रियो डी जनेरियो के आईप्लानरियो (IplanRIO) ने 13 जून को रियो 3.5 (Rio 3.5) जारी किया। शहर की आईटी एजेंसी ने इसे एक सीमावर्ती-श्रेणी का मॉडल बताया: 397 बिलियन पैरामीटर, एक अनुमेय ओपन-सोर्स लाइसेंस के साथ, ग्लोबल साउथ के एक शहर की नगर पालिका सरकार द्वारा निर्मित।
रियो 3.5 (Rio 3.5) की लॉन्चिंग का समय बिल्कुल सही था: ब्राजील अपना विश्व कप (World Cup) का पहला मैच खेल रहा था, और सोशल मीडिया (social media) पहले से ही चर्चा में था। इसके बारे में टिप्पणियाँ तेजी से ब्राजील से बाहर भी फैल गईं।
लेकिन जितनी तेजी से इसने ध्यान आकर्षित किया, उतनी ही तेजी से इस बात पर विवाद भी खड़ा हो गया कि इस मॉडल को किसने बनाया था।
मूल मॉडल कार्ड (model card) ने रियो 3.5 (Rio 3.5) को अलीबाबा (Alibaba) के ओपन-बेस मॉडल, क्वेन 3.5 397बी (Qwen 3.5 397B) का पोस्ट-ट्रेन (post-train) बताया, जिसमें एक नई तर्क परत (reasoning layer) जिसे स्विरीजनिंग (SwiReasoning) कहा जाता है, ऊपर से जोड़ी गई थी। विकास लागत R$500,000 (रियो ने इसकी पुष्टि नहीं की) या लगभग $100,000 अमेरिकी डॉलर बताई गई थी—जो कि समान ऑफ-द-शेल्फ (off-the-shelf) एआई प्रणालियों की तुलना में लगभग 30 गुना सस्ती थी।
वास्तुकला (architecture) मिक्सचर-ऑफ-एक्सपर्ट्स (Mixture-of-Experts) है, जिसका अर्थ है कि 397 बिलियन पैरामीटर (parameters) में से केवल लगभग 17 बिलियन ही किसी भी दिए गए टोकन (token) पर सक्रिय होते हैं। इससे अनुमान (inference) हेडलाइन (headline) आकार से सस्ता हो जाता है। मॉडल विजन (vision) और टेक्स्ट (text) को भी सपोर्ट करता है, एक दर्जन से अधिक भाषाओं को संभालता है, और पूरी तरह से ओपन एमआईटी लाइसेंस (MIT license) के तहत जारी किया गया है।
स्विरीजनिंग (SwiReasoning) तकनीकी केंद्रबिंदु है। यह एक प्रशिक्षण-मुक्त अनुमान ढांचा (training-free inference framework) है जो दो मोड (modes) के बीच गतिशील रूप से स्विच करता है। जब मॉडल अगले शब्द के बारे में आश्वस्त होता है—संभाव्यता वितरण (probability distribution) में कम एन्ट्रॉपी (entropy)—तो यह सामान्य भाषा में तर्क करता है। जब अनिश्चित होता है, तो यह गुप्त तर्क (latent reasoning) पर चला जाता है, टोकन (tokens) उत्सर्जित किए बिना आंतरिक अवस्थाओं में सोचता है। आईप्लानरियो (IplanRIO) ने कहा कि रियो 3.5 (Rio 3.5) को विशेष रूप से इसका लाभ उठाने के लिए प्रशिक्षित किया गया था, और यह लाभ बेंचमार्क (benchmark) संख्याओं में दिखाई देते हैं।
