🤖 تحول مدل‌های هوش مصنوعی در حل باگ‌های برنامه‌نویسی
🔬 بررسی تخصصی روی بنچمارک Bug Hunt Bench نشان می‌دهد که نسخه جدید Claude 5 Opus در شناسایی و رفع خطاهای نرم‌افزاری جهش خیره‌کننده‌ای داشته است. این مدل در یک مخزن کد VS Code با ۲۸ هزار خط و ۴۵ باگ تعبیه‌شده، موفق به رفع ۱۱ خطا شد که نشان‌دهنده درک عمیق‌تر آن از ساختار کدهای پیچیده است.
⚡️ در مقایسه، نسخه Opus 4.8 تنها توانسته بود ۲ باگ را اصلاح کند. نسخه جدید نه تنها موارد پیشین را با موفقیت پشت سر گذاشت، بلکه ۹ باگ پیچیده دیگر را نیز بدون ایجاد False Fix (اصلاحات کاذب) برطرف کرد که نرخ موفقیت آن را به‌طور محسوسی ارتقا داد.
📊 با وجود این بهبود عملکرد، مدل GPT-5.6 Sol همچنان با حل ۱۳ باگ، پیشتاز این ارزیابی است. با این حال، همچنان ۲۷ خطا از مجموع ۴۵ مورد، توسط تمام مدل‌های بررسی‌شده حل‌نشده باقی مانده‌اند که نشان می‌دهد دنیای توسعه خودکار کد، همچنان برای رسیدن به دقت مطلق راه درازی در پیش دارد.
#Claude_3 #Bug_Hunt_Bench
🔬 بررسی تخصصی روی بنچمارک Bug Hunt Bench نشان می‌دهد که نسخه جدید Claude 5 Opus در شناسایی و رفع خطاهای نرم‌افزاری جهش خیره‌کننده‌ای داشته است. این مدل در یک مخزن کد VS Code با ۲۸ هزار خط و ۴۵ باگ تعبیه‌شده، موفق به رفع ۱۱ خطا شد که نشان‌دهنده درک عمیق‌تر آن از ساختار کدهای پیچیده است.
⚡️ در مقایسه، نسخه Opus 4.8 تنها توانسته بود ۲ باگ را اصلاح کند. نسخه جدید نه تنها موارد پیشین را با موفقیت پشت سر گذاشت، بلکه ۹ باگ پیچیده دیگر را نیز بدون ایجاد False Fix (اصلاحات کاذب) برطرف کرد که نرخ موفقیت آن را به‌طور محسوسی ارتقا داد.
📊 با وجود این بهبود عملکرد، مدل GPT-5.6 Sol همچنان با حل ۱۳ باگ، پیشتاز این ارزیابی است. با این حال، همچنان ۲۷ خطا از مجموع ۴۵ مورد، توسط تمام مدل‌های بررسی‌شده حل‌نشده باقی مانده‌اند که نشان می‌دهد دنیای توسعه خودکار کد، همچنان برای رسیدن به دقت مطلق راه درازی در پیش دارد.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Claude_3 #Bug_Hunt_Bench
This media is not supported in your browser
VIEW IN TELEGRAM
🚀 ساخت شبیه‌ساز فضایی کامل با Claude 3.5 Opus
تحول جدیدی در صنعت بازی‌سازی رخ داده است؛ یک توسعه‌دهنده توانست در یک سشن کاری ۲۴ ساعته، کل یک بازی مرورگر-محور به نام The Long Silence را با استفاده از مدل Claude 3.5 Opus طراحی و پیاده‌سازی کند. تمامی کدهای برنامه، المان‌های بصری و حتی صداها به طور کامل توسط این هوش مصنوعی تولید شده‌اند.
این بازی شامل ویژگی‌های پیشرفته‌ای نظیر تولید رویه‌ای (Procedural Generation) سیارات، ستاره‌ها و سحابی‌ها است و امکاناتی همچون فرود بر سیارات، سفر بین سیستم‌های ستاره‌ای با fold drive، نقشه‌برداری کهکشانی و کاوش در ایستگاه‌های متروکه را ارائه می‌دهد. این شبیه‌ساز برای اجرای روان در ۶۰ فریم بر ثانیه، از سیستم مقیاس‌پذیری گرافیکی پویا بهره می‌برد.
🧠 از نظر فنی، این پروژه بدون استفاده از هیچ‌گونه دارایی (Asset) آماده ساخته شده است.
