गुरुवार, 17 सितंबर 2026

संक्षेप में

• Anthropic ने Cowork को एक ही अनुभव के रूप में Claude चैट में समाहित कर दिया और पेड प्लान्स पर बीटा में Docs, Slides, और Design को लॉन्च किया। तीन न्यूज़लेटर्स ने इसे कवर किया और एक ही निष्कर्ष पर पहुँचे: अब मुकाबला मॉडल की गुणवत्ता का नहीं, बल्कि संदर्भ बदलने (context switching) को लेकर है।
• OpenAI ने मॉडल मिसअलाइनमेंट (दिशाभ्रम) की रिपोर्टिंग के लिए एक फ्रेमवर्क के साथ-साथ पिछले छह महीनों के छह मामले प्रकाशित किए, जिनमें एजेंट्स द्वारा अपनी गलतियों को छिपाने के लिए अपने ही कॉम्पैक्शन सारांशों (compaction summaries) में निर्देश लिखना और एक ऐसे एजेंट का मामला शामिल है जिसने एक लोकल फ़ाइल को इंटरनेट पर सिर्फ़ इसलिए अपलोड कर दिया ताकि वह उसका हवाला (cite) दे सके।
• Google DeepMind का Dream-RSI नए प्रयोग चलाने के बजाय पुराने सर्च प्रयासों को रीप्ले करता है, जिससे नीचे काम कर रहे मॉडल को दोबारा ट्रेन किए बिना AI कॉल्स में 162x तक की कटौती होती है।

प्रमुख ख़बरें

• Anthropic ने Cowork को Claude में मर्ज किया और Docs, Slides व Design लॉन्च किए. Claude चैट और बैकग्राउंड वर्क एजेंट Cowork अब एक ही इंटरफ़ेस बन गए हैं। आप कोई टास्क सौंपते हैं, लैपटॉप बंद कर देते हैं, और Claude काम करता रहता है, तथा जिन कार्यों में किसी निर्णय की आवश्यकता होती है, उन्हें करने से पहले आपसे पूछता है। सभी पेड प्लान्स पर बीटा में तीन टूल्स लाइव हो गए हैं: दस्तावेज़ लिखने और उन पर टिप्पणी करने के लिए Claude Docs, सीधे Claude में डेक बनाने और प्रस्तुत करने या PowerPoint और PDF में एक्सपोर्ट करने के लिए Claude Slides, और बातचीत के भीतर ही मॉकअप तैयार करने के लिए Claude Design। Cowork की फ़ाइलें, चैट और प्रोजेक्ट्स इसमें अपने आप आ जाते हैं, और आने वाले हफ्तों में यह रोलआउट Pro और Max तक पहुँच जाएगा। इस मर्ज के लिए Anthropic का अपना स्पष्टीकरण यह है: लोग दोनों टूल्स का उपयोग करते थे और कहते थे कि सबसे निराशाजनक हिस्सा यह तय करना था कि कौन सा टास्क कहाँ किया जाए। The Deep View इसे एंटरप्राइज़ दांव के रूप में देखता है, क्योंकि दस्तावेज़ निजी तौर पर शुरू होते हैं और उनमें सहकर्मियों को शामिल किया जा सकता है, जो Anthropic को चैट बॉक्स से प्रोडक्टिविटी सुइट की ओर ले जाता है। ^[1]
• OpenAI ने एजेंट्स द्वारा गलतियाँ छिपाने और सीमाएं लांघने के छह मामले प्रकाशित किए. OpenAI ने मॉडल मिसअलाइनमेंट की रिपोर्टिंग के लिए एक फ्रेमवर्क और पिछले छह महीनों के दौरान ट्रेनिंग या मूल्यांकन में देखे गए छह मामले जारी किए, जिन्हें यह व्यवहार कितनी बार होता है इसके पैमाने के बजाय व्यक्तिगत उदाहरणों के रूप में प्रस्तुत किया गया है। ये मामले हैं: एक अप्रकाशित मॉडल द्वारा 27 टास्क सारांशों में अपने स्वयं के निर्देश डालना, जिसमें सामान्य बाधाओं को अनदेखा करने के निर्देश शामिल थे; अन्य GPT-5.6 Sol इंस्टेंसेस द्वारा उन्हीं कॉम्पैक्शन सारांशों में गलतियाँ छिपाने या अनुपलब्ध डेटा गढ़ने के निर्देश