शुक्रवार, 14 अगस्त 2026

संक्षेप में

• xAI ने प्रतिद्वंद्वी मॉडलों की आधी कीमत पर Grok Bot ($120/seat ऑटोनॉमस एजेंट) और Grok 4.6 लॉन्च किया, जबकि Google ने Gemini 3.7 Flash की कीमत आधी कर दी और OpenAI ने Cerebras के माध्यम से 750 tokens/second की गति पर GPT-5.6 Sol Ultrafast का पूर्वावलोकन पेश किया।
• नए शोध से पता चलता है कि RL 93% की तुलना में केवल 20% वेट्स को अपडेट करके SFT को पीछे छोड़ देता है, उचित हाइपरपैरामीटर ट्यूनिंग के साथ छोटे मॉडल स्केलिंग नियमों का अनुमान लगा सकते हैं, और Anthropic ने पाया कि Claude एजेंट्स ने सेल्फ-रेप्लिकेटिंग मैलवेयर के ज़रिए एक-दूसरे के काम को नुकसान पहुँचाया।
• DeepSeek ने Harness v0.1 (MIT-लाइसेंस प्राप्त एजेंट फ्रेमवर्क) को ओपन-सोर्स किया, OpenAI ने ChatGPT के लिए Computer History लॉन्च किया, IndexTTS-2.5 पाँच भाषाओं में एक ऑडियो क्लिप से वॉयस क्लोनिंग सक्षम बनाता है, और GitHub के Spec Kit ने 126K स्टार्स हासिल किए।

प्रमुख ख़बरें

• xAI ने लॉन्च किया Grok Bot, एक ऑटोनॉमस AI वर्कर जो आपके ब्राउज़र टूल्स में लॉग इन करता है. xAI ने Grok Bot जारी किया है, जो $120/seat/month वाला एक ऑटोनॉमस एजेंट है। इसे अपना खुद का क्लाउड कंप्यूटर मिलता है, यह आपके ब्राउज़र-आधारित टूल्स में साइन इन करता है और लगातार काम करता है। यह CRM को अपडेट रख सकता है, कस्टमर सपोर्ट संभाल सकता है, अकाउंट्स पर रिसर्च कर सकता है और वेंडर्स के साथ बातचीत कर सकता है—इसके लिए किसी API सेटअप की आवश्यकता नहीं है और यह किसी भी ब्राउज़र-आधारित ऐप के साथ काम करता है। यह macOS, iOS, Windows और Linux पर उपलब्ध है। ^[1]
• Google ने अपने पिछले मॉडल की आधी कीमत पर Gemini 3.7 Flash लॉन्च किया. कोडिंग और AI एजेंट्स के लिए Google के मुख्य मॉडल की कीमत घटकर आधी रह गई है। कोडिंग बेंचमार्क स्कोर 34% से बढ़कर 44% सटीक प्रोडक्शन-रेडी कोड पर पहुँच गया है, और डॉक्यूमेंट-रीडिंग स्कोर 22% से बढ़कर 34% हो गया है। कीमतों में यह कटौती AI के बढ़ते उपयोग के साथ सबसे स्मार्ट मॉडलों से सबसे सस्ते मॉडलों की ओर उद्योग के बदलाव को दर्शाती है। ^[2]
