آخرین اخبار
- بنچمارکها به سازمان ما نمیخورن؟
خیلی از مدیرهای مهندسی میگن اعداد بنچمارکهای صنعتی به سازمانشون نمیخوره. برایان هاک میگه این حرف درسته، ولی نتیجهای که ازش میگیرن غلطه.
- حالا خودت انتخاب میکنی نرمافزارت چند تا باگ داشته باشه
نولان لاوسون میگه با ایجنتهای کدنویسی پیدا کردن باگ تقریباً مجانی شده و تنها سؤال باقیمونده اینه که کجا دست نگه داریم و بگیم کار تمومه.
۵ روز پیش۳ دقیقهnolanlawson.com - LittleLearner: مدلی که فقط تا کلاس پنجم درس خونده
یه تیم پژوهشی مدل زبانی رو فقط با محتوای درسی کلاس اول تا پنجم آموزش داده تا ببینه مهارتهای تازه واقعاً یاد گرفته میشن یا فقط از داده بیرون کشیده میشن.
۵ روز پیش۳ دقیقهlittlelearner-ll.github.io - DeepSeek Harness؛ ایجنت کدنویسی خودِ دیپسیک
دیپسیک یه هارنس کدنویسی ایجنتیک بیرون داده که همهچیزش — از ابزار و مدل تا ایجنتهای دیگه — پلاگینه؛ ولی تست عملی نشون داده مصرف توکنش سنگینه.
۵ روز پیش۳ دقیقهmindstudio.ai - اثبات دانش صفر با ۳۰ خط پایتون
دو برنامهنویس رفتن سراغ مقالهٔ اصلی اثبات دانش صفر و با رنگآمیزی گراف نشون دادن چطور میشه یه جواب رو ثابت کرد بدون اینکه ذرهای ازش لو بره.
۵ روز پیش۳ دقیقهbernsteinbear.com - Qwen 3.8 27B عالیه، ولی وسواس فکری داره
مدل ۲۷ میلیاردی تازهی Qwen روی لپتاپ کد مینویسه و عکس میفهمه، ولی حالت استدلال پیشفرضش انقدر سنگینه که برای کشیدن یه دایره هم دقیقهها فکر میکنه.
۵ روز پیش۳ دقیقهsimonwillison.net - AgentCore Observability برای ایجنتهای بیرون از AWS
ایجنتی که با Strands ساختی و روی سرور خودت یا GCP اجرا میشه، با یه پکیج و چند متغیر محیطی تلهمتریش رو به همون داشبورد AWS میفرسته.
۵ روز پیش۳ دقیقهaws.amazon.com - دیفالتهای غلط؛ مانیفستی برای ایجنتهای هوش مصنوعی
یه مهندس میگه استانداردهایی که شرکتهای AI جا انداختن — چند سشن چت، انتخاب مدل، اتصال MCP — بار تصمیمگیری رو میندازن گردن کاربر و جلوی فراگیرشدن ایجنت تو سازمان رو میگیرن.
۵ روز پیش۳ دقیقهimphan.substack.com - GLM-5.3 بالاترین نمرهٔ KingBench 3 رو گرفت
ZAI میگه GLM-5.3 بدون تغییر معماری یا تعداد پارامتر، فقط با آموزش تکمیلی از ۷۵ درصد به ۹۱٫۲۵ درصد رسیده؛ اون هم روی بنچمارکی که همه با یه پرامپت سنجیده میشن.
۵ روز پیش۳ دقیقهmindstudio.ai - گوگل برای نسل دهم TPU سراغ AMD رفت
طبق یادداشت SemiAnalysis، گوگل برای یکی از TPUهای نسل دهمش با AMD کار میکنه؛ هدف احتمالی، چسبوندن هستهٔ CPU به خود پکیج شتابدهنده برای بارهای reinforcement learning ـه.
