📌 شرکت OpenAI مدل‌های GPT-6 Sol و Luna را معرفی کرد
شرکت OpenAI خانواده GPT-6 را گسترش داد و دو مدل جدید Sol و Luna را معرفی کرد. این مدل‌ها با همان روش‌های مدل پرچم‌دار Astra آموزش دیده‌اند، اما برای کارهای روزمره با عامل‌ها، کدنویسی و دقت واقعیت، با هزینه بسیار کمتر طراحی شده‌اند. 💡
💰 قیمت‌های API نصف شد
قیمت‌ها نسبت به تعرفه تبلیغاتی GPT-5.6 ۵۰٪ کاهش یافته است:
• مدل Sol: ورودی از ۴ به ۲ دلار، خروجی از ۲۰ به ۱۰ دلار (به ازای هر میلیون توکن)
• مدل Luna: ورودی از ۰.۲۰ به ۰.۱۰ دلار، خروجی از ۱.۲۰ به ۰.۵۰ دلار
📊 عملکرد در کارهای حرفهای
• مدل Sol در بنچمارک AutomationBench (گردش‌کارهای تجاری در اپ‌های مختلف) با تلاش xhigh از Claude Opus 5 با تلاش max جلو می‌زند، آن هم با فقط ۹٪ هزینه Opus 5.
• در Agents' Last Exam (ارزیابی عامل‌ها در گردش‌کارهای پیچیده حرفهای)، Sol با تلاش max امتیاز ۵۶.۴٪ می‌گیرد — بالاتر از بهترین امتیاز Opus 5 — با ۶۰٪ هزینه کمتر.
• مدل Luna با تلاش high نسبت به نسل قبل ۵.۴ واحد درصد بهتر شده و ۵۸٪ ارزان‌تر است.
💻 کدنویسی
• مدل Sol در DeepSWE v1.1 (وظایف پیچیده مهندسی نرم‌افزار در پایگاه کد واقعی) امتیاز ۶۸.۸٪ می‌گیرد — فقط ۱.۱ واحد کمتر از Claude Fable 5 — با حدود ۸۰٪ هزینه کمتر.
• مدل Luna با تلاش max امتیاز ۶۶.۶٪ می‌گیرد که با Opus 5 و Fable 5 در تلاش medium قابل مقایسه است، اما ۹۳٪ ارزان‌تر از Opus 5 و ۹۶٪ ارزان‌تر از Fable 5.
• در FrontierCode، مدل Sol پیشرفت چشمگیری نسبت به GPT-5.6 Sol داشته و با Fable 5.1 xhigh با هزینه بسیار کمتر برابری می‌کند.
🧠 دقت واقعیت
در ارزیابی داخلی واقعیت‌سنجی OpenAI (بر پایه مکالمات واقعی که کاربران خطاها را علامت زده بودند)، مدل Sol حدود نصف خطاهای نسل قبل را دارد و به قابلیت اطمینان Astra نزدیک می‌شود. Luna نیز پیشرفت قابل توجهی داشته و در سطوح بالاتر با GPT-5.6 Sol با یک‌صدم هزینه برابری می‌کند.
💾 کش بهتر
کش کردن پرامپت در GPT-6 بهبود یافته و نرخ اصابت کش بالاتر رفته است. تخفیف ۹۰٪ برای خواندن ورودی‌های کش‌شده ارائه می‌شود. GitHub گزارش داده که در چند ماه گذشته، این بهبودها سهم توکن‌های نیازمند پردازش تازه را در میلیاردها درخواست بیش از ۵۰٪ کاهش داده و به پاسخ سریع‌تر Copilot کمک کرده است.
📅 دسترسی
مدل GPT-6 Sol و Luna از امروز در ChatGPT Work و Codex برای کاربران Plus، Pro، Business، Enterprise و Edu در دسترس هستند. کاربران Free و Go می‌توانند GPT-6 Luna را در اپ دسکتاپ استفاده کنند. این مدل‌ها فعلاً در ChatGPT معمولی نیستند. در API با نام‌های gpt-6-sol و gpt-6-luna قابل فراخوانی هستند.
🔗 اعلامیه رسمی OpenAI
#AI #OpenAI #GPT6 #Sol #Luna
🆔 @asrgooyeshpardaz
شرکت OpenAI خانواده GPT-6 را گسترش داد و دو مدل جدید Sol و Luna را معرفی کرد. این مدل‌ها با همان روش‌های مدل پرچم‌دار Astra آموزش دیده‌اند، اما برای کارهای روزمره با عامل‌ها، کدنویسی و دقت واقعیت، با هزینه بسیار کمتر طراحی شده‌اند. 💡
💰 قیمت‌های API نصف شد
قیمت‌ها نسبت به تعرفه تبلیغاتی GPT-5.6 ۵۰٪ کاهش یافته است:
• مدل Sol: ورودی از ۴ به ۲ دلار، خروجی از ۲۰ به ۱۰ دلار (به ازای هر میلیون توکن)
• مدل Luna: ورودی از ۰.۲۰ به ۰.۱۰ دلار، خروجی از ۱.۲۰ به ۰.۵۰ دلار
📊 عملکرد در کارهای حرفهای
• مدل Sol در بنچمارک AutomationBench (گردش‌کارهای تجاری در اپ‌های مختلف) با تلاش xhigh از Claude Opus 5 با تلاش max جلو می‌زند، آن هم با فقط ۹٪ هزینه Opus 5.
• در Agents' Last Exam (ارزیابی عامل‌ها در گردش‌کارهای پیچیده حرفهای)، Sol با تلاش max امتیاز ۵۶.۴٪ می‌گیرد — بالاتر از بهترین امتیاز Opus 5 — با ۶۰٪ هزینه کمتر.
• مدل Luna با تلاش high نسبت به نسل قبل ۵.۴ واحد درصد بهتر شده و ۵۸٪ ارزان‌تر است.
💻 کدنویسی
• مدل Sol در DeepSWE v1.1 (وظایف پیچیده مهندسی نرم‌افزار در پایگاه کد واقعی) امتیاز ۶۸.۸٪ می‌گیرد — فقط ۱.۱ واحد کمتر از Claude Fable 5 — با حدود ۸۰٪ هزینه کمتر.
• مدل Luna با تلاش max امتیاز ۶۶.۶٪ می‌گیرد که با Opus 5 و Fable 5 در تلاش medium قابل مقایسه است، اما ۹۳٪ ارزان‌تر از Opus 5 و ۹۶٪ ارزان‌تر از Fable 5.
• در FrontierCode، مدل Sol پیشرفت چشمگیری نسبت به GPT-5.6 Sol داشته و با Fable 5.1 xhigh با هزینه بسیار کمتر برابری می‌کند.
🧠 دقت واقعیت
در ارزیابی داخلی واقعیت‌سنجی OpenAI (بر پایه مکالمات واقعی که کاربران خطاها را علامت زده بودند)، مدل Sol حدود نصف خطاهای نسل قبل را دارد و به قابلیت اطمینان Astra نزدیک می‌شود. Luna نیز پیشرفت قابل توجهی داشته و در سطوح بالاتر با GPT-5.6 Sol با یک‌صدم هزینه برابری می‌کند.
💾 کش بهتر
کش کردن پرامپت در GPT-6 بهبود یافته و نرخ اصابت کش بالاتر رفته است. تخفیف ۹۰٪ برای خواندن ورودی‌های کش‌شده ارائه می‌شود. GitHub گزارش داده که در چند ماه گذشته، این بهبودها سهم توکن‌های نیازمند پردازش تازه را در میلیاردها درخواست بیش از ۵۰٪ کاهش داده و به پاسخ سریع‌تر Copilot کمک کرده است.
📅 دسترسی
مدل GPT-6 Sol و Luna از امروز در ChatGPT Work و Codex برای کاربران Plus، Pro، Business، Enterprise و Edu در دسترس هستند. کاربران Free و Go می‌توانند GPT-6 Luna را در اپ دسکتاپ استفاده کنند. این مدل‌ها فعلاً در ChatGPT معمولی نیستند. در API با نام‌های gpt-6-sol و gpt-6-luna قابل فراخوانی هستند.
🔗 اعلامیه رسمی OpenAI
#AI #OpenAI #GPT6 #Sol #Luna
🆔 @asrgooyeshpardaz
❤4
👾 معرفی RRSI: خودبهسازی بازگشتی قاعده‌مند برای عامل‌های هوش مصنوعی
پژوهشگرانی از گوگل، دانشگاه استنفورد، دانشگاه UNC و دانشگاه واشینگتن روش جدیدی به نام RRSI (خودبهسازی بازگشتی قاعده‌مند) معرفی کرده‌اند که برای بهبود بخش «هارنس» (harness) عامل‌های هوش مصنوعی طراحی شده است. هارنس مجموعه‌ای از پرامپت‌ها، مدیریت زمینه، ابزارها و منطق کنترلی است که اطراف مدل اصلی قرار می‌گیرد.
📉 مشکل چیست؟
روش‌های رایج برای بهبود خودکار هارنس، با یک مشکل جدی روبه‌رو هستند: بیش‌برازش (Overfitting).
تصور کنید یک حلقه بیرونی، تغییراتی در پرامپت‌ها و ابزارهای عامل پیشنهاد می‌دهد. اگر امتیاز در بنچمارک بهتر شود، تغییر نگه داشته می‌شود. اما بعد از چند دور، عامل فقط «نتایج مجموعه تست را حفظ می‌کند» و روی وظایف جدید عملکرد ضعیفی دارد.
🛡 روش RRSI چطور کار می‌کند؟
روش RRSI این حلقه بهینه‌سازی را مثل یک مسئله یادگیری ماشین با نیاز به قاعده‌مندسازی (Regularization) می‌بیند، نه یک جستجوی آزاد. این روش محدودیت‌هایی در دو مرحله اعمال می‌کند:
۱. مرحله تولید پیشنهاد: بودجه تغییرات با گذشت زمان محدودتر می‌شود (آنلینگ زمانی). در ابتدا می‌توان تغییرات چندجزئی پیشنهاد داد، اما در مراحل بعدی فقط تغییرات کوچک و تک‌جزئی مجاز است تا تغییرات مرکب، اصلاحات اشتباه را پنهان نکنند.
۲. مرحله انتخاب: دو مکانیزم اضافه شده است:
· منتقد (Critic): پیش از اجرا، پیشنهادهایی را که شبیه هاردکد کردن برای یک بنچمارک خاص هستند (مثل تطبیق رشته‌ای شکننده یا پرامپت‌های مخصوص یک تست) شناسایی و رد می‌کند.
· هرس‌کننده (Pruner): پس از اجرا، تغییراتی را که خیلی کوچک، خیلی گران یا دیگر مفید نیستند حذف می‌کند.
📊 نتایج کلیدی
در ۸ بنچمارک شامل کدنویسی، فضای کاری عاملی و طراحی مهندسی:
· مجموعه توسعه: تا ۱۴.۱ واحد بهبود
· ۵ بنچمارک خارج از توزیع (OOD): تا ۴.۷ واحد بهبود — جایی که حلقه‌های بدون قاعده‌مندسازی به عقب برمی‌گشتند یا عملکرد منفی داشتند
· مصرف توکن: ۳۰٪ کمتر از روش‌های بدون قاعده‌مندسازی
🎯 چرا این مهم است؟
تیم‌های مهندسی عامل معمولاً بعد از دو ماه با «تورم پرامپت» روبه‌رو می‌شوند: هر گزارش باگ یک هشدار جدید، هر فراخوانی ناموفق ابزار یک دستور دفاعی. بعد از چند ماه، هارنس در هر نوبت هزاران توکن اضافه مصرف می‌کند و به‌روزرسانی‌های بعدی مدل آن را خراب می‌کند. RRSI نشان می‌دهد که خودکارسازی بهبود هارنس فقط وقتی مفید است که مکانیزم هرس با تمایل به حذف دستورها همراه باشد.
🔗 دسترسی:
· مقاله: arXiv
· کد: GitHub
· صفحه پروژه: regularized-rsi.com
#AI #Google #RSI #AgentHarness #Research
🆔 @asrgooyeshpardaz
پژوهشگرانی از گوگل، دانشگاه استنفورد، دانشگاه UNC و دانشگاه واشینگتن روش جدیدی به نام RRSI (خودبهسازی بازگشتی قاعده‌مند) معرفی کرده‌اند که برای بهبود بخش «هارنس» (harness) عامل‌های هوش مصنوعی طراحی شده است. هارنس مجموعه‌ای از پرامپت‌ها، مدیریت زمینه، ابزارها و منطق کنترلی است که اطراف مدل اصلی قرار می‌گیرد.
📉 مشکل چیست؟
روش‌های رایج برای بهبود خودکار هارنس، با یک مشکل جدی روبه‌رو هستند: بیش‌برازش (Overfitting).
تصور کنید یک حلقه بیرونی، تغییراتی در پرامپت‌ها و ابزارهای عامل پیشنهاد می‌دهد. اگر امتیاز در بنچمارک بهتر شود، تغییر نگه داشته می‌شود. اما بعد از چند دور، عامل فقط «نتایج مجموعه تست را حفظ می‌کند» و روی وظایف جدید عملکرد ضعیفی دارد.
🛡 روش RRSI چطور کار می‌کند؟
روش RRSI این حلقه بهینه‌سازی را مثل یک مسئله یادگیری ماشین با نیاز به قاعده‌مندسازی (Regularization) می‌بیند، نه یک جستجوی آزاد. این روش محدودیت‌هایی در دو مرحله اعمال می‌کند:
۱. مرحله تولید پیشنهاد: بودجه تغییرات با گذشت زمان محدودتر می‌شود (آنلینگ زمانی). در ابتدا می‌توان تغییرات چندجزئی پیشنهاد داد، اما در مراحل بعدی فقط تغییرات کوچک و تک‌جزئی مجاز است تا تغییرات مرکب، اصلاحات اشتباه را پنهان نکنند.
۲. مرحله انتخاب: دو مکانیزم اضافه شده است:
· منتقد (Critic): پیش از اجرا، پیشنهادهایی را که شبیه هاردکد کردن برای یک بنچمارک خاص هستند (مثل تطبیق رشته‌ای شکننده یا پرامپت‌های مخصوص یک تست) شناسایی و رد می‌کند.
· هرس‌کننده (Pruner): پس از اجرا، تغییراتی را که خیلی کوچک، خیلی گران یا دیگر مفید نیستند حذف می‌کند.
📊 نتایج کلیدی
در ۸ بنچمارک شامل کدنویسی، فضای کاری عاملی و طراحی مهندسی:
· مجموعه توسعه: تا ۱۴.۱ واحد بهبود
· ۵ بنچمارک خارج از توزیع (OOD): تا ۴.۷ واحد بهبود — جایی که حلقه‌های بدون قاعده‌مندسازی به عقب برمی‌گشتند یا عملکرد منفی داشتند
· مصرف توکن: ۳۰٪ کمتر از روش‌های بدون قاعده‌مندسازی
🎯 چرا این مهم است؟
تیم‌های مهندسی عامل معمولاً بعد از دو ماه با «تورم پرامپت» روبه‌رو می‌شوند: هر گزارش باگ یک هشدار جدید، هر فراخوانی ناموفق ابزار یک دستور دفاعی. بعد از چند ماه، هارنس در هر نوبت هزاران توکن اضافه مصرف می‌کند و به‌روزرسانی‌های بعدی مدل آن را خراب می‌کند. RRSI نشان می‌دهد که خودکارسازی بهبود هارنس فقط وقتی مفید است که مکانیزم هرس با تمایل به حذف دستورها همراه باشد.
🔗 دسترسی:
· مقاله: arXiv
· کد: GitHub
· صفحه پروژه: regularized-rsi.com
#AI #Google #RSI #AgentHarness #Research
🆔 @asrgooyeshpardaz
arXiv.org
RRSI: Regularized Recursive Self-Improvement of Agent Harnesses
An LLM agent's capability is largely magnified by its harness, namely the prompts, control flow, tooling, memory, and context management surrounding the frozen backbone model. Recent methods...
❤2👍1
📌 مدل Cua-S1-4B-0.2 معرفی شد؛ مدلی کوچک برای کار با کامپیوتر
تیم Cua مدل Cua-S1-4B-0.2 را معرفی کرد. به گفته سازنده‌ها، این اولین مدل تصمیم‌گیری چندوجهی است که با روش RLOO روی وظایف کار با کامپیوتر آموزش دیده است. در این آموزش، مدل فقط وقتی پاداش می‌گیرد که وظیفه را کامل انجام دهد.
این مدل یک مدل تصمیم‌گیری است و متن تولید نمی‌کند. در هر مرحله از بین گزینه‌های مشخص، یک اقدام را انتخاب می‌کند. از نظر فنی، دو آداپتور LoRA (متنی و چندوجهی) روی مدل Qwen3.5-4B است.
⚙️ نحوه کار
• مدل در هر مرحله تصویر صفحه، هدف وظیفه و چند اقدام پیشنهادی از پیش تعیین‌شده را دریافت می‌کند.
• از بین آن‌ها یک اقدام را انتخاب می‌کند. سپس محیط تغییر می‌کند و مرحله بعد از وضعیت جدید شروع می‌شود.
🧠 روش آموزش دومرحله‌ای
• آموزش نظارت‌شده (Supervised) برای یادگرفتن قالب تصمیم‌گیری
• یادگیری تقویتی عامل‌محور (Agentic RL) در محیط‌های زنده cua-bench-basic که فقط تکمیل کامل وظیفه پاداش دارد
📊 عملکرد
• ۱۷ از ۱۸ وظیفه متنی و ۱۳ از ۱۸ وظیفه چندوجهی را کامل کرد. مدل djev (یک API تصمیم‌گیری مبتنی بر DiffusionGemma) بدون آموزش خاص ۱۶ و ۱۲ وظیفه را کامل کرده بود.
• روی ۱۶۸ وظیفه چندوجهی از مجموعه GUI-360 به دقت ۹۲.۹٪ رسید، در حالی که djev ۶۰.۱٪ گرفت. در هر دو حالت ورودی‌ها و روش امتیازدهی یکسان بود و از درخت دسترسی‌پذیری (Accessibility Tree) استفاده نشد.
