یه سرویس کنار-دستی که هر گفتگو رو میبلعه، موجودیتها و رابطههاشونو در میاره و یه گراف دانش محلی میسازه تا مدل زبانیات بین جلسهها حافظه داشته باشه.
محققای Trail of Bits چند تا از اسکنرهای تشخیص اسکیل مخرب رو تست کردن و تو کمتر از یه ساعت دورشون زدن؛ نتیجه اینه که نمیشه به این ابزارها برای امنیت تکیه کرد.
پروژهٔ Glasswing انتروپیک به ۱۵۰ شرکت دیگه گسترش پیدا کرد، اما کارشناسا میگن مشکل اصلی پیدا کردن آسیبپذیری نیست؛ وصله کردنشه.
Anthropic آزمایش کرده که Claude چطور یه طیف NMR رو میخونه و ساختار مولکول رو حدس میزنه، و نتیجهش با نرمافزارهای تخصصی شیمی برابری میکنه.
مدل جدید آنتروپیک توی بنچمارک بازیمحور ARC Prize امتیازی سه برابر GPT-5.5 گرفته — هرچند کل صنعت هنوز به ۱.۵ درصد بهرهوری انسان رسیده.
این هفته در پادکست How I AI دو اپیزود جذاب منتشر شد: یکی دربارهی روشهای واقعی استفاده از Claude توسط مهندس اصلی Claude Cowork، و دیگری مرور اولروزهی Google I/O 2026.
این ابزار هر درخواست رو بسته به پیچیدگیش به مدل مناسب میفرسته و ادعا میکنه تا ۷۰٪ از هزینهٔ هوش مصنوعی رو کم میکنه.
خیلی از پروژههای هوش مصنوعی سازمانی به سود واقعی نمیرسن؛ نویسنده میگه گلوگاه نه نرمافزار، بلکه زیرساخت تکهتکهشدهست.
یه محقق امنیتی یه اپ کتابخونی آسیبپذیر ساخت و چند مدل هوش مصنوعی رو به جونش انداخت تا ببینه کدوم میتونه باگ مخفی Firebase رو پیدا کنه.
آنتروپیک میگه Fable 5 قویترین مدلیه که تا حالا برای عموم منتشر کرده؛ روی موضوعات حساس مثل امنیت سایبری جواب رو به Opus 4.8 پاس میده.
چین اولین دیتاسنتر زیرآبیِ جهان رو راه انداخت که با باد دریایی کار میکنه و چون زیر آبه، برای خنکسازی هم به برق و آب خیلی کمتری نیاز داره.
خیلی از پروژههای AI موقع رفتن از پایلوت به محیط واقعی گیر میکنن؛ نه بهخاطر مدلها، بلکه بهخاطر زیرساخت و دادهای که آماده نیست.
بعد از اینکه OpenAI حدس اردوش را حل کرد، Anthropic ادعا میکنه مدل جدیدش Mythos همون مسئله رو با روشی سادهتر و متفاوت حل کرده.
حالا که GitHub Copilot رفته سراغ صورتحساب مصرفی، نویسنده نشون میده چطور میشه با مدلهای زبانی محلی و رایگان همون کار رو روی لپتاپ خودت انجام بدی.
یه طراح ارشد Slack میگه مهمترین کاری که AI براش کرده نوشتن کد محصول نیست؛ اینه که میتونه قبل از ساختن هر چیزی، شواهد واقعی تولید کنه.
بوآز باراک توی یادداشتی به فارغالتحصیلهای ۲۰۲۶ هاروارد میگه هوش مصنوعی رو کامل یاد بگیرین و حسابی استفاده کنین، ولی بهعنوان شهروند منتقدش بمونین.
چرا بهترین تیمهای محصول، گاو شیرده خودشون رو قبل از رقبا میکشن؟ داستان کداک و اپل نشون میده ترس از خوردن محصول موفق فعلی میتونه کل شرکت رو نابود کنه.
یوهانا راتمن هشدار میده که رهبران محصول نباید تفکر محصولیشون را به LLM بسپارن؛ مدلها دادهی عمومی و قدیمی دارن و نمیتونن تشخیص بدن مشتری شما واقعاً چی میخواد.
وقتی بیش از ۹۹٪ مهندسها هر هفته از ابزارهای کدنویسی هوش مصنوعی استفاده میکنن، گلوگاه از کدنویسی به تصمیمگیری انسانی جابهجا میشه؛ اسپاتیفای میگه سرمایهگذاری چندسالهٔ قبلیش روی پلتفرم داخلی همین
محققای دانشگاه تورنتو نشون دادن با مدلهای هوش مصنوعی رایگان و قابل دانلود میشه کرمی ساخت که موقع پخش شدن تو شبکه، استراتژیش رو خودش تطبیق میده.