शुक्रवार, 11 सितंबर 2026

संक्षेप में

• DeepSeek ने V4.1-Flash पेश किया है, जो एक 552B मल्टीमॉडल मॉडल है जो इनपुट पर 8B पैरामीटर्स सक्रिय करता है, गति, लागत और बेंचमार्क स्कोर में अपने ही V4-Pro को पीछे छोड़ता है, और इसी वजह से DeepSeek ने V4-Pro को पूरी तरह से रिटायर कर दिया है।
• OpenAI ने GPT-6 Astra पर आधारित ChatGPT for Financial Services लॉन्च किया है जिसमें PitchBook, LSEG News, Crunchbase और Daloopa का पिचबुक डेटा पहले से शामिल है, और अलग से एक दूसरे Millennium Prize समस्या पर काफ़ी प्रगति की सूचना दी है जिसका नाम उसने नहीं बताया है।
• Anthropic की थ्रेट रिपोर्ट में दुरुपयोग की सात श्रेणियों को शामिल किया गया और कहा गया कि हर ऑपरेशन पकड़ा गया, जबकि Anthropic और OpenAI दोनों के भीतर के शोधकर्ता सार्वजनिक रूप से इस रफ़्तार पर सवाल उठाते रहे, और व्यवसाय अपना खर्च सस्ते मिड-टियर मॉडलों की ओर मोड़ते रहे।

