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
🚀 معرفی مدل قدرتمند Qwen3.8-Flash
تیم Qwen از مدل جدید خود با نام Qwen3.8-Flash رونمایی کرد؛ یک مدل چندوجهی (Multimodal) از نوع MoE که پیشنمایشی از معماری نسل آینده یعنی Qwen4 محسوب میشود.
این مدل با وجود ۱۲۵ میلیارد پارامتر، تنها ۶ میلیارد پارامتر را برای هر توکن فعال میکند که منجر به بهینگی خیرهکنندهای شده است. از دیگر ویژگیهای فنی این مدل میتوان به موارد زیر اشاره کرد:
- پشتیبانی از متن پیشفرض ۲۶۲ هزار توکن با قابلیت گسترش تا ۱ میلیون
- استفاده از معماری نوین شامل GDN و QSA hybrid attention
- بهینهسازی هزینههای آموزش تا ۹ برابر کمتر از مدلهای قبلی
- ثبت نتایج درخشان در بنچمارکهای مطرحی چون MathVision با امتیاز ۹۵.۷ و SWE-bench Pro با ۶۲.۵
شما میتوانید جزئیات فنی و گزارش کامل این مدل را در گزارش تخصصی Qwen مطالعه کرده و وزنهای نسخه اولیه آن را از هگینگفیس دریافت کنید. نسخه تولیدی این مدل نیز در پلتفرم QwenCloud با قیمت بسیار رقابتی در دسترس قرار گرفته است.
📚 مطالعه با جزئیات بیشتر
#Qwen3_8_Flash #Muon_optimizer
تیم Qwen از مدل جدید خود با نام Qwen3.8-Flash رونمایی کرد؛ یک مدل چندوجهی (Multimodal) از نوع MoE که پیشنمایشی از معماری نسل آینده یعنی Qwen4 محسوب میشود.
این مدل با وجود ۱۲۵ میلیارد پارامتر، تنها ۶ میلیارد پارامتر را برای هر توکن فعال میکند که منجر به بهینگی خیرهکنندهای شده است. از دیگر ویژگیهای فنی این مدل میتوان به موارد زیر اشاره کرد:
- پشتیبانی از متن پیشفرض ۲۶۲ هزار توکن با قابلیت گسترش تا ۱ میلیون
- استفاده از معماری نوین شامل GDN و QSA hybrid attention
- بهینهسازی هزینههای آموزش تا ۹ برابر کمتر از مدلهای قبلی
- ثبت نتایج درخشان در بنچمارکهای مطرحی چون MathVision با امتیاز ۹۵.۷ و SWE-bench Pro با ۶۲.۵
شما میتوانید جزئیات فنی و گزارش کامل این مدل را در گزارش تخصصی Qwen مطالعه کرده و وزنهای نسخه اولیه آن را از هگینگفیس دریافت کنید. نسخه تولیدی این مدل نیز در پلتفرم QwenCloud با قیمت بسیار رقابتی در دسترس قرار گرفته است.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Qwen3_8_Flash #Muon_optimizer
🚀 معرفی مدل GLM-5.3-Flash؛ بهرهوری بالا در پردازش متن و تصویر
مدل جدید GLM-5.3-Flash به عنوان اولین مدل ناتیومولتیمودال در سری GLM-5 عرضه شد. این مدل با معماری بهینهشده، برای مدیریت متنهای بسیار طولانی و هزینههای عملیاتی پایین طراحی شده است.
از مهمترین ویژگیهای این مدل میتوان به موارد زیر اشاره کرد:
* استفاده از معماری هیبریدی (Sparse و Linear Attention) برای افزایش سرعت و کاهش محاسبات.
* پشتیبانی از کانتکست تا سقف ۱ میلیون توکن.
* کاهش ۴.۴۴ برابری حافظه KV-cache.
* قابلیت پردازش مستقیم تصاویر و تعامل با واسطهای کاربری (GUI).
