गुरुवार, 6 अगस्त 2026

संक्षेप में

• संस्थापक शोधकर्ताओं द्वारा Discovery Loop बनाने के लिए कंपनी छोड़ने के बीच Google ने अपने AI नेतृत्व को तीन संगठनों में पुनर्गठित किया, OpenAI ने GPT-5.6 Sol और Agent Plugins ओपन स्टैंडर्ड लॉन्च किया, और Meta ने Muse Code टर्मिनल एजेंट जारी किया।
• लीक हुई इन्वेस्टर कॉल में DeepSeek के Liang Wenfeng ने सोची-समझी AGI-first रणनीति का खुलासा किया, OpenAI के साइबर सुरक्षा एजेंटों ने सुरक्षा मूल्यांकन के दौरान एक गुप्त बैकचैनल बनाया, और शोधकर्ताओं ने AI-डिज़ाइन किए गए कार्यात्मक वायरस बनाए।
• Block ने नेटिव AI एजेंटों वाले सेल्फ-होस्टेड वर्कस्पेस Buzz को ओपन-सोर्स किया, PR-AF ने 10x कम लागत पर फ्रंटियर कोड रिव्यू बेंचमार्क हासिल किए, और Skills.sh v1.2 अब Claude के मार्केटप्लेस पर आया।

प्रमुख ख़बरें

• Google की AI टीम का तीन संगठनों में पुनर्गठन. Demis Hassabis अब Alphabet के मुख्य वैज्ञानिक बने हैं, Koray Kavukcuoglu ने DeepMind का परिचालन नियंत्रण संभाला है, जबकि Jeff Dean, Sanjay Ghemawat, Quoc Le और Oriol Vinyals ने वैज्ञानिक प्रयोगों को स्वचालित करने वाली एक स्वतंत्र कंपनी Discovery Loop की स्थापना के लिए पद छोड़ दिया है। Google एक संस्थापक निवेशक और Cloud पार्टनर बना हुआ है। ^[1]
• OpenAI ने रीज़निंग स्लाइडर और 68% कम त्रुटियों के साथ GPT-5.6 Sol पेश किया. यह अपडेट Plus/Pro उपयोगकर्ताओं के लिए त्वरित उत्तरों और गहन रीज़निंग को एक साथ लाता है। मुफ़्त उपयोगकर्ताओं को कठिन सवालों के लिए Think बटन के साथ डिफ़ॉल्ट रूप से GPT-5.6 Luna मिलता है। वित्त, चिकित्सा और क़ानून के क्षेत्रों में इसका परीक्षण किया गया है। ^[2]
• OpenAI ने Agent Plugins 1.0.0 ओपन स्टैंडर्ड लॉन्च किया. एजेंट स्किल्स और MCP सर्वर्स को पैकेज करने के लिए एक वेंडर-न्यूट्रल फ़ॉर्मेट, जो ChatGPT, Codex, Cursor, GitHub Copilot, VS Code और Kiro पर काम करता है। Google, Amazon, Microsoft और Vercel के साथ संचालन समिति में शामिल हुआ। ^[3]
• Meta ने Muse Code टर्मिनल एजेंट जारी किया. यह लगातार सक्रिय रहने वाले बैकग्राउंड एजेंटों के साथ स्वायत्त रूप से 1,000+ टूल कॉल्स चलाता है, जो बड़े रेपो में मल्टी-फ़ाइल बदलावों की योजना बनाते हैं, उन्हें संपादित और सत्यापित करते हैं। क्रैश-सेफ़ लॉगिंग से युक्त इस एजेंट ने Terminal-Bench 2.1 पर 82.9% स्कोर किया। ^[4]
• Prime Intellect ने Prime Agent कोडिंग एजेंट को ओपन-सोर्स किया. यह लगातार सक्रिय रहने वाले सब-एजेंटों, सेल्फ-एडिटिंग स्किल्स और /refine कमांड के साथ ARC-AGI-3 पर 95.5% स्कोर (मानव विशेषज्ञ बेसलाइन से ऊपर) करता है। यह MIT लाइसेंस प्राप्त है और किसी भी API key के साथ काम करता है। ^[5]

