در سال ۲۰۲۵ شرکت‌های بزرگ فناوری هنوز هم دارن کارمند اخراج میکنن.

خیلی‌ها فکر میکنن دلیلش اینه که هوش مصنوعی جای آدم‌ها رو گرفته، اما ماجرا این نیست.

این شرکت‌ها در سال‌های ۲۰۲۴ و ۲۰۲۵ بیش از ۳۰۰ میلیارد دلار برای هوش مصنوعی خرج کرده‌اند.
برای اینکه بتوانند این هزینه‌ها را تأمین کنند، تعدادی از نیروها را اخراج میکنند.

مشکل اینجاست که این اخراج‌ها واقعاً باعث صرفه‌جویی نمیشود.
چون هزینه‌ی هوش مصنوعی خیلی بیشتر از پولی است که با اخراج‌ها ذخیره میکنند.
از طرفی هنوز این سرمایه‌گذاری‌ها سودی هم به شرکت‌ها نرسانده.

در عمل، پولی که برای هوش مصنوعی خرج میشود فقط بین چند شرکت جابه‌جا می‌شود:
اپل به گوگل پول میدهد، گوگل به انویدیا، و انویدیا به TSMC.
این چرخش پول باعث می‌شود ارزش سهام شرکت‌ها بالا برود.

همه فکر می‌کنند هوش مصنوعی در آینده سود بزرگی می‌دهد،
اما فعلاً فقط خرج می‌کنند.

از طرفی نمیتوانند این خرج‌کردن را متوقف کنند؛ چون اگر سرمایه‌گذاری در هوش مصنوعی را متوقف کنند، احتمالاً ارزش سهام‌شان پایین می‌آید.
برای همین حتی اگر هنوز سودی نداشته باشد، مجبورند ادامه دهند.
@DevYara

وضعیت دیروز😂
@DevYara

خب OpenAI مدل GPT-5.1-Codex-Max رو منتشر کرده. این مدل می‌تونه تا ۲۴ ساعت به‌تنهایی کار کنه. از تغییرات جدید:

توی تست SWE-bench Verified امتیاز ۷۷.۹٪ گرفت، در حالی که نسخه قبل یعنی 5.1-Codex امتیاز ۷۳.۷٪ داشت.

به حالت‌های low، medium و high یک حالت جدید xhigh اضافه شده.

نسبت به نسخه قبلی، ۳۰٪ توکن کمتری مصرف می‌کنه.

@DevYara

☝🏻 https://motionbgs.com/

سایت MotionBGS یک پلتفرم است که مجموعه‌ی بزرگی از پس‌زمینه‌های زنده و انیمیشنی رایگان برای کامپیوترها و موبایل ارائه می‌دهد.

در این سایت بیش از هفت هزار پس‌زمینه زنده در دسته‌بندی‌های مختلف موجود است که به کاربران امکان می‌دهد صفحه‌ی دسکتاپ خود را شخصی‌سازی کرده و ظاهری پویا و جذاب به آن ببخشند.
@DevYara

۷۳٪ از استارتاپ‌های هوش مصنوعی فقط از «Prompt Engineering » تشکیل شده‌اند!

یک برنامه‌نویس، ۲۰۰ استارتاپ‌ فعال در حوزه AI را که سرمایه جذب کرده‌اند بررسی می‌کند و ترافیک شبکه آن‌ها را تحلیل می‌کند.

از میان ۲۰۰ شرکت، ۱۴۶ تا فقط دارند ChatGPT و Claude را با یک ظاهر جدید بسته‌بندی و پولی می‌کنند. یعنی عملاً فقط از APIهای OpenAI و Claude استفاده می‌کنند.

این شرکت‌ها خود را «پلتفرم نسل جدید هوش مصنوعی» معرفی می‌کنند، اما در واقع فقط یک پوسته (Wrapper) هستند.

🟢 مارکتینگ: «شبکه‌ی عصبی ما داده‌های شما را تحلیل می‌کند.»

🟢 حقیقت: متن کاربر را می‌گیرند → برای OpenAI API می‌فرستند → همان پاسخ را برمی‌گردانند.

این وضعیت نشان می‌دهد که بسیاری از استارتاپ‌ها به‌جای خلق نوآوری تکنولوژیک، فقط مشغول بسته‌بندی دوباره‌ی چیزهای آماده و فروش آن هستند.

