اقتصاد تسک
عجب کارناوالی از مدل‌ها راه افتاده.

بعد از GLM-5.2، که یک مدل open-weight چینی با نسبت جدی performance به cost بود، پشت سر هم چند مدل مهم دیگر معرفی شدند: Sonnet 5، Grok 4.5، GPT-5.6 در سه سطح Sol/Terra/Luna، و حالا هم Muse Spark 1.1 که همین چند ساعت پیش عرضه شد.

چیزی که در این موج برای من جالب‌تر از خود benchmarkهاست، فشاری است که روی اقتصاد اجرای تسک آمده.

مدل GLM-5.2 با قیمت حدود ۱.۴ دلار input و ۴.۴ دلار output به ازای هر یک میلیون توکن عرضه شده. Sonnet 5 فعلاً با قیمت ۲/۱۰ دلار آمده. Grok 4.5 حدود ۲/۶ دلار است. GPT-5.6 از Luna با ۱/۶ دلار شروع می‌شود و تا Sol با ۵/۳۰ دلار می‌رود. Muse Spark 1.1 هم با ۱.۲۵/۴.۲۵ دلار معرفی شده.

این اعداد به‌تنهایی داستان اصلی نیستند، ولی جهت حرکت را نشان می‌دهند: رقابت دارد از «چه کسی مدل قوی‌تری دارد؟» به سمت «چه کسی همان سطح توانایی را با inference budget کمتر قابل استفاده می‌کند؟» می‌رود.

در تسک‌های واقعی، مخصوصاً کارهای agentic و coding، قیمت هر میلیون توکن فقط یک تقریب خام است. معیار دقیق‌تر cost-per-task است: اینکه مدل برای بستن یک مسئله واقعی چقدر context مصرف می‌کند، چند بار از مسیر خارج می‌شود، چقدر retry لازم دارد، و چقدر نیاز به دخالت انسان باقی می‌گذارد.

از این زاویه، GLM-5.2 فقط یک مدل چینی دیگر نبود. نشان داد فاصله مدل‌های open-weight با مدل‌های بسته، حداقل در بخشی از سناریوهای عملی، با فشار جدی روی هزینه کمتر شده است. نمی‌شود رابطه علّی مستقیم بین این عرضه‌ها را از بیرون اثبات کرد، اما سخت است نبینیم که مدل‌های بسته غربی هم دارند با نسخه‌های اقتصادی‌تر و قیمت‌گذاری فشرده‌تر جواب می‌دهند.

به نظرم نقطه اصلی اینجاست که frontier intelligence دارد کالایی و عمومی می‌شود.

یعنی رسیدن به سطحی از هوش خام که تا همین اواخر فقط در گران‌ترین مدل‌ها بود، دارد سریع‌تر و ارزان‌تر پخش می‌شود؛ هم از سمت مدل‌های open-weight، هم از سمت مدل‌های بسته‌ای که مجبور شده‌اند نسبت قیمت به کارایی را جدی‌تر کنند.

در چنین فضایی، تمایز اصلی فقط یک امتیاز بالاتر در benchmark نیست. مسئله این است که یک مدل با چه ترکیبی از intelligence، latency، token efficiency، و cost-per-task وارد workflow واقعی می‌شود.

یعنی ترند جدید روی این تمرکز کرده که مدلی بسازند که فقط خوب فکر نکند؛ ارزان و سریع باشد.