* کارایی بالا در برنامهنویسی، کارهای اداری، تحقیقاتی و تحلیل اسناد.
در زمینه هزینهها، این مدل با مدلهای پیشرو بازار مقایسه شده است. قیمت ورودی آن ۰.۱۵ دلار و قیمت خروجی ۰.۵ دلار تعیین شده که در حال حاضر با تخفیف ۵۰ درصدی ارائه میشود. جزئیات فنی و مستندات کامل را میتوانید در Model ID: glm-5.3-flash مشاهده کنید.
📚 مطالعه با جزئیات بیشتر
#GLM_5 #Sparse_Attention
مدل جدید GLM-5.3-Flash به عنوان اولین مدل ناتیومولتیمودال در سری GLM-5 عرضه شد. این مدل با معماری بهینهشده، برای مدیریت متنهای بسیار طولانی و هزینههای عملیاتی پایین طراحی شده است.
از مهمترین ویژگیهای این مدل میتوان به موارد زیر اشاره کرد:
* استفاده از معماری هیبریدی (Sparse و Linear Attention) برای افزایش سرعت و کاهش محاسبات.
* پشتیبانی از کانتکست تا سقف ۱ میلیون توکن.
* کاهش ۴.۴۴ برابری حافظه KV-cache.
* قابلیت پردازش مستقیم تصاویر و تعامل با واسطهای کاربری (GUI).
* کارایی بالا در برنامهنویسی، کارهای اداری، تحقیقاتی و تحلیل اسناد.
در زمینه هزینهها، این مدل با مدلهای پیشرو بازار مقایسه شده است. قیمت ورودی آن ۰.۱۵ دلار و قیمت خروجی ۰.۵ دلار تعیین شده که در حال حاضر با تخفیف ۵۰ درصدی ارائه میشود. جزئیات فنی و مستندات کامل را میتوانید در Model ID: glm-5.3-flash مشاهده کنید.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#GLM_5 #Sparse_Attention
❤1
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 ساخت بزرگترین مجموعه داده جهان برای رباتهای هوشمند
شرکت FigureAI در حال توسعه عظیمترین دیتاسِت آموزشی برای رباتهای انساننما است. این استارتاپ با استفاده از پلتفرم Index، ویدئوهای مربوط به فعالیتهای روزمره انسانها را جمعآوری میکند تا به هوش مصنوعی کمک کند تعامل با دنیای فیزیکی را بهتر درک کند.
برخی از جزئیات این پروژه در مقیاس بزرگ:
- جمعآوری بیش از ۱۵ میلیون ویدئوی آموزشی.
- پردازش لحظهای معادل ۵ سال کارِ انسانی در هر شبانهروز.
- بهکارگیری این دادهها برای آموزش مدل Helix و دستیابی به نتایج درخشان در تعمیمپذیری (Generalization).
- برنامهریزی برای ۱۰۰ برابر کردن حجم دادهها در سال آینده با بودجهای بیش از ۱ میلیارد دلار.
این رویکرد نشان میدهد که نبرد اصلی در دنیای رباتیک، نه فقط در الگوریتمها، بلکه در دسترسی به حجم وسیعی از دادههای ویدئویی متنوع برای آموزش مدلهای پایه نهفته است.
📚 مطالعه با جزئیات بیشتر
#FigureAI #Helix
شرکت FigureAI در حال توسعه عظیمترین دیتاسِت آموزشی برای رباتهای انساننما است. این استارتاپ با استفاده از پلتفرم Index، ویدئوهای مربوط به فعالیتهای روزمره انسانها را جمعآوری میکند تا به هوش مصنوعی کمک کند تعامل با دنیای فیزیکی را بهتر درک کند.
برخی از جزئیات این پروژه در مقیاس بزرگ:
- جمعآوری بیش از ۱۵ میلیون ویدئوی آموزشی.
- پردازش لحظهای معادل ۵ سال کارِ انسانی در هر شبانهروز.
