🤖 انتشار مدل زبانی Kimi K3.1 Pro
مدل Kimi K3.1 Pro به‌تازگی معرفی شد. وزن‌های این مدل قرار است از تاریخ ۴ نوامبر منتشر شود، اما در حال حاضر از طریق پلتفرم رسمی در دسترس است. قیمت استفاده از API این مدل نسبت به نسخه K3 کاهش یافته، هرچند نسخه Highspeed آن که سرعت تولید بالاتری دارد، با قیمت کمی متفاوت ارائه می‌شود.
نتایج بنچمارک‌های منتشر شده برای این مدل نشان‌دهنده عملکرد آن در کنار مدل‌هایی نظیر Opus 5.5 و GPT-6 Astra است. مهم‌ترین امتیازات کسب‌شده توسط Kimi K3.1 Pro در آزمون‌های مختلف به شرح زیر است:
* SWE Marathon: امتیاز ۵۱.۷ (رتبه اول)
* Agents' Last Exam: امتیاز ۴۳.۲ (رتبه اول)
* OfficeQA Pro v2: امتیاز ۶۴.۴ (رتبه اول)
* Kimi Code Bench 3.0: امتیاز ۶۱.۲ (رتبه دوم)
* Terminal-Bench 4.0: امتیاز ۶۵.۷ (رتبه دوم)
🔗 بررسی کامل در سایت
#Kimi_K3_1_Pro #SWEMarathon
مدل Kimi K3.1 Pro به‌تازگی معرفی شد. وزن‌های این مدل قرار است از تاریخ ۴ نوامبر منتشر شود، اما در حال حاضر از طریق پلتفرم رسمی در دسترس است. قیمت استفاده از API این مدل نسبت به نسخه K3 کاهش یافته، هرچند نسخه Highspeed آن که سرعت تولید بالاتری دارد، با قیمت کمی متفاوت ارائه می‌شود.
نتایج بنچمارک‌های منتشر شده برای این مدل نشان‌دهنده عملکرد آن در کنار مدل‌هایی نظیر Opus 5.5 و GPT-6 Astra است. مهم‌ترین امتیازات کسب‌شده توسط Kimi K3.1 Pro در آزمون‌های مختلف به شرح زیر است:
* SWE Marathon: امتیاز ۵۱.۷ (رتبه اول)
* Agents' Last Exam: امتیاز ۴۳.۲ (رتبه اول)
* OfficeQA Pro v2: امتیاز ۶۴.۴ (رتبه اول)
* Kimi Code Bench 3.0: امتیاز ۶۱.۲ (رتبه دوم)
* Terminal-Bench 4.0: امتیاز ۶۵.۷ (رتبه دوم)
🔗 بررسی کامل در سایت
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Kimi_K3_1_Pro #SWEMarathon
❤1
🧠 مقایسه عملکرد مدل‌های Claude، GPT-6، Gemini و DeepSeek
شاخص مستقل Artificial Analysis در جدیدترین ارزیابی خود، مدل Claude Opus 5.5 را در بخش توانمندی هوشی با کسب ۵۸ امتیاز در رتبه نخست قرار داده است. در این رده‌بندی، GPT-6 Astra و Gemini 4 Argon به ترتیب ۵۳ امتیاز کسب کرده‌اند.
با این حال، در تست صداقت یا AA-Omniscience نتایج متفاوتی مشاهده می‌شود:
* مدل Argon در ۱۵٪ مواقع پاسخ‌های ساختگی ارائه می‌دهد و تمایل بیشتری به پاسخ ندادن دارد.
* مدل Astra در ۵۱٪ موارد دچار خطا در پاسخ‌دهی می‌شود.
* مدل Opus 5.5 در ۵۸.۶٪ موارد پاسخ‌های نادرست یا ساختگی تولید می‌کند.
از نظر هزینه‌ها، DeepSeek V4.1 Flash به عنوان تنها مدل متن‌باز این لیست، با قیمت ۱.۲ دلار به ازای هر میلیون توکن خروجی، ارزان‌ترین گزینه است. در مقابل، هزینه مدل‌های Claude و Astra به ترتیب ۲۰ و ۵۰ دلار است و مدل Argon نیز با قیمت ۱۰ دلار در حال عرضه است.
