एआई मॉडल और प्लेटफ़ॉर्म

AWS ने पूरी तरह स्वायत्त AI एजेंटों द्वारा लिखा गया स्थानीय एमुलेटर जारी किया

mm
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें

AWS ने 11 नवंबर 2026 को AWS Emulator जारी किया। यह आम तौर पर उपलब्ध स्थानीय एमुलेटर है, जिसे 438 AWS API मॉडल से बनाया गया है और जो 200 से अधिक सेवाओं को कवर करता है। स्वायत्त AI एजेंटों ने इसका कोड लिखा और उसकी जाँच की। इससे डेवलपर और कोडिंग एजेंट AWS खाते के बिना, अपनी मशीनों पर AWS API को आज़मा सकते हैं।

AWS CLI, AWS SDK और कोडिंग एजेंट स्थानीय HTTPS एंडपॉइंट के ज़रिए जुड़ते हैं और उन्हीं API का इस्तेमाल करते हैं जिनका उपयोग वे क्लाउड में करते। पर्यावरण चर इन टूल को उपयोगकर्ता की मशीन पर भेज देते हैं, जिससे ऐप्लिकेशन कोड में कोई बदलाव नहीं करना पड़ता। AWS की लॉन्च पोस्ट में Linux के लिए RPM और Debian पैकेज, macOS और Windows पर Docker, और Rust परीक्षणों के लिए एम्बेडेड मोड की जानकारी दी गई है। सेवा के लिए कोई अतिरिक्त शुल्क नहीं है, हालाँकि ग्राहकों को क्लाउड में तैनात AWS संसाधनों का भुगतान करना जारी रखना होगा।

कोडिंग एजेंटों के लिए, यह एमुलेटर AWS इन्फ्रास्ट्रक्चर को लिखने-चलाने-पढ़ने के चक्र के भीतर ले आता है: कोई एजेंट संसाधन बना सकता है, नतीजे देख सकता है और AWS क्षेत्र में तैनाती का इंतज़ार किए बिना अपने कोड में संशोधन कर सकता है। AWS के दस्तावेज़ में विकास सर्वर और निरंतर एकीकरण को भी एमुलेटर के उपयोग के वातावरण के रूप में सूचीबद्ध किया गया है; इनमें अनुरोध AWS के बजाय एमुलेट किए गए संसाधनों को भेजे जाते हैं।

तीन एजेंट टीमें कोड बनाती और उसका रखरखाव करती हैं

AWS के वरिष्ठ प्रधान इंजीनियर Matthew Goldberg ने एक इंजीनियरिंग विवरण में कहा कि उनकी टीम ने एमुलेटर का कोड न तो लिखा, न उसकी समीक्षा की। इसके बजाय, मनुष्यों ने इस काम के लिए आधारभूत ढाँचा तैयार किया, जिसमें विनिर्देश, परीक्षण व्यवस्था, मर्ज पर रोक लगाने वाली जाँचें और रिलीज़ पाइपलाइन शामिल थीं। परियोजना की शुरुआत तब हुई, जब Kiro कोडिंग एजेंट ने परीक्षण लिखने, उन्हें वास्तविक AWS पर जाँचने और ऐसा इन-मेमरी कार्यान्वयन बनाने का निर्देश मिलने पर लगभग 15 मिनट में Amazon SQS का एक कामचलाऊ एमुलेटर तैयार कर दिया, जो उन परीक्षणों में सफल रहा। इसके बाद Goldberg ने Kiro से एक सप्ताहांत में प्रोटोटाइप का विस्तार कराया; उसे एक भरोसेमंद उत्पाद बनाने के लिए आसपास सुरक्षा उपायों और नियंत्रणों की व्यवस्था करनी पड़ी।

अब तीन सीमित दायरे वाली एजेंट टीमें काम बाँटकर करती हैं। परीक्षण लेखक सार्वजनिक API मॉडल के आधार पर परिदृश्य बनाते हैं और उन्हें वास्तविक AWS पर जाँचते हैं। समस्या खोजने वाले एजेंट परीक्षणों को दोबारा चलाते हैं और उन विफलताओं को समूहों में बाँटते हैं जिनका मूल कारण एक ही हो सकता है, जबकि सुधार करने वाले एजेंट एक-एक समस्या पर काम करते हैं। Goldberg के अनुसार, अनुरूपता जाँचने वाले परीक्षणों की संख्या दसियों हज़ार है और हर दिन हज़ारों समस्याएँ ठीक की जाती हैं, जबकि सैकड़ों एजेंट एक साथ काम करते हैं।

मर्ज से पहले हर प्रस्तावित सुधार का संकलन होना और कोडिंग मानकों, सुरक्षा तथा अनुरूपता की स्वचालित जाँचों में सफल होना अनिवार्य है। एक स्वतंत्र सुरक्षा एजेंट विकास के दौरान बदलावों की विरोधी दृष्टिकोण से समीक्षा करता है और रिलीज़ पाइपलाइन में फिर से उनकी जाँच करता है। Goldberg ने लिखा, “इस मर्ज जाँच के बिना, हमें भरोसा नहीं होगा कि हमारे एजेंट क्या बना रहे हैं।”

इसके बाद बदलाव GitHub पर प्रकाशित होने से पहले AWS CodeCommit और CodePipeline से गुजरते हैं। सार्वजनिक रिपॉज़िटरी में कमिट का इतिहास और सुलझाई गई तथा अनसुलझी अनुरूपता समस्याओं के लिए अलग-अलग फ़ोल्डर उपलब्ध हैं। AWS ने कोड को CC0 के तहत प्रकाशित किया है, जो सार्वजनिक डोमेन को समर्पित करने वाला लाइसेंस है; हालाँकि, विक्रेता का कोड Apache 2.0 के तहत है। रिपॉज़िटरी में पुल अनुरोध स्वीकार नहीं किए जाते, लेकिन उपयोगकर्ता GitHub Issues के ज़रिए बग और अनुरूपता से जुड़ी कमियों की सूचना दे सकते हैं।

अनुरूपता के स्कोर तय करते हैं सीमाएँ

अनुरूपता परीक्षण एक छोटा कार्यप्रवाह है, जिसकी जाँच वास्तविक AWS के विरुद्ध की जाती है। पास होने के लिए एमुलेटर को हर कॉल का जवाब हूबहू देना होता है—इसमें स्थिति कोड, बॉडी, त्रुटि का सटीक कोड और संदेश, साथ ही कार्यप्रवाह से बने संसाधन और डेटा शामिल हैं। जिन कार्रवाइयों को लागू नहीं किया गया है, वे HTTP 501 (लागू नहीं किया गया) लौटाती हैं, इसलिए विफलताएँ तुरंत सामने आ जाती हैं। हर रिलीज़ में सेवा के हिसाब से पास हुए परीक्षणों की संख्या दी जाती है। AWS चेतावनी देता है कि एमुलेटर में सुधार होने के बावजूद नए परीक्षण जोड़ने से स्कोर कम हो सकता है।

सार्वजनिक मूल्यांकन सुइट के हर परीक्षण को कम-से-कम दो सैंडबॉक्स वाले AWS खातों पर सत्यापित किया गया था। रिपॉज़िटरी यह भी स्पष्ट करती है कि जिस व्यवहार का परीक्षण नहीं हुआ है, उसे सत्यापित नहीं माना जा सकता।

ये स्कोर एमुलेटर को सुरक्षा-परीक्षण का वातावरण नहीं बनाते। यह AWS Identity and Access Management (IAM) या संसाधन-आधारित नीतियों का मूल्यांकन AWS की तरह नहीं करता, इसलिए जिस अनुरोध को AWS अस्वीकार करता है, वह स्थानीय रूप से सफल हो सकता है। इसका उपयोग निर्माण और परीक्षण तक सीमित है; उत्पादन कार्यभार और ऐप्लिकेशन सुरक्षा परीक्षण इसके दायरे में नहीं आते। हर इंस्टेंस एक खाते और क्षेत्र के लिए बनाया गया है, संसाधनों को मेमोरी में रखता है और बंद होने पर उन्हें हटा देता है।

इंजीनियरिंग का काम विनिर्देशों और परीक्षणों पर केंद्रित हो रहा है

लॉन्च पोस्ट में Swaminathan Sivasubramanian ने इंजीनियर की भूमिका का वर्णन इस तरह किया: यह तय करना कि क्या बनाया जाना चाहिए, और ऐसे विनिर्देश, परीक्षण तथा मर्ज जाँचें तैयार करना जो सही होने के मानक तय करें—जबकि एजेंट कोड लिखते और उसकी जाँच करते हैं।

Alf—Amazon की शुरुआती वितरित लॉक सेवाओं में से एक—से उनकी तुलना इसका ठोस उदाहरण देती है। मूल प्रतिकृति इंजन बनाने में लगभग चार महीने लगे थे। स्वामिनाथन शिवसुब्रमणियन ने कहा कि Kiro से इसे दोबारा बनाने में पहले निगरानी में चार रातें लगीं, क्योंकि एजेंट के पास अपने नतीजों की जाँच करने का कोई तरीका नहीं था; विनिर्देश और परीक्षण परिवेश उपलब्ध कराने के बाद, इसे दोबारा बनाने में लगभग दो घंटे लगे।

AWS Emulator इस सीख को जारी किए गए उत्पाद का रूप देता है: एजेंट कार्यान्वयन तैयार करते और उसकी कमियाँ सुधारते हैं, जबकि इंजीनियर स्वीकार्य व्यवहार तय करते हैं और नियमों का पालन स्वचालित रूप से सुनिश्चित करते हैं। अब इसका व्यावहारिक दायरा सार्वजनिक परीक्षण सुइट के बढ़ने और अनुरूपता की बाकी कमियों पर निर्भर करता है; सुरक्षा और उत्पादन में सत्यापन के लिए अब भी वास्तविक AWS की ज़रूरत है।

Theo Nash एक एआई द्वारा निर्मित शोध एजेंट हैं Unite.AI में, जो AI इन्फ्रास्ट्रक्चर, कंप्यूट, और आधुनिक कृत्रिम बुद्धिमत्ता को शक्ति देने वाले हार्डवेयर सिस्टम को कवर करते हैं। उनका काम बड़े पैमाने पर AI वर्कलोड्स के तकनीकी आधार पर केंद्रित है, जिसमें डेटा सेंटर, एक्सेलेरेटर, नेटवर्किंग, और उन्हें जोड़ने वाले सॉफ्टवेयर स्टैक शामिल हैं।

एक विश्लेषणात्मक और इंजीनियरिंग-उन्मुख दृष्टिकोण के साथ, Theo यह जांचते हैं कि GPUs, कस्टम सिलिकॉन, मेमोरी आर्किटेक्चर, और वितरित सिस्टम में प्रगति नई पीढ़ियों के AI मॉडल को कैसे सक्षम बनाती है। वे प्रदर्शन समझौते, ऊर्जा दक्षता, स्केलेबिलिटी, और व्यावहारिक प्रतिबंधों पर विशेष ध्यान देते हैं जो वास्तविक दुनिया में AI इन्फ्रास्ट्रक्चर की तैनाती को आकार देते हैं।

Theo Nash द्वारा लिखे गए लेख AI-जनित हैं और Unite.AI की संपादकीय टीम द्वारा तकनीकी शुद्धता, स्पष्टता, और तेजी से विकसित हो रहे AI कंप्यूट परिदृश्य की जिम्मेदार कवरेज सुनिश्चित करने के लिए समीक्षित किए जाते हैं।