सोमवार, 24 अगस्त 2026

संक्षेप में

• Anthropic का संभावित $100B+ का IPO, DeepSeek का विज़न-सक्षम V4-Flash लॉन्च, और Nvidia की चिप की कीमतों में 15-17% की बढ़ोतरी मुख्य ख़बरों में हैं, जबकि Ox Alpha नाम का एक रहस्यमयी मॉडल यह परख रहा है कि AI की दुनिया में ध्यान कितनी तेज़ी से बदलता है।
• नए शोध से पता चलता है कि एजेंट स्किल्स नॉलेज बैंक के बजाय प्रक्रियात्मक आधार (procedural anchors) के रूप में काम करते हैं, CLI एजेंट लागत के मामले में MCP को 5-28x से पछाड़ते हैं, और एक महत्वपूर्ण अध्ययन दर्शाता है कि होमवर्क में AI की मदद लेना परीक्षाओं में उल्टा पड़ता है।
• Claude Code Remote Control को ऑटो-रीकनेक्ट फीचर मिला, Mythos 5 एंटरप्राइज़ सुरक्षा स्कैन को शक्ति प्रदान करता है, और स्टार्टअप्स ने कोडिंग एजेंटों के लिए स्थायी मेमोरी टूल्स और यूनिवर्सल स्किल इंस्टॉलर जारी किए हैं।

प्रमुख ख़बरें

• Anthropic का IPO $100B से अधिक जुटा सकता है, जो संभावित रूप से इतिहास का सबसे बड़ा IPO होगा. Anthropic के बैंकरों ने निवेशकों को बताया है कि कंपनी पब्लिक होने पर $100 billion से अधिक जुटा सकती है, जिससे इसका संभावित मूल्यांकन $2 trillion के करीब हो सकता है, जो इसके पिछले प्राइवेट राउंड के बाद के $965B मूल्यांकन से दोगुने से भी अधिक है। Morgan Stanley, Goldman Sachs और JPMorgan इस ऑफरिंग का नेतृत्व कर रहे हैं, और अगस्त के अंत तक सार्वजनिक S-1 फाइलिंग की उम्मीद है। Anthropic बाज़ार में आने के मामले में OpenAI से आगे निकल जाएगा। मुख्य रूप से Claude Code की बदौलत कंपनी का अनुमानित वार्षिक राजस्व $47 billion तक पहुँच गया है। ^[1]
• DeepSeek ने V4-Flash-Vision-Exp लॉन्च किया, जो Flash की कीमतों पर Opus-स्तर की मल्टीमॉडल क्षमता देता है. DeepSeek का नया प्रायोगिक विज़न मॉडल बिना किसी अतिरिक्त कीमत के V4-Flash टियर में इमेज समझने की क्षमता जोड़ता है। इमेज के लिए मानक V4-Flash मूल्य निर्धारण पर प्रति-इमेज 384 टोकन की सीमा के तहत बिल किया जाता है। मल्टीमॉडल एजेंट बेंचमार्क पर यह मॉडल Opus-4.8 के करीब प्रदर्शन करता है। यह पुन: उपयोग के लिए base64, URLs और Files API को सपोर्ट करता है। इसके कोई ओपन वेट जारी नहीं किए गए हैं। ^[2]
