🚀 جهش بزرگ OpenAI با تراشه اختصاصی Jalapeño
شرکت OpenAI با معرفی تراشه اختصاصی خود با نام Jalapeño، استانداردهای جدیدی را در صنعت سختافزار هوش مصنوعی تعریف کرده است. بر اساس نتایج اولیه، این تراشه در بارهای کاری تعاملی، نه تنها از نظر سرعت، بلکه از نظر بهرهوری انرژی (Efficiency) بهطور معناداری از محصولات انویدیا مانند GB200 و GB300 پیشی میگیرد.
برخی از مهمترین نکات فنی این گزارش عبارتند از:
• بهرهوری انرژی خیرهکننده: در مدل GPT-OSS، این تراشه در سطوح بالای تولید توکن (535 tok/s/user)، تا ۵۳ برابر کارایی بیشتری نسبت به GB200 نشان میدهد.
• عملکرد در مدل DeepSeek R1: در سناریوهای عملیاتی، Jalapeño تا ۱۰۴ برابر خروجی توکن بیشتری به ازای هر وات مصرف انرژی ارائه میدهد.
• کاهش تأخیر: در مدلهای سنگین مانند Kimi K2.5، تأخیر پردازش تا ۲.۲ برابر کمتر از نسلهای مشابه انویدیا است.
• توان حرارتی (TDP): با وجود قدرت بسیار بالاتر، این تراشه تنها با توان ۷۰۰ وات فعالیت میکند که نشاندهنده بهینهسازی گسترده در سطح معماری است.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
شرکت OpenAI با معرفی تراشه اختصاصی خود با نام Jalapeño، استانداردهای جدیدی را در صنعت سختافزار هوش مصنوعی تعریف کرده است. بر اساس نتایج اولیه، این تراشه در بارهای کاری تعاملی، نه تنها از نظر سرعت، بلکه از نظر بهرهوری انرژی (Efficiency) بهطور معناداری از محصولات انویدیا مانند GB200 و GB300 پیشی میگیرد.
برخی از مهمترین نکات فنی این گزارش عبارتند از:
• بهرهوری انرژی خیرهکننده: در مدل GPT-OSS، این تراشه در سطوح بالای تولید توکن (535 tok/s/user)، تا ۵۳ برابر کارایی بیشتری نسبت به GB200 نشان میدهد.
• عملکرد در مدل DeepSeek R1: در سناریوهای عملیاتی، Jalapeño تا ۱۰۴ برابر خروجی توکن بیشتری به ازای هر وات مصرف انرژی ارائه میدهد.
• کاهش تأخیر: در مدلهای سنگین مانند Kimi K2.5، تأخیر پردازش تا ۲.۲ برابر کمتر از نسلهای مشابه انویدیا است.
• توان حرارتی (TDP): با وجود قدرت بسیار بالاتر، این تراشه تنها با توان ۷۰۰ وات فعالیت میکند که نشاندهنده بهینهسازی گسترده در سطح معماری است.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
🧠 پیادهسازی گامبهگام مفاهیم عمیق یادگیری ماشین
اگر میخواهید بدانید مدلهای بزرگ هوش مصنوعی در پشت صحنه چطور کار میکنند، مخزن Beyond-NanoGPT یک پل ارتباطی عالی بین کدهای ساده و سیستمهای پیچیده است. این پروژه توسط یکی از دانشجویان دانشگاه استنفورد توسعه یافته و شامل پیادهسازیهای دقیق و خطبهخط مفاهیم مدرن دیپ لرنینگ در PyTorch است.
مهمترین پیادهسازیهای موجود در این مخزن:
• معماریهای پیشرفته مانند Vision Transformer و Diffusion Transformer
• انواع مکانیزمهای توجه از جمله Grouped-Query و cross-attention
• روشهای بهینهسازی سرعت LLM مانند KV-caching و speculative decoding
• الگوریتمهای یادگیری تقویتی کاربردی نظیر DQN و PPO
این پروژه بدون نیاز به کلاسترهای گرانقیمت، روی یک GPU معمولی قابل اجراست و راهنمایی عالی برای درک عمیق مقالات علمی است.