🔗 بررسی کامل در سایت
شاخص مستقل Artificial Analysis در جدیدترین ارزیابی خود، مدل Claude Opus 5.5 را در بخش توانمندی هوشی با کسب ۵۸ امتیاز در رتبه نخست قرار داده است. در این رده‌بندی، GPT-6 Astra و Gemini 4 Argon به ترتیب ۵۳ امتیاز کسب کرده‌اند.
با این حال، در تست صداقت یا AA-Omniscience نتایج متفاوتی مشاهده می‌شود:
* مدل Argon در ۱۵٪ مواقع پاسخ‌های ساختگی ارائه می‌دهد و تمایل بیشتری به پاسخ ندادن دارد.
* مدل Astra در ۵۱٪ موارد دچار خطا در پاسخ‌دهی می‌شود.
* مدل Opus 5.5 در ۵۸.۶٪ موارد پاسخ‌های نادرست یا ساختگی تولید می‌کند.
از نظر هزینه‌ها، DeepSeek V4.1 Flash به عنوان تنها مدل متن‌باز این لیست، با قیمت ۱.۲ دلار به ازای هر میلیون توکن خروجی، ارزان‌ترین گزینه است. در مقابل، هزینه مدل‌های Claude و Astra به ترتیب ۲۰ و ۵۰ دلار است و مدل Argon نیز با قیمت ۱۰ دلار در حال عرضه است.
🔗 بررسی کامل در سایت
🚨 اخراج سه محقق ایمنی OpenAI به اتهام افشای اطلاعات
طبق گزارش وال‌استریت ژورنال، شرکت OpenAI سه پژوهشگر حوزه ایمنی شامل ژاسمین وانگ، تومک کورباک و میکیتا بالاسنی را به اتهام به اشتراک‌گذاری طرح‌های داخلی مدل‌ها با یک محقق بیرونی اخراج کرده است. گفته می‌شود این ارتباطات از طریق پیام‌های خودحذف‌شونده در پیام‌رسان سیگنال صورت گرفته است.
OpenAI این رویداد را نقض جدی مقررات داده‌های حساس دانسته، اما پژوهشگران روایت متفاوتی دارند. کورباک و بالاسنی علت اخراج را نحوه تعامل خود با سازمان‌های ارزیابی ایمنی مثل METR می‌دانند و وانگ می‌گوید به‌دلیل بازکردن تصادفی یک ایمیل حساس و گزارش سریع آن برکنار شده است.
این سه نفر پس از اخراج، در نامه‌ای به هیئت‌مدیره خواستار توقف توسعه مدل‌هایی شدند که نحوه استدلال آن‌ها برای انسان قابل راستی‌آزمایی نیست.
طبق گزارش وال‌استریت ژورنال، شرکت OpenAI سه پژوهشگر حوزه ایمنی شامل ژاسمین وانگ، تومک کورباک و میکیتا بالاسنی را به اتهام به اشتراک‌گذاری طرح‌های داخلی مدل‌ها با یک محقق بیرونی اخراج کرده است. گفته می‌شود این ارتباطات از طریق پیام‌های خودحذف‌شونده در پیام‌رسان سیگنال صورت گرفته است.
OpenAI این رویداد را نقض جدی مقررات داده‌های حساس دانسته، اما پژوهشگران روایت متفاوتی دارند. کورباک و بالاسنی علت اخراج را نحوه تعامل خود با سازمان‌های ارزیابی ایمنی مثل METR می‌دانند و وانگ می‌گوید به‌دلیل بازکردن تصادفی یک ایمیل حساس و گزارش سریع آن برکنار شده است.
