با مدل Jev که جدیدا معرفی شده کلی کار جالب می‌شه کرد ویدیو رو ببینید یه نفر یه چیزی شبیه پیش‌بینی‌کننده‌ی چیزی که می‌خوای باز کنی بر اساس کلیدهایی که میزنی.

سرعتش واقعا بالاست توی 100 میلی ثانیه جواب میده

انتظار داریم توی چند ماه آینده ابزار های کد نویسی و پیش بینی کد خیلی سریع هم باهاش بسازن مدل Jev برای طیف بزرگی از کارای روزمره کاربرد داره.

@Linuxor

من اگه راننده تاکسی بشم 11:

میدونیییییی؟ هوش مصنوعی یه زخمی به هر حوزه ای زده ولی فعلا حوزه خاصی رو نکشته مثلا کسایی که توی صنعت کلیپ سازی هستن فکر میکنن حوزشون نابود شده ولی من چندین بار با هوش مصنوعی خواستم یه کلیپ تمیز بسازم نشده، چون یه ریزه کاری هایی داره که بدون علمش نمیشه چیز تمیزی ساخت مثلا زاویه دوربین، نوع حرکت دوربین، تایمینگ کات‌ها، نورپردازی و....

کسی که توی اون حوزه هستش این چیزارو مثل آب خوردن بلده یعنی عملا اون بخواد از هوش مصنوعی استفاده کنه و من هم استفاده کنم قطعا اون چیز با کیفیت تری میسازه و من هیچ جوره رقیبش نمیشم، زمانی یه حوزه از بین میره که هر تازه کاری بتونه بدون علم رقیب بقیه بشه؛ بخداااا


@Linuxor

پارسی‌گو را معرفی می‌کنم؛ تبدیل متن فارسی به گفتار با کلونینگ صدا، کاملاً آفلاین و فقط روی CPU!
نه GPU لازم دارد و نه اینترنت. یک نمونه صدای 5 ثانیه‌ای بدهید، متن فارسی بنویسید و خروجی را با همان صدا بگیرید.

جمله‌بندی خودکار، مکث‌های متناسب با نقطه‌گذاری، تولید موازی و تا 3 بار تلاش مجدد برای هر بخش
دو حالت گفتار (مکث‌دار / یکپارچه) و تنظیم سرعت 0.7 تا 1.35برابر
رابط فارسی راست‌به‌چپ با نمایش فونم‌ها، پلیر با موج‌نگار و دانلود WAV

دمو:
nimaone-persian-tts-onnx.static.hf.space/index.html
سورس کد:
github.com/nimaone/persian_tts

@Linuxor ~ nimaone111

معرفی قالب مدیریتی ولین (Velin)

قالب مدیریتی Next.js با آخرین نسخه‌های Shadcn، Base UI و Tailwind؛ با الهام از طراحی بهترین دیزاینرهای دنیا مثل Emil Kowalski، Paco Coursey و ...

قیمت اصلی: 1,000,000
با تخفیف: 450,000 تومان

دمو:
velin.taymakz.ir

خرید:
t.me/velintemplate?direct

مدل های Jev + Astra توی Minecraft تونستن یکی از سخت ترین باس های بازی یعنی Ender Dragon رو توی 8 دقیقه و 43 ثانیه شکست بدن!

هزینه‌ش هم کمتر از $1 بوده: Astra: $0.96 وJev: $0.01 بوده

کدش به‌صورت Open Source منتشر شده و هم توضیح داه شده که محیط و سیستم اجرای تست‌ها (Harness) رو چطوری راه‌اندازی شده.

