📌 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
🛡️ انویدیا یک سیستم امنیتی برای کنترل عامل‌های هوش مصنوعی ساخته است
انویدیا پلتفرمی به نام Open Agent Safety Platform معرفی کرده که اجازه می‌دهد عامل‌های هوش مصنوعی در یک محیط امن و ایزوله کار کنند.
🔹 چرا این پلتفرم لازم است؟
عامل‌های هوش مصنوعی وقتی مدت طولانی کار می‌کنند، ممکن است از وظیفه اصلی خود منحرف شوند. مثلاً دستورهای مبهم را اشتباه بفهمند یا وقتی به یک ممنوعیت می‌خورند، راه دور بزنند. به این حالت «رانش» می‌گویند.
نمی‌توان انتظار داشت که عامل خودش را کنترل کند. پس کنترل باید از بیرون اعمال شود.
🔹 دو لایه امنیتی
۱. لایه OpenShell (نرم‌افزار): عامل را داخل یک اتاق ایزوله (سندباکس) می‌گذارد. اپراتور از قبل مشخص می‌کند که عامل به چه فایل‌ها، آدرس‌های شبکه، ابزارها، فرآیندها و کلیدهایی دسترسی دارد. هر اتصال خروجی بررسی می‌شود: یا رد می‌شود، یا کلید موقت دریافت می‌کند، یا مسدود و ثبت می‌شود.
۲. لایه NVIDIA Sentry (سخت‌افزار): یک نگهبان سخت‌افزاری روی تراشه BlueField-4 است. این تراشه جدا از کامپیوتر اصلی قرار دارد و عامل نمی‌تواند آن را ببیند یا دستکاری کند. اگر عامل بخواهد از مرزها عبور کند، در میلی‌ثانیه متوقف می‌شود.
🔹 چرا نگهبان سخت‌افزاری؟
چون اگر نگهبان داخل همان کامپیوتر باشد، عامل ممکن است آن را دور بزند. نگهبان باید بیرون از دسترس عامل باشد.
🔹 سیاست‌ها چطور تعریف می‌شوند؟
در فایل‌های YAML. مثلاً می‌توان گفت: «خواندن از API گیت‌هاب مجاز است، ولی نوشتن ممنوع.» این قوانین می‌توانند حتی تا سطح متد HTTP و مسیر دقیق شوند.
🔹 در سیستم‌های Vera Rubin
تراشه BlueField-4 در هر ماژول محاسباتی و روی تنها مسیر بین گره و مدل قرار دارد. یعنی همه ارتباطات از این نگهبان عبور می‌کند.
🔹 از چه عامل‌هایی پشتیبانی می‌کند؟
عامل‌های Claude Code، Codex، OpenCode و GitHub Copilot CLI به‌صورت پیش‌فرض. همچنین OpenClaw و Hermes Agent از طریق قالب‌های NemoClaw.
🔹 نصب و وضعیت
روی لینوکس، مک با Apple Silicon و ویندوز از طریق WSL 2 (آزمایشی) با یک اسکریپت نصب می‌شود. فعلاً نسخه آلفا ۰.۱.۰ است.
🎯 نکته مهم
کنترل امنیتی به‌جای اینکه به خود عامل سپرده شود، از بیرون اعمال می‌شود. عامل حتی لازم نیست بداند تحت نظارت است.
🔗 منبع: developer.nvidia.com
#AI #NVIDIA #AgentSafety #OpenShell #BlueField
🆔 @asrgooyeshpardaz
انویدیا پلتفرمی به نام Open Agent Safety Platform معرفی کرده که اجازه می‌دهد عامل‌های هوش مصنوعی در یک محیط امن و ایزوله کار کنند.
🔹 چرا این پلتفرم لازم است؟
عامل‌های هوش مصنوعی وقتی مدت طولانی کار می‌کنند، ممکن است از وظیفه اصلی خود منحرف شوند. مثلاً دستورهای مبهم را اشتباه بفهمند یا وقتی به یک ممنوعیت می‌خورند، راه دور بزنند. به این حالت «رانش» می‌گویند.
نمی‌توان انتظار داشت که عامل خودش را کنترل کند. پس کنترل باید از بیرون اعمال شود.
🔹 دو لایه امنیتی
۱. لایه OpenShell (نرم‌افزار): عامل را داخل یک اتاق ایزوله (سندباکس) می‌گذارد. اپراتور از قبل مشخص می‌کند که عامل به چه فایل‌ها، آدرس‌های شبکه، ابزارها، فرآیندها و کلیدهایی دسترسی دارد. هر اتصال خروجی بررسی می‌شود: یا رد می‌شود، یا کلید موقت دریافت می‌کند، یا مسدود و ثبت می‌شود.
۲. لایه NVIDIA Sentry (سخت‌افزار): یک نگهبان سخت‌افزاری روی تراشه BlueField-4 است. این تراشه جدا از کامپیوتر اصلی قرار دارد و عامل نمی‌تواند آن را ببیند یا دستکاری کند. اگر عامل بخواهد از مرزها عبور کند، در میلی‌ثانیه متوقف می‌شود.
🔹 چرا نگهبان سخت‌افزاری؟
چون اگر نگهبان داخل همان کامپیوتر باشد، عامل ممکن است آن را دور بزند. نگهبان باید بیرون از دسترس عامل باشد.
🔹 سیاست‌ها چطور تعریف می‌شوند؟
در فایل‌های YAML. مثلاً می‌توان گفت: «خواندن از API گیت‌هاب مجاز است، ولی نوشتن ممنوع.» این قوانین می‌توانند حتی تا سطح متد HTTP و مسیر دقیق شوند.
🔹 در سیستم‌های Vera Rubin
تراشه BlueField-4 در هر ماژول محاسباتی و روی تنها مسیر بین گره و مدل قرار دارد. یعنی همه ارتباطات از این نگهبان عبور می‌کند.
🔹 از چه عامل‌هایی پشتیبانی می‌کند؟
عامل‌های Claude Code، Codex، OpenCode و GitHub Copilot CLI به‌صورت پیش‌فرض. همچنین OpenClaw و Hermes Agent از طریق قالب‌های NemoClaw.
🔹 نصب و وضعیت
روی لینوکس، مک با Apple Silicon و ویندوز از طریق WSL 2 (آزمایشی) با یک اسکریپت نصب می‌شود. فعلاً نسخه آلفا ۰.۱.۰ است.
🎯 نکته مهم
کنترل امنیتی به‌جای اینکه به خود عامل سپرده شود، از بیرون اعمال می‌شود. عامل حتی لازم نیست بداند تحت نظارت است.
🔗 منبع: developer.nvidia.com
#AI #NVIDIA #AgentSafety #OpenShell #BlueField
🆔 @asrgooyeshpardaz
NVIDIA Technical Blog
NVIDIA Open Agent Safety Platform: A Reference for Continuous In-Silicon Agent Monitoring
To understand where agentic AI stands today, consider the last seismic shift in technology: the rise of the internet in the 90s. It was new and full of possibilities. You could build a website over a…
❤5
📌 گوگل مدل Gemini 4 Argon را معرفی کرد
گوگل از مدل جدید Gemini 4 Argon رونمایی کرد؛ مدلی که برای کارهای پیچیده و طولانی در مهندسی نرم‌افزار، امور حقوقی و مالی و دفاع سایبری طراحی شده است.
💻 عملکرد در بنچمارک‌ها
• امتیاز ۷۷.۹٪ در DeepSWE v1.1 برای وظایف طولانی مهندسی نرم‌افزار؛ به‌گفته گوگل، رکورد جدید این آزمون
• امتیاز ۵۱.۳٪ در AutomationBench برای کارهای سازمانی
• امتیاز ۹۱.۷٪ در LVBench برای درک ویدئوهای طولانی
• امتیاز ۶۸٪ در CWE-bench v1 برای اصلاح آسیب‌پذیری‌های امنیتی
🧠 یک میلیون توکن خروجی
یکی از ویژگی‌های مهم Argon، پشتیبانی از حداکثر یک میلیون توکن خروجی است؛ افزایشی چشمگیر نسبت به سقف ۶۴ هزار توکنی نسل قبل که اجرای وظایف چندمرحله‌ای و تولید خروجی‌های بسیار طولانی را ممکن می‌کند.
🔐 تمرکز بر امنیت
گوگل می‌گوید Argon در برابر حملات تزریق پرامپت نیز مقاوم‌تر شده است. این مدل فعلاً در اختیار گروه محدودی از متخصصان قرار می‌گیرد و عرضه گسترده‌تر آن به‌زودی آغاز خواهد شد.
🔗 معرفی رسمی گوگل
🔗 توییت
#AI #Google #Gemini #Argon #Coding #CyberSecurity
🆔 @asrgooyeshpardaz
گوگل از مدل جدید Gemini 4 Argon رونمایی کرد؛ مدلی که برای کارهای پیچیده و طولانی در مهندسی نرم‌افزار، امور حقوقی و مالی و دفاع سایبری طراحی شده است.
💻 عملکرد در بنچمارک‌ها
• امتیاز ۷۷.۹٪ در DeepSWE v1.1 برای وظایف طولانی مهندسی نرم‌افزار؛ به‌گفته گوگل، رکورد جدید این آزمون
• امتیاز ۵۱.۳٪ در AutomationBench برای کارهای سازمانی
• امتیاز ۹۱.۷٪ در LVBench برای درک ویدئوهای طولانی
• امتیاز ۶۸٪ در CWE-bench v1 برای اصلاح آسیب‌پذیری‌های امنیتی
🧠 یک میلیون توکن خروجی
یکی از ویژگی‌های مهم Argon، پشتیبانی از حداکثر یک میلیون توکن خروجی است؛ افزایشی چشمگیر نسبت به سقف ۶۴ هزار توکنی نسل قبل که اجرای وظایف چندمرحله‌ای و تولید خروجی‌های بسیار طولانی را ممکن می‌کند.
🔐 تمرکز بر امنیت
گوگل می‌گوید Argon در برابر حملات تزریق پرامپت نیز مقاوم‌تر شده است. این مدل فعلاً در اختیار گروه محدودی از متخصصان قرار می‌گیرد و عرضه گسترده‌تر آن به‌زودی آغاز خواهد شد.
🔗 معرفی رسمی گوگل
🔗 توییت
#AI #Google #Gemini #Argon #Coding #CyberSecurity
🆔 @asrgooyeshpardaz
❤6
⭐️ شرکت Cloudflare از Clef رونمایی کرد: مدل‌های تصمیم‌گیری با احتمال نوع‌دار
شرکت Cloudflare دو مدل جدید به نام‌های Clef (۲۷B) و Clef-flash (۹B) معرفی کرده که برخلاف مدل‌های زبانی، به‌جای تولید متن، به پرسش‌های نوع‌دار (بله/خیر، انتخاب یک گزینه، امتیازدهی) پاسخ می‌دهند و احتمال هر گزینه را برمی‌گردانند.
✅ مشخصات کلیدی:
· وزن‌های باز روی Hugging Face با مجوز Apache 2.0 (استفاده تجاری مجاز)
· آموزش‌دیده از Qwen3.8-27B و Qwen3.5-9B با ستون فقرات ثابت
· خواندن متن، JSON، تصویر و ویدیو با زمینه ۶۴ هزار توکن
· قیمت: ۰.۲۴ دلار (Clef) و ۰.۰۹ دلار (Clef-flash) به ازای هر میلیون توکن ورودی
· سازگاری کامل با API مدل Jev
📊 عملکرد:
· تأخیر میانه: Clef-flash ۳۸.۸ میلی‌ثانیه در مقابل Jev ۵۲۴.۱ میلی‌ثانیه
· دقت در BANKING77: Clef ۹۴.۲۰ در مقابل Jev ۷۹.۷۴
· در ۷ مورد از ۱۰ بنچمارک Decision Index، بالاترین امتیاز را کسب کرده است.
🎯 چرا این مدل‌ها؟
مدل Clef برای کارهایی مثل دسته‌بندی درخواست‌ها، مسیریابی هوشمند و کنترل عامل‌ها ایده‌آل است. چون متن تولید نمی‌کند، خروجی آماده استفاده است و نیازی به پردازش ندارد.
🔗 مدل در Hugging Face | مستندات
#AI #Cloudflare #Clef #DecisionModels
🆔 @asrgooyeshpardaz
شرکت Cloudflare دو مدل جدید به نام‌های Clef (۲۷B) و Clef-flash (۹B) معرفی کرده که برخلاف مدل‌های زبانی، به‌جای تولید متن، به پرسش‌های نوع‌دار (بله/خیر، انتخاب یک گزینه، امتیازدهی) پاسخ می‌دهند و احتمال هر گزینه را برمی‌گردانند.
