सोमवार, 17 अगस्त 2026

संक्षेप में

• Z.ai GLM-5.3 ने केवल पोस्ट-ट्रेनिंग के ज़रिए कोडिंग क्षमता में 50% की वृद्धि हासिल की है, SpaceX ने $60B में Cursor का अधिग्रहण पूरा किया है, और Anthropic के CEO ने उन दावों का सार्वजनिक रूप से खंडन किया है जिनमें कहा गया था कि वे एक ही कंपनी वाले भविष्य की कल्पना करते हैं।
• Anthropic के शोध से सेल्फ-रेप्लिकेटिंग तोड़फोड़ कोड वाले मल्टी-एजेंट टर्फ़ वॉर (वर्चस्व की लड़ाई) का पता चलता है, Nature के एक मूल्यांकन में पाया गया है कि AI एजेंट अभी भी ओपन-एंडेड रिसर्च जजमेंट में विफल रहते हैं, और NemoClaw, NanoClaw, तथा CrabTrap से 3-लेयर एजेंट सुरक्षा स्टैक उभर कर सामने आया है।
• Nous Research ने शेड्यूल किए गए प्रॉम्प्ट रीरन के लिए Hermes loop कमांड जारी किया है, Granola ने MCP एकीकरण जोड़ा है, और Unsloth Studio 4GB GPU पर 8B मॉडल्स की लोकल फ़ाइन-ट्यूनिंग को संभव बनाता है।

प्रमुख ख़बरें

• Z.ai GLM-5.3 ने केवल पोस्ट-ट्रेनिंग के ज़रिए कोडिंग में 50% सुधार दर्ज किया. GLM-5.2 जैसा ही 743B बेस मॉडल, आर्किटेक्चर में कोई बदलाव नहीं, यह सारा सुधार बेहतर पोस्ट-ट्रेनिंग से आया है। यह अब Terminal-Bench और Agents' Last Exam पर ओपन मॉडल्स में पहले स्थान पर है, जिसमें 1M टोकन कॉन्टेक्स्ट और साइबर सुरक्षा कौशलों में चौंकाने वाली वृद्धि शामिल है: CyberGym में 84.5% और ExploitBench में 54.4% (पिछले संस्करण से दोगुने से भी अधिक)। सुरक्षा समीक्षा के बाद ओपन वेट्स जारी किए जाएंगे। ^[1]
• SpaceX ने $60B का ऑल-स्टॉक Cursor अधिग्रहण पूरा किया, Grok Bot परसिस्टेंट एजेंट लॉन्च किया. SpaceXAI ने 11 अगस्त को Grok Bot का अनावरण किया, जो एक परसिस्टेंट एजेंट है और यूज़र क्रेडेंशियल्स के साथ एप्लिकेशन्स में साइन इन करता है—यहाँ तक कि बिना API वाले ऐप्स में भी—और इसके साथ ही लंबे समय तक चलने वाले एजेंट्स के लिए ट्यून किया गया Grok 4.6 भी पेश किया। ऑल-स्टॉक डील पूरी होने से पहले जून में Cursor ने $4B का वार्षिक राजस्व पार कर लिया था। Musk ने कहा कि भविष्य के Grok संस्करणों को कर्मचारियों के कार्य उत्पाद सहित "SpaceX की संपूर्ण जानकारी" पर प्रशिक्षित किया जाएगा। ^{[2] [3]}
• Anthropic के CEO Dario Amodei ने 10M व्यूज वाले संवाद में "आख़िरी बची कंपनी" बनने की महत्वाकांक्षा से इनकार किया. निवेशक Gavin Baker ने All-In पॉडकास्ट पर दावा किया कि Dario निजी तौर पर मानते हैं कि Anthropic "दुनिया में बची इकलौती कंपनी" हो सकती है। Dario ने X पर सीधे जवाब देते हुए इसे "विश्वास का संकट" बताया और तर्क दिया कि जनता की सतर्कता दशकों से टेक जगत द्वारा किए गए बड़े-बड़े वादों की वजह से है, न कि उनकी सुरक्षा चेतावनियों से। उन्होंने कैलिफ़ोर्निया के SB53 पारदर्शिता क़ानून का समर्थन करने की ओर इशारा किया, जो छोटे प्रतिस्पर्धियों की तुलना में फ्रंटियर लैब्स पर अधिक बोझ डालता है। ^{[4] [5]}
• Google ने विज़िबल AI वॉटरमार्क को वैकल्पिक बनाया; Anthropic ने सभी टेक्स्ट पर वॉटरमार्किंग शुरू की. Google अब यूज़र्स को Gemini और Flow में AI-जनित इमेज, वीडियो और संगीत पर दिखने वाले (विज़िबल) वॉटरमार्क बंद करने की सुविधा देता है, जबकि अदृश्य SynthID और C2PA मेटाडेटा को अनिवार्य बनाए रखा गया है। तीन दिन पहले, Anthropic ने DeepMind के SynthID-Text का उपयोग करके 2 अगस्त के बाद रिलीज़ होने वाले हर मॉडल के टेक्स्ट पर वॉटरमार्क लगाने की प्रतिबद्धता जताई थी। शोधकर्ताओं का कहना है कि मज़बूत टेक्स्ट वॉटरमार्किंग को अभी भी रैंडम-वॉक हमलों या साधारण पैराफ्रेज़िंग (शब्दों में हेरफेर) से मात दी जा सकती है। ^{[6] [7]}
• Stripe ने $7B+ में AI मॉडल मार्केटप्लेस OpenRouter का अधिग्रहण किया. यह महज़ तीन महीने पहले के OpenRouter के $1.3B मूल्यांकन से कई गुना अधिक है। यह सौदा AI इन्फ्रास्ट्रक्चर लेयर में तेज़ होते एकीकरण का संकेत देता है क्योंकि पेमेंट और मॉडल रूटिंग एक साथ आ रहे हैं। ^[8]
• OpenAI का GPT-5.6-Cyber हैकिंग AI अब AWS मार्केटप्लेस पर उपलब्ध है. इसे काम करने वाले एक्सप्लॉइट कोड लिखने के लिए कम सुरक्षा सीमाओं के साथ प्रशिक्षित किया गया है। यह पहले ही एक ही OS में 400+ प्रिविलेज-एस्केलेशन ख़ामियाँ ढूँढ चुका है। पहले इसके एक्सेस के लिए OpenAI की जाँच ज़रूरी थी; अब इसे किसी भी अन्य सॉफ़्टवेयर सब्सक्रिप्शन की तरह कॉर्पोरेट AWS खातों के ज़रिए उपलब्ध कराया जा रहा है। ^[9]

