शुक्रवार, 24 जुलाई 2026

संक्षेप में

• OpenAI और Anthropic ने प्रतिस्पर्धी वॉयस अपग्रेड लॉन्च किए हैं, GPT-Live मल्टी-एजेंट वॉयस कंट्रोल के साथ डेस्कटॉप पर आया है, जबकि Claude वॉयस आखिरकार Gmail, Slack और Calendar टूल एक्सेस के साथ Opus/Sonnet पर चलता है; Black Forest Labs ने इमेज, वीडियो, ऑडियो और फ़ैक्टरी रोबोटिक्स को एकीकृत करते हुए FLUX 3 जारी किया; और OpenAI ने व्यक्तिगत प्रश्नोत्तर के लिए Apple Health और मेडिकल रिकॉर्ड को जोड़ते हुए ChatGPT Health लॉन्च किया।
• Google का अपना डेटा दिखाता है कि AI को अपनाना व्यापक है लेकिन उथला है, अमेरिका के 68% व्यवसायों में यह पहुँचा है लेकिन एक सामान्य नौकरी में केवल ~21% कार्य ही कवर किए गए हैं; Elon Musk ने भविष्यवाणी की है कि AI पाँच वर्षों के भीतर मानवता से आगे निकल जाएगा; छोटे रोबोट पॉलिसी ने केवल 0.7% पैरामीटर्स के साथ OpenVLA-OFT को 18% से हरा दिया; और एक व्यक्ति ने 5 दिनों में 6 अनसुलझी Erdős गणित समस्याओं को हल करने के लिए GPT का उपयोग किया।
• Runway और Cursor दोनों ने ऐसे 'राउटर्स' लॉन्च किए हैं जो लागत, गुणवत्ता या गति प्राथमिकताओं के आधार पर प्रति अनुरोध सर्वश्रेष्ठ AI मॉडल को स्वतः चुनते हैं; Screenpipe AI संदर्भ के लिए स्थानीय रूप से आपकी स्क्रीन और ऑडियो को रिकॉर्ड करता है; Google Selfie Video एक बैकअप अकाउंट साइन-इन विधि प्रदान करता है; और UI SFX ने 12 बदले जा सकने वाले फ़ील्स में 78 ओपन-सोर्स सिमेंटिक UI साउंड क्यू जारी किए हैं।

