هوش مصنوعی و علم داده به فارسی
🤖 معرفی ابزار Gemini Decisions API برای مسیریابی و دسته‌بندی گوگل ابزار جدیدی به نام Gemini Decisions API را منتشر کرد که برای وظایفی مانند انتخاب ابزار توسط ایجنت‌ها، بررسی سیاست‌های امنیتی و تعیین مدل مناسب کاربرد دارد. هسته این سیستم، مدل Gemini Decision…
🤖 معرفی مدل Gemini Decision 1 با قابلیت چندوجهی
گوگل مدل جدید Gemini Decision 1 را عرضه کرد. این مدل چندوجهی (Multimodal) است و می‌تواند ویدیو، صدا، تصویر و متن را به عنوان ورودی پردازش کند. هزینه استفاده از این مدل ۰.۱۰ دلار به ازای هر میلیون توکن ورودی است و امکان تست رایگان آن از طریق AI Studio فراهم شده است.
در مقایسه عملکرد بر اساس بنچمارک‌های مختلف، مدل Gemini Decision 1 در بیشتر معیارها از جمله JevBench، دقت ۷۹.۸ درصدی در PubMedQA و امتیاز ۸۶ درصدی در Global-MMLU-Lite عملکرد بهتری نسبت به رقبا داشته است. مهم‌ترین نکات این ارزیابی عبارتند از:
* در معیارهای Mind2Web و When2Call، مدل TypeSafe Jev 1.14 امتیاز بالاتری ثبت کرده است.
* مدل TypeSafe Jev 1.14 با مجموع هزینه ۰.۶۸ دلار در هفت معیار مشترک، ارزان‌ترین گزینه است.
* در معیار Top-1 ECE که عدد کمتر نشان‌دهنده دقت بالاتر است، مدل گوگل با ۰.۰۲۵۰ بهترین عملکرد را دارد.
* درخواست‌های مسدود شده یا رد شده توسط مدل، در محاسبات به عنوان پاسخ نادرست لحاظ شده‌اند.
گوگل مدل جدید Gemini Decision 1 را عرضه کرد. این مدل چندوجهی (Multimodal) است و می‌تواند ویدیو، صدا، تصویر و متن را به عنوان ورودی پردازش کند. هزینه استفاده از این مدل ۰.۱۰ دلار به ازای هر میلیون توکن ورودی است و امکان تست رایگان آن از طریق AI Studio فراهم شده است.
در مقایسه عملکرد بر اساس بنچمارک‌های مختلف، مدل Gemini Decision 1 در بیشتر معیارها از جمله JevBench، دقت ۷۹.۸ درصدی در PubMedQA و امتیاز ۸۶ درصدی در Global-MMLU-Lite عملکرد بهتری نسبت به رقبا داشته است. مهم‌ترین نکات این ارزیابی عبارتند از:
* در معیارهای Mind2Web و When2Call، مدل TypeSafe Jev 1.14 امتیاز بالاتری ثبت کرده است.
* مدل TypeSafe Jev 1.14 با مجموع هزینه ۰.۶۸ دلار در هفت معیار مشترک، ارزان‌ترین گزینه است.
* در معیار Top-1 ECE که عدد کمتر نشان‌دهنده دقت بالاتر است، مدل گوگل با ۰.۰۲۵۰ بهترین عملکرد را دارد.
* درخواست‌های مسدود شده یا رد شده توسط مدل، در محاسبات به عنوان پاسخ نادرست لحاظ شده‌اند.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
🤖 دسترسی عمومی به مدل Gemini 4 Carbon گوگل
گوگل دسترسی به مدل Gemini 4 Carbon را برای استفاده در محصولات و پروژه‌های سازمانی آزاد کرد. تا پیش از این، استفاده از این مدل تنها در اختیار گروه محدودی از متخصصان امنیت سایبری و تحت برنامه Fairwind قرار داشت.
