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.

2026-11-18
01
testdevelopernew architecture

Meta के JiTTests: जोखिम भरे कोड के आने से पहले विफल होने के लिए डिज़ाइन किए गए LLM-जनित टेस्ट

Meta के JiTTests बड़े भाषा मॉडल का उपयोग करके ऐसे टेस्ट बनाता है जो जोखिम भरे कोड के आने से पहले विफल होने के लिए डिज़ाइन किए गए हैं। पेपर सारांश बड़े भाषा मॉडल की क्षमता, मूल्यांकन या अलाइनमेंट पर केंद्रित है।

  • पेपर सारांश Meta के JiTTests का परिचय देता है और बड़े भाषा मॉडल की क्षमता, मूल्यांकन या अलाइनमेंट पर केंद्रित है।
  • यह काम विधियों और प्रयोगात्मक परिणामों में रुचि रखने वाले पाठकों के लिए उपयुक्त है।

AI बिल्डरों के लिए JiTTests यह संकेत देता है कि जोखिम भरे कोड के आने से पहले LLM-जनित विफल टेस्ट को गेट सिग्नल के रूप में उपयोग किया जा सकता है।

MarkTechPost
02
watchresearchcapability unlock

Anthropic का कहना है कि Claude Mythos Preview ने AMD MI355X ऑनबोर्डिंग को 12 महीने तक से घटाकर लगभग तीन दिन किया

Tom's Hardware के अनुसार, Anthropic का कहना है कि Claude Mythos Preview ने AMD MI355X ऑनबोर्डिंग को 12 महीने तक से घटाकर लगभग तीन दिन कर दिया।

  • Anthropic का कहना है कि AMD MI355X ऑनबोर्डिंग 12 महीने तक से घटकर लगभग तीन दिन हो गई।
  • यह दावा Tom's Hardware द्वारा रिपोर्ट किया गया है।

AI बिल्डरों के लिए, रिपोर्ट की गई यह कमी दर्शाती है कि मॉडल-सहायित पोर्टिंग कार्य नए एक्सेलेरेटर को शुरू करने की समय-लागत को तेज़ी से घटा सकता है।

Tom's Hardware
03
testmodelsopen source unlock

sensenova ने SenseNova-Loop-9B जारी किया, लगभग 9B पैरामीटर में 56 लेयर निष्पादन वाला लूप्ड मॉडल

SenseNova-Loop-9B साझा-वेट लूप्ड आर्किटेक्चर और टू-स्ट्रीम mHC का उपयोग करके 32 भौतिक डिकोडर लेयर को प्रति फॉरवर्ड पास 56 लेयर निष्पादन तक बढ़ाता है, और 512K तक कॉन्टेक्स्ट के साथ टेक्स्ट व इमेज स्वीकार करता है।

  • कुल लगभग 9B पैरामीटर और लगभग 14.6B इन्फरेंस-समतुल्य पैरामीटर; 32 अलग डिकोडर लेयर, लूप्ड रेंज [4, 28) दो बार निष्पादित, यानी प्रति फॉरवर्ड पास 56 लेयर निष्पादन।
  • रिलीज़ के अनुसार AutomationBench Preview के 14.33 से 36.67 तक, Terminal-Bench 2.1 40.45 से 59.55 तक और GAIA 37.86 से 69.90 तक बढ़ा।
  • Qwen3.8-27B की तुलना में AutomationBench पर 36.67 बनाम 36.67, AIDABench पर 65.31 बनाम 65.01 और NL2Repo पर 41.36 बनाम 44.60 बताया गया।
  • 4-बिट वेट के साथ मॉडल वेट लगभग 4.9 GB लेते हैं; 256K कॉन्टेक्स्ट इन्फरेंस के लिए 8-बिट KV कैश के साथ लगभग 15 GiB और 4-बिट KV कैश के साथ लगभग 12 GiB GPU मेमोरी चाहिए।

बिल्डरों के लिए यह दर्शाता है कि लूप्ड वेट पुनरुपयोग लगभग 9B पैरामीटर बजट में गहरी गणना दे सकता है, पर जटिल निर्देश-पालन और लंबे-क्षितिज एजेंट कार्यों में मॉडल की स्वीकृत कमज़ोरियाँ परखने योग्य समझौता बनी हुई हैं।

