Stripe ने कृत्रिम बुद्धिमत्ता (AI) पूंजी प्रवाह में खुद को स्थापित करने के लिए OpenRouter को 7.5 अरब डॉलर में अधिग्रहित किया

रुझान एक: दौड़ मॉडलों से बुनियादी ढांचे और वितरण की ओर बढ़ रही है

सप्ताह का सबसे बड़ा सौदा OpenRouter का Stripe द्वारा 7.5 अरब डॉलर में अधिग्रहण है, जिसकी पुष्टि 19 अगस्त को हुई। मई में OpenRouter का मूल्यांकन 1.3 अरब डॉलर था; अनुमान है कि अकेले संस्थापकों को 1.5 अरब डॉलर मिलेंगे, जबकि निवेशकों को शेष 6 अरब डॉलर मिलेंगे। Stripe ने Databricks सहित अन्य दावेदारों को पीछे छोड़ दिया। वर्ष की शुरुआत से OpenRouter की टोकन खपत में सप्ताह-दर-सप्ताह 9% की वृद्धि हुई है।

Stripe के संस्थापक पत्र में इस कदम को उस अवधारणा के इर्द-गिर्द रखा गया है जिसे पैट्रिक कॉलिसन "सिंगुलैरिटी" कहते हैं — यह एक हल्के-फुल्के अंदाज़ में कहा गया शब्द है जिसका इस्तेमाल वे अप्रैल में कंपनी सम्मेलन के बाद से कर रहे हैं। Stripe का कहना है कि Forbes AI 50 में शामिल 88% कंपनियां इसके उत्पादों का उपयोग करती हैं, जिनमें OpenAI और Anthropic शामिल हैं। यह अधिग्रहण Stripe को बही के व्यय पक्ष में ले जाता है: AI व्यय प्रबंधन। PitchBook विश्लेषक फ्रांको ग्रांडा इसे Stripe द्वारा "AI युग में पूंजी प्रवाह के बीच" खुद को स्थापित करने के रूप में देखते हैं, जबकि राउटर के माध्यम से फ्रंटियर लैब्स, हाइपरस्केलर्स और नियोक्लाउड्स पर उसका प्रभाव बढ़ता है। Databricks (एक AI गेटवे), Rippling और Ramp ने हाल के सप्ताहों में अपने-अपने टोकन-व्यय उपकरण लॉन्च किए हैं।

चिप पक्ष में, Marvell ने 19 अगस्त को अमेरिकी प्रतिभूति एवं विनिमय आयोग (SEC) को बताया कि उसने Google के साथ अपनी कस्टम-चिप साझेदारी का विस्तार किया है और Google को 58,970,907 शेयर $206.58 पर खरीदने का वारंट जारी किया है (जो पिछले बंद भाव का लगभग 95.63% है)। 29 जुलाई को हस्ताक्षरित यह समझौता Google के TPU पारिस्थितिकी तंत्र से जुड़े कस्टम सिलिकॉन को कवर करता है: AI अनुमान त्वरक, स्टोरेज नियंत्रक, नेटवर्क इंटरफ़ेस नियंत्रक और नियर-मेमोरी कंप्यूट। वारंट 240 बैचों में वेस्ट होता है, प्रत्येक $500 मिलियन कस्टम-उत्पाद राजस्व पर एक, वित्त वर्ष 2027 की तीसरी तिमाही से वित्त वर्ष 2033 तक। Marvell प्री-मार्केट कारोबार में 10% से अधिक चढ़ा।

इस बीच Nvidia नॉर्डिक देशों में मध्यस्थ के रूप में काम कर रही है, ऐसा 20 अगस्त को रिपोर्ट किए गए CNBC सूत्रों के अनुसार है। कंपनी अपने GPU रखने वाली फर्मों को ऐसे डेटा-सेंटर संचालकों से जोड़ती है जिनके पास बिजली और भूमि है, लेकिन जिन्हें कंप्यूट ग्राहकों की आवश्यकता होती है। सीएफओ कोलेट क्रेस ने जून में इसका संकेत दिया था। Pure DC ने जुलाई में फिनलैंड में 1.5 अरब यूरो, 110 मेगावाट के परिसर की घोषणा की, जिसे 550 मेगावाट से आगे बढ़ाया जा सकता है; Arcem की योजना 500 मेगावाट तक है; Nebius ने मार्च में यूरोप की सबसे बड़ी AI फैक्ट्रियों में से एक की योजना की घोषणा की; Microsoft ने अप्रैल में Nscale की नॉर्वे परियोजना में अतिरिक्त क्षमता ली। नॉर्वे की ग्रिड संचालक Statnett के अनुसार 2.3 गीगावाट डेटा-सेंटर परियोजनाएं ग्रिड कनेक्शन की प्रतीक्षा में हैं।

