اینکه راجب این مدل و دیتاست اون (هردو رایگان منتشر شده) بعد زا ۴ روز هیچ چیزی نشنیدم چیزی هست که آزار دهنده هست.
اینکه ۱۰۰۰ تا پست راجب chatgpt 5.1 دیدم ولی راجب این به سختی ۱ پست تازه همین هم به لطف ابزاری که برای کرال کردن و خلاصه ‌کردن مطالب مفید اجرا دارم دیدم.

داستان چیه ؟
متا یک مدل ASR جدید + دیتاست منتشر کرده که بیش از 1600 زبان رو شناسایی می‌کنه حتی شاید بشه گفت کم استفاده‌ترین زبان‌های موجود رو و مدل‌هاش رو هم توی سایز های مختلف منتشر کرده.
من کدهای دموی خودش رو اجرا کردم نتایجش خوب بود.

خیلی پروژه‌های شخصی و کارهای قشنگی میشه با این مدل‌ها کرد:
Meta OmniLingual

Antigravity

یک مقدار باگ داره ولی اذیت نمی‌کنه (روی لپ‌تاپ تست اولیه زدم ولی چیز خوبیه!)

تازه که کرسر اومده بود همچین وضعیتی داشت ولی با توجه به اینکه گوگل پشت این قضیه هست فکر نمی‌کنم فیکس کردنش خیلی طولانی باشه.

من با اکانت تمیز + vpn تست کردم؛ کارم تموم شد روی این سیستم هم تست می‌کنم اگر محدودیت داشت اطلاع میدم!

درنهایت اینکه ؛ برای استفاده شخصی رایگان هست ولی احتمال ۹۹٪ از دیتاها برای ترین مدل‌هاش استفاده می‌کنه (اینم جک خواهم کرد)

Download Link

Gemini Pro 3

قطعا مدل عالی‌ای هست؛ شکی ندارم.
ولی

Antigravity

آشغال هست؛ تست بیشتر انجام دادم.

Back to neovim + Gemini 3 Pro

https://gemini.google.com/app

مدل دیگه‌ای که معرفی شده :
Grok4.1
هست؛ بدون تعارف Grok4 یکی از بهترین مدل‌هایی بود که ازش استفاده می‌کردم!

پینوشت:
Grok4.1
که اتفاقا دسترسی رایگان هم داره refactor خیلی خوب انجام میده و البته سرعت بهتری هم داره؛ کار امشب در اومد.
تست این دو مدل جدید با بنچمارک کد اختصاصی خودم!

اگر از این مدل بخواید براتون تصاویر واقعی تولید کنید (مثلا تصاویر شهر و خیابون) بسیار عالی اینکار رو انجام می‌ده. این موضوع برای باقی تصاویر تولید شده در سبک واقعی هم صادق هست.

با توجه به اینکه توی مدل‌های قبلی تمرکز گوگل برای مدل‌های تولید عکس روی قابلیت in-painting بوده؛ من فکر می‌کنم از یک تکنیک مشابه استفاده کرده؛ شخصا اینکار رو تست کردم :

قبلتر برای یک پروژه تولید تصویر که اتفاقا واقعی بودنش برامون مهم بود؛ بجای اینکه تصاویر رو از نویز تولید کنم سعی کردم اونها رو از تصاویر mask شده تولید کنم. بطوریکه برای تمام تصاویر تصویر رفرنس به مدل داده می‌شد و تصویری که کاربر درخواست داده بر اساس معمولا ترکیب ۲ تا ازین رفرنس‌ها تولید می‌شد.
اون زمان پروژه خیلی سختی بود اما نتایج قابل قبولی داشت.

توی کار من به کمک Image2Text برای تصاویر رفرنس تگ‌های لازم تولید شده بود؛ چرا فکر می‌کنم nano bana pro هم داره ازین تکنیک استفاده می‌کنه ؟ تجربه!

۱- قبل از تولید تصویر اگر راجب چیزی صحبت کنید که نمی‌دونه؛ سرچ انجام میشه. (می‌تونه عکس رفرنس جدید پیدا کنه)

ادامه پست بعدی ...

