Meta ने अपने Muse मॉडल लॉन्च किए, NVIDIA ने AI एजेंटों के लिए Vera CPU का खुलासा किया, मोबाइल पर Claude Cowork

Meta अपने पहले इन-हाउस मीडिया मॉडल्स के साथ एक नया मोर्चा खोल रहा है, NVIDIA ने AI एजेंटों के लिए बनाए गए अपने Vera CPU की वास्तुकला का विवरण दिया है, और Claude Cowork मोबाइल और वेब तक फैल रहा है। इसके साथ-साथ GitHub Copilot ऐप को सभी प्लानों के लिए खोलना, Cohere में अरबी के लिए नया वॉइस रिकग्निशन मॉडल, और Anthropic, Google, OpenAI तथा xAI (अब SpaceXAI) की ओर से भी कई अपडेट शामिल हैं।

Meta ने Muse Image और Muse Video लॉन्च किए, अपने पहले मीडिया मॉडल

7 जुलाई — Meta Superintelligence Labs ने Muse Image और Muse Video पेश किए, जो डिवीजन द्वारा आंतरिक रूप से विकसित किए गए मीडिया जनरेशन के पहले मॉडल हैं। Muse Image को Meta द्वारा अब तक बनाया गया सबसे उन्नत इमेज मॉडल बताया गया है: यह निर्देशों का सटीक पालन करता है, सटीक संपादन की सुविधा देता है, एक साथ कई संदर्भों से रचना करता है, और Instagram के सामाजिक संदर्भ का उपयोग करता है। एक महत्वपूर्ण बात यह है कि यह केवल टेक्स्ट-टू-इमेज कनवर्टर की तरह नहीं, बल्कि एक एजेंट की तरह काम करता है: यह टूल्स को बुलाता है, स्वयं को परिष्कृत करता है, और inference के समय अधिक गणना दिए जाने पर अपना आउटपुट बेहतर करता जाता है — यह व्यवहार reinforcement learning के दौरान स्वतः उभरा, जब मॉडलों ने छवियों की गुणवत्ता अनुकूलित करने के लिए यह रणनीति सीखी। यह मॉडल Meta के सहयोगी मीडिया जनरेशन टूल Muse Spark में एकीकृत है।

Muse Video, जिसे प्रारंभिक पूर्वावलोकन के रूप में प्रस्तुत किया गया है, Muse Image के साथ वही pre-training आधार साझा करता है। यह उच्च दृश्य निष्ठा और देशी ऑडियो सपोर्ट प्रदान करता है, हालांकि Meta अभी भी कुछ अंतरालों पर काम कर रहा है, खासकर ऑडियो-वीडियो सिंक्रनाइज़ेशन पर। दोनों मॉडल Meta AI ऐप और वेब पर, साथ ही Instagram Stories और WhatsApp पर तैनात किए जा रहे हैं — शुरुआत सीमित देशों में, और आगे विस्तार की योजना के साथ। जनरेट की गई हर छवि में एक Content Seal शामिल होता है, जो एक छिपा हुआ provenance संकेत है और संशोधन के बाद भी बरकरार रहता है।

प्रतिस्पर्धी दृष्टि से, Image Arena की एक तृतीय-पक्ष गणना में Muse Image पहले ही 2nd स्थान पर है, OpenAI के GPT Image 2 के पीछे लेकिन Google के Nano Banana, xAI के Grok Imagine, और Microsoft के MAI Image से आगे।

🔗 Meta AI घोषणा

NVIDIA Vera — एजेंटिक लूप के लिए डिज़ाइन किया गया CPU

7 जुलाई — NVIDIA Vera की वास्तुकला का विवरण देती है, जो CPUs की एक नई श्रेणी है, खास तौर पर agentic loop के लिए बनाई गई — यानी किसी मॉडल के दो अनुरोधों के बीच टूल कॉल, कोड निष्पादन, और डेटा प्रोसेसिंग की श्रृंखला। पारंपरिक data center CPUs के विपरीत, जो लीज़ किए जा सकने वाले cores की संख्या अधिकतम करने के लिए अनुकूलित होते हैं, Vera अधिकतम single-core प्रदर्शन पर केंद्रित है।

