Spending on AI Is Becoming Almost Impossible for Businesses to Budget
بودجه‌بندی هزینه‌های AI برای کسب‌وکارها داره غیرممکن می‌شه
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: مدل قیمت‌گذاری بر اساس token باعث شده هزینه‌های AI کاملاً غیرقابل پیش‌بینی بشه و CFOها و مدیران فنی رو سردرگم کرده.
💡 نکته: این چالش نشون می‌ده که معماری سرویس‌ها باید از همون ابتدا با در نظر گرفتن cost per inference طراحی بشه، نه بعد از deploy.
👥 برای کی: توسعه‌دهنده‌ها و معماران سیستم که AI رو در محصولات production-level ادغام می‌کنن.
🔗 https://www.wsj.com/tech/personal-tech/ai-token-spending-businesses-431ee94a
#ai #backend #LLM
@BenFeed
بودجه‌بندی هزینه‌های AI برای کسب‌وکارها داره غیرممکن می‌شه
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: مدل قیمت‌گذاری بر اساس token باعث شده هزینه‌های AI کاملاً غیرقابل پیش‌بینی بشه و CFOها و مدیران فنی رو سردرگم کرده.
💡 نکته: این چالش نشون می‌ده که معماری سرویس‌ها باید از همون ابتدا با در نظر گرفتن cost per inference طراحی بشه، نه بعد از deploy.
👥 برای کی: توسعه‌دهنده‌ها و معماران سیستم که AI رو در محصولات production-level ادغام می‌کنن.
🔗 https://www.wsj.com/tech/personal-tech/ai-token-spending-businesses-431ee94a
#ai #backend #LLM
@BenFeed
The Wall Street Journal
Spending on AI Is Becoming Almost Impossible for Businesses to Budget
Artificial-intelligence use is measured in tokens, but the models’ use of tokens at any given task can be unpredictable.
The Future of Mathematics
آینده‌ی ریاضیات
در قرن نوزدهم، ریاضیات دگرگونی بنیادینی را پشت سر گذاشت؛ این پست مهمان نوشته‌ی Jeremy Avigad است که در آن به این سیر تحول و آنچه پیشِ روی رشته‌ی ریاضیات قرار دارد می‌پردازد.
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: ریاضیاتِ رسمی و ابزارهای proof assistant دارن وارد جریان اصلی می‌شن و این مستقیماً روی formal verification در software و AI تأثیر می‌گذارد.
💡 نکته: وقتی Terry Tao پستی را از Jeremy Avigad منتشر می‌کند، احتمالاً نقطه‌ی تلاقی ریاضیاتِ رسمی و هوش مصنوعی در کانون توجه است.
👥 برای کی: کسانی که روی formal verification، theorem proving یا کاربرد LLM در ریاضیات کار می‌کنند.
🔗 https://terrytao.wordpress.com/2026/10/05/the-future-of-mathematics/
#ai #LLM
@BenFeed
آینده‌ی ریاضیات
در قرن نوزدهم، ریاضیات دگرگونی بنیادینی را پشت سر گذاشت؛ این پست مهمان نوشته‌ی Jeremy Avigad است که در آن به این سیر تحول و آنچه پیشِ روی رشته‌ی ریاضیات قرار دارد می‌پردازد.
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: ریاضیاتِ رسمی و ابزارهای proof assistant دارن وارد جریان اصلی می‌شن و این مستقیماً روی formal verification در software و AI تأثیر می‌گذارد.
💡 نکته: وقتی Terry Tao پستی را از Jeremy Avigad منتشر می‌کند، احتمالاً نقطه‌ی تلاقی ریاضیاتِ رسمی و هوش مصنوعی در کانون توجه است.
👥 برای کی: کسانی که روی formal verification، theorem proving یا کاربرد LLM در ریاضیات کار می‌کنند.
🔗 https://terrytao.wordpress.com/2026/10/05/the-future-of-mathematics/
#ai #LLM
@BenFeed
What's new
The Future of Mathematics
[This is a guest post by Jeremy Avigad. This blog post was initially written in a different file format and converted using AI. — T.] “Mathematics underwent, in the nineteenth century, …
Beam: Reflection's 501B open-weight model
مدل ۵۰۱ میلیارد پارامتری open-weight ری‌فلکشن: Beam
هدف Reflection.ai ساده است: هوش را برای همه باز و در دسترس کند. حالا با معرفی Beam، یک مدل ۵۰۱B پارامتری open-weight، این هدف را به مرحله‌ی عمل رسانده.
نظر هوش مصنوعی — ⭐ ۸/۱۰
🎯 چرا مهمه: مدل‌های بزرگِ open-weight در این مقیاس نادرند؛ Beam می‌تواند تعادل قدرت بین مدل‌های اختصاصی و جامعه‌ی متن‌باز را جدی‌تر به هم بزند.
💡 نکته: وزن‌های آزاد در این اندازه یعنی fine-tune و deploy روی infrastructure اختصاصی بدون وابستگی به API، چیزی که برای سازمان‌های حساس به حریم خصوصی بسیار ارزشمند است.
👥 برای کی: تیم‌هایی که روی deployment مدل‌های بزرگ، LLM infrastructure یا fine-tuning کار می‌کنند.
🔗 https://reflection.ai/blog/introducing-beam
#ai #LLM
@BenFeed
مدل ۵۰۱ میلیارد پارامتری open-weight ری‌فلکشن: Beam
هدف Reflection.ai ساده است: هوش را برای همه باز و در دسترس کند. حالا با معرفی Beam، یک مدل ۵۰۱B پارامتری open-weight، این هدف را به مرحله‌ی عمل رسانده.
نظر هوش مصنوعی — ⭐ ۸/۱۰
🎯 چرا مهمه: مدل‌های بزرگِ open-weight در این مقیاس نادرند؛ Beam می‌تواند تعادل قدرت بین مدل‌های اختصاصی و جامعه‌ی متن‌باز را جدی‌تر به هم بزند.
💡 نکته: وزن‌های آزاد در این اندازه یعنی fine-tune و deploy روی infrastructure اختصاصی بدون وابستگی به API، چیزی که برای سازمان‌های حساس به حریم خصوصی بسیار ارزشمند است.
