Media is too big
VIEW IN TELEGRAM
🧬 شبیهسازی سلول زنده انسان با مدل جهانی هوش مصنوعی
استارتآپ GenBio AI از سیستم جدیدی به نام AIDO Cell رونمایی کرده است؛ یک مدل جهانی (World Model) که میتواند یک سلول زنده را در تمامی سطوح از جمله DNA، RNA، پروتئینها و رفتارهای کل سلول شبیهسازی کند.
برخلاف مدلهای گذشته که هر بخش را جداگانه پیشبینی میکردند، این ابزار کل زنجیره زیستی را به هم متصل میکند. برای مثال، تغییر در یک ژن میتواند اثرات خود را در سراسر سلول نشان دهد. همچنین، این مدل وضعیت سلول را به خاطر میسپارد؛ بنابراین هر مداخله جدید، روی سلول تغییریافته قبلی اعمال میشود نه روی یک نسخه خام.
این فناوری هنوز در مراحل اولیه است، اما پتانسیل آن را دارد که به پژوهشگران اجازه دهد آزمایشهای پیچیده بیولوژیکی را پیش از محیط واقعی، درون یک سلول مجازی اجرا کنند.
#AIDOCell #WorldModel
استارتآپ GenBio AI از سیستم جدیدی به نام AIDO Cell رونمایی کرده است؛ یک مدل جهانی (World Model) که میتواند یک سلول زنده را در تمامی سطوح از جمله DNA، RNA، پروتئینها و رفتارهای کل سلول شبیهسازی کند.
برخلاف مدلهای گذشته که هر بخش را جداگانه پیشبینی میکردند، این ابزار کل زنجیره زیستی را به هم متصل میکند. برای مثال، تغییر در یک ژن میتواند اثرات خود را در سراسر سلول نشان دهد. همچنین، این مدل وضعیت سلول را به خاطر میسپارد؛ بنابراین هر مداخله جدید، روی سلول تغییریافته قبلی اعمال میشود نه روی یک نسخه خام.
این فناوری هنوز در مراحل اولیه است، اما پتانسیل آن را دارد که به پژوهشگران اجازه دهد آزمایشهای پیچیده بیولوژیکی را پیش از محیط واقعی، درون یک سلول مجازی اجرا کنند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#AIDOCell #WorldModel
🚀 راهنمای جامع و عملی مدلهای Transformer
یادگیری معماری ترنسفورمرها از مبانی تا سطوح پیشرفته و عملیاتی، نیازمند دسترسی به کدهای تستشده و پروژهمحور است. مخزن Transformers - The definitive Guide یک منبع کامل شامل ۱۲ فصل آموزشی است که به شما اجازه میدهد تمامی مفاهیم را بهصورت عملی در Google Colab پیادهسازی کنید.
مهمترین سرفصلهای این مجموعه عبارتند از:
• آشنایی با اصول اولیه و معماری ترنسفورمرهای SOTA
• کاربرد ترنسفورمرها در سریهای زمانی و وظایف بینایی
• مدلهای تولیدکننده تصویر، ویدیو و صوت
• یادگیری تقویتی، برنامهریزی، استدلال و کدنویسی
• طراحی عوامل (Agents) هوش مصنوعی و بهینهسازی مدل
• استقرار و Deploy کردن نهایی مدلها در محیط عملیاتی
ساختار این مخزن به گونهای طراحی شده که نوتبوکهای هر فصل با نامگذاری استاندارد در پوشههای مجزا قرار دارند و یادگیری مرحلهبهمرحله را برای شما تسهیل میکنند. این منبع برای تمامی متخصصان حوزه پردازش متن و تصویر که به دنبال تسلط بر اکوسیستم ترنسفورمرها هستند، توصیه میشود.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
یادگیری معماری ترنسفورمرها از مبانی تا سطوح پیشرفته و عملیاتی، نیازمند دسترسی به کدهای تستشده و پروژهمحور است. مخزن Transformers - The definitive Guide یک منبع کامل شامل ۱۲ فصل آموزشی است که به شما اجازه میدهد تمامی مفاهیم را بهصورت عملی در Google Colab پیادهسازی کنید.
مهمترین سرفصلهای این مجموعه عبارتند از:
• آشنایی با اصول اولیه و معماری ترنسفورمرهای SOTA
• کاربرد ترنسفورمرها در سریهای زمانی و وظایف بینایی
• مدلهای تولیدکننده تصویر، ویدیو و صوت
• یادگیری تقویتی، برنامهریزی، استدلال و کدنویسی
• طراحی عوامل (Agents) هوش مصنوعی و بهینهسازی مدل
• استقرار و Deploy کردن نهایی مدلها در محیط عملیاتی
ساختار این مخزن به گونهای طراحی شده که نوتبوکهای هر فصل با نامگذاری استاندارد در پوشههای مجزا قرار دارند و یادگیری مرحلهبهمرحله را برای شما تسهیل میکنند. این منبع برای تمامی متخصصان حوزه پردازش متن و تصویر که به دنبال تسلط بر اکوسیستم ترنسفورمرها هستند، توصیه میشود.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
❤1
🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #92 | 📌 6 آیتم گزارش | 🧾 از 9 پست بررسیشده
🕐 پنجشنبه 1405/05/29 ساعت 14:00 تا جمعه 1405/05/30 ساعت 14:00
🧬 هوش مصنوعی در پزشکی و زیستشناسی
🤖 مدلهای نوین و بنچمارکهای هوش مصنوعی
🗂 گزارش #92 | 📌 6 آیتم گزارش | 🧾 از 9 پست بررسیشده
🕐 پنجشنبه 1405/05/29 ساعت 14:00 تا جمعه 1405/05/30 ساعت 14:00
🧬 هوش مصنوعی در پزشکی و زیستشناسی
واکسن شخصیسازیشده سرطان مبتنی بر mRNA شرکتهای مدرنا و مرک با کمک هوش مصنوعی برای شناسایی جهشهای تومور، فاز سوم کارآزمایی بالینی را با موفقیت پشت سر گذاشت.
🔗 مشاهده پست
استارتآپ GenBio AI از مدل جهانی AIDO Cell رونمایی کرد که قادر است یک سلول زنده انسان را در تمامی سطوح شامل DNA، RNA و پروتئینها بهطور یکپارچه شبیهسازی کند.