- بهکارگیری این دادهها برای آموزش مدل Helix و دستیابی به نتایج درخشان در تعمیمپذیری (Generalization).
- برنامهریزی برای ۱۰۰ برابر کردن حجم دادهها در سال آینده با بودجهای بیش از ۱ میلیارد دلار.
این رویکرد نشان میدهد که نبرد اصلی در دنیای رباتیک، نه فقط در الگوریتمها، بلکه در دسترسی به حجم وسیعی از دادههای ویدئویی متنوع برای آموزش مدلهای پایه نهفته است.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#FigureAI #Helix
هوش مصنوعی و علم داده به فارسی
🚀 معرفی مدل GLM-5.3-Flash؛ بهرهوری بالا در پردازش متن و تصویر مدل جدید GLM-5.3-Flash به عنوان اولین مدل ناتیومولتیمودال در سری GLM-5 عرضه شد. این مدل با معماری بهینهشده، برای مدیریت متنهای بسیار طولانی و هزینههای عملیاتی پایین طراحی شده است. از مهمترین…
🚀 درخشش مدل جدید GLM در دنیای کدنویسی
مدل جدید
نکته قابل توجه درباره این مدل، بازدهی بالای آن در مقایسه با مدل
• مدل
• مدل
این مدل با قیمتگذاری رقابتی ۰.۱۵ تا ۰.۵ دلار به ازای هر میلیون توکن، تعادل جدیدی در عملکرد و هزینه ایجاد کرده است. امتیازهای فعلی بر اساس سیستم
📚 مطالعه با جزئیات بیشتر
#GLM_5 #AutoEval
مدل جدید
GLM-5.3-Flash با ورود به عرصه رقابت، توانسته است رتبه پنجم در Code Arena بخش WebDev را کسب کند و به عنوان دومین مدل متنباز قدرتمند خود را مطرح کند.نکته قابل توجه درباره این مدل، بازدهی بالای آن در مقایسه با مدل
GLM-5.3-Max است:• مدل
Flash با ۳۲۰ میلیارد پارامتر کل (۱۸ میلیارد پارامتر فعال) به امتیاز ۱۶۳۴ رسیده است.• مدل
Max با ۷۵۳ میلیارد پارامتر کل (۴۰ میلیارد پارامتر فعال) رتبه هشتم را در اختیار دارد.این مدل با قیمتگذاری رقابتی ۰.۱۵ تا ۰.۵ دلار به ازای هر میلیون توکن، تعادل جدیدی در عملکرد و هزینه ایجاد کرده است. امتیازهای فعلی بر اساس سیستم
AutoEval (مبتنی بر مدلهای پاداش آموزشدیده با دادههای ترجیحی انسانی) محاسبه شده و با افزایش رایهای انسانی در وبسایت Arena، دقت این بنچمارک دقیقتر خواهد شد.📚 مطالعه با جزئیات بیشتر
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#GLM_5 #AutoEval
@DataPlusScience_linkedin_7498316168152231936_01.pdf
3.4 MB
هوش مصنوعی در سال ۲۰۲۶: مسیر رسیدن به ROI
گزارش جدید مککینزی با عنوان The state of AI in 2026 نشان میدهد که سازمانها با وجود گسترش استفاده از هوش مصنوعی، هنوز در حال کلنجار رفتن با هزینهها برای رسیدن به بازگشت سرمایه (ROI) ملموس هستند.
مهمترین نکات این گزارش:
- استفاده از
- بسیاری از شرکتها در حال استفاده از ابزارهای کدنویسیِ مبتنی بر عامل (agentic coding tools) برای توسعه نرمافزار در داخل مجموعه خود هستند.
- برخلاف تصور، تأثیر مالی مستقیم هوش مصنوعی بر سود عملیاتی (EBIT) سازمانها نسبت به سال قبل تغییر چندانی نکرده است.