این سه نفر پس از اخراج، در نامه‌ای به هیئت‌مدیره خواستار توقف توسعه مدل‌هایی شدند که نحوه استدلال آن‌ها برای انسان قابل راستی‌آزمایی نیست.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
مهندسی معکوس با ابزار REA و مدل Opus 5.5
ابزار REA (مخفف Reverse Engineer Anything) به همراه مدل Opus 5.5، امکان بررسی و بازسازی ویژگی‌های نرم‌افزارهای بسته (بدون دسترسی به سورس‌کد) را فراهم کرده است. این ابزار با تحلیل باینری، به ایجنت‌های کدنویسی اجازه می‌دهد تا منطق یک برنامه را استخراج و نسخه شخصی‌سازی‌شده‌ای از آن را بازسازی کنند.
در این فرآیند، نقش Oracle (تأییدکننده) حیاتی است. از آنجا که مدل‌های هوش مصنوعی ممکن است در بازسازی کد دچار خطا شوند، «اوراکل» مجموعه‌ای از تست‌ها و کنترل‌هاست که صحت عملکرد خروجی را با معیارهای دقیق (مانند خروجی عددی یا رفتار برنامه) می‌سنجد.
مهم‌ترین نکات برای استفاده از این متدولوژی:
* تست اوراکل: پیش از اعتماد به نتایج، باید برای اوراکل تست‌های منفی طراحی کنید (مثلاً وارد کردن مقادیر اشتباه) تا مطمئن شوید ابزار کنترلی شما دچار خطای پنهان نیست.
* معماری اتاق تمیز (Clean-Room): برای رعایت مسائل حقوقی، تیم‌های موفق به جای کپی کد، رفتار برنامه را مشاهده و از نو پیاده‌سازی می‌کنند.
🔗 راهنمای کامل در سایت
🇮🇷 سایت | تلگرام
ابزار REA (مخفف Reverse Engineer Anything) به همراه مدل Opus 5.5، امکان بررسی و بازسازی ویژگی‌های نرم‌افزارهای بسته (بدون دسترسی به سورس‌کد) را فراهم کرده است. این ابزار با تحلیل باینری، به ایجنت‌های کدنویسی اجازه می‌دهد تا منطق یک برنامه را استخراج و نسخه شخصی‌سازی‌شده‌ای از آن را بازسازی کنند.
در این فرآیند، نقش Oracle (تأییدکننده) حیاتی است. از آنجا که مدل‌های هوش مصنوعی ممکن است در بازسازی کد دچار خطا شوند، «اوراکل» مجموعه‌ای از تست‌ها و کنترل‌هاست که صحت عملکرد خروجی را با معیارهای دقیق (مانند خروجی عددی یا رفتار برنامه) می‌سنجد.
مهم‌ترین نکات برای استفاده از این متدولوژی:
* تست اوراکل: پیش از اعتماد به نتایج، باید برای اوراکل تست‌های منفی طراحی کنید (مثلاً وارد کردن مقادیر اشتباه) تا مطمئن شوید ابزار کنترلی شما دچار خطای پنهان نیست.
* معماری اتاق تمیز (Clean-Room): برای رعایت مسائل حقوقی، تیم‌های موفق به جای کپی کد، رفتار برنامه را مشاهده و از نو پیاده‌سازی می‌کنند.
🔗 راهنمای کامل در سایت
🇮🇷 سایت | تلگرام
Media is too big
VIEW IN TELEGRAM
🎬 شرکت Tencent مدل جهان ویدیویی تعاملی Hy-Nomas را منتشر کرد
شرکت Tencent مدل متن‌باز Hy-Nomas را منتشر کرد؛ یک مدل جهان ویدیویی تعاملی که قابلیت اجرا روی یک کارت گرافیک RTX 4090 را دارد.
این مدل ویدیو را بخش‌به‌بخش می‌سازد و کنترل آن از طریق متن و مسیر حرکت دوربین انجام می‌شود. کاربر می‌تواند در هر مرحله صحنه، سبک، عمل یا زاویه دید را تغییر دهد، در حالی که حافظه محیط میان بخش‌های مختلف حفظ می‌شود. خروجی ویدیو با رزولوشن 1280×720 و سرعت ۲۴ فریم بر ثانیه تولید می‌شود و امکان شخصی‌سازی آن برای حوزه‌هایی مانند رباتیک با استفاده از LoRA وجود دارد.
