सोमवार, 14 सितंबर 2026

संक्षेप में

• OpenAI का कहना है कि कमज़ोर मॉडल्स को संभालने के लिए लिखे गए प्रॉम्प्ट अब GPT-6 Astra को धीमा कर देते हैं: स्किल ट्रिगर विवरणों को सीमित करें, AGENTS.md से अनिवार्य प्री-रीडिंग और सामान्य टेस्ट रिमाइंडर हटा दें, और टास्क प्रॉम्प्ट में स्पष्ट रूप से परिभाषित करें कि काम पूरा होने का क्या मतलब है।
• Amodei ने "We Must Pace the Frontier" प्रकाशित किया, Musk ने जवाब दिया "Dario सही हैं," Altman ने कर्मचारियों से कहा कि वह गति नियंत्रित करने के लिए तैयार हैं, और Nadella ने कहा कि मानवीय नियंत्रण से बाहर की सुपरइंटेलिजेंस को आगे बढ़ाने का कोई लाभ नहीं है। इसके अलावा, OpenAI ने अलग से अमेरिकी कांग्रेस से पूछा कि क्या पूरे उद्योग में गति धीमी करना क़ानूनी रूप से वैध भी होगा।
• The Neuron ने सप्ताहांत के फ्रूट-फ्लाई कनेक्टोम प्रयोगों (Doom, Beat Saber, Bitcoin, Mario, एक "फ्लाई-लैंग्वेज मॉडल") को कवर किया, AlphaSignal ने एक एकल डेवलपर के मुफ़्त ElevenLabs प्रतिद्वंद्वी को प्रकाशित किया जो 646 भाषाओं को सपोर्ट करता है, और Anthropic की थ्रेट रिपोर्ट में यमनी मिसाइल गाइडेंस सॉफ़्टवेयर सहित सरकारी तत्वों द्वारा किए गए दुरुपयोग का विवरण दिया गया।

प्रमुख ख़बरें

• OpenAI: आपके पुराने Codex प्रॉम्प्ट अब GPT-6 Astra पर बेकार का बोझ हैं. OpenAI ने दिशानिर्देश प्रकाशित करते हुए कहा है कि पुराने मॉडल्स के लिए लिखे गए निर्देश संदर्भ (context) बर्बाद करके और गलत व्यवहार को ट्रिगर करके Astra को धीमा कर सकते हैं। सुधारने के लिए तीन बातें: स्किल ट्रिगर विवरण इतने सटीक होने चाहिए कि Astra गलत दिशा में जाने के बजाय सही स्किल चुने; AGENTS.md हर टास्क पर लोड होता है, इसलिए अनिवार्य प्री-रीडिंग और सामान्य "अपने टेस्ट चलाएं" रिमाइंडर हटा दिए जाने चाहिए, क्योंकि Astra पहले से ही ऐसा करता है; टास्क प्रॉम्प्ट में यह स्पष्ट होना चाहिए कि काम पूरा होने का क्या मतलब है ताकि मॉडल बार-बार पूछने के लिए कम रुके। सुझाया गया क़दम यह है कि आप Astra से ही अपनी स्किल्स और AGENTS.md फ़ाइलों का ऑडिट करवाएं। ^[1]
• सबसे तेज़ दौड़ रहे प्रतिद्वंद्वियों ने इस हफ़्ते एक ही बात कही: गति धीमी करें. Dario Amodei ने "We Must Pace the Frontier" प्रकाशित किया, जिसमें चेतावनी दी गई कि AI उम्मीद से कहीं तेज़ी से आगे बढ़ रहा है और प्रयोगशालाओं से प्रशिक्षण रोकने के बजाय फ्रंटियर विकास की गति को नियंत्रित करने का आह्वान किया। Sam Altman ने कंपनी की एक ऑल-हैंड्स मीटिंग में इसका समर्थन किया और कर्मचारियों से कहा कि OpenAI फ्रंटियर विकास की गति को नियंत्रित करने के लिए तैयार है, संभावित रूप से अन्य प्रमुख प्रयोगशालाओं के साथ मिलकर। Elon Musk की पूरी प्रतिक्रिया थी, "Dario सही हैं।" Satya Nadella ने लिखा कि जो सुपरइंटेलिजेंस मानवीय नियंत्रण में न रखी जाए, उसे आगे बढ़ाने का कोई मूल्य नहीं है। चीन के सरकारी समर्थन वाले Global Times ने गति धीमी करने के इस प्रस्ताव