मुझे लगा कि मेरे पास Codex में 1M कॉन्टेक्स्ट है। फिर मैंने देखा कि मेरा Astra चैट 258k में से 172k उपयोग किए जा रहे हैं दिखा रहा है। Astra की API स्पेसिफिकेशन में 1.05M टोकन लिखा है, लेकिन Codex डिफ़ॉल्ट रूप से छोटे कॉन्टेक्स्ट विंडो का उपयोग कर सकता है। मेरी सेटअप में, डिफ़ॉल्ट 272,000 टोकन था। ग्राहक के 95% उपयोगयोग्य-विंडो फैक्टर के साथ, यही कारण है कि ऐप में 258k दिख रहा है। मेरे स्थानीय मॉडल कैटलॉग में अधिकतम 872,000 टोकन था, जो लगभग 828k उपयोगयोग्य के बराबर है। आपकी सेटअप में अलग सीमा हो सकती है, इसलिए इसे बदलने से पहले Codex से जाँच करना उचित है। एक समझौता: सक्रिय कॉन्टेक्स्ट में अधिक इतिहास रखने से आपकी अनुमति का अधिक उपयोग होता है। केवल सीमा बढ़ाने से हर अनुरोध पूरे विंडो का उपयोग नहीं करता। ChatGPT के माध्यम से साइन इन किए गए Codex के लिए, कोई अलग लंबा-कॉन्टेक्स्ट मल्टीप्लायर नहीं है, लेकिन अधिक टोकन प्रोसेस करना अभी भी गिना जाता है। अपनी API कुंजी का उपयोग करने पर API मूल्य लागू होता है। अगर आप अपनी सेटअप द्वारा समर्थित सबसे बड़ा विंडो चाहते हैं, तो Codex में यह पेस्ट करें: --------------------------- "मेरे वर्तमान में चुने हुए मॉडल, खाते, और क्लाइंट द्वारा समर्थित अधिकतम Codex कॉन्टेक्स्ट विंडो को बढ़ाएं। सक्रिय उपयोगकर्ता कॉन्फ़िगरेशन की जाँच करें, CODEX_HOME का सम्मान करें और कोई भी प्रभावी प्रोफ़ाइल या प्रोजेक्ट ओवरराइड का पालन करें। चुने हुए मॉडल की पहचान करें और वर्तमान प्रामाणिक मॉडल मेटाडेटा का उपयोग करके इसके क्लाइंट-विशिष्ट अधिकतम की पुष्टि करें। डिफ़ॉल्ट context_window से max_context_window को प्रभावी स्तर पर प्रभावित करें। 1M या 872000 हार्डकोड करने की कल्पना मत करें। अगर अधिकतम पुष्टि नहीं हो सकता, तो सेटिंग को अपरिवर्तित छोड़ें और समझाएं। आपके संपादित हर फ़ाइल का बैकअप लें। असंबंधित सेटिंग्स, प्रमाणीकरण, प्रदाता, मॉडल, स्पीड, reasoning effort, Ultra visibility, and permission policies को संरक्षित करें। कभी सीक्रेट्स प्रिंट मत करें। model_context_window को सही कॉन्फ़िगरेशन स्कोप पर पुष्टि किए हुए अधिकतम पर सेट करें। उपयोगकर्ता कॉन्फ़िगरेशन में, यह पहले सेक्शन से पहले एक top-level key होना चाहिए। इसे प्रतिलिपि (duplicate) करने के बजाय मौजूदा key को अपडेट करें। उच्चतम प्राथमिकता के overrides की जाँच करें और प्रबंधित policies का पालन करें। ऑटोमैटिक compaction सक्रिय रखें। कोई nएवं new threshold invent मत करें; मौजूदा explicit compaction threshold को alag se report करें। Model catalogs में परिवर्तन मत करें ya limits bypass मत करें। कॉन्फ़िगरेशन की पुष्टि करें,और सुनिश्चित करें कि केवल intended settings ही change हुए हैं। ऐप को restart मत करें ya running tasks interrupt मत करें। बैकअप स्थान, exact changes, and expected usable window report करें। जब metadata में effective_context_window_percent प्रदान हो, to use it. Restart aur verification instructions provide करें। Saved setting aur running chat dwara report kiya gaya actual limit ke beech antar batayein." --------------------------- अपने सक्रिय कार्य पूरे होने के बाद, पूरी طرح app band karke phir se open karein, aur context indicator check karein. अगर मौजूदा chat apna purana limit retain karta hai, to ek naye chat ko check karein.

