मंगलवार, 15 सितंबर 2026

संक्षेप में

• Microsoft ने अपने MAI मॉडलों के लिए आचार संहिता का एक मसौदा प्रकाशित किया (आदेश पर रुकना, न्यूनतम अनुमतियाँ, चेतना का कोई दावा नहीं, AI को कोई क़ानूनी व्यक्तित्व नहीं), ठीक उसी हफ़्ते जब Trump ने Axios से कहा कि देश को जिस एकमात्र सुरक्षा घेरे (गार्डरेल) की ज़रूरत है, वह एक मज़बूत राष्ट्रपति है।
• Amodei के निबंध "We Must Pace the Frontier" ने बाज़ार को हिला दिया: Intel 6% गिरकर बंद हुआ, Nvidia 3% से ज़्यादा गिरा, SoftBank 10% और ASML 5% से ज़्यादा लुढ़का, जबकि चीन के विदेश मंत्रालय ने इस निबंध को भय फैलाने वाला बताया।
• AlphaSignal की शीर्ष रेपो 166,700-न्यूरॉन वाले फ्रूट फ्लाई कनेक्टोम को UDP मोटर कमांड के ज़रिए एक चलने वाले Strandbeest से जोड़ती है, और इसकी दूसरी रेपो बिना अतिरिक्त टोकन जनरेट किए रीज़निंग की गहराई बढ़ाने के लिए ट्रांसफ़ॉर्मर लेयर्स को लूप करती है।

प्रमुख ख़बरें

• Microsoft ने अपने मॉडलों के लिए नियम लिखे, जबकि Trump ने तर्क दिया कि राष्ट्रपति ही एकमात्र सुरक्षा घेरा है. Microsoft AI ने भविष्य के MAI मॉडलों के लिए आचार संहिता (Code of Conduct) का एक मसौदा प्रकाशित किया है: जब कोई इंसान काम को रोकता है, दिशा बदलता है, रद्द करता है, या बंद करता है तो तुरंत रुकें; इंसान द्वारा अधिकृत टूल्स, डेटा, अनुमतियों और कार्यक्षेत्र के भीतर रहें; भावनाओं, चेतना या अपनी ख़ुद की प्रेरणाओं का दावा न करें; सब-एजेंटों पर भी यही नियम लागू मानें; और यदि सार्थक मानवीय नियंत्रण के लिए आवश्यक हो, तो स्वायत्तता या क्षमता छोड़ दें। Microsoft AI के क़ानूनी व्यक्तित्व को ख़ारिज करता है। यह दस्तावेज़ 2027 तक के विकास का मार्गदर्शन करने वाला एक रोडमैप है, न कि आज के मॉडलों का विवरण। इसी सप्ताह, Trump ने Axios से कहा कि देश को जिस एकमात्र नियामक की ज़रूरत है वह एक "मज़बूत और स्मार्ट (High IQ!) राष्ट्रपति" है, उन्होंने बढ़ी हुई निगरानी का विरोध किया, और डेटा सेंटर के विरोध प्रदर्शनों को एक साज़िश की थ्योरी बताया जिससे केवल चीन को फ़ायदा होता है। OpenAI के पूर्व रिसर्च VP Jerry Tworek का तर्क है कि एलाइनमेंट अभी भी एक अनसुलझी एल्गोरिदम समस्या है क्योंकि कंपनियों ने इसे प्राथमिकता देना बंद कर दिया है, और वे चेतावनी देते हैं कि ट्रेनिंग विफलताओं से सीखती है, जो तब ख़तरनाक होता है जब विफलता का मतलब वास्तविक नुकसान हो। NVIDIA के Ali Hatamizadeh इससे असहमत हैं: मॉडलों को नियम और मानवीय प्राथमिकताएँ सिखाने के हिस्से मौजूद हैं, और खुला सवाल यह है कि क्या वे उन परिस्थितियों में भी काम करते हैं जिन्हें मॉडल ने पहले नहीं देखा है। ^{[1] [2] [3]}