🔓 متن‌باز
کد آموزش و نتایج بنچمارک به مخزن Cua اضافه شده‌اند. آداپتورها هم با مجوز Apache-2.0 منتشر شده‌اند.
🔗 لینک کد در GitHub
🔗 لینک مدل در Hugging Face
🔗 لینک توییت
#AI #ComputerUse #Agent #OpenSource #Cua
🆔 @asrgooyeshpardaz
تیم Cua مدل Cua-S1-4B-0.2 را معرفی کرد. به گفته سازنده‌ها، این اولین مدل تصمیم‌گیری چندوجهی است که با روش RLOO روی وظایف کار با کامپیوتر آموزش دیده است. در این آموزش، مدل فقط وقتی پاداش می‌گیرد که وظیفه را کامل انجام دهد.
این مدل یک مدل تصمیم‌گیری است و متن تولید نمی‌کند. در هر مرحله از بین گزینه‌های مشخص، یک اقدام را انتخاب می‌کند. از نظر فنی، دو آداپتور LoRA (متنی و چندوجهی) روی مدل Qwen3.5-4B است.
⚙️ نحوه کار
• مدل در هر مرحله تصویر صفحه، هدف وظیفه و چند اقدام پیشنهادی از پیش تعیین‌شده را دریافت می‌کند.
• از بین آن‌ها یک اقدام را انتخاب می‌کند. سپس محیط تغییر می‌کند و مرحله بعد از وضعیت جدید شروع می‌شود.
🧠 روش آموزش دومرحله‌ای
• آموزش نظارت‌شده (Supervised) برای یادگرفتن قالب تصمیم‌گیری
• یادگیری تقویتی عامل‌محور (Agentic RL) در محیط‌های زنده cua-bench-basic که فقط تکمیل کامل وظیفه پاداش دارد
📊 عملکرد
• ۱۷ از ۱۸ وظیفه متنی و ۱۳ از ۱۸ وظیفه چندوجهی را کامل کرد. مدل djev (یک API تصمیم‌گیری مبتنی بر DiffusionGemma) بدون آموزش خاص ۱۶ و ۱۲ وظیفه را کامل کرده بود.
• روی ۱۶۸ وظیفه چندوجهی از مجموعه GUI-360 به دقت ۹۲.۹٪ رسید، در حالی که djev ۶۰.۱٪ گرفت. در هر دو حالت ورودی‌ها و روش امتیازدهی یکسان بود و از درخت دسترسی‌پذیری (Accessibility Tree) استفاده نشد.
🔓 متن‌باز
کد آموزش و نتایج بنچمارک به مخزن Cua اضافه شده‌اند. آداپتورها هم با مجوز Apache-2.0 منتشر شده‌اند.
🔗 لینک کد در GitHub
🔗 لینک مدل در Hugging Face
🔗 لینک توییت
#AI #ComputerUse #Agent #OpenSource #Cua
🆔 @asrgooyeshpardaz
GitHub
cua/libs/cua-s1 at main · trycua/cua
Scale computer-use 2.0 with open-source drivers, cross-OS fleets, and benchmarks for training, evaluation, and data generation. - trycua/cua
❤3👏1
This media is not supported in your browser
VIEW IN TELEGRAM
📌 شکست Ender Dragon با Jev و Astra در ۸ دقیقه و ۴۳ ثانیه
یک توسعه‌دهنده با ترکیب مدل تصمیم‌گیری Jev و مدل GPT-6 Astra عاملی ساخته که Ender Dragon را در ۸ دقیقه و ۴۳ ثانیه شکست می‌دهد. هزینه اجرا ۰.۹۷ دلار بود.
⚙️ نحوه کار
• مدل Astra هدف، آیتم‌های لازم و مسیر حرکت را تعیین می‌کند.
• مدل Jev اقدام بعدی را انتخاب می‌کند؛ از حرکت و استخراج بلوک تا ساخت آیتم و مبارزه.
• عامل از داده‌های بازی و کتابخانه Mineflayer استفاده می‌کند، نه تصاویر صفحه و فشردن مستقیم کلیدها.
🧠 یادگیری از شکست
پس از هر شکست، Astra مهارت‌هایی در قالب فایل‌های mjs می‌ساخت تا عامل در تلاش‌های بعدی از آن‌ها استفاده کند.
📊 جزئیات اجرا
• ۱۳۱ تصمیم Jev و ۳۵ فراخوانی Astra
• ۴۰٪ سریع‌تر از رکورد قبلی ۱۴ دقیقه و ۳۱ ثانیه‌ای
• اجرا در حالت Peaceful و با یک seed شناخته‌شده انجام شد.
🔗 کد پروژه
🔗 توییت اصلی
#AI #Minecraft #Agent #Jev #Astra #OpenSource
🆔 @asrgooyeshpardaz
یک توسعه‌دهنده با ترکیب مدل تصمیم‌گیری Jev و مدل GPT-6 Astra عاملی ساخته که Ender Dragon را در ۸ دقیقه و ۴۳ ثانیه شکست می‌دهد. هزینه اجرا ۰.۹۷ دلار بود.
⚙️ نحوه کار
• مدل Astra هدف، آیتم‌های لازم و مسیر حرکت را تعیین می‌کند.
• مدل Jev اقدام بعدی را انتخاب می‌کند؛ از حرکت و استخراج بلوک تا ساخت آیتم و مبارزه.
• عامل از داده‌های بازی و کتابخانه Mineflayer استفاده می‌کند، نه تصاویر صفحه و فشردن مستقیم کلیدها.
🧠 یادگیری از شکست
پس از هر شکست، Astra مهارت‌هایی در قالب فایل‌های mjs می‌ساخت تا عامل در تلاش‌های بعدی از آن‌ها استفاده کند.
📊 جزئیات اجرا
• ۱۳۱ تصمیم Jev و ۳۵ فراخوانی Astra
• ۴۰٪ سریع‌تر از رکورد قبلی ۱۴ دقیقه و ۳۱ ثانیه‌ای
• اجرا در حالت Peaceful و با یک seed شناخته‌شده انجام شد.
🔗 کد پروژه
🔗 توییت اصلی
#AI #Minecraft #Agent #Jev #Astra #OpenSource
🆔 @asrgooyeshpardaz
🆒4🌭1🍌1
🎙 مشکل واقعی دستیارهای صوتی: نفر بغلی که وسط حرف شما می‌پرد
یک شرکت به نام Krisp که در زمینه حذف نویز فعالیت می‌کند، یک آزمون جدید ساخته تا بفهمد چرا سیستم‌های تشخیص گفتار در دنیای واقعی این‌قدر بد عمل می‌کنند.
🔍 چیزی که کشف کردند، ساده اما مهم است
خیلی‌ها فکر می‌کنند مشکل اصلی نویز است؛ صدای کولر، ترافیک، کیبورد. اما این‌ها تقریباً حل شده‌اند. مشکل واقعی جای دیگری است: وقتی یک نفر دیگر در همان اتاق شروع به حرف زدن می‌کند.
در آن لحظه، سیستم نمی‌داند کدام صدا را باید بنویسد و کدام را نباید. نتیجه این است که یا حرفهای نفر دوم را هم می‌نویسد، یا حرفهای نفر اصلی را قاطی می‌کند، یا هر دو را به هم می‌ریزد.
📂 چطور این موضوع را آزمایش کردند؟
آن‌ها ۲۶۵ ضبط واقعی جمع کردند:
· از دفترهای کار واقعی
· از چهار طبقه شلوغ مرکز تماس، در ساعات اوج
· از مکالمه‌های تلفنی داخل ماشین‌های در حال حرکت
هیچ صدایی را در آزمایشگاه نساختند. همه‌چیز واقعی بود.
🔹 هر ضبط یک الگوی چهارمرحله‌ای دارد:
مرحله اول: فقط گوینده اصلی حرف می‌زند
مرحله دوم: هر دو نفر با هم حرف می‌زنند
مرحله سوم: فقط گوینده دوم حرف می‌زند
مرحله چهارم: دوباره فقط گوینده اصلی
چرا مرحله سوم مهم‌ترین بخش است؟ چون در این مرحله، خروجی درست باید هیچ چیز باشد. اگر سیستم در این مرحله چیزی بنویسد، یعنی حرفهای کسی را نوشته که نباید بنویسد.
📊 نتیجه آزمایش‌ها چه بود؟
۱۱ حالت مختلف از ۹ موتور تشخیص گفتار را آزمایش کردند. هر کدام را دو بار: یک بار روی صدای خام، یک بار بعد از جداسازی صدا.
عدد اصلی: نرخ خطا از ۲۳.۲۹ درصد به ۶.۲۶ درصد رسید. یعنی خطا تقریباً یک‌چهارم شد.
اما دو نکته مهم‌تر هم بود:
نکته اول: هر ۱۱ حالت بهبود نشان دادند. هیچ استثنایی نبود.
نکته دوم: فاصله بین بهترین و بدترین موتور از ۱۷ تا ۳۷ درصد به ۴ تا ۸ درصد رسید. یعنی جداسازی صدا، ضعف موتورهای ضعیف‌تر را هم پوشاند. انگار یک لایه محافظ روی همه موتورها کشیده شد.
⚠️ یک استثنا که خودشان گزارش کردند
روی صدای تلفنی تمیز، نتیجه کمی بدتر شد: از ۳.۴۸ به ۳.۹۱ درصد.
چرا؟ چون در صدای تمیز چیزی برای حذف کردن وجود ندارد. جداسازی در این حالت فقط بخشی از خودِ صدای اصلی را هم از بین می‌برد. تیم Krisp این نتیجه را پنهان نکرد و صادقانه گزارش داد.
⚙️ یک نکته فنی که کمتر به آن توجه می‌شود
نرخ خطای کلمه (WER) به‌تنهایی گمراه‌کننده است. چرا؟
فرض کنید دو مدل داریم که هر دو WER یکسانی می‌گیرند:
· مدل اول در بخش «فقط گوینده دوم» درست سکوت می‌کند.
· مدل دوم در همان بخش سکوت نمی‌کند، اما در عوض چند کلمه از گوینده اصلی را هم حذف می‌کند.
هر دو عدد نهایی مشابهی می‌گیرند، اما رفتارشان زمین تا آسمان فرق دارد. برچسب‌های دستی روی هر بخش، این امکان را می‌دهند که این دو حالت را از هم تشخیص دهید.
🎯 چرا این موضوع برای دستیارهای صوتی حیاتی است؟
تصور کنید یک دستیار صوتی دارید که در جلسه کار می‌کند. دو اتفاق می‌افتد:
اتفاق اول: حرفهای نفر دوم وارد رونویسی می‌شود. دستیار بر اساس چیزهایی استدلال می‌کند که شما هرگز نگفته‌اید. مثلاً می‌گوید: «شما گفتید قرارداد را لغو کنیم» — در حالی که این حرف همکارتان بود، نه شما.
اتفاق دوم: سیستم نوبت را اشتباه واگذار می‌کند. فکر می‌کند شما دارید حرف می‌زنید، در حالی که نفر دوم صحبت می‌کند. نتیجه: دستیار وسط حرف شما می‌پرد و به سؤالی جواب می‌دهد که کسی نپرسیده.
هر دوی این‌ها از یک ریشه می‌آیند: سیستم نمی‌فهمد کدام صدا مال کیست.
🔗 لینک‌ها:
· مجموعه‌داده: Hugging Face Datasets
· خروجی مدل‌ها و ارزیابی: Hugging Face Spaces
#AI #SpeechRecognition #VoiceIsolation #Benchmark #Krisp
🆔 @asrgooyeshpardaz
یک شرکت به نام Krisp که در زمینه حذف نویز فعالیت می‌کند، یک آزمون جدید ساخته تا بفهمد چرا سیستم‌های تشخیص گفتار در دنیای واقعی این‌قدر بد عمل می‌کنند.
🔍 چیزی که کشف کردند، ساده اما مهم است
خیلی‌ها فکر می‌کنند مشکل اصلی نویز است؛ صدای کولر، ترافیک، کیبورد. اما این‌ها تقریباً حل شده‌اند. مشکل واقعی جای دیگری است: وقتی یک نفر دیگر در همان اتاق شروع به حرف زدن می‌کند.
در آن لحظه، سیستم نمی‌داند کدام صدا را باید بنویسد و کدام را نباید. نتیجه این است که یا حرفهای نفر دوم را هم می‌نویسد، یا حرفهای نفر اصلی را قاطی می‌کند، یا هر دو را به هم می‌ریزد.
📂 چطور این موضوع را آزمایش کردند؟
آن‌ها ۲۶۵ ضبط واقعی جمع کردند:
· از دفترهای کار واقعی
· از چهار طبقه شلوغ مرکز تماس، در ساعات اوج
· از مکالمه‌های تلفنی داخل ماشین‌های در حال حرکت
هیچ صدایی را در آزمایشگاه نساختند. همه‌چیز واقعی بود.
🔹 هر ضبط یک الگوی چهارمرحله‌ای دارد:
مرحله اول: فقط گوینده اصلی حرف می‌زند
مرحله دوم: هر دو نفر با هم حرف می‌زنند
مرحله سوم: فقط گوینده دوم حرف می‌زند
مرحله چهارم: دوباره فقط گوینده اصلی
چرا مرحله سوم مهم‌ترین بخش است؟ چون در این مرحله، خروجی درست باید هیچ چیز باشد. اگر سیستم در این مرحله چیزی بنویسد، یعنی حرفهای کسی را نوشته که نباید بنویسد.
📊 نتیجه آزمایش‌ها چه بود؟
۱۱ حالت مختلف از ۹ موتور تشخیص گفتار را آزمایش کردند. هر کدام را دو بار: یک بار روی صدای خام، یک بار بعد از جداسازی صدا.
عدد اصلی: نرخ خطا از ۲۳.۲۹ درصد به ۶.۲۶ درصد رسید. یعنی خطا تقریباً یک‌چهارم شد.
اما دو نکته مهم‌تر هم بود:
نکته اول: هر ۱۱ حالت بهبود نشان دادند. هیچ استثنایی نبود.
نکته دوم: فاصله بین بهترین و بدترین موتور از ۱۷ تا ۳۷ درصد به ۴ تا ۸ درصد رسید. یعنی جداسازی صدا، ضعف موتورهای ضعیف‌تر را هم پوشاند. انگار یک لایه محافظ روی همه موتورها کشیده شد.
⚠️ یک استثنا که خودشان گزارش کردند
روی صدای تلفنی تمیز، نتیجه کمی بدتر شد: از ۳.۴۸ به ۳.۹۱ درصد.
چرا؟ چون در صدای تمیز چیزی برای حذف کردن وجود ندارد. جداسازی در این حالت فقط بخشی از خودِ صدای اصلی را هم از بین می‌برد. تیم Krisp این نتیجه را پنهان نکرد و صادقانه گزارش داد.
⚙️ یک نکته فنی که کمتر به آن توجه می‌شود
نرخ خطای کلمه (WER) به‌تنهایی گمراه‌کننده است. چرا؟
فرض کنید دو مدل داریم که هر دو WER یکسانی می‌گیرند:
· مدل اول در بخش «فقط گوینده دوم» درست سکوت می‌کند.
· مدل دوم در همان بخش سکوت نمی‌کند، اما در عوض چند کلمه از گوینده اصلی را هم حذف می‌کند.
هر دو عدد نهایی مشابهی می‌گیرند، اما رفتارشان زمین تا آسمان فرق دارد. برچسب‌های دستی روی هر بخش، این امکان را می‌دهند که این دو حالت را از هم تشخیص دهید.
🎯 چرا این موضوع برای دستیارهای صوتی حیاتی است؟
تصور کنید یک دستیار صوتی دارید که در جلسه کار می‌کند. دو اتفاق می‌افتد:
اتفاق اول: حرفهای نفر دوم وارد رونویسی می‌شود. دستیار بر اساس چیزهایی استدلال می‌کند که شما هرگز نگفته‌اید. مثلاً می‌گوید: «شما گفتید قرارداد را لغو کنیم» — در حالی که این حرف همکارتان بود، نه شما.
اتفاق دوم: سیستم نوبت را اشتباه واگذار می‌کند. فکر می‌کند شما دارید حرف می‌زنید، در حالی که نفر دوم صحبت می‌کند. نتیجه: دستیار وسط حرف شما می‌پرد و به سؤالی جواب می‌دهد که کسی نپرسیده.
هر دوی این‌ها از یک ریشه می‌آیند: سیستم نمی‌فهمد کدام صدا مال کیست.
🔗 لینک‌ها:
· مجموعه‌داده: Hugging Face Datasets
· خروجی مدل‌ها و ارزیابی: Hugging Face Spaces
#AI #SpeechRecognition #VoiceIsolation #Benchmark #Krisp
🆔 @asrgooyeshpardaz
huggingface.co
VoiceIsolation Benchmark - a Hugging Face Space by Krisp-AI
This web page lets you see benchmark results for Krisp’s Voice Isolation on speech‑to‑text systems. You can view tables, charts, and listen to audio clips before and after the isolation is applied,...
❤4👍2
🎙 شرکت NVIDIA مدل Nemotron 3 Diarization را ارائه کرد: تشخیص گوینده با ۱۰۰ میلیون پارامتر و وزن‌های باز
شرکت NVIDIA مدل جدیدی برای تشخیص گوینده (Speaker Diarization) منتشر کرده که به پرسش «چه کسی، چه زمانی صحبت کرد» پاسخ می‌دهد — حتی وقتی چند نفر همزمان حرف می‌زنند. این مدل هم روی صدای آفلاین و هم به‌صورت استریم زنده کار می‌کند.
✅ مشخصات کلیدی:
· ۱۰۰ میلیون پارامتر با وزن‌های باز روی Hugging Face
· مجوز OpenMDW-1.1 — استفاده تجاری مجاز
· ردیابی تا ۸ گوینده با پشتیبانی از هم‌پوشانی گفتار
· نرخ خطای تشخیص گوینده (DER) ۱۴.۷۲٪ در Diarization-Bench در مقابل ۱۹.۳٪ رقیب دوم
· ۴ پروفایل استریم از ۳۰.۴ ثانیه (دقیق‌ترین) تا ۰.۳۲ ثانیه (سریع‌ترین)
· کاهش میانگین ۴۱٪ در DER نسبی نسبت به Streaming Sortformer
· سرعت ۱۵٬۱۱۳ برابر زمان واقعی در حالت دسته‌ای روی RTX PRO 5000
· اجرا از طریق NVIDIA NeMo روی GPUهای لینوکس
🔍 چرا مهم است؟
تشخیص گفتار (ASR) فقط کلمات را می‌نویسد، اما تشخیص گوینده مشخص می‌کند هر کلمه مال کدام شخص است. این قابلیت برای صورت‌جلسه جلسات، تحلیل تماس‌های مرکز پشتیبانی، دستیارهای صوتی و زیرنویس زنده با برچسب گوینده حیاتی است.