علاوه بر تغییر در سطح دسترسی، گوگل قابلیت جدیدی برای مدیریت گروهی از مدل‌های هوش مصنوعی (Multi-agent orchestration) به نمایش گذاشت. در این دمو، مدل Carbon وظایف مختلفی را به ایجنت‌های تخصصی محول کرده و روند اجرای آن‌ها را مدیریت می‌کند.
اطلاعات بیشتر در مورد عملکرد این مدل و نحوه هماهنگی ایجنت‌ها در این گزارش قابل مشاهده است.
#Gemini4Carbon #MultiAgent_orchestration
گوگل دسترسی به مدل Gemini 4 Carbon را برای استفاده در محصولات و پروژه‌های سازمانی آزاد کرد. تا پیش از این، استفاده از این مدل تنها در اختیار گروه محدودی از متخصصان امنیت سایبری و تحت برنامه Fairwind قرار داشت.
علاوه بر تغییر در سطح دسترسی، گوگل قابلیت جدیدی برای مدیریت گروهی از مدل‌های هوش مصنوعی (Multi-agent orchestration) به نمایش گذاشت. در این دمو، مدل Carbon وظایف مختلفی را به ایجنت‌های تخصصی محول کرده و روند اجرای آن‌ها را مدیریت می‌کند.
اطلاعات بیشتر در مورد عملکرد این مدل و نحوه هماهنگی ایجنت‌ها در این گزارش قابل مشاهده است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#Gemini4Carbon #MultiAgent_orchestration
📊 معرفی ابزار Drift Inspector برای تحلیل روندهای علمی
مؤسسه AIRI و Skoltech ابزاری به نام Drift Inspector را برای تحلیل روندهای پژوهشی در علوم کامپیوتر توسعه داده‌اند. این سیستم با بررسی بیش از ۱۱۸ هزار مقاله از کنفرانس‌های معتبر بین سال‌های ۲۰۱۸ تا ۲۰۲۶، به‌جای شمارش ساده کلمات کلیدی، ادعاهای مطرح‌شده در مقالات (Contribution Claims) را استخراج و خوشه‌بندی می‌کند.
این روش امکان می‌دهد مفاهیم مشابه با عبارت‌پردازی‌های متفاوت در یک گروه قرار بگیرند و از تداخل معنایی کلمات جلوگیری شود. بررسی داده‌های این ابزار در حوزه NLP نشان می‌دهد که مباحث زیر در بازه ۲۰۲۰ تا ۲۰۲۵ بیشترین سهم از ادعاهای علمی را به خود اختصاص داده‌اند:
Transformer Methods: ۱۰۸۵ ادعا (روند صعودی)
Vision-Language NLP: ۹۹۰ ادعا (روند صعودی)
Dialogue Systems: ۷۵۶ ادعا (روند نزولی)
Machine Translation: ۴۷۶ ادعا (روند نزولی)
LLM Efficiency & PEFT: ۴۶۷ ادعا (روند صعودی)
جزئیات بیشتر و نتایج تحلیل این خوشه‌ها در وب‌سایت پروژه قابل مشاهده است.
مؤسسه AIRI و Skoltech ابزاری به نام Drift Inspector را برای تحلیل روندهای پژوهشی در علوم کامپیوتر توسعه داده‌اند. این سیستم با بررسی بیش از ۱۱۸ هزار مقاله از کنفرانس‌های معتبر بین سال‌های ۲۰۱۸ تا ۲۰۲۶، به‌جای شمارش ساده کلمات کلیدی، ادعاهای مطرح‌شده در مقالات (Contribution Claims) را استخراج و خوشه‌بندی می‌کند.