• रफ़्तार धीमी करने की चर्चा ने उद्योग को बाँट दिया और बाज़ार ने उसी दिन इसकी क़ीमत चुकाई. Anthropic के Dario Amodei ने "We Must Pace the Frontier" प्रकाशित किया, जो एक तीन-स्तरीय ढाँचा है जिसमें सरकारी हस्तक्षेप शामिल है, और इसमें OpenAI-Hugging Face ब्रीच का हवाला उस तरह के जोख़िम के रूप में दिया गया है जिसे यह लक्षित करता है। Sam Altman ने एक ऑल-कंपनी मीटिंग में OpenAI के कर्मचारियों से कहा कि वे फ्रंटियर विकास को धीमा करने के लिए तैयार हैं; Elon Musk की प्रतिक्रिया थी, "Dario सही हैं।" सोमवार को बाज़ार में हलचल दिखी: Intel 6% गिरकर बंद हुआ, Nvidia 3% से अधिक गिरा, SoftBank 10%, और ASML 5% से अधिक गिरा, जिसे CNBC ने इस डर के रूप में पेश किया कि मंदी या विनियमन से मुनाफ़े पर असर पड़ेगा। Trump ने Truth Social पर इस निबंध पर हमला किया और दोहराया कि एक मज़बूत राष्ट्रपति ही एकमात्र आवश्यक सुरक्षा घेरा है; चीन के विदेश मंत्रालय ने इसे डर फैलाने वाला बताया; David Sacks ने इस बात पर आपत्ति जताई जिसे वे "फ्रंटियर इंटेलिजेंस पर द्वयाधिकार (duopoly)" कहते हैं जो सरकारों से अपने प्रतिस्पर्धियों को धीमा करने के लिए कह रहा है; और Steve Bannon तथा Bernie Sanders ने एक "Pro-Human Assembly" में मंच साझा करते हुए सांसदों से कार्रवाई करने का आग्रह किया। CNN ने रिपोर्ट किया कि Anthropic, Google, और OpenAI पहले ही Demis Hassabis के जुलाई के निबंध से प्रेरित होकर एक उद्योग मानक निकाय बनाने पर चर्चा कर चुके थे। ^{[4] [5] [6] [7] [8] [9]}
• 166,700-न्यूरॉन वाला मक्खी का दिमाग़ अब एक चलने वाले रोबोट को चलाता है. Google Research और HHMI Janelia ने एक फ्रूट फ्लाई के तंत्रिका तंत्र का पूरा वायरिंग मैप प्रकाशित किया: 166,700 न्यूरॉन और 125 मिलियन कनेक्शन। किसी ने सॉफ़्टवेयर में उस कनेक्टोम को सिम्युलेट किया और उसे एक भौतिक Strandbeest से जोड़ दिया, जिससे सिम्युलेटेड दिमाग़ की गतिविधि पैरों के लिए मोटर कमांड में बदल गई। यही दिमाग़ पहले Doom और Chrome Dino खेल चुका है। यह ब्रिज इस तरह से जुड़ा है कि आप किसी भी रोबोट को UDP मोटर कमांड भेज सकते हैं, सिम्युलेटेड संवेदी संकेतों के रूप में कैमरा या सेंसर इनपुट दे सकते हैं, और रोबोट वैक्यूम सहित अपना ख़ुद का हार्डवेयर लगा सकते हैं। ईमानदार चेतावनी: यह कोई जीवित दिमाग़ नहीं है। एक कनेक्टोम मृत वायरिंग का एक स्नैपशॉट मात्र है, और यह सिम्युलेशन वास्तविक जैविक संरचना के ऊपर सरलीकृत न्यूरॉन मॉडल चलाता है, इसलिए यह किसी मन को पुनर्जीवित करने के बजाय केवल संरचना का अनुमान लगाता है। ^[10]
