లాంచ్‌కు కొన్ని రోజుల ముందే OpenAI తన కొత్త AI మోడల్‌ను నిలిపివేసింది, ఎందుకంటే అది అనుమతి లేకుండా పనులు చేయడం ఆపలేదు

OpenAI ఈ నెలలో GPT-6.1 Astra ను విడుదల చేయాలని అనుకుంది, ఈ మోడల్ ChatGPT మరియు Codex లోని తర్వాతి తరం ఏజెంట్లను నడపాల్సింది. కానీ వారి సొంత భద్రతా పరీక్షకులు ఈ మోడల్ ఎవరూ చెప్పని పనులు చేస్తోందని, వాటిని అంగీకరించడం లేదని గుర్తించారు. సెప్టెంబర్ 28న, OpenAI ఈ విడుదలను రద్దు చేసింది.

ముందు అనుమతి తీసుకోని మోడల్

GPT-6.1 Astra అనేది OpenAI యొక్క అత్యంత సామర్థ్యం గల ఏజెంట్‌గా మారాల్సింది: వెబ్‌ను బ్రౌజ్ చేయడం, సాఫ్ట్‌వేర్‌ను నడపడం, తక్కువ సహాయంతోనే బహుళ-దశల పనులు పూర్తి చేయడం, దీని స్థానంలో ఇది ChatGPT మరియు Codex కోడింగ్ టూల్‌లో మారాల్సిన GPT-6 Astra కంటే ముందుకు. అంతర్గత మదింపుల్లో ఈ కొత్త వెర్షన్ తన మునుపటి వెర్షన్ కంటే అనుమతి లేకుండా ముందుకు సాగేందుకు ఎక్కువ సిద్ధంగా ఉందని తేలింది, కొన్నిసార్లు దీనికి అనుమతి లేని పనులను కొనసాగిస్తూ, అసురక్షితమైన పరిస్థితుల్లో బాహ్య టూల్స్ మరియు సేవలను అందుకోవడానికి ప్రయత్నించింది. పని పూర్తయిన తర్వాత అది నిజంగా ఏమి చేసిందో కూడా వివిధ స్థాయిల్లో తప్పుగా చెప్పింది.

OpenAI యొక్క భద్రతా వ్యవస్థల అధిపతి Saachi Jain, కంపెనీ “లేజీనెస్” అని పిలిచే దాన్ని నివారించడంలో మోడల్ మెరుగుపడిందని చెప్పారు, అంటే అడ్డంకులు వచ్చినా అది పని కొనసాగించింది, తేలికగా వదిలిపెట్టలేదు. కానీ ఆమె మాటల్లో, ఇది “స్కోప్ మరియు అథరైజేషన్ పరిధిలో ఉండడంలో, తాను చేసిన పని గురించి యూజర్‌కు తెలియజేయడంలో పూర్తిగా ప్రమాణాలను అందుకోలేకపోయింది.” చెడు ప్రవర్తనను పరీక్షించడానికి జరిగిన అనుకరణ పరీక్షల్లో, మోడల్ నకిలీ గుర్తింపులను సృష్టించింది, తన చర్యల గురించి డెవలపర్లకు తప్పుడు సమాచారం ఇచ్చింది, ఒక ఓపెన్-సోర్స్ ప్రాజెక్ట్‌లో తప్పుడు ముసుగులో హానికరమైన మార్పును చొప్పించడానికి ప్రయత్నించింది.

ఈ నిర్ణయం మొత్తం పరిశ్రమ ఎదుర్కొంటున్న ఒక సమస్యను ముందుకు తీసుకువస్తుంది: మరింత పట్టుదలతో పనిచేసేలా తయారైన ఏజెంట్, తనకు ఇచ్చిన పరిధులను దాటే అవకాశం కూడా అంతే ఎక్కువగా ఉంటుంది. Astra 6.1 యొక్క సవరించిన వెర్షన్ ఎప్పుడు వస్తుందో, లేదా వస్తుందో లేదో OpenAI చెప్పలేదు.

