🔥 قابلیت‌های Wan2.1-VACE:
🟢 R2V
– تولید ویدیو از روی یک نمونه مرجع (Reference-to-Video)
🟢 V2V
– ویرایش ویدیو با استفاده از یک ویدیوی دیگر (Video-to-Video)
🟢 MV2V
– ویرایش نواحی ماسک‌شده در یک ویدیو (Masked Video-to-Video)
💡 این قابلیت‌ها به‌صورت ترکیبی نیز قابل استفاده‌اند و امکان انجام پروژه‌های خلاقانه پیچیده را فراهم می‌کنند.
🔍 ویژگی‌های کلیدی:
❇️ عملکرد در سطح SOTA: مدل Wan2.1 در بسیاری از بنچمارک‌ها عملکردی بهتر از مدل‌های متن‌باز موجود و حتی برخی راهکارهای تجاری سطح بالا دارد.
❇️ سازگار با کارت گرافیک‌های معمولی: مدل T2V-1.3B تنها به 8.19 گیگابایت VRAM نیاز دارد و روی اکثر GPUهای خانگی قابل اجراست. مثلاً روی RTX 4090 می‌تواند یک ویدیوی ۵ ثانیه‌ای با رزولوشن 480P را در حدود ۴ دقیقه (بدون بهینه‌سازی) تولید کند.
❇️ چندوظیفگی: عملکرد خوب در وظایف تولید متن‌به‌ویدیو، تصویر‌به‌ویدیو، ویرایش ویدیو، متن‌به‌تصویر، و ویدیو‌به‌صدا، و پیشبرد مرزهای تولید ویدیو.
❇️ پشتیبانی از خروجی 1080P با طول دلخواه، همراه با حفظ ساختار زمانی در تولید ویدیو.
حجم مدل‌ها: 1.3 میلیارد و 14 میلیارد پارامتر
مجوز انتشار: Apache-2
🔗 GitHub:
github.com/Wan-Video/Wan2.1
🔗 HuggingFace:
huggingface.co/Wan-AI
🔗 ModelScope:
modelscope.cn/organization/Wan-Al
🔗 API Service: bailian.console.alibabacloud.com
#Alibaba #Wan #هوش_مصنوعی #مدل_مولد #ویرایش_ویدیو
@asrgooyeshpardaz
🟢 R2V
– تولید ویدیو از روی یک نمونه مرجع (Reference-to-Video)
🟢 V2V
– ویرایش ویدیو با استفاده از یک ویدیوی دیگر (Video-to-Video)
🟢 MV2V
– ویرایش نواحی ماسک‌شده در یک ویدیو (Masked Video-to-Video)
💡 این قابلیت‌ها به‌صورت ترکیبی نیز قابل استفاده‌اند و امکان انجام پروژه‌های خلاقانه پیچیده را فراهم می‌کنند.
🔍 ویژگی‌های کلیدی:
❇️ عملکرد در سطح SOTA: مدل Wan2.1 در بسیاری از بنچمارک‌ها عملکردی بهتر از مدل‌های متن‌باز موجود و حتی برخی راهکارهای تجاری سطح بالا دارد.
❇️ سازگار با کارت گرافیک‌های معمولی: مدل T2V-1.3B تنها به 8.19 گیگابایت VRAM نیاز دارد و روی اکثر GPUهای خانگی قابل اجراست. مثلاً روی RTX 4090 می‌تواند یک ویدیوی ۵ ثانیه‌ای با رزولوشن 480P را در حدود ۴ دقیقه (بدون بهینه‌سازی) تولید کند.
❇️ چندوظیفگی: عملکرد خوب در وظایف تولید متن‌به‌ویدیو، تصویر‌به‌ویدیو، ویرایش ویدیو، متن‌به‌تصویر، و ویدیو‌به‌صدا، و پیشبرد مرزهای تولید ویدیو.
❇️ پشتیبانی از خروجی 1080P با طول دلخواه، همراه با حفظ ساختار زمانی در تولید ویدیو.
