यूएस ने संघीय नेटवर्क में डीपसीक आर्टिफिशियल इंटेलिजेंस के उपयोग पर प्रतिबंध लगाने का आदेश दिया

भारतीय निवेशकों को अब अमेरिकी स्टॉक एक्सचेंजों के साथ सीधे काम करने का अवसर मिला है। वैश्विक विविधीकरण की बढ़ती मांग को पूरा करने की दिशा में एक महत्वपूर्ण कदम के हिस्से के रूप में, प्रमुख खुदरा ब्रोकरेज कंपनियां Angel One और Zerodha आधिकारिक तौर पर अमेरिकी शेयरों तक पहुंच का विस्तार कर रही हैं।

Angel One ने अपने एप्लिकेशन के माध्यम से इस सुविधा को चरणबद्ध तरीके से लागू करना शुरू कर दिया है, जिससे चुनिंदा उपयोगकर्ता अपने भारतीय परिसंपत्तियों के साथ-साथ अमेरिकी शेयरों और ईटीएफ में भी व्यापार कर सकते हैं, और पूर्ण पैमाने पर लॉन्च नवंबर के मध्य के लिए निर्धारित है।

हालांकि भारत में ट्रेडिंग खाता खोलना केवल कुछ मिनटों का समय लेता है, कई खुदरा व्यापारी अपने निवेशों के बारे में अनिश्चित महसूस करते हैं। यह कमी TechSparks 2026 में डेयल वाज़ के संबोधन का केंद्रीय विषय बन गई। फिनटेक कंपनी Sahi के सह-संस्थापक और सीईओ ने उल्लेख किया कि पिछले दशक में फिनटेक ने पहुंच की समस्या का समाधान किया है, लेकिन परिणामों की नहीं।

वाज़ ने समझाया कि Sahi का Kyro प्लेटफॉर्म निवेशकों को आर्टिफिशियल इंटेलिजेंस का उपयोग करके निर्णय लेने में कैसे मदद करता है। आर्टिफिशियल इंटेलिजेंस पर चर्चा पिछले सप्ताह TechSparks के 17वें संस्करण में जारी रही, जहां ShareChat और Moj से नितिन जैन, Angel One से अजीत नारायणन, Amagi से श्रीविद्या श्रीनिवासन और Innovaccer से अंकित माहेश्वरी ने इस बात पर चर्चा की कि भारतीय प्रौद्योगिकी कंपनियां एआई-संचालित बाजार में प्रतिस्पर्धात्मकता कैसे बनाए रख सकती हैं।

प्रौद्योगिकी के विकास के संदर्भ में, भारत निजी रक्षा प्रौद्योगिकियों के क्षेत्र में एक परिवर्तनकारी चरण में है। ऑपरेशन सिंदूर ने त्वरित खरीद प्रक्रियाओं और सशस्त्र बलों के साथ सीधे संपर्क के माध्यम से महत्वपूर्ण सैन्य प्रौद्योगिकियां विकसित करने वाली घरेलू कंपनियों के लिए नए अवसर खोले हैं।

NCW रिपोर्ट के मुख्य निष्कर्ष

भारत के महिला अधिकार राष्ट्रीय आयोग (NCW) ने एक अभिनव रिपोर्ट प्रस्तुत की है जो देश में मातृत्व और बाल देखभाल प्रणालियों के पूर्ण पुनर्गठन का प्रस्ताव करती है। इस प्रस्ताव का उद्देश्य यह सुनिश्चित करना है कि बच्चे का जन्म महिला के करियर के लिए बाधा न बने। रिपोर्ट में 37 सिफारिशें शामिल हैं, जो बाल देखभाल को विशेष रूप से माता की जिम्मेदारी होने के बजाय सार्वजनिक और साझा जिम्मेदारी बनाने पर ध्यान केंद्रित करने का आह्वान करती हैं।

ये सिफारिशें उस अंतराल को दूर करने के लिए लक्षित हैं जो 26 सप्ताह की मातृत्व अवकाश समाप्त होने के बाद उत्पन्न होता है, जब बच्चों के पालन-पोषण की लंबी अवधि शुरू होती है।

स्टार्टलक्स ने स्टार्टलक्स-डिसीजन v1.1 निर्णय लेने के ओपन मॉडल का एक परिवार जारी किया है। स्टार्टलक्स का 27B इंस्टेंट मॉडल अब Hugging Face प्लेटफॉर्म पर Decision Index 0.3.2 की रैंकिंग में पहले स्थान पर है। स्टार्टलक्स जेनोरा के इनक्यूबेशन में स्थित एक कंपनी है।

डिसीजन इंडेक्स एक समुदाय-समर्थित रैंकिंग है और यह टाइपसेफ से संबंधित नहीं है। 16 अक्टूबर तक, 27B इंस्टेंट मॉडल ने पूर्ण स्कोर 69.12 प्राप्त करके पहले स्थान पर कब्जा कर लिया। इसने सार्वजनिक बेंचमार्क पर 72.88, समान कौशल पर निजी परीक्षणों में 64.82, और नई श्रेणियों के निजी कार्यों में 61.41 के साथ तीनों रैंकिंग घटकों में भी नेतृत्व किया।