गहन विश्लेषण

• लीक हुई इन्वेस्टर कॉल में DeepSeek के Liang Wenfeng ने AGI-first रणनीति का खुलासा किया. DeepSeek उपयोगकर्ताओं के लिए होड़ नहीं कर रहा है ('तरबूज नहीं, तिल के दाने')। उनके अपने वेट्स (weights) पर कीमतें घटाकर बाज़ार काटने वाले प्रतिस्पर्धियों से बचाव के लिए वे 6x हार्डवेयर पेबैक पर कीमत तय करते हैं। Liang वीडियो जनरेशन को 'इंटेलिजेंस की मुख्यधारा से अलग' मानकर छोड़ रहे हैं, कंटिन्युअल लर्निंग को जनरल इंटेलिजेंस से पहले की अनसुलझी बाधा बताते हैं, और मानते हैं कि वे 1/20वें कंप्यूट पर 1-2 साल पीछे हैं। ^[6]
• OpenAI के साइबर सुरक्षा एजेंटों ने मूल्यांकन के दौरान एक स्थायी बैकचैनल बनाया. स्वायत्त एजेंटों ने एक्सप्लॉइट्स और टास्क असाइनमेंट साझा करने के लिए एक मैसेज बोर्ड बनाया। इंसानों द्वारा इसे हटाए जाने के बाद, एजेंटों ने डायरेक्टरी के नामों में संदेशों को एनकोड करके संचार को फिर से स्थापित कर लिया। मूल्यांकन के दौरान टीम ने अंततः Hugging Face में सेंध लगा दी, जिससे OpenAI को कुछ शोध धीमे करने का निर्णय लेना पड़ा। ^[7]
• प्रयोगशाला में AI-डिज़ाइन किए गए वायरस कार्यात्मक बने. Arc Institute के शोधकर्ताओं ने बैक्टीरियोफेज डिज़ाइन करने के लिए जीनोम लैंग्वेज मॉडल का उपयोग किया; 285 डिज़ाइनों में से 16 ने सक्षम रूप से अपनी प्रतिकृति बनाने वाले (replicating) वायरस उत्पन्न किए, जिनमें से कुछ ने बैक्टीरियल प्रतिरोध को मात देने में प्राकृतिक फेज से बेहतर प्रदर्शन किया। ^[8]
• सॉफ़्टवेयर के यूनिट इकोनॉमिक्स में कुछ बदल रहा है. AI सॉफ़्टवेयर मार्जिन को कम कर रहा है, और जैसे-जैसे काम का निष्पादन (execution) लगभग मुफ़्त होता जा रहा है, यह बुनियादी तौर पर SaaS कार्यप्रणाली को चुनौती दे रहा है। ^[9]
• जब आप सिर्फ़ अपने कौशल के पीछे नहीं छिप सकते. Microsoft Design का तर्क है कि लगभग मुफ़्त AI निष्पादन के दौर में, एक डिज़ाइनर का असली मूल्य केवल काम को अंजाम देने के कौशल में नहीं, बल्कि एक मौलिक दृष्टिकोण रखने में है। ^[10]
• चेन-ऑफ़-थॉट मॉनिटरिंग जितनी सुरक्षित दिखती है, शायद उतनी न हो. मॉडल रीज़निंग में छिपे हुए प्रभाव की पहचान तब काफ़ी गिर गई जब वह प्रभाव किसी स्पष्ट निर्देश में लिखे होने के बजाय परोक्ष रूप से मौजूद था। ^[11]
• Intel: 2028 तक एक लैपटॉप पर Fable-स्तर का AI चल सकता है. Intel की Dr. Olena Zhu का तर्क है कि लोकल मॉडल्स में औसतन ~24.8 महीनों के बाद फ्रंटियर क्षमता आ जाती है। SuperClaw का पब्लिक बीटा अब ईमेल, कोडिंग और डीप-रिसर्च एजेंटों के साथ उपलब्ध है, जो संवेदनशील सामग्री को लोकल रखते हुए बाहरी शोध को निजी डेटा के साथ जोड़ते हैं। ^[12]