۲- بعضی وقتا جزئیات خیلی ریز رو به راحتی و عالی تولید می‌کنه؛ مثلا ازش بخواید یک آدم رو وسط خیابونای تهران ازش عکس تولید کنه.
جزئیاتی مثل برگ درخت و زاویه تابش و ... همگی عالی هستند (بخش کلی رو مدل دست بهش نمیزنه)
تمرکز مدل هم روی آدمی هست که خواستید؛ جزئیات بدن اون آدم توی تصویر هم کاملا درست هست.
اما توی همون راستا به جزئیات نوشته‌های تابلوهای نزدیک به اون آدم (موضوع اصلی Generation دقت کنید) پیکسل‌ها و اطلاعات نزدیک به آبجکتی که تولید شده بهم ریخته میشه.

۳- من هم توی پروژه‌ای که کار کردم همین موارد رو دیدم؛ برای تست بهتر می‌تونید ترکیب دوتا عکسی رو بخواید که پس زمینه شلوغ باشه (عکس هم ازون نقطه کم باشه) + آبجکت مدنظر رو وسط اون شلوغی بخواید.


توی تصویر بالا دقت کنید؛
جزئیات اصیی ساختمون‌ها؛ تابلوهای دوراتر؛ درخت‌ها و ... درست هست اما هرچقدر به درخواست اصلی (۱۰ تا برنامه‌نویس وسط ولیعصر کد بزنند) نزدیک می‌شیم جزئیات بهم ریخته تر میشه: تابلوهارو ببیند؛ یا نوشته روی اتوبوس؛ مانیتور

حتی به صورت این ۱۰ نفر و آدمای اطراف دقت کنید؛ افرادی که نزدیکتر هستند صورتشون بهتر تولید شده و افرادی که فاصله بیشتری دارند انگار صورت‌های بهم ریخته هست.
برید روی گوگل مپ و تصاویر خیابون‌هایی که آدم داخلش هست رو ببینید؛ صورت‌ها روی برای privacy گوگل mask کرده و تقریبا هم افکت مشابهی بهتون میده اگر از Banana بخواید اون ماسک‌ها رو با صورت جایگزین کنه.
این مورد برای پلاک‌های ماشین‌ها هم اتفاق میوفته؛ توی عکس بعدی که تولید می‌کنید خیالون رو شلوغ در نظر نگیرید؛ و به پلاک ماشین‌ها توجه کنید.

خلاصه که شخصا فکر می‌کنم؛ تمرکز گوگل بیشتر روی In-painting هست تا هرچیز دیگری

پینوشت؛
اگر قرار بود مجددا روی اون پروژه قبلی کار کنم؛ از SAM 3 هم سعی می‌کردم استفاده کنم که object اصلی رو داشته باشم.
یا اینکه بتونم تعداد بیشتری تصویر رو بعنوان ورودی بفرستم.

ادیت نمی‌زنم؛ یکی از دوستان توی گروه نظرم راجب Deepseek 3.2 رو پرسیدند:

پاسخ بنده :

چند روزه دارم ازش استفاده می‌کنم

درکش راجب مسائلی که دیتا به اندازه کافی روی اینترنت داره خوبه
یا مسائلی که خودتون بهش میدید ولی کانتکست بزرگی داره

خوبیش نسبت به Gemini3 Pro اینه که حتی استفاده رایگانش هم زیاد میاد.

نسبت به باقی موارد مثل z.ai, ... که توی کانال قبلتر گفتم هم :
اینه که متن بیشتری از چت قبلی رو بنظر میاد نگه میداره یا attention بهتری داره

فرض کن توی پیام ۵ام ازش یک راهکاری خواستی
پیام ۶ و ۷ رو فرستادی و به یک راهکار کاربردی رسیدی (چت‌های طولانی)

پیام ۸ به یک راهکار optimize تر رسیدی بر اساس توضیحات چت‌های قبلی و ...