🔗 مشاهده پست
🤖 مدلهای نوین و بنچمارکهای هوش مصنوعی
مایکروسافت با معرفی مدلهای جدید MAI-Image که توسط متخصصان سابق متا توسعه یافتهاند، در بنچمارکهای تولید تصویر به رقابت نزدیکی با مدلهای برتر بازار رسیده است.
🔗 مشاهده پست
گزارشها نشان میدهد شکاف هوش مصنوعی چین و آمریکا با سرعت در حال کاهش است؛ مدل Kimi K3 چین اکنون در بنچمارکها در کنار مدلهای پیشرو قرار دارد.
🔗 مشاهده پست
شرکت Liquid AI مدلهای LFM2.5-DSpark را معرفی کرد که بدون تغییر در کیفیت خروجی، سرعت تولید توکن و دیکودینگ را تا ۳.۱۸ برابر افزایش میدهند.
🔗 مشاهده پست
بررسی بنچمارک خانواده Qwen 2.5-32B نشان میدهد کوانتایزیشن ۴ بیت با متد AWQ توانسته با دقت ۹۰٪ حتی از نسخههای با دقت بالاتر FP8 نیز پیشی بگیرد.
🔗 مشاهده پست
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
❤1
🚀 مدلهای جدید ترجمه Tencent و عرضه Ox Alpha در OpenRouter
پلتفرم OpenRouter بهتازگی میزبان مدلهای جدید و جذابی شده است که قابلیتهای کاربردی برای مهندسان داده و توسعهدهندگان ارائه میدهند.
مهمترین موارد اضافه شده:
• مدلهای ترجمه Hy-MT2: شرکت Tencent مدلهای Hy-MT2-1.8B و Hy-MT2-30B-A3B را عرضه کرده است. این مدلها از ۳۳ زبان پشتیبانی میکنند و علاوه بر متن عادی، در پردازش ساختار، بافتار (Context) و رعایت سبکهای خاص در ترجمه عملکرد بسیار خوبی دارند.
• مدل استدلالی Ox Alpha: این مدل که با رویکردی متمرکز بر استدلال (Reasoning) طراحی شده، برای انجام کارهای عاملمحور (Agentic)، کدنویسی پیچیده و بارهای کاری سنگین در محیطهای Production بسیار ایدهآل است. این مدل با پنجره متنی بیش از ۱ میلیون توکن ارائه شده است.
📚 مطالعه با جزئیات بیشتر
#Hy_MT2 #Ox_Alpha
پلتفرم OpenRouter بهتازگی میزبان مدلهای جدید و جذابی شده است که قابلیتهای کاربردی برای مهندسان داده و توسعهدهندگان ارائه میدهند.
مهمترین موارد اضافه شده:
• مدلهای ترجمه Hy-MT2: شرکت Tencent مدلهای Hy-MT2-1.8B و Hy-MT2-30B-A3B را عرضه کرده است. این مدلها از ۳۳ زبان پشتیبانی میکنند و علاوه بر متن عادی، در پردازش ساختار، بافتار (Context) و رعایت سبکهای خاص در ترجمه عملکرد بسیار خوبی دارند.
• مدل استدلالی Ox Alpha: این مدل که با رویکردی متمرکز بر استدلال (Reasoning) طراحی شده، برای انجام کارهای عاملمحور (Agentic)، کدنویسی پیچیده و بارهای کاری سنگین در محیطهای Production بسیار ایدهآل است. این مدل با پنجره متنی بیش از ۱ میلیون توکن ارائه شده است.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Hy_MT2 #Ox_Alpha
🤖 آینده هوش مصنوعی: فراتر از تکنولوژی
تیم Strategic Futures در OpenAI با راهاندازی بلاگ جدیدی، به بررسی ابعاد عمیقتری از تاثیر هوش مصنوعی بر قدرت و ساختارهای اجتماعی پرداخته است. این پروژه تاکید میکند که هوش مصنوعی نه تنها یک ابزار فنی، بلکه عاملی دگرگونکننده برای نحوه حکمرانی و آزادیهای فردی است.
مهمترین نکات و خطرات مطرحشده:
* دولتها ممکن است با سیستمهای خودمختار، بدون نیاز به نیروی انسانی و با تکیه بر خروجی مراکز داده (data centers) قدرت خود را اعمال کنند.
* خودکارسازی بوروکراسی و تغییر در قراردادهای اجتماعی میتواند نقش انسان را در تصمیمگیریهای کلان کمرنگ کند.
* حفظ استقلال فردی و عاملیت انسان باید بر رشد اقتصادی و امنیت اولویت داشته باشد.
* سیستمهای هوش مصنوعی باید در فعالیتهای پرخطر به یک مسئول انسانی قابل ردیابی باشند.
* حکمرانی هوش مصنوعی باید بر توزیع عادلانه قدرت تمرکز کند تا از تمرکز بیش از حد اختیارات جلوگیری شود.
* آزادی استفاده از AI باید همراه با حفظ حریم خصوصی و امکان ناشناس ماندن برای صیانت از آزادی بیان باشد.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
تیم Strategic Futures در OpenAI با راهاندازی بلاگ جدیدی، به بررسی ابعاد عمیقتری از تاثیر هوش مصنوعی بر قدرت و ساختارهای اجتماعی پرداخته است. این پروژه تاکید میکند که هوش مصنوعی نه تنها یک ابزار فنی، بلکه عاملی دگرگونکننده برای نحوه حکمرانی و آزادیهای فردی است.
مهمترین نکات و خطرات مطرحشده:
* دولتها ممکن است با سیستمهای خودمختار، بدون نیاز به نیروی انسانی و با تکیه بر خروجی مراکز داده (data centers) قدرت خود را اعمال کنند.
* خودکارسازی بوروکراسی و تغییر در قراردادهای اجتماعی میتواند نقش انسان را در تصمیمگیریهای کلان کمرنگ کند.
* حفظ استقلال فردی و عاملیت انسان باید بر رشد اقتصادی و امنیت اولویت داشته باشد.
* سیستمهای هوش مصنوعی باید در فعالیتهای پرخطر به یک مسئول انسانی قابل ردیابی باشند.
