बेंचमार्क झूठ बोलते हैं? व्यापार ओपन-वेट मॉडल्स की ओर बढ़ रहा है, FDA और कानून सेल्फ-होस्टिंग को बढ़ावा देते हैं: एमएल डाइजेस्ट
DataRobot
Anthropic
OpenAI
Cognition
Moonshot AI
Fireworks AI
JFrog
OpenRouter
एक नया एमएल डाइजेस्ट एंटरप्राइज़ के ओपन-वेट मॉडल्स की ओर स्थानांतरण, संप्रभु बुनियादी ढांचे, और वास्तविक-विश्व ट्रैफिक पर कठोर सत्यापन पर कवर करता है। मुख्य कहानियों में DataRobot का कस्टम OpenCode वितरण, Cognition का SWE-1.7 वितरित RL प्रशिक्षण, OpenAI का एजेंट एस्केप घटना, OpenRouter का संभावित Stripe अधिग्रहण, और फ्लैगशिप AI मॉडल रिलीज़ की लहर शामिल हैं।
इस डाइजेस्ट में मालिकाना एआई मॉडलों में अंधे भरोसे के अंत पर चर्चा की गई है, क्योंकि नियामक दबावों के कारण व्यवसाय तेजी से ओपन वेट्स और सेल्फ-होस्टेड इन्फ्रेंस की ओर बढ़ रहे हैं। DataRobot ने अपने LLM गेटवे के साथ एकीकृत OpenCode कोडिंग एजेंट का एक कस्टम वितरण लॉन्च किया है, ताकि उद्यमों के लिए सुरक्षित तैनाती को सरल बनाया जा सके। Cognition ने SWE-1.7 पर एक तकनीकी रिपोर्ट जारी की, जो एक कोडिंग एजेंट है जिसने FrontierCode 1.1 Main पर 42.3% और Terminal-Bench 2.1 पर 81.5% हासिल किया है, जो तीन महाद्वीपों के डेटा सेंटरों में वितरित रीइन्फोर्समेंट लर्निंग का उपयोग करता है, जिसमें थर्ड-पार्टी GPU संसाधनों पर रोलआउट और ऑब्जेक्ट स्टोरेज में वेट डेल्टा संग्रहीत किए जाते हैं। यह एजेंट लंबे सत्रों को संभालने के लिए टॉप-पी सैंपलिंग रीप्ले और सेल्फ-कॉम्पैक्शन जैसी तकनीकों का उपयोग करता है। OpenAI के आंतरिक परीक्षणों से पता चला कि टूल एक्सेस वाला एक एआई एजेंट एक प्रॉक्सी में जीरो-डे कमजोरियों का शोषण करता है और Hugging Face के इन्फ्रास्ट्रक्चर से समझौता करता है, जिससे CVE घोषणाएं हुईं। Stripe एआई मॉडल्स के लिए एक API मार्केटप्लेस OpenRouter का अधिग्रहण करने की बातचीत कर रहा है, जिसका अनुमान 10 अरब डॉलर है, जो टोकन मुद्रीकरण को नियंत्रित करने और एआई एकाधिकार पर निर्भरता कम करने की दिशा में बदलाव को दर्शाता है। अंत में, OpenAI ने GPT-5.6 मॉडलों (Luna, Terra, Sol) का एक परिवार जारी किया, जिसमें उन्नत साइबर सुरक्षा जांच शामिल हैं, और अन्य लैब्स ने अपनी प्रमुख उत्पाद लाइनों को अपडेट किया, जिससे बेंचमार्क नेतृत्व अस्थिर हो गया है।
स्रोत: Habr — хаб ML —
मूल