‏🧬 توسعه اپلیکیشن آناتومی سه‌بعدی با Vibe Coding

‏🧠 توسعه‌دهنده‌ای با رویکرد «وایت‌کدینگ» (کدنویسی مبتنی بر توصیف ایده)، یک ابزار تعاملی و آموزشی برای بررسی آناتومی بدن انسان طراحی کرده است. این پروژه با استفاده از قابلیت‌های مدل‌های جدید و ابزارهای تولید محتوا از یک تصویر طراحی اولیه شروع شد.

‏⚡ مدل GPT-5.6 Sol نقش اصلی را در تبدیل تصاویر به مدل‌های سه‌بعدی ایفا کرد. سپس با بهره‌گیری از Codex، تمامی دارایی‌های بصری و منطق برنامه یکپارچه شدند. در نسخه اولیه، به دلیل حجم بالای مدل‌ها (هر کدام تا ۱۵۰ مگابایت)، نرخ فریم به ۱۶ رسید که تجربه کاربری مناسبی نبود.

‏🚀 با بهینه‌سازی‌های انجام شده، حجم هر مدل به بازه ۲ تا ۵.۵ مگابایت کاهش یافت و مجموع حجم دارایی‌ها از ۹۰۰ مگابایت به حدود ۲۸.۶ مگابایت رسید. این پروژه اکنون از بارگذاری در لحظه (On-demand) پشتیبانی می‌کند و شامل نشانگرهای تعاملی برای آموزش دقیق اجزای بدن است.

‏🔗 anatomy-livid.vercel.app

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#ThreeJS #Codex

‏🚀 نبرد مدل‌های هوش مصنوعی: Qwen 3.8 Max در برابر Opus 5

‏این روزها شاهد رقابت جذابی هستیم؛ مدل‌های متن‌باز چینی به‌خوبی توانسته‌اند با قدرتمندترین مدل‌های بسته‌ی جهان وارد رقابت مستقیم شوند.

‏در یک تست عملی، از مدل‌ها خواسته شد تا یک نمونه اولیه از موتور بخار سه‌بعدی با استفاده از Three.js طراحی کنند. نتیجه این مقایسه نشان می‌دهد که مدل‌های رایگان و قابل اجرا روی سیستم شخصی، فاصله‌ی بسیار کمی با مدل‌های تجاری و گران‌قیمت دارند.

‏مهم‌ترین نکات این رقابت:
‏- تقابل یک مدل متن‌باز با مدل‌های سطح بالای closed-source
‏- قابلیت اجرای محلی مدل Qwen برای کاهش هزینه‌ها
‏- دقت بالا در تولید کدهای گرافیکی پیچیده

‏به‌نظر شما، کدام مدل در پیاده‌سازی پروژه‌های فنی بهتر عمل می‌کند؟

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#Qwen3_8Max #Threejs