وقتی می‌خوای یه مدل رو به‌صورت لوکال روی کامپیوترت اجرا کنی، سخت‌ترین بخشش دانلود کردن مدل نیست؛ سخت‌ترین قسمت اینه که بفهمی کدوم مدل واقعاً با سخت‌افزار کامپیوترت سازگاره و از پس اجرای اون برمیاد. Magnitude سخت‌افزار کامپیوترت رو بررسی می‌کنه و قبل از اینکه مدل‌ها رو دانلود کنی، بهت نشون می‌ده که هر مدل تقریباً با چه سرعتی، مثلاً چند توکن در ثانیه (tokens/second، روی سیستم تو اجرا می‌شه.

بعد خودش مدل مناسب رو دانلود می‌کنه و تنظیماتش رو متناسب با سخت‌افزارت انجام می‌ده تا بهترین حالت ممکن برای سیستم خودت داشته باشه.

رایگان و متن‌باز (Open Source) هستش،‌ دانلود :

magnitude.dev


@Linuxor

یه نفر نوکیاشو که ساخت سال 2007 هستش و فقط 8 مگابایت حافظه داره و نمی‌تونه به اینترنت امروزی دسترسی پیدا کنه (به خاطر TLS 1.0)، به Claude وصل کرده حالا دیگه هوش مصنوعی هم داره!

اینجا کارایی که کرده هستش:
github.com/emir/claude-s40


@Linuxor

یه نفر تونسته سانسور Qwen رو تقریبا برداره، توی AI یه تکنیکی داریم به اسم Abliteration که یعنی با دستکاری وزن‌های مدل، جهت‌هایی که باعث میشن مدل بعضی درخواست‌ها رو رد کنه یا اصطلاحاً refusal داشته باشه، تا حد زیادی حذف بشن. یعنی به‌جای اینکه فقط با System Prompt به مدل بگی «رد نکن»، خود مدل رو تغییر میدن.

حالا مدل Qwen3.5-9B-abliterated دقیقاً با همین روش ساخته شده؛ یه نسخه دستکاری‌شده از Qwen3.5-9B که هدفش اینه رفتارهای refusal رو تا حد زیادی کم کنه. سازنده با تحلیل activationهای مدل، جهت مرتبط با refusal رو پیدا کرده و بعد با Abliteration اون جهت رو از وزن‌های مدل حذف کرده.

بعد از این مرحله هم روی مدل QLoRA fine-tuning انجام شده تا مواردی که هنوز باعث refusal میشدن کمتر بشن. نتیجه یه مدل 9B هستش که برای استفاده‌های local جالبه، مخصوصاً اگه دنبال مدلی هستید که محدودیت‌های رفتاری کمتری نسبت به نسخه اصلی داشته باشه:

huggingface.co/lukey03/Qwen3.5-9B-abliterated


@Linuxor

یکی تجربه‌ی خودش از مهندسی معکوس کلی فایل APK رو تبدیل کرده به یه Skill و به‌صورت متن‌باز منتشرش کرده!

بعد از نصبش، هوش مصنوعی می‌تونه اپ‌های اندرویدی رو با دنبال کردن روند فکری یه متخصص باتجربه تحلیل کنه. می‌تونه توی این کارها کمکت کنه:

1. تغییر دادن فایل‌های DEX، ری‌پکیج کردن اپ و ساین کردنش
2. کار با Packing و Loaderها
3. تحلیل لایه‌ی Native
4. کار روی Dart AOT در اپ‌های Flutter

می‌تونی مستقیماً با Claude Code و Codex ازش استفاده کنی.
لازم نیست ابزارها رو خودت از قبل پکیج یا آماده کنی؛ هوش مصنوعی خودش ابزارهایی مثل Frida، JADX و Blutter رو نصب می‌کنه.
بهترین نتیجه رو وقتی می‌گیری که همون اول کار، به مدل بگی از این Skill استفاده کنه.

روی GitHub هم 2.5k ستاره گرفته و کاملا رایگان:

github.com/newliver666/apk-reverse


@Linuxor

این سایتم هم جدید اومده و کامپوننت های وبی زیبایی داره

هر هفته دارم یه سایت این شکلی براتون پیدا میکنم این چند تا از کامپوننت هاش انصافا قشنگ بودن من ازشون استفاده می‌کنم شما دیگه نکنید سایتامون شبیه هم می‌شه خز می‌شه برید از قبلیا استفاده کنید😁

uselayouts.com

@Linuxor

از من میشنوید برید هرچی میخواید یاد بگیرید AI حالا حالا ها جای کسی رو نمیگیره، من چند ساله برای اینکه هر روز برای شما منظم پست بزارم هر روز منظم اخبارو میخونم توییت هارو میخونم یه بخش بزرگی از تکنولوژی رو دنبال میکنم.

