Rabbit परिचित स्क्रीन के लिए अपना दांव गैजेट से एजेंट की ओर मोड़ रहा है
OS3 ब्राउज़र, मैसेजिंग ऐप्स और कंप्यूटर पर काम को एकीकृत करता है: एजेंट ऐप्लिकेशन और वेब में कार्रवाइयाँ कर सकता है, और इसके लिए R1 डिवाइस की आवश्यकता नहीं है। सदस्यता शुल्क के बजाय, सिस्टम उपयोगकर्ता की API कुंजियों या कनेक्ट किए गए स्थानीय मॉडलों का उपयोग करता है।
अलग-अलग स्क्रीन पर पहुँच
Rabbit का ध्यान किसी एक गैजेट से हटकर पहले से मौजूद उपकरणों के लिए सॉफ़्टवेयर प्लेटफ़ॉर्म पर जा रहा है। कंपनी ने OS3 की घोषणा की है—कई स्क्रीन के लिए एक स्वतंत्र एजेंटिक ऑपरेटिंग सिस्टम।
इसे इस्तेमाल करने के लिए Rabbit R1 की ज़रूरत नहीं है। OS3 कंप्यूटर पर ब्राउज़र में, फ़ोन पर Telegram में और iMessage में उपलब्ध है।
R1 के मालिकों को भी सॉफ़्टवेयर अपडेट के रूप में OS3 मिलेगा। डिवाइस इनपुट और आउटपुट के साधन के रूप में काम कर सकेगा।
व्यावहारिक कसौटी: OS3 को कंप्यूटर और फ़ोन के ज़रिए काम करने के लिए बनाया गया है, न कि सिर्फ़ किसी अलग Rabbit डिवाइस के ज़रिए।
OS3 कंप्यूटर के साथ कैसे काम करता है
OS3 क्लाउड में काम करता है और एक लोकल एजेंट के ज़रिए कंप्यूटर के प्रोग्रामों, फ़ाइलों और वेब पेजों से जुड़ता है। यह एजेंट Windows, Mac या Linux पर इंस्टॉल होता है।
- सिस्टम DLAM — Direct Large Action Model तकनीक का इस्तेमाल करता है।
- यह लोकल प्रोग्रामों में काम पूरे करता है, साथ ही कोड लिखता और डीबग करता है।
- एक अकाउंट से अधिकतम पाँच कंप्यूटर जोड़े जा सकते हैं; OS3 खुद चुनता है कि काम किस कंप्यूटर पर करना है।
व्यावहारिक कसौटी: यह व्यवस्था उन कामों के लिए उपयुक्त है जिनमें कंप्यूटर के प्रोग्रामों और फ़ाइलों तक पहुँच की ज़रूरत होती है।
चैट और तृतीय-पक्ष स्किल
OS3 का इंटरफ़ेस एक ही लगातार चलने वाली चैट है, जिसमें अलग-अलग संवाद थ्रेड नहीं होते। उपयोगकर्ता उसमें किसी तृतीय-पक्ष एजेंट की स्किल का सार्वजनिक लिंक डाल सकता है।
इसके बाद OS3 उस स्किल को अपने-आप इंस्टॉल कर लेता है। बातचीत अलग थ्रेड में जाने के बजाय उसी साझा चैट में जारी रहती है।
व्यावहारिक कसौटी: इंटरफ़ेस की मुख्य विशेषता एक ही संवाद और सार्वजनिक लिंक से स्किल इंस्टॉल करने की सुविधा है।
कीज़ और भुगतान
OS3 Bring Your Own Key (BYOK) मॉडल का इस्तेमाल करता है: कोई मासिक सदस्यता शुल्क नहीं है। इसे चलाने के लिए उपयोगकर्ता को अपनी API कीज़ देनी होती हैं, उदाहरण के लिए OpenAI या Anthropic की।
API कीज़ के बजाय ओपन-सोर्स लोकल मॉडल भी जोड़े जा सकते हैं। दोनों ही मामलों में, उपयोगकर्ता खुद चुने हुए मॉडल तक पहुँचने का तरीका उपलब्ध कराता है।