* حکمرانی هوش مصنوعی باید بر توزیع عادلانه قدرت تمرکز کند تا از تمرکز بیش از حد اختیارات جلوگیری شود.
* آزادی استفاده از AI باید همراه با حفظ حریم خصوصی و امکان ناشناس ماندن برای صیانت از آزادی بیان باشد.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
🚀 ظهور مدل چندوجهی جدید DeepSeek برای AI Agents
تیم DeepSeek مدل آزمایشی جدیدی با نام
نکته قابلتوجه، عملکرد این نسخه Flash در بنچمارکهای Visual-Agent است که توانسته در بسیاری از سناریوها به سطح مدلهای سنگینی مثل Opus 4.8 نزدیک شده و در برخی موارد حتی از آن پیشی بگیرد. عرضه چنین مدلهای بهینهای میتواند به کاهش هزینهها و افزایش دسترسی به ایجنتهای هوشمند منجر شود.
مهمترین نتایج در ارزیابیهای فنی:
* Terminal Bench 2.1: امتیاز ۸۳.۹
* DeepSWE: امتیاز ۵۹.۳
* Toolathlon-Verified: امتیاز ۷۵.۹
* ApexBench: امتیاز ۳۶.۵
* ZeroBench: امتیاز ۳۵.۰
این نتایج نشاندهنده پتانسیل بالای مدلهای سبکتر در انجام وظایف پیچیده ایجنتی است. آیا دوران سلطه مطلق مدلهای غولپیکر در حال تغییر است؟
📚 مطالعه با جزئیات بیشتر
#DeepSeek_V4_Flash #Visual_Agent
تیم DeepSeek مدل آزمایشی جدیدی با نام
DeepSeek-V4-Flash-Vision-Exp را معرفی کرد. این مدل چندوجهی (Multimodal) بهطور اختصاصی برای ایجنتهایی طراحی شده که علاوه بر متن، نیاز به درک تصاویر و تعامل با رابطهای کاربری دارند.نکته قابلتوجه، عملکرد این نسخه Flash در بنچمارکهای Visual-Agent است که توانسته در بسیاری از سناریوها به سطح مدلهای سنگینی مثل Opus 4.8 نزدیک شده و در برخی موارد حتی از آن پیشی بگیرد. عرضه چنین مدلهای بهینهای میتواند به کاهش هزینهها و افزایش دسترسی به ایجنتهای هوشمند منجر شود.
مهمترین نتایج در ارزیابیهای فنی:
* Terminal Bench 2.1: امتیاز ۸۳.۹
* DeepSWE: امتیاز ۵۹.۳
* Toolathlon-Verified: امتیاز ۷۵.۹
* ApexBench: امتیاز ۳۶.۵
* ZeroBench: امتیاز ۳۵.۰
این نتایج نشاندهنده پتانسیل بالای مدلهای سبکتر در انجام وظایف پیچیده ایجنتی است. آیا دوران سلطه مطلق مدلهای غولپیکر در حال تغییر است؟
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#DeepSeek_V4_Flash #Visual_Agent
🚀 یادگیری ماشین؛ از تئوری تا کاربرد
یادگیری ماشین یا Machine Learning، هسته اصلی تحولات تکنولوژیک در دنیای امروز است. این حوزه با ترکیب آمار، علوم کامپیوتر و ریاضیات، به سیستمها اجازه میدهد بدون برنامهنویسی صریح، از دادهها بیاموزند و الگوهای پیچیده را شناسایی کنند.
در دنیای حرفهای علم داده، تسلط بر ابزارها و مفاهیم زیر برای هر متخصص ضروری است:
- PyTorch: کتابخانهای قدرتمند و انعطافپذیر برای یادگیری عمیق که در میان محققان محبوبیت ویژهای دارد.
- Scikit-learn: کتابخانهای استاندارد و کاربردی برای اجرای الگوریتمهای کلاسیک یادگیری ماشین.
- Pandas: ابزار حیاتی برای دستکاری، تحلیل و پیشپردازش دادههای ساختاریافته.
- CUDA: پلتفرمی برای محاسبات موازی روی پردازندههای گرافیکی که سرعت آموزش مدلهای بزرگ را به شدت افزایش میدهد.
- Hugging Face: مرجعی برای دسترسی به مدلهای پیشآموزشدیده و ترنسفورمرها که مسیر توسعه اپلیکیشنهای هوش مصنوعی را هموار کرده است.
📚 مطالعه با جزئیات بیشتر
#PyTorch #CUDA
یادگیری ماشین یا Machine Learning، هسته اصلی تحولات تکنولوژیک در دنیای امروز است. این حوزه با ترکیب آمار، علوم کامپیوتر و ریاضیات، به سیستمها اجازه میدهد بدون برنامهنویسی صریح، از دادهها بیاموزند و الگوهای پیچیده را شناسایی کنند.
در دنیای حرفهای علم داده، تسلط بر ابزارها و مفاهیم زیر برای هر متخصص ضروری است:
- PyTorch: کتابخانهای قدرتمند و انعطافپذیر برای یادگیری عمیق که در میان محققان محبوبیت ویژهای دارد.
- Scikit-learn: کتابخانهای استاندارد و کاربردی برای اجرای الگوریتمهای کلاسیک یادگیری ماشین.
- Pandas: ابزار حیاتی برای دستکاری، تحلیل و پیشپردازش دادههای ساختاریافته.
- CUDA: پلتفرمی برای محاسبات موازی روی پردازندههای گرافیکی که سرعت آموزش مدلهای بزرگ را به شدت افزایش میدهد.
- Hugging Face: مرجعی برای دسترسی به مدلهای پیشآموزشدیده و ترنسفورمرها که مسیر توسعه اپلیکیشنهای هوش مصنوعی را هموار کرده است.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#PyTorch #CUDA
هوش مصنوعی و علم داده به فارسی
🚀 مدلهای جدید ترجمه Tencent و عرضه Ox Alpha در OpenRouter پلتفرم OpenRouter بهتازگی میزبان مدلهای جدید و جذابی شده است که قابلیتهای کاربردی برای مهندسان داده و توسعهدهندگان ارائه میدهند. مهمترین موارد اضافه شده: • مدلهای ترجمه Hy-MT2: شرکت Tencent…
🚀 ظهور مرموز Ox Alpha در دنیای مدلهای هوش مصنوعی
مدل جدید و ناشناختهای با نام Ox Alpha به تازگی در پلتفرم OpenCode ظاهر شده که بحثهای زیادی را در جامعه هوش مصنوعی ایجاد کرده است. اگرچه منشأ اصلی این مدل هنوز به صورت رسمی فاش نشده، اما عملکرد اولیه آن در حل مسائل برنامهنویسی بسیار فراتر از حد انتظار گزارش شده است.