حجم مدل‌ها: 1.3 میلیارد و 14 میلیارد پارامتر
مجوز انتشار: Apache-2
🔗 GitHub:
github.com/Wan-Video/Wan2.1
🔗 HuggingFace:
huggingface.co/Wan-AI
🔗 ModelScope:
modelscope.cn/organization/Wan-Al
🔗 API Service: bailian.console.alibabacloud.com
#Alibaba #Wan #هوش_مصنوعی #مدل_مولد #ویرایش_ویدیو
@asrgooyeshpardaz
👍4👌1
🔍 مدل چندوجهی جدید علی‌بابا: Qwen-VLo
📢 تیم Qwen از علی‌بابا مدل جدیدی با نام Qwen-VLo را معرفی کرده است؛ مدلی یکپارچه برای درک و تولید چندوجهی که می‌تواند محتوای بصری را از طریق متن، طرح اولیه یا فرمان‌های کاربر به‌صورت مرحله‌به‌مرحله تولید، ویرایش و تکمیل کند.
✨ ویژگی‌های کلیدی Qwen-VLo:
✅ تولید بصری از ایده تا تکمیل: تبدیل مفاهیم انتزاعی یا طرح‌های ساده به تصاویر باکیفیت و آماده استفاده.
✅ ویرایش در لحظه: تغییر موقعیت اشیا، نورپردازی، رنگ و ترکیب‌بندی تنها با دستورات متنی، بدون نیاز به نرم‌افزارهای ویرایشی پیچیده.
✅ پشتیبانی چندزبانه: امکان تعامل کاربران از زبان‌ها و فرهنگ‌های مختلف با مدل، مناسب برای کاربردهای جهانی در تجارت الکترونیک، آموزش و نشر.
✅ ساخت صحنه به‌صورت تدریجی: ساخت تصاویر پیچیده به‌صورت مرحله‌به‌مرحله و امکان کنترل خلاقانه در هر مرحله.
🧩 معماری و آموزش:
مدل Qwen-VLo مبتنی بر معماری Transformer و تکنیک‌های بهبود یافته برای ترکیب توجه میان‌وجهی است. داده‌های آموزشی شامل جفت‌های تصویر-متن چندزبانه، طرح‌های دستی و عکس‌های واقعی محصول می‌باشد.
🎯 موارد استفاده پیشنهادی:
🎨 طراحی و بازاریابی | 🏫 آموزش تعاملی | 🛒 تجارت الکترونیک | 📱 تولید محتوای شبکه‌های اجتماعی
💡 چرا مهم است؟
مدل Qwen-VLo مرزهای مدل‌های چندوجهی را جلوتر برده و امکان گذار روان بین متن و تصویر را فراهم می‌کند. این مدل به دلیل تولید محتوای بومی‌سازی‌شده، کیفیت خروجی بالا و فرآیند تعاملی، ابزاری قدرتمند برای طراحان، تولیدکنندگان محتوا و تیم‌های بازاریابی خواهد بود.
🔗 برای اطلاعات بیشتر:
📌 مشاهده جزئیات فنی | تست آنلاین مدل
#هوش_مصنوعی #چندوجهی #QwenVLo #Alibaba #مدل_مولتی‌مودال
@asrgooyeshpardaz
📢 تیم Qwen از علی‌بابا مدل جدیدی با نام Qwen-VLo را معرفی کرده است؛ مدلی یکپارچه برای درک و تولید چندوجهی که می‌تواند محتوای بصری را از طریق متن، طرح اولیه یا فرمان‌های کاربر به‌صورت مرحله‌به‌مرحله تولید، ویرایش و تکمیل کند.
✨ ویژگی‌های کلیدی Qwen-VLo:
✅ تولید بصری از ایده تا تکمیل: تبدیل مفاهیم انتزاعی یا طرح‌های ساده به تصاویر باکیفیت و آماده استفاده.
✅ ویرایش در لحظه: تغییر موقعیت اشیا، نورپردازی، رنگ و ترکیب‌بندی تنها با دستورات متنی، بدون نیاز به نرم‌افزارهای ویرایشی پیچیده.
✅ پشتیبانی چندزبانه: امکان تعامل کاربران از زبان‌ها و فرهنگ‌های مختلف با مدل، مناسب برای کاربردهای جهانی در تجارت الکترونیک، آموزش و نشر.
✅ ساخت صحنه به‌صورت تدریجی: ساخت تصاویر پیچیده به‌صورت مرحله‌به‌مرحله و امکان کنترل خلاقانه در هر مرحله.
🧩 معماری و آموزش:
مدل Qwen-VLo مبتنی بر معماری Transformer و تکنیک‌های بهبود یافته برای ترکیب توجه میان‌وجهی است. داده‌های آموزشی شامل جفت‌های تصویر-متن چندزبانه، طرح‌های دستی و عکس‌های واقعی محصول می‌باشد.
