کار را به ابزار تقلیل ندهیم

قبلا وقتی یک کار خوب می‌دیدند، زیاد پیش می‌آمد که بپرسند: «اینو از اینترنت برداشتی؟» حالا نسخه جدیدترش شده: «اینو دادی AI زده؟»

به نظرم مسئله اصلی خود این سؤال نیست؛ مسئله تصوری است که پشتش خوابیده. اینکه انگار وقتی یک ابزار قوی وارد کار می‌شود، سهم آدم در خروجی کم یا حتی حذف می‌شود. در حالی که خیلی وقت‌ها دقیقا همان‌جا معلوم می‌شود آدم چقدر مسئله را فهمیده، چقدر سلیقه دارد، چقدر می‌تواند خروجی خام را بسنجد، اصلاح کند و به چیزی قابل استفاده تبدیل کند.

ما هنوز برای فهمیدن کار فکری با ابزارهای جدید، گاهی از معیارهای قدیمی استفاده می‌کنیم. قدیم‌ها ارزش کار را با زحمت فیزیکی می‌سنجیدیم؛ حالا بعضی وقت‌ها ارزش کار فکری را با تعداد دکمه‌هایی که زده شده می‌سنجیم. برای همین اگر AI وسط بوده باشد، ناخودآگاه فکر می‌کنیم پس دیگر کاری انجام نشده.

در حالی که استفاده از ابزار با واگذار کردن عقل فرق دارد. چکش جای نجار را نمی‌گیرد؛ فقط اگر دست آدمی باشد که می‌داند چه می‌خواهد بسازد، نتیجه را بهتر و سریع‌تر می‌کند. AI هم همین است. ابزار مشترک است، اما فهم مسئله، انتخاب مسیر، اصلاح خروجی و تشخیص خوب از بد هنوز کار آدم است.

چرا بن شدن حساب‌های Anthropic برای کاربران ایرانی بیشتر شنیده می‌شود؟

احتمالاً این روزها خبر بن شدن اکانت‌های Anthropic و Claude را بیشتر از قبل می‌شنوید. به نظرم این را نباید فقط به بدشانسی چند کاربر یا سخت‌گیری اتفاقی روی چند IP تقلیل داد. چند اتفاق پشت سر هم افتاده که احتمالاً حساسیت Anthropic را نسبت به دسترسی‌های غیررسمی، مخصوصاً از کشورهای پشتیبانی‌نشده، بالاتر برده است.

اول ماجرای Claude Fable بود. Anthropic در ۹ ژوئن Fable 5 را عمومی کرد، اما فقط چند روز بعد اعلام کرد که به‌خاطر دستور دولت آمریکا، دسترسی به Fable 5 و Mythos 5 را متوقف می‌کند. نکته مهم این بود که این دستور صرفاً یک توصیه امنیتی نبود؛ Anthropic گفت دولت آمریکا با استناد به اختیارات امنیت ملی و کنترل صادرات، خواسته دسترسی هر تبعه غیرآمریکایی به این دو مدل قطع شود؛ چه داخل آمریکا باشد، چه خارج از آمریکا، حتی اگر کارمند خود Anthropic باشد. نتیجه عملی‌اش این شد که شرکت برای رعایت دستور، دسترسی مدل‌ها را برای همه مشتریان ناگهان غیرفعال کرد.

بعدتر هم ماجرا کامل تمام نشد. گزارش‌ها می‌گویند دولت آمریکا فقط اجازه بازگشت محدود Mythos را برای گروهی از سازمان‌های «مورد اعتماد» آمریکایی داد؛ یعنی دسترسی به مدل پیشرفته از حالت عمومی خارج شد و به چیزی شبیه دسترسی گزینشی و امنیتی تبدیل شد. همین نشان می‌دهد فشار اصلی از جنس یک باگ محصولی یا سیاست داخلی شرکت نبود؛ مسئله به کنترل دولتی روی مدل‌های خیلی قوی رسیده بود.

بعد از آن، خبرهای تازه‌ای منتشر شد که Anthropic شرکت‌های چینی را متهم کرده با ساختن تعداد زیادی حساب جعلی و ارسال میلیون‌ها درخواست، از خروجی Claude برای distillation و تقویت مدل‌های خودشان استفاده کرده‌اند. Reuters گزارش داد Anthropic شرکت Alibaba را هم به چنین رفتاری متهم کرده؛ قبل‌تر هم نام‌هایی مثل DeepSeek، Moonshot و MiniMax در گزارش‌های Anthropic آمده بود.

حالا این اتفاق‌ها را کنار وضعیت ایران بگذارید. ایران اساساً در فهرست کشورهای پشتیبانی‌شده Anthropic نیست. یعنی کاربر ایرانی از ابتدا در وضعیت رسمی و کم‌ریسک قرار ندارد. وقتی دولت آمریکا روی مدل‌های پیشرفته چنین فشاری می‌آورد، Anthropic درگیر پرونده‌های دور زدن جغرافیایی و حساب‌های جعلی است، و مسئله distillation چینی‌ها هم جدی شده، طبیعی است که IPهای مشکوک، پراکسی‌ها، VPSها، تغییرات زیاد موقعیت جغرافیایی و الگوهای غیرعادی لاگین حساس‌تر از قبل دیده شوند.

پس اگر اخیراً حساب‌های Claude بیشتر بن می‌شوند، احتمالاً فقط یک موج ساده‌ی account enforcement نیست. از نگاه Anthropic، کاربر ایرانی معمولاً چند سیگنال ریسک را با هم دارد: کشور پشتیبانی‌نشده، اتصال غیرمستقیم، IPهای دیتاسنتری یا مشترک، و گاهی پرداخت یا اکانت‌سازی غیرمعمول. همین ترکیب کافی است که سیستم‌های ضدسوءاستفاده سخت‌گیرتر عمل کنند.

خلاصه‌اش این است: مسئله فقط IP ایران نیست؛ مسئله این است که Anthropic بعد از پرونده Fable، فشار امنیتی دولت آمریکا، و اتهام سوءاستفاده شرکت‌های چینی، حساس‌تر شده است. در چنین فضایی، کاربران ایرانی که از قبل خارج از محدوده رسمی سرویس بودند، طبیعتاً بیشتر در معرض بن، محدودیت یا درخواست‌های تأیید هویت قرار می‌گیرند.

اگر به شکل مستقیم از محصولات آنثروپیک استفاده می‌کنید به این مطلب دقت کنید.
گزارش account ban در گروه‌ها خیلی شده
خود بنده هم دو سه روز پیش قربانی شدم.

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