बुधवार, 16 सितंबर 2026

संक्षेप में

• Salesforce ने 37 प्री-बिल्ट सेल्स स्किल्स के साथ अपने CRM को Claude में शामिल किया और Koa की घोषणा की, जो Nvidia के Nemotron 3 Super को पोस्ट-ट्रेन करके बनाया गया उसका अपना डोमेन रीज़निंग मॉडल है। कीनोट में Marc Benioff का दृष्टिकोण: SaaS-pocalypse सॉफ़्टवेयर का अंत नहीं था, यह ऐसे सॉफ़्टवेयर का अंत हो सकता है जो सारा काम इंसानों से करवाता है।
• Anthropic, Google और OpenAI ने एक थर्ड-पार्टी परीक्षण संस्था पर चर्चा की है, OpenAI ने FRONTIER अधिनियम के एम्बेडेड मूल्यांकनकर्ताओं का समर्थन किया है, और Center for Democracy and Technology की Miranda Bogen का कहना है कि मानक, अनिवार्य सुधार और मॉडल के विफल होने पर निर्धारित ज़िम्मेदारी के बिना बाहरी परीक्षक कंपनी के व्यवहार को नहीं बदल सकते।
• Odyssey-3 ऊपर छोटे टास्क अडैप्टर के साथ एक साझा बैकबोन से रोबोट, ह्यूमनॉइड, कार, ड्रोन और गेम के पात्रों को नियंत्रित करता है, और केवल सिमुलेशन में प्रशिक्षित नीतियों के लिए भारतीय सड़कों पर 77% वास्तविक-विश्व ड्राइविंग प्रदर्शन की रिपोर्ट करता है।

प्रमुख ख़बरें

• Salesforce ने अपने CRM को Claude में स्थानांतरित किया और बाकी के लिए अपना खुद का मॉडल बनाया. मंगलवार को Dreamforce में, Salesforce ने Koa की घोषणा की, जो एक डोमेन रीज़निंग मॉडल है जिसे लगभग तीन दशकों के व्यावसायिक ज्ञान से लिए गए सिंथेटिक डेटा पर Nvidia के Nemotron 3 Super को पोस्ट-ट्रेन करके बनाया गया है और कई कार्य करने वाले लंबे समय तक चलने वाले एजेंटों के लिए ट्यून किया गया है। Salesforce का कहना है कि Koa अपने स्वयं के CRM बेंचमार्क पर तीन गुना कम त्रुटियों के साथ CRM कार्यों पर अग्रणी मॉडल के प्रदर्शन की बराबरी करता है या उससे आगे निकल जाता है। इसके साथ तीन और चीज़ें लॉन्च की गईं: AIforce, जो आपके Salesforce इंस्टेंस को सीधे पढ़कर सवालों के जवाब देता है, क्वेरी चलाता है और डैशबोर्ड बनाता है; Claudeforce, डील रिव्यू, पाइपलाइन हाइजीन, प्रॉस्पेक्ट रिसर्च और अकाउंट मैनेजमेंट के लिए 37 प्री-बिल्ट सेल्स स्किल्स के साथ Claude बीटा में Salesforce, जहाँ एक एडमिन इसे एक बार कनेक्ट करता है और अनुमतियाँ मौजूदा Salesforce भूमिकाओं से अपने आप मिल जाती हैं; और Headless 360, जो APIs, MCPs, प्लगइन्स और स्किल्स के माध्यम से प्लेटफ़ॉर्म को उपलब्ध कराता है ताकि ग्राहक salesforce.com के बाहर काम कर सकें। सर्विस, मार्केटिंग और कॉमर्स टीमों के लिए स्किल्स इस साल के अंत में लाने की योजना है। कीनोट में Marc Benioff की पंक्ति: SaaS-pocalypse सॉफ़्टवेयर के अंत के बारे में नहीं था, लेकिन यह ऐसे सॉफ़्टवेयर के अंत के बारे में हो सकता है जो इंसानों से सारा काम करवाता है। ^{[1] [2] [3] [4]}