✅ مشخصات کلیدی:
· وزن‌های باز روی Hugging Face با مجوز Apache 2.0 (استفاده تجاری مجاز)
· آموزش‌دیده از Qwen3.8-27B و Qwen3.5-9B با ستون فقرات ثابت
· خواندن متن، JSON، تصویر و ویدیو با زمینه ۶۴ هزار توکن
· قیمت: ۰.۲۴ دلار (Clef) و ۰.۰۹ دلار (Clef-flash) به ازای هر میلیون توکن ورودی
· سازگاری کامل با API مدل Jev
📊 عملکرد:
· تأخیر میانه: Clef-flash ۳۸.۸ میلی‌ثانیه در مقابل Jev ۵۲۴.۱ میلی‌ثانیه
· دقت در BANKING77: Clef ۹۴.۲۰ در مقابل Jev ۷۹.۷۴
· در ۷ مورد از ۱۰ بنچمارک Decision Index، بالاترین امتیاز را کسب کرده است.
🎯 چرا این مدل‌ها؟
مدل Clef برای کارهایی مثل دسته‌بندی درخواست‌ها، مسیریابی هوشمند و کنترل عامل‌ها ایده‌آل است. چون متن تولید نمی‌کند، خروجی آماده استفاده است و نیازی به پردازش ندارد.
🔗 مدل در Hugging Face | مستندات
#AI #Cloudflare #Clef #DecisionModels
🆔 @asrgooyeshpardaz
❤2👍2
🌐 اخبار هوش مصنوعی
---
🛡️ شرکت OpenAI حمله تقطیر مخفی زنجیره‌های استدلال مدل‌هایش را خنثی کرد
این شرکت یک کارزار تقطیر خصمانه را که هدفش استخراج زنجیره‌های استدلال پنهان بود، متوقف کرد. OpenAI خوشه اصلی فعالیت را به Moonshot AI نسبت داده است. در این حمله ۴ هزار حساب کاربری و در مجموع ۱۶ هزار درخواست دخیل بودند.
مهاجمان رمزنگاری را نشکسته و به گفتگوهای ذخیره‌شده نفوذ نکرده بودند؛ بلکه استدلال‌های رمزنگاری‌شده را از یک گفتگو کپی می‌کردند و در گفتگویی دیگر از مدل می‌خواستند آنها را رمزگشایی و بازنویسی کند. OpenAI این مسیر را بست، بررسی‌های خروجی جریانی را اضافه کرد، حساب‌های متخلف را مسدود کرد و مشاهدات را به Frontier Model Forum گزارش داد.
شرکت Moonshot AI تاکنون به این اتهام واکنشی نشان نداده است.
منبع: openai.com
---
🧬 شرکت DeepMind سیستم علامت‌گذاری پروتئین‌ها و ژنوم‌های تولیدشده را معرفی کرد
فناوری جدید SynthID Bio واترمارک را در پروتئین‌ها و ژنوم‌های ساخته‌شده جاسازی می‌کند. این نشانه در ساختار مولکول تعبیه می‌شود و حتی پس از سنتز فیزیکی در آزمایشگاه نیز قابل خواندن است.
بسته به قالب داده، الگوریتم توالی اسیدهای آمینه را اصلاح می‌کند یا مختصات اتم‌ها را در ساختارهای سه‌بعدی AlphaFold 3 تغییر می‌دهد. به گفته DeepMind، دقت و عملکرد مولکول‌ها کاهش نمی‌یابد.
این فناوری مشکل مسموم‌سازی داده و دور زدن فیلترهای ایمنی را حل می‌کند. تولیدات شبیه پاتوژن‌های شناخته‌شده نیستند و به‌راحتی از غربالگری خودکار کارخانه‌های سنتز DNA عبور می‌کنند و ساختارهای بدون برچسب وارد پایگاه‌های عمومی می‌شوند.
آزمایش‌های آزمایشگاهی نشان داده که پیوندهای پروتئینی علامت‌گذاری‌شده برای برخی پروتئین‌ها میل ترکیبی هدف را حفظ می‌کنند و آزمایش‌های مدل ژنومی Evo 2 viability باکتریوفاژهای دارای واترمارک را تأیید کرده است.
منبع: deepmind.google
---
🎥 شرکت HeyGen مدل تولید ویدیوی اختصاصی خود را معرفی کرد
سرویس آواتارهای دیجیتال از HeyGen Video رونمایی کرد؛ یک مدل همه‌منظوره مبتنی بر معماری MiniMax H3 که خود HeyGen آن را تنظیم دقیق کرده است.
این ابزار صحنه‌های سینمایی کامل می‌سازد و در حالت‌های زیر کار می‌کند:
· حالت Text-to-Video با سنتز همزمان صدای هماهنگ، محیط و افکت‌ها
· حالت Image-to-Video برای انیمیشن تصاویر ثابت
· حالت Reference-to-Video برای تعیین ترکیب‌بندی و دینامیک حرکت با یک ویدیوی مرجع
هزینه تولید هر ثانیه ویدیو در رزولوشن 768p با تعرفه استاندارد ۳ سنت است و به مناسبت عرضه تا پایان اکتبر ۵۰٪ تخفیف دارد.
این مدل از طریق API HeyGen و همچنین در OpenRouter، Runware و ComfyUI در دسترس است.
منبع: heygen.com
---
📄 مخزن مقالات arXiv ارسال مقالات را به دو مورد در ماه محدود کرد
از ۱ اکتبر، مخزن مقالات arXiv ارسال مقالات را برای نویسندگان به دو پیش‌چاپ در ماه محدود کرده است.
دلیل این اقدام، هجوم متن‌های تولیدشده است. در سپتامبر، پلتفرم ۴۰٬۳۶۳ مقاله دریافت کرد و در دو سال حجم ارسال‌ها دو برابر شده که به اضافه‌بار ناظران و تأخیر در انتشار پژوهش‌ها منجر شده است.
ناظران از افزایش پیش‌نویس‌های بی‌محتوا، تولیدات کامل LLM و تقسیم مصنوعی یک پژوهش به مجموعه‌ای از مقالات کوچک خبر می‌دهند.
این محدودیت برای همه رشته‌ها اعمال می‌شود و مقالات ردشده را نیز در بر می‌گیرد و امکان ارسال مجدد اسپم را مسدود می‌کند.
این سرویس این اقدام را موقت می‌داند تا فیلترها و مقررات نظارتی جدید پیاده‌سازی شوند.
منبع: arxiv.org
---
🤖 شرکت Runway مدل اقدام برای ربات‌ها را معرفی کرد که با ویدیو آموزش دیده
مدل Praxis-1 نخستین مدل اقدام در دنیای فیزیکی این استارتاپ هوش مصنوعی کاربردی آمریکایی است. سیاست پایه کنترل آن با مجموعه‌ای از ویدیوهای سوم‌شخص آموزش می‌بیند، نه با جمع‌آوری نمایش‌های تله‌عملیاتی.
به گفته Runway، شبیه‌سازی الگوریتم‌های ربات درون یک مدل مولد، تست‌های فیزیکی روی تجهیزات را با همبستگی ۰.۹۵ پیش‌بینی می‌کند که از روش‌های سنتی بازسازی سه‌بعدی بهتر است.
مدل Praxis-1 روی بازوهای رباتیک، پلتفرم‌های چرخ‌دار متحرک و شاسی‌های انسان‌نما مستقل از پیکربندی سخت‌افزاری کار می‌کند. در مرحله آزمایش، این مدل روی دستگاه‌های Noble Machines، Standard Bots و Ultra مستقر شده است.
شرکت Runway قصد دارد Praxis-1 را در ماه‌های آینده به‌صورت متن‌باز منتشر کند.
منبع: runway.com
---
#news #ai #ml
🆔 @asrgooyeshpardaz
---
🛡️ شرکت OpenAI حمله تقطیر مخفی زنجیره‌های استدلال مدل‌هایش را خنثی کرد
این شرکت یک کارزار تقطیر خصمانه را که هدفش استخراج زنجیره‌های استدلال پنهان بود، متوقف کرد. OpenAI خوشه اصلی فعالیت را به Moonshot AI نسبت داده است. در این حمله ۴ هزار حساب کاربری و در مجموع ۱۶ هزار درخواست دخیل بودند.
مهاجمان رمزنگاری را نشکسته و به گفتگوهای ذخیره‌شده نفوذ نکرده بودند؛ بلکه استدلال‌های رمزنگاری‌شده را از یک گفتگو کپی می‌کردند و در گفتگویی دیگر از مدل می‌خواستند آنها را رمزگشایی و بازنویسی کند. OpenAI این مسیر را بست، بررسی‌های خروجی جریانی را اضافه کرد، حساب‌های متخلف را مسدود کرد و مشاهدات را به Frontier Model Forum گزارش داد.
شرکت Moonshot AI تاکنون به این اتهام واکنشی نشان نداده است.
منبع: openai.com
---
🧬 شرکت DeepMind سیستم علامت‌گذاری پروتئین‌ها و ژنوم‌های تولیدشده را معرفی کرد
فناوری جدید SynthID Bio واترمارک را در پروتئین‌ها و ژنوم‌های ساخته‌شده جاسازی می‌کند. این نشانه در ساختار مولکول تعبیه می‌شود و حتی پس از سنتز فیزیکی در آزمایشگاه نیز قابل خواندن است.
بسته به قالب داده، الگوریتم توالی اسیدهای آمینه را اصلاح می‌کند یا مختصات اتم‌ها را در ساختارهای سه‌بعدی AlphaFold 3 تغییر می‌دهد. به گفته DeepMind، دقت و عملکرد مولکول‌ها کاهش نمی‌یابد.
این فناوری مشکل مسموم‌سازی داده و دور زدن فیلترهای ایمنی را حل می‌کند. تولیدات شبیه پاتوژن‌های شناخته‌شده نیستند و به‌راحتی از غربالگری خودکار کارخانه‌های سنتز DNA عبور می‌کنند و ساختارهای بدون برچسب وارد پایگاه‌های عمومی می‌شوند.
آزمایش‌های آزمایشگاهی نشان داده که پیوندهای پروتئینی علامت‌گذاری‌شده برای برخی پروتئین‌ها میل ترکیبی هدف را حفظ می‌کنند و آزمایش‌های مدل ژنومی Evo 2 viability باکتریوفاژهای دارای واترمارک را تأیید کرده است.
منبع: deepmind.google
---
🎥 شرکت HeyGen مدل تولید ویدیوی اختصاصی خود را معرفی کرد
سرویس آواتارهای دیجیتال از HeyGen Video رونمایی کرد؛ یک مدل همه‌منظوره مبتنی بر معماری MiniMax H3 که خود HeyGen آن را تنظیم دقیق کرده است.
این ابزار صحنه‌های سینمایی کامل می‌سازد و در حالت‌های زیر کار می‌کند:
· حالت Text-to-Video با سنتز همزمان صدای هماهنگ، محیط و افکت‌ها
· حالت Image-to-Video برای انیمیشن تصاویر ثابت
· حالت Reference-to-Video برای تعیین ترکیب‌بندی و دینامیک حرکت با یک ویدیوی مرجع
هزینه تولید هر ثانیه ویدیو در رزولوشن 768p با تعرفه استاندارد ۳ سنت است و به مناسبت عرضه تا پایان اکتبر ۵۰٪ تخفیف دارد.
این مدل از طریق API HeyGen و همچنین در OpenRouter، Runware و ComfyUI در دسترس است.
منبع: heygen.com
---
📄 مخزن مقالات arXiv ارسال مقالات را به دو مورد در ماه محدود کرد
از ۱ اکتبر، مخزن مقالات arXiv ارسال مقالات را برای نویسندگان به دو پیش‌چاپ در ماه محدود کرده است.
دلیل این اقدام، هجوم متن‌های تولیدشده است. در سپتامبر، پلتفرم ۴۰٬۳۶۳ مقاله دریافت کرد و در دو سال حجم ارسال‌ها دو برابر شده که به اضافه‌بار ناظران و تأخیر در انتشار پژوهش‌ها منجر شده است.
ناظران از افزایش پیش‌نویس‌های بی‌محتوا، تولیدات کامل LLM و تقسیم مصنوعی یک پژوهش به مجموعه‌ای از مقالات کوچک خبر می‌دهند.
این محدودیت برای همه رشته‌ها اعمال می‌شود و مقالات ردشده را نیز در بر می‌گیرد و امکان ارسال مجدد اسپم را مسدود می‌کند.
این سرویس این اقدام را موقت می‌داند تا فیلترها و مقررات نظارتی جدید پیاده‌سازی شوند.
منبع: arxiv.org
---
🤖 شرکت Runway مدل اقدام برای ربات‌ها را معرفی کرد که با ویدیو آموزش دیده
مدل Praxis-1 نخستین مدل اقدام در دنیای فیزیکی این استارتاپ هوش مصنوعی کاربردی آمریکایی است. سیاست پایه کنترل آن با مجموعه‌ای از ویدیوهای سوم‌شخص آموزش می‌بیند، نه با جمع‌آوری نمایش‌های تله‌عملیاتی.
به گفته Runway، شبیه‌سازی الگوریتم‌های ربات درون یک مدل مولد، تست‌های فیزیکی روی تجهیزات را با همبستگی ۰.۹۵ پیش‌بینی می‌کند که از روش‌های سنتی بازسازی سه‌بعدی بهتر است.