यह CPU NVIDIA के इन-हाउस core Olympus पर आधारित है, जो Grace, उसकी पिछली पीढ़ी, की तुलना में 50% अधिक instructions per cycle (IPC) देता है, और एक monolithic compute chip के माध्यम से जुड़े 88 cores को समाहित करता है।

Perplexity ने Vera को अपने वास्तविक agentic workloads पर परखा: sandboxes में repository cloning के बाद tests चलाने वाला फ्लो x86 की तुलना में लगभग 1.5 गुना तेज चलता है, और concurrent sandboxes का startup 1.9 गुना तक तेज़ है। कंपनी Vera को production में तैनात करने पर विचार कर रही है।

विशेषता	NVIDIA Vera
Core	Olympus (+50 % IPC vs Grace)
Cores की संख्या	88
Memory bandwidth	1.2 TB/s LPDDR5X (< 40 W)
Core-to-core bandwidth	3.4 TB/s (प्रतिस्पर्धा से 3x)
Agentic gain (Perplexity)	x86 की तुलना में 1.5 से 1.9x तेज
SQL gain (Starburst)	3x तेज
Latency gain (Redpanda)	6x तक कम

NVIDIA अपनी roadmap की भी पुष्टि करती है: अगली पीढ़ी, Rosa, Rigel core (Arm v9.2 architecture) के साथ आएगी, जिसमें IPC और भी अधिक होगा, बड़ा L2 cache होगा, और समान silicon footprint के साथ अधिक कुशल memory management होगा। Vera, NVIDIA Vera Rubin platform के GPUs को भी होस्ट करता है और BlueField-4 STX storage processor को शक्ति देता है।

“The world counts in seconds. Agents count in nanoseconds. NVIDIA Vera is built for this new category — and speed — of work.”

🇮🇳 दुनिया सेकंडों में गिनती है। एजेंट नैनोसेकंडों में गिनते हैं। NVIDIA Vera काम की इस नई श्रेणी — और इस निष्पादन गति — के लिए बनाया गया है। — Ian Buck, NVIDIA

🔗 NVIDIA Blog का आधिकारिक लेख

Claude Cowork मोबाइल और वेब पर आ गया है

7 जुलाई — Anthropic ने Claude Cowork का विस्तार मोबाइल और वेब तक करने की घोषणा की है। विचार यह है: अपने कार्यस्थल से Claude को कोई काम सौंपिए, फिर उसकी प्रगति को ट्रैक कीजिए और परिणाम अपने फोन से प्राप्त कीजिए — सामने लाई गई अवधारणा यह है कि आप अपना लैपटॉप बंद कर सकते हैं जबकि Claude पृष्ठभूमि में काम करता रहता है।

वेब और desktop पर, Chat और Cowork अब एक साझा स्थान में विलय हो गए हैं: दोनों मोड के projects और artifacts को एक ही जगह पर रखा जा सकता है, और Claude के लिए कोई कार्य शुरू करना अब बिल्कुल एक सामान्य conversation शुरू करने जैसा है — अब Claude से बातचीत करने और उसे कोई बैकग्राउंड काम सौंपने के बीच दो अलग interfaces में स्विच करने की ज़रूरत नहीं। रोलआउट कई हफ्तों की progressive beta के रूप में किया जा रहा है, शुरुआत Max plan से, और बाद में इसे अन्य subscription योजनाओं तक बढ़ाया जाएगा।

इस लॉन्च के साथ, Anthropic ने 5 अगस्त तक Cowork की usage limits अस्थायी रूप से दोगुनी कर दी हैं, ताकि उपयोगकर्ता इस संक्रमण अवधि में अपने सामान्य quota को समय से पहले खर्च किए बिना Claude को बड़े कार्य सौंप सकें। एक समर्पित लेख, “Claude Cowork on web and mobile: hand off work anywhere”, भी claude.com पर साथ-साथ प्रकाशित किया गया है। यह मोबाइल विस्तार Cowork को सामान्य Chat के asynchronous समकक्ष के रूप में स्थापित करता है: जहाँ conversation real time exchange पर केंद्रित रहता है, वहीं Cowork वह स्थान बन जाता है जहाँ दिन में पहले सौंपे गए काम की प्रगति को दूर से ट्रैक किया जाता है।

