Ai Models

ह्यूमनॉइड रोबोट को लेकर अब तक आपने डांस, दौड़ने, किक मारने और यहां तक कि मार्शल आर्ट्स करते हुए कई वीडियो देखे होंगे। लेकिन चीन की रोबोटिक्स कंपनी Unitree Robotics ने अब ऐसा प्रदर्शन किया है, जिसमें रोबोट सिर्फ पहले से तय मूवमेंट को फॉलो करता नजर नहीं आया, बल्कि सामने वाले के मूवमेंट को देखकर रियल टाइम में प्रतिक्रिया देता दिखा। कंपनी ने UnifoLM-X2-1.0 नाम के अपने वर्ल्ड मॉडल के जरिए पूरी तरह ऑटोनॉमस ह्यूमनॉइड रोबोट कॉम्बैट का प्रदर्शन किया है। Unitree इसे दुनिया का पहला रियल-टाइम वर्ल्ड मॉडल-ड्रिवन फुली ऑटोनॉमस ह्यूमनॉइड रोबोट कॉम्बैट बता रही है। Unitree के मुताबिक, UnifoLM-X2-1.0 एक World-Action Foundation Model है, जिसका इस्तेमाल ह्यूमनॉइड रोबोट को रियल वर्ल्ड में ज्यादा तेजी से समझने, भविष्य की स्थिति का अनुमान लगाने और उसके हिसाब से एक्शन लेने के लिए किया गया है।

AI सीखना चाहते हैं लेकिन महंगे कोर्स पर पैसे खर्च नहीं करना चाहते? Google, IBM SkillsBuild और NIELIT Virtual Academy पर कई AI Courses बिना फीस के उपलब्ध हैं। इनमें Generative AI, Large Language Models, AI Image Generation, AI Ethics और AI आधारित Content Creation जैसे विषय शामिल हैं। यहां सिर्फ ऐसे ऑप्शन शामिल किए गए हैं जिनके लिए कोर्स फीस नहीं देनी पड़ती।

Alibaba ने अपना नया Wan 3.0 AI वीडियो जेनरेशन मॉडल लॉन्च कर दिया है। कंपनी का नया मॉडल टेक्स्ट और इमेज के अलावा PDF, PowerPoint, डॉक्यूमेंट, स्प्रेडशीट, वेबपेज, ऑडियो और मौजूदा वीडियो को भी इनपुट के तौर पर इस्तेमाल कर सकता है। Wan 3.0 एक बार में 30 सेकेंड तक का वीडियो जनरेट कर सकता है और 1080p तक आउटपुट सपोर्ट करता है। मॉडल में वीडियो के साथ ऑडियो जेनरेशन और कैरेक्टर कंसिस्टेंसी पर भी फोकस किया गया है। Alibaba इसे कंटेंट क्रिएशन, मार्केटिंग और दूसरे प्रोफेशनल इस्तेमाल के लिए पेश कर रहा है।

Google ने अमेरिका की दिवालिया एयरलाइन Spirit Airlines के आंतरिक कारोबारी डेटा और सॉफ्टवेयर के लिए 1 करोड़ डॉलर यानी करीब 95 करोड़ रुपये की बोली जीती है। अमेरिकी बैंकरप्सी कोर्ट में दाखिल दस्तावेजों के मुताबिक इस पैकेज में करीब 10 करोड़ ईमेल, 50 करोड़ Microsoft Teams चैट, दस्तावेज, स्प्रेडशीट, कैलेंडर और सॉफ्टवेयर से जुड़ी जानकारी शामिल है। Google इस डेटा का इस्तेमाल प्रोडक्ट डेवलपमेंट और AI मॉडल की ट्रेनिंग के लिए कर सकता है। हालांकि, सौदे में ग्राहक डेटा और क्रेडिट कार्ड की जानकारी शामिल नहीं है। डील को अभी अमेरिकी बैंकरप्सी कोर्ट की मंजूरी मिलना बाकी है।

Meta के मालिक मार्क जुकरबर्ग ने एलन मस्क के X पर एक स्पेशल पोस्ट के साथ वापसी की है। 3 साल बाद लौटे जुकरबर्ग ने अपनी पोस्ट में नए AI मॉडल Muse Spark 1.1 का परिचय यूजर्स से करवाया। जुलाई 2023 के बाद मार्क की यह लेटेस्ट पोस्ट है जिसमें उन्होंने बताया कि Muse Spark 1.1 कैसे है खास।

टेस्ला के चीफ एग्जिक्यूटिव ऑफिसर ( CEO), Elon Musk ने ऑटोनॉमस ड्राइविंग और आर्टिफिशियल इंटेलिजेंस (AI) पर फोकस बढ़ाया है। इससे टेस्ला की मार्केट वैल्यू में भी बढ़ोतरी हुई है। यूरोप में कंपनी की सेल्स बढ़ने के पीछे फ्यूल महंगा होना, EV के लिए सरकार की ओर से दिए जा रहे इंसेंटिव और पिछले वर्ष राजनीति में मस्क की विवादास्पद भूमिका को लेकर कस्टमर्स की नाराजगी कम होना प्रमुख कारण हैं।

India AI Mission के तहत चुनी गई स्टार्टअप Avataar AI ने Varya नाम का नया Video Generation AI मॉडल लॉन्च किया है। कंपनी के मुताबिक यह मॉडल भारतीय संस्कृति, त्योहारों, खानपान और स्थानीय संदर्भ को बेहतर तरीके से समझने के लिए ट्रेन किया गया है। Varya, Alibaba के Wan 2.2 मॉडल पर आधारित है, लेकिन इसे Model Distillation तकनीक की मदद से तेज और किफायती बनाया गया है। कंपनी का दावा है कि यह 10 गुना तक तेजी से वीडियो बना सकता है। Avataar AI भविष्य में इसे AI Kosh के जरिए ओपन-वेट मॉडल के रूप में उपलब्ध कराने की योजना भी बना रही है।

चीन की टेक स्टार्टअप Meng Xiaoyi ने AI आधारित Pet Collar पेश किया है, जो पालतू जानवरों की आवाज, मूवमेंट और व्यवहार को रियल टाइम में एनालाइज करने का दावा करता है। कंपनी के मुताबिक यह डिवाइस 95 प्रतिशत तक सटीकता के साथ जानवरों की भावनाओं और वोकल पैटर्न को समझ सकता है। यह डिवाइस Alibaba Cloud के Qwen Large Language Model पर आधारित है और कई सालों के Animal Voiceprint डेटा पर ट्रेन किया गया है। हालांकि कंपनी के दावों को लेकर वैज्ञानिक समुदाय में सवाल भी उठ रहे हैं क्योंकि अभी तक कोई स्वतंत्र Peer-Reviewed स्टडी सार्वजनिक नहीं की गई है।

OpenAI की GPT सीरीज में लेटेस्ट मॉडल लॉन्च कर दिया गया है। कंपनी ने नया LLM मॉडल GPT-5.5 मार्केट में उतारा है जो सबसे ज्यादा रियल वर्ल्ड ऐप्लीकेशंस पर फोकस करता है। कंपनी के अनुसार, यह रिसर्च, डेटा, एनालिसिस, कोडिंग, डॉक्यूमेंटेशन जैसे कामों को बखूबी कर सकता है।

OpenAI ने अपना नया AI मॉडल GPT-Rosalind (जीपीटी रोसलिंड) लॉन्च कर दिया है। यह एआई मॉडल विशेष रूप से जीव विज्ञान और वैज्ञानिक अनुसंधान के मकसद से लॉन्च किया गया है जो वैज्ञानिकों के काम में और अधिक तेजी लाने में मदद करेगा। लाइफ साइंसेज साइंटिफिक रिसर्च के लिए डिज़ाइन किया गया यह अत्याधुनिक AI मॉडल प्रोटीन, जीनोमिक्स और दवाईयों की खोज (drug discovery) में तेजी लाएगा।