این نوع حرکت و عملکرد فقط به‌خاطر تصمیم‌گیری تقریباً آنی Jev ممکن شده، در کنار یه‌سری مهارت‌هایی که Astra به‌صورت مداوم یاد می‌گیره و بهترشون می‌کنه.

github.com/rmalde/minecraft-agent


@Linuxor

یعنی یک نفر توی شرکت ایتا با این شورتکات :

Ctrl+Shift+F

آشنا نبوده؟ اولین چیزی که یه برنامه نویس یاد میگیره Find in Files هستش😁

@Linuxor

کلادفلر توی امنیت واقعا تجربه خوبی داره، یه سری اسکیل رو اوپن سورس کرده که مثل یه متخصص امنیت کد هاتون رو بررسی می‌کنه

نکته‌ی جذابش اینه که فقط دنبال الگو های مشکوک نمی‌گرده. اول معماری و Attack Surface رو می‌فهمه، بعد Findingها رو بررسی می‌کنه و سعی می‌کنه مشخص کنه واقعاً یه Security Boundary شکسته شده یا فقط یه False Positive داریم.

حتی برای Findingهای مهم، فرآیند Verification مستقل داره؛ یعنی Agent دیگه‌ای میاد و سعی می‌کنه Finding رو رد کنه. خروجی هم ساختاریافته‌ست و Findingها رو به confirmed، needs_validation و rejected تقسیم می‌کنه:

github.com/cloudflare/security-audit-skill

@Linuxor

دوستان اگه خواستید سرور بخرید ارزون ترین جایی که دیدم وب داده هستش
اگه سرچ کنید الان کمترین قیمت سرور 950 تومنه ولی اینجا همونو با 700 می‌تونید بخرید تازه من باهاشون صحبت کردم برای تمام اعضای کانال کد تخفیف Linuxor هم فعال کردن که 30 درصد هم از اون قیمت کمتر می‌شه و 490 تومن می‌شه
این کد تخیفیف رو روی بقیه سرور های دیگشون حتی خارجشون مثل آلمان و هلند هم می‌تونید بزنید

قابلیت تغییر آیپی بدون تیکت هم دارن و بی قید و شرط اگر آیپی خراب بود عوض می‌کنن:

webdade.com

مشکل خیلی از هوش های مصنوعی این نیست که کدنویسی بلد نیستن؛ مشکل اینه که نمی‌دونن چطور باید یه فرایند توسعه نرم‌افزاری رو درست پیش ببرن.

این یه مجموعه‌ای از Skill و workflowهای آماده برای ایجینت های کدنویسیه. از Spec و Planning گرفته تا TDD، Code Review، API Design و Frontend Engineering.

یعنی به‌جای اینکه هر بار به Agent بگی چطوری کار کن، یه workflow مشخص بهش میدی.

برای Claude Code، Codex، Cursor و کلی Coding Agent دیگه هم قابل استفاده‌ست.

github.com/addyosmani/agent-skills

@Linuxor

مدل Jev که جدیدا معرفی شده و سرو صدای زیادی کرده سرعتش به قدری بالاست که کلی کار جالب می‌شه باهاش کرد، مردم شروع کردن و به صورت وایب کدینگ باهاش اپلیکیشن های جالبی می‌سازن:


@Linuxor

می‌تونی یک نسخه‌ی کاملاً مجازی از iPhone 17 Pro، iPad Pro، iPhone Air و Apple Watch رو به‌صورت لوکال اجرا کنی؛ اونم مستقیماً داخل مرورگر و با قابلیت اتصال به AI Agent.

شبیه‌سازی با 60 فریم بر ثانیه + ژست‌های لمسی واقعی، بدون نیاز به App یا باز کردن پنجره‌ی Xcode
پشتیبانی از لمس چندانگشتی
داشتن Tap، Swipe، Pinch، Home و Lock واقعی
اجرای Headless و ساخت فارم چنددستگاهی از iOS 26
دسترسی به Accessibility Tree و مشاهده‌ی زنده‌ی os_log
امکان کنترل و لمس اپلیکیشن در حال اجرا توسط AI Agent
انتقال تصویر وب‌کم به دوربین شبیه‌ساز:

github.com/tddworks/baguette

@Linuxor

یه چیزی که مدت‌ها دلم می‌خواست وجود داشته باشه رو بالاخره ساختم: وایب فارسی UI، یه UI library برای ساختن وب‌سایت و وب‌اپ فارسی، مخصوصاً برای vibe coding و راستچین تمیز، کامپوننت‌های فارسی، تاریخ شمسی، OTP، شبا، فرم‌ها، انیمیشن، WebGL و کلی چیز دیگه.