مدل Praxis-1 روی بازوهای رباتیک، پلتفرم‌های چرخ‌دار متحرک و شاسی‌های انسان‌نما مستقل از پیکربندی سخت‌افزاری کار می‌کند. در مرحله آزمایش، این مدل روی دستگاه‌های Noble Machines، Standard Bots و Ultra مستقر شده است.
شرکت Runway قصد دارد Praxis-1 را در ماه‌های آینده به‌صورت متن‌باز منتشر کند.
منبع: runway.com
---
#news #ai #ml
🆔 @asrgooyeshpardaz
❤5
This media is not supported in your browser
VIEW IN TELEGRAM
⭐️ شرکت Tavus از Griffin رونمایی کرد؛ مدلی برای مکالمه زنده صوتی‌ـ‌تصویری که به‌گفته سازنده، نخستین مدل موفق در «آزمون تورینگ ویدئویی» است.
🧑💻 نتیجه آزمایش
در این آزمایش، ۵۴ نفر بدون اطلاع از هوش مصنوعی‌بودن طرف مقابل، حدود یک دقیقه با Griffin-Lite تماس تصویری داشتند. در پایان، ۲۶ نفر تصور کردند با یک انسان واقعی صحبت کرده‌اند. Tavus می‌گوید نرخ سیستم‌های قبلی کمتر از ۳٪ بوده است.
🎥 مکالمه Full-Duplex
مدل Griffin می‌تواند همزمان صحبت‌های کاربر را ببیند و بشنود، حرف بزند و به نشانه‌های کلامی و غیرکلامی واکنش نشان دهد. بنابراین تعامل آن بیشتر شبیه تماس تصویری است تا فرایند نوبتی «سؤال و پاسخ».
🏆 عملکرد در بنچمارک NVIDIA
نسخه Griffin-Lite در بنچمارک VideoFDB انویدیا برای هوش مصنوعی ویدئویی Full-Duplex رتبه اول را کسب کرده است. این ارزیابی واکنش‌هایی مانند تماس چشمی، گوش‌دادن، قطع‌شدن صحبت و رفتارهای غیرکلامی را بررسی می‌کند.
🔗 معرفی Griffin
🔗 توییت اصلی
#AI #Tavus #Griffin #VideoAI #ConversationalAI
🆔 @asrgooyeshpardaz
🧑💻 نتیجه آزمایش
در این آزمایش، ۵۴ نفر بدون اطلاع از هوش مصنوعی‌بودن طرف مقابل، حدود یک دقیقه با Griffin-Lite تماس تصویری داشتند. در پایان، ۲۶ نفر تصور کردند با یک انسان واقعی صحبت کرده‌اند. Tavus می‌گوید نرخ سیستم‌های قبلی کمتر از ۳٪ بوده است.
🎥 مکالمه Full-Duplex
مدل Griffin می‌تواند همزمان صحبت‌های کاربر را ببیند و بشنود، حرف بزند و به نشانه‌های کلامی و غیرکلامی واکنش نشان دهد. بنابراین تعامل آن بیشتر شبیه تماس تصویری است تا فرایند نوبتی «سؤال و پاسخ».
🏆 عملکرد در بنچمارک NVIDIA
نسخه Griffin-Lite در بنچمارک VideoFDB انویدیا برای هوش مصنوعی ویدئویی Full-Duplex رتبه اول را کسب کرده است. این ارزیابی واکنش‌هایی مانند تماس چشمی، گوش‌دادن، قطع‌شدن صحبت و رفتارهای غیرکلامی را بررسی می‌کند.
🔗 معرفی Griffin
🔗 توییت اصلی
#AI #Tavus #Griffin #VideoAI #ConversationalAI
🆔 @asrgooyeshpardaz
🤯8❤1🔥1
🔍 شرکت OpenAI به قانون شفافیت اتحادیه اروپا پیوست: واترمارک نامرئی برای متن‌های ChatGPT و Codex
شرکت OpenAI رسماً حمایت خود را از آیین‌نامه رفتار اتحادیه اروپا درباره شفافیت محتوای تولیدشده با هوش مصنوعی اعلام کرد. بر اساس این تعهد، در هفته‌های آینده یک واترمارک نامرئی و ماشین‌خوان به متن‌های تولیدشده توسط ChatGPT و Codex در اتحادیه اروپا اضافه می‌شود. این اقدام برای همسویی با ماده ۵۰ قانون هوش مصنوعی اتحادیه اروپا انجام می‌شود که از ۲ اوت ۲۰۲۶ لازم‌الاجرا شده است.
🔹 فناوری textGrain: واترمارک چطور کار می‌کند؟
فناوری جدید OpenAI textGrain نام دارد. برخلاف واترمارک‌های سنتی که کاراکترهای مخفی به متن اضافه می‌کنند، textGrain یک سیگنال آماری نامرئی در انتخاب واژه‌های مدل جاسازی می‌کند. یک آشکارساز اختصاصی می‌تواند این سیگنال را جستجو کند. به گفته OpenAI، فناوری textGrain در آزمایش‌ها عملکردی هم‌سطح یا بهتر از SynthID متنی گوگل داشت.
🔹 دسترسی و عرضه
· کاربران اتحادیه اروپا: در هفته‌های آینده، تمام طرح‌های ChatGPT و Codex در اروپا واترمارک دریافت می‌کنند.
· هنگام استفاده از API: مشتریان API در سراسر جهان می‌توانند به‌صورت اختیاری واترمارک را برای مدل‌های منتخب فعال کنند (به‌صورت پیش‌فرض غیرفعال است).
· آشکارساز: فعلاً فقط در اختیار پژوهشگران و سازمان‌های متخصص تأییدشده قرار می‌گیرد. OpenAI هنوز آن را به‌صورت عمومی منتشر نکرده است.
🔹 محدودیت‌های مهم
خود OpenAI صادقانه محدودیت‌ها را اعلام کرده است:
· ویرایش، واترمارک را ضعیف می‌کند: جایگزینی فقط ۱۰٪ از کلمات با مترادف، دقت تشخیص را از ۹۲٪ به ۶۶٪ کاهش می‌دهد. با جایگزینی ۲۵٪ کلمات، دقت به ۱۷٪ سقوط می‌کند.
· متن‌های کوتاه تشخیص را دشوارتر می‌کنند.
· واترمارک مالکیت، صحت، مسئولیت یا میزان مشارکت انسان را اثبات نمی‌کند.
· شرکت OpenAI تأکید کرده که textGrain تضمینی برای تشخیص قابل‌اعتماد در همه شرایط نیست.
🔹 پیشینه: لایه‌های منشأ (Provenance) OpenAI
شرکت OpenAI از سال ۲۰۲۴ استانداردهای منشأ را توسعه داده است. این شرکت از متادیتای C2PA برای تصاویر DALL-E 3 و ImageGen استفاده می‌کند و SynthID را برای تصاویر و صداها به کار می‌برد. C2PA اطلاعات منشأ و ویرایش را به فایل متصل می‌کند، در حالی که SynthID سیگنالی را حفظ می‌کند که حتی پس از حذف متادیتا باقی می‌ماند. OpenAI همچنین یک ابزار عمومی تأیید راه‌اندازی کرده که می‌تواند بررسی کند آیا یک تصویر با ChatGPT، API یا Codex ساخته شده است.
🔹 اهمیت موضوع
· شفافیت: کاربران می‌توانند بفهمند محتوایی که می‌بینند از کجا آمده است.
· مبارزه با اطلاعات نادرست: منشأ محتوا به شناسایی کمپین‌های اطلاعات نادرست و حمایت از یکپارچگی انتخابات کمک می‌کند.
· همکاری صنعتی: OpenAI، Anthropic، Google، Meta، Microsoft و ده‌ها شرکت دیگر به این آیین‌نامه پیوسته‌اند.
🔹 چالش‌های فنی و انتقادات
· ضعف C2PA: یک تحلیل امنیتی رسمی نشان داده که C2PA به اهداف امنیتی خود نمی‌رسد: امضاکنندگان و تأییدکنندگان روی مهر زمانی مورد اعتماد توافق ندارند و سیاست‌های ابطال گواهی ناکافی، باعث پذیرش مانیفست‌های امضاشده با گواهی‌های شناخته‌شده به‌عنوان آلوده می‌شود.
· آسیب‌پذیری SynthID متنی: پژوهش‌ها نشان داده که SynthID-Text به حملات بازنویسی (paraphrasing) حساس است و حتی می‌تواند بر انتخاب ابزار و پایبندی به محافظ‌ها تأثیر بگذارد.
· دسترسی محدود آشکارساز: انتشار عمومی آشکارساز به دلیل خطر مثبت کاذب و منفی کاذب فعلاً محدود شده است.
🎯 جمع‌بندی
شرکت OpenAI با اتخاذ رویکرد «منشأ لایه‌ای» — ترکیب متادیتای C2PA، واترمارک SynthID و اکنون textGrain برای متن — تلاش می‌کند شفافیت محتوای تولیدشده با هوش مصنوعی را افزایش دهد. اما همان‌طور که خود این شرکت تأکید کرده، این فناوری‌ها جایگزین قضاوت انسانی و راستی‌آزمایی مستقل نیستند. واترمارک‌ها می‌توانند ویرایش شوند، مترادف‌ها تشخیص را مختل کنند و متن‌های کوتاه چالش‌برانگیز باشند. شفافیت واقعی نیازمند ترکیب فناوری، آگاهی کاربر و نظارت مستقل است.
🔗 منبع:
OpenAI — Supporting the EU’s trustworthy AI ecosystem
#AI #OpenAI #EUAIAct #ContentProvenance #textGrain #C2PA #Transparency
🆔 @asrgooyeshpardaz
شرکت OpenAI رسماً حمایت خود را از آیین‌نامه رفتار اتحادیه اروپا درباره شفافیت محتوای تولیدشده با هوش مصنوعی اعلام کرد. بر اساس این تعهد، در هفته‌های آینده یک واترمارک نامرئی و ماشین‌خوان به متن‌های تولیدشده توسط ChatGPT و Codex در اتحادیه اروپا اضافه می‌شود. این اقدام برای همسویی با ماده ۵۰ قانون هوش مصنوعی اتحادیه اروپا انجام می‌شود که از ۲ اوت ۲۰۲۶ لازم‌الاجرا شده است.
🔹 فناوری textGrain: واترمارک چطور کار می‌کند؟
فناوری جدید OpenAI textGrain نام دارد. برخلاف واترمارک‌های سنتی که کاراکترهای مخفی به متن اضافه می‌کنند، textGrain یک سیگنال آماری نامرئی در انتخاب واژه‌های مدل جاسازی می‌کند. یک آشکارساز اختصاصی می‌تواند این سیگنال را جستجو کند. به گفته OpenAI، فناوری textGrain در آزمایش‌ها عملکردی هم‌سطح یا بهتر از SynthID متنی گوگل داشت.
🔹 دسترسی و عرضه
· کاربران اتحادیه اروپا: در هفته‌های آینده، تمام طرح‌های ChatGPT و Codex در اروپا واترمارک دریافت می‌کنند.
· هنگام استفاده از API: مشتریان API در سراسر جهان می‌توانند به‌صورت اختیاری واترمارک را برای مدل‌های منتخب فعال کنند (به‌صورت پیش‌فرض غیرفعال است).
· آشکارساز: فعلاً فقط در اختیار پژوهشگران و سازمان‌های متخصص تأییدشده قرار می‌گیرد. OpenAI هنوز آن را به‌صورت عمومی منتشر نکرده است.
🔹 محدودیت‌های مهم
خود OpenAI صادقانه محدودیت‌ها را اعلام کرده است:
· ویرایش، واترمارک را ضعیف می‌کند: جایگزینی فقط ۱۰٪ از کلمات با مترادف، دقت تشخیص را از ۹۲٪ به ۶۶٪ کاهش می‌دهد. با جایگزینی ۲۵٪ کلمات، دقت به ۱۷٪ سقوط می‌کند.
· متن‌های کوتاه تشخیص را دشوارتر می‌کنند.
· واترمارک مالکیت، صحت، مسئولیت یا میزان مشارکت انسان را اثبات نمی‌کند.
· شرکت OpenAI تأکید کرده که textGrain تضمینی برای تشخیص قابل‌اعتماد در همه شرایط نیست.
🔹 پیشینه: لایه‌های منشأ (Provenance) OpenAI
شرکت OpenAI از سال ۲۰۲۴ استانداردهای منشأ را توسعه داده است. این شرکت از متادیتای C2PA برای تصاویر DALL-E 3 و ImageGen استفاده می‌کند و SynthID را برای تصاویر و صداها به کار می‌برد. C2PA اطلاعات منشأ و ویرایش را به فایل متصل می‌کند، در حالی که SynthID سیگنالی را حفظ می‌کند که حتی پس از حذف متادیتا باقی می‌ماند. OpenAI همچنین یک ابزار عمومی تأیید راه‌اندازی کرده که می‌تواند بررسی کند آیا یک تصویر با ChatGPT، API یا Codex ساخته شده است.