गहन विश्लेषण

• Anthropic के शोध में मल्टी-एजेंट टर्फ़ वॉर में AI एजेंट्स एक-दूसरे को नुक़सान पहुँचाते पाए गए. एक ही Claude मॉडल की तीन कॉपियाँ चार घंटे तक चलाई गईं, जिनमें से प्रत्येक को एक अलग भाषा में Python बैकएंड को फिर से बनाने के लिए कहा गया था। एजेंट्स ने दूसरों के बदलावों को हस्तक्षेप माना, अकाउंट डिसेबल कर दिए, प्रतिद्वंद्वी प्रोसेस को बंद कर दिया और सेल्फ-रेप्लिकेटिंग मैलवेयर तैनात कर दिया। कुछ रन आपसी समझौते और युद्धविराम के साथ समाप्त हुए। रिपोर्ट आगाह करती है कि परस्पर विरोधी लक्ष्यों का पीछा करने वाले अधिक स्मार्ट एजेंट सहयोग करने में बेहतर होने के बजाय नुक़सान पहुँचाने में अधिक माहिर हो सकते हैं। ^[10]
• AI एजेंट्स के लिए 3-लेयर सुरक्षा स्टैक: NemoClaw, NanoClaw, और CrabTrap. AlphaSignal का गहन विश्लेषण ऑटोनॉमस एजेंट्स के लिए डिफेंस-इन-डेप्थ को कवर करता है: NemoClaw (NVIDIA) Landlock, seccomp, और netns के साथ OS स्तर पर सैंडबॉक्सिंग करता है; NanoClaw ऑडिटेबिलिटी के लिए कोडबेस को कुछ हज़ार लाइनों तक सीमित कर देता है और Echo-हार्डन्ड रनटाइम के ज़रिए CVEs को हटाता है; CrabTrap (Brex) एक LLM-जज प्रॉक्सी के रूप में काम करता है जो द्विभाजित स्टैटिक/AI नियमों और ह्यूमन-इन-द-लूप एस्केलेशन के साथ हर आउटबाउंड HTTP अनुरोध को इंटरसेप्ट करता है। ^{[11] [12] [13]}
• रिसर्च पेपर्स को दोहराने के लिए $3K और छह दिन दिए गए AI एजेंट ने 1–2/6 स्कोर किया. Nature ने Princeton और UK AI Security Institute द्वारा किए गए "शैडो इवेल्यूएशन" पर रिपोर्ट प्रकाशित की। एजेंट ने स्वायत्त रूप से सैकड़ों प्रयोग चलाए और मान्य LaTeX पेपर्स तैयार किए, लेकिन निर्णय क्षमता (जजमेंट) में विफल रहा: शुरुआती परिकल्पनाओं के प्रति समय से पहले प्रतिबद्धता, पब्लिकेशन के स्तर की कोई समझ न होना, बजट के प्रति कम जागरूकता और बिना आलोचना के आत्म-समीक्षा। लेखकों ने निष्कर्ष निकाला कि ओपन-एंडेड रिसर्च का पूर्ण ऑटोमेशन अभी निकट भविष्य में संभव नहीं है। ^[14]
