का 96% प्रदर्शन. Anthropic ने हर कॉल पर पूरी कीमत चुकाए बिना Claude के सबसे शक्तिशाली मॉडल (Fable 5) का उपयोग करने के लिए दो लागत-अनुकूलन पैटर्न साझा किए हैं। Advisor पैटर्न में Sonnet 5 सारा काम करता है, और केवल प्रमुख निर्णय बिंदुओं पर (~प्रति कार्य एक बार) Fable 5 को कॉल करता है, जिससे 63% लागत पर Fable 5 के SWE-Bench Pro स्कोर का 92% हासिल होता है। Orchestrator पैटर्न में Fable 5 कार्य की योजना बनाता है और भारी काम को समानांतर Sonnet 5 वर्कर्स को सौंप देता है, जिससे 46% कीमत पर BrowseComp पर Fable 5 के प्रदर्शन का 96% प्राप्त होता है। एक उदाहरण: 20 तथ्यों को सत्यापित करने में अकेले $4.00 की तुलना में विभाजित टीम के साथ $1.61 का खर्च आया। प्रत्येक सब-एजेंट अपना स्वयं का कैश रखता है, इसलिए दोहराए गए संदर्भ के लिए दो बार बिल नहीं लगाया जाता है। [2]
  • SpaceXAI + Cursor ने कम कीमत पर अब तक का सबसे मजबूत मॉडल Grok 4.5 जारी किया. SpaceXAI (पूर्व में xAI, Cursor अधिग्रहण के बाद) ने $60B के अधिग्रहण के बाद Cursor के साथ मिलकर बनाया गया पहला मॉडल Grok 4.5 लॉन्च किया है। Grok 4.5 कोडिंग, एजेंटिक और नॉलेज-वर्क कार्यों में मजबूत प्रदर्शन दिखाता है, जिसके बेंचमार्क Claude Opus 4.8 और GPT-5.5 के समान रेंज में हैं। यह Opus 4.8 की तुलना में 4x दक्षता लाभ का दावा करते हुए 80 टोकन/सेकंड (फ्लैश मॉडल्स को टक्कर देते हुए) पर चलता है। मूल्य निर्धारण: Opus 4.8 के लिए $5/$25 की तुलना में प्रति मिलियन इनपुट/आउटपुट टोकन $2/$6 है। Cursor और Grok Build के अंदर इसका उपयोग अस्थायी रूप से मुफ़्त है। Musk ने इसे "एक Opus-क्लास मॉडल, लेकिन तेज़, अधिक टोकन-कुशल और कम लागत वाला" बताया, और कहा कि अगले महीने एक और भी बड़ा मॉडल आ रहा है। [3]
  • OpenAI ने SWE-Bench Pro का ऑडिट किया: 27–34% टास्क खराब पाए गए, अपनी सिफारिश वापस ली. OpenAI ने AI कोडिंग मॉडल्स को रैंक करने के लिए व्यापक रूप से उपयोग किए जाने वाले बेंचमार्क SWE-Bench Pro का ऑडिट किया, और पाया कि यह अब भरोसेमंद नहीं है। उनके विश्लेषण ने 200 टास्क (27.4%) को खराब के रूप में चिह्नित किया; मानव समीक्षकों ने 249 टास्क (34.1%) में समस्याएँ पाईं। समस्याओं में समस्या विवरण में उल्लेख न की गई छिपी हुई आवश्यकताएँ, वैध समाधानों को अस्वीकार करने वाले परीक्षण, ग्रेडिंग मानदंड में सही उत्तरों का गायब होना और विरोधाभासी निर्देश शामिल थे। सही समाधान विफल हो रहे थे, और अच्छा कोड लिखने के लिए मॉडल्स को दंडित किया जा रहा था। बेंचमार्क 70% नॉइज़ सीलिंग के करीब संतृप्ति (saturation) पर पहुँच गया, जिसमें फ्रंटियर मॉडल्स आठ महीनों में 23.3% से उछलकर 80.3% पर पहुँच गए, जो दर्शाता है कि स्कोर बढ़े-चढ़े थे। OpenAI ने औपचारिक रूप से अपनी सिफारिश वापस ले ली है। [4]
  • GPT-5.6 को रोलआउट के लिए मंजूरी मिली; एक महीने के भीतर GPT-6 की उम्मीद. Commerce Department के अतिरिक्त परीक्षण के बाद OpenAI के GPT-5.6 को व्यापक रोलआउट के लिए मंजूरी दे दी गई है, जिसमें Sol, Terra और Luna गुरुवार को लॉन्च होने के लिए तैयार हैं। एक विशेष खबर (scoop) के अनुसार, GPT-5.6, 5.x लाइन में OpenAI का आखिरी रिलीज़ होगा, और GPT-6 लगभग एक महीने में (संभवतः इसी महीने) आ जाएगा, जिसे 5.5 और 5.6 के तहत ~4T "Spud" बेस की तुलना में काफी बड़े प्रीट्रेन पर बनाया गया है। इस जल्दबाजी का कारण: OpenAI कुछ ऐसा चाहता है जो Anthropic के Fable 5 और आगामी Fable 5.1 को कड़ी टक्कर दे सके। DeepSeek भी इंतज़ार नहीं कर रहा है, वह जल्द ही V4 GA लाने वाला है और MiniMax के आगामी 2.7T Pro को चुनौती देने के लिए एक बड़े मॉडल पर काम कर रहा है। [5]

अन्य महत्वपूर्ण खबरें

टूल्स और लॉन्च

स्रोत: Sidebar