🔗 @claudeai घोषणा

GitHub ने अपना Copilot app सभी plans के लिए खोल दिया

7 जुलाई — GitHub अपना Copilot desktop application — agentic development hub जो मई के अंत/जून की शुरुआत में लॉन्च हुआ था और अब तक अपने उपयोगकर्ता आधार के एक हिस्से तक सीमित था — को सभी उपयोगकर्ताओं के लिए खोल रहा है। macOS, Windows और Linux पर उपलब्ध यह ऐप अब सभी Copilot plans पर accessible है, जिसमें मुफ़्त योजना (Copilot Free) और GitHub Education offer भी शामिल हैं, ये दो tiers अब तक इससे वंचित थे।

एक और उल्लेखनीय बदलाव: Copilot subscription के बिना भी, अपनी पसंद के model provider की ओर अपना खुद का key (Bring Your Own Key, BYOK) लाकर ऐप का उपयोग करना संभव रहता है — GitHub के प्रति सीधे वित्तीय प्रतिबद्धता के बिना प्रवेश का एक रास्ता, जो ऐप को पहले से तृतीय-पक्ष API access वाले developers तक विस्तारित करता है। Business और Enterprise plans पर, access अभी भी administrator द्वारा policy settings में Copilot CLI को सक्रिय करने पर निर्भर है, जिससे GitHub enterprise deployments के लिए नियंत्रण का एक लीवर बनाए रखता है।

आधिकारिक @github account के उस tweet द्वारा पुष्टि की गई, जो changelog update से एक घंटा पहले प्रकाशित हुआ था, यह opening ऐप के संभावित audience को काफी बढ़ाती है, इसके preview launch के एक महीने से थोड़ा अधिक समय बाद। यह Copilot billing के हालिया विकासों (cost centers, प्रति-उपयोगकर्ता budgets) की उसी logic में फिट बैठता है: tool को अधिकतम लोगों के लिए सुलभ बनाना, जबकि संगठनों के लिए guardrails बनाए रखना।

🔗 GitHub का आधिकारिक changelog

Anthropic ने अपने सप्ताह की खबरें पूरी कीं

Claude for Open Source का दायरा maintainers तक बढ़ा

7 जुलाई — Anthropic अपने Claude for Open Source कार्यक्रम का विस्तार कर रहा है, जो 6 महीने के मुफ़्त Claude Max 20x देता है, ताकि योगदानकर्ताओं के एक बड़े समूह को शामिल किया जा सके: project maintainers, नियमित contributors (core contributors), वे लोग जो ecosystem में pull requests को पूरा कराते हैं, या जो किसी critical package को बनाए रखते हैं। आवेदन claude.com पर एक समर्पित page के माध्यम से खुले हैं। यह एक मौजूदा कार्यक्रम का विस्तार है, न कि कोई पूरी तरह नया लॉन्च, लेकिन maintainers के व्यापक समूह के लिए खुलना इसे open source developer समुदाय के लिए एक उल्लेखनीय घोषणा बनाता है।

🔗 @ClaudeDevs घोषणा

Claude Code v2.1.202 और v2.1.203 — changelog का सुधार

7 जुलाई — Claude Code के दो संस्करण 4 जुलाई की v2.1.201 के बाद का backlog पूरा करते हैं। v2.1.203 background agents के लिए reliability fixes की एक बड़ी श्रृंखला लाता है: macOS पर startup के समय 15 से 20 सेकंड तक अटकी हुई sessions, agents जो claude agents पर लौटते समय चुपचाप अपना काम खो देते थे, हर turn पर transcript के पुनः विश्लेषण से जुड़ी memory/CPU regression। सुरक्षा की दृष्टि से एक महत्वपूर्ण बिंदु: एक fix ने ANTHROPIC_BASE_URL variable की संभावित leak को बंद कर दिया, जो background session में API keys को default endpoint की ओर भेज सकती थी। यह संस्करण binary size को भी लगभग 7 MB कम करता है।

v2.1.202, दूसरी ओर, workflow में उत्पन्न होने वाले agents की संख्या को कैलिब्रेट करने के लिए /config में “Dynamic workflow size” setting जोड़ता है, उनकी गतिविधि को trace करने के लिए OpenTelemetry attributes, और Remote Control mobile/web तथा voice dictation पर कई fixes।