ولی هدف اصلی اینه که وقتی به Cursor یا هر ایجنتی می‌گی:

یه فروشگاه برای فروش قاب موبایل با وایب فارسی برام بساز لازم نباشه بعدش نیم ساعت با RTL و فونت و تقویم و فرم و هزار تا چیز دیگه بجنگی. رایگان و متن‌بازه. امشب منتشرش کردم.
59 کامپوننت 8 بلاک 32 پس‌زمینه 24 قالب 6 سیستم طراحی

تست آنلاین :
vibefarsi.ir

سورس کد:
github.com/TronIsHere/vibafarsiui

@Linuxor ~ Erwinamm

یکی دیگه از موانع رسیدن ب AGI برداشته شد،

حالا با جِو Jev میشه تصمیمات بسیار سریع و دقیقی گرفت درحالی ک بشدت مقرون بصرفه و ارزون هست ورودیش و خروجیش تقریبا صفره. تقریبا ک نه! عملا صفره.

ببینید چطور همزمان 50 تا Subway Surfer رو بازی میکنه. شاهکاره.


@Linuxor ~ 0xKaveh

دوستان این مقاله کوتاه رو بخونید برای آموزش کار کردن با مدل Jev هستش که جدیدا خیلی معروف شده و اساساً برای تولید متن ساخته نشده؛ برای تصمیم‌گیری سریع، ساختاریافته و احتمالی داخل نرم‌افزار ساخته شده.

ایده‌ی اصلی Jev اینه:

به‌جای اینکه از یه LLM بزرگ بخوای متن تولید کنه و بعد خودت از توی اون متن بفهمی جواب چی بوده، سؤال مشخصی بهش میدی و اون مستقیماً یه مقدار typed مثل yes/no، یک گزینه، یا یک امتیاز برمی‌گردونه.

مثلاً بهش میگی:

این تیکت مربوط به کدوم تیمه؟ ← billing
کاربر عصبانیه؟ ← 0.82
این درخواست فوریه؟ ← 0.91
شدت مشکل چقدره؟ ← 2.4

توی مقاله با مثال نحوه استفاده Jev رو گفته و توضیح می‌ده چطور میشه چند تصمیم رو به‌صورت همزمان گرفت، confidence داشت و کارهای ساده رو قبل از فرستادن درخواست به مدل‌های بزرگ‌تر انجام داد :

dev.to/valyuai/how-to-use-jev-a-practical-guide-to-typesafes-system-one-model-g5e


@Linuxor

من اگه این مگسه بیفته دستم روش یه برنامه مینویسم بره بقیه مگسای مزاحم رو بکشه.


@Linuxor

دسترسی مدل Jev برای همه آزاد شده :

console.typesafe.ai

به هر ایمیلی ابتدا 5 دلار کردیت میده که معادل 120 میلیون توکنه.

@Linuxor

من معرفی مدل Jev رو یه خبر منفی شدید برای کل بازار هوش مصنوعی می‌بینم ظاهرش شاید مثبت باشه اما باطنا مثبت نیست چون بخش بزرگی از درآمد و سرمایه شرکت های هوش مصنوعی مثل OpenAI اینه که به شرکت ها (نه آدمها) به صورت B2B دارن API میدن و درامد زیادی از این قضیه دارن

حالا یه مدل مثل Jev بیاد و با هزینه کمتر و سرعت بالاتر انجام بده قطعا مشتری های این شرکت هارو تحریک میکنه. نکته بعد تر اینه که شرکت هایی مثل OpenAI درامد ایندشون رو پیش‌بینی میکنن و اونو پیشخور میکنن تا سرعت پیشرفتشون رو بالا ببرن وقتی مشتری ها بپره عملا یه شوک بهشون وارد می‌شه. البته Jev همه مشتری هارو نمیتونه بگیره ولی بخش بزرگیش مشترکه.