रुझान दो: एजेंट परत का पुनर्निर्माण — मॉडल से हार्नेस तक

DeepSeek Harness, जिसे दो दिन पहले DeepSeek V4 Pro के साथ ओपन-सोर्स किया गया था, ने 48 घंटों के भीतर 95,000 GitHub स्टार पार कर लिए। इसका मूल सूत्र "एजेंट = मॉडल + हार्नेस" है, जिसमें हार्नेस मॉडल को फ़ाइल सिस्टम, टर्मिनल, वेब और टूल एक्सेस से लपेटता है। समुदाय के मापन के अनुसार प्लगइन पारिस्थितिकी तंत्र 700 प्लगइन से अधिक हो गया है। एक डेवलपर के व्यावहारिक परीक्षण में पाया गया कि मानक मोड ने रिपॉज़िटरी विश्लेषण (13 सेकंड, लाइन तक सटीक), सैंडबॉक्स एस्केलेशन के साथ कोडिंग-प्लस-शेल लूप और मल्टी-सबएजेंट रिफैक्टरिंग (25 pytest मामले पास) को संभाला। कमजोरियां भी सामने आईं: एक न्यूनतम मोड जो Windows पर विफल रहता है, और पेज-फ़ेच टूल के बिना वेब खोज जिसके कारण अभिसरण नहीं होता।

इसी विषय पर, Jefferies के विश्लेषकों ने आठ मुख्यधारा एजेंटों को वास्तविक कार्यालय कार्यों में चलाया और Alibaba के Qwen Office को कुल मिलाकर पहले स्थान पर रखा, जिसका स्कोर Claude Cowork और Codex से बेहतर रहा। यह एकमात्र एजेंट था जिसने हर आयाम पर 90 से अधिक अंक प्राप्त किए — फ़ाइल-आधारित वार्षिक-रिपोर्ट सारांश, ऑनलाइन डेटा तुलना, ब्राउज़र नियंत्रण, अंग्रेज़ी PPT निर्माण और संदर्भ छवियों से पोस्टर निर्माण। Jefferies ने क्षमता को मॉडल और हार्नेस में विभाजित किया; Qwen Office का "अंतर्निहित हार्नेस स्कोर" क्षेत्र में सबसे आगे रहा। Qwen 3.8 Max की API कीमत कई विदेशी मॉडलों से काफ़ी नीचे है, और रिपोर्ट "प्रति कार्य लागत" को उभरते व्यावसायिक मीट्रिक के रूप में रेखांकित करती है।

Claude Code ने एक "संक्षिप्त" आउटपुट शैली जोड़ी, जिसकी घोषणा Anthropic ने 19 अगस्त को की। यह परिणाम सीधे लौटाती है और उत्तर छोटे रखती है, जबकि फॉलो-अप पर पूर्ण विवरण उपलब्ध रहता है। OpenAI Codex एक कर-फाइलिंग पायलट तक पहुंचा, जिसने 7,000 रिटर्न संभाले और तैयारी समय में लगभग एक तिहाई की कटौती की, जिससे टीमें ओपन-सोर्स Codex हार्नेस पर अपने स्वयं के उत्पाद बना सकती हैं (20 अगस्त को रिपोर्ट किया गया)।

रुझान तीन: सुरक्षा एक कंप्यूट लागत बन गई

OpenAI ने 20 अगस्त को पात्र फ्रंटियर-मॉडल API ग्राहकों के लिए शून्य-डेटा-अवधारण का विस्तार किया और "निजी सुरक्षा प्रसंस्करण" का पूर्वावलोकन किया, जो एक स्वचालित प्रणाली है जो OpenAI कर्मचारियों को अंतर्निहित सामग्री देखने दिए बिना क्रॉस-इंटरैक्शन जोखिम पैटर्न का पता लगाती है। कंपनी नोट करती है कि कुछ गंभीर जोखिम केवल कई इंटरैक्शन के दौरान उभरते हैं, जिन्हें प्रति-संदेश सुरक्षा प्रणालियां पकड़ नहीं पातीं। OpenAI-होस्टेड स्टोरेज के लिए, सामग्री ग्राहक-नियंत्रित कुंजियों के अंतर्गत एन्क्रिप्ट की जाती है। सामान्य रोलआउट की योजना सितंबर में एक तकनीकी श्वेत पत्र के साथ बनाई गई है।