🎯 موارد استفاده پیشنهادی:
🎨 طراحی و بازاریابی | 🏫 آموزش تعاملی | 🛒 تجارت الکترونیک | 📱 تولید محتوای شبکه‌های اجتماعی
💡 چرا مهم است؟
مدل Qwen-VLo مرزهای مدل‌های چندوجهی را جلوتر برده و امکان گذار روان بین متن و تصویر را فراهم می‌کند. این مدل به دلیل تولید محتوای بومی‌سازی‌شده، کیفیت خروجی بالا و فرآیند تعاملی، ابزاری قدرتمند برای طراحان، تولیدکنندگان محتوا و تیم‌های بازاریابی خواهد بود.
🔗 برای اطلاعات بیشتر:
📌 مشاهده جزئیات فنی | تست آنلاین مدل
#هوش_مصنوعی #چندوجهی #QwenVLo #Alibaba #مدل_مولتی‌مودال
@asrgooyeshpardaz
❤10🤔3
🔥 معرفی Qwen3-Coder: مدل کدنویسی فوق‌قدرتمند از Alibaba!
🚀 مدل Qwen3-Coder جدیدترین مدل متن‌باز کدنویسی از شرکت علی‌باباست؛ ترکیبی از قدرت، سرعت و مقیاس‌پذیری با معماری MoE (Mixture of Experts):
🔍 ویژگی‌های کلیدی:
✳️ مجموع پارامترها: ۴۸۰ میلیارد
✅ پارامترهای فعال: ۳۵ میلیارد
📏 کانتکست: ۲۵۶هزار توکن (قابل ارتقا تا ۱ میلیون!)
📊 عملکرد مدل:
💪 هم‌سطح با Claude 4 Sonnet
🚀 رقابت تنگاتنگ با GPT-4.1 در بسیاری از تسک‌ها
🏆 عملکرد بهتر از Kimi K2 و DeepSeek V3 در چندین بنچمارک معتبر
🧩 دسترسی:
📥 از طریق HuggingFace برای دانلود و اجرا
https://huggingface.co/Qwen/Qwen3-Coder-480B-A35B-Instruct
🌐 از طریق OpenRouter با صرف هزینه:
$1 برای هر میلیون توکن ورودی
$5 برای هر میلیون توکن خروجی
(تقریباً ۳ برابر ارزان‌تر از Claude Sonnet!)
💬 امتحانش کن!
چت آنلاین رایگان: chat.qwen.ai
سورس کد:
https://github.com/QwenLM/qwen-code
🔧 اگر دنبال مدل پیشرفته‌ای برای تولید و فهم کد هستی، Qwen3-Coder یکی از بهترین گزینه‌های حال حاضر جهانه.
#Qwen #کدنویسی #هوش_مصنوعی #مدل_زبانی
#Alibaba #LLM
📡 @asrgooyeshpardaz
🚀 مدل Qwen3-Coder جدیدترین مدل متن‌باز کدنویسی از شرکت علی‌باباست؛ ترکیبی از قدرت، سرعت و مقیاس‌پذیری با معماری MoE (Mixture of Experts):
🔍 ویژگی‌های کلیدی:
✳️ مجموع پارامترها: ۴۸۰ میلیارد
✅ پارامترهای فعال: ۳۵ میلیارد
📏 کانتکست: ۲۵۶هزار توکن (قابل ارتقا تا ۱ میلیون!)
📊 عملکرد مدل:
💪 هم‌سطح با Claude 4 Sonnet
🚀 رقابت تنگاتنگ با GPT-4.1 در بسیاری از تسک‌ها
🏆 عملکرد بهتر از Kimi K2 و DeepSeek V3 در چندین بنچمارک معتبر
🧩 دسترسی:
📥 از طریق HuggingFace برای دانلود و اجرا
https://huggingface.co/Qwen/Qwen3-Coder-480B-A35B-Instruct
🌐 از طریق OpenRouter با صرف هزینه:
$1 برای هر میلیون توکن ورودی
$5 برای هر میلیون توکن خروجی
(تقریباً ۳ برابر ارزان‌تر از Claude Sonnet!)
💬 امتحانش کن!
چت آنلاین رایگان: chat.qwen.ai
سورس کد:
https://github.com/QwenLM/qwen-code
🔧 اگر دنبال مدل پیشرفته‌ای برای تولید و فهم کد هستی، Qwen3-Coder یکی از بهترین گزینه‌های حال حاضر جهانه.
