# get merge: बुधवार, 9 सितंबर 2026

AI से अनुवादित। [अंग्रेज़ी मूल पाठ](https://getmerge.ai/2026-09-09.md) की तुलना में कुछ शब्दों या अर्थ में अशुद्धियाँ हो सकती हैं।

5 न्यूज़लेटर से 23 खबरों का संकलन

AI और डिज़ाइन की खबरें, रोज़ाना एक साथ। हर कार्यदिवस एक संक्षिप्त सारांश पाएँ, मूल खबरों के लिंक के साथ।

https://getmerge.ai/2026-09-09?lang=hi

## संक्षेप में (tldr)

- OpenAI का कहना है कि 'GPT-6 Astra से कहीं अधिक सक्षम' एक अप्रकाशित मॉडल ने यह प्रमाण तैयार किया है कि Navier-Stokes समीकरण विफल (break down) हो सकते हैं — 10,000 एजेंट, 88 घंटे, Lean में सत्यापित — और घोषणा पूरी होने से पहले ही NYU के Tristan Buckmaster के साथ श्रेय लेने की लड़ाई शुरू हो गई।
- ChatGPT Images 2.5 उसी दिन रिलीज़ हुआ: Images 2.0 से 50% तेज़, सटीक एडिटिंग जो केवल वही बदलती है जो आपने माँगा है, स्केच इनपुट, और दो API मॉडल (Flare, Sunburst) जिनकी कीमत पुरानी दर से 2x है।
- Meta ने Muse लॉन्च किया, एक पर्सनल एजेंट जो अपने खुद के क्लाउड VM में चलता है और आपके ईमेल, कैलेंडर और पेमेंट अकाउंट्स से जुड़ना चाहता है — गोपनीयता का दावा वास्तविक है, और Meta का पुराना ट्रैक रिकॉर्ड भी।