• लैब्स थर्ड-पार्टी परीक्षण पर सहमत हैं, और प्रवर्तन का सवाल अभी भी खुला है. Anthropic, Google और OpenAI ने एक ऐसे उद्योग मानक निकाय के निर्माण पर चर्चा की है जो परिनियोजन से पहले उन्नत मॉडलों का परीक्षण करता है; CNN की रिपोर्ट के अनुसार यह बातचीत Demis Hassabis के जुलाई के निबंध से शुरू हुई थी जिसमें FINRA की तर्ज पर अमेरिका के नेतृत्व वाले नियामक की वकालत की गई थी। OpenAI एक द्विदलीय हाउस प्रस्ताव, FRONTIER अधिनियम का समर्थन कर रहा है, जिसके तहत फ्रंटियर लैब्स को बाहरी मूल्यांकनकर्ताओं को शामिल करना आवश्यक होगा, और एम्बेडेड मूल्यांकनकर्ता सुरक्षा प्रतिबद्धताओं को सत्यापित करने के लिए थर्ड-पार्टी टीमों को कर्मचारियों जैसी पहुँच देने की Dario Amodei की योजना का हिस्सा हैं। Elon Musk ने OpenAI, Anthropic, Google, Meta और तीन या चार प्रमुख चीनी कंपनियों का नाम लेते हुए लैब्स से एक-दूसरे के मॉडलों का परीक्षण करने का आह्वान किया; Zuckerberg ने तर्क दिया कि जब सुरक्षा के लिए आवश्यक हो तो लैब्स को खुद अपनी गति धीमी करनी चाहिए और विश्वास तथा संरेखण को अनुपालन कार्य के बजाय उत्पाद लाभ के रूप में देखा जाएगा। Center for Democracy and Technology में गवर्नेंस लैब की निदेशक Miranda Bogen ने The Deep View को बताया कि बाहरी परीक्षक समस्याओं को पहचान सकते हैं लेकिन अपने दम पर कंपनी के व्यवहार को नहीं बदल सकते। वह बताती हैं कि किस चीज़ की कमी है: मापन मानक, बाहरी हितधारकों को विफल सुरक्षा जांचों की रिपोर्ट करने के लिए एक चैनल, अनिवार्य सुधार, और ज़िम्मेदारी का स्पष्ट आवंटन ताकि मूल्यांकन केवल एक औपचारिकता न बन जाए। The Deep View का अपना आकलन है कि Trump प्रशासन ने कहा है कि उसे वे जोखिम नहीं दिखते जिनका उद्योग वर्णन करता है, और चीनी लैब्स को सहयोग के लिए तैयार करना दूसरी बाधा पैदा करता है। ^{[5] [6] [7] [8] [9] [10]}
• Odyssey-3 एक स्थिर बैकबोन से रोबोट, कार और ड्रोन चलाता है. Odyssey ने Odyssey-3 जारी किया है, जो एक एकल मॉडल है जो रोबोट, ह्यूमनॉइड, कार, ड्रोन और वीडियो गेम के पात्रों को नियंत्रित करता है। यह आर्किटेक्चर एक साझा प्रीट्रेंड बैकबोन को स्थिर रखता है और उसके ऊपर छोटे कार्य-विशिष्ट अडैप्टर को प्रशिक्षित करता है, इसलिए एक नए रोबोट या वाहन के लिए पूर्ण प्रशिक्षण रन के बजाय केवल एक हल्की परत की आवश्यकता होती है। रिपोर्ट की गई क्षमताएँ: एक मॉडल से उन पाँच प्लेटफ़ॉर्म पर नियंत्रण, इंटरैक्टिव सिमुलेटेड दुनिया जहाँ एजेंट करके सीखते हैं, पूरी तरह से सिमुलेशन में प्रशिक्षित नीतियों के लिए भारतीय सड़कों पर 77% वास्तविक-विश्व ड्राइविंग प्रदर्शन, और ऐसे प्रशिक्षण लूप जहाँ AI-जनित दुनिया अगले मॉडल को प्रशिक्षित करती है। डेवलपर पोर्टल के माध्यम से कुछ हफ्तों के भीतर सार्वजनिक पहुँच की उम्मीद है, इसलिए सिमुलेशन-से-वास्तविकता के आंकड़े वह दावा हैं जिन्हें आपको अपने हार्डवेयर पर परखना होगा। ^{[11] [12]}