🔗 لینک‌ها:
· تحلیل کامل
· مدل در Hugging Face
· بلاگ NVIDIA
· دموی زنده
#AI #NVIDIA #Diarization #Nemotron #SpeechRecognition
🆔 @asrgooyeshpardaz
شرکت NVIDIA مدل جدیدی برای تشخیص گوینده (Speaker Diarization) منتشر کرده که به پرسش «چه کسی، چه زمانی صحبت کرد» پاسخ می‌دهد — حتی وقتی چند نفر همزمان حرف می‌زنند. این مدل هم روی صدای آفلاین و هم به‌صورت استریم زنده کار می‌کند.
✅ مشخصات کلیدی:
· ۱۰۰ میلیون پارامتر با وزن‌های باز روی Hugging Face
· مجوز OpenMDW-1.1 — استفاده تجاری مجاز
· ردیابی تا ۸ گوینده با پشتیبانی از هم‌پوشانی گفتار
· نرخ خطای تشخیص گوینده (DER) ۱۴.۷۲٪ در Diarization-Bench در مقابل ۱۹.۳٪ رقیب دوم
· ۴ پروفایل استریم از ۳۰.۴ ثانیه (دقیق‌ترین) تا ۰.۳۲ ثانیه (سریع‌ترین)
· کاهش میانگین ۴۱٪ در DER نسبی نسبت به Streaming Sortformer
· سرعت ۱۵٬۱۱۳ برابر زمان واقعی در حالت دسته‌ای روی RTX PRO 5000
· اجرا از طریق NVIDIA NeMo روی GPUهای لینوکس
🔍 چرا مهم است؟
تشخیص گفتار (ASR) فقط کلمات را می‌نویسد، اما تشخیص گوینده مشخص می‌کند هر کلمه مال کدام شخص است. این قابلیت برای صورت‌جلسه جلسات، تحلیل تماس‌های مرکز پشتیبانی، دستیارهای صوتی و زیرنویس زنده با برچسب گوینده حیاتی است.
🔗 لینک‌ها:
· تحلیل کامل
· مدل در Hugging Face
· بلاگ NVIDIA
· دموی زنده
#AI #NVIDIA #Diarization #Nemotron #SpeechRecognition
🆔 @asrgooyeshpardaz
MarkTechPost
NVIDIA Releases Nemotron 3 Diarization: A 100M-Parameter Open-Weight Model That Tracks 8 Speakers in Real Time
NVIDIA's Nemotron 3 Diarization is a 100M-parameter open-weight model that tracks 8 overlapping speakers in real-time streaming audio.
❤5
🌐 اخبار هوش مصنوعی
---
⚖ شرکت OpenAI قواعد ممیزی امنیتی خارجی مدل‌هایش را پیشنهاد داد
این شرکت آماده است داده‌های مربوط به آموزش، آزمون و استقرار مدل‌ها را در اختیار سازمان‌های مستقل قرار دهد تا آن‌ها شواهد امنیتی OpenAI را بررسی کنند.
موضوع اصلی بررسی، «موارد امنیتی» است؛ یعنی دلایلی که نشان می‌دهد خطرات مدل تحت کنترل هستند. در فهرست اولویت‌ها می‌توان به محافظت در برابر جیلبریک، آزمون توانایی‌های خطرناک در شیمی، زیست‌شناسی، امنیت سایبری و خودبهسازی هوش مصنوعی، و همچنین بررسی مواردی که مدل بدون مجوز عمل می‌کند یا از نظارت فرار می‌کند اشاره کرد.
طرفین موضوع بررسی را از قبل توافق می‌کنند و OpenAI پیش از انتشار گزارش، فرصت اصلاح دارد. این شرکت فاش نکرده که با چه کسانی در حال مذاکره است.
openai.com
---
🤚 شرکت Anthropic به Opus 5.5 اجازه نمی‌دهد در توسعه مدل‌های زبانی بزرگ کمک کند
در Opus 5.5 دسته‌بندهایی مشابه مدل‌های Fable ظاهر شده که درخواست‌ها را به مدل ضعیف‌تر منتقل می‌کنند و به کاربر اطلاع می‌دهند. این تغییر تا پایان گفتگو باقی می‌ماند، هرچند کاربر می‌تواند به‌صورت دستی Opus 5.5 را برگرداند.
این فیلتر دامنه باریکی از وظایف مانند کد سطح پایین برای شتاب‌دهنده‌های هوش مصنوعی را پوشش می‌دهد. به گفته Anthropic، کارهای عادی در یادگیری ماشین و برنامه‌نویسی نباید تحت تأثیر قرار گیرند.
در API تغییر خودکار وجود ندارد؛ چنین درخواستی متوقف می‌شود تا توسعه‌دهنده خودش مدل پشتیبان را تنظیم کند. این شرکت دلیل این اقدام را این می‌داند که محافظت باید همراه با توانایی‌های مدل رشد کند.
claude.com
---
🖥 گروه Ant مدل‌های Ming-Image را برای طراحی رابط کاربری منتشر کرد
مدل Ming-Image-0.1-Design رابط‌های کاربری، اینفوگرافیک و پوسترهای دارای متن، از جمله روی پس‌زمینه شفاف، را می‌کشد. Ming-Image-0.1-Design-Layer یک طرح آماده را به لایه‌های شفاف برای ویرایش دستی تقسیم می‌کند.
هر دو مدل با ۶ میلیارد پارامتر تحت مجوز MIT منتشر شده‌اند. در رتبه‌بندی Artificial Analysis UI/UX Design، مدل Design با ۱۰۸۲ Elo اولین در میان مدل‌های باز است.
مهارت‌هایی برای عامل‌ها به مدل‌ها پیوست شده است. Design Skill تولید را با کد فرانت‌اند مرتبط می‌کند و PPT Skill تصویر را به ارائه پاورپوینت قابل ویرایش تبدیل می‌کند.
وزن‌ها روی Hugging Face قرار دارند و Design از طریق OpenRouter به‌صورت رایگان در دسترس است.
Ant Ling در X
---
🔊 گوگل مدل‌های تبدیل متن به گفتار Gemini 3.8 Flash TTS و Flash-Lite TTS را منتشر کرد
مدل بزرگ‌تر Flash TTS صدا را بر اساس توصیف متنی به بیش از ۱۰۰ زبان می‌سازد و آن را با یک ضبط ۳۰ ثانیه‌ای کلون می‌کند. Flash-Lite TTS برای دوبله انبوه و عامل‌های صوتی طراحی شده است.
هر دو نکات مربوط به سرعت، مکث، خنده و آه را می‌فهمند، تیمبر را در ضبط‌های طولانی حفظ می‌کنند و دیالوگ دو شخصیت را از یک فیلمنامه صداگذاری می‌کنند بدون اینکه صداها را اشتباه بگیرند.
مدل‌ها در Gemini API و AI Studio در دسترس هستند؛ Flash TTS همچنین در Gemini Notebook و Flash-Lite در Google Vids.
کلون کردن در AI Studio در منطقه اقتصادی اروپا، بریتانیا، سوئیس و هند کار نمی‌کند.
blog.google
---
🚙 تویوتا ۴۰۰ هزار ربات در کارخانه‌ها مستقر می‌کند
این برنامه از سال ۲۰۲۸ آغاز می‌شود و سالانه حدود ۶.۴۲ میلیارد دلار هزینه خواهد داشت. ربات‌ها همزمان با نوسازی کارخانه‌ها نصب می‌شوند. ۱۵۰ هزار دستگاه به کارخانه‌های خود تویوتا و ۲۵۰ هزار دستگاه دیگر به شرکت‌های گروه اختصاص می‌یابد.
بخشی از این ناوگان را انسان‌نماهای چرخ‌دار ELEY تشکیل می‌دهند که کارگران هم‌اکنون با روش‌های تله‌عملیات دستی آن‌ها را در خطوط تولید آموزش می‌دهند.
معاون اجرایی این خودروساز وعده داد که ربات‌ها در کنار انسان‌ها کار خواهند کرد، نه به جای آن‌ها. این شرکت فاش نمی‌کند که چند تا از این ۴۰۰ هزار ربات انسان‌نما خواهند بود.
arstechnica.com
#news #ai #ml
🆔 @asrgooyeshpardaz
---
⚖ شرکت OpenAI قواعد ممیزی امنیتی خارجی مدل‌هایش را پیشنهاد داد
این شرکت آماده است داده‌های مربوط به آموزش، آزمون و استقرار مدل‌ها را در اختیار سازمان‌های مستقل قرار دهد تا آن‌ها شواهد امنیتی OpenAI را بررسی کنند.
موضوع اصلی بررسی، «موارد امنیتی» است؛ یعنی دلایلی که نشان می‌دهد خطرات مدل تحت کنترل هستند. در فهرست اولویت‌ها می‌توان به محافظت در برابر جیلبریک، آزمون توانایی‌های خطرناک در شیمی، زیست‌شناسی، امنیت سایبری و خودبهسازی هوش مصنوعی، و همچنین بررسی مواردی که مدل بدون مجوز عمل می‌کند یا از نظارت فرار می‌کند اشاره کرد.
طرفین موضوع بررسی را از قبل توافق می‌کنند و OpenAI پیش از انتشار گزارش، فرصت اصلاح دارد. این شرکت فاش نکرده که با چه کسانی در حال مذاکره است.
openai.com
---
🤚 شرکت Anthropic به Opus 5.5 اجازه نمی‌دهد در توسعه مدل‌های زبانی بزرگ کمک کند
در Opus 5.5 دسته‌بندهایی مشابه مدل‌های Fable ظاهر شده که درخواست‌ها را به مدل ضعیف‌تر منتقل می‌کنند و به کاربر اطلاع می‌دهند. این تغییر تا پایان گفتگو باقی می‌ماند، هرچند کاربر می‌تواند به‌صورت دستی Opus 5.5 را برگرداند.
این فیلتر دامنه باریکی از وظایف مانند کد سطح پایین برای شتاب‌دهنده‌های هوش مصنوعی را پوشش می‌دهد. به گفته Anthropic، کارهای عادی در یادگیری ماشین و برنامه‌نویسی نباید تحت تأثیر قرار گیرند.
در API تغییر خودکار وجود ندارد؛ چنین درخواستی متوقف می‌شود تا توسعه‌دهنده خودش مدل پشتیبان را تنظیم کند. این شرکت دلیل این اقدام را این می‌داند که محافظت باید همراه با توانایی‌های مدل رشد کند.
claude.com
---
🖥 گروه Ant مدل‌های Ming-Image را برای طراحی رابط کاربری منتشر کرد
مدل Ming-Image-0.1-Design رابط‌های کاربری، اینفوگرافیک و پوسترهای دارای متن، از جمله روی پس‌زمینه شفاف، را می‌کشد. Ming-Image-0.1-Design-Layer یک طرح آماده را به لایه‌های شفاف برای ویرایش دستی تقسیم می‌کند.
هر دو مدل با ۶ میلیارد پارامتر تحت مجوز MIT منتشر شده‌اند. در رتبه‌بندی Artificial Analysis UI/UX Design، مدل Design با ۱۰۸۲ Elo اولین در میان مدل‌های باز است.
مهارت‌هایی برای عامل‌ها به مدل‌ها پیوست شده است. Design Skill تولید را با کد فرانت‌اند مرتبط می‌کند و PPT Skill تصویر را به ارائه پاورپوینت قابل ویرایش تبدیل می‌کند.
وزن‌ها روی Hugging Face قرار دارند و Design از طریق OpenRouter به‌صورت رایگان در دسترس است.
Ant Ling در X
---
🔊 گوگل مدل‌های تبدیل متن به گفتار Gemini 3.8 Flash TTS و Flash-Lite TTS را منتشر کرد
مدل بزرگ‌تر Flash TTS صدا را بر اساس توصیف متنی به بیش از ۱۰۰ زبان می‌سازد و آن را با یک ضبط ۳۰ ثانیه‌ای کلون می‌کند. Flash-Lite TTS برای دوبله انبوه و عامل‌های صوتی طراحی شده است.
هر دو نکات مربوط به سرعت، مکث، خنده و آه را می‌فهمند، تیمبر را در ضبط‌های طولانی حفظ می‌کنند و دیالوگ دو شخصیت را از یک فیلمنامه صداگذاری می‌کنند بدون اینکه صداها را اشتباه بگیرند.
مدل‌ها در Gemini API و AI Studio در دسترس هستند؛ Flash TTS همچنین در Gemini Notebook و Flash-Lite در Google Vids.
کلون کردن در AI Studio در منطقه اقتصادی اروپا، بریتانیا، سوئیس و هند کار نمی‌کند.
blog.google
---
🚙 تویوتا ۴۰۰ هزار ربات در کارخانه‌ها مستقر می‌کند
این برنامه از سال ۲۰۲۸ آغاز می‌شود و سالانه حدود ۶.۴۲ میلیارد دلار هزینه خواهد داشت. ربات‌ها همزمان با نوسازی کارخانه‌ها نصب می‌شوند. ۱۵۰ هزار دستگاه به کارخانه‌های خود تویوتا و ۲۵۰ هزار دستگاه دیگر به شرکت‌های گروه اختصاص می‌یابد.
بخشی از این ناوگان را انسان‌نماهای چرخ‌دار ELEY تشکیل می‌دهند که کارگران هم‌اکنون با روش‌های تله‌عملیات دستی آن‌ها را در خطوط تولید آموزش می‌دهند.
معاون اجرایی این خودروساز وعده داد که ربات‌ها در کنار انسان‌ها کار خواهند کرد، نه به جای آن‌ها. این شرکت فاش نمی‌کند که چند تا از این ۴۰۰ هزار ربات انسان‌نما خواهند بود.
arstechnica.com
#news #ai #ml
🆔 @asrgooyeshpardaz
📝 آیا تا به حال به این فکر کرده‌اید که اگر بگویید «این کار را با هوش مصنوعی انجام دادم»، دیگران درباره‌ی توانایی‌های شما چه فکری می‌کنند؟ یک مطالعه‌ی دانشگاهی با ۱۳ آزمایش گسترده به نتیجه‌ی جالبی رسیده است: افشای استفاده از هوش مصنوعی، به‌جای افزایش اعتماد، آن را کاهش می‌دهد.
---
🔍 افشای هوش مصنوعی: شمشیری دولبه برای اعتماد
پژوهشی از دانشگاه آریزونا و EGADE Business School با عنوان «معضل شفافیت: چگونه افشای هوش مصنوعی اعتماد را از بین می‌برد» در ژورنال Organizational Behavior and Human Decision Processes منتشر شده است. این مطالعه نشان می‌دهد برخلاف تصور رایج، اعلام صادقانه‌ی استفاده از هوش مصنوعی، اعتماد مخاطب را کاهش می‌دهد.
🧪 روش پژوهش
محققان ۱۳ آزمایش پیش‌ثبت‌شده با بیش از ۵٬۰۰۰ شرکت‌کننده انجام دادند. شرکت‌کنندگان شامل دانشجویان، تحلیلگران حقوقی، مدیران استخدام و سرمایه‌گذاران بودند. این آزمایش‌ها طیف گسترده‌ای از وظایف را پوشش می‌داد: از نوشتن ایمیل و نامه‌ی انگیزشی گرفته تا تحلیل مالی، طراحی گرافیک و حتی تخمین بازپرداخت مالیات.
📊 یافته‌های کلیدی
۱. کاهش چشمگیر اعتماد
در همه‌ی ۱۳ آزمایش، افرادی که استفاده از هوش مصنوعی را افشا کرده بودند، کمتر از افرادی که آن را پنهان می‌کردند، مورد اعتماد قرار گرفتند.
برخی اعداد قابل توجه:
· اعتماد دانشجویان به استادی که از هوش مصنوعی برای تصحیح برگه‌ها استفاده کرده بود، ۱۶٪ کاهش یافت
· سرمایه‌گذاران به شرکتی که در تبلیغاتش افشای هوش مصنوعی کرده بود، ۱۸٪ کمتر اعتماد کردند
· مشتریان به طراح گرافیکی که از هوش مصنوعی استفاده کرده بود، ۲۰٪ کمتر اعتماد کردند
۲. چرا این اتفاق می‌افتد؟
مکانیزم این اثر «مشروعیت» (Legitimacy) است. وقتی کسی می‌گوید از هوش مصنوعی استفاده کرده، مخاطب این پیام را دریافت می‌کند: «این کار کاملاً مال خودش نیست.» این احساس، مشروعیت فرد را زیر سؤال می‌برد و در نتیجه اعتماد کاهش می‌یابد.
۳. افشا بهتر از افشاگری است (اما نه خیلی)
یک یافته‌ی مهم: اگر استفاده از هوش مصنوعی توسط شخص ثالث فاش شود، افت اعتماد بسیار شدیدتر از زمانی است که خود فرد آن را اعلام کند. یعنی پنهان‌کاری و سپس لو رفتن، بدترین سناریو است.
۴. چارچوب‌بندی‌های مختلف افشا تفاوتی ایجاد نمی‌کند
محققان شش روش مختلف افشا را آزمایش کردند: اعلام کلی، اشاره به بازبینی انسانی، استفاده فقط برای ویرایش، توضیح نیت، هشدار درباره خطاهای احتمالی و تأکید بر شفافیت. در همه‌ی این حالت‌ها، افت اعتماد رخ داد.
۵. اجبار قانونی هم کمکی نمی‌کند
آزمایش‌ها نشان دادند که الزام قانونی به افشا (در مقابل اختیاری بودن) تفاوتی در کاهش اعتماد ایجاد نمی‌کند. حتی وقتی افشا اجباری است، افراد کمتر مورد اعتماد قرار می‌گیرند.
