توی سایتتون خواستید گِیج یا نمودار نشانگر بزارید مثلا برای مصرف منابع یا آب و هوا یا سرعت و قدرت چیزی یا تایمر و... از این کامپوننت ها استفاده کنید رابط کاربری زیبایی داره کاملا رایگان و تازه هم هستش همین هفته پیش معرفی شده :

www.gauge-ui.dev

@Linuxor

غول فناوری و هوش مصنوعی
یک سرور قدرتمند برای نسل جدید پردازش‌های هوش مصنوعی و زیرساخت‌های حرفه‌ای دیتاسنتر.

مناسب برای:
هوش مصنوعی و Machine Learning، پردازش داده‌های حجیم، مجازی‌سازی، محاسبات سنگین، دیتابیس، رندرینگ و پردازش‌های GPU محور.

با سخت‌افزار قدرتمند و قابلیت اجرای ورک‌لودهای سنگین، انتخابی مناسب برای پروژه‌های حرفه‌ای، سازمانی و زیرساخت‌های AI.

ولکان سرور
ولکان سرور با تمرکز بر فروش، تأمین و مشاوره تخصصی تجهیزات سرور و زیرساخت دیتاسنتر، راهکارهای سخت‌افزاری مورد نیاز کسب‌وکارها و سازمان‌ها را ارائه می‌دهد.


Volkanserver.com
https://t.me/volkanserver_ir

یه مدل System One مثل Jev ممکنه اصلاً به تمام عمق یه LLM نیاز نداشته باشه. پژوهشگرهای AutoScientists متوجه شدن که میشه بخش قابل‌توجهی از لایه‌های انتهایی شبکه رو بدون اینکه عملکرد مدل در تصمیم‌گیری افت کنه، حذف کرد.

مثلاً توی مدل Qwen3.5-4B وقتی پردازش رو توی لایه 20 از مجموع 32 لایه متوقف کردن، عملکرد تقریباً با حالتی که کل مدل استفاده می‌شد یکسان بود. پس 12 لایه آخر رو حذف کردن و مدل RSI-Jev v5.0-VL 3B رو ساختن.

این مدل توی معیار Decision Index امتیاز 38.38 گرفته، در حالی که بهترین مدل بعدی با اندازه 3B یا کمتر امتیاز 28.97 داشته. این مدل حتی از 11 مدل 4B هم عملکرد بهتری داشته.

وقتی از این زاویه نگاه کنیم، قضیه تا حدی منطقی به نظر میاد: تصمیم‌گیری و صحبت کردن 2 کار متفاوتن یه مدل System One لازم نیست کلمه بعدی رو تولید کنه؛ فقط باید اطلاعات رو بخونه و یه تصمیم بگیره.

سوال بعدی، چرا باید همه سوال‌ها رو با عمق یکسانی پردازش کنیم؟ اگه سوال‌های ساده بتونن زودتر متوقف بشن و سوال‌های سخت‌تر برن سراغ لایه‌های عمیق‌تر، این روش می‌تونه سرعت مدل رو خیلی بیشتر کنه:

github.com/Shanghua-Gao/RSI-Jev

@Linuxor

سم آلتمن می‌گه من واقعاً از این موضوع معذبم که بعضی‌ها می‌خوان برای مدل‌های هوش مصنوعی نوعی قدرت یا جایگاه دینی قائل بشن، یا طوری باهاشون برخورد کنن که انگار باید قضاوت و تشخیص انسانی خودشون رو کنار بذارن و تسلیم نظر AI بشن. به نظرم این موضوع واقعاً یک مسئله‌ی ایمنی هستش.


@Linuxor

وقتی یه مدل رایگان لوکال پیدا کردی و پروژه رو باهاش می‌بری جلو...

@Linuxor

یکی از دوستان یه ربات ساخته که هرچیزی بخواید با قیمت پایین توش موجوده از شماره مجازی همه سایتا بگیر تا اکانت هوش مصنوعی، گیفت کارت و Api و خیلی چیزای دیگه
حتما برید یه سری بهش بزنید قیمتاش واقعا پایینه و درگاه پرداخت امن هم داره و تاییدش هم آنی هست همه محصولات:

@TJpro_Market_bot

این ویدیو رو ببینید با هوش مصنوعی Opus 5.5 ساخته شده

هوش مصنوعی به هر حوزه ای ضربه بزنه به دیزاینر ها دو برابر بقیه ضربه می‌زنه چون چیزای ظاهری خیلی می‌تونه توی فروش مدل هاشون تاثیر بزاره پس تمرکز خیلی بیشتری می‌زارن روش.

@Linuxor

از این به بعدی برای خرید دامنه ir. باید از خودتون فیلم بگیرید!