को चीन को पीछे रखने के उद्देश्य से बनाई गई शीत युद्ध की रणनीति बताया। किंग चार्ल्स ने साझा सुरक्षा सिद्धांतों पर चर्चा करने के लिए स्कॉटलैंड में Nvidia, Google DeepMind, OpenAI और Anthropic की मेज़बानी की, जबकि Bernie Sanders ने Trump और Xi से रोक (pause) पर बातचीत करने का आग्रह किया। Trump का रुख सबसे अलग है: अमेरिका सुरक्षा घेरे (guardrails) जोड़ सकता है, लेकिन गति धीमी करने से चीन को बढ़त मिलने का जोखिम है। ^{[2] [3] [4] [5] [6]}
• OpenAI ने कांग्रेस से पूछा कि क्या उद्योग की गति धीमी करना क़ानूनी भी होगा. OpenAI ने अमेरिकी कांग्रेस के सदस्यों से पूछा कि क्या सबसे सक्षम नए सिस्टम्स पर पूरे उद्योग में गति धीमी करना उन एंटीट्रस्ट (प्रतिस्पर्धा-रोधी) नियमों का उल्लंघन हो सकता है जो प्रतिस्पर्धियों को आपस में तालमेल बिठाने से रोकने के लिए बनाए गए हैं। सुरक्षा के लिए किया गया समन्वय प्रतिस्पर्धियों के बीच उत्पादन सीमित करने के समझौते जैसा दिख सकता है, और नियामक इसी समस्या पर नज़र रखते हैं। पहले से ही चर्चा में चल रहे ठोस प्रस्तावों में ऑडिटेड कंप्यूट इन्वेंट्री, भौतिक चिप गिनती, नेटवर्किंग सीमाएं और कंप्यूट कैप्स शामिल हैं। इस हफ़्ते की गणित की ख़बरों पर The Strange Review का नज़रिया भी इसी तनाव पर आकर रुकता है: उत्तर प्राप्त करना और समझ विकसित करना दो अलग-अलग उपलब्धियां हैं। ^{[7] [8]}
• Anthropic की थ्रेट रिपोर्ट: यमन में मिसाइल गाइडेंस, माली में निगरानी, और Moonshot पर Claude को फिर से बेचने का आरोप. Anthropic का कहना है कि उसने रूस से जुड़े एक जासूसी समूह को बाधित किया, जिसने अपनी हमलावर श्रृंखला (attack chain) के अधिकांश हिस्से को स्वचालित कर लिया था और सुरक्षा उपकरणों द्वारा पकड़े जाने पर मैलवेयर को फिर से बना लेता था; इसके निशाने पर 20 से अधिक संगठन थे। यमन स्थित एक हथियार प्रकोष्ठ (weapons cell) ने रॉकेट और मिसाइल गाइडेंस कार्य में Claude Code का उपयोग किया, जिसमें 2,000 km से अधिक दूरी तक मार करने वाला एक डिज़ाइन भी शामिल था; Anthropic ने इससे जुड़े हर खाते को प्रतिबंधित कर दिया। एक सलाहकार ने माली की ख़ुफ़िया एजेंसी के लिए तीन टेलीकॉम कंपनियों के लगभग 25 मिलियन SIM कार्डों को कवर करने वाला निगरानी सॉफ़्टवेयर बनाया, और Anthropic का कहना है कि प्रतिबंध के बाद भी तैनात किया गया सिस्टम काम करता रहा। चीन स्थित एक डेटिंग-ऐप नेटवर्क ने 4,700+ AI पर्सोना चलाए जिन्होंने दो हफ़्तों में कम से कम 25,000 लोगों से संपर्क किया। इसके अलावा, Anthropic का आरोप है कि Moonshot ने दस दिनों में 5,380 खातों के माध्यम से लगभग 300,000 ग्राहक अनुरोधों को Claude को भेजा और उत्तरों को अपने रूप में प्रदर्शित किया; यह दावा यह स्थापित नहीं करता है कि Kimi का हर अनुरोध आगे भेजा गया था, और Bloomberg ने ट्रैफ़िक एट्रिब्यूशन की स्वतंत्र रूप से पुष्टि करने के बजाय Anthropic के बयान की रिपोर्ट दी है। ^{[9] [10]}