• Mythos 5 अब Claude Security स्कैन को संचालित करता है, जो पब्लिक बीटा में सभी Enterprise ग्राहकों के लिए उपलब्ध है. Anthropic का सबसे शक्तिशाली सुरक्षा मॉडल, जो पहले Project Glasswing पार्टनरशिप प्रोग्राम तक सीमित था, अब सभी Enterprise ग्राहकों के लिए Claude Security स्कैन चलाता है। प्रत्येक स्कैन एक CWE श्रेणी, कॉन्फिडेंस और गंभीरता (severity) रेटिंग, और Claude Code में खोले जा सकने वाला एक सुझाया गया पैच देता है। इस मॉडल को एक्सप्लॉइट लिखने के लिए प्रेरित नहीं किया जा सकता, यह केवल स्कैन परिणाम देता है। Anthropic ने ओपन-सोर्स सुरक्षा खामियों को पैच करने के लिए $35M का Defender Advantage Fund भी लॉन्च किया है। ^[3]
• Nvidia ने अगली पीढ़ी के Grace Blackwell और Vera Rubin चिप्स पर 15-17% कीमत बढ़ाने की योजना बनाई है. ख़बरों के अनुसार, Nvidia ने मेमोरी चिप की चल रही कमी का हवाला देते हुए ग्राहकों को 2027 में शिप होने वाले सर्वरों की कीमतों में 15% से अधिक की वृद्धि की चेतावनी दी है। DDR5 की खुदरा कीमतें साल-दर-साल 485% बढ़ी हैं क्योंकि निर्माता AI एक्सेलेरेटर के लिए उच्च-मार्जिन वाले HBM के उत्पादन की ओर रुख कर रहे हैं। मेमोरी निर्माताओं ने अपनी 2027 की पूरी क्षमता पहले ही बेच दी है। Nvidia, OpenAI के Pike County, Ohio डेटा सेंटर के लिए $105 billion तक के क्रेडिट सपोर्ट की गारंटी भी दे रहा है। ^{[4] [5]}
• OpenRouter पर रहस्यमयी मॉडल Ox Alpha सामने आया, जिससे फ्रंटियर AI की घटती बढ़त को लेकर अटकलें तेज़ हुईं. एक अज्ञात प्रदाता द्वारा OpenRouter पर Ox Alpha नामक एक गुमनाम 'स्टील्थ मॉडल' जारी किया गया, जो लगभग असीमित उपयोग और 100 trillion टोकन की दैनिक क्षमता के साथ मुफ्त पूर्वावलोकन (free preview) प्रदान करता है। 1.05M कॉन्टेक्स्ट विंडो और 131K आउटपुट सीमा के साथ, शुरुआती कोडिंग मूल्यांकन (Deep SWE) बताते हैं कि यह Fable 5 और GPT-5.6 Sol को टक्कर देता है। अटकलें इसके संभावित मूल के रूप में Z.ai के GLM परिवार की ओर इशारा करती हैं, लेकिन कुछ भी पुष्ट नहीं है। Patrick Collison ने इसे 'बेहद प्रभावशाली' कहा। ^{[6] [7]}

