یه مدل ۱۴.۸ میلیارد پارامتری که وسط چت، توالی DNA میخونه و مینویسه و با یه GPU تکی روی سرور خود آزمایشگاه اجرا میشه.
اگه میخوای مدل دیفیوژنی Clover رو روی سیستم خودت بالا بیاری، اول باید یه GPU جدی داشته باشی. نصب با Transformers، تنظیمات تولید و نتیجهٔ تستهای واقعی اینجاست.
مدل OCR متنباز بایدو با یه کارت گرافیک معمولی اجرا میشه و روی اسناد صدصفحهای هم کند نمیشه، ولی با متنهای چندزبانه و چاپ قدیمی مشکل داره.
متا یه شبیهساز متنباز منتشر کرده که توش یه مدل از چشم آدم دنیا رو میبینه و راهنماییش میکنه، و موفقیت از روی وضعیت واقعی دنیای سهبعدی سنجیده میشه.
یه مدل ۱۴.۸ میلیارد پارامتری که DNA میخونه و مینویسه و روی یه کارت ۸۰ گیگی جا میشه؛ یعنی آزمایشگاهها میتونن دادهی حساس رو پیش خودشون نگه دارن.
کامپایلر JIT که از Python 3.13 بهصورت آزمایشی اومده بود، بعد از پس گرفتن PEP 836 به احتمال زیاد از شاخه اصلی CPython حذف میشه.
یه freeze با تایمزون localtime باعث شد هر ۱۲ ثانیه یه خطا ثبت بشه. پشتش مشکل بیصداتری بود: CET تو پایتون و Postgres دو معنی داره.
مایکروسافت مشخصات TSP رو منتشر کرده؛ یه پروتکل JSON-RPC که ابزارها باهاش میتونن از type server بپرسن هر تیکه کد پایتون چه تایپی داره.
تیم Ubicloud موقع سرو کردن Kimi K2.6 با vLLM دید از هر ۲۵ تا tool call، دوتاش خراب درمیاد. راهحل یه فلگ سمت سرور بود.
یه مدل اوپنویت ۳۳ میلیارد پارامتری که برای ایجنتهای کدنویسی ساخته شده و میشه با Transformers، SGLang یا vLLM روی سختافزار خودت بالا آوردش.
یه پروژهٔ متنباز از دانشگاه هنگکنگ که با خوندن سورس برنامههایی مثل Blender و GIMP، براشون CLI میسازه تا ایجنتها با متن کنترلشون کنن.
Flint یه مدل متنباز مخصوص ایجنتهای کدنویسیه که با یه کارت گرافیک دیتاسنتری بالا میاد و API سازگار با OpenAI میده.
یه مدل ۱۴.۸ میلیارد پارامتری که وسط یه چت معمولی توالی DNA میخونه و مینویسه و کامل روی یه GPU هشتاد گیگی بالا میاد.
سنتری بودجهٔ حمایتش از نگهدارندههای پروژههای متنباز رو به یک میلیون دلار رسونده و حتی سراغ وابستگیهای پنهان هم رفته.
خیلیها فکر میکنن با AI میشه برنامهها رو به Rust یا C بازنویسی کرد و سریعترشون کرد. نویسنده میگه بیشتر وقتها این کار تقریباً هیچ فرقی ایجاد نمیکنه.
مهاجم با توکنهای GitHub CLI که از لاگهای یه سرور داخلی برداشته بود، خط انتشار LiteLLM رو دور زد و نسخه 1.107.0 رو با بدافزار منتشر کرد.
تنسنت یه مدل کوچیک ساخته که فقط یه کار میکنه: تصمیم میگیره سیستم حافظه چی رو درباره کاربر یادش بمونه. و تو این کار از مدلهای خیلی بزرگتر بهتر عمل کرده.
وقتی بیشتر کار تو ترمینال و با ایجنتهایی مثل Claude Code انجام میشه، ابزاری که ایجنت نتونه باهاش کار کنه کمکم کنار گذاشته میشه.
AWS ابزاری داده که اپهای PyTorch رو بدون بازنویسی کد روی تراشه Trainium اجرا میکنه و همزمان میخواد خود PyTorch رو از وابستگی به انویدیا جدا کنه.
لنگچین داره ایجنتهای پروداکشن رو مثل ایجنتهای کدنویسی با چندتا فایل مارکداون میسازه و با دو حلقهٔ حافظه و ترِیس، اشتباهاتشون رو کمکم درست میکنه.