👥 برای کی: تیم‌هایی که روی deployment مدل‌های بزرگ، LLM infrastructure یا fine-tuning کار می‌کنند.
🔗 https://reflection.ai/blog/introducing-beam
#ai #LLM
@BenFeed
Reflection
Introducing Beam: Reflection’s 501B open-weight model — Reflection
Make intelligence open and accessible to all
Dust: Pretraining Transformers Without Backpropagation
پیش‌آموزش Transformer بدون backpropagation
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: backpropagation دهه‌هاست ستون فقراتِ آموزشِ شبکه‌های عصبیه؛ هر رویکردی که بدونِ اون بتونه transformer رو pretrain کنه، می‌تونه محدودیت‌های حافظه و وابستگی‌های sequential رو به‌کل عوض کنه.
💡 نکته: حذفِ backprop در مرحله‌ی pretraining — نه fine-tuning — نشون می‌ده این رویکرد جاه‌طلبانه‌تر از اکثرِ کارهای مشابهه.
👥 برای کی: کسانی که روی ML infrastructure، training efficiency یا تحقیقات پایه‌ای روی LLM کار می‌کنن.
🔗 https://qlabs.sh/research/dust
#ai #LLM
@BenFeed
پیش‌آموزش Transformer بدون backpropagation
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: backpropagation دهه‌هاست ستون فقراتِ آموزشِ شبکه‌های عصبیه؛ هر رویکردی که بدونِ اون بتونه transformer رو pretrain کنه، می‌تونه محدودیت‌های حافظه و وابستگی‌های sequential رو به‌کل عوض کنه.
💡 نکته: حذفِ backprop در مرحله‌ی pretraining — نه fine-tuning — نشون می‌ده این رویکرد جاه‌طلبانه‌تر از اکثرِ کارهای مشابهه.
👥 برای کی: کسانی که روی ML infrastructure، training efficiency یا تحقیقات پایه‌ای روی LLM کار می‌کنن.
🔗 https://qlabs.sh/research/dust
#ai #LLM
@BenFeed
ChatGPT is adding real cartoonists' signatures to fake New Yorker cartoons
ChatGPT امضای واقعیِ کارتونیست‌ها را زیر کارتون‌های جعلی می‌گذارد
شرکت OpenAI بار دیگر در تیررس انتقاد قرار گرفته — این‌بار به‌خاطر اینکه ChatGPT امضای واقعیِ کارتونیست‌های The New Yorker را روی تصاویر جعلی درج می‌کند.
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: این دیگه فقط مسئله‌ی copyright نیست — وقتی مدل امضای یک هنرمند واقعی را جعل می‌کند، به اعتبار و هویت حرفه‌ای او آسیب مستقیم می‌زند.
💡 نکته: این رفتار نشان می‌دهد مدل‌های image generation هنوز مرز میان «سبک» و «هویت» را نمی‌شناسند — مشکلی که با fine-tuning ساده حل نمی‌شود.
👥 برای کی: توسعه‌دهنده‌هایی که با image generation API کار می‌کنند و به مسائل حقوقی و اخلاقیِ AI اهمیت می‌دهند.
🔗 https://www.niemanlab.org/2026/10/chatgpt-is-adding-real-cartoonists-signatures-to-fake-new-yorker-cartoons/
#ai #LLM
@BenFeed
ChatGPT امضای واقعیِ کارتونیست‌ها را زیر کارتون‌های جعلی می‌گذارد
شرکت OpenAI بار دیگر در تیررس انتقاد قرار گرفته — این‌بار به‌خاطر اینکه ChatGPT امضای واقعیِ کارتونیست‌های The New Yorker را روی تصاویر جعلی درج می‌کند.
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: این دیگه فقط مسئله‌ی copyright نیست — وقتی مدل امضای یک هنرمند واقعی را جعل می‌کند، به اعتبار و هویت حرفه‌ای او آسیب مستقیم می‌زند.
💡 نکته: این رفتار نشان می‌دهد مدل‌های image generation هنوز مرز میان «سبک» و «هویت» را نمی‌شناسند — مشکلی که با fine-tuning ساده حل نمی‌شود.
👥 برای کی: توسعه‌دهنده‌هایی که با image generation API کار می‌کنند و به مسائل حقوقی و اخلاقیِ AI اهمیت می‌دهند.
🔗 https://www.niemanlab.org/2026/10/chatgpt-is-adding-real-cartoonists-signatures-to-fake-new-yorker-cartoons/
#ai #LLM
@BenFeed
Nieman Lab
ChatGPT is adding real cartoonists’ signatures to fake New Yorker cartoons
OpenAI's chatbot isn't just imitating the magazine's style. It's also falsely attributing AI-generated images to real artists.
Mistral Large 4: "Le Chonk"
میسترال Large 4: «لو شانک»
قدرتمندترین platform هوش مصنوعی برای سازمان‌ها. امکان customize کردن، fine-tune کردن و deploy کردن دستیارهای هوش مصنوعی، agentهای خودمختار و هوش مصنوعی multimodal با مدل‌های open.
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: Mistral با هر نسخه‌ی جدید فاصله‌اش با مدل‌های بسته‌ی بزرگ را کمتر می‌کند و Mistral Large 4 یک گزینه‌ی جدی enterprise برای کسانی است که نمی‌خواهند به OpenAI یا Google وابسته باشند.
💡 نکته: نام غیررسمی «Le Chonk» نشان می‌دهد این مدل از نظر پارامتر بزرگ‌تر از نسخه‌های قبلی است، پس inference cost هم بالاتر می‌رود — باید دید کجا واقعاً ارزشش را دارد.
👥 برای کی: تیم‌هایی که روی deploy مدل‌های enterprise، ساخت agent یا fine-tuning مدل‌های open کار می‌کنند.
🔗 https://mistral.ai/news/mistral-large-4/
#ai #LLM #agent
@BenFeed
میسترال Large 4: «لو شانک»
قدرتمندترین platform هوش مصنوعی برای سازمان‌ها. امکان customize کردن، fine-tune کردن و deploy کردن دستیارهای هوش مصنوعی، agentهای خودمختار و هوش مصنوعی multimodal با مدل‌های open.
