می‌دونستین وقتی از Qwen 3.8 27B می‌پرسید پایتخت فرانسه کجاست و برای تولید فقط یک کلمه جواب "پاریس" مقدار 25.8 میلیارد معادله ریاضی انجام می‌ده که NVIDIA RTX PRO 6000 هر معادله رو توی 13 میلی ثانیه انجام می‌ده.

برای درک بزرگی این مقدار توی هر فریم این ویدیو 3.6 میلیون معادله انجام می‌شه که البته ویدیو 32 میلیون برابر تندتر شده تا قابل نمایش بشه وگرنه توی حالت عادی با سرعت 1 معادله در هر فریم و با 60 فریم در ثانیه طول این ویدیو 13 سال می‌شد.

@Linuxor

معیار توکن بر ثانیه معیار خوبی برای مقایسه مدل ها نیست چون Opus 5.5 مقدار توکن برثانیه کمتری از جمنای 3.8 فلش داره ولی بعضی تسک هارو سریع تر انجام میده.

به قولی توی مسابقه دو هر چقدر هم سرعتت زیاد باشه ولی از روی مسیر درست حرکت نکنی زود تر به خط پایان نمی‌رسی.

@Linuxor

این بار ساده‌تر  با لینگانو ادامه بده!  📕

📍دسترسی نامحدود به دوره‌ها
📍پنل اختصاصی در سایت و اپلیکیشن
📍تعیین سطح و مشاوره اختصاصی

دوره جامع لینگانو با ۷۵٪ تخفیف و پرداخت ۴ قسطه اسنپ‌پی؛ برای مشاوره تخصصی و ثبت نام دوره، همین حالا کلمه ((ساده)) رو ارسال کنید

👇🏻👇🏻👇🏻👇🏻


@lingano_support_2
@lingano_support_2

این ابزارم جالبه باهاش می‌تونید مدل های هوش مصنوعی رو از نظر امنیتی به چالش بکشید یه بخش هم داره سعی می‌کنه با Prompt Injection، Jailbreak و حملات مختلف سیستم هوش مصنوعی رو به چالش بکشه تا قبل از اینکه چیزی بره Production، بفهمی کجاها ممکنه خراب بشه.

promptfoo.dev

@Linuxor

وقتی سرور های شرکت هک شده، تیم DevOps همون لحظه:

@Linuxor

این MCP واقعاً خفنه. می‌تونی ازش بخوای توضیحات درسیت رو به‌صورت زنده برات نقاشی کنه، با صدای مداد و همه‌ی این جزئیات، بعد هم برنامه رو باز کنی و خودت تغییراتت رو روش اعمال کنی.

یاد گرفتن با هوش مصنوعی واقعاً خیلی سرگرم‌کننده شده.

github.com/excalidraw/excalidraw-mcp

@Linuxor

من با هوش مصنوعی تابحال نتونستم یه پروژه رو کامل بالا بیارم همیشه خودم هم دست به کار شدم توش و حداقل 50 درصدش رو خودم زدم؛ یه تکنیکی که جدیدا یاد گرفتم برای پروژه هایی که کامل دست خودمه اینه که به صورت نوسانی یه روز خودم کد بزنم یه روز هوش مصنوعی؛ این خوبیش اینه که خودتون از کدبیس عقب نمیمونید و اون مزیت استفاده از هوش مصنوعی هم دارین، البته خیلی جاها کد ها و فیچرای هوش مصنوعی رو مجبورید پاک کنید و پروژه هی یه کوچولو عقب می افته ولی روندش صعودیه؛ مثل قیمت دلارو دیدید یهویی میره بالا یه قیمتی شدو (سایه) میزنه و یه کوچولو میاد عقب تر در کل داره میره بالا. هوش مصنوعی هم اینطوریه یه کد اضافه میکنه 70 درصدش رو حذف میکنی همون 30 درصد که میمونه خیلی به رشد پروژه کمک میکنه خودتم دیگه از قافله عقب نمیمونی.

@Linuxor

گوگل از EmbeddingGemma 2 رونمایی کرده؛ مدلی که برخلاف LLM هایی مثل ChatGPT قرار نیست باهات چت کنه یا جواب متنی تولید کنه. کار اصلیش اینه که متن، تصویر، صدا و ویدیو رو به یک نمایش عددی به اسم Embedding تبدیل کنه؛ به زبان ساده، محتوای پیچیده رو به شکلی تبدیل می‌کنه که کامپیوتر بتونه معنی و شباهت بین محتواها رو بهتر درک کنه.

