Stack

• इस सप्ताह सबसे बड़े वेंचर कैपिटल राउंड में AI इंफ्रास्ट्रक्चर कंपनियों का दबदबा रहा, जिसमें क्लाउड और डेटा सेंटर प्रदाताओं में भारी निवेश देखा गया। • Crusoe ने $3 बिलियन की फंडिंग सुरक्षित की, जबकि Fluidstack ने $1.5 बिलियन जुटाए और AI इन्फरेंस स्टार्टअप Gimlet Labs को $300 मिलियन मिले। • ये मल्टी-बिलियन डॉलर सौदे बड़े पैमाने के AI मॉडल चलाने के लिए आवश्यक भौतिक हार्डवेयर और क्लाउड क्षमता की ओर बाजार के भारी झुकाव का संकेत देते हैं।

• Los Angeles पहले से ही Super Bowl के पसंदीदा थे • Defensive tackle Rams के साथ 10-बार Pro Bowler रहे • 35 वर्षीय खिलाड़ी का लक्ष्य LA में अपना दूसरा Super Bowl जीतना है

• Ollama ने एक नया प्रॉक्सी लॉन्च किया है जो Claude Desktop को Qwen, DeepSeek और Kimi सहित ओपन-वेट्स मॉडल चलाने की अनुमति देता है। • यह अपडेट एक विफल शुरुआती एकीकरण प्रयास के बाद आया है और इसे उन मॉडल प्रतिबंधों को दरकिनार करने के लिए डिज़ाइन किया गया है जिनके कारण पहला संस्करण रुक गया था। • यह रिलीज़ जुलाई में Ollama द्वारा ओपन मॉडल की पहुंच बढ़ाने के लिए $65 मिलियन का फंडिंग राउंड सुरक्षित करने के कुछ समय बाद आई है।

• MotherDuck ने Tower का अधिग्रहण किया है, जो एक ऐसा स्टार्टअप है जिसने पहले MotherDuck की अपनी डेटा पाइपलाइनों के लिए अंडरलाइंग पाइपलाइन रनटाइम के रूप में कार्य किया था। • यह अधिग्रहण उस अवधि के बाद हुआ है जब MotherDuck तेजी से Tower का सबसे बड़ा ग्राहक बन गया, जिससे कंपनी ने इस महत्वपूर्ण इंफ्रास्ट्रक्चर को इन-हाउस लाने का निर्णय लिया। • यह कदम डेटा इंजीनियरिंग के "एजेंट-सुपरविजन" (agent-supervision) की ओर बढ़ते व्यापक दृष्टिकोण के अनुरूप है, जहाँ AI एजेंट पाइपलाइन निर्माण और मरम्मत का प्रबंधन करते हैं जबकि इंसान इस प्रक्रिया की निगरानी करते हैं।

• JetBrains ने Junie Local लॉन्च किया है, जो एक AI कोडिंग असिस्टेंट है जो क्लाउड-होस्टेड मॉडल पर निर्भर रहने के बजाय उपयोगकर्ता की मशीन पर पूरी तरह से ऑफलाइन चलता है। • प्रभावी ढंग से कार्य करने के लिए, इस टूल को हाई-एंड हार्डवेयर की आवश्यकता होती है, विशेष रूप से M5 चिप और कम से कम 64 GB RAM वाले Mac की सिफारिश की गई है। • यह बदलाव डेवलपर्स को कोड की पूर्ण गोपनीयता बनाए रखने, प्रति-अनुरोध API लागत को समाप्त करने और इंटरनेट कनेक्शन के बिना काम करना जारी रखने की अनुमति देता है।

