🤖 ‏ معرفی مدل قدرتمند Qwen3.8-Max با ۲.۴ تریلیون پارامتر

‏تیم Qwen از مدل جدید خود تحت عنوان Qwen3.8-Max با ظرفیت عظیم ۲.۴ تریلیون پارامتر رونمایی کرد. این مدل به‌طور اختصاصی برای توسعه نرم‌افزار به‌صورت خودمختار (Autonomous) و مدیریت ایجنت‌های کاری طراحی شده است.

🧠 ‏ قابلیت اصلی این سیستم، انجام پروژه‌های طولانی بدون دخالت انسان است؛ از برنامه‌ریزی و نوشتن کد گرفته تا اجرای ابزارها و عیب‌یابی بر اساس بازخورد. به عنوان نمونه، این ایجنت پروژه oh-my-cli را طی ۱۰ روز از یک پوشه خالی به یک خروجی کامل تبدیل کرده است.

⚡ ‏ یکی از ویژگی‌های متمایز، پردازش تصویر بومی (Native Multimodality) است که در چرخه برنامه‌ریزی، اجرا و بازرسی ادغام شده است. این مدل قادر است در بهینه‌سازی تراشه‌ها و تدوین استراتژی‌های پیچیده تجاری نیز عملکردی سطح بالا ارائه دهد.

🔗 ‏ qwen.ai
🔗 ‏ chat.qwen.ai
🔗 ‏ qwencloud.com
🔗 ‏ GitHub

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#Qwen3_8_Max #Autonomous_Agents

‏🚀 نبرد مدل‌های هوش مصنوعی: Qwen 3.8 Max در برابر Opus 5

‏این روزها شاهد رقابت جذابی هستیم؛ مدل‌های متن‌باز چینی به‌خوبی توانسته‌اند با قدرتمندترین مدل‌های بسته‌ی جهان وارد رقابت مستقیم شوند.

‏در یک تست عملی، از مدل‌ها خواسته شد تا یک نمونه اولیه از موتور بخار سه‌بعدی با استفاده از Three.js طراحی کنند. نتیجه این مقایسه نشان می‌دهد که مدل‌های رایگان و قابل اجرا روی سیستم شخصی، فاصله‌ی بسیار کمی با مدل‌های تجاری و گران‌قیمت دارند.

‏مهم‌ترین نکات این رقابت:
‏- تقابل یک مدل متن‌باز با مدل‌های سطح بالای closed-source
‏- قابلیت اجرای محلی مدل Qwen برای کاهش هزینه‌ها
‏- دقت بالا در تولید کدهای گرافیکی پیچیده

‏به‌نظر شما، کدام مدل در پیاده‌سازی پروژه‌های فنی بهتر عمل می‌کند؟

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#Qwen3_8Max #Threejs

‏🚀 معرفی مدل قدرتمند Qwen3.8-Flash

‏تیم Qwen از مدل جدید خود با نام Qwen3.8-Flash رونمایی کرد؛ یک مدل چندوجهی (Multimodal) از نوع MoE که پیش‌نمایشی از معماری نسل آینده یعنی Qwen4 محسوب می‌شود.

‏این مدل با وجود ۱۲۵ میلیارد پارامتر، تنها ۶ میلیارد پارامتر را برای هر توکن فعال می‌کند که منجر به بهینگی خیره‌کننده‌ای شده است. از دیگر ویژگی‌های فنی این مدل می‌توان به موارد زیر اشاره کرد:

‏- پشتیبانی از متن پیش‌فرض ۲۶۲ هزار توکن با قابلیت گسترش تا ۱ میلیون
‏- استفاده از معماری نوین شامل GDN و QSA hybrid attention
‏- بهینه‌سازی هزینه‌های آموزش تا ۹ برابر کمتر از مدل‌های قبلی
‏- ثبت نتایج درخشان در بنچ‌مارک‌های مطرحی چون MathVision با امتیاز ۹۵.۷ و SWE-bench Pro با ۶۲.۵

‏شما می‌توانید جزئیات فنی و گزارش کامل این مدل را در گزارش تخصصی Qwen مطالعه کرده و وزن‌های نسخه اولیه آن را از هگینگ‌فیس دریافت کنید. نسخه تولیدی این مدل نیز در پلتفرم QwenCloud با قیمت بسیار رقابتی در دسترس قرار گرفته است.

