This media is not supported in your browser
VIEW IN TELEGRAM
📖 دسترسی رایگان به صدها کتاب درسی در NotebookLM
گوگل امکان دسترسی مستقیم و رایگان به صدها کتاب درسی را به ابزار NotebookLM اضافه کرد. این کتاب‌ها از ناشرانی مانند OpenStax، S Chand Publishing و Open Textbook Library تامین شده‌اند و کاربران می‌توانند بدون نیاز به بارگذاری فایل، آن‌ها را درون برنامه جستجو و انتخاب کنند.
با افزودن این منابع، هوش مصنوعی NotebookLM می‌تواند فصل‌های مختلف را خلاصه کند، متون را توضیح دهد و از محتوای کتاب‌ها پرسش‌وپاسخ و آزمون تمرینی بسازد.
#NotebookLM #OpenStax
گوگل امکان دسترسی مستقیم و رایگان به صدها کتاب درسی را به ابزار NotebookLM اضافه کرد. این کتاب‌ها از ناشرانی مانند OpenStax، S Chand Publishing و Open Textbook Library تامین شده‌اند و کاربران می‌توانند بدون نیاز به بارگذاری فایل، آن‌ها را درون برنامه جستجو و انتخاب کنند.
با افزودن این منابع، هوش مصنوعی NotebookLM می‌تواند فصل‌های مختلف را خلاصه کند، متون را توضیح دهد و از محتوای کتاب‌ها پرسش‌وپاسخ و آزمون تمرینی بسازد.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#NotebookLM #OpenStax
This media is not supported in your browser
VIEW IN TELEGRAM
🖼️ توضیح تعاملی لایه‌به‌لایه شبکه‌های CNN
ابزار CNN Explainer به شما امکان می‌دهد پردازش گام‌به‌گام تصویر توسط شبکه‌های کانولوشنال عصبی (CNN) را مشاهده کنید. می‌توانید تصویر دلخواه خود را بارگذاری کرده و ببینید هر لایه چگونه آن را پردازش می‌کند.
این ابزار مراحل زیر را توضیح می‌دهد:
- کانال‌های ورودی RGB
- کانولوشن (Convolution)
- تابع فعال‌سازی ReLU
- پولینگ حداکثر (Max Pooling)
- نقشه‌های فعال‌سازی (Activation maps)
- مسطح‌سازی (Flatten)
- تابع Softmax
- پیش‌بینی نهایی
این ابزار برای درک عمیق‌تر نحوه کار CNNها بسیار مفید است.
🔗 CNN Explainer
#CNN_Explainer #Convolutional_Neural_Networks
ابزار CNN Explainer به شما امکان می‌دهد پردازش گام‌به‌گام تصویر توسط شبکه‌های کانولوشنال عصبی (CNN) را مشاهده کنید. می‌توانید تصویر دلخواه خود را بارگذاری کرده و ببینید هر لایه چگونه آن را پردازش می‌کند.
این ابزار مراحل زیر را توضیح می‌دهد:
- کانال‌های ورودی RGB
- کانولوشن (Convolution)
- تابع فعال‌سازی ReLU
- پولینگ حداکثر (Max Pooling)
- نقشه‌های فعال‌سازی (Activation maps)
- مسطح‌سازی (Flatten)
- تابع Softmax
- پیش‌بینی نهایی
این ابزار برای درک عمیق‌تر نحوه کار CNNها بسیار مفید است.
🔗 CNN Explainer
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#CNN_Explainer #Convolutional_Neural_Networks
🧠 خلاصه تحولات 48 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #10 | 📌 5 آیتم گزارش | 🧾 از 41 پست بررسی‌شده
🕐 چهارشنبه 1405/08/06 ساعت 14:00 تا جمعه 1405/08/08 ساعت 14:00
تاثیر آزادسازی سخت‌افزاری بر سرعت پردازش محلی
آزادسازی ظرفیت تنسورکور کارت‌های مصرفی در لینوکس، هزینه تست و پردازش محلی مدل‌ها را کاهش می‌دهد. این تغییر به توسعه‌دهندگان اجازه می‌دهد بدون سرمایه‌گذاری روی کارت‌های سازمانی، سرعت پیش‌پردازش و فین‌تیون را بالا ببرند. با این حال، ثابت ماندن پهنای باند حافظه باعث می‌شود نرخ تولید توکن در مدل‌های کوانتایزشده تغییر چندانی نکند.
ارزیابی راهکار SLEEP در یادگیری بدون فراموشی
تفکیک فازهای یادگیری و انتقال دانش به بلوک‌های حافظه، امکان به‌روزرسانی مداوم مدل‌ها را بدون دستکاری کل شبکه فراهم می‌کند. این رویکرد ریسک فراموشی فاجعه‌بار را در مواجهه با داده‌های جدید کاهش می‌دهد. البته موفقیت عملی آن نیازمند مدیریت دقیق چرخه رویاسازی و ارزیابی کیفیت نمونه‌های تولیدشده است.
