آخرین اخبار
- مدل‌های هوش مصنوعی حالا دوبار عرضه می‌شن، یکی خرید، یکی احراز هویت
آنتروپیک، گوگل و OpenAI توی یه هفته هرکدوم بهترین مدل‌شون رو دوبار منتشر کردن؛ یه نسخه عمومی برای خرید، و یه نسخه قوی‌تر که فقط با تایید هویت بهت می‌دن.
۷ هفته پیش۳ دقیقهokaneland.com - ToolGrad: اول جواب بساز، بعد سوال
گوگل روش تازه‌ای به اسم ToolGrad معرفی کرده: اول زنجیرهٔ استفاده از ابزار رو می‌سازه، بعد سوال کاربر رو تولید می‌کنه؛ نتیجه‌ش مدل‌های کوچیکی‌ان که از مدل‌های بزرگ‌تر بهتر عمل می‌کنن.
۷ هفته پیش۳ دقیقهresearch.google - Real-SWE: وقتی هوش مصنوعی باید کد واقعی یه شرکت رو دست بزنه
بنچمارک تازه‌ای به اسم Real-SWE، مدل‌های هوش مصنوعی رو نه رو مسئله‌های ساختگی بلکه رو کد واقعی و خصوصی شرکت‌ها امتحان می‌کنه؛ نتیجه نشون می‌ده اکثر تلاش‌ها شکست می‌خورن.
۷ هفته پیش۲ دقیقهwithspecific.com - بنچمارک‌های فیزیک ایراد داشتن، نه مدل‌های هوش مصنوعی
یه بررسی تازه نشون می‌ده نمرهٔ پایین مدل‌های زبانی تو بنچمارک‌های فیزیک بیشتر به خاطر سوال‌های غلط و راه‌حل‌های اشتباهه، نه ضعف خود مدل‌ها.
۷ هفته پیش۲ دقیقهarxiv.org - بررسی GPT-6 Astra؛ مدلی که OpenAI بهش میگه AGI
زوی موشویتز مدل تازه OpenAI رو بررسی کرده: تو کارهای سه‌بعدی و استفاده از کامپیوتر فوق‌العاده‌ست، ولی ادعای AGI بودنش و بعضی نمودارهاش محل بحثه.
۷ هفته پیش۳ دقیقهthezvi.substack.com - کرسر Projects رو راه انداخت
کرسر یه قابلیت تازه به اسم Projects منتشر کرده که به جای چت تکی، یه کوردینیتور می‌ذاره تا کارای بزرگ رو بین هزاران ایجنت پخش کنه و حتی خودش، بدون دستور، دست به کار شه.
۷ هفته پیش۲ دقیقهcursor.com - سه پژوهشگر AI: چقدر به خوداصلاحی بازگشتی نزدیکیم؟
دووارکش پاتل با سه پژوهشگر برجسته‌ی هوش مصنوعی از OpenAI، Zyphra و Baseten نشستن تا در موردش حرف بزنن که آیا داریم به یه چرخه‌ی خودبهبودی بازگشتی نزدیک می‌شیم یا نه.
۷ هفته پیش۳ دقیقهdwarkesh.com - دیریو آمودی: باید سرعت پیشرفت هوش مصنوعی رو کم کنیم
مدیرعامل آنتروپیک تو یه مقاله‌ی تازه میگه به خاطر رشد سریع خودبهبودی هوش مصنوعی و یه حادثه‌ی هک دسته‌جمعی توسط عامل‌های AI، وقتشه صنعت سرعت پیشرفت مدل‌ها رو آگاهانه کم کنه.
۷ هفته پیش۳ دقیقهdarioamodei.com - Nex-N2.5: رقیب متن‌باز Claude که فقط تو کدنویسی می‌بازه
مدل جدید و متن‌باز Nex-AGI رو با Claude Opus 5 و چندتا مدل دیگه مقایسه کردن؛ نتیجه جالبه: تو کدنویسی عقبه ولی تو جستجوی وب و کارهای ایجنتی جلو می‌زنه.
۷ هفته پیش۲ دقیقهmindstudio.ai - تبدیل سریع‌تر timestamp به ساعت، دقیقه و ثانیه
نویسندهٔ این پست روشی معرفی کرده که تبدیل timestamp به ساعت و دقیقه رو تا ۵۰ درصد سریع‌تر از روش‌های معمول انجام می‌ده.