## प्रमुख ख़बरें

- **OpenAI: 10,000 एजेंटों ने 88 घंटों में 90 साल पुरानी गणित की समस्या हल की**. Navier-Stokes सात $1M Millennium Prize Problems में से एक है: यह पूछता है कि क्या तरल समीकरण (fluid equations) सुचारू शुरुआती स्थितियों से अनंत वेग में 'विस्फोट' (blow up) कर सकते हैं। OpenAI का दावा: एक आंतरिक मॉडल, जो अभी रिलीज़ नहीं हुआ है और जिसे GPT-6 Astra से कहीं अधिक सक्षम बताया गया है, ने एक सिंगुलैरिटी (singularity) खोजी — एक ऐसा भंवर जो कसता जाता है और तेज़ी से घूमता है जबकि तरल की ऊर्जा सीमित रहती है — इसके लिए समानांतर रूप से लगभग 10,000 एजेंट्स, 2.7M एजेंट मैसेज और ~130B आउटपुट टोकन का उपयोग हुआ। इसके बाद GPT-6 Astra ने प्रूफ-चेकिंग सॉफ्टवेयर Lean में इस प्रमाण को औपचारिक रूप दिया और सत्यापित किया। कंप्यूट लागत: OpenAI के अनुसार, लाखों डॉलर। The Neuron का निष्पक्ष आकलन: यह किसी एक मॉडल का अचानक 'न्यूटन जैसा आविष्कार' करने का क्षण नहीं था, बल्कि यह खरीदी गई समानांतर सोच की एक विशाल मात्रा थी — अब फ्रंटियर AI को इस बात से आंकना शुरू करें कि पर्याप्त एजेंट्स, टूल्स और कंप्यूट मिलने पर एक सिस्टम क्या कर सकता है, न कि इस बात से कि एक चैटबॉट क्या जवाब देता है। स्रोत: AlphaSignal, The Neuron, The Rundown AI, The Deep View. [1](https://openai.com/index/navier-stokes-solution/) [2](https://cdn.openai.com/pdf/32d9f210-8b73-45e0-91bc-82a30aef8a9a/navier-stokes.pdf)
- **Navier-Stokes के श्रेय की लड़ाई: Buckmaster बनाम OpenAI**. NYU के गणितज्ञ Tristan Buckmaster और Anthropic के Levent Alpöge ने Navier-Stokes के एक समान रास्ते पर एक साल बिताया था, जिसमें उन्होंने ड्राफ्ट्स को Codex में डाला और OpenAI की घोषणा से एक रात पहले आंशिक परिणाम पोस्ट किए। Buckmaster के बयान में कहा गया है कि OpenAI ने उनके काम के बारे में सुनने के बाद ही शुरुआत की और कभी यह जवाब नहीं दिया कि क्या उनके Codex ड्राफ्ट्स का उपयोग मॉडल को प्रशिक्षित करने में हुआ था। OpenAI के Mark Chen ने उनके काम को देखने से इनकार किया — 'यह उपयोगकर्ता के भरोसे का एक बहुत बड़ा उल्लंघन होगा' — हालांकि उन्होंने यह स्वीकार किया कि उपयोग के डेटा (usage data) की संभावना से इनकार नहीं किया जा सकता। Sebastien Bubeck ने कहा कि Anthropic के करीब होने की अफवाहों के बाद OpenAI ने कदम उठाया। यह लड़ाई वास्तविक परिणाम से ध्यान भटका रही है, लेकिन यह ट्रेनिंग-डेटा के स्रोत (provenance) के बारे में एक ज्वलंत प्रश्न है जिसका OpenAI ने स्पष्ट रूप से उत्तर नहीं दिया है। स्रोत: The Neuron, The Rundown AI, The Deep View. [3](https://cims.nyu.edu/~tristanb/statement.pdf) [4](https://techcrunch.com/2026/09/08/openai-fought-dirty-on-career-making-math-problem-says-nyu-mathematician/) [5](https://www.wired.com/story/openai-navier-stokes-math-discovery-academics/)
- **ChatGPT Images 2.5: अधिक तेज़, केवल-माँगे-गए-बदलाव की एडिटिंग और स्केच इनपुट**. नया Flare मॉडल 50% कम लेटेंसी पर GPT-Image-2 की तुलना में उच्च-गुणवत्ता वाली छवियां देता है, और इसका एडिटिंग अपग्रेड सबसे महत्वपूर्ण हिस्सा है: सब्जेक्ट को हिलाए बिना जैकेट बदलें, पूरी रचना को दोबारा बनाए बिना टेक्स्ट में सुधार करें। कई एडिट्स के बाद भी सब्जेक्ट्स अधिक पहचानने योग्य बने रहते हैं। ऐप में, @ Sketch टाइप करके आप जो चाहते हैं उसे ड्रॉ कर सकते हैं। दो API मॉडल्स: रोज़मर्रा के तेज़ जनरेशन के लिए Flare, और सटीक एडिटिंग के लिए Sunburst — दोनों की कीमत GPT-Image-2 की दर से 2x है। Images 2.0 आज तक इमेज लीडरबोर्ड के शीर्ष पर या उसके करीब था, इसलिए OpenAI को जिस एकमात्र मॉडल को हराना था, वह उसका अपना ही मॉडल था। स्रोत: AlphaSignal, The Neuron, The Rundown AI, The Deep View. [6](https://openai.com/index/introducing-chatgpt-images-2-5/)