#Qwen #کدنویسی #هوش_مصنوعی #مدل_زبانی
#Alibaba #LLM
📡 @asrgooyeshpardaz
huggingface.co
Qwen/Qwen3-Coder-480B-A35B-Instruct · Hugging Face
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
❤5👏1
⚙️ مدل متن‌باز جدید چینی: «Tongyi DeepResearch» با ۳۰٫۵ میلیارد پارامتر
🎯 تیم Tongyi Lab از اولین عامل وب متن‌باز (Web Agent) رونمایی کرده است که در آزمون‌های کلیدی حتی از OpenAI DeepResearch عملکرد بهتری نشان می‌دهد:
📊 ۳۲٫۹ امتیاز در آزمون Humanity’s Last Exam (ارزیابی توانایی‌های آکادمیک)
🏆 ۷۵ امتیاز در xbench-DeepSearch (سناریوهای واقعی کاربران)
🔍 ۴۳٫۴ / ۴۶٫۷ در BrowseComp (جست‌وجوی پیچیده و چندمرحله‌ای اطلاعات)
🚀 درون‌مایه و ویژگی‌ها:
چرخهٔ آموزشی کامل: از پیش‌آموزش تا یادگیری تقویتی (RL) 🔄
تولید داده‌های مصنوعی باکیفیت، کاملاً بدون دخالت انسان 🤖
دو حالت عملکرد: ReAct (استاندارد) و Heavy (برای وظایف دشوار) ⚡️
💡 کاربردهای واقعی فعلی:
🗺 برنامه Gaode Mate: برنامه‌ریز هوشمند سفر
⚖️ برنامه Tongyi FaRui: دستیار حقوقی با بررسی خودکار منابع
📂 کد منبع و مدل‌ها در دسترس هستند:
🔗 GitHub
🔗 Hugging Face
#هوش_مصنوعی #Alibaba #DeepResearch
@asrgooyeshpardaz
🎯 تیم Tongyi Lab از اولین عامل وب متن‌باز (Web Agent) رونمایی کرده است که در آزمون‌های کلیدی حتی از OpenAI DeepResearch عملکرد بهتری نشان می‌دهد:
📊 ۳۲٫۹ امتیاز در آزمون Humanity’s Last Exam (ارزیابی توانایی‌های آکادمیک)
🏆 ۷۵ امتیاز در xbench-DeepSearch (سناریوهای واقعی کاربران)
🔍 ۴۳٫۴ / ۴۶٫۷ در BrowseComp (جست‌وجوی پیچیده و چندمرحله‌ای اطلاعات)
🚀 درون‌مایه و ویژگی‌ها:
چرخهٔ آموزشی کامل: از پیش‌آموزش تا یادگیری تقویتی (RL) 🔄
تولید داده‌های مصنوعی باکیفیت، کاملاً بدون دخالت انسان 🤖
دو حالت عملکرد: ReAct (استاندارد) و Heavy (برای وظایف دشوار) ⚡️
💡 کاربردهای واقعی فعلی:
🗺 برنامه Gaode Mate: برنامه‌ریز هوشمند سفر
⚖️ برنامه Tongyi FaRui: دستیار حقوقی با بررسی خودکار منابع
📂 کد منبع و مدل‌ها در دسترس هستند:
🔗 GitHub
🔗 Hugging Face
#هوش_مصنوعی #Alibaba #DeepResearch
@asrgooyeshpardaz
GitHub
GitHub - Alibaba-NLP/DeepResearch: Tongyi Deep Research, the Leading Open-source Deep Research Agent
Tongyi Deep Research, the Leading Open-source Deep Research Agent - Alibaba-NLP/DeepResearch
❤9👏3🤣2👍1
🤖💻 مدل AgentFold — نسل تازه‌ای از وب‌عامل‌ها با مدیریت هوشمند و بلندمدت زمینه (Context)
شرکت Alibaba از فناوری جدیدی با نام AgentFold رونمایی کرده است؛ رویکردی نو برای ساخت عامل‌های وب مبتنی بر هوش مصنوعی که قادرند وظایف چندمرحله‌ای و پیچیده را بدون ازدحام یا فراموشی زمینه انجام دهند.
🔍 فناوری:
🔹 عامل، تاریخچهٔ اقدامات خود را مانند انسان در ذهن «تا» می‌زند — فقط نکات مهم را نگه می‌دارد و جزئیات زائد را حذف می‌کند.
🔹 این سازوکار دو حالت دارد:
• 📦 فشرده‌سازی جزئی (Granular Compression): حفظ جزئیات کلیدی هر گام.