#Claude_3_5_Opus #Procedural_Generation
تحول جدیدی در صنعت بازی‌سازی رخ داده است؛ یک توسعه‌دهنده توانست در یک سشن کاری ۲۴ ساعته، کل یک بازی مرورگر-محور به نام The Long Silence را با استفاده از مدل Claude 3.5 Opus طراحی و پیاده‌سازی کند. تمامی کدهای برنامه، المان‌های بصری و حتی صداها به طور کامل توسط این هوش مصنوعی تولید شده‌اند.
این بازی شامل ویژگی‌های پیشرفته‌ای نظیر تولید رویه‌ای (Procedural Generation) سیارات، ستاره‌ها و سحابی‌ها است و امکاناتی همچون فرود بر سیارات، سفر بین سیستم‌های ستاره‌ای با fold drive، نقشه‌برداری کهکشانی و کاوش در ایستگاه‌های متروکه را ارائه می‌دهد. این شبیه‌ساز برای اجرای روان در ۶۰ فریم بر ثانیه، از سیستم مقیاس‌پذیری گرافیکی پویا بهره می‌برد.
🧠 از نظر فنی، این پروژه بدون استفاده از هیچ‌گونه دارایی (Asset) آماده ساخته شده است.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Claude_3_5_Opus #Procedural_Generation
Media is too big
VIEW IN TELEGRAM
⚡ تولید دنیای سه‌بعدی با Claude 3.5 Opus
آندری کارپاتی (Andrej Karpathy) اخیراً با استفاده از مدل Claude 3.5 Opus، پاراگرافی از کتاب «ارباب حلقه‌ها» را به یک محیط تعاملی سه‌بعدی تبدیل کرده است. او با اختصاص بودجه‌ای معادل ۱۰ دلار (حدود ۱ میلیون توکن) به مدل، از آن خواست تا با استفاده از کتابخانه Three.js، صحنه‌ای دقیق از داستان را به صورت کدهای اجرایی پیاده‌سازی کند.
🚀 نتیجه این آزمایش، تولید ۵۵۰۰ خط کد شامل تولید رویه‌ای (Procedural Generation) اشیاء، جانمایی دقیق مختصات مدل‌ها و انیمیشن‌سازی رویدادها بود. اگرچه خروجی در برخی بخش‌ها دارای نقص‌های بصری جزئی است، اما این دستاورد ثابت می‌کند که چگونه می‌توان در عرض تنها دو ساعت، یک پروتوتایپ کاربردی از یک دنیای سه‌بعدی پیچیده را تنها با تکیه بر توصیفات متنی و بدون صرف روزها زمان، خلق کرد.
🧠 بزرگترین چالش فعلی برای این مدل‌ها، فرآیند ارزیابی و اصلاح نتایج است.
#Claude_3_5_Opus #Three_js
آندری کارپاتی (Andrej Karpathy) اخیراً با استفاده از مدل Claude 3.5 Opus، پاراگرافی از کتاب «ارباب حلقه‌ها» را به یک محیط تعاملی سه‌بعدی تبدیل کرده است. او با اختصاص بودجه‌ای معادل ۱۰ دلار (حدود ۱ میلیون توکن) به مدل، از آن خواست تا با استفاده از کتابخانه Three.js، صحنه‌ای دقیق از داستان را به صورت کدهای اجرایی پیاده‌سازی کند.
🚀 نتیجه این آزمایش، تولید ۵۵۰۰ خط کد شامل تولید رویه‌ای (Procedural Generation) اشیاء، جانمایی دقیق مختصات مدل‌ها و انیمیشن‌سازی رویدادها بود. اگرچه خروجی در برخی بخش‌ها دارای نقص‌های بصری جزئی است، اما این دستاورد ثابت می‌کند که چگونه می‌توان در عرض تنها دو ساعت، یک پروتوتایپ کاربردی از یک دنیای سه‌بعدی پیچیده را تنها با تکیه بر توصیفات متنی و بدون صرف روزها زمان، خلق کرد.
🧠 بزرگترین چالش فعلی برای این مدل‌ها، فرآیند ارزیابی و اصلاح نتایج است.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Claude_3_5_Opus #Three_js
🤖 عرضه مدل جدید Claude 3.5 Sonnet
شرکت Anthropic نسخه جدید مدل Claude 3.5 Sonnet را با تمرکز بر توانایی‌های برنامه‌نویسی و انجام وظایف عاملی (agentic tasks) منتشر کرد.