• OpenAI ने अपने नवीनतम मॉडलों की ट्रेनिंग की गति धीमी कर दी है, जिसमें तैनाती के लिए निर्धारित मॉडलों के लिए रिइन्फोर्समेंट लर्निंग (RL) में दो सप्ताह का ठहराव शामिल है। • कंपनी ने आधिकारिक तौर पर इस धीमी गति का कारण साइबर सुरक्षा जोखिमों को बताया है, और अपने सबसे बड़े नियोजित फ्रंटियर RL रन के साथ आगे बढ़ने से पहले छोटे, नियंत्रित मूल्यांकन राउंड चलाने का विकल्प चुना है। • विश्लेषकों का सुझाव है कि यह सुस्ती वास्तव में केवल सुरक्षा चिंताओं के बजाय बढ़ते वित्तीय नुकसान और चीनी AI प्रतिद्वंद्वियों के बढ़ते दबाव से प्रेरित हो सकती है।

• Mistral AI ने घोषणा की है कि वह अपने स्वयं के बुनियादी ढांचे (infrastructure) पर तीसरे पक्ष के ओपन-सोर्स मॉडलों की होस्टिंग शुरू करेगा, जिसकी शुरुआत Z.ai के GLM-5.2 से होगी। • कंपनी अपनी सेवा पेशकशों का विस्तार कर रही है जिसमें नए क्षेत्रीय एंडपॉइंट्स और बेहतर प्रदर्शन के लिए एक प्रायोरिटी API टियर शामिल है। • यह कदम Mistral AI को एक मॉडल डेवलपर से एक व्यापक AI इंफ्रास्ट्रक्चर प्रदाता के रूप में विकसित होने की अनुमति देता है, जिससे विभिन्न ओपन मॉडलों की पहुंच बढ़ेगी।

• OpenAI ने आधिकारिक तौर पर Linux उपयोगकर्ताओं के लिए अपना ChatGPT और Codex डेस्कटॉप एप्लिकेशन जारी कर दिया है। • इस रिलीज़ में नेटिव पैकेज, एक एकीकृत इन-ऐप ब्राउज़र और ChatGPT Work के लिए सपोर्ट शामिल है। • यह विस्तार Linux डेवलपर्स और सॉफ्टवेयर इंजीनियरिंग लीडर्स को AI-असिस्टेड कोडिंग और उत्पादकता के लिए अधिक एकीकृत वातावरण प्रदान करता है।

• उद्योग के आलोचकों ने चिंता जताई है कि AWS, Google Cloud और Azure जैसे hyperscalers AI इंफ्रास्ट्रक्चर पर अत्यधिक खर्च कर रहे हैं। • हालिया क्लाउड अर्निंग्स डेटा इन दावों का खंडन करता है, जिससे पता चलता है कि उच्च पूंजीगत व्यय (capital expenditure) महत्वपूर्ण विकास को बढ़ावा दे रहा है और स्वस्थ मार्जिन बनाए रख रहा है। • दृष्टिकोण में यह बदलाव विकसित होते क्लाउड मार्केट में प्रतिस्पर्धी बने रहने के लिए AI हार्डवेयर में निवेश की रणनीतिक आवश्यकता को रेखांकित करता है।

• सिंगापुर स्थित जनरल-पर्पज AI एजेंट डेवलपर Manus के 2 बिलियन डॉलर के अधिग्रहण का Meta का सौदा चीनी अधिकारियों द्वारा रोके जाने के बाद विफल हो गया है। • इस सौदे को चीन और अमेरिका दोनों देशों में जांच का सामना करना पड़ा, जहाँ चीनी नियामकों ने विदेशी-निवेश नियमों के संभावित उल्लंघन और घरेलू तकनीक के अनधिकृत हस्तांतरण की जांच की। • इस अलगाव के परिणामस्वरूप, Manus कुछ उपयोगकर्ता डेटा को हटा देगा, जिससे डेवलपर्स के लिए अपनी जानकारी को सुरक्षित और सहेजने की आवश्यकता उत्पन्न हो गई है।