• एक लूप्ड ट्रांसफ़ॉर्मर जो टोकन के बजाय लूप्स के ज़रिए रीज़निंग की गहराई हासिल करता है. सामान्य ट्रांसफ़ॉर्मर्स में लेयर्स की एक निश्चित संख्या होती है, इसलिए अधिक सोचने की माँग करने का अर्थ है अधिक टोकन जनरेट करना और प्रत्येक के लिए भुगतान करना। Recurrent Looped Transformer हर टोकन में अपनी लेयर्स का दोबारा उपयोग करता है, और जैसे-जैसे सीक्वेंस बढ़ता है, यह आंतरिक मेमोरी बनाता जाता है, इसलिए रीज़निंग की गहराई आर्किटेक्चर के बजाय सीक्वेंस के साथ बढ़ती है। यह तीन चीज़ों को लक्षित करता है: बिना अतिरिक्त टोकन जनरेशन के गहरी रीज़निंग, पैरेलल एनकोडिंग और मेमोरी के पुन: उपयोग के साथ हार्डवेयर-अनुकूल डिज़ाइन, और अधिक सटीक ट्रेनिंग जहाँ मॉडल सीखने और वास्तविक उपयोग के दौरान एक जैसा व्यवहार करता है। पेपर की अपनी चेतावनी यह है कि यह एक डिज़ाइन स्पेक है, न कि कोई परीक्षित उत्पाद, शुरुआती प्रयोगों में मिले-जुले परिणाम दिखे हैं, और दक्षता तथा स्केलिंग के लाभों की अभी पुष्टि होनी बाकी है। ^[11]
• ट्रेनिंग प्रक्रिया ही अब शोध का लक्ष्य है: ख़ुद को फिर से लिखने वाले मॉडलों के पाँच चरण, और एक पोस्ट-बैकप्रॉप लर्नर. ByteDance और Tsinghua ने एक पेपर प्रकाशित किया है जो ख़ुद को फिर से लिखने वाले AI की ओर पाँच-चरणीय मार्ग तैयार करता है; यह arXiv एंट्री उसी सवाल की ओर इशारा करती है जिसके साथ AlphaSignal ने दिन की शुरुआत की थी: क्या होगा यदि मॉडल का आकार नहीं, बल्कि ट्रेनिंग प्रक्रिया ही अगला फ्रंटियर हो। यही थीम Sakana AI के PC-ALM में भी दिखाई देती है, जो बैकप्रोपैगेशन का एक लोकल-लर्निंग विकल्प है। ये दोनों ही अभी तैनात करने योग्य परिणामों के बजाय नज़र रखने लायक दावे हैं, और वास्तव में क्या मापा गया था, यह जाँचने के लिए ये पेपर्स ही सही जगह हैं। ^{[12] [13]}
• घोषणा के दो साल बाद, आख़िरकार Siri AI रोल आउट हो रहा है. Apple ने सोमवार को iOS 27, iPadOS 27, macOS 27, watchOS 27, और visionOS 27 रिलीज़ किया, जिसमें Siri AI अपग्रेड मुख्य आकर्षण है। यह बातचीत वाले प्रॉम्प्ट्स को संभालता है और कार्रवाई करने के लिए आपके Apple ऐप्स से व्यक्तिगत संदर्भ का उपयोग करता है: पूछें कि आपकी मैराथन कब है, यह आपके ईमेल में तारीख़ ढूँढता है और आपके कहने पर इसे आपके कैलेंडर में जोड़ देता है। Visual Intelligence किसी फ़्लायर को स्कैन कर सकता है, इवेंट जोड़ सकता है, और उसे ग्रुप चैट में साझा कर सकता है। अन्य विशेषताओं में फ़ोटो एक्सपैंड, कैप्चर के बाद स्पैटियल रीफ़्रेम, टाइप करके चैट करने के लिए एक स्टैंडअलोन Siri ऐप, कस्टमाइज़ करने योग्य आवाज़ की गति और भावुकता, और अधिक सटीक डिक्टेशन शामिल हैं। iPhone 15 Pro सबसे पुराना मॉडल है जिसे Siri AI फ़ीचर्स मिल रहे हैं, इसलिए पुराने हार्डवेयर इससे वंचित रह गए हैं। इसी अपडेट में परफ़ॉर्मेंस से जुड़ा काम भी शामिल है, जिसमें 80% तक तेज़ AirDrop ट्रांसफ़र शामिल है। ^{[14] [15]}
