AI TrackerModels समाचार,
डेवलपर्स के लिए।
हर AI provider से Models से जुड़ी ताज़ा ख़बरें: लॉन्च, कीमत में बदलाव और बंद होने वाली सेवाएँ, संक्षेप में और आपके लिए उनका मतलब।
Agent Arena में Tencent का Hy4 कुल मिलाकर #14 पर; प्रति टास्क लागत Kimi K3.1 Pro से लगभग 62% कम
Arena के अनुसार, Tencent का Hy4 उसके Agent Arena में कुल मिलाकर #14 पर आया। यह प्लेटफ़ॉर्म अपने उपयोगकर्ता समुदाय के वास्तविक एजेंटिक सत्रों के आधार पर मॉडलों को स्कोर देता है। Arena का कहना है कि यह नतीजा 8,500 से अधिक दीर्घ-अवधि वाले सत्रों और 4.7% के शुद्ध सुधार पर आधारित है, और Hy4 स्कोर बनाम लागत के Agent Arena Pareto frontier में शामिल हो गया है।Tencent ने Hy4 जारी किया; अब OpenRouter और Tencent Cloud पर उपलब्ध
Tencent का Hy4 OpenRouter पर उपलब्ध है, जहाँ इसे tencent/hy4 के नाम से 1,048,576-टोकन की context window के साथ सूचीबद्ध किया गया है। AI-मॉडल समाचार अकाउंट AiBattle की रिपोर्ट है कि यह Tencent Cloud पर भी उपलब्ध है और Tencent मॉडल के वज़न जारी करने की योजना बना रहा है तथा छोटे Hy4 Flash पर काम कर रहा है। Tencent Hunyuan की अपनी घोषणा में Hy4 को vision वाला नया मॉडल बताया गया है, इसे “मज़बूती से अग्रणी open models में” कहा गया है और बताया गया है कि इसे साइबर तथा जैव-सुरक्षा को ध्यान में रखकर बनाया गया है। मॉडल का Tencent शोध पृष्ठ hy.tencent.ai/research/hy4 पर है।OpenRouter की कैटलॉग में Inception के तीन Mercury मॉडल की समाप्ति तिथि 8 नवंबर दी गई है
OpenRouter की मॉडल कैटलॉग में अब Inception के तीन मॉडल के लिए 8 नवंबर, 2026 की समाप्ति तिथि दिखाई गई है: Mercury 3 (inception/mercury-3, 1,000,000-token संदर्भ), Mercury 2.5 (inception/mercury-2.5, 260,000 tokens) और Mercury 2 (inception/mercury-2, 128,000 tokens)। इनमें से किसी भी प्रविष्टि में पहले समाप्ति तिथि नहीं थी। यह केवल कैटलॉग का एक फ़ील्ड है; प्रविष्टियों में यह नहीं बताया गया है कि ऐसा क्यों है या उस तारीख के बाद मॉडल का क्या होगा।OpenRouter ने Crouton Alpha जोड़ा, 1M-टोकन संदर्भ वाला मुफ़्त स्टील्थ मॉडल
OpenRouter ने Crouton Alpha नाम का एक नया स्टील्थ मॉडल घोषित किया। कंपनी इसे "एक अत्यंत कुशल रीजनिंग मॉडल बताती है, जिसे उन कामों को बड़े पैमाने पर करने के लिए बनाया गया है जिन्हें आपके एजेंट दिन भर बार-बार करते हैं"। इसे बनाने वाले का नाम नहीं बताया गया है।Gemini 2.5 Pro और 2.5 Flash को 1 दिसंबर को बंद किया जाएगा और नए मॉडल पर रीडायरेक्ट किया जाएगा
Gemini API के बारे में पोस्ट करने वाले Patrick Löber का कहना है कि Gemini API में Gemini 2.5 Pro और Gemini 2.5 Flash को 1 दिसंबर को बंद कर दिया जाएगा और उन पर भेजे गए अनुरोध अपने आप रीडायरेक्ट होंगे:OpenRouter की कैटलॉग में पाँच MiniMax मॉडल की समाप्ति तिथि 5 नवंबर दी गई है