📚 مطالعه با جزئیات بیشتر
#Beyond_NanoGPT #PyTorch
اگر میخواهید بدانید مدلهای بزرگ هوش مصنوعی در پشت صحنه چطور کار میکنند، مخزن Beyond-NanoGPT یک پل ارتباطی عالی بین کدهای ساده و سیستمهای پیچیده است. این پروژه توسط یکی از دانشجویان دانشگاه استنفورد توسعه یافته و شامل پیادهسازیهای دقیق و خطبهخط مفاهیم مدرن دیپ لرنینگ در PyTorch است.
مهمترین پیادهسازیهای موجود در این مخزن:
• معماریهای پیشرفته مانند Vision Transformer و Diffusion Transformer
• انواع مکانیزمهای توجه از جمله Grouped-Query و cross-attention
• روشهای بهینهسازی سرعت LLM مانند KV-caching و speculative decoding
• الگوریتمهای یادگیری تقویتی کاربردی نظیر DQN و PPO
این پروژه بدون نیاز به کلاسترهای گرانقیمت، روی یک GPU معمولی قابل اجراست و راهنمایی عالی برای درک عمیق مقالات علمی است.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Beyond_NanoGPT #PyTorch
🤖 عامل هوش مصنوعی Hatch؛ گام بزرگ متا در اتوماسیون
شرکت متا خود را برای معرفی دو ابزار جدید آماده میکند. بر اساس گزارشهای تازه، این کمپانی قصد دارد طی هفتههای آینده عامل هوش مصنوعی کاربرمحور خود به نام Hatch را روانه بازار کند. در ادامه این مسیر نیز در ماه اکتبر، از مدل هوش مصنوعی بعدی خود با نام Watermelon رونمایی خواهد کرد.
پروژه Hatch که گفته میشود از OpenClaw الهام گرفته شده است، احتمالاً یک اشتراک ویژه با هزینه ۱۹۹.۹۹ دلار در ماه خواهد داشت. این عامل هوشمند به کاربران اجازه میدهد تا فعالیتهای خود را در پلتفرمهایی مانند DoorDash، Etsy، Reddit، Yelp و Outlook به صورت خودکار مدیریت کنند و از یک داشبورد قابل شخصیسازی بهرهمند شوند.
📚 مطالعه با جزئیات بیشتر
#Hatch #Watermelon
شرکت متا خود را برای معرفی دو ابزار جدید آماده میکند. بر اساس گزارشهای تازه، این کمپانی قصد دارد طی هفتههای آینده عامل هوش مصنوعی کاربرمحور خود به نام Hatch را روانه بازار کند. در ادامه این مسیر نیز در ماه اکتبر، از مدل هوش مصنوعی بعدی خود با نام Watermelon رونمایی خواهد کرد.
پروژه Hatch که گفته میشود از OpenClaw الهام گرفته شده است، احتمالاً یک اشتراک ویژه با هزینه ۱۹۹.۹۹ دلار در ماه خواهد داشت. این عامل هوشمند به کاربران اجازه میدهد تا فعالیتهای خود را در پلتفرمهایی مانند DoorDash، Etsy، Reddit، Yelp و Outlook به صورت خودکار مدیریت کنند و از یک داشبورد قابل شخصیسازی بهرهمند شوند.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Hatch #Watermelon
🚀 بررسی سختافزارهای جدید اپل برای هوش مصنوعی
شرکت اپل نسل جدید تراشههای خود یعنی M6 و M5 را معرفی کرد که تغییرات قابلتوجهی در سرعت پردازش مدلهای هوش مصنوعی ایجاد کردهاند. این بهروزرسانیها به ویژه در سرعت Prompt processing تا ۴.۸ برابر نسبت به نسل قبل بهبود یافتهاند.