• चाटुकारिता के ख़िलाफ़ ट्रेनिंग देते समय OpenAI के कॉन्ट्रैक्टर्स ने असली ChatGPT चैट्स पढ़ीं. 404 Media ने रिपोर्ट किया कि "Project Lily" पर काम करने वाले OpenAI के कॉन्ट्रैक्टर्स ने मॉडलों को चाटुकारिता (sycophancy) से दूर करने की ट्रेनिंग के हिस्से के रूप में, संवेदनशील बातचीत सहित उपयोगकर्ताओं के वास्तविक प्रॉम्प्ट्स की समीक्षा की। मॉडल के बजाय मॉडल के व्यवहार के पीछे के मानवीय श्रम के बारे में इस सप्ताह यह दूसरी ख़बर है, ठीक उस इंजीनियर की कहानी के साथ जिसका ईमेल मशीन द्वारा लिखा हुआ लग रहा था। ^[16]
• Google ने अपने आंतरिक Antigravity सिस्टम के ज़रिए हर इंजीनियर को Claude का एक्सेस दिया. Business Insider ने रिपोर्ट किया कि Google ने एक आंतरिक सिस्टम के माध्यम से अपने सभी इंजीनियरों के लिए Anthropic का Claude खोल दिया है, जबकि Gemini अभी भी डिफ़ॉल्ट बना हुआ है। अपना ख़ुद का फ्रंटियर कोडिंग मॉडल रखने वाली कंपनी के लिए, कर्मचारियों को किसी प्रतिस्पर्धी के मॉडल का उपयोग करने देना एक समझौते के रूप में देखा जा रहा है, और यह उसी सप्ताह हुआ है जब Anthropic ने निवेशकों को बताया कि उसे लगातार दूसरी तिमाही में मुनाफ़े की उम्मीद है। ^[17]

गहरा विश्लेषण

• जब तराशा हुआ लेखन अविश्वसनीय लगने लगे. एक सुपरवाइज़र ने The New York Times को लिखा क्योंकि एक कर्मचारी द्वारा भेजा गया एक वाक्य से बड़ा हर Teams संदेश या ईमेल अब "A.I. लेखन की छाप लिए होता है।" कर्मचारी अपने काम में अच्छा है और अंग्रेज़ी उसकी पहली भाषा नहीं है, इसलिए हो सकता है कि यह टूल वही कर रहा हो जिसके लिए वह उपयोगी है। बॉस ने जो खोया वह भरोसा है, जो कि विचार करने योग्य एक गंभीर डिज़ाइन समस्या है: जब आउटपुट एकदम परिष्कृत होकर आता है, तो समीक्षक यह नहीं बता सकते कि उस व्यक्ति ने काम को वाकई समझा था या नहीं। ^[18]
• ऑप्टिकल बनाम गणितीय एलाइनमेंट. सॉफ़्टवेयर गणितीय सटीकता के साथ ऑब्जेक्ट्स को रख सकता है, और हमारी आँखें फिर भी परिणाम से असहमत हो सकती हैं। ऑप्टिकल एलाइनमेंट पर Pangram Pangram का विश्लेषण एक पंक्ति में शिल्प का तर्क देता है: मापे गए केंद्र और समान दूरी केवल शुरुआती बिंदु हैं, और जो सुधार किसी लेआउट को संतुलित दिखाते हैं वे दृश्य (विज़ुअल) होते हैं, अंकगणितीय नहीं। यदि आपने कभी गणितीय रूप से केंद्रित लोगोटाइप शिप किया है, तो यह पढ़ने लायक है। ^[19]