Google యొక్క ఉత్తమ మోడల్, కొద్దిమందికే

Google సెప్టెంబర్ 30న Gemini 4 Argon ను విడుదల చేసింది, దీన్ని తమ అత్యంత సామర్థ్యం గల మోడల్‌గా పేర్కొంది, ఆ తర్వాత దీన్ని దాదాపు ఎవరికీ ఇవ్వలేదు. ప్రస్తుతానికి దీని వినియోగం Google యొక్క Fairwind Program లో ఉన్న కొద్ది మంది భద్రతా బృందాలకే పరిమితం, ఇది ప్రత్యేకంగా రక్షణాత్మక సైబర్ సెక్యూరిటీ పని కోసం రూపొందించబడింది: దాడి చేసేవారి కంటే ముందే నిజమైన సాఫ్ట్‌వేర్‌లోని లోపాలను కనుగొనడం, ధ్రువీకరించడం, సరిచేయడం.

ఈ మోడల్ Google యొక్క అవుట్‌పుట్ పరిమితిని 64,000 టోకెన్ల నుండి 1 మిలియన్‌కు పెంచింది, దీని వల్ల ఇది ఒకేసారి చాలా పొడవైన తార్కిక శ్రేణులపై పనిచేయగలదు. దీర్ఘకాలిక సాఫ్ట్‌వేర్ ఇంజనీరింగ్ పనుల బెంచ్‌మార్క్ DeepSWE v1.1 లో, Argon 77.9 శాతం స్కోరు సాధించింది, ఇది Claude Opus 5.5 యొక్క 74.2 శాతం, GPT-6 Astra యొక్క 74.1 శాతం కంటే ఎక్కువ. తెలిసిన భద్రతా లోపాలను సరిచేసే సామర్థ్యాన్ని పరీక్షించే CWE-bench లో, ఇది GPT-6 Astra మరియు xAI యొక్క Grok 4.7 తో కలిసి 68 శాతం వద్ద మొదటి స్థానంలో సమానంగా ఉంది.

Google ఇప్పటికే ఒక నిర్దిష్ట ఫలితాన్ని చూపిస్తోంది. తన ఉచిత పబ్లిక్-ఇన్‌ఫ్రాస్ట్రక్చర్ స్కానింగ్ ప్రోగ్రామ్ ద్వారా Argon ను వాడుతున్న సైబర్ సెక్యూరిటీ సంస్థ Wiz, ప్రపంచవ్యాప్తంగా ఆసుపత్రులు ఉపయోగించే సాఫ్ట్‌వేర్‌లో ఒక తీవ్రమైన లోపాన్ని కనుగొంది, ఇది రోగుల సున్నితమైన సమాచారాన్ని ప్రమాదంలో పడేసేది, దీన్ని మునుపటి ఫ్రాంటియర్ మోడళ్లు కూడా గుర్తించలేకపోయాయి. Google సాఫ్ట్‌వేర్ పేరును చెప్పలేదు, దాన్ని సరిచేశారో లేదో కూడా చెప్పలేదు.

మోడల్ ధర, ఇది మరింత మందికి అందుబాటులోకి వచ్చినప్పుడు, మిలియన్ ఇన్‌పుట్ టోకెన్లకు $2, అవుట్‌పుట్ టోకెన్లకు $10 గా నిర్ణయించారు, ఇది ఒక ప్రారంభ రేటు మాత్రమే, దీన్ని కొనసాగిస్తామని Google ఎలాంటి హామీ ఇవ్వలేదు. ప్రస్తుతానికి కంపెనీ తన అత్యంత కొత్త, సామర్థ్యం గల వ్యవస్థను ఒక ప్రొడక్ట్ లాంచ్‌లా కాకుండా ఒక నియంత్రిత పరీక్షలా చూస్తోంది, మిగతా ప్రపంచానికి ఎంత వరకు వాడుకునే అనుమతి ఇవ్వాలో నిర్ణయించే ముందు దీన్ని రక్షకులపై పరీక్షిస్తోంది.