इस सप्ताह दो शोधपत्रों ने निगरानी के तर्क को और पुख्ता किया है। शंघाई AI लैब और सिंघुआ का एक शोधपत्र चेतावनी देता है कि AI एजेंट सचेत होने से पहले ही मानव एजेंसी को खतरे में डाल सकते हैं, तथा तर्क के दायरे बढ़ने के साथ जोखिम श्रेणी बदलती है — जैसे ही कोई एजेंट अपनी स्वयं की स्थिति का प्रतिनिधित्व कर सकता है, वह अलाइनमेंट फेकिंग और शटडाउन से इनकार की ओर बढ़ता है। एक अलग अध्ययन में पाया गया कि RAG पॉइज़निंग मॉडल का आत्मविश्वास बढ़ाती है और अनिश्चितता-आधारित डिटेक्टरों को विफल कर देती है, जबकि दस्तावेज़-स्तरीय ध्यान वितरण की निगरानी त्रुटि होने से पहले विषाक्तता को उजागर कर सकती है।

उद्योग रिपोर्टों के अनुसार लगभग 20% इन्फ़रेंस कंप्यूट AI की निगरानी में खर्च होता है — सुरक्षा-निगरानी ओवरहेड एक अलग लागत श्रेणी के रूप में। अलग से, फ़ेई-फ़ेई ली ने 19 अगस्त को Bloomberg के माध्यम से तर्क दिया कि पेशेवरों को बेहतर ढंग से समझाना होगा कि AI क्या देता है, और चेतावनी दी कि बढ़ता अमेरिकी विरोध — Pew के अनुसार अब आधे अमेरिकी उत्साहित से अधिक चिंतित हैं — वैश्विक जोखिम रखता है। उन्होंने World Labs के फरवरी में 1 अरब डॉलर जुटाने और रोबोटिक्स, चिकित्सा तथा शिक्षा में उसके वर्ल्ड-मॉडल कार्य का हवाला दिया।

रुझान चार: दीर्घ पूंछ के रूप में ओपन सोर्स और शिक्षा

क्रिस लैटनर (LLVM, Clang, Swift) द्वारा निर्मित AI प्रोग्रामिंग भाषा Mojo अब पूरी तरह ओपन सोर्स है। कंपाइलर, टूलिंग और स्रोत से भाषा के निर्माण के लिए आवश्यक सब कुछ Modular के GitHub पर Apache 2.0 के अंतर्गत LLVM अपवाद के साथ उपलब्ध हुआ, जिससे चार वर्षों का प्रयास पूरा हुआ। स्टैंडर्ड लाइब्रेरी और अधिकांश कर्नेल कोड पहले से ही ओपन थे। जून में Qualcomm द्वारा अधिग्रहित Modular ने अभी तक बाहरी कंपाइलर योगदान स्वीकार नहीं किए हैं और उसे 2026 के अंत में खोलने की योजना है।

टेरेंस ताओ के निबंध "AI के युग में गणित" ने, जिसे 17 अगस्त को ICM 2026 कार्यवाही में प्रस्तुत किया गया, तर्क दिया है कि गणितज्ञों को AI क्षमता पर बहस छोड़कर यह पूछना चाहिए कि गणितीय शोध वास्तव में किस लिए है, और समस्या-समाधान को केस स्टडी के रूप में उपयोग करना चाहिए। वह इस क्षण को 20वीं सदी के आरंभिक बुनियादी संकट की तुलना में उथल-पुथल का दौर बताते हैं।

Google ने 19 अगस्त को सर्च और Gemini में अध्ययन उपकरणों का एक समूह लॉन्च किया: AI-जनित इंटरैक्टिव विज़ुअल, 3D सिमुलेशन, एक छात्र हब, अनुकूलित अभ्यास क्विज़ और अपलोड की गई फ़ाइलों से निर्मित अध्ययन दस्तावेज़। Gemini Live अब बैकग्राउंड में बहु-चरणीय शोध चला सकता है और निष्कर्षों पर आवाज़ से चर्चा कर सकता है। Meta का Muse वीडियो मॉडल बंद बीटा के तहत अपने पहले आउटपुट के साथ सामने आया है, जिसमें सख्त कॉपीराइट सीमाएं और मूल वाक् तथा संगीत ऑडियो शामिल हैं।