🔹 اهمیت موضوع
· شفافیت: کاربران می‌توانند بفهمند محتوایی که می‌بینند از کجا آمده است.
· مبارزه با اطلاعات نادرست: منشأ محتوا به شناسایی کمپین‌های اطلاعات نادرست و حمایت از یکپارچگی انتخابات کمک می‌کند.
· همکاری صنعتی: OpenAI، Anthropic، Google، Meta، Microsoft و ده‌ها شرکت دیگر به این آیین‌نامه پیوسته‌اند.
🔹 چالش‌های فنی و انتقادات
· ضعف C2PA: یک تحلیل امنیتی رسمی نشان داده که C2PA به اهداف امنیتی خود نمی‌رسد: امضاکنندگان و تأییدکنندگان روی مهر زمانی مورد اعتماد توافق ندارند و سیاست‌های ابطال گواهی ناکافی، باعث پذیرش مانیفست‌های امضاشده با گواهی‌های شناخته‌شده به‌عنوان آلوده می‌شود.
· آسیب‌پذیری SynthID متنی: پژوهش‌ها نشان داده که SynthID-Text به حملات بازنویسی (paraphrasing) حساس است و حتی می‌تواند بر انتخاب ابزار و پایبندی به محافظ‌ها تأثیر بگذارد.
· دسترسی محدود آشکارساز: انتشار عمومی آشکارساز به دلیل خطر مثبت کاذب و منفی کاذب فعلاً محدود شده است.
🎯 جمع‌بندی
شرکت OpenAI با اتخاذ رویکرد «منشأ لایه‌ای» — ترکیب متادیتای C2PA، واترمارک SynthID و اکنون textGrain برای متن — تلاش می‌کند شفافیت محتوای تولیدشده با هوش مصنوعی را افزایش دهد. اما همان‌طور که خود این شرکت تأکید کرده، این فناوری‌ها جایگزین قضاوت انسانی و راستی‌آزمایی مستقل نیستند. واترمارک‌ها می‌توانند ویرایش شوند، مترادف‌ها تشخیص را مختل کنند و متن‌های کوتاه چالش‌برانگیز باشند. شفافیت واقعی نیازمند ترکیب فناوری، آگاهی کاربر و نظارت مستقل است.
🔗 منبع:
OpenAI — Supporting the EU’s trustworthy AI ecosystem
#AI #OpenAI #EUAIAct #ContentProvenance #textGrain #C2PA #Transparency
🆔 @asrgooyeshpardaz
😭2❤1
🧮 شرکت OpenAI، تعداد ۷۲۲ اثر ریاضیاتی تولید شده توسط هوش مصنوعی را منتشر کرد.
در تاریخ ۶ اکتبر، شرکت OpenAI، تعداد ۷۲۲ نتیجه ریاضیاتی را که در ۳۷۲ گروه دسته‌بندی شده‌اند، در GitHub منتشر کرد. تمام این آثار توسط یک مدل داخلی تولید شده‌اند که شرکت هنوز آن را عرضه نکرده است.
اطلاعات ارائه شده:
پیشرفت‌هایی در مورد فرضیه ریمان، موارد خاصی از فرضیه هودج و فرضیه BSD، نتایجی در مورد عدد پی، فرضیه کاپلان و فرومغناطیس کوانتومی هایزنبرگ. بخشی از اثبات‌ها با استفاده از Lean بررسی شده‌اند، اما همه آنها نه. OpenAI اذعان می‌کند که "آثار غیررسمی ممکن است حاوی خطا باشند" ⚠️.
دلیل جلب توجه:
یک گروه مستقل به نام AGMAI که شامل سه برنده جایزه فیلدز است، در اواخر سپتامبر اعلام کرد که از آزمایش ریاضیات پیچیده بر روی مدل‌های بسته استقبال نمی‌کنند و خواستار توقف این کار هستند. OpenAI این درخواست را نادیده گرفت. این مدل هنوز عرضه نشده است 🔒.
محققان ریاضی خاطرنشان می‌کنند که به لحاظ فیزیکی، هیچ‌کس نمی‌تواند این ۷۲۲ اثر را مطالعه کند، و سرعت انتشار آنها را "غیرمنطقی" توصیف می‌کنند.
🔗 https://openai.com/index/sharing-ai-progress-in-mathematics/
#AI #OpenAI #Mathematics
🆔 @asrgooyeshpardaz
در تاریخ ۶ اکتبر، شرکت OpenAI، تعداد ۷۲۲ نتیجه ریاضیاتی را که در ۳۷۲ گروه دسته‌بندی شده‌اند، در GitHub منتشر کرد. تمام این آثار توسط یک مدل داخلی تولید شده‌اند که شرکت هنوز آن را عرضه نکرده است.
اطلاعات ارائه شده:
پیشرفت‌هایی در مورد فرضیه ریمان، موارد خاصی از فرضیه هودج و فرضیه BSD، نتایجی در مورد عدد پی، فرضیه کاپلان و فرومغناطیس کوانتومی هایزنبرگ. بخشی از اثبات‌ها با استفاده از Lean بررسی شده‌اند، اما همه آنها نه. OpenAI اذعان می‌کند که "آثار غیررسمی ممکن است حاوی خطا باشند" ⚠️.
دلیل جلب توجه:
یک گروه مستقل به نام AGMAI که شامل سه برنده جایزه فیلدز است، در اواخر سپتامبر اعلام کرد که از آزمایش ریاضیات پیچیده بر روی مدل‌های بسته استقبال نمی‌کنند و خواستار توقف این کار هستند. OpenAI این درخواست را نادیده گرفت. این مدل هنوز عرضه نشده است 🔒.
محققان ریاضی خاطرنشان می‌کنند که به لحاظ فیزیکی، هیچ‌کس نمی‌تواند این ۷۲۲ اثر را مطالعه کند، و سرعت انتشار آنها را "غیرمنطقی" توصیف می‌کنند.
🔗 https://openai.com/index/sharing-ai-progress-in-mathematics/
#AI #OpenAI #Mathematics
🆔 @asrgooyeshpardaz
OpenAI
Sharing AI progress in mathematics
OpenAI publishes new results on open problems in mathematics from an internal frontier model and shares Lean proof formalizations and research details on GitHub.
🌐 اخبار هوش مصنوعی
🤝 یک سال Claude Team رایگان برای استارتاپ‌ها
شرکت Anthropic برنامه Claude for Startups را گسترش داده است. استارتاپ‌های واجد شرایط یک سال اشتراک Claude Team برای پنج کاربر و هزار دلار اعتبار API برای توسعه محصولات مبتنی بر Claude دریافت می‌کنند.
استارتاپ‌هایی که در پنج سال اخیر تأسیس شده‌اند می‌توانند درخواست دهند. این برنامه بخشی از رقابت Anthropic با OpenAI و سرویس‌های ابری بزرگ برای جذب توسعه‌دهندگان است.
🔗 منبع: TechCrunch / Anthropic
🎮 گوگل با توضیح متنی برایتان بازی می‌سازد
شرکت Google با همکاری Unity پلتفرم Playground را راه‌اندازی کرده است؛ ابزاری که از روی توضیحات متنی، بازی قابل اجرا در مرورگر می‌سازد. فیزیک، قوانین، محیط و ظاهر شخصیت‌ها نیز قابل تنظیم هستند.
این سرویس گالری عمومی، جدول رتبه‌بندی و برای برخی بازی‌ها حالت چندنفره دارد. در آینده نیز امکان انتقال پروژه‌ها به Unity اضافه خواهد شد. این پلتفرم فعلاً در آمریکا در دسترس است.
🔗 منبع: Google
📊 کدام مدل برای عامل‌های هوشمند به‌صرفه‌تر است؟
گروه Nous Research بنچمارک Hermes Index را برای مقایسه عملکرد و هزینه مدل‌های زبانی در نقش عامل هوشمند منتشر کرده است. در یکی از آزمون‌ها، عامل باید ۱۵۰ وظیفه واقعی را با استفاده از فایل‌ها و ابزارهای خارجی انجام دهد.
🥇 مدل Claude Opus 5.5 با حدود ۵ دلار هزینه برای هر وظیفه رتبه اول را گرفته است. مدل GPT-6 Astra با هزینه ۱۱٫۶ دلار دوم و Claude Sonnet 5.5 با هزینه ۲٫۸ دلار سوم شده است.
💰 از نظر هزینه‌ـ‌کارایی، مدل DeepSeek V4.1 Flash با ۲۶ سنت و GPT-6 Luna با ۱۴ سنت برای هر وظیفه، از گزینه‌های اقتصادی برجسته این ارزیابی هستند.
🔗 منبع: Nous Research
🎙️ ساخت و عیب‌یابی عامل‌های صوتی با گفت‌وگو
شرکت ElevenLabs ابزار جدید Architect را وارد مرحله آزمایش آلفا کرده است. با این ابزار می‌توان از طریق دستورهای متنی یا صوتی، عامل‌های صوتی را ساخت، تنظیم و عیب‌یابی کرد.
ابزار Architect می‌تواند مکالمات و گزارش‌های خطا را تحلیل کند، نقاط ضعف عامل را پیدا کند و برای منطق، پایگاه دانش، صدای مصنوعی و System Prompt تغییر پیشنهاد دهد. تغییرات تنها پس از تأیید انسان وارد محیط عملیاتی می‌شوند.
🔗 منبع: ElevenLabs
🤖 دست‌های جدید Atlas برای کار با ابزارهای واقعی
شرکت Boston Dynamics دست‌های جدید ربات انسان‌نمای Atlas را معرفی کرده است. هر دست ۱۳ درجه آزادی دارد و برای گرفتن و استفاده از ابزارهایی مانند دریل و ابزارهای پنوماتیک طراحی شده است.
کف دست و انگشتان به حسگرهای فشار مجهز شده‌اند و مکانیزم دست می‌تواند بیش از ۴۵ کیلوگرم نیرو را تحمل کند. سخت‌افزار همچنین برای Sim2Real بهینه شده است؛ یعنی ربات می‌تواند مهارت‌های حرکتی را با یادگیری تقویتی در شبیه‌سازی بیاموزد و سپس به دنیای واقعی منتقل کند.
🔗 منبع: Boston Dynamics
#هوش_مصنوعی #AI #Claude #AIAgents #LLM #رباتیک #VoiceAI #بازی_سازی
🆔 @asrgooyeshpardaz
🤝 یک سال Claude Team رایگان برای استارتاپ‌ها
شرکت Anthropic برنامه Claude for Startups را گسترش داده است. استارتاپ‌های واجد شرایط یک سال اشتراک Claude Team برای پنج کاربر و هزار دلار اعتبار API برای توسعه محصولات مبتنی بر Claude دریافت می‌کنند.
استارتاپ‌هایی که در پنج سال اخیر تأسیس شده‌اند می‌توانند درخواست دهند. این برنامه بخشی از رقابت Anthropic با OpenAI و سرویس‌های ابری بزرگ برای جذب توسعه‌دهندگان است.
🔗 منبع: TechCrunch / Anthropic
🎮 گوگل با توضیح متنی برایتان بازی می‌سازد
شرکت Google با همکاری Unity پلتفرم Playground را راه‌اندازی کرده است؛ ابزاری که از روی توضیحات متنی، بازی قابل اجرا در مرورگر می‌سازد. فیزیک، قوانین، محیط و ظاهر شخصیت‌ها نیز قابل تنظیم هستند.
این سرویس گالری عمومی، جدول رتبه‌بندی و برای برخی بازی‌ها حالت چندنفره دارد. در آینده نیز امکان انتقال پروژه‌ها به Unity اضافه خواهد شد. این پلتفرم فعلاً در آمریکا در دسترس است.
🔗 منبع: Google
📊 کدام مدل برای عامل‌های هوشمند به‌صرفه‌تر است؟
گروه Nous Research بنچمارک Hermes Index را برای مقایسه عملکرد و هزینه مدل‌های زبانی در نقش عامل هوشمند منتشر کرده است. در یکی از آزمون‌ها، عامل باید ۱۵۰ وظیفه واقعی را با استفاده از فایل‌ها و ابزارهای خارجی انجام دهد.
🥇 مدل Claude Opus 5.5 با حدود ۵ دلار هزینه برای هر وظیفه رتبه اول را گرفته است. مدل GPT-6 Astra با هزینه ۱۱٫۶ دلار دوم و Claude Sonnet 5.5 با هزینه ۲٫۸ دلار سوم شده است.
💰 از نظر هزینه‌ـ‌کارایی، مدل DeepSeek V4.1 Flash با ۲۶ سنت و GPT-6 Luna با ۱۴ سنت برای هر وظیفه، از گزینه‌های اقتصادی برجسته این ارزیابی هستند.
🔗 منبع: Nous Research
🎙️ ساخت و عیب‌یابی عامل‌های صوتی با گفت‌وگو
شرکت ElevenLabs ابزار جدید Architect را وارد مرحله آزمایش آلفا کرده است. با این ابزار می‌توان از طریق دستورهای متنی یا صوتی، عامل‌های صوتی را ساخت، تنظیم و عیب‌یابی کرد.