OpenRouter की मॉडल कैटलॉग में अब पाँच MiniMax मॉडल के लिए 5 नवंबर, 2026 की समाप्ति तिथि दिखाई गई है: MiniMax-01 (minimax/minimax-01, 1,000,192-टोकन संदर्भ), MiniMax M2 (minimax/minimax-m2), M2.1 (minimax/minimax-m2.1) और M2.7 (minimax/minimax-m2.7), जिनमें से प्रत्येक का संदर्भ 204,800 टोकन है, और M2-her (minimax/minimax-m2-her, 65,536 टोकन)। इनमें से किसी भी प्रविष्टि में पहले समाप्ति तिथि नहीं थी। यह केवल कैटलॉग का एक फ़ील्ड है; प्रविष्टियों में यह नहीं बताया गया है कि इसकी वजह क्या है या उस तारीख के बाद मॉडलों के साथ क्या होगा।Anthropic के संशोधित S-1 में कहा गया है कि वह जल्द ही AI की तेज़ प्रगति की अपनी परिभाषा पर खरी उतर सकती है
epyhia.com का एक लेख, जिसमें TechCrunch का हवाला दिया गया है, रिपोर्ट करता है कि सोमवार, 2 नवंबर को दाखिल Anthropic के संशोधित S-1/A पंजीकरण विवरण में जोखिम से जुड़ा एक नया खुलासा शामिल है। लेख के अनुसार, दस्तावेज़ में कहा गया है कि मौजूदा मॉडलों के बजाय भविष्य के मॉडलों को लेकर Anthropic के आंतरिक अनुमान और अपेक्षाएँ संकेत देती हैं कि वह अपनी Responsible Scaling Policy में "AI के कारण नाटकीय रूप से तेज़ हुई प्रगति" की परिभाषा पर "शीघ्र ही" खरी उतर सकती है—एक सीमा जिसे लेख पुनरावर्ती आत्म-सुधार के बराबर बताता है। दस्तावेज़ कहता है कि उसके किसी भी मौजूदा मॉडल ने यह सीमा पार नहीं की है और Anthropic नीति में बदलाव पर विचार कर रही है, "ताकि Anthropic में फ्रंटियर मॉडल के विकास पर इंसानों का नियंत्रण बना रहे।"OpenAI का कहना है कि GPT-6 Astra किसी उपकरण का बाहरी आवरण और सर्किट बोर्ड डिज़ाइन कर सकता है, और इंजीनियरिंग साझेदारों की तलाश में है
OpenAI बताता है कि उसके मॉडल मैकेनिकल और इलेक्ट्रिकल इंजीनियरिंग में कैसे मदद करते हैं: CAD मॉडल, विनिर्माण ड्रॉइंग, सिमुलेशन और PCB डिज़ाइन। ये OpenAI के अपने दावे हैं।OpenRouter के कैटलॉग से Meta: Llama 3.1 70B Instruct की 3 नवंबर की समाप्ति तिथि हटाई गई
OpenRouter के मॉडल कैटलॉग में अब 3 नवंबर, 2026 को समाप्त होने वाले "Meta: Llama 3.1 70B Instruct" (meta-llama/llama-3.1-70b-instruct) की समाप्ति तिथि नहीं दिखाई देती। यह वही दिन था जिस दिन मॉडल की अवधि समाप्त होने वाली थी। अक्टूबर के आखिर से इस फ़ील्ड में 3 नवंबर लिखा था, लेकिन अब यह खाली है। प्रविष्टि में अब भी 131,072 टोकन का कॉन्टेक्स्ट दर्ज है। OpenRouter ने यह नहीं बताया है कि रिटायरमेंट रद्द हुआ है या सिर्फ़ टाला गया है।Artificial Analysis: Kimi K3.1 Pro का व्यक्तित्व, Kimi K3 से सबसे अधिक अलग है—यह अब तक मापे गए किसी भी मॉडल अपडेट से बड़ा बदलाव है