متن کامل مقاله در لینک زیر:
https://pub.towardsai.net/i-reverse-engineered-200-ai-startups-73-are-lying-a8610acab0d3

@DevYara

پشت پرده اینترنت طبقاتی و رسوایی بزرگ در توییتر (X) فارسی

افشاگری اخیر نشان داد که مقامات و کاربران ارزشی سال‌هاست با اینترنت پرسرعت و کاملاً بدون فیلتر در همان پلتفرم‌هایی فعالیت می‌کنند که برای مردم عادی مسدود کرده‌اند. این ماجرا فقط یک نقص فنی نبود؛ بلکه پرده‌برداری از یک آپارتاید دیجیتال است که عمداً ایجاد شده تا مردم با شبکه‌های کند و وی‌پی‌ان‌های ناامن دست‌وپنجه نرم کنند، اما گروه‌های حکومتی در یک «بهشت اختصاصی» آزادانه بچرخند.

این دسترسی ویژه تنها یک امتیاز نیست؛ تبدیل شده به ابزار اصلی ارتش سایبری جمهوری اسلامی. آن‌ها در فضایی که برای مردم محدود و خطرناک است، کاملاً آزادانه روایت‌سازی می‌کنند، اخبار جعلی می‌سازند و صدای منتقدان و معترضان را خفه می‌کنند—در حالی که خودشان از همان قوانینی که برای مردم وضع کرده‌اند، معاف‌اند.

این ماجرا یک بار دیگر نشان داد که فیلترینگ نه برای حفظ امنیت، بلکه برای کنترل صداها و ایجاد اینترنت طبقاتی است؛ اینترنتی که در آن مردم پشت درهای بسته می‌مانند و صاحبان قدرت بی‌مزاحمت می‌تازند.
@DevYara

چگونه مهندسان خوب در شرکت‌های بزرگ کد بد می‌نویسند.

دلیل عمده «کد بد» در شرکت‌های بزرگ، ساختاری / سازمانی است، نه لزوماً بی‌کفایتی مهندسین.

شرکت‌ها عمدتاً سرعت جابه‌جایی مهندسین و قابل اعزام بودن سریع آن‌ها را به مالکیت بلندمدت روی کد ترجیح می‌دهند.

بسیاری از تغییرات در کد توسط مهندسینی انجام می‌شود که تازه به تیم یا کدبیس اضافه شده‌اند — «نسبی مبتدی».

چرا «مهندسین خوب» هم گاهی کد بد تولید می‌کنند

وقتی مهندسین تازه به یک کدبیس یا زبان جدید اضافه می‌شوند، حتی اگر فنی خیلی قوی باشند، احتمال اشتباه یا «راه‌حل‌های سریع و قلابی (hacky)» بالا می‌رود.

مهندسین باسابقه‌تر («old-hands») تا حدی می‌توانند اشتباهات را بگیرند، اما دو محدودیت وجود دارد:

1. این نظارت غالباً رسمی نیست؛ شرکت تلاشی برای تثبیت تخصص بلندمدت در یک سرویس یا کدبیس نمی‌کند.

2. همین افراد با بار کاری خودشان درگیرند — فرصتی برای بررسی همه تغییرات ندارند.

اغلب مهندس «میانگین» — یعنی فنی کافی برای استخدام و انجام کار — تحت فشار زمان یا ددلاین است، با کدبیسی ناآشنا؛ در این شرایط «کد بد» طبیعی به نظر می‌رسد.
@DevYara

درآمد فعال (Active Income) به درآمدی گفته می‌شود که مستقیماً به زمان، حضور و تلاش لحظه‌ای فرد وابسته است؛ یعنی اگر کار نکنید، درآمدی هم ایجاد نمی‌شود. برای یک برنامه‌نویس، رایج‌ترین نمونه‌های درآمد فعال شامل استخدام تمام‌وقت (Full-time Job) و فریلنسینگ (Freelancing) است. این مدل همان الگوی کلاسیک Time-for-Money محسوب می‌شود.

درآمد غیرفعال (Passive Income) درآمدی است که پس از انجام کار اولیه، بدون نیاز به فعالیت مداوم ادامه پیدا می‌کند و قابلیت مقیاس‌پذیری و رشد دارد. اصلی‌ترین نمونه‌های آن برای برنامه‌نویس‌ها شامل ساخت محصول نرم‌افزاری، ارائه سرویس، تولید محتوا، آموزش، فروش دوره یا ابزارهای توسعه و موارد مشابه است.
@DevYara

Savr

این Savr یک اپلیکیشن برای ذخیره‌سازی محتوای آنلاین در حالت آفلاین است که داده‌ها را به‌صورت غیرمتمرکز و محلی روی دستگاه کاربر نگهداری می‌کند.

بدون نیاز به ثبت‌نام، امکان همگام‌سازی از طریق Dropbox یا Google Drive را ارائه می‌دهد.

این برنامه کراس‌پلتفرم است و هم روی موبایل و هم روی دسکتاپ کار می‌کند.

در آینده قرار است قابلیت‌های بیشتری مانند همگام‌سازی تصاویر و پردازش پیشرفته‌تر مدیا به آن اضافه شود.

https://github.com/jonocodes/savr/

@DevYara