این روش امکان می‌دهد مفاهیم مشابه با عبارت‌پردازی‌های متفاوت در یک گروه قرار بگیرند و از تداخل معنایی کلمات جلوگیری شود. بررسی داده‌های این ابزار در حوزه NLP نشان می‌دهد که مباحث زیر در بازه ۲۰۲۰ تا ۲۰۲۵ بیشترین سهم از ادعاهای علمی را به خود اختصاص داده‌اند:
Transformer Methods: ۱۰۸۵ ادعا (روند صعودی)
Vision-Language NLP: ۹۹۰ ادعا (روند صعودی)
Dialogue Systems: ۷۵۶ ادعا (روند نزولی)
Machine Translation: ۴۷۶ ادعا (روند نزولی)
LLM Efficiency & PEFT: ۴۶۷ ادعا (روند صعودی)
جزئیات بیشتر و نتایج تحلیل این خوشه‌ها در وب‌سایت پروژه قابل مشاهده است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #19 | 📌 5 آیتم گزارش | 🧾 از 14 پست بررسی‌شده
🕐 پنجشنبه 1405/08/21 ساعت 14:00 تا جمعه 1405/08/22 ساعت 14:00
کاهش هزینه زیرساخت سرورها با مدیریت هوشمند حافظه
جابه‌جایی پیش‌دستانه صفحات حافظه به NVMe نیاز به DRAM گران‌قیمت را در زیرساخت‌های پردازشی کاهش می‌دهد. این روش هزینه‌های نگه‌داری سرور را کم می‌کند، اما نیاز به اختصاص یک هسته پردازشی مجزا برای هر ماشین مجازی، بهره‌برداری از آن را در محیط‌های مبتنی بر مجازی‌سازی پرتراکم محدود می‌سازد.
بهینه‌سازی مسیریابی ایجنت‌ها با خروجی‌های احتمالی
تعیین احتمال گزینه‌ها در یک مرحله پردازشی، نیاز به تولید توکن‌های خروجی و پردازش سنگین متن را در ساختارهای ایجنتی حذف می‌کند. این ساختار هزینه پایش سیاست‌ها و انتخاب ابزار را کاهش می‌دهد، اما کارایی واقعی آن مشروط به دسته‌بندی شفاف گزینه‌ها و عدم نیاز به استدلال متنی چندمرحله‌ای است.
💻 زیرساخت و مدیریت حافظه
کاهش مصرف DRAM در سرورهای هوش مصنوعی با راهکار AMD
AMD با مدل پیش‌بینی زمان دسترسی حافظه، صفحات بلااستفاده را به NVMe منتقل کرده و نیاز به DRAM را کاهش می‌دهد.
ثبت پتنت مایکروسافت برای آموزش توزیع‌شده AI روی GPUهای خانگی
پتنت جدید مایکروسافت فرآیند آموزش مدل را به وظایف خرد تقسیم کرده و بر اساس اعتبار دستگاه‌ها توزیع می‌کند.
🤖 مدل‌ها، ابزارها و ارزیابی امنیتی
عرضه Gemini Decisions API برای مسیریابی و دسته‌بندی کم‌هزینه
گوگل ابزاری برای ارزیابی تک‌مرحله‌ای گزینه‌ها بدون تولید توکن خروجی و با هزینه ۱۰ سنت به ازای میلیون توکن ارائه کرد.
انتشار وزن‌های مدل رباتیک GR00T 2 و داده‌های آموزشی انویدیا
انویدیا مدل کنترل ربات GR00T 2 را همراه با ۱۰۰ هزار ساعت داده آموزشی برای اجرای مستقل روی سیستم‌های رباتیک منتشر کرد.
ارزیابی امنیت و رفتار مدل‌های هوش مصنوعی در محیط‌های ایزوله
تست Perplexity روی ۱۲ مدل نشان داد هیچ مدلی از ماشین مجازی خارج نشد، اما نحوه طرح مسئله بر دقت ارزیابی اثر دارد.
🗂 گزارش #19 | 📌 5 آیتم گزارش | 🧾 از 14 پست بررسی‌شده
🕐 پنجشنبه 1405/08/21 ساعت 14:00 تا جمعه 1405/08/22 ساعت 14:00
کاهش هزینه زیرساخت سرورها با مدیریت هوشمند حافظه
جابه‌جایی پیش‌دستانه صفحات حافظه به NVMe نیاز به DRAM گران‌قیمت را در زیرساخت‌های پردازشی کاهش می‌دهد. این روش هزینه‌های نگه‌داری سرور را کم می‌کند، اما نیاز به اختصاص یک هسته پردازشی مجزا برای هر ماشین مجازی، بهره‌برداری از آن را در محیط‌های مبتنی بر مجازی‌سازی پرتراکم محدود می‌سازد.