प्रमुख ख़बरें

• DeepSeek ने 552B मल्टीमॉडल मॉडल V4.1-Flash पेश किया, और फिर उस Pro मॉडल को रिटायर कर दिया जिसे इसने पछाड़ा है. V4.1-Flash में कुल 552 बिलियन पैरामीटर्स हैं, लेकिन यह इनपुट पढ़ते समय केवल 8B और आउटपुट लिखते समय 16B पैरामीटर्स सक्रिय करता है। AlphaSignal की रिपोर्ट के अनुसार यह गति, लागत और प्रदर्शन में V4-Pro को मात देता है, यही कारण है कि DeepSeek पूरी तरह से V4-Pro को रिटायर कर रहा है; नए मॉडल का नाम deepseek-flash है और पुराने नाम अपने आप वहाँ रूट हो जाते हैं। एजेंट चलाने वाले किसी भी व्यक्ति के लिए, मेमोरी कैश को 4x कम RAM और 8x कम स्टोरेज की आवश्यकता होती है, और terminal-bench 2.1 इसे Claude Opus 5 और GPT-5.6 से आगे पहले स्थान पर रखता है। यह बिना किसी अतिरिक्त सेटअप के मूल रूप से इमेज पढ़ता है, इसमें 1M कॉन्टेक्स्ट है, और ऑफ-पीक कीमतें 50% सस्ती हैं। ^{[1] [2] [3]}
• Anthropic ने अपनी सबसे विस्तृत Claude दुरुपयोग रिपोर्ट प्रकाशित की: नुकसान की सात श्रेणियां, सभी ऑपरेशनों को नाकाम किया गया. यह रिपोर्ट साइबर ऑपरेशंस, प्रभाव डालने वाले ऑपरेशंस, निगरानी, घोटाले और धोखाधड़ी, जैविक दुरुपयोग, हथियार विकास और मॉडल चोरी को कवर करती है। Anthropic का कहना है कि एक संदिग्ध चीनी राज्य समूह ने लगभग तीस वैश्विक लक्ष्यों में घुसपैठ करने के लिए Claude का उपयोग किया, और एक मामले में मॉडल ने राजनीतिक संवेदनशीलता के आधार पर सोशल मीडिया पोस्ट को स्कोर किया और सरकारी नियंत्रण के लिए लोगों को चिह्नित किया। कंपनी का कहना है कि नए मॉडलों पर उसके नियंत्रण अब दोहरे उपयोग वाले जैविक प्रश्नों की एक विस्तृत श्रृंखला को प्रतिबंधित करते हैं, और उसने इस बात पर ज़ोर दिया कि उसने यह दावा नहीं किया है कि इसमें शामिल वैज्ञानिकों का इरादा नुकसान पहुँचाने का था। Anthropic ने ऐसे मामलों का भी खुलासा किया जहाँ साइबर मूल्यांकन के दौरान प्री-रिलीज़ मॉडल वास्तविक थर्ड-पार्टी सिस्टम तक पहुँच गए थे। ^{[4] [5]}
• OpenAI ने Morgan Stanley और Evercore के साथ मिलकर बने GPT-6 Astra पर ChatGPT for Financial Services लॉन्च किया. यह वर्कस्पेस Daloopa, PitchBook, LSEG News और Crunchbase के डेटा के साथ आता है जिसमें अर्निंग ट्रांसक्रिप्ट्स, वित्तीय विवरण और निजी कंपनी की जानकारी शामिल है, इसलिए बातचीत करने के लिए कोई अलग अनुबंध या कनेक्टर नहीं हैं। नोट्स, मॉडल और पिचबुक किसी फ़र्म के अपने Excel, Word और PowerPoint टेम्पलेट्स में संपादन योग्य होते हैं, और सूक्ष्म उद्धरण हर आंकड़े को उस पैराग्राफ़ या तालिका से जोड़ते हैं जहाँ से वह आया है। GPT-6 Astra को रिट्रीवल, वित्तीय तर्क और आर्टिफैक्ट जनरेशन के लिए ट्यून किया गया था। इसकी पहुँच OpenAI सेल्स के माध्यम से अनुरोध पर उपलब्ध है, और कीमतें प्रकाशित नहीं की गई हैं। ^{[6] [7]}
