AI FRONTIER
Signals worth understanding before they become obvious.
OpenRouter पर Tencent Hy4: 1M कॉन्टेक्स्ट और पहली बार विज़ुअल समझ
Tencent के आधिकारिक Hy4 रिलीज़ को Hy4 Preview की तुलना में व्यापक और ठोस सुधार बताया गया है, विशेष रूप से एजेंटिक क्षमताओं और लंबे समय-सीमा वाले वास्तविक उत्पादकता कार्यों में मजबूत लाभ, और यह पहली बार विज़ुअल समझ पेश करता है।
- कॉन्टेक्स्ट विंडो 1,048,576 टोकन है और यह अधिकतम 65,536 कम्प्लीशन टोकन का समर्थन करता है।
- कीमत इनपुट के लिए $0.417 प्रति 1M टोकन और आउटपुट के लिए $1.251 प्रति 1M टोकन है, Cache Read $0.021 प्रति 1M टोकन पर, सभी 50% छूट पर सूचीबद्ध हैं।
- यह इनपुट के रूप में टेक्स्ट और इमेज स्वीकार करता है और टेक्स्ट लौटाता है, तथा tools और tool_choice के ज़रिए फ़ंक्शन कॉलिंग और response_format में JSON schema के ज़रिए संरचित आउटपुट का समर्थन करता है।
- 4 नवंबर 2026 को जारी, एक ही प्रोवाइडर Tencent Cloud द्वारा होस्ट किया गया, जहाँ OpenRouter हर अनुरोध सीधे अग्रेषित करता है।
बिल्डरों के लिए, 1M कॉन्टेक्स्ट, टूल कॉलिंग और पहली बार इमेज इनपुट का संयोजन उन प्रोडक्शन एजेंटों के लिए उपयुक्त है जो लंबे मल्टी-स्टेप कार्य करते हुए इमेज पढ़ते हैं।
moonshotai/Kimi-K3.1-Pro: 2.8T पैरामीटर वाला ओपन-वेट मल्टीमॉडल एजेंटिक मॉडल
Kimi K3.1 Pro एक ओपन-वेट, मूल रूप से मल्टीमॉडल एजेंटिक मॉडल है, जिसे Kimi K3 से बड़े पैमाने पर संयुक्त रीइन्फोर्समेंट लर्निंग द्वारा पोस्ट-ट्रेन किया गया है और इसमें 10 लाख टोकन का कॉन्टेक्स्ट विंडो है।
- कुल पैरामीटर 2.8T, सक्रिय पैरामीटर 104B, 93 लेयर, MoE आर्किटेक्चर जो प्रति टोकन 16 एक्सपर्ट चुनता है।
- कॉन्टेक्स्ट लंबाई 1048576 है और विज़न एनकोडर MoonViT-V2 है जिसमें 401M पैरामीटर हैं।
- क्वांटाइज़ेशन MXFP4 वेट और MXFP8 एक्टिवेशन के साथ है, जिसमें क्वांटाइज़ेशन-अवेयर ट्रेनिंग शामिल है।
- मॉडल कार्ड Terminal-Bench 4.0 पर 65.7, SWE Marathon v1.1 पर 51.7 और HLE-Full w/ tools पर 70.0 रिपोर्ट करता है।
बिल्डरों के लिए यह मॉडल 10 लाख टोकन के कॉन्टेक्स्ट और मूल मल्टीमॉडल इनपुट को ओपन वेट तथा vLLM, SGLang और TokenSpeed डिप्लॉयमेंट के साथ जोड़ता है, जिससे यह लंबे कॉन्टेक्स्ट वाले एजेंट और दस्तावेज़ पार्सिंग के लिए उपयुक्त है।
Dharma Field Extractor: कोई भी दस्तावेज़ इनपुट, JSON में संरचित फ़ील्ड आउटपुट
Dharma-AI ने Dharma Field Extractor जारी किया है, एक 2 अरब पैरामीटर वाला मॉडल जो किसी भी दस्तावेज़ प्रकार से मांगे गए फ़ील्ड निकालता है और संरचित JSON लौटाता है, खुले और स्कीमा-निर्देशित दोनों मोड में।
- आधार मॉडल DharmaOCR-LITE v1.1 है, एक 2 अरब पैरामीटर वाला चेकपॉइंट, जिस पर दोनों अनुरोध मोड को कवर करने वाले 43,384 प्रशिक्षण उदाहरणों पर LoRA अडैप्टर प्रशिक्षित किया गया।
- मॉडल ने 0.834 स्कोर किया, जो परीक्षण किए गए हर फ्रंटियर कॉन्फ़िगरेशन से ऊपर है, Claude Opus 5 के 0.816 से लेकर GPT-5.6 Luna के 0.741 तक।
- लागत फ्रंटियर API की तुलना में लगभग 6 गुना कम (GPT-5.6 Luna) से लगभग 147 गुना कम (GPT-5.6 Sol) है; स्व-होस्टेड लागत एक L40S पर 2.24 डॉलर प्रति घंटे की GPU समय है।