مهمترین مشخصات سختافزاری:
* تراشه M6: دارای ۱۲ هسته CPU و ۱۲ هسته GPU که با ۳۲ گیگابایت حافظه یکپارچه، اجرای مدلهای 7B تا 14B و مدلهای کوانتایز شده 27B-32B را به راحتی ممکن میکند.
* تراشه M5 Pro: با حداکثر ۱۸ هسته CPU و ۲۰ هسته GPU، گزینه مناسبی برای اجرای مدلهای 70B با کوانتایز 4-bit است که به حدود ۴۰ گیگابایت حافظه نیاز دارند.
* تراشه M5 Ultra: غول پردازشی اپل با پشتیبانی از ۵۱۲ گیگابایت حافظه یکپارچه که برای پردازش مدلهای سنگین MoE و کاربردهای حرفهای طراحی شده است.
مدلهای جدید Mac mini با این تراشهها، اکنون از اتصال همزمان به سه نمایشگر پشتیبانی میکنند و در کانفیگهای مختلف برای نیازهای متنوع یادگیری ماشین در دسترس هستند.
📚 مطالعه با جزئیات بیشتر
شرکت اپل نسل جدید تراشههای خود یعنی M6 و M5 را معرفی کرد که تغییرات قابلتوجهی در سرعت پردازش مدلهای هوش مصنوعی ایجاد کردهاند. این بهروزرسانیها به ویژه در سرعت Prompt processing تا ۴.۸ برابر نسبت به نسل قبل بهبود یافتهاند.
مهمترین مشخصات سختافزاری:
* تراشه M6: دارای ۱۲ هسته CPU و ۱۲ هسته GPU که با ۳۲ گیگابایت حافظه یکپارچه، اجرای مدلهای 7B تا 14B و مدلهای کوانتایز شده 27B-32B را به راحتی ممکن میکند.
* تراشه M5 Pro: با حداکثر ۱۸ هسته CPU و ۲۰ هسته GPU، گزینه مناسبی برای اجرای مدلهای 70B با کوانتایز 4-bit است که به حدود ۴۰ گیگابایت حافظه نیاز دارند.
* تراشه M5 Ultra: غول پردازشی اپل با پشتیبانی از ۵۱۲ گیگابایت حافظه یکپارچه که برای پردازش مدلهای سنگین MoE و کاربردهای حرفهای طراحی شده است.
مدلهای جدید Mac mini با این تراشهها، اکنون از اتصال همزمان به سه نمایشگر پشتیبانی میکنند و در کانفیگهای مختلف برای نیازهای متنوع یادگیری ماشین در دسترس هستند.
📚 مطالعه با جزئیات بیشتر
🛡 افزایش امنیت Codex در برابر حذف ناخواسته فایلها
تیم OpenAI پس از گزارشهایی مبنی بر حذف اشتباهی فایلهای کاربران توسط مدل
مهمترین اقدامات حفاظتی انجام شده:
• اصلاح دستورات مدل: مدل اکنون موظف به بررسی دقیق مسیرهای حذف و استفاده از فرآیندهای بازگشتپذیر است.
• اعتبارسنجی اجرایی: سیستمهای بازبینی خودکار برای شناسایی و مسدودسازی دستورات خطرناک تقویت شدهاند.
• محدودسازی دسترسی کامل: فعالسازی حالت
• آموزش مبتنی بر خطا: اضافه شدن سناریوهای آزمایشی جدید برای پیشگیری از تکرار این حوادث در فرآیند آموزش مدل.
به کاربران توصیه میشود ضمن بهروزرسانی
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
تیم OpenAI پس از گزارشهایی مبنی بر حذف اشتباهی فایلهای کاربران توسط مدل
Codex، پروتکلهای امنیتی خود را بهروزرسانی کرد. این مشکل ناشی از خطای مدل در مدیریت متغیرهای محیطی و مسیرهای دسترسی بود که در موارد نادر باعث میشد دستورات پاکسازی به جای پوشههای موقت، به دایرکتوری اصلی کاربر اشاره کنند.مهمترین اقدامات حفاظتی انجام شده:
• اصلاح دستورات مدل: مدل اکنون موظف به بررسی دقیق مسیرهای حذف و استفاده از فرآیندهای بازگشتپذیر است.
