اینو ببینید چه سرعت خوبی داره! این خودِ Jev نیست، djev-run هستش؛ پروژه‌ای که برای اجرای مدل djev بر پایه‌ی DiffusionGemma ساخته شده. باهاش می‌تونین djev رو خیلی راحت روی Google Cloud Run دیپلوی کنین و در چند مرحله یه endpoint سازگار با Jev API داشته باشین و خودتون باهاش بازی کنین:


ایده‌ی djev هم مثل Jev یه مقدار با LLMهای معمولی فرق داره؛ به‌جای اینکه صرفاً متن تولید کنه، برای تصمیم‌گیری ساختاریافته ساخته شده. مثلاً می‌تونین یه پیام کاربر رو بدین و ازش بخواین مشخص کنه مربوط به کدوم دسته هست، شدت مشکل چقدره، آیا درخواست refund داره یا نه و حتی برای جواب‌ها probability بگیرین. یعنی خروجی مستقیماً می‌تونه وارد منطق اپلیکیشن بشه.


github.com/taeold/djev-run

@Linuxor

دیروز یه نفر یه افزونه برای Chrome ساخته که یه سایدپنل داره و می‌تونه ابزارهای WebMCP سایت‌ها رو با Jev کنترل کنه. با هر چیزی که تایپ می‌کنی، ابزار مناسب رو انتخاب می‌کنه، ورودی‌ها رو پر می‌کنه و میزان اطمینانش رو هم نشون می‌ده.

مثلاً برای خرید، سوالی مثل «چیزی بدون گلوتن زیر 2 دلار دارید؟» دیگه نیاز به چت و مکالمه نداره؛ افزونه مستقیماً ابزار search_products رو صدا می‌زنه. یعنی همه‌چیز لزوماً به چت‌بات نیاز نداره.

نکته جالب‌تر اینه که همین ابزار می‌تونه برای تست WebMCP هم استفاده بشه. اگه 2 ابزار مدام برای یه جمله با هم رقابت کنن، احتمالاً توضیحاتشون هم‌پوشانی داره؛ اگه یه آرگومان رو با اطمینان پایین تشخیص بده، ممکنه schema مبهم باشه. در نتیجه می‌تونه به بهتر نوشتن توضیحات ابزارها کمک کنه:


github.com/sdras/jev-webmcp-extension


@Linxuor

فرق مدل Jev با LLM های معمولی اینه که Jev درونگراست و حرف نمی‌زنه ولی LLM برونگراست هرچی تو دلش باشه رو می‌کنه.


@Linuxor

یه هارنس ایجنت اوپن سورس برای Jev ! بیینید هوش مصنوعی چطوری داره باهاش قارچ خور بازی می‌کنه :)

این هارنس که اختصاصی برای Jev طراحی شده محیط رو می‌بینه، کارهایی که در اون لحظه امکان انجامشون وجود داره رو به گزینه‌های مشخص تبدیل می‌کنه و مدل در هر مرحله فقط یک بار تصمیم می‌گیره. مدل قرار نیست خودش متن یا Action جدید تولید کنه؛ فقط از بین گزینه‌هایی که محیط در اختیارش گذاشته با سرعت بالا انتخاب می‌کنه. برای هر تصمیم هم احتمال مشخصی ثبت میشه.

github.com/HarnessRouter/SystemOneHarness

@Linuxor

چند سال پیش یادمه با یکی صحبت میکردم سنش توی رنج 30-35 بود بعد ایشون دنبال یه رود مپی میگشت می گفت من قدیما برنامه نویس بودم و الان همش یادم رفته میخوام از اول شروع کنم به یاد گیری؛ منم همون موقع در حد توانم کمکش کردم ولی ته دلم خندیدم بهش با خودم گفتم چه چاخانی داره میبنده مگه میشه آدم یه چیزی یادش بره!

دقیقا همون اتفاق طرف برای خودم افتاد ولی با این تفاوت من همزمان اکتیو در حال یادگیری هم هستم ولی یه بخش بزرگی از چیزارو که قدیم کار میکردم کامل فراموش کردم انگار اصلا ندیدمشون‌. بعدش فهمیدم طرف چه راستی گفته فشار و استرس های زندگی به راحتی حافظه رو پاک میکنه.