یه عده حالا شاید با اسم های متفاوت ولی سناریو های یکسان میان میگن وای مدل فلانی اومد ببین چی ساختم باهاش؛ شاید اصلا تیم مارکتینگ شرکت های AI دارن این بساط رو هر روز پهن میکنن کف اخبار وگرنه هر شیش ماه تا یک سال یه چیز واقعا مفید معرفی میشه مثلا Jev؛ بقیش حس میکنم ادا بازیه؛ من ذهنیتم فقیره آیا طبیعیه مردم بیان دو سه هزار دلار خرج کنن که یه بازی که قبلا ساخته شده رو دوباره با AI بسازن؟


@Linuxor

این خیلی بین طراحا سرو صدا کرده بود

تصور کن یه Skill داشته باشی که بتونی باهاش انتخاب‌های UX ای که توی یه صفحه انجام دادی رو به شکل انیمیشنی توضیح بدی، ویدیو رو ببینید، در واقع یه انیمیشن توضیحی درست می‌کنه که صفحه تبدیل میشه به یه نقشه Blueprint آبی و مرحله‌به‌مرحله نشون میده چرا هر قسمت طراحی تغییر کرده

github.com/moguzbulbul/blueprint-animation


@Linuxor

🐍 اون جمله رو یادت هست؟
«یه روز برنامه‌نویسی یاد می‌گیرم…»

شاید وقتشه اون «یه روز» رو تبدیل کنی به امروز.

با کتاب «ماجراجویی با پایتون»
از صفر، ساده و پروژه‌محور برنامه‌نویسی رو شروع کن. 🚀

✨ شروع از صفر
💻 یادگیری با پروژه
🤖 قدمی به سمت هوش مصنوعی و علم داده

📖 معرفی کامل و پیش نمایش : لینک
📚 خرید از انتشارات کیان: لینک
📱 نسخه آنلاین فیدیبو: لینک

یه نفر از Opus 5.5 خواسته از صفر یه کامپیوتر واقعی و قابل‌استفاده بسازه. ترکونده 277 هزار گیت منطقی با JavaScript، یه سیستم‌عامل که روی اون ساخته شده، و حتی بازی‌هایی که روی همون سیستم‌عامل اجرا می‌شن.

این یه ماکاپ یا شبیه‌سازی ظاهری نیست... واقعاً یه کامپیوتره. می‌تونید حتی روی سخت افزار هم زوم کنید وضعیت گیت هارو ببینید :


somethingbig.ai/computer


@Linuxor

یه آزمایش انجام دادن، 5 مدل هوش مصنوعی باید یه پل 3D پرینت‌شده با دهانه‌ی حداقل 0.61 متر طراحی می‌کردن که حداکثر 500 گرم فیلامنت مصرف کنه و زمان پرینتش هم زیر 18 ساعت باشه. هدف این بود که ببینن هر پل چقدر وزن تحمل می‌کنه. Claude Opus 5.5 حدود 59 کیلوگرم، Muse Spark حدود 12 کیلوگرم و GPT-6 Astra حدود 7.9 کیلوگرم رو تحمل کردن؛ Grok 4.7 و Kimi K3 هم نتونستن پل قابل‌استفاده بسازن.

کلاد با اختلاف زیادی بهترین نتیجه رو گرفت: 59 کیلوگرم تحمل بار، فقط 9 ساعت و 11 دقیقه زمان چاپ، 17 قطعه و 441 گرم فیلامنت.

@Linuxor

اگه با WebGL، WebGPU، Wasm یا کلاً محاسبات ریاضی توی پروژه‌های گرافیکی و 3D سروکار داری، یه پروژه جالب جدیدا منتشر شده یه کتابخونه سریع و سبک که برای پرفورمنس بالا طراحی شده.

تمرکزش روی چیزهاییه که توی کارهای 3D و گرافیکی زیاد بهشون نیاز داری؛ از vec و mat و quat گرفته تا geometry، noise، shapes، animation و حتی inverse kinematics. ساختارش هم data-oriented و allocation-free هستش تا سربار اضافه تا جای ممکن کم بشه.

