بهجای یه نمره کلی مثل «۷ از ۱۰»، میشه سه سؤال جدا درباره یه متن پرسید و هر سه رو با یه درخواست به مدل گرفت.
Redberry یه پکیج dev ساخته که ایجنتهای Laravel AI SDK رو خودش پیدا میکنه، براشون چت میسازه و هر قدم جواب رو ثبت میکنه.
یه استارتاپ آمریکایی مدلی متنباز ساخته که به گفتهٔ خودش با سختافزار خیلی کمتر، پابهپای بهترین مدلهای متنباز چینی کار میکنه.
OpenAI از این ماه تو آمریکا تبلیغات تصویری رو کنار عکسهایی که ChatGPT میسازه نشون میده و ابزارهای سنجش تبلیغاتش رو هم گسترش داده.
لنی راچیتسکی مهمترین حرفهای تیبو سوتیو از OpenAI رو جمع کرده: از عاملهایی که اینترنت رو دست میگیرن تا خستگی کار با AI.
اگه دانش پراکندهٔ یه شرکت به AI agentها وصل بشه چی میشه؟ این مقاله هم فرصتها رو میگه، هم شرطهای لازم برای اینکه خراب نشه.
Fireworks سرویسی معرفی کرده که مدلهای باز رو بدون عوض کردن ابزار تیم، جای مدلهای بسته میذاره و ادعا میکنه هزینه توکن رو تا نصف کم میکنه.
Cognition دو قابلیت Memory و Dreaming رو به Devin اضافه کرده تا ترجیحها و درسهایی که حین کار یاد میگیره از یه سشن به سشن بعدی برسه.
یه مشاور دیزاین میگه حالا که خودش با AI نرمافزار میسازه، دیزاین براش مثل قبل مهم نیست و اولویت اصلی مفید بودن محصوله.
اوپنایآی تو DevDay یه مارکتپلیس سازمانی با ۳۲ شریک راه انداخت که بیشتر از یه فروشگاه سادهست و شبیه کاریه که AWS و Azure با نرمافزارهای سازمانی کردن.
همبنیانگذار Socratic تعریف میکنه وقتی گوگل استارتاپ دهنفرهشون رو خرید چی شد و چرا فرایندهای داخلی گاهی بیشتر از کیفیت کار تعیین میکنن چی منتشر بشه.
Reflection مدل Beam رو با ۵۰۱ میلیارد پارامتر معرفی کرده که روی کدنویسی و agent تمرکز داره و ادعا میکنه با محاسبهی خیلی کمتر به رقبای بزرگتر نزدیک میشه.
دو طراح یه مدل زبانی رو با یادگیری تقویتی آموزش دادن که بهجای عکس، کد جاوااسکریپت بنویسه و نقاشی آبرنگ بکشه؛ چالش اصلی، طراحی پاداش برای سلیقه بود.
تیم IronBee بهجای LLM از یه مدل دستهبند به اسم Jev استفاده کرده و یه خرید کامل رو تو ۶.۷ ثانیه با هزینهای کمتر از یکدهم سنت انجام داده.
Noah Smith تو جواب Paul Krugman میگه AI فقط به نفع ثروتمندها نیست و از شغل ساختمونی تا مالیات محلی و ارزش برای کاربرها، سودش به مردم عادی هم میرسه.
دو نفر که سر خطر AI در سلاحهای زیستی با هم بحث داغی داشتن، حالا با هم چهار پیشنهاد عملی دادن که هر دوشون قبولش دارن.
یه مهندس نرمافزار پست وبلاگش رو موقع راه رفتن با سگش دیکته کرده و میگه زمان نوشتن رو سه تا چهار برابر کم کرده، بدون اینکه متنش بوی AI بده.
اگه ایجنتها بهجای ما خرید کنن، پولشون رو از کجا میگیرن؟ Tanay Jaipuria با عدد و رقم نشون میده سهم ایجنت از هر خرید چطور میتونه کمکم بزرگ بشه.
حالا که AI نتیجههایی میسازه که پارسال قابل انتشار بودن، کار ریاضیدانها چی میشه؟ Jeremy Avigad میگه ریاضی از بین نمیره و سه پیشنهاد داره.
بازار اجرای مدلهای AI تا ۲۰۲۷ به حدود ۳۵۰ میلیارد دلار میرسه و تقریباً دو برابر بازار دیتابیس میشه. Tom Tunguz میگه این اقتصاد نرمافزار رو عوض میکنه.