اگر بهش بگی راهکارهای قبلی رو فراموش کن و این راهکار رو دنبال کن و بگو چطوری مسئله رو حل کنم

اینو می‌فهمه، توی چت‌های خیلی طولانی z.ai , grok , chatgpt اگر مباحث چت‌های این وسط خیلی شبیه به هم باشه قاطی می‌کنند

این تا اینجا اینطوری نبوده برای من

10x Engineer at DeepSeek 😁

#کاسبان_تحریم

یک سرویس دهنده هست که هزاران بار توی گروها بهش اشاره کردیم و گفتیم حتی اگر از گشنگی داشتید میمردید ازینا سرویس برای خرید محصول نگیرید (این امکان که ایمیل بزنید و اون شرکته براتون غذای مجانی بفرسته بیشتره)

اون سرویس دهنده هم #ایرانیکارت هست؛
تقریبا هرروز توی یکی از گروها؛ یک نفر که بحث‌های قبلی رو شرکت نکرده اکانت؛ کار؛ تحقیق و ... اش همش دود می‌شه میره هوا و دنبال یک راهکار جدید باید بگرده.
اینکه ایرانیکارت پول رو میخوره و ی آبم روش و پاسخ هیچ چیزی رو به هیچ‌ کسی نمیده یک بحث جدایی هست که مقام قضایی کشور باید دنبال کنه! حتما باید دنبال کنه!

اما برای ساده‌ترین اتفاقات هم ایرانیکارت موقع پرداخت از کارت‌های با تراکنش مشکوک استفاده می‌کنه (این بهترین حالت هست؛ چون توی یک سری موارد با ذکر اینکه از سرویس دهنده third-party برای خرید استفاده کردید و آپلود مدارک حداقل اکانت رو بهتون برمی‌گردوند ولی خب پول و سرویس پریده)

توی بیشتر مواقع این شرکت از سرویس‌های تخفیفی که ۱۰۰٪ هم گیر میوفته خرید می‌کنه تا خودش سود بیشتری کنه؛ همونطوری که گفتم چون به کسی هم پاسخگو نبوده و نیست (مقام قضایی و دادستانی و ... هم خواب هستند) این وضعیت همچنان ادامه داره!

بسیاری از دوستان که توی گروه یا کانال پیام می‌ذارند که جطوری می‌تونیم اکانت رو برگردونیم؛‌ دلیل بن شدن اکانت‌هاشون خرید غیرقانونی هست.
مثلا:
سرویس مخصوص دانشجویان اروپایی هست و برای اون‌ها قیمتش شده ۱ دلار برای ماه اول
شما می‌ری از ایرانیکارت خرید می‌کنی و پول کامل رو می‌دی به قیمت ۱۰ دلار در ماه
ایرانیکارت از تخفیف دانشکاهی استفاده می‌کنه و ۱ دلار به اون سرویس دهنده پرداخت می‌کنه
توی ۷۲ ساعت آینده شرکت سرویس دهنده متوجه می‌شه شما با اطلاعات تقلبی خرید کردی و اکانت شما و تمام دیتاها و زحمات و ... بن می‌شه.

این اتفاق بسیار بسیار زیاد افتاده برای بچه‌ها (بعضی شرکت‌ها توی پیگیری دلیل بن شدن اکانت رو توی ایمیل میفرستند) با وجود اینکه خود شرکت اعلام کرده از روش‌های غیرقانونی برای خرید استفاده کردید یا غیرقانونی تخفیف گرفتید و ...
ایرانیکارت همیشه یک جواب میده:

بدون vpn وصل شدید و بخاطر تحریم اکانت محدود شده. (یا چیزی شبیه به همین)

بنظرم این وظیفه دادستانی و مقام قضایی هست که جلوی این کلاهبرداری بزرگ ایرانیکارت رو بگیره بخصوص اینکه توی حداقل ۶ ماه اخیر تقریبا هرکسی که از این شرکت سرویس خریده نتیجه زحمات و پولش دود شده و رفته!

این پست خارج از بحث کانال هست ولی چون این اواخر خیلی بهم پیام داده شده
ترجیح دادم بصورت عمومی توی کانال اعلام کنم!

که حداقل خودتون حواستون رو جمع کنید!

خیلی سعی کردم این پست رو نذارم ولی خیلی صحبت‌ها شد.

پزشکیان یک سخنرانی کرده که نتیجه‌اش می‌شه؛ هوش مصنوعی بدرد نمی‌خوره.