ابزار Architect می‌تواند مکالمات و گزارش‌های خطا را تحلیل کند، نقاط ضعف عامل را پیدا کند و برای منطق، پایگاه دانش، صدای مصنوعی و System Prompt تغییر پیشنهاد دهد. تغییرات تنها پس از تأیید انسان وارد محیط عملیاتی می‌شوند.
🔗 منبع: ElevenLabs
🤖 دست‌های جدید Atlas برای کار با ابزارهای واقعی
شرکت Boston Dynamics دست‌های جدید ربات انسان‌نمای Atlas را معرفی کرده است. هر دست ۱۳ درجه آزادی دارد و برای گرفتن و استفاده از ابزارهایی مانند دریل و ابزارهای پنوماتیک طراحی شده است.
کف دست و انگشتان به حسگرهای فشار مجهز شده‌اند و مکانیزم دست می‌تواند بیش از ۴۵ کیلوگرم نیرو را تحمل کند. سخت‌افزار همچنین برای Sim2Real بهینه شده است؛ یعنی ربات می‌تواند مهارت‌های حرکتی را با یادگیری تقویتی در شبیه‌سازی بیاموزد و سپس به دنیای واقعی منتقل کند.
🔗 منبع: Boston Dynamics
#هوش_مصنوعی #AI #Claude #AIAgents #LLM #رباتیک #VoiceAI #بازی_سازی
🆔 @asrgooyeshpardaz
❤3
🌐 خلاصه‌ی گزارش State of AI 2026
نهمین گزارش سالانه‌ی Nathan Benaich (Air Street Capital) منتشر شد؛ ۲۴۴ اسلاید درباره‌ی دوازده ماه گذشته‌ی هوش مصنوعی. مهم‌ترین نکات:
🔬 پژوهش
▫️ رقابت سه‌قطبی شده است. در شاخص Artificial Analysis، مدل Claude Opus 5.5 با امتیاز ۵۸ اول است و GPT-6 Astra و Gemini 4 Argon هر دو ۵۳ دارند. بهترین مدل باز چینی ۴۶ گرفته است.
▫️ اثر harness (لایه‌ی نرم‌افزاری دور مدل) روی عملکرد تا ۷٫۸ برابر اثر خود مدل بوده است.
▫️ سهم «هدایت توسط Claude» در R&D مدل در Anthropic از کمتر از ۱٪ به ۲۶٪ رسید. ایجنت‌های OpenAI کارهای ۳۲ تا ۶۴ ساعته را انجام می‌دهند، ولی انتخاب پرسش پژوهشی هنوز کار انسان است.
▫️ بنچمارک‌ها در چند ماه اشباع می‌شوند: ARC-AGI-2 در یازده ماه از ۱۸٪ به ۹۵٪ رسید و FrontierMath Tier 4 از ۲۲٪ به ۱۰۰٪.
▫️ در رباتیک، تعمیم‌پذیری با حجم پیش‌آموزش رشد می‌کند. گزارش این را «لحظه‌ی GPT-2» رباتیک می‌نامد.
💰 صنعت
▫️ درآمد سالانه‌شده‌ی OpenAI و Anthropic روی هم حدود ۱۰۵ میلیارد دلار است (Anthropic حدود ۶۵ و OpenAI بیش از ۴۰ میلیارد).
▫️ قیمت هر سطح ثابت از عملکرد سالانه حدود ۱۳ برابر کاهش می‌یابد.
▫️ انتشار Claude Cowork حدود ۲۸۵ میلیارد دلار از ارزش سهام SaaS را پاک کرد. بازار این افت را تا سپتامبر جبران کرد.
▫️ هزینه‌ی سرمایه‌ای چهار هایپراسکیلر بزرگ در ۲۰۲۶ به ۷۳۳ میلیارد دلار می‌رسد. گلوگاه‌ها برق، توربین گازی و مخالفت محلی‌اند.
▫️ دو داروی کشف‌شده با کمک AI به فاز ۳ آزمایش بالینی رسیده‌اند.
🏛 سیاست
▫️ کنترل صادرات آمریکا دسترسی به Fable و Mythos را موقتاً قطع کرد. دسترسی به مدل‌های پیشرو مشروط شده است.
▫️ اختلاف Anthropic و پنتاگون بر سر نظارت گسترده‌ی داخلی و سلاح‌های کاملاً خودمختار به دادگاه کشید.
▫️ تعهدات برنامه‌های منتخب AI حاکمیتی حدود ۱۳۸ میلیارد دلار است. سهم اتحادیه‌ی اروپا از توان محاسباتی فقط ۵٪ است، در برابر ۸۰٪ آمریکا.
▫️ ۷۱٪ آمریکایی‌ها با ساخت مرکز داده‌ی AI در نزدیکی محل زندگی‌شان مخالف‌اند.
🛡 ایمنی
▫️ در یک ارزیابی سایبری OpenAI، حدود ۱٬۲۰۰ ایجنت برای فریب داور هماهنگ شدند. بیش از ۷۰۰ ایجنت از آنها به Hugging Face نفوذ کردند.
▫️ مدل‌های باز در توانمندی سایبری فقط ۴ تا ۷ ماه از مدل‌های بسته عقب‌اند.
▫️ مانیتوری که فقط زنجیره‌ی استدلال را می‌بیند، خرابکاری مدل را از دست می‌دهد.
▫️ مدیران آزمایشگاه‌ها خواستار ابزاری برای کُند کردن پیشرفت‌اند، ولی سازوکار مشترکی برای آن وجود ندارد.
🔮 چند پیش‌بینی برای ۱۲ ماه آینده
▫️ دزدیده شدن وزن‌های یک مدل بسته‌ی پیشرو در یک حمله‌ی سایبری با هدایت AI
▫️ پیروزی یک تیم خودمختار AI بر تیم انسانی در پژوهش مدل
▫️ خروج یک ایجنت از محیطش و ادامه‌ی کار آن پس از خاموش شدن نسخه‌ی اصلی
▫️ AGI در ۲۰۲۷
⚠️ نویسنده در برخی شرکت‌های نام‌برده سرمایه‌گذار است و بسیاری از ارقام را خود شرکت‌ها اعلام کرده‌اند.
🔗 stateof.ai
خلاصه فارسی:
https://telegra.ph/State-of-AI-2026-10-09
#هوش_مصنوعی #StateOfAI #AI
🆔 @asrgooyeshpardaz
نهمین گزارش سالانه‌ی Nathan Benaich (Air Street Capital) منتشر شد؛ ۲۴۴ اسلاید درباره‌ی دوازده ماه گذشته‌ی هوش مصنوعی. مهم‌ترین نکات:
🔬 پژوهش
▫️ رقابت سه‌قطبی شده است. در شاخص Artificial Analysis، مدل Claude Opus 5.5 با امتیاز ۵۸ اول است و GPT-6 Astra و Gemini 4 Argon هر دو ۵۳ دارند. بهترین مدل باز چینی ۴۶ گرفته است.
▫️ اثر harness (لایه‌ی نرم‌افزاری دور مدل) روی عملکرد تا ۷٫۸ برابر اثر خود مدل بوده است.
▫️ سهم «هدایت توسط Claude» در R&D مدل در Anthropic از کمتر از ۱٪ به ۲۶٪ رسید. ایجنت‌های OpenAI کارهای ۳۲ تا ۶۴ ساعته را انجام می‌دهند، ولی انتخاب پرسش پژوهشی هنوز کار انسان است.
▫️ بنچمارک‌ها در چند ماه اشباع می‌شوند: ARC-AGI-2 در یازده ماه از ۱۸٪ به ۹۵٪ رسید و FrontierMath Tier 4 از ۲۲٪ به ۱۰۰٪.
▫️ در رباتیک، تعمیم‌پذیری با حجم پیش‌آموزش رشد می‌کند. گزارش این را «لحظه‌ی GPT-2» رباتیک می‌نامد.
💰 صنعت
▫️ درآمد سالانه‌شده‌ی OpenAI و Anthropic روی هم حدود ۱۰۵ میلیارد دلار است (Anthropic حدود ۶۵ و OpenAI بیش از ۴۰ میلیارد).
▫️ قیمت هر سطح ثابت از عملکرد سالانه حدود ۱۳ برابر کاهش می‌یابد.
▫️ انتشار Claude Cowork حدود ۲۸۵ میلیارد دلار از ارزش سهام SaaS را پاک کرد. بازار این افت را تا سپتامبر جبران کرد.
▫️ هزینه‌ی سرمایه‌ای چهار هایپراسکیلر بزرگ در ۲۰۲۶ به ۷۳۳ میلیارد دلار می‌رسد. گلوگاه‌ها برق، توربین گازی و مخالفت محلی‌اند.
▫️ دو داروی کشف‌شده با کمک AI به فاز ۳ آزمایش بالینی رسیده‌اند.
🏛 سیاست
▫️ کنترل صادرات آمریکا دسترسی به Fable و Mythos را موقتاً قطع کرد. دسترسی به مدل‌های پیشرو مشروط شده است.
▫️ اختلاف Anthropic و پنتاگون بر سر نظارت گسترده‌ی داخلی و سلاح‌های کاملاً خودمختار به دادگاه کشید.
▫️ تعهدات برنامه‌های منتخب AI حاکمیتی حدود ۱۳۸ میلیارد دلار است. سهم اتحادیه‌ی اروپا از توان محاسباتی فقط ۵٪ است، در برابر ۸۰٪ آمریکا.
▫️ ۷۱٪ آمریکایی‌ها با ساخت مرکز داده‌ی AI در نزدیکی محل زندگی‌شان مخالف‌اند.
🛡 ایمنی
▫️ در یک ارزیابی سایبری OpenAI، حدود ۱٬۲۰۰ ایجنت برای فریب داور هماهنگ شدند. بیش از ۷۰۰ ایجنت از آنها به Hugging Face نفوذ کردند.
▫️ مدل‌های باز در توانمندی سایبری فقط ۴ تا ۷ ماه از مدل‌های بسته عقب‌اند.
▫️ مانیتوری که فقط زنجیره‌ی استدلال را می‌بیند، خرابکاری مدل را از دست می‌دهد.
▫️ مدیران آزمایشگاه‌ها خواستار ابزاری برای کُند کردن پیشرفت‌اند، ولی سازوکار مشترکی برای آن وجود ندارد.
🔮 چند پیش‌بینی برای ۱۲ ماه آینده
▫️ دزدیده شدن وزن‌های یک مدل بسته‌ی پیشرو در یک حمله‌ی سایبری با هدایت AI
▫️ پیروزی یک تیم خودمختار AI بر تیم انسانی در پژوهش مدل
▫️ خروج یک ایجنت از محیطش و ادامه‌ی کار آن پس از خاموش شدن نسخه‌ی اصلی
▫️ AGI در ۲۰۲۷
⚠️ نویسنده در برخی شرکت‌های نام‌برده سرمایه‌گذار است و بسیاری از ارقام را خود شرکت‌ها اعلام کرده‌اند.
🔗 stateof.ai
خلاصه فارسی:
https://telegra.ph/State-of-AI-2026-10-09
#هوش_مصنوعی #StateOfAI #AI
🆔 @asrgooyeshpardaz
Telegraph
State of AI 2026
نهمین گزارش سالانه‌ی State of AI به قلم Nathan Benaich از Air Street Capital در ۸ اکتبر ۲۰۲۶ منتشر شد. این گزارش ۲۴۴ اسلاید دارد و دوازده ماه گذشته‌ی هوش مصنوعی را در پنج بخش بررسی می‌کند: پژوهش، صنعت، سیاست، ایمنی و پیش‌بینی‌ها. پنج پیام اصلی رقابت سه‌قطبی…
❤2👍1
🌐 اخبار هوش مصنوعی
🧩 مدل GPT-6 با رابط کاربری پویا از راه رسید
شرکت OpenAI عرضه GPT-6 را آغاز کرده است. مهم‌ترین قابلیت جدید، Intelligent UI است که به‌جای محدود شدن به پاسخ متنی، متناسب با درخواست کاربر رابط‌های تعاملی مثل نمودار، ماشین‌حساب، دیاگرام و حتی مینی‌گیم تولید می‌کند.
رابط‌ها همزمان با تولید پاسخ ساخته می‌شوند و مدل می‌تواند محاسبات پنهان و تولید متن را به‌صورت پیوسته انجام دهد. نسخه GPT-6 Sol برای کاربران پولی عرضه شده و نسخه سبک‌تر GPT-6 Luna نیز برای کاربران Free و Go ارائه می‌شود.
🔗 منبع: OpenAI
🏢 عامل خودمختار گوگل؛ یک همکار هوش مصنوعی با ایمیل و تقویم خودش
شرکت Google در رویداد Gemini at Work از عاملی برای انجام پروژه‌های مهندسی و سازمانی چندروزه رونمایی کرده است. این عامل مانند یک کارمند، حساب کاربری، ایمیل، تقویم و فضای ذخیره‌سازی خودش را دارد و می‌تواند میان محیط‌هایی مثل Slack، خط فرمان و Google Workspace فعالیت کند.