🔗 आधिकारिक CHANGELOG.md

Hugging Face Azure में शामिल हुआ, Sakana AI ने ICML 2026 में प्रकाशन किया

Hugging Face Microsoft Foundry Managed Compute पर आया

7 जुलाई — Hugging Face Microsoft के साथ अपनी साझेदारी का विवरण देता है: खुले weights वाले models का एक curated collection, जो हर सप्ताह refreshed होता है, Microsoft Foundry Managed Compute catalog में शामिल होता है, जो एक managed GPU platform (PaaS) है। weights Azure पर pre-hosted हैं, और ready-to-use runtimes के साथ आते हैं — vLLM, SGLang, TensorRT-LLM, NIM, TEI, llama.cpp, और hf-serve, Hugging Face का अपना multi-model server जो LLM/embeddings के बाहर की modalities के लिए है।

curation pipeline प्रकाशन से पहले compliance, license, और security review लागू करता है: केवल SafeTensors format के weights स्वीकार किए जाते हैं, बिना review किए अविश्वसनीय code (trust_remote_code) की अनुमति नहीं है, और images को CVEs के लिए स्कैन किया जाता है। तैनाती 5 चरणों में होती है, NVIDIA A100, H100, या AMD MI300X accelerators पर। यह सुविधा अभी preview में है; roadmap में व्यापक coverage और Bring Your Own Weights समर्थन का प्रावधान है।

🔗 Hugging Face Blog लेख

Sakana AI ने Sheaf-ADMM प्रकाशित किया, एक पारदर्शी multi-agent समन्वय

5 जुलाई — Sakana AI ने Sheaf-ADMM प्रस्तुत किया, एक framework जिसे ICML 2026 में स्वीकृति मिली है, जो वितरित अनुकूलन (ADMM) और sheaf theory (applied topology) को मिलाकर कई AI agents को सीमित जानकारी के साथ सहयोग करने देता है, बिना hidden states में अस्पष्ट message passing पर निर्भर हुए। कार्य को ओवरलैप होने वाले हिस्सों में विभाजित किया जाता है, हर हिस्से के लिए एक agent, और agents तीन चरणों में बातचीत करते हैं — स्थानीय प्रस्ताव, पड़ोसियों के साथ साझा आधार खोजना, असहमति को याद रखना — जब तक कि एक व्याख्येय वैश्विक consensus न बन जाए।

एक multi-agent Sudoku में जहाँ हर agent केवल एक पंक्ति, एक स्तंभ, या एक ब्लॉक देखता है, यह विधि 93% समाधान तक पहुँचती है, जबकि समान parameters वाली message-passing baseline केवल 11% तक पहुँचती है। domain shift वाले MNIST classification कार्य पर, यह 86% accuracy बनाए रखती है, जहाँ एक standard CNN 11% तक गिर जाता है। एक भूलभुलैया पर, यह एक classical baseline के बराबर प्रदर्शन करती है, जबकि 8 गुना छोटे channel पर संचार करती है।

🔗 Sheaf-ADMM — Sakana AI Blog

Google Gemini: प्राचीन काल से छोटी कंपनियों तक

इतिहासकारों के लिए Aeneas और Ithaca models में anchored Gemini

7 जुलाई — Google DeepMind “Predicting the Past” लॉन्च करता है, जो Google Antigravity में एक नया Skill है जो Gemini को उसके विशेषज्ञ models Aeneas (लैटिन inscriptions का deciphering) और Ithaca (प्राचीन ग्रीक texts) में anchor करता है। उद्देश्य: इतिहासकारों और epigraphists को सामान्य अंग्रेज़ी में ancient texts का अन्वेषण करने देना, बिना coding skills के — यह Skill Gemini के reasoning को इन दो specialized models की गहन expertise के साथ जोड़कर custom analyses और visuals बनाती है, और sources के बीच बड़े पैमाने पर patterns पहचानती है।

यह परियोजना इतिहासकार Thea Sommerschield के साथ एक research partnership पर आधारित है, जिन्होंने Google DeepMind के साथ कई documented case studies पर काम किया है, जो “Workflows — Conversing with antiquity” लेख में दर्ज हैं।