Google ने Gemini 3.1 Flash TTS नाम का नया टेक्स्ट-टू-स्पीच मॉडल पेश किया है, जो बेहतर स्पीच क्वालिटी और कंट्रोल ऑफर करता है। यह मॉडल Gemini 3 Pro पर आधारित है और 70 से ज्यादा भाषाओं को सपोर्ट करता है। इसमें ऑडियो टैग्स, मल्टी-स्पीकर सपोर्ट और सीन डायरेक्शन जैसे फीचर्स दिए गए हैं। डेवलपर्स इसे Google AI Studio और Gemini API के जरिए इस्तेमाल कर सकते हैं, जबकि एंटरप्राइज यूजर्स के लिए यह Vertex AI पर उपलब्ध है। सिक्योरिटी के लिए इसमें SynthID वॉटरमार्किंग भी दी गई है।

Gemini का उपयोग करके म्यूजिक जनरेशन सिर्फ टेक्स्ट प्रॉम्प्ट ही नहीं बल्कि इमेज और वीडियो भी अपलोड कर सकते हैं। Gemini विजुअल वाइब से मेल खाने वाला ऑडियो तैयार करके प्रदान करेगा। Gemini ऐप के अंदर Lyria 3 कई स्टाइल में AI-जनरेटेड लिरिक्स के साथ इंस्ट्रूमेंटल म्यूजिक और वोकल्स तैयार कर सकता है। यूजर्स गाने का मूड भी बता सकते हैं और वोकल स्टाइल भी बदल सकते हैं।

Sarvam AI ने Sarvam Edge नाम से नया ऑन डिवाइस AI प्लेटफॉर्म पेश किया है, जो स्मार्टफोन और लैपटॉप पर सीधे काम करता है और क्लाउड या इंटरनेट पर निर्भर नहीं है। कंपनी के मुताबिक यह सिस्टम 10 भारतीय भाषाओं में ऑटोमैटिक स्पीच रिकग्निशन, टेक्स्ट टू स्पीच और 11 भाषाओं में द्वि दिशा ट्रांसलेशन सपोर्ट करता है। सभी प्रोसेसिंग लोकली होने से डेटा प्राइवेसी मजबूत रहती है और कमजोर नेटवर्क में भी परफॉर्मेंस प्रभावित नहीं होती। Sarvam AI का कहना है कि यह प्लेटफॉर्म एजुकेशन, फाइनेंस और असिस्टिव टेक्नोलॉजी जैसे क्षेत्रों में ऑफलाइन AI उपयोग को बढ़ावा देगा।

Bengaluru आधारित Sarvam AI ने अपने नए AI मॉडल Sarvam Vision और Bulbul V3 को लेकर ग्लोबल AI कम्युनिटी में चर्चा तेज कर दी है। कंपनी के मुताबिक, Sarvam Vision ने OCR बेंचमार्क्स पर Google Gemini जैसे मॉडल्स से बेहतर परफॉर्म किया है। वहीं Bulbul V3 टेक्स्ट टू स्पीच मॉडल 22 भारतीय भाषाओं और 35 वॉयस को सपोर्ट करता है। Sarvam AI का फोकस भारत की भाषाई और डॉक्यूमेंट जरूरतों को ध्यान में रखकर AI को ज्यादा एक्सेसिबल बनाने पर है, जिसे अब अंतरराष्ट्रीय स्तर पर भी सराहना मिल रही है।

चीन की टेक कंपनी Kuaishou का वीडियो जनरेशन मॉडल Kling AI तेजी से ग्लोबल AI रेस में उभर रहा है। LatePost की रिपोर्ट के मुताबिक, जनवरी में Kling AI के मंथली एक्टिव यूजर्स 12 मिलियन से ज्यादा हो गए हैं और 2025 में इसकी कमाई 140 मिलियन डॉलर तक पहुंचने का अनुमान है। यह आंकड़े कंपनी के शुरुआती टारगेट से कहीं ज्यादा हैं। टेक एक्सपर्ट्स के मुताबिक, Kling AI की यह ग्रोथ Google और OpenAI जैसे बड़े प्लेयर्स के लिए सीधी चुनौती बन रही है, खासकर AI वीडियो जनरेशन के सेगमेंट में।