@Linuxor

یه مدل اوپن سورس و لوکال دیگه اومده که می‌گه Jev در برابر ما آشغالی بیش نیست!

اسمش laya-mlx هستش و توی ویدیو روی مک بوک ایر 16 گیگ ران شده. و فقط 1 گیگ رم مصرف می‌کنه.

github.com/mizorewww/laya-mlx

@Linuxor

یه نفر به مدل لوکال Laya و Jev بازی دایناسور گوگل کروم رو می‌ده و در کمال تعجب Laya از Jev بهتر بازی می‌کنه:


github.com/virajbhartiya/laya-vs-jev

خدابیامرز Jev سه روز بیشتر عمر نکرد😁

@Linuxor

با این پروژه می‌تونید از طریق هوش مصنوعی Jev موبایل اندرویدتون رو کنترل کنید، بهش یه هدف میدی، خودش UI گوشی رو بررسی می‌کنه، تصمیم می‌گیره قدم بعدی چی باشه و actionهایی مثل باز کردن اپ، Tap، تایپ کردن، اسکرول و Back رو اجرا می‌کنه؛ بدون اینکه لازم باشه مسیر از قبل بهش دیکته شده باشه.

جالب‌تر اینه که بعد از انجام هر action، وضعیت گوشی دوباره بررسی میشه تا Agent فقط با فکر کردن که انجام شد کار رو تموم نکنه.

github.com/droidrun/mobile-jev

@Linuxor

فرق سرعت مدل Laya با Jev مثل فرق سرعت واکنش بین گربه و ماره

هوش مصنوعی به کجا داره می‌ره

@Linuxor

یه پروژه جالب به اسم Jev Ultrafast که توسط Browser Use منتشر شده که هدفش ساختن Browser Agentهای سریع‌تر و کم‌هزینه‌تره. ایده‌ش اینه که برای هر حرکت، مدل مجبور نباشه screenshot صفحه رو ببینه و کل UI رو دوباره تحلیل کنه. Jev به‌جای screenshot، ساختار صفحه و المنت‌های قابل تعامل رو به شکل ساده و شماره‌گذاری‌شده در اختیار مدل می‌ذاره؛ مثلاً [3] textbox یا [7] button. مدل فقط تصمیم می‌گیره روی کدوم المنت چه کاری انجام بشه. یعنی به‌جای اینکه LLM مستقیماً browser رو کنترل کنه، بیشتر شبیه یه decision maker عمل می‌کنه:

hgithub.com/browser-use/jev-ultrafast

@Linuxor

مسعود طباطبایی مدیرعامل دیجی کالا : قراره در آینده ایجنت های هوش مصنوعی رو کنار نیروی انسانی به کار بگیریم و تفکرمون هم AI First هستش یعنی برای هر کاری بخایم انجام بدیم از هوش مصنوعی یا به تنهایی یا ترکیبی با نیروی انسانی استفاده می‌کنیم.


@Linuxor

مقایسه و بنچمارک بین مدل های تصمیم گیرنده
البته توی این مقایسه jev به عنوان رفرنس در نظر گرفته شده

huggingface.co/spaces/multimodalart/jev-decision-index


@Linuxor

مدل Jev می‌دونیم که ورودی متن قبول می‌کنه حالا چی می‌شه اگه بتونه تصویر و صدا هم بگیره و بر اساس اونا تصمیم بگیره؟ یه عده دارن Jev-Omni رو توسعه می‌دن که یه مدل چند وجهی تصمیم گیرنده به حساب می‌آد

برای مثال وصلش می‌کنید به دوربین خونتون با سرعت بالا اگه صحنه خطرناکی رو ببینه بهتون اعلام‌ ‌میکنه! خودشون ادعا کردن از Jev بنچمارکش بالا تره.

huggingface.co/akhilaaa3/Jev-Omni


@Linuxor

کلاد از مدل Opus 5.5 رونمایی کرد، به گفته خودشون 40 درصد هزینه استفاده کمتری داره.
همچنین گفتن که : داریم محدودیت‌های استفاده 5 ساعته رو برای پلن‌های Pro، Max و Team افزایش می‌دیم.
همچنین برای کاربرهای دارای اشتراک، امکان ریست شدن محدودیت نرخ استفاده (Rate Limit) رو فراهم می‌کنیم؛ یعنی یه ریست در اختیارتون قرار می‌گیره که می‌تونید ذخیره‌ش کنید و هر موقع که خودتون خواستید ازش استفاده کنید.