गहन विश्लेषण

• 8,100 ट्रायल रिकॉर्ड्स के अध्ययन से पता चलता है कि एजेंट स्किल्स नॉलेज बैंक के रूप में नहीं, बल्कि प्रक्रियात्मक आधार के रूप में काम करते हैं. विश्वविद्यालयों के नेतृत्व में किए गए एक अध्ययन ने 8,135 ट्रायल रिकॉर्ड्स का विश्लेषण किया और पाया कि परिष्कृत प्रक्रियात्मक कौशल (distilled procedural skills) कच्चे वर्कफ़्लो मेमोरी की तुलना में कार्य की सफलता में 6.06 प्रतिशत अंकों का सुधार करते हैं। सफल स्किल मामलों में प्रक्रियात्मक एंकरिंग का योगदान 65.7% है, जबकि स्पष्ट नॉलेज इंजेक्शन का योगदान केवल 4.5% है। कैटलॉग को बड़ा करने से रिट्रीवल सटीकता 29.6% (5 स्किल्स) से घटकर 3.3% (100 स्किल्स) हो जाती है, लेकिन डाउनस्ट्रीम कार्य की सफलता स्थिर रही क्योंकि संबंधित डिस्ट्रैक्टर अभी भी आंशिक समर्थन प्रदान करते हैं। शोध पत्र फ्लैट वेक्टर सर्च के बजाय सख्त ट्रिगर शर्तों के साथ डोमेन बकेट द्वारा स्किल्स को नियंत्रित करने की सिफारिश करता है। ^[8]
• अध्ययन में पाया गया कि सात एजेंट स्कैफोल्ड्स में CLI एजेंट MCP की तुलना में 5-28x सस्ते हैं. सात स्कैफोल्ड्स में Model Context Protocol (MCP) के साथ CLI एजेंट आर्किटेक्चर की तुलना करने वाले एक नए अध्ययन में पाया गया कि CLI-आधारित एजेंटों की प्रति कार्य लागत 5-28x कम होती है। यह निष्कर्ष जटिल बुनियादी ढांचे की तुलना में सरल निष्पादन पथों के बेहतर प्रदर्शन के व्यापक उद्योग पैटर्न को पुष्ट करता है; ठीक उसी सप्ताह जब Anthropic के अपने शोध में पाया गया कि मॉडल ट्रांसक्रिप्ट को सीधे पढ़ने की तुलना में इंटरप्रेटिबिलिटी टूल्स से प्रदर्शन में शून्य बढ़ावा मिला। ^[9]
• NVIDIA के AVO कोडिंग एजेंट ने बिना किसी निर्देश या लक्ष्य के ARC-AGI-3 पर 100% स्कोर किया. NVIDIA के स्वायत्त एजेंट आर्किटेक्चर ने सभी 183 सार्वजनिक ARC-AGI-3 स्तरों को पूरा किया, यह प्रदर्शित करते हुए कि लंबी अवधि के कार्यों में किसी मॉडल के चारों ओर का हार्नेस खुद मॉडल जितना ही महत्वपूर्ण हो सकता है। अलग से, Aikido के 11.7-billion-token साइबर परीक्षण में पाया गया कि DeepSeek V4 Pro ने 32 नई सुरक्षा खामियों में से 28 को ढूंढ निकाला, जबकि कवरेज के मामले में सस्ते ओपन-मॉडल के तीन रन ने एक Opus 5 या Grok पास को पीछे छोड़ दिया। ^[10]
• NextLM का Savant 3.5: एक छोटे मॉडल ने 0.1% लागत पर विशेष सेल्स कार्य में फ्रंटियर APIs को पछाड़ा. मार्केटिंग एनालिटिक्स फर्म NextLM ने एक विशिष्ट कार्य—ग्राहक संभावनाओं (prospects) की रैंकिंग—के लिए हल्के NVIDIA Nemotron मॉडलों पर Savant 3.5 का निर्माण किया। इसने अंतिम खरीदारों में से 24.6% को शीर्ष 10% सिफारिशों में रखा, और GPT-5.6 Sol (22.8%), Grok 4.5 (22.3%), तथा Anthropic के Fable 5 (18.1%) को पीछे छोड़ दिया। स्कोर किए गए प्रति 1,000 प्रॉस्पेक्ट्स की लागत: Savant के लिए $0.003-$0.011 बनाम फ्रंटियर APIs के लिए $0.26-$5.11 रही। संस्थापक Chris Anzalone ने कहा, 'यदि कोई मॉडल आपके व्यावसायिक परिणामों के अनुरूप नहीं ढाला गया है, तो उसका मूल्य आपका नहीं है।' ^[11]
