بلاک، شرکت جک دورسی، یه اپ چت متنباز منتشر کرده که ایجنتهای هوش مصنوعی توش دقیقاً همردهٔ آدمها حساب میشن؛ فقط یه هفته بعد از انتشار حدود ۲۷ هزار ستاره گرفت.
سیسکو یه مدل متنباز ۱ میلیارد پارامتری داده که مثل تحلیلگر امنیتی تو ترمینال میگرده و محل دقیق یه آسیبپذیری رو تو کدبیس پیدا میکنه، اونم با کمتر از ۵ گیگ VRAM.
کمبود برق و ظرفیت دیتاسنتر، آمازون رو مجبور کرده سرویسهای خردهفروشیش رو از هابهای بزرگی مثل دوبلین و ویرجینیای شمالی بیرون ببره و بین ریجنهای کوچیکتر پخش کنه.
یه تیم مستقل به اسم Empero رفتار استدلالی مدل بزرگ Qwen 3.8 رو توی یه مدل ۹ میلیاردی فشرده کرده؛ نتیجهش روی یه کارت گرافیک جا میشه و توی تست کدنویسی هم جواب داده.
کرسر از امروز بتای اولیهٔ Origin رو روی همهٔ پلنهای پولی باز کرده: ریپو، pull request و مرور کد، بهعلاوهٔ سینک دوطرفه با گیتهاب.
وقتی دستیار هوش مصنوعی از حرف زدن به عمل کردن میرسه، ریسک از مدل منتقل میشه به ابزارهاش. راهحل پیشنهادی یه معمار سازمانی: حلقهٔ شفاف و قرارداد سفتوسخت برای هر ابزار.
بلاگ ByteByteGo معماری خودران Waymo و Tesla رو مرحلهبهمرحله کنار هم گذاشته: یکی فاصله رو مستقیم اندازه میگیره و نقشهٔ از پیش آماده داره، اون یکی همهچیزو وسط رانندگی از تصویر درمیآره.
آیبیام مدلهای OpenAI رو میبره سراغ مشتریهای سازمانی؛ کمتر از یک سال بعد از اینکه همین کار رو با Anthropic کرده بود.
علیپی تو اولین کنفرانس اکوسیستم AI خودش تو هانگژو، زیرساخت full-stack تجارت ایجنتی و پروتکل AHA رو معرفی کرد تا ایجنتها بین موبایل و خودرو و عینک هوشمند کار همدیگه رو ادامه بدن.
کلادفلر یه runtime متنباز معرفی کرده که بهجای کانتینر موقت، به هر ایجنت یه محیط ماندگار با فایلسیستم مشترک میده و فقط وقتی لازمه سراغ کانتینر میره.
اندرو ماربل پنج ایجنت کدنویسی رو گذاشت سر یه کار واقعی: ساختن اینترفیس برچسبزنی داده تو یه سشن تعاملی. معیارش تعداد نوبت کاربر، مصرف توکن و سلیقه بود، نه امتیاز بنچمارک.
چیزی که تا امروز جلوی یه حملهٔ جدی با هوش مصنوعی رو گرفته، نبودِ نیت مخرب بوده نه کمتوانی مدلها؛ و همون سپر داره کمکم آب میره.
یه توسعهدهنده با Lovable یه شبیهسازی بقا ساخت و با MCP بازش کرد، تا مدلهای زبانی بهجای حرف زدن دربارهٔ بازی، واقعاً توش تصمیم بگیرن.
ترنس تائو، ریاضیدان سرشناس، توی یه چت با ChatGPT نشون داد دقیقپرسیدن چه فرقی میکنه؛ نویسنده همون الگو رو به کار روزمرهٔ یه برنامهنویس آورده.
یه ریپو که از روی یه سند نیازمندی خودش پلن میریزه، کد میزنه، تست میکنه و PR باز میکنه، بدون اینکه آدمی کد رو ببینه. سطح پنجم خودمختاری دقیقاً یعنی همین.
Shrivu Shankar هر سال گزارش میده که چطور از AI استفاده میکنه. امسال میگه پرامپتهای تیکهتیکه رو کنار گذاشته: یه سند نقشه مینویسه، دکمه رو میزنه و ۴ تا ۴۸ ساعت بعد برمیگرده.
دادهها موج اخراج نشون نمیدن؛ چیزی که واقعاً دیده میشه کند شدن استخدام جوونهای ۲۲ تا ۲۵ ساله تو شغلهای در معرض هوش مصنوعیه، حدود ۱۹ درصد پایینتر از روند.
یه تیم جامعهمحور رفتار امتناع رو از دل وزنهای مدل ۲۷ میلیاردی Qwen بیرون کشیده و برخلاف عرف رایج میگه واگرایی بالاتر نشونهٔ موفقیت کاره، نه خرابی مدل.
شرکتهای نرمافزاری بین ۱۲ تا ۲۳ درصد درآمدشون رو خرج هوش مصنوعی میکنن، ولی بیشترشون بابتش هیچی نمیگیرن. نویسنده یه مسیر چهارمرحلهای برای درست پول درآوردن از AI میذاره جلوت.
شرکت Linear دادهٔ شش سال کار تیمهای محصول رو منتشر کرده: پولریکوئستها دو برابر شده، ولی هیچکدوم از کارهای قبلی کم نشده و در عوض یه لایهٔ کار تازه اضافه شده.