بر اساس نتایج اولیه در ۱۰ تسک پیچیده DeepSWE، این مدل موفق به کسب نرخ موفقیت حدود ۸۰ درصد شده که آن را در جایگاهی بالاتر از مدلهای شناختهشدهای همچون Fable 5، GLM-5.3 و Grok 4.6 قرار میدهد.
نکات کلیدی پیرامون این مدل:
- عملکرد درخشان اولیه: کسب امتیاز بالا در تستهای مقدماتی کدنویسی.
- دسترسی فعلی: مدل در حال حاضر به صورت رایگان در دسترس کاربران قرار گرفته و برای تسکهای agentic و برنامهنویسی تست میشود.
- پشتیبانی از Context: گزارشها حاکی از ظرفیت بالای پنجره متنی این مدل است.
دقت کنید که این نتایج با لیدربورد رسمی DeepSWE که شامل ۱۱۳ مسئله است تفاوت دارد و هنوز نتیجه جامع و نهایی برای Ox Alpha منتشر نشده است.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
مدل جدید و ناشناختهای با نام Ox Alpha به تازگی در پلتفرم OpenCode ظاهر شده که بحثهای زیادی را در جامعه هوش مصنوعی ایجاد کرده است. اگرچه منشأ اصلی این مدل هنوز به صورت رسمی فاش نشده، اما عملکرد اولیه آن در حل مسائل برنامهنویسی بسیار فراتر از حد انتظار گزارش شده است.
بر اساس نتایج اولیه در ۱۰ تسک پیچیده DeepSWE، این مدل موفق به کسب نرخ موفقیت حدود ۸۰ درصد شده که آن را در جایگاهی بالاتر از مدلهای شناختهشدهای همچون Fable 5، GLM-5.3 و Grok 4.6 قرار میدهد.
نکات کلیدی پیرامون این مدل:
- عملکرد درخشان اولیه: کسب امتیاز بالا در تستهای مقدماتی کدنویسی.
- دسترسی فعلی: مدل در حال حاضر به صورت رایگان در دسترس کاربران قرار گرفته و برای تسکهای agentic و برنامهنویسی تست میشود.
- پشتیبانی از Context: گزارشها حاکی از ظرفیت بالای پنجره متنی این مدل است.
دقت کنید که این نتایج با لیدربورد رسمی DeepSWE که شامل ۱۱۳ مسئله است تفاوت دارد و هنوز نتیجه جامع و نهایی برای Ox Alpha منتشر نشده است.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
❤2
📊 بنچمارک جدید برای ارزیابی قابلیتهای خودبهینهسازی مدلها
شرکت Scale AI به تازگی بنچمارک جدیدی به نام HarnessOpt-Bench را معرفی کرده است که میزان توانایی مدلهای زبانی در بهبود و بهینهسازی کدهای واسط (Harness) دیگر ایجنتهای هوش مصنوعی را ارزیابی میکند.
در این فرآیند، یک مدل به عنوان بهینهساز، کدهای یک ایجنت هدف را دریافت کرده و با استفاده از بازخوردهای دریافتی و یک بودجه مشخص، سعی در بازنویسی و بهبود عملکرد آن دارد. برای جلوگیری از تقلب و اطمینان از صحت نتایج، تمامی تستها در محیط ایزوله VeRO انجام میشود.
مهمترین نکات و نتایج این ارزیابی:
- عملکرد مدل بهینهساز در ارتقای سیستمها، حدود ۱.۸ برابر تاثیرگذارتر از نوع خودِ ایجنت هدف است.
- مدل Opus-5 در میان مدلهای تست شده عملکرد درخشانی داشت و در اکثر بنچمارکها مانند OfficeQA و BrowseComp-Plus برتری خود را نشان داد.
- تحلیل روند تکاملی مدلهای GPT و Claude نشان میدهد که با هر نسل جدید، میزان بهینهسازی آنها به صورت ملموسی رشد کرده است.
📚 مطالعه با جزئیات بیشتر
شرکت Scale AI به تازگی بنچمارک جدیدی به نام HarnessOpt-Bench را معرفی کرده است که میزان توانایی مدلهای زبانی در بهبود و بهینهسازی کدهای واسط (Harness) دیگر ایجنتهای هوش مصنوعی را ارزیابی میکند.
در این فرآیند، یک مدل به عنوان بهینهساز، کدهای یک ایجنت هدف را دریافت کرده و با استفاده از بازخوردهای دریافتی و یک بودجه مشخص، سعی در بازنویسی و بهبود عملکرد آن دارد. برای جلوگیری از تقلب و اطمینان از صحت نتایج، تمامی تستها در محیط ایزوله VeRO انجام میشود.
مهمترین نکات و نتایج این ارزیابی:
- عملکرد مدل بهینهساز در ارتقای سیستمها، حدود ۱.۸ برابر تاثیرگذارتر از نوع خودِ ایجنت هدف است.
- مدل Opus-5 در میان مدلهای تست شده عملکرد درخشانی داشت و در اکثر بنچمارکها مانند OfficeQA و BrowseComp-Plus برتری خود را نشان داد.
- تحلیل روند تکاملی مدلهای GPT و Claude نشان میدهد که با هر نسل جدید، میزان بهینهسازی آنها به صورت ملموسی رشد کرده است.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
مهارتهای کلیدی در توسعه و استقرار سیستمهای هوش مصنوعی
اندرو انجی در جدیدترین تحلیل خود، نقشه راه مهارتهای مورد نیاز برای مهندسان هوش مصنوعی را بازبینی کرده است. برخلاف نرمافزارهای سنتی که خروجی قابل پیشبینی دارند، سیستمهای مبتنی بر AI به دلیل ماهیت احتمالی خود، نیازمند رویکردی تکرارشونده و توسعه مبتنی بر ارزیابی هستند.