حافظه عامل در چهار سطحِ جلسه‌ای، معنایی، رویه‌ای و رویدادی سازمان‌دهی شده و امکان اتصال به Git، Jira، BigQuery، Databricks و MCP را دارد. اجرای کد نیز در محیط‌های ایزوله انجام می‌شود و اقدامات عامل با سازوکارهای رمزنگاری‌شده احراز هویت می‌شوند.
🔗 منبع: Google Cloud
🐦 ربات Grok حالا مستقیماً پست‌های X را می‌خواند
دستیار Grok Bot اکنون می‌تواند بدون اتصال جداگانه حساب کاربری یا استفاده از API پولی، اطلاعات عمومی X را بخواند؛ مثلاً پست‌ها را جمع‌آوری کند، بازخورد کاربران را خلاصه کند یا موضوعات خبری را زیر نظر بگیرد.
زمان‌بندی داخلی نیز اجازه می‌دهد این بررسی‌ها به‌صورت دوره‌ای انجام شوند و خلاصه نتایج به چت ارسال شود. انتشار پست از طرف کاربر همچنان نیازمند اتصال مجاز حساب است.
🔗 منبع: X / Grok Bot
🔐 محیط ایزوله محلی برای عامل‌های GitHub Copilot
شرکت GitHub قابلیت Local Sandboxing را برای Copilot ارائه کرده است تا فرمان‌های اجراشده توسط عامل‌ها نتوانند آزادانه به فایل‌های سیستم، شبکه، کلیدهای امنیتی یا متغیرهای محیطی میزبان دسترسی پیدا کنند.
این قابلیت با استفاده از Microsoft eXecution Container و سازوکارهای بومی هر سیستم‌عامل اجرا می‌شود و هزینه جداگانه‌ای ندارد. نسخه CLI همچنین امکان استفاده از مدل‌های محلی از طریق Ollama را فراهم کرده است؛ بنابراین بخشی از کارها می‌تواند بدون ارسال داده به مدل‌های ابری انجام شود.
🔗 منبع: GitHub
🎬 شرکت ByteDance روی فیلم‌های کاملاً ساخته‌شده با هوش مصنوعی سرمایه‌گذاری می‌کند
شرکت ByteDance برنامه بین‌المللی Dreamina Originals را برای حمایت از تولید فیلم و سریال با هوش مصنوعی راه‌اندازی کرده است. سازندگان به توان پردازشی مدل‌های ویدیویی، مشاوره مهندسی و حمایت تبلیغاتی دسترسی خواهند داشت.
برای فیلم‌های بلند تا ۱۵ میلیون اعتبار تولید در نظر گرفته شده و ByteDance در توزیع و ارسال آثار به جشنواره‌ها نیز مشارکت می‌کند. برخی پروژه‌های سریالی سطح S حتی به اعتبار نامحدود تولید دسترسی خواهند داشت و پروژه‌های سطح A نیز می‌توانند برای هر قسمت تا یک میلیون اعتبار دریافت کنند.
🔗 منبع: Dreamina AI
#هوش_مصنوعی #AI #GPT6 #OpenAI #Google #Grok #GitHubCopilot #ByteDance #AIAgents
🆔 @asrgooyeshpardaz
🧩 مدل GPT-6 با رابط کاربری پویا از راه رسید
شرکت OpenAI عرضه GPT-6 را آغاز کرده است. مهم‌ترین قابلیت جدید، Intelligent UI است که به‌جای محدود شدن به پاسخ متنی، متناسب با درخواست کاربر رابط‌های تعاملی مثل نمودار، ماشین‌حساب، دیاگرام و حتی مینی‌گیم تولید می‌کند.
رابط‌ها همزمان با تولید پاسخ ساخته می‌شوند و مدل می‌تواند محاسبات پنهان و تولید متن را به‌صورت پیوسته انجام دهد. نسخه GPT-6 Sol برای کاربران پولی عرضه شده و نسخه سبک‌تر GPT-6 Luna نیز برای کاربران Free و Go ارائه می‌شود.
🔗 منبع: OpenAI
🏢 عامل خودمختار گوگل؛ یک همکار هوش مصنوعی با ایمیل و تقویم خودش
شرکت Google در رویداد Gemini at Work از عاملی برای انجام پروژه‌های مهندسی و سازمانی چندروزه رونمایی کرده است. این عامل مانند یک کارمند، حساب کاربری، ایمیل، تقویم و فضای ذخیره‌سازی خودش را دارد و می‌تواند میان محیط‌هایی مثل Slack، خط فرمان و Google Workspace فعالیت کند.
حافظه عامل در چهار سطحِ جلسه‌ای، معنایی، رویه‌ای و رویدادی سازمان‌دهی شده و امکان اتصال به Git، Jira، BigQuery، Databricks و MCP را دارد. اجرای کد نیز در محیط‌های ایزوله انجام می‌شود و اقدامات عامل با سازوکارهای رمزنگاری‌شده احراز هویت می‌شوند.
🔗 منبع: Google Cloud
🐦 ربات Grok حالا مستقیماً پست‌های X را می‌خواند
دستیار Grok Bot اکنون می‌تواند بدون اتصال جداگانه حساب کاربری یا استفاده از API پولی، اطلاعات عمومی X را بخواند؛ مثلاً پست‌ها را جمع‌آوری کند، بازخورد کاربران را خلاصه کند یا موضوعات خبری را زیر نظر بگیرد.
زمان‌بندی داخلی نیز اجازه می‌دهد این بررسی‌ها به‌صورت دوره‌ای انجام شوند و خلاصه نتایج به چت ارسال شود. انتشار پست از طرف کاربر همچنان نیازمند اتصال مجاز حساب است.
🔗 منبع: X / Grok Bot
🔐 محیط ایزوله محلی برای عامل‌های GitHub Copilot
شرکت GitHub قابلیت Local Sandboxing را برای Copilot ارائه کرده است تا فرمان‌های اجراشده توسط عامل‌ها نتوانند آزادانه به فایل‌های سیستم، شبکه، کلیدهای امنیتی یا متغیرهای محیطی میزبان دسترسی پیدا کنند.
این قابلیت با استفاده از Microsoft eXecution Container و سازوکارهای بومی هر سیستم‌عامل اجرا می‌شود و هزینه جداگانه‌ای ندارد. نسخه CLI همچنین امکان استفاده از مدل‌های محلی از طریق Ollama را فراهم کرده است؛ بنابراین بخشی از کارها می‌تواند بدون ارسال داده به مدل‌های ابری انجام شود.
🔗 منبع: GitHub
🎬 شرکت ByteDance روی فیلم‌های کاملاً ساخته‌شده با هوش مصنوعی سرمایه‌گذاری می‌کند
شرکت ByteDance برنامه بین‌المللی Dreamina Originals را برای حمایت از تولید فیلم و سریال با هوش مصنوعی راه‌اندازی کرده است. سازندگان به توان پردازشی مدل‌های ویدیویی، مشاوره مهندسی و حمایت تبلیغاتی دسترسی خواهند داشت.
برای فیلم‌های بلند تا ۱۵ میلیون اعتبار تولید در نظر گرفته شده و ByteDance در توزیع و ارسال آثار به جشنواره‌ها نیز مشارکت می‌کند. برخی پروژه‌های سریالی سطح S حتی به اعتبار نامحدود تولید دسترسی خواهند داشت و پروژه‌های سطح A نیز می‌توانند برای هر قسمت تا یک میلیون اعتبار دریافت کنند.
🔗 منبع: Dreamina AI
#هوش_مصنوعی #AI #GPT6 #OpenAI #Google #Grok #GitHubCopilot #ByteDance #AIAgents
🆔 @asrgooyeshpardaz
❤3
🌐 اخبار هوش مصنوعی
---
⚠️ مدیران شرکت‌های هوش مصنوعی خود را برای واکنش سخت دولت پس از یک حادثه بزرگ آماده می‌کنند
رهبران آزمایشگاه‌های پیشرو در حال برگزاری رزمایش‌های بسته‌ای هستند که بحران پس از یک حادثه بزرگ مرتبط با هوش مصنوعی را شبیه‌سازی می‌کند. افراد مطلع در صنعت انتظار یک حمله سایبری گسترده با از کار افتادن سیستم‌های بانکی، ارتباطات یا شبکه‌های انرژی را در ۶ تا ۱۲ ماه آینده دارند و معتقدند نخستین خسارت جدی، واکنش شدید افکار عمومی را برمی‌انگیزد و مسئولیت به گردن سازندگان مدل‌ها می‌افتد.
علاوه بر آزمون‌های مقاومت خودِ آزمایشگاه‌ها، آنها نگران سیاست هستند و می‌ترسند کنگره آمریکا بدون درک جزئیات، در panic اقدامات رادیکال اتخاذ کند. شرکت OpenAI برگزاری چنین رزمایش‌هایی را تأیید کرده و شرکت Anthropic از اظهارنظر خودداری کرده است.
منبع: axios.com
---
💰 سازندگان مدل تصمیم‌گیری Jev به میزان ۸۷۰ میلیون دلار سرمایه جذب کردند
دور سرمایه‌گذاری استارتاپ TypeSafe AI به رهبری Andreessen Horowitz و با مشارکت Sequoia Capital برگزار شد. تیم این شرکت کمی بیش از بیست نفر است که عمدتاً از OpenAI، گوگل و آزمایشگاه زاکربرگ آمده‌اند.
با وجود مرحله اولیه، این استارتاپ اعلام کرده به سود خالص رسیده اما اعداد دقیق را فاش نکرده است. تنها محصول آن، مدل Jev است که چند هفته پیش معرفی شد. به گفته TypeSafe، این مدل روزانه ده‌ها میلیارد توکن پردازش می‌کند، بیش از یک میلیون کاربر دارد و حدود یک‌سوم شرکت‌های فهرست Fortune 500 آن را آزمایش می‌کنند. سرمایه جذب‌شده صرف زیرساخت، استخدام مهندس و خرید توان محاسباتی خواهد شد.
منبع: bloomberg.com
---
🛡️ شرکت Anthropic اسکنر آسیب‌پذیری هوش مصنوعی برای کدهای باز منتشر کرد
ابزار OSS Scanner یک حسابرسی امنیتی رایگان از پروژه‌های باز است که توسط مدل‌های این شرکت انجام می‌شود. گزارش‌ها پیش از انتشار، بررسی اولیه در بخش امنیت Anthropic را طی نمی‌کنند، اما شامل توصیف آسیب‌پذیری، روش بازتولید آن و در صورت نیاز پیشنهاد اصلاح هستند.
در مرحله آزمایشی، پروژه‌های PostgreSQL، wolfSSL، OpenSSL و curl شرکت کردند. به گفته دنیل استنبرگ، خالق curl، این اسکنر یکی از جدی‌ترین آسیب‌پذیری‌های کتابخانه در سال‌های اخیر را پیدا کرده است. پروژه‌ها از طریق درخواست ادغام در مخزن GitHub به این سرویس متصل می‌شوند.
منبع: anthropic.com
---
🤖 شرکت JetBrains مدل باز برای عامل‌های کدنویسی معرفی کرد
مدل Mellum 2.1 نسخه به‌روزشده‌ای بر پایه معماری MoE با ۱۲ میلیارد پارامتر است که ۲.۵ میلیارد از آنها فعال هستند. مرحله پس‌آموزش بازطراحی شده، یادگیری تقویتی به محیط‌های ایزوله واقعی منتقل شده و میلیون‌ها اجرا در سندباکس‌ها انجام شده است.
این مدل اکنون در پایگاه کد جهت‌یابی می‌کند، خودش فایل‌ها را ویرایش می‌کند و نتیجه را با تست‌های خودش بررسی می‌کند. پیش‌بینی چند توکن همزمان، تولید پاسخ‌های تکی را حدود ۱.۶ برابر سریع‌تر کرده و تحت بار بالا روی یک شتاب‌دهنده H200، این مدل تقریباً دو برابر Qwen3.5-9B توان عبوری دارد. وزن‌ها روی Hugging Face تحت مجوز Apache 2.0 قرار دارند و نسخه‌های GGUF برای llama.cpp، Ollama و LM Studio به‌زودی منتشر می‌شوند.
منبع: jetbrains.com
---
📈 شرکت OpenRouter بخش فروش را به یک عامل سپرد
ابزار Rasp بر پایه موتور اختصاصی Ori، ماهانه حدود ۶۰۰ ساعت از وقت یک تیم پنج‌نفره مدیران فروش را آزاد می‌کند. این عامل ارزیابی سرنخ‌ها، تحقیق پیش از تماس، خلاصه‌سازی رونوشت‌ها و پر کردن CRM را انجام می‌دهد. زمان هر تماس از ۱۰۳ دقیقه به ۴۴ دقیقه کاهش یافته است.