۵ روز پیش۳ دقیقهtomshardware.com - MCP نشستها رو حذف نکرد، داد دست مدل
نسخهٔ جدید Model Context Protocol نشست پروتکلی رو برداشته و بهجاش سرور باید یه شناسه بده به مدل تا خودش بین فراخوانیها جابهجاش کنه.
۵ روز پیش۳ دقیقهinfoworld.com - GLM-5.3 و رازِ عقبنموندن آزمایشگاههای چینی
Z.ai مدل GLM-5.3 رو معرفی کرد؛ با حدود ۷۵۰ میلیارد پارامتر به صدر بنچمارکهای کدنویسی ایجنتیک رسیده. نیتن لمبرت میگه راز کار پستترینینگ و سرعت انتشاره، نه کپیبرداری از مدلهای آمریکایی.
۵ روز پیش۳ دقیقهinterconnects.ai - Grok 4.6 اومد؛ نصف قیمت رقبا
xAI مدل جدیدش رو با ۲ دلار ورودی و ۶ دلار خروجی بهازای هر میلیون توکن عرضه کرد؛ تو یه تست عملی، کاری که روی Claude Opus 5 حدود ۲ دلار خرج برداشت، اینجا حدود ۳۸ سنت تموم شد.
۶ روز پیش۳ دقیقهmindstudio.ai - گراک ۴.۶ خودشو به صدر نزدیک کرد
xAI مدل جدیدشو با یه دور آموزش تکمیلی روی همون پایهٔ ۴.۵ ساخته، ولی نتیجهش تو چند بنچمارک مهم چسبیده به GPT-5.6 و Claude Opus 5 — با هزینهٔ خیلی کمتر برای هر تسک.
۶ روز پیش۳ دقیقهmindstudio.ai - دیپسیک تعرفهی API رو ساعتی کرد
از 16 آگوست 2026 دیپسیک صورتحساب API رو بر اساس ساعت حساب میکنه؛ نرخ ساعتهای غیراوج نصف اوجه و دو مدل V4 با کانتکست یک میلیون توکنی هم روی همین جدول نشستن.
۶ روز پیش۳ دقیقهapi-docs.deepseek.com - رکورد سیسکو: درآمد فصلی ۱۷.۳ میلیارد دلار
سیسکو فصل چهارم مالی ۲۰۲۶ رو بالاتر از سقف پیشبینی خودش بست و میگه یه سوپرسیکل شبکه راه افتاده؛ سفارشهای هوش مصنوعی هم به ۹.۳ میلیارد دلار رسید.
- داکر موتور مجازیسازی خودش رو عمومی کرد
نسخهٔ بتای عمومی Docker VMM با Docker Desktop 4.86 اومد؛ لایهای که خود داکر از صفر نوشته، رم بیکار رو پس میده و اشتراک فایل رو سریعتر کرده.
- ترنسفورمر تمامپهنایباند: فکرِ نگفته رو نگه میداره
یه مقالهٔ arXiv میگه اگه حالت پنهان لایهٔ آخر رو به قدم بعدی برگردونی، مدل ۱ میلیاردی به کیفیتی میرسه که معمولاً ۱.۵ برابر داده میخواد.
۶ روز پیش۲ دقیقهarxiv.org - گزارش تابستان ۲۰۲۶ هاگینگفیس از مدلهای متنباز
هاگینگفیس دادههای هفت ماه اول ۲۰۲۶ رو منتشر کرده: سقف اندازهٔ مدلهای چینی از آمریکاییها بالاتر رفته، ولی دانلودها هنوز سراغ مدلهای کوچیک و قدیمی میره.
۶ روز پیش۳ دقیقهhuggingface.co - مانیتورینگ تجربهٔ دیجیتال (DEM) چیه و چرا مهمه
سرورت سالمه ولی کاربرا از کندی و خرابی شاکیان؟ مانیتورینگ تجربهٔ دیجیتال کارایی رو از دید خود کاربر میسنجه تا چیزایی رو ببینی که تلهمتری بکاند از قلم میندازه.