مثلاً فرض کن هزاران PDF، مقاله یا سند داری و کاربر می‌پرسه چطور فاکتور قبلیم رو دانلود کنم؟. EmbeddingGemma 2 سوال رو به یک بردار عددی تبدیل می‌کنه و بین اسناد موجود می‌گرده تا محتواهایی که از نظر معنایی بیشترین ارتباط رو دارن پیدا کنه؛ حتی اگر کلمات دقیقاً یکسان نباشن.

نکته جذاب‌تر اینه که قابلیت‌های مدل فقط به متن محدود نمی‌شن. EmbeddingGemma 2 می‌تونه متن، تصویر، صدا و ویدیو رو در یک فضای مشترک قرار بده.

blog.google/innovation-and-ai/technology/developers-tools/embeddinggemma-2


@Linuxor

این ربات کوچیک و متن‌بازِ خرچنگی که اسمش Jumper هست، واقعاً خیلی خفنه!

این یه ربات 22 درجه آزادی (22-DoF) هستش که با هدف بامزه، پرتحرک و بیانگر بودن طراحی شده و در عین حال می‌تونه کاربردی هم باشه. این ربات می‌تونه خیلی انعطاف‌پذیر حرکت کنه، اشیا رو جابه‌جا و دستکاری کنه و حتی روی مبل یا تخت بپره.

سازنده این پروژه رو همین هفته به‌صورت Open Source منتشر کرده، بنابراین خودت هم می‌تونی بسازیش و باهاش آزمایش و تجربه کنی.

github.com/KingKongRobotics/jumper


@Linuxor

اگه طراحی شیشه‌ای و مینیمال اپل رو دوست دارید، این سایت رو ببینید!

سایت Devigner از سبک Glassmorphism و طراحی‌های جدید اپل الهام گرفته؛ کامپوننت‌هایی خوش‌ساخت برای ساخت UIهای مدرن.

اضافه کردن کامپوننت‌ها هم خیلی ساده‌ست و با یه Command انجام میشه.

ui.devigner.cc/components

@Linuxor ~ negahUi_tech

متا روی فناوری‌ای به اسم CRAM کار می‌کنه که هدفش اینه لینوکس بتونه بدون اضافه کردن RAM فیزیکی، داده بیشتری رو داخل حافظه نگه داره. CRAM مخفف Compressed RAM هستش و در Linux Plumbers Conference 2026 معرفی شده.

لینوکس همین الان هم با فناوری‌هایی مثل ZRAM و Zswap حافظه رو فشرده می‌کنه، اما تفاوت مهم CRAM اینه که از فشرده‌سازی با کمک سخت‌افزار استفاده می‌کنه؛ در نتیجه داده‌های فشرده‌شده می‌تونن بدون فرآیند معمول decompression نرم‌افزاری قابل دسترسی باشن.

توی تست‌های read-only، عملکرد CRAM تقریبا به DRAM معمولی نزدیک شده و در تست‌های نوشتن هم نسبت به ZRAM، Zswap و swap معمولی عملکرد بهتری نشون داده. البته این نتایج مربوط به آزمایش‌های اولیه‌ست و به معنی 2 برابر شدن قطعی RAM یا سرعت مشابه DRAM در همه شرایط نیست ولی می‌تونه راه جالبی برای افزایش ظرفیت مؤثر حافظه، بدون خرید RAM بیشتر، ایجاد کنه.


@Linuxor ~ twtayaan

بیش از 90 درصد افراد می‌دونن هوش مصنوعی آینده خوبی داره و فرصت های خوبی توش هست ولی علی‌رغم اینکه علمش هم دارن و حتی علاقش هم دارن ولی نمی‌رن سمتش.

علتش هم اینه که حاشیه امن توی زندگیشون ندارن تمام وقتشون یا درگیر کارن یا درگیر درسن یا از اون بدتر درگیر تشکیل زندگی هستن (تشکیل زندگی یعنی یه چک سفید ده ساله از تمام سرمایه و انرژیتون کشیدید انقدر چالش های پنهان جلوتون می‌ذاره که حاشیه ای برای کار دیگه براتون نمیمونه) البته من خودم هیچ راه حلی برای این مسائل ندارم و فقط صرفا میدونم حاشیه امن ساختن خیلی به پیشرفت کمک میکنه چون قبلا خودم حاشیه امن زیادی داشتم و بخاطر کار و کسب درآمد همش از بین رفت تازه فهمیدم چقدر به یادگیریم صدمه زده و اصلا نمیتونم چیز های جدید رو تست کنم. البته اگرم نتونستید حاشیه امن بسازید نگرانی خاصی نداره چون اکثرا نمیتونن ولی اگر تونستید واقعا شاهکاره. یادتون باشه شرکت هایی که هزینه R&D بالایی دارن خیلی سریع تر شانس رشد کردن دارن.


@Linuxor