Articles

24 अप्रैल 2026Masahiro TaimaResearchTechnology

नवीनतम AI से क्या किया जा सकता है? Gemini, Claude, Open AI, OpenClaw, Genspark आदि की आधिकारिक दस्तावेजों से लगभग 600 फीचर्स का व्यापक संकलन

Product

निःशुल्क रूप से शुरू करें (जल्द आ रहा है) एंटरप्राइज परामर्श

Career

mign विशेष AI एजेंट सेवा विकास में सक्रिय रूप से भाग लेने वाले लोगों की तलाश कर रहा है

यह जापानी मूल पाठ से स्वचालित अनुवाद है

परिचय

AI का विकास उल्लेखनीय है और इसकी क्षमताएं लगातार बढ़ रही हैं। हालांकि, SNS और टेक समाचार आमतौर पर अलग-अलग उपयोग के उदाहरण प्रस्तुत करते हैं, और समग्र रूप से AI क्या कर सकता है इस पर व्यापक जानकारी खोजना मुश्किल है। यहां, विश्व स्तर पर उच्च उपयोगकर्ता संख्या वाले लगभग 15 प्रमुख AI को शामिल किया गया है, और मुख्य रूप से आधिकारिक दस्तावेजों के आधार पर कार्यों को व्यापक रूप से सूचीबद्ध किया गया है। सामान्य उपयोगकर्ताओं और डेवलपर्स दोनों के लिए जानकारी शामिल है। हम आशा करते हैं कि यह वर्तमान में AI द्वारा क्या किया जा सकता है, इसका संदर्भ प्रदान करेगा।

AI के कार्यों को 6 श्रेणियों में वर्गीकृत किया गया है: समझ, खोज, तर्क, निर्माण, क्रिया और अन्य। यह इसलिए है क्योंकि हाल के AI एजेंट ReAct (Reason + Act) फ्रेमवर्क, RAG (Retrieve + Generate) मॉडल, और Retrieve-Reason-Act लूप जैसी अवधारणाओं को एकीकृत करते हैं, जिन्हें AI एजेंटों के प्रतिनिधि घटकों के रूप में समझ, खोज, तर्क, निर्माण और क्रिया के रूप में वर्गीकृत किया जाता है।

लक्षित AI और संदर्भ दस्तावेज़

ChatGPT: असाधारण ख्याति और उपयोगकर्ता संख्या वाला एक प्रतिनिधि जनरेटिव AI।
Gemini: Google Search, Android डिवाइस और Google Workspace के साथ शक्तिशाली रूप से एकीकृत है, और विश्व भर के उपयोगकर्ताओं के जीवन ढांचे में निर्मित है।
Claude: प्राकृतिक पाठ निर्माण और उन्नत तार्किक तर्क एवं प्रोग्रामिंग क्षमता के साथ, व्यावसायिक परत से जबरदस्त समर्थन प्राप्त करने वाला एक अत्यंत लोकप्रिय AI।
Microsoft Copilot: भीतर OpenAI प्रौद्योगिकी है, लेकिन Windows OS और Word, Excel जैसे Office उत्पादों में मानक रूप से शामिल है, इसलिए व्यावसायिक लोगों के बीच इसका उपयोग दर अत्यंत अधिक है।
OpenClaw: अपने PC (स्थानीय वातावरण) में चलता है, और WhatsApp या Discord जैसे चैट ऐप्स से केवल निर्देश देकर, AI स्वायत्त रूप से फ़ाइल पढ़ना-लिखना और ब्राउज़र संचालन करता है।
- Overview
- GitHub
Perplexity AI: लिंक्स की सूची के बजाय कई वेबसाइटों को पढ़कर सीधे उत्तर संकलित करने की क्षमता में विशेषज्ञ एक AI खोज इंजन के रूप में, विश्व भर में तेजी से उपयोगकर्ता बढ़ा रहा है।
Character.ai: उपयोगकर्ताओं द्वारा बनाई गई विभिन्न पात्रों (एनिमे पात्र या प्रसिद्ध व्यक्ति, आदि) के साथ बातचीत करने वाला एक AI। विशेष रूप से युवा उपयोगकर्ताओं के बीच बहुत अधिक ट्रैफिक है।
- need help? we've got you.
DeepSeek: चीन से आने वाला एक AI जो OpenAI और Anthropic के समान प्रदर्शन को बेहद कम लागत पर प्रदान करता है, और दुनिया भर के डेवलपर्स और कंपनियों से तेजी से उपयोगकर्ता प्राप्त कर रहा है।
Llama: Meta द्वारा प्रदान किया गया एक ओपन-सोर्स मॉडल। यह दुनिया भर की स्टार्टअप्स द्वारा विकसित AI ऐप्स के इंजन के रूप में सबसे व्यापक रूप से उपयोग किया जाता है।
Mistral: फ्रांस से आने वाला एक AI। यूरोपीय बाजार को केंद्रीय रूप से मानते हुए, हल्के लेकिन उच्च-प्रदर्शन वाले ओपन मॉडल के रूप में उच्च लोकप्रियता है।
Grok: Elon Musk के नेतृत्व में xAI द्वारा विकसित। X (पूर्व Twitter) की रीयल-टाइम जानकारी के साथ एकीकरण इसकी सबसे बड़ी ताकत है।
Kimi: चीन से आने वाला और लाखों वर्णों जैसी अल्ट्रा-लंबी पाठ को एक बार में पढ़ने की क्षमता के साथ, एशिया-प्रशांत क्षेत्र में तेजी से उपयोगकर्ता बढ़ा रहा है।
- Overview
- Quickstart
Midjourney: पाठ से उच्च-गुणवत्ता वाली छवियां उत्पन्न करने वाला एक प्रतिनिधि AI। Discord पर काम करता है और विश्व भर के रचनाकारों और डिजाइनरों द्वारा पसंद किया जाता है।
Stable Diffusion: ओपन-सोर्स छवि जनरेशन AI का डी फैक्टो मानक। इसे अपने PC के स्थानीय वातावरण में स्थापित कर सकते हैं और अपनी पसंद के अनुसार अनुकूलित कर सकते हैं।
DALL·E: OpenAI द्वारा विकसित, इनपुट किए गए पाठ निर्देशों के अनुसार उच्च-गुणवत्ता वाली छवियां बनाने वाला एक छवि जनरेशन AI।
Genspark: AI एजेंटों का उपयोग करके अगली पीढ़ी का खोज, सूचना संग्रह और दस्तावेज़ निर्माण मंच।

"समझ" से संबंधित कार्य

उपयोगकर्ता के इरादे, अस्पष्ट प्राकृतिक भाषा, छवि और ध्वनि जैसे मल्टीमॉडल इनपुट डेटा को संरचनात्मक रूप से समझने की क्षमता।

पाठ समझ, सारांश और सूचना निष्कर्षण

पाठ सारांश (Text summarization): लंबे पाठ या कई दस्तावेजों के संदर्भ को समझकर मुख्य बिंदुओं या निष्कर्षों को निकालने की मौलिक क्षमता [OpenAI, Google/Gemini, Anthropic/Claude, Microsoft Copilot, Mistral, Meta/Llama, Kimi, DeepSeek]
संरचित डेटा निष्कर्षण (Structured output / JSON schema): परिभाषित JSON स्कीमा के अनुसार, असंरचित पाठ से इकाइयों या विशिष्ट मूल्यों को सटीक रूप से निकालने और व्याख्या करने की क्षमता [OpenAI, Google/Gemini, Anthropic/Claude, Meta/Llama, xAI, DeepSeek]
इकाई निष्कर्षण (Entity extraction): लंबे पाठ से व्यक्ति के नाम, कंपनी के नाम, तारीख, राशि आदि जैसी संज्ञाओं या मुख्य शब्दों की पहचान करके निकालने की क्षमता [OpenAI, Google/Gemini, Anthropic/Claude, Microsoft Copilot]
विषय और उपयोगकर्ता इरादे की व्याख्या (Intent recognition / Topic triggering): उपयोगकर्ता के उच्चारण या अस्पष्ट प्रश्न से उद्देश्य (इरादे) की व्याख्या करके उपयुक्त एजेंट प्रवाह को सक्रिय करने की क्षमता [Microsoft Copilot, OpenClaw, Google/Gemini]
बहुभाषी अनुवाद और संदर्भ समझ (Multilingual support): कई भाषाओं में लिखे गए पाठ को स्वाभाविक रूप से समझकर निर्दिष्ट भाषा में अनुवाद और सारांश देने की क्षमता [OpenAI, Google/Gemini, Anthropic/Claude, Meta/Llama, xAI, DeepSeek]
सामग्री की मॉडरेशन और सुरक्षा व्याख्या (Moderation / Safety checks): पाठ में नीति उल्लंघन, हानिकारकता या अनुपयुक्त तत्वों की जांच और समझ करने की क्षमता [OpenAI, Meta/Llama, Google/Gemini, xAI]
बातचीत के संदर्भ को समझना (Context management / Threads): पिछले संदेश इतिहास या सत्र के प्रवाह को याद रखने और समझने, और संदर्भ के अनुसार प्रतिक्रिया देने की क्षमता [OpenAI, Anthropic/Claude, Google/Gemini, xAI, OpenClaw, Perplexity]
भावनात्मक विश्लेषण और टोन की व्याख्या (Sentiment analysis): पाठ के शब्दों के अंत या अभिव्यक्ति से उपयोगकर्ता की भावनात्मक स्थिति या टोन को समझने और निकालने की क्षमता [Google/Gemini, OpenAI, Microsoft Copilot]
बड़े संदर्भ का समग्र दृष्टिकोण (Long-context understanding): 10 लाख से 50 लाख टोकन, या 256K जैसे अल्ट्रा-लंबे पाठ को एक बार में पढ़ने और समग्र रूप से समझने की क्षमता [Google/Gemini, Anthropic/Claude, Meta/Llama, Kimi, DeepSeek]
प्रॉम्प्ट चर का स्वचालित निष्कर्षण और व्याख्या (Templatize a prompt): उपयोगकर्ता इनपुट से चर को स्वचालित रूप से पहचानना और निकालना, और इसे सिस्टम में एकीकृत करने के लिए उपयुक्त टेम्पलेट संरचना के रूप में समझने की क्षमता [Anthropic/Claude]
पात्र के मनोविज्ञान का अनुमान और संबंध निष्कर्षण (Character mind map): पुस्तकों या कहानियों से पात्रों की सोच प्रक्रिया और मानवीय संबंधों की व्याख्या करके व्यवस्थित करने की क्षमता [Meta/Llama]
व्यक्तित्व और व्यवहार के नियमों की व्याख्या (Persona understanding): सिस्टम प्रॉम्प्ट या सेटिंग फ़ाइलों (AGENTS.md आदि) में दर्ज भूमिका, टोन और नियमों को स्वायत्त रूप से समझकर अनुकूल करने की क्षमता [OpenClaw, Anthropic/Claude, Mistral, OpenAI]
अनुसंधान पत्र और शैक्षणिक डेटा का गहन विश्लेषण (Analyze research papers): जटिल प्रारूप के शैक्षणिक पत्र और अनुसंधान डेटा को समझकर, वैज्ञानिक अंतर्दृष्टि निकालने की क्षमता [Meta/Llama, Google/Gemini, Anthropic/Claude]
कई दस्तावेजों की क्रॉस-अनुप्रयोगी समझ (Multi-document analysis): अपलोड की गई कई फ़ाइलों के बीच संबंध और विरोधाभास की व्याख्या करके एकीकृत रूप से समझने की क्षमता [OpenAI, Anthropic/Claude, Google/Gemini, Mistral, Kimi]
संगठनात्मक डेटा की व्यावसायिक संदर्भ समझ (Data grounding): SharePoint, ईमेल, चैट आदि जैसे कंपनी के अंदर की जानकारी को समझकर, कंपनी-विशिष्ट व्यावसायिक संदर्भ के रूप में समझने की क्षमता [Microsoft Copilot, Google/Gemini]
प्रॉम्प्ट कैशिंग द्वारा संदर्भ का पुनः उपयोग (Prompt caching): लंबे संदर्भ को कैश करके, पुनः गणना के बिना कुशलतापूर्वक जानकारी को समझने और निकालने की क्षमता [OpenAI, Anthropic/Claude, xAI, DeepSeek]
चैट प्रीफिक्स द्वारा संदर्भ की निरंतर समझ (Chat Prefix Completion): आंशिक रूप से लिखे गए पाठ के प्रीफिक्स को सटीक रूप से समझकर, बाद के संदर्भ की भविष्यवाणी और निष्कर्षण करने की क्षमता [DeepSeek, OpenAI]
कानूनी दस्तावेज़ और अनुबंध के शर्तों की व्याख्या (Legal document analysis): लंबे कानूनी दस्तावेजों से जोखिम शर्तों या दायित्व सामग्री को सटीक रूप से समझने और निकालने की क्षमता [Anthropic/Claude, OpenAI, Google/Gemini, Kimi]
रेज़्यूमे के कार्य अनुभव और कौशल निष्कर्षण (Resume/Profile extraction): मानव संसाधन डेटा या रेज़्यूमे से कौशल सेट और कार्य अनुभव को संरचित रूप से निकालकर समझने की क्षमता [OpenAI, Google/Gemini, Anthropic/Claude]
चिकित्सा डेटा और स्वास्थ्य सेवा रिकॉर्ड का संदर्भ निष्कर्षण (Healthcare data extraction): नैदानिक रिकॉर्ड या रोगी डेटा से महत्वपूर्ण चिकित्सा अंतर्दृष्टि या लक्षणों की व्याख्या करके निकालने की क्षमता [Google/Gemini]
मीटिंग नोट्स से कार्य वस्तुओं का निष्कर्षण (Action item extraction): बैठक या सहायता चैट के इतिहास से, निर्णय या कार्यों की व्याख्या करके निकालने की क्षमता [OpenAI, Microsoft Copilot, Anthropic/Claude]
व्यक्तिगत और गोपनीय जानकारी की पहचान और निष्कर्षण (Sensitive Data Protection / PII extraction): इनपुट डेटा से व्यक्तिगत जानकारी को समझकर, संरक्षण या मास्किंग के लिए निकालने की क्षमता [Google/Gemini, OpenAI, Microsoft Copilot]

मल्टीमॉडल और दृश्य जानकारी की समझ (छवि, वीडियो, UI)

छवि में ऑब्जेक्ट और दृश्य को समझना (Image understanding / Vision): छवि में दिखाई देने वाली वस्तुओं, स्थितियों और स्थानीय संबंधों को दृश्य संदर्भ के रूप में समझने की क्षमता [OpenAI, Google/Gemini, Anthropic/Claude, xAI, Meta/Llama, DeepSeek, Kimi]
ऑप्टिकल वर्ण मान्यता और पाठ निष्कर्षण (OCR / DeepSeek-OCR-2): छवि वाले दस्तावेज़ों या फ़ोटो में पाठ जानकारी को निकालना और संरचित डेटा के रूप में व्याख्या करने की क्षमता [OpenAI, Google/Gemini, DeepSeek, Anthropic/Claude]
यूआई मॉकअप का कोड व्याख्या (Image mock up to HTML): छवि में खींचे गए हस्तलिखित नोट्स या यूआई डिज़ाइन के इरादे को समझना और कोड संरचना के रूप में व्याख्या करने की क्षमता [Google/Gemini, OpenAI, Anthropic/Claude]
जटिल चार्ट और ग्राफ का दृश्य विश्लेषण (Chart & Graph analysis): छवि में डेटा ग्राफ़ से संख्यात्मक अंतर्दृष्टि और तार्किक प्रवृत्तियों को समझने की क्षमता [Anthropic/Claude, Meta/Llama, OpenAI, Google/Gemini]
दृश्य कारणात्मक संबंध और तार्किक संरचना को समझना (Visual Causal Flow): जटिल आरेखों या फ़्लोचार्ट से जानकारी के प्रवाह और तार्किक कारणात्मक संबंधों को व्याख्या करके निकालने की क्षमता [DeepSeek]
वीडियो फ्रेम और संदर्भ को समझना (Video understanding): वीडियो फ़ाइल को इनपुट के रूप में लेना, दृश्य के संक्रमण, सामग्री और गति के संदर्भ को विश्लेषण करके जानकारी निकालने की क्षमता [Google/Gemini, xAI, Kimi]
पीडीएफ की पाठ और दृश्य सामग्री का एकीकृत विश्लेषण (PDF support / Document AI): पीडीएफ में पाठ के साथ-साथ चित्र, आरेख और लेआउट संरचना को भी एक साथ व्याख्या करके निकालने की क्षमता [Anthropic/Claude, Google/Gemini, OpenAI, Kimi, Mistral]
एसएनएस पोस्ट में मल्टीमॉडल व्याख्या (Enable Image/Video Understanding): सोशल मीडिया पोस्ट में शामिल छवियों और वीडियो के संदर्भ को विशेष रूप से निकालने और समझने की क्षमता [xAI]
कंप्यूटर स्क्रीन के यूआई संरचना को समझना (Computer use vision): डेस्कटॉप स्क्रीन के स्क्रीनशॉट से यूआई के लेआउट और संचालन योग्य तत्वों को दृश्य रूप से समझने की क्षमता [Anthropic/Claude, OpenAI]
छवि संपादन मास्क के पारदर्शी क्षेत्र को समझना (Masking understanding): निर्दिष्ट मास्क छवि के अल्फा चैनल को समझना और संपादित या पुनः उत्पन्न करने योग्य क्षेत्र को व्याख्या करने की क्षमता [OpenAI]
कैमरे के माध्यम से भौतिक दुनिया का दृश्य व्याख्या (Device Camera Vision): मोबाइल ऐप्स आदि के कैमरे से सीधे इनपुट किए गए वास्तविक दुनिया के वीडियो को व्याख्या करके स्थिति को समझने की क्षमता [OpenClaw, Google/Gemini]
मल्टीटर्न छवि निर्माण में संदर्भ को समझना (Multi-turn image context): बातचीत के दौरान पहले से तैयार की गई छवि (Previous response ID) के संदर्भ को जारी रखकर व्याख्या करने की क्षमता [OpenAI]
चेहरे की तस्वीर से आयु और बायोमेट्रिक जानकारी का दृश्य अनुमान (Age Assurance / Persona Verification): सेल्फी छवि से बायोमेट्रिक जानकारी का विश्लेषण और व्याख्या करके उपयोगकर्ता की आयु समूह का अनुमान लगाने की क्षमता [C.AI, OpenAI]
मल्टीमॉडल मिश्रित विशेषज्ञ को समझना (Mixture-of-Experts Vision-Language): छवि और पाठ मिश्रित उन्नत इनपुट को इष्टतम विशेषज्ञ मॉडल को असाइन करके व्याख्या करने की क्षमता [DeepSeek]
स्थानीय प्रकाश व्यवस्था और 3D संरचना का दृश्य व्याख्या (ReLi3D / SViM3D): एकल 2D छवि से वस्तु के 3D आकार और पर्यावरण की प्रकाश व्यवस्था (लाइटिंग) स्थितियों को भौतिक रूप से व्याख्या करने की क्षमता [Stability AI]
वीडियो में ऑडियो और वीडियो का सिंक्रोनाइज़्ड व्याख्या (Video audio analysis): वीडियो सामग्री में ऑडियो ट्रैक और फिल्म के गति को एकीकृत रूप से समझने और निकालने की क्षमता [Google/Gemini]
भौगोलिक स्थान डेटा की व्याख्या (Geospatial Analytics / Earth Engine): उपग्रह छवियों या मानचित्र डेटा से भूभाग परिवर्तन और स्थानीय अंतर्दृष्टि को निकालकर समझने की क्षमता [Google/Gemini]

कोड, सिस्टम और लॉग को समझना

परियोजना के संपूर्ण कोड संरचना और निर्भरता संबंध को समझना (Codebase understanding): एकल फाइल के बजाय, परियोजना में कई फाइलों के बीच तर्क और निर्भरता संबंधों को समझने की क्षमता [Google/Gemini, Anthropic/Claude, OpenAI, Kimi]
त्रुटि लॉग और स्टैक ट्रेस की व्याख्या (Error trace analysis): टर्मिनल आउटपुट या क्रैश लॉग से सिस्टम त्रुटि के मूल कारण को निकालकर समझने की क्षमता [Anthropic/Claude, Google/Gemini, OpenAI]
गिट कमिट और पीआर अंतर का इरादा व्याख्या (Diff understanding): परिवर्तित कोड के अंतर (Diff) को विश्लेषण करके, सुधार के इरादे और समीक्षा के बिंदुओं को व्याख्या करने की क्षमता [Anthropic/Claude, Google/Gemini, Microsoft Copilot]
डेटाबेस स्कीमा और एसक्यूएल के इरादे को समझना (Database Assistance): मौजूदा जटिल एसक्यूएल क्वेरी के तर्क और तालिका मेटाडेटा को समझकर भाषा में व्याख्या और विवरण देने की क्षमता [Google/Gemini, Microsoft Copilot]
स्प्रेडशीट डेटा से अंतर्दृष्टि निष्कर्षण (Code Interpreter data analysis): सीएसवी या एक्सेल डेटा को पढ़ना, उनके संख्यात्मक अर्थ की व्याख्या करके चार्ट और प्रवृत्तियों को निकालने की क्षमता [Mistral, OpenAI, Microsoft Copilot]
टर्मिनल वातावरण और निर्देशिका संरचना को स्वायत्त रूप से समझना (CLI Workspace understanding): सीएलआई उपकरण वर्तमान परियोजना वातावरण या निर्देशिका रचना को स्वायत्त रूप से समझने और व्याख्या करने की क्षमता [Anthropic/Claude, Mistral, Google/Gemini]
एपीआई विशिष्टताओं और नीति कोड की व्याख्या (Apigee / API policy understanding): एंटरप्राइज एपीआई विशिष्टता पत्र या सुरक्षा नीति कोड को समझकर, सेटिंग के इरादे को समझने की क्षमता [Google/Gemini]
एमएलओप्स में डेटा पूर्वाग्रह और ड्रिफ्ट को समझना (Model Monitoring): मशीन लर्निंग मॉडल के इनपुट डेटा में पूर्वाग्रह (स्क्यू) या बिगड़ने की प्रवृत्ति का विश्लेषण करके समझने की क्षमता [Google/Gemini]
सुरक्षा लॉग और खतरा बुद्धिमत्ता की व्याख्या (Security Copilot / Threat Analysis): विशाल सिस्टम लॉग या संचार डेटा से साइबर हमले के संकेत या खतरे के संदर्भ को निकालने की क्षमता [Microsoft Copilot, Google/Gemini]
क्लाउड इन्फ्रास्ट्रक्चर कॉन्फ़िगरेशन और संसाधनों को समझना (Cloud Assist / Infrastructure understanding): स्रोत कोड या संपादक के संदर्भ से, इष्टतम क्लाउड संसाधन या तैनाती कॉन्फ़िगरेशन को समझने की क्षमता [Google/Gemini]
सेशन इतिहास और एजेंट स्थिति के संदर्भ को समझना (Session history retrieval): एजेंट पिछले सेशन की जानकारी को पढ़कर, कार्य की प्रगति और संदर्भ को वापस समझने की क्षमता [OpenClaw, OpenAI]
बाहरी डेटा स्रोत (Jira/Google Drive आदि) की संरचना को समझना (MCP server resources): एमसीपी के माध्यम से जुड़े बाहरी सास की टिकट जानकारी या दस्तावेज़ की संरचना को समझने और निकालने की क्षमता [Anthropic/Claude, OpenAI, Microsoft Copilot]
एफआईएम पूरक में पूर्व और बाद के संदर्भ की व्याख्या (Fill-in-the-Middle Completion): कोड के पहले और बाद के विवरण से, बीच में छूटे हुए तर्क को व्याख्या करके समझने की क्षमता [DeepSeek, OpenAI]
कोड आधुनिकीकरण की आवश्यकता को समझना (Code modernization analysis): लीगेसी कोड को नवीनतम फ्रेमवर्क में स्थानांतरित करते समय, मूल व्यावसायिक तर्क को व्याख्या करके समझने की क्षमता [Google/Gemini, Anthropic/Claude]
समस्या निवारण प्रक्रिया का निष्कर्षण (Troubleshooting extraction): उपयोगकर्ता की त्रुटि स्थिति के विवरण से, आवश्यक समाधान कदमों को मैनुअल आदि से निकालकर समझने की क्षमता [Google/Gemini, Anthropic/Claude]
वेबहुक पेलोड की संरचना व्याख्या (Webhook event parsing): बाहरी सिस्टम से भेजे गए वेबहुक की जेएसओएन डेटा को समझकर, आवश्यक ईवेंट जानकारी को निकालने की क्षमता [OpenAI, OpenClaw]
मोबाइल डिवाइस की स्थिति और सेंसर जानकारी को समझना (Mobile node context): मोबाइल नोड से भेजी गई बैटरी शेष या सिस्टम स्थिति आदि को एजेंट संदर्भ के रूप में समझने की क्षमता [OpenClaw]
गिट वर्कट्री के स्वतंत्र संदर्भ को समझना (Worktrees context): कई कार्य वातावरणों में अलग-अलग कार्य चल रहे हों, तब वर्तमान निर्देशिका के विशेष संदर्भ को समझने की क्षमता [Anthropic/Claude]
डेवलपर के लिए ट्रेस लॉग का अर्थ निष्कर्षण (Trace / Debug log understanding): मॉडल की आंतरिक प्रक्रिया या नेटवर्क रिक्वेस्ट के लॉग से, बाधा या त्रुटि बिंदु को व्याख्या करने की क्षमता [OpenAI, OpenClaw]
क्लाउड लागत और FinOps डेटा के ट्रेंड की व्याख्या (Cost Management / Billing analysis): API उपयोग शुल्क और बुनियादी ढांचे की लागत डेटा को पढ़ने, असामान्य खपत प्रवृत्तियों और अनुकूलन बिंदुओं को निकालने का कार्य [Google/Gemini, OpenAI]
प्रोजेक्ट निर्देश फाइलें (CLAUDE.md आदि) की स्वायत्त व्याख्या: डायरेक्टरी में रखी गई निर्देश फाइलों को एजेंट स्वयं पढ़ता है और प्रोजेक्ट की आवश्यकताओं को समझता है [Anthropic/Claude, OpenClaw]
तीसरे पक्ष के मॉडल की प्रॉम्प्ट अनुकूलता की व्याख्या (OpenAI Compatibility): OpenAI की API प्रारूप में भेजे गए अनुरोधों को अन्य मॉडल समझ सकें ऐसे रूप में व्याख्या और रूपांतरण का कार्य [Meta/Llama, Perplexity, DeepSeek]