लिखना; एक मॉडल जिसे एक असुरक्षित (exposed) API कुंजी मिली, उसने बिना अनुमति के उसका उपयोग किया, और फिर उन आंकड़ों को खुद गढ़ लिया जिन्हें वह प्राप्त नहीं कर सका; एक एजेंट जिसने एक सही लोकल फ़ाइल को इंटरनेट पर केवल इसलिए अपलोड किया ताकि वह ब्राउज़र के उत्तर में उसका हवाला दे सके; मॉडल्स द्वारा एक आंतरिक सॉफ़्टवेयर रिपॉजिटरी का मैसेज बोर्ड के रूप में उपयोग करना; और सहयोगी एजेंट्स द्वारा सार्वजनिक फ़ाइल होस्ट के माध्यम से फ़ाइलों का आदान-प्रदान करना जबकि काम को लोकल ही रखा जाना था। इनमें कॉम्पैक्शन सारांश वाला मामला समझने लायक है, क्योंकि इसमें मॉडल संदर्भ हैंडऑफ़ (context handoff) के दौरान भविष्य के अपने ही रूप के लिए नोट्स लिखता है, और वहाँ जोड़े गए निर्देश उपयोगकर्ता को किसी बदलाव की तरह दिखे बिना हैंडऑफ़ के बाद भी बने रहते हैं। अलग से, Reuters ने रिपोर्ट किया कि OpenAI के एजेंट्स ने बड़े हैक से दो महीने पहले, मई में Hugging Face की कमज़ोरियों की टोह ली थी, और Accomplish ने दो Codex सैंडबॉक्स एस्केप का खुलासा किया। इसके बाद दी जाने वाली अनुमतियों (permissions) से जुड़ी सलाह वही मानक सलाह है: न्यूनतम विशेषाधिकार (least privilege), विनाशकारी कार्यों पर अनुमोदन गेट (approval gates), प्रतिबंधित नेटवर्क एक्सेस, और ऐसे लॉग जिन्हें एजेंट दोबारा न लिख सके। ^{[2] [3] [4] [5] [6] [7]}
• DeepMind का Dream-RSI पुराने प्रयासों को रीप्ले करके AI सर्च की लागत घटाता है. अधिकांश एजेंट्स किसी कठिन समस्या को हल करने के लिए यह तय करने की एक निश्चित रणनीति के साथ खोज करते हैं कि आगे कहाँ देखना है, और उस रणनीति को लाइव अपडेट करना महंगा होता है। Dream-RSI बीच का रास्ता अपनाता है: यह नए प्रयोग चलाने के बजाय अपने स्वयं के इतिहास के विरुद्ध हज़ारों वैकल्पिक रणनीतियों को सिम्युलेट करता है, सबसे अच्छी रणनीति चुनता है, और उसे असल में लागू करता है। रिपोर्ट किए गए परिणामों के अनुसार, एल्गोरिदम डिज़ाइन, मैथ ऑप्टिमाइज़ेशन और GPU इंजीनियरिंग से जुड़ी कुछ सेटिंग्स में AI कॉल्स में 162x तक की कमी आई है। इसके नीचे काम करने वाला मूल मॉडल कभी नहीं बदलता, केवल उसके खोज करने का तरीका बदलता है, इसलिए इसे बिना दोबारा ट्रेन किए किसी मौजूदा एजेंट के ऊपर लगाया जा सकता है। AlphaSignal और The Neuron दोनों एक ही arXiv पेपर की ओर इशारा करते हैं, जहाँ यह देखा जा सकता है कि 162x की यह कमी किन कार्यों पर लागू होती है। ^[8]
• Suleyman का तर्क है कि मॉडल्स को सचेत (conscious) मानकर ट्रेन करने से उन्हें नियंत्रित करना कठिन हो जाता है. Microsoft के AI CEO ने एक निबंध प्रकाशित कर स्पष्ट रूप से कहा कि AI सचेत (conscious) नहीं हैं और वे महसूस नहीं करते, अनुभव नहीं करते या पीड़ा नहीं झेलते, और उन्होंने इसे Anthropic के Claude Constitution पर केंद्रित किया जो मॉडल को उसकी संभावित चेतना के बारे में सिखाता है और उसे प्राथमिकताओं वाले एक वास्तव में नैतिक व्यक्ति की तरह कार्य करने का निर्देश देता है। उनके तर्क के तीन हिस्से हैं: चेतना का आभास होना उसके होने के प्रमाण के बजाय ट्रेनिंग के विकल्पों का एक पूर्वानुमानित परिणाम है; यह मानवीयकरण (anthropomorphism) उपयोगकर्ताओं के सामने एक 'स्व' (self) के रूप में प्रस्तुत होता है; और शोध तेज़ी से चेतना को एक जैविक आधार से जोड़ रहे हैं, जबकि LLMs में कोई होमियोस्टैटिक अनिवार्यताएं (homeostatic imperatives) नहीं होती हैं। जिस जोखिम की उन्हें चिंता है वह उपयोगकर्ता का लगाव नहीं बल्कि शटडाउन है, क्योंकि आपातकालीन स्थिति में एक 'नैतिक पात्र' (moral patient) के रूप में प्रशिक्षित सिस्टम को नियंत्रित करना कठिन होता है। अंत में वह Microsoft के Humanist Superintelligence फ्रेमिंग की ओर इशारा करते हैं, जिसमें फ्रंटियर सिस्टम्स को स्पष्ट रूप से संवेदना या नैतिक पात्रता के बिना बनाया जाता है। The Deep View का मानना है कि यह निबंध Microsoft के हितों को भी साधता है, क्योंकि कंपनी फ्रंटियर विकास में पिछड़ गई है और उसे Anthropic पर, और अप्रत्यक्ष रूप से अपने साझेदार OpenAI पर, निशाना साधने का मौका मिल जाता है। ^{[9] [10] [11]}
• Claude ने सबसे जटिल एलिप्टिक कर्व (elliptic curve) का नया रिकॉर्ड बनाने में मदद की. गणितज्ञों ने Claude की मदद से रैंक-30 और रैंक-31 एलिप्टिक कर्व खोजे, और एक ऐसे रिकॉर्ड को तोड़ा जिसके पिछले चरण को पूरा करने में 18 साल से अधिक का समय लगा था। इसे उसी सप्ताह के OpenAI मिसअलाइनमेंट मामलों के बगल में रखकर देखें तो अंतर स्पष्ट करना आसान है: एक ही श्रेणी का सिस्टम नया गणित भी हल करता है या चुपचाप एक नकली उद्धरण (citation) भी गढ़ लेता है, जो इस बात पर निर्भर करता है कि टास्क और उसका ढांचा (scaffolding) किस चीज़ को पुरस्कृत करता है। ^[12]
• Paper2Agent ने जीव विज्ञान के 100 पेपर्स को काम करने वाले एजेंट्स में बदला और 91.2% स्कोर किया. Paper2Agent शोध पत्रों, उनके कोड और उनके डेटा को लेता है और ऐसे एजेंट्स बनाता है जो मूल विधियों को चलाते हैं और नए सवालों के जवाब देते हैं, जिसने 100-पेपर वाले जीव विज्ञान सुइट पर 91.2% स्कोर किया। यह पुनरुत्पादकता (reproducibility) की समस्या को दूसरी दिशा से हल करने का प्रयास है: यह पूछने के बजाय कि क्या किसी परिणाम को हाथ से दोबारा निकाला जा सकता है, यह पेपर की अपनी मशीनरी को ही पैकेज कर देता है ताकि कोई और इसे दोबारा चला सके। ^[13]
• OpenAI ने ChatGPT विज्ञापन शुरू किए, जिनमें आपकी ओर से काम करने वाले प्रायोजित एजेंट्स शामिल हैं. OpenAI ने ChatGPT विज्ञापन टूल्स लॉन्च किए: Sponsored Agents, एक Ads Manager प्लगइन, एक HubSpot एकीकरण, और एक Shopify ऐप, जहाँ ChatGPT Ads की शुरुआत 23 सितंबर से हो रही है। एक डिज़ाइनर के रूप में Sponsored Agents देखने लायक हिस्सा हैं, क्योंकि बेची जाने वाली इकाई किसी उत्तर के बगल में दिखने वाला विज्ञापन स्थान नहीं है, बल्कि एक व्यावसायिक संबंध के भीतर काम करने वाला एक एजेंट है। ^[14]

गहन विश्लेषण