بهینه‌سازی مسیریابی ایجنت‌ها با خروجی‌های احتمالی
تعیین احتمال گزینه‌ها در یک مرحله پردازشی، نیاز به تولید توکن‌های خروجی و پردازش سنگین متن را در ساختارهای ایجنتی حذف می‌کند. این ساختار هزینه پایش سیاست‌ها و انتخاب ابزار را کاهش می‌دهد، اما کارایی واقعی آن مشروط به دسته‌بندی شفاف گزینه‌ها و عدم نیاز به استدلال متنی چندمرحله‌ای است.
💻 زیرساخت و مدیریت حافظه
کاهش مصرف DRAM در سرورهای هوش مصنوعی با راهکار AMD
AMD با مدل پیش‌بینی زمان دسترسی حافظه، صفحات بلااستفاده را به NVMe منتقل کرده و نیاز به DRAM را کاهش می‌دهد.
ثبت پتنت مایکروسافت برای آموزش توزیع‌شده AI روی GPUهای خانگی
پتنت جدید مایکروسافت فرآیند آموزش مدل را به وظایف خرد تقسیم کرده و بر اساس اعتبار دستگاه‌ها توزیع می‌کند.
🤖 مدل‌ها، ابزارها و ارزیابی امنیتی
عرضه Gemini Decisions API برای مسیریابی و دسته‌بندی کم‌هزینه
گوگل ابزاری برای ارزیابی تک‌مرحله‌ای گزینه‌ها بدون تولید توکن خروجی و با هزینه ۱۰ سنت به ازای میلیون توکن ارائه کرد.
انتشار وزن‌های مدل رباتیک GR00T 2 و داده‌های آموزشی انویدیا
انویدیا مدل کنترل ربات GR00T 2 را همراه با ۱۰۰ هزار ساعت داده آموزشی برای اجرای مستقل روی سیستم‌های رباتیک منتشر کرد.
ارزیابی امنیت و رفتار مدل‌های هوش مصنوعی در محیط‌های ایزوله
تست Perplexity روی ۱۲ مدل نشان داد هیچ مدلی از ماشین مجازی خارج نشد، اما نحوه طرح مسئله بر دقت ارزیابی اثر دارد.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 انتشار نسخه اول OpenBot توسط CopilotKit
تیم CopilotKit نسخه ۱.۰ پلتفرم OpenBot را به عنوان یک همکار هوش مصنوعی متن‌باز عرضه کرده است که قابلیت اجرا روی زیرساخت شخصی شرکت‌ها را دارد.
ویژگی اصلی این ابزار، استفاده از «دروازه حکمرانی» است. پیش از هر اقدام ربات مانند کلیک، نوشتن فایل یا فراخوانی ابزار، سیاست‌های امنیتی بررسی می‌شوند و رکورد عملیات پیش از اجرا ثبت می‌گردد تا از نقض قوانین جلوگیری شود.
این پلتفرم با فریم‌ورک‌های مختلفی از جمله LangChain، CrewAI، OpenAI Agents SDK و Claude Agent SDK سازگار است و از ۹ خانواده مدل زبانی بزرگ شامل DeepSeek، Qwen، Mistral و Grok پشتیبانی می‌کند.
مهم‌ترین محدودیت‌ها و شرایط:
* قابلیت‌های SSO، SCIM و محدودیت‌های توکن در نسخه تجاری پولی ارائه شده‌اند.
* نسخه‌های مخصوص موبایل، Slack و Teams همچنان در وضعیت دسترسی زودهنگام هستند.
* کد منبع با مجوز MIT در گیت‌هاب منتشر شده و برای استفاده شخصی رایگان است.
تیم CopilotKit نسخه ۱.۰ پلتفرم OpenBot را به عنوان یک همکار هوش مصنوعی متن‌باز عرضه کرده است که قابلیت اجرا روی زیرساخت شخصی شرکت‌ها را دارد.
ویژگی اصلی این ابزار، استفاده از «دروازه حکمرانی» است. پیش از هر اقدام ربات مانند کلیک، نوشتن فایل یا فراخوانی ابزار، سیاست‌های امنیتی بررسی می‌شوند و رکورد عملیات پیش از اجرا ثبت می‌گردد تا از نقض قوانین جلوگیری شود.
این پلتفرم با فریم‌ورک‌های مختلفی از جمله LangChain، CrewAI، OpenAI Agents SDK و Claude Agent SDK سازگار است و از ۹ خانواده مدل زبانی بزرگ شامل DeepSeek، Qwen، Mistral و Grok پشتیبانی می‌کند.
مهم‌ترین محدودیت‌ها و شرایط:
* قابلیت‌های SSO، SCIM و محدودیت‌های توکن در نسخه تجاری پولی ارائه شده‌اند.
* نسخه‌های مخصوص موبایل، Slack و Teams همچنان در وضعیت دسترسی زودهنگام هستند.
* کد منبع با مجوز MIT در گیت‌هاب منتشر شده و برای استفاده شخصی رایگان است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
🎮 ابزارهای متن‌باز برای بازی‌سازی با مدل‌های هوش مصنوعی
یک افزونه رایگان در مخزن Awesome Gamedev Agent Skills مجموعه‌ای از ۷۹ مهارت تخصصی بازی‌سازی را برای مدل‌هایی مثل Claude Code فراهم کرده است. این ابزار با دریافت توصیف متنی شما از بازی، مهارت‌های لازم را برای ۱۲ موتور بازی‌سازی از جمله Unity، Godot و Roblox بارگذاری می‌کند تا مدل بتواند کدنویسی پروژه را انجام دهد.
این پروژه در میان فهرستی از ۱۰ ابزار رایگان گیت‌هاب برای توسعه بازی با AI قرار دارد که مورد توجه بسیاری از توسعه‌دهندگان قرار گرفته است. مهم‌ترین ابزارهای این فهرست عبارت‌اند از:
* MCP Unity: امکان ایجاد صحنه، افزودن آبجکت و اجرای تست مستقیم در محیط ویرایشگر Unity.
* Godot MCP: قابلیت اجرای پروژه در Godot، مدیریت آن و خواندن لاگ‌های خطا.
* TripoSR: ابزاری برای تبدیل تصاویر دوبعدی به مدل‌های سه‌بعدی.
سایر موارد این فهرست شامل کتابخانه‌های متن‌باز برای پیاده‌سازی فیزیک، جلوه‌های بصری و رفتارهای کاراکتر در بازی‌های سه‌بعدی تحت وب هستند.
یک افزونه رایگان در مخزن Awesome Gamedev Agent Skills مجموعه‌ای از ۷۹ مهارت تخصصی بازی‌سازی را برای مدل‌هایی مثل Claude Code فراهم کرده است. این ابزار با دریافت توصیف متنی شما از بازی، مهارت‌های لازم را برای ۱۲ موتور بازی‌سازی از جمله Unity، Godot و Roblox بارگذاری می‌کند تا مدل بتواند کدنویسی پروژه را انجام دهد.
این پروژه در میان فهرستی از ۱۰ ابزار رایگان گیت‌هاب برای توسعه بازی با AI قرار دارد که مورد توجه بسیاری از توسعه‌دهندگان قرار گرفته است. مهم‌ترین ابزارهای این فهرست عبارت‌اند از:
* MCP Unity: امکان ایجاد صحنه، افزودن آبجکت و اجرای تست مستقیم در محیط ویرایشگر Unity.
* Godot MCP: قابلیت اجرای پروژه در Godot، مدیریت آن و خواندن لاگ‌های خطا.