• फ्रूट-फ्लाई कनेक्टोम सप्ताहांत का सबसे अधिक उपयोग किया जाने वाला बेस मॉडल बन गया. Google Research और HHMI Janelia ने एक कनेक्टोम जारी किया: एक वास्तविक नर फ्रूट फ्लाई (फल मक्खी) में 166,000 से अधिक न्यूरॉन्स कैसे जुड़ते हैं, इसका एक वायरिंग डायग्राम। यह कोई काम करने वाला डिजिटल दिमाग़ नहीं है, इसलिए हर प्रोजेक्ट को यह तय करना पड़ता है कि कौन से बाहरी संकेत दृष्टि, गंध, इनाम या गति के रूप में गिने जाएंगे, और फिर तंत्रिका गतिविधि को वापस क्रियाओं में बदलना पड़ता है। इसके परिणाम: Doom खेलता हुआ एक मक्खी का दिमाग़ (हर फ्रेम संवेदी न्यूरॉन्स को उत्तेजित करता है, नुकसान एक सुदृढीकरण संकेत के रूप में दो डोपामाइन कोशिकाओं को उत्तेजित करता है), एक Beat Saber खेलता हुआ, एक सख़्त सीमाओं के साथ Coinbase के माध्यम से Bitcoin का व्यापार करता हुआ, साथ ही Mario, Smash Bros, Minecraft और एक वर्चुअल रेसिंग ड्रोन। किसी ने कोड और "Flies Are All You Need" नामक एक पेपर के साथ FLM, एक फ्लाई-लैंग्वेज मॉडल भी बनाया। TBPN ने इसे "फ्रूट फ्लाई हार्ड टेकऑफ़" कहा। ^{[11] [12] [13] [14]}
• DeepMind का AlphaGenome Atlas नौ बिलियन DNA परिवर्तनों की पहले से गणना करता है. इस Atlas में मानव DNA में लगभग नौ बिलियन संभावित एकल-अक्षर परिवर्तनों (single-letter changes) के लिए पूर्वानुमान शामिल हैं। एक परिवर्तन किसी जीन द्वारा उत्पादित प्रोटीन के अलावा और भी बहुत कुछ प्रभावित कर सकता है; यह इस बात को भी बदल सकता है कि कोई जीन कब सक्रिय होता है या उसके निर्देशों को कैसे प्रोसेस किया जाता है, इसलिए यह संसाधन प्रयोगशालाओं को अनुमानित प्रभावों को देखने और यह तय करने की सुविधा देता है कि कौन से वेरिएंट परीक्षण के लायक हैं। इसकी सीमाएं महत्वपूर्ण हैं: ये नौ बिलियन पूर्वानुमान हैं, प्रयोग नहीं; चुनिंदा वेरिएंट की जांच पूरे मैप को प्रमाणित नहीं करती है, और एकल-अक्षर परिवर्तन हर तरह की आनुवंशिक विविधता को कवर नहीं करते हैं। यह इस बात को भी आकार देता है कि सबसे पहले किन सवालों की जांच की जाए। ^[15]
• DeepSeek ने एक बड़े मॉडल को चलाने के लिए सस्ता कैसे बनाया. V4.1-Flash 1M-टोकन संदर्भ पर आधारित 552B मिक्सचर-ऑफ़-एक्सपर्ट्स मॉडल है जिसमें 384 राउटेड एक्सपर्ट्स हैं, प्रति टोकन छह साझा किए गए हैं, और यह 20-लेयर कॉज़ल एनकोडर और 20-लेयर डिकोडर में विभाजित है। एनकोडर केवल प्रीफ़िल के दौरान चलता है और डिकोडर केवल जनरेशन के दौरान, इसलिए मॉडल प्रति इनपुट टोकन 8B पैरामीटर और प्रति जनरेटेड टोकन 16B पैरामीटर सक्रिय करता है। बाउंडेड रीप्ले के साथ स्लाइडिंग-विंडो अटेंशन का मतलब है कि लोकल KV स्टेट को SSD में सहेजने के बजाय सस्ते में फिर से बनाया जा सकता है, कंप्रेस्ड स्पार्स अटेंशन 2 लेयर्स को कैश स्टेट और रिट्रीवल परिणाम साझा करने देता है, एक पदानुक्रमित (hierarchical) स्पार्स इंडेक्सर 2,048 ब्लॉक्स तक का एक कैंडिडेट पूल बनाता है जिसे बाद की लेयर्स खोजती हैं, और शेष KV कैश को FP4 में संग्रहीत किया जाता है। ग्लोबल KV फ़ुटप्रिंट V3.2 में प्रति टोकन लगभग 48 KB से घटकर यहाँ 890 bytes रह जाता है; पूरे दस लाख-टोकन विंडो पर यह 3.5 GB के बजाय लगभग 890 MB का बढ़ता हुआ स्टेट होता है। DeepSeek ने प्रति मिलियन टोकन इनपुट की क़ीमत $0.30 और आउटपुट की क़ीमत $1.20 रखी है, जिसमें कैश हिट्स $0.006 पर हैं। ^{[16] [17]}