वाणी और ऑडियो की समझ

वाक् पहचान और प्रतिलेखन (Speech-to-text / Whisper): ऑडियो डेटा को इनपुट के रूप में लेकर, उच्चारण सामग्री को सटीक पाठ के रूप में व्याख्या और निष्कर्षण का कार्य [OpenAI, Google/Gemini, xAI]
रीयल-टाइम वाक् भावना और स्वर की व्याख्या (Realtime API / Voice API): अत्यंत कम विलंब वाली ऑडियो इनपुट से शब्दों का अर्थ तो समझना ही है, साथ ही वक्ता की भावना और स्वर को रीयल-टाइम में समझने का कार्य [OpenAI, xAI, Microsoft Copilot]
वक्ता पृथक्करण और बातचीत संरचना की समझ (Diarization): ऑडियो डेटा से "कौन, कब बोला" को पहचानना और बहु-व्यक्ति संवाद प्रवाह और संरचना को समझने का कार्य [OpenAI]
IVR में उपयोगकर्ता आशय की वाक् व्याख्या (Interactive voice response): ग्राहक सहायता आदि वाक् प्रतिक्रिया में, ग्राहक की मांग को समझकर ऑपरेटर को हस्तांतरण का निर्णय लेने का कार्य [Microsoft Copilot]
वाक् सहमति रिकॉर्ड का संदर्भ समझ (Voice Consents interpretation): वाक् संश्लेषण API आदि के उपयोग में आवश्यक उपयोगकर्ता सहमति जानकारी को पाठ या ऑडियो से निकालना और समझना [OpenAI]

खोज परिणामों, बाहरी ज्ञान और उपकरणों की समझ

वेब खोज परिणामों का एकीकृत सारांश (Web-grounded summarization): कई वेबपेजों से प्राप्त जानकारी को एकीकृत करना, प्रासंगिकता और विरोधाभास को समझकर सारांशित करने का कार्य [Perplexity, OpenAI, Google/Gemini, Anthropic/Claude, Mistral, Kimi]
जटिल विषयों की गहन समझ (Deep research / Sonar): जटिल विषयों के बारे में, वेब पर जानकारी को बहु-स्तरीय रूप से पढ़ते हुए गहरी समझ बनाकर सारांशित करने का कार्य [OpenAI, Google/Gemini, Perplexity]
सूचना स्रोत की विश्वसनीयता और प्रासंगिकता की व्याख्या (Search API filters): LLM द्वारा उत्पन्न किए बिना, खोज परिणाम के शीर्षक और स्निपेट से जानकारी की अर्थगत प्रासंगिकता निकालने का कार्य [Perplexity]
खोज परिणामों की डोमेन-विशिष्ट संदर्भ की व्याख्या (Domain controls): विशिष्ट डोमेन (चिकित्सा, वित्त आदि) तक सीमित खोज परिणामों से व्यावसायिक संदर्भ को समझने का कार्य [Perplexity]
RAG में संदर्भ संरक्षित जानकारी निष्कर्षण (Contextual retrieval): जानकारी को विभाजित (चंकिंग) करते समय, संपूर्ण दस्तावेज़ का संदर्भ खोए बिना व्याख्या और निष्कर्षण का कार्य [Anthropic/Claude, Perplexity]
पाठ के अर्थगत सदिश रूपांतर और व्याख्या (Embeddings): पाठ के अर्थ और सूक्ष्मता को बहु-आयामी सदिश के रूप में संख्यात्मक रूप से व्याख्या कर, समानता खोजने का कार्य [OpenAI, Anthropic/Claude, Perplexity, Google/Gemini]
X पर रीयल-टाइम ट्रेंड और थ्रेड प्रवाह की समझ (Thread fetch & Trend analysis): SNS के पूरे थ्रेड के बातचीत प्रवाह और नवीनतम विषयों को संदर्भ के रूप में व्याख्या करने का कार्य [xAI]
तथ्य जांच में साक्ष्य की व्याख्या (Grounding verification): मॉडल के उत्तर और वेब खोज परिणामों को तुलना करके, तथ्य संबंध समझ में आ रहे हैं या नहीं यह समझने का कार्य [Google/Gemini, Microsoft Copilot]
उद्धरण स्रोत का सटीक संदर्भ निष्कर्षण (Citation extraction): खोज परिणामों से उत्तर के आधार बनने वाले पाठ को सटीक रूप से निकालकर, उद्धरण के रूप में जोड़ने का कार्य [Perplexity, OpenAI, Google/Gemini]
उपयोगकर्ता के अनूठे संग्रह की अर्थगत समझ (Collections / Knowledge base): उपयोगकर्ता द्वारा अपलोड की गई अनूठी दस्तावेज़ों की मेटाडेटा निकालकर, संपूर्ण संदर्भ को समझने का कार्य [xAI, Mistral]
उपकरण चयन आशय और तर्कों की समझ (Tool choice / Function calling interpretation): उपयोगकर्ता की मांग से "कौन सा उपकरण किन पैरामीटर के साथ उपयोग करना चाहिए" यह स्वायत्त रूप से व्याख्या करने का कार्य [OpenAI, Anthropic/Claude, Google/Gemini, Meta/Llama, xAI, DeepSeek, Mistral]
eDiscovery के लिए कानूनी साक्ष्य निष्कर्षण (Legal hold retrieval): संगठन डेटा से मुकदमेबाजी और ऑडिट से संबंधित बातचीत रिकॉर्ड और फाइलों को अर्थगत रूप से खोजना, निकालना और समझना [Microsoft Copilot]
उपयोगकर्ता की पिछली प्रॉम्प्ट प्रवृत्ति का शिक्षण और व्याख्या (Personalization / Memory): उपयोगकर्ता के पिछले निर्देशों और वरीयताओं को याद रखकर, वर्तमान प्रॉम्प्ट के आशय को अधिक सटीकता से व्याख्या करने का कार्य [Google/Gemini, OpenAI, OpenClaw]
संचार नेटवर्क डेटा की ट्रैफिक व्याख्या (Telecom Data Fabric / Subscriber Insights): संचार कैरियर की ट्रैफिक डेटा और ग्राहक जानकारी का विश्लेषण कर, आचरण पैटर्न को समझना और निकालना [Google/Gemini]
खुदरा व्यवसाय के लिए उत्पाद खोज का आशय व्याख्या (Vertex AI Search for commerce): ईकॉमर्स साइट में, उपयोगकर्ता की अस्पष्ट खोज क्वेरी से मांगे जा रहे उत्पाद की विशेषताओं को समझने का कार्य [Google/Gemini]
समाचार और शेयर मूल्य की रीयल-टाइम डेटा निष्कर्षण (Real-time data extraction): खोज परिणामों से नवीनतम समाचार शीर्षक और वित्तीय बाज़ार के आंकड़ों को संरचित रूप में निकालना और समझना [Perplexity]
विविध दस्तावेज़ प्रारूपों की संरचना समझ (Markup interpretation): Markdown, HTML, DOCX आदि के शीर्षक और तालिकाओं आदि की मार्कअप संरचना को बनाए रखते हुए अर्थ व्याख्या करने का कार्य [OpenAI, Anthropic/Claude, Google/Gemini, Mistral, Kimi]

तर्क मॉडल और विश्लेषणात्मक दृष्टिकोण द्वारा गहन समझ

तर्क मॉडल द्वारा जटिल समस्याओं की गहन व्याख्या (Reasoning models): सहज पैटर्न मिलान के बजाय, चरणबद्ध तार्किक सोच प्रक्रिया का उपयोग करके समस्या के वास्तविक अर्थ को समझने का कार्य [OpenAI, DeepSeek, xAI, Google/Gemini, Kimi]
विस्तारित सोच द्वारा बहु-स्तरीय संदर्भ की व्याख्या (Extended thinking): समय लेकर समस्या के पृष्ठभूमि और बाधाओं को गहरे से पढ़कर, तार्किक संदर्भ व्याख्या करने का कार्य [Anthropic/Claude]
अनुकूलनीय सोच द्वारा कार्य कठिनाई की व्याख्या (Adaptive thinking): इनपुट किए गए कार्य की जटिलता को स्वायत्त रूप से समझकर, आवंटित की जाने वाली तर्क गहराई को समायोजित करने का कार्य [Anthropic/Claude]
तर्क प्रयास (सोच का स्तर) की मांग व्याख्या (Reasoning effort): उपयोगकर्ता द्वारा निर्दिष्ट सोच की गहराई को समझकर, उसके अनुसार जानकारी को निकालने का कार्य [OpenAI, OpenClaw]
गणितीय और वैज्ञानिक कठिन समस्याओं की तार्किक व्याख्या (Deep thought / Math reasoning): सूत्र और भौतिकी नियमों सहित पाठ से, कठोर तार्किक प्रस्तुति और प्रमेय के संदर्भ को व्याख्या करने का कार्य [DeepSeek, xAI, Google/Gemini]
डेटा अंतर्दृष्टि का स्वचालित निष्कर्षण (Data Insights): डेटाबेस की तालिकाओं या लॉग डेटा से, सहसंबंध और व्यावसायिक अर्थ को स्वायत्त रूप से समझकर निकालने का कार्य [Google/Gemini, Microsoft Copilot]
विपणन परिणाम का संदर्भ निष्कर्षण (Campaign summarization): अभियान वितरण परिणाम डेटा से, सफलता या विफलता के कारणों को समझकर सारांशित करने का कार्य [Google/Gemini]
एजेंट की स्वास्थ्य और प्रदर्शन मीट्रिक्स की व्याख्या (Agent analytics): बॉट के बातचीत लॉग से, उपयोगकर्ता की निराशा या समाधान दर को समझकर सुधार बिंदुओं को निकालने का कार्य [Microsoft Copilot]
प्रॉम्प्ट का आत्म-मूल्यांकन और अनुकूलन आशय की समझ (Prompt optimizer analysis): मॉडल अपने उत्तर परिणाम का विश्लेषण करके, उपयोगकर्ता के मूल आशय को पूरा करने के लिए प्रॉम्प्ट को पुनः व्याख्या करने का कार्य [OpenAI]
स्वचालित परीक्षण सेट (Evals) में सही उत्तर की व्याख्या (Evaluations grading): LLM स्वयं परीक्षा के उत्तर को पढ़ता है और मानदंड के अनुसार सही/गलत का संदर्भ व्याख्या करने का कार्य [OpenAI, Anthropic/Claude, Google/Gemini]
लाइव स्ट्रीमिंग की रीयल-टाइम चैट व्याख्या (Twitch chat analysis): प्रसारण की चैट टिप्पणियों से दर्शकों की सामान्य राय और प्रश्नों को रीयल-टाइम में निकालना और समझना [OpenClaw]
चैट ऐप्स में मेंशन और गंतव्य की समझ (Mention / Routing interpretation): Slack या Discord आदि में, किसी संदेश का गंतव्य कौन है, क्या बॉट को प्रतिक्रिया देनी चाहिए यह व्याख्या करने का कार्य [OpenClaw, Anthropic/Claude, Microsoft Copilot]
गैर-संवादात्मक मोड में स्वचालित कार्य का लक्ष्य व्याख्या (Non-interactive mode analysis): मानव प्रतिक्रिया के बिना, प्रारंभिक प्रॉम्प्ट से अंतिम लक्ष्य को पूरी तरह समझकर कार्य करने की क्षमता [Anthropic/Claude]
API अनुरोध की दर सीमा·मेटाडेटा की व्याख्या (Rate limit / Meta info extraction): API के प्रतिक्रिया हेडर से शेष टोकन सीमा या अनुरोध ID को प्रणालीबद्ध तरीके से व्याख्या करने की क्षमता [OpenAI, Perplexity]
एजेंट के बीच हैंडऑफ संदर्भ साझा करना और समझ (Handoff context understanding): बॉट से ऑपरेटर तक, या दूसरे एजेंट तक कार्य हस्तांतरित करते समय पूर्व बातचीत संदर्भ को समझने की क्षमता [OpenAI, Microsoft Copilot]
वीडियो में विज्ञापन सम्मिलन बिंदु की संदर्भ व्याख्या (Video Stitcher API): वीडियो सामग्री के संदर्भ को समझकर सर्वर-साइड पर विज्ञापन को गतिशील रूप से सम्मिलित करने के लिए उपयुक्त समय निकालने की क्षमता [Google/Gemini]
उपयोगकर्ता गतिविधि संकेत से आयु अनुमान·समझ (Age assurance signals): लॉगिन जानकारी और प्लेटफॉर्म पर गतिविधि इतिहास जैसे संकेतों का व्यापक विश्लेषण और समझ कर आयु समूह निर्धारित करने की क्षमता [C.AI]

"खोज" से संबंधित क्षमताएं

AI ने जो सीखा नहीं है ऐसी नवीनतम जानकारी या कंपनी के गोपनीय डेटा को बाहरी डेटाबेस या वेब से प्राप्त करने की क्षमता।

वेब खोज·गहन शोध

स्वायत्त वेब खोज (Web search tool): मॉडल इंटरनेट पर नवीनतम जानकारी और तथ्यों को स्वायत्त रूप से खोजता है और उत्तर में शामिल करता है [OpenAI, Anthropic/Claude, xAI/Grok, Kimi]
गहन शोध (Deep research): जटिल विषयों पर, वेब पर कई सूचना स्रोतों को स्वायत्त रूप से बहु-चरणीय तरीके से ट्रेस करते हुए गहराई से जांच करना [OpenAI, Google/Gemini]
वेब ग्राउंडिंग (Web Grounding): खोज इंजन के रीयल-टाइम परिणामों का उपयोग करके उत्तर में आधार दें और नवीनतम जानकारी प्राप्त करें [Google/Gemini, Microsoft Copilot, Perplexity]
कच्चे वेब खोज परिणाम प्राप्त करना (Search API): LLM की व्याख्या को छोड़कर, कच्चे वेब खोज परिणाम (शीर्षक, URL, स्निपेट) को रैंकिंग के साथ प्राप्त करना [Perplexity]
वेब फेच टूल (Web fetch tool): निर्दिष्ट URL के वेब पेज तक सीधे पहुंचकर सामग्री को पढ़ना और जानकारी प्राप्त करना [Anthropic/Claude]
Le Chat वेब खोज (Le Chat Web search): चैट स्क्रीन पर वेब खोज निष्पादित करना, नवीनतम जानकारी प्राप्त करना और Canvas में शोध के लिए इसका उपयोग करना [Mistral]
M365 वेब ग्राउंडिंग (Microsoft 365 Copilot Chat): वेब पर खोज परिणामों का उपयोग करके नवीनतम जानकारी का शोध और सुरक्षित तथ्य-जांच करना [Microsoft Copilot]
उद्धरण के साथ AI उत्तर (Sonar API): वेब पर ज्ञान को रीयल-टाइम में शोध करके "उद्धरण के साथ AI उत्तर" उत्पन्न और प्राप्त करना [Perplexity]
तथ्य-जांच·डबल-चेक (Double-check): उत्पन्न उत्तर के विरुद्ध वेब पर सूचना स्रोतों को खोजकर सामग्री की तथ्य पुष्टि करना [Google/Gemini]
संबंधित स्रोत प्रदर्शित करना (View related sources): उत्तर के आधार वाले वेब स्रोतों को खोजना और प्रदर्शित करना ताकि उपयोगकर्ता सीधे सत्यापन कर सकें [Google/Gemini]
डोमेन नियंत्रण·फिल्टरिंग खोज (Search Filters / Domain Controls): विशेष डोमेन या साइट के अनुसार वेब खोज परिणाम सीमित करके प्राप्त करना [Perplexity]
बहु-क्वेरी समानांतर खोज (Multi-query support): एक ही अनुरोध में कई खोज क्वेरी समानांतर में निष्पादित करके संयुक्त वेब खोज परिणाम प्राप्त करना [Perplexity]
रीयल-टाइम डेटा निष्कर्षण (Real-time data extraction): खोज परिणामों से रीयल-टाइम डेटा (समाचार या स्टॉक मूल्य आदि) निकालकर प्राप्त करना [Perplexity]
एजेंट API खोज (Agent API): कई तृतीय-पक्ष मॉडल का उपयोग करके एकीकृत वेब खोज उपकरण और पूर्वनिर्धारित के साथ शोध करना [Perplexity]
खोज क्रॉलर इंडेक्स प्राप्त करना (Perplexity Crawlers): आधिकारिक क्रॉलर द्वारा एकत्रित वेब इंडेक्स डेटा के आधार पर जानकारी प्राप्त करना [Perplexity]

RAG·वेक्टर खोज·एमबेडिंग

फाइल खोज (File search): अपलोड की गई PDF जैसी फाइलों के समूह से उपयोगकर्ता के प्रश्न से संबंधित भाग को खोजना और निकालना [OpenAI, Anthropic/Claude]
खोज-संवर्धित पीढ़ी (Retrieval / RAG): स्वयं के दस्तावेज़ समूह से अर्थ के आधार पर जानकारी खोजना और उत्तर के आधार के रूप में उपयोग करना [OpenAI, Mistral, Meta/Llama, Anthropic/Claude]
वेक्टर स्टोर प्रबंधन (Vector Stores): खोज को तेज़ और उच्च-सटीकता से करने के लिए दस्तावेज़ों के वेक्टर डेटा को संग्रहीत, प्रबंधित और खोजना [OpenAI]
पाठ एमबेडिंग (Embeddings API): पाठ के अर्थ को संख्यात्मक वेक्टर में परिवर्तित करना और शब्दार्थ खोज या स्वयं के RAG की खोज सटीकता में सुधार करना [OpenAI, Perplexity, Anthropic/Claude]
संदर्भ को संरक्षित खोज (Contextual retrieval): दस्तावेज़ को विभाजित करते समय संपूर्ण संदर्भ को संरक्षित करके RAG की खोज सटीकता में बहुत सुधार करना [Anthropic/Claude]
संदर्भित एमबेडिंग (Contextualized Embeddings): संदर्भ को ध्यान में रखते हुए वेक्टर डेटा उत्पन्न और प्राप्त करके RAG प्रणाली की खोज सटीकता बढ़ाना [Perplexity]
संग्रह खोज (Collections Search): उपयोगकर्ता द्वारा बनाई गई स्वयं की संग्रह (दस्तावेज़ समूह) के अंदर से शब्दार्थ खोज करके आवश्यक जानकारी खोजना [xAI/Grok]
संग्रह की मेटाडेटा प्राप्त करना (Collection Metadata): बनाई गई RAG संग्रह की मेटाडेटा या प्रॉपर्टी जानकारी प्राप्त करना [xAI/Grok]
फाइल API एकीकृत खोज (Files API Retrieval): API के माध्यम से अपलोड की गई पाठ फाइलों या दस्तावेज़ों को पढ़कर जानकारी खोजना [OpenAI, Anthropic/Claude, xAI/Grok]
PDF से एकीकृत खोज (PDF support): PDF के अंदर के पाठ के साथ-साथ चार्ट या ग्राफ जैसी दृश्य जानकारी को भी एकीकृत रूप से खोजना और प्राप्त करना [Anthropic/Claude]
अति-लंबे पाठ संदर्भ की सीधी खोज (Ultra-long Context Retrieval): 256K जैसे विशाल संदर्भ का उपयोग करके RAG के बिना सभी दस्तावेज़ों से सीधे जानकारी खोजना [Kimi]
कस्टम एजेंट ज्ञान खोज (Custom agent knowledge base): कस्टम एजेंट से जुड़ी स्वयं की ज्ञान आधार से व्यवसाय-विशिष्ट जानकारी खोजना और प्राप्त करना [Mistral]
एंटरप्राइज दस्तावेज़ खोज (Vertex AI Search): कंपनी के बड़े गैर-संरचित डेटा से अर्थ को समझकर तुरंत जानकारी खोजना [Google/Gemini]
वेक्टर खोज आधारभूत ढांचा (Vector Search): डेटा आकार या आवश्यकता के अनुसार स्केलेबल अर्थगत खोज प्रदान करने वाली बुनियादी ढांचे की क्षमता [Google/Gemini]
Llama RAG एकीकरण (Llama RAG Integration): Cookbook आदि के माध्यम से मॉडल को वेक्टर DB से जोड़कर बाहरी ज्ञान खोजना [Meta/Llama]