🔬 زیرساخت و مدل‌های باز
بهبود عملکرد کارت‌های GeForce با ابزار gpu-unlock
ابزار gpu-unlock با حذف محدودیت‌های تنسورکور در لینوکس، سرعت پردازش پرامپت و بازآموزی مدل‌ها را افزایش می‌دهد.
معماری SLEEP گوگل برای یادگیری مداوم مدل‌ها
معماری SLEEP با استفاده از بلوک‌های حافظه MoE و فازهای خواب و رویا، امکان یادگیری مداوم را بدون از دست رفتن دانش قبلی فراهم می‌کند.
انتشار مدل متن‌باز Nemotron 3.5 Transcribe انویدیا
مدل ۳۴ میلیارد پارامتری انویدیا با معماری ترکیبی Mamba-2 و MoE برای تبدیل گفتار به متن و تشخیص گوینده منتشر شد.
انتشار مدل متن‌باز Atria Dawn با پنجره متنی ۵۱۲ هزار توکنی
مدل ۷۴۴ میلیارد پارامتری Atria Dawn بر پایه معماری MoE با مجوز MIT برای تعامل چندمرحله‌ای ایجنت‌ها منتشر شد.
دسترسی کلاینت‌های MCP به داده‌های زنده صرافی‌های ایرانی
پروژه اوپن‌سورس iran-crypto-mcp امکان اتصال ابزارهایی مثل Claude و Cursor را به داده‌های ۷ صرافی ایرانی فراهم کرد.
🗂 گزارش #10 | 📌 5 آیتم گزارش | 🧾 از 41 پست بررسی‌شده
🕐 چهارشنبه 1405/08/06 ساعت 14:00 تا جمعه 1405/08/08 ساعت 14:00
تاثیر آزادسازی سخت‌افزاری بر سرعت پردازش محلی
آزادسازی ظرفیت تنسورکور کارت‌های مصرفی در لینوکس، هزینه تست و پردازش محلی مدل‌ها را کاهش می‌دهد. این تغییر به توسعه‌دهندگان اجازه می‌دهد بدون سرمایه‌گذاری روی کارت‌های سازمانی، سرعت پیش‌پردازش و فین‌تیون را بالا ببرند. با این حال، ثابت ماندن پهنای باند حافظه باعث می‌شود نرخ تولید توکن در مدل‌های کوانتایزشده تغییر چندانی نکند.
ارزیابی راهکار SLEEP در یادگیری بدون فراموشی
تفکیک فازهای یادگیری و انتقال دانش به بلوک‌های حافظه، امکان به‌روزرسانی مداوم مدل‌ها را بدون دستکاری کل شبکه فراهم می‌کند. این رویکرد ریسک فراموشی فاجعه‌بار را در مواجهه با داده‌های جدید کاهش می‌دهد. البته موفقیت عملی آن نیازمند مدیریت دقیق چرخه رویاسازی و ارزیابی کیفیت نمونه‌های تولیدشده است.
🔬 زیرساخت و مدل‌های باز
بهبود عملکرد کارت‌های GeForce با ابزار gpu-unlock
ابزار gpu-unlock با حذف محدودیت‌های تنسورکور در لینوکس، سرعت پردازش پرامپت و بازآموزی مدل‌ها را افزایش می‌دهد.
معماری SLEEP گوگل برای یادگیری مداوم مدل‌ها
معماری SLEEP با استفاده از بلوک‌های حافظه MoE و فازهای خواب و رویا، امکان یادگیری مداوم را بدون از دست رفتن دانش قبلی فراهم می‌کند.
انتشار مدل متن‌باز Nemotron 3.5 Transcribe انویدیا
مدل ۳۴ میلیارد پارامتری انویدیا با معماری ترکیبی Mamba-2 و MoE برای تبدیل گفتار به متن و تشخیص گوینده منتشر شد.
انتشار مدل متن‌باز Atria Dawn با پنجره متنی ۵۱۲ هزار توکنی
مدل ۷۴۴ میلیارد پارامتری Atria Dawn بر پایه معماری MoE با مجوز MIT برای تعامل چندمرحله‌ای ایجنت‌ها منتشر شد.
دسترسی کلاینت‌های MCP به داده‌های زنده صرافی‌های ایرانی
پروژه اوپن‌سورس iran-crypto-mcp امکان اتصال ابزارهایی مثل Claude و Cursor را به داده‌های ۷ صرافی ایرانی فراهم کرد.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
🧠 تازه‌های هوش مصنوعی و علم داده
📊 مقایسه عملکرد مدل‌های Claude Opus 4.8 و GPT-5.6 Sol
داده‌های تازه از مقایسه عملکرد دو مدل Claude Opus 4.8 و GPT-5.6 Sol نشان می‌دهد که در ۴۵ بنچمارک مشترک، مدل GPT-5.6 Sol در ۲مهم‌ترین موارد پیشتاز بوده است. این در حالی است که Claude Opus 4.8 در ۱۱ مورد برتری داشته و مهم‌ترین موارد نیز به عنوان تساوی عملی ثبت شده است.