• Instinct AI एजेंट गोपनीयता घटना: डिस्कनेक्ट किए गए Google खातों में भी डेटा बरकरार रहा. AI पर्सनल असिस्टेंट Instinct, जिसे 'आम लोगों के लिए OpenClaw' बताया गया है, सक्रिय रूप से काम करने के लिए उपयोगकर्ताओं के ईमेल, संदेश, स्क्रीन और लोकेशन से जुड़ता था। Claire Vo ने पाया कि Google को डिस्कनेक्ट करने से भविष्य का एक्सेस तो रुक गया, लेकिन पहले से सिंक हो चुकीं ईमेल की पूरी कॉपियाँ नहीं मिटीं। Instinct ने रातोंरात डेटा हटाने का एक टूल जारी किया। यह घटना 'एक्सेस डिस्कनेक्ट करने' और 'सिंक किए गए डेटा को हटाने' के बीच के अंतर को अलग-अलग नियंत्रणों के रूप में उजागर करती है, जिसे उपयोगकर्ताओं को संवेदनशील डेटा से एजेंटों को जोड़ने से पहले समझना चाहिए। ^{[12] [13]}
• AI प्रशिक्षण के लिए Spirit Airlines के 40 साल के कॉर्पोरेट डेटा खजाने की नीलामी: Google ने $10M में बाज़ी मारी. Spirit Airlines के बंद होने के बाद, टेक कंपनियों ने 1986 से चले आ रहे इसके कॉर्पोरेट रिकॉर्ड्स पर बोली लगाई: जिसमें 100M ईमेल, 500M Teams संदेश, 7.5B अनाम लेनदेन रिकॉर्ड, वर्कफ़्लो और स्प्रेडशीट शामिल हैं। Mercor ($7.5M), Google ($10M), और Micro1 ($12.5M) सभी ने वास्तविक एंटरप्राइज़ वर्कफ़्लो पर AI मॉडल को प्रशिक्षित करने के लिए इस डेटा का उपयोग करने हेतु बोली लगाई। Google ने नीलामी जीत ली, हालांकि Micro1 की देर से लगाई गई ऊंची बोली पर न्यायाधीश द्वारा अभी भी विचार किया जा सकता है। ^[14]
• AI एजेंट स्किल्स को डिज़ाइन करने के बारे में 8,100 ट्रायल रिकॉर्ड्स क्या सिखाते हैं. विभिन्न बेंचमार्क पर एजेंट स्किल्स के गहन विश्लेषण में पाया गया कि कमजोर धारणाओं, असंगत संदर्भों या अपर्याप्त अनुकूलन के तहत स्किल्स विफल हो जाते हैं। स्किल डिस्टिलेशन के दौरान स्पष्ट परिणाम एनोटेशन के बिना, सफलता दर 74.6% से गिरकर 40.0% पर आ गई। शोध में सिफारिश की गई है कि स्किल्स को मेमोरी स्टोर के बजाय प्रोडक्शन रनबुक की तरह माना जाए, और स्किल्स में डिस्टिल करने से पहले प्रक्षेपवक्र (trajectory) की गुणवत्ता को मापने के लिए LLM-as-a-judge का उपयोग किया जाए। ^[8]
• जटिल प्रणालियाँ कैसे विफल होती हैं: प्रोडक्ट टीमों के लिए एक रूपरेखा. सिस्टम सुरक्षा पर एक प्रामाणिक निबंध छिपी हुई खामियों, हाइंडसाइट बायस (hindsight bias) और ऑपरेटर अनुकूलन की पड़ताल करता है, जो प्रोडक्ट और डिज़ाइन टीमों को यह समझने के लिए एक संरचित रूपरेखा प्रदान करता है कि जटिल प्रणालियाँ क्यों टूटती हैं और पूर्णता के पीछे भागने के बजाय लचीलेपन (resilience) के लिए कैसे डिज़ाइन किया जाए। ^[15]