• 🗜 ادغام عمیق (Deep Folding): خلاصه‌سازی و انتزاع کل زیربخش‌ها به مفاهیم سطح بالاتر.
📊 نتایج آزمایش‌ها:
🔹 مدلی با تنها ۳۰ میلیارد پارامتر توانسته از مدل‌های غول‌پیکری مانند DeepSeek-V3.1 (671B) و OpenAI o4-mini پیشی بگیرد.
🔹 امتیازات: ۳۶٫۲٪ در BrowseComp و ۴۷٫۳٪ در BrowseComp-ZH.
🔹 در مسیرهای طولانی تا ۱۰۰ مرحله، تا ۹۲٪ صرفه‌جویی در تعداد توکن‌ها (حدود ۸۴ هزار توکن) نسبت به روش کلاسیک ReAct حاصل شد.
🚀 چشم‌انداز:
مدل AgentFold گامی بزرگ به سوی عامل‌هایی است که می‌توانند ده‌ها یا صدها گام منطقی را بدون از دست دادن انسجام و حافظه طی کنند — عاملی که نه‌فقط واکنش‌گرا، بلکه پیش‌فعال و استدلال‌محور است.
🔗 متن کامل در arXiv
#هوش_مصنوعی #عامل‌ها #Alibaba #پژوهش #AgenticAI
@asrgooyeshpardaz
شرکت Alibaba از فناوری جدیدی با نام AgentFold رونمایی کرده است؛ رویکردی نو برای ساخت عامل‌های وب مبتنی بر هوش مصنوعی که قادرند وظایف چندمرحله‌ای و پیچیده را بدون ازدحام یا فراموشی زمینه انجام دهند.
🔍 فناوری:
🔹 عامل، تاریخچهٔ اقدامات خود را مانند انسان در ذهن «تا» می‌زند — فقط نکات مهم را نگه می‌دارد و جزئیات زائد را حذف می‌کند.
🔹 این سازوکار دو حالت دارد:
• 📦 فشرده‌سازی جزئی (Granular Compression): حفظ جزئیات کلیدی هر گام.
• 🗜 ادغام عمیق (Deep Folding): خلاصه‌سازی و انتزاع کل زیربخش‌ها به مفاهیم سطح بالاتر.
📊 نتایج آزمایش‌ها:
🔹 مدلی با تنها ۳۰ میلیارد پارامتر توانسته از مدل‌های غول‌پیکری مانند DeepSeek-V3.1 (671B) و OpenAI o4-mini پیشی بگیرد.
🔹 امتیازات: ۳۶٫۲٪ در BrowseComp و ۴۷٫۳٪ در BrowseComp-ZH.
🔹 در مسیرهای طولانی تا ۱۰۰ مرحله، تا ۹۲٪ صرفه‌جویی در تعداد توکن‌ها (حدود ۸۴ هزار توکن) نسبت به روش کلاسیک ReAct حاصل شد.
🚀 چشم‌انداز:
مدل AgentFold گامی بزرگ به سوی عامل‌هایی است که می‌توانند ده‌ها یا صدها گام منطقی را بدون از دست دادن انسجام و حافظه طی کنند — عاملی که نه‌فقط واکنش‌گرا، بلکه پیش‌فعال و استدلال‌محور است.
🔗 متن کامل در arXiv
#هوش_مصنوعی #عامل‌ها #Alibaba #پژوهش #AgenticAI
@asrgooyeshpardaz
arXiv.org
AgentFold: Long-Horizon Web Agents with Proactive Context Management
LLM-based web agents show immense promise for information seeking, yet their effectiveness on long-horizon tasks is hindered by a fundamental trade-off in context management. Prevailing...
❤1👍1🔥1💯1
This media is not supported in your browser
VIEW IN TELEGRAM
🎨 مدل Qwen Image Layered؛ ویرایش لایه‌ای تصاویر به سبک فتوشاپ با هوش مصنوعی
تیم Alibaba مدل متن‌باز Qwen Image Layered را منتشر کرده است؛ مدلی که تصویر را به‌صورت ساختاریافته به چند لایه RGBA (بین ۳ تا ۱۰ لایه) تجزیه می‌کند و اشیای موجود در تصویر را به‌طور فیزیکی از هم جدا می‌سازد 🧩
🔍 قابلیت‌های کلیدی:
ویرایش مستقل هر لایه (مشابه فتوشاپ) ✏️
کنترل سطح جزئیات از طریق پرامپت متنی
دکامپوزیشن بازگشتی برای ویرایش عمیق‌تر 🔄
تغییر دقیق اندازه، رنگ و موقعیت اجزای تصویر
⚠️ نکته مهم:
این مدل برای تجزیه و کنترل‌پذیر کردن تصاویر موجود طراحی شده، نه تولید لایه‌ها از صفر صرفاً بر اساس متن.