در بخش تخصصی Agentic Coding که شامل ۱۱ بنچمارک است، نتایج مشابهی به دست آمده است:
* پیشتازی GPT-5.6 Sol: در مهم‌ترین موارد
* پیشتازی Claude Opus 4.8: در ۳ مورد
* تساوی عملی: ۱ مورد
طبق گزارش، تساوی عملی به معنای اختلاف امتیاز مطلق ۲ واحد یا کمتر است. در محاسبه شکاف‌های نسبی، امتیازهای مدل Sol به عنوان مخرج در نظر گرفته شده و مقادیر بیش از ۱۰۰ درصد در نمودارها محدود (Capped) شده‌اند. لازم به ذکر است که برخی مقادیر در داده‌های اولیه بدون محدودیت، اختلاف‌های بالایی را نشان می‌دهند.
#Claude_Opus #Agentic_Coding
📊 مقایسه عملکرد مدل‌های Claude Opus 4.8 و GPT-5.6 Sol
داده‌های تازه از مقایسه عملکرد دو مدل Claude Opus 4.8 و GPT-5.6 Sol نشان می‌دهد که در ۴۵ بنچمارک مشترک، مدل GPT-5.6 Sol در ۲مهم‌ترین موارد پیشتاز بوده است. این در حالی است که Claude Opus 4.8 در ۱۱ مورد برتری داشته و مهم‌ترین موارد نیز به عنوان تساوی عملی ثبت شده است.
در بخش تخصصی Agentic Coding که شامل ۱۱ بنچمارک است، نتایج مشابهی به دست آمده است:
* پیشتازی GPT-5.6 Sol: در مهم‌ترین موارد
* پیشتازی Claude Opus 4.8: در ۳ مورد
* تساوی عملی: ۱ مورد
طبق گزارش، تساوی عملی به معنای اختلاف امتیاز مطلق ۲ واحد یا کمتر است. در محاسبه شکاف‌های نسبی، امتیازهای مدل Sol به عنوان مخرج در نظر گرفته شده و مقادیر بیش از ۱۰۰ درصد در نمودارها محدود (Capped) شده‌اند. لازم به ذکر است که برخی مقادیر در داده‌های اولیه بدون محدودیت، اختلاف‌های بالایی را نشان می‌دهند.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#Claude_Opus #Agentic_Coding
Media is too big
VIEW IN TELEGRAM
🤖 معرفی مدل Genie 4 برای شبیه‌سازی دنیای تعاملی
گوگل از مدل جدید Genie 4 رونمایی کرد که اکنون از قابلیت‌های صدا و دیالوگ نیز پشتیبانی می‌کند. در این نسخه، کاراکترها توانایی صحبت کردن و واکنش نشان دادن به محیط را دارند و کاربر می‌تواند با استفاده از دستورات متنی (Prompt)، صحنه‌ها را در لحظه تغییر دهد.
این مدل نسبت به نسل پیشین خود، بهبودهای قابل‌توجهی در بازنمایی چهره انسان‌ها و شبیه‌سازی فیزیک اشیاء ارائه داده است. برای مدیریت رویدادهای پیچیده، این سیستم به مدل Gemini 1.5 Flash متصل شده است که با تحلیل لحظه‌ای فریم‌ها و بررسی خروجی‌ها، در صورت نیاز برنامه‌ریزی و اصلاحات لازم را انجام می‌دهد.
در حال حاضر این مدل تنها برای تست‌کنندگان در دسترس است و جزئیات دقیق قیمت‌گذاری و زمان عرضه عمومی آن اعلام نشده است. دسترسی‌های آتی به مشترکین Google AI Ultra و شرکای تجاری در محیط AI Studio محدود خواهد بود.
اطلاعات بیشتر در وبلاگ DeepMind در دسترس است و متقاضیان می‌توانند از طریق فرم انتظار برای دسترسی‌های بعدی ثبت‌نام کنند.
گوگل از مدل جدید Genie 4 رونمایی کرد که اکنون از قابلیت‌های صدا و دیالوگ نیز پشتیبانی می‌کند. در این نسخه، کاراکترها توانایی صحبت کردن و واکنش نشان دادن به محیط را دارند و کاربر می‌تواند با استفاده از دستورات متنی (Prompt)، صحنه‌ها را در لحظه تغییر دهد.
این مدل نسبت به نسل پیشین خود، بهبودهای قابل‌توجهی در بازنمایی چهره انسان‌ها و شبیه‌سازی فیزیک اشیاء ارائه داده است. برای مدیریت رویدادهای پیچیده، این سیستم به مدل Gemini 1.5 Flash متصل شده است که با تحلیل لحظه‌ای فریم‌ها و بررسی خروجی‌ها، در صورت نیاز برنامه‌ریزی و اصلاحات لازم را انجام می‌دهد.
در حال حاضر این مدل تنها برای تست‌کنندگان در دسترس است و جزئیات دقیق قیمت‌گذاری و زمان عرضه عمومی آن اعلام نشده است. دسترسی‌های آتی به مشترکین Google AI Ultra و شرکای تجاری در محیط AI Studio محدود خواهد بود.
