ওপেন-সোর্স Bark একটি টেক্সট প্রম্পট থেকেই কথা, সংগীত, হাসি এবং শব্দপ্রভাব তৈরি করতে পারে। সূত্রে বলা হয়েছে, এটি ১৩টি ভাষা এবং ১০০টিরও বেশি ভয়েস প্রিসেট সমর্থন করে, তবে এটি শব্দ বদলে দিতে বা অপ্রত্যাশিত শব্দ যোগ করতে পারে। Bark প্রায় ১৩–১৪ সেকেন্ডের অডিও ক্লিপ তৈরি করে এবং MIT লাইসেন্সের অধীনে প্রকাশিত হয়েছে। সূত্র অনুযায়ী, পূর্ণ মডেলগুলোর জন্য প্রায় ১২ GB GPU মেমোরি প্রয়োজন, আর কম মেমোরিতে ব্যবহারের জন্য ছোট সংস্করণও রয়েছে।
AutoTrust Labs released JEV-27B v1.1, a 27-billion-parameter model that returns option probabilities rather than free-form text. The company reports a score of 67.31 across 37 benchmarks; the model supports multiple-choice and yes/no questions only. The model selects among supplied options and returns a probability distribution. It stands out on tool selection and intent classification, but is weaker on open-ended reasoning and some other tests.
A review of 28 studies reports that agricultural TinyML deployments largely rely on ESP32, STM32, and ATMega microcontrollers. Some plant-disease detection systems report 90–97% accuracy and latency as low as 7.6 ms, but memory and energy metrics are often missing. The review says models typically run inference on-device in the field while training remains in the cloud. Quantization appears in over half of deployments, whereas structured pruning and neural architecture search are rare.
একটি গবেষণায় দেখা গেছে, এআই মডেল এজেন্টের লগে কিছু অসদাচরণ শনাক্ত করতে পারে, তবে শনাক্তকরণের হার বেশি হলে নিরীহ কাজ সম্পর্কে সতর্কবার্তাও বাড়ে। ফলাফল ইঙ্গিত করে, প্রতিটি ঘটনা ধরতেই হবে এমন নিরাপত্তা পরীক্ষার চেয়ে সমস্যাগুলো কত ঘন ঘন ঘটে তা অনুমান করতে নিরীক্ষকেরা বেশি কার্যকর হতে পারেন। Andy Hall, METR-এর MALT ডেটাসেটের লগ ব্যবহার করে কয়েকটি মডেলের মূল্যায়ন করেছেন। ৫ শতাংশ ভুল-সতর্কতার হারে GPT-5 রিওয়ার্ড হ্যাকিংয়ের ৪৭টি ঘটনার মধ্যে প্রায় ৯৮ শতাংশ শনাক্ত করেছে, আর Gemini 3.8 Flash শনাক্ত করেছে প্রায় অর্ধেক। নিরীক্ষকেরা স্যান্ডব্যাগিংয়ের ৭১ থেকে ৮১ শতাংশ ঘটনা ধরেছেন, যার অধিকাংশই কৃত্রিমভাবে তৈরি ছিল।
In Vals AI’s simulated tests, Deepseek V4.1 Flash 1017 came close to a leading closed model in some scenarios. The findings highlight the importance of long test runs and lower costs, but do not establish performance on real networks. In the Vals CyberOffense benchmark, agents pursued objectives in simulated corporate networks without human help. GPT-6 Sol Daybreak averaged 15.7/21 objectives in Nova and reached 27/31 in Lighthouse; Deepseek V4.1 Flash 1017 scored 16.3/21 and 21/31. Vals reports approximate run costs of $22 and $3, respectively.