Hugging Face Trending
04
testinferencecost collapse

OpenRouter का नया मॉडल: Tencent Hy4 flash

Hy4 flash, Tencent के Hy4 का किफायती वेरिएंट है, जो फ्लैगशिप के लगभग एक-चौथाई पैरामीटर के साथ कम लेटेंसी और लागत पर परोसा जाता है और कोड सहायता, एजेंट पाइपलाइन, दस्तावेज़ व चार्ट समझ तथा उच्च-मात्रा नियमित ऑटोमेशन को लक्षित करता है, जिसकी कॉन्टेक्स्ट और आउटपुट सीमाएँ Hy4 के समान हैं।

  • इनपुट $0.035 प्रति 1M टोकन और आउटपुट $0.1405 प्रति 1M टोकन की कीमत, कैश रीड $0.0015 प्रति 1M टोकन, सभी पर 50% छूट।
  • कॉन्टेक्स्ट विंडो 1,048,576 टोकन है और अधिकतम 65,536 कम्प्लीशन टोकन समर्थित हैं।
  • एक ही प्रोवाइडर Tencent Cloud द्वारा होस्टेड, P50 लेटेंसी 2.94 सेकंड, थ्रूपुट 69 tok/s और 3 दिनों में 99.79% उपलब्धता।
  • Vals AI ने Vibe Code Bench v1.1 पर 74.8% और Terminal-Bench 4.0 पर 15.2% रिपोर्ट किया।

बिल्डरों के लिए Hy4 flash लगभग एक-चौथाई पैरामीटर और 50% छूट पर 1M कॉन्टेक्स्ट व टूल कॉलिंग देता है, जो उच्च-मात्रा एजेंट और कोड पाइपलाइन के लिए उपयुक्त है, लेकिन Terminal-Bench 4.0 पर 15.2% बताता है कि जटिल टर्मिनल कार्यों के लिए अभी भी मजब...

OpenRouter Models
05
testmodelsopen source unlock

unsloth ने Dynamic 3.1 के साथ Qwen3.8-27B-GGUF क्वांट जारी किए

unsloth ने Hugging Face पर Qwen3.8-27B के GGUF क्वांटाइज़ेशन प्रकाशित किए हैं, जो Unsloth Dynamic 3.1 का उपयोग करते हैं और मॉडल कार्ड के अनुसार अन्य फ्रंटियर क्वांट की तुलना में औसत सटीकता 5-10% अधिक देते हैं। आधार मॉडल 27B का डेंस विज़न-लैंग्वेज मॉडल है जिसका नेटिव कॉन्टेक्स्ट 262,144 टोकन है।

  • मॉडल कार्ड में 27B पैरामीटर, हिडन डाइमेंशन 5120, 64 लेयर और LM आउटपुट डाइमेंशन 248,320 (पैडेड) दर्ज है।
  • नेटिव कॉन्टेक्स्ट लंबाई 262,144 टोकन है और YaRN जैसे RoPE स्केलिंग से 1,000,000 टोकन तक बढ़ाई जा सकती है।
  • क्वांटाइज़ेशन फ़ाइलें 1-bit से 16-bit तक हैं: UD-IQ1_S 6.19 GB, UD-Q4_K_XL 17.7 GB और BF16 54.7 GB।
  • मॉडल कार्ड बताता है कि Dynamic v3.1 GGUF, Terminal Bench, DeepSWE, LiveCodeBench आदि पर अन्य फ्रंटियर क्वांट की तुलना में 5-10% अधिक औसत सटीकता देता है।

जो बिल्डर 27B विज़न-लैंग्वेज मॉडल को लोकली तैनात करना चाहते हैं, उनके लिए 1-bit से 8-bit फ़ाइल रेंज और 262K नेटिव कॉन्टेक्स्ट VRAM बजट बनाम लंबे कार्यों की क्षमता का स्पष्ट मापनीय संतुलन बनाते हैं।

Hugging Face Trending
06
watchagentsincremental

सुरक्षा शोध में AI एजेंट को संवेदनशील डेटा से जोड़ने वाले 1,467 सर्वर का पता चला

एक सुरक्षा शोध सारांश में 1,467 सर्वर मिलने की सूचना है जो AI एजेंट को संवेदनशील डेटा से जोड़ते हैं।

  • सुरक्षा शोध सारांश में 1,467 सर्वर मिलने की सूचना है जो AI एजेंट को संवेदनशील डेटा से जोड़ते हैं।

बिल्डरों को उजागर AI एजेंट सर्वर को केवल मॉडल क्षमता नहीं, बल्कि संवेदनशील डेटा पहुंच जोखिम मानना चाहिए।

الشرق الأوسط