اطلاعات بیشتر در وبلاگ DeepMind در دسترس است و متقاضیان می‌توانند از طریق فرم انتظار برای دسترسی‌های بعدی ثبت‌نام کنند.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
❤2
Media is too big
VIEW IN TELEGRAM
🧠 عرضه مدل ویدئویی H3 Flex توسط Pika
شرکت Pika مدل ویدئویی متن‌به‌ویدئو جدید خود با نام H3 Flex را منتشر کرد. این مدل که نسخه‌ای بهینه‌شده از MiniMax H3 است، در جایگاه نخست مدل‌های متن‌باز و رتبه هفتم کلی در بنچمارک DesignArena قرار گرفته و عملکردی فراتر از H3 Max و Seedance 2.5 داشته است.
تغییرات فنی مهم این مدل عبارتند از:
* کاهش مراحل تولید (Inference steps) از ۵۰ به مهم‌ترین مراحل برای افزایش سرعت.
* تولید ویدئوهای ۱۵ ثانیه‌ای با صدا در مدت ۷ ثانیه.
* پشتیبانی از خروجی با رزولوشن 4K.
* ارائه فایل‌های صوتی مجزا برای ویرایش حرفه‌ای.
این مدل با کاهش چشمگیر زمان تولید، توانسته است در رتبه‌بندی کیفی از بسیاری از مدل‌های تجاری و پولی پیشی بگیرد.
#H3_Flex #DesignArena
شرکت Pika مدل ویدئویی متن‌به‌ویدئو جدید خود با نام H3 Flex را منتشر کرد. این مدل که نسخه‌ای بهینه‌شده از MiniMax H3 است، در جایگاه نخست مدل‌های متن‌باز و رتبه هفتم کلی در بنچمارک DesignArena قرار گرفته و عملکردی فراتر از H3 Max و Seedance 2.5 داشته است.
تغییرات فنی مهم این مدل عبارتند از:
* کاهش مراحل تولید (Inference steps) از ۵۰ به مهم‌ترین مراحل برای افزایش سرعت.
* تولید ویدئوهای ۱۵ ثانیه‌ای با صدا در مدت ۷ ثانیه.
* پشتیبانی از خروجی با رزولوشن 4K.
* ارائه فایل‌های صوتی مجزا برای ویرایش حرفه‌ای.
این مدل با کاهش چشمگیر زمان تولید، توانسته است در رتبه‌بندی کیفی از بسیاری از مدل‌های تجاری و پولی پیشی بگیرد.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#H3_Flex #DesignArena
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 عرضه ابزار Magnific Move برای ویرایش موشن‌گرافیک
شرکت Magnific که اکنون زیرمجموعه Freepik است، ابزار جدیدی به نام Magnific Move را برای ساخت و ویرایش موشن‌گرافیک معرفی کرد. این ابزار به کاربران اجازه می‌دهد انیمیشن‌های مربوط به معرفی محصول، لوگو و سایر طرح‌های گرافیکی را صرفاً با دستورات متنی ایجاد کنند.
ویژگی اصلی این پلتفرم، امکان ویرایش لایه‌ها با استفاده از زبان طبیعی است؛ به طوری که کاربر می‌تواند پس از ایجاد انیمیشن اولیه، با توصیف تغییرات مورد نظر خود، از هوش مصنوعی بخواهد جزئیات حرکت یا ساختار گرافیک را بازسازی کند.
مهم‌ترین قابلیت‌های این ابزار شامل موارد زیر است:
* الگوهای آماده برای تبلیغات محصول و تایپوگرافی کینتیک.
* قابلیت تولید و ویرایش خودکار زیرنویس.
* امکان ایجاد ویدئوهای آموزشی مرحله‌به‌مرحله.
* خروجی مستقیم با فرمت MP4.
این ابزار همچنین امکان انتقال پروژه‌ها به سایر ابزارهای ویدئویی Magnific برای تغییر سبک بصری را فراهم می‌کند. شرکت سازنده هنوز اطلاعاتی درباره قیمت‌گذاری و طرح‌های اشتراکی این سرویس منتشر نکرده است.
🇮🇷 تلگرام
شرکت Magnific که اکنون زیرمجموعه Freepik است، ابزار جدیدی به نام Magnific Move را برای ساخت و ویرایش موشن‌گرافیک معرفی کرد. این ابزار به کاربران اجازه می‌دهد انیمیشن‌های مربوط به معرفی محصول، لوگو و سایر طرح‌های گرافیکی را صرفاً با دستورات متنی ایجاد کنند.
ویژگی اصلی این پلتفرم، امکان ویرایش لایه‌ها با استفاده از زبان طبیعی است؛ به طوری که کاربر می‌تواند پس از ایجاد انیمیشن اولیه، با توصیف تغییرات مورد نظر خود، از هوش مصنوعی بخواهد جزئیات حرکت یا ساختار گرافیک را بازسازی کند.
مهم‌ترین قابلیت‌های این ابزار شامل موارد زیر است:
* الگوهای آماده برای تبلیغات محصول و تایپوگرافی کینتیک.
* قابلیت تولید و ویرایش خودکار زیرنویس.
* امکان ایجاد ویدئوهای آموزشی مرحله‌به‌مرحله.
