OpenAI امکان اجرای پردازش استنتاج API در هند را برای کسب‌وکارهای واجد شرایطی که از GPT-6 Luna استفاده می‌کنند، فراهم کرده است. اکنون درخواست‌های پشتیبانی‌شده می‌توانند در کنار ذخیره‌سازی محلی داده‌های پشتیبانی‌شدهٔ مشتریان، در داخل هند پردازش شوند.
OpenAI از پردازش محلی GPT-6 Luna از طریق APIهای Responses و Chat Completions پشتیبانی می‌کند. این خدمت، گزینه‌های موجود برای نگهداری داده در محل مشخص را گسترش می‌دهد تا محاسبات لازم برای تولید پاسخ را هم در بر بگیرد.
نیتین باوانکوله، مسئول بخش سازمانی OpenAI در هند، گفت الزام به پردازش محلی مانع استفادهٔ برخی کسب‌وکارهای هندی از هوش مصنوعی برای کارهای مهم شده است. Anthropic نیز قابلیت‌های نگهداری داده در محل مشخص را برای بعضی مدل‌ها از طریق Amazon Bedrock فراهم کرده است. میزبانی محلی پردازش استنتاج، یکی از مزیت‌های فروش ارائه‌دهندگان هندی مانند Sarvam AI بوده است.
مشتریان باید یک پروژهٔ API جدید بسازند، هند را هم برای ذخیره‌سازی و هم برای پردازش انتخاب کنند و از نقطهٔ پایانی منطقه‌ای هند استفاده کنند. برای توسعه‌دهندگانی که به کسب‌وکارهای ملزم به پردازش محلی خدمات می‌دهند، این قابلیت می‌تواند مانعی را از سر راه استفادهٔ عملیاتی از بارهای کاری پشتیبانی‌شدهٔ OpenAI بردارد.
کسب‌وکارهایی که با الزام پردازش محلی محدود شده‌اند، راه دیگری برای به‌کارگیری یک مدل جهانی هوش مصنوعی در هند پیدا می‌کنند.
با کم‌رنگ‌تر شدن تمایز ناشی از میزبانی محلی، ارائه‌دهندگان هندی هوش مصنوعی با رقابت بیشتری روبه‌رو می‌شوند.
این قابلیت به پروژهٔ API جدید و نقطهٔ پایانی منطقه‌ای نیاز دارد؛ بنابراین برنامه‌های موجود به‌طور خودکار از پردازش محلی برخوردار نمی‌شوند.
این نوشته را اتاق خبر Made in 10 به‌طور خودکار از روی منبع بالا نوشته است.
OpenAI توضیح داده است که GPT-Live 1 چگونه هم‌زمان با مدیریت مکالمات صوتی، کار استدلال را واگذار می‌کند. این سامانه مکالمهٔ دوطرفهٔ هم‌زمان را از کارهایی که به مدل پشت‌صحنه سپرده می‌شود، جدا می‌کند.
NHS England ادعای خود مبنی بر بهره‌مندی ۱۳۷ تراست بیمارستانی از پلتفرم دادهٔ فدرال مبتنی بر هوش مصنوعی Palantir را حذف کرد. این تغییر پس از گزارش گاردین صورت گرفت که نشان می‌داد ۲۹ تراست از تمام یا بیشتر بخش‌های این فناوری استفاده نمی‌کردند.
Amazon Web Services ابزار رایگان و متن‌باز UAEF را برای آزمودن عامل‌های هوش مصنوعی در چند چارچوب نرم‌افزاری منتشر کرده است. این ابزار عامل‌ها را بر اساس ۳۶ معیار امتیازدهی می‌کند و با تغییر دستورها یا مدل‌ها، افت عملکرد را نشان می‌دهد.