@Linuxor

یه نفر یه تم لیکویید گلس برای وب با React ساخته

تست آنلاین :
cruxgarden.github.io/plasma-ui

سورس کد :

github.com/CruxGarden/plasma-ui

@Linuxor

یعنی متقلبای کنکور دیگه لازم نیست بشینن تا LLM سوالاشونو حل کنه؟ همون لحظه با Jev می‌تونن بیان بیرون؟


@Linuxor

آپدیت جدید کلاد Opus 5.5 چه شکلیه؟

یه نفر ازش خواسته که مفهوم فوکوس دوربین رو با ساختن یه آزمایشگاه تعاملی لنز توضیح بده.

این چیزیه که بعد از 1 ساعت و 26 دقیقه، با یه بار اجرا و با هزینه 25.66 دلار برای API ساخته،‌ حلقه‌ی فوکوس رو حرکت بدید تا ببینید عناصر شیشه‌ای داخل لنز چطور جابه‌جا میشن و صفحه‌ی فوکوسِ واضح رو در سرتاسر صحنه تغییر میدن:

lens.lab.sael.net


@Linuxor

جالب ترین چیزی که امروز دیدم اینه، یه نفر یه رابط کاربری ساخته هرچیزی که توش تایپ می‌کنید براتون به صورت ui نشونش می‌ده پشت صحنه مدل هوش مصنوعی Jev هستش.

البته این نکته هم بگم سورس کدش رو دیدم چیز جدیدی خلق نمی‌شه همش از قبل ساخته شده و وظیفه Jev اینه که متنی که می‌نویسید رو با سرعت بالا به ui تبدیل کنه.

تست آنلاین:
shapeshiftui.vercel.app

سورس کد:

github.com/anishfn/shapeshift


@Linuxor

توی‌ آمریکا یه نفر یه سیستم ساخته داره از مدل Jev برای مسائل حقوقی استفاده می‌کنه، برای مثال ازش پرسیده: صاحب‌خونه چقدر وقت داره که ودیعه‌ی مستأجر رو برگردونه؟

این سیستم با سرعت بالا 134 بخش قانونی از قوانین 45 ایالت رو بررسی کرده، توی 42 ایالت همون قانون مشابه رو پیدا کرده و مهلت دقیق قانونی رو از 12 قانون مختلف عیناً نقل کرده، تازه هزینه کل این جستجو هم ناچیز در میاد.

@Linuxor

این یه ابزار بسیار سریع برای فهمیدن ساختار اسناده که با Jev کار می‌کنه؛ می‌تونه تشخیص بده هر بخش از یه فایل چه نوع سندیه و حتی وقتی چند سند پشت سر هم داخل یه PDF هستن.

مثلاً یه PDF داری که داخلش چندین Invoice، قرارداد و Purchase Order اسکن شده. DocJev می‌تونه تشخیص بده هر کدوم از کجا شروع و کجا تموم میشه و در نهایت اون‌ها رو از هم جدا کنه.

برای Document Processing، اتوماسیون حسابداری، پردازش Invoice و ساخت pipelineهای هوشمند برای اسناد، پروژه جالبیه بنچمارک هاشم هست:

github.com/jerryjliu/docjev

@Linuxor

پروژه freebuff.com روکه میشناسید میتونید رایگان از مدلایی که میده استفاده کنید شعارشه
یکی اومده api رو ریورس کرده تا بشه توی هارنس‌های دیگه هم استفاده کرد!

github.com/trefeon/freebucks-proxy


@Linuxor ~ maanimis