🔗 @GoogleDeepMind thread

Gemini App — Business notebooks और Google Business Profile integration

6 जुलाई — Gemini solopreneurs और छोटी कंपनियों के लिए नए टूल्स लॉन्च करता है: अपने Google Business Profile को सीधे Gemini से जोड़ना, या उसे एक business notebook में जोड़ना, ताकि हर conversation में अपने business context को फिर से समझाने की आवश्यकता बिना personalized insights और ठोस actions मिल सकें। Business notebooks में स्रोत या पुरानी conversations जोड़कर एक स्थायी आधार बनाया जा सकता है, बजाय हर exchange पर खाली पृष्ठ से शुरू करने के। Google इन टूल्स को Gemini को एक ऐसे partner में बदलने के साधन के रूप में प्रस्तुत करता है जो उपयोगकर्ता के brand को गहराई से समझता है। यह सुविधा वैश्विक रूप से उपलब्ध है, सिवाय यूरोपीय आर्थिक क्षेत्र और यूनाइटेड किंगडम के।

🔗 @GeminiApp ट्वीट

Runway प्रस्तुतियाँ बनाता है, xAI/SpaceXAI Grok Voice को समृद्ध करता है

Runway ने Slide Maker लॉन्च किया

7 जुलाई — Runway अपने ऐप में Slide Maker जोड़ता है: एक सरल text description से, यह टूल एक पूरी तरह से डिज़ाइन की गई presentation slide तैयार करता है, बिना किसी pre-defined template के। Runway इस टूल को ऐसे तरीके के रूप में प्रस्तुत करता है जिससे कोई व्यक्ति केवल अपना विचार बताकर visually polished परिणाम प्राप्त कर सकता है, बजाय किसी generic default template से शुरू करने के। यह विस्तार Runway के enterprise use cases को pure video और image generation से आगे बढ़ाने का हिस्सा है, 25 जून को लॉन्च किए गए Agent 2.0 के साथ, जिसे marketing briefs को automate करने के लिए बनाया गया था — ये दो टूल अब केवल वीडियो content creators ही नहीं, बल्कि creative और office teams को भी लक्षित करते हैं।

🔗 @runwayml ट्वीट

Grok Voice के लिए 21 नई आवाज़ें (xAI/SpaceXAI)

6 जुलाई — xAI — जिसे अब SpaceXAI के रूप में rebrand किया गया है (Brèves देखें) — Grok Voice के लिए 21 नई आवाज़ें लॉन्च करता है, जो मूल पाँच आवाज़ों के साथ जुड़ती हैं। सभी बहुभाषी हैं और Voice Agent API के real time, Text-to-Speech API, और नए Grok Voice Agent Builder, जो 1 जुलाई को लॉन्च हुआ, में तुरंत उपलब्ध हैं। हर आवाज़ को एक विशिष्ट उपयोग के लिए “cast” किया गया है — ग्राहक सहायता, पात्र, कमेंट्री, विज्ञापन, शिक्षा — और यह उच्चारण नियंत्रण टैग्स (pause, whisper, emphasis) का समर्थन करती है। मूल पाँच आवाज़ों को भी अधिक प्राकृतिक phrasing के लिए पुनः प्रशिक्षित किया गया है। डेवलपर लगभग एक मिनट के audio से एक custom voice क्लोन भी कर सकते हैं।

🔗 x.ai/news

OpenAI: iOS पर Codex Remote और नया किफायती vocal model

Codex Remote अब ChatGPT for iOS में नई सुविधाओं की भरमार लेकर आया है

6 जुलाई — ChatGPT for iOS का संस्करण 1.2026.181 Codex Remote में नई सुविधाओं की एक बड़ी लहर लाता है, जो मोबाइल ऐप से उपलब्ध कोड-एजेंट का संस्करण है। अब एक बातचीत से सीधे Codex टास्क बनाना, खोजना, खोलना, डुप्लिकेट करना (fork) और प्रबंधित करना संभव है, साथ ही स्थिति के आधार पर डिफ़ (इंडेक्स्ड, अनइंडेक्स्ड), ब्रांच या अंतिम टर्न के आधार पर फ़िल्टर भी किए जा सकते हैं। ऐप भेजने से पहले छवियों और संलग्न फ़ाइलों के प्रीव्यू, निजी कुंजियों के माध्यम से SSH सपोर्ट, और टास्क मेनू में उपयोग सीमा व क्रेडिट्स का प्रदर्शन भी जोड़ता है।

“Big release for Codex Remote in the latest ChatGPT iOS update! We added many things. Threads management tools are now available (hello Chief of Staff). You can now filter your diff with unstaged, staged, branches, etc. Support for SSH keys login, and much, much more!”