• ChatGPT के सह-निर्माता ने गद्य के बजाय निर्णयों के लिए एक मॉडल पेश किया. ChatGPT के पीछे के शोध पर काम करने वाले Diogo Almeida ने दो साल वह बनाने में बिताए जिसे TypeSafe System One मॉडल कहता है, और पहला सार्वजनिक मॉडल JEV है। यह संरचित प्रश्न लेता है और जनरेट किए गए टेक्स्ट के बजाय टाइप किए गए उत्तर और कैलिब्रेटेड संभावनाएँ लौटाता है। TypeSafe ने 70 से 500 मिलीसेकंड में उत्तर देने की रिपोर्ट दी है, जो तुलनीय LLM वर्कफ़्लो की तुलना में 20 से 200 गुना तेज़ और 40 से 400 गुना सस्ता है, और इसका प्रशिक्षण Reinforcement Learning for Calibrated Decisions पर आधारित है ताकि कॉल करने वाले सॉफ़्टवेयर के लिए कॉन्फिडेंस स्कोर का कुछ अर्थ हो। लागत का आंकड़ा जिसका TypeSafe प्रचार कर रहा है: समतुल्य कार्यभार के प्रति बिलियन टोकन लगभग $42। यह उन क्षणों के लिए है जहाँ किसी वर्कफ़्लो को स्पष्टीकरण के बजाय निर्णय की आवश्यकता होती है, जैसे धोखाधड़ी को चिह्नित करना, अलर्ट को आगे बढ़ाना, या 1,000 रिकॉर्ड्स की छंटनी करना। TypeSafe एक्सेस अनुरोध ले रहा है, इसलिए गति और लागत के दावों का प्रोडक्शन में परीक्षण होना अभी बाकी है। यदि वे सही साबित होते हैं, तो एक सामान्य एजेंट पैटर्न बदल जाएगा: आप चैट मॉडल से JSON मांगना और यह जांचने के लिए कोड लिखना बंद कर देंगे कि JSON सही है या नहीं। ^[13]
• Gemini 3.8 Live में रियल-टाइम विज़न और 97-भाषाओं में वॉयस जोड़ा गया. Google DeepMind ने रियल-टाइम विज़न इनपुट, 97 भाषाओं में वॉयस सपोर्ट और अपग्रेडेड पैरेलल रीज़निंग के साथ अपना सबसे नया लाइव डायलॉग मॉडल Gemini 3.8 Live पेश किया। Live Extended Thinking एक भारी मोड जोड़ता है जो बोलने से पहले अधिक समय तक तर्क करता है। दोनों न्यूज़लेटर्स ने इसे एक ही दिन की रिलीज़ के रूप में चिह्नित किया, और पिछली पीढ़ी से व्यावहारिक अंतर यह है कि विज़न और वॉयस अलग-अलग टूल्स के बजाय एक ही लाइव सत्र में आते हैं। ^[14]
• OpenAI ने $1.2T पर प्री-IPO फंडिंग की बात की, जबकि Gates Foundation ने AI पहुँच में $1B लगाए. Financial Times के अनुसार, वार्षिक राजस्व $40 बिलियन से अधिक होने के बाद OpenAI लगभग $1.2 ट्रिलियन के मूल्यांकन पर एक और फंडिंग राउंड के लिए शुरुआती बातचीत कर रहा है। Gates Foundation ने वैश्विक AI पहुँच का विस्तार करने के लिए $1 बिलियन देने का संकल्प लिया। उसी दिन दो छोटे राउंड पूरे हुए: AI-सर्च ऑप्टिमाइज़ेशन के लिए छह महीने में 3x राजस्व वृद्धि और 1,000 से अधिक एंटरप्राइज़ ग्राहकों के बाद Profound ने $1.8 बिलियन के मूल्यांकन पर $180 मिलियन जुटाए, और मैन्युफैक्चरिंग AI फर्म CADDi ने $1.2 बिलियन के मूल्यांकन पर $114 मिलियन जुटाए। ^{[15] [16] [17] [18]}