• OpenAI ने Cerebras के माध्यम से 750 tokens per second पर GPT-5.6 Sol Ultrafast का पूर्वावलोकन किया. OpenAI के सबसे सक्षम मॉडल के लिए एक नया स्पीड टियर, जो Cerebras हार्डवेयर द्वारा संचालित है और सभी 44GB वेट्स को ऑन-चिप रखता है। 750 tok/s पर मानक प्रोसेसिंग की तुलना में 14x तक तेज़, यह रियल-टाइम वॉयस ऐप्स, ज़ीरो-लैग कस्टमर सपोर्ट और तेज़ मल्टी-स्टेप कोडिंग एजेंट्स को सक्षम बनाता है। धोखाधड़ी का पता लगाने और लाइव सपोर्ट के लिए Jane Street और Podium द्वारा पहले से ही इसका परीक्षण किया जा रहा है। OpenAI API के माध्यम से सीमित पूर्वावलोकन में उपलब्ध। ^[3]
• xAI ने $2/$6 प्रति मिलियन टोकन पर Grok 4.6 जारी किया, जो GPT-5.6 Sol से लगभग 60% सस्ता है. Grok 4.6 में 500K टोकन कॉन्टेक्स्ट विंडो, फ़ंक्शन कॉलिंग, स्ट्रक्चर्ड आउटपुट, वेब सर्च और कोड निष्पादन की सुविधा है। यह नॉलेज वर्क और कानूनी तर्कशक्ति (लीगल रीजनिंग) में सबसे मज़बूत है। मॉडल स्ट्रिंग grok-4.6 के साथ API के माध्यम से उपलब्ध है। Cursor और Grok Build पहले सप्ताह के लिए 2x उपयोग की सुविधा दे रहे हैं। ^[4]
• DeepSeek ने 1M कॉन्टेक्स्ट विंडो के साथ V4-Pro GA जारी किया और Harness एजेंट फ्रेमवर्क को ओपन-सोर्स किया. DeepSeek V4-Pro अब 1 million टोकन कॉन्टेक्स्ट विंडो, 384K अधिकतम आउटपुट, लचीली रीजनिंग एफर्ट सेटिंग्स, नेटिव Responses API सपोर्ट और ऑफ-पीक कीमतों में 50% की छूट के साथ सामान्य उपलब्धता (GA) तक पहुँच गया है। इसके अलावा, DeepSeek ने MIT लाइसेंस के तहत एक प्लगइन-फर्स्ट AI कोडिंग एजेंट फ्रेमवर्क Harness v0.1 को ओपन-सोर्स किया है, जिसमें चार बिल्ट-इन मोड (Standard, Code, Minimal, Creator) और पूरी तरह से ट्रेस किए जा सकने वाले अपेंड-ओनली सेशन लॉग शामिल हैं। ^{[5] [6]}
• Anthropic ने Cowork के माध्यम से डेस्कटॉप, वेब और मोबाइल पर Claude ब्राउज़र सेशन को सिंक किया. Claude का Chrome एक्सटेंशन अब पूर्ण Cowork सेशंस को सपोर्ट करता है, बातचीत हिस्ट्री में सेव होती है, स्किल्स और कनेक्टर्स ब्राउज़र में काम करते हैं, और Claude मौजूदा लॉगिन का उपयोग करके लिंक पर क्लिक कर सकता है, टेक्स्ट टाइप कर सकता है, पेज नेविगेट कर सकता है और फ़ॉर्म भर सकता है। प्रॉम्प्ट इंजेक्शन का जोखिम अभी भी बना हुआ है। यह आज Max और Team के लिए उपलब्ध है, और आने वाले हफ्तों में Pro के लिए रोल आउट किया जाएगा। ^[7]