• Anthropic ने अपने Claude मॉडल्स द्वारा जनरेट किए गए टेक्स्ट में अदृश्य वॉटरमार्क (invisible watermarks) लागू करने की घोषणा की है, जिसमें इसके API, कोडिंग टूल्स और क्लाउड पार्टनर्स के आउटपुट शामिल हैं। • इस सिस्टम को डेवलपर्स और संगठनों को AI-जनरेटेड कंटेंट और कोड के स्रोत का पता लगाने में मदद करने के लिए डिज़ाइन किया गया है। • विशेषज्ञों ने चेतावनी दी है कि ये वॉटरमार्क नाजुक हैं और संभवतः सामान्य डेवलपर वर्कफ़्लो, जैसे कि पैराफ्रेसिंग (paraphrasing), कोड फॉर्मेटिंग, या एप्लिकेशन पाइपलाइनों में एकीकरण के दौरान नष्ट हो जाएंगे।

• ट्रेंड्स, रोटेशन, कमोडिटीज और Treasuries के इंटरमार्केट संकेत वर्तमान में सर्वसम्मति से "रिस्क-ऑन" स्थिति में संरेखित हैं। • यह फ्रेमवर्क लीवरेज निर्धारित करने के लिए 200-दिवसीय Moving Average का उपयोग एक बाइनरी ट्रिगर के रूप में करता है, जिसमें कीमतें औसत से ऊपर होने पर SSO (2x leveraged S&P 500) और नीचे होने पर SPY को आवंटित किया जाता है। • यह रणनीति ऐतिहासिक डेटा पर आधारित है जो दर्शाती है कि 200 के ऊपर का वातावरण आमतौर पर 200 के नीचे के शासन की तुलना में सकारात्मक फॉरवर्ड रिटर्न और कम गिरावट (drawdowns) प्रदान करता है।

• DeepSeek का दावा है कि उसका नया V4-Flash मॉडल कोडिंग कार्यों में V4-Pro प्रिव्यू से बेहतर प्रदर्शन करता है, जबकि इसकी कीमत केवल एक तिहाई है। • तीन कोडिंग कार्यों से जुड़े वास्तविक दुनिया के परीक्षण में, V4-Flash प्रदर्शन के मामले में बेहतर मॉडल साबित हुआ। • प्रति-टोकन कम लागत के बावजूद, V4-Flash ने V4-Pro की तुलना में काफी अधिक टोकन का उपयोग किया, जिसके परिणामस्वरूप अंतिम बिल लगभग समान रहा।

• Meta ने Muse Glimmer पेश किया है, जो यह प्रदर्शित करता है कि कैसे मॉडल डिस्टिलेशन (model distillation) के जरिए एक बड़े क्लाउड-आधारित AI को एक लोकल एजेंट में संकुचित किया जा सकता है जो लैपटॉप पर चलने में सक्षम हो। • यह सिस्टम एक हाइब्रिड आर्किटेक्चर का उपयोग करता है जहाँ लोकल एजेंट ऑन-डिवाइस रूटीन कार्यों को प्रबंधित करता है, जबकि एक बड़ा क्लाउड मॉडल जटिल प्रश्नों को संभालता है और निरंतर प्रशिक्षण प्रदान करता है। • यह बदलाव महत्वपूर्ण है क्योंकि यह लेटेंसी (latency) को कम करता है और गोपनीयता को बढ़ाता है, लेकिन यह डेवलपर्स के लिए बनाए रखने के लिए एक जटिल नई परिनियोजन श्रृंखला (deployment chain) बनाता है।

• Meta ने अपना पहला कोडिंग एजेंट Muse Code जारी किया है, जिसे Claude Code जैसे प्रतिस्पर्धियों के मुकाबले एक अधिक किफायती विकल्प के रूप में पेश किया गया है। • तीन वास्तविक दुनिया के कोडिंग कार्यों के बीच एक आमने-सामने के प्रदर्शन परीक्षण में, Muse Code का प्रदर्शन खराब रहा, वह कोड को ठीक से पुनर्गठित करने में विफल रहा और "डेड कोड" (dead code) छोड़ गया। • Meta ने खुले तौर पर स्वीकार किया है कि Muse Code वर्तमान में Claude Code के प्रदर्शन स्तर की बराबरी नहीं करता है।

