📌 موفقیت در کار با Claude Code بیش از مهارت کدنویسی، به درک مسئله بستگی دارد
شرکت Anthropic گزارشی منتشر کرده است که نشان می‌دهد مهم‌ترین عامل موفقیت در کار با عامل‌های هوش مصنوعی برنامه‌نویسی، تسلط بر کدنویسی نیست، بلکه درک عمیق از خود مسئله است.
این نتیجه بر اساس تحلیل حدود ۴۰۰ هزار جلسه از سرویس Claude Code، که توسط حدود ۲۳۵ هزار کاربر از اکتبر ۲۰۲۵ تا آوریل ۲۰۲۶ انجام شده، به دست آمده است.
در یک جلسه معمولی، انسان حدود ۷۰٪ تصمیمات مربوط به «چه کاری باید انجام شود» را می‌گیرد، در حالی که عامل حدود ۸۰٪ تصمیمات مربوط به «چگونه انجام شود» را بر عهده می‌گیرد. به عبارت دیگر، نقش انسان تعیین هدف است و نقش دستیار انتخاب روش.
هر چه کاربر در حوزه مورد نظر تخصص بیشتری داشته باشد، عامل با یک دستور ساده، کار بیشتری انجام می‌دهد. به گفته تیم تحلیل، یک دستور از کاربران مبتدی به طور میانگین حدود ۵ اقدام و ۶۰۰ کلمه پاسخ از سوی عامل را به دنبال دارد، در حالی که این عدد برای کاربران خبره به ۲ برابر اقدام و ۵ برابر متن می‌رسد.
سطح مهارت کاربران نه بر اساس سمت شغلی، بلکه بر اساس دقت در فرمول‌بندی نیازمندی‌ها و تشخیص خطاهای عامل تعیین شده است.
🟡 نکته جالب درباره مشاغل مختلف:
افراد غیربرنامه‌نویس (مانند تحلیلگران، مدیران محصول و پژوهشگران) در نوشتن کد با Claude Code تقریباً به اندازه برنامه‌نویسان حرفه‌ای موفق عمل می‌کنند و همه گروه‌های شغلی اصلی در ۷ درصد اختلاف با مهندسان نرم‌افزار قرار دارند.
با این حال، شکاف بین مبتدیان و کاربران با تجربه قابل توجه است. بر اساس معیار «موفقیت تأییدشده»، جلسات مبتدیان در ۱۵٪ موارد با موفقیت به پایان رسیده، در حالی که این نرخ برای کاربران سطح متوسط و بالاتر بین ۲۸ تا ۳۳٪ بوده است.
🟡 تغییر الگوی کاری در ۷ ماه:
- سهم جلسات مربوط به رفع اشکال از ۳۳٪ به ۱۹٪ کاهش یافته است.
- سهم وظایف مرتبط با راه‌اندازی و تنظیم نرم‌افزار، تحلیل داده و تهیه متون افزایش یافته است.
- هزینه برآوردی هر وظیفه (بر اساس مقایسه با نرخ‌های بازار آزاد) به طور متوسط حدود ۲۵٪ افزایش پیدا کرده است.
🔜 جزئیات بیشتر درباره روش‌شناسی، پروفایل‌های کاربری و نمونه درخواست‌ها در پیوست گزارش موجود است.
🔗 منبع: Anthropic
#AI #ML #Coding #Research #Anthropic
🆔 @asrgooyeshpardaz
شرکت Anthropic گزارشی منتشر کرده است که نشان می‌دهد مهم‌ترین عامل موفقیت در کار با عامل‌های هوش مصنوعی برنامه‌نویسی، تسلط بر کدنویسی نیست، بلکه درک عمیق از خود مسئله است.
این نتیجه بر اساس تحلیل حدود ۴۰۰ هزار جلسه از سرویس Claude Code، که توسط حدود ۲۳۵ هزار کاربر از اکتبر ۲۰۲۵ تا آوریل ۲۰۲۶ انجام شده، به دست آمده است.
در یک جلسه معمولی، انسان حدود ۷۰٪ تصمیمات مربوط به «چه کاری باید انجام شود» را می‌گیرد، در حالی که عامل حدود ۸۰٪ تصمیمات مربوط به «چگونه انجام شود» را بر عهده می‌گیرد. به عبارت دیگر، نقش انسان تعیین هدف است و نقش دستیار انتخاب روش.
هر چه کاربر در حوزه مورد نظر تخصص بیشتری داشته باشد، عامل با یک دستور ساده، کار بیشتری انجام می‌دهد. به گفته تیم تحلیل، یک دستور از کاربران مبتدی به طور میانگین حدود ۵ اقدام و ۶۰۰ کلمه پاسخ از سوی عامل را به دنبال دارد، در حالی که این عدد برای کاربران خبره به ۲ برابر اقدام و ۵ برابر متن می‌رسد.
سطح مهارت کاربران نه بر اساس سمت شغلی، بلکه بر اساس دقت در فرمول‌بندی نیازمندی‌ها و تشخیص خطاهای عامل تعیین شده است.
🟡 نکته جالب درباره مشاغل مختلف:
افراد غیربرنامه‌نویس (مانند تحلیلگران، مدیران محصول و پژوهشگران) در نوشتن کد با Claude Code تقریباً به اندازه برنامه‌نویسان حرفه‌ای موفق عمل می‌کنند و همه گروه‌های شغلی اصلی در ۷ درصد اختلاف با مهندسان نرم‌افزار قرار دارند.
با این حال، شکاف بین مبتدیان و کاربران با تجربه قابل توجه است. بر اساس معیار «موفقیت تأییدشده»، جلسات مبتدیان در ۱۵٪ موارد با موفقیت به پایان رسیده، در حالی که این نرخ برای کاربران سطح متوسط و بالاتر بین ۲۸ تا ۳۳٪ بوده است.
🟡 تغییر الگوی کاری در ۷ ماه:
- سهم جلسات مربوط به رفع اشکال از ۳۳٪ به ۱۹٪ کاهش یافته است.
- سهم وظایف مرتبط با راه‌اندازی و تنظیم نرم‌افزار، تحلیل داده و تهیه متون افزایش یافته است.
- هزینه برآوردی هر وظیفه (بر اساس مقایسه با نرخ‌های بازار آزاد) به طور متوسط حدود ۲۵٪ افزایش پیدا کرده است.
🔜 جزئیات بیشتر درباره روش‌شناسی، پروفایل‌های کاربری و نمونه درخواست‌ها در پیوست گزارش موجود است.
🔗 منبع: Anthropic
#AI #ML #Coding #Research #Anthropic
🆔 @asrgooyeshpardaz
Anthropic
Agentic coding and persistent returns to expertise
New Anthropic research looking at interactive agentic coding. We evaluate the composition of tasks, human-AI collaboration, and success rates.
👍2
📌 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
📌 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