⚠️ چه چیزی این اثر را کم می‌کند؟
افرادی که نگرش مثبتی به فناوری دارند یا هوش مصنوعی را دقیق می‌دانند، افت اعتماد کمتری نشان می‌دهند. اما این اثر را کاملاً از بین نمی‌برند.
🎯 چرا این موضوع مهم است؟
این یافته‌ها یک معضل اخلاقی و عملی جدی ایجاد می‌کنند:
· شفافیت ممکن است به اعتماد آسیب بزند
· پنهان‌کاری هم خطرناک است، چون اگر بعداً فاش شود، اعتماد بیشتری از دست می‌رود
در حوزه‌هایی که اعتماد حیاتی است — مانند مالی، بهداشت و آموزش عالی — حتی کاهش کوچک اعتماد می‌تواند به حرفه و برند آسیب جدی وارد کند.
💡 توصیه‌ی عملی
به‌جای تمرکز بر «برچسب زدن» یا «پنهان کردن»، سازمان‌ها باید روی مشروعیت‌بخشی کار کنند. ایجاد محیطی که در آن استفاده از هوش مصنوعی به‌عنوان یک رویه‌ی عادی و پذیرفته‌شده دیده شود، می‌تواند اثر منفی افشا را کاهش دهد.
📄 منبع:
· مقاله: ScienceDirect
#هوش_مصنوعی #اعتماد #شفافیت #پژوهش #AI #Trust
🆔 @asrgooyeshpardaz
---
🔍 افشای هوش مصنوعی: شمشیری دولبه برای اعتماد
پژوهشی از دانشگاه آریزونا و EGADE Business School با عنوان «معضل شفافیت: چگونه افشای هوش مصنوعی اعتماد را از بین می‌برد» در ژورنال Organizational Behavior and Human Decision Processes منتشر شده است. این مطالعه نشان می‌دهد برخلاف تصور رایج، اعلام صادقانه‌ی استفاده از هوش مصنوعی، اعتماد مخاطب را کاهش می‌دهد.
🧪 روش پژوهش
محققان ۱۳ آزمایش پیش‌ثبت‌شده با بیش از ۵٬۰۰۰ شرکت‌کننده انجام دادند. شرکت‌کنندگان شامل دانشجویان، تحلیلگران حقوقی، مدیران استخدام و سرمایه‌گذاران بودند. این آزمایش‌ها طیف گسترده‌ای از وظایف را پوشش می‌داد: از نوشتن ایمیل و نامه‌ی انگیزشی گرفته تا تحلیل مالی، طراحی گرافیک و حتی تخمین بازپرداخت مالیات.
📊 یافته‌های کلیدی
۱. کاهش چشمگیر اعتماد
در همه‌ی ۱۳ آزمایش، افرادی که استفاده از هوش مصنوعی را افشا کرده بودند، کمتر از افرادی که آن را پنهان می‌کردند، مورد اعتماد قرار گرفتند.
برخی اعداد قابل توجه:
· اعتماد دانشجویان به استادی که از هوش مصنوعی برای تصحیح برگه‌ها استفاده کرده بود، ۱۶٪ کاهش یافت
· سرمایه‌گذاران به شرکتی که در تبلیغاتش افشای هوش مصنوعی کرده بود، ۱۸٪ کمتر اعتماد کردند
· مشتریان به طراح گرافیکی که از هوش مصنوعی استفاده کرده بود، ۲۰٪ کمتر اعتماد کردند
۲. چرا این اتفاق می‌افتد؟
مکانیزم این اثر «مشروعیت» (Legitimacy) است. وقتی کسی می‌گوید از هوش مصنوعی استفاده کرده، مخاطب این پیام را دریافت می‌کند: «این کار کاملاً مال خودش نیست.» این احساس، مشروعیت فرد را زیر سؤال می‌برد و در نتیجه اعتماد کاهش می‌یابد.
۳. افشا بهتر از افشاگری است (اما نه خیلی)
یک یافته‌ی مهم: اگر استفاده از هوش مصنوعی توسط شخص ثالث فاش شود، افت اعتماد بسیار شدیدتر از زمانی است که خود فرد آن را اعلام کند. یعنی پنهان‌کاری و سپس لو رفتن، بدترین سناریو است.
۴. چارچوب‌بندی‌های مختلف افشا تفاوتی ایجاد نمی‌کند
محققان شش روش مختلف افشا را آزمایش کردند: اعلام کلی، اشاره به بازبینی انسانی، استفاده فقط برای ویرایش، توضیح نیت، هشدار درباره خطاهای احتمالی و تأکید بر شفافیت. در همه‌ی این حالت‌ها، افت اعتماد رخ داد.
۵. اجبار قانونی هم کمکی نمی‌کند
آزمایش‌ها نشان دادند که الزام قانونی به افشا (در مقابل اختیاری بودن) تفاوتی در کاهش اعتماد ایجاد نمی‌کند. حتی وقتی افشا اجباری است، افراد کمتر مورد اعتماد قرار می‌گیرند.
⚠️ چه چیزی این اثر را کم می‌کند؟
افرادی که نگرش مثبتی به فناوری دارند یا هوش مصنوعی را دقیق می‌دانند، افت اعتماد کمتری نشان می‌دهند. اما این اثر را کاملاً از بین نمی‌برند.
🎯 چرا این موضوع مهم است؟
این یافته‌ها یک معضل اخلاقی و عملی جدی ایجاد می‌کنند:
· شفافیت ممکن است به اعتماد آسیب بزند
· پنهان‌کاری هم خطرناک است، چون اگر بعداً فاش شود، اعتماد بیشتری از دست می‌رود
در حوزه‌هایی که اعتماد حیاتی است — مانند مالی، بهداشت و آموزش عالی — حتی کاهش کوچک اعتماد می‌تواند به حرفه و برند آسیب جدی وارد کند.
💡 توصیه‌ی عملی
به‌جای تمرکز بر «برچسب زدن» یا «پنهان کردن»، سازمان‌ها باید روی مشروعیت‌بخشی کار کنند. ایجاد محیطی که در آن استفاده از هوش مصنوعی به‌عنوان یک رویه‌ی عادی و پذیرفته‌شده دیده شود، می‌تواند اثر منفی افشا را کاهش دهد.
📄 منبع:
· مقاله: ScienceDirect
#هوش_مصنوعی #اعتماد #شفافیت #پژوهش #AI #Trust
🆔 @asrgooyeshpardaz
❤5👍2
🌐 اخبار هوش مصنوعی
---
🧠 اوپن‌ای‌آی یک بنچمارک باز برای ارزیابی هوش مصنوعی در روانشناسی منتشر کرد
مجموعه Mental Health Bench بررسی می‌کند که مدل‌ها در گفتگوها چگونه رفتار می‌کنند؛ از استرس روزمره و مشکلات رابطه تا ناراحتی شدید و بحران‌های اضطراری. سناریوها بزرگسالان، نوجوانان، مراقبان و پزشکان را پوشش می‌دهند. معیارها را بیش از ۸۰ روانشناس و روانپزشک از ۲۲ کشور نوشته‌اند.
امتیاز نهایی به ده پارامتر رفتاری تقسیم می‌شود؛ از جمله ایمنی، جمع‌آوری زمینه و حفظ استقلال کاربر. پاسخ‌ها را مدل GPT-5.6 Sol ارزیابی می‌کند.
بهترین نتیجه: GPT-6 Astra با ۵۷.۳٪، سپس GPT-6 Sol (۵۳.۹٪) و Claude Opus 5.5 (۵۲.۴٪).
منبع: openai.com
---
☁️ شرکت Anthropic جلسات ابری Claude Code را برای عموم منتشر کرد
اکنون می‌توانید بازنویسی طولانی، مهاجرت یا به‌روزرسانی وابستگی‌ها را به یک عامل در ابر بسپارید و لپ‌تاپ را ببندید. این قابلیت از پیش‌نمایش تحقیقاتی خارج شده و جلسه روی ماشین‌های مجازی Anthropic اجرا می‌شود.
می‌توانید آن را از وب، موبایل و دسکتاپ یا با دستور claude --cloud اجرا کنید. اجراها بر اساس زمان‌بندی، فراخوانی API یا رویدادهای GitHub انجام می‌شوند و شرکت‌ها می‌توانند جلسات را روی سرورهای خود نگه دارند.
این قابلیت در طرح‌های Pro، Max، Team و Enterprise موجود است و از محدودیت‌های اشتراک استفاده می‌کند. مشترکان Pro و Max تا ۷ اکتبر می‌توانند یک جایزه یک‌باره ۱۰۰ و ۲۵۰ دلاری دریافت کنند که فقط برای جلسات ابری خرج می‌شود.
منبع: claude.com
---
🎥 آمازون در حال ساخت یک مدل ویدیویی با الهام از نورون‌های زنده است
استارتاپ The Biological Computing همراه با AWS در حال آماده‌سازی عرضه تجاری یک مدل تبدیل متن به ویدیو است که بر اساس اندازه‌گیری فعالیت نورون‌های زنده بهینه‌سازی شده. این مدل ویدیو را ۵ برابر سریع‌تر و ۸۰٪ ارزان‌تر از یک مدل معمولی تولید می‌کند و کیفیت بهتری هم دارد. اینکه کدام مدل پایه است و کیفیت چگونه سنجیده شده، فاش نشده.
بهینه‌سازی یک لایه نرم‌افزاری اختصاصی است که مدل را کمتر از ۰.۱٪ بزرگ‌تر می‌کند و روی سخت‌افزار معمولی کار می‌کند. مدل روی تراشه‌های AWS Trainium، در Amazon SageMaker AI و AWS Marketplace اجرا خواهد شد.
فعلاً دسترسی با درخواست داده می‌شود.
منبع: aboutamazon.com
---
🌍 گروه Black Forest Labs مدل جهانی باز FLUX 3 Action را منتشر کرد
این استارتاپ وزن‌ها و گزارش FLUX 3 Action را منتشر کرده است؛ یک مدل از کلاس World Action Model با ۷ میلیارد پارامتر که همزمان دستورات ربات و فریم‌های صحنه کاری را ۲.۱۳ ثانیه جلوتر پیش‌بینی می‌کند. پایه آن FLUX 3 است که عمدتاً روی ویدیو تنظیم دقیق شده.
در RoboLab-120، نسخه تقطیرشده ۴۲.۲٪ وظایف را حل می‌کند که بهترین نتیجه میان مدل‌های باز است. Cosmos 3 Nano از انویدیا با ۱۶ میلیارد پارامتر ۳۶.۸٪ و π0.5 برابر ۲۸.۰٪ می‌گیرند.
در FP8، FLUX 3 Action روی شتاب‌دهنده‌های B200 تا RTX 5090 بین ۱.۵ تا ۴ برابر سریع‌تر از Cosmos 3 Nano است.
منبع: bfl.ai
---
🔌 شرکت Comfy Org یک API واحد برای تولید تصویر، ویدیو و صدا راه‌اندازی کرد
سرویس Comfy Router سرویس‌های تولید رسانه را پشت یک نقطه ورودی با صورتحساب مشترک و قالب درخواست و وب‌هوک واحد جمع می‌کند.
این سرویس ارائه‌دهنده را بر اساس قیمت و تأخیر انتخاب می‌کند، بار را توزیع می‌کند و در صورت خرابی به گره دیگری سوئیچ می‌کند. از طریق آن می‌توان به مدل‌های باز و بسته دسترسی داشت یا گراف‌های ComfyUI خود را در ابر اجرا کرد.
منبع: comfy.org
---
#news #ai #ml
🆔 @asrgooyeshpardaz
---
🧠 اوپن‌ای‌آی یک بنچمارک باز برای ارزیابی هوش مصنوعی در روانشناسی منتشر کرد
مجموعه Mental Health Bench بررسی می‌کند که مدل‌ها در گفتگوها چگونه رفتار می‌کنند؛ از استرس روزمره و مشکلات رابطه تا ناراحتی شدید و بحران‌های اضطراری. سناریوها بزرگسالان، نوجوانان، مراقبان و پزشکان را پوشش می‌دهند. معیارها را بیش از ۸۰ روانشناس و روانپزشک از ۲۲ کشور نوشته‌اند.
امتیاز نهایی به ده پارامتر رفتاری تقسیم می‌شود؛ از جمله ایمنی، جمع‌آوری زمینه و حفظ استقلال کاربر. پاسخ‌ها را مدل GPT-5.6 Sol ارزیابی می‌کند.
بهترین نتیجه: GPT-6 Astra با ۵۷.۳٪، سپس GPT-6 Sol (۵۳.۹٪) و Claude Opus 5.5 (۵۲.۴٪).
منبع: openai.com
---
☁️ شرکت Anthropic جلسات ابری Claude Code را برای عموم منتشر کرد
اکنون می‌توانید بازنویسی طولانی، مهاجرت یا به‌روزرسانی وابستگی‌ها را به یک عامل در ابر بسپارید و لپ‌تاپ را ببندید. این قابلیت از پیش‌نمایش تحقیقاتی خارج شده و جلسه روی ماشین‌های مجازی Anthropic اجرا می‌شود.
می‌توانید آن را از وب، موبایل و دسکتاپ یا با دستور claude --cloud اجرا کنید. اجراها بر اساس زمان‌بندی، فراخوانی API یا رویدادهای GitHub انجام می‌شوند و شرکت‌ها می‌توانند جلسات را روی سرورهای خود نگه دارند.
این قابلیت در طرح‌های Pro، Max، Team و Enterprise موجود است و از محدودیت‌های اشتراک استفاده می‌کند. مشترکان Pro و Max تا ۷ اکتبر می‌توانند یک جایزه یک‌باره ۱۰۰ و ۲۵۰ دلاری دریافت کنند که فقط برای جلسات ابری خرج می‌شود.
منبع: claude.com
---
🎥 آمازون در حال ساخت یک مدل ویدیویی با الهام از نورون‌های زنده است
استارتاپ The Biological Computing همراه با AWS در حال آماده‌سازی عرضه تجاری یک مدل تبدیل متن به ویدیو است که بر اساس اندازه‌گیری فعالیت نورون‌های زنده بهینه‌سازی شده. این مدل ویدیو را ۵ برابر سریع‌تر و ۸۰٪ ارزان‌تر از یک مدل معمولی تولید می‌کند و کیفیت بهتری هم دارد. اینکه کدام مدل پایه است و کیفیت چگونه سنجیده شده، فاش نشده.
بهینه‌سازی یک لایه نرم‌افزاری اختصاصی است که مدل را کمتر از ۰.۱٪ بزرگ‌تر می‌کند و روی سخت‌افزار معمولی کار می‌کند. مدل روی تراشه‌های AWS Trainium، در Amazon SageMaker AI و AWS Marketplace اجرا خواهد شد.
فعلاً دسترسی با درخواست داده می‌شود.
منبع: aboutamazon.com
---
🌍 گروه Black Forest Labs مدل جهانی باز FLUX 3 Action را منتشر کرد
این استارتاپ وزن‌ها و گزارش FLUX 3 Action را منتشر کرده است؛ یک مدل از کلاس World Action Model با ۷ میلیارد پارامتر که همزمان دستورات ربات و فریم‌های صحنه کاری را ۲.۱۳ ثانیه جلوتر پیش‌بینی می‌کند. پایه آن FLUX 3 است که عمدتاً روی ویدیو تنظیم دقیق شده.
در RoboLab-120، نسخه تقطیرشده ۴۲.۲٪ وظایف را حل می‌کند که بهترین نتیجه میان مدل‌های باز است. Cosmos 3 Nano از انویدیا با ۱۶ میلیارد پارامتر ۳۶.۸٪ و π0.5 برابر ۲۸.۰٪ می‌گیرند.
در FP8، FLUX 3 Action روی شتاب‌دهنده‌های B200 تا RTX 5090 بین ۱.۵ تا ۴ برابر سریع‌تر از Cosmos 3 Nano است.
منبع: bfl.ai
---
🔌 شرکت Comfy Org یک API واحد برای تولید تصویر، ویدیو و صدا راه‌اندازی کرد
سرویس Comfy Router سرویس‌های تولید رسانه را پشت یک نقطه ورودی با صورتحساب مشترک و قالب درخواست و وب‌هوک واحد جمع می‌کند.
این سرویس ارائه‌دهنده را بر اساس قیمت و تأخیر انتخاب می‌کند، بار را توزیع می‌کند و در صورت خرابی به گره دیگری سوئیچ می‌کند. از طریق آن می‌توان به مدل‌های باز و بسته دسترسی داشت یا گراف‌های ComfyUI خود را در ابر اجرا کرد.
منبع: comfy.org
---
#news #ai #ml
🆔 @asrgooyeshpardaz
❤5
This media is not supported in your browser
VIEW IN TELEGRAM
📌 موشن‌گرافیک با Claude Opus 5.5؛ بدون After Effects، فقط با کد
این ویدئوی یک‌دقیقه‌ای از تاریخچه هوش مصنوعی را Opus 5.5 کاملاً با کد ساخته است.
⚙️ چطور ممکن است؟
مدل Opus برخلاف مدل‌های تولید ویدئو، مستقیم تصویر نمی‌سازد؛ بلکه برای هر صحنه کد (معمولاً JavaScript و React) می‌نویسد: چه چیزی، کجا، کی و با چه حرکتی ظاهر شود. سپس ابزاری مثل Remotion کد را فریم‌به‌فریم رندر می‌کند و خروجی MP4 می‌دهد.
نتیجه: متن‌های کاملاً خوانا، زمان‌بندی دقیق و ویرایش سریع با تغییر چند خط کد.
🔥 نقطه قوت Opus 5.5: سلیقه
این مدل در ترنزیشن‌ها، زمان‌بندی و برندینگ از Fable 5.1 و GPT-6 Astra بهتر عمل می‌کند.
🔗 توییت اصلی
#AI #Claude #Opus #MotionGraphics #Remotion
🆔 @asrgooyeshpardaz
این ویدئوی یک‌دقیقه‌ای از تاریخچه هوش مصنوعی را Opus 5.5 کاملاً با کد ساخته است.
⚙️ چطور ممکن است؟
مدل Opus برخلاف مدل‌های تولید ویدئو، مستقیم تصویر نمی‌سازد؛ بلکه برای هر صحنه کد (معمولاً JavaScript و React) می‌نویسد: چه چیزی، کجا، کی و با چه حرکتی ظاهر شود. سپس ابزاری مثل Remotion کد را فریم‌به‌فریم رندر می‌کند و خروجی MP4 می‌دهد.