📚 مطالعه با جزئیات بیشتر

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#Qwen3_8_Flash #Muon_optimizer

‏🚀 غول جدید چین: مدل ارتقایافته Qwen3.8-Max معرفی شد

‏چین با ارائه نسخه جدید مدل Qwen3.8-Max-0902 با ۲.۴ تریلیون پارامتر، قدرت‌نمایی جدیدی در حوزه هوش مصنوعی به راه انداخته است. این مدل مجهز به پنجره بافت (Context Window) ۱ میلیون توکنی است و بهبودهای بزرگی در زمینه کدنویسی، کارهای پژوهشی و فرآیندهای چندمرحله‌ای دارد.

‏این مدل با کسب ۱,۶۹۱ امتیاز، موفق شد رتبه اول بنچمارک Code Arena: WebDev را از آن خود کند و بالاتر از رقبای سرشناسی مانند Claude Opus 5 Max و Kimi K3 Max قرار گیرد.

‏هزینه پردازش این مدل بسیار اقتصادی و بهینه است:
‏• ورودی: ۲ دلار به ازای هر ۱ میلیون توکن
‏• خروجی: ۶ دلار به ازای هر ۱ میلیون توکن

‏این ابزار قدرتمند هم‌اکنون از طریق API در وب‌سایت QwenCloud برای توسعه‌دهندگان در دسترس است.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#Qwen3_8_Max #Context_Window

‏🚀 اجرای محلی مدل قدرتمند Qwen3.8-27B روی مک

‏دنیای هوش مصنوعی محلی با انتشار نسخه بهینه‌شده Qwen3.8-27B برای چیپ‌های Apple Silicon وارد مرحله جدیدی شده است. تیم LM Studio این مدل ۲۷ میلیاردی را با استفاده از فریم‌ورک MLX و دقت 4-bit برای اجرا روی سیستم‌های مک آماده کرده‌اند.

‏این مدل چندوجهی از متن و تصویر پشتیبانی می‌کند و با وجود حجم حدود ۱۶ گیگابایتی، برای اجرای روان روی دستگاه، به رم کافی نیاز دارد:

‏- حداقل ۲۴ گیگابایت حافظه یکپارچه (Unified Memory) برای اجرای پایه پیشنهاد می‌شود.
‏- برای پردازش تصاویر یا سناریوهای طولانی‌مدت، استفاده از ۳۲ گیگابایت رم توصیه شده است.

‏این نسخه که با فرمت Safetensors ارائه شده، یکی از مدل‌های برجسته در جامعه ML Studio است که امکان بهره‌گیری از قدرت مدل‌های بزرگ را بدون نیاز به سرورهای ابری و به‌صورت کاملاً محلی فراهم می‌کند.

راهنمای اجرای محلی مدل Qwen3.8-27B روی مک با بهینه‌ساز MLX

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#Qwen3_8_27B #MLX

‏🌐 ترجمه همزمان با هوش مصنوعی Qwen

‏شرکت علی‌بابا از مدل جدید Qwen3.8-LiveTranslate رونمایی کرد که انقلابی در ترجمه گفتار ایجاد کرده است. این مدل با کاهش تاخیر به ۲.۳ ثانیه، نه تنها متن را ترجمه می‌کند، بلکه صدای اصلی گوینده را نیز بازسازی می‌کند.

