طبق دادههای پرداخت Ramp، رشد مشتریهای جدید AI تقریباً ایستاده و هزینهٔ توکن دو ماهه که رشد نکرده. دلیلش؟ ارزونتر شدن مدلها.
نسخهٔ Full مدل Muse Wonder متا تو شش پروژهٔ کدنویسی کامل با نسخهٔ معمولی مقایسه شد. تو بازی و ابزارهای چندسیستمی بهتر بود ولی تو ذخیرهسازی و مدیریت حافظه هنوز باگ داره.
نسخهٔ یک میلیاردی MiniCPM-V 4.7 با یه دستور تو Ollama یا llama.cpp بالا میاد و حدود ۵ گیگ VRAM میخواد. اینجا راه نصب و نقاط قوت و ضعفش اومده.
سازندهٔ یه فیدخوان شخصیسازیپذیر بعد از معروف شدن تو HN فهمید کندی سایتش بیشتر کار رباتها و crawlerهای هوش مصنوعی بوده تا کاربرای واقعی.
هر نوبت یه ایجنت هوش مصنوعی کل گفتگو رو از اول میخونه، مگه اینکه KV cache داشته باشه. تستها نشون میدن این تفاوت گاهی تا هفت برابر سرعته.
یه مدل بینایی یک میلیارد پارامتری که با حدود ۵ گیگ VRAM اجرا میشه. تو تست عملی، ریاضی و کدنویسی از روی عکس رو خوب درآورد ولی تو دستخط و ترجمه کم آورد.
مدل Full متا فعلاً فقط با اشتراک ماهانه در دسترسه و هر عددی که برای هزینهی توکنش میبینی، تخمینی از روی قیمت نسخهی معمولیه.
حالا بعد از هر جلسه تو Meet میشه با یه لمس ایمیل پیگیری رو پیشنویس کرد یا کارهای مونده رو فرستاد تو Google Tasks، اونم با کمک Gemini.
مدل جدید Liquid AI با ۲۴ میلیارد پارامتر، هر بار فقط حدود ۲.۵ میلیاردشو به کار میگیره و برای کارهای ایجنتی روی لپتاپ یا یه GPU اجرا میشه.
مدل منتشرنشدهی OpenAI بیش از ۷۰۰ مقالهی ریاضی دربارهی مسائل حلنشده نوشته، ولی این مقاله میگه این یعنی هوش قوی تو یه حوزه، نه ابرهوش عمومی.
ویدیوی برندهٔ Small World In Motion با هوش مصنوعی ساخته شده بود و حالا بعد از اعتراض دانشمندها، نیکون جایزه رو پس گرفته.
یه آژانس با درآمد حدود یک میلیون دلار در سال، بیشتر کارهای غیرمشتریمحورش رو با Claude Code خودکار کرد. راز کار؟ ثبت دقیق کارها و تست مکرر قبل از اعتماد.
مدل جدید Liquid AI با پارامترهای فعال خیلی کمتر، تو بنچمارک ابزار و ایجنت از Qwen3.6-35B-A3B جلو زده. رازش آموزش داخل ایجنتهای واقعیه، نه بزرگتر کردن مدل.
بیشترِ این نتایج کارهای کوچیکی بودن، ولی یکیشون به حدس شبهریمان مربوطه و ریاضیدانها دارن جدی بررسیش میکنن.
گوگل از نسخهٔ 3.5 Pro رد شد و مستقیم Argon رو داد؛ مدلی برای کارهای طولانی که میتونه تا یک میلیون توکن خروجی بسازه و تو کدنویسی هم حرف برای گفتن داره.
یه نسخهی فشرده از Qwen3.8-27B که حجمش از ۵۴ به حدود ۸ گیگ رسیده، ولی تو صدا زدن ابزارها از خود مدل اصلی بهتر جواب میده.
تسترهای مستقل Argon رو با بازیسازی، شبیهسازی فیزیک و بنچمارکها امتحان کردن. نتیجه یه مدل بلندپرواز بود که ظاهر کارش همیشه پای رقیبها نمیرسه.
اپی که با AI Studio ساختی رو میتونی بدون APK و کنسول توسعهدهنده بفرستی تو Play Store و با چند نفر از دوستات به اشتراک بذاری.
متا بعد از جنجال بنچمارک Llama 4، با سرمایهگذاری سنگین و یه تیم کوچیک، به Muse Wonder Full رسید که تو شاخص Artificial Analysis درست پشت Claude Opus 5.5 قرار گرفته.
تیم Relace تجربهٔ یه سال ساخت مدلهای Fast Apply رو منتشر کرده؛ از جمعکردن دیتاست واقعی تا LoRA و speculative decoding.