Artificial Analysis के अनुसार, AA-PersonalityBench पर Kimi K3.1 Pro में किसी मॉडल और उसके सीधे पिछले संस्करण के बीच अब तक का सबसे बड़ा व्यक्तित्व बदलाव दिखा है। हर मॉडल को 30 गुणों पर 1 से 100 तक पर्सेंटाइल रैंक दिया जाता है। ये स्कोर वेबसाइट के अपने हैं।
Perplexity ने pplx-embed-v2-context जारी किया: 9B और 0.6B के ओपन-वेट विज़न-लैंग्वेज एम्बेडिंग मॉडल
Perplexity ने Hugging Face पर pplx-embed-v2-context जारी किया—दो ओपन-वेट विज़न-लैंग्वेज एम्बेडिंग मॉडल (9B और 0.6B)—और turbopuffer के साथ मिलकर एक पेपर भी लिखा। दोनों हर दस्तावेज़ के लिए एक int8 वेक्टर लौटाते हैं, या हर ऐसे chunk के लिए एक वेक्टर लौटाते हैं जो पूरा दस्तावेज़ देखता है। दोनों बिना संदर्भ वाले मोड में भी चलते हैं, जिसमें हर दस्तावेज़ के लिए एक एम्बेडिंग होती है और chunking नहीं होती।
OpenAI के API मूल्य निर्धारण पृष्ठ से o1, o1-pro और GPT-4 समेत दस पुराने मॉडल हटे
2 नवंबर, 2026 को OpenAI के API मूल्य निर्धारण पृष्ठ से दस पुराने मॉडल गायब हो गए। यह स्वयं मूल्य निर्धारण पृष्ठ है, OpenAI की कोई घोषणा नहीं; और केवल पृष्ठ से हटाया जाना अपने-आप में सेवा-समापन की सूचना नहीं है। पृष्ठ पर दी गई कीमतों में इकाई का उल्लेख नहीं है।Arena: शीर्ष एजेंट हर लिखे गए टोकन के लिए लगभग 93 इनपुट टोकन पढ़ते हैं
लीडरबोर्ड प्रकाशित करने वाली Arena का कहना है कि 26,000 से अधिक सत्रों में, उसके Agent Arena के शीर्ष 10 एजेंट अपने द्वारा जनरेट किए गए हर टोकन के लिए लगभग 93 इनपुट टोकन संसाधित करते हैं। उसका कहना है कि इसी वजह से कंपनियाँ कैश किए गए इनपुट की कीमत घटाने की होड़ में हैं। Arena ने वास्तविक सत्रों में कैशिंग कैसे काम करती है, इसका एक वीडियो भी साझा किया है। ये आँकड़े Arena के अपने विश्लेषण पर आधारित हैं।
शोधकर्ताओं का कहना है कि GPT-6 Astra ने बिना ट्रेनिंग के गणित में सुधार के लिए एक छोटे Qwen मॉडल के वज़न संपादित किए
X पर rikiyatakehi अकाउंट की एक पोस्ट के मुताबिक, लेखकों ने GPT-6 Astra से Qwen3.5-0.8B के वज़न संपादित करने को कहा, ताकि गणित में उसका प्रदर्शन बेहतर हो। उनका कहना है कि मॉडल ने सीधे तौर पर वज़न के सिर्फ़ 0.016% हिस्से में बदलाव किया, छोटे मॉडल के रीजनिंग लूप ठीक किए, गणित में प्रदर्शन 6 गुना तक और निर्देशों का पालन 3 गुना बेहतर किया—वह भी बिना ग्रेडिएंट या ट्रेनिंग के। उन्होंने इस तरीके को Weight-Space Programming नाम दिया है।OpenAI ने LifeVal पेश किया, जो रोज़मर्रा के निजी सहायक कार्यों का एक बेंचमार्क है