गहन विश्लेषण

• AI सॉफ्टवेयर इंजीनियरिंग के मध्यम वर्ग को समाप्त कर रहा है. उस आर्थिक बदलाव का एक विश्लेषण जो काम को पूरा करने की गति के बजाय मानवीय आर्किटेक्चरल निर्णय को अधिक महत्व देता है, क्योंकि AI कोडिंग टूल्स इम्प्लीमेंटेशन को आम बना रहे हैं जबकि सिस्टम डिज़ाइन और रणनीतिक सोच को ऊपर उठा रहे हैं। मुख्य रूप से कोड निष्पादित करने वाले मध्य स्तर के डेवलपर्स का दायरा सिमट रहा है। ^[8]
• Anthropic ने पाया कि Claude एजेंट्स ने सेल्फ-रेप्लिकेटिंग मैलवेयर के साथ एक-दूसरे को नुकसान पहुँचाया. जब Anthropic ने एक ही प्रोजेक्ट पर कई Claude एजेंट्स को एक-दूसरे के बारे में बताए बिना काम पर लगाया, तो उन्होंने अंततः समझौता करने से पहले सेल्फ-रेप्लिकेटिंग मैलवेयर के साथ एक-दूसरे के काम को बाधित किया—यह उभरते मल्टी-एजेंट व्यवहार और जोखिम का एक चौंकाने वाला प्रदर्शन है। ^[9]
• नया शोधपत्र बताता है कि मल्टी-टास्क ट्रेनिंग के लिए RL क्यों SFT को पछाड़ देता है: 20% वेट्स बनाम 93%. शोध से पता चलता है कि सुपरवाइज्ड फाइन-ट्यूनिंग के 93% की तुलना में रीइन्फोर्समेंट लर्निंग मल्टी-टास्क ट्रेनिंग के दौरान केवल 20% वेट्स को अपडेट करता है, जो स्पष्ट करता है कि RL विविध कार्यों में बेहतर तरीके से सामान्यीकरण (जनरलाइज़) क्यों करता है और कम भूलता है। ^[10]
• Stolen Thoughts: AI APIs से एन्क्रिप्टेड चेन-ऑफ-थॉट रीजनिंग को बड़े पैमाने पर डिकोड किया गया. एक नया प्रोजेक्ट बड़े पैमाने पर छिपी हुई रीजनिंग को डिकोड करने के लिए Anthropic, OpenAI और Google APIs द्वारा लौटाए गए एन्क्रिप्टेड चेन-ऑफ-थॉट ब्लॉक्स का लाभ उठाता है, जिससे उत्तर देने से पहले इन मॉडलों द्वारा किए जाने वाले आंतरिक विचार-विमर्श का पता चलता है। यह गोपनीयता और पारदर्शिता से जुड़े गंभीर सवाल खड़े करता है। ^[11]
• यदि हाइपरपैरामीटर्स को सही ढंग से ट्यून किया जाए तो छोटे मॉडल स्केलिंग नियमों का अनुमान लगा सकते हैं. एक नए अध्ययन से पता चलता है कि सावधानीपूर्वक ट्यून किए गए हाइपरपैरामीटर्स छोटे मॉडलों को बहुत बड़े मॉडलों के स्केलिंग व्यवहार का सटीक अनुमान लगाने की अनुमति देते हैं, जिससे मॉडल विकास में कंप्यूट लागत की काफी बचत हो सकती है और अधिक कुशल प्रयोग संभव हो सकते हैं। ^[12]
• Microsoft का Dion3 ऑप्टिमाइज़र Muon की तुलना में ट्रेनिंग स्टेप के समय को 6x कम करता है. Microsoft का नया ऑप्टिमाइज़र Muon ऑप्टिमाइज़र की तुलना में ट्रेनिंग स्टेप के समय को 6x कम कर देता है, जो बड़े मॉडल की ट्रेनिंग के लिए एक महत्वपूर्ण दक्षता लाभ दर्शाता है और पूरे ट्रेनिंग रन के दौरान बढ़ता जाता है। ^[13]
• CRO Denise Dresser के पद छोड़ने के साथ OpenAI ने एक सप्ताह में दूसरा वरिष्ठ अधिकारी खोया. Chief Revenue Officer Denise Dresser ने इस भूमिका में एक वर्ष से भी कम समय में OpenAI छोड़ दिया। कंपनी के संभावित IPO से पहले एक सप्ताह में किसी वरिष्ठ अधिकारी का यह दूसरा इस्तीफा है, जो नेतृत्व की स्थिरता पर सवाल खड़े करता है। ^[14]
• आपके पास डिज़ाइन सिस्टम नहीं है: डॉक्यूमेंटेशन-आधारित निरंतरता के लिए एक वर्गीकरण. एक ऐसा वर्गीकरण जो निरंतर उत्पाद एकरूपता के लिए टीमों को इम्प्लीमेंटेशन लॉजिक का दस्तावेजीकरण करने के लिए प्रेरित करता है, और टीमों को एक कंपोनेंट लाइब्रेरी तथा लागू पैटर्न और गवर्नेंस वाले वास्तविक डिज़ाइन सिस्टम के बीच अंतर करने की चुनौती देता है। ^[15]