توضیح در پست قبل

این بابا یکی از معروف‌ترین یوتیوبرهای غیر زرد AI تو دنیاست.
بعیده دروغ بگه....
بیچاره 😂😂😂

به آینده خوش آمدید؛ جایی که هوش مصنوعی اتهامت می‌زند، پرونده‌ات را بررسی می‌کند، دفاعیه‌ات را می‌نویسد و چند دقیقه بعد تبرئه‌ات می‌کند.🥲😁


متن تويیت:

من به‌دلیل «سوءاستفاده سایبری» از OpenAI بن شدم.
هیچ ایده‌ای نداشتم چه کاری کرده‌ام.
اعلان مسدودشدن را در Codex کپی کردم و از آن خواستم بفهمد چه چیزی باعث این بن شده است.
Codex متوجه شد که من از آن خواسته بودم کلید API سرور خودم را در اختیارم بگذارد.
بعد Codex متن اعتراض را نوشت و خودش اعتراض را ثبت کرد.
چند دقیقه بعد، اعتراض به‌طور خودکار توسط یک هوش مصنوعی در OpenAI پذیرفته شد.
در حدود ده دقیقه، توسط هوش مصنوعی بن شدم، با حکم هوش مصنوعی محکوم شدم، هوش مصنوعی از من دفاع کرد و هوش مصنوعی هم مرا بخشید.

یک توصیه مقرون به صرفه برای یک AI همیشه در دسترس:

• NeuralWatt Subscription for Opensource Models
• Hermes + Hermes Web UI
• coloCrossing yearly VPS

حالا در مورد اجزا این پک براتون بیشتر می‌نویسم

تجربه مهاجرت از Claude به Codex
از وقتی کلاود دکمه‌ی ما ایرانی‌ها را زد و ما را سپرد به امان خدا، ناخواسته مهاجر Codex شدم.

اوایل حس خوبی نداشتم. بیشتر از خود مدل‌ها، از این ناراحت بودم که دیگر آن harness یگانه‌نازنین Claude Code را نداشتم.

ولی کم‌کم چند نکته نظرم را عوض کرد.

اول اینکه اپ دسکتاپ Codex واقعاً خوب از آب درآمده. سشن‌ها را مرتب کنار هم می‌بینید، Fork کردن روان‌تر است و برخلاف تصور اولیه‌ام، دیگر انتخاب بین TUI (که معمولاً اشتباه CLI صدایش می‌کنیم) و دسکتاپ آن‌قدرها هم بدیهی نیست. حدس می‌زنم نسخه‌های جدید Claude Desktop هم پیشرفت مشابهی کرده باشند، ولی من دیگر فرصتی نکردم امتحانشان کنم.

اما چیزی که بیشتر توجهم را جلب کرد GPT-5.6 بود.

اگر تا دیروز روی GPT-5.5 (به‌خصوص Max) کار می‌کردید، قبلاً فقط یک انتخاب داشتید؛ حالا سه انتخاب دارید که هر کدام معامله‌ی متفاوتی پیشنهاد می‌کنند.

برداشت فعلی من از این سه مدل، نسبت به GPT-5.5، این است:

مدل Luna: هوش کمتر، اما مصرف Usage پایین‌تر.
مدل Terra: تقریباً همان سطح GPT-5.5، ولی با مصرف Usage کمتر.
مدل Sol: مصرفی نزدیک به GPT-5.5، اما مدل قوی‌تر.

اگر این برداشت درست باشد، به نظرم Terra و Sol هر دو یک مزیت مطلق هستند. قبلاً با همان سهم Usage فقط GPT-5.5 را داشتید؛ حالا یا همان سهم را صرف مدل قوی‌تر می‌کنید، یا همان کیفیت را با مصرف کمتر می‌گیرید.

البته این قسمت را هنوز با احتیاط می‌گویم.

چیزی که من می‌بینم کاهش محسوس سرعت مصرف Usage است، نه لزوماً کاهش مصرف واقعی مدل. این دو یکی نیستند. ممکن است OpenAI هم‌زمان سیاست محاسبه یا سقف Usage را تغییر داده باشد و اثر این دو با هم قاطی شده باشد.

برای همین فعلاً این بخش بیشتر یک observation است تا یک نتیجه‌ی قطعی.