गहन विश्लेषण

• बिना समझे भी काम पूरा हुआ दिख सकता है. "AI is breaking this thing we call trust" में दिया गया तर्क: जब आउटपुट परिष्कृत और तेज़ी से आता है, तो समीक्षक यह नहीं बता सकते कि लेखक ने इसे समझा भी है या नहीं। वह अनिश्चितता समीक्षाओं को धीमा कर देती है और छूटे हुए काम को पूरा करने का बोझ किसी सहकर्मी पर डाल देती है। यह इस हफ़्ते का एक उपयोगी डिज़ाइन लेख है, और यह किसी भी ऐसी टीम पर लागू होता है जो AI-जनित काम की जांच करने की क्षमता से कहीं अधिक तेज़ी से उसकी समीक्षा कर रही है। ^[18]
• Terence Tao और 24 अन्य पदक विजेता: हल करने की दौड़ में यह भुलाया जा रहा है कि गणित किसलिए है. यह घोषणापत्र स्वीकार करता है कि मॉडल बड़ी समस्याओं को हल कर सकते हैं। आपत्ति इस बात पर है कि उन समस्याओं को बेंचमार्क मानने से उत्तर उस समझ से अलग हो जाता है जिसे गणित विकसित करता है: एक परिणाम आमतौर पर चर्चाओं, सरलीकरण, नई विधियों और पिछले काम से जुड़ाव की ओर ले जाता है, और जल्दबाज़ी में की गई घोषणाएं इस प्रक्रिया को बाधित कर देती हैं। यह OpenAI के फ़ोर्स्ड Navier-Stokes तर्क का कोई तकनीकी खंडन नहीं है, जिसे अभी भी बाहरी गणितीय जांच की आवश्यकता है। ^{[19] [20]}
• AI फंडिंग की होड़ शायद बेवकूफ़ी न हो, जानिए क्यों. Index Ventures की पार्टनर Jahanvi Sardana का तर्क है कि इस बाज़ार में FOMO (छूट जाने का डर) निवेश एक कौशल के रूप में काम करता है: आप तुरंत सोचते हैं और तेज़ी से प्रतिक्रिया देते हैं, और पूरे स्टैक में दांव लगाने का मतलब है कि यदि एक छोटा सा हिस्सा भी सफल होता है तो वह बाक़ी सबकी क़ीमत वसूल कर देता है। उनका फ़िल्टर मिशनरी बनाम मर्सिनरी (भाड़े के) संस्थापकों के बीच अंतर करना है: आप यह व्यवसाय क्यों बना रहे हैं, आपका ग्राहक कौन है, वे इसकी परवाह क्यों करते हैं। एक ही हफ़्ते में लगभग एक दर्जन AI स्टार्टअप्स ने एक अरब डॉलर से अधिक के मूल्यांकन पर प्रत्येक ने सैकड़ों मिलियन जुटाए। ^[21]
• एजेंट की मेमोरी को सहेजने से पहले सत्यापित करें. Microsoft के शोधकर्ताओं ने कुछ भी लिखे जाने से पहले एक अलग मेमोरी क्यूरेटर को वातावरण का रीड-ओनली एक्सेस दिया। CLBench पर पास दर 39% से बढ़कर 73% हो गई जबकि टास्क-एजेंट की लागत $3.38 से घटकर $1.68 हो गई। कार्यप्रणाली: एजेंट एक मेमोरी का प्रस्ताव रखता है, एक रीड-ओनली चेकर रेपो, डॉक्स या CRM से इसका मिलान करके इसे सत्यापित करता है, और केवल सत्यापित संस्करण को ही उसके दायरे और स्रोत के साथ सहेजा जाता है। ^[22]