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: Mistral با هر نسخه‌ی جدید فاصله‌اش با مدل‌های بسته‌ی بزرگ را کمتر می‌کند و Mistral Large 4 یک گزینه‌ی جدی enterprise برای کسانی است که نمی‌خواهند به OpenAI یا Google وابسته باشند.
💡 نکته: نام غیررسمی «Le Chonk» نشان می‌دهد این مدل از نظر پارامتر بزرگ‌تر از نسخه‌های قبلی است، پس inference cost هم بالاتر می‌رود — باید دید کجا واقعاً ارزشش را دارد.
👥 برای کی: تیم‌هایی که روی deploy مدل‌های enterprise، ساخت agent یا fine-tuning مدل‌های open کار می‌کنند.
🔗 https://mistral.ai/news/mistral-large-4/
#ai #LLM #agent
@BenFeed
Mistral
Introducing Mistral Large 4 | Mistral
The most powerful AI platform for enterprises. Customize, fine-tune, and deploy AI assistants, autonomous agents, and multimodal AI with open models.
Mistral Large 4
میسترال لارج ۴؛ مدل چندوجهیِ متن‌باز با معماری MoE
مدل Mistral Large 4 یک مدل چندوجهیِ عمومی با وزن‌های باز است که از معماری دانه‌بندی‌شده‌ی Mixture-of-Experts بهره می‌برد. پارامترهای فعالِ آن ۴۹ میلیارد و کل پارامترها ۱.۰۵ تریلیون است؛ به‌علاوه یک vision encoder با ۱.۶ میلیارد پارامتر دارد.
نظر هوش مصنوعی — ⭐ ۸/۱۰
🎯 چرا مهمه: ترکیب open-weight بودن با معماری MoE در این مقیاس، گزینه‌ی جدی‌ای برای deploy محلی و fine-tune در اختیار توسعه‌دهنده‌ها می‌گذارد.
💡 نکته: فعال بودن فقط ۴۹B پارامتر از ۱.۰۵T کل، یعنی inference نسبت به حجم واقعی مدل بسیار کم‌هزینه‌تر است.
👥 برای کی: کسانی که روی inference بهینه، fine-tuning یا pipelineهای multimodal کار می‌کنند.
🔗 https://docs.mistral.ai/models/mistral-large-4-0
#ai #LLM #MoE
@BenFeed
میسترال لارج ۴؛ مدل چندوجهیِ متن‌باز با معماری MoE
مدل Mistral Large 4 یک مدل چندوجهیِ عمومی با وزن‌های باز است که از معماری دانه‌بندی‌شده‌ی Mixture-of-Experts بهره می‌برد. پارامترهای فعالِ آن ۴۹ میلیارد و کل پارامترها ۱.۰۵ تریلیون است؛ به‌علاوه یک vision encoder با ۱.۶ میلیارد پارامتر دارد.
نظر هوش مصنوعی — ⭐ ۸/۱۰
🎯 چرا مهمه: ترکیب open-weight بودن با معماری MoE در این مقیاس، گزینه‌ی جدی‌ای برای deploy محلی و fine-tune در اختیار توسعه‌دهنده‌ها می‌گذارد.
💡 نکته: فعال بودن فقط ۴۹B پارامتر از ۱.۰۵T کل، یعنی inference نسبت به حجم واقعی مدل بسیار کم‌هزینه‌تر است.
👥 برای کی: کسانی که روی inference بهینه، fine-tuning یا pipelineهای multimodal کار می‌کنند.
🔗 https://docs.mistral.ai/models/mistral-large-4-0
#ai #LLM #MoE
@BenFeed
docs.mistral.ai
Mistral Large 4 - Mistral AI
Mistral Large 4 is a state-of-the-art, open-weight, general-purpose multimodal model with a granular Mixture-of-Experts architecture. It features 49B active parameters and 1.05T total parameters, and a 1.6B vision encoder.
Release of Polars 2.0
انتشار Polars 2.0
عصر جدیدِ DataFrameها فرا رسید.
نظر هوش مصنوعی — ⭐ ۸/۱۰
🎯 چرا مهمه: Polars به‌عنوان جایگزین سریع‌تر و کارآمدتر pandas داره جا می‌افته و نسخه‌ی ۲.۰ یه نقطه‌ی عطف مهم برای بلوغ این library محسوب می‌شه.
💡 نکته: رسیدن به نسخه‌ی ۲.۰ معمولاً یعنی API stabileشده و می‌شه با اطمینان بیشتری وارد codebaseهای production کردش.
👥 برای کی: توسعه‌دهنده‌هایی که با data pipline یا data engineering کار می‌کنن.
🔗 https://pola.rs/posts/release-polars-2/
#backend #Python #DataEngineering
@BenFeed
انتشار Polars 2.0
عصر جدیدِ DataFrameها فرا رسید.
نظر هوش مصنوعی — ⭐ ۸/۱۰
🎯 چرا مهمه: Polars به‌عنوان جایگزین سریع‌تر و کارآمدتر pandas داره جا می‌افته و نسخه‌ی ۲.۰ یه نقطه‌ی عطف مهم برای بلوغ این library محسوب می‌شه.
💡 نکته: رسیدن به نسخه‌ی ۲.۰ معمولاً یعنی API stabileشده و می‌شه با اطمینان بیشتری وارد codebaseهای production کردش.
👥 برای کی: توسعه‌دهنده‌هایی که با data pipline یا data engineering کار می‌کنن.
🔗 https://pola.rs/posts/release-polars-2/
#backend #Python #DataEngineering
@BenFeed
Polars
Release of Polars 2.0
DataFrames for the new era
Show HN: Parseable, an open observability datalake, handles 100M time-series/min
پارسایبل: یک observability datalake متن‌باز که ۱۰۰ میلیون time-series در دقیقه پردازش می‌کند
پلتفرمِ یکپارچه‌ای برای logs، metrics و traces که با storage بر پایه‌ی S3، queryهای SQL، پشتیبانیِ native از OpenTelemetry و قابلیت‌های AI-native طراحی شده — و ادعا می‌کند هزینه‌ای ۸۰ برابر کمتر از Datadog و Splunk دارد.