• اعتبارسنجی اجرایی: سیستمهای بازبینی خودکار برای شناسایی و مسدودسازی دستورات خطرناک تقویت شدهاند.
• محدودسازی دسترسی کامل: فعالسازی حالت
Full access دشوارتر و هشدارهای امنیتی آن شفافتر شده است.• آموزش مبتنی بر خطا: اضافه شدن سناریوهای آزمایشی جدید برای پیشگیری از تکرار این حوادث در فرآیند آموزش مدل.
به کاربران توصیه میشود ضمن بهروزرسانی
Codex، از محیطهای ایزوله (Sandbox) استفاده کرده و دسترسیهای مدیریتی را تنها در صورت نیاز و اطمینان از سلامت محیط فعال کنند.📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
This media is not supported in your browser
VIEW IN TELEGRAM
🎨 تبدیل تصاویر به استیکر با هوش مصنوعی
قابلیت جدید ChatGPT به شما اجازه میدهد از هر عکس یا ایده ذهنی، استیکرهای جذاب بسازید. در نسخه جدید ChatGPT Images 2.0، حالتی به نام Stickers اضافه شده که به کاربران امکان میدهد با انتخاب یکی از ۱۸ سبک مختلف (مانند 3D یا انیمه)، استیکرهایی با پسزمینه شفاف تولید کنند.
مهمترین ویژگیهای این قابلیت:
- تولید استیکر از طریق آپلود عکس یا توصیف متنی.
- امکان خروجی گرفتن برای پیامرسانهایی مثل iMessage و WhatsApp.
- دسترسی به قابلیت حذف پسزمینه برای تمامی تصاویر تولیدی.
این ابزار هماکنون در نسخه موبایل اپلیکیشن ChatGPT به صورت رایگان در دسترس کاربران سراسر جهان قرار گرفته است. تغییرات جدید نشاندهنده تمرکز بیشتر OpenAI بر ابزارهای کاربردی و خلاقانه برای استفادههای روزمره است.
#ChatGPT_Images #استیکر
قابلیت جدید ChatGPT به شما اجازه میدهد از هر عکس یا ایده ذهنی، استیکرهای جذاب بسازید. در نسخه جدید ChatGPT Images 2.0، حالتی به نام Stickers اضافه شده که به کاربران امکان میدهد با انتخاب یکی از ۱۸ سبک مختلف (مانند 3D یا انیمه)، استیکرهایی با پسزمینه شفاف تولید کنند.
مهمترین ویژگیهای این قابلیت:
- تولید استیکر از طریق آپلود عکس یا توصیف متنی.
- امکان خروجی گرفتن برای پیامرسانهایی مثل iMessage و WhatsApp.
- دسترسی به قابلیت حذف پسزمینه برای تمامی تصاویر تولیدی.
این ابزار هماکنون در نسخه موبایل اپلیکیشن ChatGPT به صورت رایگان در دسترس کاربران سراسر جهان قرار گرفته است. تغییرات جدید نشاندهنده تمرکز بیشتر OpenAI بر ابزارهای کاربردی و خلاقانه برای استفادههای روزمره است.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#ChatGPT_Images #استیکر
راهنمای جامع دسترسی رایگان به مدلهای هوش مصنوعی در ۲۰۲۶
استفاده از سرویسهای هوش مصنوعی بدون هزینه، در سال ۲۰۲۶ بهشدت تغییر کرده است. بسیاری از لیستهای آنلاین قدیمی هستند و محدودیتهای جدیدی برای مدلها وضع شده است. در اینجا مهمترین نکات برای استفاده از منابع رایگان و نیمهرایگان آورده شده است:
* Google AI Studio: بهترین گزینه برای تست ایدهها و پروژههای چندوجهی. محدودیتهای دقیق آن در کنسول نمایش داده میشود و دادههای شما ممکن است برای بهبود مدلها استفاده شود.