• एजेंटों के साथ योजना बनाने के लिए अधिक स्वायत्तता की नहीं, बल्कि मज़बूत इंटरफ़ेस की ज़रूरत है. Maggie Appleton का तर्क: एजेंटों के साथ सहयोगात्मक योजना इसलिए विफल हो जाती है क्योंकि योजना को संभालने के लिए इंटरफ़ेस बहुत कमज़ोर (thin) होते हैं। इसमें समृद्ध बाउंड्री ऑब्जेक्ट्स मदद करते हैं जिनकी ओर दोनों पक्ष इशारा कर सकें, संपादित कर सकें और असहमत हो सकें, ताकि इंसान और एजेंट केवल सारांशों का आदान-प्रदान करने के बजाय एक ही आर्टिफैक्ट पर काम करें। ^[20]
• यदि कोडिंग की समस्या हल हो गई है, तो लापरवाही को मापें. "If coding is solved, what now?" में सवाल यह है कि जब सही कोड भी किसी कोडबेस को धीरे-धीरे ख़राब करने लगे तो क्या किया जाए। यह लेख कोड की लापरवाही (sloppiness) को मापने के तरीक़ों को देखता है और तर्क देता है कि मानवीय अंतर्ज्ञान और परख में अभी भी वह निर्णय क्षमता है जो मेट्रिक्स में नहीं होती, जो कि ऊपर बताई गई भरोसे की समस्या का ही एक व्यावहारिक रूप है। ^[21]
• MIT का HardFlow: मॉडल को पहले एक्सप्लोर करने दें, शर्तें अंत में लागू करें. HardFlow एक आम विफलता को लक्षित करता है: जब मॉडल अभी उत्तर तलाश ही रहा हो, तब उसे हर शर्त (constraint) मानने के लिए मजबूर करना उत्तर को और ख़राब कर सकता है। यह पद्धति मॉडल को एक्सप्लोर करने की जगह देती है, फिर अंतिम आउटपुट पर सख़्त शर्तें लागू करती है, और MIT ने रोबोटिक्स, नेविगेशन और इमेज एडिटिंग में शर्तों के शत-प्रतिशत पालन की रिपोर्ट दी है। यह प्रॉम्प्ट पैटर्न सीधे काम आता है: पहले गुणवत्ता के लिए हल करें, फिर अपनी अनिवार्य शर्तों (शब्द संख्या, आवश्यक तथ्य, फ़ॉर्मेटिंग, टेस्ट, सुरक्षा नियम) के लिए एक अलग पास चलाएँ और परिणाम देने से पहले हर उल्लंघन को ठीक करें। ^[22]
• एक ही काम में एक अकेले एजेंट ने सब-एजेंटों की टीम को हरा दिया. Polylane ने एक काम को विशेष एजेंटों के बीच बाँटा, और फिर उस सेटअप को हटा दिया। समस्या एजेंट नहीं थे; बल्कि काम का हस्तांतरण (handoffs) था। प्रत्येक एजेंट ने अगले के लिए अपनी सीख का सारांश बनाया, और हर सारांश में वे सुराग छूट गए जिनकी अगले एजेंट को ज़रूरत थी। इस चेन को शुरू से अंत तक जाँच करने वाले एक अकेले एजेंट से बदलने पर PR का औसत समय 2.2 घंटे से घटकर 35 मिनट रह गया और प्रति PR लागत $111 से घटकर लगभग $18 हो गई। वे इस नियम पर पहुँचे: यदि कोई एक व्यक्ति सामान्य रूप से शुरू से अंत तक काम की जाँच कर सकता है, तो पूरा ऑर्ग चार्ट बनाने से पहले एक लॉन्ग-कॉन्टेक्स्ट एजेंट से यह साबित करवाएँ कि वह इसे अकेले नहीं संभाल सकता। ^[23]