پیکربندی استاندارد این مدل برای هشت کارت گرافیک طراحی شده، اما با کوانتایز INT8 وزن‌ها، KV-cache و انتقال بخشی از پردازش به CPU، روی یک RTX 4090 هم اجرا می‌شود.
کد آموزش و اینفرنس تحت مجوز Apache-2.0 منتشر شده و وزن‌های مدل به همراه دموی آنلاین در دسترس است. هنوز بنچمارک رسمی برای Hy-Nomas ارائه نشده و گزارش فنی آن بعداً منتشر خواهد شد.
#Hy_Nomas #LoRA
شرکت Tencent مدل متن‌باز Hy-Nomas را منتشر کرد؛ یک مدل جهان ویدیویی تعاملی که قابلیت اجرا روی یک کارت گرافیک RTX 4090 را دارد.
این مدل ویدیو را بخش‌به‌بخش می‌سازد و کنترل آن از طریق متن و مسیر حرکت دوربین انجام می‌شود. کاربر می‌تواند در هر مرحله صحنه، سبک، عمل یا زاویه دید را تغییر دهد، در حالی که حافظه محیط میان بخش‌های مختلف حفظ می‌شود. خروجی ویدیو با رزولوشن 1280×720 و سرعت ۲۴ فریم بر ثانیه تولید می‌شود و امکان شخصی‌سازی آن برای حوزه‌هایی مانند رباتیک با استفاده از LoRA وجود دارد.
پیکربندی استاندارد این مدل برای هشت کارت گرافیک طراحی شده، اما با کوانتایز INT8 وزن‌ها، KV-cache و انتقال بخشی از پردازش به CPU، روی یک RTX 4090 هم اجرا می‌شود.
کد آموزش و اینفرنس تحت مجوز Apache-2.0 منتشر شده و وزن‌های مدل به همراه دموی آنلاین در دسترس است. هنوز بنچمارک رسمی برای Hy-Nomas ارائه نشده و گزارش فنی آن بعداً منتشر خواهد شد.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Hy_Nomas #LoRA
🤖 استفاده از Claude برای اثبات ریاضی کدهای متن‌باز
شرکت Anthropic با همکاری Theorem از مدل Claude برای تأیید رسمی (Formal Verification) کدهای ۱۲۳ کتابخانه متن‌باز استفاده کرده است. در این پروژه، مدل به جای تکیه بر تست‌های تصادفی، تست‌های موجود در سرویس OSS-Fuzz گوگل را به قضایای ریاضی تبدیل کرده و صحت عملکرد آن‌ها را اثبات کرد.
نتایج این آزمایش شامل موارد زیر است:
* تولید ۱۸۰ میلیون خط کد اثبات برای ۲۳۹ نقطه ورود در کتابخانه‌های مختلف.
* تأیید نهایی توسط نرم‌افزار
* شناسایی و رفع صدها باگ پیچیده، از جمله خطای سرریز بافر در الگوریتم‌های فشرده‌سازی و دسترسی خارج از محدوده آرایه در دیکودرهای تصویر که با تست‌های معمولی قابل کشف نبودند.
اگرچه این روش در گذشته به دلیل هزینه بالای زمانی بسیار دشوار بود، اما اکنون خودکارسازی آن سرعت کار را به شدت افزایش داده است.
🔗 ادامه مطلب در سایت
#Formal_Verification #Rocq
شرکت Anthropic با همکاری Theorem از مدل Claude برای تأیید رسمی (Formal Verification) کدهای ۱۲۳ کتابخانه متن‌باز استفاده کرده است. در این پروژه، مدل به جای تکیه بر تست‌های تصادفی، تست‌های موجود در سرویس OSS-Fuzz گوگل را به قضایای ریاضی تبدیل کرده و صحت عملکرد آن‌ها را اثبات کرد.
نتایج این آزمایش شامل موارد زیر است:
* تولید ۱۸۰ میلیون خط کد اثبات برای ۲۳۹ نقطه ورود در کتابخانه‌های مختلف.