* خروجی مستقیم با فرمت MP4.
این ابزار همچنین امکان انتقال پروژه‌ها به سایر ابزارهای ویدئویی Magnific برای تغییر سبک بصری را فراهم می‌کند. شرکت سازنده هنوز اطلاعاتی درباره قیمت‌گذاری و طرح‌های اشتراکی این سرویس منتشر نکرده است.
🇮🇷 تلگرام
🤖 معرفی مدل زبانی Fern با پنجره بافت ۱۰ میلیونی
استارتاپ Mirendil که توسط پژوهشگران سابق Anthropic تأسیس شده، مدل Fern 0.1 را با پشتیبانی از پنجره بافت (context window) ۱۰ میلیون توکنی معرفی کرد. این ظرفیت معادل حدود ۲۳ مگابایت کد یا ۵۰۰ هزار خط متن است و برای تحلیل لاگ‌های آموزشی، فعالیت‌های طولانی‌مدت مدل‌های عامل و بررسی داده‌های حجیم طراحی شده است.
در بنچمارک‌های فعلی، این مدل فاصله معناداری با رقبای پیشرو دارد. برای نمونه، در Terminal Bench 4.0 امتیاز ۶.۱ را کسب کرده که در مقایسه با Claude Opus یا مدل‌های مشابه، عملکرد ضعیف‌تری محسوب می‌شود. سازندگان اعلام کرده‌اند که این نسخه، یک مدل پایه در مراحل اولیه آموزش است.
از نظر فنی، تعداد پارامترهای این نسخه بین ۱۰۰ تا ۵۰۰ میلیارد برآورد شده و این شرکت برنامه‌هایی برای آموزش مدل‌های بزرگتر با ۲ تا ۱۰ تریلیون پارامتر دارد. دسترسی به نسخه اولیه از طریق وب‌سایت Mirendil امکان‌پذیر است.
#Fern_0_1 #Terminal_Bench_4_0
استارتاپ Mirendil که توسط پژوهشگران سابق Anthropic تأسیس شده، مدل Fern 0.1 را با پشتیبانی از پنجره بافت (context window) ۱۰ میلیون توکنی معرفی کرد. این ظرفیت معادل حدود ۲۳ مگابایت کد یا ۵۰۰ هزار خط متن است و برای تحلیل لاگ‌های آموزشی، فعالیت‌های طولانی‌مدت مدل‌های عامل و بررسی داده‌های حجیم طراحی شده است.
در بنچمارک‌های فعلی، این مدل فاصله معناداری با رقبای پیشرو دارد. برای نمونه، در Terminal Bench 4.0 امتیاز ۶.۱ را کسب کرده که در مقایسه با Claude Opus یا مدل‌های مشابه، عملکرد ضعیف‌تری محسوب می‌شود. سازندگان اعلام کرده‌اند که این نسخه، یک مدل پایه در مراحل اولیه آموزش است.
از نظر فنی، تعداد پارامترهای این نسخه بین ۱۰۰ تا ۵۰۰ میلیارد برآورد شده و این شرکت برنامه‌هایی برای آموزش مدل‌های بزرگتر با ۲ تا ۱۰ تریلیون پارامتر دارد. دسترسی به نسخه اولیه از طریق وب‌سایت Mirendil امکان‌پذیر است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#Fern_0_1 #Terminal_Bench_4_0
⚡ تغییر نام و ساختار اشتراک‌های Claude
شرکت Anthropic نام‌گذاری اشتراک‌های خود را تغییر داده است. اشتراک
در کنار این تغییرات، محدودیت ۵ ساعته برای استفاده از مدل‌ها در طرح Ultra برای کاربرانی که احراز هویت شده‌اند، برداشته شده است.
نکات مهم این تغییر:
* اکثر کاربران فعلی طرح Ultra به شرایط جدید منتقل شده‌اند.
* برای کاربران جدید، این محدودیت زمانی همچنان تا زمان تکمیل فرآیند احراز هویت و دریافت تأییدیه از طریق ایمیل باقی می‌ماند.
* محدودیت‌های کلی هفتگی برای تمام سطوح اشتراک بدون تغییر باقی مانده است.
#Claude #Anthropic
شرکت Anthropic نام‌گذاری اشتراک‌های خود را تغییر داده است. اشتراک
Max 5x اکنون با نام Max و اشتراک Max 20x با نام Ultra شناخته می‌شوند. هزینه‌ی این طرح‌ها بدون تغییر باقی مانده و به ترتیب ۱۰۰ و ۲۰۰ دلار در ماه است.در کنار این تغییرات، محدودیت ۵ ساعته برای استفاده از مدل‌ها در طرح Ultra برای کاربرانی که احراز هویت شده‌اند، برداشته شده است.
نکات مهم این تغییر:
* اکثر کاربران فعلی طرح Ultra به شرایط جدید منتقل شده‌اند.
* برای کاربران جدید، این محدودیت زمانی همچنان تا زمان تکمیل فرآیند احراز هویت و دریافت تأییدیه از طریق ایمیل باقی می‌ماند.