مهمترین مهارتها برای تسلط بر این حوزه عبارتند از:
- درک مبانی LLM: شناخت نحوه توکنبندی، مدیریت پنجره کانتکست و انتخاب استراتژیهای بهینهسازی مدل.
- Grounding با دادهها: استفاده از تکنیکهای پیشرفته برای اتصال مدل به دادههای واقعی از طریق جستجوی برداری، نمودار دانش یا لایههای معنایی.
- طراحی سیستمهای عاملمحور (Agentic): تعریف گردشکار، مدیریت حافظه و ابزارهای مورد نیاز برای اجرای خودمختار وظایف.
- توسعه مبتنی بر ارزیابی: ایجاد حلقههای بازخورد سیستماتیک برای تحلیل خطا و اندازهگیری عملکرد به جای حدس و گمان.
- عملیات در تولید: پیادهسازی مکانیزمهای مشاهدهپذیری، تست رگرسیون و مدیریت هزینه و تأخیر در مقیاس بالا.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
اندرو انجی در جدیدترین تحلیل خود، نقشه راه مهارتهای مورد نیاز برای مهندسان هوش مصنوعی را بازبینی کرده است. برخلاف نرمافزارهای سنتی که خروجی قابل پیشبینی دارند، سیستمهای مبتنی بر AI به دلیل ماهیت احتمالی خود، نیازمند رویکردی تکرارشونده و توسعه مبتنی بر ارزیابی هستند.
مهمترین مهارتها برای تسلط بر این حوزه عبارتند از:
- درک مبانی LLM: شناخت نحوه توکنبندی، مدیریت پنجره کانتکست و انتخاب استراتژیهای بهینهسازی مدل.
- Grounding با دادهها: استفاده از تکنیکهای پیشرفته برای اتصال مدل به دادههای واقعی از طریق جستجوی برداری، نمودار دانش یا لایههای معنایی.
- طراحی سیستمهای عاملمحور (Agentic): تعریف گردشکار، مدیریت حافظه و ابزارهای مورد نیاز برای اجرای خودمختار وظایف.
- توسعه مبتنی بر ارزیابی: ایجاد حلقههای بازخورد سیستماتیک برای تحلیل خطا و اندازهگیری عملکرد به جای حدس و گمان.
- عملیات در تولید: پیادهسازی مکانیزمهای مشاهدهپذیری، تست رگرسیون و مدیریت هزینه و تأخیر در مقیاس بالا.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
🌐 اتوماسیون هوشمند مرورگر با Browser Use
اگر به دنبال راهکاری برای اجرای خودکار فعالیتهای پیچیده در محیط وب هستید، پروژه Browser Use یکی از ابزارهای بسیار کاربردی است.
این ابزار به شما اجازه میدهد Agentهایی بسازید که دقیقاً مانند یک کاربر واقعی با صفحات وب تعامل داشته باشند. از جمله مهمترین قابلیتهای آن میتوان به موارد زیر اشاره کرد:
• پر کردن خودکار انواع فرمهای اینترنتی
• استخراج دادههای مورد نیاز از ساختار سایتها
• تست خودکار وبسایتها برای شناسایی باگها و مشکلات عملکردی
این پروژه برای سادهسازی فرآیندهای تکراری و اتوماسیون تست در پروژههای مختلف علم داده و توسعه نرمافزار، گزینهای ایدهآل محسوب میشود.
📚 مطالعه با جزئیات بیشتر
#Browser_Use #اتوماسیون_وب
اگر به دنبال راهکاری برای اجرای خودکار فعالیتهای پیچیده در محیط وب هستید، پروژه Browser Use یکی از ابزارهای بسیار کاربردی است.
این ابزار به شما اجازه میدهد Agentهایی بسازید که دقیقاً مانند یک کاربر واقعی با صفحات وب تعامل داشته باشند. از جمله مهمترین قابلیتهای آن میتوان به موارد زیر اشاره کرد:
• پر کردن خودکار انواع فرمهای اینترنتی
• استخراج دادههای مورد نیاز از ساختار سایتها
• تست خودکار وبسایتها برای شناسایی باگها و مشکلات عملکردی
این پروژه برای سادهسازی فرآیندهای تکراری و اتوماسیون تست در پروژههای مختلف علم داده و توسعه نرمافزار، گزینهای ایدهآل محسوب میشود.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Browser_Use #اتوماسیون_وب
🚀 اجرای مدل هوش مصنوعی ۹ میلیاردی روی موبایل
خانواده جدید مدلهای Ornith 1.5 با معرفی نسخه 9B، مرزهای اجرای مدلهای زبانی روی سختافزارهای محدود را جابجا کرده است. این مدل متنباز با قابلیت Self-Improving و پنجره متنی ۲۵۶ هزار توکنی، به طور اختصاصی برای استدلال، کدنویسی و کارهای Agentic بهینه شده است.
نکته تحسینبرانگیز این مدل، عملکرد نزدیک به مدلهای بسیار بزرگتر در برخی بنچمارکهای رسمی است. نسخههای Quantized این مدل امکان اجرا روی دستگاههای موبایل و سیستمهای شخصی را فراهم کردهاند.
برای اجرای این مدل میتوانید از ابزارهای زیر استفاده کنید:
• llama.cpp
• Ollama
• LM Studio
فایلهای مورد نیاز و نسخه GGUF را میتوانید از طریق مخزن رسمی Hugging Face دریافت و بر اساس قدرت سختافزار خود، Quantization مناسب را انتخاب کنید.
#Ornith_1 #Quantization
خانواده جدید مدلهای Ornith 1.5 با معرفی نسخه 9B، مرزهای اجرای مدلهای زبانی روی سختافزارهای محدود را جابجا کرده است. این مدل متنباز با قابلیت Self-Improving و پنجره متنی ۲۵۶ هزار توکنی، به طور اختصاصی برای استدلال، کدنویسی و کارهای Agentic بهینه شده است.