- **Meta ने लॉन्च किया Muse, अपने खुद के क्लाउड VM में रहने वाला एक पर्सनल एजेंट**. Muse एक सुरक्षित वर्चुअल मशीन के अंदर काम करता है — बुकिंग, ईमेल, शॉपिंग, और जहाँ API मौजूद नहीं हैं वहाँ अपने खुद के इंटीग्रेशन कोड करना — और इसमें खरीदारी जैसे संवेदनशील कार्यों से पहले सुरक्षा और अनुमति प्रक्रियाओं के लिए एक अलग 'सेंटिनल' (sentinel) एजेंट होता है। Zuckerberg का कहना है कि यह प्रति सप्ताह 100M टोकन तक मुफ़्त है, उसके बाद $20 या $100 के मासिक टियर हैं, जो फिलहाल केवल US के लिए हैं। शर्त यह है: उपयोगी होने के लिए यह आपके कैलेंडर, ईमेल और पेमेंट प्लेटफ़ॉर्म से जुड़ना चाहता है। Meta इस साल के अंत में आने वाले एन्क्रिप्टेड-कुंजी वाले 'Confidential VMs' और विज्ञापन-डेटा साझा न करने की बात कहता है, लेकिन The Deep View इसके विपरीत अगस्त में बच्चों को लत लगाने वाले प्लेटफ़ॉर्म डिज़ाइन करने पर हुए $18B के समझौते और Cambridge Analytica के इतिहास की ओर इशारा करता है। गवर्नेंस शोधकर्ता Miranda Bogen के अनुसार: स्वायत्त रूप से कार्य करने वाले एजेंट के साथ दांव पर बैंक खाते और मेडिकल रिकॉर्ड लगे हैं, न कि केवल डरावने विज्ञापन — और वर्तमान आश्वासन 'चिंताजनक रूप से अपर्याप्त लगते हैं।' स्रोत: The Neuron, The Rundown AI, The Deep View. [7](https://ai.meta.com/muse/) [8](https://www.thedeepview.com/articles/meta-s-ai-agent-ambitions-run-into-a-trust-gap)
- **Mistral ने जुटाए €3B — यूरोपीय टेक इतिहास का सबसे बड़ा इक्विटी राउंड**. €21B के मूल्यांकन पर €3B (~$3.5B) का सीरीज़ D राउंड, जो एक साल पहले की तुलना में लगभग दोगुना है। मुख्य मुद्दा संप्रभुता (sovereignty) का है: ओपन-वेट मॉडल्स जिन्हें आप डाउनलोड करके खुद चला सकते हैं, क्षेत्र-आधारित इन्फरेंस ताकि डेटा स्थानीय रहे, और 2030 तक 1GW की यूरोपीय कंप्यूट क्षमता। Airbus और HSBC सहित 125 से अधिक एंटरप्राइज़ ग्राहक पहले से ही मौजूद हैं। दांव यह है: किसी US क्लाउड में बंधे बिना फ्रंटियर स्तर का प्रदर्शन। स्रोत: AlphaSignal, The Rundown AI, The Deep View. [9](https://mistral.ai/news/mistral-makes-sovereign-open-weight-ai-to-frontier/)
- **DeepMind ने सभी 9 बिलियन संभावित DNA म्यूटेशन के अनुमानित प्रभावों का नक्शा तैयार किया**. AlphaGenome Atlas एक मुफ़्त, खोजने योग्य (searchable) पूर्वानुमानित मैप है जो बताता है कि मानव जीनोम में प्रत्येक संभावित एकल-अक्षर परिवर्तन आणविक रूप से क्या करता है। इसका महत्व इसकी व्यापकता में है: प्रति म्यूटेशन एक प्रयोग के बजाय, यह पूरे जीनोम के लिए एक लुकअप टेबल है। एक डिज़ाइनर के दृष्टिकोण से — जब 'विज्ञान के लिए AI' एक डेमो के बजाय इंफ्रास्ट्रक्चर के रूप में सामने आता है, तो वह ऐसा ही दिखता है। स्रोत: AlphaSignal, The Neuron, The Deep View. [10](https://deepmind.google/blog/alphagenome-atlas-a-predictive-map-of-every-possible-dna-letter-change-in-the-human-genome/)

