مشخصات لو رفته و احتمالی جمنای ۴ پرو

واقعا این چنین خواهد شد ؟

@TheDeepTech

Gpt 6.1 sol
Dots

زحمت معرفیش با محمد مهدی🤗

GPT-6.1 Sol

نسخه ارتقایافتهٔ GPT-6 Sol با عملکرد نزدیک به GPT-6 Astra

بهبود چشمگیر در کدنویسی عامل‌محور، کار با رایانه و کارهای حرفه‌ای

با یک‌پنجم قیمت Astra (ورودی ذخیره‌شده در حافظه نهان فقط ۰.۱۰ دلار به ازای هر میلیون توکن)

بهترین نسبت عملکرد به هزینه در مدل‌های موجود
عملکرد نزدیک به Astra با قیمت Sol
بهترین انتخاب برای توسعه‌دهندگان با بودجه محدود

🟢 بنچمارک ها

🔴 کدنویسی
درDeepSWE v1.1: نزدیک به Astra با ۱/۵ هزینه، ۶.۴ واحد بیشتر از بهترین امتیاز قبلی GPT-6 Sol

🔴 بهبود در کارهای حرفه‌ای
درGDP.pdf: با کمتر از نصف هزینه، بالاتر از Opus 5.5
درAutomationBench: با ۱/۳ هزینه، ۲.۲ واحد بیشتر از Opus 5.5 و ۴.۸ واحد بیشتر از GPT-6 Sol

🔴 کار با رایانه
درOSWorld 2.0: با حداکثر تلاش، ۷ واحد بهتر از GPT-6 Sol و فقط ۲.1 واحد فاصله با Astra

🔴 پژوهش علمی
درTerminal-Bench Science 0.1: بیش از دو برابر امتیاز GPT-6 Sol با کمتر از نصف هزینه

🔴 صحت اطلاعات
ناخطای ۴.۱٪ (کاهش قابل توجه در پرامپت‌های دشایر)
عرضه امن

بهبود شفافیت و رعایت محدودیت‌ها نسبت به GPT-6 Sol

در دسترس برای کارهای روزانه و مقیاس‌پذیر

@TheDeepTech

کلا به صورت یک حالت نرمی اومدن بهینه کردن که با کمترین هزینه کار نزدیک به gpt 6 Astra رو انجام بده .

خطا هاش هم 4 درصد کمتر شده


قیمت هم 2 و 10 دلار هست .

بهترین اسکیل ها با برنامه opencode
اسکیل های caveman و ponytail باعث میشه خیلی خیلی استفاده از مدل ها ارزون بشه .

اسکیل superpower هم گرون تر میکنه اما خیلی خیلی پروژه رو قوی ترکار میکنه .

@TheDeepTech

مدل ling-3.1-flash
با 560b پارامتر و 25b فعا به صورت وزن باز که قرار هست متن بازشود .

در زمینه‌های کاری، کدنویسی و مراقبت‌های بهداشتی: ۱٬۶۷۳ الو در GDPVal-AA v2.1، ۷۵.۱۶ در FrontierSWE، و ۶۵.۳۵ در HealthBench Professional.

@TheDeepTech

https://x.com/Google/status/2105388143902175529

خبر داغ و فوری🔥🔥🔥🔥🔥🔥

به نظرتون محصول مسخره برند های معروف چی ها بودن(البته شاید من اینطوری فک میکنم 🤷‍♂)

این محصول جدید گوگل هست

http://blog.google/intl/ja-jp/products/android-chrome-play/gboard-2026

@TheDeepTech

#فان

دوستانی که صبح میرن سرکار ببینن .

@TheDeepTech

بنچمارک hulluciation مدل واقعا خیره کنندست

Text arena
البته باید دید تو coding چیکار میکنه

فعلا رو پنجمارک ها نمیشه زیاد حساب باز کرد
چون تو ایکس خیلی زردش میکنن

۳-۴ روز منتظر بمونید، بعدش همه چیز مشخص میشه

پشم ریزون ترین چیزی که از این مدل میدونیم، اینه که میتونه تا ۱ میلیون توکن جنریت کنه (بقیه مدل های فرونتیر، ۱۲۸k توکنی هستن)

خلاصه پست کارپاتی:

ما باید وقت بیشتری صرف فهمیدن خروجی‌های LLM کنیم. چند پیشنهاد عملی:

1. نوشتن تمیز: از مدل بخواه با زبان کنترل‌شده ASD-STE100 بنویسد (سبک خیلی واضح و خوانا).
2. نمودار و تصویر: به جای متن طولانی، نمودار بساز.
3. صفحه وب HTML: خروجی تعاملی و زیبا بخواه.
4. ویدیوی توضیحی: بهترین گزینه از نظر او — ویدیوهای سفارشی به سبک 3Blue1Brown (با صداگذاری).

نکته اصلی:
هرچه مدل‌ها قوی‌تر شوند، کار سخت را خودشان انجام می‌دهند و کار ما بیشتر به «نظارت و فهمیدن» تبدیل می‌شود. خود LLMها هم می‌توانند ابزارهای کمکی (اپ وب، ویدیو و غیره) بسازند که قبلاً ساختن‌شان منطقی نبود.

@TheDeepTech

مدل تصویر ساز Ideogram 4.5 منتشر شد ...

نقطه قوت اصلیش اینه که می‌تونی یک تصویر رو چندین بار ادیت کنی، بدون اینکه با هر تغییر، جزئیات تصویر به‌هم بریزه یا آرتیفکت و تغییر رنگ اضافه بشه.

توی تست‌های مقایسه‌ای خود Ideogram، مدل 4.5 بعد از چند مرحله ادیت همچنان تصویر رو تمیز نگه می‌داره، درحالی‌که خروجی بعضی مدل‌های رقیب بعد از چند ادیت افت محسوسی پیدا می‌کنه.

قیمت API هم بسته به Quality Mode از ۰.۸ سنت تا ۲۲ سنت برای هر تصویر اعلام شده.

فعلاً داخل Ideogram و API در دسترسه و نسخه Open Weights هم قراره منتشر بشه.

تحلیلش باشه با حسین ... 🫡

Vibe code❌
Vibe copy+paste✅

یه چیزی که خیلی وایب کدرا فراموش میکنن، observation هست
قاعدتا اگه انجامش ندید، باگ هم میگیرید