🔥 مات و مبهوت Seedance 2.0 شدم!

این مدل خیلی فراتر از چیزیه که DeepSeek ارائه داد، و از نظر سطح کیفیت واقعاً در حد و اندازه چیزی مثل Veo 4 یا Sora 3 ظاهر شده.

پرامپت استفاده‌شده:
Cyberpunk hacker robot working in front of many monitors

🤖 خودکارسازی پژوهش با NotebookLM

کتابخانه notebooklm-py یک ابزار غیررسمی برای کار با Google NotebookLM است که به شما اجازه می‌دهد فرایندهای تحقیقاتی را خودکار کنید، محتوا تولید کنید و عامل‌های هوش مصنوعی را یکپارچه‌سازی کنید. این ابزار برای نمونه‌سازی (Prototype) و پروژه‌های شخصی مناسب است و از طریق پایتون یا خط فرمان قابل استفاده است.

🚀 قابلیت‌های کلیدی:

* یکپارچه‌سازی با عامل‌های هوش مصنوعی و Claude Code
* خودکارسازی تحقیق با وارد کردن منابع
* تولید پادکست، ویدئو و محتوای آموزشی
* پشتیبانی از API پایتون و رابط خط فرمان (CLI)
* استفاده از APIهای غیررسمی گوگل

📌 گیت‌هاب:
(https://github.com/teng-lin/notebooklm-py)

🤖 انتروپیک یه سری از قابلیت‌های خفن کلود رو برای کاربرای رایگان باز کرد!

قبلاً این امکانات فقط با اشتراک پولی در دسترس بود، ولی الان کاربرای رایگان هم می‌تونن ازش استفاده کنن.

الان می‌تونی:
• مستقیم داخل کلود فایل اکسل، پاورپوینت و ورد بسازی
• از «مهارت‌ها» برای خودکار کردن کارهای مرحله‌ای و منظم استفاده کنی
• کلود رو به ابزارهایی مثل نُوشن، اسلک، کنوا و حتی پی‌پال وصل کنی

عملاً کلود برای کاربرای رایگان خیلی قدرتمندتر شده 👀

چهار سطح پروموت کردن

🎓 این ۹ جلسه از دانشگاه استنفورد واقعاً یه گنج واقعی برای هر کسیه که می‌خواد مدل‌های زبانی بزرگ (LLM) رو عمیق و اصولی یاد بگیره.

جلسه ۱ – ترنسفورمر
https://lnkd.in/dGnQW39t

جلسه ۲ – مدل‌های مبتنی بر ترنسفورمر و ترفندها
https://lnkd.in/dT_VEpVH

جلسه ۳ – ترنسفورمرها و مدل‌های زبانی بزرگ
https://lnkd.in/dwjjpjaP

جلسه ۴ – آموزش مدل‌های زبانی بزرگ
https://lnkd.in/dSi_xCEN

جلسه ۵ – تنظیم (Tuning) مدل‌های زبانی بزرگ
https://lnkd.in/dUK5djpB

جلسه ۶ – استدلال در مدل‌های زبانی بزرگ
https://lnkd.in/dAGQTNAM

جلسه ۷ – مدل‌های زبانی عامل‌محور (Agentic)
https://lnkd.in/dWD4j7vm

جلسه ۸ – ارزیابی مدل‌های زبانی بزرگ
https://lnkd.in/ddxE5zvb

جلسه ۹ – جمع‌بندی و روندهای روز
https://lnkd.in/dGsTd8jN

اگه می‌خوای LLMها رو عمیق بفهمی، این ویدئوها رو مرحله‌به‌مرحله ببین؛ مستقیم از اساتید استنفورد یاد می‌گیری.

🚀 یک دستاورد مهم دیگر:

اوپن‌ای‌آی اعلام کرده که یکی از مدل‌های داخلی‌اش، با حداقل نظارت انسانی، وارد چالش «First Proof» شده و برای بیشترِ ۱۰ مسئله مرزیِ پژوهشی، راه‌حل‌های امیدوارکننده ارائه داده؛ حداقل ۶ مورد از آن‌ها احتمالاً درست ارزیابی شده‌اند.