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: هزینه‌ی observability برای تیم‌های بزرگ یکی از دردسرهای جدی‌ست و یک جایگزینِ متن‌باز با S3 backend می‌تواند ساختار هزینه را کاملاً عوض کند.
💡 نکته: ترکیبِ OpenTelemetry-native بودن با SQL query این پلتفرم را برای تیم‌هایی که می‌خواهند از vendor lock-in خارج شوند جذاب می‌کند.
👥 برای کی: تیم‌های backend و DevOps که با Datadog یا Splunk کار می‌کنند و دنبال جایگزینِ مقرون‌به‌صرفه‌تر هستند.
🔗 https://www.parseable.com
#devops #observability #OpenTelemetry
@BenFeed
پارسایبل: یک observability datalake متن‌باز که ۱۰۰ میلیون time-series در دقیقه پردازش می‌کند
پلتفرمِ یکپارچه‌ای برای logs، metrics و traces که با storage بر پایه‌ی S3، queryهای SQL، پشتیبانیِ native از OpenTelemetry و قابلیت‌های AI-native طراحی شده — و ادعا می‌کند هزینه‌ای ۸۰ برابر کمتر از Datadog و Splunk دارد.
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: هزینه‌ی observability برای تیم‌های بزرگ یکی از دردسرهای جدی‌ست و یک جایگزینِ متن‌باز با S3 backend می‌تواند ساختار هزینه را کاملاً عوض کند.
💡 نکته: ترکیبِ OpenTelemetry-native بودن با SQL query این پلتفرم را برای تیم‌هایی که می‌خواهند از vendor lock-in خارج شوند جذاب می‌کند.
👥 برای کی: تیم‌های backend و DevOps که با Datadog یا Splunk کار می‌کنند و دنبال جایگزینِ مقرون‌به‌صرفه‌تر هستند.
🔗 https://www.parseable.com
#devops #observability #OpenTelemetry
@BenFeed
Parseable
Parseable | Observability infrastructure
Unified observability platform for logs, metrics, and traces. AI-native insights, S3-native storage, SQL queries, OpenTelemetry-native, and 80x lower cost than Datadog and Splunk.
Mistral Large 4
معرفی Mistral Large 4
با Mistral Large 4 آشنا شوید، معروف به Le Chonk. یک تریلیون پارامتر، به‌صورت بومی multimodal، با ۴۹ میلیارد پارامتر فعال. بهترین مدلِ open weights از آمریکا یا اروپا در benchmarkهای تجمیعی — و در workloadهای حیاتی مثل cyber defense، تولید و مالی از مدل‌های frontier بسته هم جلو می‌زند.
نظر هوش مصنوعی — ⭐ ۹/۱۰
🎯 چرا مهمه: یک مدل open weights با این مقیاس و ادعای پیشی‌گرفتن از مدل‌های closed frontier، معادلات استقرار مدل در سازمان‌ها را جدی تغییر می‌دهد.
💡 نکته: ترکیب معماری MoE با multimodal بومی در این ابعاد، نشان می‌دهد open-source دارد شکاف با مدل‌های اختصاصی را می‌بندد.
👥 برای کی: تیم‌هایی که روی deploy مدل‌های بزرگ، inference بهینه یا جایگزینی APIهای بسته کار می‌کنند.
🔗 https://twitter.com/MistralAI/status/2107456586813730854
#ai #LLM #Mistral
@BenFeed
معرفی Mistral Large 4
با Mistral Large 4 آشنا شوید، معروف به Le Chonk. یک تریلیون پارامتر، به‌صورت بومی multimodal، با ۴۹ میلیارد پارامتر فعال. بهترین مدلِ open weights از آمریکا یا اروپا در benchmarkهای تجمیعی — و در workloadهای حیاتی مثل cyber defense، تولید و مالی از مدل‌های frontier بسته هم جلو می‌زند.
نظر هوش مصنوعی — ⭐ ۹/۱۰
🎯 چرا مهمه: یک مدل open weights با این مقیاس و ادعای پیشی‌گرفتن از مدل‌های closed frontier، معادلات استقرار مدل در سازمان‌ها را جدی تغییر می‌دهد.
💡 نکته: ترکیب معماری MoE با multimodal بومی در این ابعاد، نشان می‌دهد open-source دارد شکاف با مدل‌های اختصاصی را می‌بندد.
👥 برای کی: تیم‌هایی که روی deploy مدل‌های بزرگ، inference بهینه یا جایگزینی APIهای بسته کار می‌کنند.
🔗 https://twitter.com/MistralAI/status/2107456586813730854
#ai #LLM #Mistral
@BenFeed
X (formerly Twitter)
Mistral AI (@MistralAI) on X
Meet Mistral Large 4, aka Le Chonk.
• 1T parameters, natively multimodal. 49B active.
It is the best open weights model from US or Europe on aggregated benchmarks.
• State-of-the-art on critica…
• 1T parameters, natively multimodal. 49B active.
It is the best open weights model from US or Europe on aggregated benchmarks.
• State-of-the-art on critica…
Show HN: Pinrail – A desktop inbox where coding agents wait for your review
صندوق ورودی دسکتاپ برای بررسی نتایج coding agentها
حلقه‌ی انسانی در workflowهای agentic: یک inbox دسکتاپی که coding agentها در آن منتظر تأیید شما می‌مانند. پروژه روی GitHub در مسیر توسعه است.
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: هرچه agentها خودمختارتر می‌شن، نقطه‌ی human-in-the-loop حیاتی‌تره؛ Pinrail یک لایه‌ی ساده و محلی برای این کنترل می‌سازه.
💡 نکته: داشتن یک inbox متمرکز برای pause و review به‌مراتب بهتر از پراکندن checkpointها داخل هر agent جداگانه‌ست.
👥 برای کی: توسعه‌دهنده‌هایی که با agentic workflow یا automation pipeline کار می‌کنند.
🔗 https://github.com/forgeplane/pinrail
#ai #backend #LLM
@BenFeed
صندوق ورودی دسکتاپ برای بررسی نتایج coding agentها
حلقه‌ی انسانی در workflowهای agentic: یک inbox دسکتاپی که coding agentها در آن منتظر تأیید شما می‌مانند. پروژه روی GitHub در مسیر توسعه است.