* محدودیت‌های کلی هفتگی برای تمام سطوح اشتراک بدون تغییر باقی مانده است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#Claude #Anthropic
Media is too big
VIEW IN TELEGRAM
🧠 هوش مصنوعی با الهام از سلول‌های عصبی آزمایشگاهی
شرکت Biological Computing Co مدل جدید تولید ویدیو با نام mischief 1 را عرضه کرد. این مدل از داده‌های به‌دست‌آمده از رشد سلول‌های عصبی واقعی روی الکترودها برای بهینه‌سازی پردازش اطلاعات استفاده می‌کند.
توسعه‌دهندگان این فناوری را به صورت یک لایه نرم‌افزاری کوچک روی مدل ویدیویی Wan 2.2 پیاده کرده‌اند که حجم آن را کمتر از ۰.۱ درصد افزایش داده است. طبق ادعای شرکت سازنده، این روش سرعت تولید ویدیو را در همان سطح کیفیت، دست‌کم ۵ برابر افزایش می‌دهد.
برخی ویژگی‌های این مدل:
* تبدیل تصویر به کلیپ‌های ۳ یا ۵ ثانیه‌ای
* خروجی با کیفیت 480p یا 720p
* هزینه پردازش از نیم سنت به ازای هر ثانیه
* دسترسی عمومی از طریق پلتفرم‌های fal و OpenRouter
هنوز تست مستقلی برای تایید عملکرد این مدل انجام نشده است. این شرکت قصد دارد در گام‌های بعدی، این رویکرد الهام‌گرفته از سیستم‌های بیولوژیکی را در مدل‌های زبانی و هوش مصنوعی فیزیکی نیز به کار گیرد.
#mischief_1 #Wan_2_2
شرکت Biological Computing Co مدل جدید تولید ویدیو با نام mischief 1 را عرضه کرد. این مدل از داده‌های به‌دست‌آمده از رشد سلول‌های عصبی واقعی روی الکترودها برای بهینه‌سازی پردازش اطلاعات استفاده می‌کند.
توسعه‌دهندگان این فناوری را به صورت یک لایه نرم‌افزاری کوچک روی مدل ویدیویی Wan 2.2 پیاده کرده‌اند که حجم آن را کمتر از ۰.۱ درصد افزایش داده است. طبق ادعای شرکت سازنده، این روش سرعت تولید ویدیو را در همان سطح کیفیت، دست‌کم ۵ برابر افزایش می‌دهد.
برخی ویژگی‌های این مدل:
* تبدیل تصویر به کلیپ‌های ۳ یا ۵ ثانیه‌ای
* خروجی با کیفیت 480p یا 720p
* هزینه پردازش از نیم سنت به ازای هر ثانیه
* دسترسی عمومی از طریق پلتفرم‌های fal و OpenRouter
هنوز تست مستقلی برای تایید عملکرد این مدل انجام نشده است. این شرکت قصد دارد در گام‌های بعدی، این رویکرد الهام‌گرفته از سیستم‌های بیولوژیکی را در مدل‌های زبانی و هوش مصنوعی فیزیکی نیز به کار گیرد.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#mischief_1 #Wan_2_2
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 معرفی OpenBot؛ جایگزین متن‌باز Grok
اگر به ابزارهایی مانند Grok، Muse یا Dot دسترسی ندارید یا ترجیح می‌دهید از سرویس‌های رایگان استفاده کنید، پروژه OpenBot گزینه‌ای متن‌باز برای اجرا روی سیستم شخصی است.
این ابزار به شما اجازه می‌دهد دستیارهای هوشمند بسازید و وظایف مختلف را به آن‌ها بسپارید. از مهم‌ترین ویژگی‌های آن می‌توان به موارد زیر اشاره کرد:
• امکان اتصال به مدل‌های لوکال و ارزان‌قیمت مانند DeepSeek
• قابلیت استفاده از اشتراک مدل‌های تجاری نظیر GPT، Claude و Gemini
• اجرای کامل روی ماشین شخصی بدون نیاز به واسطه‌های محدودکننده
این پروژه در عمل به عنوان جایگزینی برای Grok Bot توسعه یافته است و به کاربران اجازه می‌دهد بدون هزینه‌های جانبی، گردش‌کارهای خودکار با هوش مصنوعی ایجاد کنند.
#OpenBot #DeepSeek
اگر به ابزارهایی مانند Grok، Muse یا Dot دسترسی ندارید یا ترجیح می‌دهید از سرویس‌های رایگان استفاده کنید، پروژه OpenBot گزینه‌ای متن‌باز برای اجرا روی سیستم شخصی است.