🧠 جمع‌بندی:
مدل Qwen Image Layered یک گام مهم به سمت خلاقیت بصری کاملاً قابل‌کنترل و قابل‌ویرایش با AI است؛ جایی که تصویر دیگر یک خروجی تخت نیست، بلکه یک ساختار لایه‌ای قابل دست‌کاری محسوب می‌شود.
🔗 گیت‌هاب:
https://github.com/QwenLM/Qwen-Image-Layered
#AI #Qwen #Alibaba #ComputerVision #ImageEditing
@asrgooyeshpardaz
تیم Alibaba مدل متن‌باز Qwen Image Layered را منتشر کرده است؛ مدلی که تصویر را به‌صورت ساختاریافته به چند لایه RGBA (بین ۳ تا ۱۰ لایه) تجزیه می‌کند و اشیای موجود در تصویر را به‌طور فیزیکی از هم جدا می‌سازد 🧩
🔍 قابلیت‌های کلیدی:
ویرایش مستقل هر لایه (مشابه فتوشاپ) ✏️
کنترل سطح جزئیات از طریق پرامپت متنی
دکامپوزیشن بازگشتی برای ویرایش عمیق‌تر 🔄
تغییر دقیق اندازه، رنگ و موقعیت اجزای تصویر
⚠️ نکته مهم:
این مدل برای تجزیه و کنترل‌پذیر کردن تصاویر موجود طراحی شده، نه تولید لایه‌ها از صفر صرفاً بر اساس متن.
🧠 جمع‌بندی:
مدل Qwen Image Layered یک گام مهم به سمت خلاقیت بصری کاملاً قابل‌کنترل و قابل‌ویرایش با AI است؛ جایی که تصویر دیگر یک خروجی تخت نیست، بلکه یک ساختار لایه‌ای قابل دست‌کاری محسوب می‌شود.
🔗 گیت‌هاب:
https://github.com/QwenLM/Qwen-Image-Layered
#AI #Qwen #Alibaba #ComputerVision #ImageEditing
@asrgooyeshpardaz
👏8❤2
🩺 علی‌بابا هوش مصنوعی تشخیص سرطان را معرفی کرد
آکادمی دامو (Damo Academy)، واحد تحقیقاتی علی‌بابا، مدل هوش مصنوعی پزشکی Damo Radar را به‌صورت متن‌باز منتشر کرده است. این مدل اسکن‌های CT شکم را تحلیل می‌کند و نزدیک به ۱۵۰ بیماری، از جمله سرطان، را شناسایی می‌کند. 🧬
📰 نکات کلیدی:
🔬 این مدل بر پایه اسکن‌های CT همراه با گزارش‌های بالینی آموزش دیده است.
📊 در حدود ۴۰٬۰۰۰ معاینه واقعی، میانگین AUC برابر ۰.۹۱۳ بوده است (عدد ۱.۰ یعنی دقت کامل).
👨⚕️ در مقایسه با ۲۶ رادیولوژیست، دقت هوش مصنوعی از ۲۳ متخصص بالاتر بوده است.
⏱️ با پشتیبانی این مدل، پزشکان ۱۰٪ کمتر تشخیص‌ها را از دست دادند و ۳۰٪ زمان کمتری صرف کردند.
📖 این پژوهش در مجله Science منتشر شده است.
توسعه‌دهندگان Damo Radar را «نخستین مدل تخصصی و همه‌منظوره تصویربرداری پزشکی در جهان» می‌نامند. قرار است این روش آموزش به سایر انواع تصویربرداری نیز گسترش یابد. 🏥
🔗 SCMP
#AI #Science #Medical #Alibaba
🆔 @asrgooyeshpardaz
آکادمی دامو (Damo Academy)، واحد تحقیقاتی علی‌بابا، مدل هوش مصنوعی پزشکی Damo Radar را به‌صورت متن‌باز منتشر کرده است. این مدل اسکن‌های CT شکم را تحلیل می‌کند و نزدیک به ۱۵۰ بیماری، از جمله سرطان، را شناسایی می‌کند. 🧬
📰 نکات کلیدی:
🔬 این مدل بر پایه اسکن‌های CT همراه با گزارش‌های بالینی آموزش دیده است.