अब कोई भी प्रश्न के साथ AIPOCH Open-Science के साथ वास्तविक शोध कर सकता है @aipoch_ai ने संस्करण 1.0.0 जारी किया है, एक ओपन-सोर्स AI वर्कबेंच जो प्रत्येक परिणाम के पीछे का कोड और डेटा संग्रहित करता है आप साधारण शब्दों में प्रश्न पूछते हैं और AI एक ही वर्कस्पेस में विश्लेषण चलाता है प्रत्येक परिणाम उन इनपुट्स और कोड से जुड़ा रहता है जिससे यह बना है, ताकि कोई भी इसे जांच सके या पुनः चला सके यह Apache 2.0 है और आपके प्रोजेक्ट्स आपके स्वयं के मशीन पर ही रहते हैं Mac और Windows के लिए डेस्कटॉप ऐप्स उपलब्ध हैं, साथ ही Linux के लिए भी समर्थन है आप मॉडल का चयन कर सकते हैं, क्लाउड प्रोवाइडर्स से लेकर Claude या Codex सब्सक्रिप्शन तक शोध .science पैकेज के रूप में यात्रा करता है, जिसे कोई और खोल सकता है और आगे बढ़ा सकता है मेरा पसंदीदा गैलरी केस $10,000 NVIDIA को बिटकॉइन के साथ बैकटेस्ट करता है और प्रत्येक कदम को रिकॉर्ड पर रखता है https://t.co/Oq1koKdlX9 यह BiomniBench-DA Public 50 समुदाय रैंकिंग में 79.05 स्कोर के साथ #1 स्थान पर है ASI-Bench B1 पर, AIPOCH के स्वयं के प्रयोगों में 79.35 स्कोर मिला, जो समान मॉडल पर Codex से अधिक है पूरी .science स्पेसिफिकेशन के साथ प्रीप्रिंट https://t.co/2UBuP16Rie रिपो में स्टार डालें और आज रात अपना पहला प्रश्न चलाएं https://t.co/p6qqQQHKtJ #AI4Science #OpenScience

NVIDIA और Arcee ने अभी समझाया कि कंपनियाँ खुले मॉडल्स पर क्यों स्थानांतरित हुईं AI इंजीनियर वर्ल्ड्स फेयर स्टेज से 43 मिनट उन्हें एक ऐसा मॉडल चाहिए था जिसे वे स्वयं चला सकें और हमेशा एक्सेस कर सकें अभी Jev साइनअप्स रोक दिए गए हैं, और खुली प्रतियाँ जैसे Kev पहले से ही लैपटॉप GPU पर चल रही हैं इसे देखें, फिर नीचे अपने GPU पर खुले Jev मॉडल्स चलाने की पूरी गाइड पढ़ें

LangChain ने Jev को अपने एजेंट लूप के अंदर शामिल किया और उन्होंने उसे तीन कार्य सौंपे। डेमो में, एक LLM को PII युक्त पाठ की पहचान करने में लगभग 5 सेकंड लगे, जबकि Jev तुरंत 98% के साथ उत्तर दे दिया। इसलिए उनके कोडिंग एजेंट Jev से पूछ सकते हैं कि कोई कार्य कितना कठिन है और शक्तिशाली मॉडल को केवल कठिन कार्यों के लिए बचा सकते हैं। उनका ऑटो मोड मिडलवेयर Jev से पूछता है कि क्या कोई टूल कॉल जोखिमभरा है, और रनटाइम पर इसे रोक देता है—एक चेक जिसे उसने बंद कर दिया था क्योंकि यह पहले बहुत धीमा था। और वही मॉडल ऑनलाइन मूल्यांकन में एजेंट के उत्तर को एक मानदंड के साथ तुलना करता है: सही, संदर्भ से मेल खाता है, स्थिर है, स्रोत का हवाला देता है। मेरा मार्गदर्शक इस सेटअप को 50 पेपर्स पर 0 से 3 की प्रासंगिकता मानदंड के साथ शोध स्रोतों पर इशारा करता है, और कम आत्मविश्वास वाले कॉल्स के लिए एक समीक्षा क्यू के साथ। यह यह भी जांचता है कि फ़िल्टर ने कौन से उपयोगी पेपर्स को चुपचाप संग्रहीत किया है। सत्र देखें, फिर नीचे दिए गए स्टार्टर और प्रॉम्प्ट्स प्राप्त करें।