OpenAI का कहना है कि उसने LifeVal बनाया है—एक नया बेंचमार्क, जिसे इस बारे में हजारों ChatGPT उपयोगकर्ताओं की प्रतिक्रिया के आधार पर तैयार किया गया कि वे निजी सहायक से किन कामों में सबसे अधिक मदद चाहते हैं। इन कार्यों में बच्चों की देखभाल की व्यवस्था ढूँढ़ने से लेकर सरकारी सेवाओं तक पहुँचने और निजी वित्त संभालने तक के काम शामिल हैं।Arena के Agent Arena में अब आउटपुट टोकन और प्रतीक्षा समय के मुकाबले प्रदर्शन के ग्राफ़
लीडरबोर्ड प्रकाशित करने वाली Arena का कहना है कि उसके Agent Arena में अब यह दिखाया जाता है कि टास्क पर होने वाले खर्च के अलावा, हर जनरेट किए गए आउटपुट टोकन और उपयोगकर्ता के प्रतीक्षा के हर मिनट के हिसाब से कौन-से एजेंट सबसे बेहतर प्रदर्शन करते हैं। Arena का कहना है कि बुद्धिमत्ता का समान स्तर 10× अधिक महँगा हो सकता है, इसके लिए 6× अधिक आउटपुट टोकन की ज़रूरत पड़ सकती है और इसमें दोगुना समय लग सकता है।
Hume ने Audio Decision API लॉन्च किया, जो एक ही कॉल में ऑडियो के बारे में सवालों के जवाब देता है
Hume का कहना है कि उसका Audio Decision API डेवलपर्स को ऑडियो के बारे में सवाल पूछने देता है—जैसे उसमें कितने वक्ता हैं, क्या कोई हँस रहा है या कोई कॉलर झुंझलाया हुआ है। Hume के मुताबिक, इससे उस काम की जगह एक ही मॉडल ले लेता है जिसके लिए पहले 10 या उससे अधिक मॉडल इस्तेमाल करने पड़ते थे।Hydrogen-1.0, GLM-5.3 से पोस्ट-ट्रेन किया गया ओपन-वेट वैज्ञानिक मॉडल जारी
Chenru Duan ने Hydrogen-1.0 की घोषणा की, जिसे टीम वैज्ञानिक शोध के लिए अपना पहला ओपन-वेट मॉडल बताती है। यह Z.ai के GLM-5.3 को टीम के आंतरिक वैज्ञानिक डेटा, प्रयोगशाला रिकॉर्ड और खोज-प्रक्रिया के इतिहास पर पोस्ट-ट्रेन करके बनाया गया है।
SemiAnalysis ने GDPx जारी किया, यह एक एजेंटिक बेंचमार्क है जिसमें सर्वश्रेष्ठ मॉडल का स्कोर 12% है
SemiAnalysis ने GDPx जारी किया है—यह उन क्षेत्रों में एजेंटिक क्षमताओं का बेंचमार्क है जिन्हें वह सबसे अधिक मूल्यवान मानता है, जिनमें चिप डिज़ाइन, साइबर और जीवविज्ञान शामिल हैं। उसका कहना है कि सर्वश्रेष्ठ मॉडल का स्कोर भी केवल 12% है। नतीजों को साझा करने वाली एक पोस्ट में Claude Opus 5.5 को 12.0% के साथ शीर्ष पर और आगामी Gemini 4 Carbon को 10.9% पर बताया गया है; यह पोस्ट साझा करने वाले की व्याख्या है, SemiAnalysis का अपना कथन नहीं।
Meituan ने LongCat-2.5 जारी किया, जो एजेंट कार्यों के लिए 1.6T-पैरामीटर वाला मल्टीमॉडल मॉडल है
X पर leo114119 नाम के अकाउंट की एक पोस्ट के मुताबिक, Meituan ने LongCat-2.5 जारी किया है। पोस्ट में Meituan के LongCat ब्लॉग का लिंक दिया गया है। पोस्ट कहती है कि Meituan इसे एजेंट कार्यों के लिए बनाया गया एक नेटिव मल्टीमॉडल मॉडल बताता है, जिसमें 1.6 ट्रिलियन पैरामीटर हैं। जटिल विज़ुअल कोडिंग परियोजनाओं और पेशेवर कार्यालयी काम—जैसे रचनात्मक डिज़ाइन, 3D कार्य और व्यावसायिक विश्लेषण—में भी इसे मजबूत बताया गया है।