⚡ رونمایی از ایجنت برنامه‌نویس Muse Code
🧠 تیم Superintelligence Labs از نسخه بتای عمومی Muse Code رونمایی کرد، ایجنتی هوشمند که مستقیماً در ترمینال اجرا می‌شود. این ابزار قادر است کارهای پیچیده در ریپازیتوری‌های بزرگ را به‌صورت کاملاً خودمختار مدیریت کند، تغییرات را برنامه‌ریزی کرده و نتایج را اعتبارسنجی کند. قابلیت کلیدی آن، اجرای ساب-ایجنت‌های موازی در شاخه‌های ایزوله است تا خللی در کدهای اصلی ایجاد نشود.
📊 این سیستم توسط مدل بهینه‌شده Muse Spark 1.2 پشتیبانی می‌شود که منحصراً برای مهندسی نرم‌افزار توسعه یافته است. از قابلیت‌های ممتاز آن می‌توان به حفظ مداوم کانتکست در طول سشن و بازیابی خودکار فرآیند در صورت بروز خطا اشاره کرد. تمامی دستورات و تغییرات کد، پیش از اعمال برای رعایت پروتکل‌های امنیتی لاگ‌گذاری می‌شوند.
🚀 در بنچ‌مارک DeepSWE 1.1، این ایجنت با کسب امتیاز ۵۹.۳٪ توانست Grok Build 4.5 و Gemini 3.6 Flash را پشت سر بگذارد.
#Muse_Code #Muse_Spark_1
🧠 تیم Superintelligence Labs از نسخه بتای عمومی Muse Code رونمایی کرد، ایجنتی هوشمند که مستقیماً در ترمینال اجرا می‌شود. این ابزار قادر است کارهای پیچیده در ریپازیتوری‌های بزرگ را به‌صورت کاملاً خودمختار مدیریت کند، تغییرات را برنامه‌ریزی کرده و نتایج را اعتبارسنجی کند. قابلیت کلیدی آن، اجرای ساب-ایجنت‌های موازی در شاخه‌های ایزوله است تا خللی در کدهای اصلی ایجاد نشود.
📊 این سیستم توسط مدل بهینه‌شده Muse Spark 1.2 پشتیبانی می‌شود که منحصراً برای مهندسی نرم‌افزار توسعه یافته است. از قابلیت‌های ممتاز آن می‌توان به حفظ مداوم کانتکست در طول سشن و بازیابی خودکار فرآیند در صورت بروز خطا اشاره کرد. تمامی دستورات و تغییرات کد، پیش از اعمال برای رعایت پروتکل‌های امنیتی لاگ‌گذاری می‌شوند.
🚀 در بنچ‌مارک DeepSWE 1.1، این ایجنت با کسب امتیاز ۵۹.۳٪ توانست Grok Build 4.5 و Gemini 3.6 Flash را پشت سر بگذارد.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Muse_Code #Muse_Spark_1
هوش مصنوعی و علم داده به فارسی
⚡ رونمایی از ایجنت برنامه‌نویس Muse Code 🧠 تیم Superintelligence Labs از نسخه بتای عمومی Muse Code رونمایی کرد، ایجنتی هوشمند که مستقیماً در ترمینال اجرا می‌شود. این ابزار قادر است کارهای پیچیده در ریپازیتوری‌های بزرگ را به‌صورت کاملاً خودمختار مدیریت کند،…
📊 تحلیل مدل جدید Muse Spark 1.2
🚀 مدل Muse Spark 1.2 از متا با ورود به بازار، جایگاه خود را در Pareto frontier (مرز بهینه هوشمندی نسبت به هزینه) تثبیت کرده است. این مدل با قیمت‌گذاری ۱.۲۵ دلار برای ورودی و ۴.۲۵ دلار برای خروجی در هر میلیون توکن، توازنی عالی میان عملکرد سطح بالا و هزینه‌های عملیاتی بهینه برقرار کرده است.
🧠 بر اساس داده‌های Artificial Analysis، این نسخه تنها ۶ امتیاز از Claude Opus پایین‌تر است اما با هزینه‌ای در حدود یک‌ششم اجرا می‌شود. در تسک‌های عاملی (Agentic tasks)، این مدل به خوبی از پسِ رقبایی نظیر GPT-4o (نسخه‌های Sol و Terra) و Kimi K3 برآمده و با قیمتی رقابتی، جایگاه برتری در بازار کسب کرده است.
📈 جهش فنی از نسخه ۱.۱ به ۱.۲ بدون تغییر در نرخ‌گذاری توکن‌ها صورت گرفته و افزایش هزینه‌های احتمالی در عملیات، ناشی از پردازش سنگین‌تر و دقیق‌تر در وظایف پیچیده است. مدل‌های ارزان‌تر کنونی مانند Grok 2 در این شاخص هوشمندی پایین‌تر از مدل جدید متا قرار می‌گیرند.
#Muse_Spark_1 #Pareto_frontier
🚀 مدل Muse Spark 1.2 از متا با ورود به بازار، جایگاه خود را در Pareto frontier (مرز بهینه هوشمندی نسبت به هزینه) تثبیت کرده است. این مدل با قیمت‌گذاری ۱.۲۵ دلار برای ورودی و ۴.۲۵ دلار برای خروجی در هر میلیون توکن، توازنی عالی میان عملکرد سطح بالا و هزینه‌های عملیاتی بهینه برقرار کرده است.
🧠 بر اساس داده‌های Artificial Analysis، این نسخه تنها ۶ امتیاز از Claude Opus پایین‌تر است اما با هزینه‌ای در حدود یک‌ششم اجرا می‌شود. در تسک‌های عاملی (Agentic tasks)، این مدل به خوبی از پسِ رقبایی نظیر GPT-4o (نسخه‌های Sol و Terra) و Kimi K3 برآمده و با قیمتی رقابتی، جایگاه برتری در بازار کسب کرده است.