स्व-रिपोर्ट किए गए आंकड़े चौंकाने वाले थे। टर्मिनल-बेंच 2.1 (Terminal-Bench 2.1)—जो स्वायत्त टर्मिनल कमांड निष्पादन को मापता है, उत्तीर्ण किए गए कार्यों के प्रतिशत के रूप में स्कोर किया जाता है—रियो 3.5 (Rio 3.5) के लिए 70.8% आया, जो क्वेन 3.7 प्लस (Qwen 3.7 Plus) के 70.3% और शक्तिशाली डीपसीक वी4 प्रो (DeepSeek v4 Pro) के 67.9% से थोड़ा बेहतर था।
आईएमओआंसरबेंच (IMOAnswerBench) पर, गणित ओलंपियाड बेंचमार्क (math olympiad benchmark) जिसे सही प्रतिशत के रूप में स्कोर किया जाता है, रियो 3.5 (Rio 3.5) ने 89.5% अंक हासिल किए। एचएलई (HLE)—मानवता की अंतिम परीक्षा (Humanity's Last Exam), एक लगभग अनसुलझा बहु-डोमेन विशेषज्ञ बैटरी जिसे प्रतिशत के रूप में स्कोर किया जाता है—रियो 3.5 (Rio 3.5) 36.5% पर रहा, जो क्वेन 3.7 प्लस (Qwen 3.7 Plus) के 34.7% से आगे था।
एक नगर पालिका सरकार का सबसे महत्वपूर्ण प्रमुख मॉडलों को सबसे सार्थक गुणवत्ता बेंचमार्क (benchmarks) पर पछाड़ना: यही वह खबर थी जो फैली, खासकर रियो डी जनेरियो (Rio de Janeiro) के मेयर (Mayor) द्वारा इसके बारे में ट्वीट (tweet) करने के बाद।
एडुआर्डो कैवलियरे (Eduardo Cavaliere) ने लिखा, “रियो में प्रशिक्षित और पिछले साल [रियो नगर पालिका] द्वारा सार्वजनिक रूप से वित्तपोषित एक ओपन एआई मॉडल ने अभी-अभी अन्य सभी मॉडलों को पीछे छोड़ दिया है।” “आज, दुनिया रियो में प्रशिक्षित एक ओपन एआई मॉडल के बारे में बात कर रही है।”
🇧🇷 Modelo de IA aberta treinada no Rio com financiamento público ao longo do último ano pela @Prefeitura_Rio superando todos os outros modelos. Inteligência artificial não é uma coisa distante, estrangeira, de laboratório bilionário…não existe só pra fazer texto, imagens… https://t.co/GK1ThytVV9
— Eduardo Cavaliere (@CavaliereRio) June 14, 2026
“रियो में प्रशिक्षित” (Trained in Rio) पूरी तरह सटीक साबित नहीं हुआ।
नेक्स-एजीआई (Nex-AGI), शंघाई (Shanghai) स्थित एक ओपन-सोर्स एआई गठबंधन (open-source AI alliance) ने रिलीज के कुछ दिनों बाद एक्स (X) पर पोस्ट (post) किया। शुरुआती बात: "रियो 3.5 (Rio 3.5) मॉडल ने इस सप्ताह इंटरनेट (internet) पर धूम मचा दी। ट्विस्ट (twist) क्या है? यह अनिवार्य रूप से हमारा ओपन-सोर्स मॉडल (open-source model), नेक्स एन2 प्रो (Nex N2 Pro), एक अलग रूप में है।"
उन्होंने वज़न (weights) का विश्लेषण किया था। गणित सटीक था: रियो 3.5 ≈ 0.6 × नेक्स एन2 प्रो + 0.4 × क्वेन 3.5 (Rio 3.5 ≈ 0.6 × Nex N2 Pro + 0.4 × Qwen 3.5)। एक सत्यापन स्क्रिप्ट (verification script) और एक पूर्ण गिटहब रिपोर्ट (GitHub report) इसके बाद आई।
The Rio 3.5 model broke the internet this week. The plot twist? It’s essentially our open-source model, Nex N2 Pro, wearing a different hat.