این ابزار به شما اجازه می‌دهد دستیارهای هوشمند بسازید و وظایف مختلف را به آن‌ها بسپارید. از مهم‌ترین ویژگی‌های آن می‌توان به موارد زیر اشاره کرد:
• امکان اتصال به مدل‌های لوکال و ارزان‌قیمت مانند DeepSeek
• قابلیت استفاده از اشتراک مدل‌های تجاری نظیر GPT، Claude و Gemini
• اجرای کامل روی ماشین شخصی بدون نیاز به واسطه‌های محدودکننده
این پروژه در عمل به عنوان جایگزینی برای Grok Bot توسعه یافته است و به کاربران اجازه می‌دهد بدون هزینه‌های جانبی، گردش‌کارهای خودکار با هوش مصنوعی ایجاد کنند.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#OpenBot #DeepSeek
🏦 هشدار بانک‌های آمریکا درباره اشتراک رمز عبور با ابزارهای AI
بانک آمریکا در ایمیلی به مشتریان خود اعلام کرد که هرگز نباید اطلاعات ورود به حساب بانکی خود را در اختیار ابزارهای هوش مصنوعی قرار دهند. این بانک تأکید کرده است که در صورت اشتراک‌گذاری رمز عبور با یک دستیار هوشمند، مسئولیت تمامی تراکنش‌ها و فعالیت‌های انجام‌شده در حساب بر عهده خود مشتری خواهد بود.
این تصمیم در پی گسترش استفاده از دستیارهای AI برای مدیریت حساب‌های کاربری اتخاذ شده است. سایر بانک‌های بزرگ نیز رویکردهای محدودکننده‌ای را در پیش گرفته‌اند:
* مورگان استنلی: مسدود کردن دسترسی ابزارهای شخص‌ثالث به پلتفرم‌های خود.
* جی‌پی‌مورگان و سیتی: اعمال محدودیت‌های سخت‌گیرانه بر عملکرد این‌گونه دستیارها.
* چارلز شواب: بلاک کردن دسترسی ابزارهایی نظیر
به گزارش TechCrunch، روند کلی در سیستم بانکی به سمت ارائه دسترسی‌های صرفاً خواندنی (read-only) به جای دسترسی کامل برای این ابزارها در حال تغییر است.
#Bank_of_America #Meta_Muse
بانک آمریکا در ایمیلی به مشتریان خود اعلام کرد که هرگز نباید اطلاعات ورود به حساب بانکی خود را در اختیار ابزارهای هوش مصنوعی قرار دهند. این بانک تأکید کرده است که در صورت اشتراک‌گذاری رمز عبور با یک دستیار هوشمند، مسئولیت تمامی تراکنش‌ها و فعالیت‌های انجام‌شده در حساب بر عهده خود مشتری خواهد بود.
این تصمیم در پی گسترش استفاده از دستیارهای AI برای مدیریت حساب‌های کاربری اتخاذ شده است. سایر بانک‌های بزرگ نیز رویکردهای محدودکننده‌ای را در پیش گرفته‌اند:
* مورگان استنلی: مسدود کردن دسترسی ابزارهای شخص‌ثالث به پلتفرم‌های خود.
* جی‌پی‌مورگان و سیتی: اعمال محدودیت‌های سخت‌گیرانه بر عملکرد این‌گونه دستیارها.
* چارلز شواب: بلاک کردن دسترسی ابزارهایی نظیر
Muse متعلق به متا به حساب‌های مشتریان.به گزارش TechCrunch، روند کلی در سیستم بانکی به سمت ارائه دسترسی‌های صرفاً خواندنی (read-only) به جای دسترسی کامل برای این ابزارها در حال تغییر است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#Bank_of_America #Meta_Muse
🚀 آنتروپیک به بزرگترین مشتری مالی اسپیس‌ایکس تبدیل شد
طبق اسناد مالی اخیر اسپیس‌ایکس و گزارش بلومبرگ، شرکت هوش مصنوعی Anthropic که در گزارش‌ها با نام «مشتری B» ثبت شده، در سه ماهه گذشته حدود ۳۴.۵ درصد از کل درآمد اسپیس‌ایکس را تأمین کرده و سهمی بیشتر از دولت آمریکا در پرداختی‌های این شرکت داشته است.
این هزینه‌ها مربوط به پرتاب موشک نیست. آنتروپیک قدرت پردازشی دیتاسنتر ممفیس را از بخش هوش مصنوعی اسپیس‌ایکس (Super Intelligence) اجاره می‌کند. پرونده عرضه عمومی (IPO) آنتروپیک نشان می‌دهد که این شرکت طبق قراردادهایی تا سال ۲۰۲۹، ممکن است تا ۱۲۰.۵ میلیارد دلار در این بخش هزینه کند که از دسامبر به حدود ۳.۱ میلیارد دلار در ماه می‌رسد.
بر اساس این اسناد، امکان لغو قرارداد از اوایل سال ۲۰۲۷ با اعلام قبلی ۹۰ روزه وجود دارد. هیچ‌یک از این دو شرکت درباره خبر منتشرشده اظهارنظر نکرده‌اند.
طبق اسناد مالی اخیر اسپیس‌ایکس و گزارش بلومبرگ، شرکت هوش مصنوعی Anthropic که در گزارش‌ها با نام «مشتری B» ثبت شده، در سه ماهه گذشته حدود ۳۴.۵ درصد از کل درآمد اسپیس‌ایکس را تأمین کرده و سهمی بیشتر از دولت آمریکا در پرداختی‌های این شرکت داشته است.
