मंगलवार, 29 सितंबर 2026

संक्षेप में (tldr Section Summary):

• Anthropic ने Sonnet 5 की कीमत पर Claude Sonnet 5.5 जारी किया, जो प्रति कार्य 30% तक कम लागत और 30% तेज़ परिणाम देता है: Terminal-Bench 4.0 पर 70.6% स्कोर (जो Sonnet 5 के 10.3% से अधिक और Opus 5.5 के 66.4% से आगे है), 1M टोकन कॉन्टेक्स्ट विंडो, और आने वाले हफ्तों में Haiku 5.5 का वादा।
• एजेंट स्पेस पर कब्ज़ा करने की होड़ जारी रही: Muse के गोपनीयता रिकॉर्ड के लिए एक कठिन सप्ताह में Meta का Enterprise Platform लॉन्च हुआ, Manus ने Cue के साथ 2.0 पेश किया, Instinct ने $10B के मूल्यांकन पर $1B जुटाए, और Nvidia के Open Agent Safety प्लेटफॉर्म ने OpenAI, Google, Meta या Amazon के बिना 100 से अधिक भागीदारों को जोड़ा।
• Anthropic का IPO प्रॉस्पेक्टस सामने आया: Reuters ने $42B के शुद्ध घाटे की रिपोर्ट दी, लीक हुए मुख्य अंशों में दो क्लाइंट्स के पास लगभग 25% ग्राहकों का संकेंद्रण और लगभग $518B का प्रतिबद्ध कंप्यूट दिखाया गया है, और AMD ने स्टॉक में लगभग $8.2B में World Labs को खरीदने पर सहमति व्यक्त की, जिससे Fei-Fei Li इसकी मुख्य वैज्ञानिक बन गईं।