‏مهم‌ترین ویژگی‌های این نسخه جدید:
‏• تشخیص دقیق هویت افراد در مکالمه‌های چندنفره و حفظ ویژگی‌های صوتی هر فرد.
‏• امکان نمایش همزمان متن اصلی و ترجمه شده بر روی صفحه.
‏• بهره‌گیری از متون قبلی و نشانه‌های بصری برای ترجمه دقیق‌تر اصطلاحات تخصصی و عبارات مبهم.

‏این مدل در حال حاضر از تشخیص گفتار برای ۶۰ زبان و خروجی گفتار ترجمه شده برای ۲۹ زبان پشتیبانی می‌کند. برای بررسی فنی و استفاده از قابلیت‌ها، می‌توانید به Alibaba Cloud Model Studio مراجعه کنید.

‏آیا تاکنون از مدل‌های ترجمه زنده برای کارهای روزمره یا حرفه‌ای استفاده کرده‌اید؟

تحول در ترجمه همزمان با مدل Qwen3.8-LiveTranslate علی‌بابا

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#Qwen3 #Alibaba_Cloud_Model_Studio

‏🤖 خبرنامه هوش مصنوعی و علم داده 🚀

‏هفته‌ای پر از نوآوری در دنیای هوش مصنوعی! از دستیارهای شخصی پیشرفته‌تر گرفته تا مدل‌های مولد ویدئو و ابزارهای امنیتی، تازه‌های این هفته را مرور می‌کنیم:

‏مدل‌های زبانی بزرگ (LLM):
‏- Siri AI: اپل بتای انگلیسی‌زبان دستیار صوتی خود را با قابلیت درک زمینه شخصی و تعامل بین برنامه‌ای عرضه کرد.
‏- Gemini 3.8 Live: گوگل دو مدل صوتی با درک بصری و قابلیت فراخوانی ابزار را معرفی کرد که یکی از آن‌ها توانایی استدلال و صحبت همزمان را دارد.
‏- Qwen3.8-Omni-Flash: مدل علی‌بابا که متن، تصویر، صدا و ویدئو را پردازش کرده و با داشتن زمینه یک میلیون توکنی، قابلیت تفکر، فراخوانی تابع و جستجوی وب را ارائه می‌دهد.
‏- Jev: مدل TypeSafe که به جای متن، راه‌حل‌های تایپ‌شده همراه با احتمالات را خروجی می‌دهد و تأخیر کمی دارد.

‏مدل‌های مولد:
‏- Qwen-Image 2.1: مدلی یکپارچه برای تولید و ویرایش تصاویر با وضوح 2K، پشتیبانی از RGBA و ماسک‌های محلی.
‏- Vidu S2: ابزاری برای ساخت آواتارهای 720p و ویرایش ویدئو در لحظه، شامل تغییر شخصیت، لباس، پس‌زمینه و سبک.
‏- Boreal: مدل Creatify برای تولید ویدئو از متن و تصویر، با قیمت تخمینی حدود ۰.۰۱ دلار در ثانیه.
‏- HiDream O1 Video: مدل image-to-video با API ناهمزمان که می‌تواند ویدئوهایی با طول دلخواه یا ثابت ۱۰ ثانیه‌ای تولید کند.
‏- Enhance Frame Rate: ابزار Runway برای افزایش نرخ فریم ویدئوهای آماده تا ۱۲۰ فریم بر ثانیه با حفظ وضوح اصلی.

‏عامل‌ها و محصولات:
‏- Claude یکپارچه شد: چت، Cowork و Design در Claude ادغام شده و قابلیت‌های ویرایش اسناد و اسلاید با خروجی PDF و PowerPoint اضافه شده است.
‏- ChatGPT در Office: افزونه‌ای برای Word، Excel و PowerPoint که قابلیت ویرایش فایل و استفاده از زمینه برنامه‌های متصل را دارد.
‏- Astra for Law: نسخه تخصصی GPT-6 برای حقوق ایالات متحده با ۲۶ ادغام، در حال حاضر برای برخی شرکت‌های حقوقی منتخب در دسترس است.
‏- عامل‌ها در DaVinci: نسخه ۲۱.۱ Resolve Studio با دستیارهای هوش مصنوعی برای مدیریت مدیا، تدوین و رندر.