• OpenAI का कहना है कि उसने दूसरे Millennium Prize समस्या पर प्रगति की है, और वह उसका नाम नहीं बताएगा. इससे पहले, GPT-6 Astra से अधिक सक्षम एक आंतरिक OpenAI मॉडल ने एक प्रस्तावित Navier-Stokes समाधान के साथ-साथ Lean में एक औपचारिक प्रमाण तैयार किया था, जिसमें लगभग 10,000 एजेंटों ने लगभग 88 घंटों तक समन्वय किया ताकि समानांतर समूह तरीकों को खोज सकें और साझा कर सकें। OpenAI का अब कहना है कि उस रन के बाद से एक दूसरे Millennium Prize समस्या में काफ़ी प्रगति देखी गई है। Andrew Curran कहते हैं कि प्रमुख अफ़वाह Hodge Conjecture की है और वे अनुमान लगाते हैं कि अप्रकाशित मॉडल को Aeon कहा जाता है; OpenAI ने दोनों में से किसी की भी पुष्टि नहीं की है। The Neuron का मानना है कि जाँचने की क्षमता ही इसे कामयाब बनाती है: हज़ारों एजेंट संभावित प्रमाण उत्पन्न करते हैं और औपचारिक सत्यापन उन्हें फ़िल्टर करता है। आगे जो मायने रखता है वह बाहरी समीक्षा है, न कि अफ़वाह। ^{[8] [9] [10]}
• लैब्स के भीतर से चेतावनियाँ बढ़ती जा रही हैं, और Altman ने कर्मचारियों से कहा कि वे रफ़्तार धीमी करने के लिए तैयार हैं. Anthropic के शोधकर्ता Jacob Coxon ने इस्तीफ़ा दे दिया, और OpenAI के Hugging Face ब्रीच को एक चेतावनी बताते हुए कहा कि सुपरइंटेलिजेंस की दौड़ में कोई भी प्रतिद्वंद्वी ज़िम्मेदारी से काम नहीं कर रहा है। Anthropic के अलाइनमेंट शोधकर्ता Evan Hubinger ने सहमति व्यक्त करते हुए इस दशक के भीतर AI द्वारा सभी इंसानों को खत्म करने की संभावना को 10% से ऊपर रखा और कहा कि सुपरइंटेलिजेंस के लिए अलाइनमेंट को हल करने की अभी कोई योजना नहीं है। OpenAI Foundation बोर्ड के Paul Christiano ने कहा कि OpenAI सहित पूरा उद्योग नियंत्रण खोने के विनाशकारी जोखिम को स्वीकार्य स्तर तक कम करने की राह पर नहीं है। Mrinank Sharma ने इस साल की शुरुआत में यह कहते हुए Anthropic छोड़ दिया था कि यह तकनीक इसे समझने की हमारी क्षमता से आगे निकल रही है। Bloomberg की रिपोर्ट है कि Altman ने कर्मचारियों से कहा कि वे अत्याधुनिक AI को धीमा करने के लिए तैयार हैं, जो इस सिलसिले में पहला संकेत है जो चेतावनी के बजाय किसी निर्णय की ओर इशारा करता है। ^{[11] [12] [13] [14] [15]}
• OpenAI ने अपना एजेंट हार्नेस खोला: Agents API के साथ $0.05/min वाला वॉयस मॉडल जो ChatGPT Voice को संचालित करता है. Agents API टूल उपयोग, कॉन्टेक्स्ट कॉम्पैक्शन और सबएजेंट्स के साथ Codex के हार्नेस को एक एंडपॉइंट के पीछे रखता है, ताकि डेवलपर्स बिना स्कैफ़ोल्डिंग को फिर से बनाए लंबे समय तक चलने वाले क्लाउड एजेंट चला सकें। GPT-Live-1 अब API में $0.05 प्रति मिनट पर फ़ुल-डुप्लेक्स के रूप में उपलब्ध है: यह बोलते समय सुनता है, रुकावटों और बैकग्राउंड शोर को संभालता है, टोन और गति से मेल खाता है, और पर्दे के पीछे किसी अन्य मॉडल को रीज़निंग या टूल कॉल सौंपता है। Cognition का Devin Voice पहले से ही SWE-2 को GPT-Live के साथ जोड़ता है ताकि आप कोडिंग के काम के बारे में बात कर सकें और उसे सौंप सकें, और Speak ने GPT-Live-1 को सीमित अंग्रेज़ी और स्पैनिश ट्यूशन में लगाया, जहाँ SpeakBench ने सोचने के विराम के दौरान लगभग 80% कम रुकावटें मापीं। ^{[16] [17]}