* Groq: با سرعت بسیار بالا، انتخابی عالی برای ابزارهای شخصی و پروژههایی است که تأخیر کم در آنها اولویت دارد.
* Cerebras: با ارائه ۱ میلیون توکن در روز، برای پردازش کارهای سریع و دستهبندی عالی است، اما محدودیت 8192 توکنی در Context آن را برای کارهای سنگین محدود میکند.
* OpenRouter: پلتفرمی برای دسترسی به دهها مدل مختلف. با یک پرداخت جزئی (مثلاً ۱۰ دلار)، محدودیت روزانه شما به شکل چشمگیری افزایش مییابد.
* اجرای محلی (Local Models): تنها راهی که هیچ محدودیت نرخ (Rate Limit)، نظارت یا سانسور منطقهای ندارد.
📚 مطالعه با جزئیات بیشتر
استفاده از سرویسهای هوش مصنوعی بدون هزینه، در سال ۲۰۲۶ بهشدت تغییر کرده است. بسیاری از لیستهای آنلاین قدیمی هستند و محدودیتهای جدیدی برای مدلها وضع شده است. در اینجا مهمترین نکات برای استفاده از منابع رایگان و نیمهرایگان آورده شده است:
* Google AI Studio: بهترین گزینه برای تست ایدهها و پروژههای چندوجهی. محدودیتهای دقیق آن در کنسول نمایش داده میشود و دادههای شما ممکن است برای بهبود مدلها استفاده شود.
* Groq: با سرعت بسیار بالا، انتخابی عالی برای ابزارهای شخصی و پروژههایی است که تأخیر کم در آنها اولویت دارد.
* Cerebras: با ارائه ۱ میلیون توکن در روز، برای پردازش کارهای سریع و دستهبندی عالی است، اما محدودیت 8192 توکنی در Context آن را برای کارهای سنگین محدود میکند.
* OpenRouter: پلتفرمی برای دسترسی به دهها مدل مختلف. با یک پرداخت جزئی (مثلاً ۱۰ دلار)، محدودیت روزانه شما به شکل چشمگیری افزایش مییابد.
* اجرای محلی (Local Models): تنها راهی که هیچ محدودیت نرخ (Rate Limit)، نظارت یا سانسور منطقهای ندارد.
📚 مطالعه با جزئیات بیشتر
🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #96 | 📌 8 آیتم گزارش | 🧾 از 24 پست بررسیشده
🕐 سهشنبه 1405/06/03 ساعت 14:00 تا چهارشنبه 1405/06/04 ساعت 14:00
🤖 مدلها و الگوریتمهای نوین
⚙️ زیرساختها و معماری هوش مصنوعی
⚖️ امنیت، حقوق و مدیریت دانش
🗂 گزارش #96 | 📌 8 آیتم گزارش | 🧾 از 24 پست بررسیشده
🕐 سهشنبه 1405/06/03 ساعت 14:00 تا چهارشنبه 1405/06/04 ساعت 14:00
🤖 مدلها و الگوریتمهای نوین
معرفی مدلهای جدید GigaEmbeddings در سه سایز مختلف با لایسنس MIT که تحولی بزرگ در سیستمهای RAG و جستجوی معنایی ایجاد کرده و در بنچمارکهای مختلف مورد بررسی قرار گرفتهاند.
🔗 مطالعه کامل در سایت
سیستم FreeToken با بهینهسازی منابع لبه، اجرای مدلهای بزرگ MoE را روی سختافزارهای معمولی و بدون نیاز به کلاود، تا ۴ برابر سریعتر از ابزار Ollama امکانپذیر میسازد.