• The New Stack गैर-नियतात्मक (non-deterministic) AI coding agents के मूल्यांकन में एक बदलाव की खोज करता है, यह तर्क देते हुए कि उन्हें संवादात्मक chatbots के बजाय उनके वास्तविक आउटपुट के आधार पर ग्रेड दिया जाना चाहिए। • प्रस्तावित कार्यप्रणाली इन agents द्वारा उत्पादित कोड की कार्यात्मक सफलता को मापने के लिए executable contracts और विस्तृत scorecards का उपयोग करती है। • यह दृष्टिकोण महत्वपूर्ण है क्योंकि पारंपरिक LLM benchmarks अक्सर यह पकड़ने में विफल रहते हैं कि क्या कोई agent वास्तव में वास्तविक दुनिया के वातावरण में एक जटिल सॉफ्टवेयर इंजीनियरिंग कार्य को हल कर सकता है।

• AI कोडिंग टूल्स ने व्यक्तिगत डेवलपर की गति को काफी बढ़ा दिया है, फिर भी समग्र इंजीनियरिंग उत्पादकता और आत्मविश्वास स्थिर बना हुआ है। • DX और LinearB के शोध से संकेत मिलता है कि बड़े पुल रिक्वेस्ट (pull requests), प्रदर्शन के अपर्याप्त माप और पुराने लेगेसी प्रोसेस के कारण इन लाभों का प्रभाव कम हो गया है। • यह अंतर महत्वपूर्ण है क्योंकि सॉफ्टवेयर डेवलपमेंट लाइफसाइकिल की प्रणालीगत बाधाओं (systemic bottlenecks) द्वारा AI की दक्षता को निष्प्रभावी किया जा रहा है।

• कई उद्यम कस्टम इंटरनल डेवलपर प्लेटफॉर्म बनाने और संचालित करने के लिए सालाना लगभग $7.5 मिलियन खर्च करते हैं और 60 कर्मचारियों को समर्पित करते हैं। • ये उच्च लागतें अक्सर अधिकारियों से छिपी रहती हैं क्योंकि खर्चों को एक एकल लाइन आइटम के रूप में ट्रैक करने के बजाय विभिन्न इंजीनियरिंग लागत केंद्रों में वितरित किया जाता है। • यह वित्तीय बोझ एक स्वामित्व वाले प्लेटफॉर्म को बनाने के कथित नियंत्रण और मौजूदा समाधान खरीदने के संभावित ROI के बीच एक महत्वपूर्ण ट्रेड-ऑफ को उजागर करता है।

• Speakeasy ने "Skills Management" लॉन्च किया है, जो उद्यमों के भीतर उपयोग किए जाने वाले AI एजेंट स्किल्स की विशाल लाइब्रेरी को व्यवस्थित करने के लिए डिज़ाइन किया गया एक नया टूल है। • यह प्लेटफॉर्म उस "अव्यवस्थित स्थिति" का समाधान करता है जो तब पैदा होती है जब डेवलपर्स डिप्लॉयमेंट रनबुक्स, कोड रिव्यू चेकलिस्ट, स्टाइल गाइड्स और आंतरिक वर्कफ़्लो का खंडित संग्रह बनाते हैं। • वर्जनिंग, एक्सेस कंट्रोल और ऑब्जर्वेबिलिटी पेश करके, यह टूल कंपनियों को इस बात पर गवर्नेंस बनाए रखने की अनुमति देता है कि AI एजेंट जटिल व्यावसायिक प्रक्रियाओं को कैसे निष्पादित करते हैं।