نکته تحسینبرانگیز این مدل، عملکرد نزدیک به مدلهای بسیار بزرگتر در برخی بنچمارکهای رسمی است. نسخههای Quantized این مدل امکان اجرا روی دستگاههای موبایل و سیستمهای شخصی را فراهم کردهاند.
برای اجرای این مدل میتوانید از ابزارهای زیر استفاده کنید:
• llama.cpp
• Ollama
• LM Studio
فایلهای مورد نیاز و نسخه GGUF را میتوانید از طریق مخزن رسمی Hugging Face دریافت و بر اساس قدرت سختافزار خود، Quantization مناسب را انتخاب کنید.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Ornith_1 #Quantization
🚀 دستیابی ایجنت هوش مصنوعی AVO به رکورد بینظیر
انویدیا به تازگی از ایجنت کدنویس خود به نام AVO رونمایی کرده که موفق شد در بنچمارک استدلالی ARC-AGI-3 امتیاز کامل ۱۰۰ درصد را کسب کند. این سیستم تمام ۱۸۳ مرحله موجود در محیطهای تست را با موفقیت پشت سر گذاشته است.
ویژگیهای کلیدی این دستاورد عبارتند از:
* عدم نیاز به قوانین از پیش تعیین شده یا اهداف صریح.
* یادگیری از طریق آزمون و خطا، مشاهده نتایج و اصلاح استراتژی بر اساس تجربیات قبلی.
* استفاده از حافظه مداوم و بهروزرسانی آن در طول فرآیند یادگیری، بهجای شروع مجدد از صفر.
* بهرهگیری از قدرت مدل Claude Opus 5 برای تحلیلهای پیچیده.
این موفقیت نشاندهنده توانایی مدلهای جدید در تسلط بر وظایف خاص محیطی از طریق تعاملات تکرارشونده است. این رویکرد مسیر جدیدی را برای حل مسائل پیچیده هوش مصنوعی باز میکند که در آن ماشین قادر است بدون مداخله مستقیم، دانش خود را بهصورت پویا بهبود ببخشد.
📚 مطالعه با جزئیات بیشتر
#AVO #ARC_AGI_3
انویدیا به تازگی از ایجنت کدنویس خود به نام AVO رونمایی کرده که موفق شد در بنچمارک استدلالی ARC-AGI-3 امتیاز کامل ۱۰۰ درصد را کسب کند. این سیستم تمام ۱۸۳ مرحله موجود در محیطهای تست را با موفقیت پشت سر گذاشته است.
ویژگیهای کلیدی این دستاورد عبارتند از:
* عدم نیاز به قوانین از پیش تعیین شده یا اهداف صریح.
* یادگیری از طریق آزمون و خطا، مشاهده نتایج و اصلاح استراتژی بر اساس تجربیات قبلی.
* استفاده از حافظه مداوم و بهروزرسانی آن در طول فرآیند یادگیری، بهجای شروع مجدد از صفر.
* بهرهگیری از قدرت مدل Claude Opus 5 برای تحلیلهای پیچیده.
این موفقیت نشاندهنده توانایی مدلهای جدید در تسلط بر وظایف خاص محیطی از طریق تعاملات تکرارشونده است. این رویکرد مسیر جدیدی را برای حل مسائل پیچیده هوش مصنوعی باز میکند که در آن ماشین قادر است بدون مداخله مستقیم، دانش خود را بهصورت پویا بهبود ببخشد.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#AVO #ARC_AGI_3
This media is not supported in your browser
VIEW IN TELEGRAM
🌐 خلق محیطهای سهبعدی تعاملی با SpAItial
ابزار نوآورانه SpAItial با استفاده از مدل هوش مصنوعی Echo-2 به کاربران اجازه میدهد تنها از روی یک تصویر تک یا توصیف متنی، یک محیط سهبعدی کاملاً تعاملی و قابلکاوش خلق کنند.
برخلاف ویدیوهای دوبعدی و ایستا، خروجی این ابزار فضایی پویا است که میتوانید آزادانه در آن حرکت کرده و زاویه دوربین را تغییر دهید. این سیستم همچنین خروجیهای باکیفیت به روش 3D Gaussian Splatting تولید میکند که پتانسیل بالایی در توسعه بازیها و واقعیت مجازی دارد.
ابزار نوآورانه SpAItial با استفاده از مدل هوش مصنوعی Echo-2 به کاربران اجازه میدهد تنها از روی یک تصویر تک یا توصیف متنی، یک محیط سهبعدی کاملاً تعاملی و قابلکاوش خلق کنند.
برخلاف ویدیوهای دوبعدی و ایستا، خروجی این ابزار فضایی پویا است که میتوانید آزادانه در آن حرکت کرده و زاویه دوربین را تغییر دهید. این سیستم همچنین خروجیهای باکیفیت به روش 3D Gaussian Splatting تولید میکند که پتانسیل بالایی در توسعه بازیها و واقعیت مجازی دارد.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
هوش مصنوعی و علم داده به فارسی
🚀 دستیابی ایجنت هوش مصنوعی AVO به رکورد بینظیر انویدیا به تازگی از ایجنت کدنویس خود به نام AVO رونمایی کرده که موفق شد در بنچمارک استدلالی ARC-AGI-3 امتیاز کامل ۱۰۰ درصد را کسب کند. این سیستم تمام ۱۸۳ مرحله موجود در محیطهای تست را با موفقیت پشت سر گذاشته…
هوش مصنوعی و چالش واقعی ARC-AGI
اخیراً گزارشهایی از دستیابی سیستم NVIDIA AVO به امتیاز ۱۰۰٪ در مجموعه آزمون
مهمترین نکات برای درک بهتر این پیشرفت:
* سیستم AVO در واقع از مدل
* امتیاز ۳۰.۱۶٪ برای
* موفقیت اخیر، اهمیت طراحی معماری عاملهای خودگردان (Agentic Systems) را در کنار قدرت پردازشی مدلهای پایه نشان میدهد.
