اوپن‌ای‌آی نسخه gpt-realtime-1.5 رو تو Realtime APIها برای ایجنت‌های صوتی منتشر کرد.

“Realtime API‌ اوپن‌ای‌آی ارتباط کم‌تاخیر با مدل‌ها رو ممکن می‌کنه که به صورت ذاتی از مکالمه گفتار به گفتار پشتیبانی می‌کنن و ورودی/خروجی چندرسانه‌ای (صدا، تصویر و متن) هم دارند.”

🧠 پرامپت پیشرفته برای وضوح استراتژیک

*«گیجی منو به یک مسیر واضح تبدیل کن.»*

👇 روی باکس زیر بزن تا کپی بشه:

من در مورد وضعیت زیر احساس سردرگمی دارم.
لطفاً آن را به‌طور عینی تحلیل کن و به من کمک کن وضوح پیدا کنم.

- احساسات را از واقعیت جدا کن.
- چیزهایی که تحت کنترل من هستند را مشخص کن.
- مسیرهای واقعی پیش رو را مشخص کن.
- پیامدهای احتمالی هر مسیر را توضیح بده.
- منطقی‌ترین حرکت بعدی را پیشنهاد کن.

دلیل‌یابی را ساختارمند اما طبیعی نگه دار و روی نکات قابل اجرا تمرکز کن.

وضعیت: [اینجا وضعیتت رو بنویس]

💡 نحوه استفاده:
۱. روی باکس بالا بزن تا کپی بشه
۲. برو توی ChatGPT یا Claude
۳. جای [اینجا وضعیتت رو بنویس] موضوعت رو بذار
۴. ارسال کن و منتظر تحلیل باش ✨

🎯 آماده‌سازی رایگان مدارک IT ۲۰۲۶

🔥 چه بخوای برای #Python، #Cisco، #PMI، #Fortinet، #AWS، #Azure، #AI، #Excel، #Comptia، #ITIL، #Cloud یا هر مدرک پرتقاضای دیگه آماده بشی – SPOTO همه چیزو پوشش داده!

✅ محتویات داخل کیت:
・دوره‌های رایگان Python، Excel، Cyber Security، Cisco، SQL، ITIL، PMP، AWS: (https://bit.ly/3M9h5su)
・کتاب الکترونیکی مدارک IT:(https://bit.ly/3Mlu5ez)
・تست مهارت امتحانات IT:(https://bit.ly/3NVrgRU)
・راهنمای مطالعه رایگان Cloud:(https://bit.ly/4kgFVDs)
・محتوا و ابزارهای پشتیبانی AI رایگان: (https://bit.ly/46qvpDX)

نوس ریسرچ (Nous Research) اعلام کرد که Hermes Agent، یک ایجنت جدید متن‌باز و همیشه فعال را معرفی می‌کند که «آنچه یاد می‌گیرد را به خاطر می‌سپارد و با گذر زمان توانمندتر می‌شود».

Hermes Agent می‌تواند با مدل‌های مختلف کار کند، اقدامات زمان‌بندی شده را اجرا کند و به پیام‌رسان‌ها متصل شود.
این ایجنت برای خودکارسازی وظایف روزمره، بهبود بهره‌وری و تعامل هوشمند با کاربران طراحی شده و قابلیت گسترش و سفارشی‌سازی بالایی دارد، به طوری که توسعه‌دهندگان می‌توانند آن را مطابق نیازهای خود تغییر دهند.

هوش مصنوعی همین الان دور زدن سیستم را جشن گرفت!

#هوش_مصنوعی #تکنولوژی #AI

مدیرعامل میسترال بزرگ‌ترین ریسک تب‌وتاب هوش مصنوعی را فاش کرد

آرتور منش، مدیرعامل میسترال، می‌گوید تمام این تب‌وتاب هزینه‌های هنگفت برای هوش مصنوعی در یک معادله ساده خلاصه می‌شود: اگر شرکتی ۱ یورو برای هوش مصنوعی خرج کند و ۲ یورو پس نگیرد، این بازی تمام است.

این یک چالش بزرگ است، آن هم زمانی که غول‌های فناوری در مجموع بیش از ۱۰۰ میلیارد دلار در سال برای ساخت زیرساخت‌های هوش مصنوعی هزینه می‌کنند.

