هوش مصنوعی Gemini 4 Argon گوگل معرفی شد؛ آغازگر عصر جدید هوش پیشرفته

گوگل از مدل هوش مصنوعی Gemini 4 Argon رونمایی کرد تا عصر جدیدی از هوش پیشرفته را آغاز کند. این مدل جدید با تمرکز بر استدلال عمیق در وظایف پیچیده و طولانی‌مدت طراحی شده است.

ظرفیت خروجی مدل Gemini 4 Argon از ۶۴ هزار توکن به یک میلیون توکن افزایش یافته است. گوگل از قابلیت‌های گسترده‌ای در حوزه‌های برنامه‌نویسی، دانش، دفاع سایبری و نویسندگی در این نسخه دارد. استفاده از عامل‌های هوشمند Argon در پروژه libgav1 توانست سرعت رمزگشایی ویدئو را ۲٫۷ برابر نسبت به نسخه قبلی افزایش دهد. این پیشرفت در کنار پردازش چندوجهی، مدل جدید را برای کاربردهای بسیار پیچیده آماده می‌کند.

📲🤖https://t.me/Artificialintelligenc4 🤖📲
🧑‍💻بفرست برای دوستت👨‍💻

🟠سری هواوی میت ۹۰ با تراشه‌های قدرتمند بومی و دیافراگم متغیر معرفی شد

🔹هواوی از خانواده پرچمدار میت ۹۰ در پنج مدل استاندارد، پرو، پرو مکس، کالکتور ادیشن و آر‌اس آلتیمیت دیزاین رونمایی کرد. این سری به سه پردازنده بومی کایرین مجهز شده که در قدرتمندترین نسخه با معماری سه‌بعدی، بیش از ۴۰ درصد ارتقای عملکرد پردازشی را برای اجرای هوش مصنوعی فراهم می‌کند.

🔹مشخصات میت ۹۰ پرو مکس به شرح زیر است:

🔵نمایشگر: ۶.۹ اینچی دولایه OLED
🔵پردازنده: Kirin 9050 Pro
🔵دوربین‌ها: ۲۰۰ + ۵۰ + ۴۰ مگاپیکسل
🔵دوربین سلفی: ۱۳ مگاپیکسل
🔵سیستم‌عامل: HarmonyOS 7
🔵باتری: ۶,۸۰۰ میلی‌آمپرساعت
🔺قیمت پایه: حدود ۱,۴۱۷ دلار

📲🤖https://t.me/Artificialintelligenc4 🤖📲
🧑‍💻بفرست برای دوستت👨‍💻

عکس اتاقتون رو به ai بدید و منتظر باشید تا با شناختی که ازتون داره اتاقتون رو دیزاین کنه.

Use the uploaded photo of my room as the base image and redesign/fill the room based on what you already know about me from our previous conversations.

Your goal is to make the room feel like a realistic physical reflection of my personality, interests, habits, hobbies, taste, lifestyle, and the things I care about.

Before making any changes, silently consider what you already know about me, such as my interests, favorite activities, aesthetic preferences, technology or gaming interests, creative work, entertainment tastes, routines, and other relevant preferences. Use only information you genuinely know from our conversations; do not invent personal facts just to fill the space.

Preserve the original room itself as much as possible:

Keep the same architecture, walls, windows, doors, floor, ceiling, room dimensions, camera angle, perspective, and overall layout.

Do not turn it into a completely different room or location.

Keep existing furniture when it makes sense, but you may reorganize it slightly if needed.

Add, replace, or decorate objects only where they could realistically exist in the photographed space.


Fill and personalize the room with items that make sense specifically for me. These may include furniture, decorations, technology, desk accessories, lighting, posters, books, collectibles, gaming equipment, creative tools, personal objects, or other details that naturally match what you know about me.

Do not add random generic decorations. Every noticeable object should either serve a practical purpose, reflect something you know about me, or improve the overall coherence of the room.

Make the result feel lived-in and believable rather than like a furniture showroom. Include subtle everyday details such as naturally placed cables, objects on the desk, small personal items, realistic storage, and signs that someone actually uses the room, while keeping it visually organized.

Match the lighting, shadows, reflections, scale, material textures, and perspective of all new objects to the original photograph so everything looks physically present in the real room.

Do not add people.

The final image should look like the same real room after it has been thoughtfully personalized for me—not a generic “dream room.”

Prioritize:

1. Personal relevance


2. Realism


3. Preservation of the original room


4. Functional and believable object placement


5. Visual coherence



Output only the final transformed room image.

🩵 Make your photo

دیپ‌سیک ۴٫۱ فلش رونمایی شد؛ عامل هوشمند کدنویسی با امکان تجربه رایگان ازطریق Freebuff

دیپ‌سیک مدل V4.1-Flash را با معماری MoE و ۵۵۲ میلیارد پارامتر معرفی کرد؛ مدلی که برای اجرای سریع‌تر و ارزان‌تر وظایف عامل‌محور طراحی شده و از درک بومی تصویر پشتیبانی می‌کند.

معماری جدید Causal Encoder-Decoder در زمان پردازش ورودی فقط ۸ میلیارد پارامتر و هنگام تولید خروجی ۱۶ میلیارد پارامتر را فعال می‌کند. مدل جدید نسبت به نسل قبل تنها به یک‌چهارم HBM و یک‌هشتم فضای SSD برای KV Cache نیاز دارد.

هزینه‌ی هر یک میلیون توکن ورودی در ساعات کم‌مصرف از ۰٫۱۵ دلار و در ساعات اوج از ۰٫۳۰ دلار آغاز می‌شود. دسترسی به مدل از طریق Freebuff در یک سطح مشخص رایگان است و نسخه‌ی API با نام deepseek-flash و مجوز MIT در هاگینگ فیس منتشر شده است.


🆔 📲🤖https://t.me/Artificialintelligenc4 🤖📲
🧑‍💻بفرست برای دوستت👨‍💻