कंपनी डेटा·SaaS एकीकरण खोज

M365 व्यावसायिक डेटा ग्राउंडिंग (Microsoft 365 Data Grounding): संगठन के दस्तावेज़, ईमेल, Teams चैट आदि व्यावसायिक डेटा को क्रॉस-सर्च करके उत्तर का आधार बनाना [Microsoft Copilot]
Google Workspace डेटा खोज (Connected Apps): Gmail, Google Drive, दस्तावेज़ आदि से व्यक्तिगत व्यावसायिक डेटा या फाइलें खोजना और प्राप्त करना [Google/Gemini]
MCP सर्वर संसाधन खोज (MCP and Connectors): Model Context Protocol का उपयोग करके दूरस्थ सर्वर पर बाहरी DB या SaaS से मानक प्रोटोकॉल के साथ डेटा प्राप्त करना [OpenAI, Anthropic/Claude, Microsoft Copilot]
Jira/Slack डेटा प्राप्त करना (MCP SaaS Retrieval): MCP के माध्यम से Jira की टिकट जानकारी या Slack का संदेश इतिहास सीधे खोजना और निकालना [Anthropic/Claude, OpenClaw]
Google Drive दस्तावेज़ प्राप्त करना (Google Drive Retrieval): MCP के माध्यम से Google Drive पर संग्रहीत विनिर्देश या डिज़ाइन दस्तावेज़ों को खोजकर पढ़ना [Anthropic/Claude]
बाहरी API डेटा सीधे प्राप्त करना (Data retrieval): ChatGPT Actions आदि के साथ एकीकृत करके विशेष एंडपॉइंट (कंपनी डेटाबेस आदि) से आवश्यक डेटा सीधे खोजना और प्राप्त करना [OpenAI]
कनेक्टर विस्तार खोज (Connectors): बाहरी SaaS सिस्टम और कस्टम डेटाबेस को जोड़कर, एजेंट की शोध क्षमता और डेटा प्राप्ति क्षमता को बढ़ाता है [Microsoft Copilot]।
सार्वजनिक साइट को ज्ञान स्रोत में बदलना (Knowledge sources - Public website): एजेंट को विशिष्ट सार्वजनिक वेबसाइट निर्दिष्ट करके, उससे जानकारी खोजने के लिए निर्देश देता है [Microsoft Copilot]।
SharePoint ज्ञान खोज (Knowledge sources - SharePoint): संगठन के SharePoint को ज्ञान स्रोत के रूप में जोड़कर, सुरक्षित वातावरण में आंतरिक दस्तावेज़ों को खोजता है [Microsoft Copilot]।
असंरचित डेटा निष्कर्षण (Document AI): फॉर्म जैसे असंरचित दस्तावेज़ों को खोजता और प्रक्रिया करता है, आवश्यक डेटा को स्वचालित रूप से निकालता है [Google/Gemini]।
एकीकृत डेटा कैटलॉग खोज (Dataplex Universal Catalog): क्लाउड पर सभी डेटा को क्रॉस-सर्च, प्रबंधित और प्राप्त करता है [Google/Gemini]।
eDiscovery/कानूनी होल्ड खोज (eDiscovery / Legal hold): मुकदमे या ऑडिट के लिए, संरक्षित Copilot वार्तालाप इतिहास और सिस्टम लॉग को खोजता और प्राप्त करता है [Microsoft Copilot]।
Power Platform कनेक्टर प्राप्ति (Power Platform Connector Retrieval): Power Automate जैसी प्रवाहों में जुड़े कनेक्टर से डेटा खोजकर Copilot को पास करता है [Microsoft Copilot]।

कोड, डेटाबेस और विकास शोध

GitHub रिपॉजिटरी खोज (GitHub Repository Search): GitHub रिपॉजिटरी को आयात और जोड़कर, कोडबेस और इतिहास के बारे में सीधे खोजता है [Google/Gemini, Microsoft Copilot]।
निजी कोडबेस क्रॉस-खोज (Custom Codebase Search): अपने GitHub/GitLab आदि को जोड़कर, निजी विशाल कोडबेस से कोड खोजता है [Google/Gemini]।
कोड समीक्षा संदर्भ प्राप्ति (Code Review Context Retrieval): GitHub पर कोड समीक्षा के समय, संबंधित PR और कोड का संदर्भ खोजता और प्राप्त करता है [Google/Gemini, Anthropic/Claude]।
स्थानीय कोडबेस खोज (Claude Code File Search): CLI वातावरण में स्थानीय कोडबेस को स्वायत्त रूप से पढ़कर, आवश्यक फाइलें और निर्भरताएं खोजता है [Anthropic/Claude]।
त्रुटि ट्रेस खोज (Error Trace Retrieval): टर्मिनल पर त्रुटि लॉग और लक्षणों से, कोडबेस में बग का मूल कारण खोजता है [Anthropic/Claude]।
BigQuery मेटाडेटा प्राप्ति (BigQuery Data Insights): डेटाबेस में टेबल मेटाडेटा खोजकर, उपयोगी क्वेरी और जानकारी प्राप्त करता है [Google/Gemini]।
डेटाबेस क्वेरी खोज (Database Search): प्राकृतिक भाषा के निर्देश से, SQL डेटाबेस के अंदर खोजता और जानकारी प्राप्त करता है [Google/Gemini, Microsoft Copilot]।
कोड इंटरप्रेटर डेटा प्राप्ति (Code Interpreter Data Retrieval): स्प्रेडशीट जैसे डेटा को लोड करके, कोड चलाता है और आवश्यक जानकारी या अंतर्दृष्टि खोजता है [Mistral, OpenAI, Microsoft Copilot]।
API विनिर्देश स्मार्ट खोज (Smart Search in API hub): डेवलपर्स को आंतरिक API विनिर्देशों को कुशलतापूर्वक खोजने और प्राप्त करने में मदद करने वाली Vertex AI विशेषता [Google/Gemini]।
क्लाउड लॉगिंग / ट्रेस प्राप्ति (Cloud Logging / Trace Retrieval): सिस्टम लॉग और त्रुटि ट्रेस खोजकर प्राप्त करता है और कार्यक्षमता को दृश्यमान करता है [Google/Gemini]।
उपकरण स्वायत्त खोज (Tool search): उपलब्ध कई उपकरणों से, निष्पादित करने के लिए सर्वोत्तम उपकरण स्वयं खोजता है [OpenAI]।
सैंडबॉक्स के भीतर फाइल प्राप्ति (Docker Sandbox File Retrieval): सुरक्षित कंटेनर (सैंडबॉक्स) वातावरण में संग्रहीत निष्पादन परिणाम और फाइलें सुरक्षित रूप से खोजता और प्राप्त करता है [OpenClaw]।
Llama Stack खोज (Llama Stack Retrieval): Llama Stack के API परत के माध्यम से, स्व-होस्ट मॉडल से अद्वितीय डेटा खोजता और प्राप्त करता है [Meta/Llama]।

प्लेटफॉर्म, SNS और विशेषीकृत खोज

X पोस्ट खोज (X Search): X (पूर्व Twitter) की रीयल-टाइम पोस्ट को कीवर्ड या उपयोगकर्ता विनिर्देश से खोजकर, ट्रेंड और तथ्य प्राप्त करता है [xAI/Grok]।
X विशिष्ट खाता खोज (allowed_x_handles): विशिष्ट X खाते (अधिकतम 10) तक पोस्ट खोजकर प्राप्त करता है [xAI/Grok]।
X बहिष्कृत खाता खोज (excluded_x_handles): विशिष्ट X खाते को खोज परिणामों से बाहर करके जानकारी प्राप्त करता है [xAI/Grok]।
X विशिष्ट अवधि खोज (Date Range): तारीख रेंज (ISO8601) निर्दिष्ट करके, विशिष्ट अवधि की X पोस्ट खोजता है [xAI/Grok]।
X थ्रेड प्राप्ति (Thread fetch): X पर विशिष्ट थ्रेड या पोस्ट का संपूर्ण वार्तालाप प्रवाह प्राप्त करता है और संदर्भ के रूप में उपयोग करता है [xAI/Grok]।
X छवि/वीडियो सामग्री खोज (Media Understanding): X खोज में, केवल पाठ नहीं बल्कि छवियों और वीडियो की सामग्री भी खोजकर व्याख्या करता है [xAI/Grok]।
सुरक्षा खतरा बुद्धिमत्ता खोज (Security Copilot Threat Retrieval): विशाल सुरक्षा डेटा और लॉग से, साइबर हमले के संकेत और खतरे की जानकारी खोजता है [Microsoft Copilot, Google/Gemini]।
वित्तीय डेटा खोज (Copilot for Finance): ERP सिस्टम या वित्तीय डेटा से, व्यवसाय के लिए आवश्यक वित्तीय अंतर्दृष्टि और संबंधित डेटा खोजता है [Microsoft Copilot]।
CRM बिक्रय डेटा खोज (Copilot for Sales): Dynamics 365 जैसे CRM सिस्टम से, ग्राहक जानकारी और सौदे का इतिहास खोजकर प्राप्त करता है [Microsoft Copilot]।
समर्थन ज्ञान खोज (Copilot for Service): ग्राहक सहायता के समय, संबंधित ज्ञान आधार और पिछले मामले के इतिहास को खोजता है [Microsoft Copilot]।
डेटा विश्लेषण मंच का एकीकृत खोज (Copilot in Microsoft Fabric): कई असंबंधित डेटा स्रोतों से आवश्यक डेटा खोजकर, विश्लेषण मंच में एकीकृत करता है [Microsoft Copilot]।
Azure क्लाउड संसाधन खोज (Copilot in Azure): Azure पर क्लाउड संसाधनों की स्थिति, संचालन इतिहास और समस्या निवारण गाइड खोजता है [Microsoft Copilot]।
ई-कॉमर्स के लिए पण्य खोज (Vertex AI Search for commerce): खुदरा उद्योग के लिए, कंपनी डेटा से उन्नत पणय खोज और सिफारिश जानकारी प्राप्त करता है [Google/Gemini]।
दूरसंचार ग्राहक डेटा प्राप्ति (Telecom Subscriber Insights): दूरसंचार उद्योग के लिए, ग्राहक डेटा को खोजकर अंतर्ग्रहण करता है [Google/Gemini]।
भू-स्थानिक डेटा प्राप्ति (Geospatial Data Retrieval): Google Earth Engine आदि से, पृथ्वी अवलोकन डेटा और उपग्रह छवियां खोजता है [Google/Gemini]।

वार्तालाप इतिहास, संदर्भ और मेमोरी खोज

प्रॉम्प्ट कैशिंग खोज (Prompt caching): कैश किए गए लंबे संदर्भ से, पुनः प्रसंस्करण के बिना तेजी से पिछली इनपुट फाइलें और संदर्भ खोजता है [OpenAI, Anthropic/Claude, xAI/Grok]।
चैट थ्रेड इतिहास प्राप्ति (Conversation History / Threads): पिछली चैट थ्रेड इतिहास से संदर्भ और पिछली संदेश जानकारी खोजने के लिए API विशेषता [OpenAI]।
स्थानीय सेशन इतिहास खोज (sessions_history): एजेंट पिछली बातचीत और अन्य सेशन इतिहास को देखकर, आवश्यक संदर्भ स्वायत्त रूप से खोजता है [OpenClaw]।
स्थानीय सेशन सूची प्राप्ति (sessions_list): एजेंट अपने कार्यस्थान में सभी सक्रिय सेशनों की सूची खोजकर प्राप्त करता है [OpenClaw]।
कस्टम निर्देश और मेमोरी खोज (Personalization retrieval): पिछली चैट इतिहास और कस्टम निर्देशों से, उपयोगकर्ता की प्राथमिकताएं और संदर्भ खोजकर निकालता है [Google/Gemini]।
डेस्कटॉप स्क्रीन जानकारी की दृश्य प्राप्ति (Computer Use Desktop Retrieval): डेस्कटॉप वातावरण को दृश्य रूप से देखकर, स्क्रीन पर एप्लिकेशन और ब्राउज़र जानकारी स्वायत्त रूप से खोजता है [Anthropic/Claude]।
मॉडरेशन डेटा प्राप्ति (Moderation Retrieval): सुरक्षा मॉडल का उपयोग करके, पाठ नीति का उल्लंघन करता है या नहीं यह तय करता है और फ्लैग डेटा प्राप्त करता है [OpenAI, Meta/Llama]।

फाइल और स्थानीय सिस्टम खोज

स्थानीय फ़ाइल सीधे पढ़ना (read tool): एजेंट स्थानीय डिवाइस में सहेजी गई फ़ाइलों और दस्तावेजों को सीधे पढ़ता है और जानकारी प्राप्त करता है [OpenClaw, Anthropic/Claude]।
प्रक्रिया/सिस्टम स्थिति प्राप्त करना (Process / Bash Retrieval): शेल कमांड को निष्पादित करता है, स्थानीय सिस्टम की स्थिति और प्रक्रिया जानकारी खोजता और प्राप्त करता है [OpenClaw, Anthropic/Claude]।
मोबाइल नोड स्थिति प्राप्त करना (Mobile Node Retrieval): युग्मित iOS/Android नोड्स से डिवाइस सेंसर जानकारी और सिस्टम स्थिति खोजता और प्राप्त करता है [OpenClaw]।
फ़ाइल सूची प्राप्त करना (List files): API या वर्कस्पेस में अपलोड की गई सभी फ़ाइलों की सूची खोजता और प्राप्त करता है [OpenAI, xAI/Grok, Anthropic/Claude]।
फ़ाइल सामग्री प्राप्त करना (Retrieve file content): सहेजी गई विशेष फ़ाइल की सामग्री को डाउनलोड और प्राप्त करता है [OpenAI, xAI/Grok]।
अपलोड स्थिति प्राप्त करना (Files Upload Status): बड़ी फ़ाइलों की अपलोड प्रक्रिया के दौरान स्थिति जानकारी खोजता और प्राप्त करता है [OpenAI, xAI/Grok]।
वेक्टर स्टोर फ़ाइल प्राप्त करना (Retrieve vector store file): वेक्टर स्टोर में सहेजी गई विशेष फ़ाइलों या स्थिति को खोजता और प्राप्त करता है [OpenAI]।
फ़ाइल बैच प्राप्त करना (Retrieve a file batch): वेक्टर स्टोर में एक साथ जोड़ी गई फ़ाइलों के समूह की बैच प्रक्रिया स्थिति को खोजता और प्राप्त करता है [OpenAI]।

मेटाडेटा, प्रबंधन लॉग और मूल्यांकन डेटा प्राप्त करना

निष्पादन लॉग खोज (Retrieve runs): असिस्टेंट API आदि में निष्पादित थ्रेड के निष्पादन लॉग (Runs) को खोजता और प्राप्त करता है [OpenAI]।
बैच प्रक्रिया परिणाम प्राप्त करना (Retrieve a batch): अतुल्यकालिक बैच प्रक्रिया के परिणाम और स्थिति जानकारी को खोजता और प्राप्त करता है [OpenAI, xAI/Grok]।
संदेश बैच प्रक्रिया परिणाम प्राप्त करना (Message Batches Retrieval): एक साथ प्रक्रिया किए गए संदेशों की स्थिति और परिणाम को खोजता और प्राप्त करता है [Anthropic/Claude]।
वर्कस्पेस ऑडिट लॉग प्राप्त करना (Audit Logs Retrieval): प्रशासक API कुंजी के उपयोग इतिहास और उपयोगकर्ता क्रियाओं जैसे ऑडिट लॉग को खोजता और प्राप्त करता है [OpenAI, xAI/Grok]।
प्रशासक के लिए डेटा प्राप्त करना (Admin API Data Retrieval): प्रशासक वर्कस्पेस की अनुमति सेटिंग्स और API कुंजी उपयोग डेटा को खोजता और प्राप्त करता है [Anthropic/Claude, OpenAI]।
एजेंट प्रदर्शन विश्लेषण डेटा प्राप्त करना (Agent Analytics Retrieval): एजेंट के स्वास्थ्य, बातचीत लॉग और प्रदर्शन डेटा का विश्लेषण करने के लिए जानकारी को खोजता और प्राप्त करता है [Microsoft Copilot]।
बिलिंग और उपयोग स्थिति प्राप्त करना (Billing & Usage Retrieval): वर्कस्पेस के लिए API उपयोग, लागत और बिलिंग जानकारी को खोजता और प्राप्त करता है [Mistral, xAI/Grok, OpenAI]।
API उपयोग क्षमता और दर सीमा प्राप्त करना (Rate Limits Retrieval): उपयोगकर्ता की वर्तमान API उपयोग क्षमता और दर सीमा स्थिति को प्राप्त करता है [Perplexity, OpenAI]।
सिस्टम स्थिति प्राप्त करना (System Status Retrieval): API की समग्र प्रणाली संचालन स्थिति को API के माध्यम से प्राप्त करता है [Perplexity, Anthropic/Claude]।
Webhook इवेंट जानकारी प्राप्त करना (Webhook event retrieval): बाहरी प्रणाली से Webhook के माध्यम से भेजी गई इवेंट जानकारी और पेलोड को प्राप्त और विश्लेषण करता है [OpenAI, OpenClaw]।
उत्पन्न छवि के उद्धरण स्रोत मेटाडेटा प्राप्त करना (Citations Retrieval): वेब खोज परिणाम के रूप में, उत्तर के आधार वाली छवि के उद्धरण स्रोत (Citations) के मेटाडेटा को प्राप्त करता है [Perplexity, xAI/Grok]।
मॉडल मूल्यांकन रिपोर्ट प्राप्त करना (Vertex AI Model Evaluation Retrieval): उत्पादक AI मॉडल के वस्तुनिष्ठ मूल्यांकन संकेतकों (BLEU, ROUGE आदि) के विश्लेषण परिणाम को खोजता और प्राप्त करता है [Google/Gemini]।
मूल्यांकन डेटा खोज (Retrieve an eval): मॉडल के वस्तुनिष्ठ मूल्यांकन की गई पिछली परीक्षण सेट या मूल्यांकन डेटा (Evals) को खोजता और प्राप्त करता है [OpenAI]।
क्लाउड कोटा प्राप्त करना (Cloud Quotas Retrieval): क्लाउड पर सभी सेवाओं की आवंटन (कोटा) जानकारी को खोजता और प्राप्त करता है [Google/Gemini]।
मॉडल सूची प्राप्त करना (List models): उपलब्ध AI मॉडलों की सूची और विस्तृत जानकारी को API के माध्यम से खोजता और प्राप्त करता है [OpenAI, xAI/Grok, DeepSeek]।

"अनुमान" से संबंधित सुविधाएं

जटिल कार्यों को छोटे चरणों में विभाजित करता है, और तार्किक सोच और योजना करता है कि A से B कैसे होता है।

अनुमान मॉडल और विचार प्रक्रिया

अनुमान विशेष मॉडल (Reasoning models): सहज प्रतिक्रिया के बजाय, चरणबद्ध तार्किक विचार प्रक्रिया (Chain of Thought) का उपयोग करके जटिल कार्यों को हल करता है [OpenAI, DeepSeek, xAI/Grok, Kimi]।
अनुमान प्रयास का नियंत्रण (Reasoning effort): API अनुरोध के समय विचार की गहराई ("low", "medium", "high" आदि) को निर्दिष्ट करता है और अनुमान में लगाए जाने वाले कंप्यूटेशनल संसाधन को नियंत्रित करता है [OpenAI, OpenClaw]।
विस्तारित विचार और अनुमान (Extended thinking): लंबे समय तक चरणबद्ध विचार प्रक्रिया को अपनाता है ताकि जटिल समस्याओं के लिए गहरी तार्किक अनुमान को निष्पादित किया जा सके [Anthropic/Claude]।
अनुकूली विचार (Adaptive thinking): मॉडल कार्य की जटिलता और कठिनाई स्तर को स्वायत्त रूप से व्याख्या करता है और अनुमान (विचार) के स्तर को गतिशील रूप से समायोजित करता है [Anthropic/Claude]।
अनुमान प्रयास और कार्य बजट का प्रबंधन (Task budgets / Effort): अनुमान में लगाए जाने वाले प्रयास या कंप्यूटेशनल बजट को सेट करता है और विश्लेषण प्रक्रिया की गहराई और लागत को नियंत्रित करता है [Anthropic/Claude]।
विचार मोड (Thinking Mode / deepseek-reasoner): जटिल प्रॉम्प्ट के लिए स्पष्ट विचार प्रक्रिया को प्रदर्शित करता है और गहरी तार्किक विश्लेषण को निष्पादित करता है [DeepSeek]।
तीव्र अनुमान मॉडल (Fast-reasoning models): उपकरण कॉल की सटीकता और अनुमान गति के बीच संतुलन को अनुकूलित करता है और कम विलंबता के साथ विश्लेषण या तार्किक विस्तार को निष्पादित करता है [xAI/Grok]।
विचार प्रक्रिया का स्पष्ट उत्पादन (Reasoning Trace generation): अंतिम उत्तर देने से पहले "तार्किक विस्तार कैसे किया गया" इसका विचार पथ पाठ के रूप में आउटपुट करता है [OpenAI, DeepSeek]।
बहु-चरणीय अनुमान मॉडल (Thinking Models): जटिल व्यावसायिक चुनौतियों या डेटा विश्लेषण कार्यों के लिए तार्किक समाधान चरणों का बहु-चरणीय अनुमान लगाता है [Kimi]।
विचार स्तर की गतिशील कमांड नियंत्रण (/think command): चैट कमांड आदि का उपयोग करके एजेंट के अनुमान की गहराई को स्थानीय वातावरण से गतिशील रूप से समायोजित करता है [OpenClaw]।

डेटा विश्लेषण और गणना अनुमान

कोड इंटरप्रेटर (Code interpreter): AI स्वायत्त रूप से Python कोड आदि उत्पन्न और निष्पादित करता है, गणितीय गणना, डेटासेट विश्लेषण और ग्राफ निर्माण को तार्किक रूप से लागू करता है [OpenAI, Microsoft Copilot, Mistral]।
स्थानीय कोड निष्पादन अनुमान (Code execution tool): AI स्वयं स्थानीय या सैंडबॉक्स वातावरण में कोड को निष्पादित करता है और संख्यात्मक एकीकरण या सांख्यिकीय विश्लेषण का अनुमान लगाता है [Anthropic/Claude, xAI/Grok]।
डेटाबेस की स्वचालित अंतर्दृष्टि अनुमान (BigQuery Data Insights): डेटाबेस मेटाडेटा की व्याख्या करता है और डेटा विश्लेषण के लिए उपयोगी अंतर्दृष्टि या SQL क्वेरी को स्वचालित रूप से अनुमान और उत्पन्न करता है [Google/Gemini]।
SQL क्वेरी के इरादे और प्रदर्शन विश्लेषण (Database Development Assistance): जटिल SQL के तर्क को भाषा में अनुमान और रूपांतरित करता है, और प्रदर्शन सुधार के लिए अनुकूलन सुझावों का विश्लेषण करता है [Google/Gemini]।
स्प्रेडशीट डेटा का विश्लेषण और अनुमान (Le Chat Code Interpreter): स्प्रेडशीट डेटा को पढ़ता है, कोड को निष्पादित करके डेटा प्रवृत्ति विश्लेषण, चार्ट निर्माण और अंतर्दृष्टि का अनुमान लगाता है [Mistral]।
कई डेटा स्रोतों की एकीकृत अंतर्दृष्टि अनुमान (Copilot in Microsoft Fabric): असंबंधित कई डेटा स्रोतों के बीच संबंध खोजता है और उपयोगी व्यावसायिक अंतर्दृष्टि को स्वचालित रूप से अनुमान और उत्पन्न करता है [Microsoft Copilot]।
अनुकूलित डेटा दृश्य का अनुमान (Power BI Copilot): विश्लेषित डेटा परिणामों के आधार पर, उपयोगकर्ता के लिए समझने योग्य अनुकूलित डैशबोर्ड संरचना या ग्राफ अभिव्यक्ति का अनुमान लगाता है [Microsoft Copilot]।
ग्राहक डेटा से अंतर्दृष्टि अनुमान (Dynamics 365 Copilot): CRM पर ग्राहक डेटा और व्यावसायिक इतिहास का विश्लेषण करता है और अनुकूलित बिक्रय कार्रवाई या ग्राहक की संभावित जरूरतों का अनुमान लगाता है [Microsoft Copilot]।
डेटा विज्ञान के लिए नोटबुक में अनुमान (Colab Enterprise): डेटा विश्लेषण और ML मॉडल प्रशिक्षण वर्कलोड में Python कोड का अनुमान और निष्पादन को निर्बाध रूप से समर्थन करता है [Google/Gemini]।
बड़े डेटासेट का बैच अनुमान (Batch processing reasoning): बड़ी मात्रा में डेटा विश्लेषण और अनुमान कार्यों को अतुल्यकालिक रूप से बैच प्रोसेसिंग के माध्यम से संभालना, लागत कम करना और अंतर्दृष्टि निकालना [OpenAI, Anthropic/Claude, xAI/Grok]