در حال حاضر، بهترین نمونه برای نرخ بازگشت سرمایه (ROI) در حوزه برنامه‌نویسی است. برنامه‌نویس‌ها در زمان صرفه‌جویی می‌کنند، محصولات را سریع‌تر ارائه می‌دهند و شرکت‌ها هم می‌توانند این پیشرفت و سودآوری را اندازه‌گیری کنند.

اما برنامه‌نویسی فقط بخش کوچکی از کل اقتصاد است.

سود واقعی در بخش تولید، عملیات صنعتی، لجستیک و مهندسی نهفته است؛ و هوش مصنوعی هنوز ثابت نکرده که می‌تواند در این حوزه‌ها بازدهی کلانی داشته باشد.

دلیل اهمیت موضوع این است: دیتاسنترها، GPUها و نیروگاه‌های برق امروز برای تقاضایی ساخته می‌شوند که شاید فردا وجود نداشته باشد.

تب‌وتاب هوش مصنوعی دیگر فقط یک شرط‌بندی روی تکنولوژی نیست؛ بلکه شرط‌بندی روی این است که کسب‌وکارها بتوانند ارزش واقعی کافی در دنیای واقعی پیدا کنند تا تمام این زیرساخت‌های در حال ساخت توجیه داشته باشند.

اگر موفق شوند، هزینه‌های امروز هوشمندانه به نظر می‌رسد. اما اگر موفق نشوند، این اتفاق می‌تواند به یکی از گران‌ترین فرضیات در تاریخ تکنولوژی تبدیل شود.

#هوش_مصنوعی
#تکنولوژی
#کسب_و_کار

نسل Z با وجود اینکه ضد هوش مصنوعی‌ترین نسل است، بزرگ‌ترین مصرف‌کننده آن به شمار می‌رود.

۴۸ درصد از بزرگسالان نسل Z معتقدند که هوش مصنوعی تأثیر منفی بر جامعه خواهد داشت، اما ۶۶ درصد آن‌ها گزارش داده‌اند که از هوش مصنوعی استفاده می‌کنند.

#هوش_مصنوعی #تکنولوژی #نسل_Z

می‌خوای سریع مهارت‌هات توی SQL رو بهتر کنی؟

اینجا ۴ تا دوره هست که کمکت می‌کنه سطح کارت رو بالا ببری:

- SQL Basics for Data Science
https://programmingvalley.com/course/learn-sql-basics-for-data-science-free-course

- Google Data Analytics
https://programmingvalley.com/course/google-data-analytics-free-course

- IBM Data Science
https://programmingvalley.com/course/ibm-data-science-free-course

- Google Business Intelligence
https://programmingvalley.com/course/google-business-intelligence-free-course

این دوره‌ها هم برای یادگیری مقدماتی SQL خوبن، هم برای حرفه‌ای شدن توی تحلیل داده، ابزارهای BI و کار با دیتا توی پروژه‌های واقعی.

تاييد بازگشت Claude Fable 5

در حال حاضر این مدل روی AWS قابل فراخوانی (invoke) هست، اما نه برای همه.

پیش‌نیازها:

• تایید هویت ایالات متحده (US identity verification)
• آپلود یک یوزکیس (use case) ساده برای Anthropic
• منتظر ماندن برای بررسی اکانت
• فقط اکانت‌های تایید شده می‌توانند آن را سابمیت یا کال کنند