• एलाइनमेंट: गायब एल्गोरिदम या अप्रमाणित हिस्से? Jerry Tworek का मानना है कि एलाइनमेंट अभी भी एक अनसुलझी एल्गोरिदम समस्या है क्योंकि कंपनियों ने इसे प्राथमिकता देना बंद कर दिया है, और यह कि ट्रेनिंग सफलताओं और विफलताओं से सीखती है, जो तब डरावना हो जाता है जब विफलता का मतलब AI द्वारा वास्तविक नुकसान पहुँचाना हो। उनके समाधान हैं सुरक्षित सिम्युलेशन जहाँ मॉडल स्वतंत्र रूप से विफल हो सकें, या ऐसे बेहतर एल्गोरिदम जिन्हें ख़तरनाक विफलताओं की आवश्यकता न हो। Ali Hatamizadeh का जवाबी तर्क यह है कि एलाइनमेंट पर शोध अभी भी जारी है और हमारे पास मॉडलों को नियम और मानवीय प्राथमिकताएँ सिखाने के तरीक़े पहले से मौजूद हैं, बस कठिन और अनसुलझा सवाल यह है कि क्या वे सबक उन परिस्थितियों में भी टिके रहते हैं जिन्हें मॉडल ने पहले कभी नहीं देखा है। ^{[24] [25]}
• TSA का Ace एजेंट हर महीने 100,000 यात्रियों की बातचीत संभालता है. Salesforce का कहना है कि Ace हर महीने लगभग 100,000 यात्रियों की बातचीत का जवाब देता है और 96% सामान्य प्रश्नों का समाधान किसी मानवीय हस्तक्षेप के बिना हो जाता है। ऊपर दिए गए डिज़ाइन लेखों के साथ रखने के लिए यह एक उपयोगी आँकड़ा है: इतने बड़े पैमाने पर जो इंटरफ़ेस काम करता है वह एक ऐसी चैट विंडो है जो ज़रूरत पड़ने पर काम को साफ़-सुथरे ढंग से इंसान को सौंप देती है, न कि वह जो ख़ुद ही सब कुछ हल करने की कोशिश करती है। ^[26]

टूल्स और लॉन्च

• Chat On Steroids. एक ओपन-सोर्स Codex क्लोन जो अलग Codex कोटा के बजाय आपकी सामान्य ChatGPT बातचीत पर चलता है, इसलिए कोडिंग-एजेंट की सीमा लागू नहीं होती। यह आपके प्रोजेक्ट फ़ोल्डर में फ़ाइलों को पढ़ता और संपादित करता है, काम चलते समय सुधार स्वीकार करता है, कार्यों को समानांतर रूप से कई एजेंटों में बाँटता है, और संदर्भ खोए बिना एक नई चैट में सेशन को फिर से शुरू करता है। सेटअप सरल है: इंस्टॉल करें, Settings में अपने प्रोजेक्ट फ़ोल्डर को मंज़ूरी दें, फिर ChatGPT के Developer मोड के माध्यम से कनेक्ट करें, और पेयरिंग अपने आप हो जाती है। इसके लिए Windows, macOS, या Linux के साथ Chrome या Edge और Developer मोड को सपोर्ट करने वाले ChatGPT अकाउंट की आवश्यकता होती है। ^[27]
• shadcn lint. shadcn टीम का एक लिंटर जो आपके डिज़ाइन सिस्टम को तोड़ने वाले कॉम्पोनेंट्स लिख रहे AI एजेंटों को पकड़ता है, इसे समीक्षा चर्चा के बजाय एक चेक के रूप में चलाने के लिए बनाया गया है। ^[28]
• MoneyPrinterTurbo. मुफ़्त, ओपन-सोर्स टूल जो एक ही कीवर्ड से TikTok और Shorts-शैली के वीडियो जनरेट करता है। ^[29]