* TripoSR: ابزاری برای تبدیل تصاویر دوبعدی به مدل‌های سه‌بعدی.
سایر موارد این فهرست شامل کتابخانه‌های متن‌باز برای پیاده‌سازی فیزیک، جلوه‌های بصری و رفتارهای کاراکتر در بازی‌های سه‌بعدی تحت وب هستند.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
Media is too big
VIEW IN TELEGRAM
🤖 قابلیت حضور کلاد در تماس‌های ویدیویی
مدل کلاد اکنون می‌تواند به عنوان یک شرکت‌کننده در جلسات گوگل‌میت حضور یابد. با این قابلیت، کاربران می‌توانند در حین صحبت از هوش مصنوعی بخواهند که مستندات (Docs) یا وایت‌بردها را همزمان با گفتگو ایجاد کند.
این ابزار از طریق فرمان‌های صوتی یا متنی در چت جلسه پاسخ می‌دهد و می‌تواند به اپلیکیشن‌های متصل تیم، مانند اسلک، دسترسی پیدا کند. البته تمامی دسترسی‌ها منوط به تأیید شرکت‌کنندگان در تماس است.
برخی از ویژگی‌های این نسخه بتا:
* ذخیره متن کامل جلسات (Transcript) و خلاصه‌سازی محتوا
* ثبت توضیحات مرتبط با تصاویر صفحه نمایش (بدون ضبط صدا)
* امکان کنترل دسترسی برای مدیران سیستم در جلسات با مهمانان خارجی
این ویژگی هم‌اکنون برای کاربران پلن‌های Team و Enterprise در دسترس است. فایل‌های ایجادشده در جلسات تا تاریخ ۱۰ فوریه ۲۰۲۷ به‌صورت رایگان در دسترس کاربران قرار می‌گیرند. اطلاعات بیشتر را می‌توانید در مرکز پشتیبانی Anthropic مشاهده کنید.
#Claude #Google_Meet
مدل کلاد اکنون می‌تواند به عنوان یک شرکت‌کننده در جلسات گوگل‌میت حضور یابد. با این قابلیت، کاربران می‌توانند در حین صحبت از هوش مصنوعی بخواهند که مستندات (Docs) یا وایت‌بردها را همزمان با گفتگو ایجاد کند.
این ابزار از طریق فرمان‌های صوتی یا متنی در چت جلسه پاسخ می‌دهد و می‌تواند به اپلیکیشن‌های متصل تیم، مانند اسلک، دسترسی پیدا کند. البته تمامی دسترسی‌ها منوط به تأیید شرکت‌کنندگان در تماس است.
برخی از ویژگی‌های این نسخه بتا:
* ذخیره متن کامل جلسات (Transcript) و خلاصه‌سازی محتوا
* ثبت توضیحات مرتبط با تصاویر صفحه نمایش (بدون ضبط صدا)
* امکان کنترل دسترسی برای مدیران سیستم در جلسات با مهمانان خارجی
این ویژگی هم‌اکنون برای کاربران پلن‌های Team و Enterprise در دسترس است. فایل‌های ایجادشده در جلسات تا تاریخ ۱۰ فوریه ۲۰۲۷ به‌صورت رایگان در دسترس کاربران قرار می‌گیرند. اطلاعات بیشتر را می‌توانید در مرکز پشتیبانی Anthropic مشاهده کنید.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#Claude #Google_Meet
❤1
📊 تفاوت کاربردی Ollama، vLLM و SGLang
برای اجرای مدل‌های زبانی بزرگ، انتخاب ابزار مناسب به ماهیت پردازش شما بستگی دارد. این سه ابزار برای نیازهای عملیاتی متفاوتی توسعه یافته‌اند:
* Ollama: مناسب برای اجرای ساده و محلی مدل‌ها روی سخت‌افزار شخصی.
* vLLM: بهینه‌شده برای سرویس‌دهی همزمان (Concurrent) و دستیابی به نرخ گذردهی (Throughput) بالا در محیط‌های تولیدی.