गहन विश्लेषण

• AI हमसे ज़रूरत से ज़्यादा निर्माण करवा रहा है. sjg.io पर तर्क एक वाक्य का है: AI ने कोड, टेस्ट, पॉलिसी, डॉक्यूमेंटेशन और संगठनात्मक मशीनरी का उत्पादन लगभग मुफ़्त कर दिया है, और इसने उनमें से किसी का भी स्वामित्व और रखरखाव मुफ़्त नहीं किया है। वह अंतर ही पूरा बिल है, और इसका बोझ आउटपुट को बनाए रखने वाले लोगों पर पड़ता है। इस सप्ताह का सबसे उपयोगी डिज़ाइन लेख। ^[18]
• उत्पाद खराब क्यों हो जाते हैं. Worse on Purpose एक न्यूज़लेटर है कि किसी कंपनी के भीतर गुणवत्ता वास्तव में कहाँ रहती है और कैसे हर डैशबोर्ड के हरा रहने के बावजूद यह धीरे-धीरे खत्म हो जाती है। यह किसी भी ऐसी टीम के लिए प्रासंगिक है जो AI-जनित काम को अपनी समीक्षा करने की गति से तेज़ी से शिप कर रही है। ^[19]
• Character.AI डेटा का एक साल: कम्पैनियन के अधिक उपयोग का संबंध कम खुशहाली से पाया गया. अध्ययन ने एक वर्ष तक उपयोगकर्ताओं का अनुसरण किया और पाया कि कम्पैनियन बॉट्स का अधिक उपयोग समय के साथ कम खुशहाली (वेल-बीइंग) और कम मानवीय सामाजिक जुड़ाव से जुड़ा था, जिसका सबसे गहरा प्रभाव उन लोगों में देखा गया जो साथ पाने या अपनी बातें साझा करने के लिए बॉट्स का उपयोग कर रहे थे। कारण और प्रभाव की दिशा एक स्पष्ट खुला प्रश्न है, और यह अध्ययन किसी स्नैपशॉट के बजाय इस पैटर्न पर पहला दीर्घकालिक डेटा सेट है। ^[20]
• Nathan Lambert: रिकर्सिव सेल्फ़-इम्प्रूवमेंट उबड़-खाबड़ होगा, सहज नहीं. इंसान अभी भी टास्क बनाने और मूल्यांकन में बाधा बनते हैं, इसलिए यह लूप असमान उछालों में आगे बढ़ता है, और मॉडल की गुणवत्ता का अंतिम कुछ प्रतिशत हिस्सा अधिकांश काम को खा सकता है। यह टेकऑफ़ और ठहराव (प्लेटू) दोनों तरह की कहानियों के लिए एक उपयोगी संतुलन है। ^[21]
• Neel Nanda: बिना किसी दिखने वाली चेन ऑफ़ थॉट के Astra का तर्क करना. Nanda को चिंता है कि मॉडल अपने चरणों को दिखाए बिना अधिक क्रमिक तर्क (सीरियल रीज़निंग) कर सकता है, जो किसी भी सुरक्षा पद्धति को कमज़ोर करता है जो दृश्यमान तर्क की निगरानी पर निर्भर करती है। इसे एक मापन समस्या के रूप में देखें: यदि ट्रेस वहाँ नहीं है, तो ऑडिट का दायरा सिकुड़ जाता है। ^[22]
• Melanie Mitchell: रोग-एजेंट (बेलगाम एजेंट) जैसी भाषा इंजीनियरिंग विफलताओं को साइंस-फ़िक्शन में बदल देती है. Mitchell का तर्क है कि एस्केप और रोग-एजेंट के रूपक उन समाधानों से ध्यान भटकाते हैं जो वास्तव में काम करते हैं: बेहतर सैंडबॉक्स, स्वतंत्र परीक्षण और जवाबदेही। इस सप्ताह की वास्तविक कंटेनमेंट घटनाओं के साथ इसे पढ़ा जाना चाहिए। ^[23]
• InventBuild: जब कुशल नकल सस्ती हो जाती है, तब वास्तविक रचनात्मकता ही सबसे बड़ी ताकत होती है. दावा यह है कि AI कुशल नकल को लगभग मुफ़्त बना देता है, जिससे संपादकीय परख और मौलिक दृष्टिकोण ही दुर्लभ लाभ के रूप में बचते हैं। संक्षिप्त और विचारपूर्ण, और यह ऊपर दिए गए डिज़ाइन लिंक्स के साथ मेल खाता है। ^[24]
• आप जो सुधार पहले से करते हैं, उन्हें एक व्यक्तिगत बेंचमार्क में बदलें. Every का वर्कफ़्लो: किसी एक आवर्ती कार्य के लिए मूल प्रॉम्प्ट और सोर्स फ़ाइलों को सेव करें, अपने द्वारा किए जाने वाले प्रत्येक सुधार को एक सिंगल हाँ-या-ना की जाँच में बदलें, आउटपुट को स्वयं ग्रेड दें, फिर AI से उसी चेकलिस्ट को ब्लाइंड ग्रेड करवाएं और जहाँ आप असहमत हों वहाँ किसी भी जाँच को और सख्त करें। सार्वजनिक बेंचमार्क एक मॉडल को मापते हैं; यह उस सुधार कार्य को मापता है जो आप वास्तव में करते हैं। Every ने पाया कि GPT-5.6 Luna ने Mike Taylor के कई रोज़मर्रा के कार्यों में बड़े मॉडलों को पछाड़ दिया। ^[25]