به kimi 3 گفته برام MacOS توسعه بده با تم Liquid Glass در داخل وب‌اپ
بعد از سه ساعت تلاش و مصرف ۶۰ درصد از اشتراک ماهانه ۴۰ دلاری اینم نتیجه:)))

https://macos27.kimi.page

منبع

#خارج_از_موضوع
بی‌خود نمیگن چپ هرگز نفهمید:))
تلاش مارکس برای متناقض نشون دادن مشتق:)))
منبع

طبق بنچمارک فاصله‌ی آزمایشگاه‌های اپن‌سورس چینی و آمریکایی به ۶ هفته رسیده!

برای اولین بار در تاریخ، هزینه‌ی انسان از نرم‌افزار کمتر شده است

این دو نمودار در واقع بخشی از مقاله‌ی George Sivulka (بنیان‌گذار Hebbia) در خبرنامه a16z هستند با عنوان:
You Just Hired a Million Bad Employees — For the first time in history, humans are cheaper than software
«تبریک! شما یک میلیون کارمندِ کم‌بازده استخدام کرده‌اید؛ و برای اولین بار در تاریخ، هزینه‌ی انسان از نرم‌افزار کمتر شده است.»

تز اصلی مقاله این است که:

اگر AI را مثل یک میلیون کارمند تازه‌استخدام‌شده ببینی، مشکل اصلی دیگر کیفیت مدل نیست؛ مشکل مدیریت، هماهنگی و orchestration آن‌هاست. همان‌طور که با بزرگ شدن راه‌آهن، شغل "مدیر" به وجود آمد، حالا هم با انفجار Agentها، لایه‌ی جدیدی از مدیریت AI لازم می‌شود.

طبق داده‌های Ramp روی ده‌ها هزار شرکت آمریکایی، شرکت‌هایی که در سنگین‌ترین ۱٪ مصرف‌کنندگان AI قرار دارند، حالا سالانه نزدیک ۹۰ هزار دلار به ازای هر کارمند فقط برای AI خرج می‌کنند؛ و اگر همین نرخ رشد ادامه پیدا کند، این عدد تا پایان سال می‌تواند از هزینه‌ی سالانه‌ی یک Software Engineer هم عبور کند.
این یعنی برای اولین بار، در بعضی شرکت‌ها نرم‌افزار دارد به اندازه‌ی نیروی انسانی هزینه می‌سازد.
اما بخش جالب‌تر ماجرا نمودار دوم است.
شرکت‌هایی که بیشترین سرمایه‌گذاری روی AI را داشته‌اند، طی دو سال بعد از پذیرش AI حدود ۱۰٪ رشد نیروی انسانی داشته‌اند؛ در حالی که شرکت‌های کم‌مصرف تقریباً بدون تغییر مانده‌اند.
البته این رابطه‌ی علّی را ثابت نمی‌کند.
ممکن است شرکت‌های در حال رشد، طبیعتاً بیشتر هم روی AI خرج کنند.
اما یک تصور رایج را زیر سؤال می‌برد:
«هوش مصنوعی آمد تا آدم‌ها را حذف کند.»
حداقل فعلاً، داده‌ها بیشتر دارند چیز دیگری می‌گویند.
شاید مسئله‌ی اصلی، کم شدن تعداد نیروی انسانی نباشد؛
بلکه این باشد که هر انسان، حالا باید ارتشی از Agentها را مدیریت کند.
و اگر این روند ادامه پیدا کند، شاید مهارت ارزشمند چند سال آینده دیگر صرفاً Prompt Engineering یا حتی Coding نباشد.
بلکه مدیریت هزاران دلار مصرف توکن، هماهنگ کردن Agentها و جلوگیری از هدررفت آن‌ها باشد.

پ.ن: نویسنده جورج سیوولکا است، بنیان‌گذار Hebbia؛ استارتاپی که بسیاری آن را از پیشروترین شرکت‌های AI Agent برای تحلیل اسناد و گردش‌کارهای دانشی در سازمان‌ها می‌دانند.
یکی از جدی‌ترین استارتاپ‌های AI سازمانی که امروز در قلب وال‌استریت و بازار مالی آمریکا استفاده می‌شود.