📊 در حدود ۴۰٬۰۰۰ معاینه واقعی، میانگین AUC برابر ۰.۹۱۳ بوده است (عدد ۱.۰ یعنی دقت کامل).
👨⚕️ در مقایسه با ۲۶ رادیولوژیست، دقت هوش مصنوعی از ۲۳ متخصص بالاتر بوده است.
⏱️ با پشتیبانی این مدل، پزشکان ۱۰٪ کمتر تشخیص‌ها را از دست دادند و ۳۰٪ زمان کمتری صرف کردند.
📖 این پژوهش در مجله Science منتشر شده است.
توسعه‌دهندگان Damo Radar را «نخستین مدل تخصصی و همه‌منظوره تصویربرداری پزشکی در جهان» می‌نامند. قرار است این روش آموزش به سایر انواع تصویربرداری نیز گسترش یابد. 🏥
🔗 SCMP
#AI #Science #Medical #Alibaba
🆔 @asrgooyeshpardaz
South China Morning Post
Alibaba open-sources AI model that can detect cancer and nearly 150 conditions
Tested on nearly 40,000 real-world exams, the model outperformed most radiologists, according to a new study published in Science.
🔥3❤1
🚀 مدل‌های Qwen 4 رسماً در کنفرانس Apsara معرفی شدند
کمپانی علی‌بابا در کنفرانس سالانه Apsara (رویداد ابری علی‌بابا) از خانواده مدل‌های Qwen 4 رونمایی کرد. این مدل‌ها با معماری نسل جدید در حال آموزش هستند و به‌زودی در دسترس قرار می‌گیرند.
🔹 چهار مدل در این خانواده:
🔸 مدل Qwen-4-Max: مدل پرچم‌دار و قدرتمندترین نسخه
🔸 مدل Qwen-4-Flash: نسخه پرسرعت برای کارهای حساس به تأخیر
🔸 مدل Qwen-4-Plus: نسخه متعادل با پشتیبانی گسترده از چندوجهی
🔸 مدل Qwen-4-27B: نسخه متن‌باز برای اجرای محلی ⚡️
🧠 پیشرفت در RSI (خودبهسازی بازگشتی)
تیم Qwen پیشرفت چشمگیری در زمینه RSI داشته است. این فناوری اکنون در سه حوزه به کار گرفته می‌شود: آموزش مدل، استنتاج، و هم‌طراحی تراشه و مدل.
نمونه‌ای از قدرت RSI: مدل Qwen3.8-Max بدون هیچ دخالت انسانی، بیش از یک ماه به‌طور مداوم خودش را بهبود داد و ۳۳ چرخه تکرار مؤثر را کامل کرد. در یک آزمایش طراحی تراشه، این مدل بیش از ۶۰ ساعت خودبهسازی انجام داد و بیش از ۱۰٬۰۰۰ بار ابزارهای طراحی الکترونیکی را فراخوانی کرد. نتیجه: کاهش ۴۲٪ در مساحت تراشه، بدون هیچ افت عملکردی.
📈 برنامه آینده: مدل‌های ۵ تا ۱۰ تریلیون پارامتری
علی‌بابا اعلام کرده که نسل‌های بعدی یعنی Qwen 4.5 و Qwen 5 قرار است به مقیاس ۵ تا ۱۰ تریلیون پارامتر برسند. برای مقایسه، مدل پرچم‌دار فعلی این شرکت یعنی Qwen3.8-Max حدود ۲.۴ تریلیون پارامتر دارد. این یعنی مدل‌های آینده حدود ۲ تا ۴ برابر بزرگ‌تر خواهند بود.
🎬 مدل ویدیویی نسل جدید در راه است
علی‌بابا اعلام کرد که مدل ویدیویی نسل بعدی نیز در نوامبر منتشر خواهد شد. این مدل در چهار جهت اصلی پیشرفت می‌کند:
🔸 طولانی‌تر: تولید ویدیوهای طولانی‌تر با حفظ انسجام
🔸 قابل کنترل‌تر: کنترل دقیق شخصیت‌ها، صحنه‌ها و دوربین
🔸 کامل‌تر: درک کامل روایت به‌جای تولید صرفاً یک نما
🔸 هوشمندتر: تفکر خلاقانه در سطح کارگردان
📊 آمار اکوسیستم متن‌باز Qwen
🔸 بیش از ۴۶۰ مدل متن‌باز منتشر شده
🔸 بیش از ۳ میلیارد بار دانلود
🔸 بیش از ۳۰۰٬۰۰۰ مدل مشتق‌شده
🔸 مدل Qwen3.8-27B به محبوب‌ترین مدل متن‌باز تاریخ در پلتفرم Hugging Face تبدیل شده است.