वाइब कोडिंग इतनी तेज़ है कि आप ऐप पूरा कर सकते हैं और फिर भी इसे समझाने वाला वीडियो बनाने में फंसे रह सकते हैं। इसीलिए मैं @videoclawapp का उपयोग करूँगा, जो अपना डेस्कटॉप वीडियो निर्माण एजेंट सार्वजनिक रूप से लॉन्च कर रहा है। मैं पहले से अनुसंधान किए गए और लिखे गए पोस्ट्स से शुरुआत करूँगा। वहाँ वीडियो में बदलने के लिए काफी सामग्री है। यह एक ही चैट-आधारित ऐप में एक AI संपादक, वीडियो जनरेटर और एवेटार मेकर प्रदान करता है। AI जटिल उत्पादन कार्यों को स्वचालित करता है, और आप सरल निर्देशों के माध्यम से सटीक संपादन करते हैं। मैं बेहतर समझता हूँ कि मैं इससे पूछूँ कि परिचय को संक्षिप्त कर दिया जाए, बजाय दोपहर का समय यह समझने में बर्बाद करने कि कैसे करें। यह आम-आम की प्रक्रिया ही वीडियो बनाने को वाइब कोडिंग की तरह महसूस कराती है। हमने इसे एक्रिलिक पेंट, Photoshop, Canva और AI इमेज जनरेशन के साथ देखा है। बाधा कम करें, और अधिक लोग स्वयं कुछ बनाने की कोशिश करेंगे। Videoclaw, संस्थापकों, डेवलपर्स, मार्केटर्स और हम सभी के लिए वीडियो में यही प्रक्रिया लाता है, जिनके पास कुछ साझा करने को है। आप वीडियो बोल सकते हैं, भले ही आपके पास स्वयं उत्पादन प्रबंधित करने का समय, कौशल या टीम न हो। अगली पीढ़ी के सृजकों के लिए "कंटेंट इंजीनियर" एक पूरी तरह सामान्य पदनाम बन सकता है। Mac ऐप https://t.co/I7KYl3p1mA पर डाउनलोड करें, ChatGPT ya Claude से कनेक्ट करें, और प्रॉम्प्टिंग شुरू करें। जल्द ही अधिक प्लेटफ़ॉर्म्स आएँगे। सार्वजनिक बीटा मुफ़्त है, और $10 के AI जनरेशन क्रेडिट्स सहित है। पहले 300 लोगों को $50 के क्रेडिट्स मिलेंगे।

रीप्लिट के सीईओ, अमजाद मसाद: "हमने लूप को पूरा कर लिया है और रीप्लिट में एक एजेंट है जो लगातार रीप्लिट एजेंट को विकसित कर रहा है" हर रात यह एजेंट रीप्लिट उपयोगकर्ताओं के ट्रेस पढ़ता है और उन त्रुटियों और भावनात्मक समस्याओं के लिए प्रॉम्प्ट बदलाव के साथ एक पुल रिक्वेस्ट खोलता है प्रत्येक पीआर को A/B टेस्ट के रूप में लॉन्च किया जाता है, और परिणाम यह तय करता है कि रीप्लिट बदलाव को जारी करे या इसे संशोधित करे 46 मिनट SaaStr के जेसन लेमकिन के साथ, जिनका एजेंट 10K ने स्वयं 331 निवेशकों को ईमेल किया इसे देखें, फिर नीचे दिए गए गाइड से सामान्य लूप प्रॉम्प्ट कॉपी करें

एक किशोर कुछ दर्जन घंटों में ड्राइविंग सीख लेता है यह काम करता है क्योंकि उसने अपने पूरे जीवन तक देखा है कि चीजें गिरती हैं और एक-दूसरे से टकराती हैं कई रोबोट इनमें से कुछ भी नहीं लेकर शुरू होते हैं और हर कार्य को हजारों बार दोहराए गए प्रदर्शनों से सीखते हैं, जिसे ओडिसी टीम ब्रूट फोर्स कहती है @odysseyml का Odyssey-3 उस किशोर की तरह अधिक सीखता है यह एक विशाल मात्रा में वास्तविक दुनिया के दृश्य डेटा पर प्रशिक्षित एक विश्व मॉडल है, इसलिए यह पहले कारण और प्रभाव, और लोगों के व्यवहार को सीखता है फिर किसी विशिष्ट मशीन से कुछ घंटों का डेटा पर्याप्त होता है ताकि इसे नियंत्रण सिखाया जा सके प्रीव्यू में, एक मॉडल एक ह्यूमनॉइड को संचालित करता है, रोबोट हाथों को नियंत्रित करता है, कार चलाता है, ड्रोन उड़ाता है, वीडियो गेम्स खेलता है और अन्य AI को प्रशिक्षित करता है वे इसे फिजिक्स एजेंट कहते हैं, और यह आगामी सप्ताहों में सार्वजनिक होगा अगर यह पहलु सफल रहता है, तो परिणाम केवल प्रदर्शनों से परे जाता है मशीनें ऐसे कार्य संभाल सकती हैं जो मनुष्यों को खतरे में डालते हैं, और आयु या अक्षमता के साथ कठिन होने वाले प्रतिदिन के कार्यों में मदद कर सकती हैं मैं देखता رहूँगा कि जब टीम के बाहर के लोग इसे प्रयोग करने लगेंगे, तो यह कैसा प्रदर्शन करता है

LangChain इंजीनियर: "अगर आप 100,000 टोकन्स का उपयोग कर रहे हैं, तो भले ही यह कैश्ड हो, फिर भी यह 100,000 टोकन्स ही हैं" एक छोटे एजेंट कार्य के कारण हर रिक्वेस्ट में एक ही कॉन्टेक्स्ट को दोबारा भेजे जाने के कारण 50 मिनट तक का विश्लेषण। Manus प्रति रन लगभग 50 टूल्स को कॉल करता है, और इनमें से प्रत्येक परिणाम अगले कॉल में साथ चलता है। कैशिंग उन टोकन्स की दर को कम करती है, लेकिन उनकी संख्या कभी कम नहीं करती। इसे देखें, फिर नीचे दिए गए गाइड को पढ़ें जो एक पूर्ण कार्य की कीमत निर्धारित करता है।

मैंने EvoMap AutoResearch के योगदानकर्ता सूची में karpathy खाता देखा। EvoMap के रिलीज में मेरा ध्यान उस बात पर गया कि टेस्ट विफलताओं ने एजेंट के अगले प्रयास को कैसे आकार दिया। https://t.co/7qWbs9v0xx

अधिकांश स्टेकिंग एक बंद अवधि के साथ अतिरिक्त कदमों के साथ होती है। कॉस्मोस हब आपको अनबॉन्ड करने के लिए 21 दिन का इंतजार करने के लिए मजबूर करता है। ईथेरियम के वैलिडेटर एग्जिट क्यू में जब एक साथ कई लोग बाहर निकलने की कोशिश करते हैं, तो सप्ताहों तक लग जाता है। सुई 24-घंटे के इपोच पर काम करता है। अभी स्टेक करें, तो अगले इपोच के बाद ही रिवॉर्ड्स शुरू होते हैं। अनस्टेक करें, और SUI अगले इपोच के बाद ही तरल हो जाता है। दोनों दिशाओं में लगभग एक दिन। यह मैंने किसी प्रमुख PoS चेन पर देखा है सबसे छोटा राउंड ट्रिप, और यह छोटी पोज़ीशन पर गणित को बदल देता है। न्यूनतम स्टेक 1 SUI है। नेटवर्क APR वर्तमान में लगभग 1.47% है और ऑन-चेन स्थितियों के साथ तैरता रहता है। सुई स्टेकिंग नॉन-कस्टोडियल है। आपकी कुंजियाँ आपके वॉलेट में ही रहती हैं, डेलिगेशन ऑन-चेन होता है, और कोई भी आपका SUI नहीं हिला सकता, सिवाय आपके। इसलिए, सचमुच में केवल एक ही निर्णय है—आपका स्टेक किस वैलिडेटर को मिले। जो वैलिडेटर ऑफलाइन हो जाए या स्लैश हो जाए, वह आपके रिवॉर्ड्स को कम करता है। @HashKeyCloud, HashKey Group के तहत 40+ चेन पर वैलिडेटर संचालित करता है, हांगकांग में प्रमाणित। 5+ साल से सक्रिय, 99.9% अपटाइम, 0 स्लैशिंग। उनका सुई कमीशन 8% है, जबकि मार्केट औसत 9% है, इसलिए आपको सामान्य वैलिडेटर की तुलना मेंअधिक रिवॉर्ड्स मिलते हैं। अगर आप प्रयास करना चाहते हैं: 1. Sui वॉलेट (Slush ya koi bhi pramukh) kholein 2. Earn par jayein, phir Staking par jayein, aur ek validator chunein 3. HashKey Cloud khojhein 4. Amount daalein aur confirm karein रिवॉर्ड्स अगले इपोच के बाद, lagbhag ek din baad shuru hote hain। कुल स्टेक, live APY aur delegator count yahan public hain: https://t.co/Oreh2KZX0J