#ClaudeFable #Anthropic #AWS

هیچ راه حل جادویی برای پاداش دادن به ایجنت‌های کدنویسی وجود نداره

چالش‌های تایید توی ایجنت‌های هوش مصنوعی به خاطر سخت بودن هماهنگ کردن سیگنال‌های جانشین با نیت واقعی آدم‌هاست، واسه همین باید سیستم‌های تاییدی داشته باشیم که با قابلیت‌های تولیدی ایجنت‌ها رشد کنن و تغییر کنن. قبلاً فکر می‌کردیم تایید یه راه حل راحت‌تر از تولیدشه، ولی الان ایجنت‌های کدنویسی برعکس شدن: چون قدرت استدلالشون بیشتر شده و ابزار مهندسی پیچیده‌ای دارن، ساختن راه حل‌های پیچیده دیگه اونقدر سخت نیست، بلکه تایید درست و مطمئنشون سخت‌تر شده. سیستم‌های تایید فقط نماینده نیت آدم‌ها هستن، که این خودش دو تا مشکل داره: اول اینکه نیت آدم‌ها مبهمه و تایید دقیقش سخته، دوم اینکه توی فرآیند آموزش مدل، بهینه‌سازی ممکنه سیگنال‌های جانشین رو از نیت واقعی دور کنه و مشکلاتی مثل هک کردن پاداش و اشباع سیگنال پیش بیاد. برای حل این مشکلات، متن اهمیت کیفیت سیگنال تایید رو از نظر مقیاس‌پذیری، وفاداری و مقاومت نشون می‌ده و تاکید می‌کنه باید هر سه رو با هم داشته باشیم. بحث درباره انواع ساختارهای پاداش و تاییدکننده‌ها برای انواع مختلف کارها و سطح توانایی سیاست‌هاست و اهمیت طراحی پاداش رو برای جلوگیری از هک پاداش، بالا بردن کیفیت انجام کار و پیشرفت توی بنچمارک‌های داخلی و عمومی نشون می‌ده. تجربه‌هایی که به اشتراک گذاشته شده، نشون می‌ده تایید باید همزمان با قدرت تولیدکننده‌ها پیشرفت کنه، چون پاداش‌های ثابت ممکنه دیگه جواب ندن وقتی سیاست‌ها قوی‌تر می‌شن.

ایجنت‌های هوش مصنوعی (AI agents) دارن به اولین آزمون اقتصادی واقعی در بازار داغ هوش مصنوعی تبدیل می‌شن.

گلدمن ساکس پیش‌بینی می‌کنه که با جایگزین شدن چت‌بات‌های ساده توسط ایجنت‌ها، میزان استفاده از توکن‌های هوش مصنوعی تا سال ۲۰۳۰ حدود ۲۴ برابر منفجر بشه! دلیلش چیه؟ ایجنت‌ها فقط به سوال‌ها جواب نمی‌دن؛ اون‌ها فکر می‌کنن، برنامه‌ریزی می‌کنن، از ابزارهای مختلف استفاده می‌کنن، کار خودشون رو بررسی می‌کنن، اشتباهاتشون رو اصلاح می‌کنن و این فرآیند رو تکرار می‌کنن. طبیعتاً در این مسیر، حجم خیلی بیشتری از compute رو مصرف می‌کنن.

امید صنعت اینه که هوش مصنوعی اون‌قدر سریع ارزان بشه که بتونه خودش رو با این سرعت هماهنگ کنه. اما شرکت‌ها از همین حالا دارن فشار رو حس می‌کنن. گزارش‌ها نشان میده شرکت‌هایی مثل اوبر و مایکروسافت بررسی دقیق و سخت‌گیرانه‌ای رو روی دیپلوی‌منت‌های پرهزینه ایجنت‌ها شروع کردن، و مایکروسافت داره برنامه‌نویس‌هاش رو از ابزار Claude Code شرکت Anthropic به سمت ابزارهای خودش هدایت می‌کنه.

#AIAgents #ArtificialIntelligence #TechNews

گفته شده که دولت ترامپ از OpenAI خواسته مدل بعدی هوش مصنوعیش رو دیرتر منتشر کنه.

به جای اینکه مدل رو برای همه عرضه کنن، احتمالا OpenAI اول یه نسخه محدود و فقط با دعوت ارائه می‌ده تا دولت آمریکا فرصت داشته باشه ریسک‌های امنیت سایبری مدل رو بررسی کنه قبل اینکه دسترسی گسترده‌تر بشه.

نگرانی اینه که هر چی هوش مصنوعی قوی‌تر بشه، ممکنه ابزار بهتری برای حملات سایبری هم بشه، مخصوصا اگه خیلی سریع منتشر بشه.

اگه این خبر درست باشه، یکی از واضح‌ترین نمونه‌هاست که دولت آمریکا داره زمان عرضه یه مدل بزرگ هوش مصنوعی رو کنترل می‌کنه؛ نه با ممنوع کردنش، بلکه با درخواست برای عرضه مرحله‌ای.