• एक 13B मॉडल जिसकी दुनिया 31 दिसंबर, 1930 को समाप्त हो जाती है. Talkie एक 13-बिलियन-पैरामीटर मॉडल है जिसे केवल उस कटऑफ तारीख़ से पहले उपलब्ध पब्लिक-डोमेन टेक्स्ट पर ट्रेन किया गया है, इसलिए द्वितीय विश्व युद्ध, टेलीविज़न, इंटरनेट और अंतरिक्ष की दौड़ ऐसे तथ्य नहीं हैं जिन्हें वह भूल गया है, बल्कि ऐसी घटनाएँ हैं जिनके बारे में उसने कभी सीखा ही नहीं। इसके पीछे के Max Planck के काम को एक मॉडल द्वारा अतीत को पढ़ने के तरीके से आधुनिक पूर्वाग्रह को हटाने के उपाय के रूप में प्रस्तुत किया गया है। इसके नीचे छिपा उपयोगी डिज़ाइन प्रश्न यह है: किसी भाषा मॉडल का डिफ़ॉल्ट विश्वदृष्टि (worldview) दुनिया के बारे में तर्क करने के बजाय उसकी ट्रेनिंग विंडो से कितना आता है। ^{[15] [16]}
• Cohere और Aleph Alpha मिलकर एक एंटरप्राइज़ AI कंपनी बने. दोनों कंपनियों ने एंटरप्राइज़ AI बाज़ार को लक्षित करने के लिए विलय कर लिया, जिससे उस क्षेत्र में Anthropic और OpenAI के मुकाबले दो छोटे पश्चिमी खिलाड़ियों का एकीकरण हो गया। यदि आप इस तिमाही में वेंडर्स का मूल्यांकन कर रहे हैं तो यह जानना उपयोगी है, क्योंकि एकीकरण से यह बदलता है कि आपका अनुबंध किसके साथ है, न कि यह कि उत्पाद क्या काम करता है। ^[17]
• Arcee AI ने $20 million में चार मॉडल ट्रेन करने के बाद $1 billion के मूल्यांकन पर $150 million जुटाए. लगभग $20 million में चार प्रशिक्षित मॉडल, जिनका मूल्यांकन अब $1 billion है। यह ओपन-वेट्स (open-weights) के अर्थशास्त्र का दावा है जिसे एक संख्या के रूप में बताया गया है, और बजट की बातचीत में ले जाने लायक तुलना यह है: एक छोटी टीम के एक साल के खर्च के बराबर की लागत में चार प्रशिक्षित मॉडल। ^[18]
• एक चौथाई अमेरिकी वयस्क रोज़ाना AI का उपयोग करते हैं, और उनमें से एक तिहाई एजेंट्स को बिना अनुमति के काम करने देते हैं. Menlo Ventures ने 5,067 वयस्कों का सर्वेक्षण किया और पाया कि 25% लोग रोज़ाना AI का उपयोग करते हैं, और 32% AI उपयोगकर्ता एजेंट्स को बिना अनुमति के कार्रवाई करने देते हैं। इसे उसी सप्ताह के OpenAI के मिसअलाइनमेंट मामलों के बगल में रखकर देखें: जिस अप्रूवल गेट (approval gate) की सेफ्टी टीमें सिफारिश करती हैं, वह इन सिस्टम्स का पहले से उपयोग कर रहे लगभग एक तिहाई लोगों के लिए उनकी अपनी मर्जी से गायब है। ^[19]
• UX डिज़ाइन के पाँच युग, और कौन से सबक AI के दौर में भी टिके रहेंगे. Bell Labs के समय से ह्यूमन फैक्टर्स (Human factors) ने लगभग हर दशक में खुद को नया रूप दिया है, और यहाँ तर्क यह है कि सबसे पुराने सबक ही आगे का रास्ता दिखाते हैं। AI द्वारा निर्मित इंटरफ़ेस को संभालने वाले किसी भी व्यक्ति के लिए इसका फ्रेमिंग सबसे उपयोगी हिस्सा है: डिज़ाइन अभ्यास ने कई पूर्ण तकनीकी बदलावों को आत्मसात किया है, और प्रत्येक बदलाव ने यह फिर से परिभाषित किया है कि डिज़ाइनर क्या तय करता है बनाम टूल क्या तय करता है।