@Linuxor

یه عده دارن شبیه ساز PS5 برای PC می‌سازن، روی ویندوز، مک و لینوکس هم می‌تونید اجراش کنید و بازی کنید.

ویدیوی یوتیوب:
youtube.com/watch?v=56kW0LmOdfE

ریپوی برنامه:
github.com/KytyPS5/KytyPS5

البته قطعا هر بازی PS5 ای نمی‌تونید روش راحت و بدون باگ اجرا کنید چون چیز تازه ای هستش ممکنه باگ داشته باشه و طول می‌کشه که رفع بشه.

@Linuxor

یه مشکلی که هوش مصنوعی داره و بعید میدونم تازه کارا باهاش بتونن موفق بشن اینه که قبلا ما ماه ها یا سال ها برای پروژه ای زحمت میکشیدیم و معمولا شکست میخوردیم؛ توی مسیر ساخت این پروژه صدها پازل رو حل میکردیم و اون رنجی که با شکست و اون همه تلاش تحمل میکردیم باعث میشد مغزمون به صورت ناخودآگاه اون صدها مسیر و پازل حل شده اشتباه رو ذخیره کنه که بعدا مبادا دوباره اون کارو انجام بدیم! وقتی چندین بار شکست میخوردیم مغز هزاران مسیر غیر ممکن رو نگه میداشت و در نتیجه بعد از یه مدت نرخ موفقیتمون بالا میرفت.

اما سوال اینجاست من پروژه ای که یک‌ساله ساختم تو اگه با کلاد یک ساعته بسازی اون صدا ها تجربه و پازلی که در طول مسیر تجربه کردم رو چطور می‌تونی بدست بیاری که اگر شکست خورد فورا سویچ کنی روی پروژه بعدی؟


@Linuxor

این داشبورد CRM زیبا رو یه نفر توی دو روز با Opus 5.5 ساخته

البته هدف این نیست که برید ازش استفاده کنید چون چکش کردم اصلا یه چیز بی کاربردی بود هدف اینه برید توی فولدر .agents و اسکیل ها و نحوه ساختش رو ببینید و برای پروژه های خودتون استفاده کنید :

github.com/kargulstudio/sales-crm


@Linuxor

🚀 از صفر تا ساخت APIهای حرفه‌ای با پایتون

توی «دوره FastAPI کوئرا کالج» یاد بگیر چطور APIهای سریع و استاندارد بسازی و پروژه‌های واقعی بک‌اند رو توسعه بدی.

✅ ساخت API با پایتون و FastAPI
✅ کار با دیتابیس و احراز هویت
✅ پیاده‌سازی پروژه‌های کاربردی

✨ قیمت اصلی دوره: ۳,۴۹۹,۰۰۰
🎁 قیمت با تخفیف ۴۰٪ ویژه انتشار: ۲,۰۹۹,۴۰۰ (۴ قسط ۵۰۰ هزارتومانی!)

دوره رو با تخفیف ثبت‌نام کن و هروقت خواستی ببین:
🔗 https://quera.org/r/7iwwd

اگه با Claude Code، Codex یا Cursor کار می‌کنی، احتمالاً یه جایی به این مشکل رسیدی: پروژه بزرگ شده و فهمیدن معماریش از خود کدنویسی سخت‌تر شده

این Archify یه Skill جالبه که به Agent میدی تا معماری، data flow، sequence و lifecycle پروژه رو از دل کد یا توضیحاتت دربیاره و به یه دیاگرام interactive تبدیلش کنه.

خروجی یه HTML تعاملیه که می‌تونی توش node ها و مسیرها رو بررسی کنی و حتی بعضی بخش‌ها رو به source code و lineهای مشخص وصل کنی.

github.com/tt-a1i/archify

@Linuxor

اینجا می‌تونید مدل های تصمیم گیر کوچیک رو پلی بدید اون بازی دایناسورو کنن، توی مرورگر خودتون هم ‌میتونید رانش کنید

huggingface.co/spaces/shreyask/jevosaurus

@Linuxor

یه پروژه جالب پیدا کردم که هدفش ساخت اپلیکیشن‌های دسکتاپ سریع و مدرن با Rust هستش. در واقع یه عالمه ابزار و قطعه آماده در اختیارتون میذاره تا بتونین ظاهر و بخش‌های مختلف یه اپ رو راحت‌تر بسازین؛ از دکمه و منو و پنجره گرفته تا جدول، ویرایشگر متن، جستجو و کلی قابلیت دیگه.

خروجیش هم روی ویندوز، لینوکس و مک اجرا می‌شه روی وب هم با وب اسمبلی می‌شه رانش کرد ولی هدفش نیست، توی سایتش می‌تونید کامپوننت هاشو تعاملی آنلاین تست کنید :

gpui-kit.com/component


@Linuxor