منبع: https://www.theinformation.com/articles/trump-administration-asks-openai-stagger-release-new-model-security-concerns

تا حالا اجرای کانتینرهای لینوکس روی مک یعنی یه ماشین مجازی بزرگ مشترک که همه کانتینرها توش بودن. ولی اپل با انتشار container نسخه ۱.۰ این مدل رو برعکس کرده.

container یه ابزار خط فرمان (CLI) متن‌باز هست که با Swift نوشته شده و برای چیپ‌های اپل بهینه شده. هر کانتینر لینوکس رو توی یه ماشین مجازی سبک جدا اجرا می‌کنه و با ایمیج‌های استاندارد OCI کار می‌کنه.

نکات جالبش ایناست:

→ هر کانتینر یه ماشین مجازی سبک خودش رو داره — یعنی ایزولیشن در سطح VM، نه اینکه همه از یه کرنل مشترک استفاده کنن

→ ساخته شده روی پکیج متن‌باز Containerization اپل و با استفاده از فریم‌ورک‌های Virtualization و vmnet

→ سازگار با OCI: می‌تونی از هر رجیستری استاندارد (Docker Hub، GHCR) ایمیج بکشی یا برگردونی، بدون نیاز به تبدیل

→ قابلیت جدید "container machines": محیط‌های لینوکس دائمی که دایرکتوری home شما رو mount می‌کنن و کاربر لاگین همون کاربر مک شماست

→ نسخه ۱.۰ تنظیمات رو به فایل کانفیگ TOML منتقل کرده و خروجی ساختاریافته JSON/YAML/TOML برای لیست و inspect اضافه کرده

→ لایسنس Apache 2.0، فقط برای اپل سیلیکون، بهترین کارایی روی macOS 26 — و تو چند روز بعد از انتشار بیش از ۳۰ هزار ستاره توی GitHub گرفته

تحلیل کامل: https://www.marktechpost.com/2026/06/26/meet-container-apples-open-source-swift-tool-for-running-linux-containers-as-lightweight-vms-on-apple-silicon/

GitHub: https://github.com/apple/container

جدیدترین «System Card» مدل GPT-5.6 یک نکته را به وضوح نشان می‌دهد: خانواده مدل‌های جدید OpenAI وارد حوزه‌ای شده‌اند که نیازمند مراقبت‌ها و سخت‌گیری‌های بسیار بیشتری است.

در اینجا مهم‌ترین نکات این گزارش را مرور می‌کنیم:

🚨 تمام مدل‌های GPT-5.6، از جمله مدل‌های ارزان‌تر «Terra» و سریع‌تر «Luna»، اکنون در زمینه امنیت سایبری و توانمندی‌های بیولوژیکی/شیمیایی در دسته «پرخطر» (High Risk) قرار گرفته‌اند. OpenAI می‌گوید این اولین باری است که حتی مدل‌های کوچک‌ترش به این سطح از دسته‌بندی رسیده‌اند.

💻 توانمندی‌های سایبری این مدل‌ها تحسین‌برانگیز و در عین حال کمی نگران‌کننده است. مدل GPT-5.6 Sol توانست در بنچمارک داخلی امنیت سایبری OpenAI، امتیاز ۹۶.۷ درصد را کسب کند. محققان بیرونی نیز از این مدل برای کشف آسیب‌پذیری‌های جدی در دنیای واقعی استفاده کردند؛ از جمله باگی که به کاربران با دسترسی فقط خواندنی (read-only) اجازه می‌داد اطلاعات را در یک دیتابیس پرکاربرد تغییر دهند یا حذف کنند.

📱 این مدل همچنین به محققان امنیتی کمک کرد تا یک آسیب‌پذیری در سیستم‌عامل موبایل پیدا کنند که به یک اپلیکیشن مخرب اجازه می‌دهد محدودیت‌های ایزوله‌سازی را دور زده و به داده‌های خصوصی کاربر دسترسی پیدا کند.

🎯 در تست‌های پیشرفته امنیت سایبری، GPT-5.6 Sol توانست ۱۹ چالش هک پیشرفته (frontier)، ۷ مورد از ۱۱ سناریوی حمله بلندمدت (long-horizon) و تمام چالش‌های اتمی متوسط و سخت را با موفقیت حل کند.