फ़ील्ड-स्तरीय दस्तावेज़ निष्कर्षण के लिए, स्व-होस्टेड 2 अरब पैरामीटर वाला विशेषीकृत मॉडल उसी बेंचमार्क पर कम लागत में फ्रंटियर API से बेहतर हो सकता है।
Circuit Oracle: प्राकृतिक भाषा क्वेरी के माध्यम से एट्रिब्यूशन ग्राफ विश्लेषण का स्वचालन
Circuit Oracle एक तैयार LLM है जिसमें मल्टी-एजेंट हार्नेस और कार्य-विशिष्ट कौशल हैं, और यह टूल कॉल के माध्यम से एट्रिब्यूशन ग्राफ पढ़कर लक्ष्य मॉडल के बारे में प्राकृतिक भाषा के प्रश्नों का उत्तर देता है। पेपर इसे तीन सुरक्षा-संबंधी प्रॉक्सी कार्यों पर मूल्यांकित करता है, जिनके परिणाम मिश्रित हैं।
- स्प्यूरियस-फीचर डिटेक्शन पर, Circuit Oracle 78.2 ± 2.4% सटीकता तक पहुँचता है, जो सिंगल-लेयर फीचर-रैंकिंग बेसलाइन से बेहतर है।
- सीक्रेट एलिसिटेशन पर, Activation Oracles जैसे प्रशिक्षित स्व-व्याख्याकार अभी भी अधिक मजबूत बेसलाइन हैं।
- 50 प्रॉम्प्ट पर रिफ्यूजल सप्रेशन में, इसका एकल प्रतिबद्ध हस्तक्षेप diff-in-means बेसलाइन से थोड़ा नीचे है, और यह उसे केवल तब पार करता है जब पाँच प्रयासों में से सर्वश्रेष्ठ की अनुमति दी जाती है।
- परिणाम पाँच रनों में और एजेंटों के मॉडल चयनों में स्थिर हैं।
एट्रिब्यूशन ग्राफ विश्लेषण को प्राकृतिक भाषा एजेंट द्वारा आंशिक रूप से स्वचालित किया जा सकता है, लेकिन रिपोर्ट किए गए परिणाम सीक्रेट एलिसिटेशन और रिफ्यूजल सप्रेशन पर समर्पित बेसलाइन से पीछे हैं, इसलिए बिल्डरों को इसे प्रतिस्थापन के बजाय सहा...
MEMENTO: लंबे संदर्भ वाले एजेंट के लिए संदर्भ प्रबंधन सीखना
यह पेपर MEMENTO प्रस्तुत करता है, जो Qwen3-8B पर बना एक लंबे-संदर्भ वाला एजेंट है और कम्पैक्शन के ज़रिए अपने संदर्भ का प्रबंधन सीखता है: पहले बाद में तैयार किए गए नोट्स से एनोटेट सिंथेटिक ट्रैजेक्ट्री पर फाइन-ट्यूनिंग द्वारा नोट-लेखन को बूटस्ट्रैप किया जाता है, फिर उत्तर की सटीकता, नोट-गुणवत्ता ह्यूरिस्टिक्स और कॉन्फिड...
- पेपर रिपोर्ट करता है कि चार बेंचमार्क पर पुस्तक-स्तरीय प्रश्नोत्तर में, 2.5M टोकन तक की पुस्तकों के साथ, MEMENTO Qwen3-8B की सटीकता 36.9% से 67.8% तक बढ़ाता है और संदर्भ में कभी 20K टोकन से अधिक नहीं रखता।
- पेपर रिपोर्ट करता है कि उसी हार्नेस में MEMENTO GPT-5.5 एजेंट (13.1%) और पूर्ण पुस्तक संदर्भ (56.7%) से बेहतर प्रदर्शन करता है, और लागत 1/50 से भी कम है।
- पेपर रिपोर्ट करता है कि MEMENTO लगभग 100 गुना बड़े GLM-5.3 एजेंट (69.3%) के करीब पहुंचता है, लागत 1/9 है, और GLM-5.3 के पूर्ण संदर्भ से 6.4 अंक के भीतर रहता है, लागत 1/26 है।
- पेपर बताता है कि GPT-5.5 और GLM-5.3 सहित ऑफ-द-शेल्फ एजेंटिक मॉडल अक्सर अप्रभावी नोट्स लिखते हैं, और अकेले RL शायद ही उपयोगी नोट-लेखन व्यवहार खोजता है।
लंबे-संदर्भ वाले एजेंट बनाने वालों के लिए, नतीजे संकेत देते हैं कि एक निश्चित 20K-टोकन विंडो के भीतर स्पष्ट कम्पैक्शन नीति को प्रशिक्षित करना बहुत बड़े मॉडल या पूर्ण-संदर्भ दृष्टिकोणों की तुलना में बहुत कम लागत पर पुस्तक-स्तरीय QA सटीकता के...