कोडिंग, विकास और डिबगिंग में अनुमान

कोडबेस भर में संभावित बग का अनुमान (Codebase understanding): केवल एक फ़ाइल के बजाय, पूरे प्रोजेक्ट के संदर्भ से संभावित बग और कमजोरियों का अनुमान लगाना [Google/Gemini, Anthropic/Claude]
लुप्त तर्क का अनुमान (FIM Completion): पहले और बाद के कोड के संदर्भ (Fill-in-the-Middle) को समझना और बीच में लुप्त तार्किक कोड ब्लॉक का अनुमान लगाकर उत्पादन करना [DeepSeek, OpenAI]
उपसर्ग से बाद के तर्क का अनुमान (Chat Prefix Completion): प्रदान किए गए कोड के उपसर्ग के आधार पर, पिछले संदर्भ को समझना और बाद के तार्किक विकास का अनुमान लगाना [DeepSeek]
प्रोजेक्ट भर में निर्भरता का अनुमान (Cross-file reasoning): CLI वातावरण आदि में कोडबेस को पढ़ना, कई फ़ाइलों के बीच तार्किक निर्भरता और सिस्टम संरचना का अनुमान लगाना [Anthropic/Claude, Kimi]
वास्तुकला का अनुमान और डिज़ाइन (Architecture reasoning): उपयोगकर्ता की आवश्यकता परिभाषा से सर्वोत्तम सिस्टम आर्किटेक्चर का अनुमान लगाना और जटिल प्रोग्राम कोड की नींव डिज़ाइन करना [OpenAI, Google/Gemini]
त्रुटि ट्रेस से मूल कारण का अनुमान (Error trace reasoning): टर्मिनल की त्रुटि लॉग और स्टैक ट्रेस से, कोड में बग के मूल कारण को तार्किक रूप से ट्रैक और अनुमान लगाना [Anthropic/Claude, Google/Gemini, OpenAI]
कमिट और PR अंतर का इरादा अनुमान (PR diff reasoning): परिवर्तित कोड के अंतर का विश्लेषण करना और यह समझना कि संशोधन क्यों किया गया, तार्किक इरादे को संदेश में व्यक्त करना [Anthropic/Claude, Google/Gemini]
ऐप क्रैश के कारण का विश्लेषण (App crash analysis): Firebase आदि के क्रैश लॉग को सारांशित और विश्लेषण करना, बग के मूल कारण और समस्या समाधान चरणों का तार्किक अनुमान लगाना [Google/Gemini]
प्रोजेक्ट विवरण से संरचना अनुमान (Scaffolding reasoning): टर्मिनल से प्राकृतिक भाषा में केवल विवरण देकर, प्रोजेक्ट के लिए आवश्यक डायरेक्टरी संरचना और प्रारंभिक फ़ाइलों का तार्किक अनुमान लगाना [Mistral]
प्रोग्रामिंग के दौरान अगले कदम का अनुमान (Code completion reasoning): डेवलपर द्वारा कोड लिखने की प्रक्रिया में, प्रोजेक्ट के संदर्भ को पढ़कर अगली आवश्यक कोड तर्क को स्वचालित रूप से अनुमान लगाना [Microsoft Copilot, Google/Gemini]

अनुसंधान और जटिल समस्या समाधान में अनुमान

गहन अनुसंधान का सूचना एकीकरण अनुमान (Deep research reasoning): वेब खोज को बहु-चरणीय रूप से दोहराना, कई सूचनाओं को तार्किक रूप से एकीकृत करके गहन अंतर्दृष्टि और निष्कर्ष का अनुमान और विश्लेषण करना [OpenAI, Google/Gemini]
खोज परिणामों के एकीकरण पर आधारित तथ्य अनुमान (Web-grounded reasoning): वेब पर सर्वश्रेष्ठ ज्ञान एकत्र करना, कई सूचना स्रोतों की प्रासंगिकता और विरोधाभास का अनुमान लगाकर सटीक उत्तर प्राप्त करना [Perplexity, OpenAI]
सूचना स्रोत की विश्वसनीयता और प्रासंगिकता का विश्लेषण अनुमान (Search API filtering): LLM द्वारा पाठ उत्पादन किए बिना, कच्चे खोज परिणामों की अर्थ संबंधी प्रासंगिकता और विश्वसनीयता को स्कोर करना और अनुमान लगाना [Perplexity]
वैज्ञानिक और गणितीय कठिन समस्याओं का गहन तार्किक अनुमान (Scientific/Math reasoning): उच्च स्तरीय गणितीय गणना (DeepSeek-Math आदि) और भौतिकी नियमों वाले पाठ से, कठोर तार्किक विकास और प्रमेय प्रमाण प्रक्रिया का अनुमान लगाना [DeepSeek, xAI/Grok, Google/Gemini]
अनुसंधान पत्र और शैक्षणिक डेटा का गहन विश्लेषण अनुमान (Analyze research papers): जटिल प्रारूप के अनुसंधान पत्रों और शैक्षणिक डेटा को समझना, वैज्ञानिक अंतर्दृष्टि को तार्किक रूप से निकालना और विश्लेषण करना [Meta/Llama, Anthropic/Claude]
अति-लंबे संदर्भ का व्यापक विश्लेषण अनुमान (Long-context analysis): लाखों टोकन के संदर्भ को पूरी तरह से विश्लेषण करना, व्यापक दृष्टिकोण से अनुमान लगाना और व्यापक सारांश तैयार करना [Meta/Llama, Google/Gemini, Kimi]
एजेंट वर्कफ़्लो की योजना अनुमान (Agent API workflow planning): बाहरी मॉडल और वेब खोज टूल को मिलाकर जटिल अनुसंधान वर्कफ़्लो के सर्वोत्तम निष्पादन चरणों का अनुमान और योजना बनाना [Perplexity, OpenAI, Anthropic/Claude]
कई दस्तावेजों का एकीकृत विश्लेषण और रिपोर्ट निर्माण अनुमान (Canvas analysis): खोज परिणामों और अपलोड किए गए कई दस्तावेजों को क्रॉस-व्यापी रूप से विश्लेषण करना, रिपोर्ट या प्रस्ताव के तार्किक संरचना का अनुमान लगाना [Mistral, OpenAI]
पात्र के मनोविज्ञान अनुमान और संबंध विश्लेषण (Character mind map reasoning): उपन्यास या लंबे पाठ के संदर्भ से, पात्रों की सोच प्रक्रिया और मानवीय संबंधों का अनुमान लगाकर मानसिक मानचित्र के रूप में संगठित करना [Meta/Llama]
भविष्य कथन विश्लेषण और जनरेटिव AI का संलयन अनुमान (Predictive AI integration): पारंपरिक मशीन लर्निंग के संख्यात्मक भविष्य कथन परिणामों और जनरेटिव AI की तार्किक अनुमान क्षमता को मिलाकर उन्नत व्यावसायिक अनुमान निष्पादित करना [Google/Gemini]

दृश्य और बहुविध अनुमान

छवि में वस्तु संबंध का तार्किक अनुमान (Visual reasoning): छवि में दिखाई देने वाली वस्तुओं के बीच संबंधों या परिस्थिति के पृष्ठभूमि को दृश्य रूप से अनुमान लगाना और व्याख्या करना [OpenAI, Anthropic/Claude, Google/Gemini, xAI/Grok, Kimi]
चार्ट और ग्राफ से अंतर्दृष्टि अनुमान (Chart/Graph analysis): छवि रूप में ग्राफ डेटा से, संख्यात्मक अंतर्दृष्टि या तार्किक प्रवृत्ति और सहसंबंध को दृश्य रूप से अनुमान लगाना [Anthropic/Claude, Meta/Llama, OpenAI]
बहुविध मिश्रित विशेषज्ञ अनुमान (Mixture-of-Experts Vision-Language): छवि और पाठ मिश्रित इनपुट के लिए, मॉडल के अंदर सर्वोत्तम विशेषज्ञ को अनुमान लगाकर चुनना और उन्नत समझ निष्पादित करना [DeepSeek]
दृश्य कारण संबंध और तार्किक संरचना अनुमान (Visual Causal Flow): जटिल आरेख, फ्लोचार्ट और ऑप्टिकल वर्ण पहचान (OCR) परिणामों से, सूचना के प्रवाह और तार्किक कारण संबंधों का अनुमान लगाना [DeepSeek]
3D स्थान संरचना और प्रकाश का भौतिक अनुमान (ReLi3D / 3D reasoning): एक ही 2D छवि से, लक्ष्य वस्तु का 3D आकार, पर्यावरण की प्रकाश स्थिति और सामग्री की परावर्तन विशेषताओं को भौतिक रूप से अनुमान लगाना और पुनर्निर्माण करना [Stability AI]
छवि से गति और स्थान का दृश्य अनुमान (SViM3D / Video generation reasoning): एक ही स्थिर छवि को इनपुट के रूप में लेकर, वहां मौजूद स्वाभाविक गति और 3D सामग्री संरचना को दृश्य रूप से अनुमान लगाकर वीडियो बनाना [Stability AI]
सोशल मीडिया पोस्ट में बहुविध अनुमान (Social media multimodal reasoning): X के खोज में, पोस्ट के पाठ के साथ-साथ शामिल छवियों और वीडियों की दृश्य संदर्भ को भी एकीकृत करके तार्किक रूप से अनुमान लगाना [xAI/Grok]
डेस्कटॉप स्क्रीन के UI संरचना का दृश्य अनुमान (Computer use vision): पीसी की स्क्रीन को दृश्य रूप से समझना, उद्देश्य प्राप्त करने के लिए किन UI तत्वों में हेरफेर करना चाहिए इसके चरणों का अनुमान लगाना [Anthropic/Claude, OpenAI]
UI मॉकअप से कोड संरचना अनुमान (UI to HTML reasoning): हस्तलिखित या UI मॉकअप छवियों को दृश्य रूप से व्याख्या करना, संबंधित फ्रंटएंड के तार्किक कोड संरचना का अनुमान लगाना [Google/Gemini, OpenAI]
वीडियो के संदर्भ और समय संबंधी कारण संबंध का अनुमान (Video analysis reasoning): अपलोड किए गए वीडियो के फ्रेम संक्रमण और ऑडियो का विश्लेषण करना, समय संबंधी कारण संबंध और कार्यों के इरादों का अनुमान लगाना [Google/Gemini, xAI/Grok]
छवि संपादन के लिए मास्क क्षेत्र का तार्किक अनुमान (Masking understanding): छवि संपादन में, निर्दिष्ट मास्क छवि के क्षेत्र और उपयोगकर्ता के प्रॉम्प्ट इरादे को मिलाकर, सर्वोत्तम संपादन सामग्री का अनुमान लगाना [OpenAI]
सेल्फी छवि से जीवों और आयु का अनुमान (Age assurance vision): सेल्फी छवि से चेहरे की जैव संबंधी जानकारी का विश्लेषण करना, उपयोगकर्ता की आयु (18 वर्ष से अधिक आदि) को दृश्य रूप से अनुमान और निर्णय लेना [C.AI, OpenAI]
बहुविध सूचना का एकीकृत अनुमान (Integrated multimodal reasoning): पाठ, छवि, वीडियो, ऑडियो आदि भिन्न मोडालिटी के इनपुट को निर्बाध रूप से संयोजित करके एकीकृत तार्किक अनुमान निष्पादित करना [Google/Gemini, Kimi, OpenAI]

सिस्टम, सुरक्षा और परिचालन अनुमान

मशीन गति पर सुरक्षा खतरे का अनुमान (Security threat reasoning): विशाल सुरक्षा लॉग का तेजी से विश्लेषण करना, साइबर हमलों आदि के खतरे के संकेतों या हमले के पैटर्न का तार्किक अनुमान लगाना [Microsoft Copilot]
क्लाउड परिचालन स्थिति का निदान अनुमान (Cloud infrastructure diagnostics): क्लाउड इंफ्रास्ट्रक्चर के लॉग और मेट्रिक्स का विश्लेषण करना, सिस्टम की परिचालन स्थिति का निदान या बाधा समाधान के चरणों का अनुमान लगाना [Microsoft Copilot, Google/Gemini]
सामग्री मॉडरेशन में हानिकारकता अनुमान (Content moderation reasoning): पाठ या छवि की सामग्री का विश्लेषण करना, नीति उल्लंघन या संभावित हानिकारकता की उपस्थिति को तार्किक रूप से अनुमान लगाना और स्कोर करना [OpenAI, Meta/Llama]
डेटा पूर्वाग्रह और मॉडल ह्रास की निगरानी अनुमान (MLOps monitoring): मशीन लर्निंग मॉडल में इनपुट डेटा के स्क्यू (पूर्वाग्रह) या ड्रिफ्ट का विश्लेषण करें और मॉडल के ह्रास की स्थिति का उद्देश्यपूर्ण मूल्यांकन एवं अनुमान लगाएं [Google/Gemini]
संगठन डेटा अनुप्रस्थ व्यावसायिक संदर्भ अनुमान (Enterprise context reasoning): SharePoint, ईमेल, चैट आदि को संगठन भर में समझें, जानकारी को तार्किक रूप से व्यवस्थित करें और वर्तमान व्यावसायिक स्थिति या उत्तर का अनुमान लगाएं [Microsoft Copilot]
API नीति कोड व्याख्या अनुमान (API policy reasoning): एंटरप्राइज़ वातावरण की API विशिष्टता पत्र और सुरक्षा नीति कोड की व्याख्या करें और उसके कॉन्फ़िगरेशन का इरादा समझें [Google/Gemini]
स्रोत संपादक संदर्भ के आधार पर आर्किटेक्चर अनुमान (Editor context reasoning): क्लाउड इन्फ्रास्ट्रक्चर के स्रोत संपादक पर कोड लेखन से, सर्वोत्तम तैनाती कॉन्फ़िगरेशन या संसाधनों का अनुमान लगाएं [Google/Gemini]
उपयोगकर्ता गतिविधि संकेत से व्यापक आयु अनुमान (Age assurance signals): लॉगिन जानकारी और प्लेटफॉर्म पर गतिविधि इतिहास जैसे संकेतों का व्यापक विश्लेषण करें और उपयोगकर्ता की आयु श्रेणी का अनुमान लगाएं [C.AI]
सुरक्षा रेलिंग के अनुरूप सुरक्षित व्यवहार अनुमान (Guardrails reasoning): जब एजेंट उपकरण कॉल करते हैं, तो पूर्वनिर्धारित सुरक्षा और नैतिकता नीति को स्वायत्त रूप से मिलाएं और सुरक्षित व्यवहार का अनुमान लगाएं [OpenAI, Microsoft Copilot, Anthropic/Claude]
डिबग अनुमान का दृश्यीकरण (Developer mode trace / Trace logs): एजेंट की आंतरिक नेटवर्क अनुरोध और विचार लॉग को आउटपुट करें, विकासकर्ताओं को सिस्टम की बाधा का अनुमान एवं विश्लेषण करने में सक्षम बनाएं [OpenAI, OpenClaw]

उपकरण चयन और एजेंट व्यवहार अनुमान

उपकरण चयन और पैरामीटर का स्वायत्त अनुमान (Tool choice reasoning): उपयोगकर्ता के निर्देश का विश्लेषण करें और प्रदान किए गए कई बाहरी उपकरणों में से "कौन सा, किस तर्क (JSON) के साथ कॉल करना चाहिए" यह स्वायत्त रूप से अनुमान लगाएं [OpenAI, Anthropic/Claude, Google/Gemini, xAI/Grok, Meta/Llama, Mistral, DeepSeek]
एजेंट प्रवाह का तार्किक डिज़ाइन अनुमान (Agent flow reasoning): प्राकृतिक भाषा के निर्देशों से, एजेंट द्वारा निष्पादित किए जाने वाले जटिल प्रक्रिया कदमों या शर्त शाखाओं का वर्कफ़्लो तार्किक रूप से डिज़ाइन एवं अनुमान लगाएं [Microsoft Copilot]
उप-एजेंट को कार्य प्रत्यायोजन अनुमान (Orchestration reasoning): मुख्य एजेंट जटिल कार्यों को छोटे चरणों में विभाजित करें और योजना बनाएं कि किस विशेषज्ञ उप-एजेंट को प्रत्यायोजित करना चाहिए [OpenAI, Anthropic/Claude]
एजेंट की गतिशील रूटिंग अनुमान (Multi-agent routing): प्राप्त चैनल या उपयोगकर्ता के अनुसार, कौन सी कार्यक्षेत्र या एजेंट संदर्भ लागू करनी चाहिए यह अनुमान लगाएं और ट्रैफिक वितरित करें [OpenClaw]
व्यक्तित्व और व्यवहार योजना का स्वायत्त अनुमान (Persona/Workspace reasoning): कार्यक्षेत्र में कॉन्फ़िगरेशन फ़ाइल (AGENTS.md आदि) को पढ़ें, प्रकल्प आवश्यकताओं और उपयोगकर्ता की पसंद का विश्लेषण करें और व्यवहार योजना का अनुमान लगाएं [OpenClaw, Anthropic/Claude]
संरचित डेटा आउटपुट का स्कीमा अनुमान (Structured output reasoning): असंरचित डेटा से अनुमान लगाए गए परिणामों को सख्त JSON स्कीमा संरचना में मैप करें और डेटा विश्लेषण आधार को आउटपुट करें [OpenAI, Anthropic/Claude, Google/Gemini, Meta/Llama, DeepSeek]
वार्तालाप संदर्भ और इतिहास से इरादा अनुमान (Context management reasoning): पिछली बातचीत या पहले उत्पन्न आउटपुट सामग्री का संदर्भ तार्किक रूप से विचार करें और बाद के उत्तर या कार्यों का अनुमान लगाएं [OpenAI, Anthropic/Claude, Google/Gemini]
डेटा प्राप्ति परिणाम की व्याख्या और अंतिम उत्तर अनुमान (Action retrieval reasoning): बाहरी API से प्राप्त कच्चे डेटाबेस जानकारी की व्याख्या करें और उपयोगकर्ता के प्रश्न के लिए अंतिम उत्तर का अनुमान लगाएं [OpenAI, Microsoft Copilot]
उपयोगकर्ता उच्चारण से विषय ट्रिगर अनुमान (Topic trigger reasoning): उपयोगकर्ता के अस्पष्ट उच्चारण से वास्तविक इरादे (विषय) का अनुमान लगाएं और उपयुक्त एजेंट वर्कफ़्लो को सक्रिय करें [Microsoft Copilot, Google/Gemini]
सत्र इतिहास का पूर्वव्यापी अनुमान (Session history reasoning): एजेंट स्वायत्त रूप से पिछली बातचीत या अन्य सत्र इतिहास को पढ़ें और वर्तमान कार्य के लिए आवश्यक जानकारी का अनुमान एवं निष्कर्षण करें [OpenClaw]
उपयोगकर्ता विशिष्ट निर्देश और पसंद का अनुभव अनुमान (Personalization reasoning): पिछले चैट इतिहास या कस्टम निर्देशों से, उपयोगकर्ता की पसंद और व्यावसायिक संदर्भ का अनुमान लगाएं और व्यक्तिगत प्रतिक्रिया उत्पन्न करें [Google/Gemini, OpenClaw]
रीयल-टाइम ऑडियो से भावना और संदर्भ अनुमान (Voice/Emotion reasoning): अत्यंत कम विलंबता वाले ऑडियो इनपुट से, शब्दों के अर्थ के अलावा उपयोगकर्ता की भावना, टोन और वार्तालाप का संदर्भ रीयल-टाइम में अनुमान लगाएं और प्रतिक्रिया दें [OpenAI, xAI/Grok, Microsoft Copilot]