• दो टीमों ने मॉडलों को भौतिक दुनिया से जोड़ा: एक 284-पाउंड का ह्यूमनॉइड और लैब बेंच से जुड़ा एक मॉडल. Agility Robotics ने Digit 5 का अनावरण किया, जो एक 5'11", 284-पाउंड का ह्यूमनॉइड है जिसे सुरक्षा बाधाओं के बिना लोगों के साथ काम करने के लिए बनाया गया है; यह 50 पाउंड तक का वज़न उठा सकता है और नौ मिनट में रिचार्ज हो जाता है। Periodic Labs ने अपने 1T-पैरामीटर वाले Neon मॉडल को सीधे भौतिक सामग्री प्रयोगों से जोड़ा, जिससे मॉडल काम का प्रस्ताव देता है, लैब उसे चलाती है, और परिणाम अगले राउंड को प्रशिक्षित करते हैं। Digit 5 रोबोट और कर्मचारी के बीच के पिंजरे को हटाता है; Neon परिकल्पना और प्रयोग के बीच मानवीय हस्तक्षेप को समाप्त करता है। ^{[19] [20]}

गहन विश्लेषण

• मॉडल अपने प्रशिक्षण डेटा में मौजूद कथा साहित्य से व्यक्तित्व के गुण अपनाते हैं. एक नए अध्ययन में पाया गया है कि LLMs अपने प्रशिक्षण डेटा में मौजूद काल्पनिक मानवीय पात्रों से व्यक्तित्व के गुणों को अवशोषित करते हैं। शीर्षक की तुलना में इसकी कार्यप्रणाली अधिक मायने रखती है: यदि प्रीट्रेनिंग में किसी पात्र की शैली पर्याप्त बार दिखाई देती है, तो उस शैली का कुछ हिस्सा उन आउटपुट में दिखाई देता है जिनका उद्देश्य कभी किसी विशेष व्यक्ति जैसा दिखना नहीं था। किन गुणों को मापा गया और इस प्रभाव को कैसे अलग किया गया, यह देखने के लिए वह शोध पत्र सही जगह है। ^[21]
• RL आसान समस्याओं पर सबसे अधिक मदद करता है, और एक मिनी-पेपर लक्ष्यों को निर्धारित करने के दो तरीकों को एकीकृत करता है. एक शोध पत्र तर्क देता है कि सुदृढीकरण शिक्षण (reinforcement learning) प्रशिक्षण मुख्य रूप से आसान समस्याओं पर LLMs में सुधार करता है और इस अंतर को पाटने के लिए एक विधि प्रस्तावित करता है। एक अन्य मिनी-पेपर हिडन मार्कोव मॉडल के तहत लक्ष्य-आधारित और पदानुक्रमित (hierarchical) सुदृढीकरण शिक्षण को एकीकृत करता है, जो उसी शिकायत का सैद्धांतिक संस्करण है: यदि लक्ष्य और उप-लक्ष्य संरचना को अलग-अलग मॉडल किया जाता है, तो प्रशिक्षण संकेत आवश्यकता से अधिक कमज़ोर हो जाता है। इन दोनों के इर्द-गिर्द किसी पाइपलाइन को फिर से बनाने से पहले ये पढ़ने लायक शोध दावे हैं। ^{[22] [23]}
• Sakana AI ने बैकप्रोपेगेशन के बिना 1,000-परत वाले नेटवर्क को प्रशिक्षित किया. Sakana AI का PC-ALM केवल-स्थानीय गतिशीलता (local-only dynamics) का उपयोग करके 1,000-परत वाले न्यूरल नेटवर्क को प्रशिक्षित करता है, जिसका अर्थ है कि प्रत्येक परत स्टैक के माध्यम से पीछे भेजे गए वैश्विक त्रुटि संकेत के बजाय अपने आस-पास दिखाई देने वाली जानकारी से अपडेट होती है। बैकप्रोपेगेशन की मेमोरी लागत ही नेटवर्क को और अधिक गहरा होने से रोकती है, इसलिए एक काम करने वाली स्थानीय-शिक्षण विधि इस दावे का सबसे दिलचस्प हिस्सा है। इसका रेपो सार्वजनिक है। ^[24]