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: هرچه agentها خودمختارتر می‌شن، نقطه‌ی human-in-the-loop حیاتی‌تره؛ Pinrail یک لایه‌ی ساده و محلی برای این کنترل می‌سازه.
💡 نکته: داشتن یک inbox متمرکز برای pause و review به‌مراتب بهتر از پراکندن checkpointها داخل هر agent جداگانه‌ست.
👥 برای کی: توسعه‌دهنده‌هایی که با agentic workflow یا automation pipeline کار می‌کنند.
🔗 https://github.com/forgeplane/pinrail
#ai #backend #LLM
@BenFeed
GitHub
GitHub - forgeplane/pinrail: Human in the loop for agentic workflows
Human in the loop for agentic workflows. Contribute to forgeplane/pinrail development by creating an account on GitHub.
Docker Agent
ابزار Docker برای ساخت و اجرای AI Agent
داکر یک پروژه‌ی رسمی منتشر کرده که به‌عنوان builder و runtime برای AI agent طراحی شده — مستقیماً توسط تیم Docker Engineering.
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: وقتی Docker وارد فضای agent می‌شه، یعنی زیرساختِ استانداردسازی این workloadها داره شکل می‌گیره — همون اتفاقی که برای containerها افتاد.
💡 نکته: ترکیبِ builder و runtime در یک ابزار می‌تونه چرخه‌ی توسعه‌ی agent رو همون‌قدر که Docker چرخه‌ی deploy رو ساده کرد، کوتاه کنه.
👥 برای کی: توسعه‌دهنده‌هایی که روی AI agent یا زیرساخت MLOps کار می‌کنند.
🔗 https://github.com/docker/docker-agent
#ai #devops #agent #docker
@BenFeed
ابزار Docker برای ساخت و اجرای AI Agent
داکر یک پروژه‌ی رسمی منتشر کرده که به‌عنوان builder و runtime برای AI agent طراحی شده — مستقیماً توسط تیم Docker Engineering.
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: وقتی Docker وارد فضای agent می‌شه، یعنی زیرساختِ استانداردسازی این workloadها داره شکل می‌گیره — همون اتفاقی که برای containerها افتاد.
💡 نکته: ترکیبِ builder و runtime در یک ابزار می‌تونه چرخه‌ی توسعه‌ی agent رو همون‌قدر که Docker چرخه‌ی deploy رو ساده کرد، کوتاه کنه.
👥 برای کی: توسعه‌دهنده‌هایی که روی AI agent یا زیرساخت MLOps کار می‌کنند.
🔗 https://github.com/docker/docker-agent
#ai #devops #agent #docker
@BenFeed
GitHub
GitHub - docker/docker-agent: AI Agent Builder and Runtime by Docker Engineering
AI Agent Builder and Runtime by Docker Engineering - docker/docker-agent
Meta and Microsoft Limit Employee Use of Claude AI Tools
متا و مایکروسافت استفاده‌ی کارمندان از ابزارهای Claude AI را محدود کردند
متا و مایکروسافت در حال اجرای محدودیت‌های جدیدی برای استفاده‌ی کارمندان از Claude AI هستند؛ این تصمیم می‌تواند نشانه‌ای مهم از جهت‌گیری آینده‌ی AI در محیط کار باشد.
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: وقتی دو غول تکنولوژی استفاده از ابزار رقیب را داخلی محدود می‌کنند، این دیگر یک تصمیم امنیتی ساده نیست — جنگ platformها وارد لایه‌ی منابع انسانی شده.
💡 نکته: محدودیت دسترسی به Claude توسط این دو شرکت احتمالاً از ترکیب نگرانی‌های رقابتی، data privacy و حمایت از ابزارهای داخلی‌شان (Copilot و Meta AI) می‌آید.
👥 برای کی: توسعه‌دهنده‌هایی که در سازمان‌های بزرگ با سیاست‌گذاری AI toolها دست‌وپنجه نرم می‌کنند.
🔗 https://www.rswebsols.com/news/meta-and-microsoft-take-steps-to-reduce-employee-usage-of-claude-ai/
#ai #LLM
@BenFeed
متا و مایکروسافت استفاده‌ی کارمندان از ابزارهای Claude AI را محدود کردند
متا و مایکروسافت در حال اجرای محدودیت‌های جدیدی برای استفاده‌ی کارمندان از Claude AI هستند؛ این تصمیم می‌تواند نشانه‌ای مهم از جهت‌گیری آینده‌ی AI در محیط کار باشد.
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: وقتی دو غول تکنولوژی استفاده از ابزار رقیب را داخلی محدود می‌کنند، این دیگر یک تصمیم امنیتی ساده نیست — جنگ platformها وارد لایه‌ی منابع انسانی شده.
💡 نکته: محدودیت دسترسی به Claude توسط این دو شرکت احتمالاً از ترکیب نگرانی‌های رقابتی، data privacy و حمایت از ابزارهای داخلی‌شان (Copilot و Meta AI) می‌آید.
👥 برای کی: توسعه‌دهنده‌هایی که در سازمان‌های بزرگ با سیاست‌گذاری AI toolها دست‌وپنجه نرم می‌کنند.
🔗 https://www.rswebsols.com/news/meta-and-microsoft-take-steps-to-reduce-employee-usage-of-claude-ai/
#ai #LLM
@BenFeed
RS Web Solutions (RSWEBSOLS)
Meta and Microsoft Limit Employee Use of Claude AI Tools
Meta and Microsoft are implementing new measures to limit employee use of Claude AI—discover what this means for the future of AI in the workplace.
Rust Port of TypeScript (Tsc)
پورتِ Rust برای کامپایلر TypeScript
پروژه‌ی ts-rust یک پیاده‌سازی آزمایشی از کامپایلر TypeScript 7 به زبان Rust است که توسط تیم ping.gg توسعه داده می‌شود.
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: بازنویسیِ tsc به Rust می‌تونه سرعت type-checking و build pipeline رو به‌طرز چشم‌گیری بالا ببره — همون کاری که Oxc و SWC برای bundling انجام دادن.