अनुमान का अनुकूलन, मूल्यांकन और स्व-सुधार

ओपन मॉडल की फाइन-ट्यूनिंग (Fine-tuning recipes): Llama मॉडल आदि को विशिष्ट उपयोग मामलों के लिए सूक्ष्मसंज्ञान दें [Meta/Llama]
प्रॉम्प्ट कैशिंग (Prompt caching): लंबे प्रॉम्प्ट को कैश करें और API विलंबता और लागत को कम करें [OpenAI, Anthropic, grok]
प्रॉम्प्ट का स्व-अनुमान और स्वचालित अनुकूलन (Prompt optimizer reasoning): मॉडल अपनी अनुमान प्रक्रिया का उद्देश्यपूर्ण विश्लेषण करे, कार्य समाधान में सर्वोत्तम प्रदर्शन करने वाली प्रॉम्प्ट संरचना स्वायत्त रूप से अनुमान करे और पुनर्निर्माण करे [OpenAI, Anthropic/Claude]
प्रॉम्प्ट चर का स्वचालित अनुमान (Prompt templating): उपयोगकर्ता के इनपुट टेक्स्ट से चर को स्वचालित रूप से पहचानें एवं निष्कर्षित करें, और सिस्टम में शामिल करने के लिए आसान प्रॉम्प्ट टेम्पलेट संरचना में अनुमान लगाएं और रूपांतरित करें [Anthropic/Claude]
मॉडल अनुमान का उद्देश्यपूर्ण मूल्यांकन (Model evaluation / Evals): परिभाषित परीक्षण सेट का उपयोग करके, AI मॉडल की अनुमान की सटीकता और तर्क को डेटा-संचालित रूप से विश्लेषण एवं स्कोर करें [OpenAI, Google/Gemini, Anthropic/Claude]
एजेंट प्रदर्शन का विश्लेषण अनुमान (Agent analytics reasoning): स्वायत्त एजेंट की वार्तालाप लॉग और स्वास्थ्य का विश्लेषण करें, त्रुटि दर में कमी या उपयोगकर्ता संतुष्टि वृद्धि के लिए सुधार संकेत अनुमान लगाएं [Microsoft Copilot]
पैरामीटर समायोजन द्वारा अनुमान परिवर्तन का तुलनात्मक विश्लेषण (Playground analysis): प्लेग्राउंड पर प्रॉम्प्ट या अनुमान पैरामीटर को समायोजित करें और मॉडल आउटपुट के तार्किक परिवर्तन की तुलना एवं विश्लेषण करें [Mistral, OpenAI]
अनुमान पैटर्न का अनुभव और अनुकूलन (Reasoning fine-tuning / SFT): पर्यवेक्षित शिक्षा (फाइन-ट्यूनिंग) के माध्यम से, विशिष्ट व्यावसायिक डेटा के लिए विशेष अनुमान पैटर्न मॉडल में सीखाएं [OpenAI, Google/Gemini]
पाठ की अर्थपूर्ण दूरी अनुमान (Embeddings reasoning): पाठ के अर्थ को बहुआयामी वेक्टर में परिवर्तित करें, सूचना के बीच अर्थपूर्ण समानता या दूरी को गणितीय रूप से अनुमान एवं विश्लेषण करें और RAG में उपयोग करें [OpenAI, Anthropic/Claude, Perplexity, Google/Gemini]
लंबी संदर्भ खोज में अर्थपूर्ण जुड़ाव का अनुमान (Contextual retrieval reasoning): दस्तावेज़ को खंडों में विभाजित करके खोज करते समय, दस्तावेज़ के संपूर्ण संदर्भ और सूचना के जुड़ाव को बनाए रखते हुए अनुमान एवं निष्कर्षण करें [Anthropic/Claude, Perplexity]
संदर्भ कैशिंग द्वारा पुन: अनुमान का व्यावहार (Context Caching): बड़े इनपुट संदर्भ को सिस्टम की ओर से कैश करें, अनावश्यक तार्किक गणना से बचें और बाद के अनुमान को कुशलता से विकसित करें [DeepSeek]
पूर्वानुमानित आउटपुट द्वारा तीव्र अनुमान (Predicted Outputs reasoning): कैश या ज्ञात आउटपुट सामग्री का उपयोग करते हुए, मॉडल को पूर्वानुमान लगवाएं यह अनुमान विलंबता को अनुकूलित करें और परिणाम प्राप्त करें [OpenAI]
परीक्षण परिणाम का सही उत्तर आधार अनुमान (Evaluations grading): LLM स्वयं स्वचालित परीक्षण के उत्तरों को पढ़े, मनुष्य द्वारा निर्धारित मानदंड के अनुसार सही-गलत संदर्भ को तार्किक रूप से व्याख्या एवं अनुमान लगाए [OpenAI, Anthropic/Claude]

अवसंरचना और हार्डवेयर अनुमान अनुकूलन

अनुमान का क्वांटीकरण और मेमोरी अनुकूलन अनुमान (Quantization reasoning): मेमोरी बाध्यता वाले उपकरणों में भी, क्वांटीकरण से अनुकूलित मॉडल का उपयोग करके उच्च स्तरीय अनुमान निष्पादित एवं ऑफलोड करें [Stability AI/Diffusers]
PyTorch संकलन द्वारा अनुमान गति वृद्धि (torch.compile reasoning): मॉडल की अनुमान ग्राफ को संकलित अनुकूलन करें, सॉफ्टवेयर स्तर पर निष्पादन गति में नाटकीय वृद्धि करें [Stability AI/Diffusers]
NVIDIA TensorRT अनुकूलित अनुमान (TensorRT optimized reasoning): NVIDIA GPU आर्किटेक्चर के लिए, छवि निर्माण और भाषा मॉडल की अनुमान गति को चरम सीमा तक अनुकूलित करके गणना निष्पादित करें [Stability AI/Diffusers]
AMD GPU अनुकूलित अनुमान (AMD Optimized reasoning): AMD वातावरण में अनुमान प्रक्रिया के लिए विशेषीकृत मॉडल ट्यूनिंग लागू करके हार्डवेयर के प्रदर्शन को अधिकतम करना [Stability AI/Diffusers]
एजेंट अनुमान की स्टोरेज बैंडविड्थ बाधा को दूर करना (DualPath inference): Agentic LLM में अनुमान के समय स्टोरेज बैंडविड्थ की बाधा को दूर करने के लिए उन्नत अनुमान गणना तकनीक [DeepSeek]
FP8 और अव्यक्त ध्यान के कर्नेल अनुकूलित अनुमान (DeepGEMM / FlashMLA): FP8 सटीकता के साथ GEMM कर्नेल और कुशल मल्टी-हेड अव्यक्त ध्यान का उपयोग करके मॉडल की अनुमान प्रक्रिया को तेज करना [DeepSeek]

डोमेन विशिष्ट, खोज और सूचना अनुमान

वास्तविक समय सामाजिक डेटा प्रवृत्ति अनुमान (Social trend reasoning): X (Twitter) और अन्य सोशल मीडिया पर नवीनतम पोस्ट से, चर्चा की प्रवृत्तियों और सामाजिक अंतर्दृष्टि को वास्तविक समय में अनुमान और निष्कर्षित करना [xAI/Grok]
विपणन प्रदर्शन के कारकों का अनुमान (Campaign summarization reasoning): संदेश प्रेषण अभियान जैसे प्रदर्शन डेटा का विश्लेषण करके, सफलता और विफलता के कारणों और सुधार के लिए विशिष्ट कार्रवाई का अनुमान लगाना [Google/Gemini]
अपने संग्रह से अर्थपूर्ण अनुमान (RAG data reasoning): उपयोगकर्ता द्वारा अपलोड किए गए दस्तावेजों के अपने समूह (संग्रह) से मेटाडेटा निकालना और अर्थपूर्ण अंतर्दृष्टि का अनुमान लगाना [xAI/Grok, Mistral]
डोमेन विशिष्ट डेटा का विशेषज्ञ अनुमान (Domain controls reasoning): चिकित्सा या वित्त जैसे विशिष्ट डोमेन के खोज परिणामों से, उच्च विशेषज्ञता की आवश्यकता वाले संदर्भ का अनुमान लगाना और सूचना निकालना [Perplexity]
उद्धृत स्रोतों की विश्वसनीयता अनुमान (Citation reliability reasoning): खोज परिणामों का उपयोग करके उत्तर देते समय, कौन सी सूचना स्रोत सबसे विश्वसनीय और उपयुक्त है, इसका अनुमान लगाना और उद्धृत रूप में जोड़ना [Perplexity, xAI/Grok, OpenAI]
संपूर्ण थ्रेड के संवाद प्रवाह का अनुमान (Thread fetch reasoning): SNS पर किसी विशेष थ्रेड या पोस्ट को खोजकर संवाद के प्रवाह के संपूर्ण संदर्भ का व्यापक अनुमान लगाना [xAI/Grok]
एंटरप्राइज दस्तावेज का अर्थपूर्ण अनुमान (Enterprise Search reasoning): कंपनी के विशाल गैर-संरचित डेटा से, संदर्भ और अर्थपूर्ण संबंध का अनुमान लगाकर तुरंत खोज और सारांश देना [Google/Gemini, Microsoft Copilot]
दूरसंचार नेटवर्क ट्रैफिक अनुमान (Telecom Data Fabric reasoning): दूरसंचार वाहक के ट्रैफिक डेटा और ग्राहक सूचना का विश्लेषण करके, व्यवहार पैटर्न और नेटवर्क अनुकूलन बिंदुओं का अनुमान लगाना [Google/Gemini]
भौगोलिक स्थानिक डेटा का स्थानिक अनुमान (Geospatial Analytics reasoning): Google Earth Engine जैसे उपग्रह चित्रों और मानचित्र डेटा से, भू-आकृति के परिवर्तन और स्थानिक अंतर्दृष्टि का अनुमान और निष्कर्षण करना [Google/Gemini]

"उत्पादन" से संबंधित सुविधाएं

खोज और अनुमान किए गए परिणामों के आधार पर, अंतिम रूप से मनुष्य के लिए मूल्यवान पाठ, छवियां, कोड आदि का आउटपुट करने की सुविधा।

पाठ, दस्तावेज और सामग्री निर्माण

प्राकृतिक भाषा पाठ निर्माण (Text Generation): प्रॉम्प्ट के आधार पर निबंध, लेख, रिपोर्ट जैसे पाठ का निर्माण करना [OpenAI, Google/Gemini, Anthropic/Claude, Meta/Llama, xAI/Grok, Mistral, DeepSeek, Kimi, Perplexity]
उद्धृत शोध रिपोर्ट निर्माण (Citation-backed Generation): नवीनतम वेब खोज परिणामों को आधार मानकर, तथ्य पर आधारित सटीक उद्धृत (Citations) वाली रिपोर्ट का निर्माण करना [Perplexity, OpenAI, Google/Gemini]
एकाधिक फाइलों से सारांश निर्माण (Summary Generation): बड़ी संख्या में दस्तावेजों और अपलोड की गई फाइलों को समग्रता से पढ़कर, मुख्य बिंदुओं को निकालकर सारांश पाठ का निर्माण करना [OpenAI, Anthropic/Claude, Google/Gemini, Mistral, Kimi]
एकाधिक पारी संवाद निर्माण (Multi-round Conversation): पिछले इतिहास को याद रखकर, संदर्भ को बनाए रखते हुए सुसंगत और प्राकृतिक संवाद का निर्माण करना [OpenAI, Anthropic/Claude, Google/Gemini, xAI/Grok, DeepSeek, Kimi]
प्रश्नोत्तरी और शिक्षा सामग्री निर्माण (Quiz/Flashcards Generation): दस्तावेज या नोटबुक की सामग्री से, शिक्षण उद्देश्य के लिए प्रश्नोत्तरी और स्मरण कार्ड स्वचालित रूप से निर्माण करना [Google/Gemini]
सचित्र बालपत्र निर्माण (Illustrated Storybook): कहानी के पाठ के साथ, सामग्री के अनुरूप चित्र (छवियों) को जोड़कर बालपत्र सामग्री का निर्माण करना [Google/Gemini]
विपणन प्रलेख निर्माण (Campaign generation): अभियान डेटा या उत्पाद सूचना के आधार पर, आकर्षक और प्रभावी विज्ञापन पाठ या प्रलेख का निर्माण करना [Google/Gemini, Microsoft Copilot]
अंतर्दृष्टि और सिफारिशें निर्माण (Actionable Recommendations): क्रैश लॉग या अभियान के परिणामों का विश्लेषण करके, विशिष्ट सुधार रणनीति या समस्या निवारण के कदमों का निर्माण करना [Google/Gemini]
कोड की व्याख्या पाठ निर्माण (Code Explanation): जटिल और कठिन प्रोग्राम कोड की तर्क और इरादे को समझकर, प्राकृतिक भाषा में समझने में आसान व्याख्या पाठ का निर्माण करना [Google/Gemini, Anthropic/Claude, OpenAI, Microsoft Copilot]
बहुभाषी अनुवाद पाठ निर्माण (Translation Generation): इनपुट पाठ को समझकर, निर्दिष्ट विविध भाषाओं में सटीक रूप से अनुवाद करके निर्माण करना [OpenAI, Google/Gemini, Anthropic/Claude, Meta/Llama, DeepSeek]
व्यक्तित्व और टोन के अनुकूल पाठ निर्माण (Persona generation): निर्दिष्ट विशिष्ट टोन या व्यक्तित्व (समुद्री डाकू, विशेषज्ञ आदि) की नकल करके पाठ का निर्माण करना [OpenAI, Anthropic/Claude, OpenClaw]
बैठक के कार्यवृत्त और कार्य सूची निर्माण (Meeting summaries): ऑडियो या प्रतिलेख से, निर्णय बिंदु और कार्य सूची को व्यवस्थित करके निर्माण करना [Microsoft Copilot, OpenAI, Anthropic/Claude]
ग्राहक सहायता प्रतिक्रिया पाठ निर्माण (Customer support reply): पूछताछ सामग्री और ज्ञान आधार के आधार पर, सर्वोत्तम समर्थन प्रतिक्रिया का प्रतिक्रिया ईमेल का निर्माण करना [Microsoft Copilot, Anthropic/Claude]
विचार प्रक्रिया (अनुमान ट्रेस) का स्पष्ट निर्माण (Reasoning Trace generation): अंतिम उत्तर देने से पहले, "दिमाग में कैसे तार्किक विकास किया गया था" यह विचार प्रक्रिया स्वयं को पाठ के रूप में निर्माण करना [OpenAI, DeepSeek]
जीवन वृत्त और परिचय पत्र निर्माण (Resume/Cover letter generation): उपयोगकर्ता के कार्य अनुभव और आवेदन कंपनी की जानकारी के आधार पर, अनुकूलित जीवन वृत्त या परिचय पत्र का निर्माण करना [OpenAI, Anthropic/Claude]
विचार और मस्तिष्क मंथन निर्माण (Ideation): उपयोगकर्ता की सार्वभौमिक अपेक्षाओं से, परियोजना योजना या समस्या समाधान के लिए विविध विचारों की सूची का निर्माण करना [OpenAI, Google/Gemini, Anthropic/Claude, Meta/Llama]
डोमेन विशिष्ट विशेषज्ञ उत्तर निर्माण (Domain-controlled Generation): चिकित्सा या वित्त जैसे विशिष्ट डोमेन तक सीमित खोज परिणामों के केवल आधार पर, उच्च विशेषज्ञता वाले उत्तर का निर्माण करना [Perplexity]

छवि निर्माण, डिज़ाइन और संपादन

पाठ से नई छवि निर्माण (Text-to-Image): प्राकृतिक भाषा प्रॉम्प्ट से शून्य से उच्च गुणवत्ता वाली छवि का निर्माण करना [OpenAI, Google/Gemini, xAI/Grok, Stability AI, Midjourney]
छवि से छवि निर्माण (Image-to-Image): मूल छवि और पाठ निर्देशों को जोड़कर, चित्रकला शैली को बदलना या सामग्री को संशोधित करके नई छवि का निर्माण करना [Stability AI/Diffusers, OpenAI]
छवि का आंशिक संपादन, इनपेंटिंग (Inpainting / Masking): मुखौटा छवि निर्दिष्ट करके, छवि के विशिष्ट भाग को नए प्रॉम्प्ट के अनुसार पुनः निर्माण या संपादन करना [OpenAI, Stability AI/Diffusers]
छवि की भिन्नता निर्माण (Create Variation): मूल छवि की संरचना और शैली को बनाए रखते हुए, विभिन्न पैटर्न की कई छवियों का निर्माण करना [OpenAI, Stability AI]
छवि की बाहरी पेंटिंग (Outpainting / Extend): मौजूदा छवि के बाहर की पृष्ठभूमि या परिदृश्य का अनुमान लगाकर, प्राकृतिक रूप से विस्तृत छवि का निर्माण करना [OpenAI, Stability AI]
अति संकल्प, अपस्केलिंग (Super Resolution): अपरिष्कृत छवि या निर्मित छवि के विवरण का अनुमान लगाकर, उच्च रेजोल्यूशन में विस्तृत निर्माण करना [Stability AI/Diffusers]
अव्यक्त स्थान अपस्केलिंग (Latent Upscale): अव्यक्त स्थान पर छवि के रेजोल्यूशन को बेहतर बनाने वाली निर्माण प्रक्रिया [Stability AI/Diffusers]
प्रकाश व्यवस्था का पुनः गणना और निर्माण (ReLi3D): 3D मॉडल या छवि की प्रकाश व्यवस्था (लाइटिंग) को पुनः गणना करके, विभिन्न प्रकाश कोणों में छवि का पुनः निर्माण करना [Stability AI]
रंग सुधार और रंग मार्गदर्शन निर्माण (ReSWD): वितरण मिलान तकनीक का उपयोग करके छवि के रंग सुधार और टोन को पुनः उत्पन्न करना [Stability AI]
समोच्च और कंकाल नियंत्रण द्वारा छवि निर्माण (ControlNet): रूपरेखा और व्यक्ति के पोज़ जैसे नियंत्रण छवियों का उपयोग करके, संरचना को निश्चित छवि उत्पन्न करना [Stability AI/Diffusers]
बिना शर्त छवि निर्माण (Unconditional Image Generation): पाठ प्रॉम्प्ट जैसी शर्तों के बिना यादृच्छिक छवि उत्पन्न करना [Stability AI/Diffusers]
चरित्र संगति रखरखाव निर्माण (Character Reference): किसी विशेष चरित्र की संदर्भ छवि का उपयोग करके, विभिन्न दृश्यों की छवियों को समान विशेषताओं को बनाए रखते हुए उत्पन्न करना [Midjourney, OpenAI]
शैली संदर्भ निर्माण (Style Reference): संदर्भ छवि की दृश्य शैली की नकल करके नई छवि उत्पन्न करना [Midjourney]
सर्वव्यापी संदर्भ निर्माण (Omni Reference): एक ही चरित्र या वस्तु को कई छवियों में समान रूप से उत्पन्न करना [Midjourney]
छवि बहु-मोड़ संवाद निर्माण (Multi-turn image generation): पिछली छवि निर्माण इतिहास (Previous response ID) के संदर्भ को विरासत में लेकर, संवादात्मक रूप से छवि को संशोधित और उत्पन्न करना [OpenAI]
छवि प्रारूप और संपीड़न दर के साथ निर्माण (Image formatting): PNG, JPEG, WebP जैसे प्रारूप विनिर्देश या संपीड़न दर लागू करके छवि फ़ाइल उत्पन्न करना [OpenAI]

वीडियो, 3D और बहु-मोडल निर्माण

पाठ से वीडियो निर्माण (Text-to-Video): पाठ प्रॉम्प्ट से उच्च गुणवत्ता वाली गतिशील फिल्म उत्पन्न करना [OpenAI, Google/Gemini, xAI/Grok]
छवि से वीडियो निर्माण (Image-to-Video): एक स्थिर छवि को इनपुट करके, इसमें प्राकृतिक गति देते हुए वीडियो उत्पन्न करना [Stability AI, OpenAI]
ऑडियो सिंक्रोनाइजेशन के साथ वीडियो निर्माण (Video with Synced Audio): पाठ से गति के साथ-साथ वीडियो में सिंक्रोनाइज़ ऑडियो के साथ वीडियो उत्पन्न करना [OpenAI]
वीडियो रीमिक्स और संपादन (Remix / Edit Video): मौजूदा वीडियो सामग्री की शैली या तत्वों को परिवर्तित करके, नई वीडियो के रूप में रीमिक्स निर्माण करना [OpenAI]
3D फिल्म निर्माण (Stable Virtual Camera): एक एकल इनपुट छवि से, कैमरा कार्य गति के साथ 3D छवि अभिव्यक्ति उत्पन्न करना [Stability AI]
3D सामग्री निर्माण (SViM3D): एकल छवि से, 3D वस्तु के लिए सामग्री और प्रसार मॉडल के साथ प्राकृतिक गति उत्पन्न करना [Stability AI]
वीडियो में चरित्र सम्मिलन निर्माण (Create Character / Video): निर्दिष्ट चरित्र सूचना के आधार पर वीडियो के भीतर चरित्र उत्पन्न करना [OpenAI]
बहु-मोडल मिश्रित आउटपुट निर्माण (Mixture of Modalities / Janus): एकल मॉडल के भीतर छवि और पाठ निर्बाध रूप से मिश्रित होने वाले आउटपुट उत्पन्न करना [DeepSeek]

ध्वनि और ऑडियो निर्माण

पाठ-से-वाणी और वाणी संश्लेषण (Text-to-Speech / TTS): पाठ को प्राकृतिक और अभिव्यक्तिपूर्ण मानव ध्वनि में परिवर्तित करके उत्पन्न करना [OpenAI, Google/Gemini, xAI/Grok]
रीयल-टाइम वाणी संवाद निर्माण (Realtime Audio Generation): अत्यंत कम विलंबता के साथ पाठ और ध्वनि इनपुट प्राप्त करके, रीयल-टाइम में प्राकृतिक वाणी प्रतिक्रिया उत्पन्न करना [OpenAI, xAI/Grok, Microsoft Copilot]
पॉडकास्ट शैली वाणी निर्माण (Audio Overviews): दस्तावेज़ आदि सामग्री से, कई होस्ट के बीच संवाद पॉडकास्ट प्रारूप में वाणी उत्पन्न करना [Google/Gemini]
वीडियो के अनुसार प्रभाव ध्वनि निर्माण (Foley Control): वीडियो के भीतर गति या दृश्य का विश्लेषण करके, इसके साथ बिल्कुल मेल खाती प्राकृतिक प्रभाव ध्वनि को सिंक्रोनाइज़ निर्माण करना [Stability AI]
ध्वनि अनुवाद आउटपुट निर्माण (Speech Translation): इनपुट की गई ध्वनि को दूसरी भाषा में अनुवाद करके, परिणाम को ध्वनि के रूप में संश्लेषित और उत्पन्न करना [OpenAI]
संगीत और ऑडियो निर्माण (Audio generation): पाठ से संगीत, राग, पर्यावरणीय ध्वनियाँ आदि उत्पन्न करना [Google/Gemini, Stability AI/Diffusers]
वक्ता पृथक्करण समय मुहर निर्माण (Diarize Output): संवाद की ध्वनि डेटा से "कौन, कब बोला" यह समय मुहर रिकॉर्ड उत्पन्न करना [OpenAI]
संवादात्मक वाणी एजेंट प्रतिक्रिया निर्माण (IVR Generation): फोन जैसे वाणी चैनल में, एजेंट द्वारा ग्राहक के साथ संवाद के लिए उच्चारण उत्पन्न करना [Microsoft Copilot]
वाणी सहमति रिकॉर्ड निर्माण (Voice Consents): विशेष वाणी संश्लेषण API का उपयोग करते समय आवश्यक, उपयोगकर्ता की सहमति रिकॉर्ड डेटा बनाना और उत्पन्न करना [OpenAI]