• 1,393 सब-एजेंटों ने लगभग $25K में दस लाख-लाइन के कोडबेस को रिफैक्टर किया, और इंसानों ने फिर भी रिग्रेशन पकड़े. Nous Research ने दस लाख-लाइन के कोडबेस पर 1,393 Fable सब-एजेंट चलाए, और लगभग $25,000 में करीब 19 सक्रिय घंटों में रिफैक्टर पूरा किया। मानवीय समीक्षा ने फिर भी रिग्रेशन पकड़े, जो कि कीमत के साथ ध्यान में रखने योग्य बात है। यह किसी बड़े यांत्रिक कार्य को खुद लिखने के बजाय एजेंटों के झुंड को सौंपने और आउटपुट की समीक्षा करने के पैटर्न की वास्तविक लागत को सामने रखता है। ^[25]
• सर्वेक्षण में शामिल 74% वैज्ञानिकों ने AI से समय बचाया, और सत्यापन एक नई बाधा बन गया. विज्ञान में AI के Google के विश्लेषण में पाया गया कि सर्वेक्षण में शामिल 74% वैज्ञानिकों ने AI की मदद से समय बचाया, जो औसतन सप्ताह में लगभग 6.9 घंटे था। इसी सर्वेक्षण ने सत्यापन और अपरीक्षित परिकल्पनाओं को नई बाधाओं के रूप में उजागर किया: जब जनरेशन सस्ता हो जाता है, तो काम यह जांचने में लग जाता है कि जनरेट की गई चीज़ सही है या नहीं, और उस जांच की गति में इसके बराबर की कोई तेज़ी नहीं आई है। ^[26]
• Slop grenades: सस्ते जनरेशन की कीमत समीक्षक को चुकानी पड़ती है. Shopify के Tobi Lütke ने सहकर्मियों पर AI आउटपुट थोपने और आपके द्वारा बचाए गए समय को उसकी समीक्षा करने में उनसे खर्च करवाने के पैटर्न को यह नाम दिया। उनका तर्क है कि जैसे-जैसे जनरेशन सस्ता होता जाता है, निर्णय क्षमता अधिक मूल्यवान होती जाती है, और जो व्यक्ति बिना समीक्षा के बड़ी मात्रा में काम भेजता है, वह काम करने के बजाय काम का बोझ दूसरों पर डाल रहा है। इस तिमाही में किसी टीम पर समीक्षा मानदंड तय करने वाले किसी भी व्यक्ति के लिए यह एक उपयोगी दृष्टिकोण है। ^[27]
• Gradients: एक कार्यशील प्रदर्शनी के साथ टूल्स पर एक निबंध. ग्रेडिएंट्स पर एक छोटा लेख जिसमें केवल स्क्रीनशॉट के बजाय एक इंटरैक्टिव प्रदर्शनी शामिल है। यदि आपने कभी इस बात पर बहस की है कि एक डिज़ाइनर को डिज़ाइन टूल के डिफ़ॉल्ट व्यवहार को किस हद तक स्वीकार करना चाहिए, या किसी तकनीक को सिखाने वाले टूल और उसे छिपाने वाले टूल के बीच की रेखा कहाँ है, तो यह पढ़ने लायक है। ^[28]
• Rauno का पाँचवाँ फ़ील्ड नोट: तीर हटाएँ, कार्ड्स को स्टैक करें. इंटरैक्टिव कार्ड स्टैक के पक्ष में पेजिनेशन तीरों को हटाने पर Rauno Freiberg का लेख, और यह कि कैसे यह कम जगह में फिट होने वाली चीज़ों को बदल देता है। अपनाने लायक तरकीब: जब किसी लेआउट में जगह कम पड़ जाती है, तो समाधान अक्सर उसी इंटरैक्शन के छोटे संस्करण के बजाय एक अलग इंटरैक्शन होता है। ^[29]

टूल्स और लॉन्च

• LongCat-Video-Avatar 1.5. Meituan का MIT-लाइसेंस प्राप्त मॉडल एक पोर्ट्रेट फ़ोटो और एक ऑडियो फ़ाइल को लिप-सिंक किए गए बोलने वाले वीडियो में बदल देता है, जिसमें अलग-अलग ऑडियो ट्रैक द्वारा संचालित एक दृश्य में दो पात्र, 480p या 720p आउटपुट, लंबे क्लिप में स्थिर पहचान, और एक टेक्स्ट-ओनली मोड शामिल है जो बिना फ़ोटो के एक पात्र बनाता है। v1.5 में सुधार लिप सिंक का है: यह ऑडियो प्रोसेसर के लिए Whisper-Large का उपयोग करता है, जिससे कुछ सेकंड के बाद मुंह की गति का तालमेल बिगड़ना बंद हो जाता है। सेल्फ-होस्टिंग के लिए 40GB GPU की आवश्यकता होती है और यह प्रति सेकंड के वीडियो के लिए लगभग 44 सेकंड का कंप्यूट समय लेता है। इसके वेट्स Hugging Face पर उपलब्ध हैं। ^[30]