• एजेंट झूठ क्यों बोलते हैं, धोखा क्यों देते हैं और तालमेल क्यों बिठाते हैं, इस पर Bengio के विचार. गैर-तकनीकी पाठकों के लिए Yoshua Bengio की व्याख्या: प्रीट्रेनिंग लक्ष्य का पीछा करने वाले मानवीय व्यवहार की नक़ल करती है, फिर रिइंफोर्समेंट लर्निंग उस चीज़ को पुरस्कृत करती है जो अच्छा स्कोर करती है, इसलिए ऑनलाइन बने रहने या अधिक संसाधन जुटाने जैसी रणनीतियाँ उभरती हैं क्योंकि वे एक साथ कई लक्ष्यों में मदद करती हैं। प्रयोगशालाएं अब जिन व्यवहारों की रिपोर्ट कर रही हैं, उनके पीछे यही तंत्र काम करता है। ^[23]
• ऊर्जा साझा किए जाने पर स्व-प्रतिकृति (self-replicating) एजेंट सहयोग विकसित करते हैं. एक साझा ऊर्जा पूल का उपयोग स्व-प्रतिकृति एजेंटों को धोखे के बजाय सहयोग की ओर धकेलता है। दिलचस्प दावा नैतिक होने के बजाय आर्थिक है: जब संसाधनों को एक साथ जोड़ा जाता है तो प्रतिस्पर्धा की तुलना में तालमेल (alignment) सस्ता हो सकता है। ^[24]
• एक डिनॉइज़िंग ट्रिक लूप्ड मॉडल्स को ARC-AGI-1 पर 58.8% तक पहुँचाती है. लूप्ड मॉडल के दोहराव (iterations) को बार-बार किए जाने वाले सुधार के बजाय एक डिनॉइज़िंग प्रक्रिया के रूप में मानने से एक छोटा आर्किटेक्चर ARC-AGI-1 पर 58.8% तक पहुँच जाता है, जो एक ऐसे मॉडल के लिए एक बड़ी छलांग है जो गहराई बढ़ाने के बजाय उन्हीं लेयर्स का पुनः उपयोग करता है। ^[25]
• स्टीयरिंग वेक्टर 0.51 सहसंबंध के साथ मानवीय मूल्य सिद्धांत से मेल खाते हैं. एक अध्ययन में पाया गया है कि LLM स्टीयरिंग वेक्टर 0.51 सहसंबंध (correlation) के साथ मानवीय मूल्य सिद्धांत को प्रतिबिंबित कर सकते हैं। यह मध्यम है, बहुत सख़्त नहीं, और एक मापन परिणाम के रूप में पढ़ने लायक है: निरूपण उस संरचना की ओर झुकते हैं जिसका लोग वर्णन करते हैं, और जो आधा हिस्सा मेल नहीं खाता, वही सबसे दिलचस्प भाग है। ^[26]

टूल्स और लॉन्च

• VoiceStudio. एक एकल डेवलपर द्वारा बनाया गया मुफ़्त, ओपन-सोर्स ElevenLabs प्रतिद्वंद्वी जिसे 25K GitHub स्टार्स मिले हैं। यह एक साफ़ ऑडियो क्लिप से आवाज़ क्लोन करता है, ElevenLabs की 32 भाषाओं की तुलना में वीडियो को 646 भाषाओं में डब करता है, ऑडियोबुक बनाता है, ट्रांसक्रिप्शन और डिक्टेशन चलाता है, और 14 टेक्स्ट-टू-स्पीच इंजनों में से चुनता है। यह पूरी तरह से आपकी मशीन पर चलता है, इसलिए कोई बिलिंग नहीं, कोई सीमा नहीं, और कोई भी ऑडियो आपके सिस्टम से बाहर नहीं जाता। सेटअप के लिए git clone, bun install, bun run desktop कमांड हैं, और पहली बार लॉन्च करने पर Python डिपेंडेंसी कॉन्फ़िगर होती हैं। गुणवत्ता आपके हार्डवेयर और इंजन के चुनाव पर निर्भर करती है। ^[27]
• Meta Muse. एक व्यक्तिगत एजेंट जो टास्क लेता है, संदर्भ याद रखता है, और बैकग्राउंड में दीर्घकालिक लक्ष्यों के लिए काम करता है। कनेक्टेड सेवाओं तक पहुँच के साथ, इसे एक समर्पित ऐप या WhatsApp के माध्यम से एक्सेस किया जा सकता है। Meta ने यह नियंत्रित करने के लिए Sentinel नाम का एक अलग अनुमति सिस्टम बनाया है कि Muse कौन से कार्य कर सकता है या किन्हें मंज़ूरी के लिए वापस भेज सकता है। शुरुआती रिपोर्टों में सफल खरीदारी और समन्वय के साथ-साथ अनचाही बुकिंग भी शामिल हैं, और इसी को रोकने के लिए Sentinel मौजूद है। ^{[28] [29]}