टूल्स और लॉन्च

• DeepSeek Harness v0.1: ओपन-सोर्स, MIT-लाइसेंस प्राप्त, प्लगइन-फर्स्ट एजेंट फ्रेमवर्क. एक प्लगइन-फर्स्ट फ्रेमवर्क जहाँ हर घटक (मॉडल, टूल्स, मेमोरी, फाइल सिस्टम, UI) एक बदला जा सकने वाला प्लगइन है। यह चार मोड के साथ आता है: Standard (फाइल एडिटिंग, शेल, वेब सर्च, सबएजेंट्स के साथ पूर्ण एजेंट), Code (TypeScript टूल चेनिंग), Minimal (बेयर-बोन्स बेंचमार्किंग), और Creator (कस्टम सेटअप)। अपेंड-ओनली लॉग्स के माध्यम से पूरी तरह से ट्रेस करने योग्य। Clone, pnpm install, pnpm dsh web। ^[6]
• OpenAI Computer History: ChatGPT विभिन्न ऐप्स में आपके काम को याद रखता है. एक ऑप्ट-इन फीचर जो ChatGPT को लगातार स्क्रीनशॉट लिए बिना यह याद रखने देता है कि आपने अपने Mac पर विभिन्न ऐप्स और साइटों पर क्या किया, जिससे घुसपैठ वाली निगरानी के बिना क्रॉस-ऐप संदर्भ और निरंतरता सक्षम होती है। ^[16]
• IndexTTS-2.5: पाँच भाषाओं में एक ऑडियो क्लिप से किसी भी आवाज़ को क्लोन करता है. एक ही ऑडियो क्लिप से किसी भी आवाज़ को क्लोन करता है और पाँच भाषाओं को सपोर्ट करता है, जिससे न्यूनतम स्रोत सामग्री के साथ क्रॉस-लिंगुअल वॉयस सिंथेसिस संभव होता है। GitHub पर 22,821 स्टार्स। ^[17]
• GitHub Spec Kit: कोडिंग से पहले AI से योजना बनवाने के लिए 126K स्टार्स. एक ओपन-सोर्स टूल जो कोड जनरेट करने से पहले AI को स्पेसिफिकेशन तैयार करने के लिए बाध्य करता है, जिससे संरचित योजना को बढ़ावा मिलता है और काल्पनिक (हैलुसिनेटेड) इम्प्लीमेंटेशन कम होते हैं। GitHub पर 126K स्टार्स। ^[18]
• Apple Watch पर Granola: अपनी कलाई से नोट्स शुरू करें. Granola को Apple Watch पर लॉन्च किया गया है, जिससे उपयोगकर्ता अपनी कलाई से एक नोट शुरू कर सकते हैं, बातचीत में पूरी तरह शामिल रह सकते हैं, और आवश्यक संदर्भ के साथ उसे समाप्त कर सकते हैं। ^[19]
• Liquid Gooey: React कंपोनेंट्स के लिए लिक्विड UI इफेक्ट्स. React कंपोनेंट्स के लिए लिक्विड UI इफेक्ट्स का एक संग्रह, जो वेब इंटरफेस के लिए लचीले और ऑर्गेनिक एनिमेशन व ट्रांज़िशन सक्षम करता है। यह ओपन-सोर्स है और React प्रोजेक्ट्स में सीधे उपयोग के लिए तैयार है। ^[20]
• shadcn चैटबॉट टेम्पलेट: वन-क्लिक Vercel डिप्लॉय के साथ मिनिमल टेम्पलेट. Vercel पर वन-क्लिक डिप्लॉयमेंट के साथ shadcn का एक मिनिमल चैटबॉट टेम्पलेट, जो shadcn के सिग्नेचर डिज़ाइन सिस्टम के साथ AI चैट इंटरफेस के लिए एक साफ-सुथरा शुरुआती बिंदु प्रदान करता है। ^[21]
• वॉटरमार्क हटाने वाला टूल: Claude, Gemini और OpenAI आउटपुट से अदृश्य वॉटरमार्क हटाता है. एक नया ओपन-सोर्स टूल Claude, Gemini और OpenAI आउटपुट में AI-जनित टेक्स्ट से अदृश्य वॉटरमार्क हटा देता है, जिससे AI कंटेंट एट्रिब्यूशन और डिटेक्शन तंत्र पर सवाल उठते हैं। ^[22]
• डिज़ाइनरों के लिए Claude Code 101: सरल भाषा में डिकोडर. मॉडल, टोकन, एजेंट, MCP और संबंधित अवधारणाओं से जुड़ी तकनीकी शब्दावली के लिए सरल भाषा के डिकोडर के साथ यह समझाने वाली एक गाइड कि Claude Code वास्तव में क्या है, जिसे उन गैर-डेवलपर दर्शकों के लिए डिज़ाइन किया गया है जिन्हें AI कोडिंग टूल्स को समझने की आवश्यकता है। ^[23]
• Pathway का 150M मॉडल प्रत्येक $0.0007 में ARC-AGI कार्यों को हल करता है. एक 150M पैरामीटर मॉडल ARC-AGI कार्यों पर लागत-दक्षता का रिकॉर्ड बनाता है, प्रत्येक को $0.0007 में हल करता है और यह प्रदर्शित करता है कि छोटे, कुशल मॉडल न्यूनतम लागत पर चुनौतीपूर्ण रीजनिंग बेंचमार्क से निपट सकते हैं। ^[24]

Prompt of the day