GAVAGAI: संतुलित इष्टतम परिवहन के ज़रिए शिशु-स्तरीय दृश्य-भाषा मॉडलों के लिए संदर्भात्मक संरेखण
यह पेपर अगले-टोकन कैप्शनिंग उद्देश्य में एक संदर्भात्मक चर जोड़ता है, जिसमें प्रत्येक दृश्य को सुने गए सामग्री शब्दों और देखे गए क्षेत्रों के बीच एक छोटी नियतन समस्या मानकर NOTHING कॉलम और क्षमता बाधा के अंतर्गत एन्ट्रॉपिक इष्टतम परिवहन से हल किया जाता है। SAYCam शिशु वीडियो कॉर्पस पर यह संरेखण लॉस जोड़ने से शब्द-से-चि...
- संरेखण चरण में लगभग आठ Sinkhorn पुनरावृत्तियाँ लगती हैं, जो दृश्य एनकोडर की तुलना में कम हैं।
- मॉडल का एक-पैरामीटर संस्करण तीन अस्पष्टता स्थितियों में वयस्क क्रॉस-सिचुएशनल लर्निंग सटीकता को RMSE 0.024 के साथ दोहराता है।
- SAYCam शिशु वीडियो कॉर्पस पर, अगले-टोकन कैप्शनिंग मॉडल में संरेखण लॉस जोड़ने से शब्द-से-चित्र सटीकता 32.4% से 48.7% और स्थानीयकरण IoU 0.18 से 0.38 हो जाती है।
उच्च गैर-संदर्भ दरों पर प्रशिक्षित दृश्य-भाषा मॉडलों के लिए, स्पष्ट शब्द-से-क्षेत्र नियतन चर वह ग्राउंडिंग दबाव देता है जो अकेले कैप्शनिंग उद्देश्य में नहीं है, हालाँकि पेपर बताता है कि यह उसी बच्चे के डेटा पर प्रशिक्षित कॉन्ट्रास्टिव मॉडल ...
मानवीय बनाया गया पर फिर भी सत्य? AI-पाठ ह्यूमनाइज़र में तथ्यों और डिटेक्शन का ऑडिट
यह पेपर नियम-आधारित चेकर से जाँचता है कि AI ह्यूमनाइज़र संख्याएँ, तारीखें, व्यक्ति और संस्था के नाम तथा उद्धृत अंश सुरक्षित रखते हैं या नहीं, और परीक्षण करता है कि सामान्य-उद्देश्य निर्णय मॉडल Jev मानव मूल और ह्यूमनाइज़्ड पुनर्लेखन को अलग करता है या नहीं।
- अक्टूबर 2026 चक्र में, सभी 11 वाणिज्यिक टूल ने ऐसे 35-65% दस्तावेज़ों में कम से कम एक जाँचने योग्य इकाई बदली या हटाई जिनमें वह मौजूद थी।
- केवल संख्याएँ और नाम गिनने पर, 11 में से 10 टूल ने 20% या अधिक दस्तावेज़ों में कम से कम एक को बदला।
- एक ओपन 12B ह्यूमनाइज़र ने अमेरिकी संघीय एजेंसी के तथ्य-घने पाठ में संख्याओं और नामों का कम से कम 97% रखा, पर उद्धृत अंशों का 67-78% बदल दिया।
- Jev ने मानव मूल और ह्यूमनाइज़्ड पुनर्लेखन को AUROC 0.864 (0.827-0.902) से अलग किया, जो Binoculars, Fast-DetectGPT और RADAR से 0.18-0.22 अधिक है, पर 0.5 थ्रेशोल्ड पर 24% मानव मूल को AI कहा।
ह्यूमनाइज़ेशन या डिटेक्शन पाइपलाइन बनाने वालों को जाँचने योग्य तथ्य इकाइयों का संरक्षण अलग से मापना चाहिए, क्योंकि डिटेक्टर से बचाव और तथ्य-संरक्षण स्पष्ट रूप से संबंधित नहीं थे।
Transformers ने Model Integration Contracts पेश किए
Hugging Face ने Model Integration Contracts (MIC) प्रस्तावित किए हैं, जो असली checkpoints को छोटे fixtures में बदलकर CPU पर usage path चलाते हैं और मानव-समीक्षित baselines से तुलना करके PR चरण में ही regressions पकड़ते हैं।
- UMT5 fixture ने 66 MB वज़न इस्तेमाल किया, जबकि स्रोत checkpoint 1,227 MB का है।
- UMT5 regression 30 जुलाई 2026 में शुरू होने से 28 सितंबर में ठीक होने तक बना रहा, जिसमें log-probabilities baseline से 1.22 और training loss लगभग 0.20 भिन्न था।
- Llama 4 Scout 108.6 अरब parameters से घटकर 44.7 मिलियन हो गया, vision stack 34 से 2 layers और language stack 48 से 4 layers रह गया।
- weight-initialization अध्ययन में random Whisper fixtures ने 24 में से 18 injected faults पकड़े, जबकि overfit fixtures ने सभी 24 पकड़े।
Builders MIC को सस्ते CPU-आधारित PR जाँच के रूप में अपना सकते हैं, लेकिन ध्यान दें कि 1 नवंबर 2026 तक MIC job विफलताएँ रिपोर्ट करता है, PR को रोकता नहीं।