टूल्स और लॉन्च

• Claude Code Remote Control को ऑटो-रीकनेक्ट और फोन-टू-मशीन सेशन स्टार्ट की सुविधा मिली. Claude Code के रिमोट कंट्रोल अपग्रेड में नेटवर्क या डिवाइस बदलते समय स्वचालित रीकनेक्शन, डिवाइस कार्ड पर टैप करके और फ़ोल्डर चुनकर अपने फोन से सेशन शुरू करने की क्षमता, मोबाइल पर स्लैश कमांड (/clear, /compact, /diff), और सभी डिवाइसों पर मॉडल सेटिंग्स तथा सेशन स्थिति का लाइव सिंक शामिल किया गया है। ^[16]
• USB: एक स्किल लिखें, एक ही कमांड से 16 कोडिंग असिस्टेंट में इंस्टॉल करें. एक ओपन-सोर्स टूल जो डेवलपर्स को एक AI स्किल लिखने और उसे एक ही CLI कमांड के साथ Claude Code और Cursor सहित 16 अलग-अलग कोडिंग असिस्टेंट में इंस्टॉल करने की सुविधा देता है। ^[17]
• Mnemosyne: कोडिंग असिस्टेंट के लिए स्थायी मेमोरी जो सेशंस के बीच बनी रहती है. यह ओपन-सोर्स टूल AI कोडिंग असिस्टेंट को सेशंस के बीच स्थायी मेमोरी देता है, और सब कुछ एक Obsidian वॉल्ट में पढ़ने योग्य नोट्स के रूप में स्टोर करता है जिसे डेवलपर ब्राउज़ और प्रबंधित कर सकता है। ^[18]
• Slack Code: इंसानों और कोडिंग एजेंटों के आपस में मिलकर काम करने के लिए एक साझा चैनल. Slack का नया Code चैनल इंसानों और कोडिंग एजेंटों को एक साथ कोड लिखने, diffs की समीक्षा करने, बदलावों का पूर्वावलोकन (preview) करने और आस-पास की बातचीत को बरकरार रखते हुए कोड शिप करने की सुविधा देता है। ^[19]
• ChatGPT रीड-ओनली शेयरिंग: दूसरों को बातचीत आगे बढ़ाने की अनुमति दिए बिना उसे साझा करें. ChatGPT अब उपयोगकर्ताओं को किसी Work या Codex बातचीत को रीड-ओनली मोड में साझा करने की अनुमति देता है, ताकि देखने वाले बातचीत को देख तो सकें लेकिन मूल चैट को आगे बढ़ा या बदल न सकें। ^[20]
• GPT-Image-2 सीधे ट्रांसपेरेंट-बैकग्राउंड वाले एसेट्स जनरेट करता है. OpenAI का इमेज मॉडल अब API के माध्यम से ट्रांसपेरेंट-बैकग्राउंड वाली इमेज बना सकता है, जो बिना मैन्युअल मास्किंग के डिज़ाइन एसेट्स, लोगो और कंपोज़िटिंग कार्य के लिए उपयोगी है। ^[21]
• FLUX Video Upscale: छोटी क्लिप्स को 4K रेज़ोल्यूशन तक रीजनरेट करता है. Black Forest Labs ने एक वीडियो अपस्केलिंग टूल जारी किया है जो छोटी क्लिप्स को 4K रेज़ोल्यूशन तक रीजनरेट करता है, और बारीकियां जोड़ते हुए मोशन की निरंतरता को बनाए रखता है। ^[22]
• Is Agentic: अपनी वेबसाइट को स्कैन करें और देखें कि AI एजेंटों को क्या रोक रहा है. एक मुफ्त टूल जो किसी भी वेबसाइट को स्कैन करता है और सटीक रूप से पहचानता है कि AI एजेंटों को उसे ब्राउज़ करने और उपयोग करने से क्या रोक रहा है, साथ ही प्रत्येक समस्या के लिए व्यावहारिक समाधान भी देता है। ^[23]
• Construct: अपने खुद के क्लाउड कंप्यूटर वाला एक AI कर्मचारी. एक AI एजेंट जो आपके दूर रहने पर आपके ईमेल पढ़ता है, विषयों पर शोध करता है, और सौंपे गए काम को पूरा करता है। यह अपने खुद के क्लाउड कंप्यूटर पर चलता है। मुफ्त ट्रायल, फिर $9/month। ^[24]
• FetchSandbox: आपके AI कोडिंग असिस्टेंट द्वारा अभी लिखे गए API इंटीग्रेशन का परीक्षण करें. एक सैंडबॉक्स जो वास्तविक वेबहुक और विफलता स्थितियों (failure states) के साथ API इंटीग्रेशन को नकली तौर पर (fake-runs) चलाता है ताकि आपके वास्तविक खाते पर कोई असर न पड़े। आज़माने के लिए मुफ्त, Pro $5/month से शुरू। ^[25]
• Notion Skills: टीम वर्कफ़्लो को पुन: प्रयोज्य एजेंट प्लेबुक में बदलें. Notion ने एक स्किल्स फीचर लॉन्च किया है जो टीम वर्कफ़्लो को ऐसी पुन: प्रयोज्य प्लेबुक में बदल देता है जिन्हें एजेंट निष्पादित कर सकते हैं, जिससे संस्थागत ज्ञान स्वचालित प्रक्रियाओं में बदल जाता है। ^[26]
• Utopia Fluid Type Scale Calculator: रिस्पॉन्सिव CSS clamp फंक्शन्स जनरेट करें. एक टूल जो फ्लूइड टाइपोग्राफी स्केल्स के लिए CSS clamp() फंक्शन्स जनरेट करता है, और बिना मैन्युअल ब्रेकपॉइंट प्रबंधन के विभिन्न व्यूपोर्ट्स में रिस्पॉन्सिव फ़ॉन्ट साइज़िंग को स्वचालित बनाता है। ^[27]

Prompt of the day