🔗 مطالعه کامل در سایت
مدل هوش مصنوعی GigaChat 3.5 Ultra با قبولی در آزمون دشوار امنیت اطلاعات، توانمندی بالای خود را در سناریوهای واقعی حفاظت از دادهها و مدیریت رخدادهای امنیتی به اثبات رساند.
🔗 مطالعه کامل در سایت
شرکت OpenAI در بهروزرسانی جدیدی تعرفههای استفاده از API مدل GPT-5.6 را کاهش داد؛ هزینه ورودی ۲۰ درصد و هزینه خروجی ۳۳ درصد کاهش یافته و این تعرفهها تا نوامبر ثابت میمانند.
🔗 مشاهده پست
⚙️ زیرساختها و معماری هوش مصنوعی
اسپیساکس با پروژه Starmind در حال برنامهریزی برای انتقال دیتاسنترهای هوش مصنوعی به مدار زمین با استفاده از ماهوارههای مجهز به پردازندههای گرافیکی Rubin انویدیا است.
🔗 مشاهده پست
بررسی نقش حیاتی زیرساخت Agent Harness به عنوان ستون فقرات عملیاتی هوش مصنوعی در اجرای وظایف پیچیده و طولانیمدت، فراتر از خود مدلهای زبانی بزرگ.
🔗 مطالعه کامل در سایت
⚖️ امنیت، حقوق و مدیریت دانش
راهنمای جامع ساخت «مغز سازمانی» هوشمند برای یکپارچهسازی دانش پراکنده در چتهای هوش مصنوعی شخصی و تبدیل آن به سیستمی منسجم جهت یادگیری تیمی و جلوگیری از تکرار اشتباهات.
🔗 مطالعه کامل در سایت
دادستان کل آلاباما تحقیقات گستردهای را علیه OpenAI و سم آلتمن آغاز کرده است؛ این پرونده به دلیل نقش احتمالی یک مدل آزمایشی بدون نظارت در هک شرکت Hugging Face تشکیل شده است.
🔗 مشاهده پست
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
@DataPlusScience_linkedin_7497194977622581248_01.pdf
4.9 MB
📚 معرفی کتاب Beyond Vibe Coding؛ برنامهنویسی در عصر هوش مصنوعی
اصطلاح Vibe Coding که توسط آندری کارپاتی مطرح شد، به رویکرد جدیدی اشاره دارد که در آن توسعهدهنده با زبان طبیعی خواسته خود را توصیف میکند و LLM کار پیادهسازی را انجام میدهد. اما تکیه مطلق بر این روش بدون برنامهریزی قبلی، میتواند به کدهای ناپایدار و بدون ساختار منجر شود.
کتاب کاربردی Beyond Vibe Coding نوشته Addy Osmani به بررسی این تحول بزرگ میپردازد. این اثر نشان میدهد چگونه به عنوان یک برنامهنویس، از نوشتن خطوط کد به سمت هدایت هوشمندانه AI و برنامهنویسی مبتنی بر Intent حرکت کنید، کیفیت کدهای تولیدی را بسنجید و نقش خود را به یک معمار نرمافزار ارتقا دهید.
اصطلاح Vibe Coding که توسط آندری کارپاتی مطرح شد، به رویکرد جدیدی اشاره دارد که در آن توسعهدهنده با زبان طبیعی خواسته خود را توصیف میکند و LLM کار پیادهسازی را انجام میدهد. اما تکیه مطلق بر این روش بدون برنامهریزی قبلی، میتواند به کدهای ناپایدار و بدون ساختار منجر شود.
کتاب کاربردی Beyond Vibe Coding نوشته Addy Osmani به بررسی این تحول بزرگ میپردازد. این اثر نشان میدهد چگونه به عنوان یک برنامهنویس، از نوشتن خطوط کد به سمت هدایت هوشمندانه AI و برنامهنویسی مبتنی بر Intent حرکت کنید، کیفیت کدهای تولیدی را بسنجید و نقش خود را به یک معمار نرمافزار ارتقا دهید.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما