هر بار که یه نامه برای کند کردن سرعت هوش مصنوعی منتشر می‌شه...

چند ماه بعدش یه مدل بزرگ‌تر و قدرتمندتر معرفی می‌شه.

همه درباره ترمز حرف می‌زنن...

ولی انگار هیچ‌کس واقعاً نمی‌ایسته ببینه این ترمز اصلاً کار می‌کنه یا نه.

شاید مسئله اینه که ما فقط داریم درباره سرعت گرفتن AI بحث می‌کنیم،

در حالی که هنوز کسی مطمئن نیست ترمز این ماشین کجاست.


#LLM
#AI

مدل های Claude، Fable و Codex هنوز فقط به پرامپت نیاز ندارن..

به سیستم ارزیابی هم نیاز دارن.

چون کار واقعی فقط این نیست که یه پرامپت خوب بنویسی و خروجی بگیری.

مسئله اصلی اینه که بدونی:

کجا خروجی خراب شده؟

چه چیزی نسبت به قبل پسرفت کرده؟

چه trade-offهایی وجود داره؟

و چطور می‌خوای صحت خروجی رو بررسی کنی؟

اینجاست که کار مهندسی واقعی شروع می‌شه.

محتوا فقط وسیله‌ی توزیعه.

ارزش اصلی جاییه که بتونی خروجی AI رو اندازه بگیری، خطاهاش رو پیدا کنی و جلوی تکرار اون‌ها رو بگیری.

پرامپت بهتر خوبه...

ولی بدون ارزیابی و verification، هنوز بخش بزرگی از ماجرا رو نداری.


#LLM
#AI

به نظرم خیلی‌ها دارن بدون اینکه واقعاً بفهمن کدی که تولید می‌کنن چطور کار می‌کنه، همین‌طوری YOLO می‌کنن.

با Vibe Coding بعضی وقت‌ها واقعاً می‌تونی از A برسی به Z.

ولی خیلی وقت‌ها چیزی که تحویل می‌گیری اینه:

A → F + N → Z

وسطش خالیه.

مدل بهت می‌گه:
«انجام شد، از A تا Z کامل شد.»

و تو هم بررسی نمی‌کنی.

یا حتی بدتر؛ از خود مدل می‌خوای که کد خودش رو بررسی کنه.

اینجاست که یه مشکل جدی به وجود میاد.

مدل ممکنه روی اشتباه خودش اصرار کنه، چون به جای اینکه واقعاً صحت کار رو ثابت کنه، دنبال کامل‌کردن همون چیزی می‌ره که فکر می‌کنه باید کامل شده باشه.

برای همین من فکر می‌کنم Vibe Coding قرار نیست جای فهمیدن رو بگیره.

هوش مصنوعی رو استفاده کن.

سریع‌تر کد بزن.

کارهای تکراری رو بده بهش.

ولی از Loop خارج نشو.

کدی که نمی‌فهمی چطور کار می‌کنه، واقعاً هنوز مال تو نیست.



#VibeCoding
#AI
#Programming
#SoftwareEngineering
#Developers
#LLM

یه مدل جدید رفته در OpenRouter به اسم UnionAlpha.

گفته میشه عملکرد خوبی هم داره.

ولی چیزی که جالبه اینه که تا یک هفته رایگان و بدون محدودیت می‌تونین ازش استفاده کنین.

یعنی اگه یه ایده داشتین که همیشه می‌گفتین «بعداً می‌سازمش»، الان وقتشه بالا بیارینش و ببینین این مدل واقعاً چیکار می‌تونه بکنه.

رایگان بودنش تموم می‌شه.
ولی چیزی که باهاش می‌سازین می‌تونه بمونه.

🔗 OpenRouter.ai/stealth/union-alpha


سریعا تست کنید.


پ.ن: از نان شب واجب تره😁

#Ai
#LLM

یه مدل جدید به اسم Bonsai 2 27B منتشر شده که برای اجرای لوکال جالبه.

این مدل بر پایه Qwen3.8 ساخته شده و طبق ادعای منتشرشده، روی بنچمارک موردنظر به ۹۸.۲٪ عملکرد رسیده.

حجم مدل هم حدود ۵.۹ گیگابایت اعلام شده.

یعنی داریم به جایی می‌رسیم که مدل‌های نسبتاً قدرتمند، با حجم کمتر و بدون نیاز به ارسال داده به سرویس‌های ابری، راحت‌تر روی سیستم شخصی اجرا بشن.

برای Sovereign AI این اتفاق مهمیه؛
چون هرچی مدل‌های بهتر روی سخت‌افزار معمولی‌تر قابل اجرا بشن، وابستگی به API و سرویس‌های ابری کمتر میشه.

فقط یه نکته: عدد ۹۸.۲٪ به‌تنهایی معنی زیادی نداره و باید دید مربوط به کدوم بنچمارک و با چه تنظیماتیه.

#AI
#LocalAI
#SovereignAI
#LLM
#Qwen

یه مدل جدید به اسم Jev اومده که اصلاً برای نوشتن متن ساخته نشده.

کارش فقط یه چیزه: تصمیم گرفتن.

بهش وضعیت اپلیکیشن و یه سؤال مشخص میدی، اونم یه جواب Typed همراه با احتمال برمی‌گردونه.

طبق اطلاعات منتشرشده، ورودی هر یک میلیون توکن حدود ۰.۰۴۲ دلار هزینه داره و خروجی رایگانه.

توی همین مدت کوتاه ازش برای کارهای مختلف استفاده شده:

→ انتخاب مدل مناسب برای هر درخواست
→ جلوگیری از Tool Callهای خطرناک
→ تشخیص گیر کردن Agent توی Loop
→ دسته‌بندی ۱۵۰۰ ایمیل به‌صورت موازی
→ اجرای Browser Agent با هزینه خیلی پایین

نکته اصلی اینجاست:

یه Agent فقط وقتی داره فکر می‌کنه هزینه ایجاد نمی‌کنه؛ بین هر مرحله صدها تصمیم کوچیک می‌گیره.

این درخواست بره کدوم مدل؟
این Tool اجرا بشه یا نه؟
ایجنت ادامه بده یا متوقف بشه؟

اگه برای همه اینا مدل‌های بزرگ رو صدا بزنیم، هزینه خیلی سریع بالا میره.

برای همین احتمالاً معماری Agentها داره به این سمت میره:

مدل‌های بزرگ برای فکر کردن و تولید محتوا.
مدل‌های کوچک و سریع برای تصمیم‌های بین مسیر.

خود Jev فعلاً بیشتر روی سرعت و هزینه تمرکز داره، نه اینکه الزاماً قضاوت بهتری از مدل‌های بزرگ داشته باشه.

ولی اگه این ایده جواب بده، احتمالاً خیلی زود مدل‌های مشابهش از سمت شرکت‌های بزرگ و پروژه‌های Open Source هم می‌بینیم.

به نظرم بخش جالب ماجرا همینجاست؛
قرار نیست برای هر تصمیم کوچیک، یک مدل چندصد دلاری رو صدا بزنیم.

#AI
#AIAgents
#AgenticAI
#LLM

سباستین راشکا شروع کرده به انتشار ویدئوهای کتاب جدیدش درباره‌ی Reasoning Models.

اگه می‌خواید واقعاً وارد مسیر AI Engineering بشید، این ویدئوها ارزش دیدن دارن.

موضوع فقط استفاده از مدل‌ها نیست؛ بحث اینه که چطور باید با مدل‌های Reasoning عمیق‌تر و مهندسی‌تر فکر کنیم، چطور رفتار اون‌ها رو درک کنیم و چطور ازشون در سیستم‌های واقعی استفاده کنیم.

یعنی به‌جای اینکه فقط بگیم «این مدل جواب خوبی میده»، بریم سراغ اینکه چرا جواب میده، چطور reasoning می‌کنه و چطور میشه این فرآیند رو مهندسی کرد.

🎥 لینک پلی‌لیست:
https://youtube.com/playlist?list=PLfrHAQCRxtUs&si=RDlXAHoMTLFxC8bs

پ.ن. برای کسی که می‌خواد از صرفاً استفاده‌کننده‌ی AI به سمت AI Engineer شدن بره، این جنس محتوا خیلی مهم‌تر از آموزش‌های صرفاً ابزارمحوره.

#AI
#AIEngineering
#ReasoningModels
#LLM
#MachineLearning

دوستان از Jev سوال کردن و توی یک خط میخام بگم نظر شخصی ام رو :

به نظرم مدل‌هایی مثل Jev آینده‌ی دفاع سایبری هوشمند و خودکارن.
سیستم‌هایی که فقط تهدید رو تشخیص ندن، و غیر از اون حتی بتونن خودشون تحلیل کنن و سریع واکنش نشون بدن.

ولی قرار نیست برای همه‌چی بهترین گزینه باشه.

پ.ن : مخصوصاً چون خروجی‌اش به یه Type-safe struct محدود میشه و همین می‌تونه دست مدل رو تو بعضی کارها ببنده.

#توصیه
#AIAgents
#AI
#LLM
#JEv

فکر کنم بیرون از Tech خیلیا اصلاً نمی‌دونن داستان چیه!
مشکل پلن 20x کلاد اینه که 20 برابر شدنش روی Session Limit هست، نه محدودیت هفتگی.
وقتی وسط یه پروژه سنگین باشی، Session Cap واقعاً می‌تونه اذیت‌کننده باشه.!!!

#AI
#LLM

یک Skill کاربردی برای Claude Code
با Brag، ریپوی پروژه رو در اختیار Claude Code قرار می‌دید و خودش پروژه رو بررسی می‌کنه و یک ویدیوی معرفی کوتاه برای اون می‌سازه.
از Motion Graphics و Sound Design گرفته تا متن مناسب برای معرفی پروژه، همه رو در یک اجرا آماده می‌کنه.