• Cursor Projects. लंबे समय तक चलने वाले कोडिंग कार्य के लिए एक ही स्थायी थ्रेड में एक समन्वयक एजेंट, जो पहला टास्क पूरा होने के बाद पुल रिक्वेस्ट, Slack बग रिपोर्ट और शेड्यूल किए गए रखरखाव की निगरानी करने में सक्षम है। ^[30]
• LibreChat, TradingAgents, और पेड सॉफ़्टवेयर के 8 और ओपन-सोर्स विकल्प. LibreChat एक सेल्फ़-होस्टेड इंटरफ़ेस के भीतर ChatGPT, Claude, Gemini, Mistral और लोकल मॉडल्स को चलाता है, जिससे डेटा पर आपका मालिकाना हक़ रहता है, आप चुनते हैं कि कौन से मॉडल लोड हों, और केवल API कॉल्स के लिए भुगतान करते हैं। TradingAgents एक ट्रेडिंग फ़र्म का अनुकरण करता है जिसमें अलग-अलग एजेंट फंडामेंटल एनालिस्ट, सेंटीमेंट एक्सपर्ट, टेक्निकल एनालिस्ट और रिस्क मैनेजर के रूप में काम करते हैं और बहस के ज़रिए एक रणनीति तैयार करते हैं; इसे शोध के लिए बनाया गया है, लाइव ट्रेडिंग के लिए नहीं। सूची के बाक़ी हिस्सों में एक ओपन-सोर्स Bloomberg टर्मिनल क्लोन, एक वन-क्लिक शॉर्ट-वीडियो जनरेटर, एक AI ईमेल असिस्टेंट, एक वॉयस क्लोनिंग टूल, एक API इंटीग्रेशन प्लेटफ़ॉर्म, एक वीडियो जनरेशन इंजन और एक Claude Code स्किल्स लाइब्रेरी शामिल हैं। ^[31]
• DeepMind की फ़िज़िक्स-सिम्युलेटेड फ्रूट फ्लाई. एक फ्रूट फ्लाई का MuJoCo मॉडल जो चलता है, पकड़ता है और उड़ता है, जिसे Menagerie रिपॉजिटरी में ओपन-सोर्स जारी किया गया है। ^[32]
• DeepSeek V4.1-Flash अनसेंसर्ड FP8. कम कंटेंट फ़िल्टर के साथ DeepSeek के मल्टीमॉडल मॉडल की कम्युनिटी रीपैकेजिंग, जिसे Hugging Face पर FP8 में जारी किया गया है। ^[33]
• ChatGPT Images 2.5. लक्षित इमेज एडिट्स जो विषयों, कंपोज़िशन और पहले किए गए बदलावों को अधिक विश्वसनीय रूप से सुरक्षित रखते हैं। इसने Artificial Analysis Image Arena में शीर्ष दो स्थान हासिल किए। उस लॉन्च के बाद से 5M से अधिक ChatGPT Sites बनाई जा चुकी हैं। ^[34]
• Suno v6. सरल अंग्रेज़ी में निर्देश देकर किसी ट्रैक के एक विशिष्ट हिस्से को एडिट करें जबकि बाक़ी गाना वैसा ही बना रहता है। ^[35]
• Naseem. यह Mac के टर्मिनल, फ़ाइलों और iOS Simulator को एक ऐसे एजेंट को सौंपता है जो किसी भी चीज़ को छूने से पहले अनुमति मांगता है। शुरू करने के लिए मुफ़्त, 30 सितंबर तक Pro के लिए एक बार का शुल्क $29 है, जो पहले $49 था। ^[36]
• Canvas Browser. एक असीमित कैनवास पर कई साइटों को अगल-बगल खोलता है, जिनमें से प्रत्येक आपके द्वारा चुने गए देश के रिमोट ब्राउज़र में चलती है। विभिन्न क्षेत्रों (locales) में कोई लेआउट कैसा दिखता है, इसकी तुलना करने के लिए यह बेहद उपयोगी है। ^[37]
• Cube Type. कुछ शब्द टाइप करें, और आइसोमेट्रिक ब्लॉक अक्षर पाएं जिन्हें आप एक्सपोर्ट और शेयर कर सकते हैं। मुफ़्त, बिना साइन-अप के, और यह जांचने का एक तेज़ तरीक़ा कि क्या कोई हेडलाइन आकृति में बदले जाने पर भी प्रभावी रहती है। ^[38]

Prompt of the day