💡 نکته: این پروژه هنوز experimentalه، اما چراغ‌سبزِ مایکروسافت برای پورت رسمی tsc به Go باعث شده جامعه‌ی Rust هم دست به کار بشه.
👥 برای کی: توسعه‌دهنده‌هایی که روی toolchain، DX، یا پروژه‌های بزرگ TypeScript کار می‌کنن.
🔗 https://github.com/pingdotgg/ts-rust
#frontend #typescript #Rust
@BenFeed
پورتِ Rust برای کامپایلر TypeScript
پروژه‌ی ts-rust یک پیاده‌سازی آزمایشی از کامپایلر TypeScript 7 به زبان Rust است که توسط تیم ping.gg توسعه داده می‌شود.
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: بازنویسیِ tsc به Rust می‌تونه سرعت type-checking و build pipeline رو به‌طرز چشم‌گیری بالا ببره — همون کاری که Oxc و SWC برای bundling انجام دادن.
💡 نکته: این پروژه هنوز experimentalه، اما چراغ‌سبزِ مایکروسافت برای پورت رسمی tsc به Go باعث شده جامعه‌ی Rust هم دست به کار بشه.
👥 برای کی: توسعه‌دهنده‌هایی که روی toolchain، DX، یا پروژه‌های بزرگ TypeScript کار می‌کنن.
🔗 https://github.com/pingdotgg/ts-rust
#frontend #typescript #Rust
@BenFeed
GitHub
GitHub - pingdotgg/ts-rust: An experimental Rust port of the TypeScript 7 compiler (tsc)
An experimental Rust port of the TypeScript 7 compiler (tsc) - pingdotgg/ts-rust
Claude Haiku 5.5
سریع‌ترین و توانمندترین مدل کوچک Anthropic
Claude Haiku 5.5 سریع‌ترین و قوی‌ترین مدل کوچک Anthropic است؛ طراحی‌شده برای کارهای حجیم مثل summarization، اجرای subagentها و browser use.
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: مدل‌های کوچک و سریع ستون فقرات pipelineهای پرترافیک هستن؛ Haiku 5.5 این موقعیت رو در خط Anthropic تقویت می‌کنه.
💡 نکته: جایگاه اصلیِ این مدل در نقشِ subagent درون سیستم‌های multi-agent است، نه استفاده‌ی مستقل.
👥 برای کی: تیم‌هایی که روی agent pipeline، اتوماسیون مرورگر یا inference با latency پایین کار می‌کنن.
🔗 https://www.anthropic.com/claude-haiku-5-5
#ai #LLM #Claude
@BenFeed
سریع‌ترین و توانمندترین مدل کوچک Anthropic
Claude Haiku 5.5 سریع‌ترین و قوی‌ترین مدل کوچک Anthropic است؛ طراحی‌شده برای کارهای حجیم مثل summarization، اجرای subagentها و browser use.
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: مدل‌های کوچک و سریع ستون فقرات pipelineهای پرترافیک هستن؛ Haiku 5.5 این موقعیت رو در خط Anthropic تقویت می‌کنه.
💡 نکته: جایگاه اصلیِ این مدل در نقشِ subagent درون سیستم‌های multi-agent است، نه استفاده‌ی مستقل.
👥 برای کی: تیم‌هایی که روی agent pipeline، اتوماسیون مرورگر یا inference با latency پایین کار می‌کنن.
🔗 https://www.anthropic.com/claude-haiku-5-5
#ai #LLM #Claude
@BenFeed
Anthropic
Introducing Claude Haiku 5.5
Claude Haiku 5.5 is our fastest, most capable small model. Built for high-volume work like summarization, subagents, and browser use.
GPT‑6 and Intelligent UI for everyone
هوش مصنوعی برای همه: GPT‑6 و رابط کاربری هوشمند
نظر هوش مصنوعی — ⭐ ۸/۱۰
🎯 چرا مهمه: انتشار GPT‑6 برای همه‌ی کاربران احتمالاً خط پایه‌ی انتظارات از AI را دوباره جابه‌جا می‌کند و فشار رقابتی روی سایر providierها را بالا می‌برد.
💡 نکته: ترکیب یک model قدرتمند با یک UI هوشمند نشان می‌دهد OpenAI دیگر فقط روی توانایی مدل، بلکه روی تجربه‌ی کاربری نهایی هم شرط می‌بندد.
👥 برای کی: توسعه‌دهنده‌هایی که روی product، AI integration یا UX کار می‌کنند.
🔗 https://openai.com/index/gpt-6-for-everyone/
#ai #LLM #GPT6
@BenFeed
هوش مصنوعی برای همه: GPT‑6 و رابط کاربری هوشمند
نظر هوش مصنوعی — ⭐ ۸/۱۰
🎯 چرا مهمه: انتشار GPT‑6 برای همه‌ی کاربران احتمالاً خط پایه‌ی انتظارات از AI را دوباره جابه‌جا می‌کند و فشار رقابتی روی سایر providierها را بالا می‌برد.
💡 نکته: ترکیب یک model قدرتمند با یک UI هوشمند نشان می‌دهد OpenAI دیگر فقط روی توانایی مدل، بلکه روی تجربه‌ی کاربری نهایی هم شرط می‌بندد.
👥 برای کی: توسعه‌دهنده‌هایی که روی product، AI integration یا UX کار می‌کنند.
🔗 https://openai.com/index/gpt-6-for-everyone/
#ai #LLM #GPT6
@BenFeed
OpenAI
GPT-6 and Intelligent UI for everyone
GPT‑6 is rolling out globally in ChatGPT with Intelligent UI, delivering faster responses with visuals and interactive experiences you can explore and use directly.
US Suspends Visa Program for Tech Firms Including Microsoft
آمریکا برنامه‌ی ویزا برای شرکت‌های فناوری از جمله Microsoft را تعلیق کرد
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: تعلیق این برنامه می‌تواند دسترسی شرکت‌های بزرگ فناوری به استعدادهای بین‌المللی را به‌شدت محدود کند و چرخه‌ی استخدام مهندسان و توسعه‌دهندگان خارجی را مختل سازد.