به گفته این شرکت، چرخه بستن معاملات ۳۴ درصد سریع‌تر شده و نرخ تبدیل دو برابر شده است. هزینه ربات از ۸۰۰ دلار در نمونه‌های اولیه به ۳۰ دلار در روز رسیده که ۱۸ دلار آن صرف استنتاج مدل GLM 5.2 می‌شود. کاهش هزینه از طریق لایه مسیریابی Ori حاصل شده که برای هر زیرکار، مدل مناسب را انتخاب می‌کند.
منبع: openrouter.ai
---
#اخبار_هوش_مصنوعی #AI #اخبار_فناوری
🆔 @asrgooyeshpardaz
---
⚠️ مدیران شرکت‌های هوش مصنوعی خود را برای واکنش سخت دولت پس از یک حادثه بزرگ آماده می‌کنند
رهبران آزمایشگاه‌های پیشرو در حال برگزاری رزمایش‌های بسته‌ای هستند که بحران پس از یک حادثه بزرگ مرتبط با هوش مصنوعی را شبیه‌سازی می‌کند. افراد مطلع در صنعت انتظار یک حمله سایبری گسترده با از کار افتادن سیستم‌های بانکی، ارتباطات یا شبکه‌های انرژی را در ۶ تا ۱۲ ماه آینده دارند و معتقدند نخستین خسارت جدی، واکنش شدید افکار عمومی را برمی‌انگیزد و مسئولیت به گردن سازندگان مدل‌ها می‌افتد.
علاوه بر آزمون‌های مقاومت خودِ آزمایشگاه‌ها، آنها نگران سیاست هستند و می‌ترسند کنگره آمریکا بدون درک جزئیات، در panic اقدامات رادیکال اتخاذ کند. شرکت OpenAI برگزاری چنین رزمایش‌هایی را تأیید کرده و شرکت Anthropic از اظهارنظر خودداری کرده است.
منبع: axios.com
---
💰 سازندگان مدل تصمیم‌گیری Jev به میزان ۸۷۰ میلیون دلار سرمایه جذب کردند
دور سرمایه‌گذاری استارتاپ TypeSafe AI به رهبری Andreessen Horowitz و با مشارکت Sequoia Capital برگزار شد. تیم این شرکت کمی بیش از بیست نفر است که عمدتاً از OpenAI، گوگل و آزمایشگاه زاکربرگ آمده‌اند.
با وجود مرحله اولیه، این استارتاپ اعلام کرده به سود خالص رسیده اما اعداد دقیق را فاش نکرده است. تنها محصول آن، مدل Jev است که چند هفته پیش معرفی شد. به گفته TypeSafe، این مدل روزانه ده‌ها میلیارد توکن پردازش می‌کند، بیش از یک میلیون کاربر دارد و حدود یک‌سوم شرکت‌های فهرست Fortune 500 آن را آزمایش می‌کنند. سرمایه جذب‌شده صرف زیرساخت، استخدام مهندس و خرید توان محاسباتی خواهد شد.
منبع: bloomberg.com
---
🛡️ شرکت Anthropic اسکنر آسیب‌پذیری هوش مصنوعی برای کدهای باز منتشر کرد
ابزار OSS Scanner یک حسابرسی امنیتی رایگان از پروژه‌های باز است که توسط مدل‌های این شرکت انجام می‌شود. گزارش‌ها پیش از انتشار، بررسی اولیه در بخش امنیت Anthropic را طی نمی‌کنند، اما شامل توصیف آسیب‌پذیری، روش بازتولید آن و در صورت نیاز پیشنهاد اصلاح هستند.
در مرحله آزمایشی، پروژه‌های PostgreSQL، wolfSSL، OpenSSL و curl شرکت کردند. به گفته دنیل استنبرگ، خالق curl، این اسکنر یکی از جدی‌ترین آسیب‌پذیری‌های کتابخانه در سال‌های اخیر را پیدا کرده است. پروژه‌ها از طریق درخواست ادغام در مخزن GitHub به این سرویس متصل می‌شوند.
منبع: anthropic.com
---
🤖 شرکت JetBrains مدل باز برای عامل‌های کدنویسی معرفی کرد
مدل Mellum 2.1 نسخه به‌روزشده‌ای بر پایه معماری MoE با ۱۲ میلیارد پارامتر است که ۲.۵ میلیارد از آنها فعال هستند. مرحله پس‌آموزش بازطراحی شده، یادگیری تقویتی به محیط‌های ایزوله واقعی منتقل شده و میلیون‌ها اجرا در سندباکس‌ها انجام شده است.
این مدل اکنون در پایگاه کد جهت‌یابی می‌کند، خودش فایل‌ها را ویرایش می‌کند و نتیجه را با تست‌های خودش بررسی می‌کند. پیش‌بینی چند توکن همزمان، تولید پاسخ‌های تکی را حدود ۱.۶ برابر سریع‌تر کرده و تحت بار بالا روی یک شتاب‌دهنده H200، این مدل تقریباً دو برابر Qwen3.5-9B توان عبوری دارد. وزن‌ها روی Hugging Face تحت مجوز Apache 2.0 قرار دارند و نسخه‌های GGUF برای llama.cpp، Ollama و LM Studio به‌زودی منتشر می‌شوند.
منبع: jetbrains.com
---
📈 شرکت OpenRouter بخش فروش را به یک عامل سپرد
ابزار Rasp بر پایه موتور اختصاصی Ori، ماهانه حدود ۶۰۰ ساعت از وقت یک تیم پنج‌نفره مدیران فروش را آزاد می‌کند. این عامل ارزیابی سرنخ‌ها، تحقیق پیش از تماس، خلاصه‌سازی رونوشت‌ها و پر کردن CRM را انجام می‌دهد. زمان هر تماس از ۱۰۳ دقیقه به ۴۴ دقیقه کاهش یافته است.
به گفته این شرکت، چرخه بستن معاملات ۳۴ درصد سریع‌تر شده و نرخ تبدیل دو برابر شده است. هزینه ربات از ۸۰۰ دلار در نمونه‌های اولیه به ۳۰ دلار در روز رسیده که ۱۸ دلار آن صرف استنتاج مدل GLM 5.2 می‌شود. کاهش هزینه از طریق لایه مسیریابی Ori حاصل شده که برای هر زیرکار، مدل مناسب را انتخاب می‌کند.
منبع: openrouter.ai
---
#اخبار_هوش_مصنوعی #AI #اخبار_فناوری
🆔 @asrgooyeshpardaz
❤2
This media is not supported in your browser
VIEW IN TELEGRAM
🎵 کنسرت برای ابوا در گام می مینور اثر کلود، اپوس 5.5
60 درصد از شرکت‌کنندگان، این اثر را به عنوان اثری تألیفی تشخیص دادند، که بیشتر از آثار هندل (58 درصد) و ویوالدی (43 درصد) بود. 🎶
🔗 https://x.com/aug5thmusic/status/2109682320001401230
#AI #Claude #AiMusic
🆔 @asrgooyeshpardaz
60 درصد از شرکت‌کنندگان، این اثر را به عنوان اثری تألیفی تشخیص دادند، که بیشتر از آثار هندل (58 درصد) و ویوالدی (43 درصد) بود. 🎶
🔗 https://x.com/aug5thmusic/status/2109682320001401230
#AI #Claude #AiMusic
🆔 @asrgooyeshpardaz
❤5👎1
This media is not supported in your browser
VIEW IN TELEGRAM
📱 مدل MiniCPM-V 4.7: یک شبکه عصبی چندوجهی در گوشی‌های هوشمند
شرکت OpenBMB، مدل MiniCPM-V 4.7 (35B-A3B) را معرفی کرده است. این مدل، یک مدل MoE (مخفف Mixture of Experts) برای تحلیل متن و تصاویر است که به صورت محلی بر روی دستگاه‌های موبایل با حدود 3 گیگابایت حافظه رم کار می‌کند.
🔹 قابلیت‌ها:
* تشخیص تابلوها 📷
* تحلیل اسناد پیچیده 📄
* تحلیل منطقی اطلاعات بصری 🧠
* برنامه‌ریزی در شرایط واقعی 🗺
🔹 فناوری‌های کلیدی:
* فناوری LES (Lookahead Expert Scheduling): بهینه‌سازی فرآیند استنتاج مدل MoE با پیش‌بارگذاری متخصصان برای کاهش تأخیر.
* فناوری SRFT (Self-Replay Fine-Tuning): سفارشی‌سازی مدل برای وظایف خاص توسعه‌دهندگان بدون از دست دادن توانایی‌های کلی.
🔹 همچنین، یک نسخه سبک‌تر با 1 گیگابایت برای دستگاه‌هایی با محدودیت‌های سخت‌افزاری معرفی شده است.
روند: دستیارهای چندوجهی قدرتمند به سمت اجرای محلی در حال حرکت هستند، که وابستگی به سرورهای ابری را کاهش می‌دهد ☁️🚫.
🔗 https://huggingface.co/openbmb/MiniCPM-V-4.7-35B-A3B
#AI #OpenBMB #MiniCPM
🆔 @asrgooyeshpardaz
شرکت OpenBMB، مدل MiniCPM-V 4.7 (35B-A3B) را معرفی کرده است. این مدل، یک مدل MoE (مخفف Mixture of Experts) برای تحلیل متن و تصاویر است که به صورت محلی بر روی دستگاه‌های موبایل با حدود 3 گیگابایت حافظه رم کار می‌کند.
🔹 قابلیت‌ها:
* تشخیص تابلوها 📷
* تحلیل اسناد پیچیده 📄
* تحلیل منطقی اطلاعات بصری 🧠
* برنامه‌ریزی در شرایط واقعی 🗺
🔹 فناوری‌های کلیدی:
* فناوری LES (Lookahead Expert Scheduling): بهینه‌سازی فرآیند استنتاج مدل MoE با پیش‌بارگذاری متخصصان برای کاهش تأخیر.
* فناوری SRFT (Self-Replay Fine-Tuning): سفارشی‌سازی مدل برای وظایف خاص توسعه‌دهندگان بدون از دست دادن توانایی‌های کلی.
🔹 همچنین، یک نسخه سبک‌تر با 1 گیگابایت برای دستگاه‌هایی با محدودیت‌های سخت‌افزاری معرفی شده است.
روند: دستیارهای چندوجهی قدرتمند به سمت اجرای محلی در حال حرکت هستند، که وابستگی به سرورهای ابری را کاهش می‌دهد ☁️🚫.
🔗 https://huggingface.co/openbmb/MiniCPM-V-4.7-35B-A3B
#AI #OpenBMB #MiniCPM
🆔 @asrgooyeshpardaz
❤2👍1
Media is too big
VIEW IN TELEGRAM
🎮 تصاویر بازی Assetto Corsa با فعال بودن DLSS 5
شبکه‌های عصبی، کیفیت تصویر در این شبیه‌ساز مسابقه‌ای را به حدی ارتقا داده‌اند که تشخیص آن از واقعیت تقریباً غیرممکن شده است.
#AI #Games #DLSS5
🆔 @asrgooyeshpardaz
شبکه‌های عصبی، کیفیت تصویر در این شبیه‌ساز مسابقه‌ای را به حدی ارتقا داده‌اند که تشخیص آن از واقعیت تقریباً غیرممکن شده است.
#AI #Games #DLSS5
🆔 @asrgooyeshpardaz
🤯7❤2
🌐 اخبار هوش مصنوعی
---
🔐 شرکت OpenAI پروتکل‌های امنیتی کارکنان را تقویت کرد
روزنامه وال استریت ژورنال گزارش داده که دستورالعمل‌های داخلی شرکت OpenAI حتی پیش از بازداشت یکی از مهندسان این شرکت توسط اف‌بی‌آی — به اتهام نصب دستگاه شنود — آغاز شده بود.
این شرکت استفاده از محصولات و پوشاک برند خود در خارج از دفتر را ممنوع کرده و به مهندسان آموزش می‌دهد که مهندسی اجتماعی را تشخیص دهند؛ یعنی تلاش برای جذب و ارتباط‌گیری هدفمند.
از الزامات جدید می‌توان به استفاده از فیلترهای حریم خصوصی روی صفحه لپ‌تاپ در وسایل نقلیه عمومی و پاک کردن وایت‌بردها پس از جلسات اشاره کرد تا اطلاعات به دست کارکنان خدماتی نیفتد.
شرکت Anthropic و گوگل نیز اقدامات مشابه و دوره‌های مقابله با جاسوسی رقابتی را در حال اجرا دارند.
منبع: wsj.com
---
🇸🇬 شرکت Anthropic دفتری در سنگاپور افتتاح کرد
این پنجمین نمایندگی این شرکت در منطقه آسیا-اقیانوسیه است. همزمان، Anthropic تفاهم‌نامه‌ای با مقامات محلی امضا کرده که بر اساس آن، دو طرف به ارزیابی مشترک مدل‌ها و روش‌های استقرار ایمن هوش مصنوعی خواهند پرداخت.