از AI Agent هم پشتیبانی می‌کنه. خود ریپو Skill مخصوصی داره که به Agent یاد میده چطور از این کتابخونه استفاده کنه:


github.com/pmndrs/math

@Linuxor

یه نفر همه ویدیو های وایرال که با Opus 5.5 ساخته شدن رو جمع کرده و 389 تا جمع شده و سایتش کرده

از موشن‌گرافیک گرفته تا ویدیوهای توضیحی (Explainer)، صحنه‌های 3D و حتی بازی‌هایی که با Opus 5.5، که این روزها خیلی مورد توجه قرار گرفته، ساخته شدن؛ همه‌شون به‌صورت مرتب و یکجا جمع‌آوری شدن.

می‌تونی ویدیوهای اصلی رو در کنار نسخه‌های بازسازی‌شده‌شون ببینی و برای استفاده راحت‌تر، پرامپت‌هاشون رو هم همون لحظه کپی کنی.

یه ویدیویی که دوست داری رو انتخاب کن و دارایی‌های خودت مثل لوگو، رنگ‌ها، فونت‌ها و... رو هم بهش اضافه کن. بعد اون رو به Claude بده و ازش بخواه یه Layout Plan (برنامه چیدمان و طراحی) برات آماده کنه:

skillry.dev/ai-videos/opus-5-5


@Linuxor

این سایتم باحاله ماهواره های روی فضای دور کره زمین رو نشون میده، نمیدونستم انقدر استارلینک از روی ایران رد می‌شن

البته اندازشون واقعی نیست شاید بگید چقدر دور زمین شلوغه، برای اینکه اندازه واقعی رو ببینید روی دکمه Real Size کلیک کنید:

azmth.space

@Linuxor

اگر سایت یا اپی دارید که داخلش دارید از چارت های مختلفی استفاده میکنید این دو تا سایت به درد شما میخوره که باهاش میتونید یه روحی به نمودار هاتون بدید:


evilcharts.com
beui.dev/charts


@Linuxor ~ codecloude

این ویدیو هم جالب بود روی گوشی S26 مدل تصمیم گیر شبیه Jev به اسم Laya-LiteRT رو ران میکنه سرعتش عالیه برای هر تصمیم 50 میلی ثانیه طول می‌کشه

کارای جالبی باهاش می‌شه کرد مثلا می‌تونه پیام‌های خونده‌نشده رو تحلیل کنه و تشخیص بده هر پیام ازت چی می‌خواد جواب دادن، انجام یه کار، فقط خوندن یا نادیده گرفتن. یعنی می‌تونی یه لایه‌ی هوشمند برای notification ها، ایمیل‌ها، پیام‌ها و خیلی چیزهای دیگه بسازی، بدون اینکه لازم باشه متن‌ها رو برای پردازش به cloud بفرستی:

huggingface.co/litert-community/laya-LiteRT


@Linuxor

تقریبا همه بازی های ساخته شده هوش مصنوعی که روی وب کار میکنن از Three.js استفاده میکنن

اما این کتابخونه کار کردن باهاش واقعا ساده نیست و حداقل با هوش مصنوعی دارید ازش استفاده میکنید باید خودتون دربارش بدونید یا حداقل اسکیل داشته باشید این لینک یه مجموعه کامل three.js برای ساخت چیز های سه بعدی وبی هستش

فرض کن توی حالت عادی به یه AI بگی:
یه سایت 3D بساز که یه مدل GLTF داشته باشه، نورپردازی حرفه‌ای داشته باشه، با موس بشه دورش چرخید و موقع hover یه افکت glow بگیره.

بدون Skill، مدل باید از دانش عمومی خودش Three.js رو بنویسه و ممکنه APIهای قدیمی، import اشتباه یا الگوهای نادرست استفاده کنه اما با این اسکیل ها میتونه خوب کد بزنه:

github.com/CloudAI-X/threejs-skills

@Linuxor

آموزش گام به گام اجرای مدل‌های Laya Decision رو به‌صورت لوکال و فقط با 4GB رم

روی CPU، مک، ویندوز، لینوکس و سیستم‌های مجهز به GPU هم کار می‌کنه.

همچنین می‌تونی Laya رو از طریق Unsloth Desktop و با استفاده از یک API سازگار با Jev ارائه بدی:

unsloth.ai/docs/models/decision-laya

@Linuxor