प्रमुख ख़बरें

• Anthropic ने Sonnet की कीमतों पर लगभग Opus जैसी कोडिंग क्षमता के साथ Claude Sonnet 5.5 पेश किया. यह Sonnet 5 की तय कीमत ($2/$10 प्रति मिलियन टोकन) को बनाए रखता है और इसके बजाय वास्तविक बिल को कम करता है: प्रति कार्य कम टोकन और कम चरणों का अर्थ है 30% तक कम लागत और 30% तेज़ परिणाम, जो बग फिक्स, दस्तावेज़, स्लाइड और स्प्रेडशीट जैसे रोज़मर्रा के कामों के लिए लक्षित है। Terminal-Bench 4.0 पर यह 70.6% स्कोर करता है, जो Sonnet 5 के 10.3% से अधिक और Opus 5.5 के 66.4% से आगे है, जबकि अधिकांश अन्य बेंचमार्क पर यह Opus से ठीक नीचे है। यह 1M टोकन कॉन्टेक्स्ट विंडो, 128K आउटपुट, शून्य डेटा रिटेंशन, और डिस्टिलेशन तथा रीज़निंग एक्सट्रैक्शन को रोकने के लिए बनाए गए सुरक्षा क्लासिफायर के साथ आता है, जो इसे Opus-श्रेणी के साइबर सुरक्षा उपायों वाला पहला Sonnet बनाता है। जहाँ भी Sonnet 5 चलता था, वहाँ इसे सीधे बदला जा सकता है; आने वाले हफ्तों में Haiku 5.5 लाने का वादा किया गया है। ^{[1] [2]}
• आपके और इंटरनेट के बीच की एजेंट लेयर पर कब्ज़ा करने की होड़. एजेंट से जुड़ी एक ही दिन की घोषणाएं आपके और हर सेवा के बीच की लेयर के लिए एक दौड़ जैसी लगती हैं। Meta के Muse को एक सुरक्षित VM और ब्राउज़र मिला; Manus 2.0 को स्थायी क्लाउड कंप्यूटर और ऑटोमेशन मिले जो आपके जाने के बाद भी चलते रहते हैं; Manus ने Cue को शुरू किया, जो एक फोन नंबर, ईमेल, वॉलेट और कंप्यूटर के साथ आया; और केवल आमंत्रण पर उपलब्ध Instinct ने $10B के मूल्यांकन पर $1B जुटाए, जो $2.5B पर $350M जुटाने के एक महीने बाद हुआ। Stratechery में Ben Thompson का आकलन: पब्लिशिंग की प्रचुरता ने Google और Facebook को डिस्कवरी को एकत्रित करने दिया, और एक्शन की प्रचुरता एजेंटों को यह एकत्रित करने देती है कि आप कहाँ खरीदारी, बुकिंग, तुलना, मोलभाव, निर्माण, शोध और भुगतान करते हैं। Dave Morin इसके विपरीत दांव लगाते हैं, एक “polyagentmorous” भविष्य जहाँ हर ऐप एक एजेंट बन जाता है और कोई भी अकेला उन सभी पर राज नहीं करता। कुछ भी बेचने वाले किसी भी व्यक्ति के लिए व्यावहारिक सबक: मशीन द्वारा पढ़ी जा सकने वाली इन्वेंट्री, उपलब्धता, मूल्य निर्धारण और नीतियों को उजागर करें, APIs या MCP कनेक्टर्स प्रदान करें, ऑथेंटिकेशन, खरीदारी और रिफंड को एजेंट-अनुकूल बनाएं, और वह आपूर्तिकर्ता बनें जिसे एग्रीगेटर चुनता है। कंप्यूटर-उपयोग करने वाले एजेंट वैसे भी किसी भी वेबसाइट पर क्लिक कर सकते हैं, इसलिए “हमारे पास API नहीं है” कोई बड़ी सुरक्षा खाई नहीं है। ^{[3] [4] [5] [6] [7]}
• Muse की गोपनीयता संबंधी रिपोर्टों के बढ़ने के बीच Meta का Enterprise Platform आया. Meta ने Muse, अपने Business Agent, Muse API और Muse Code को एक Enterprise Platform में पैक किया है, जिसे चलाने के लिए MongoDB के CEO Chirantan “CJ” Desai अपनी कंपनी छोड़ रहे हैं, और Zuckerberg वादा कर रहे हैं कि “Meta के एंटरप्राइज़ उत्पादों में शुरुआत से ही सुरक्षा और गोपनीयता निर्मित हैं।” यह बात इस सप्ताह की रिपोर्टों से टकराई: एक YouTuber ने कहा कि उसके Muse ने उसकी Facebook Marketplace लिस्टिंग पर एक कम कीमत का प्रस्ताव स्वीकार कर लिया, उसका पता साझा कर दिया, और खरीदार उसके घर आ पहुंचा; एक टेक लेखक ने पाया कि Muse बिना ऑप्ट-इन के उसका iMessage पढ़ रहा था (Meta का कहना है कि Messages एकीकरण ऑप्ट-इन है); और Reuters ने एक “ह्यूमन कॉन्सियर्ज” परीक्षण की रिपोर्ट दी जिसके कॉन्ट्रैक्टर कॉल्स में एक उपयोगकर्ता के मोलभाव कॉल पर नस्लवादी टिप्पणी शामिल थी, जिसे Meta ने “एक चूक” कहा और वापस ले लिया। उद्यमों के लिए, एक भी लीक जो व्यापारिक रहस्यों को उजागर करता है, वह ऐसा जोखिम है जो मायने रखता है। ^{[8] [9] [10] [11]}
• Nvidia ने खुद को एजेंट युग के सुरक्षा संरक्षक के रूप में प्रस्तुत किया. Nvidia ने Open Agent Safety प्लेटफॉर्म की घोषणा की, जो OpenShell (जो ओपन और क्लोज्ड मॉडलों में एजेंटों के लिए निष्पादन सीमाएं निर्धारित करता है) को Sentry के साथ जोड़ता है, जो इन-सिलिकॉन मॉनिटरिंग है और अपनी सीमा छोड़ने की कोशिश करने वाले एजेंट को मिलीसेकंड के भीतर क्वारंटाइन कर सकता है। Anthropic, SpaceX, Microsoft, IBM और Perplexity सहित 100 से अधिक भागीदार इसमें शामिल हुए; OpenAI, Google, Meta और Amazon उनमें से नहीं हैं। Nvidia का कहना है कि यह स्टैक जुलाई की Hugging Face घटना को रोक सकता था, और Anthropic के साथ मिलकर इसने Claude Managed Agents बनाया, जो एजेंट लूप को उस सैंडबॉक्स से अलग एक सीलबंद सर्वर पर चलाता है जहाँ काम होता है। Jensen Huang इस पूरी चीज़ को एक उत्पाद के बजाय एक इकोसिस्टम के रूप में प्रस्तुत करते हैं, जो AI गवर्नेंस खिलाड़ी बनने की दिशा में Nvidia का पहला वास्तविक कदम है। ^[12]
• AMD ने लगभग $8.2B में World Labs को खरीदा, Fei-Fei Li को अपना मुख्य वैज्ञानिक बनाया. AMD ने स्टॉक में लगभग $8.2B में Fei-Fei Li के World Labs का अधिग्रहण करने के लिए एक निश्चित समझौते पर हस्ताक्षर किए, जिससे भौतिक रूप से आधारित 3D AI के लिए वर्ल्ड मॉडल जुड़ गए और Li चिप निर्माता की मुख्य वैज्ञानिक बन गईं। ^{[13] [14]}
• Anthropic के IPO के आंकड़े सामने आए. Anthropic का IPO प्रॉस्पेक्टस सामने आया, और Reuters की रिपोर्ट के अनुसार यह एक व्यापक AI विज़न, बढ़ती लागत और $42 बिलियन का शुद्ध घाटा दिखाता है। X पर प्रसारित हो रहे लीक हुए मुख्य अंशों में $2T से अधिक का मूल्यांकन, $8.06B के परिचालन घाटे के मुकाबले 2025 में $4.6B का राजस्व, दो क्लाइंट्स के पास लगभग 25% ग्राहकों का संकेंद्रण, और भविष्य के कंप्यूट और बुनियादी ढांचे की प्रतिबद्धताओं में लगभग $518B का वादा शामिल है। ^{[15] [16]}
• सुरक्षा परीक्षणों में धोखे के संकेत मिलने के बाद OpenAI ने GPT-6.1 Astra की रिलीज़ को टाला. WSJ की रिपोर्ट के अनुसार, आंतरिक सुरक्षा परीक्षणों में अधिक धोखे और दायरे-प्राधिकरण की विफलताएं सामने आने के बाद OpenAI ने GPT-6.1 Astra की नियोजित DevDay रिलीज़ को रद्द कर दिया। ^[17]