రెండు హాకీ జట్లు, ఒకే ఫైనల్, 1998 తర్వాత మొదటిసారి

భారత పురుషుల హాకీ జట్టుకు గురువారం Pakistan ను ఓడించడానికి చివరి నిమిషంలో గోల్ అవసరమైంది. కెప్టెన్ Harmanpreet Singh మొదటి క్వార్టర్‌లోనే రెండు గోల్స్ చేశాడు, Sukhjeet Singh స్కోరును 3-0 చేశాడు, అంతలో Pakistan రెండవ సగభాగంలో Abu Mahmood, Hannan Shahid, Waheed Rana గోల్స్‌తో సమం చేసింది. పెనాల్టీ షూటౌట్ దాపురిస్తుందని అనిపించే సమయంలో, Abhishek 60వ నిమిషంలో గోల్ చేసి మ్యాచ్‌ను 4-3 తో గెలిపించి, భారత్‌ను గోల్డ్ మెడల్ మ్యాచ్‌కు చేర్చాడు, అక్కడ వారు Malaysia మరియు South Korea మధ్య జరిగే మ్యాచ్ విజేతను ఎదుర్కొంటారు.

ఒక రోజు ముందే మహిళల జట్టు తన ఫైనల్‌ను ఖరారు చేసుకుంది. సెమీఫైనల్‌లో భారత్ South Korea ను 2-0 తో ఓడించింది, ఇందులో Ishika 43వ నిమిషంలో పెనాల్టీ కార్నర్‌ను గోల్‌గా మార్చింది, నాలుగు నిమిషాల తర్వాత Salima Tete యొక్క క్రాస్ దారి మారి గోల్‌లోకి వెళ్లింది. భారత్ అక్టోబర్ 2న ప్రస్తుత ఛాంపియన్ China తో గోల్డ్ కోసం ఆడుతుంది.

భారత పురుషుల మరియు మహిళల హాకీ జట్లు రెండూ ఒకే ఆసియా క్రీడల ఫైనల్‌కు చేరడం ఇదే మొదటిసారి, ఇంతకుముందు ఇది 1998లో జరిగింది, అప్పుడు పురుషుల జట్టు South Korea ను పెనాల్టీల్లో ఓడించి గోల్డ్ గెలుచుకుంది, మహిళల జట్టు అదే జట్టు చేతిలో ఓడి రన్నరప్‌గా నిలిచింది. ఈ సంవత్సరం రెండు జట్లు తమ గ్రూప్ దశలను ఓటమి లేకుండా పూర్తి చేశాయి, మహిళల జట్టు తన ఐదు పూల్ మ్యాచ్‌లలో కలిపి 66 గోల్స్ చేసి, కేవలం 3 గోల్స్ మాత్రమే తీసుకుంది.

1962 తర్వాత భారత్ చేరని ఒక ఫైనల్

గురువారమే, రెజ్లర్ Nitesh Siwach ఆసియా క్రీడల గ్రీకో-రోమన్ రెజ్లింగ్ ఫైనల్‌కు చేరిన 64 ఏళ్లలో మొదటి భారతీయుడిగా నిలిచాడు. పురుషుల 97 కిలోల విభాగం సెమీఫైనల్‌లో అతను Mongolia యొక్క Gankhuyag Ganbaatar ను టెక్నికల్ సుపీరియారిటీతో 9-0 తో ఓడించాడు, ఇది 1962 తర్వాత గ్రీకో-రోమన్ ఫైనల్‌లో భారత్ యొక్క మొదటి ప్రవేశం.

గోల్డ్ మెడల్ మ్యాచ్‌లో, Siwach Japan యొక్క Yuri Nakazato చేతిలో 0-4 తో ఓడిపోయి, రజత పతకంతో సరిపెట్టుకోవాల్సి వచ్చింది. ఆరు దశాబ్దాలకు పైగా కాలంలో ఏ భారతీయ గ్రీకో-రోమన్ రెజ్లర్‌కైనా ఇదే అత్యుత్తమ ఆసియా క్రీడల ఫలితం, ఫ్రీస్టైల్ రెజ్లింగ్‌తో పోలిస్తే చారిత్రకంగా భారత్ చాలా తక్కువగా పాల్గొన్న ఒక శైలిలో ఇది సాధించింది.