نتیجه: متن‌های کاملاً خوانا، زمان‌بندی دقیق و ویرایش سریع با تغییر چند خط کد.
🔥 نقطه قوت Opus 5.5: سلیقه
این مدل در ترنزیشن‌ها، زمان‌بندی و برندینگ از Fable 5.1 و GPT-6 Astra بهتر عمل می‌کند.
🔗 توییت اصلی
#AI #Claude #Opus #MotionGraphics #Remotion
🆔 @asrgooyeshpardaz
🔥8
🌐 اخبار هوش مصنوعی
---
⚖️ دادگاه تجدیدنظر آمریکا Anthropic را در لیست سیاه پنتاگون نگه داشت
دادگاه منطقه کلمبیا قانونی بودن قرار گرفتن Anthropic در فهرست ریسک زنجیره تأمین را تأیید کرد. این وضعیت، استفاده نظامیان و پیمانکارانشان از Claude را در کارهای مربوط به وزارت دفاع ممنوع می‌کند. دادگاه ادعاهای شرکت درباره خودسرانه بودن تصمیم، تجاوز از اختیارات و نقض قانون اساسی را رد کرد. به نظر دادگاه، ارزیابی نسبت ریسک بر عهده رئیس‌جمهور و وزیر دفاع است.
این تصمیم مربوط به یکی از دو وضعیت موازی است؛ وضعیت دوم در ماه اوت توسط دادگاه سانفرانسیسکو لغو شده بود. اجرای این تصمیم به تعویق افتاده تا شرکت بتواند درخواست بازنگری توسط هیئت گسترده‌تر یا شکایت به دیوان عالی را بررسی کند.
شرکت Anthropic با این تصمیم موافق نیست و همه گزینه‌ها را بررسی می‌کند.
منبع: cnbc.com
---
💼 مایکروسافت سوپراپ Copilot را معرفی کرد
ابزار Copilot سازمانی به‌روزرسانی‌شده به سه زبانه تقسیم شده است. Home چت و عامل Cowork را یکجا جمع می‌کند. Code با فناوری‌های GitHub Copilot، برنامه‌های داخلی، داشبوردها و خودکارسازی‌ها را بر اساس توضیح در یک محیط ایزوله می‌سازد. Autopilot (که قبلاً Scout بود) در ابر با حساب و حافظه اختصاصی کار می‌کند و وظایف را در غیاب کاربر ادامه می‌دهد؛ در Teams و Outlook می‌توان آن را مثل یک همکار تگ کرد.
چت و Copilot در Word، Excel، PowerPoint، Outlook و Teams در اشتراک هر کاربر باقی می‌ماند، اما Cowork، Code، Autopilot و جدیدترین مدل‌ها بر اساس مصرف محاسبه می‌شوند. مدیران هزینه‌ها را از طریق پنل FinOps for AI کنترل می‌کنند.
بخش‌های Home و Code در هفته‌های آینده برای اعضای برنامه دسترسی زودهنگام Frontier فعال می‌شود و Autopilot بعداً در پیش‌نمایش بسته عرضه خواهد شد.
منبع: theverge.com
---
🎤 شرکت Fish Audio مدل گفتاری Drama 3 را منتشر کرد
مدل جدید سنتز گفتار اجازه می‌دهد یک کلمه یا عبارت در یک قطعه آماده را دوباره تولید کنید، بدون اینکه کل خروجی از نو ساخته شود.
لحن، سرعت و شخصیت صدا با توصیف به زبان طبیعی تنظیم می‌شود، نه با تگ. صدا را می‌توان در وسط جمله عوض کرد و مدل دیالوگ چند شخصیت را در یک پاس صداگذاری می‌کند.
مدل Drama 3 فعلاً در پیش‌نمایش است و دسترسی به API با درخواست داده می‌شود.
منبع: FishAudio در X
---
👓 شرکت Prism ML مدل ۱ بیتی را روی عینک هوشمند اجرا کرد
این شرکت در اجلاس Snapdragon، یک مدل بینایی-زبانی ۲ میلیارد پارامتری را روی عینکی با تراشه Snapdragon AR1 Gen 1 اجرا کرد. داخل آن، یک مدل زبانی ۱ بیتی Bonsai 1.7B و یک رمزگذار بینایی ۴ بیتی ۳۰۰ میلیون پارامتری قرار دارد که وزن‌هایش با همکاری کوالکام برای NPU Prism ML بهینه شده است.
طبق اندازه‌گیری کوالکام، تولید با سرعت ۱۵.۴ توکن بر ثانیه انجام می‌شود و استنتاج محلی روی NPU و هسته‌های پردازشی Snapdragon، تأخیر اتصال به سرور را حذف می‌کند، ترافیک موبایل را کم می‌کند و حریم خصوصی کامل را با جلوگیری از ارسال صدای ضبط‌شده و ویدیوی دوربین‌های داخلی به ابر تضمین می‌کند.
زمان عرضه در عینک‌های سری اعلام نشده است.
منبع: prismml.com
---
🛰 گوگل ماهواره‌ای با TPU به مدار می‌فرستد
هفته آینده Google Research یک نمونه اولیه ماهواره از پروژه Suncatcher را که با همکاری Planet ساخته شده، به مدار پایین زمین می‌فرستد. این دستگاه با مأموریت همراه SpaceX Transporter-18 پرواز می‌کند و بررسی می‌کند که چگونه واحدهای پردازش تنسور، پرتاب، تشعشع و سرمایش در خلأ را تحمل می‌کنند.
این پروژه بررسی می‌کند که آیا می‌توان زیرساخت محاسباتی هوش مصنوعی را در فضا ساخت، جایی که به تخمین گوگل پنل‌های خورشیدی تا هشت برابر انرژی بیشتری تولید می‌کنند.
ماهواره آزمون‌های لرزشی را گذرانده و TPU Trillium در شتاب‌دهنده پروتونی دانشگاه کالیفرنیا دوز تشعشعی بیش از پنج سال حضور در مدار را تحمل کرده است.
گوگل در سال ۲۰۲۷ دو ماهواره پرتاب می‌کند تا ارتباط لیزری بین آن‌ها را آزمایش کند.
منبع: blog.google
---
#news #ai #ml
🆔 @asrgooyeshpardaz
---
⚖️ دادگاه تجدیدنظر آمریکا Anthropic را در لیست سیاه پنتاگون نگه داشت
دادگاه منطقه کلمبیا قانونی بودن قرار گرفتن Anthropic در فهرست ریسک زنجیره تأمین را تأیید کرد. این وضعیت، استفاده نظامیان و پیمانکارانشان از Claude را در کارهای مربوط به وزارت دفاع ممنوع می‌کند. دادگاه ادعاهای شرکت درباره خودسرانه بودن تصمیم، تجاوز از اختیارات و نقض قانون اساسی را رد کرد. به نظر دادگاه، ارزیابی نسبت ریسک بر عهده رئیس‌جمهور و وزیر دفاع است.
این تصمیم مربوط به یکی از دو وضعیت موازی است؛ وضعیت دوم در ماه اوت توسط دادگاه سانفرانسیسکو لغو شده بود. اجرای این تصمیم به تعویق افتاده تا شرکت بتواند درخواست بازنگری توسط هیئت گسترده‌تر یا شکایت به دیوان عالی را بررسی کند.
شرکت Anthropic با این تصمیم موافق نیست و همه گزینه‌ها را بررسی می‌کند.
منبع: cnbc.com
---
💼 مایکروسافت سوپراپ Copilot را معرفی کرد
ابزار Copilot سازمانی به‌روزرسانی‌شده به سه زبانه تقسیم شده است. Home چت و عامل Cowork را یکجا جمع می‌کند. Code با فناوری‌های GitHub Copilot، برنامه‌های داخلی، داشبوردها و خودکارسازی‌ها را بر اساس توضیح در یک محیط ایزوله می‌سازد. Autopilot (که قبلاً Scout بود) در ابر با حساب و حافظه اختصاصی کار می‌کند و وظایف را در غیاب کاربر ادامه می‌دهد؛ در Teams و Outlook می‌توان آن را مثل یک همکار تگ کرد.
چت و Copilot در Word، Excel، PowerPoint، Outlook و Teams در اشتراک هر کاربر باقی می‌ماند، اما Cowork، Code، Autopilot و جدیدترین مدل‌ها بر اساس مصرف محاسبه می‌شوند. مدیران هزینه‌ها را از طریق پنل FinOps for AI کنترل می‌کنند.
بخش‌های Home و Code در هفته‌های آینده برای اعضای برنامه دسترسی زودهنگام Frontier فعال می‌شود و Autopilot بعداً در پیش‌نمایش بسته عرضه خواهد شد.
منبع: theverge.com
---
🎤 شرکت Fish Audio مدل گفتاری Drama 3 را منتشر کرد
مدل جدید سنتز گفتار اجازه می‌دهد یک کلمه یا عبارت در یک قطعه آماده را دوباره تولید کنید، بدون اینکه کل خروجی از نو ساخته شود.
لحن، سرعت و شخصیت صدا با توصیف به زبان طبیعی تنظیم می‌شود، نه با تگ. صدا را می‌توان در وسط جمله عوض کرد و مدل دیالوگ چند شخصیت را در یک پاس صداگذاری می‌کند.
مدل Drama 3 فعلاً در پیش‌نمایش است و دسترسی به API با درخواست داده می‌شود.
منبع: FishAudio در X
---
👓 شرکت Prism ML مدل ۱ بیتی را روی عینک هوشمند اجرا کرد
این شرکت در اجلاس Snapdragon، یک مدل بینایی-زبانی ۲ میلیارد پارامتری را روی عینکی با تراشه Snapdragon AR1 Gen 1 اجرا کرد. داخل آن، یک مدل زبانی ۱ بیتی Bonsai 1.7B و یک رمزگذار بینایی ۴ بیتی ۳۰۰ میلیون پارامتری قرار دارد که وزن‌هایش با همکاری کوالکام برای NPU Prism ML بهینه شده است.
طبق اندازه‌گیری کوالکام، تولید با سرعت ۱۵.۴ توکن بر ثانیه انجام می‌شود و استنتاج محلی روی NPU و هسته‌های پردازشی Snapdragon، تأخیر اتصال به سرور را حذف می‌کند، ترافیک موبایل را کم می‌کند و حریم خصوصی کامل را با جلوگیری از ارسال صدای ضبط‌شده و ویدیوی دوربین‌های داخلی به ابر تضمین می‌کند.
زمان عرضه در عینک‌های سری اعلام نشده است.
منبع: prismml.com
---
🛰 گوگل ماهواره‌ای با TPU به مدار می‌فرستد
هفته آینده Google Research یک نمونه اولیه ماهواره از پروژه Suncatcher را که با همکاری Planet ساخته شده، به مدار پایین زمین می‌فرستد. این دستگاه با مأموریت همراه SpaceX Transporter-18 پرواز می‌کند و بررسی می‌کند که چگونه واحدهای پردازش تنسور، پرتاب، تشعشع و سرمایش در خلأ را تحمل می‌کنند.
این پروژه بررسی می‌کند که آیا می‌توان زیرساخت محاسباتی هوش مصنوعی را در فضا ساخت، جایی که به تخمین گوگل پنل‌های خورشیدی تا هشت برابر انرژی بیشتری تولید می‌کنند.
ماهواره آزمون‌های لرزشی را گذرانده و TPU Trillium در شتاب‌دهنده پروتونی دانشگاه کالیفرنیا دوز تشعشعی بیش از پنج سال حضور در مدار را تحمل کرده است.
گوگل در سال ۲۰۲۷ دو ماهواره پرتاب می‌کند تا ارتباط لیزری بین آن‌ها را آزمایش کند.
منبع: blog.google
---
#news #ai #ml
🆔 @asrgooyeshpardaz
❤4
📉 سقوط قیمت تفکر: چرا هوش مصنوعی این‌قدر سریع ارزان می‌شود؟
گزارش جدیدی از Epoch AI نشان می‌دهد هزینه دستیابی به یک سطح مشخص از عملکرد هوش مصنوعی، در سه سال گذشته هر فصل حدود ۴۷٪ کاهش یافته است — یعنی سالانه ۱۳ برابر ارزان‌تر شده است. این سرعت کاهش، از هر فناوری تحول‌آفرین دیگری در تاریخ سریع‌تر است.
📊 مقایسه با سایر فناوری‌ها
برای درک بزرگی این عدد، مقایسه‌اش با نرخ کاهش قیمت فناوری‌های دیگر مفید است:
· توالی‌یابی DNA: ۴ برابر کندتر
· توان محاسباتی: ۶ برابر کندتر
· باتری‌های لیتیومی: ۱۸ برابر کندتر
· برق (در قرن منتهی به ۱۹۷۳): ۵۴ برابر کندتر
🔍 یک مثال ملموس
در ژانویه ۲۰۲۵، مدل o3 شرکت OpenAI با هزینه‌ای حدود ۳۰ سنت برای هر پرسش، امتیاز ۷۵٪ را در بنچمارک GPQA Diamond (آزمونی در سطح دکتری فیزیک، شیمی و زیست‌شناسی) کسب می‌کرد.
کمتر از ۱۸ ماه بعد، مدل GPT-5.6 Luna همان امتیاز را با هزینه‌ای معادل چهار صدم یک سنت (۰.۰۰۰۴ دلار) برای هر پرسش به دست آورد. یعنی قیمت تفکر در کمتر از ۱۸ ماه ۷۲۵ برابر کاهش یافت.
📈 کاهش قیمت در حوزه‌های مختلف
نرخ کاهش قیمت بسته به نوع وظیفه متفاوت است:
· معماهای مبتنی بر بازی: کندتر، حدود ۳۹ تا ۴۳ درصد در هر فصل
· مسائل ریاضی: سریع‌تر، حدود ۵۰ تا ۵۲ درصد در هر فصل
⏳ یک الگوی جالب
هزینه زمانی که یک سطح عملکرد برای اولین بار به دست می‌آید (یعنی مدل SOTA آن را ارائه می‌دهد) سریع‌ترین کاهش را دارد: ۶۶٪ در هر فصل (۷۵ برابر در سال). اما دو سال بعد، سرعت کاهش به ۳۲٪ در هر فصل (۴.۷ برابر در سال) کاهش می‌یابد.
⚠️ چند نکته مهم درباره این آمار
محققان خودشان به محدودیت‌هایی اشاره کرده‌اند که باید در نظر گرفت:
· «بنچ‌مکس‌سازی» (Benchmaxxing): شرکت‌ها ممکن است مدل‌هایشان را عمداً برای عملکرد خوب در بنچمارک‌ها آموزش دهند، بنابراین بهبود در بنچمارک می‌تواند سریع‌تر از بهبود در وظایف واقعی جهان باشد.
· تفاوت کاربر واقعی با فرض تحلیل: این تحلیل فرض می‌کند کاربری وجود دارد که همیشه ارزان‌ترین مدل را برای هر وظیفه پیدا می‌کند، در حالی که کاربران واقعی این‌قدر مدل عوض نمی‌کنند و در نتیجه صرفه‌جویی کمتری می‌کنند.
· داده‌های نویزی: بازه زمانی فقط سه سال است و همه ترکیب‌های مدل و بنچمارک در داده‌ها وجود ندارند.
🎯 چرا این مهم است؟
کاهش سریع قیمت تفکر یعنی کارهایی که قبلاً به‌خاطر هزینه بالا غیرممکن بودند، اکنون در دسترس قرار می‌گیرند. این روند می‌تواند الگوی استفاده از هوش مصنوعی در کسب‌وکارها و زندگی روزمره را به‌طور بنیادی تغییر دهد.
📄 منبع:
Epoch AI — The Plunging Price of Thought
#AI #EpochAI #InferenceCost #AIEconomics #Research
🆔 @asrgooyeshpardaz
گزارش جدیدی از Epoch AI نشان می‌دهد هزینه دستیابی به یک سطح مشخص از عملکرد هوش مصنوعی، در سه سال گذشته هر فصل حدود ۴۷٪ کاهش یافته است — یعنی سالانه ۱۳ برابر ارزان‌تر شده است. این سرعت کاهش، از هر فناوری تحول‌آفرین دیگری در تاریخ سریع‌تر است.
📊 مقایسه با سایر فناوری‌ها
برای درک بزرگی این عدد، مقایسه‌اش با نرخ کاهش قیمت فناوری‌های دیگر مفید است:
· توالی‌یابی DNA: ۴ برابر کندتر
· توان محاسباتی: ۶ برابر کندتر
· باتری‌های لیتیومی: ۱۸ برابر کندتر
· برق (در قرن منتهی به ۱۹۷۳): ۵۴ برابر کندتر
🔍 یک مثال ملموس
در ژانویه ۲۰۲۵، مدل o3 شرکت OpenAI با هزینه‌ای حدود ۳۰ سنت برای هر پرسش، امتیاز ۷۵٪ را در بنچمارک GPQA Diamond (آزمونی در سطح دکتری فیزیک، شیمی و زیست‌شناسی) کسب می‌کرد.
کمتر از ۱۸ ماه بعد، مدل GPT-5.6 Luna همان امتیاز را با هزینه‌ای معادل چهار صدم یک سنت (۰.۰۰۰۴ دلار) برای هر پرسش به دست آورد. یعنی قیمت تفکر در کمتر از ۱۸ ماه ۷۲۵ برابر کاهش یافت.
📈 کاهش قیمت در حوزه‌های مختلف
نرخ کاهش قیمت بسته به نوع وظیفه متفاوت است:
· معماهای مبتنی بر بازی: کندتر، حدود ۳۹ تا ۴۳ درصد در هر فصل
· مسائل ریاضی: سریع‌تر، حدود ۵۰ تا ۵۲ درصد در هر فصل
⏳ یک الگوی جالب
هزینه زمانی که یک سطح عملکرد برای اولین بار به دست می‌آید (یعنی مدل SOTA آن را ارائه می‌دهد) سریع‌ترین کاهش را دارد: ۶۶٪ در هر فصل (۷۵ برابر در سال). اما دو سال بعد، سرعت کاهش به ۳۲٪ در هر فصل (۴.۷ برابر در سال) کاهش می‌یابد.