مدل Claude هم‌اکنون در بخش‌های دولتی و شرکتی سنگاپور استفاده می‌شود. از کاربران آن می‌توان به بانک DBS، سوپراپ Grab و آژانس فناوری GovTech اشاره کرد که بیش از ۱۵۰۰ توسعه‌دهنده در آن از Claude Code برای خودکارسازی وظایف و تسریع تحویل نرم‌افزار بهره می‌برند.
به گفته Anthropic، سنگاپور از نظر تعداد درخواست به مدل‌های Claude به ازای هر نفر، رتبه دوم جهان را دارد و ترافیک آن شش برابر پیش‌بینی برای کشورهایی با این اندازه است.
منبع: anthropic.com
---
🖼 شرکت Black Forest Labs مدل FLUX 3 Image Klein را منتشر کرد
این مدل با ۵.۶ میلیارد پارامتر برای اجرا روی کارت‌های گرافیک مصرفی طراحی شده است. خروجی آن مستقیماً ۴K است، می‌تواند بخش‌های خاصی از تصویر را با کنترل مرزها ویرایش کند و تا ده تصویر مرجع را در یک درخواست بپذیرد.
بر اساس تست‌های داخلی، Klein از مدل‌های باز Qwen-Image 2.1 با ۷ میلیارد پارامتر و Krea 2 با ۱۲.۹ میلیارد پارامتر، و همچنین مدل بسته Ideogram V4.5 جلوتر است.
نسخه‌های FP8، INT8 و NVFP4 با همکاری انویدیا منتشر شده‌اند. در حالت INT8، نسخه تقطیرشده روی RTX 5090 در ۴ ثانیه و روی RTX 4070 در کمتر از ۹ ثانیه یک تصویر یک‌مگاپیکسلی می‌سازد.
وزن‌های نسخه پایه و تقطیرشده روی Hugging Face قرار دارند. مجوز FLUX Kommunity استفاده تجاری رایگان را برای شرکت‌هایی با درآمد سالانه کمتر از ۵ میلیون دلار مجاز می‌کند.
استنتاج از طریق ComfyUI، Diffusers، TensorRT-LLM و vLLM-Omni پشتیبانی می‌شود. آموزش LoRA نیز در Ostris's AI Toolkit و Nvidia NeMo AutoModel امکان‌پذیر است.
منبع: bfl.ai
---
💼 شرکت Manus طرح‌های کسب‌وکار خود را معرفی کرد
در طرح‌های Team و Enterprise، این پلتفرم عاملی فضاهای کاری مشترک با وراثت زمینه، کتابخانه‌ای از مهارت‌های قابل استفاده مجدد و یک استخر اعتبار واحد برای تیم فراهم می‌کند.
احراز هویت از SSO، SCIM، اتصال به سیستم‌های SIEM و گزارش‌های حسابرسی پشتیبانی می‌کند. این سرویس گواهی‌های SOC 2 Type II و ISO 27001 را دریافت کرده است.
شرکت Manus اعلام کرده داده‌های سازمانی از مجموعه‌های آموزشی ارائه‌دهندگان شخص ثالث مدل حذف می‌شوند.
هزینه طرح Team ۲۰ دلار به ازای هر کاربر در ماه است و دسترسی مهمان برای بازبینی کد و بررسی نتایج رایگان است.
منبع: manus.im
---
🎨 شرکت Mistral AI استودیوی طراحی New Material را خرید
تیم این استودیو در شرکت فرانسوی Mistral AI مسئولیت رابط‌های کاربری محصولات سازمانی و دولتی را بر عهده خواهد گرفت و در تمام مراحل طراحی — از آماده‌سازی داده و آموزش مدل تا ابزارهای توسعه‌دهندگان — مشارکت می‌کند.
استودیو New Material پیش از این انتقال، شش سال روی اپلیکیشن‌های هوش مصنوعی برای صنایع خودروسازی، خرده‌فروشی، پزشکی و حقوقی کار کرده بود. از مشتریان پیشین آن می‌توان به فورد، بنیاد Wellcome Trust و شرکت‌های فهرست AmLaw 50 اشاره کرد.
منبع: newmaterial.ai
---
#اخبار_هوش_مصنوعی #AI #اخبار_فناوری
🆔 @asrgooyeshpardaz
---
🔐 شرکت OpenAI پروتکل‌های امنیتی کارکنان را تقویت کرد
روزنامه وال استریت ژورنال گزارش داده که دستورالعمل‌های داخلی شرکت OpenAI حتی پیش از بازداشت یکی از مهندسان این شرکت توسط اف‌بی‌آی — به اتهام نصب دستگاه شنود — آغاز شده بود.
این شرکت استفاده از محصولات و پوشاک برند خود در خارج از دفتر را ممنوع کرده و به مهندسان آموزش می‌دهد که مهندسی اجتماعی را تشخیص دهند؛ یعنی تلاش برای جذب و ارتباط‌گیری هدفمند.
از الزامات جدید می‌توان به استفاده از فیلترهای حریم خصوصی روی صفحه لپ‌تاپ در وسایل نقلیه عمومی و پاک کردن وایت‌بردها پس از جلسات اشاره کرد تا اطلاعات به دست کارکنان خدماتی نیفتد.
شرکت Anthropic و گوگل نیز اقدامات مشابه و دوره‌های مقابله با جاسوسی رقابتی را در حال اجرا دارند.
منبع: wsj.com
---
🇸🇬 شرکت Anthropic دفتری در سنگاپور افتتاح کرد
این پنجمین نمایندگی این شرکت در منطقه آسیا-اقیانوسیه است. همزمان، Anthropic تفاهم‌نامه‌ای با مقامات محلی امضا کرده که بر اساس آن، دو طرف به ارزیابی مشترک مدل‌ها و روش‌های استقرار ایمن هوش مصنوعی خواهند پرداخت.
مدل Claude هم‌اکنون در بخش‌های دولتی و شرکتی سنگاپور استفاده می‌شود. از کاربران آن می‌توان به بانک DBS، سوپراپ Grab و آژانس فناوری GovTech اشاره کرد که بیش از ۱۵۰۰ توسعه‌دهنده در آن از Claude Code برای خودکارسازی وظایف و تسریع تحویل نرم‌افزار بهره می‌برند.
به گفته Anthropic، سنگاپور از نظر تعداد درخواست به مدل‌های Claude به ازای هر نفر، رتبه دوم جهان را دارد و ترافیک آن شش برابر پیش‌بینی برای کشورهایی با این اندازه است.
منبع: anthropic.com
---
🖼 شرکت Black Forest Labs مدل FLUX 3 Image Klein را منتشر کرد
این مدل با ۵.۶ میلیارد پارامتر برای اجرا روی کارت‌های گرافیک مصرفی طراحی شده است. خروجی آن مستقیماً ۴K است، می‌تواند بخش‌های خاصی از تصویر را با کنترل مرزها ویرایش کند و تا ده تصویر مرجع را در یک درخواست بپذیرد.
بر اساس تست‌های داخلی، Klein از مدل‌های باز Qwen-Image 2.1 با ۷ میلیارد پارامتر و Krea 2 با ۱۲.۹ میلیارد پارامتر، و همچنین مدل بسته Ideogram V4.5 جلوتر است.
نسخه‌های FP8، INT8 و NVFP4 با همکاری انویدیا منتشر شده‌اند. در حالت INT8، نسخه تقطیرشده روی RTX 5090 در ۴ ثانیه و روی RTX 4070 در کمتر از ۹ ثانیه یک تصویر یک‌مگاپیکسلی می‌سازد.
وزن‌های نسخه پایه و تقطیرشده روی Hugging Face قرار دارند. مجوز FLUX Kommunity استفاده تجاری رایگان را برای شرکت‌هایی با درآمد سالانه کمتر از ۵ میلیون دلار مجاز می‌کند.
استنتاج از طریق ComfyUI، Diffusers، TensorRT-LLM و vLLM-Omni پشتیبانی می‌شود. آموزش LoRA نیز در Ostris's AI Toolkit و Nvidia NeMo AutoModel امکان‌پذیر است.
منبع: bfl.ai
---
💼 شرکت Manus طرح‌های کسب‌وکار خود را معرفی کرد
در طرح‌های Team و Enterprise، این پلتفرم عاملی فضاهای کاری مشترک با وراثت زمینه، کتابخانه‌ای از مهارت‌های قابل استفاده مجدد و یک استخر اعتبار واحد برای تیم فراهم می‌کند.
احراز هویت از SSO، SCIM، اتصال به سیستم‌های SIEM و گزارش‌های حسابرسی پشتیبانی می‌کند. این سرویس گواهی‌های SOC 2 Type II و ISO 27001 را دریافت کرده است.
شرکت Manus اعلام کرده داده‌های سازمانی از مجموعه‌های آموزشی ارائه‌دهندگان شخص ثالث مدل حذف می‌شوند.
هزینه طرح Team ۲۰ دلار به ازای هر کاربر در ماه است و دسترسی مهمان برای بازبینی کد و بررسی نتایج رایگان است.
منبع: manus.im
---
🎨 شرکت Mistral AI استودیوی طراحی New Material را خرید
تیم این استودیو در شرکت فرانسوی Mistral AI مسئولیت رابط‌های کاربری محصولات سازمانی و دولتی را بر عهده خواهد گرفت و در تمام مراحل طراحی — از آماده‌سازی داده و آموزش مدل تا ابزارهای توسعه‌دهندگان — مشارکت می‌کند.
استودیو New Material پیش از این انتقال، شش سال روی اپلیکیشن‌های هوش مصنوعی برای صنایع خودروسازی، خرده‌فروشی، پزشکی و حقوقی کار کرده بود. از مشتریان پیشین آن می‌توان به فورد، بنیاد Wellcome Trust و شرکت‌های فهرست AmLaw 50 اشاره کرد.
منبع: newmaterial.ai
---
#اخبار_هوش_مصنوعی #AI #اخبار_فناوری
🆔 @asrgooyeshpardaz
❤1
📌 مدل MiniMax M3.1 Flash معرفی شد؛ مدلی ارزان و پرسرعت برای کارهای روزمره
شرکت MiniMax مدل M3.1 Flash را عرضه کرد. این مدل برای کدنویسی، تحقیق و کارهای خلاقانه ساخته شده است. نسخه پیش‌نمایش آن از اواخر سپتامبر در دسترس بود و حالا نسخه نهایی به MiniMax Code اضافه شده است.
🧠 مشخصات فنی
• معماری MoE با حدود ۴۲۸ میلیارد پارامتر که در هر لحظه فقط ۲۳ میلیارد پارامتر آن فعال است
• پنجره زمینه یک میلیون توکنی
• پذیرش ورودی متن، تصویر و ویدئو
• پنج سطح قابل تنظیم برای عمق استدلال، از low تا max
💰 قیمت API
• ورودی: ۰.۱۵ دلار به ازای هر میلیون توکن
• خروجی: ۰.۶۰ دلار به ازای هر میلیون توکن
📊 عملکرد
• مدل M3.1 Flash در آزمون مستقل KingBench 3 امتیاز ۶۶.۲۵٪ گرفت، بیش از دو برابر امتیاز M3 (۳۱.۲۵٪).
• در همین آزمون، Opus 5.5 امتیاز ۹۳.۷۵٪ گرفت. یعنی M3.1 Flash هنوز با مدل‌های پرچم‌دار فاصله دارد، اما با این قیمت پایین گزینه به‌صرفه‌ای است.
🔗 مستندات مدل
🔗 توییت
#AI #MiniMax #M31Flash #Coding #LLM
🆔 @asrgooyeshpardaz
شرکت MiniMax مدل M3.1 Flash را عرضه کرد. این مدل برای کدنویسی، تحقیق و کارهای خلاقانه ساخته شده است. نسخه پیش‌نمایش آن از اواخر سپتامبر در دسترس بود و حالا نسخه نهایی به MiniMax Code اضافه شده است.
🧠 مشخصات فنی
• معماری MoE با حدود ۴۲۸ میلیارد پارامتر که در هر لحظه فقط ۲۳ میلیارد پارامتر آن فعال است
• پنجره زمینه یک میلیون توکنی
• پذیرش ورودی متن، تصویر و ویدئو
• پنج سطح قابل تنظیم برای عمق استدلال، از low تا max
💰 قیمت API
• ورودی: ۰.۱۵ دلار به ازای هر میلیون توکن
• خروجی: ۰.۶۰ دلار به ازای هر میلیون توکن
📊 عملکرد
• مدل M3.1 Flash در آزمون مستقل KingBench 3 امتیاز ۶۶.۲۵٪ گرفت، بیش از دو برابر امتیاز M3 (۳۱.۲۵٪).
• در همین آزمون، Opus 5.5 امتیاز ۹۳.۷۵٪ گرفت. یعنی M3.1 Flash هنوز با مدل‌های پرچم‌دار فاصله دارد، اما با این قیمت پایین گزینه به‌صرفه‌ای است.
🔗 مستندات مدل
🔗 توییت
#AI #MiniMax #M31Flash #Coding #LLM
🆔 @asrgooyeshpardaz
❤3👏1