- عملکرد سازمانهای پیشرو (High performers) متفاوت است؛ آنها بهجای اضافه کردن ابزارهای هوش مصنوعی به جریانهای کاری فعلی، کل ساختار عملیاتی خود را بازطراحی میکنند.
- این سازمانهای موفق، علاوه بر کاهش هزینهها، به دنبال اهداف استراتژیکتر مثل نوآوری و رشد درآمد هستند و مدیریت ریسکهای مرتبط با هوش مصنوعی را در اولویت قرار دادهاند.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
گزارش جدید مککینزی با عنوان The state of AI in 2026 نشان میدهد که سازمانها با وجود گسترش استفاده از هوش مصنوعی، هنوز در حال کلنجار رفتن با هزینهها برای رسیدن به بازگشت سرمایه (ROI) ملموس هستند.
مهمترین نکات این گزارش:
- استفاده از
agentic AI در سازمانهای بزرگ با سرعت بالایی در حال رشد و توسعه است.- بسیاری از شرکتها در حال استفاده از ابزارهای کدنویسیِ مبتنی بر عامل (agentic coding tools) برای توسعه نرمافزار در داخل مجموعه خود هستند.
- برخلاف تصور، تأثیر مالی مستقیم هوش مصنوعی بر سود عملیاتی (EBIT) سازمانها نسبت به سال قبل تغییر چندانی نکرده است.
- عملکرد سازمانهای پیشرو (High performers) متفاوت است؛ آنها بهجای اضافه کردن ابزارهای هوش مصنوعی به جریانهای کاری فعلی، کل ساختار عملیاتی خود را بازطراحی میکنند.
- این سازمانهای موفق، علاوه بر کاهش هزینهها، به دنبال اهداف استراتژیکتر مثل نوآوری و رشد درآمد هستند و مدیریت ریسکهای مرتبط با هوش مصنوعی را در اولویت قرار دادهاند.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
🎥 راهنمای جامع حرکت دوربین در ویدیوهای هوش مصنوعی
اگر در حال تولید ویدیو با ابزارهایی مثل Runway، Kling یا دیگر مدلهای هوش مصنوعی هستید، مدیریت دقیق حرکت دوربین یکی از بزرگترین چالشها برای حرفهایتر شدن خروجی است.
سایت AI Camera Movements یک کتابخانه رایگان و بسیار کاربردی شامل ۴۶ دستور (Prompt) آماده برای کنترل دقیق حرکت دوربین در اختیار شما قرار میدهد.
چرا این ابزار برای هر ویدیوساز هوش مصنوعی ضروری است؟
* پیشنمایش بصری: برای هر حرکت، یک پیشنمایش متحرک وجود دارد تا دقیقاً بدانید حرکتهایی مثل Pan یا Dolly چه تاثیری روی تصویر شما میگذارند.
* دستورات آماده: شما میتوانید بدون درگیری با پیچیدگیهای زبانی، متن آماده حرکت دوربین را کپی کرده و به پرامپت اصلی خود اضافه کنید.
* جداسازی هوشمند: کدهای حرکتی به شکلی طراحی شدهاند که با سوژه یا سبک بصری ویدیو شما تداخل ندارند.
این مجموعه شامل مهمترین حرکات استاندارد سینمایی از جمله:
* Static shot: ثابت نگه داشتن دقیق دوربین.
* Pan (left/right): چرخش افقی دوربین حول یک محور ثابت.
📚 مطالعه با جزئیات بیشتر
اگر در حال تولید ویدیو با ابزارهایی مثل Runway، Kling یا دیگر مدلهای هوش مصنوعی هستید، مدیریت دقیق حرکت دوربین یکی از بزرگترین چالشها برای حرفهایتر شدن خروجی است.
سایت AI Camera Movements یک کتابخانه رایگان و بسیار کاربردی شامل ۴۶ دستور (Prompt) آماده برای کنترل دقیق حرکت دوربین در اختیار شما قرار میدهد.
