Google ने रीबिल्ट जेमिनी 3.5 प्रो जारी किया, मूनशॉट AI ने 2.8T किमी K3 की शुरुआत की, और AI ने बड़े पैमाने पर कैंसर रिसर्च पेपर मिल धोखाधड़ी का खुलासा किया

17 जुलाई, 2026 की तीन कहानियाँ एआई की विस्तारित पहुंच को प्रकट करती हैं - मॉडल वास्तुकला से लेकर विज्ञान की अखंडता तक। Google डीपमाइंड का जेमिनी 3.5 प्रो पहला प्रमुख फ्रंटियर रिलीज़ है, जहां एक लैब ने पुनरावर्ती टूल-कॉलिंग विफलताओं के कारण पूर्ण बेस वेट को हटा दिया और स्क्रैच से प्रीट्रेनिंग को फिर से शुरू किया - यह दर्शाता है कि एजेंटिक विश्वसनीयता अब एक कठिन आवश्यकता है, न कि लॉन्च के बाद की ट्यूनिंग समस्या। मूनशॉट एआई का किमी K3 (2.8T पैरामीटर, 896 विशेषज्ञ, प्रति क्वेरी 16 सक्रिय, किमी डेल्टा अटेंशन बनाम K2.5 × दक्षता प्राप्त करना) अब तक जारी किया गया सबसे बड़ा ओपन-वेट मॉडल है और $3/M इनपुट टोकन पर एजेंटिक रीजनिंग बेंचमार्क में फ्रंटियर क्लोज्ड मॉडल से मेल खाने वाला पहला मॉडल है। और क्वींसलैंड यूनिवर्सिटी ऑफ़ टेक्नोलॉजी (QUT) BERT क्लासिफायर ने 1999-2024 में प्रकाशित 2.6 मिलियन कैंसर शोध पत्रों को स्कैन किया, जिसमें 250,000+ को पेपर मिल धोखाधड़ी के रूप में चिह्नित किया गया - जो कि 2000 में प्रकाशित पत्रों के <1% से बढ़कर 2022 में 16% से अधिक हो गया - 91% वर्गीकरण सटीकता के साथ ज्ञात वापस लिए गए शोधपत्रों के मुकाबले मान्य किया गया।

🤖 जेमिनी 3.5 प्रो — Google ने स्क्रैच से प्रीट्रेनिंग क्यों पुनः आरंभ की

टूल-कॉलिंग विफलता जिसने पुनर्निर्माण को मजबूर किया

पुनरावर्ती टूल-कॉलिंग कठिन क्यों है: मानक पाठ निर्माण (एक प्रॉम्प्ट पूरा करना) एक सिंगल-पास ऑपरेशन है। पुनरावर्ती टूल-कॉलिंग एक लूप है:

जेमिनी के प्रारंभिक आधार मॉडल में चरण 3 और 5 में संरचनात्मक समस्याएं थीं - टूल आउटपुट प्राप्त करते समय और उन्हें बाद के टूल कॉल में इनपुट के रूप में उपयोग करते समय, मॉडल ने मध्यवर्ती परिणामों की स्कीमा को गलत तरीके से पार्स किया, जिससे गहरी टूल श्रृंखलाओं में व्यापक मतिभ्रम पैदा हुआ।

Google ने पैचिंग के बजाय पुनः प्रारंभ क्यों किया: प्रशिक्षण के बाद के सुधार (सही उदाहरणों पर आरएलएचएफ, एसएफटी) सतह-स्तर के मतिभ्रम को कम कर सकते हैं लेकिन मॉडल की ध्यान परतें मध्यवर्ती उपकरण आउटपुट पर कैसे ध्यान देती हैं में संरचनात्मक वास्तुशिल्प मुद्दों को ठीक नहीं कर सकते हैं**। समस्या का निदान बेस प्रीट्रेनिंग वेट में उत्पन्न होने के रूप में किया गया था - जिसे फाइन-ट्यूनिंग द्वारा ठीक नहीं किया जा सकता था।

पुनर्निर्माण की समयरेखा:

मिसाल: Google ने टूटे हुए एजेंटिक मॉडल की शिपिंग के बजाय 8 सप्ताह की देरी को चुना। टूल-उपयोग विफलताओं के कारण फ्रंटियर लैब द्वारा पूरा किए गए पूर्व-प्रशिक्षण भार को नष्ट करने का यह पहला प्रलेखित मामला है - यह दर्शाता है कि उद्योग अब एजेंटिक विश्वसनीयता को लॉन्च अवरोधक के रूप में मानता है, न कि लॉन्च के बाद की समस्या के रूप में।

जेमिनी 3.5 प्रो विशिष्टताएँ

तकनीकी विशिष्टताएँ:

"डीप थिंक" मोड - यह क्या करता है: डीप थिंक जेमिनी 3.5 प्रो का विस्तारित रीजनिंग मोड है (ओपनएआई के ओ3 थिंकिंग मोड के समान):