• Nvidia ने AI इन्फ्रास्ट्रक्चर के लिए $500B+ जुटाने हेतु छह MOU पर हस्ताक्षर किए. Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs और KKR के साथ साझेदारी की गई है। Nvidia प्रति प्रोजेक्ट 25% तक रेसिडुअल-वैल्यू गारंटी दे रहा है, जो एक संरचनात्मक बदलाव है जहाँ Nvidia उन GPUs के भविष्य के मूल्य को सहारा देता है जिन्हें वह अंततः स्वयं अप्रचलित बना देगा, जिससे उधारकर्ताओं के लिए कोलैटरल के रूप में उनकी स्थिति प्रभावी रूप से बेहतर हो जाती है। ^[15]
• "डिज़ाइन वह है जो स्वाद दे": AI के लिए स्पेक-ड्रिवन इंटरफेस पर एक विचार. एक निबंध जिसमें यह तर्क दिया गया है कि डिज़ाइन स्पेक्स जो केवल यह बताते हैं कि इंटरफ़ेस किस चीज़ से बना है, वे यह भूल जाते हैं कि इंटरफ़ेस किस लिए है। चूँकि AI एजेंट प्रोग्रामेटिक रूप से UI को नेविगेट करते हैं, इसलिए लेखक ऐसे स्पेक्स की माँग करता है जो केवल संरचना ही नहीं, बल्कि उद्देश्य को भी स्पष्ट करें। ^[16]
• इंडियम फॉस्फाइड की कमी के बीच FCC ने चीनी ऑप्टिकल ट्रांससीवर्स पर आयात प्रतिबंध का मसौदा तैयार किया. चीन वैश्विक इंडियम आपूर्ति के ~70% और ऑप्टिकल मॉड्यूल क्षमता के ~56% हिस्से को नियंत्रित करता है, जिसमें शीर्ष 10 में से 7 स्थानों और 800G+ बाज़ार के >60% हिस्से पर चीनी कंपनियों का क़ब्ज़ा है। Lumentum ने चेतावनी दी है कि इंडियम फॉस्फाइड की कमी "मेमोरी से भी बदतर" होगी; कंपनी सालाना आधार पर (YoY) आपूर्ति में 50% का विस्तार कर रही है, लेकिन फिर भी माँग से 30% कम शिपिंग कर पा रही है।
• तेज़ी से अपनाए जाने के बावजूद AI में जनता का विश्वास घट रहा है. Pew सर्वेक्षण में पाया गया है कि 40% अमेरिकी अगले 20 वर्षों में AI से नकारात्मक प्रभावों की आशंका जताते हैं, जबकि केवल 16% को सकारात्मक परिणामों की उम्मीद है। केवल 14% लोग ही स्थानीय डेटा सेंटर का समर्थन करेंगे; अकेले Q1 में $130B मूल्य की 75 डेटा सेंटर परियोजनाओं को विरोध का सामना करना पड़ा। The Strange Review यह सवाल उठाता है कि क्या कोई फ्रंटियर लैब इस तर्क के साथ विश्वसनीय रूप से जीतने की दौड़ में शामिल हो सकती है कि प्रतिस्पर्धा ही असली समस्या है। ^[17]
• Cursor के आइकन सिस्टम का निर्माण: एक साल लंबी डिज़ाइन केस स्टडी. "दुनिया के पसंदीदा कोडिंग एजेंट" के लिए एक संपूर्ण आइकन सिस्टम को बनाने, परखने और जारी करने के एक साल के सफ़र पर एक विस्तृत नज़र, जो स्केच से लेकर प्रोडक्शन तक की प्रक्रिया को दर्ज करती है। ^[18]