• KubeVirt उपयोगकर्ता वर्तमान में नेटवर्किंग सीमाओं के कारण क्लस्टर्स के बीच वर्चुअल मशीनों (VMs) को माइग्रेट करने में चुनौतियों का सामना कर रहे हैं, जिसके लिए अक्सर मैन्युअल टिकट की आवश्यकता होती है। • प्रस्तावित समाधान निर्बाध VM मूवमेंट को सक्षम करने के लिए OpenPERouter Custom Resource Definitions (CRDs) के साथ EVPN/VXLAN ओवरले का उपयोग करता है। • यह दृष्टिकोण महत्वपूर्ण है क्योंकि यह पारंपरिक नेटवर्किंग बाधाओं को दूर करता है, जिससे क्लाउड-नेटिव इंफ्रास्ट्रक्चर में अधिक लचीलापन और ऑटोमेशन संभव होता है।

• Meta ने Muse Code पेश किया है, जो एक नया कोडिंग एजेंट है जिसमें डेवलपर्स के लिए एक अत्यधिक किफायती "contributor tier" शामिल है। • Meta के Wang के अनुसार, यह विशिष्ट प्राइसिंग टियर मानक pay-as-you-go विकल्प की तुलना में 10 गुना से अधिक सस्ता है। • इन कम लागतों का लाभ उठाने के लिए, उपयोगकर्ताओं को Meta को अपने डेटा का उपयोग करने की अनुमति देनी होगी ताकि अंतर्निहित मॉडल को प्रशिक्षित और बेहतर बनाया जा सके।

• OpenAI ने अपने Astra AI मॉडल के लिए कुछ आंतरिक गतिविधियों को रोक दिया है, क्योंकि टेस्टिंग से संकेत मिले हैं कि इसने एक महत्वपूर्ण साइबर सुरक्षा सीमा (critical cybersecurity threshold) को पार कर लिया होगा। • इस मॉडल की बारीकी से जांच की जा रही है क्योंकि OpenAI "महत्वपूर्ण साइबर क्षमताओं" की संभावना से इनकार नहीं कर सकता, विशेष रूप से बिना मानवीय सहायता के कठोर, वास्तविक दुनिया के सिस्टम में कार्यात्मक ज़ीरो-डे एक्सप्लॉइट्स (zero-day exploits) की पहचान करने और उन्हें विकसित करने की क्षमता। • यह घटनाक्रम महत्वपूर्ण है क्योंकि यह साइबर हमलों के संबंध में AI स्वायत्तता में एक संभावित छलांग है, जिसने कंपनी के Preparedness Framework को सुरक्षा नियंत्रण कड़ा करने के लिए सक्रिय कर दिया है।

• Anthropic, Claude Code में "Auto Mode" को डिफ़ॉल्ट सेटिंग बना रहा है, जिससे अब अधिकांश कार्यों के लिए मैन्युअल मानवीय स्वीकृति की आवश्यकता नहीं होगी। • यह निर्णय उस शोध के बाद लिया गया है जो दर्शाता है कि टूल का आंतरिक क्लासिफायर (classifier), मानवीय डेवलपर्स की तुलना में खतरनाक कमांड्स की पहचान करने और उन्हें रोकने में अधिक प्रभावी है। • सुरक्षा उल्लंघनों को रोकने के लिए, क्लासिफायर को डेटा एक्सफिल्ट्रेशन (data exfiltration) को स्वचालित रूप से ब्लॉक करने के लिए प्रोग्राम किया गया है, जैसे कि बाहरी गंतव्यों पर सीक्रेट्स या कोड भेजना।

