اگر اونقدر پولدارید که سخت‌افزار خوب دارید، این مدل‌ها رو می‌تونید روی گرافیکی که دارید ران کنید.

با 8gb VRAM مدل Qwen3.8-27B IQ1_S
https://huggingface.co/unsloth/Qwen3.8-27B-GGUF/blob/main/Qwen3.8-27B-UD-IQ1_S.gguf

با 16gb VRAM مدل Qwen3.8-27B Q2_K_XL
https://huggingface.co/unsloth/Qwen3.8-27B-GGUF/blob/main/Qwen3.8-27B-UD-Q2_K_XL.gguf


با RTX 3090 مدل Qwen3.8-27B Q4_K_M
https://huggingface.co/unsloth/Qwen3.8-27B-GGUF/blob/main/Qwen3.8-27B-UD-Q4_K_M.gguf

با RTX 5090 مدل Qwen3.8-27B NVFP4
https://github.com/MiaAI-Lab/Qwen3.8-27B-NVFP4-RTX-5090

با RTX PRO 6000 مدل Qwen3.8-27B NVFP4
https://github.com/MiaAI-Lab/Qwen3.8-27B-RTX-6000-PRO-SGLang-DSpark


با DGX Spark مدل DeepSeek v4 Flash / Qwen3.8-27B
https://github.com/MiaAI-Lab/DeepSeek-v4-Flash-One-DGX-Spark
https://github.com/MiaAI-Lab/Qwen3.8-27B-SGLang-DGX-Spark

با 2x DGX Sparks مدل DeepSeek v4 Flash
https://github.com/MiaAI-Lab/DeepSeek-v4-Flash-DSpark-2x-DGX-Spark


@DevTwitter

مدل ۲.۷۸ تریلیون پارامتری Kimi K3 رو فقط با C خالص روی یک CPU اجرا کردن

بدون GPU، بدون PyTorch، بدون BLAS.

فقط حدود ۸ گیگ رم.

مهندسی‌ش دیوانه‌کننده‌ست.

https://github.com/FareedKhan-dev/kimi-k3-in-c

@DevTwitter | <Reza/>

اگر روی پروژه فرانت اند کار می کنید و با AI کار می کنید این https://fsd.how/docs/get-started/overview/ می‌تونه خیلی کمک کنه.

@DevTwitter | <Hamedooo/>

تولید تصویر با مدل‌های هوش مصنوعی وارد مرحله‌ای شده که نوشتن متن‌های توصیفی طولانی و حدس‌زدن کلمات کلیدی دیگر جوابگوی نیاز پروژه‌های واقعی نیست. اگر به دنبال خروجی پایدار، تکرارپذیر و قابل استفاده در سیستم‌های اتوماسیون یا پروداکشن باشیم، پرامپت‌ها باید به شکل ساختاریافته طراحی شوند.

مفهوم Prompt as Code دقیقاً برای حل همین چالش مطرح شده است. ریپازیتوری awesome-gpt-image-2 بیش از ۵۰۰ نمونه عملی را مهندسی معکوس کرده و پرامپت‌ها را به کامپوننت‌های اتمیک مثل ساختار لایه‌بندی، نورپردازی، متریال، سلسله‌مراتب متنی و فریم‌های UI تفکیک کرده است.

چند ویژگی فنی و کاربردی این ریپو:

۱. دسته‌بندی دقیق سناریوها از دیاگرام‌های فنی و اینفوگرافیک گرفته تا اسکچ‌های معماری و رابط‌های کاربری.
۲. تمپلیت‌های صنعتی با متغیرهای مشخص برای جایگزینی پرامپت‌های مبهم با ساختارهای پارامتریک.
۳. ارائه پکیج استاندارد Agent Skill برای اتصال مستقیم کتابخانه استایل‌ها به دستیارهای کدنویسی مثل Claude Code و Cursor.

لینک ریپازیتوری در گیت‌هاب:
https://github.com/freestylefly/awesome-gpt-image-2

@DevTwitter | <Mehdi Allahyari/>

این Mockdown خیلی باحاله. به جای اینکه هی به AI توضیح بدی چه UIای تو ذهنته، وایرفریمش رو باهاش میکشی و Markdown میگیری میدی بهش :))

https://www.mockdown.design/

@DevTwitter | <Omid Nikrah/>

چند جا برای گرفتن اعتبار رایگان Claude Opus 5 و Opus 4.8 پیدا کردم

GoRouter:
https://gorouter.app/sign-up?aff=Dd5A

TabiToken:
https://tabitoken.com/sign-up?aff=UQxj

True-SOTA:
https://true-sota.com/register?aff=MRM65WRS4PXM

@DevTwitter | <خوابگرد/>

اگه ویزا کارت دلاری به نام خودتون میخواید میتونید از سایت زیر به صورت اتوماتیک دریافت کنید.