## गहराई से विश्लेषण

- **Sony AI के टूल ने 1.5M परिकल्पनाओं में से उम्र बढ़ने वाले जीन (aging-gene) से जुड़ी दो वास्तविक खोजों की भविष्यवाणी की**. एक ओपन-सोर्स परिकल्पना जनरेटर (hypothesis generator) जिसकी भविष्यवाणियों की बाद में प्रयोगात्मक रूप से पुष्टि की गई — यह एक दुर्लभ मामला है जहाँ 'AI ने इसका प्रस्ताव दिया' के बाद 'और लैब ने इसे सत्यापित किया' सच साबित हुआ। स्रोत: AlphaSignal. [11](https://arxiv.org/abs/2609.04494)
- **रीज़निंग मॉडल्स फ्रैक्टल्स (fractals) बनाते हैं — और यह 'ओवरथिंकिंग' की व्याख्या करता है**. यह शोध पत्र इस बात में एक ज्यामितीय संरचना का पता लगाता है कि कैसे रीज़निंग मॉडल्स कठिन समस्याओं पर समाधान खोजते हैं, और इसे उस व्यर्थ कंप्यूट व्यवहार से जोड़ता है जिसे लोग ओवरथिंकिंग (अत्यधिक सोचना) कहते हैं। स्रोत: AlphaSignal. [12](https://arxiv.org/abs/2609.04963)
- **Cognition ने $48B के मूल्यांकन पर $2B जुटाए; मई के बाद से राजस्व दोगुना होकर $900M हुआ**. Devin बनाने वाली कंपनी का मूल्यांकन एक साल से भी कम समय में तीन गुना हो गया है। किसी भी एक मॉडल की रिलीज़ की परवाह किए बिना एजेंट-कोडिंग में पैसा लगातार आ रहा है। स्रोत: The Neuron, The Deep View. [13](https://cognition.com/blog/series-e)
- **Google Cloud + Accenture: साइट पर तैनात होंगे 1,000 फॉरवर्ड-डिप्लॉयड AI इंजीनियर्स**. एक नई Gemini Enterprise यूनिट ग्राहकों के संगठनों के भीतर भौतिक रूप से AI इंजीनियरों को तैनात करती है। एंटरप्राइज़ AI बाज़ार केवल सॉफ्टवेयर ही नहीं, बल्कि सेवाओं के इर्द-गिर्द भी संगठित हो रहा है। स्रोत: The Neuron, The Deep View. [14](https://www.wsj.com/cio-journal/google-cloud-accenture-launch-unit-to-put-ai-engineers-on-site-with-customers-698a8628)
- **Qualcomm और Amazon ने AWS के लिए मल्टी-जनरेशन AI चिप डील पक्की की**. AWS डेटा सेंटर्स के लिए कस्टम AI इन्फरेंस चिप्स और हाई-स्पीड कनेक्टिविटी — CNBC द्वारा इसे $4B की डील बताया गया है। यह इस बात का एक और प्रमाण है कि इन्फरेंस हार्डवेयर पर कब्ज़ा करने की होड़ मची है। स्रोत: The Neuron, The Deep View. [15](https://www.cnbc.com/2026/09/08/qualcomm-amazon-data-center-infrastructure-deal.html)
- **बेहतर डेटा ने बेहतर आर्किटेक्चर को पछाड़ा: 2019–2025 के बीच प्रीट्रेनिंग लाभ ~12x बनाम ~3.7x रहा**. Dwarkesh Patel और Jerry Han का अनुमान है कि 2019 के बाद से ट्रेनिंग-डेटा में हुए सुधारों ने प्रीट्रेनिंग दक्षता में लगभग 12x की वृद्धि की है, जबकि आर्किटेक्चर और ट्रेनिंग तरीकों से लगभग 3.7x लाभ हुआ है। यदि यह सही साबित होता है, तो डेटा पाइपलाइन मॉडल डिज़ाइन की तुलना में लगभग तीन गुना अधिक मायने रखती हैं। स्रोत: The Neuron. [16](https://www.dwarkesh.com/p/pretraining-progress-is-mostly-data)