نکته جالب اینجاست که این نتایج در قالب یک اسپرینت یک‌هفته‌ای به‌دست آمده؛ موضوعی که نشان می‌دهد نسل بعدی مدل‌ها کم‌کم می‌توانند به‌صورت مستقل وارد ریاضیات حل‌نشده در سطح متخصصان شوند.

📄 گزارش کامل:
https://cdn.openai.com/pdf/a430f16e-08c6-49c7-9ed0-ce5368b71d3c/1stproof_oai.pdf

🔥خبر داغ برای موبایل دولوپرها!

شرکت LiveKit با جذب ۱۰۰ میلیون دلار سرمایه جدید و رسیدن به ارزش‌گذاری ۱ میلیارد دلار رسماً یونیکورن شد! 💰🔥

این شرکت زیرساخت Real-Time AI صوت و ویدیو فراهم می‌کند که برای اپ‌های موبایل و تعامل بلادرنگ حیاتی است.

اگر روی پروژه‌های AI و تعامل لحظه‌ای کار می‌کنید، این موج را از دست ندید👀

خبر کامل و معتبر 👇
https://www.unite.ai/livekit-reaches-1-billion-valuation-as-voice-ai-infrastructure-heats-up/

تکمیلی

پیتر اشتاینبرگر، خالق OpenClaw، به اوپن‌ای‌آی ملحق می‌شود تا به توسعه و در دسترس قرار گرفتن عامل‌های هوش مصنوعی برای افراد بیشتری کمک کند.

پرامپت‌های ChatGPT برای اینکه هر چیزی را ۱۰ برابر سریع‌تر یاد بگیری 🚀

۱. مثل اینکه ۵ سالمه توضیح بده

[موضوع] را به ساده‌ترین شکل ممکن خلاصه کن، طوری که انگار داری برای یک بچه ۵ ساله توضیح می‌دهی.

۲. فرایند را تجسم کن

یک تصویر ذهنی مرحله‌به‌مرحله یا نقشه بصری از اینکه [مفهوم] چگونه کار می‌کند بساز.

۳. بخش‌بندی کن

[موضوع] را به ۳ تا ۵ بخش اصلی تقسیم کن و هر بخش را کوتاه توضیح بده.

۴. ربطش بده به زندگی واقعی

توضیح بده [موضوع] چطور به زندگی روزمره یا یک موقعیت عملی که ممکن است با آن روبه‌رو شوم مرتبط است.

۵. برعکس آموزش بده

اگر بخواهم [موضوع] را به کسی که هیچ چیزی درباره‌اش نمی‌داند آموزش بدهم، چطور باید آن را مرحله‌به‌مرحله توضیح دهم؟

۶. سؤال «چرا»ی حیاتی را بپرس

چرا [مفهوم] مهم است و پیامدهای کلیدی آن در [حوزه] چیست؟

۷. الگوها را پیدا کن

چه الگوها، فرمول‌ها یا قوانینی می‌توانم از [موضوع] استخراج کنم تا بهتر در ذهنم بماند؟

۸. شبیه‌سازی یا تمرین کن

یک مثال ساده، سناریو یا تمرین بده تا همین حالا [موضوع] را به کار ببرم.

۹. از تشبیه استفاده کن

[موضوع] را با چیزی آشنا یا حتی نامرتبط مقایسه کن تا فهمش راحت‌تر شود.

۱۰. افسانه‌ها را بشکن

سه باور غلط درباره [موضوع] چیست و حقیقت پشت آن‌ها چیست؟

۱۱. تبدیلش کن به داستان

یک داستان یا سناریوی کوتاه بنویس که در آن [موضوع] در یک موقعیت قابل‌درک به کار رفته باشد.

۱۲. به چالش بکش

رایج‌ترین سوءبرداشت‌ها یا اشتباهاتی که مردم درباره [موضوع] دارند چیست و چطور می‌توانم از آن‌ها اجتناب کنم؟

۱۳. اولویت‌بندی یادگیری

۲ تا ۳ مفهوم مهم در [موضوع] که باید اول روی آن‌ها تمرکز کنم کدام‌اند؟

۱۴. شکاف‌ها را پیدا کن

کدام جنبه‌های کمتر دیده‌شده‌ی [موضوع] برای درک عمیق آن حیاتی هستند؟

🔥 ایجنت هوش مصنوعی چینی پرسر‌و‌صدا Manus AI به‌صورت رسمی داخل تلگرام راه‌اندازی شد.