* SGLang: طراحی‌شده برای جریان‌های کاری ایجنتیک (Agentic)، استفاده از حافظه پنهان پیشوندی (Prefix Caching) و دریافت خروجی‌های ساختاریافته.
پیش از انتخاب، نوع بار کاری و زیرساخت خود را در نظر بگیرید تا بازدهی اجرای مدل به حداکثر برسد.
#SGLang #Prefix_Caching
برای اجرای مدل‌های زبانی بزرگ، انتخاب ابزار مناسب به ماهیت پردازش شما بستگی دارد. این سه ابزار برای نیازهای عملیاتی متفاوتی توسعه یافته‌اند:
* Ollama: مناسب برای اجرای ساده و محلی مدل‌ها روی سخت‌افزار شخصی.
* vLLM: بهینه‌شده برای سرویس‌دهی همزمان (Concurrent) و دستیابی به نرخ گذردهی (Throughput) بالا در محیط‌های تولیدی.
* SGLang: طراحی‌شده برای جریان‌های کاری ایجنتیک (Agentic)، استفاده از حافظه پنهان پیشوندی (Prefix Caching) و دریافت خروجی‌های ساختاریافته.
پیش از انتخاب، نوع بار کاری و زیرساخت خود را در نظر بگیرید تا بازدهی اجرای مدل به حداکثر برسد.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#SGLang #Prefix_Caching
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 به‌روزرسانی هوش مصنوعی گوگل در Search
گوگل مدل جدید Gemini 4 Hydrogen را به موتور جست‌وجوی خود اضافه کرد. این مدل از امروز برای تمامی کاربران در سراسر جهان در دسترس است.
با این تغییر، نتایج جست‌وجو ساختار بصری‌تری پیدا کرده‌اند و شامل تصاویر، جداول مقایسه‌ای و ابزارهای کوچک اختصاصی هستند. سیستم جدید قادر است پرسش‌های پیچیده و چندوجهی را به زیرموضوعات تقسیم کرده و به صورت همزمان در طیف گسترده‌تری از منابع جست‌وجو کند.
درباره عملکرد مدل Hydrogen:
* سرعت انجام وظایف این مدل ۲.۵ برابر بیشتر از مدل Gemini 3.8 Flash است.
* در یکی از رتبه‌بندی‌های کلی هوش، امتیاز ۵۱ را در برابر امتیاز ۵۰ مدل بزرگ‌تر Gemini 4 Argon کسب کرده است.
* هزینه استفاده برای توسعه‌دهندگان به ازای هر یک میلیون توکن ورودی ۱.۵۰ دلار و برای هر یک میلیون توکن خروجی ۷.۵۰ دلار تعیین شده است.
#Gemini_4_Hydrogen #Google_Search
گوگل مدل جدید Gemini 4 Hydrogen را به موتور جست‌وجوی خود اضافه کرد. این مدل از امروز برای تمامی کاربران در سراسر جهان در دسترس است.
با این تغییر، نتایج جست‌وجو ساختار بصری‌تری پیدا کرده‌اند و شامل تصاویر، جداول مقایسه‌ای و ابزارهای کوچک اختصاصی هستند. سیستم جدید قادر است پرسش‌های پیچیده و چندوجهی را به زیرموضوعات تقسیم کرده و به صورت همزمان در طیف گسترده‌تری از منابع جست‌وجو کند.
درباره عملکرد مدل Hydrogen:
* سرعت انجام وظایف این مدل ۲.۵ برابر بیشتر از مدل Gemini 3.8 Flash است.
* در یکی از رتبه‌بندی‌های کلی هوش، امتیاز ۵۱ را در برابر امتیاز ۵۰ مدل بزرگ‌تر Gemini 4 Argon کسب کرده است.
* هزینه استفاده برای توسعه‌دهندگان به ازای هر یک میلیون توکن ورودی ۱.۵۰ دلار و برای هر یک میلیون توکن خروجی ۷.۵۰ دلار تعیین شده است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#Gemini_4_Hydrogen #Google_Search