این هزینه‌ها مربوط به پرتاب موشک نیست. آنتروپیک قدرت پردازشی دیتاسنتر ممفیس را از بخش هوش مصنوعی اسپیس‌ایکس (Super Intelligence) اجاره می‌کند. پرونده عرضه عمومی (IPO) آنتروپیک نشان می‌دهد که این شرکت طبق قراردادهایی تا سال ۲۰۲۹، ممکن است تا ۱۲۰.۵ میلیارد دلار در این بخش هزینه کند که از دسامبر به حدود ۳.۱ میلیارد دلار در ماه می‌رسد.
بر اساس این اسناد، امکان لغو قرارداد از اوایل سال ۲۰۲۷ با اعلام قبلی ۹۰ روزه وجود دارد. هیچ‌یک از این دو شرکت درباره خبر منتشرشده اظهارنظر نکرده‌اند.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
📉 ریزش شدید سهام شرکت‌های هوش مصنوعی
در ۴۸ ساعت گذشته، بازار سهام شرکت‌های بزرگ فناوری شاهد افت قابل‌توجهی بود که ناشی از نگرانی سرمایه‌گذاران نسبت به تراز مالی و هزینه‌های زیرساختی حوزه هوش مصنوعی است. مهم‌ترین تغییرات بازار عبارتند از:
* Intel: با کاهش ۳۲.۹ درصدی ارزش سهام، بزرگترین افت روزانه خود در ۴۰ سال اخیر را تجربه کرد. پیش‌بینی درآمد سه‌ماهه چهارم این شرکت ۱.۱ میلیارد دلار کمتر از انتظارات تحلیل‌گران بود.
* Google: با وجود رشد درآمد ۲۵ درصدی، جریان نقدی آزاد آن ۹.۱ میلیارد دلار منفی شد که منجر به کاهش ۵۰۰ میلیارد دلاری ارزش بازار این شرکت در یک روز شد.
* Amazon: اگرچه درآمد AWS رشد ۳۹ درصدی داشته، اما پیش‌بینی مخارج ۲۲۰ میلیارد دلاری برای زیرساخت‌های هوش مصنوعی و منفی شدن جریان نقدی، فشار فروش را افزایش داده است.
سرمایه‌گذاران نگرانند که هزینه‌های کلان در زیرساخت‌های AI هنوز منجر به بازگشت نقدی متناسب نشده باشد. این تردید اکنون به بخش نیمه‌هادی‌ها نیز سرایت کرده است.
در ۴۸ ساعت گذشته، بازار سهام شرکت‌های بزرگ فناوری شاهد افت قابل‌توجهی بود که ناشی از نگرانی سرمایه‌گذاران نسبت به تراز مالی و هزینه‌های زیرساختی حوزه هوش مصنوعی است. مهم‌ترین تغییرات بازار عبارتند از:
* Intel: با کاهش ۳۲.۹ درصدی ارزش سهام، بزرگترین افت روزانه خود در ۴۰ سال اخیر را تجربه کرد. پیش‌بینی درآمد سه‌ماهه چهارم این شرکت ۱.۱ میلیارد دلار کمتر از انتظارات تحلیل‌گران بود.
* Google: با وجود رشد درآمد ۲۵ درصدی، جریان نقدی آزاد آن ۹.۱ میلیارد دلار منفی شد که منجر به کاهش ۵۰۰ میلیارد دلاری ارزش بازار این شرکت در یک روز شد.
* Amazon: اگرچه درآمد AWS رشد ۳۹ درصدی داشته، اما پیش‌بینی مخارج ۲۲۰ میلیارد دلاری برای زیرساخت‌های هوش مصنوعی و منفی شدن جریان نقدی، فشار فروش را افزایش داده است.
سرمایه‌گذاران نگرانند که هزینه‌های کلان در زیرساخت‌های AI هنوز منجر به بازگشت نقدی متناسب نشده باشد. این تردید اکنون به بخش نیمه‌هادی‌ها نیز سرایت کرده است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
📚 بیش از ۵۰۰ تقلب‌نامه یادگیری ماشین در یک مخزن گیت‌هاب
در مخزن MLCheatSheets بیش از ۵۰۰ تقلب‌نامه (Cheat Sheet) درباره یادگیری ماشین و یادگیری عمیق گردآوری شده است. این منابع مباحث مختلفی از الگوریتم‌های پایه و ریاضیات گرفته تا شبکه‌های عصبی و ترنسفورمرها را پوشش می‌دهند.
هر تقلب‌نامه شامل توضیحات تئوری، فرمول‌های مرتبط، نمونه‌کدهای پایتون و نکاتی برای اجرای آن‌ها است.
در مخزن MLCheatSheets بیش از ۵۰۰ تقلب‌نامه (Cheat Sheet) درباره یادگیری ماشین و یادگیری عمیق گردآوری شده است. این منابع مباحث مختلفی از الگوریتم‌های پایه و ریاضیات گرفته تا شبکه‌های عصبی و ترنسفورمرها را پوشش می‌دهند.
هر تقلب‌نامه شامل توضیحات تئوری، فرمول‌های مرتبط، نمونه‌کدهای پایتون و نکاتی برای اجرای آن‌ها است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
❤1