ویژگی‌های فنی و بهبودهای این نسخه عبارتند از:
- افزایش ۳۰ درصدی سرعت در پردازش‌ها.
- کاهش ۳۰ درصدی هزینه‌ها به ازای هر تسک.
- کسب امتیاز ۷۰.۶ درصد در بنچمارک Terminal-Bench 4.0.
- عملکرد ۵۵.۵ درصدی در CursorBench 4.0 که به مدل قدرتمندتر Opus 3.5 نزدیک است.
- بهبود چشمگیر در مدیریت کدهای طولانی، پردازش تصاویر و تحلیل اسناد و جداول.
در بخش برنامه‌نویسی، این مدل با کاهش تعداد فراخوانی ابزارها و مراحل کمتر برای تکمیل وظایف، کارایی بالاتری نسبت به نسل قبلی ارائه می‌دهد.
هزینه استفاده از API این مدل برای ورودی ۲ دلار و برای خروجی ۱۰ دلار به ازای هر میلیون توکن تعیین شده است. مدل جدید هم‌اکنون از طریق وب‌سایت Claude، API اختصاصی و پلتفرم‌های ابری AWS، Google Cloud و Azure در دسترس کاربران قرار دارد.
#Claude_3_5_Sonnet #Terminal_Bench
شرکت Anthropic نسخه جدید مدل Claude 3.5 Sonnet را با تمرکز بر توانایی‌های برنامه‌نویسی و انجام وظایف عاملی (agentic tasks) منتشر کرد.
ویژگی‌های فنی و بهبودهای این نسخه عبارتند از:
- افزایش ۳۰ درصدی سرعت در پردازش‌ها.
- کاهش ۳۰ درصدی هزینه‌ها به ازای هر تسک.
- کسب امتیاز ۷۰.۶ درصد در بنچمارک Terminal-Bench 4.0.
- عملکرد ۵۵.۵ درصدی در CursorBench 4.0 که به مدل قدرتمندتر Opus 3.5 نزدیک است.
- بهبود چشمگیر در مدیریت کدهای طولانی، پردازش تصاویر و تحلیل اسناد و جداول.
در بخش برنامه‌نویسی، این مدل با کاهش تعداد فراخوانی ابزارها و مراحل کمتر برای تکمیل وظایف، کارایی بالاتری نسبت به نسل قبلی ارائه می‌دهد.
هزینه استفاده از API این مدل برای ورودی ۲ دلار و برای خروجی ۱۰ دلار به ازای هر میلیون توکن تعیین شده است. مدل جدید هم‌اکنون از طریق وب‌سایت Claude، API اختصاصی و پلتفرم‌های ابری AWS، Google Cloud و Azure در دسترس کاربران قرار دارد.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Claude_3_5_Sonnet #Terminal_Bench
This media is not supported in your browser
VIEW IN TELEGRAM
📊 تغییر مرز کارایی مدل‌های هوش مصنوعی
داده‌های Artificial Analysis نشان می‌دهد که مرز «پارتو» برای نسبت عملکرد به هزینه در مدل‌های هوش مصنوعی طی ۱۸ ماه گذشته تغییرات قابل‌توجهی داشته است.
یک سال پیش، مدل GPT-4o mini با امتیاز ۱۷ در نسخه ۴.۳ شاخص هوش، با هزینه تقریبی ۰.۰۵ دلار به ازای هر تسک، بالاترین عملکرد را داشت. در حال حاضر، مدل Claude 3.5 Opus با ثبت امتیاز ۵۸، بالاترین رکورد را در این شاخص به نام خود ثبت کرده است که هزینه آن حدود ۵.۹۸ دلار برای هر تسک برآورد می‌شود.
#Claude_3_5_Opus #مرز_پارتو
داده‌های Artificial Analysis نشان می‌دهد که مرز «پارتو» برای نسبت عملکرد به هزینه در مدل‌های هوش مصنوعی طی ۱۸ ماه گذشته تغییرات قابل‌توجهی داشته است.
یک سال پیش، مدل GPT-4o mini با امتیاز ۱۷ در نسخه ۴.۳ شاخص هوش، با هزینه تقریبی ۰.۰۵ دلار به ازای هر تسک، بالاترین عملکرد را داشت. در حال حاضر، مدل Claude 3.5 Opus با ثبت امتیاز ۵۸، بالاترین رکورد را در این شاخص به نام خود ثبت کرده است که هزینه آن حدود ۵.۹۸ دلار برای هر تسک برآورد می‌شود.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Claude_3_5_Opus #مرز_پارتو