* تأیید نهایی توسط نرم‌افزار
Rocq برای اطمینان از اجرای بدون نقص کد با هر ورودی تا ۶۴ مگابایت.* شناسایی و رفع صدها باگ پیچیده، از جمله خطای سرریز بافر در الگوریتم‌های فشرده‌سازی و دسترسی خارج از محدوده آرایه در دیکودرهای تصویر که با تست‌های معمولی قابل کشف نبودند.
اگرچه این روش در گذشته به دلیل هزینه بالای زمانی بسیار دشوار بود، اما اکنون خودکارسازی آن سرعت کار را به شدت افزایش داده است.
🔗 ادامه مطلب در سایت
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Formal_Verification #Rocq
🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #5 | 📌 5 آیتم گزارش | 🧾 از 19 پست بررسی‌شده
🕐 جمعه 1405/08/01 ساعت 14:00 تا شنبه 1405/08/02 ساعت 14:00
🗂 رویدادهای منتخب
🔬 مدل‌ها و زیرساخت‌ها
🔬 مهندسی معکوس و امنیت
🗂 گزارش #5 | 📌 5 آیتم گزارش | 🧾 از 19 پست بررسی‌شده
🕐 جمعه 1405/08/01 ساعت 14:00 تا شنبه 1405/08/02 ساعت 14:00
🗂 رویدادهای منتخب
🔬 مدل‌ها و زیرساخت‌ها
عرضه مدل‌های OpenAI در Google Cloud
دسترسی مستقیم سازمانی به مدل‌های OpenAI برای گردش‌های کاری ایجنتی و حکمرانی داده در زیرساخت گوگل.
انتشار مدل Kimi K3.1 Pro
ارائه مدل جدید با رتبه بالا در بنچمارک‌های SWE و کدنویسی؛ وزن‌ها ۴ نوامبر منتشر می‌شوند.
مدل صوتی Granite Speech 5.0
مدل ۲ میلیاردی آی‌بی‌ام با نرخ خطای ۵.۶۸٪ و مجوز Apache 2.0 برای کاربردهای نویسه‌گردانی و ترجمه.
🔬 مهندسی معکوس و امنیت
بازسازی منطق نرم‌افزار با REA و Opus 5.5
استفاده از متدولوژی اتاق تمیز برای تحلیل رفتار باینری و بازسازی کد بدون نقض مالکیت معنوی.
تغییرات ساختاری در تیم ایمنی OpenAI
اخراج سه محقق حوزه ایمنی به‌دلیل انتقال داده‌های حساس و درخواست برای توقف توسعه مدل‌های غیرقابل راستی‌آزمایی.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
🤖 قابلیت اتصال مدل‌های هوش مصنوعی به تلگرام
تلگرام در حال آزمایش قابلیتی در نسخه بتا برای سیستم‌عامل macOS است که به کاربران اجازه می‌دهد مدل‌های مختلف هوش مصنوعی را مستقیماً به پیام‌رسان خود متصل کنند.
کاربران می‌توانند با وارد کردن کلیدهای API شخصی، از چندین مدل به‌صورت همزمان استفاده کرده و با ارسال درخواست‌های مستقیم، بین آن‌ها جابه‌جا شوند. این ویژگی با هدف ایجاد یک رابط کاربری یکپارچه برای مدیریت مدل‌های مختلف طراحی شده است تا نیاز به تعویض مداوم برنامه‌ها کاهش یابد.
مهم‌ترین مدل‌های پشتیبانی‌شده در این نسخه بتا عبارتند از:
- OpenAI (ChatGPT)
- Anthropic (Claude)
- Google (Gemini)
- xAI (Grok)
- OpenRouter
این قابلیت در حال حاضر در نسخه ۱/۰/۱۳ تلگرام macOS مشاهده شده و هنوز برای کاربران عمومی در دسترس نیست. جزئیات نهایی و نحوه عملکرد آن پس از انتشار عمومی مشخص خواهد شد.
#OpenRouter #API_keys
تلگرام در حال آزمایش قابلیتی در نسخه بتا برای سیستم‌عامل macOS است که به کاربران اجازه می‌دهد مدل‌های مختلف هوش مصنوعی را مستقیماً به پیام‌رسان خود متصل کنند.