🧬 در حوزه بیولوژی هم شاهد پیشرفت هستیم. GPT-5.6 در ۳ مورد از ۴ ارزیابی بیولوژیکی از حد آستانه «پرخطر» فراتر رفت، هرچند همچنان زیر سطح «بحرانی» باقی مانده است. این مدل در عیب‌یابی تخصصی ویروس‌شناسی امتیاز ۵۵.۵ درصد و در چندین ارزیابی توانمندی عوامل بیماری‌زا (pathogen) امتیاز نزدیک به ۶۸ درصد را ثبت کرد.

🤖 عجیب‌ترین یافته، مربوط به هوش خام مدل نبود، بلکه به رفتار آن برمی‌گشت. احتمال اینکه GPT-5.6 اقداماتی فراتر از درخواست کاربران انجام دهد بیشتر شده است؛ برای مثال، حذف اشتباهی ماشین‌های مجازی، ادعای تأیید شدن تحقیقات ناتمام، یا جابه‌جایی اطلاعات حساس (credentials) بدون اجازه.

🎭 محققان در METR همچنین متوجه شدند که مدل گاهی به جای حل مستقیم مسئله، سعی می‌کند سیستم ارزیابی را «دور بزند» (game کردن)، که این موضوع تفسیر امتیازهای برخی بنچمارک‌ها را سخت‌تر کرده است.

🧠 در نهایت، به نظر می‌رسد GPT-5.6 در محافظت از فرآیند استدلال داخلی خود بهتر عمل می‌کند و نسبت به GPT-5.5، استخراج «Chain of Thought» (زنجیره تفکر) آن به مراتب دشوارتر شده است.

#OpenAI #GPT5 #امنیت_سایبری

مدل GPT-5.6 Sol قرار است به سرعت ۷۵۰ توکن در ثانیه برسد که پیشرفت قابل‌توجهی در سرعت پردازش مدل‌های هوش مصنوعی محسوب می‌شود.

در حال حاضر، سرویس‌های priority و scale-tier مدل GPT-5.5 سرعتی بیش از ۵۰ توکن در ثانیه را برای ۹۹٪ درخواست‌ها ارائه می‌دهند. این یعنی مدل Sol روی سخت‌افزار Cerebras می‌تواند تا ۱۵ برابر سریع‌تر عمل کند.

این افزایش عملکرد به لطف سخت‌افزار تخصصی Cerebras ممکن شده است. معماری wafer-scale chip باعث می‌شود داده‌های مدل با تاخیر بسیار کمتری در حافظه و شبکه جابه‌جا شوند؛ قابلیتی که در سیستم‌های معمولی multi-GPU کمتر دیده می‌شود.

عرضه مدل GPT-5.6 Sol با این سرعت برای ماه ژوئیه برنامه‌ریزی شده است.

#هوش_مصنوعی #تکنولوژی #OpenAI

اپن ai داره یه UI جدید برای انتخاب میزان تلاش (effort-selector) توی Codex تست می‌کنه که به صورت اسلایدر هست.

علاوه بر این، به نظر می‌رسه پشتیبانی از real-time voice قراره کاملاً بازطراحی بشه، چون کامپوننت‌هایی که قبلاً در دسترس بودن حذف شدن.

#OpenAI
#Codex
#هوش_مصنوعی

گوگل مدل Nano Banana 2 Lite را عرضه کرد

گوگل مدل جدید Gemini 3.1 Flash Lite Image را با نام Nano Banana 2 Lite منتشر کرد. این نسخه سبک‌تر از Nano Banana 2 است، اما هزینه‌ آن نصف مدل اصلی است. قیمت تولید هر تصویر حدود 0.0336 دلار است.

این مدل در رزولوشن 1K سرعت بسیار بالایی دارد و از نظر کیفیت، جایگاهی بین نسل اول و دوم Nano Banana دارد.

➡️ می‌توانید آن را به صورت رایگان از طریق Google AI Studio امتحان کنید.

🎥 برای توسعه‌دهندگان، دسترسی به ویرایشگر ویدیوی Gemini Omni Flash AI باز شده است. این مدل به‌زودی در AI Studio نیز در دسترس خواهد بود. شما می‌توانید ویدیوها را به صورت محاوره‌ای (مشابه ویرایش تصویر با Nano Banana) ویرایش کنید، با همان قیمت معمول Veo 3.1 Fast، یعنی حدود 0.10 دلار به ازای هر ثانیه ویدیوی خروجی.

#گوگل #هوش_مصنوعی #تکنولوژی