गहन विश्लेषण

• डिज़ाइन पठन: सर्वोत्तम अभ्यास के रूप में एकरूपता, प्लान मोड का अंत, और सॉफ्ट स्किल का युग. Hipuku का “The default is not a design decision” तर्क देता है कि डिज़ाइन उद्योग ने एकरूपता का बुनियादी ढांचा बनाया और इसे सर्वोत्तम अभ्यास कहा, जो सामान्य AI आउटपुट से लड़ने वाले किसी भी व्यक्ति के लिए एक उपयोगी दृष्टिकोण है। Ayman Nadeem का “Plan mode is dead” इस विश्वास पर फिर से विचार करता है कि AI के साथ सॉफ्टवेयर बनाने में योजना बनाना सबसे महत्वपूर्ण हिस्सा बन जाएगा, और वास्तव में क्या हुआ। Rudy Faile का “The age of the soft skill” उस इंजीनियर की प्रोफाइल प्रस्तुत करता है जिसने मीटिंग्स छोड़ दीं, अपने शेड्यूल के हिसाब से Slack पर जवाब दिया और कुछ भी डॉक्यूमेंट करने के लिए कहे जाने पर आह भरी। ^{[18] [19] [20]}
• डिज़ाइन की दो और खोजें: ज़ॉम्बी UI और आपका फोन किस चीज़ से बना है. जैसे-जैसे AI निर्माण को सस्ता बनाता है, आप उत्पादों को सामान्य “ज़ॉम्बी UI” बनने से कैसे रोकते हैं? AI के साथ इरादे, गुणवत्ता और कलात्मकता को बढ़ाने पर आधारित एक चर्चा के पीछे यही सवाल है। भौतिक पक्ष पर, एक डेटाविज़ (dataviz) U.S. Geological Survey के डेटा से मोबाइल फोन के अंदर खनन की गई सामग्रियों को 2025 में प्रत्येक का उत्पादन करने वाले देशों से जोड़ता है। ^{[21] [22]}
• एक स्वायत्त शोध एजेंट ने 86 कार्यों में मानवीय शोध पत्रों को पछाड़ा, जबकि Cambridge ने चेतावनी दी कि यह किस चीज़ को गति देता है. Google के एक स्वायत्त शोध एजेंट ने 86 कार्यों में मानव-लिखित शोध पत्रों से 25% बेहतर प्रदर्शन किया। Cambridge के नेतृत्व वाली एक रिपोर्ट चेतावनी देती है कि AI R&D को स्वचालित करने से वर्षों की प्रगति महीनों में सिमट सकती है, और सरकारों से इसे मापने का आग्रह करती है। ^{[23] [24]}
• पॉलिसी वॉच: फ्लोरिडा ने OpenAI के खिलाफ निषेधाज्ञा की मांग की, और वाशिंगटन की AI अधिकारियों से मुलाकात. फ्लोरिडा के अटॉर्नी जनरल ने राज्य की एक अदालत से आपातकालीन निषेधाज्ञा की मांग की जो OpenAI को स्वतंत्र सुरक्षा उपायों के बिना नए मॉडल विकसित करने से प्रतिबंधित करेगी। अलग से, AI जोखिमों और नीति पर चर्चा करने के लिए राष्ट्रपति Trump, स्पीकर Mike Johnson और AI अधिकारियों के व्हाइट हाउस में मिलने की उम्मीद थी। ^{[25] [26]}
• स्टिकी-नोट नियम: छोटे निर्णयों को विशाल मॉडलों से दूर रूट करें. The Neuron की टूल टिप एक रूटिंग नियम है: यदि आप एक स्टिकी नोट पर हर वैध उत्तर लिख सकते हैं (“सेल्स / सपोर्ट / बिलिंग”, “हाँ / नहीं”), तो गद्य लिखने और किसी एक को चुनने के लिए एक विशाल मॉडल को भुगतान न करें। उन निर्णयों को एक छोटे क्लासिफायर के माध्यम से रूट करें जो आत्मविश्वास के साथ विजेता को लौटाता है, और केवल अनिश्चित मामलों को ही फ्रंटियर मॉडल तक पहुंचाएं। Jev इसका एक व्यावहारिक उदाहरण है; Victor Dibia प्रायिकता स्कोरिंग और कैलिब्रेशन की व्याख्या करते हैं। ^{[27] [28]}