🇮🇳 ChatGPT for iOS के नवीनतम संस्करण में Codex Remote के लिए बड़ा अपडेट! हमने बहुत सारी चीज़ें जोड़ी हैं। थ्रेड प्रबंधन के टूल अब उपलब्ध हैं (Chief of Staff को नमस्कार)। अब आप अपने डिफ़ को अनइंडेक्स्ड बदलावों, इंडेक्स्ड, ब्रांचों, आदि के आधार पर फ़िल्टर कर सकते हैं। SSH कुंजियों से साइन-इन का समर्थन, और भी बहुत कुछ! — @Dimillian

🔗 आधिकारिक Codex Changelog

API में GPT-Realtime-2.1-mini उपलब्ध

7 जुलाई — OpenAI API में GPT-Realtime-2.1-mini लॉन्च कर रहा है, जो उसके किफायती वॉइस मॉडल का नया संस्करण है और इसमें reasoning तथा tools का उपयोग शामिल है — ऐसी क्षमताएँ जो अब तक केवल उच्च-स्तरीय Realtime मॉडलों तक सीमित थीं — जबकि कीमत GPT-Realtime-mini जैसी ही बनी हुई है। यह किफायती श्रेणी प्रति-मिनट लागत के प्रति संवेदनशील तैनातियों को लक्षित करती है, जैसे उच्च-आयतन वॉइस एजेंट। घोषणा वाले ट्वीट को दिन की अन्य पोस्टों की तुलना में कहीं अधिक engagement मिला (361,000 views), जो developer समुदाय की गहरी रुचि का संकेत है।

🔗 @OpenAIDevs का ट्वीट

Replit ने 3 जुलाई का अपना changelog जारी कर दिया

3 जुलाई — Replit एक ऐसा product changelog प्रकाशित करता है जो पिछले scans में छूट गया था, और जो आम तौर पर देखे जाने वाले मुख्य blog के बजाय docs.replit.com/updates पर होस्ट किया गया है। तीन नई बातें: desktop app (Replit Desktop App) का पूरा पुनर्निर्माण, जो web अनुभव को अपनाते हुए native फ़ंक्शंस जोड़ता है — कई applications पर parallel काम करना, agent को intervention की ज़रूरत होने पर एक नज़र में notified होना, window बदले बिना खुली applications का preview करना।

Whop payments integration अब conversational agent द्वारा नियंत्रित की जा सकती है: बस उससे payments जोड़ने को कहें, और वह एक Whop account बनाएगा, उसे connect करेगा और payment module तैयार करेगा, बिना किसी external configuration या copy-paste करने वाली API key के। अंत में, Pro plan से Core plan पर एक ही चरण में downgrade करना संभव है, बीच में किसी cancellation से गुज़रे बिना।

🔗 Replit Changelog

Cohere ने अरबी के लिए state-of-the-art open-source ASR मॉडल लॉन्च किया

7 जुलाई — Cohere Cohere Transcribe Arabic लॉन्च कर रहा है, जो अरबी के लिए समर्पित एक open-source speech recognition (Automatic Speech Recognition, ASR) मॉडल है, और मार्च 2026 में प्रकाशित उसके 2 अरब पैरामीटर वाले “frontier” ASR मॉडल से व्युत्पन्न है। लक्ष्य है IA vocal प्रणालियों में अरबी कवरेज के अंतर को भरना, जबकि यह भाषा 300 मिलियन से अधिक native speakers और लगभग तीस dialectal variants को समेटे हुए है।

यह मॉडल Hugging Face पर Open Universal Arabic ASR Leaderboard में शीर्ष स्थान पर है, जहाँ इसका औसत Word Error Rate (Word Error Rate, WER) 25,87 है — Meta के पिछले leader (OmniASR-LLM-7B) से 2,45 अंक आगे और OpenAI के Whisper Large V3 से 11 अंक आगे। native speakers द्वारा किए गए तुलनात्मक आकलनों में, इसे 95,8% मामलों में Whisper से अधिक पसंद किया गया। vLLM पर optimised, यह 525 का throughput (RTFx) प्राप्त करता है, जबकि Whisper Large V3 के लिए 146 और OmniASR 7B-LLM के लिए 66 है।