آن‌ها قابلیت جدیدی به نام Manus Agents معرفی کرده‌اند که به کاربران اجازه می‌دهد در کمتر از یک دقیقه و از طریق QR کد، دستیار را به تلگرام متصل کنند. بعد از اتصال، ایجنت مستقیماً داخل محیط پیام‌رسان کار می‌کند.

این ابزار مثل یک ایجنت کامل هوش مصنوعی عمل می‌کند:
می‌توانید فرمان صوتی بدهید، عکس و فایل بفرستید، درخواست تحقیق کنید، گزارش تولید کنید، PDF بسازید و کارهای پیچیده را انجام دهید.

دو حالت عملیاتی دارد:
• Max — مناسب کارهای پیچیده و چندمرحله‌ای
• Lite — سریع‌تر و مناسب درخواست‌های ساده‌تر

این قابلیت هم‌اکنون در تمام پلن‌های اشتراک Manus فعال است.

پیشنهاد فنی جدید گوگل برای بهبود AI-assisted development در اکوسیستم Dart/Flutter

یکی از PMهای گوگل (Kevin Moore - @kevmoo) در تاریخ ۱۳ فوریه ۲۰۲۶ یه سند فنی باز برای دریافت فیدبک منتشر کرده. این پیشنهاد به نویسنده‌های پکیج‌های فلاتر و دارت اجازه می‌ده مستقیماً «منبع حقیقت» (source of truth) رو برای AI coding agents (مثل GitHub Copilot، Gemini Code Assist یا مدل‌های مشابه) فراهم کنن.
با اضافه کردن “AI-ready assets” (مثل داکیومنت‌های خاص و پرامپت‌های بهینه) به پکیج‌ها از طریق پروتکل Model Context Protocol (MCP)، کدهای تولیدشده توسط AI خیلی دقیق‌تر می‌شن، اشتباهات کمتر می‌شه و نیاز به دیباگ دستی به شدت کاهش پیدا می‌کنه.
این یه قدم مهم برای native کردن فلاتر و دارت با workflowهای agentic و AI-driven هست و مستقیماً آینده‌ی توسعه‌ی هوشمند در این اکوسیستم رو شکل می‌ده.
لینک سند کامل برای مطالعه و کامنت گذاشتن (فیدبک بدید!):

https://docs.google.com/document/d/1k_X-Sp4GQyZP6k9lvZ1Itj0GvzQZuWl3iKzi5AIa69Q/edit?usp=sharing

توییت اصلی اعلام‌کننده (خیلی خوب بازخورد گرفته):

https://x.com/kevmoo/status/2022373440619991160

#Flutter #DartLang #AI #FlutterDev #AIDevelopment

تیم Alibaba با معرفی مدل Qwen3.5-397B یک جهش بزرگ در حوزه هوش مصنوعی متن‌باز رقم زده است.

مدل پرچمدار 397B-A17B از معماری Mixture-of-Experts (MoE) به‌صورت sparse استفاده می‌کند و تنها 17 میلیارد پارامتر فعال دارد. همچنین با طراحی هیبریدی Gated Delta Network ترکیب شده است؛ نتیجه این هم‌افزایی فنی:
• توان استدلال در سطح مدل‌های 400B
• سرعت استنتاج در حد یک مدل 17B
• افزایش 8.6 تا 19 برابر سرعت decoding

این مدل به‌صورت بومی یک Vision-Language Model است که با رویکرد Early Fusion آموزش دیده، بنابراین در کارهای agentic و استدلال تصویری عملکرد بسیار قدرتمندی دارد.
از ۲۰۱ زبان پشتیبانی می‌کند و در نسخه Qwen3.5-Plus دارای پنجره context با ظرفیت ۱ میلیون توکن است.

نکته مهم برای توسعه‌دهندگان:
مدل تحت لایسنس Apache 2.0 منتشر شده، یعنی یک زیرساخت قدرتمند، کم‌هزینه و انعطاف‌پذیر برای ساخت نسل جدید ایجنت‌های خودمختار چندرسانه‌ای در اختیار شما قرار می‌دهد.

تحلیل کامل: https://lnkd.in/g4AaHdEt

وزن‌های مدل: https://lnkd.in/gNtCyKR6

ریپازیتوری: https://lnkd.in/gqj3wVX3 .