کاربران می‌توانند با وارد کردن کلیدهای API شخصی، از چندین مدل به‌صورت همزمان استفاده کرده و با ارسال درخواست‌های مستقیم، بین آن‌ها جابه‌جا شوند. این ویژگی با هدف ایجاد یک رابط کاربری یکپارچه برای مدیریت مدل‌های مختلف طراحی شده است تا نیاز به تعویض مداوم برنامه‌ها کاهش یابد.
مهم‌ترین مدل‌های پشتیبانی‌شده در این نسخه بتا عبارتند از:
- OpenAI (ChatGPT)
- Anthropic (Claude)
- Google (Gemini)
- xAI (Grok)
- OpenRouter
این قابلیت در حال حاضر در نسخه ۱/۰/۱۳ تلگرام macOS مشاهده شده و هنوز برای کاربران عمومی در دسترس نیست. جزئیات نهایی و نحوه عملکرد آن پس از انتشار عمومی مشخص خواهد شد.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#OpenRouter #API_keys
❤1
🤖 انتشار مدل کوچک Nemotron 3.5 Bolt توسط انویدیا
انویدیا مدل جدید Nemotron 3.5 Bolt E4B را منتشر کرده است؛ یک مدل کوچک که با اشغال حدود ۴ گیگابایت حافظه VRAM، امکان اجرای محلی ایجنت‌های صوتی، گیمینگ و رباتیک را فراهم می‌کند.
این مدل بر پایه Gemma 4 E4B ساخته شده و انویدیا برای آموزش آن از روش صرفاً «یادگیری تقویتی» (RL-only) استفاده کرده است. در واقع، این شرکت مرحله SFT را کنار گذاشت تا کیفیت مکالمه حفظ شود. همچنین با استفاده از جریمه‌های طولانی، پاسخ‌ها کوتاه‌تر نگه داشته می‌شوند.
برخی مشخصات فنی:
- ۸ میلیارد پارامتر (۴ میلیارد پارامتر مؤثر)
- ۶۴ هزار توکن طول متن زمینه (Context)
- مجوز OpenMDW-1.1
- زمان پاسخ‌دهی ۵۴۸ میلی‌ثانیه برای توکن اول روی کارت گرافیک RTX 5070
این مدل در ۱۵ مورد از ۲۱ بنچمارک استاندارد انویدیا، عملکرد بهتری نسبت به رقبا از جمله Gemma 4 E4B و Qwen3.5-4B داشته است. جزئیات بیشتر در گزارش فنی و مستندات آن قابل دسترسی است.
#Nemotron_3_5_Bolt #RL_only_training
انویدیا مدل جدید Nemotron 3.5 Bolt E4B را منتشر کرده است؛ یک مدل کوچک که با اشغال حدود ۴ گیگابایت حافظه VRAM، امکان اجرای محلی ایجنت‌های صوتی، گیمینگ و رباتیک را فراهم می‌کند.
این مدل بر پایه Gemma 4 E4B ساخته شده و انویدیا برای آموزش آن از روش صرفاً «یادگیری تقویتی» (RL-only) استفاده کرده است. در واقع، این شرکت مرحله SFT را کنار گذاشت تا کیفیت مکالمه حفظ شود. همچنین با استفاده از جریمه‌های طولانی، پاسخ‌ها کوتاه‌تر نگه داشته می‌شوند.
برخی مشخصات فنی:
- ۸ میلیارد پارامتر (۴ میلیارد پارامتر مؤثر)
- ۶۴ هزار توکن طول متن زمینه (Context)
- مجوز OpenMDW-1.1
- زمان پاسخ‌دهی ۵۴۸ میلی‌ثانیه برای توکن اول روی کارت گرافیک RTX 5070
این مدل در ۱۵ مورد از ۲۱ بنچمارک استاندارد انویدیا، عملکرد بهتری نسبت به رقبا از جمله Gemma 4 E4B و Qwen3.5-4B داشته است. جزئیات بیشتر در گزارش فنی و مستندات آن قابل دسترسی است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Nemotron_3_5_Bolt #RL_only_training