Today’s frontier report
Research Pool → Multi-Scout → Editor → Edition
3qk7 · AI LOCAL LABS TECHNICAL SCOUTING

AI FRONTIER

Signals worth understanding before they become obvious.

2026-11-09
01
testinferencecost collapse

OpenRouter का नया मॉडल: Auto Router

Auto, OpenRouter का फ्लैगशिप मॉडल राउटर है, जो सामान्य-उद्देश्य उपयोग के लिए बनाया गया है और हर अनुरोध के अनुसार ढलकर लागत-इष्टतम मॉडल चुनता है तथा रीज़निंग एफ़र्ट समायोजित करता है, जिसमें कार्य की कठिनाई, बेंचमार्क परिणाम, लाइव कीमतें और प्रॉम्प्ट कैशिंग संतुलित होते हैं।

  • Auto Router की अपनी कोई निश्चित कीमत नहीं है; हर अनुरोध उस मॉडल की कीमत पर बिल किया जाता है जो उसे सेवा देता है।
  • Auto Router 2,000,000 टोकन तक के कॉन्टेक्स्ट विंडो वाले मॉडलों पर रूट कर सकता है, और किसी अनुरोध के लिए उपलब्ध कॉन्टेक्स्ट लंबाई उसी मॉडल की होती है जो उसे सेवा देता है।
  • यह इनपुट के रूप में टेक्स्ट, इमेज, ऑडियो, PDF जैसी फ़ाइलें और वीडियो स्वीकार करता है तथा टेक्स्ट और इमेज लौटाता है।
  • Auto Router 5 नवंबर 2026 को जारी किया गया और यह वर्तमान में EU इन-रीजन रूटिंग के ज़रिए उपलब्ध नहीं है।

बिल्डरों के लिए Auto मॉडल चयन और रीज़निंग-एफ़र्ट ट्यूनिंग को राउटर पर डाल देता है, इसलिए लागत रूट किए गए मॉडल के अनुसार बदलती है और बजट नियंत्रण निश्चित यूनिट कीमत के बजाय गवर्नेंस सेटिंग्स पर निर्भर करता है।

OpenRouter Models
02
watchagentscapability unlock

Google ने Gemini 4 Argon पर आधारित अपने भेद्यता-सुधार AI एजेंट CodeMender को मजबूत किया

Google ने अपने भेद्यता-सुधार AI एजेंट CodeMender को मजबूत किया है, जो Gemini 4 Argon का उपयोग करता है।

  • CodeMender, Google का भेद्यता-सुधार AI एजेंट है।
  • CodeMender, Gemini 4 Argon का उपयोग करता है।

बिल्डरों के लिए यह दर्शाता है कि Google, Gemini 4 Argon को स्वचालित भेद्यता-सुधार एजेंट के साथ जोड़ रहा है, जो एजेंट डिज़ाइन के लिए संदर्भ है।

ビジネス+IT
03
watchresearchcapability unlock

Anthropic का AI कथित तौर पर 2008 से अनसुलझा क्वांटम समस्या हल कर चुका है

एक पेपर के सारांश का हवाला देने वाली रिपोर्ट के अनुसार, Anthropic का एक कृत्रिम बुद्धिमत्ता तंत्र कथित तौर पर एक क्वांटम समस्या हल कर चुका है जो 2008 से अनसुलझी थी।

  • स्रोत Opinando San Nicolás द्वारा प्रकाशित एक पेपर का सारांश है।
  • समस्या को 2008 से अनसुलझा बताया गया है।

यदि इसकी पुष्टि होती है, तो यह दिखाएगा कि एक AI तंत्र लंबे समय से अनसुलझी क्वांटम समस्या पर काम कर सकता है, इसलिए यह देखना महत्वपूर्ण होगा कि यह विधि अन्य अनसुलझी समस्याओं पर भी लागू होती है या नहीं।

Opinando San Nicolás
04
watchresearchincremental

DeepMind ने RSA 1024-बिट में दो खामियाँ बताईं, RSA 2048-बिट अब भी सुरक्षित

पेपर सारांश के अनुसार, DeepMind ने RSA 1024-बिट में दो खामियाँ बताईं और कहा कि RSA 2048-बिट अब भी सुरक्षित है।

  • पेपर सारांश कहता है कि DeepMind ने RSA 1024-बिट में दो खामियाँ बताईं।
  • पेपर सारांश कहता है कि RSA 2048-बिट अब भी सुरक्षित है।

AI बिल्डरों के लिए यह संकेत बताता है कि अब भी RSA 1024-बिट पर निर्भर सिस्टमों की माइग्रेशन समीक्षा ज़रूरी है, जबकि इस सारांश में RSA 2048-बिट को प्रभावित नहीं बताया गया है।

Pasquale Pillitteri
05
watchresearchincremental

पहनने योग्य सेंसर से उच्च रक्तचाप के संकेतों का पता लगाना

Google Research ने AI-PPG-ACC-HTN प्रस्तुत किया है, एक मल्टीमॉडल AI सिस्टम जो उपभोक्ता स्मार्टवॉच के PPG और एक्सेलेरोमीटर संकेतों का उपयोग करके कफ कैलिब्रेशन के बिना लगातार उच्च रक्तचाप की स्थिति का निष्क्रिय रूप से पता लगाता है, और Nature पेपर में 24 घंटे की एम्बुलेटरी रक्तचाप निगरानी के विरुद्ध इसका सत्यापन किया गया ...

  • वेवफ़ॉर्म एनकोडर को 2,109 सहमति देने वाले प्रतिभागियों के 492,347 घंटे के बिना लेबल वाले सेंसर डेटा पर स्व-पर्यवेक्षित कंट्रास्टिव लर्निंग से प्री-ट्रेन किया गया, जिसमें 15 सेकंड के PPG और ACC वेवफ़ॉर्म उपयोग हुए।
  • अमेरिका के पांच केंद्रों पर एक प्रॉस्पेक्टिव मल्टी-सेंटर अध्ययन में 196 प्रतिभागी शामिल थे जिनमें ज्ञात हृदय रोग नहीं था और जो रक्तचाप की दवाएं नहीं ले रहे थे, और तुलना 24 घंटे की एम्बुलेटरी रक्तचाप निगरानी से की गई।
  • प्रारंभिक स्क्रीनिंग में स्मार्टवॉच ने 65.8% संवेदनशीलता, 90.0% विशिष्टता और 80.6% PPV हासिल किया, जबकि क्लिनिक में प्रारंभिक स्क्रीनिंग की संवेदनशीलता 55.3% और PPV 77.8% थी।
  • पुष्टि उपसमूह (N=48) में सिस्टम ने 78.4% संवेदनशीलता, 90.9% विशिष्टता और 96.7% PPV हासिल किया, जबकि क्लिनिक में दोबारा मापन में ये 67.6%, 63.6% और 86.2% थे।

AI डेवलपर्स के लिए यह काम ऐसा ढांचा दिखाता है जिसमें बिना लेबल वाले पहनने योग्य डेटा पर वेवफ़ॉर्म एनकोडर प्री-ट्रेन किया जाता है और कई दिनों के व्यक्ति-स्तरीय एम्बेडिंग को जोड़कर वर्गीकरण किया जाता है, जिससे कफ कैलिब्रेशन के बिना व्यक्तिगत ...

Google Research