همه دارن از Claude Code حرف می‌زنن، و حق هم دارن 😎

چرا؟ چون دیگه لازم نیست کد نویسی بلد باشی. فقط ایجنت‌ها رو مدیریت می‌کنی و خودشون می‌نویسن. خیلی‌ها در عرض چند ساعت وب‌سایت و اپ می‌سازن!

Claude Code چیه؟

یه ابزار ترمینالی از Anthropic که کل جریان کاری تو رو پوشش می‌ده.
راهنمای سریع: Claude Code Beginner

بهترین روش کار
1. Plan Mode (Shift+Tab دوبار)
2. هدف رو واضح بنویس
3. بذار Claude مرحله‌ها رو بسازه
4. بررسی و اصلاح برنامه
5. Auto-Accept Edits Mode
6. Claude همه کار رو اجرا می‌کنه
7. خروجی رو ببین و در صورت نیاز اصلاح کن

راز موفقیت: یه برنامه خوب! بدونش چندین بار باید اصلاح کنی 😅

کاربردها
• جمع کردن بازخورد مشتری
• نوشتن اسناد و پرزنتیشن
• ساخت کد و پروتوتایپ
• تحقیق و تحلیل رقبا
• اتوماسیون کارهای تکراری
• ساخت مهارت‌های قابل استفاده دوباره

امکانات جالب
• MCP: یه رابط برای همه ابزارها
• Skills: دستورهای آماده برای کارهای مشخص
• CLAUDE .md: حافظه پروژه برای Claude

لینک‌ها و راهنماها:
• MCP: Guide
• Skills: Guide
• CLAUDE .md: Guide

حالا آماده‌ای که با Claude Code شروع به ساخت اپ و وب‌سایت کنی

چند تا مدل underrated که هم ارزونن هم واقعاً به درد productivity روزمره می‌خورن:

• Kimi (K2.5)
• DeepSeek (V3.2)
• Anthropic – Claude Haiku 4.5
• MiniMax (M2)
• Meta – Llama 3.2

برای کارهای روزمره مثل ریسِرچ، ریفکتور، نوشتن کانتنت یا اسکریپت‌سازی خیلی مقرون‌به‌صرفه‌ان.

اگر اینا رو به OpenClaw (clawdbot) وصل کنی، یه setup agentic کم‌هزینه ولی قدرتمند می‌سازی؛ مخصوصاً برای workflowهای خودکار و multi-step taskها.

اپلیکیشن تحت وب ChatGPT یک آزمایش جدید به نام «Intelligence» (هوشمندی) اضافه کرده که شامل گزینه «تنظیم مدل پیش‌فرض و موارد بیشتر» است.

clawlet

یه پروژه‌ی اوپن‌سورس سبک و بهینه برای ساخت دستیار شخصی AI، نوشته‌شده با Go.

🔹 تمرکز روی lightweight بودن و مصرف کم منابع
🔹 مناسب برای اجرای لوکال یا روی سرورهای کم‌هزینه
🔹 ساختار ساده برای توسعه و شخصی‌سازی

الان حدود ۵۹۹ ستاره، ۳۱ فورک و ۲ ایشو داره.
اگر دنبال یه دستیار شخصی lean و سریع هستی (مخصوصاً برای setupهای agentic کم‌هزینه)، پروژه جالبیه بررسیش کنی.

لینک پروژه:
https://github.com/mosaxiv/clawlet

👍 یک دوره تازه یادگیری عمیق از MIT به‌صورت عمومی در دسترس قرار گرفت

این دوره آموزشی کامل شامل ۲۴ جلسه، تمرین‌های عملی، تکالیف و مجموعه‌ای از منابع برای مطالعه خودآموز است.

دوره پوشش می‌دهد: معماری‌های مدرن شبکه‌های عصبی، مدل‌های مولد، ترنسفورمرها، استنتاج و سایر مباحث کلیدی یادگیری عمیق.

فرصت فوق‌العاده‌ای برای یادگیری یادگیری عمیق با ساختار یک دانشگاه برتر، رایگان و بدون ساده‌سازی است — بیایید همینجا شروع کنیم.

🔗 دسترسی به ویدئوهای دوره