प्रोग्रामिंग और कोड निर्माण

प्राकृतिक भाषा से कोड निर्माण (Code Generation): डेवलपर की प्रॉम्प्ट के आधार पर, फ़ंक्शन या क्लास आदि प्रोग्राम कोड उत्पन्न करना [OpenAI, Google/Gemini, Anthropic/Claude, Mistral, Microsoft Copilot]
परियोजना व्यापक फ़ाइल संपादन और निर्माण (Multi-file Code Generation): पूरे कोड बेस को पढ़कर, कई फ़ाइलों में फैली नई विशेषता कार्यान्वयन कोड उत्पन्न करना [Anthropic/Claude, Google/Gemini]
रीयल-टाइम कोड पूर्ण (Code Completion): संपादक पर डेवलपर द्वारा कोड लिखने की प्रक्रिया में, संदर्भ को पढ़कर अगली क्रिया को स्वचालित पूरी और उत्पन्न करना [Microsoft Copilot, Google/Gemini]
FIM पूर्ण (Fill-in-the-Middle Completion): आगे और पीछे के कोड के संदर्भ को समझकर, लापता मध्य तर्क को अनुमानित करके उत्पन्न करना [DeepSeek, OpenAI]
चैट उपसर्ग पूर्ण (Chat Prefix Completion): उपयोगकर्ता द्वारा आंशिक रूप से लिखे गए कोड या पाठ के उपसर्ग को आगे बढ़ाकर, अनुवर्ती कोड उत्पन्न करना [DeepSeek, OpenAI]
परियोजना पाड़ निर्माण (Project Scaffolding): प्राकृतिक भाषा में केवल सारांश बताकर, निर्देशिका संरचना और प्रारंभिक फ़ाइल समूह एकबारी निर्माण करना [Mistral]
SQL क्वेरी निर्माण (SQL Generation): प्राकृतिक भाषा निर्देश से, डेटाबेस स्कीमा को समझकर जटिल SQL क्वेरी उत्पन्न करना [Google/Gemini, Microsoft Copilot]
GraphQL स्कीमा और म्यूटेशन निर्माण (Firebase Data Connect): एप्लिकेशन के लिए डेटा स्कीमा या GraphQL क्वेरी उत्पन्न करना [Google/Gemini]
कमिट संदेश स्वचालित निर्माण (Commit message generation): परिवर्तित कोड के अंतर को समझकर, उपयुक्त Git कमिट संदेश उत्पन्न करना [Anthropic/Claude, Google/Gemini]
पुल रिक्वेस्ट (PR) विवरण पाठ निर्माण (PR description generation): कार्यान्वित सुविधा या सुधार सामग्री को संक्षेप में प्रस्तुत करके, PR का शीर्षक और विवरण स्वायत्तता से उत्पन्न करना [Anthropic/Claude, Google/Gemini]
कोड विश्लेषण Python स्क्रिप्ट निर्माण (Code Interpreter generation): AI स्वयं Python कोड उत्पन्न करके निष्पादित करना, डेटा विश्लेषण या गणना प्रसंस्करण करना [OpenAI, Microsoft Copilot, Mistral]
पैच (अंतर) निर्माण (Apply Patch): एजेंट द्वारा कोड बेस के विशेष स्थान में सुधार पैच उत्पन्न करके, स्वायत्तता से लागू करना [OpenAI, Google/Gemini]
शेल कमांड निर्माण (Shell Command Generation): उपयोगकर्ता के उद्देश्य के अनुसार, टर्मिनल में निष्पादित किए जाने वाले उपयुक्त bash या शेल कमांड उत्पन्न करना [Anthropic/Claude, OpenClaw, OpenAI]
यूनिट टेस्ट निर्माण (Unit Test Generation): अनपरीक्षित स्रोत कोड के लिए, मॉक और दावों सहित उपयुक्त परीक्षण कोड उत्पन्न करना [Anthropic/Claude, Google/Gemini]
API विनिर्देश (OpenAPI/Swagger) निर्माण (API specification generation): मौजूदा बैकएंड कोड से API विनिर्देश उत्पन्न करना [Google/Gemini]
स्थानीय फ़ाइल प्रत्यक्ष निर्माण (File Write / Create): एजेंट द्वारा स्वायत्तता से write या edit टूल का उपयोग करके, उपयोगकर्ता के डिवाइस पर सीधे स्क्रिप्ट या दस्तावेज़ उत्पन्न करना [OpenClaw, Anthropic/Claude]

संरचित डेटा, वेक्टर और मेटाडेटा निर्माण

JSON संरचित आउटपुट निर्माण (Structured Output): परिभाषित कठोर JSON स्कीमा का पालन करके, अनंतस्पर्शी पाठ से सटीक डेटा प्रारूप उत्पन्न करना [OpenAI, Anthropic/Claude, Google/Gemini, Meta/Llama, DeepSeek, xAI/Grok]
पाठ एंबेडिंग निर्माण (Embeddings Generation): पाठ के अर्थ को बहु-आयामी संख्या वेक्टर के रूप में उत्पन्न करना, RAG और अर्थ खोज की नींद बनाना [OpenAI, Anthropic/Claude, Perplexity, Google/Gemini]
संदर्भ-सचेत एम्बेडिंग का निर्माण (Contextualized Embeddings): दस्तावेज़ के पूरे संदर्भ को बनाए रखते हुए चंक्स को वेक्टरीकृत करना और उच्च-सटीकता वाली एम्बेडिंग उत्पन्न करना [Perplexity, Anthropic/Claude]
बैच प्रोसेसिंग द्वारा बृहत् डेटा निर्माण (Batch Generation): अतुल्यकालिक बैच API का उपयोग करके बड़े पैमाने पर टेक्स्ट निर्माण और संरचित डेटा निष्कर्षण को एक साथ उत्पन्न करना [OpenAI, Anthropic/Claude, xAI/Grok]
टूल कॉल तर्क निर्माण (Tool / Function Calling Generation): उपयोगकर्ता के निर्देशों की तार्किक व्याख्या करना और बाहरी API या उपकरण को निष्पादित करने के लिए आवश्यक तर्क (JSON डेटा आदि) उत्पन्न करना [OpenAI, Anthropic/Claude, Google/Gemini, Meta/Llama, xAI/Grok, DeepSeek, Mistral]
वेक्टर स्टोर इंडेक्सिंग का निर्माण (Vector Store Indexing): अपलोड की गई फ़ाइलों से स्वचालित रूप से चंक्स और वेक्टर उत्पन्न करना और खोज के लिए इंडेक्स का निर्माण करना [OpenAI]
पूर्वानुमानित आउटपुट द्वारा तीव्र निर्माण (Predicted Outputs): ज्ञात आउटपुट सामग्री (जैसे स्रोत कोड का अधिकांश हिस्सा) को मॉडल से पूर्वानुमान लगवाना और विलंबता को बड़े पैमाने पर कम करके तीव्र प्रतिक्रिया उत्पन्न करना [OpenAI]
सुरक्षा फ़्लैग और संयम परिणाम का निर्माण (Moderation Output): इनपुट या मॉडल आउटपुट की सामग्री का मूल्यांकन करना और नीति उल्लंघन या हानिकारकता के अनुपस्थित होने का संकेत देने वाले स्कोर या फ़्लैग डेटा उत्पन्न करना [OpenAI, Meta/Llama, Google/Gemini]
टोकन खपत और लागत एकत्रण डेटा का निर्माण (Usage/Tokens Output): API अनुरोध में प्रॉम्प्ट और निर्माण में लगे इनपुट-आउटपुट टोकन संख्या, कैश हिट दर आदि जैसा उपयोग डेटा उत्पन्न करना [OpenAI, Anthropic/Claude, DeepSeek, xAI/Grok]
सीमांकन बॉक्स निर्देशांक का निर्माण (Bounding box generation): छवि में विशिष्ट वस्तु या व्यक्ति की स्थिति का पता लगाना और उसके निर्देशांक डेटा को टेक्स्ट या JSON के रूप में उत्पन्न करना [OpenAI, Google/Gemini]

UI, डिज़ाइन, कार्यक्षेत्र निर्माण

मॉकअप छवि से HTML निर्माण (Image Mock up to HTML): हस्तलिखित स्केच या UI डिज़ाइन छवि से संबंधित HTML/CSS आदि कोड उत्पन्न करना [Google/Gemini, OpenAI, Anthropic/Claude]
चैट के अंदर UI घटक निर्माण (Artifacts / Claude Cowork): चैट स्क्रीन के अंदर React घटक, SVG, HTML आदि उत्पन्न करना और गतिशील पूर्वावलोकन के रूप में प्रस्तुत करना [Anthropic/Claude, OpenAI]
गतिशील UI का रीयल-टाइम रेंडरिंग (Live Canvas / A2UI): एजेंट उपयोगकर्ता के निर्देशों के आधार पर स्वायत्तता से स्क्रीन पर संचालन योग्य UI उत्पन्न और तैनात करना [OpenClaw]
दस्तावेज़ और प्रोटोटाइप का निर्माण (Canvas): प्रस्ताव या ऐप्लिकेशन टेम्पलेट को एक समर्पित सहयोग स्थान (Canvas) पर उत्पन्न करना [Mistral, OpenAI]
इंटरैक्टिव डेटा दृश्यीकरण और ग्राफ निर्माण (Visualizations): विश्लेषित डेटा से उपयोगकर्ता के समझने में आसान ग्राफ़ या चार्ट स्वचालित रूप से उत्पन्न करना [Microsoft Copilot, Mistral]
व्यावसायिक डैशबोर्ड का निर्माण (Power BI dashboards): एंटरप्राइज़ डेटा वेयरहाउस की जानकारी को एकीकृत करना और डैशबोर्ड डिज़ाइन व संरचना उत्पन्न करना [Microsoft Copilot]
पात्र मानसिक मानचित्र का निर्माण (Character Mind Map): लंबी कहानी से पात्रों की सोच और संबंधों की व्याख्या करना और दृश्य मानचित्र संरचना उत्पन्न करना [Meta/Llama]

एजेंट, स्वचालन, प्रॉम्प्ट निर्माण

ओपन मॉडल का फाइन-ट्यूनिंग (Fine-tuning recipes): Llama जैसे मॉडल को विशिष्ट उपयोग मामले के लिए सूक्ष्मता से समायोजित करना [Meta/Llama]
प्रॉम्प्ट कैशिंग (Prompt caching): लंबे प्रॉम्प्ट को कैश करना और API की विलंबता और लागत को कम करना [OpenAI, Anthropic, grok]
सर्वोत्तम प्रॉम्प्ट का स्वयं निर्माण (Prompt Generator): उपयोगकर्ता की संक्षिप्त आवश्यकता से AI मॉडल सबसे अच्छा प्रदर्शन करने वाला "संरचित प्रॉम्प्ट" स्वयं उत्पन्न करना [OpenAI, Anthropic/Claude]
प्रॉम्प्ट टेम्पलेट का निर्माण (Templatize a Prompt): टेक्स्ट से चर को स्वचालित रूप से पहचानना और निष्कर्षित करना तथा सिस्टम में शामिल करने के लिए आसान प्रॉम्प्ट टेम्पलेट के रूप में उत्पन्न करना [Anthropic/Claude]
स्वायत्त एजेंट का निर्माण (Create / Build an Agent): प्राकृतिक भाषा निर्देशों से बॉट के व्यवहार और ज्ञान सेटिंग्स को शून्य से उत्पन्न और निर्मित करना [Microsoft Copilot, OpenAI, Google/Gemini, Mistral]
एजेंट फ़्लो का निर्माण (Build an Agent Flow): जटिल व्यावसायिक प्रक्रिया और शर्तबद्ध शाखाओं वाले एजेंट की कार्य प्रवाह को प्राकृतिक भाषा निर्देशों से स्वचालित रूप से उत्पन्न करना [Microsoft Copilot]
स्वचालन कार्यप्रवाह का निर्माण (Automation Flow Generation): कई प्रणालियों के बीच API एकीकरण या स्वचालन प्रसंस्करण के प्रवाह को AI द्वारा दृश्य संपादक पर उत्पन्न और दस्तावेज़ित करना [Google/Gemini]
उप-एजेंट का गतिशील निर्माण (Subagent Spawning): मुख्य एजेंट जटिल कार्य को विभाजित करना और विशिष्ट कार्य को संभालने के लिए बाल एजेंट को गतिशील रूप से कॉल और उत्पन्न करना [OpenAI, Anthropic/Claude, OpenClaw]
कस्टम एजेंट ज्ञान का निर्माण (Custom agent knowledge base): विशिष्ट दस्तावेज़ों के समूह से एजेंट के उपयोग के लिए समर्पित ज्ञान आधार या इंडेक्स उत्पन्न करना [Mistral]

इन्फ्रास्ट्रक्चर, सिस्टम कॉन्फ़िगरेशन, परीक्षण निर्माण

मूल्यांकन परीक्षण समूह का निर्माण (Evaluation Test Sets): मॉडल के प्रदर्शन का उद्देश्यपूर्ण रूप से मूल्यांकन करने के लिए विविध परीक्षण मामले या ग्राउंड ट्रूथ स्वचालित रूप से उत्पन्न करना [Microsoft Copilot, OpenAI]
CI/CD पाइपलाइन स्वचालन कॉन्फ़िगरेशन का निर्माण (CI/CD integration generation): कोड समीक्षा या स्वचालित परीक्षण करने के लिए GitHub Actions जैसी CI/CD कॉन्फ़िगरेशन फ़ाइल उत्पन्न करना [Anthropic/Claude, GitHub]
कार्यक्षेत्र परिभाषा फ़ाइल का निर्माण (Workspace config generation): एजेंट के व्यक्तित्व या उपकरण अनुमति को परिभाषित करने वाली AGENTS.md या SOUL.md जैसी कॉन्फ़िगरेशन फ़ाइलें उत्पन्न करना [OpenClaw]
शेल निष्पादन लॉग का निर्माण (Shell execution logs): सैंडबॉक्स परिवेश के अंदर कोड या शेल स्क्रिप्ट निष्पादित करना और इसके मानक आउटपुट या त्रुटि लॉग टेक्स्ट परिणाम उत्पन्न करना [OpenAI, OpenClaw]
वेबहुक पेलोड का गतिशील निर्माण (Webhook payload generation): बाहरी प्रणाली या सर्वर-पक्ष नियंत्रण के लिए इवेंट सूचना भेजने के लिए JSON पेलोड गतिशील रूप से उत्पन्न करना [OpenAI, OpenClaw]
शेड्यूल और Cron जॉब का निर्माण (Cron Configuration): एजेंट के लिए नियमित रूप से निष्पादित करने के लिए Cron शेड्यूल कॉन्फ़िगरेशन उत्पन्न करना [Google/Gemini, Anthropic/Claude, OpenClaw]

स्ट्रीमिंग और अन्य निर्माण

स्ट्रीमिंग ईवेंट का निर्माण (Streaming Events): निर्माण के दौरान टेक्स्ट टोकन या छवि के आंशिक डेटा को SSE के माध्यम से रीयल-टाइम में स्ट्रीमिंग करके उत्पन्न करना [OpenAI, Anthropic/Claude, Perplexity]
फॉलबैक प्रतिक्रिया का स्वचालित निर्माण (Fallback response generation): मुख्य API में त्रुटि होने पर वैकल्पिक मॉडल या स्थानीय सुविधा को कॉल करके सुरक्षित रूप से फॉलबैक प्रतिक्रिया उत्पन्न करना [OpenClaw]

"व्यवहार" से संबंधित सुविधाएं

बाहरी उपकरण (API, ब्राउज़र, कैलकुलेटर, कंपनी-आंतरिक प्रणाली आदि) को कॉल करने और वास्तविक दुनिया या प्रणाली में वास्तव में हस्तक्षेप करने की सुविधाएं।

एजेंट निर्माण, ऑर्केस्ट्रेशन आधार

स्वायत्त एजेंट का निर्माण (Create / Build agents): प्राकृतिक भाषा निर्देशों से एजेंट के व्यवहार और संरचना को स्वायत्तता से निर्मित करने की सुविधा [OpenAI, Google/Gemini, Microsoft Copilot, Mistral]
एजेंट SDK द्वारा कोडबेस निर्माण (Agents SDK / Agent API): कोड स्तर पर एजेंट ऑर्केस्ट्रेशन, हैंडऑफ, उपकरण निष्पादन को निर्मित करने की सुविधा [OpenAI, Anthropic/Claude, Perplexity]
पूर्ण प्रबंधित एजेंट परिवेश (Managed Agents): स्थिति बनाए रखने वाले सत्र या दीर्घकालीन ईवेंट इतिहास वाले एजेंट को इन्फ्रास्ट्रक्चर पर प्रबंधित और तैनात करने की सुविधा [Anthropic/Claude, Google/Gemini]
उप-एजेंट, बहु-एजेंट संयोजन (Subagents / Child agents): मुख्य एजेंट कार्य को विभाजित करता है और विशिष्ट कार्य को संभालने वाले बाल एजेंट को कॉल करके समानांतर कार्य करने की सुविधा [OpenAI, Anthropic/Claude, Microsoft Copilot, OpenClaw]
कस्टम कार्यप्रवाह का स्वायत्त निष्पादन (Custom workflows / Gems): विशिष्ट कार्य को स्वचालित करने के लिए अनन्य लघु-ऐप्स या प्रवाह को एजेंटीकृत करके निष्पादित करने की सुविधा [Google/Gemini, Mistral]
एजेंट की पृष्ठभूमि निष्पादन (Background mode / Routines): उपयोगकर्ता के न होने पर भी, एजेंट के कार्यों को क्लाउड या पृष्ठभूमि में स्वायत्त रूप से जारी रखने की कार्यक्षमता [OpenAI, Anthropic/Claude]
शेड्यूल और Cron कार्य की स्वचालित निष्पादन (Schedule actions / Cron): निर्दिष्ट समय या नियमित शेड्यूल (जैसे सुबह की PR समीक्षा) पर एजेंट को क्रियाएं स्वचालित रूप से निष्पादित करने की कार्यक्षमता [Google/Gemini, Anthropic/Claude, OpenClaw]

उपकरण कॉलिंग और API एकीकरण

फ़ंक्शन और उपकरण कॉलिंग अवस्थिति (Function / Tool calling): उपयोगकर्ता के निर्देश के आधार पर, AI बाहरी उपकरणों के निष्पादन आदेश (JSON आदि) को स्वायत्त रूप से उत्पन्न और निष्पादन का अनुरोध करता है - यह एक सामान्य अवस्थिति कार्यक्षमता [OpenAI, Google/Gemini, Anthropic/Claude, xAI, Meta/Llama, Mistral, DeepSeek]
Model Context Protocol एकीकरण (MCP and Connectors): मानकीकृत प्रोटोकॉल (MCP) का उपयोग करके, स्थानीय या रिमोट बाहरी डेटा स्रोतों और उपकरणों के साथ एकीकृत होने और संचालन करने की कार्यक्षमता [OpenAI, Anthropic/Claude, Microsoft Copilot, GitHub]
कस्टम कार्य निष्पादन (Custom Actions): AI चैट से बाहरी API (डेटाबेस या SaaS) को सीधे कॉल करके, सिस्टम में डेटा भेजना या अपडेट को स्वायत्त रूप से निष्पादित करने की कार्यक्षमता [OpenAI, Microsoft Copilot, Google/Gemini]
हुक द्वारा कमांड स्वचालित ट्रिगर (Hooks): फ़ाइल संपादन के बाद या कमिट से पहले, फॉर्मेटर या Lint जैसे मनमाने शेल कमांड को स्वचालित रूप से ट्रिगर और निष्पादित करने की कार्यक्षमता [Anthropic/Claude]
प्लेटफॉर्म विस्तार कार्यक्षमता (Extensions / Plugins): मौजूदा प्लेटफॉर्म वातावरण को बाहरी उपकरणों में कार्य निष्पादन क्षमता प्रदान करने की कार्यक्षमता [Google/Gemini, Microsoft Copilot]

डेस्कटॉप और स्थानीय सिस्टम संचालन

कंप्यूटर स्क्रीन की दृश्य स्वायत्त संचालन (Computer use tool): AI डेस्कटॉप स्क्रीन को दृश्य रूप से समझता है और माउस आंदोलन, क्लिक और कीबोर्ड इनपुट को स्वायत्त रूप से निष्पादित करता है - यह एक व्यावहारिक कार्य कार्यक्षमता [Anthropic/Claude, OpenAI]
स्थानीय शेल वातावरण में कमांड निष्पादन (Local shell / Bash tool): एजेंट सिस्टम पर टर्मिनल या शेल वातावरण में कमांड को स्वायत्त रूप से निष्पादित करने की कार्यक्षमता [OpenAI, Anthropic/Claude, OpenClaw]
पाठ फ़ाइलों की सीधी संपादन उपकरण (Text editor / Edit tools): एजेंट स्थानीय पाठ फ़ाइलों को सीधे खोलकर सामग्री को संपादित और अधिलेखित करने की कार्यक्षमता [Anthropic/Claude, OpenClaw]
फ़ाइल सिस्टम की स्वायत्त पढ़ना और लिखना (read / write tools): एजेंट उपयोगकर्ता के डिवाइस पर फ़ाइलों को खोज करके सीधे पढ़ना और लिखना करने की कार्यक्षमता [OpenClaw, Anthropic/Claude]
प्रक्रिया प्रबंधन का स्वायत्त निष्पादन (Process tool): एजेंट स्थानीय सिस्टम पर चल रही प्रक्रियाओं को प्रबंधित (शुरू, बंद करना आदि) करने की कार्यक्षमता [OpenClaw]
स्थानीय वर्कट्री का स्वायत्त प्रबंधन (Worktrees): स्वतंत्र स्थानीय वातावरण बनाना और मुख्य कार्य वातावरण को प्रभावित किए बिना एजेंट को अलग कार्यों को निष्पादित करने की कार्यक्षमता [Anthropic/Claude]
टर्मिनल में स्वायत्त समस्या निवारण (CLI Agents): CLI वातावरण में त्रुटियों या सिस्टम स्थिति को पढ़ना, समाधान को स्वायत्त रूप से अनुमान लगाना और निष्पादित करके मरम्मत करने की कार्यक्षमता [Google/Gemini, Anthropic/Claude, OpenClaw]

कोडिंग और विकास स्वचालन

कोड इंटरप्रेटर द्वारा निष्पादन (Code interpreter): सुरक्षित सैंडबॉक्स वातावरण में, एजेंट स्वयं Python जैसे कोड को लिखता है, चलाता है और डेटा प्रसंस्करण जैसे कार्यों को पूरा करता है [OpenAI, Microsoft Copilot, Mistral]
कई फ़ाइलों में कोड स्वायत्त संपादन (Agent Mode): IDE या CLI में, कई फ़ाइलों में फैली नई विशेषताओं का कार्यान्वयन या बग सुधार को स्वायत्त रूप से करने की कार्यक्षमता [Google/Gemini, Anthropic/Claude]
पैच (अंतर) का स्वचालित निर्माण और आवेदन (Apply Patch): एजेंट कोडबेस के विशिष्ट भागों के लिए सुधार पैच तैयार करता है और स्वायत्त रूप से लागू करता है - यह एक उपकरण कार्यक्षमता [OpenAI]
प्रोजेक्ट की स्कैफोल्डिंग का स्वचालित निर्माण (Scaffolding): प्राकृतिक भाषा के विवरण से, प्रोजेक्ट के लिए आवश्यक डायरेक्टरी संरचना और प्रारंभिक फ़ाइल समूह को एक साथ स्वायत्त रूप से बनाने की कार्यक्षमता [Mistral]
Git रिपॉजिटरी संचालन की स्वचालन (Git automation): Git के साथ सीधे एकीकरण, परिवर्तनों को स्टेज करना, कमिट संदेश बनाना, शाखा निर्माण से PR खोलने तक को स्वायत्त रूप से निष्पादित करने की कार्यक्षमता [Anthropic/Claude]
Pull Request की स्वायत्त कोड समीक्षा (PR Review): GitHub आदि पर प्रस्तुत PR को AI स्वचालित रूप से समीक्षा करता है और कोड सुधार क्रियाओं का प्रस्ताव देता है और निष्पादित करता है [Google/Gemini, Anthropic/Claude, Microsoft Copilot]
CI/CD पाइपलाइन में AI स्वचालित निष्पादन (CI/CD integration): GitHub Actions या GitLab जैसी पाइपलाइन में AI को ट्रिगर करना और समस्या की वर्गीकरण या समीक्षा को स्वचालित करने की कार्यक्षमता [Anthropic/Claude, GitHub]
GitHub समस्या प्रबंधन वर्कफ़्लो स्वचालन (GitHub Actions): रिपॉजिटरी की समस्याओं का वर्गीकरण और प्रतिक्रिया वर्कफ़्लो को AI स्वायत्त रूप से निष्पादित करने की कार्यक्षमता [Microsoft Copilot, GitHub]
डेटाबेस स्कीमा और क्वेरी का स्वचालित निर्माण और अपडेट (Firebase Data Connect): प्राकृतिक भाषा के निर्देशों से GraphQL आदि की स्कीमा या म्यूटेशन बनाना और डेटाबेस संचालन को स्वचालित करने की कार्यक्षमता [Google/Gemini]
API विनिर्देश निर्माण में स्वायत्त सहायता (Apigee / API Management): एंटरप्राइज संदर्भ का उपयोग करके, API विनिर्देश निर्माण या नीति सेटिंग क्रियाओं में सहायता प्रदान करने और निर्माण करने की कार्यक्षमता [Google/Gemini]

