🚀 جینی ۳ – نسل جدید مدل‌های دنیاساز گوگل

🎮 مدل‌های دنیاساز (World Model) در واقع نوعی موتور بازی عصبی هستند که به هوش مصنوعی اجازه می‌دهند در یک دنیای شبیه‌سازی‌شده و خیالی حرکت کرده و با آن تعامل داشته باشند.

🆚 تفاوت با نسل قبل (جینی ۲):

⏱️ نسخه قبلی فقط ۱۰ تا ۲۰ ثانیه شبیه‌سازی داشت

📺 وضوح تصویر ۳۶۰p بود

🎮 تعامل با محیط بسیار محدود بود


✨ جینی ۳ چه تغییراتی دارد؟

⏱️ امکان تعامل برای چند دقیقه

📺 وضوح تصویر ۷۲۰p

🧠 حافظه قوی‌تر برای یادآوری اتفاقات و تعاملات کاربر


📌 در یکی از دموها، کاربر دیوار اتاق را رنگ می‌کند، کمی در اتاق حرکت می‌کند و رنگ همچنان روی دیوار باقی می‌ماند!
در حالی که کمتر از یک سال پیش، مدل‌های مشابه مثل «ماینکرفت عصبی» فقط کافی بود لحظه‌ای رویشان برنگردید تا کل محیط را فراموش کنند!

🔥 حالا این مدل‌ها قادرند نه‌تنها محیط، بلکه رویدادها و اتفاقات داخل آن محیط را هم شبیه‌سازی کنند.
این یعنی می‌توان از آن‌ها برای آموزش هوش مصنوعی‌های پیشرفته جهت انجام کارهای واقعی استفاده کرد.

🎮 صنعت بازی نخستین بهره‌بردار این فناوری است.

🚀 مدل‌های متن‌باز جدید OpenAI منتشر شد: GPT OSS!
بعد از مدت‌ها انتظار، OpenAI اولین مدل‌های بزرگ زبان (LLM) متن‌باز خود را با نام GPT OSS معرفی کرد.
این مدل‌ها مبتنی بر معماری MoE هستند و در دو اندازه عرضه شده‌اند:
۲۰ میلیارد پارامتر (با ۳.۶ میلیارد پارامتر فعال)
۱۲۰ میلیارد پارامتر (با ۵.۱ میلیارد پارامتر فعال)
مدل بزرگ عملکرد بهتری نسبت به مدل (o4-mini) دارد و مدل کوچک در حد و اندازه مدل (o3-mini) است.
نسخه‌های بومی (fp4) برای این مدل‌ها وجود دارد که اجرای مدل ۲۰ میلیارد پارامتر تنها به ۱۶ گیگابایت حافظه ویدئویی نیاز دارد.
مجوز استفاده این مدل‌ها (Apache 2.0) است.
❗ نکته منفی: پشتیبانی نکردن از چندرسانه‌ای بودن (مولتی‌مدالیته) در این نسخه‌ها است.
🔥 این اولین مدل بزرگ زبان متن‌باز از OpenAI پس از ۶ سال، یعنی از زمان (GPT-2) به این طرف است!
🔗 وزن مدل ۱۲۰ میلیارد پارامتر
🔗 وزن مدل ۲۰ میلیارد پارامتر
🔗 دموی مدل

❎ تولیدکننده ویدئو (Grok Imagine): سریع اما هنوز خام

(Grok Imagine) نسل جدید تولیدکننده ویدئو از شرکت (xAI) است که مستقیماً در شبکه اجتماعی (X) در دسترس است
(فعلاً فقط برای کاربران پولی).

ایلان ماسک، مدیرعامل (xAI)، آن را این‌گونه توصیف می‌کند:
«نسخه هوش مصنوعی (Vine)» — ویدئوهای کوتاه، جذاب و بالقوه وایرال.

🎬 این ابزار ویدئوهایی با صدا تا ۱۵ ثانیه تولید می‌کند،
بر اساس توضیح متنی یا تصویر؛
با این حال، کاربران می‌گویند ویدئوها در عمل به ندرت از ۶ ثانیه فراتر می‌روند.

⚡ سرعت آن بسیار بالاتر از رقبای (OpenAI) یا (Google) است؛
ویدئوها و تصاویر در چند ثانیه تولید می‌شوند.
اما کیفیت محتوای (Grok) همچنان پایین‌تر است.
ماسک وعده داده این ابزار تقریباً هر روز بهبود پیدا خواهد کرد.


---

🔞 ویژگی خاص (spicy mode)
(Grok) دارای حالتی با حداقل سانسور است که حتی تصاویر برهنه را هم می‌پذیرد؛
چیزی که رقبا به خودشان (و کاربرانشان) اجازه نمی‌دهند.