Multimodal

• Alibaba Cloud ने 8 मई, 2026 को एक नया मल्टीमोडल एजेंट सूट, Tongyi AgentStudio पेश किया, जिसमें विजन, स्पीच और डॉक्यूमेंट-प्रोसेसिंग क्षमताओं को एक एकल एंटरप्राइज-उन्मुख प्लेटफॉर्म में समाहित किया गया है। • यह सूट प्रति सत्र 128 समवर्ती (concurrent) टूल कॉल का समर्थन करता है और स्वायत्त रूप से खरीद (procurement), HR टिकटिंग और मल्टी-क्लाउड लागत-अनुकूलन वर्कफ्लो को प्रबंधित कर सकता है; चीनी बैंकों में शुरुआती पायलट प्रोजेक्ट्स ने आंतरिक-सेवा टर्नअराउंड समय में 32% की कमी दर्ज की है। • Alibaba का कहना है कि बड़े एंटरप्राइज अनुबंधों के लिए Tongyi AgentStudio की कीमत अब 1.20 डॉलर प्रति मिलियन इनपुट टोकन है, जो तुलनीय पश्चिमी एजेंटों की दर से कम है, जिससे वैश्विक क्लाउड प्रतिद्वंद्वियों को मात देने की इसकी रणनीति मजबूत होती है।

• कंपनी के रिसर्च ब्लॉग के अनुसार, OpenAI ने 19 अप्रैल को GPT-5 का अनावरण किया, जिसमें उन्नत मल्टीमॉडल रीजनिंग है जो टेक्स्ट, इमेज और ऑडियो को एक साथ प्रोसेस करती है और GPT-4 की तुलना में 40% प्रदर्शन सुधार प्रदान करती है। • यह मॉडल बेहतर 'चेन-ऑफ-थॉट' रीजनिंग प्रदर्शित करता है और गणित, कोडिंग और वैज्ञानिक विश्लेषण सहित विभिन्न क्षेत्रों की जटिल मल्टी-स्टेप समस्याओं को काफी उच्च सटीकता दर के साथ हल कर सकता है। • उद्योग विश्लेषकों का अनुमान है कि GPT-5 एंटरप्राइज AI अपनाने की गति को तेज करेगा और लार्ज लैंग्वेज मॉडल मार्केट में Anthropic के Claude और Google के Gemini के साथ प्रतिस्पर्धा को और गहन करेगा।

Red Hat ने vLLM Semantic Router के अपस्ट्रीम विकास में शामिल होने की घोषणा 13 मार्च, 2026 को की, जो मिक्सचर-ऑफ-मोडैलिटी AI मॉडल में इंटेलिजेंट रिक्वेस्ट रूटिंग के लिए एक फ्रेमवर्क है। • यह क्वेरी सिग्नल्स के आधार पर इंफरेंस के दौरान इष्टतम मॉडल का चयन करता है, जिससे विविध LLM परिनियोजन (deployments) की चुनौतियों का समाधान होता है। • यह हाइब्रिड क्लाउड AI स्केलिंग के लिए दक्षता को बढ़ाता है। • यह पहल विश्वसनीय आधार के साथ एंटरप्राइज AI विस्तार का समर्थन करती है।