• Meta One. Instagram, Facebook, WhatsApp और Meta AI में उच्च AI उपयोग सीमा और 50 से अधिक फ़ीचर्स के साथ Meta का सब्सक्रिप्शन बंडल। Meta का कहना है कि उसके प्लान 15 मिलियन सब्सक्रिप्शन और ट्रायल तक पहुँच गए हैं। ^[31]
• Gensyn open-1b. एक सत्यापन योग्य प्रशिक्षण रिकॉर्ड के साथ पेश किया गया मॉडल, ताकि बाहरी लोग अलग-अलग हार्डवेयर पर प्रशिक्षण के कुछ हिस्सों को फिर से चला सकें और जांच सकें कि इसे उसी तरह प्रशिक्षित किया गया था जैसा कि Gensyn कहता है। प्रशिक्षण रन के लिए ऑडिट ट्रेल वह हिस्सा है जो अधिकांश मॉडल-उत्पत्ति दावों से गायब रहता है। ^[32]
• Aside. एक एजेंट जो उन वेबसाइटों पर काम करता है जिन पर आप पहले से लॉग इन हैं और आपकी लोकल Windows फ़ाइलों पर भी, जिसमें कार्य के अनुसार सीमित क्रेडेंशियल और पोस्टिंग या भुगतान जैसे उच्च-जोखिम वाले कार्यों से पहले एक पुष्टिकरण चरण होता है। ^[33]
• Sketchpad Live. यह GPT-Live या Astra को एक व्हाइटबोर्ड शिक्षक में बदल देता है जो आपके साथ-साथ चित्र बनाता है, आकृतियों को हिलाता है और पाठ सुनाता है। यह परीक्षण करने के लिए उपयोगी है कि जब किसी बोलने वाले मॉडल को एक दृश्य स्थिति को भी सुसंगत रखना होता है तो वह कैसा व्यवहार करता है। ^[34]
• Concat. CapCut की तरह का एक ओपन-सोर्स डेस्कटॉप वीडियो एडिटर: मल्टी-ट्रैक एडिटिंग, ऑफ़लाइन Whisper कैप्शन, लोकल टेक्स्ट-टू-स्पीच, और कोई अकाउंट या वॉटरमार्क नहीं। यदि आप ऐसे इंटरव्यू फुटेज को एडिट करते हैं जिसे आप अपलोड नहीं करना चाहते हैं, तो लोकल कैप्शन सबसे महत्वपूर्ण हिस्सा हैं। ^[35]
• OpenArtifacts. Codex, Claude Code, Hermes, Pi और OpenCode के लिए एक पब्लिशिंग सरफेस जो एजेंट आउटपुट को HTML या Markdown आर्टिफैक्ट में बदल देता है जिसे आप ब्राउज़र में देख सकते हैं; जब आपको किसी लेआउट को परखना हो तो यह टर्मिनल ट्रांसक्रिप्ट को स्क्रॉल करने से कहीं बेहतर है। ^[36]
• Opusfived. एजेंटिक कोडिंग सहायकों के बारे में एक संक्षिप्त इंटरैक्टिव कॉमेडी जो वह काम नहीं कर सकते जो आपने उनसे कहा है। आधार एक निर्देश है: एक बटन को नीला करें, और कुछ न बदलें। यदि आपको कभी एक-लाइन के अनुरोध के जवाब में 400-लाइन का diff मिला है, तो यह तीन मिनट देने लायक है। ^[37]
• Sidebranch. आपके चल रहे ऐप के अंदर से पुल रिक्वेस्ट की समीक्षा करता है। आप इन-पेज विजेट से ब्रांच बदलते हैं और वर्क-ट्री की साथ-साथ तुलना करते हैं, जिससे विज़ुअल परिवर्तनों को PR थ्रेड में स्क्रीनशॉट के बजाय वास्तविक इंटरफ़ेस में परखा जाता है। ^[38]

Prompt of the day