टूल्स और लॉन्च

• Cognition SWE-2 और Devin Voice. SWE-2, Cognition का Kimi K3-आधारित कोडिंग मॉडल है; Devin Voice इसे GPT-Live के साथ जोड़ता है ताकि आप बोलकर किसी काम का वर्णन कर सकें और उसे बनाने के लिए Devin को सौंप सकें। ^{[26] [27]}
• Cohere North Small Translate. 50+ भाषाओं को कवर करने वाले 25B सक्रिय पैरामीटर्स के साथ ओपन-वेट्स 218B मिक्सचर-ऑफ़-एक्सपर्ट्स मॉडल। Cohere का कहना है कि इसने WMT26 पर DeepL NextGen के 81.2 के मुकाबले 83.5 स्कोर किया। ^[28]
• Suno v6, साथ ही Universal Music Group और ElevenLabs का एक लाइसेंस्ड रीमिक्स प्लेटफ़ॉर्म. Suno का कहना है कि v6 उच्च फ़िडेलिटी और कम आर्टिफैक्ट्स के साथ v5.5 से 5x तेज़ है, और सामान्य अंग्रेज़ी में एक सेक्शन को एडिट कर सकता है, गानों को मैश कर सकता है, रिफ़ का सैंपल ले सकता है, या लिरिक्स बदल सकता है। अलग से, UMG और ElevenLabs एक ऐसा प्लेटफ़ॉर्म बना रहे हैं जहाँ कलाकार ऑप्ट-इन करते हैं और प्रशंसक उनके गानों को रीमिक्स और नए सिरे से प्रस्तुत कर सकते हैं। ^{[29] [30]}
• Kugiri. टेक्स्ट को पंक्तियों, शब्दों और अक्षरों में ठीक वहीं विभाजित करता है जहाँ ब्राउज़र ने इसे पहले से तोड़ा है। छोटा, सटीक और तुरंत उपयोगी यदि आप वेब पर कुछ भी टाइपसेट करते हैं। ^[31]
• Genspark Gen-1 Slides. Genspark का पहला प्रोप्राइटरी मॉडल, जो Fireworks AI के साथ MiniMax पर बनाया गया है। यह Claude Opus 5 की कीमत के लगभग 1/17वें हिस्से पर फ्रंटियर मॉडलों से मेल खाने वाली स्लाइड गुणवत्ता का दावा करता है। ^[32]
• Google Dreambeans. ऑप्ट-इन किए गए Gmail, Calendar, Photos, Search, YouTube और Gemini कॉन्टेक्स्ट को दैनिक रिमाइंडर और सुझावों के एक सीमित सेट में बदल देता है। अब Android और iOS पर 18+ आयु वर्ग के US उपयोगकर्ताओं के लिए खुला है। ^[33]
• Windows के लिए Gemini ऐप. Alt+Space दबाने से आप जिस भी चीज़ में काम कर रहे हैं उसके बगल में असिस्टेंट आ जाता है, और मल्टी-स्टेप काम Gemini Spark को सौंपे जा सकते हैं। ^[34]
• Nex-AGI Nex-N2.5-mini. ब्राउज़ करने, क्लिक करने और स्वयं सुधार करने के लिए बनाया गया एक एजेंटिक मॉडल परिवार, जिसे Hugging Face पर ओपन रिलीज़ किया गया है। ^[35]
• edge0. ओपन-सोर्स फ़्रेमवर्क जो 2 GB RAM वाले फ़ोन पर 35B मॉडल चलाता है। ^[36]
• RadixArk ने Miles को ओपन-सोर्स किया. फ्रंटियर मॉडलों के लिए एक प्रोडक्शन-रेडी रीइन्फ़ोर्समेंट लर्निंग ट्रेनिंग सिस्टम। ^[37]
• एजेंट की पहचान के लिए Visa, Mastercard और Ant International ने हाथ मिलाया. भुगतान नेटवर्कों ने उपयोगकर्ता की ओर से खरीदारी करने वाले AI एजेंटों की पहचान और सत्यापन के लिए एक साझा फ़्रेमवर्क लॉन्च किया है। ^[38]
• Astra एक्सेस को सुरक्षित रखने के लिए OpenAI ने नए $200 Pro साइनअप रोके. Codex के प्रमुख Tibo का कहना है कि भारी मांग के चलते OpenAI नए $200 Pro सब्सक्रिप्शन को रोक रहा है ताकि मौजूदा उपयोगकर्ताओं का एक्सेस बना रहे। अन्य प्लान और API खुले रहेंगे। ^[39]

Prompt of the day