टूल्स और लॉन्च

• Grok Team Bots. एक बॉट, जिसे एक बार कॉन्फ़िगर किया गया है, Slack या Grok Bot के अंदर पूरी टीम द्वारा उपयोग किया जाता है: प्रत्येक व्यक्ति एक निजी बातचीत रखता है जबकि कौशल और ज्ञान पूरे समूह में साझा किए जाते हैं। xAI बिक्री, विपणन, उत्पाद और डेटा एनालिटिक्स के लिए पूर्व-निर्मित संस्करण पेश करता है। केवल Teams और Enterprise प्लान के लिए। ^[29]
• Perplexity Agent API. टीमें वर्शन किए गए Profiles, Skills और प्रबंधित कनेक्टर्स के साथ पुन: प्रयोज्य एजेंटों को परिभाषित कर सकती हैं। ^[30]
• Momentic द्वारा Mo. एक स्क्रिप्ट-रहित AI QA इंजीनियर: सरल अंग्रेजी में वर्णन करें कि क्या परीक्षण करना है, और यह ऐप को एक्सप्लोर करता है, बग्स की पुष्टि करता है, और रीप्रो स्टेप्स, लॉग और वीडियो लौटाता है। ^[31]
• Eleven v4. ElevenLabs का अब तक का सबसे भावपूर्ण वॉइस मॉडल, जो 90+ भाषाओं को कवर करता है; Turbo रीयल-टाइम उपयोग, प्रदर्शन निर्देशन और मल्टी-स्पीकर संवाद जोड़ता है। ^[32]
• GPT-6 Sol और Luna इमेज फिक्स. OpenAI ने एक बग को ठीक किया जो API, Codex और कंप्यूटर उपयोग में GPT-6 Sol और Luna में छवि की समझ को कम कर रहा था। यदि आपकी कोई पाइपलाइन छवियां भेजती है, तो अपने परीक्षण फिर से चलाएं। ^[33]
• jevgrep. Typesafe AI का CLI SWE-bench पर कोडिंग एजेंट की लागत को 40% तक कम करता है। ^[34]
• DataTalks ML Zoomcamp. DataTalks Club का मुफ़्त 4-महीने का व्यावहारिक ML इंजीनियरिंग कोर्स। ^[35]
• Claude इवेल और हिलक्लाइंब वर्कफ़्लो. यह साबित करने के लिए एक वर्कफ़्लो कि किसी एजेंट परिवर्तन ने चीज़ों को केवल अलग नहीं, बल्कि बेहतर बनाया है: यथार्थवादी कार्यों और अनदेखे उदाहरणों के विरुद्ध परीक्षण करें, सुधारों को बनाए रखें, और उन परिवर्तनों को वापस ले लें जो केवल अभ्यास सेट पर अच्छे दिखते थे। ^[36]
• Qwen3.8 Flash Next कोडर, छंटाई कर 58 GB किया गया. 354 GB के कोडिंग मॉडल में से आधे विशेषज्ञों को हटाने के बाद यह 58 GB का रह जाता है, जिसे स्थानीय इन्फरेंस के लिए GGUF के रूप में पेश किया गया है। ^[37]
• ChatGPT थ्रेड ब्रांचिंग. किसी भी संदेश को एक नई चैट में ब्रांच करें: उस पर होवर करें, More actions, “Branch in new chat” चुनें। उस संदेश से पहले की हर चीज़ नई चैट में चली जाती है और मूल थ्रेड अछूता रहता है। Projects सहित लॉग-इन किए हुए वेब उपयोगकर्ताओं के लिए काम करता है। ^[38]

Prompt of the day