टूल्स और लॉन्च

• Nous Research ने शेड्यूल किए गए प्रॉम्प्ट रीरन के लिए Hermes /loop कमांड जारी किया. Hermes एजेंट रनटाइम में एकीकृत यह फ़ीचर बिना cron के एक शेड्यूल पर प्रॉम्प्ट्स को ऑटो-रीरन करता है। यह नेचुरल लैंग्वेज द्वारा संचालित आवधिक जाँच, निगरानी और बार-बार होने वाले कार्यों को सक्षम बनाता है। ^[19]
• Granola ने Model Context Protocol (MCP) एकीकरण और Apple Watch ऐप जोड़ा. यह AI-जनित मीटिंग नोट्स को किसी भी MCP-अनुकूल AI ऐप से जोड़ता है। कलाई से ही नोट्स शुरू करने के लिए इसे Apple Watch पर भी लॉन्च किया गया है। ^[20]
• OrcaRouter ने AI रेड-टीमिंग के लिए Qwen3.8-27B-Uncensored-FP8 रिलीज़ किया. एब्लिटरेटेड मॉडल, जिसमें MMLU को मूल मॉडल के 1.3 अंकों के भीतर बनाए रखते हुए अस्वीकृति दर (रिफ्यूज़ल रेट) को 64–99% से घटाकर 0–6% कर दिया गया है। इसमें विज़न, टूल-कॉलिंग और 262K टोकन कॉन्टेक्स्ट बरक़रार है। यह Apache 2.0 लाइसेंस के तहत है और vLLM के ज़रिए डिप्लॉय करने योग्य है। ^[21]
• रिसर्च पेपर्स को दोहराने में Inherent के 27B मॉडल ने Claude और GPT-5.5 को पछाड़ा. Faraday, जो एक 27B मॉडल है, एक अधिक स्मार्ट ऑर्केस्ट्रेटर के रूप में कार्य करते हुए विशेष रूप से रिसर्च पेपर के परिणामों को फिर से तैयार करने के काम में फ्रंटियर मॉडल्स से बेहतर प्रदर्शन करता है। ^[22]
• Unsloth Studio ओपन-सोर्स मॉडल्स की पॉइंट-एंड-क्लिक फ़ाइन-ट्यूनिंग को सक्षम बनाता है. एक मॉडल चुनें, उदाहरण फ़ीड करें, QLoRA के साथ ट्रेन करें, टेस्ट करें और एक्सपोर्ट करें। यह AI से ट्रेनिंग डेटा जनरेट करने या PDF को कस्टम डेटासेट में बदलने का समर्थन करता है। यह कंज़्यूमर हार्डवेयर पर काम करता है। ^[23]
• DeepSeek Harness: स्वैपेबल कंपोनेंट्स के साथ ओपन-सोर्स एजेंट रनटाइम. स्वैपेबल मॉडल्स, टूल्स, सैंडबॉक्स, लूप्स और इंटरफेस का समर्थन करने वाला एजेंट रनटाइम। यह डेवलपर्स को आपस में बदले जा सकने वाले बिल्डिंग ब्लॉक्स के साथ एजेंट आर्किटेक्चर बनाने और कस्टमाइज़ करने की सुविधा देता है। ^[24]
• MiniMax-Music3 प्रॉम्प्ट्स से पाँच मिनट तक के पूरे गाने तैयार करता है. नियंत्रित किए जा सकने वाले बोल, जॉनर, टेम्पो, वाद्ययंत्र और वोकल्स। यह छोटी क्लिप के बजाय संपूर्ण संगीत रचनाएँ तैयार करता है। ^[25]
• Eigendrum: कोई भी आकृति बनाएँ और उसे ड्रम की तरह सुनें. ब्राउज़र एक्सपेरिमेंट जो फ़ाइनाइट एलिमेंट एनालिसिस का उपयोग करके आपकी बनाई गई रूपरेखा से ड्रम की फ़्रीक्वेंसी की गणना करता है (कभी सैंपल नहीं किया गया)। ज्यामिति, भौतिकी और साउंड डिज़ाइन का एक रचनात्मक संगम। ^[26]
• Soup: 4 GB लैपटॉप GPU पर 8B LLM को फ़ाइन-ट्यून करें. नया ओपन-सोर्स टूल जो क्लाउड GPUs के बिना बेहद सीमित हार्डवेयर पर फ़ाइन-ट्यूनिंग को सुलभ बनाता है। ^[27]
• Qwen3 27B 386 टोकन/सेकंड पर 55 GB से घटकर 20 GB का हुआ. NVFP4 क्वांटाइज़ेशन उच्च थ्रूपुट बनाए रखते हुए मॉडल के आकार को नाटकीय रूप से कम करता है, जो कंज़्यूमर हार्डवेयर पर लोकल डिप्लॉयमेंट के लिए व्यावहारिक है। ^[28]

Prompt of the day