🔗 منبع
#AI #Qwen #Alibaba #Apsara #RSI
🆔 @asrgooyeshpardaz
کمپانی علی‌بابا در کنفرانس سالانه Apsara (رویداد ابری علی‌بابا) از خانواده مدل‌های Qwen 4 رونمایی کرد. این مدل‌ها با معماری نسل جدید در حال آموزش هستند و به‌زودی در دسترس قرار می‌گیرند.
🔹 چهار مدل در این خانواده:
🔸 مدل Qwen-4-Max: مدل پرچم‌دار و قدرتمندترین نسخه
🔸 مدل Qwen-4-Flash: نسخه پرسرعت برای کارهای حساس به تأخیر
🔸 مدل Qwen-4-Plus: نسخه متعادل با پشتیبانی گسترده از چندوجهی
🔸 مدل Qwen-4-27B: نسخه متن‌باز برای اجرای محلی ⚡️
🧠 پیشرفت در RSI (خودبهسازی بازگشتی)
تیم Qwen پیشرفت چشمگیری در زمینه RSI داشته است. این فناوری اکنون در سه حوزه به کار گرفته می‌شود: آموزش مدل، استنتاج، و هم‌طراحی تراشه و مدل.
نمونه‌ای از قدرت RSI: مدل Qwen3.8-Max بدون هیچ دخالت انسانی، بیش از یک ماه به‌طور مداوم خودش را بهبود داد و ۳۳ چرخه تکرار مؤثر را کامل کرد. در یک آزمایش طراحی تراشه، این مدل بیش از ۶۰ ساعت خودبهسازی انجام داد و بیش از ۱۰٬۰۰۰ بار ابزارهای طراحی الکترونیکی را فراخوانی کرد. نتیجه: کاهش ۴۲٪ در مساحت تراشه، بدون هیچ افت عملکردی.
📈 برنامه آینده: مدل‌های ۵ تا ۱۰ تریلیون پارامتری
علی‌بابا اعلام کرده که نسل‌های بعدی یعنی Qwen 4.5 و Qwen 5 قرار است به مقیاس ۵ تا ۱۰ تریلیون پارامتر برسند. برای مقایسه، مدل پرچم‌دار فعلی این شرکت یعنی Qwen3.8-Max حدود ۲.۴ تریلیون پارامتر دارد. این یعنی مدل‌های آینده حدود ۲ تا ۴ برابر بزرگ‌تر خواهند بود.
🎬 مدل ویدیویی نسل جدید در راه است
علی‌بابا اعلام کرد که مدل ویدیویی نسل بعدی نیز در نوامبر منتشر خواهد شد. این مدل در چهار جهت اصلی پیشرفت می‌کند:
🔸 طولانی‌تر: تولید ویدیوهای طولانی‌تر با حفظ انسجام
🔸 قابل کنترل‌تر: کنترل دقیق شخصیت‌ها، صحنه‌ها و دوربین
🔸 کامل‌تر: درک کامل روایت به‌جای تولید صرفاً یک نما
🔸 هوشمندتر: تفکر خلاقانه در سطح کارگردان
📊 آمار اکوسیستم متن‌باز Qwen
🔸 بیش از ۴۶۰ مدل متن‌باز منتشر شده
🔸 بیش از ۳ میلیارد بار دانلود
🔸 بیش از ۳۰۰٬۰۰۰ مدل مشتق‌شده
🔸 مدل Qwen3.8-27B به محبوب‌ترین مدل متن‌باز تاریخ در پلتفرم Hugging Face تبدیل شده است.
🔗 منبع
#AI #Qwen #Alibaba #Apsara #RSI
🆔 @asrgooyeshpardaz
X (formerly Twitter)
AiBattle (@AiBattle_) on X
Qwen 4 models have been officaly announced at the Apsara Conference.
- Qwen-4-Max
- Qwen-4-Flash & Qwen-4-Plus
- Qwen-4-27B
Qwen is also planning to scale their models to 5 - 10T parameter…
- Qwen-4-Max
- Qwen-4-Flash & Qwen-4-Plus
- Qwen-4-27B
Qwen is also planning to scale their models to 5 - 10T parameter…
❤2🔥1💯1