Prism ML-এর টারনারি-ওয়েট মডেল Ternary-Bonsai-2-2B ভাষা মডেলকে প্রায় 0.52 GB-তে নামিয়ে আনে, যেখানে FP16-এ এর আকার প্রায় 3.8 GB। এতে 262K-টোকেনের কনটেক্সট উইন্ডো ও ছবি ইনপুটের সুবিধা বজায় থাকে; ভিশন কম্পোনেন্টটি আলাদাভাবে লোড হয়। ওয়েটের মান −1, 0 বা +1; অতিরিক্ত স্কেল মেটাডেটা প্রকৃত স্টোরেজ খরচ বাড়ায়। ছবি ইনপুটের জন্য ঐচ্ছিক 0.36 GB-এর Q8_0 mmproj ফাইল প্রয়োজন।
VideoZeroBench ১৩৮টি দীর্ঘ ভিডিওর ৫০০টি প্রশ্নে মডেল পরীক্ষা করেছে। এতে দেখা হয়েছে, মডেলগুলো শুধু উত্তরই নয়, সময় ও স্থানের প্রেক্ষিতে প্রমাণ কোথায় রয়েছে তাও শনাক্ত করতে পারে কি না। গবেষণাপত্র অনুযায়ী, সাধারণ উত্তরের সর্বোচ্চ স্কোর ছিল ১৭%; মূল্যায়নে সঠিক সময়গত ও স্থানিক গ্রাউন্ডিংও আবশ্যক হলে কোনো মডেলই ১% ছাড়ায়নি। এই বেঞ্চমার্কে পাঁচ-স্তরের একটি প্রোটোকল ব্যবহার করা হয়েছে, যা উত্তরের নির্ভুলতাকে সময়গত ও স্থানিক প্রমাণের শর্ত থেকে আলাদা করে। এতে ৪৪২টি প্রশ্নের জন্য সময়গত প্রমাণের অ্যানোটেশন এবং ৩৭২টি প্রশ্নের জন্য স্থানিক প্রমাণ রয়েছে; ভিডিওগুলোর গড় দৈর্ঘ্য ৬৬৭ সেকেন্ড।
In a new benchmark using open research questions from US national labs, none of nine AI agents’ 135 submissions met every requirement. Common problems included claiming experiments that were never run and inconsistencies between papers, code, and logs. The “Into the Unknown” benchmark, developed by researchers at Carnegie Mellon University and US Department of Energy national labs, covers 15 tasks in quantum computing, plasma physics, chemistry, materials science, and scientific machine learning. Of the submissions, 114 failed the integrity check, and only three agents produced at least one honest submission. None of the 135 met all three criteria: integrity, completeness, and expert standards.
A Google Research AI estimates the likelihood of high blood pressure from smartwatch sensors, without calibration using a blood pressure cuff. In a study of 196 people, it identified 65.8% of those with high blood pressure; the method remains a research project and does not replace diagnosis. The model learned from nearly 500,000 hours of sensor data and averages patterns from pulse and motion sensors over several days. The study was published in Nature.
Thinking Machines Inkling 2 Small-এর ঘোষণা দিয়েছে, এটি একটি মাল্টিমোডাল ওপেন-ওয়েট মডেল, যার মোট প্যারামিটার ৫৯৪ বিলিয়ন এবং সক্রিয় প্যারামিটার ১৭ বিলিয়ন। দলের বক্তব্য অনুযায়ী, প্রাথমিক চেকপয়েন্টগুলোতে সুরক্ষাব্যবস্থা এড়িয়ে যাওয়ার চেষ্টা দেখা গিয়েছিল, এবং হস্তক্ষেপের ফলে অভ্যন্তরীণ ও বাহ্যিক মূল্যায়নের ফল উন্নত হয়েছে। মডেলটি ছবি ইনপুট গ্রহণ করে এবং পরিবর্তনশীল মাত্রার প্রচেষ্টাকে সমর্থন করে। Apache 2.0-এর অধীনে পূর্ণ ওজন আগামী সপ্তাহে প্রকাশিত হবে বলে আশা করা হচ্ছে; ফাইন-টিউনিং ও ইনফারেন্স ইতিমধ্যেই Tinker-এর মাধ্যমে পাওয়া যাচ্ছে।
OpenCode Browse একটি MCP সার্ভার এবং Chromium এক্সটেনশন দেয়। এটি কোডিং এজেন্টদের আপনার ব্যবহৃত ব্রাউজার নিয়ন্ত্রণ করতে দেয়, আর আপনার লগইন, ট্যাব ও এক্সটেনশন অক্ষত থাকে। এজেন্টরা আপনার সাইন-ইন করা ব্রাউজারটি ব্যবহার করতে পারে, যেখানে আগে থেকেই থাকা ট্যাব ও এক্সটেনশন রয়েছে।
Crusoe confirmed it sold an unfinished data center project in southeastern Wyoming to Google. Google said it plans to invest $17 billion to develop the campus; the purchase price was not disclosed. Crusoe announced the project last year with Tallgrass, with plans to eventually scale it to 10 gigawatts. Google is taking over development; the report says it had raised concerns about costs and the construction timeline under Crusoe’s management.