अरबी ASR मॉडल	औसत WER	RTFx (थ्रूपुट)
Cohere Transcribe Arabic	25,87	525
OmniASR-LLM-7B (Meta)	Cohere से +2,45 अंक	66
Whisper Large V3 (OpenAI)	Cohere से +11 अंक	146

वज़न Hugging Face पर Apache 2.0 लाइसेंस के तहत प्रकाशित किए गए हैं, और Cohere API या Model Vault के माध्यम से अतिरिक्त पहुँच उपलब्ध है।

“We’ve built Cohere Transcribe Arabic, the world’s most accurate open-source model for Arabic speech recognition. Available under Apache 2.0”

🇮🇳 हमने Cohere Transcribe Arabic विकसित किया है, जो अरबी में speech recognition के लिए दुनिया का सबसे सटीक open-source मॉडल है। Apache 2.0 लाइसेंस के तहत उपलब्ध। — @cohere

🔗 आधिकारिक Cohere ब्लॉग लेख

संक्षिप्त समाचार

Fable 5 12 जुलाई तक सभी paid plans पर विस्तारित — Anthropic अस्थायी रूप से Claude Fable 5 की पहुँच बढ़ा रहा है: इस मॉडल पर साप्ताहिक उपयोग सीमा का 50% तक उपयोग किया जा सकता है, और उसके बाद usage credits या किसी अन्य मॉडल पर स्विच हो जाएगा। 🔗 स्रोत
“The Making of Claude Code” — आधिकारिक mini-documentary — Anthropic Claude Code के इतिहास को बताता है, internal CLI से प्रमुख coding agent तक, जिसे researchers और शुरुआती users ने बयान किया है। 🔗 स्रोत
Gemini Spark विषयों को real time में ट्रैक करता है — यह सुविधा (1 जुलाई से macOS beta) अब घटनाओं पर प्रतिक्रिया दे सकती है, उदाहरण के लिए किसी ट्रैक की गई टीम के हर मैच के बाद अपने-आप मैच विश्लेषण भेजना। 🔗 स्रोत
NotebookLM Short Video Overviews अब general availability में — 60-सेकंड वाले vertical videos, जो 30 जून से Ultra/Pro subscribers के लिए beta में थे, अब सभी English-speaking users के लिए mobile और web पर general availability में हैं। 🔗 स्रोत
Gemini CLI — 5 से 7 जुलाई की nightlies — संस्करण v0.51.0-nightly.20260707 अब macOS sandbox में ~/.gitconfig को read-only बनाता है और string literals में escape sequences को सुरक्षित रखता है। 🔗 स्रोत
MaxText/Pathways के साथ elastic TPU training — Google बताता है कि उसका JAX/Pathways ecosystem कैसे एक TPU failure को interceptable Python exception में बदलता है, खराब worker को replace करता है और दो मिनट से कम समय में training फिर शुरू कर देता है। 🔗 स्रोत
GitHub billing UI में per-user AI budgets — cost centers के लिए per-user budgets की सुविधा, जो अब तक केवल REST API के माध्यम से उपलब्ध थी, अब Enterprise Cloud billing interface से सीधे configure की जा सकती है। 🔗 स्रोत
Copilot Billing Preview app 3 अगस्त को हटाई जाएगी — GitHub अब billing settings में पहले से एकीकृत tracking की ओर redirect कर रहा है (AI usage, budgets, cost centers)। 🔗 स्रोत
Suno और Wan ने World Cup की लहर पकड़ी — Suno मोबाइल पर एक व्यक्तिगत supporter anthem बनाने देता है, जबकि Wan पोर्ट्रेट और जर्सी से football poster बनाने के लिए “Superstar Poster” Skill लॉन्च करता है। 🔗 स्रोत
NVIDIA ने ICML 2026 में अपनी उपस्थिति का सारांश दिया — 74 NVIDIA papers स्वीकार किए गए, लगभग 2,000 papers में NVIDIA GPUs का उल्लेख है, और 145 papers में Nemotron को शोध की नींव के रूप में उद्धृत किया गया है। 🔗 स्रोत
xAI बन गया SpaceXAI — X account @xai और वेबसाइट x.ai अब SpaceXAI ब्रांड के तहत rebranding को औपचारिक रूप देते हैं, और अप्रैल 2026 में पहले घोषित xAI के SpaceX द्वारा अधिग्रहण की पुष्टि करते हैं। 🔗 स्रोत
Realtime latency कम से कम 25% घटाई गई — OpenAI बेहतर caching की बदौलत Realtime वॉइस मॉडलों में p95 latency में कमी की घोषणा करता है। 🔗 स्रोत