व्यावहारिक कसौटी: मॉडल के लिए अपनी API की या लोकल मॉडल का कनेक्शन ज़रूरी है; कोई मासिक सदस्यता शुल्क नहीं है।
Rabbit डिवाइसों के लिए क्या योजना बना रहा है
Rabbit अब Rabbit R1 का उत्पादन नहीं करता और डिवाइस का स्टॉक घट रहा है। कंपनी की Rabbit R2 जारी करने की कोई योजना नहीं है।
Rabbit ने अपने अगले हार्डवेयर डिवाइस का नाम Cyberdeck बताया है—vibe coding के लिए एक खास मशीन, जो OS3 पर काम करेगी। जेसी ल्यू ने कहा था कि इसे “कुछ महीनों” में आ जाना चाहिए।
व्यावहारिक कसौटी: Rabbit का ज़ोर अब सॉफ़्टवेयर प्लेटफ़ॉर्म पर है; कंपनी अगले डिवाइस के रूप में R1 का नया संस्करण नहीं, बल्कि Cyberdeck पेश कर रही है।
अक्सर पूछे जाने वाले प्रश्न
समान सामग्री
सभी सामग्री
इंटरैक्टिव XR विकास में कोडिंग एजेंटों का मूल्यांकन: GenXR-Bench के निष्कर्ष
GenXR-Bench प्रकाशित किया गया है—इंटरैक्टिव XR विकास में coding एजेंटों के एंड-टू-एंड मूल्यांकन के लिए 112 विशेषज्ञ कार्यों का एक सेट: सुविधाओं को बेहतर बनाने और दोषों को ठीक करने से लेकर उपभोक्ता उपकरणों पर व्यवहार की जाँच के साथ ऐप्लिकेशन बनाने तक। परीक्षण किए गए दस मॉडलों में सर्वश्रेष्ठ परिणाम 50,9% Pass@1 रहा; बार-बार सामने आने वाली विफलताओं में सेंसर की असिंक्रोनस घटनाओं को संभालना, वस्तुओं को वास्तविक स्थान से जोड़ना और भौतिक संदर्भ में अंतःक्रिया को समझना शामिल हैं।
5 नवम्बर 2026
हाइब्रिड इमेज एनोटेशन: ऑटोमेशन कंप्यूटर विज़न मॉडल्स के प्रशिक्षण को तेज़ करता है
यह लेख बताता है कि एल्गोरिदम द्वारा पूर्व-लेबलिंग मैन्युअल काम को कैसे कम करती है और प्रशिक्षण डेटासेट की गुणवत्ता कैसे बढ़ाती है, साथ ही यह भी कि इंसानों द्वारा नमूना-आधारित सत्यापन अब भी क्यों ज़रूरी है। इसमें कठिन शूटिंग परिस्थितियों और दुर्लभ प्रकार की वस्तुओं के मामले में इस विधि की सीमाओं पर चर्चा की गई है।
5 नवम्बर 2026
स्केलर पुरस्कार से पारेतो फ्रंट तक: बहु-उद्देश्यीय रीइन्फोर्समेंट लर्निंग के साथ RTL का LLM संश्लेषण
एक भाषा मॉडल को एक ही डिज़ाइन के बजाय क्षेत्रफल, विलंबता और ऊर्जा खपत के बीच अलग-अलग समझौतों वाले RTL उम्मीदवारों का एक सेट तैयार करने के लिए प्रशिक्षित करने का तरीका प्रस्तावित किया गया है; इनाम की गणना पारेतो फ्रंट के हाइपरवॉल्यूम में प्रत्येक उम्मीदवार के योगदान के आधार पर की जाती है। RTLLM v2 पर, PPA अनुकूलन के बिना मूल संस्करण की तुलना में सापेक्ष हाइपरवॉल्यूम 13,3 प्रतिशत अंक और एकल-उद्देश्यीय सुदृढीकरण सीखने की तुलना में 14,4 प्रतिशत अंक बढ़ा।
5 नवम्बर 2026