یه سرور MCP که Draw.io رو در اختیار ایجنتهای هوش مصنوعی میذاره؛ نسخهٔ ۲.۱ ادیتور داخلی داره و دیگه لازم نیست افزونهٔ مرورگر نصب کنی.
سیاستهای متمرکز سازمانی حالا به اپ دسکتاپ و ایجنت ابری هم میرسن؛ یه فایل JSON تعیین میکنه کدوم پلاگین مجازه و کی میتونه پرامپتهای تأیید رو دور بزنه.
SnapLogic میگه دستیارش دیگه فقط پیشنهاد نمیده؛ حالا خودش پلن میریزه، پایپلاین میسازه و تو محیط عملیاتی هم عیبیابی میکنه.
هر درخواست به یه مدل زبانی کل تاریخچهٔ گفتگو رو دوباره میفرسته؛ همین باعث میشه بخش عمدهٔ صورتحساب توکن، چیزی باشه که هیچوقت تایپش نکردی.
وقتی سرویس میخوابه، پیداکردن اینکه کدوم فیچرفلگ مقصره معمولاً دستیه. AWS با وصلکردن ایجنت دواپسش به MCP سرور لانچدارکلی، این حلقه رو خودکار کرده.
فقط یک ماه بعد از اولین جذب سرمایهٔ خارجیش، شرکت چینی سازندهٔ مدلهای زبانی دنبال دور جدیدیه که ارزشش رو بیش از ۲۰ میلیارد دلار بالاتر میبره.
یه مخزن گیتهابی که بیش از ۴۰ نکتهٔ عملی رو جمع کرده؛ از سفارشیکردن استتوسلاین و ورودی صوتی تا مدیریت دستی کانتکست و اجرای تسکهای پرریسک توی محیط ایزوله.
OpenAI میگه یه مدل منتشرنشده ده مسئلهٔ باز ریاضی رو حل کرده؛ نویسنده تو این مقاله سراغ توجیههایی میره که ریاضیدانها برای آروم کردن خودشون میسازن.
بنچمارک داخلی دیتابریکس روی کدبیس چندمیلیونخطیشون نشون داد هارنس کدنویسی پی با کمتر از ۱۰۰۰ توکن پرامپت اولیه، بالاترین نرخ قبولی رو با هزینهی خیلی کمتر از رقبا گرفته.
نائومی باشکانسکی بعد از یک سال و نیم پژوهش تو OpenAI استعفا داده و به استارتاپی پیوسته که با دادهٔ عصبی غیرتهاجمی، مدلهای فکر به متن آموزش میده.
ماژولهای تازهٔ خانوادهٔ Thor با تقریباً نصف اندازه و مصرف نسل قبل، ۸۶۵ ترافلاپس FP4 تحویل میدن؛ اسکیلهای ایجنتی هم مصرف حافظه رو تا ۱۵ گیگابایت پایین آوردن.
شرکتهای کوچیک بودجهٔ تیم IT داخلی ندارن و کارشون رو میسپرن به ارائهدهندههای سرویس مدیریتشده؛ Inforcer ابزار همونها رو میسازه و حالا سری C ـش رو بسته.
زوی موشوویتز میگه اختلافهای واقعی سر هوش مصنوعی در اصل اختلاف سر تواناییِ آیندهٔ اونه، و آدمها رو با سه «قرص» دستهبندی میکنه: دو موضع معقول، دو موضع بیپایه.
شیائومی مدل پایهٔ هوش مصنوعی تجسمیافتهش رو با کل مسیر پسآموزش تا استقرار روی گیتهاب گذاشته؛ مدلی که روی بیشتر از ۱۰۰ هزار ساعت داده پیشآموزش دیده.
قبل از اینکه عدد بدی، باید بفهمی این پروژه برای مشتری چقدر میارزه. یه راهنما برای اینکه با سه دسته سؤال ارزش کار رو دربیاری و قیمت رو روی همون بنا کنی.
سومین مدل قوی دنیا حالا وزنهاش بازه و هر دولتی میتونه روی سرور خودش اجراش کنه؛ ولی چیپهایی که لازم داره هنوز دست آمریکاست.
از این به بعد سرور توسعهٔ محلی Workers خودش تریسهای OpenTelemetry رو ضبط میکنه و یه API محلی میذاره جلوی ایجنت کدنویس تا بفهمه دقیقاً کدوم عملیات شکست خورده.
بیشتر دادههای باارزش شرکتها توی سیستمهای قدیمی گیر افتادهن. کراشبنک میگه با IBM Bob تونسته همون دادهها رو خیلی سریعتر آمادهی مدلهای هوش مصنوعی کنه.
مشخصات تازهٔ Model Context Protocol دیگه به session سمت سرور نیاز نداره؛ سایمون ویلیسون میگه همین تغییر باعث شده دوباره سراغ MCP بره و سه ابزار جدید بسازه.
وقتی داده رو به یه مدل زبانی میدی، بخش زیادی از توکنها خرج براکت و کوتیشن JSON میشه. یه فرمت جدید همون داده رو جدولی مینویسه و تو بنچمارکها ۴۲٪ توکن کمتر مصرف کرد.