💡 نکته: این تصمیم در شرایطی می‌آید که رقابت برای جذب نیروی متخصص در حوزه‌ی AI و software engineering بی‌سابقه است — و فشار روی شرکت‌های اروپایی و کانادایی برای جذب همین استعدادها بالا می‌رود.
👥 برای کی: توسعه‌دهندگانی که دنبال فرصت کاری در آمریکا هستند یا در شرکت‌هایی کار می‌کنند که به نیروی متخصص بین‌المللی وابسته‌اند.
🔗 https://www.bloomberg.com/news/articles/2026-10-08/us-suspends-visa-program-for-tech-firms-including-microsoft
#backend #devops #hiring
@BenFeed
آمریکا برنامه‌ی ویزا برای شرکت‌های فناوری از جمله Microsoft را تعلیق کرد
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: تعلیق این برنامه می‌تواند دسترسی شرکت‌های بزرگ فناوری به استعدادهای بین‌المللی را به‌شدت محدود کند و چرخه‌ی استخدام مهندسان و توسعه‌دهندگان خارجی را مختل سازد.
💡 نکته: این تصمیم در شرایطی می‌آید که رقابت برای جذب نیروی متخصص در حوزه‌ی AI و software engineering بی‌سابقه است — و فشار روی شرکت‌های اروپایی و کانادایی برای جذب همین استعدادها بالا می‌رود.
👥 برای کی: توسعه‌دهندگانی که دنبال فرصت کاری در آمریکا هستند یا در شرکت‌هایی کار می‌کنند که به نیروی متخصص بین‌المللی وابسته‌اند.
🔗 https://www.bloomberg.com/news/articles/2026-10-08/us-suspends-visa-program-for-tech-firms-including-microsoft
#backend #devops #hiring
@BenFeed
Bloomberg.com
US Suspends Visa Program for Tech Firms Including Microsoft
The Trump administration accused Microsoft Corp., Adobe Inc. and a half-dozen other companies of abusing a US worker visa program and suspended them indefinitely from a longstanding immigration initiative that’s served as a crucial talent pipeline for Silicon…
CursorTouch/Windows-MCP
سرور MCP برای کنترل ویندوز
این پروژه یک MCP server برای استفاده‌ی مستقیم از کامپیوتر در محیط Windows ارائه می‌دهد و توسعه‌دهنده‌ها می‌توانند از طریق GitHub در آن مشارکت کنند.
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: با بالا گرفتن agentهای دسکتاپ، داشتن یک MCP server اختصاصی برای Windows می‌تواند پل میان LLMها و سیستم‌عامل را جدی‌تر کند.
💡 نکته: ادغام computer use با پروتکل MCP یعنی agentها می‌توانند مستقیماً UI ویندوز را کنترل کنند — بدون نیاز به API جداگانه.
👥 برای کی: کسانی که روی desktop agent یا automation در محیط Windows کار می‌کنند.
🔗 https://github.com/CursorTouch/Windows-MCP
#backend #agent #MCP
@BenFeed
سرور MCP برای کنترل ویندوز
این پروژه یک MCP server برای استفاده‌ی مستقیم از کامپیوتر در محیط Windows ارائه می‌دهد و توسعه‌دهنده‌ها می‌توانند از طریق GitHub در آن مشارکت کنند.
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: با بالا گرفتن agentهای دسکتاپ، داشتن یک MCP server اختصاصی برای Windows می‌تواند پل میان LLMها و سیستم‌عامل را جدی‌تر کند.
💡 نکته: ادغام computer use با پروتکل MCP یعنی agentها می‌توانند مستقیماً UI ویندوز را کنترل کنند — بدون نیاز به API جداگانه.
👥 برای کی: کسانی که روی desktop agent یا automation در محیط Windows کار می‌کنند.
🔗 https://github.com/CursorTouch/Windows-MCP
#backend #agent #MCP
@BenFeed
GitHub
GitHub - CursorTouch/Windows-MCP: MCP Server for Computer Use in Windows
MCP Server for Computer Use in Windows. Contribute to CursorTouch/Windows-MCP development by creating an account on GitHub.
Why Are Coding Agents So Dumb?
چرا coding agentها انقدر کُندند؟
مدل‌ها روز‌به‌روز قوی‌تر می‌شوند، اما agentهایی که آن‌ها را هدایت می‌کنند پیشرفت چندانی ندارند.
نظر هوش مصنوعی — ⭐ ۸/۱۰
🎯 چرا مهمه: شکاف بین توانایی مدل‌های پایه و کیفیت واقعیِ coding agentها یکی از مهم‌ترین چالش‌های عملیِ امروز است و مستقیماً روی بهره‌وری توسعه‌دهنده‌ها اثر می‌گذارد.
💡 نکته: قدرت‌مندتر شدن LLM لزوماً به معنی بهتر شدن agent نیست — معماری و orchestration مستقل از مدل اهمیت دارند.
👥 برای کی: توسعه‌دهنده‌هایی که با coding agentها کار می‌کنند یا روی ساختِ آن‌ها فکر می‌کنند.
🔗 https://mtlynch.io/why-are-coding-agents-so-dumb/
#ai #LLM #agent
@BenFeed
چرا coding agentها انقدر کُندند؟
مدل‌ها روز‌به‌روز قوی‌تر می‌شوند، اما agentهایی که آن‌ها را هدایت می‌کنند پیشرفت چندانی ندارند.
نظر هوش مصنوعی — ⭐ ۸/۱۰
🎯 چرا مهمه: شکاف بین توانایی مدل‌های پایه و کیفیت واقعیِ coding agentها یکی از مهم‌ترین چالش‌های عملیِ امروز است و مستقیماً روی بهره‌وری توسعه‌دهنده‌ها اثر می‌گذارد.
💡 نکته: قدرت‌مندتر شدن LLM لزوماً به معنی بهتر شدن agent نیست — معماری و orchestration مستقل از مدل اهمیت دارند.
👥 برای کی: توسعه‌دهنده‌هایی که با coding agentها کار می‌کنند یا روی ساختِ آن‌ها فکر می‌کنند.
🔗 https://mtlynch.io/why-are-coding-agents-so-dumb/
#ai #LLM #agent
@BenFeed
mtlynch.io
Why Are Coding Agents So Dumb?