چندباری از دیشب دیدم که به این نکته اشاره میکنند.
مدل kimi 3 اون همه guardrailهای دست و پاگیر مدلهای غربی رو نداره و خیلی کارهایی که fable و codex جلوگیری می‌کنند رو راحت انجام میده.

🚨از انتشار آسیب‌پذیری تا گرفتن شل؛ فقط چند ساعت!

چند روز پیش یک آسیب‌پذیری بحرانی به اسم WP2Shell در هسته‌ی وردپرس منتشر شد؛ از نوع Pre-Auth RCE. یعنی روی نسخه‌های آسیب‌پذیر، بدون لاگین، بدون پلاگین خاص و فقط با یک درخواست HTTP می‌شه به اجرای کد روی سرور رسید.
اما چیزی که برای من ترسناک‌تر از خود آسیب‌پذیری بود، سرعت تبدیل‌شدنش به حمله بود.
خیلی تفریحی با یه ایجنت هوش مصنوعی روی دو تا سرور تست کردم؛ هر دو شل دادن😎. نکته جالب‌تر اینکه روی یکی‌شون، قبل از من یکی دیگه شلش رو آپلود کرده بود 🥲🥲😐😐
هنوز ۲۴ ساعت از انتشار آسیب‌پذیری نگذشته بود!
چیزی که قبلاً برای اکسپلویت‌کردنش دانش فنی، ابزار و زمان می‌خواست، الان یک ایجنت می‌تونه در چند دقیقه تحلیل، آماده و اجراش کنه.
قصه فقط وردپرس یا WP2Shell نیست؛ هوش مصنوعی فاصله‌ی بین «افشای یک آسیب‌پذیری» و «شروع حملات گسترده» رو از چند روز و چند هفته، به چند ساعت رسونده.
دورانی که بعد از انتشار یک باگ چند روز برای آپدیت‌کردن وقت داشتیم، احتمالاً تموم شده.

هوش مصنوعی اخیراً ۱۶ مسئله ریاضی را حل کرده است:۹ مورد با پادمثال (۵۶٫۳٪)
۷ مورد با اثبات (۴۳٫۸٪)
۱۰ مورد دارای اثبات رسمی (۶۲٫۵٪)
۸ مورد دارای شاهد یا گواهی دقیق و محدود (۵۰٪)

از ۱۱ مسئله‌ای که تاریخ مطرح شدن‌شان مشخص است، به‌طور متوسط ۴۷ سال باز مانده بودند!جدول همراه، این مسائل را با سطح تأثیر (۱ تا ۵) فهرست کرده؛ از حدس‌های گراف و هندسه گسسته گرفته تا مسائل معروف اردوش. مثلاً حدس Cycle Double Cover با اثبات و تأثیر ۵.

اینقدر چند روز اخیر ترند پیدا کردن مساله و دادت به gpt 5.6 sol در تایملاین ترند شده که تعداد مسائل حل شده به ۲۷ رسیده است.
منبع

نمونه‌ای از یک مساله حل شده در رمزنگاری کوانتومی که ۶ سال حل نشده بود.

سایت بسیار کاربردی و باحال که رفته لیست تمام مسائل ریاضی که با AI حل شده رو در آورده.
• حوزه‌ی مختلف رو دسته بندی کرده.
• و مشخص کرده کدوم مساله با کدوم مدل حل شده.


تا کنون ۲۱۷ مساله ریاضی با AI حل شده!

معمار ۱۷ ساله‌ی Kimi K3

در ضمیمه‌ی گزارش فنی Attention Residuals، تیم Kimi توضیح درباره‌ی ترتیب نویسندگان داده است: اسامی بر اساس اهمیت contribution مرتب شده‌اند و افراد دارای نقش project leadership در انتهای فهرست آمده‌اند.