اگر پروژه Open Source یا شخصی دارید، به نظرم ارزش داره یک بار تستش کنید.

https://github.com/latent-spaces/brag

#AI
#LLM

چیزی که توی Pexo برای من جالبه، فقط ساخت کلیپ با AI نیست.
مشکل اصلی تولید ویدیو معمولاً خود ساختن کلیپ نیست؛ صدا، کپشن، ریتم و تدوین نهایی زمان زیادی می‌گیرن.

و Pexo سعی کرده کل این فرایند رو یک‌جا انجام بده. شما Brief رو می‌دید و خودش ویدیوی نهایی رو با Voiceover، موسیقی و Caption آماده می‌کنه.
حتی تغییرات بعدی رو هم میشه با Chat انجام داد، بدون اینکه وارد Timeline بشید.

به نظرم برای تولید سریع محتوای Social Media می‌تونه جالب باشه. اگر اهل ساخت ویدیو هستید، توصیه می‌کنم یه تستی باهاش بگیرید.


http://invite.pexo.ai/4AioGJm


#LLM
#AI
#SoftwareEngineering
#Technology

بعضی‌ها معتقدن تا سال ۲۰۳۶، هوش مصنوعی می‌تونه بخش بزرگی از بیماری‌هایی که امروز درمان قطعی براشون نداریم، مثل سرطان و آلزایمر، رو قابل‌درمان یا قابل‌کنترل کنه.

به نظرم بخش جذاب ماجرا اینه که AI فقط برای تشخیص بیماری نیست؛ می‌تونه در کشف دارو، طراحی درمان‌های شخصی‌سازی‌شده و تحلیل حجم عظیمی از داده‌های پزشکی هم نقش داشته باشه.

البته اینکه بگیم «تا ۲۰۳۶ همه بیماری‌ها درمان میشن» فعلاً بیشتر یک پیش‌بینی خوش‌بینانه‌ست تا یک واقعیت علمی قطعی. ولی سرعت پیشرفت این حوزه واقعاً قابل توجهه.

البته من با این گزاره تا سال 2036 مخالفم!!!!

#Ai
#SoftwareEngineering
#LLM
#Technology
#AIAgents
#Cancer

این روزها یکی از بحث‌های جالب دنیای AI، مدل‌هایی مثل JEV هستن که به‌جای تولید متن، روی تصمیم‌گیری تمرکز می‌کنن.

مثلاً وقتی یه مشتری ناراضی پیام میده، JEV می‌تونه سریع تصمیم بگیره Refund لازمه یا نه و آیا نیاز به دخالت انسان هست یا نه.

یعنی به‌جای اینکه برای هر تصمیم کوچیک از یک LLM بزرگ استفاده کنیم، تصمیم رو مستقیم و سریع می‌گیره.

بعد کد معمولی کارهای اجرایی رو انجام میده و Claude یا GPT فقط برای بخش‌هایی مثل نوشتن پاسخ وارد میشن.

این مدل می‌تونه هزینه و زمان اجرای Agentها رو خیلی کمتر کنه.

البته تصمیم‌های حساس یا با اطمینان پایین همچنان بهتره به انسان سپرده بشن!!!!!

به نظرم همین ترکیب AI، کد و انسان می‌تونه یکی از مسیرهای جالب آینده Agentها باشه.


#LLM
#AI

چیزی که این روزها توی دنیای AI خیلی به چشم میاد، فرصت‌هایی هست که هنوز خیلی از شرکت‌ها سراغشون نرفتن.

حوزه‌هایی مثل سلامت، حقوق، حسابداری، تولید و لجستیک هنوز خیلی از فرایندهاشون برای AI Agentها طراحی نشدن.

احتمالاً در سال‌های آینده بخش زیادی از این فرایندها از نو طراحی میشن.

برای همین الان می‌تونه فرصت جالبی برای ساخت محصولات AI تخصصی وجود داشته باشه.

به نظرم کسی که بتونه یک مشکل واقعی و مشخص رو بهتر از روش‌های فعلی حل کنه، می‌تونه از این موج استفاده کنه.

#AI
#LLM

چیزی که از نقشه راه جدید xAI برای Grok برام جالبه، فقط اسم نسخه‌ها نیست؛ بیشتر مسیریه که برای توسعه مدل‌ها در نظر گرفتن.

فعلاً مسیر این شکلیه:
Grok 4.7 → Grok 4.8 → Grok 4.9 → Grok 5

طبق صحبت‌های منتشرشده، Grok 4.8 قراره با حدود ۲.۵ تریلیون پارامتر آموزش داده بشه.

اما بخش مهم‌تر برای من، زیرساخت آموزششه؛ xAI داره روی کاهش وابستگی به Python و PyTorch و استفاده مستقیم‌تر از C++ کار می‌کنه.

اگر ادعای کاهش زمان Iteration در RL واقعاً در مقیاس بالا جواب بده، می‌تونه روی سرعت توسعه مدل‌های بعدی xAI تأثیر زیادی بذاره.

در نهایت باید دید این تغییرات در عمل چقدر خودشون رو نشون میدن.

باید ببینیم چطوری پیش میره !

#LLM
#AI