दूसरे स्थान पर vLLM-SR d3 मॉडल 66.26 अंक के साथ रहा, जबकि Jev 1.14 ने 61.53 का परिणाम दिखाया।

ये मॉडल एक संकीर्ण व्यावहारिक कार्य को पूरा करने के लिए डिज़ाइन किए गए हैं। स्थिति प्राप्त करने के बाद, जिसे पाठ, जेएसओएन या छवियों द्वारा दर्शाया जा सकता है, और प्रकारों के साथ प्रश्नों का एक सेट, मॉडल प्रत्येक विकल्प के लिए संभावना प्रदान करता है: सूची से चयन, 'हाँ' या 'नहीं' का निर्णय, या पैमाने पर स्तर। इंस्टेंट मॉडल अनुरोध पर द्विदिश ध्यान का उपयोग करते हुए एक सीधा पास करते हैं।

ऑटोथिंक मॉडल इसी तरह काम करते हैं जब वे उत्तर के बारे में निश्चित होते हैं, लेकिन यदि उच्चतम संभावना स्थापित सीमा से नीचे गिर जाती है, जो डिफ़ॉल्ट रूप से 0.6 है, तो वे तर्क का एक संक्षिप्त निशान उत्पन्न करते हैं, जिसके बाद वे उत्तर का पुन: विश्लेषण करते हैं।

इस श्रृंखला में आठ ओपन मॉडल शामिल हैं जिनमें 0.8B से 27B तक के पैरामीटर हैं, जो इंस्टेंट और ऑटोथिंक वेरिएंट में GGUF और MLX के क्वांटाइज्ड प्रारूपों में उपलब्ध हैं। वे vLLM और MLX पर चल सकते हैं। इन मॉडलों के वज़न CC BY-NC 4.0 लाइसेंस के तहत जारी किए गए हैं, जो वाणिज्यिक उपयोग पर प्रतिबंध लगाता है।

डिसीजन इंडेक्स 0.3 के सार्वजनिक उपसमुच्चय पर, स्टार्टलक्स मॉडल 27B ऑटोथिंक के लिए 0.9 की सीमा पर स्वयं प्राप्त परिणाम 73.37 की सूचना देता है। इसके अलावा, कंपनी ने डिसीजनपिवोट प्रस्तुत किया - सत्यापन योग्य समाधानों का अपना बेंचमार्क, जिसे कंट्रास्ट जोड़े के आधार पर बनाया गया है जो एक विवरण से भिन्न होते हैं जो उत्तर को बदल देते हैं, जिसमें नीतियां, रजिस्ट्री, ग्राफ़, अनुमतियाँ और टूल कॉल शामिल हैं। स्टार्टलक्स मॉडल 27B ऑटोथिंक के लिए जोड़े की सटीकता के स्तर को 86.9% बताता है। यह ध्यान रखना महत्वपूर्ण है कि ये दोनों आंकड़े कंपनी द्वारा प्रदान किए गए डेटा हैं, न कि स्वतंत्र परिणाम।

arXiv पर पेपर संख्या 2610.17309 पर प्रकाशित तकनीकी रिपोर्ट तीन-चरणीय प्रशिक्षण प्रक्रिया और RLCD-squared नामक एक सुदृढीकरण शिक्षण विधि का वर्णन करती है। यह विधि सही स्कोरिंग नियमों का उपयोग करके अधिक सटीक रूप से कैलिब्रेटेड निर्णय संभावनाओं के लिए पुरस्कृत करती है और अत्यधिक लंबे तर्क के लिए हल्के ढंग से दंडित करती है। लेखकों का दावा है कि इससे औसत तर्क की लंबाई लगभग 65% तक कम हो गई है, जबकि उच्च सटीकता बनाए रखी गई है।

परियोजना की वेबसाइट पर प्रदर्शन दिखाते हैं कि मॉडल शतरंज, सुपर मारियो ब्रोस., स्टारक्राफ्ट II और कंप्यूटर का उपयोग करके खरीदारी के कार्य में चरण-दर-चरण कॉल कैसे निष्पादित करते हैं, जिसमें प्रत्येक चरण में एक पाठ प्रॉम्प्ट दिया जाता है।

एंटी ग्रुप की इनक्लूजनएआई टीम ने मिन्ग-3.0-टीटीएस - भाषण उत्पन्न करने के लिए मॉडलों का एक परिवार - को सार्वजनिक रूप से जारी किया है, जिसका उद्देश्य स्थानीय परिनियोजन के लिए पर्याप्त कॉम्पैक्ट होने वाले मॉडलों में आवाज पर विस्तृत नियंत्रण सुनिश्चित करना है। कोड, कार्य दिशानिर्देश और मूल्यांकन तालिकाएँ गिटहब पर उपलब्ध हैं, जबकि वज़न हगिंग फेस और मॉडलस्कोप पर रखे गए हैं, और सभी सामग्री एमआईटी लाइसेंस के तहत वितरित की जाती है।