🤯 We analyzed the weights, and the recipe is exact: Rio 3.5 ≈ 0.6 * Nex N2 Pro + 0.4 * Qwen 3.5
It even literally introduces itself… pic.twitter.com/yHRRu37aut
— Nex (@NexEcosystem) June 14, 2026
सबूत दो भागों में आए।
पहला, व्यवहारिक। नेक्स (Nex) ने तैनात मॉडल (deployed model) से हार्डकोडेड (hardcoded) "यू आर रियो" (You are Rio) सिस्टम प्रॉम्प्ट (system prompt) को हटा दिया और उसे 120 पहचान प्रश्न भेजे। मास्क (mask) के बिना, नेक्स की रिपोर्ट (Nex reports) है कि मॉडल (model) ने 79.2% बार खुद को "नेक्स, नेक्स-एजीआई से" (Nex, from Nex-AGI) कहा। इसने खुद को "रियो" (Rio) बिल्कुल 0% बार कहा। नेक्स (Nex) ने कहा कि मॉडल (model) ने कंपनी की विशिष्ट पिछली कहानी (backstory) को भी हूबहू सुनाया, जिसमें "शंघाई इनोवेशन इंस्टीट्यूट" (Shanghai Innovation Institute) और "एक बड़ा-मॉडल पारिस्थितिकी तंत्र गठबंधन" (a large-model ecosystem alliance) का उल्लेख किया गया। यह नेक्स (Nex) का अपना प्रशिक्षण डेटा (training data) है, जो किसी और के मॉडल में सामने आ रहा है।
दूसरा, गणितीय। एक वास्तविक वेट मर्ज (weight merge) में, नए मॉडल में प्रत्येक पैरामीटर (parameter) दो स्रोत मॉडल (source models) के बीच एक सीधी रेखा पर बैठता है। नेक्स (Nex) ने सभी 60 परतों में इस संरेखता (collinearity) को मापा। परिणाम 0.993 आया। समान पैरामीटर स्थान (parameter space) में दो असंबंधित मॉडल (unrelated models) संयोग से लगभग शून्य स्कोर (score) करते हैं। प्रत्येक एकल परत (single layer) में 0.993 प्राप्त करना कोई संयोग नहीं है। मिश्रण अनुपात (mixing ratio) α ≈ 0.571 पर स्थिर रहा, जो तीन दशमलव स्थानों तक स्थिर था।
मूल रूप से, यह लगभग 60% नेक्स (Nex) था, बाकी बेस क्वेन (base Qwen) मॉडल था।
नेक्स (Nex) ने लिखा, "रियो (Rio) में हर वेट टेंसर (weight tensor), हजारों मानक विचलनों तक, नेक्स (Nex) और क्वेन (Qwen) का वही 0.6/0.4 मिश्रण है—सभी 60 परतों और नेटवर्क (network) के हर घटक में।" "इसका कोई निर्दोष स्पष्टीकरण नहीं है।"
संख्याओं ने एक शांत कहानी भी बताई। नेक्स एन2 प्रो (Nex N2 Pro), जो रियो 3.5 (Rio 3.5) से कुछ ही दिन पहले जारी किया गया था, टर्मिनल-बेंच 2.1 (Terminal-Bench 2.1) पर 75.3% स्कोर (score) करता है—जो रियो (Rio) के 70.8% से अधिक है। जीडीपीवाल (GDPval) पर, एक आर्थिक पूर्वानुमान बेंचमार्क (economic forecasting benchmark) जिसे एलो-शैली रेटिंग (Elo-style rating) के रूप में स्कोर किया जाता है, नेक्स (Nex) रियो (Rio) के 1,533 के मुकाबले 1,585 पर है। यदि रियो (Rio) 60% नेक्स (Nex) है, तो आप उम्मीद करेंगे कि यह नेक्स (Nex) के अपने बेंचमार्क (benchmarks) पर नेक्स (Nex) से कम स्कोर करेगा। ऐसा ही होता है।
आईप्लानरियो (IplanRIO) ने हगिंग फेस (Hugging Face) मॉडल कार्ड (model card) को अपडेट किया—बेंचमार्क तालिका (benchmark table) हटाई गई और एट्रिब्यूशन (attribution) बदल दिया गया।
अपडेटेड रीडमी (Readme) में कहा गया है, "यह मॉडल नेक्स-एजीआई/नेक्स-एन2-प्रो (nex-agi/Nex-N2-Pro) और क्वेन/क्वेन3.5-397बी-ए17बी (Qwen/Qwen3.5-397B-A17B) के विलय (merge) से बनाया गया है, इससे पहले एक मजबूत मॉडल से ऑन-पॉलिसी डिस्टिलेशन (On-Policy Distillation) किया गया था।" "हमने पिछले संस्करण में एक गलत अपलोड का पता लगाया, जहां अंतिम डिस्टिल्ड मॉडल (distilled model) के बजाय बेस मर्ज्ड संस्करण (base merged version) अपलोड किया गया था। हम इस भ्रम के लिए खेद व्यक्त करते हैं और तहे दिल से माफी मांगते हैं।"
आईप्लानरियो (IplanRIO) की ओर से कोई अन्य सार्वजनिक बयान नहीं आया है। नेक्स (Nex) को अब श्रेय दिया गया है।
"गलत अपलोड" (incorrect upload) स्पष्टीकरण मुख्य दावा है। आईप्लानरियो (IplanRIO) का कहना है कि इरादा यह था कि जारी किया गया संस्करण मर्ज किए गए बेस का डिस्टिल्ड संस्करण (distilled version) था—न कि केवल कच्चा मर्ज (raw merge) ही। ऑन-पॉलिसी डिस्टिलेशन (On-policy distillation) का अर्थ है कि एक मजबूत शिक्षक मॉडल (teacher model) आउटपुट (outputs) उत्पन्न करता है, और छात्र उन्हीं पर प्रशिक्षण लेता है, साथ ही अपने स्वयं के आउटपुट भी उत्पन्न करता है। यह कच्चे मर्ज (raw merge) से अधिक महंगा है, लेकिन खरोंच से प्रशिक्षण (training from scratch) से अभी भी सस्ता है। यदि वह कदम वास्तविक था, तो यह मर्ज (merge) के शीर्ष पर कम से कम कुछ मूल कार्य का प्रतिनिधित्व करेगा।
आईप्लानरियो (IplanRIO) के अनुसार, वास्तव में जो भेजा गया था, वह मर्ज किया गया बेस (merged base) था जिसके ऊपर कुछ भी नहीं था।
समुदाय के पर्यवेक्षक (Community observers) इस बात पर बंटे हुए हैं कि इसका क्या मतलब है। तकनीकी टिप्पणीकार राफेल क्विंटानिल्हा (Rafael Quintanilha) ने परोपकारी राय दी: चूंकि नेक्स एन2 प्रो (Nex N2 Pro) खुद क्वेन (Qwen) पर बना है, इसलिए टीम ने अंतर्निहित वास्तुकला (underlying architecture) को श्रेय दिया होगा और इसे वहीं छोड़ दिया होगा। उन्होंने यह भी बताया कि मॉडल (model) विश्व कप (World Cup) मैच के दौरान वायरल (viral) हुआ था, "आवश्यक रूप से 'सार्वजनिक उपभोग के लिए तैयार' नहीं।"
about the Rio 3.5 situation
merging two ~400B-class models and then applying policy distillation isn’t trivial
that said, they made two mistakes:
- a technical error (probably caused by a lack of attention to detail)
- and a communication one (we can debate the integrity of…
— montano (@lucas_montano) June 15, 2026
डेवलपर (Developer) और एआई यूट्यूबर (AI YouTuber) लुकास मोंटानो (Lucas Montano) ने कहा कि "दो ~400बी-क्लास मॉडल (400B-class models) को मर्ज करना और फिर पॉलिसी डिस्टिलेशन (policy distillation) लागू करना तुच्छ नहीं है"—हालांकि उन्होंने एक तकनीकी त्रुटि (technical error) और एक संचार विफलता (communication failure) दोनों को स्वीकार किया।
एआई शोधकर्ता (AI researcher) डिएगो एम्ब्रोजियो (Diego Ambrosio) कम उदार थे। मूल लॉन्च (original launch) ने रियो 3.5 (Rio 3.5) को "स्वायत्त पोस्ट-ट्रेनिंग (autonomous post-training) और मालिकाना फाइन-ट्यूनिंग (proprietary fine-tuning)" के परिणाम के रूप में वर्णित किया—यह फ्रेमिंग (framing) मूल शोध का अर्थ था, न कि एक मर्ज (merge) का।