⚠️ چند نکته مهم درباره این آمار
محققان خودشان به محدودیت‌هایی اشاره کرده‌اند که باید در نظر گرفت:
· «بنچ‌مکس‌سازی» (Benchmaxxing): شرکت‌ها ممکن است مدل‌هایشان را عمداً برای عملکرد خوب در بنچمارک‌ها آموزش دهند، بنابراین بهبود در بنچمارک می‌تواند سریع‌تر از بهبود در وظایف واقعی جهان باشد.
· تفاوت کاربر واقعی با فرض تحلیل: این تحلیل فرض می‌کند کاربری وجود دارد که همیشه ارزان‌ترین مدل را برای هر وظیفه پیدا می‌کند، در حالی که کاربران واقعی این‌قدر مدل عوض نمی‌کنند و در نتیجه صرفه‌جویی کمتری می‌کنند.
· داده‌های نویزی: بازه زمانی فقط سه سال است و همه ترکیب‌های مدل و بنچمارک در داده‌ها وجود ندارند.
🎯 چرا این مهم است؟
کاهش سریع قیمت تفکر یعنی کارهایی که قبلاً به‌خاطر هزینه بالا غیرممکن بودند، اکنون در دسترس قرار می‌گیرند. این روند می‌تواند الگوی استفاده از هوش مصنوعی در کسب‌وکارها و زندگی روزمره را به‌طور بنیادی تغییر دهد.
📄 منبع:
Epoch AI — The Plunging Price of Thought
#AI #EpochAI #InferenceCost #AIEconomics #Research
🆔 @asrgooyeshpardaz
Epoch AI
The plunging price of thought
Epoch AI measures how fast the cost of a given level of AI performance is falling across five benchmarks covering math, science and games of skill: about 47% per quarter, or 13x per year, since 2023, faster than electricity, compute, batteries or DNA sequencing…
❤5👍1
🧠 چرا مدل‌های کوانتیزه‌شده «زیادی فکر می‌کنند»؟
پژوهشی از Meta AI نشان می‌دهد که فشرده‌سازی (کوانتیزاسیون) مدل‌های استدلالی، آن‌ها را «کندذهن» نمی‌کند، بلکه به «شکاک مزمن» تبدیل می‌کند.
📌 یافته اصلی
در ۵۲ درصد از خطاهای مدل‌های کوانتیزه، مدل در یک مرحله میانی استدلال به پاسخ درست رسیده بود، اما آن را نهایی نکرد و به «فکر کردن» ادامه داد تا پاسخ درست را از دست بدهد.
طول زنجیره استدلال پس از کوانتیزاسیون تا ۴.۵ برابر افزایش می‌یابد — مثلاً از ۵٬۲۰۰ توکن به ۲۳٬۴۰۰ توکن.
🔬 چطور این را فهمیدند؟
پژوهشگران با ابزاری به نام واگرایی KL (معیاری برای سنجش تفاوت بین دو توزیع احتمالی) توانستند دقیقاً مشخص کنند که مدل کوانتیزه در کدام توکن‌ها با نسخه دقیق تفاوت دارد.
نتیجه:
· توکن‌های پرتفاوت: همان کلمات تردید مثل «صبر کن»، «اما» و «از طرف دیگر»
· توکن‌های کم‌تفاوت: محاسبات ریاضی و قالب‌بندی خروجی
یعنی نویز کوانتیزاسیون دقیقاً در لحظاتی که مدل مطمئن نیست، آن را به سمت تردید و شاخه‌شاخه شدن سوق می‌دهد.
💡 راه‌حل: جریمه لوجیت بدون بازآموزی
پژوهشگران یک جریمه لوجیت روی حدود ۵۰ نشانگر تردید اعمال کردند — بدون هیچ آموزش مجدد، بدون تغییر وزن‌ها، فقط در لحظه تولید خروجی.
نتیجه:
· طول استدلال ۱۲ تا ۲۳ درصد کوتاه‌تر شد
· خطاهای ناشی از «بیش‌اندیشی» تا ۵۸ درصد کاهش یافت
· دقت پاسخ‌ها حفظ شد یا حتی بهتر شد
⚠️ نکته جالب: وقتی همان جریمه را روی توکن‌های تصادفی اعمال کردند، نتیجه برعکس شد — طول استدلال ۴۱ درصد بیشتر و دقت ۹.۵ درصد کمتر.
🎯 چرا مهم است؟
این پژوهش نشان می‌دهد کوانتیزاسیون مشکل جدیدی نمی‌سازد، بلکه تمایل به «بیش‌اندیشی» را که در مدل‌های دقیق هم وجود دارد، تشدید می‌کند. راه‌حل پیشنهادی ساده، بدون هزینه و فوری است — یک تغییر کوچک در لحظه تولید که می‌تواند هزینه استنتاج را به‌طور قابل توجهی کم کند.
🔗 arXiv:2606.00206
#AI #Meta #Quantization #Overthinking #Research
🆔 @asrgooyeshpardaz
پژوهشی از Meta AI نشان می‌دهد که فشرده‌سازی (کوانتیزاسیون) مدل‌های استدلالی، آن‌ها را «کندذهن» نمی‌کند، بلکه به «شکاک مزمن» تبدیل می‌کند.
📌 یافته اصلی
در ۵۲ درصد از خطاهای مدل‌های کوانتیزه، مدل در یک مرحله میانی استدلال به پاسخ درست رسیده بود، اما آن را نهایی نکرد و به «فکر کردن» ادامه داد تا پاسخ درست را از دست بدهد.
طول زنجیره استدلال پس از کوانتیزاسیون تا ۴.۵ برابر افزایش می‌یابد — مثلاً از ۵٬۲۰۰ توکن به ۲۳٬۴۰۰ توکن.
🔬 چطور این را فهمیدند؟
پژوهشگران با ابزاری به نام واگرایی KL (معیاری برای سنجش تفاوت بین دو توزیع احتمالی) توانستند دقیقاً مشخص کنند که مدل کوانتیزه در کدام توکن‌ها با نسخه دقیق تفاوت دارد.
نتیجه:
· توکن‌های پرتفاوت: همان کلمات تردید مثل «صبر کن»، «اما» و «از طرف دیگر»
· توکن‌های کم‌تفاوت: محاسبات ریاضی و قالب‌بندی خروجی
یعنی نویز کوانتیزاسیون دقیقاً در لحظاتی که مدل مطمئن نیست، آن را به سمت تردید و شاخه‌شاخه شدن سوق می‌دهد.
💡 راه‌حل: جریمه لوجیت بدون بازآموزی
پژوهشگران یک جریمه لوجیت روی حدود ۵۰ نشانگر تردید اعمال کردند — بدون هیچ آموزش مجدد، بدون تغییر وزن‌ها، فقط در لحظه تولید خروجی.
نتیجه:
· طول استدلال ۱۲ تا ۲۳ درصد کوتاه‌تر شد
· خطاهای ناشی از «بیش‌اندیشی» تا ۵۸ درصد کاهش یافت
· دقت پاسخ‌ها حفظ شد یا حتی بهتر شد
⚠️ نکته جالب: وقتی همان جریمه را روی توکن‌های تصادفی اعمال کردند، نتیجه برعکس شد — طول استدلال ۴۱ درصد بیشتر و دقت ۹.۵ درصد کمتر.
🎯 چرا مهم است؟
این پژوهش نشان می‌دهد کوانتیزاسیون مشکل جدیدی نمی‌سازد، بلکه تمایل به «بیش‌اندیشی» را که در مدل‌های دقیق هم وجود دارد، تشدید می‌کند. راه‌حل پیشنهادی ساده، بدون هزینه و فوری است — یک تغییر کوچک در لحظه تولید که می‌تواند هزینه استنتاج را به‌طور قابل توجهی کم کند.
🔗 arXiv:2606.00206
#AI #Meta #Quantization #Overthinking #Research
🆔 @asrgooyeshpardaz
❤5
⚡️ مدل Claude Sonnet 5.5: سریع‌تر، ارزان‌تر، دقیق‌تر
شرکت Anthropic دومین مدل از خانواده Claude 5.5 را پس از Opus 5.5 معرفی کرد. Sonnet 5.5 به‌عنوان مکملی سریع‌تر و ارزان‌تر برای Opus 5.5 طراحی شده و برای کارهای روزمره با تعریف مشخص — مانند رفع باگ، تهیه اسناد، ارائه و جدول — ایده‌آل است.
بر اساس اندازه‌گیری‌ها، Sonnet 5.5 پاسخ‌ها را ۳۰٪ سریع‌تر از Sonnet 5 تولید می‌کند و به دلیل مصرف توکن کمتر، هزینه هر کار تا ۳۰٪ کاهش می‌یابد. این نخستین مدل از خانواده Sonnet است که بازی Pokémon Red را تنها با اسکرین‌شات به پایان رسانده است.
📊 نتایج بنچمارک‌ها
بنچمارک Terminal-Bench 4.0 (کدنویسی عاملی در خط فرمان): Sonnet 5.5 امتیاز ۷۰.۶٪ را کسب کرد، در مقابل ۱۰.۳٪ برای Sonnet 5 و ۶۶.۴٪ برای Opus 5.5 در بهترین سطح تلاش.
بنچمارک OSWorld 2.1 (مدیریت کامپیوتر): مدل جدید ۸۰.۱٪ گرفت، در حالی که Opus 5.5 امتیاز ۸۱.۸٪ و Sonnet 5 امتیاز ۵۷٪ داشتند.
بنچمارک GDPval-AA (انجام وظایف شغلی از ۴۴ حرفه): Artificial Analysis به Sonnet 5.5 امتیاز ۱۸۴۴ داد، در مقابل ۱۸۴۶ برای Opus 5.5 و ۱۴۴۹ برای Sonnet 5. البته این آزمون روی نسخه پیش‌انتشار با یک باگ در خروجی ساخت‌یافته انجام شده است.
🛡 ایمنی و امنیت سایبری
مدل Sonnet 5.5 نخستین مدل از خانواده Sonnet است که به محافظ‌های امنیت سایبری مجهز شده و در این زمینه با Opus 5 قابل مقایسه است. بنابراین درخواست‌های پرخطر به Sonnet 5 بازگردانده می‌شوند. همچنین این مدل طبقه‌بندهای ضد تقطیر دریافت کرده که از استخراج استدلال‌های آن جلوگیری می‌کنند.
💻 دسترسی و قیمت
مدل Sonnet 5.5 هم‌اکنون در اپلیکیشن‌های Claude، از طریق API با شناسه claude-sonnet-5-5 و همچنین در AWS، Google Cloud و Microsoft Azure در دسترس است.
قیمت تغییری نکرده: ۲ دلار به ازای هر میلیون توکن ورودی، ۱۰ دلار برای خروجی و ۰.۲۰ دلار برای خواندن از کش.
📅 به‌زودی: مدل Haiku 5.5 در هفته‌های آینده معرفی خواهد شد.
🔗 https://www.anthropic.com/claude-sonnet-5-5
---
#news #ai
🆔 @asrgooyeshpardaz
شرکت Anthropic دومین مدل از خانواده Claude 5.5 را پس از Opus 5.5 معرفی کرد. Sonnet 5.5 به‌عنوان مکملی سریع‌تر و ارزان‌تر برای Opus 5.5 طراحی شده و برای کارهای روزمره با تعریف مشخص — مانند رفع باگ، تهیه اسناد، ارائه و جدول — ایده‌آل است.
بر اساس اندازه‌گیری‌ها، Sonnet 5.5 پاسخ‌ها را ۳۰٪ سریع‌تر از Sonnet 5 تولید می‌کند و به دلیل مصرف توکن کمتر، هزینه هر کار تا ۳۰٪ کاهش می‌یابد. این نخستین مدل از خانواده Sonnet است که بازی Pokémon Red را تنها با اسکرین‌شات به پایان رسانده است.
📊 نتایج بنچمارک‌ها
بنچمارک Terminal-Bench 4.0 (کدنویسی عاملی در خط فرمان): Sonnet 5.5 امتیاز ۷۰.۶٪ را کسب کرد، در مقابل ۱۰.۳٪ برای Sonnet 5 و ۶۶.۴٪ برای Opus 5.5 در بهترین سطح تلاش.
بنچمارک OSWorld 2.1 (مدیریت کامپیوتر): مدل جدید ۸۰.۱٪ گرفت، در حالی که Opus 5.5 امتیاز ۸۱.۸٪ و Sonnet 5 امتیاز ۵۷٪ داشتند.
بنچمارک GDPval-AA (انجام وظایف شغلی از ۴۴ حرفه): Artificial Analysis به Sonnet 5.5 امتیاز ۱۸۴۴ داد، در مقابل ۱۸۴۶ برای Opus 5.5 و ۱۴۴۹ برای Sonnet 5. البته این آزمون روی نسخه پیش‌انتشار با یک باگ در خروجی ساخت‌یافته انجام شده است.
🛡 ایمنی و امنیت سایبری
مدل Sonnet 5.5 نخستین مدل از خانواده Sonnet است که به محافظ‌های امنیت سایبری مجهز شده و در این زمینه با Opus 5 قابل مقایسه است. بنابراین درخواست‌های پرخطر به Sonnet 5 بازگردانده می‌شوند. همچنین این مدل طبقه‌بندهای ضد تقطیر دریافت کرده که از استخراج استدلال‌های آن جلوگیری می‌کنند.
💻 دسترسی و قیمت
مدل Sonnet 5.5 هم‌اکنون در اپلیکیشن‌های Claude، از طریق API با شناسه claude-sonnet-5-5 و همچنین در AWS، Google Cloud و Microsoft Azure در دسترس است.
قیمت تغییری نکرده: ۲ دلار به ازای هر میلیون توکن ورودی، ۱۰ دلار برای خروجی و ۰.۲۰ دلار برای خواندن از کش.
📅 به‌زودی: مدل Haiku 5.5 در هفته‌های آینده معرفی خواهد شد.
🔗 https://www.anthropic.com/claude-sonnet-5-5
---
#news #ai
🆔 @asrgooyeshpardaz
🎮 دیتاست صداهای طراحی‌شده NCSOFT: ابزاری برای توسعه‌دهندگان بازی
شرکت NC AI (زیرمجموعه NCSOFT) دیتاست و بنچمارکی به نام Designed Vocalizations Dataset منتشر کرده که در کنفرانس Interspeech 2026 پذیرفته شده است. هدف این پروژه، پر کردن شکاف در حوزه تبدیل صداهای غیرانسانی مانند غرش هیولا، صداهای رباتیک و افکت‌های طراحی‌شده است — حوزه‌ای که تا پیش از این به‌دلیل نبود منابع عمومی، کمتر بررسی شده بود.
📦 محتوای دیتاست
دیتاست از ترکیب دو بخش اصلی ساخته شده است:
صدای خام (Raw): ۵٬۶۵۴ فایل صوتی منبع شامل گفتار انسان، صدای حیوانات، صداهای میان‌کلامی و تقلید صدای هیولا.
صدای طراحی‌شده (Designed): ۲۲۶٬۱۶۰ فایل صوتی که با اعمال ۴۰ پریست حرفهای افکت صوتی (با استفاده از ابزار Dehumaniser 2) روی صداهای خام تولید شده‌اند.
نکته کلیدی این است که هر فایل طراحی‌شده، نسخه متناظر خام خود را دارد. این ساختار جفتی، امکان آموزش مدل‌های تبدیل صدا را فراهم می‌کند.
🧪 ساختار بنچمارک
این دیتاست یک مجموعه آزمون استاندارد هم دارد که برای سنجش تعمیم‌پذیری طراحی شده است:
· ۶۰ منبع با تیمبر دیده‌شده (در آموزش حضور داشته) + ۶۰ منبع با تیمبر نادیده
· ۴۰ پریست دیده‌شده + ۷ پریست نادیده
· ترکیب این‌ها ۴ حالت آزمون می‌سازد: seen-to-seen، seen-to-unseen، unseen-to-seen و unseen-to-unseen
📊 نتایج پایه
پژوهشگران مدل H2NH-VC (تبدیل صدای انسان به غیرانسان) را به‌عنوان بنچمارک پایه ارزیابی کرده‌اند. نتایج نشان می‌دهد که مدل در سناریوهای seen-to-seen عملکرد بهتری دارد (شباهت کسینوسی ۰.۶۶۷) و در حالت unseen-to-unseen افت می‌کند (۰.۶۱۰). این افت، دقیقاً همان چیزی است که این بنچمارک برای سنجش آن طراحی شده است.
🎯 چرا این برای توسعه‌دهندگان بازی مهم است؟
طراحی صدای شخصیت‌های غیرانسانی (هیولا، ربات، موجودات خیالی) معمولاً فرآیندی دستی، زمان‌بر و پرهزینه است. این دیتاست به تیم‌های توسعه بازی امکان می‌دهد تا مدل‌های یادگیری ماشین را برای تولید خودکار این صداها آموزش دهند. همچنین این اولین منبع عمومی و استاندارد برای مقایسه الگوریتم‌های مختلف در این حوزه است.
📁 دسترسی
دیتاست روی Hugging Face منتشر شده و شامل فایل‌های صوتی با فرمت ۴۴.۱ کیلوهرتز، ۱۶ بیت، مونو و در قالب Parquet است. مجوز هر فایل صوتی جداگانه مشخص شده (CC0، CC BY 3.0 یا CC BY 4.0).
🔗 لینک‌ها:
دیتاست در Hugging Face
صفحه پروژه و نمونه‌ها
مقاله در arXiv
#AI #GameDev #VoiceConversion #NCSOFT #Interspeech2026
🆔 @asrgooyeshpardaz
شرکت NC AI (زیرمجموعه NCSOFT) دیتاست و بنچمارکی به نام Designed Vocalizations Dataset منتشر کرده که در کنفرانس Interspeech 2026 پذیرفته شده است. هدف این پروژه، پر کردن شکاف در حوزه تبدیل صداهای غیرانسانی مانند غرش هیولا، صداهای رباتیک و افکت‌های طراحی‌شده است — حوزه‌ای که تا پیش از این به‌دلیل نبود منابع عمومی، کمتر بررسی شده بود.
📦 محتوای دیتاست
دیتاست از ترکیب دو بخش اصلی ساخته شده است:
صدای خام (Raw): ۵٬۶۵۴ فایل صوتی منبع شامل گفتار انسان، صدای حیوانات، صداهای میان‌کلامی و تقلید صدای هیولا.