• अंतिम प्रतिक्रिया उत्पन्न करने से पहले अतिरिक्त परीक्षण-समय गणना आवंटित करता है
• मॉडल आंतरिक परिकल्पना निर्माण और परीक्षण चलाता है (उपयोगकर्ता को दिMoat (प्रतिस्पर्धी बढ़त) नहीं देता है, लेकिन प्रतिक्रिया विलंबता को ~3-8 सेकंड तक बढ़ा देता है)
• ट्रेड-ऑफ़: ~3× धीमा → जटिल तर्क, कोडिंग और एजेंटिक बेंचमार्क पर ~15-20% अधिक सटीक

🌐 किमी K3 - 2.8T MoE, 896 विशेषज्ञ, ओपन वेट

2.8टी स्केल पर एमओई आर्किटेक्चर

विशेषज्ञों का मिश्रण (एमओई) - यह इस पैमाने को क्यों सक्षम बनाता है: एक मानक सघन मॉडल में, प्रत्येक फॉरवर्ड पास के लिए प्रत्येक पैरामीटर सक्रिय है:

• 2.8T सघन मॉडल: प्रत्येक टोकन के लिए सभी 2.8T पैरामीटर सक्रिय होते हैं → अनुमान के लिए मेमोरी के माध्यम से 2.8T पैरामीटर को स्थानांतरित करने की आवश्यकता होती है → असंभव

MoE मॉडल में, मॉडल में N विशेषज्ञ उप-नेटवर्क होते हैं, लेकिन प्रति टोकन केवल K विशेषज्ञ ही सक्रिय होते हैं:

• किमी K3: कुल 896 विशेषज्ञ, प्रति प्रश्न 16 सक्रिय
• प्रति फॉरवर्ड पास सक्रिय पैरामीटर: ~60बी (सघन 60बी मॉडल से तुलनीय)
• लेकिन ज्ञान क्षमता: सभी 896 विशेषज्ञों में एन्कोडेड ज्ञान के लायक 2.8T पैरामीटर

किमी K3 बनाम सघन मॉडल अर्थशास्त्र:

किमी डेल्टा अटेंशन (केडीए) - दक्षता नवाचार:

किमी K3 बेंचमार्क बनाम मालिकाना सीमा:

किमी K3 सर्वश्रेष्ठ बंद मालिकाना मॉडलों में बेंचमार्क शोर के भीतर है - पहली बार, खुला वजन = सीमांत गुणवत्ता।

मूल्य निर्धारण और उपलब्धता:

एमआईटी लाइसेंस + वेट पब्लिक = कोई भी डेवलपर पूर्ण फाइन-ट्यूनिंग एक्सेस के साथ किमी K3 को डाउनलोड और तैनात कर सकता है।

🔬 बर्ट पेपर मिल ऑडिट - 250K धोखाधड़ी वाले कैंसर पेपर्स

अकादमिक पेपर मिल औद्योगिक परिसर

पेपर मिलें क्या हैं और वे कैसे काम करती हैं:

कैंसर अनुसंधान विशेष रूप से असुरक्षित क्यों है:

• उच्च-मात्रा फ़ील्ड (2.6एम पेपर 1999-2024 = ~100,000+ पेपर/वर्ष)
• जटिल प्रयोगात्मक विधियां (सेल संस्कृतियां, पशु मॉडल, आणविक परख) जिन्हें सहकर्मी समीक्षकों के लिए प्रयोगों को दोहराए बिना सत्यापित करना मुश्किल है
• प्रतिस्पर्धी अनुसंधान वातावरण में प्रकाशित करने का उच्च दबाव (चीन, ईरान, मिस्र - बीएमजे अध्ययन के अनुसार उच्च पहचाने गए पेपर मिल गतिविधि वाले देश)

बीईआरटी क्लासिफायरियर - तकनीकी दृष्टिकोण:

निष्कर्षों का पैमाना - 25-वर्षीय धोखाधड़ी प्रक्षेप पथ:

ऑन्कोलॉजी अनुसंधान पर प्रभाव: पेपर मिल उत्पादन के रूप में चिह्नित कागजात को बाद के शोध में उद्धृत किया गया है - जिसका अर्थ है कि धोखाधड़ी वाले परिणाम मेटा-विश्लेषण, नैदानिक ​​परीक्षण डिजाइन और दवा विकास निर्णयों में फैल गए हैं। यदि कोई दवा मनगढ़ंत प्री-क्लिनिकल परिणाम के आधार पर विकसित की गई थी, तो हो सकता है कि यह गलत आधार पर चरण I/II परीक्षणों तक पहुंच गई हो, जिससे अनुसंधान एवं विकास में अरबों रुपये बर्बाद हो गए और संभावित रूप से रोगियों को अप्रभावी उपचार का सामना करना पड़ा।

बीईआरटी क्लासिफायरियर का प्रकाशक अपनाना: बीएमजे प्रकाशन के बाद, कई प्रमुख वैज्ञानिक प्रकाशकों ने संपादकीय पाइपलाइनों में बीईआरटी क्लासिफायरियर के एकीकरण की घोषणा की:

• एल्सेवियर: ऐतिहासिक रूप से उच्च वापसी दर वाली पत्रिकाओं के लिए एक अनिवार्य पूर्व-समीक्षा स्क्रीनिंग चरण के रूप में एकीकृत करना
• स्प्रिंगर नेचर: ऑन्कोलॉजी जर्नल सबमिशन में परीक्षण
• विली: कोशिका जीव विज्ञान + कैंसर जीव विज्ञान पत्रिकाओं के लिए मूल्यांकन

क्लासिफायरियर कागजात को अस्वीकार नहीं करता है - यह उन्हें अनिवार्य उन्नत मानव समीक्षा (दूसरा स्वतंत्र सहकर्मी समीक्षक + लेखकों से कच्चा डेटा अनुरोध) के लिए चिह्नित करता है।

📌 अंतिम पंक्ति

• मिथुन-3-5-प्रो-रीबिल्ट-डीप-थिंक-2एम-संदर्भ: फ्रंटियर लैब स्क्रैपिंग का पहला प्रलेखित मामला एजेंटिक विश्वसनीयता विफलता के कारण प्रीट्रेनिंग वेट पूरा करता है: पुनरावर्ती टूल-कॉलिंग कैस्केड (ए की गलत व्याख्या बी → सी → ... मतिभ्रम लूप के माध्यम से फैलती है); संरचनात्मक ध्यान-परत समस्या = आरएलएचएफ द्वारा पैच करने योग्य नहीं; टूटे हुए एजेंट को लॉन्च करने में 8 सप्ताह की देरी; विशिष्टताएँ: 2M संदर्भ (2× पिछला), डीप थिंक मोड (3× धीमा, 15-20% अधिक सटीक), 3× नेस्टिंग टूल-कॉल विश्वसनीयता में सुधार; जीपीक्यूए डायमंड ~80%।
• kimi-k3-2-8t-moe-896-experts-kda: MoE अर्थशास्त्र: 896 विशेषज्ञ, 16 प्रति प्रश्न सक्रिय → ~60B सक्रिय पैरामीटर (सघन-60B अनुमान लागत) लेकिन 2.8T ज्ञान क्षमता; किमी डेल्टा ध्यान: लंबी दूरी के लिए रैखिक ध्यान + स्थानीय के लिए मानक = 2.5× केवी कैश मेमोरी में कमी; सर्वोत्तम बंद मॉडलों के शोर के भीतर बेंचमार्क (जीपीक्यूए डायमंड 79.4% बनाम जीपीटी-5.5 ~78%); एमआईटी लाइसेंस, वेट पब्लिक 27 जुलाई, 2026; एपीआई $3/एम इनपुट (बनाम जीपीटी-5.5 $12/एम); स्व-होस्टेड ~$0.20/M.
• कैंसर-पेपर-मिल-बर्ट-250k-धोखाधड़ी: QUT BERT क्लासिफायर: रिट्रेक्टेड (पुष्टि मिल) + वास्तविक कागजात पर प्रशिक्षित → पाठ्य उंगलियों के निशान (बॉयलरप्लेट, टेम्पलेट पुन: उपयोग, शैलीगत असंगतता), सांख्यिकीय विसंगतियों (असंभव पी-वैल्यू), मेटाडेटा क्रॉस-सहसंबंध (समान लेखक / संस्थान मल्टी-जर्नल एक ही दिन पैटर्न), समानता क्लस्टरिंग का पता लगाता है; 2.6M कागजात स्कैन किए गए, 250K+ फ़्लैग किए गए (ज्ञात वापसी के विरुद्ध 91% सटीकता); धोखाधड़ी प्रक्षेपवक्र: <1% (1999-2005) → >16% (2022 शिखर) - 2022 में प्रकाशित 6 में से 1 कैंसर पेपर धोखाधड़ी; मेटा-विश्लेषणों में उद्धृत मनगढ़ंत प्री-क्लिनिकल परिणाम + क्लिनिकल परीक्षण डिज़ाइन = झूठे आधार पर बनाए गए संभावित दवा अनुसंधान एवं विकास निर्णय; एल्सेवियर/स्प्रिंगर नेचर/विली को अनिवार्य पूर्व-समीक्षा स्क्रीनिंग के रूप में एकीकृत किया जा रहा है।

📬 अपडेट रहें

हर सप्ताह अपने इनबॉक्स में सर्वोत्तम AI और प्रौद्योगिकी प्राप्त करें। हमारे मुफ़्त न्यूज़लेटर की सदस्यता लें →

प्रकटीकरण: इस पोस्ट में संबद्ध लिंक हैं। यदि आप हमारे लिंक के माध्यम से खरीदारी करते हैं, तो हम आपसे बिना किसी अतिरिक्त लागत के एक छोटा सा कमीशन कमाते हैं। हम केवल उन्हीं उत्पादों की अनुशंसा करते हैं जिन पर हमें विश्वास है।