मॉडल मर्जिंग (Model merging) पूरी तरह से कानूनी है। नेक्स एन2 प्रो (Nex N2 Pro) अपाचे 2.0 (Apache 2.0) है—आप इसका उपयोग कर सकते हैं, इसे संशोधित कर सकते हैं, और इसे पुनर्वितरित (redistribute) कर सकते हैं, बशर्ते आप इसे श्रेय दें। क्वेन 3.5 (Qwen 3.5) भी खुले तौर पर लाइसेंस प्राप्त (openly licensed) है। यहां कोई अदालत नहीं जा रहा है।
समस्या यह थी कि आउटपुट (output) को सभी स्रोत मॉडल (source models) का नाम लिए बिना स्वतंत्र रूप से विकसित कार्य के रूप में प्रस्तुत किया गया था। ओपन-सोर्स समुदाय (open-source community) ने इसे पहले भी देखा है। इस साल की शुरुआत में, कर्सर (Cursor) के कंपोजर 2 (Composer 2) को बिना किसी प्रकटीकरण (disclosure) के मूनशॉट (Moonshot) के किमी के2.5 (Kimi K2.5) पर निर्मित पाया गया था। प्रतिक्रिया तेज और प्रतिष्ठा पर आधारित थी—कोई वकील नहीं, केवल स्क्रीनशॉट (screenshots)।
was messing with the OpenAI base URL in Cursor and caught this
accounts/anysphere/models/kimi-k2p5-rl-0317-s515-fast
so composer 2 is just Kimi K2.5 with RL
at least rename the model ID https://t.co/MQOuEuF3Pd pic.twitter.com/fyUWbo1InF— fynn (@fynnso) March 19, 2026
मौजूदा ओपन मॉडल (open models) पर निर्माण सामान्य है। जैसा कि डिक्रिप्ट (Decrypt) ने कवर किया है, ओपन वेट्स (open weights) को स्टैक (stack) करना और मर्ज (merge) करना व्यावहारिक रूप से अपनी उप-संस्कृति (subculture) है। मानदंड यह नहीं है कि "दूसरों के काम पर निर्माण न करें।" मानदंड यह है: बताएं कि आपने क्या उपयोग किया।
जिस बात ने इसे एक विशिष्ट एट्रिब्यूशन मिस (attribution miss) से अधिक मुखर बना दिया, वह संस्थागत आवरण (institutional wrapper) था। एक छद्म नाम वाले डेवलपर (pseudonymous developer) का अपने नाम से एक फ्रैंकेनर्ज (frankenmerge) भेजना एक बात है। एक नगर पालिका सरकार (municipal government) द्वारा सार्वजनिक-क्षेत्र एआई संप्रभुता (public-sector AI sovereignty) का दावा करने के लिए इसका उपयोग करना—विश्व कप (World Cup) के दौरान—एक और बात है। एक ब्राजीलियाई टिप्पणीकार (Brazilian commentator) ने लिखा, "यह संसाधनों की बर्बादी थी।"
नेक्स (Nex) ने इसे युद्ध नहीं बनाया। कंपनी ने एक्स (X) पर लिखा, "हम इस बात से खुश हैं कि रियो (Rio) शहर ने एसओटीए प्रदर्शन (SOTA performance) प्राप्त करने के लिए हमारे काम का इस्तेमाल किया।" "लेकिन ओपन-सोर्स दुनिया (open-source world) में, एट्रिब्यूशन (attribution) मायने रखता है।"
आईप्लानरियो (IplanRIO) सही किए गए, डिस्टिल्ड मॉडल (distilled model) को पूर्ण एट्रिब्यूशन (full attribution) के साथ अपलोड करने पर काम कर रहा है। जब वह आता है, तो वही जांच फिर से चलेगी—और समुदाय को पता चलेगा कि क्या डिस्टिलेशन (distillation) ने वास्तव में कुछ भी बदला है, या क्या यह अभी भी एक अलग सिस्टम प्रॉम्प्ट (system prompt) के साथ ज्यादातर नेक्स (Nex) ही है।