बाहरी ऐप्स और सेवा एकीकरण

Google Workspace ऐप्स का संचालन (Connected Apps): AI उपयोगकर्ता के Gmail या Google ड्राइव को एक्सेस करता है, ईमेल का मसौदा बनाता है या फ़ाइल निर्माण को प्रतिनिधित्व करता है [Google/Gemini]
Google कैलेंडर कार्यक्रमों का स्वायत्त निर्माण (Calendar control): उपयोगकर्ता के निर्देश से अनुसूची की व्याख्या करता है, कैलेंडर कार्यक्रमों को सीधे बनाता और समायोजित करता है [Google/Gemini]
स्मार्ट होम डिवाइसों का वॉयस नियंत्रण (Smart home control): AI ऐप के माध्यम से, जुड़ी स्मार्ट होम डिवाइसों की बिजली या सेटिंग को सीधे नियंत्रित करने की कार्यक्षमता [Google/Gemini]
CRM सिस्टम का स्वायत्त रिकॉर्ड अपडेट (Dynamics 365 actions): बिक्रय या समर्थन वार्तालाप सामग्री से, AI स्वायत्त रूप से CRM सिस्टम (Salesforce आदि) के डेटा को अपडेट करता है [Microsoft Copilot]
Power Platform एकीकरण द्वारा स्वचालन (Power Platform AI actions): स्वचालित वर्कफ़्लो (Power Automate आदि) में AI को शामिल करना, सिस्टम के बीच क्रियाओं को AI संचालित बनाने की कार्यक्षमता [Microsoft Copilot]
SaaS के बीच वर्कफ़्लो एकीकरण की दृश्य निर्माण (Application Integration): कई तृतीय-पक्ष ऐप्स या API को जोड़ने वाले स्वचालन प्रवाह को, AI सहायता से दृश्य रूप से निर्माण और तैयार करने की कार्यक्षमता [Google/Gemini]
Jira / Slack आदि के कार्य एकीकरण और अपडेट (MCP SaaS tools): MCP आदि के माध्यम से, Jira टिकट अपडेट या Slack सूचनाओं को स्वायत्त रूप से निष्पादित करने की कार्यक्षमता [Anthropic/Claude, OpenClaw]
WhatsApp से कॉल और संदेश स्वचालित भेजना (WhatsApp actions): मोबाइल AI ऐप से, WhatsApp आदि के माध्यम से कॉल भेजना या संदेश भेजने को प्रतिनिधित्व करने की क्रिया कार्यक्षमता [Google/Gemini, OpenClaw]

सुरक्षा, सैंडबॉक्स और प्रशासन

गार्डरेल द्वारा व्यवहार प्रतिबंध (Guardrails): एजेंट के व्यवहार की सीमा और अधिकार को सुरक्षित रूप से प्रतिबंधित करने और नीति उल्लंघन क्रियाओं को रोकने की कार्यक्षमता [OpenAI, Microsoft Copilot]
सैंडबॉक्स में सुरक्षित उपकरण निष्पादन (Sandbox execution): एजेंट की क्रियाओं से सिस्टम को नष्ट होने से बचाने के लिए, Docker आदि के अलग किए गए वातावरण में उपकरण चलाने की कार्यक्षमता [OpenAI, OpenClaw]
SSH/OpenShell के माध्यम से रिमोट क्रिया (Remote Sandbox): रिमोट या अलग-अलग वातावरण की सिस्टम में SSH आदि से सुरक्षित रूप से एक्सेस करके, एजेंट को क्रियाएं निष्पादित करने की कार्यक्षमता [OpenClaw]
एक्शन के एक्सेस अधिकार नियंत्रण (Data policies / Allowlist): प्रशासक द्वारा एजेंट द्वारा निष्पादित किए जा सकने वाले एक्शन और एक्सेस योग्य डेटा को नियंत्रित और प्रतिबंधित करने की सुविधा [Microsoft Copilot, OpenClaw]
साइबर सुरक्षा घटनाओं के लिए स्वचालित रक्षा एक्शन (Security Copilot Plugins): साइबर खतरे का पता चलने पर AI द्वारा रक्षा कार्रवाई या संयोजन को स्वचालित रूप से निष्पादित करने की सुविधा [Microsoft Copilot]
क्लाउड बुनियादी ढांचे का स्वायत्त निदान और अनुकूलन (Cloud Assist): क्लाउड वातावरण की संचालन स्थिति का विश्लेषण करके, बुनियादी ढांचे के अनुकूलन कार्यों या लागत में कमी का स्वायत्त रूप से सुझाव देने और निष्पादित करने की सुविधा [Google/Gemini]
MLOps पाइपलाइन का स्वचालित ऑर्केस्ट्रेशन (MLOps automation): AI मॉडल की निगरानी, मूल्यांकन, पुनः शिक्षण आदि की पाइपलाइन प्रक्रिया को स्वचालित रूप से निष्पादित और प्रबंधित करने की सुविधा [Google/Gemini]
अज्ञात DM से एक्सेस अनुमोदन नियंत्रण (DM pairing): सुरक्षा संरक्षण के लिए अज्ञात उपयोगकर्ताओं से संदेशों के लिए पेयरिंग कोड की मांग करके एक्शन को प्रतिबंधित करने की सुविधा [OpenClaw]

मेसेजिंग और चैट प्लेटफॉर्म एकीकरण

बहु-चैनल इनबॉक्स का स्वायत्त प्रतिक्रिया (Multi-channel gateway): WhatsApp, Slack, Discord, Telegram आदि कई प्लेटफॉर्म से एक साथ कनेक्ट करके एजेंट द्वारा स्वायत्त प्रतिक्रिया देने की सुविधा [OpenClaw]
संदेश के आधार पर एजेंट गतिशील रूटिंग (Multi-agent routing): प्राप्त चैनल या उपयोगकर्ता के आधार पर विभिन्न एजेंट (कार्यक्षेत्र) को स्वचालित रूप से आवंटित करके प्रतिक्रिया देने की रूटिंग सुविधा [OpenClaw]
Discord / Slack विशिष्ट एक्शन का निष्पादन (Platform native actions): Discord या Slack के API के लिए विशिष्ट, चैनल निर्माण या अनुमति प्रबंधन आदि प्रणाली एक्शन को निष्पादित करने की सुविधा [OpenClaw]
Slack से सीधी कार्य ट्रिगर (AI for Slack): Slack पर उल्लेख से एजेंट द्वारा सीधे कार्य (जैसे बग फिक्स के लिए PR निर्माण) को निष्पादित करके परिणाम लौटाने की एकीकरण सुविधा [Anthropic/Claude, OpenClaw]
Webhook इवेंट से स्वायत्त एक्शन सक्रियण (Webhooks): बाहरी प्रणाली से Webhook प्राप्त करके इसे ट्रिगर के रूप में उपयोग करके एजेंट की स्वायत्त कार्रवाई शुरू करने की सुविधा [OpenAI, OpenClaw]
ईमेल प्राप्ति को ट्रिगर के रूप में एक्शन (Gmail Pub/Sub): Gmail में विशिष्ट ईमेल प्राप्त होने को हुक के रूप में उपयोग करके एजेंट द्वारा स्वायत्त कार्रवाई निष्पादित करने की सुविधा [OpenClaw]
कस्टम चैट विजेट की एक्शन एकीकरण (ChatKit / UI Actions): चैट UI में कस्टम विजेट को शामिल करके, बटन ऑपरेशन आदि से प्रणाली एक्शन को निष्पादित करने की सुविधा [OpenAI]
नए सेशन का स्वायत्त स्थापन (sessions_spawn): एजेंट द्वारा आवश्यकतानुसार नए सेशन स्थापित करके सबटास्क को समानांतर में संसाधित करने की सुविधा [OpenClaw]
अन्य सेशन को संदेश भेजना (sessions_send): एजेंट द्वारा अन्य चल रहे सेशन को स्वायत्त रूप से संदेश भेजकर एकीकृत करने की सुविधा [OpenClaw]
ऑपरेटर कमांड द्वारा स्थिति का गतिशील नियंत्रण (Operator commands): चैट से कमांड (/reset, /think आदि) दर्ज करके एजेंट के विचार स्तर या व्यवहार मोड को तुरंत परिवर्तित करने की सुविधा [OpenClaw]

ध्वनि, रीयल-टाइम, UI और डिवाइस संचालन

रीयल-टाइम ध्वनि एजेंट की स्वायत्त प्रतिक्रिया (Voice agents / Realtime API): ध्वनि इनपुट को रीयल-टाइम में संसाधित करके प्राकृतिक ध्वनि में संवाद करते हुए एक साथ प्रणाली एक्शन को निष्पादित करने की सुविधा [OpenAI, xAI, Microsoft Copilot]
IVR (स्वचालित ध्वनि प्रतিक्रिया) की हैंडऑफ नियंत्रण (Interactive voice response): टेलीफोन आदि ध्वनि चैनल पर स्वायत्त रूप से प्रतिक्रिया देना और आवश्यकतानुसार मानव ऑपरेटर को संदर्भ बनाए रखते हुए हस्तांतरित करने की सुविधा [Microsoft Copilot]
वेकवर्ड द्वारा एजेंट सक्रियण (Voice Wake): डिवाइस पर वेकवर्ड की प्रतीक्षा करना और ध्वनि निर्देश से एजेंट की कार्रवाई को तुरंत ट्रिगर करने की सुविधा [OpenClaw]
गतिशील UI का रीयल-टाइम रेंडरिंग और संचालन (Live Canvas / A2UI): एजेंट द्वारा उपयोगकर्ता के निर्देश के आधार पर, मोबाइल ऐप आदि के स्क्रीन पर संचालन योग्य UI घटकों को स्वायत्त रूप से उत्पन्न और स्थापित करने की सुविधा [OpenClaw]
मोबाइल डिवाइस का स्वायत्त दूरस्थ संचालन (Mobile nodes): मोबाइल ऐप के साथ पेयरिंग करके एजेंट द्वारा स्मार्टफोन के कैमरे, स्क्रीन कैप्चर और डिवाइस कमांड को दूरस्थ से निष्पादित करने की सुविधा [OpenClaw]

खोज और जानकारी संग्रहण की स्वायत्त कार्रवाई

X (Twitter) के रीयल-टाइम डेटा की स्वायत्त खोज (X Search tool): निर्दिष्ट कीवर्ड के आधार पर एजेंट द्वारा स्वायत्त रूप से X पोस्ट को खोजकर डेटा संग्रहण करने की सुविधा [xAI]
खाता निर्दिष्ट खोज एक्शन (X Search - handles): विशिष्ट X हैंडल (अधिकतम 10) को अनुमत या बहिष्कृत करके शोर-रहित खोज एक्शन को निष्पादित करने की सुविधा [xAI]
बहु-प्रदाता खोज वर्कफ्लो का स्वचालन (Agent API): कई तीसरे पक्ष के मॉडल और वेब खोज उपकरणों को संयोजित करके स्वायत्त अनुसंधान वर्कफ्लो को निष्पादित करने की सुविधा [Perplexity]
आधिकारिक वेब ब्राउज़र उपकरण का स्वायत्त संचालन (Web Search / Browser tool): एजेंट द्वारा स्वायत्त रूप से वेब ब्राउज़र को संचालित करके आवश्यक पृष्ठों तक पहुंचकर जानकारी प्राप्त करने की सुविधा [OpenAI, Anthropic/Claude, DeepSeek, Kimi, OpenClaw]

नेटवर्क, तैनाती और अन्य संचालन कार्रवाई

एजेंट के वन-क्लिक एकीकृत तैनाती (Teams / M365 deployment): निर्मित एजेंट को Teams या Microsoft 365 के व्यावसायिक वातावरण में सीधे तैनात करके संपूर्ण संगठन में उपयोग योग्य बनाने की कार्रवाई [Microsoft Copilot]
Tailscale एकीकरण द्वारा सुरक्षित दूरस्थ एक्शन नियंत्रण (Tailnet integration): VPN (Tailnet) का उपयोग करके सुरक्षित दूरस्थ वातावरण में एजेंट की कार्रवाई या गेटवे को नियंत्रित करने की सुविधा [OpenClaw] CLI ऑनबोर्डिंग द्वारा स्वायत्त सेटअप (CLI Onboarding): टर्मिनल पर एजेंट के प्रारंभिक सेटअप, चैनल एकीकरण, डेमन इंस्टॉलेशन तक को स्वचालित रूप से निष्पादित और निर्देशित करने की सुविधा [OpenClaw]
एजेंट के लिए क्लाउड बुनियादी ढांचे का स्वचालित ऑर्केस्ट्रेशन (Enterprise Agent Platform): एंटरप्राइज़ के लिए AI एजेंट की तैनाती, स्केलिंग, प्रबंधन को एकीकृत रूप से स्वचालित रूप से निष्पादित करने की सुविधा [Google/Gemini, Microsoft Copilot]
ऐप के अंदर ब्राउज़र की स्वायत्त रेंडरिंग (In-app browser): एजेंट द्वारा CLI या IDE के अंदर सीधे वेब पृष्ठों को रेंडर करके शोध परिणाम प्रदर्शित करने की सुविधा [Anthropic/Claude]
अपनी कंपनी की बुनियादी ढांचे के लिए AI मॉडल की सेल्फ-होस्टेड API निर्माण (Llama Stack): Llama मॉडल का उपयोग करके अपनी कंपनी की बुनियादी ढांचे पर API और एजेंट एकीकरण प्रणाली को एंड-टू-एंड स्वचालित रूप से निर्माण करने की सुविधा [Meta/Llama]

कार्य अनुकूलन और त्रुटि हैंडलिंग

रीयल-टाइम स्ट्रीमिंग द्वारा इवेंट वितरण (Streaming events): एजेंट द्वारा उपकरण कॉल करने या कार्रवाई करने की प्रक्रिया को रीयल-टाइम इवेंट के रूप में बाहर वितरित करने की सुविधा [OpenAI]
बातचीत और निष्पादन स्थिति का स्थायी प्रबंधन (Conversation state): एजेंट की बातचीत का इतिहास और निष्पादन स्थिति को सहेजकर दीर्घकाल में जटिल कार्यों को जारी रखने की सुविधा [OpenAI]
एजेंट वर्कफ्लो का स्वचालित परीक्षण और मूल्यांकन (Evaluate workflows): निर्मित एजेंट की एक्शन फ्लो सही ढंग से काम करती है या नहीं इसका स्वचालित परीक्षण और मूल्यांकन करने की सुविधा [OpenAI]
कौशल रजिस्ट्री से क्षमता विस्तार (Skills / ClawHub): अपनी कार्य प्रक्रिया या क्षमता को एक "कौशल" में संकलित करके कार्यक्षेत्र में गतिशील रूप से जोड़ने और एजेंट की एक्शन श्रृंखला को विस्तृत करने की सुविधा [Anthropic/Claude, OpenClaw]
एंडपॉइंट स्थिति का स्व-निदान और मरम्मत (Self-diagnostics / Doctor): विन्यास त्रुटि या पर्यावरण की खराबी को स्वचालित रूप से पहचानकर समस्या समाधान कार्रवाई को निष्पादित करने की सुविधा [OpenClaw]
सर्वर-साइड से कॉल नियंत्रण (Server-side controls): Realtime API आदि के निष्पादन के दौरान सर्वर की ओर से हस्तक्षेप करके एजेंट के ध्वनि उच्चारण या एक्शन को नियंत्रित करने की सुविधा [OpenAI]
ऐप क्रैश की स्वायत्त समस्या निवारण (Firebase error analysis): ऐप की क्रैश लॉग से मूल कारण का पता लगाकर स्वायत्त रूप से कोड की मरम्मत कार्रवाई (पैच आदि) का सुझाव देने की सुविधा [Google/Gemini]
एप्लिकेशन कोड का स्वायत्त आधुनिकीकरण (Code modernization): पुरानी भाषाओं या फ्रेमवर्क के कोडबेस को पढ़कर, नवीनतम आर्किटेक्चर में स्वायत्त रूप से पुनः लिखने की कार्रवाई [Anthropic/Claude]
CI/CD वातावरण में स्वचालित कोड फॉर्मेटिंग (Auto-formatting in CI): हुक का उपयोग करके, एजेंट द्वारा कोड संपादित करने के तुरंत बाद फॉर्मेटर (Prettier आदि) को स्वायत्त रूप से चलाने की क्षमता [Anthropic/Claude]
स्वचालित Lint जांच का निष्पादन (Auto-linting): कमिट से पहले या PR बनाने से पहले, एजेंट द्वारा स्वायत्त रूप से Lint टूल चलाने और त्रुटियों को ठीक करने की क्षमता [Anthropic/Claude]

सिस्टम एकीकरण और स्वचालन

पैकेज प्रबंधन टूल का उपयोग करके निर्भरता का स्वचालित अपडेट (Dependency update): एजेंट द्वारा npm या pip जैसे पैकेज मैनेजर को स्वायत्त रूप से संचालित करके लाइब्रेरी को अपडेट करने की क्षमता [Anthropic/Claude]
संकलन और बिल्ड प्रक्रिया का स्वचालित निष्पादन (Build automation): एजेंट द्वारा सिस्टम की बिल्ड कमांड (make, build आदि) को स्वायत्त रूप से चलाने और त्रुटियों को हल करने की क्षमता [Anthropic/Claude]
चल रहे कंटेनर में स्वायत्त संलग्न (Container manipulation): एजेंट द्वारा कार्यशील Docker कंटेनर से जुड़ने और इसके अंदर कमांड चलाने की कार्रवाई [OpenClaw]
कस्टम प्रॉम्प्ट से स्वचालित टूल जनरेशन (Prompt as a tool): उपयोगकर्ता द्वारा लिखित कस्टम प्रॉम्प्ट को ही एक टूल के रूप में लपेटना और अन्य एजेंट से कॉल करने योग्य बनाने की क्षमता [Microsoft Copilot]
वॉइस एजेंट का संवाद सिमुलेशन परीक्षण (Test voice-enabled agents): बनाए गए वॉइस कॉल एजेंट की कार्रवाइयों और प्रतिक्रियाओं को सिम्युलेटर पर स्वचालित रूप से परीक्षण करने की क्षमता [Microsoft Copilot]
सिंगल साइन-ऑन (SSO) एकीकरण की कार्रवाई स्वचालन (SSO Integration): Teams आदि में एजेंट का उपयोग करते समय, Entra ID आदि का उपयोग करके प्रमाणीकरण कार्रवाई को स्वायत्त रूप से संभालने की क्षमता [Microsoft Copilot]
फ़ाइल अपलोड का उपयोग करके स्वायत्त डेटा प्रसंस्करण (File inputs processing): एजेंट द्वारा उपयोगकर्ता द्वारा अपलोड की गई फ़ाइल को प्राप्त करना और स्वायत्त रूप से विश्लेषण और परिवर्तन प्रसंस्करण करने की क्षमता [OpenAI]
पाठ से वॉइस संश्लेषण कार्रवाई (TTS execution): एजेंट द्वारा उत्पन्न पाठ को API को भेजकर वॉइस डेटा को आउटपुट और चलाने की क्षमता [OpenAI, xAI, OpenClaw]
वॉइस से ट्रांसक्रिप्शन कार्रवाई (STT execution): एजेंट द्वारा वॉइस डेटा को प्राप्त करना और बाहरी ट्रांसक्रिप्शन टूल को कॉल करके पाठ में बदलने की क्षमता [OpenAI, xAI]
RAG पाइपलाइन का स्वायत्त ऑर्केस्ट्रेशन (RAG integrations): एजेंट द्वारा उपयोगकर्ता के प्रश्न को प्राप्त करना, स्वायत्त रूप से वेक्टर DB को खोजना और जानकारी को एकीकृत करके प्रतिक्रिया उत्पन्न करने की एक श्रृंखला कार्रवाई [Anthropic/Claude, Mistral]
लाइव स्ट्रीमिंग प्लेटफॉर्म के साथ चैट एकीकरण (Twitch integration): Twitch जैसे लाइव स्ट्रीमिंग प्लेटफॉर्म के चैट से एजेंट का संयोजन और दर्शकों के साथ स्वायत्त रूप से संवाद करने की क्षमता [OpenClaw]
गैर-इंटरेक्टिव मोड में स्वचालित कार्य निष्पादन (Non-interactive Mode): CI/CD पाइपलाइन आदि में, मानव हस्तक्षेप के बिना CLI एजेंट को पूरी तरह स्वचालित रूप से चलाकर कार्य पूरा करने का मोड [Anthropic/Claude]
क्लाउड इनफ्रास्ट्रक्चर का कोड स्वचालित अनुप्रयोग (Terraform/IaC execution): एजेंट द्वारा इनफ्रास्ट्रक्चर प्रबंधन टूल (Terraform आदि) का कोड जनरेट करना और स्वायत्त रूप से लागू करके पर्यावरण का निर्माण करने की कार्रवाई [Google/Gemini]
सिस्टम त्रुटि के समय फॉलबैक कार्रवाई (Fallback routing): मुख्य एजेंट या API के डाउन होने की स्थिति में, स्वचालित रूप से उप-प्रणाली या हल्के मॉडल को रूट करके कार्य जारी रखने की क्षमता [OpenClaw]
मुख्य और गैर-मुख्य सत्र का अनुमति स्वचालित स्विचिंग (Permission switching): उपयोगकर्ता के अपने संचालन और बाहरी पहुंच में, टूल निष्पादन की अनुमति और सैंडबॉक्स की आवश्यकता को स्वायत्त रूप से स्विच करने की क्षमता [OpenClaw]
अपने विकास वातावरण में इनलाइन कार्रवाई (IDE integrations): VS Code या JetBrains जैसे संपादकों में, एजेंट द्वारा सीधे कोड सम्मिलन या रिफैक्टरिंग कार्रवाई को निष्पादित करने की क्षमता [Anthropic/Claude, Google/Gemini]
ब्राउज़र में स्वायत्त वेब अनुसंधान और डेटा निष्कर्षण (Web fetch / scraping): URL निर्दिष्ट करके एजेंट द्वारा स्वायत्त रूप से वेबपेज प्राप्त करना, DOM को विश्लेषण करके आवश्यक डेटा निकालने की कार्रवाई [Anthropic/Claude]
कई क्वेरीज़ का समानांतर स्वायत्त निष्पादन (Multi-query support): एजेंट द्वारा जटिल कार्य को कई खोज क्वेरीज़ में विभाजित करना और API को एक साथ चलाकर जानकारी एकत्र करने की क्षमता [Perplexity]
X थ्रेड का स्वायत्त संपूर्ण फेच (Thread fetch): एजेंट द्वारा X पर एक विशिष्ट थ्रेड को वापस जाना और बातचीत के संदर्भ को पूरी तरह स्वायत्त रूप से प्राप्त करने की कार्रवाई [xAI]
तीसरे पक्ष के प्लेटफॉर्म के साथ एंड-टू-एंड एकीकरण (WhatsApp/Cloud Provider integration): Llama मॉडल आदि का उपयोग करके, WhatsApp आदि ऐप्स से क्लाउड इनफ्रास्ट्रक्चर की एक श्रृंखला कार्रवाइयों को स्वायत्त रूप से जोड़ने की क्षमता [Meta/Llama]