इसका क्या मतलब है

मीडिया generation के मैदान में, Meta पूरी ताकत के साथ Muse Image और Muse Video के साथ प्रवेश करता है, जो उसके पहले in-house models हैं, और जिन्हें तुरंत Image Arena में OpenAI के GPT Image 2 के पीछे दूसरे स्थान पर रखा गया है। यह तथ्य कि Muse Image agentic behavior अपनाता है — auto-refinement, tools का उपयोग, inference के समय computation का scale-up — एक गहरे रुझान को दिखाता है: image generation भी, जिसे लंबे समय तक केवल prompt-image के साधारण round-trip के रूप में देखा गया था, अब एक agent द्वारा संचालित iterative task में बदल रही है। दूसरी ओर, Runway Slide Maker के साथ अपनी भूमिका को office productivity की ओर बढ़ा रहा है, जबकि Suno और Wan खेल की ताज़ा खबरों का लाभ उठाकर अपने consumer tools को आगे बढ़ा रहे हैं।

Infrastructure के स्तर पर, NVIDIA एक ऐसे विचार को औपचारिक रूप देता है जो पिछले कई महीनों से चुपचाप क्षेत्र में फैल रहा है: agentic loop की ज़रूरतें model training जैसी नहीं होतीं। Vera core density के बजाय single-core performance पर दांव लगाता है, और Perplexity द्वारा वास्तविक परिस्थितियों में बताए गए आँकड़े (x86 की तुलना में 1,9 गुना तक तेज़) इस तर्क को वज़न देते हैं। Hugging Face software पक्ष में एक पूरक रणनीति अपनाता है, अपने open weights catalog को Microsoft की Azure infrastructure पर एक क्लिक में deployable बनाकर — model और उसके production execution के बीच friction हटाने के दो अलग-अलग तरीके।

Developer tooling agents की सर्वव्यापकता की दौड़ जारी रखता है। Claude Cowork मोबाइल तक फैलता है ताकि फ़ोन से delegated task को ट्रैक किया जा सके, GitHub अपने Copilot ऐप को free plans सहित सभी plans के लिए खोलता है, और Codex Remote ChatGPT for iOS में thread management और SSH support के साथ अधिक mature हो जाता है। Replit ऐप के desktop redesign और उसके agent-driven payments के साथ मिलाकर, यह सप्ताह पुष्टि करता है कि AI के साथ coding के लिए reference interface अब केवल terminal या IDE नहीं रहा, बल्कि increasingly mobile और third-party integrations भी बन गया है।

अंततः, दो घोषणाएँ याद दिलाती हैं कि generative AI केवल English या single-agent तक सीमित नहीं है। Cohere अरबी के लिए state-of-the-art speech recognition मॉडल के साथ एक वास्तविक blind spot को भरता है, ऐसी भाषा जो 300 मिलियन से अधिक speakers द्वारा बोली जाती है लेकिन ऐतिहासिक रूप से उन प्रणालियों द्वारा कम सेवा पाई है जो पहले English के लिए बनाई गई थीं; xAI, जो अब SpaceXAI है, Grok Voice के लिए 21 नई multilingual voices के साथ एक समान दिशा अपनाता है। शोध पक्ष में, Sakana AI का Sheaf-ADMM framework एक अलग लेकिन संबंधित समस्या को संबोधित करता है: सीमित जानकारी वाले कई agents को बिना black box के कैसे सहयोग कराया जाए — यह बहु-agent प्रणालियों के विश्वसनीय होने के लिए एक पूर्वशर्त है, जैसे-जैसे वे व्यापक होती जाएँगी।