प्रमुख ख़बरें

• OpenAI मल्टी-एजेंट कंट्रोल के साथ ChatGPT Voice को डेस्कटॉप पर लाया. GPT-Live अब macOS और Windows डेस्कटॉप ऐप्स पर काम करता है, जिससे उपयोगकर्ता ChatGPT Work और Codex में एक साथ चल रहे कई एजेंटों को आवाज़ से निर्देशित कर सकते हैं। एक कस्टम हॉटकी किसी भी ऐप के ऊपर काम करती है। यह Plus, Pro, Business, Edu और Enterprise प्लान पर उपलब्ध है। ^[1]
• Anthropic ने Opus, Sonnet और टूल एक्सेस के साथ Claude वॉयस मोड को अपग्रेड किया. वॉयस अनुरोध अब केवल Haiku के बजाय Claude के सबसे स्मार्ट मॉडलों पर चलते हैं, जिनमें बातचीत के बीच में Gmail, Google Calendar, Slack, Canva और Notion तक पहुँचने की क्षमता है। भाषा समर्थन का विस्तार स्पेनिश, फ्रेंच, हिंदी, जापानी तक हुआ है। मोबाइल, डेस्कटॉप और वेब पर पब्लिक बीटा उपलब्ध है। ^[2]
• Black Forest Labs ने FLUX 3 जारी किया: एकीकृत इमेज, वीडियो, ऑडियो और रोबोटिक्स मॉडल. यह 'विज़ुअल इंटेलिजेंस' मॉडल नेटिव ऑडियो और सुसंगत विज़ुअल्स के साथ 20-सेकंड की क्लिप बनाता है। BFL ने Audi फ़ैक्टरी लाइनों के लिए एक रोबोट-कंट्रोल वेरिएंट FLUX-mimic भी तैयार किया है, जो 30+ घंटों के बजाय ~30 मिनट के डेमो डेटा से नए कार्य सीखता है। ओपन-वेट FLUX 3 Dev मॉडल को फ़ैक्टरी हार्डवेयर के आकार के अनुसार बनाया गया है। ^[3]
• ChatGPT Health लॉन्च: मेडिकल रिकॉर्ड और Apple Health को जोड़ता है. वेब और iOS पर Free, Go, Plus और Pro प्लान में 18+ वर्ष के लॉग-इन अमेरिकी उपयोगकर्ताओं के लिए यह शुरू किया जा रहा है। जुड़े हुए स्वास्थ्य डेटा का उपयोग फ़ाउंडेशन मॉडलों को प्रशिक्षित करने या विज्ञापन लक्षित करने के लिए नहीं किया जाएगा। OpenAI की रिपोर्ट के अनुसार हर हफ़्ते 300M+ लोग ChatGPT से स्वास्थ्य संबंधी प्रश्न पूछते हैं। ^[4]
• Claude Managed Agents अपडेट में एफ़र्ट कंट्रोल, सेशन सीडिंग और प्रति सेशन 500 स्किल्स जोड़े गए. लागत बचाने के लिए प्रति कार्य एजेंट रीज़निंग एफ़र्ट को कम करें, एक ही क्रिएट कॉल में 50 तक संदेशों को बंडल करें, प्रति सेशन 500 तक कार्य-विशिष्ट निर्देश सेट स्टैक करें, साथ ही मेमोरी स्टोर्स के लिए वेबहुक और सब-एजेंटों के लिए इवेंट स्ट्रीमिंग की सुविधा पाएँ। ^[5]
• Microsoft की सुपरइंटेलिजेंस टीम ने MAI-Image-2.5-Pro और MAI-Voice-2-Flash पेश किए. दो नए इन-हाउस मॉडल: एक अगली पीढ़ी का इमेज AI और एक तेज़, सस्ता वॉयस इंजन। ^[6]
• कनाडाई गणितज्ञ Jacob Tsimerman ने Fields Medal जीता और OpenAI में शामिल हुए. 2026 के Fields Medal से सम्मानित, Tsimerman AI सुरक्षा पर काम करने के लिए OpenAI में शामिल हो रहे हैं। ^[7]
• AI उथल-पुथल के बीच Patreon ने अपने कार्यबल के 20% हिस्से की छंटनी की. CEO Jack Conte ने कहा कि AI ने टेक कंपनियों के काम करने और संगठित होने के तरीके को मौलिक रूप से बदल दिया है। ^[8]

गहन विश्लेषण

• Google का अपना डेटा दिखाता है कि AI को अपनाना व्यापक है लेकिन उथला है. Google के आंतरिक डेटा के अनुसार, कार्यस्थल पर AI का उपयोग अमेरिका के 68% व्यवसायों तक पहुँच गया है, लेकिन इसमें एक सामान्य नौकरी के केवल 21% कार्यों को ही कवर किया गया है। ^[9]
• Elon Musk ने भविष्यवाणी की है कि AI पाँच वर्षों के भीतर मानवता से आगे निकल जाएगा. Economist के एक साक्षात्कार में, Musk ने कहा कि दस वर्षों के भीतर मनुष्य शायद नियंत्रण में न रहें, लेकिन वह 'आशावादी' हैं क्योंकि हम इसकी प्रगति को रोक नहीं सकते, इसलिए हमें इस सफ़र का आनंद लेना चाहिए। ^[10]
• छोटे रोबोट पॉलिसी ने केवल 0.7% पैरामीटर्स का उपयोग करके OpenVLA-OFT को 18% से हरा दिया. एक उल्लेखनीय रूप से कुशल पॉलिसी कंप्यूट के एक छोटे से हिस्से के साथ रोबोट मैनिपुलेशन कार्यों पर अत्याधुनिक परिणाम प्राप्त करती है। ^[11]
• एक व्यक्ति ने 5 दिनों में 6 अनसुलझी Erdős गणित समस्याओं को हल करने के लिए GPT का उपयोग किया. एक अकेले शोधकर्ता ने महान गणितज्ञ Paul Erdős की पहले से अनसुलझी छह समस्याओं को हल करने के लिए OpenAI के GPT का लाभ उठाया। ^[12]
• आज का AI कौशल: AI-जनित कोड को मर्ज करने से पहले एक निर्णय ऑडिट चलाएँ. Victor Taelin का वर्कफ़्लो: हर लाइन के बजाय AI के विकल्पों का ऑडिट करें। एजेंट से हर सार्थक निर्णय को सूचीबद्ध करने, अस्थायी समाधानों को फ़्लैग करने और एक 'प्राइड गेट' चलाने के लिए कहें—क्या एजेंट प्रोडक्शन में इस ब्रांच का समर्थन करेगा? ^[13]
• The Rundown कैसे AI अंतर्ज्ञान विकसित करता है. भूमिका-दर-भूमिका AI दक्षता मानक जो अस्वीकार्य, अपेक्षित और असाधारण AI उपयोग को चिह्नित करते हैं। टीम के नियम: AI एक एम्पलीफायर है न कि बैसाखी, स्वचालित करने के लिए उबाऊ कार्यों को खोजने में 2 घंटे/सप्ताह, प्रति व्यक्ति AI टूल्स के लिए $200/माह। ^[14]
• The Algorithmic Atelier: जनरेटिव AI और कलात्मक स्वचालन का लंबा इतिहास. इस बात की पड़ताल कि कैसे कला में AI की भूमिका रचनात्मक अभ्यास को नया आकार देने वाले उपकरणों की सदियों पुरानी कहानी का बस नवीनतम अध्याय है। ^[15]
• इसे काम लायक बनाना बनाम इसे अच्छा बनाना. डिज़ाइन चिंतन: 'यही डिज़ाइन का काम है: किसी चीज़ को इतना अच्छा बनाना कि वह स्वाभाविक लगे।' ^[16]