📈 جهش فنی از نسخه ۱.۱ به ۱.۲ بدون تغییر در نرخ‌گذاری توکن‌ها صورت گرفته و افزایش هزینه‌های احتمالی در عملیات، ناشی از پردازش سنگین‌تر و دقیق‌تر در وظایف پیچیده است. مدل‌های ارزان‌تر کنونی مانند Grok 2 در این شاخص هوشمندی پایین‌تر از مدل جدید متا قرار می‌گیرند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Muse_Spark_1 #Pareto_frontier
🚀 کاهش شکاف بین مدل‌های هوش مصنوعی
فاصله عملکردی میان مدل‌های اختصاصی (Proprietary) و متن‌باز (Open Source) به کمترین حد خود رسیده است.
طبق نتایج تازه در Code Arena: WebDev، فاصله رقابتی این دو گروه از حدود ۱۵۰ امتیاز در اواخر سال ۲۰۲۵، اکنون به تنها ۱۰ امتیاز کاهش یافته است. این پیشرفت خیره‌کننده نشان می‌دهد که مدل‌های متن‌باز با سرعت بسیار بالایی در حال نزدیک شدن به پرچمداران این حوزه هستند.
منتظر انتشار وزن‌های مدل Muse Spark 1.2 و تاثیر آن در کنار مدل‌های قدرتمندی مثل Glimmer بر بنچمارک‌های آینده هستیم. شما می‌توانید جزئیات بیشتر و وضعیت رتبه‌بندی مدل‌ها را در وب‌سایت Arena مشاهده کنید.
فاصله عملکردی میان مدل‌های اختصاصی (Proprietary) و متن‌باز (Open Source) به کمترین حد خود رسیده است.
طبق نتایج تازه در Code Arena: WebDev، فاصله رقابتی این دو گروه از حدود ۱۵۰ امتیاز در اواخر سال ۲۰۲۵، اکنون به تنها ۱۰ امتیاز کاهش یافته است. این پیشرفت خیره‌کننده نشان می‌دهد که مدل‌های متن‌باز با سرعت بسیار بالایی در حال نزدیک شدن به پرچمداران این حوزه هستند.
منتظر انتشار وزن‌های مدل Muse Spark 1.2 و تاثیر آن در کنار مدل‌های قدرتمندی مثل Glimmer بر بنچمارک‌های آینده هستیم. شما می‌توانید جزئیات بیشتر و وضعیت رتبه‌بندی مدل‌ها را در وب‌سایت Arena مشاهده کنید.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی#Code_Arena #Muse_Spark
📩 ارتباط با ما
🤖 حل شش مسئله باز ریاضی توسط هوش مصنوعی Muse Spark
متا با انتشار شش مقاله پژوهشی اعلام کرد که مدل Muse Spark (نسخه‌های ۱.۱ و ۱.۲) در همکاری با ریاضیدانان، موفق به حل شش مسئله باز ریاضی شده است. این مدل از طریق Thinking Mode و بدون نیاز به ابزارهای جانبی خاص، در نگارش این مقالات مشارکت داشته است. در متن مقالات، بخش‌های نگارش‌شده توسط انسان و هوش مصنوعی به‌صورت تفکیک‌شده مشخص شده‌اند.
نتایج به‌دست‌آمده حوزه‌های مختلفی از جمله نظریه احتمالات، معادلات دیفرانسیل، بهینه‌سازی، نظریه گروه‌ها، جبر و فیزیک ریاضی را در بر می‌گیرند. از مهم‌ترین دستاوردهای گزارش‌شده می‌توان به موارد زیر اشاره کرد:
* رد فرضیه کید (Kidd) در سال ۲۰۲۴ مبنی بر اینکه یک گروه نیم‌آبلی الزماً مونومیال نیست.
* اثبات فروپاشی راه‌حل‌های شعاعی متقارن با انرژی منفی در معادله غیرخطی بی‌هارمونیک شرودینگر که از سال ۲۰۱۵ یک مسئله حل‌نشده باقی مانده بود.
جزئیات بیشتر این همکاری در وبلاگ تحقیقاتی متا در دسترس است.
#Muse_Spark #Thinking_Mode
متا با انتشار شش مقاله پژوهشی اعلام کرد که مدل Muse Spark (نسخه‌های ۱.۱ و ۱.۲) در همکاری با ریاضیدانان، موفق به حل شش مسئله باز ریاضی شده است. این مدل از طریق Thinking Mode و بدون نیاز به ابزارهای جانبی خاص، در نگارش این مقالات مشارکت داشته است. در متن مقالات، بخش‌های نگارش‌شده توسط انسان و هوش مصنوعی به‌صورت تفکیک‌شده مشخص شده‌اند.
نتایج به‌دست‌آمده حوزه‌های مختلفی از جمله نظریه احتمالات، معادلات دیفرانسیل، بهینه‌سازی، نظریه گروه‌ها، جبر و فیزیک ریاضی را در بر می‌گیرند. از مهم‌ترین دستاوردهای گزارش‌شده می‌توان به موارد زیر اشاره کرد:
* رد فرضیه کید (Kidd) در سال ۲۰۲۴ مبنی بر اینکه یک گروه نیم‌آبلی الزماً مونومیال نیست.
* اثبات فروپاشی راه‌حل‌های شعاعی متقارن با انرژی منفی در معادله غیرخطی بی‌هارمونیک شرودینگر که از سال ۲۰۱۵ یک مسئله حل‌نشده باقی مانده بود.
جزئیات بیشتر این همکاری در وبلاگ تحقیقاتی متا در دسترس است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Muse_Spark #Thinking_Mode