در نهایت، تفاوت در مجموعههای داده و نحوه ارزیابی باعث میشود نتایج مدلهایی مثل
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
اخیراً گزارشهایی از دستیابی سیستم NVIDIA AVO به امتیاز ۱۰۰٪ در مجموعه آزمون
ARC-AGI-3 منتشر شده است. اما باید در تفسیر این اعداد محتاط بود، چرا که این نتیجه بر روی مجموعه عمومی (public set) به دست آمده که با لیدربورد رسمی و نیمهخصوصی تفاوتهای اساسی دارد.مهمترین نکات برای درک بهتر این پیشرفت:
* سیستم AVO در واقع از مدل
Claude Opus 5 به عنوان هسته اصلی استفاده میکند، نه اینکه این امتیاز صرفاً متعلق به یک مدل واحد باشد.* امتیاز ۳۰.۱۶٪ برای
Claude Opus 5 در ارزیابی نیمهخصوصی، معیار دقیقتری برای سنجش قابلیتهای این مدل نسبت به نتایج عمومی است.* موفقیت اخیر، اهمیت طراحی معماری عاملهای خودگردان (Agentic Systems) را در کنار قدرت پردازشی مدلهای پایه نشان میدهد.
در نهایت، تفاوت در مجموعههای داده و نحوه ارزیابی باعث میشود نتایج مدلهایی مثل
GPT-5.6 Sol یا Claude Opus 4.8 با این آمار جدید مستقیماً قابل مقایسه نباشند. این دستاورد بیشتر گامی به سوی سیستمهای خودمختار با افق زمانی طولانی است.📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
This media is not supported in your browser
VIEW IN TELEGRAM
⚡️ کاهش ۲۰ درصدی هزینههای API مدل GPT-5.6 Sol
شرکت OpenAI در اقدامی جدید، هزینه استفاده از مدل پرچمدار GPT-5.6 Sol را در بخش API و اعتبارات کاربری به طور میانگین بیش از ۲۰ درصد کاهش داد. این تغییرات قیمتی تا ۲۱ نوامبر ۲۰۲۶ معتبر بوده و شامل موارد زیر است:
- کاهش هزینه ورودی در کانتکست کوتاه از ۵ به ۴ دلار به ازای هر میلیون توکن.
- کاهش هزینه خروجی در کانتکست کوتاه از ۳۰ به ۲۰ دلار.
- کاهش ۵۰ درصدی هزینه خروجی در کانتکست طولانی از ۶۰ به ۳۰ دلار.
- کاهش هزینه ورودی در کانتکست طولانی از ۱۰ به ۸ دلار.
این بهروزرسانی هزینهها مستقیماً کاربران API، ChatGPT Work و Codex را هدف قرار میدهد، اما تعرفه اشتراکهای ماهانه Plus، Pro و Business تغییری نداشته است. توسعهدهندگانی که بر پروژههای مقیاسپذیر تمرکز دارند، اکنون میتوانند با بودجه کمتری از قدرت این مدل استفاده کنند.
#GPT_5_6_Sol #OpenAI
شرکت OpenAI در اقدامی جدید، هزینه استفاده از مدل پرچمدار GPT-5.6 Sol را در بخش API و اعتبارات کاربری به طور میانگین بیش از ۲۰ درصد کاهش داد. این تغییرات قیمتی تا ۲۱ نوامبر ۲۰۲۶ معتبر بوده و شامل موارد زیر است:
- کاهش هزینه ورودی در کانتکست کوتاه از ۵ به ۴ دلار به ازای هر میلیون توکن.
- کاهش هزینه خروجی در کانتکست کوتاه از ۳۰ به ۲۰ دلار.
- کاهش ۵۰ درصدی هزینه خروجی در کانتکست طولانی از ۶۰ به ۳۰ دلار.
- کاهش هزینه ورودی در کانتکست طولانی از ۱۰ به ۸ دلار.
این بهروزرسانی هزینهها مستقیماً کاربران API، ChatGPT Work و Codex را هدف قرار میدهد، اما تعرفه اشتراکهای ماهانه Plus، Pro و Business تغییری نداشته است. توسعهدهندگانی که بر پروژههای مقیاسپذیر تمرکز دارند، اکنون میتوانند با بودجه کمتری از قدرت این مدل استفاده کنند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#GPT_5_6_Sol #OpenAI
🚀 تحول امنیت کدنویسی با Claude Mythos 5
هوش مصنوعی Claude گام بزرگی در حوزه امنیت سایبری برداشته و مدل جدید Mythos 5 را برای اسکن دقیق مخازن کد معرفی کرده است. این قابلیت اکنون در نسخه Claude Enterprise به صورت بتای عمومی در دسترس قرار گرفته و امکانات ویژهای را به تیمهای توسعه ارائه میدهد.
مهمترین ویژگیهای این قابلیت:
- ارائه تحلیلهای دقیق با دستهبندی استانداردهای امنیتی CWE.
- نمایش میزان اطمینان (Confidence) و سطح شدت (Severity) برای هر آسیبپذیری شناساییشده.
- ارائه پچهای آماده برای رفع باگها بهصورت مستقیم در محیط Claude Code.
- ایجاد صندوق حمایتی ۳۵ میلیون دلاری برای توسعهدهندگان پروژههای متنباز در حوزه امنیت.
با استفاده از مدل Mythos 5، میتوانید اسکنهای منظمی روی مخازن و شاخههای مختلف کدهای خود تعریف کنید تا حفرههای امنیتی پیش از انتشار نهایی شناسایی و اصلاح شوند. این ابزار با سادهسازی فرآیند شناسایی تا رفع خطا، سرعت و دقت در امنیت نرمافزار را به سطح جدیدی ارتقا میدهد.
📚 مطالعه با جزئیات بیشتر
هوش مصنوعی Claude گام بزرگی در حوزه امنیت سایبری برداشته و مدل جدید Mythos 5 را برای اسکن دقیق مخازن کد معرفی کرده است. این قابلیت اکنون در نسخه Claude Enterprise به صورت بتای عمومی در دسترس قرار گرفته و امکانات ویژهای را به تیمهای توسعه ارائه میدهد.
مهمترین ویژگیهای این قابلیت:
- ارائه تحلیلهای دقیق با دستهبندی استانداردهای امنیتی CWE.
- نمایش میزان اطمینان (Confidence) و سطح شدت (Severity) برای هر آسیبپذیری شناساییشده.
- ارائه پچهای آماده برای رفع باگها بهصورت مستقیم در محیط Claude Code.