صدای طراحی‌شده (Designed): ۲۲۶٬۱۶۰ فایل صوتی که با اعمال ۴۰ پریست حرفهای افکت صوتی (با استفاده از ابزار Dehumaniser 2) روی صداهای خام تولید شده‌اند.
نکته کلیدی این است که هر فایل طراحی‌شده، نسخه متناظر خام خود را دارد. این ساختار جفتی، امکان آموزش مدل‌های تبدیل صدا را فراهم می‌کند.
🧪 ساختار بنچمارک
این دیتاست یک مجموعه آزمون استاندارد هم دارد که برای سنجش تعمیم‌پذیری طراحی شده است:
· ۶۰ منبع با تیمبر دیده‌شده (در آموزش حضور داشته) + ۶۰ منبع با تیمبر نادیده
· ۴۰ پریست دیده‌شده + ۷ پریست نادیده
· ترکیب این‌ها ۴ حالت آزمون می‌سازد: seen-to-seen، seen-to-unseen، unseen-to-seen و unseen-to-unseen
📊 نتایج پایه
پژوهشگران مدل H2NH-VC (تبدیل صدای انسان به غیرانسان) را به‌عنوان بنچمارک پایه ارزیابی کرده‌اند. نتایج نشان می‌دهد که مدل در سناریوهای seen-to-seen عملکرد بهتری دارد (شباهت کسینوسی ۰.۶۶۷) و در حالت unseen-to-unseen افت می‌کند (۰.۶۱۰). این افت، دقیقاً همان چیزی است که این بنچمارک برای سنجش آن طراحی شده است.
🎯 چرا این برای توسعه‌دهندگان بازی مهم است؟
طراحی صدای شخصیت‌های غیرانسانی (هیولا، ربات، موجودات خیالی) معمولاً فرآیندی دستی، زمان‌بر و پرهزینه است. این دیتاست به تیم‌های توسعه بازی امکان می‌دهد تا مدل‌های یادگیری ماشین را برای تولید خودکار این صداها آموزش دهند. همچنین این اولین منبع عمومی و استاندارد برای مقایسه الگوریتم‌های مختلف در این حوزه است.
📁 دسترسی
دیتاست روی Hugging Face منتشر شده و شامل فایل‌های صوتی با فرمت ۴۴.۱ کیلوهرتز، ۱۶ بیت، مونو و در قالب Parquet است. مجوز هر فایل صوتی جداگانه مشخص شده (CC0، CC BY 3.0 یا CC BY 4.0).
🔗 لینک‌ها:
دیتاست در Hugging Face
صفحه پروژه و نمونه‌ها
مقاله در arXiv
#AI #GameDev #VoiceConversion #NCSOFT #Interspeech2026
🆔 @asrgooyeshpardaz
huggingface.co
NCSOFT/Designed-Vocalizations-Dataset · Datasets at Hugging Face
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
👌1
🔍 فریکشن‌مکسینگ چیه؟
اصطلاح «Friction-maxxing» (ترکیبی از «اصطکاک» و پسوند اصطلاح اینترنتی «maxxing» به معنای بیشینه‌سازی) در ژانویه ۲۰۲۶ توسط کاترین جزر-مورتون، ستون‌نویس مجله The Cut، در مقاله‌ای با عنوان «در سال ۲۰۲۶، ما فریکشن‌مکسینگ می‌کنیم» ابداع شد.
ایده ساده است: به‌جای اینکه همه کارها رو با کمک فناوری آسان‌تر کنیم، عمداً کمی سخت‌ترشون کنیم تا تحملمون نسبت به ناراحتی بالا بره و حس رضایت و معنای بیشتری تجربه کنیم.
💡 چرا این ایده شکل گرفت؟
جزر-مورتون معتقده شرکت‌های فناوری ما رو طوری شرطی کردن که تجربیات عادی مثل بی‌حوصلگی، ناراحتی اجتماعی و فکر کردن سخت رو به‌عنوان مشکلاتی ببینیم که باید حذف بشن. به نظر او این فرهنگ «راحتی چرب و نرم» فقط ما رو نوزادی‌سازی (Infantilizing) می‌کنه و از حس رضایتی که با تلاش و پشتکار به دست میاد محروممون می‌کنه.
🛠 نمونه‌های عملی در زندگی روزمره
طرفداران این سبک، کارهایی مثل این‌ها انجام می‌دن:
- 🧭 مسیریابی: به‌جای GPS از تابلوهای راه و نشانه‌های خیابانی استفاده کن
- 🍳 غذا: به‌جای سفارش آنلاین، خودت آشپزی کن یا برو بیرون غذا بگیر
- 💬 ارتباط: به‌جای پیام و اشتراک موقعیت، حضوری و بدون هماهنگی دیجیتال قرار بذار
- ✍️ نوشتن: به‌جای هوش مصنوعی، خودت ایمیل و متن بنویس
- 📖 یادگیری: به‌جای خلاصه‌های AI، کتاب کامل بخون
- 👨👩👧 فرزندپروری: بچه‌ها رو برای کارهای کوچک بفرست، حتی اگه اشتباه کنن
📈 چطور فراگیر شد؟
این مفهوم به‌سرعت در نشریاتی مثل فایننشال تایمز، گاردین، بی‌بی‌سی و فوربس بازتاب پیدا کرد. به‌ویژه در میان نسل Z در تیک‌تاک و اینستاگرام محبوبیت زیادی پیدا کرد و کاربران شروع به به اشتراک‌گذاری چالش‌ها و نکاتش کردن.
💬 نقدها
منتقدان می‌گن این ترند صرفاً تغییر نام دادن به کارهای عادی زندگیه که همیشه وجود داشتن. بعضی‌ها هم معتقدن این رویکرد فقط برای گروه کوچکی از افراد مرفه عملیه و به مشکلات ساختاری بزرگ‌تر توجهی نمی‌کنه. عده‌ای هم اون رو اجباری و خودنمایانه می‌دونن.
📚 منابع
1. Jezer-Morton, K. (2026). "In 2026, We Are Friction-Maxxing." The Cut
2. Wikipedia: Friction-maxxing
3. The Guardian: "Friction-maxxing: could less convenience lead to much more happiness?" (Jan 2026)
4. HuffPost UK: "'Frictionmaxxing' Is The High-Effort Lifestyle That Makes Inconvenience A Joy" (Mar 2026)
5. Radio-Canada: "La tendance friction-maxxing gagne la génération Z" (Apr 2026)
6. NSS Magazine: "Is effort the new luxury? On Frictionmaxxing" (Jul 2026)
#Friction_Maxxing
🆔 @asrgooyeshpardaz
اصطلاح «Friction-maxxing» (ترکیبی از «اصطکاک» و پسوند اصطلاح اینترنتی «maxxing» به معنای بیشینه‌سازی) در ژانویه ۲۰۲۶ توسط کاترین جزر-مورتون، ستون‌نویس مجله The Cut، در مقاله‌ای با عنوان «در سال ۲۰۲۶، ما فریکشن‌مکسینگ می‌کنیم» ابداع شد.
ایده ساده است: به‌جای اینکه همه کارها رو با کمک فناوری آسان‌تر کنیم، عمداً کمی سخت‌ترشون کنیم تا تحملمون نسبت به ناراحتی بالا بره و حس رضایت و معنای بیشتری تجربه کنیم.
💡 چرا این ایده شکل گرفت؟
جزر-مورتون معتقده شرکت‌های فناوری ما رو طوری شرطی کردن که تجربیات عادی مثل بی‌حوصلگی، ناراحتی اجتماعی و فکر کردن سخت رو به‌عنوان مشکلاتی ببینیم که باید حذف بشن. به نظر او این فرهنگ «راحتی چرب و نرم» فقط ما رو نوزادی‌سازی (Infantilizing) می‌کنه و از حس رضایتی که با تلاش و پشتکار به دست میاد محروممون می‌کنه.
🛠 نمونه‌های عملی در زندگی روزمره
طرفداران این سبک، کارهایی مثل این‌ها انجام می‌دن:
- 🧭 مسیریابی: به‌جای GPS از تابلوهای راه و نشانه‌های خیابانی استفاده کن
- 🍳 غذا: به‌جای سفارش آنلاین، خودت آشپزی کن یا برو بیرون غذا بگیر
- 💬 ارتباط: به‌جای پیام و اشتراک موقعیت، حضوری و بدون هماهنگی دیجیتال قرار بذار
- ✍️ نوشتن: به‌جای هوش مصنوعی، خودت ایمیل و متن بنویس
- 📖 یادگیری: به‌جای خلاصه‌های AI، کتاب کامل بخون
- 👨👩👧 فرزندپروری: بچه‌ها رو برای کارهای کوچک بفرست، حتی اگه اشتباه کنن
📈 چطور فراگیر شد؟
این مفهوم به‌سرعت در نشریاتی مثل فایننشال تایمز، گاردین، بی‌بی‌سی و فوربس بازتاب پیدا کرد. به‌ویژه در میان نسل Z در تیک‌تاک و اینستاگرام محبوبیت زیادی پیدا کرد و کاربران شروع به به اشتراک‌گذاری چالش‌ها و نکاتش کردن.
💬 نقدها
منتقدان می‌گن این ترند صرفاً تغییر نام دادن به کارهای عادی زندگیه که همیشه وجود داشتن. بعضی‌ها هم معتقدن این رویکرد فقط برای گروه کوچکی از افراد مرفه عملیه و به مشکلات ساختاری بزرگ‌تر توجهی نمی‌کنه. عده‌ای هم اون رو اجباری و خودنمایانه می‌دونن.
📚 منابع
1. Jezer-Morton, K. (2026). "In 2026, We Are Friction-Maxxing." The Cut
2. Wikipedia: Friction-maxxing
3. The Guardian: "Friction-maxxing: could less convenience lead to much more happiness?" (Jan 2026)
4. HuffPost UK: "'Frictionmaxxing' Is The High-Effort Lifestyle That Makes Inconvenience A Joy" (Mar 2026)
5. Radio-Canada: "La tendance friction-maxxing gagne la génération Z" (Apr 2026)
6. NSS Magazine: "Is effort the new luxury? On Frictionmaxxing" (Jul 2026)
#Friction_Maxxing
🆔 @asrgooyeshpardaz
❤4👍4
📌 شرکت OpenAI دستیارهای شخصی Dots را معرفی کرد
شرکت OpenAI از Dots رونمایی کرد؛ دستیارهای هوش مصنوعی شخصی‌سازی‌شده‌ای در ChatGPT که با مدل GPT-6 Astra کار می‌کنند و برای انجام وظایف طولانی و چندمرحله‌ای طراحی شده‌اند.
⚙️ دستیار Dots چه کاری انجام می‌دهد؟
• هر Dot یک رایانه مجازی اختصاصی در فضای ابری دارد و می‌تواند حتی پس از بستن ChatGPT، کار را در پس‌زمینه ادامه دهد.
• کاربران می‌توانند نام، ظاهر، دستورالعمل‌ها و نحوه رفتار دستیارشان را شخصی‌سازی کنند.
• امکان مکالمه صوتی و اتصال به بیش از ۴۰۰۰ اپلیکیشن و سرویس فراهم شده است؛ البته دسترسی به هر سرویس به اجازه کاربر نیاز دارد.
• ارتباط با Dot از طریق ChatGPT، Slack و Microsoft Teams امکان‌پذیر است و پشتیبانی از پیامک نیز به‌زودی اضافه می‌شود.
📅 دسترسی
در شروع، هر کاربر می‌تواند یک Dot بسازد و امکان ساخت چند دستیار بعداً اضافه خواهد شد. عرضه برای کاربران Pro به‌صورت تدریجی آغاز شده و کاربران Business Premium و Enterprise نیز به آن دسترسی خواهند داشت.
🔗 معرفی رسمی
🔗 توییت
#AI #OpenAI #ChatGPT #Dots #Astra #AIAgent
🆔 @asrgooyeshpardaz
شرکت OpenAI از Dots رونمایی کرد؛ دستیارهای هوش مصنوعی شخصی‌سازی‌شده‌ای در ChatGPT که با مدل GPT-6 Astra کار می‌کنند و برای انجام وظایف طولانی و چندمرحله‌ای طراحی شده‌اند.
⚙️ دستیار Dots چه کاری انجام می‌دهد؟
• هر Dot یک رایانه مجازی اختصاصی در فضای ابری دارد و می‌تواند حتی پس از بستن ChatGPT، کار را در پس‌زمینه ادامه دهد.
• کاربران می‌توانند نام، ظاهر، دستورالعمل‌ها و نحوه رفتار دستیارشان را شخصی‌سازی کنند.
• امکان مکالمه صوتی و اتصال به بیش از ۴۰۰۰ اپلیکیشن و سرویس فراهم شده است؛ البته دسترسی به هر سرویس به اجازه کاربر نیاز دارد.
• ارتباط با Dot از طریق ChatGPT، Slack و Microsoft Teams امکان‌پذیر است و پشتیبانی از پیامک نیز به‌زودی اضافه می‌شود.
📅 دسترسی
در شروع، هر کاربر می‌تواند یک Dot بسازد و امکان ساخت چند دستیار بعداً اضافه خواهد شد. عرضه برای کاربران Pro به‌صورت تدریجی آغاز شده و کاربران Business Premium و Enterprise نیز به آن دسترسی خواهند داشت.
🔗 معرفی رسمی
🔗 توییت
#AI #OpenAI #ChatGPT #Dots #Astra #AIAgent
🆔 @asrgooyeshpardaz
OpenAI
Introducing dots
Dots by OpenAI are proactive assistants that can keep working across complex projects and everyday tasks. Learn how dots help you stay in control while work moves forward.
❤5
📌 مهم‌ترین معرفی‌های OpenAI در DevDay 2026
شرکت OpenAI علاوه بر Dots، بیش از ۲۰ محصول و قابلیت جدید معرفی کرد. مهم‌ترین موارد عبارت‌اند از:
🚀 مدل GPT-6.1 Sol
نسخه جدید Sol برای کدنویسی عامل‌محور، کار با کامپیوتر و وظایف حرفهای عرضه شد. OpenAI می‌گوید عملکرد آن به Astra نزدیک است، اما هزینه استاندارد توکن‌هایش یک‌پنجم Astra است.
⚡️ حالت Ultrafast
نسخه Ultrafast مدل Astra در Codex تا ۳۰۰ توکن در ثانیه تولید می‌کند. این حالت فعلاً برای طرح‌های Pro 500 و Enterprise ارائه شده و نسخه Sol نیز به‌زودی اضافه می‌شود.
💻 امکانات جدید Codex
• اجرای وظایف برنامه‌نویسی در فضای ابری
• کنترل صوتی و مدیریت چند عامل در محیط CLI
• بررسی کد و درخواست‌های GitHub و GitLab
• اسکن امنیتی مخزن‌ها با Codex Security Cloud
🧠 رابط Decisions API
این API برای انتخاب از میان پاسخ‌های مشخص طراحی شده است؛ مانند دسته‌بندی، مسیریابی درخواست‌ها یا انتخاب اقدام بعدی. این قابلیت فعلاً در پیش‌نمایش محدود قرار دارد.
👥 همکاری تیمی در ChatGPT
قابلیت‌های Space و Pages برای کار مشترک اعضای تیم با ChatGPT معرفی شدند. پشتیبانی از Slack و Microsoft Teams نیز اضافه شده و ساخت اسلایدهای تعاملی در هفته‌های آینده ارائه می‌شود.
🔗 جمع‌بندی رسمی DevDay
#AI #OpenAI #DevDay #GPT6 #Codex #ChatGPT
🆔 @asrgooyeshpardaz
شرکت OpenAI علاوه بر Dots، بیش از ۲۰ محصول و قابلیت جدید معرفی کرد. مهم‌ترین موارد عبارت‌اند از:
🚀 مدل GPT-6.1 Sol
نسخه جدید Sol برای کدنویسی عامل‌محور، کار با کامپیوتر و وظایف حرفهای عرضه شد. OpenAI می‌گوید عملکرد آن به Astra نزدیک است، اما هزینه استاندارد توکن‌هایش یک‌پنجم Astra است.
⚡️ حالت Ultrafast
نسخه Ultrafast مدل Astra در Codex تا ۳۰۰ توکن در ثانیه تولید می‌کند. این حالت فعلاً برای طرح‌های Pro 500 و Enterprise ارائه شده و نسخه Sol نیز به‌زودی اضافه می‌شود.
💻 امکانات جدید Codex
• اجرای وظایف برنامه‌نویسی در فضای ابری
• کنترل صوتی و مدیریت چند عامل در محیط CLI
• بررسی کد و درخواست‌های GitHub و GitLab
• اسکن امنیتی مخزن‌ها با Codex Security Cloud
🧠 رابط Decisions API
این API برای انتخاب از میان پاسخ‌های مشخص طراحی شده است؛ مانند دسته‌بندی، مسیریابی درخواست‌ها یا انتخاب اقدام بعدی. این قابلیت فعلاً در پیش‌نمایش محدود قرار دارد.
👥 همکاری تیمی در ChatGPT
قابلیت‌های Space و Pages برای کار مشترک اعضای تیم با ChatGPT معرفی شدند. پشتیبانی از Slack و Microsoft Teams نیز اضافه شده و ساخت اسلایدهای تعاملی در هفته‌های آینده ارائه می‌شود.
🔗 جمع‌بندی رسمی DevDay
#AI #OpenAI #DevDay #GPT6 #Codex #ChatGPT
🆔 @asrgooyeshpardaz
OpenAI
DevDay 2026 Recap
Explore more than 20 announcements from OpenAI DevDay 2026, including GPT-6 Astra, ChatGPT, Codex, APIs, security, and new tools for builders.
❤4
🧠 هوش مصنوعی به‌عنوان چهارمین انقلاب «مرکززدایی»: از کیهان تا ذهن
پژوهشی جدید با همکاری جفری هینتون و پژوهشگران دانشگاه‌های مختلف، استدلال می‌کند که هوش مصنوعی صرفاً یک فناوری تحول‌آفرین نیست، بلکه چهارمین انقلاب مرکززدایی در تاریخ خودشناسی انسان است.
🔭 سه انقلاب قبلی
· انقلاب کوپرنیکی (قرن ۱۶): زمین را از مرکز جهان برداشت و نشان داد انسان در مرکز کیهان نیست.