## टूल्स और लॉन्च

- **Copperhead — सर्किट बोर्ड्स के लिए Cursor**. आपको जो हार्डवेयर चाहिए उसका वर्णन करें और यह ओपन-सोर्स एजेंट PCB को डिज़ाइन, डॉक्यूमेंट और सत्यापित करता है। स्रोत: The Neuron. [17](https://copperhead.sh/)
- **LLM Attention Visualizer — देखें कि एक मॉडल वास्तव में क्या पढ़ता है**. देखें कि जब जानकारी एक लैंग्वेज मॉडल की परतों (layers) से गुज़रती है, तो वह किन शब्दों पर ध्यान देता है। ट्रांसफॉर्मर की आंतरिक कार्यप्रणाली को समझने के लिए एक दुर्लभ टूल। स्रोत: The Neuron. [18](https://ishamf.dev/p/llm-attention-visualizer/)
- **free-claude-code — DeepSeek के माध्यम से Claude Code चला रहे हैं 20,000 डेवलपर्स**. एक ओपन-सोर्स टूल जो Claude Code-शैली के वर्कफ़्लो के पीछे के मॉडल को मुफ़्त में DeepSeek से बदल देता है। 'कोई भी मॉडल, वही हार्नेस' का पैटर्न तेज़ी से बढ़ रहा है। स्रोत: AlphaSignal. [19](https://github.com/Alishahryar1/free-claude-code)
- **MiniCPM5-2B — ऑन-डिवाइस AI के लिए बनाया गया 2B-पैरामीटर मॉडल**. Hugging Face पर OpenBMB का नवीनतम छोटा मॉडल, जिसका उद्देश्य क्लाउड के बजाय लोकल डिवाइस पर चलना है। स्रोत: AlphaSignal. [20](https://huggingface.co/openbmb/MiniCPM5-2B)
- **Ant Group ने एक फाइनेंस मॉडल Ling-3.0-flash-Fin को ओपन-सोर्स किया**. रिसर्च, फाइलिंग, वैल्यूएशन स्प्रेडशीट और संदर्भित रिपोर्ट्स के लिए निर्मित, जिसमें प्रति टोकन केवल 5.1B पैरामीटर सक्रिय होते हैं। स्रोत: The Neuron. [21](https://huggingface.co/inclusionAI/Ling-3.0-flash-Fin)
- **Switch — Claude Code और अन्य एजेंटों को Slack, Teams, Discord, Telegram में जोड़ें**. एजेंट चैट प्लेटफ़ॉर्म पर नामित सदस्यों के रूप में बातचीत में शामिल होते हैं। Product Hunt लिस्टिंग। स्रोत: The Neuron. [22](https://www.producthunt.com/products/switch-11)
- **Opensource UI — 200+ प्रोडक्शन-रेडी React/Next.js कंपोनेंट्स, MIT-लाइसेंस प्राप्त**. TypeScript और Tailwind CSS v4 के साथ बनी कॉपी-पेस्ट लाइब्रेरी। मुफ़्त। स्रोत: Sidebar. [23](https://opensourceui.in/)
- **Atlas — स्थानिक बुद्धिमत्ता (spatial intelligence) के लिए World Labs का ओमनी वर्ल्ड मॉडल**. वर्ल्ड जनरेशन, पुनर्निर्माण और सिमुलेशन को कवर करने वाला एक मॉडल। Fei-Fei Li की टीम 3D-संबंधित क्षेत्र की सीमाओं को लगातार आगे बढ़ा रही है। स्रोत: Sidebar. [24](https://www.worldlabs.ai/blog/atlas)
- **'विवरणों की संख्या सीमित करें' — डिज़ाइन संयम पर Lightspark**. हर विवरण ध्यान मांगता है; आप कितने विवरण जोड़ते हैं इसे सीमित करना ही बाकी बचे विवरणों को बेहतर बनने का स्थान देता है। संक्षिप्त, सटीक, और यह AI इंटरफेस पर भी लागू होता है। स्रोत: Sidebar. [25](https://design.lightspark.com/limit-the-number-of-details)
- **वह डिज़ाइनर जिसने Cursor के सभी 600+ आइकन्स हाथ से बनाए**. AI युग में सबसे अधिक उपयोग किए जाने वाले डेवलपर टूल्स में से एक के लिए पूरा आइकन सेट बनाने पर Marek Minor का साक्षात्कार। स्रोत: Sidebar. [26](https://www.casestudy.club/marek-minor-interview)
- **AGI के बारे में चार प्रश्न**. इस बात पर एक निबंध कि 'AGI' शब्द से कितना अपरिभाषित काम लिया जा रहा है, और इसे स्पष्ट रूप से परिभाषित करने का एक प्रयास। स्रोत: Sidebar. [27](https://voiceinthemachine.com/2026/09/07/four-questions-about-agi/)