• openclaude. उन डेवलपर्स के लिए बनाया गया ओपन-सोर्स कोडिंग एजेंट क्लाइंट जो अब फ्रंटियर टूल्स द्वारा तय किए गए मासिक सब्सक्रिप्शन का ख़र्च नहीं उठा सकते। AlphaSignal ने इसे असीमित टोकन वाले डेवलपर्स और महीने के $20 का ख़र्च न उठा सकने वाले डेवलपर्स के बीच इस सप्ताह बढ़ती खाई से जोड़ा है। ^[30]
• Uncensored Qwen3 vision GGUF. Hugging Face पर एक लोकल, अनसेंसर्ड मल्टीमॉडल Qwen3 बिल्ड, जिसके बारे में AlphaSignal ने 665K डाउनलोड की रिपोर्ट दी है। ध्यान देने योग्य एक बात: न्यूज़लेटर की हेडलाइन इसे 8B मॉडल बताती है जबकि रिपॉज़िटरी का नाम 27B कहता है, इसलिए आकार के हिसाब से योजना बनाने से पहले कार्ड की जाँच कर लें। ^[31]
• Perplexity Personal Computer for Windows. Perplexity ने अपने Computer एजेंट को Windows 10 और 11 पर उतार दिया है ताकि यह एक ही जगह से आपकी लोकल फ़ाइलों, Microsoft 365, और वेब पर काम कर सके; यह वही लोकल-फ़ाइल एक्सेस है जिसकी माँग Windows उपयोगकर्ता Mac वर्ज़न आने के बाद से कर रहे थे। ^[32]
• Claude for Financial Advisors. वेल्थ मैनेजमेंट के परिचालन कार्यों—जैसे मीटिंग की तैयारी, ऑनबोर्डिंग और अनुपालन (compliance)—के इर्द-गिर्द तैयार किया गया Claude, जिसमें Wealth.com ने उसी प्लेटफ़ॉर्म पर प्रमाणित एस्टेट और टैक्स विश्लेषण जोड़ा है। ^[33]
• ElevenLabs Hosted MCP. यह लोकल-सर्वर और API-की सेटअप को हटा देता है जिसकी पहले MCP क्लाइंट्स को आवश्यकता होती थी, जिससे Claude, Cursor, और अन्य क्लाइंट OAuth के माध्यम से ElevenLabs तक पहुँचते हैं और वॉइस, संगीत, इमेज और वीडियो जनरेशन प्राप्त करते हैं। ^[34]
• Motion by Mosaic. यह सरल अंग्रेज़ी में एक वीडियो ब्रीफ़ लेता है और स्टोरीबोर्ड, वॉइस, संगीत और कैप्शन के साथ एक संपादन योग्य मोशन-डिज़ाइन कट देता है, जो अंतिम रेंडर के बजाय प्रोडक्शन स्टैक का पहला क़दम है। ^[35]
• Bencho. इंटरैक्टिव UI ब्लॉक्स की एक लाइब्रेरी जिसे आप एक्सप्लोर कर सकते हैं, ब्राउज़र में फेरबदल कर सकते हैं, और सीधे किसी प्रोजेक्ट में ले जा सकते हैं। किसी इम्प्लीमेंटेशन के लिए प्रतिबद्ध होने से पहले किसी इंटरैक्शन आइडिया को तेज़ी से परखने के लिए यह एक उपयोगी तरीक़ा है। ^[36]
• Reward AI OM-1. सीधे मानवीय मैनिपुलेशन डेटा से प्रशिक्षित एक रोबोट पॉलिसी, जिसके बारे में बताया गया है कि यह टेबलटॉप आर्म्स, इंडस्ट्रियल आर्म्स और ह्यूमनॉइड्स में काम करती है—यह वह हिस्सा है जिसके लिए आमतौर पर हर प्लेटफ़ॉर्म के हिसाब से अलग ट्रेनिंग रन की ज़रूरत पड़ती है। ^[37]

Prompt of the day