• एंटरप्राइज वातावरण के भीतर आर्टिफिशियल इंटेलिजेंस सिस्टम को बंद करने के एक साधन के रूप में "AI kill switch" की अवधारणा पर चर्चा की जा रही है। • ऐसे स्विच को लागू करना चुनौतीपूर्ण है क्योंकि AI संगठनों में विभिन्न माध्यमों से प्रवेश करता है, जिसमें स्वीकृत प्रदाता, SaaS फीचर अपडेट और अनधिकृत ओपन-सोर्स प्रयोग शामिल हैं। • यह मुद्दा एंटरप्राइज विजिबिलिटी (दृश्यता) में एक गंभीर कमी को उजागर करता है, क्योंकि वास्तविक नियंत्रण के लिए एक साधारण आदेश के बजाय जटिल इंफ्रास्ट्रक्चर की गहरी समझ की आवश्यकता होती है।

• टेक कंपनियों Coinbase, Shopify और Ramp ने अपने स्वयं के प्रोप्राइटरी AI कोडिंग एजेंट विकसित किए हैं, जबकि वे Anthropic के Claude Code के लिए भुगतान करना जारी रखे हुए हैं। • उद्योग का रुझान बताता है कि मुख्य प्रतिस्पर्धी लाभ अंतर्निहित लार्ज लैंग्वेज मॉडल के बजाय "एजेंट हार्नेस" (AI के आसपास का इंफ्रास्ट्रक्चर) में निहित है। • Ramp का "Inspect" टूल इसका उदाहरण है, जो सैंडबॉक्स वर्चुअल मशीनों के भीतर कोड निष्पादित करता है और Datadog, Sentry और LaunchDarkly जैसे इंजीनियरिंग सिस्टम के साथ एकीकृत होता है।

• Todoist अपनी AI रणनीति को बदल रहा है ताकि AI को निष्पादन लूप (execution loop) में रखने के बजाय, उपयोगकर्ता के इरादे (intent) को अनुमानित कोड में बदलने के लिए जेनरेटिव मॉडल का उपयोग करने पर ध्यान केंद्रित किया जा सके। • कंपनी का मानना है कि स्वायत्त AI निष्पादन पर निर्भरता कम करने और संरचित कोड को प्राथमिकता देने से अधिक विश्वसनीय और सुसंगत उपयोगकर्ता अनुभव मिलता है। • यह दृष्टिकोण महत्वपूर्ण है क्योंकि यह टास्क मैनेजमेंट वर्कफ़्लो में सीधे "ब्लैक बॉक्स" जेनरेटिव AI को एकीकृत करने के वर्तमान उद्योग रुझान को चुनौती देता है।

• Nutanix एक एकीकृत परिचालन मॉडल (unified operational model) पेश कर रहा है जो वर्चुअल मशीनों, Kubernetes और bare metal को एकीकृत करता है ताकि बुनियादी ढांचे के दोहराव को कम किया जा सके और edge AI का समर्थन किया जा सके। • प्लेटफॉर्म टीमों के समेकन की ओर संक्रमण हर संगठन के लिए अलग-अलग है, क्योंकि समयसीमा आंतरिक राजनीति, लाइसेंसिंग और मौजूदा कौशल सेट से काफी प्रभावित होती है। • यह बदलाव edge पर AI inference के उदय से प्रेरित है, जो bare metal को एक विशिष्ट आवश्यकता के बजाय प्राथमिक परिनियोजन लक्ष्य (deployment target) के रूप में पुन: स्थापित कर रहा है।

• Kubernetes GPU शेड्यूलिंग और संसाधन प्रबंधन से जुड़ी पुरानी चुनौतियों को हल करने के लिए Dynamic Resource Allocation (DRA) पेश कर रहा है। • इस नए फ्रेमवर्क का उद्देश्य अधिक लचीले संसाधन प्रबंधन के माध्यम से Multi-Instance GPU (MIG) की बर्बादी को खत्म करना और क्लस्टर Out-of-Memory (OOM) त्रुटियों को रोकना है। • यह बदलाव महत्वपूर्ण है क्योंकि यह कठोर "device plugin" मॉडल से हटकर हार्डवेयर एक्सेलरेटर्स के अधिक सटीक और गतिशील आवंटन की अनुमति देता है।