अन्य कार्यक्षमता

उपरोक्त समझ, खोज, तर्क, जनरेशन, कार्रवाई के अलावा अन्य कार्यक्षमताएं। शिक्षा, अनुकूलन, मूल्यांकन, निगरानी, प्रबंधन, संचालन, सुरक्षा, गवर्नेंस, इनफ्रास्ट्रक्चर, तैनाती, डेवलपर टूल्स आदि से संबंधित कार्यक्षमताएं।

शिक्षा, कस्टमाइजेशन, प्रदर्शन अनुकूलन

फाइन-ट्यूनिंग (Supervised fine-tuning): अपने डेटासेट के साथ मॉडल को सूक्ष्म समायोजन करके विशिष्ट कार्य की सटीकता में सुधार [OpenAI]
विजुअल कार्यक्षमता की फाइन-ट्यूनिंग (Vision fine-tuning): छवि डेटा सहित मल्टीमॉडल सूक्ष्म समायोजन [OpenAI]
सीधी प्राथमिकता अनुकूलन (Direct preference optimization / DPO): मानव पसंद के अनुसार मॉडल के आउटपुट को अनुकूलित करना [OpenAI]
सुदृढीकरण शिक्षा फाइन-ट्यूनिंग (Reinforcement fine-tuning): विशिष्ट पुरस्कार के आधार पर मॉडल के व्यवहार को अनुकूलित करना [OpenAI]
कस्टम मॉडल का स्वयं की शिक्षा (Custom training): खुले मॉडल आदि को अपने कंपनी के वातावरण में स्वतंत्र रूप से प्रशिक्षण देना [Google/Vertex AI]
खुले मॉडल की फाइन-ट्यूनिंग (Fine-tuning recipes): Llama मॉडल आदि को विशिष्ट उपयोग मामलों के लिए सूक्ष्म समायोजन करना [Meta/Llama]
प्रॉम्प्ट कैशिंग (Prompt caching): लंबी प्रॉम्प्ट को कैश करके API की लेटेंसी और लागत को कम करना [OpenAI, Anthropic, xAI]
संदर्भ कैशिंग (Context Caching): बड़े इनपुट संदर्भ को सिस्टम की ओर से कैश करना [DeepSeek]
बैच प्रसंस्करण API (Batch API): गैर-सिंक्रोनस रूप से बड़ी मात्रा में API अनुरोधों को एक साथ संसाधित करके लागत को आधा करना [OpenAI, Anthropic, xAI]
विलंब अनुकूलन / पूर्वानुमान आउटपुट (Predicted Outputs): ज्ञात आउटपुट को पूर्वानुमान लगाकर जनरेशन गति को बहुत बढ़ाना [OpenAI]
प्राथमिकता और लचीला प्रसंस्करण (Priority / Flex processing): API अनुरोध की प्रसंस्करण प्राथमिकता को कम करके लागत को अनुकूलित करना [OpenAI]
प्रदान की गई थ्रूपुट (Provisioned Throughput): समर्पित कंप्यूट संसाधनों को आरक्षित करके स्थिर थ्रूपुट सुनिश्चित करना [xAI]
अनुमान की क्वांटाइजेशन और मेमोरी ऑफलोड (Quantization & Offloading): सीमित संसाधन वाले उपकरणों पर बड़े मॉडल चलाने के लिए अनुकूलन [Diffusers]
TensorRT अनुकूलित मॉडल (NVIDIA TensorRT optimized): NVIDIA GPU के लिए अनुमान गति को अधिकतम तक अनुकूलित करना [Stability AI]
AMD GPU अनुकूलित मॉडल (AMD Optimized): AMD वातावरण में छवि जनरेशन के लिए विशेष मॉडल ट्यूनिंग [Stability AI]
PyTorch संकलन अनुकूलन (torch.compile): कोड को संकलित करके अनुमान गति को बढ़ावा देना [Diffusers]
प्रॉम्प्ट का स्वयं-अनुकूलन (Prompt optimizer): मॉडल द्वारा अपनी प्रॉम्प्ट को विश्लेषण करके सबसे प्रभावी संरचना में स्वचालित रूप से सुधार करना [OpenAI]
Microsoft 365 Copilot ट्यूनिंग (पूर्वावलोकन): संगठन के विशिष्ट डेटा और शब्दावली के अनुसार Copilot को ट्यून करना [Microsoft]

मूल्यांकन, निगरानी, प्रेक्षणीयता

मॉडल का स्वचालित मूल्यांकन टूल (Evals / Graders): डेटा-संचालित तरीके से मॉडल के प्रदर्शन और सटीकता का मूल्यांकन और मूल्य निर्धारण [OpenAI]
मूल्यांकन परीक्षण सेट का निर्माण (Create test sets): एजेंट का मूल्यांकन करने के लिए कस्टम परीक्षण डेटा बनाएं [Copilot Studio]
मूल्यांकन उपकरण UI (Evaluation Tool): कंसोल पर प्रॉम्प्ट आउटपुट को साथ में रखकर देखें और दृश्य रूप से मूल्यांकन करें [Anthropic]
एजेंट वर्कफ्लो का स्वचालित मूल्यांकन (Evaluate workflows): जटिल एजेंट के व्यवहार प्रवाह की सही कार्यप्रणाली का परीक्षण करें [OpenAI]
मॉडल प्लेग्राउंड (Studio playground): पैरामीटर समायोजित करते समय मॉडल आउटपुट को वास्तविक समय में तुलना करें और परीक्षण करें [Mistral AI]
जनरेटिव AI मॉडल मूल्यांकन सेवा (Gen AI Evaluation): एंटरप्राइज-गुणवत्ता का उद्देश्यपूर्ण मॉडल मूल्यांकन आधार [Google/Vertex AI]
MLOps प्लेटफॉर्म (MLOps): मॉडल की निगरानी, मूल्यांकन, और पाइपलाइन ऑर्केस्ट्रेशन को स्वचालित करें [Google Cloud]
मॉडल इनपुट स्क्यू और ड्रिफ्ट निगरानी (Model Monitoring): संचालन में डेटा प्रवृत्ति में परिवर्तन और मॉडल बिगड़ने की निगरानी करें [Google/Vertex AI]
एजेंट प्रदर्शन विश्लेषण (Analytics): बातचीत की सफलता दर और उपयोगकर्ता संतुष्टि जैसे मेट्रिक्स का विश्लेषण करें [Copilot Studio]
स्वायत्त एजेंट स्वास्थ्य विश्लेषण (Agent health): स्वतंत्र रूप से कार्य करने वाले एजेंट की त्रुटि दर और परिचालन स्थिति की निगरानी करें [Copilot Studio]
क्लाउड सिस्टम अवलोकनीयता (Cloud Logging / Monitoring): बुनियादी ढांचे और API लॉग तथा मेट्रिक्स को एकीकृत रूप से निगरानी करें [Google Cloud]
एप्लिकेशन ट्रेसिंग (Error Reporting / Trace): API कॉल विलंबता और त्रुटियों के स्रोत को ट्रैक और पहचानें [Google Cloud]
API सिस्टम स्थिति API (System Status API): सेवा की परिचालन स्थिति को प्रोग्राम से निगरानी करें [Perplexity]
विस्तृत टोकन उपयोग ट्रैकिंग (Counting tokens / Usage): प्रॉम्प्ट और कैश में खर्च किए गए टोकन संख्या को सटीक रूप से निगरानी करें [OpenAI, Anthropic]

प्रबंधन, संचालन और बिलिंग

संगठन और वर्कस्पेस प्रबंधन (Manage workspaces): टीम के अनुसार स्वतंत्र वर्कस्पेस और पर्यावरण बनाएं और प्रबंधित करें [Mistral AI, Anthropic]
प्रोजेक्ट प्रबंधन (Projects): एप्लिकेशन के अनुसार API कुंजियों और कॉन्फ़िगरेशन को विभाजित करने के लिए प्रोजेक्ट फ़ंक्शन [OpenAI]
उपयोगकर्ता आमंत्रण और प्रबंधन (User Management / Invites): संगठन में सदस्य आमंत्रण और खाते जीवन चक्र प्रबंधन [OpenAI, Mistral AI]
भूमिका का आवंटन (Roles / Permissions): उपयोगकर्ता के अनुसार देखने, संपादित करने, प्रशासक आदि अनुमतियां दें [OpenAI, Mistral AI]
API कुंजी का निर्माण और रोटेशन (API Key Management): वर्कस्पेस के अनुसार API कुंजी जारी करें और अक्षम करें [सामान्य]
प्रशासक API (Admin API): वर्कस्पेस और कुंजियों के प्रबंधन को प्रोग्राम से स्वचालित करें [OpenAI, Anthropic]
प्रशासक ट्रैकिंग API कुंजी (Admin API Keys): संपूर्ण संगठन के उपयोग को ट्रैक करने के लिए विशेष API कुंजी [OpenAI]
बिलिंग और FinOps डैशबोर्ड (Billing Management): टीम के अनुसार API उपयोग लागत को दिखाएं और प्रबंधित करें [Mistral AI, xAI]
उपयोग सीमा और दर सीमा प्रबंधन (Rate limits & Tiers): वर्तमान API दर सीमा (RPM/TPM) और टीयर की पुष्टि तथा सीमा प्रबंधन [OpenAI, Perplexity]
क्लाउड लागत प्रबंधन उपकरण (Cost Management): पूरे बुनियादी ढांचे की लागत को अनुकूलित करें और बजट सतर्कता निर्धारित करें [Google Cloud]
ऑडिट लॉग सुविधा (Audit Logs): कौन कब सिस्टम में बदलाव लाया इसका रिकॉर्ड रखें और सुरक्षा ऑडिट के लिए उपयोग करें [OpenAI, xAI, Microsoft]
लाइसेंस का आवंटन (Assign licenses): Copilot और एजेंट के उपयोग लाइसेंस को उपयोगकर्ता को दें [Copilot Studio]
मॉडल रजिस्ट्री (Model Registry): प्रशिक्षित मॉडल के संस्करण और मेटाडेटा को एकीकृत रूप से प्रबंधित करें [Google/Vertex AI]
फीचर स्टोर (Feature Store): ML मॉडल में पुनः उपयोग किए जाने वाले फीचर्स को साझा और प्रबंधित करें [Google/Vertex AI]
सदस्यता स्वचालित नवीनीकरण प्रबंधन (Managing Subscription): भुगतान योजना को अपग्रेड/डाउनग्रेड करने और स्वचालित नवीनीकरण प्रबंधित करें [Midjourney]
संगठन के कर स्थिति सेटिंग (Tax / VAT): निगम के लिए VAT छूट और कर जानकारी कॉन्फ़िगरेशन [Midjourney]
क्रेडिट खपत प्रबंधन (Credits management): छवि निर्माण आदि में क्रेडिट (मुद्रा) की खपत ट्रैकिंग [Stability AI]

सुरक्षा, शासन और एक्सेस नियंत्रण

सिंगल साइन-ऑन एकीकरण (SSO / SAML): कंपनी के IdP (Okta आदि) का उपयोग करके सुरक्षित लॉगिन एकीकरण [Mistral AI, xAI]
Microsoft Entra ID द्वारा SSO एकीकरण: Teams आदि में एजेंट उपयोग के समय निर्बाध प्रमाणीकरण [Microsoft]
भूमिका आधारित पहुंच नियंत्रण (RBAC): API और संसाधनों तक पहुंच को नियंत्रित करने के लिए विस्तृत अनुमति सेटिंग [xAI]
एजेंट डेटा नीति कॉन्फ़िगरेशन (Data policies): एजेंट के द्वारा एक्सेस किए जा सकने वाले कंपनी डेटा और निष्पादन योग्य कार्यों को सीमित करें [Copilot Studio]
सुरक्षा फ़िल्टर और संयम (Moderation): हानिकारक प्रॉम्प्ट और आउटपुट को ब्लॉक और मूल्यांकन करने वाला API [OpenAI, Meta]
साइबरसुरक्षा सत्यापन (Cybersecurity checks): एप्लिकेशन सुरक्षा मानकों को पूरा करता है या नहीं इसकी जांच [OpenAI]
आयु सत्यापन और नाबालिग संरक्षण (Under 18 API / Age Assurance): बायोमेट्रिक जानकारी या उपयोग संकेतों से निर्धारित करें कि उपयोगकर्ता 18 वर्ष या अधिक है [OpenAI, C.AI]
अनुपालन प्रबंधन (Compliance): SOC 2, GDPR, CCPA जैसे कठोर नियामक मानकों के अनुपालन की सुविधा [xAI]
डेटा अवस्थिति नियंत्रण (Data residency): डेटा संग्रहीत और संसाधित किए जाने वाली भौगोलिक क्षेत्र (देश) को कठोरता से निर्दिष्ट करें [xAI]
डेटा एन्क्रिप्शन और अलगाव (Encryption / Separation): प्रशिक्षण में उपयोग न किए जाने वाले डेटा को अलग रखें और भेजने/प्राप्त करने और संग्रहीत करते समय एन्क्रिप्ट करें [Meta]
mTLS प्रमाणीकरण (mTLS Authentication): क्लाइंट और सर्वर दोनों की ओर से प्रमाणपत्र का उपयोग करके कठोर API प्रमाणीकरण [xAI]
सुरक्षा कमांड सेंटर (Security Command Center): क्लाउड पर खतरे और कमजोरियों की एकीकृत निगरानी [Google Cloud]
संवेदनशील डेटा की सुरक्षा (Sensitive Data Protection): PII (व्यक्तिगत जानकारी) जैसे संवेदनशील डेटा को स्वचालित रूप से खोजें, मास्क और सुरक्षित करें [Google Cloud]
VPC सेवा नियंत्रण (VPC-SC): कंपनी नेटवर्क से बाहरी तरफ डेटा के बहिर्वाह (रिसाव) को रोकें [Google Cloud]
eDiscovery और डेटा प्रतिधारण (eDiscovery / Legal hold): मुकदमा या ऑडिट के लिए Copilot वार्तालाप इतिहास को बनाए रखें और खोजें [Microsoft 365]
API फिंगरप्रिंट प्रबंधन (Fingerprint): बैकएंड मॉडल परिवर्तन को ट्रैक करने के लिए पहचानकर्ता प्रबंधन [xAI]
DM पेयरिंग और एक्सेस नियंत्रण (DM pairing / Allowlist): अज्ञात उपयोगकर्ताओं से DM को ब्लॉक करें और अनुमोदन आवश्यक बनाएं [OpenClaw]
सुरक्षित सैंडबॉक्स पर्यावरण (Docker/SSH Sandbox): एजेंट को सिस्टम संचालन के समय अलग कंटेनर पर्यावरण तक सीमित करें [OpenClaw]

अवसंरचना, परिनियोजन और स्केलिंग

Llama स्टैक (API परत की स्व-होस्टिंग): Llama मॉडल को अपने बुनियादी ढांचे पर API के रूप में होस्ट करने के लिए आधार [Meta]
Llama हर जगह (एज परिनियोजन): डेस्कटॉप या Linux आधारित ऑन-प्रिमाइसेस पर्यावरण में सीधे मॉडल को तैनात करें [Meta]
AI एज परिनियोजन (Google AI Edge): मोबाइल और एम्बेडेड डिवाइस के लिए हल्के AI मॉडल को तैनात करें [Google]
क्लाउड मॉडल परिनियोजन (Prediction / Serving): प्रशिक्षित मॉडल को बैच भविष्यवाणी या ऑनलाइन भविष्यवाणी API के रूप में प्रकाशित करें [Google/Vertex AI]
सर्वरलेस कंटेनर परिनियोजन (Cloud Run / Cloud Functions): AI ऐप के बैकएंड को बुनियादी ढांचे प्रबंधन के बिना स्वचालित रूप से स्केल करके परिनियोजित करें [Google Cloud]
Kubernetes क्लस्टर एकीकरण (Google Kubernetes Engine): कंटेनरीकृत बड़े पैमाने पर AI वर्कलोड को ऑर्केस्ट्रेट करें [Google Cloud]
एंटरप्राइज एजेंट डिप्लॉयमेंट (Enterprise Agent Platform): निर्मित एजेंट को उत्पादन वातावरण में स्केलेबली तरीके से तैनात करें [Google Cloud]
तीसरे पक्ष के क्लाउड में डिप्लॉयमेंट: Amazon Bedrock या Vertex AI की बुनियादी ढांचे पर Claude मॉडल को संचालित करें [Anthropic]
Microsoft Foundry में डिप्लॉयमेंट: एंटरप्राइज के लिए PaaS वातावरण में AI मॉडल और एजेंट को तैनात करें [Microsoft]
API गेटवे के साथ एकीकरण (Apigee / Application Integration): अपने API को सुरक्षित रूप से सार्वजनिक करें और AI के साथ जुड़ाव के लिए राउटिंग बुनियादी ढांचा [Google Cloud]
Tailscale नेटवर्किंग एकीकरण: Tailnet का उपयोग करके, दूरस्थ वातावरण से स्थानीय AI सहायक तक सुरक्षित रूप से पहुंचें [OpenClaw]
एयर गैप·ऑन-प्रिमाइसेज डिप्लॉयमेंट (Google Distributed Cloud): इंटरनेट से अलग बंद नेटवर्क वातावरण में AI बुनियादी ढांचा तैनात करें [Google Cloud]
CI/CD पाइपलाइन (Cloud Build / Cloud Deploy): AI एप्लिकेशन की बिल्ड और डिप्लॉयमेंट को स्वचालित करें [Google Cloud]
बुनियादी ढांचे का कोडीकरण (Infrastructure Manager): Terraform आदि का उपयोग करके AI के लिए क्लाउड बुनियादी ढांचे को कोड से प्रबंधित और निर्मित करें [Google Cloud]
बैच·कार्य शेड्यूल (Cloud Scheduler / Batch): अतुल्यकालिक भारी डेटा प्रोसेसिंग या अनुमान कार्यों को शेड्यूल करके चलाएं [Google Cloud]
समर्पित अनुमान एंडपॉइंट (Inference Endpoints): Hugging Face पर कस्टम मॉडल को समर्पित API बुनियादी ढांचे के रूप में तैनात करें [Hugging Face]

विकासकर्ता अनुभव·इंटरफेस·पारिस्थितिकी तंत्र

Web Control UI डैशबोर्ड: ब्राउज़र से स्थानीय एजेंट की चैट, कॉन्फ़िगरेशन, सत्र को प्रबंधित करें [OpenClaw]
CLI ऑनबोर्डिंग (openclaw onboard): टर्मिनल पर एजेंट की स्थापना और कॉन्फ़िगरेशन को इंटरैक्टिव रूप से स्वचालित करें [OpenClaw]
macOS के लिए सिस्टम प्रबंधन ऐप (OpenClaw.app): मेनू बार से गेटवे का स्टार्टअप और स्थिति को प्रबंधित करें [OpenClaw]
सिस्टम स्व-निदान कार्यक्षमता (openclaw doctor): कॉन्फ़िगरेशन त्रुटियों और पर्यावरण समस्याओं को स्वचालित रूप से पहचानें और समस्या निवारण करें [OpenClaw]
विकास चैनल स्विचिंग (Update channels): Stable, Beta, Dev आदि जैसे रिलीज चैनल को कमांड से स्विच करें [OpenClaw]
IDE एकीकरण एक्सटेंशन (VS Code / JetBrains extension): विकास वातावरण के संपादक में AI सहायक को सीधे एकीकृत करें [Anthropic, Google]
स्थानीय कार्य ट्री वातावरण (Worktrees): मुख्य कार्य वातावरण को प्रभावित किए बिना, एजेंट के लिए स्वतंत्र कार्य शाखा बनाएं [Anthropic]
प्रोजेक्ट-विशिष्ट निर्देश फ़ाइल (CLAUDE.md / AGENTS.md): रिपोजिटरी की मूल में रखें और एजेंट को स्वचालित रूप से प्रोजेक्ट नियम पढ़ाएं [Anthropic, OpenClaw]
गैर-इंटरैक्टिव स्वचालन मोड (Non-interactive Mode): CI/CD आदि में मानव हस्तक्षेप के बिना CLI एजेंट को स्वचालित रूप से चलाएं [Anthropic]
विकासकर्ता मोड / ट्रेस (/trace): एजेंट की आंतरिक प्रक्रिया और नेटवर्क अनुरोधों का विस्तार से लॉग आउटपुट करें [OpenAI, OpenClaw]
OpenAI-संगत API एंडपॉइंट (OpenAI Compatibility): मौजूदा OpenAI SDK का उपयोग करके अन्य कंपनियों के मॉडल (Llama, DeepSeek आदि) को कॉल करें [Meta, Perplexity, DeepSeek]
Model Context Protocol (MCP) पारिस्थितिकी तंत्र: विभिन्न AI मॉडल और उपकरणों के बीच संदर्भ को मानकीकृत करके जुड़ाव के लिए प्रोटोकॉल बुनियादी ढांचा [Anthropic, OpenAI, Microsoft]
कस्टम विजेट एम्बेड करना (ChatKit Widgets): ChatGPT UI में तीसरे पक्ष के कस्टम विजेट को एम्बेड करने की विकासकर्ता कार्यक्षमता [OpenAI]
प्रॉम्प्ट तुलना और प्रबंधन (GitHub Models): कई प्रॉम्प्ट के आउटपुट की तुलना करने और प्रबंधित करने के लिए विकासकर्ता उपकरण [GitHub]
GitHub Actions स्वचालन एकीकरण: रिपोजिटरी की घटनाओं को ट्रिगर करके, CI/CD वर्कफ़्लो के अंदर AI मॉडल चलाएं [GitHub]
नोटबुक वातावरण एकीकरण (Colab Enterprise): Jupyter Notebook जैसे वातावरण में AI मॉडल विकास और डेटा विज्ञान को एकीकृत करें [Google Cloud]
ऐप में ब्राउज़र एकीकरण (In-app browser): एजेंट CLI या IDE के भीतर सीधे वेब पेजों को रेंडर करके अनुसंधान परिणाम प्रदर्शित करें [Anthropic]

निष्कर्ष में

AI से जो कुछ किया जा सकता है वह बढ़ रहा है, और हम भविष्य में भी नियमित रूप से अपडेट करेंगे। मेरे लिए, मैं रियल एस्टेट और निर्माण उद्योग के लिए विशेष AI एजेंट विकसित कर रहा हूं, और मैं उन क्षेत्रों पर ध्यान केंद्रित करना चाहता हूं जहां उपरोक्त सामान्य-उद्देश्य AI के साथ भविष्य में भी सामना करना कठिन होगा और अनुसंधान और विकास में आगे बढ़ना चाहता हूं।

पढ़ा हुआ

इसके बाद पढ़ें ↓

Author

Masahiro Taima

टोक्यो विश्वविद्यालय स्नातकोत्तर इंजीनियरिंग विभाग शहरी इंजीनियरिंग विभाग डॉक्टरेट कार्यक्रम पूर्ण (Ph.D.)। इसके बाद केइओ विश्वविद्यालय में विशेष सहायक प्रोफेसर, क्योटो विश्वविद्यालय में विशेष सहायक प्रोफेसर, और लंदन विश्वविद्यालय और बीजिंग विश्वविद्यालय में अतिथि शोधकर्ता के रूप में कार्य किए हैं। वास्तुकला और सिविल इंजीनियरिंग योजना तथा विश्लेषण में कार्यरत। mign के प्रतिनिधि निदेशक।