با ثبت نام 100 هزار تومان هم به صورت هدیه دریافت میکنید.

با این ویزا کارت شخصی میتونید تو کل اینترنت به راحتی خرید ثبت کنید.

کارت به نام خودتون صدور میشه.

با ریال میتونید شارژ کنید و به صورت اتوماتیک کارتتون دلاری شارژ میشه.

صدور کارت 10 ثانیه زمان میبرد.

تو هزینه های ماهیانه هم میتونید صرفه جویی کنید با فعالسازی نسخه های Trial پلتفرم ها.

پرداخت آسان تو سایت هایی مثل ChatGpt / Spotify / Claude و..

دارای نماد اعتماد الکترونیک .

لینک سایت 👇🏻

https://anicards.ir/quick-buy?referral_code=1d2ef9152fb71df5b78d883c29b0d03d

این یه گنج واقعیه!

یه سایت پیدا کردم که هزاران Skill و Plugin و Agent رایگان برای Claude داره.

لینک » http://buildwithclaude.com

و موضوع فقط چندتا پرامپت ساده نیست.

ابزار پیدا می‌کنید برای:
- فروش
- بازاریابی
- تولید محتوا
- برنامه‌نویسی
- پایگاه‌داده
- اتوماسیون
- تحلیل داده
- و حتی معامله ارز دیجیتال
ده‌ها Plugin برای Claude پیدا کردم که معمولاً باید پول بدی بخری‌شون.
و بهترین بخشش؟
همه‌شون کاملاً رایگان در دسترسن.
اگه از Claude Code استفاده می‌کنید، این یعنی یه زرادخانه کامل از ابزارها که از همین امروز می‌تونید شروع به استفاده ازش کنید.

@DevTwitter | <MAHDI S. Homeyli/>

چطور بدون پرداخت یک دلار، به GPU قدرتمند برای پروژه‌های هوش مصنوعی دسترسی داشته باشیم؟

اگر در حوزه یادگیری عمیق، پردازش تصویر یا NLP کار می‌کنید، حتماً می‌دانید که نداشتن کارت گرافیک قدرتمند چقدر می‌تواند روند آموزش مدل‌ها را کند یا حتی متوقف کند. اما لازم نیست حتماً هزینه‌های سنگین سخت‌افزار یا اکانت‌های ابری پرداختی را تحمل کنید.

پلتفرم Kaggle به تمام کاربران خود دسترسی GPU رایگان می‌دهد!

چرا Kaggle یک انتخاب عالی برای توسعه‌دهندگان است؟
۳۰ ساعت GPU رایگان در هفته: می‌توانید پروژه‌ها، تمرین‌ها و مدل‌های خود را تا سقف ۳۰ ساعت در هفته روی کارت‌های گرافیک قدرتمند اجرا کنید.

کارت‌های گرافیک قدرتمند (Dual T4 / P100): دسترسی به GPUهایی مانند NVIDIA T4 که توانایی بالایی در پردازش موازی و آموزش شبکه‌های عصبی دارند.

عدم قطع ناگهانی جلسه (Session): برخلاف نسخه رایگان برخی ابزارها که وسط آموزش مدل اتصال را قطع می‌کنند، Kaggle محیطی به‌شدت پایدارتر برای اجرا در اختیارتان می‌گذارد.

دسترسی مستقیم به Datasetهای عظیم: نیازی به دانلود و آپلود دیتاسِت‌های سنگین روی سیستم شخصی نیست؛ می‌توانید مستقیماً از دیتابیس عظیم Kaggle استفاده کنید.

چطور از این امکان استفاده کنیم؟
۱. یک حساب کاربری رایگان در Kaggle.com بسازید.
۲. اکانت خود را از طریق شماره تلفن همراه تأیید (Verify) کنید.
۳. یک Notebook جدید باز کنید و از پنل سمت راست (Notebook Settings)، گزینه Accelerator را روی GPU قرار دهید.

اگر سیستم شخصی‌تان توان پردازشی بالایی ندارد، این ابزار بهترین گزینه برای تست ایده‌ها، Fine-tune کردن مدل‌های پیش‌ساخته و شرکت در مسابقات هوش مصنوعی است.

@DevTwitter | <Mohammad Zare/>

#میم_شبانگاهی

من اونیم که درو باز می‌کنه و بگا میره

@DevTwitter