نام اول فهرست Guangyu Chen است. کنار نام او، Yu Zhang و Jianlin Su علامت equal contribution دیده می‌شود. Guangyu Chen چن گوانگ‌یو، دانش‌آموز ۱۷ ساله‌ی چینی است. دو نویسنده‌ی اول مشترک دیگر نیز آدم‌های کم‌سابقه‌ای نیستند: Zhang نویسنده‌ی اول معماری Kimi Linear است و Su را با ابداع RoPE می‌شناسیم.


چهار ماه بعد از آن مقاله، Kimi مدل K3 را معرفی کرد؛ یک MoE با ۲.۸ تریلیون پارامتر که طبق توضیح رسمی شرکت، backbone آن بر دو به‌روزرسانی معماری بنا شده است:Kimi Delta Attention برای جریان اطلاعات در امتداد sequence و Attention Residuals برای جریان اطلاعات در امتداد depth.


چن یکی از مشارکت‌کنندگان اصلی در طراحی یکی از primitives معماری K3 است.

سهم او دقیقاً چه بود؟

ایده‌ی Attention Residuals از یک ایراد ساده در residual stream شروع می‌شود. در Transformerهای متداول، خروجی لایه‌ها با وزن ثابت روی هم جمع می‌شود. AttnRes این accumulation یکنواخت را با attention روی representationهای لایه‌های قبلی عوض می‌کند؛ بنابراین هر لایه می‌تواند یاد بگیرد که برای ورودی فعلی، اطلاعات کدام depth را بیشتر بازیابی کند.

وبلاگ K3 تا اینجا استفاده از AttnRes را تأیید کرده و جزئیات دقیق implementation را به technical report مدل سپرده است.

زنجیره‌ی مستند فعلی چنین است: چن یکی از سه نویسنده‌ی اول مشترک AttnRes و یکی از دو طراح Block AttnRes بوده است.

مسیری که چن تا طراحی معماری کیمی طی کرد

چن متولد ۲۰۰۹ است و ورود جدی‌اش به پژوهش ML به سال ۲۰۲۵ برمی‌گردد. در فوریه‌ی همان سال با پروژه‌ای به نام ThirdArm در یک هکاتون دانش‌آموزی شرکت کرد؛ ایده‌ای درباره‌ی یک «دست سوم» کمکی برای انسان. آشنایی‌های همان رویداد، جهت کار او را به سمت فناوری‌های frontier برد. پس از آن، شروع به خواندن paperها با کمک مدل‌های زبانی و دنبال‌کردن پروژه‌های open-source در GitHub کرد.

نوشته‌های فنی‌اش در شبکه‌های اجتماعی توجه مدیر یک استارتاپ کوچک در سیلیکون‌ولی را جلب کرد. بعد از گذراندن آزمون ورودی، تابستان ۲۰۲۵ برای یک دوره‌ی هفت‌هفته‌ای به آن تیم پیوست. در نوامبر همان سال نیز وارد Kimi شد؛

برخی گزارش‌ها می‌گویند تیم Kimi او را از طریق فعالیتش در جامعه‌ی open-source مربوط به Flash Linear Attention پیدا کرده بود. چهار ماه بعد، نامش به‌عنوان co-first author گزارش Attention Residuals منتشر شد.

صفحه‌ی شخصی او بیشتر شبیه homepage یک هکر است تا رزومه‌ی رسمی یک پژوهشگر. خودش را «Guangyu Chen, aka Nathan» معرفی کرده، روی model architecture، optimization و continual learning کار می‌کند و میان علایقش از elegant kernels، CLI، open source، named hosts در SSH و asking LLMs first نام برده است.

فوریه‌ی ۲۰۲۵ یک هکاتون دانش‌آموزی، تابستان همان سال یک دوره‌ی هفت‌هفته‌ای در سیلیکون‌ولی، نوامبر ورود به Kimi، مارس ۲۰۲۶ نویسندگی اول مشترک Attention Residuals و چهار ماه بعد حضور همان primitive در backbone مدل K3.