@Linuxor

مدل Jev توی طراحی یک Design System چقدر خوبه؟

فقط کافیه یک جمله بهش بدی، بعد خودش از بین بیشتر از 1 کوادریلیون ترکیب مختلف انتخاب می‌کنه.

هیچ‌کدوم از بخش‌های این ویدیو سریع‌تر نشده؛ هر بار که استایل رو تغییر می‌ده، در واقع 4 درخواست موازی اجرا میشه که حدود 2 ثانیه زمان می‌بره و هزینه‌ش حدود $0.0007 هستش.

29 تا فلگ برای کنترل چیزهایی مثل فرم گوشه‌ها، حاشیه‌ها، خانواده آیکون‌ها، مسیرهای نمودار، بافت صفحه، میزان تراکم و انیمیشن‌ها استفاده میشن؛ همه‌شون هم روی shadcn ساخته شدن.

علاوه بر این‌ها، رنگ، شعاع گوشه‌ها، فاصله‌ها و مقیاس تایپوگرافی هم به‌صورت پیوسته قابل تنظیم هستن.

@Linuxor

یه تیم دیگه هم شروع کردن به توسعه مدل اوپن برای Jev البته با خود Jev متفاوته کمی چون قسمت تولید متن Qwen رو حذف کردن درسته سرعت بیشتر شده بخاطر عدم تولید متن ولی مشابه معماری Jev نیست هنوز

توضیحات :
zefan-cai.github.io/open-jev

هاگینگ فیس مدل:
huggingface.co/ZefanCai/Open-Jev-9B


@Linuxor

کاربری تونسته با DiffusionGemma که مدلی برای تولید متن با معماری diffusion هستش، به یه مدل شبیه به Jev برسه.

ایده اینه که به‌جای تولید توکن‌به‌توکن، DiffusionGemma گزینه‌های ساختاریافته رو روی یک canvas قرار میده و با diffusion همه گزینه‌ها رو به‌صورت موازی بررسی می‌کنه؛ یعنی با یک پاس می‌تونه برای تصمیم‌هایی مثل Yes/No و چندگزینه‌ای، جواب و میزان اطمینان مدل رو استخراج کنه.

این معماری از attention دوطرفه کامل استفاده می‌کنه، بنابراین هر گزینه همزمان به کل context دسترسی داره و می‌تونه توزیع تصمیم‌گیری کالیبره‌تری بده. از طرف دیگه، قابلیت‌های multimodal و درک فضایی Gemma 4 رو هم به ارث می‌بره؛ اجرای یک پاس diffusion هم روی DGX Spark حدود 0.2 ثانیه گزارش شده.

جالب‌تر اینکه خود گوگل رسماً این رو با عنوان «DiffusionGemma as Jev» معرفی کرده و گفته این پروژه قدرت معماری‌های non-autoregressive رو نشون میده.


@Linuxor

اگه دنبال ساخت اپ‌هایی هستین که AI توشون فقط یه چت‌بات کنار اپ نباشه، پروژه Agent-Native از Builder.io خیلی جالبه.

ایده‌ش اینه که قابلیت‌های اصلی اپ رو به شکل Action تعریف کنین؛ بعد هم UI و هم AI Agent بتونن از همون Actionها استفاده کنن. یعنی Agent برای انجام کارها لازم نیست مثل یه کاربر توی UI کلیک کنه.

این معماری باعث می‌شه Agent واقعاً بخشی از خود اپلیکیشن باشه؛ با دسترسی به state، دیتابیس، permissionها و قابلیت‌های اصلی محصول. از طرف دیگه همون قابلیت‌ها می‌تونن از طریق UI، API، MCP، A2A و CLI در دسترس باشن.

اگه دارین روی SaaS یا اپلیکیشن‌های AI-native کار می‌کنین، به نظرم ارزش داره معماری این پروژه رو یه نگاه بندازین. مخصوصاً بخش Actionها و نحوه وصل شدن Agent به خود application خیلی دید خوبی برای طراحی نسل جدید اپ‌ها می‌ده.

توضیحات بیشتر :
www.agent-native.com
سورس کد :
github.com/BuilderIO/agent-native


@Linuxor