टूल्स और लॉन्च

• ChatGPT Health. अपने स्वास्थ्य डेटा के बारे में चैट करने के लिए Apple Health और मेडिकल रिकॉर्ड को लिंक करें। ^[4]
• GPT Live. OpenAI का नैचुरल वॉयस मॉडल, अब मल्टी-एजेंट कंट्रोल के साथ Desktop और Codex पर। ^[1]
• Opus/Sonnet के साथ Claude Voice. वॉयस मोड अब Gmail, Slack, Calendar टूल एक्सेस के साथ अधिक स्मार्ट मॉडलों पर चलता है। ^[2]
• Claude Managed Agents. एफ़र्ट कंट्रोल, सेशन सीडिंग, 500 स्किल्स के साथ स्वायत्त एजेंट रनटाइम। ^[5]
• Runway Media Router. गुणवत्ता/गति/लागत प्राथमिकताओं के आधार पर प्रति अनुरोध सर्वश्रेष्ठ इमेज, वीडियो या ऑडियो मॉडल को स्वतः चुनता है। ^[17]
• Cursor Router. Cost, Balance और Intelligence मोड के साथ प्रत्येक कोडिंग अनुरोध को सबसे उपयुक्त मॉडल पर रूट करता है; 60% तक की बचत। ^[18]
• Google Selfie Video. पहले से सुरक्षित रूप से रिकॉर्ड किए गए वीडियो के साथ एक छोटे लाइव वीडियो की तुलना करके बैकअप अकाउंट साइन-इन। ^[19]
• Screenpipe. स्क्रीन और ऑडियो को स्थानीय रूप से रिकॉर्ड करता है, जिससे पिछले काम को खोजा जा सकता है और AI एजेंटों को दीर्घकालिक संदर्भ मिलता है। ^[20]
• UI SFX. वेब, मोबाइल, SaaS और गेम्स के लिए 12 बदले जा सकने वाले फ़ील्स में 78 ओपन-सोर्स, सिमेंटिक UI साउंड क्यू। ^[21]
• Unsloth Laguna-S-2.1 GGUF. क्वांटाइज़्ड मॉडल जिसे आप llama.cpp के साथ स्थानीय रूप से चला सकते हैं। ^[22]
• Which AI?: डिज़ाइनर का अनुमान लगाएँ. दैनिक गेम: पहचानें कि प्रत्येक लैंडिंग पेज Gemini, Claude या GPT में से किसके द्वारा डिज़ाइन किया गया था। ^[23]
• लेआउट कोरियोग्राफ़ी पर. जब सूचियाँ पुनर्व्यवस्थित होती हैं, पैनल फैलते हैं, और आइटम आते या जाते हैं, तो लेआउट एनिमेशन स्थानिक मेमोरी को बरकरार रखता है। ^[24]

Prompt of the day