· انقلاب داروینی (قرن ۱۹): انسان را از قله‌ی آفرینش پایین آورد و در پیوستار تکامل طبیعی قرار داد.
· انقلاب فرویدی (قرن ۲۰): خودآگاه را از تخت سلطنت ذهن پایین کشید و نقش ناخودآگاه را آشکار کرد.
🤖 انقلاب چهارم: هوش مصنوعی شهودی
هوش مصنوعی امروز، برخلاف تلاش‌های اولیه که بر منطق و استدلال نمادین استوار بودند، بر شبکه‌های عصبی الهام‌گرفته از مغز بنا شده و در شهود و تشخیص الگو بسیار قوی است. این ویژگی باعث می‌شود که AI بتواند در حوزه‌هایی که پیش‌تر انحصاری انسان پنداشته می‌شد — مانند تشخیص الگو، خلاقیت، ترجمه، و حتی تصمیم‌گیری استراتژیک — وارد شود و عملکردی فوق‌بشری ارائه دهد.
این مقاله AI را «انقلاب هوش مصنوعی شهودی» می‌نامد، زیرا برخلاف منطق‌گرایی قبلی، بر شهود و یادگیری از داده تمرکز دارد. مثال ساده: انتخاب بین دو گزاره‌ی پوچ («همه گربه‌ها نر و همه سگ‌ها ماده‌اند» در مقابل «همه گربه‌ها ماده و همه سگ‌ها نر»). انسان‌ها به‌طور شهودی دومی را محتمل‌تر می‌دانند، چون الگوهای عصبی «سگ» به «مرد» و «گربه» به «زن» شبیه‌تر است. AI نیز همین‌گونه کار می‌کند.
🧩 مرکززدایی شناختی یعنی چه؟
یعنی این باور که هوش، خلاقیت و بینش، ویژگی‌های ذاتی و منحصر به انسان نیستند. هوش می‌تواند در بسترهای غیرزیستی (ماشین‌ها) نیز پدیدار شود و در بسیاری از حوزه‌ها از انسان پیشی بگیرد. این دیدگاه، برتری‌جویی انسان را به چالش می‌کشد و آن را به یک ویژگی کارکردی (نه وجودی) تبدیل می‌کند.
💡 پیامدها
· در علم: مدل‌هایی مثل AlphaFold ساختار پروتئین‌ها را در چند ساعت پیش‌بینی می‌کنند که برای تیم‌های انسانی ماه‌ها یا سال‌ها طول می‌کشید.
· در خلاقیت: AI آثاری در موسیقی، هنر و ادبیات خلق می‌کند که مرزهای مؤلف و اصالت را جابه‌جا می‌کند.
· در تصمیم‌گیری: سیستم‌هایی مثل AlphaGo در بازی‌هایی که به شهود انسانی نیاز داشتند، بر قهرمانان جهان پیروز شدند.
· در اقتصاد و قدرت: دسترسی به AI می‌تواند شکاف‌های اقتصادی و سیاسی را عمیق‌تر کند.
· در روان و هویت: انسان ممکن است احساس کند «دیگر مرکز هوش نیست» — این می‌تواند هم اضطراب‌آور باشد و هم فرصتی برای بازتعریف ارزش‌ها.
🪞 هوش مصنوعی به‌عنوان آینه‌ی ذهن انسان
هوش مصنوعی فقط رقیب نیست؛ آینه‌ای است که سوگیری‌ها، ضعف‌ها و الگوهای پنهان ذهن ما را آشکار می‌کند. با بیرونی‌سازی فرآیندهای شناختی، می‌توانیم خود را بهتر بشناسیم و ظرفیت‌هایی مثل همدلی، خرد و مسئولیت اخلاقی را پرورش دهیم.
🎯 نتیجه
این مقاله استدلال می‌کند که انسان باید از رقابت خام شناختی با AI دست بردارد و به‌جای آن بر همکاری، اخلاق و ظرفیت‌های منحصربه‌فرد انسانی مانند خرد، همدلی و قضاوت اخلاقی تمرکز کند. چهارمین انقلاب مرکززدایی، دعوتی است به فروتنی و هم‌آفرینی با هوش مصنوعی.
📄 منبع:
DOI: 10.1007/s12559-026-10569-8
نویسندگان:
Erik Cambria، Rui Mao، Nicola Bianchi، Amir Hussain، Keith Oatley، Geoffrey Hinton
#AI #CognitiveDecentering #PhilosophyOfAI #Hinton #Research
🆔 @asrgooyeshpardaz
پژوهشی جدید با همکاری جفری هینتون و پژوهشگران دانشگاه‌های مختلف، استدلال می‌کند که هوش مصنوعی صرفاً یک فناوری تحول‌آفرین نیست، بلکه چهارمین انقلاب مرکززدایی در تاریخ خودشناسی انسان است.
🔭 سه انقلاب قبلی
· انقلاب کوپرنیکی (قرن ۱۶): زمین را از مرکز جهان برداشت و نشان داد انسان در مرکز کیهان نیست.
· انقلاب داروینی (قرن ۱۹): انسان را از قله‌ی آفرینش پایین آورد و در پیوستار تکامل طبیعی قرار داد.
· انقلاب فرویدی (قرن ۲۰): خودآگاه را از تخت سلطنت ذهن پایین کشید و نقش ناخودآگاه را آشکار کرد.
🤖 انقلاب چهارم: هوش مصنوعی شهودی
هوش مصنوعی امروز، برخلاف تلاش‌های اولیه که بر منطق و استدلال نمادین استوار بودند، بر شبکه‌های عصبی الهام‌گرفته از مغز بنا شده و در شهود و تشخیص الگو بسیار قوی است. این ویژگی باعث می‌شود که AI بتواند در حوزه‌هایی که پیش‌تر انحصاری انسان پنداشته می‌شد — مانند تشخیص الگو، خلاقیت، ترجمه، و حتی تصمیم‌گیری استراتژیک — وارد شود و عملکردی فوق‌بشری ارائه دهد.
این مقاله AI را «انقلاب هوش مصنوعی شهودی» می‌نامد، زیرا برخلاف منطق‌گرایی قبلی، بر شهود و یادگیری از داده تمرکز دارد. مثال ساده: انتخاب بین دو گزاره‌ی پوچ («همه گربه‌ها نر و همه سگ‌ها ماده‌اند» در مقابل «همه گربه‌ها ماده و همه سگ‌ها نر»). انسان‌ها به‌طور شهودی دومی را محتمل‌تر می‌دانند، چون الگوهای عصبی «سگ» به «مرد» و «گربه» به «زن» شبیه‌تر است. AI نیز همین‌گونه کار می‌کند.
🧩 مرکززدایی شناختی یعنی چه؟
یعنی این باور که هوش، خلاقیت و بینش، ویژگی‌های ذاتی و منحصر به انسان نیستند. هوش می‌تواند در بسترهای غیرزیستی (ماشین‌ها) نیز پدیدار شود و در بسیاری از حوزه‌ها از انسان پیشی بگیرد. این دیدگاه، برتری‌جویی انسان را به چالش می‌کشد و آن را به یک ویژگی کارکردی (نه وجودی) تبدیل می‌کند.
💡 پیامدها
· در علم: مدل‌هایی مثل AlphaFold ساختار پروتئین‌ها را در چند ساعت پیش‌بینی می‌کنند که برای تیم‌های انسانی ماه‌ها یا سال‌ها طول می‌کشید.
· در خلاقیت: AI آثاری در موسیقی، هنر و ادبیات خلق می‌کند که مرزهای مؤلف و اصالت را جابه‌جا می‌کند.
· در تصمیم‌گیری: سیستم‌هایی مثل AlphaGo در بازی‌هایی که به شهود انسانی نیاز داشتند، بر قهرمانان جهان پیروز شدند.
· در اقتصاد و قدرت: دسترسی به AI می‌تواند شکاف‌های اقتصادی و سیاسی را عمیق‌تر کند.
· در روان و هویت: انسان ممکن است احساس کند «دیگر مرکز هوش نیست» — این می‌تواند هم اضطراب‌آور باشد و هم فرصتی برای بازتعریف ارزش‌ها.
🪞 هوش مصنوعی به‌عنوان آینه‌ی ذهن انسان
هوش مصنوعی فقط رقیب نیست؛ آینه‌ای است که سوگیری‌ها، ضعف‌ها و الگوهای پنهان ذهن ما را آشکار می‌کند. با بیرونی‌سازی فرآیندهای شناختی، می‌توانیم خود را بهتر بشناسیم و ظرفیت‌هایی مثل همدلی، خرد و مسئولیت اخلاقی را پرورش دهیم.
🎯 نتیجه
این مقاله استدلال می‌کند که انسان باید از رقابت خام شناختی با AI دست بردارد و به‌جای آن بر همکاری، اخلاق و ظرفیت‌های منحصربه‌فرد انسانی مانند خرد، همدلی و قضاوت اخلاقی تمرکز کند. چهارمین انقلاب مرکززدایی، دعوتی است به فروتنی و هم‌آفرینی با هوش مصنوعی.
📄 منبع:
DOI: 10.1007/s12559-026-10569-8
نویسندگان:
Erik Cambria، Rui Mao، Nicola Bianchi، Amir Hussain، Keith Oatley، Geoffrey Hinton
#AI #CognitiveDecentering #PhilosophyOfAI #Hinton #Research
🆔 @asrgooyeshpardaz
SpringerLink
Artificial Intelligence as the Fourth Decentering Revolution: From Cosmic, Biological, and Psychological Displacement to Cognitive…
Cognitive Computation - Artificial intelligence (AI) is commonly framed as a technological force transforming economies, labor markets, scientific discovery, and social interaction. While these...
❤4👍1
🤖 ۸ کاربرد جالب مدل Jev: از بررسی کد تا دسته‌بندی مقالات
مدل Jev از شرکت TypeSafe AI، برخلاف مدل‌های زبانی معمول، به‌جای تولید متن، به پرسش‌های ساختاریافته پاسخ می‌دهد و تصمیم‌ها و احتمال‌ها را برمی‌گرداند. همین ویژگی آن را بسیار سریع‌تر و ارزان‌تر کرده است. در ادامه ۸ نمونه از کاربردهای واقعی آن را می‌بینید.
۱. بررسی درخواست‌های ادغام کد با هزینه نزدیک صفر
یک کاربر یک بررسی‌کننده کد ساخته که تفاوت‌های کد را به Jev می‌فرستد و ۱۴ بررسی (افشای رمز، تزریق SQL، تغییرات احراز هویت، تست‌های حذف‌شده و...) را در یک فراخوانی دریافت می‌کند. هزینه هر بررسی ۰.۰۰۰۰۷ دلار و زمان پاسخ حدود نیم ثانیه است. بررسی ۱۰۰۰ درخواست حدود ۷ سنت تمام می‌شود، در مقابل حدود ۱۴.۵ دلار با Opus 5.
۲. کنترل کامپیوتر
ابزاری به نام Third Hand با Jev در کمتر از یک ثانیه پاسخ می‌دهد و تقریباً بدون هزینه است. می‌تواند تصمیم بگیرد چه چیزی تایپ کند و نیازی به مدل زبانی جداگانه ندارد.
۳. یافتن لینک‌های داخلی در یک وب‌سایت
خواندن ۵۸۶ صفحه و بازسازی نقشه لینک‌های داخلی در ۴۵.۱ ثانیه با هزینه ۰.۲۱ دلار. ۵۸۴ لینک قرار داده و ۱۳۹ صفحه را بدون تطبیق مناسب رد کرده است.
۴. دسته‌بندی اسناد مالیاتی با حدود ۰.۰۰۱ دلار برای هر صفحه
یک طبقه‌بند اسناد مالیاتی با Jev ساخته شده که ۳۴ برابر ارزان‌تر و ۶ برابر سریع‌تر از خط لوله قبلی است. دقت ۱۰۰٪ روی ۳۱۴ صفحه فرم پرشده و ۷۵۳ صفحه خالی (با ۳۸ صفحه زیر آستانه اطمینان).
۵. بازی Subway Surfers در ۵۰ بازی همزمان
یک کاربر Jev را برای بازی Subway Surfers با سرعت فوق‌بشری به کار برده و ۵۰ بازی را همزمان اجرا کرده است. هزینه این اجرا کمتر از یک سنت بوده.
۶. پاک‌سازی سریع‌تر حافظه یک عامل
پروژه‌ای با Jev تاریخچه مکالمه عامل را فشرده می‌کند، تماس‌های ابزار و نتایج را نمره‌دهی کرده و مطالب غیرضروری را حذف یا کوتاه می‌کند، بدون تغییر در متن اصلی.
۷. ربات معاملاتی
یک ربات با Jev تصمیم می‌گیرد از یک جفت ارز بخرد یا بفروشد و معاملات واقعی را از طریق دفتر سفارش Kuru در Monad اجرا می‌کند. مدل تصمیم را می‌دهد و برنامه اطراف آن سفارش را مدیریت می‌کند.
۸. سازمان‌دهی بیش از ۱۰۰۰ مقاله پژوهشی هوش مصنوعی
دسته‌بندی ۱۰۱۸ مقاله با Jev تنها ۰.۰۸ دلار هزینه داشته و میانه تأخیر ۲۵۶ میلی‌ثانیه در هر مقاله بوده. ابتدا DeepSeek V4 Flash خلاصه‌ها را ساخته و سپس Jev با ۲۴ موضوع ممکن، هر مقاله را دسته‌بندی کرده است.
💰 چرا Jev؟
هزینه پایین Jev اجازه می‌دهد کارهایی که با مدل‌های گران توجیه‌پذیر نبودند، اکنون اقتصادی شوند. ترکیب Jev با مدل‌های دیگر (مثل DeepSeek برای خلاصه‌سازی) نیز الگوی قدرتمندی برای ساخت ابزارهای کاربردی است.
🔗 منبع: Medium
#AI #Jev #TypeSafe #Automation
🆔 @asrgooyeshpardaz
مدل Jev از شرکت TypeSafe AI، برخلاف مدل‌های زبانی معمول، به‌جای تولید متن، به پرسش‌های ساختاریافته پاسخ می‌دهد و تصمیم‌ها و احتمال‌ها را برمی‌گرداند. همین ویژگی آن را بسیار سریع‌تر و ارزان‌تر کرده است. در ادامه ۸ نمونه از کاربردهای واقعی آن را می‌بینید.
۱. بررسی درخواست‌های ادغام کد با هزینه نزدیک صفر
یک کاربر یک بررسی‌کننده کد ساخته که تفاوت‌های کد را به Jev می‌فرستد و ۱۴ بررسی (افشای رمز، تزریق SQL، تغییرات احراز هویت، تست‌های حذف‌شده و...) را در یک فراخوانی دریافت می‌کند. هزینه هر بررسی ۰.۰۰۰۰۷ دلار و زمان پاسخ حدود نیم ثانیه است. بررسی ۱۰۰۰ درخواست حدود ۷ سنت تمام می‌شود، در مقابل حدود ۱۴.۵ دلار با Opus 5.
۲. کنترل کامپیوتر
ابزاری به نام Third Hand با Jev در کمتر از یک ثانیه پاسخ می‌دهد و تقریباً بدون هزینه است. می‌تواند تصمیم بگیرد چه چیزی تایپ کند و نیازی به مدل زبانی جداگانه ندارد.
۳. یافتن لینک‌های داخلی در یک وب‌سایت
خواندن ۵۸۶ صفحه و بازسازی نقشه لینک‌های داخلی در ۴۵.۱ ثانیه با هزینه ۰.۲۱ دلار. ۵۸۴ لینک قرار داده و ۱۳۹ صفحه را بدون تطبیق مناسب رد کرده است.
۴. دسته‌بندی اسناد مالیاتی با حدود ۰.۰۰۱ دلار برای هر صفحه
یک طبقه‌بند اسناد مالیاتی با Jev ساخته شده که ۳۴ برابر ارزان‌تر و ۶ برابر سریع‌تر از خط لوله قبلی است. دقت ۱۰۰٪ روی ۳۱۴ صفحه فرم پرشده و ۷۵۳ صفحه خالی (با ۳۸ صفحه زیر آستانه اطمینان).
۵. بازی Subway Surfers در ۵۰ بازی همزمان
یک کاربر Jev را برای بازی Subway Surfers با سرعت فوق‌بشری به کار برده و ۵۰ بازی را همزمان اجرا کرده است. هزینه این اجرا کمتر از یک سنت بوده.
۶. پاک‌سازی سریع‌تر حافظه یک عامل
پروژه‌ای با Jev تاریخچه مکالمه عامل را فشرده می‌کند، تماس‌های ابزار و نتایج را نمره‌دهی کرده و مطالب غیرضروری را حذف یا کوتاه می‌کند، بدون تغییر در متن اصلی.
۷. ربات معاملاتی
یک ربات با Jev تصمیم می‌گیرد از یک جفت ارز بخرد یا بفروشد و معاملات واقعی را از طریق دفتر سفارش Kuru در Monad اجرا می‌کند. مدل تصمیم را می‌دهد و برنامه اطراف آن سفارش را مدیریت می‌کند.
۸. سازمان‌دهی بیش از ۱۰۰۰ مقاله پژوهشی هوش مصنوعی
دسته‌بندی ۱۰۱۸ مقاله با Jev تنها ۰.۰۸ دلار هزینه داشته و میانه تأخیر ۲۵۶ میلی‌ثانیه در هر مقاله بوده. ابتدا DeepSeek V4 Flash خلاصه‌ها را ساخته و سپس Jev با ۲۴ موضوع ممکن، هر مقاله را دسته‌بندی کرده است.
💰 چرا Jev؟
هزینه پایین Jev اجازه می‌دهد کارهایی که با مدل‌های گران توجیه‌پذیر نبودند، اکنون اقتصادی شوند. ترکیب Jev با مدل‌های دیگر (مثل DeepSeek برای خلاصه‌سازی) نیز الگوی قدرتمندی برای ساخت ابزارهای کاربردی است.
🔗 منبع: Medium
#AI #Jev #TypeSafe #Automation
🆔 @asrgooyeshpardaz
Medium
8 Cool Things People Use the Jev Model For
People are using Jev to review code, control computers, play games, and organize research. Here are my favorites.
❤3