इस रिलीज़ में दो मॉडल शामिल हैं। मिन्ग-3.0-टीटीएस-0.5बी लगभग आधा बिलियन पैरामीटर वाला एक सघन मॉडल है। मिन्ग-3.0-टीटीएस-टिनी एंटी के लिंग वी3 आर्किटेक्चर पर बनाया गया एक मिक्सचर-ऑफ-एक्सपर्ट्स प्रकार का मॉडल है, जिसमें कुल मिलाकर 7.9 बिलियन पैरामीटर हैं, जिनमें से प्रत्येक टोकन के लिए 1.3 बिलियन सक्रिय होते हैं। दोनों मॉडल एक ही जनरेटिव संरचना का उपयोग करते हैं: एक भाषा मॉडल, जिसे विशिष्ट कार्य टोकन और पाठ द्वारा नियंत्रित किया जाता है, जो DiT पैच-हेड और ऑडियो-टोकनाइज़र को प्रभावित करता है।

इन मॉडलों की क्षमताएं व्यापक हैं। उपयोगकर्ता संदर्भ आवाज क्लोन कर सकते हैं, पाठ विवरण के आधार पर नई आवाज बना सकते हैं, या 100 से अधिक अंतर्निहित चीनी आवाजों और पांच अंग्रेजी आवाजों में से चुन सकते हैं। भाषण को प्राकृतिक भाषा निर्देशों का उपयोग करके नियंत्रित किया जा सकता है, और भावना, गति, पिच और वॉल्यूम जैसे मापदंडों को सीधे समायोजित किया जा सकता है। चौदह अंतर्निहित टैग चीनी और अंग्रेजी दोनों भाषाओं में हंसी, आहें और अन्य मुखर ध्वनियों को सम्मिलित करने की अनुमति देते हैं। मॉडल चीनी, अंग्रेजी, जर्मन, स्पेनिश, फ्रेंच, कोरियाई और जापानी भाषाओं के साथ-साथ सिचुआन और कैंटोनीज़ का समर्थन करते हैं।

टिनी मॉडल अतिरिक्त रूप से स्क्रिप्ट और आवाज नमूनों के अनुसार उत्पन्न बहु-वक्ता संवादों का समर्थन करता है, जो लंबी पॉडकास्ट शैली में ऑडियो बनाने पर केंद्रित है। टीम बताती है कि ये क्षमताएं मनमाने संयोजनों के बजाय अलग-अलग कार्य मोड के रूप में कार्य करती हैं।

रिपॉजिटरी के अनुसार, मिन्ग-3.0-टीटीएस आर्टिफिशियल एनालिसिस कंट्रोल्ड वॉइस रैंकिंग में ओपन-वेट मॉडल में पहले स्थान पर रहा और उच्चारण स्थिरता स्कोर में समग्र रूप से पहला स्थान प्राप्त किया, अक्टूबर 2026 तक 93.2% सही ढंग से बोले गए खंडों को प्राप्त किया। हालांकि, टीम चेतावनी देती है कि नए मॉडल जोड़े जाने पर ये रैंकिंग बदलती रहती हैं। खुले बेंचमार्क पर, मॉडल एनवीबेंच के छह पैरालिंग्विस्टिक मेट्रिक्स में सूचीबद्ध ओपन-सोर्स मॉडलों में अग्रणी प्रदर्शन प्रदर्शित करता है, 0.5बी मॉडल के लिए कैंटोनीज़ बेसलाइन सेट पर त्रुटि आवृत्ति और टिनी मॉडल के लिए जर्मन और स्पेनिश में शब्द त्रुटि आवृत्ति के मामले में भी।

README फ़ाइल में कमजोरियों का ईमानदारी से उल्लेख भी किया गया है। हाल ही में जोड़े गए भाषाओं में आवाज समानता मुख्य रूप से शीर्ष तीन में नहीं आती है, पिच नियंत्रण सबसे कम सटीक विशेषता है, कोरियाई मॉडल टिनी की त्रुटि दर छोटी मॉडल से काफी पीछे है, और पॉडकास्ट के लिए ऑडियो गुणवत्ता अभी भी पिछले रिलीज मिन्ग-ओमनी-टीटीएस से पीछे है। रोडमैप में अगले कदमों के रूप में vLLM-Omni का त्वरित आउटपुट और तकनीकी रिपोर्ट सूचीबद्ध हैं। परियोजना उपयोगकर्ताओं से अनुरोध करती है कि वे सहमति के बिना वास्तविक लोगों की आवाज़ों को क्लोन न करें और सिंथेटिक भाषण को वहां लेबल करें जहां इसे वास्तविक रिकॉर्डिंग समझा जा सकता है।