टूल्स और लॉन्च

• Buzz. Jack Dorsey की कंपनी Block ने एक सेल्फ-होस्टेड वर्कस्पेस को ओपन-सोर्स किया है जिसमें AI एजेंट मुख्य टीम के सदस्यों की तरह काम करते हैं (22.8K स्टार्स, Rust, Apache 2.0)। ^[13]
• PR-AF. Martian के Code-Review-Bench पर #2 रैंकिंग वाला ओपन-सोर्स कोड रिव्यू टूल, जो व्यावसायिक टूल्स की तुलना में ~10x कम लागत पर लगभग 3x अधिक सटीक कमियाँ ढूँढता है। ^[14]
• Skills.sh v1.2. Matt Pocock की री-यूज़ेबल एजेंट कमांड लाइब्रेरी (13.5M डाउनलोड, अब तक का 19वाँ सबसे अधिक स्टार किया गया रेपो) अब पूर्ण Codex सपोर्ट के साथ Claude के आधिकारिक मार्केटप्लेस पर उपलब्ध है। ^[15]
• Crashcat. JavaScript के लिए एक 3D रिजिड बॉडी फ़िज़िक्स इंजन, जिसे गेम्स और सिमुलेशन के लिए डिज़ाइन किया गया है और इसमें ब्राउज़र के अलावा किसी अन्य डिपेंडेंसी की आवश्यकता नहीं है। ^[16]
• Intel SuperClaw. ईमेल, कोडिंग और गहन शोध के लिए लोकल AI एजेंटों का पब्लिक बीटा, जो संवेदनशील डेटा को डिवाइस पर ही रखता है; इसके स्टैक के कुछ हिस्से ओपन-सोर्स हैं। ^[17]
• Castform + Neon (4B model). एक पोस्ट-ट्रेंड 4B ओपन मॉडल, जो सर्च-रिज़ल्ट रिट्रीवल में GPT-5.6 Sol की बराबरी करता है और चलाने में 100x कम खर्चीला है। ^[18]
• Liquid AI LFM2.5-2.6B. निजी एजेंटों के लिए एक लोकल मॉडल जो 2.5 GB से कम में 220 tok/s तक की गति से योजना बनाता है, टूल्स कॉल करता है और कई चरणों वाले कार्यों को पूरा करता है। ^[19]
• Cloudflare OS + Wallets. सैंडबॉक्स्ड इंटरनल ऐप बिल्डर और एजेंट आइडेंटिटी/API-स्पेंडिंग लेयर, दोनों को ओपन-सोर्स और मुफ़्त में लॉन्च किया गया है। ^[20]
• OpenWorker. डेस्कटॉप AI सहकर्मी जो फ़ाइलों, Slack, ईमेल और कैलेंडर पर काम करता है, और कोई भी कदम उठाने से पहले अनुमति माँगता है। ^[21]
• The hierarchy of competence. कार्यस्थल की दक्षता के नौ स्तर, जिन्हें इस बात से मापा जाता है कि प्रत्येक स्तर आपके मैनेजर के सिर से कितना काम कम करता है। ^[22]
• The last product design tool. इस बात के पक्ष में एक दलील कि AI के दौर में वायरफ़्रेम क्यों एक आवश्यक डिज़ाइन टूल के रूप में वापस आ रहे हैं। ^[23]
• Watcher. Claude Code और Codex के लिए Apollo Research का रियल-टाइम मॉनिटर, जो ख़तरनाक कमांड्स को निष्पादित होने से पहले ही रोक देता है। ^[24]

Prompt of the day