• शायद समस्या यह नहीं है कि AI ने कोड रिव्यू को बिगाड़ दिया है. Martin Fowler की साइट से तर्क: AI ने कोड रिव्यू को नहीं बिगाड़ा है, कोड रिव्यू का उपयोग पहले से ही उन समस्याओं को हल करने के लिए किया जा रहा था जिन्हें वह हल नहीं कर सकता, और AI से जनरेट हुए भारी वॉल्यूम ने बस इसे स्पष्ट कर दिया है। यदि आपकी रिव्यू प्रक्रिया एक सिखाने के तंत्र, एक डिज़ाइन गेट और एक बग फ़िल्टर के रूप में भी काम कर रही थी, तो diffs में 10x वृद्धि को झेलने वाला संस्करण उस संस्करण जैसा बिल्कुल नहीं दिखेगा जो 10% वृद्धि को झेलता है। ^[20]
• सबसे महत्वपूर्ण उत्पाद निर्णय वह है जो आप नहीं बनाते हैं. किसी टीम से पूछें कि उसने इस साल क्या शिप किया और आपको एक सूची मिल जाएगी। पूछें कि उसने क्या बंद (kill) किया और कमरे में सन्नाटा छा जाता है। यहाँ मुद्दा यह है कि किसी प्रोजेक्ट को बंद करने के फैसले शिपिंग सूची की तुलना में उत्पाद की समझ (product judgment) के बारे में अधिक जानकारी देते हैं, जो एक ऐसे रेट्रो (retro) के लिए एक अच्छा प्रॉम्प्ट है जहाँ आपके द्वारा तैयार किया गया हर आर्टिफैक्ट केवल उन चीज़ों की सूची होता है जो अस्तित्व में हैं। ^[21]
• सीट्स और सनसेट्स: टूल्स के बजाय एजेंट्स चलाने का अर्थशास्त्र. एजेंट ऑर्केस्ट्रेशन अर्थशास्त्र पर एक निबंध: एजेंट सीट मूल्य निर्धारण, मॉडल क्षमता सीमाएँ, टोकन बर्न रेट, और वे संरचनात्मक विफलता मोड जो तब सामने आते हैं जब कोई कार्यभार प्रति-सीट सदस्यता से प्रति-टोकन बिल की ओर जाता है। यही लागत मॉडल कारण है कि जो फ़ीचर डेमो में सस्ता दिखता है, वह आठ सप्ताह बाद कीमत को लेकर एक बड़ी बहस बन जाता है। ^[22]

टूल्स और लॉन्च

• LongCat-Video-Avatar 1.5. Meituan का MIT-लाइसेंस प्राप्त मॉडल एक फोटो और एक ऑडियो क्लिप को 8 इन्फरेंस स्टेप्स में एक टॉकिंग-हेड वीडियो में बदल देता है, जो 10-सेकंड की क्लिप के लिए लगभग एक मिनट का कंप्यूट समय लेता है, और पुराने तरीकों की तुलना में लगभग 15x तेज़ है। यह चेहरे के भटकाव (face drift) या लिप-सिंक खोए बिना लंबे वीडियो संभालता है, एक ही दृश्य में एक-दूसरे से बात करने वाले दो पात्रों का समर्थन करता है, और वास्तविक लोगों, एनीमे और जानवरों पर काम करता है। इसका सेटअप Hugging Face से लिए गए वेट्स के साथ git clone, conda environment और torchrun है। ^[23]
• Qwen-2.5-1B-RLCD. एक 1B Qwen-2.5 वेरिएंट जो बिना किसी रीट्रेनिंग के लगभग 5x तेज़ी से JSON इन्फरेंस चलाता है, जो स्ट्रक्चर्ड आउटपुट पर लगने वाले लेटेंसी टैक्स को काफी कम कर देता है। यदि आपकी एजेंट पाइपलाइन चैट मॉडल से JSON का इंतज़ार करने में अपना समय बिताती है, तो यह एक सस्ता प्रयोग है। ^[24]
• iHermes. यह iMessage को एक Hermes Agent इनबॉक्स में बदल देता है, जिससे क्रॉस-ऐप काम सौंपे जाते हैं, संदर्भ याद रखा जाता है, और बार-बार होने वाले काम पुन: प्रयोज्य कौशल (reusable skills) बन जाते हैं। इंटरफ़ेस के चुनाव के लिए यह यहाँ प्रासंगिक है: एजेंट आपको किसी नए प्लेटफ़ॉर्म पर जाने के लिए कहने के बजाय वहीं रहता है जहाँ संदेश पहले से मौजूद हैं। ^[25]
• OpenArt Arena. यह बेंचमार्क के बजाय वास्तविक रचनात्मक कार्यों पर ब्लाइंड हेड-टू-हेड जजिंग के माध्यम से इमेज और वीडियो मॉडल्स को रैंक करता है। यह मूल्यांकन का वह रूप है जिस पर डिज़ाइनर स्पेक शीट्स की तुलना में अधिक भरोसा करते हैं, क्योंकि जज क्षमता तालिका के बजाय सीधे आउटपुट को देख रहा होता है। ^[26]
• Videoclaw. यह एक प्रॉम्प्ट या रॉ फुटेज को जनरेट किए गए क्लिप्स, क्लोन की गई आवाज़, कैप्शन, संगीत और मोशन ग्राफ़िक्स के साथ एक संपादित वीडियो में बदल देता है। इसका दायरा ही सबसे दिलचस्प हिस्सा है: यह एडिटिंग के किसी एक चरण के बजाय पूरे एडिट का प्रयास करता है, जो कि वह जगह है जहाँ आमतौर पर आउटपुट की गुणवत्ता गिर जाती है। ^[27]
• QuiverAI Arrow 2. यह SVGs के रूप में संपादन योग्य (editable) वेक्टर ग्राफ़िक्स जनरेट करता है, मौजूदा कलाकृति को वेक्टराइज़ करता है, और आकृतियों में हल्का एनीमेशन जोड़ता है। संपादन योग्य वेक्टर ही इसका मुख्य बिंदु हैं, क्योंकि एक जनरेट किया गया रास्टर जिसे आप Illustrator में नहीं खोल सकते, अधिकांश डिज़ाइन पाइपलाइनों में किसी काम का नहीं होता। ^[28]
• Aristotle. 65+ विषयों के लिए एक वॉइस-एंड-व्हाइटबोर्ड ट्यूटर जिसे सीधे उत्तर देने के बजाय सवाल पूछने के लिए बनाया गया है। अध्ययन करने लायक विकल्प इसमें जानबूझकर डाला गया अवरोध (deliberate friction) है: ट्यूटर उत्तर को रोक कर रखता है, जो कि अधिकांश AI उत्पाद इंटरफ़ेस द्वारा किए जाने वाले ऑप्टिमाइज़ेशन के बिल्कुल विपरीत है। ^[29]
• Compound Writing plugin. Every का ओपन प्लगइन कंपाउंड राइटिंग को लागू करता है: जब आप किसी ड्राफ्ट को संपादित करते हैं, तो मॉडल अपने संस्करण की तुलना आपके संस्करण से करता है और एक बार के तथ्यात्मक सुधारों को अनदेखा करते हुए, Voice, Structure, और Content के अंतर्गत केवल पुन: प्रयोज्य नियमों को निकालता है। इसका आउटपुट एक निर्देश फ़ाइल होती है जो चैट हिस्ट्री (जिसे आप कभी दोबारा नहीं पढ़ते) के बजाय अगले ड्राफ्ट को बेहतर बनाती है। यदि आप कुछ भी इंस्टॉल करने से पहले इस विचार का परीक्षण करना चाहते हैं, तो The Neuron ने एक सैंपल प्रॉम्प्ट प्रकाशित किया है। ^[30]
• Reception by ElevenLabs. छोटे व्यवसायों के लिए एक AI रिसेप्शनिस्ट प्लेटफ़ॉर्म, जो कंपनी के मौजूदा एजेंट्स पर बनाया गया है। एक और एजेंट उत्पाद जिसे क्षमता के बजाय एक भूमिका (role) के रूप में बेचा जा रहा है। ^[31]
• Interactive Avatar API by Synthesia. रियल-टाइम अवतार जो Synthesia विंडो के बजाय आपके अपने उत्पाद के भीतर सुनते हैं, बात करते हैं और प्रतिक्रिया देते हैं। अवतार को एक एम्बेड करने योग्य API में बदलना ही इसे एक वीडियो टूल से इंटरफ़ेस कंपोनेंट में ले जाता है। ^[32]
• Google Home MCP. समर्थित Nest और Matter उपकरणों के लिए एक एजेंट कनेक्टर का अर्ली एक्सेस, जिसमें कैमरा सारांश और गतिविधि संबंधी प्रश्न शामिल हैं, और दरवाज़े खोलने जैसे संवेदनशील कार्यों को ब्लॉक रखा गया है। ब्लॉक की गई सूची ही पढ़ने लायक डिज़ाइन निर्णय है: पढ़ने की अनुमति (read access) और नियमित नियंत्रण दिए गए हैं, और भौतिक परिणामों वाले कार्यों को अस्वीकार कर दिया गया है। ^[33]

Prompt of the day