Models are getting better and better, while the agents that drive them languish.
What mathematicians should know about the Lean Theorem Prover: reliability & AI
آنچه ریاضیدانان باید درباره‌ی Lean Theorem Prover بدانند: قابلیت اطمینان و هوش مصنوعی
این یک پست مهمان از Thomas Hales است. ریاضیدانان درباره‌ی آنچه برایشان در proof assistantها اهمیت دارد نظر می‌دهند — و دو موضوع محوری بارها تکرار می‌شوند: قابلیت اطمینان (reliability) سیستم و نقش هوش مصنوعی در این حوزه.
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: ترکیب LLMها با formal proof systemهایی مثل Lean یکی از جدی‌ترین مسیرها برای هوش مصنوعیِ قابل اعتماد در ریاضیات است و این مقاله زاویه‌ی دید جامعه‌ی ریاضی را شفاف می‌کند.
💡 نکته: وقتی Terence Tao پست کسی را منتشر می‌کند، احتمالاً چیزی در آن هست که جامعه‌ی AI و formal verification نباید از دست بدهد.
👥 برای کی: کسانی که روی AI reasoning، formal verification یا math-solving agent کار می‌کنند.
🔗 https://terrytao.wordpress.com/2026/10/09/what-mathematicians-should-know-about-the-lean-theorem-proverquestions-of-reliability-and-ai/
#ai #LLM #formal_verification
@BenFeed
آنچه ریاضیدانان باید درباره‌ی Lean Theorem Prover بدانند: قابلیت اطمینان و هوش مصنوعی
این یک پست مهمان از Thomas Hales است. ریاضیدانان درباره‌ی آنچه برایشان در proof assistantها اهمیت دارد نظر می‌دهند — و دو موضوع محوری بارها تکرار می‌شوند: قابلیت اطمینان (reliability) سیستم و نقش هوش مصنوعی در این حوزه.
نظر هوش مصنوعی — ⭐ ۷/۱۰
🎯 چرا مهمه: ترکیب LLMها با formal proof systemهایی مثل Lean یکی از جدی‌ترین مسیرها برای هوش مصنوعیِ قابل اعتماد در ریاضیات است و این مقاله زاویه‌ی دید جامعه‌ی ریاضی را شفاف می‌کند.
💡 نکته: وقتی Terence Tao پست کسی را منتشر می‌کند، احتمالاً چیزی در آن هست که جامعه‌ی AI و formal verification نباید از دست بدهد.
👥 برای کی: کسانی که روی AI reasoning، formal verification یا math-solving agent کار می‌کنند.
🔗 https://terrytao.wordpress.com/2026/10/09/what-mathematicians-should-know-about-the-lean-theorem-proverquestions-of-reliability-and-ai/
#ai #LLM #formal_verification
@BenFeed
What's new
What mathematicians should know about the Lean Theorem Prover: questions of reliability and AI
[This is a guest post by Thomas Hales. This blog post was initially written in a different file format and converted using AI. — T.] Mathematicians have been weighing in on what they value ab…
11 of 23 Core Open Source Projects Run on 1 or 2 People
یازده پروژه‌ی اصلیِ open source از بیست‌وسه تا، روی دوش یک یا دو نفر است
یک کاربر Reddit نشست و تمام تغییراتِ مخازن xz، sudo، bash، tz و ۱۹ پروژه‌ی دیگر را شمرد تا ببیند چه کسی واقعاً می‌نویسد. نتیجه: یازده تا از بیست‌وسه پروژه به یک یا دو نفر وابسته‌اند — و جالب اینجاست که بدانید کِی پول می‌گیرند و از کجا.
نظر هوش مصنوعی — ⭐ ۸/۱۰
🎯 چرا مهمه: ماجرای backdoor در xz نشان داد که وابستگیِ زیرساخت دیجیتال به یک نفر چه فاجعه‌ای می‌تواند باشد؛ این آمار همان الگو را در مقیاس وسیع‌تر تأیید می‌کند.
💡 نکته: sustainability در open source یک مشکل فنی نیست — یک مشکل اقتصادی و ساختاری است که تا funding جدی نشود، حل نمی‌شود.
👥 برای کی: هر توسعه‌دهنده‌ای که روی پروژه‌های وابسته به این زیرساخت‌ها کار می‌کند یا در تیمش از این dependencyها استفاده می‌شود.
🔗 https://linuxstans.com/11-of-23-core-open-source-projects-run-on-1-or-2-people/
#backend #opensource #security
@BenFeed
یازده پروژه‌ی اصلیِ open source از بیست‌وسه تا، روی دوش یک یا دو نفر است
یک کاربر Reddit نشست و تمام تغییراتِ مخازن xz، sudo، bash، tz و ۱۹ پروژه‌ی دیگر را شمرد تا ببیند چه کسی واقعاً می‌نویسد. نتیجه: یازده تا از بیست‌وسه پروژه به یک یا دو نفر وابسته‌اند — و جالب اینجاست که بدانید کِی پول می‌گیرند و از کجا.
نظر هوش مصنوعی — ⭐ ۸/۱۰
🎯 چرا مهمه: ماجرای backdoor در xz نشان داد که وابستگیِ زیرساخت دیجیتال به یک نفر چه فاجعه‌ای می‌تواند باشد؛ این آمار همان الگو را در مقیاس وسیع‌تر تأیید می‌کند.
💡 نکته: sustainability در open source یک مشکل فنی نیست — یک مشکل اقتصادی و ساختاری است که تا funding جدی نشود، حل نمی‌شود.
👥 برای کی: هر توسعه‌دهنده‌ای که روی پروژه‌های وابسته به این زیرساخت‌ها کار می‌کند یا در تیمش از این dependencyها استفاده می‌شود.
🔗 https://linuxstans.com/11-of-23-core-open-source-projects-run-on-1-or-2-people/
#backend #opensource #security
@BenFeed
Linux Stans
11 of 23 Core Open Source Projects Run on 1 or 2 People
A Redditor counted who wrote every change to xz, sudo, bash, tz and 19 more projects. 11 of 23 rely on one or two people. See who they are and who pays.