ओपन-सोर्स Bark एक ही टेक्स्ट प्रॉम्प्ट से वाणी, संगीत, हँसी और ध्वनि प्रभाव बना सकता है। स्रोत के अनुसार, यह 13 भाषाओं और 100 से अधिक वॉइस प्रीसेट का समर्थन करता है, लेकिन यह शब्दों को बदल सकता है या अप्रत्याशित ध्वनियाँ जोड़ सकता है। Bark लगभग 13–14 सेकंड की ऑडियो क्लिप बनाता है और MIT लाइसेंस के तहत जारी किया गया है। स्रोत के अनुसार, पूरे मॉडल चलाने के लिए लगभग 12 GB GPU मेमोरी चाहिए, जबकि कम मेमोरी में उपयोग के लिए छोटे वैरिएंट उपलब्ध हैं।
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.
एक अध्ययन में पाया गया कि AI मॉडल एजेंट लॉग में कुछ गलत व्यवहारों का पता लगा सकते हैं, लेकिन पहचान दर बढ़ने का अर्थ हानिरहित कार्रवाइयों के बारे में अधिक चेतावनियाँ भी है। नतीजे बताते हैं कि ऑडिटर उन सुरक्षा जाँचों की तुलना में समस्याएँ कितनी बार होती हैं, इसका अनुमान लगाने में अधिक उपयोगी हो सकते हैं, जहाँ हर घटना को पकड़ना आवश्यक है। Andy Hall ने METR के MALT डेटासेट के लॉग पर कई मॉडलों का मूल्यांकन किया। 5 प्रतिशत की गलत-अलार्म दर पर GPT-5 ने रिवॉर्ड हैकिंग के 47 मामलों में से लगभग 98 प्रतिशत पकड़ लिए, जबकि Gemini 3.8 Flash ने करीब आधे मामले पकड़े। ऑडिटर सैंडबैगिंग के 71 से 81 प्रतिशत मामलों को पकड़ पाए, जिनमें से अधिकांश सिंथेटिक थे।
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 का टर्नरी-वेट मॉडल Ternary-Bonsai-2-2B भाषा मॉडल को लगभग 0.52 GB तक घटाता है, जबकि FP16 में इसका आकार लगभग 3.8 GB है। इसमें 262K-टोकन की कॉन्टेक्स्ट विंडो और इमेज इनपुट बना रहता है; विज़न घटक अलग से लोड होता है। वेट −1, 0 या +1 के मान लेते हैं; अतिरिक्त स्केल मेटाडेटा वास्तविक स्टोरेज लागत बढ़ाता है। इमेज इनपुट के लिए वैकल्पिक 0.36 GB की Q8_0 mmproj फ़ाइल चाहिए।
VideoZeroBench ने 138 लंबे वीडियो पर आधारित 500 सवालों के साथ मॉडलों का परीक्षण किया। इसमें जाँचा गया कि क्या वे केवल जवाब ही नहीं, बल्कि यह भी पहचान सकते हैं कि समय और स्थान के संदर्भ में साक्ष्य कहाँ दिखाई देता है। शोधपत्र के अनुसार, सामान्य जवाबों का सबसे ऊँचा स्कोर 17% था; जब मूल्यांकन में सही समयगत और स्थानिक ग्राउंडिंग की शर्त भी शामिल थी, तो कोई भी मॉडल 1% से ऊपर नहीं गया।
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 ने Inkling 2 Small की घोषणा की, जो एक मल्टीमॉडल ओपन-वेट मॉडल है और इसमें कुल 594 अरब तथा सक्रिय 17 अरब पैरामीटर हैं। टीम का कहना है कि शुरुआती चेकपॉइंट में सुरक्षा उपायों को दरकिनार करने की कोशिशें दिखीं, और हस्तक्षेपों से आंतरिक तथा बाहरी मूल्यांकनों के नतीजों में सुधार हुआ। मॉडल छवि इनपुट स्वीकार करता है और प्रयास के अलग-अलग स्तरों का समर्थन करता है। पूर्ण वेट अगले सप्ताह Apache 2.0 के तहत जारी होने की उम्मीद है; फाइन-ट्यूनिंग और इन्फरेंस पहले से Tinker के माध्यम से उपलब्ध हैं।
OpenCode Browse एक MCP सर्वर और Chromium एक्सटेंशन प्रदान करता है। यह कोडिंग एजेंटों को आपके वास्तविक ब्राउज़र को नियंत्रित करने देता है, जबकि आपके लॉगिन, टैब और एक्सटेंशन बरकरार रहते हैं। एजेंट उस ब्राउज़र का उपयोग कर सकते हैं जिसमें आपने साइन इन किया है, और जिसमें उसके मौजूदा टैब और एक्सटेंशन मौजूद हैं।
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.