- ایجاد صندوق حمایتی ۳۵ میلیون دلاری برای توسعهدهندگان پروژههای متنباز در حوزه امنیت.
با استفاده از مدل Mythos 5، میتوانید اسکنهای منظمی روی مخازن و شاخههای مختلف کدهای خود تعریف کنید تا حفرههای امنیتی پیش از انتشار نهایی شناسایی و اصلاح شوند. این ابزار با سادهسازی فرآیند شناسایی تا رفع خطا، سرعت و دقت در امنیت نرمافزار را به سطح جدیدی ارتقا میدهد.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #93 | 📌 6 آیتم گزارش | 🧾 از 14 پست بررسیشده
🕐 جمعه 1405/05/30 ساعت 14:00 تا شنبه 1405/05/31 ساعت 14:00
⚡ مدلها و زیرساختهای هوش مصنوعی
🤖 دستیارها و ابزارهای کاربردی
🗂 گزارش #93 | 📌 6 آیتم گزارش | 🧾 از 14 پست بررسیشده
🕐 جمعه 1405/05/30 ساعت 14:00 تا شنبه 1405/05/31 ساعت 14:00
⚡ مدلها و زیرساختهای هوش مصنوعی
کاهش ۲۰ درصدی هزینههای API مدل GPT-5.6 Sol توسط OpenAI؛ این کاهش قیمت شامل هزینههای ورودی و خروجی در کانتکستهای کوتاه و بلند است و تا نوامبر ۲۰۲۶ معتبر خواهد بود.
🔗 مشاهده پست
عرضه خانواده مدلهای Ornith 1.5 با نسخه 9B؛ این مدل متنباز با پنجره متنی ۲۵۶ هزار توکنی، بهینهشده برای استدلال و کدنویسی، قابلیت اجرا در قالب نسخههای کوانتیزهشده روی موبایل را دارد.
🔗 مشاهده پست
معرفی مدل چندوجهی جدید DeepSeek-V4-Flash-Vision-Exp برای ایجنتهای هوشمند؛ این مدل در بنچمارکهای چندوجهی عملکردی نزدیک به مدلهای سنگین نظیر Opus 4.8 نشان داده است.
🔗 مشاهده پست
🤖 دستیارها و ابزارهای کاربردی
دستیابی ایجنت کدنویس جدید انویدیا با نام AVO به امتیاز کامل ۱۰۰ درصد در بنچمارک ARC-AGI-3؛ این ایجنت با تکیه بر آزمون و خطا و اصلاح استراتژی بدون نیاز به قوانین صریح عمل میکند.
🔗 مشاهده پست
معرفی مدل Claude Mythos 5 از سوی آنتروپیک برای اسکن امنیتی مخازن کد؛ این ابزار آسیبپذیریهای امنیتی را بر اساس استاندارد CWE و با تعیین سطح شدت در نسخه سازمانی تحلیل میکند.
🔗 مشاهده پست
ابزار SpAItial با مدل هوش مصنوعی Echo-2 به کاربران اجازه میدهد بر اساس یک تصویر یا متن، محیطهای سهبعدی پویا و تعاملی باکیفیت به روش 3D Gaussian Splatting تولید کنند.
🔗 مشاهده پست
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🚀 نبرد سنگین غولهای هوش مصنوعی
رقابت بین OpenAI و Anthropic وارد فاز تازهای شده است. در حالی که هر دو شرکت برای تسلط بر بازار زیرساختهای هوش مصنوعی تلاش میکنند، شاهد تغییرات کلیدی در استراتژیهای آنها هستیم.
مهمترین موارد در مورد Anthropic:
* ارزشگذاری: ۹۶۵ میلیارد دلار با درآمد ۶۵ میلیارد دلار.
* سختافزار: سرمایهگذاری سنگین روی تراشههای اختصاصی و توافق ۲۵۰ میلیون دلاری با Fractile.
* نفوذ سازمانی: پیشرو در پذیرش سازمانی با سهم ۴۳.۵ درصدی.
مهمترین موارد در مورد OpenAI:
* استراتژی درآمدی: کاهش ۲۰ درصدی قیمت API و فعالسازی تبلیغات در ChatGPT.
* توسعه محصول: افزایش ۱۴ برابری سرعت استنتاج و تمرکز بر عرضه مدلهای جدید مانند GPT-5.6 Sol.
* کاربر: ۹۰۰ میلیون کاربر هفتگی که فاصله زیادی با رقبا دارد.
این نبرد نشاندهنده تغییر جهت از مدلهای عمومی به سمت زیرساختهای اختصاصی و جذب مشتریان کلان سازمانی است. باید دید آیا سرمایهگذاریهای سنگین روی پردازش و سختافزار، برتری نهایی را برای یکی از این دو رقم میزند یا خیر.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
رقابت بین OpenAI و Anthropic وارد فاز تازهای شده است. در حالی که هر دو شرکت برای تسلط بر بازار زیرساختهای هوش مصنوعی تلاش میکنند، شاهد تغییرات کلیدی در استراتژیهای آنها هستیم.
مهمترین موارد در مورد Anthropic:
* ارزشگذاری: ۹۶۵ میلیارد دلار با درآمد ۶۵ میلیارد دلار.
* سختافزار: سرمایهگذاری سنگین روی تراشههای اختصاصی و توافق ۲۵۰ میلیون دلاری با Fractile.
* نفوذ سازمانی: پیشرو در پذیرش سازمانی با سهم ۴۳.۵ درصدی.
مهمترین موارد در مورد OpenAI:
* استراتژی درآمدی: کاهش ۲۰ درصدی قیمت API و فعالسازی تبلیغات در ChatGPT.
* توسعه محصول: افزایش ۱۴ برابری سرعت استنتاج و تمرکز بر عرضه مدلهای جدید مانند GPT-5.6 Sol.
* کاربر: ۹۰۰ میلیون کاربر هفتگی که فاصله زیادی با رقبا دارد.
این نبرد نشاندهنده تغییر جهت از مدلهای عمومی به سمت زیرساختهای اختصاصی و جذب مشتریان کلان سازمانی است. باید دید آیا سرمایهگذاریهای سنگین روی پردازش و سختافزار، برتری نهایی را برای یکی از این دو رقم میزند یا خیر.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science