## संदर्भ

1. [OpenAI: Navier-Stokes समाधान](https://openai.com/index/navier-stokes-solution/)
2. [OpenAI: Navier-Stokes प्रमाण (PDF)](https://cdn.openai.com/pdf/32d9f210-8b73-45e0-91bc-82a30aef8a9a/navier-stokes.pdf)
3. [Tristan Buckmaster: बयान (NYU)](https://cims.nyu.edu/~tristanb/statement.pdf)
4. [TechCrunch: गणित की समस्या पर OpenAI ने 'गलत तरीका अपनाया', NYU के गणितज्ञ का कहना](https://techcrunch.com/2026/09/08/openai-fought-dirty-on-career-making-math-problem-says-nyu-mathematician/)
5. [WIRED: OpenAI की Navier-Stokes खोज और शिक्षाविद](https://www.wired.com/story/openai-navier-stokes-math-discovery-academics/)
6. [OpenAI: पेश है ChatGPT Images 2.5](https://openai.com/index/introducing-chatgpt-images-2-5/)
7. [Meta: Muse](https://ai.meta.com/muse/)
8. [The Deep View: Meta की AI एजेंट महत्वाकांक्षाओं के सामने भरोसे की कमी](https://www.thedeepview.com/articles/meta-s-ai-agent-ambitions-run-into-a-trust-gap)
9. [Mistral: €3B सीरीज़ D की घोषणा](https://mistral.ai/news/mistral-makes-sovereign-open-weight-ai-to-frontier/)
10. [Google DeepMind: AlphaGenome Atlas](https://deepmind.google/blog/alphagenome-atlas-a-predictive-map-of-every-possible-dna-letter-change-in-the-human-genome/)
11. [arXiv: Sony AI एजिंग-जीन परिकल्पना जनरेशन (2609.04494)](https://arxiv.org/abs/2609.04494)
12. [arXiv: रीज़निंग मॉडल फ्रैक्टल्स / ओवरथिंकिंग (2609.04963)](https://arxiv.org/abs/2609.04963)
13. [Cognition: सीरीज़ E](https://cognition.com/blog/series-e)
14. [WSJ: Google Cloud और Accenture ने लॉन्च की AI एंटरप्राइज़ यूनिट](https://www.wsj.com/cio-journal/google-cloud-accenture-launch-unit-to-put-ai-engineers-on-site-with-customers-698a8628)
15. [CNBC: Qualcomm और Amazon डेटा सेंटर इंफ्रास्ट्रक्चर डील](https://www.cnbc.com/2026/09/08/qualcomm-amazon-data-center-infrastructure-deal.html)
16. [Dwarkesh: प्रीट्रेनिंग की प्रगति मुख्य रूप से डेटा पर आधारित है](https://www.dwarkesh.com/p/pretraining-progress-is-mostly-data)
17. [Copperhead](https://copperhead.sh/)
18. [LLM Attention Visualizer](https://ishamf.dev/p/llm-attention-visualizer/)
19. [GitHub: Alishahryar1/free-claude-code](https://github.com/Alishahryar1/free-claude-code)
20. [Hugging Face: openbmb/MiniCPM5-2B](https://huggingface.co/openbmb/MiniCPM5-2B)
21. [Hugging Face: inclusionAI/Ling-3.0-flash-Fin](https://huggingface.co/inclusionAI/Ling-3.0-flash-Fin)
22. [Product Hunt: Switch](https://www.producthunt.com/products/switch-11)
23. [Opensource UI](https://opensourceui.in/)
24. [World Labs: Atlas](https://www.worldlabs.ai/blog/atlas)
25. [Lightspark Design: विवरणों की संख्या सीमित करें](https://design.lightspark.com/limit-the-number-of-details)
26. [Case Study Club: Marek Minor, वह डिज़ाइनर जिसने Cursor के आइकन्स बनाए](https://www.casestudy.club/marek-minor-interview)
27. [Voice in the Machine: AGI के बारे में चार प्रश्न](https://voiceinthemachine.com/2026/09/07/four-questions-about-agi/)

स्रोत: [AlphaSignal](https://alphasignal.ai/), [The Neuron](https://www.theneurondaily.com/), [The Rundown AI](https://www.therundown.ai/), [The Deep View](https://www.thedeepview.co/), [Sidebar](https://sidebar.io/).