‏امنیت و تحقیقات:
‏- Claude به هک OpenAI کمک کرد: محققان با استفاده از Claude یک آسیب‌پذیری را کشف کردند که منجر به دسترسی به مخازن داخلی شد (این آسیب‌پذیری‌ها رفع شده‌اند).
‏- ارزیابی داخلی در Anthropic: شرکت Accenture با دسترسی سطح بالا برای تست نفوذ و ارزیابی امنیتی، با Anthropic همکاری می‌کند.

‏
آخرین نوآوری‌های هوش مصنوعی: دستیارهای شخصی، مدل‌های مولد و ابزارهای امنیتی

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#Qwen3_8_Omni_Flash #Astra_for_Law

‏🤖 عرضه مدل Decision-1 توسط مایکروسافت

‏مایکروسافت مدل جدیدی به نام Decision-1 را عرضه کرده است که صرفاً برای اتخاذ تصمیم طراحی شده است. این مدل بر پایه Qwen3.5-9B توسعه یافته و با دریافت یک درخواست و مجموعه‌ای از گزینه‌ها، احتمال کالیبره شده برای هر انتخاب را در یک مرحله خروجی می‌دهد.

‏کاربردهای این مدل شامل موارد زیر است:
‏- پاسخ‌های بله/خیر یا انتخاب از میان گزینه‌ها
‏- رتبه‌بندی یا امتیازدهی به پاسخ‌های سایر مدل‌های هوش مصنوعی
‏- تعیین اقدامات عوامل هوشمند بر اساس دسته‌بندی

‏Decision-1 در ۳۶ بنچمارک آزمایشی بالاترین دقت را میان مدل‌های تصمیم‌گیر کسب کرده و تا ۳۵ برابر سریع‌تر از GPT-4o عمل می‌کند. نتایج نشان می‌دهد که در صورت تغییر ترتیب گزینه‌ها، خروجی این مدل تنها ۱.۳ درصد تغییر می‌کند که نشان‌دهنده پایداری بالای آن است.

‏این مدل هم‌اکنون در پلتفرم Microsoft Foundry در دسترس است و به زودی به OpenRouter اضافه خواهد شد. هزینه استفاده از آن ۰.۰۴۲ دلار به ازای هر میلیون توکن ورودی است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#Microsoft_Decision_1 #Qwen3_5

‏💻 میزان حافظه لازم برای اجرای محلی مدل Qwen3-8B

‏بررسی‌های llamaperf نشان می‌دهد اجرای مدل Qwen3-8B با کوانتیزاسیون Q4_K_M و طول کانکست 8K به حدود ۷.۵ گیگابایت حافظه نیاز دارد که شامل وزن‌های مدل، KV-cache و بافرهای پردازشی است. این مقدار حافظه روی کارت گرافیک ۱۰ گیگابایتی یا مک با ۱۶ گیگابایت حافظه یکپارچه قابل اجراست.

‏با این حال، افزایش طول کانکست به 128K حجم حافظه مصرفی را تغییر می‌دهد؛ در این حالت تنها KV-cache در فرمت ۱۶ بیتی حدود ۱۹ گیگابایت حافظه اشغال می‌کند. کوانتیزه‌کردن وزن مدل به Q4 به‌طور خودکار KV-cache را ۴ بیتی نمی‌کند.

‏مصرف دقیق حافظه به موتور اجرا، فرمت کش و تنظیمات بستگی دارد، بنابراین هنگام اجرای محلی مدل‌ها باید طول پنجره گفتگو را هم در محاسبه حافظه در نظر گرفت.

🔗 ادامه مطلب در سایت

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#Qwen3_8B #KV_cache