چرا این ابزار برای هر ویدیوساز هوش مصنوعی ضروری است؟
* پیشنمایش بصری: برای هر حرکت، یک پیشنمایش متحرک وجود دارد تا دقیقاً بدانید حرکتهایی مثل Pan یا Dolly چه تاثیری روی تصویر شما میگذارند.
* دستورات آماده: شما میتوانید بدون درگیری با پیچیدگیهای زبانی، متن آماده حرکت دوربین را کپی کرده و به پرامپت اصلی خود اضافه کنید.
* جداسازی هوشمند: کدهای حرکتی به شکلی طراحی شدهاند که با سوژه یا سبک بصری ویدیو شما تداخل ندارند.
این مجموعه شامل مهمترین حرکات استاندارد سینمایی از جمله:
* Static shot: ثابت نگه داشتن دقیق دوربین.
* Pan (left/right): چرخش افقی دوربین حول یک محور ثابت.
📚 مطالعه با جزئیات بیشتر
❤1
هوش مصنوعی و علم داده به فارسی
🚀 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…
تراشه Jalapeño؛ غول جدید OpenAI برای رقابت با Nvidia
شرکت OpenAI بهتازگی از جزئیات فنی تراشه اختصاصی خود با نام Jalapeño رونمایی کرده است. این تراشه که توسط تیمی کوچک (حدود ۳۰ نفر) طراحی شده، در حوزه استنتاج (Inference) عملکردی خیرهکننده ثبت کرده و توانسته است در بسیاری از سناریوها، تراشههای قدرتمند سری Rubin شرکت Nvidia را پشت سر بگذارد.
برخی از مهمترین نکات فنی این دستاورد:
* دستیابی به توان عملیاتی ۴ برابر بیشتر در مدلهای سنگینی نظیر DeepSeek R1.
* بهرهوری انرژی فوقالعاده با ارائه بازدهی ۵۰ برابری در نرخهای توکن بر ثانیه بالا در مقایسه با استاندارد فعلی صنعت.
* مجهز بودن به ۲۱۶ گیگابایت حافظه HBM4 و توان پردازشی تا ۱۳.۴ پتافلاپس در فرمت mxfp4.
* سرعت توسعه باورنکردنی؛ از شروع طراحی در اکتبر ۲۰۲۴ تا تولید اولین نمونه در کمتر از دو سال.
این تراشه با هدف بهینهسازی حداکثری برای سرویسهای چتبات و مدلهای زبانی بزرگ طراحی شده و انتظار میرود از سال آینده بهصورت گسترده در زیرساختهای این شرکت مستقر شود.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
شرکت OpenAI بهتازگی از جزئیات فنی تراشه اختصاصی خود با نام Jalapeño رونمایی کرده است. این تراشه که توسط تیمی کوچک (حدود ۳۰ نفر) طراحی شده، در حوزه استنتاج (Inference) عملکردی خیرهکننده ثبت کرده و توانسته است در بسیاری از سناریوها، تراشههای قدرتمند سری Rubin شرکت Nvidia را پشت سر بگذارد.
برخی از مهمترین نکات فنی این دستاورد:
* دستیابی به توان عملیاتی ۴ برابر بیشتر در مدلهای سنگینی نظیر DeepSeek R1.
* بهرهوری انرژی فوقالعاده با ارائه بازدهی ۵۰ برابری در نرخهای توکن بر ثانیه بالا در مقایسه با استاندارد فعلی صنعت.
* مجهز بودن به ۲۱۶ گیگابایت حافظه HBM4 و توان پردازشی تا ۱۳.۴ پتافلاپس در فرمت mxfp4.
* سرعت توسعه باورنکردنی؛ از شروع طراحی در اکتبر ۲۰۲۴ تا تولید اولین نمونه در کمتر از دو سال.
این تراشه با هدف بهینهسازی حداکثری برای سرویسهای چتبات و مدلهای زبانی بزرگ طراحی شده و انتظار میرود از سال آینده بهصورت گسترده در زیرساختهای این شرکت مستقر شود.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science