- API خوب چیه؟ همونی که آروم پیر می‌شه
نویسندهٔ این مقاله میگه APIهای معروف اغلب همونایی هستن که بعداً بیشترین دردسر رو درست می‌کنن، و راز API خوب یه چیز دیگه‌ست.
- ایجنت کدنویسی؛ فقط شیش‌تا ابزار زیر یه بارونی
نویسنده با کتابخونه ellmer تو زبان R یه ایجنت کدنویسی مینیمال می‌سازه؛ فقط با خوندن فایل، نوشتن فایل و اجرای دستور شل، چیزی شبیه Claude Code رو از صفر پیاده می‌کنه.
۷ هفته پیش۳ دقیقهtidydesign.substack.com - راهنمای هاست کردن Nex-N2.5 با Docker و SGLang
Nex-AGI برای هر سه سایز Nex-N2.5 یه راهنمای هاست کردن با Docker و SGLang داده؛ از دو کارت H100 تا یه کلاستر دو نودی با ۱۶ کارت H200.
۷ هفته پیش۳ دقیقهmindstudio.ai - Qwen-Drive: مدلی که هم می‌بینه هم رانندگی می‌کنه
یه مدل بینایی-زبانی تازه از Qwen هم صحنه رو می‌بینه هم مسیر رانندگی رو برنامه‌ریزی می‌کنه، ولی تو یه تست واقعی با وجود تشخیص درست چراغ قرمز، دستور داد گاز بده.
۷ هفته پیش۳ دقیقهmindstudio.ai - NeoHorse-1-4B: مدل کوچیکی که از تجربه‌ی خودش درس می‌گیره
NeoHorse-1-4B یه مدل ۴ میلیاردی از TokenRhythm هست که از لاگ تصمیم‌های یه سیستم روتینگ واقعی یاد گرفته، نه دیتاست ثابت، و رو یه GPU معمولی هم با vLLM بالا میاد.
۷ هفته پیش۳ دقیقهmindstudio.ai - آموزش بازگشتی: وقتی مدل از تصمیم‌های خودش درس می‌گیره
به‌جای یادگیری از یه دیتاست ثابت، مدل NeoHorse-1-4B از لاگ تصمیم‌های یه سیستم روتینگ واقعی و تصحیح زنده‌ی یه مدل معلم آموزش دیده؛ روشی که TokenRhythm بهش میگه recursive self-improvement.
۷ هفته پیش۲ دقیقهmindstudio.ai - افت ۳٫۹ نمره‌ای Edge0-35B بعد از کوانتیزیشن ۴بیتی
تیم Edge0 یه مدل ۳۵میلیاردی رو کوانتیزه به ۴بیت کرده تا رو گوشی و لپ‌تاپ اجرا بشه، اما این فشرده‌سازی یه‌کم به قیمت افت دقت مدل تموم شده.
۷ هفته پیش۳ دقیقهmindstudio.ai - تجربهٔ اول کاربرها از GPT-6 Astra
به گفتهٔ توسعه‌دهنده‌هایی که GPT-6 Astra رو امتحان کردن، این مدل تو کار واقعی کدنویسی و استدلال از Fable 5.1 جلو می‌زنه، هرچند رو کاغذ نمره‌هاشون نزدیکه.
۷ هفته پیش۲ دقیقهmindstudio.ai - دیپ‌سیک V4.1-Flash: کش KV رو تا چهار برابر کوچیک‌تر کرد
دیپ‌سیک یه مدل جدید به اسم V4.1-Flash داده بیرون که با یه معماری تازه، حافظهٔ لازم برای متن‌های خیلی طولانی رو چشمگیر کم کرده و تو خیلی از تست‌های کدنویسی و ایجنتی از رقبا جلو زده.
۷ هفته پیش۳ دقیقهmindstudio.ai - Opus 5 رکورد بنچمارک زد، ولی توسعه‌دارها ازش دلخورن
مدل جدید انتروپیک تو بنچمارک‌های رسمی نمره‌های عالی گرفته، ولی خیلی از برنامه‌نویس‌ها می‌گن استفاده روزمره ازش کلافه‌کننده‌ست و کارای کوچیک رو بزرگ می‌کنه.
۷ هفته پیش۳ دقیقهmindstudio.ai