این بود که گفتم:

رئیس جمهور گاوتون، ضربه آخر رو به پیکر بی‌جان هوش مصنوعی زد

درسته این آقا انقدر گاو بود که گردنش انداختند تا ضربه آخر رو بزنه.
اما هوش مصنوعی رو قبلتر ازین نابود کردند، گاوهای قبلتری تلاش‌های بسیار کردند و پول‌های کلان رو به اسم هوش مصنوعی به دوستان و همنوعان خودشون رانت دادند.


۹۹٪ این اواخر که دیگه هیچ حرفی نمی‌زنم و اعتراضی ندارم چون امیدی به درست شدن نیست، شما تا وقتی اعتراض می‌کنی که فکر می‌کنی امکان درست شدنش هست شاید کسی ندیده یا نفهمیده.

تعداد زیادی مدرس الکی اون بیرون هست که کد زدن با chatgpt رو آموزش میده.

توی مواردی که من دیدم معمولاً ۹۰٪ خودشون هم سواد کافی ندارند و همین باعث یک سری صحبت‌های آبکی و دوزاری میشه توی این دوره‌ها.

کنار این آدم‌ها هم ۲۰-۳۰٪ سنیور الکی داریم که متأسفانه من هم باهاشون برخورد داشتم.
این گروه هم فکر می‌کنند AI تا آخر ۲۰۲۶ جای برنامه‌نویس‌ها رو خواهد گرفت (نظرشون اینه که دیتاسنترهای جدید که بهره‌برداری بشه، کار در میاد)

بدون تعارف بگم، اگر از کسی این رو شنیدید که برنامه‌نویسی با حضور AI جزو مشاغلی هست که حذف میشه؛ شک نکنید طرف سواد کافی نداره.
مدل‌های LLM فقط و فقط می‌تونند جای Junior ها رو بگیرند، اونم جونیورهایی که فقط کد زدن یادگرفتند و نه اون‌هایی که استانداردهای توسعه نرم‌افزار و الگوریتم و ... رو یادگرفتند، چند وقت پیش توی یک جایی مثال زدم:

بهتره LLM رو مثل کارآموزی فرض کنید که ۱-۲ سال کنار ۱۰ تا سنیور نشسته فقط از رو دست اون‌ها کد کپی کرده ولی هیچوقت پشت قضیه رو نخونده

یک چنین کارآموزی می‌تونه کدهای نمونه‌ای به شما تحویل بده که توی سطح سنیور هست اما نمی‌تونه با شما راجبش بحث کنه
می‌تونه کار استاندارد بهتون تحویل بده ولی دلیل استاندارد بودن کارش رو نفهمیده و ...

هیچ نیروی فنی‌ای به این آدم، لقب سنیور نخواهد داد.

یک پستی چند مدت پیش توی کانال Rust گذاشتم:
https://xn--r1a.website/pyrust/187

این ویدئو رو ببینید، مفاهیمی که صحبت می‌شه رو گوش بدید و تلاش کنید از LLM این خروجی رو بگیرید.
هیچکدوم از مدل‌ها حتی سمت این موارد هم نمی‌رند مگر اینکه دقیقاً اشاره کنید که چی می‌خواهید و برای کدوم بخش کد می‌خواید اینکار رو کنید.

بله LLM خوب هست ولی در همون حد کارهای ساده و روزمره، اگر کد یا پروژه جدی‌ای رو دارید توسعه می‌دید.
خیلی روش حساب نکنید.

در نهایت:
فکر می‌کنم متن بالا جواب پرتکرار ترین سوال هم باشه، برنامه‌نویسی یاد بگیریم یا نه ؟
بله؛ حتماً یاد بگیرید الان بهترین زمان هست.

VL-JEPA:
https://arxiv.org/pdf/2512.10942

خیلی درده، وقتی هیچی واسه از دست دادن نداری.

ی جمله‌ی معروفی هست:

«در جنگ‌ها، این سربازان‌اند که کشته می‌شوند، نه رهبران.»

در اعتراض به دزدی، اختلاس، ناکارآمدی و فساد و ... هم

دزد و مختلس و مسئولِ ناکارآمد در آرامش‌اند،
اما
این معترض و محافظ‌اند که روبه‌روی هم وایساده و همدیگر را می‌کشند.
معترض می‌دونه برای چی اعتراض می‌کند.
اما آقای محافظ…
تو هم می‌دانی از چی داری دفاع می‌کنی؟