بایدو به تازگی Unlimited-OCR را منتشر کرده.

رایگان، وزن‌های باز، مجوز MIT.

چه کاری انجام می‌دهد؟

یک سند، عکس، اسکن، یا PDF کامل را به آن می‌دهید و به صورت متن تمیز و ساختارمند برمی‌گرداند.

جدول‌ها، فرمول‌ها، ترتیب خواندن، همه چیز.

این یکی برای بلعیدن یک PDF کامل در یک پاس ساخته شده، صفحه به صفحه، بدون از دست دادن رشته..

→ اسناد با متن، جدول‌ها و فرمول‌ها، در ساختار
→ چندصفحه‌ای و PDF پیوسته
→ چندزبانه
→ فقط ۳ میلیارد پارامتر: سبک، روی یک GPU معمولی اجرا می‌شود
→ و می‌توانید آن را محلی با vLLM، SGLang، Ollama یا LM Studio راه‌اندازی کنید

۴۴۰۰ لایک در Hugging Face. ۱.۲ میلیون دانلود ماه گذشته. MIT.

https://huggingface.co/baidu/Unlimited-OCR

@TheDeepTech

داغغغغغغغغ🔥🔥

متا مدل Muse Spark Open رو open weight داد بیرون

تحت لایسنس اختصاصی muse هست (نمیدونم چجوریاست، ولی حس میکم سخت گیره)

روی mac studio هم اجرا میشه

816 میلیارد پارامتر کل و 42 میلیارد پارامتر فعال

مولتی مودال (تصویر، ویدیو، صدا)

https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B

مدل کارت : https://research.meta.ai/static/muse-spark-open-evaluation-methodology

@TheDeepTech

ایلان ماسک تسلا و اسپیس ایکس و گروک رو میکس کرد این نتیجه شد که میبینید و معرفی شد .

نام خودرو : رودستر

@TheDeepTech

#فان

– بابا! امروز ۲ تا برنامه و ۳ تا داشبورد برنامه‌نویسی کردم.

– و چقدر قراره بهت بپردازن؟

– من به کلود پول دادم...

kling 4 به صورت عمومی عرضه شد.

مقایسه با seedance 2.5 میتونید در ویدیو ببینید .

@TheDeepTech

Hy-Memory-30B-A3B قرار نیست یک چت‌بات باشه، بلکه یک نویسنده حافظه بلندمدت اختصاصی هست.

این
🧠 مکالمات جدید / فعالیت عامل رو می‌خونه
🎯 تصمیم می‌گیره چی واقعاً ارزش به خاطر سپردن داره
📝 شواهد رو به خاطرات دقیق و پایدار تبدیل می‌کنه
🔄 خاطرات رو وقتی واقعیت‌ها تغییر می‌کنن به‌روزرسانی می‌کنه
🗑️ از ذخیره اطلاعات نامربوط اجتناب می‌کنه
💾 بانک حافظه پایدار رو حفظ می‌کنه

چرا؟
بدون حافظه پایدار، عامل شما یا:

یک سیستم حافظه به عامل شما یک ذخیره بلندمدت فشرده می‌ده که در طول جلسات دوام می‌آره.

Hy-Memory مدلیه که تصمیم می‌گیره چی شایسته ورود به اون ذخیره‌ست.

و امروزه سیستم‌های حافظه اغلب از یک LLM عمومی برای اون کار استفاده می‌کنن.

Tencent در عوض یک متخصص پراکنده رو به طور خاص برای اون آموزش داده.

و Tencent گزارش می‌ده که اون در اون وظیفه خاص، مدل‌های مرزی رو شکست میده

🏆 Hy-Memory-30B-A3B → 55.49
Claude Opus 5 → 54.62
DeepSeek V4.1 Flash → 53.64
Qwen3.6-35B-A3B → 50.37
EverMemOS رتبه #1 اونجا با 56.89.

مشخصات
🧠 30B کل
⚡ ~3B فعال/توکن
🔓 Apache 2.0
🏠 وزن‌های باز
⚙️ vLLM + SGLang
🔌 API سازگار با OpenAI

@TheDeepTech

با REA می‌تونید از ایجنت هوش مصنوعی بخواید بررسی کنه یک قابلیت در اپلیکیشن، سایت یا نرم‌افزار چطور کار می‌کنه و بعد نسخه مشابهی از اون رو بسازه؛ حتی وقتی کد منبع برنامه در دسترس نیست! 👀
🔹 بررسی اپلیکیشن‌ها، سایت‌ها و فایل‌های اجرایی
🔹 ردیابی توابع و ارتباط بین بخش‌های مختلف برنامه
🔹 کمک به بازسازی قابلیت‌های نرم‌افزاری
🔹 سازگار با Claude Code، Codex، Cursor و ابزارهای دیگه

🌐 وب‌سایت: https://rea.tools/
💻 گیت‌هاب: https://github.com/morluto/rea


یکی از دوستان من با همین ابزار تیم اسپیک مخصوص خودش رو درست کرده و در سرورش ران و کلاینت رو استفاده میکنه و ابزار هایی مثل اشتراک گذاری و راست دسک و نمایش فیلم و ... رو هم بهش اضافه کرده .

@TheDeepTech

دیپ‌سیک مدل جدید DeepSeek-V4.1-Flash-1017 را منتشر کرد.

این نسخه نسبت به قبل عملکرد بهتری در بنچمارک‌ها دارد، کارها را سریع‌تر انجام می‌دهد و خروجی‌های کوتاه‌تری تولید می‌کند (بهبود هم‌زمان عملکرد و هزینه). مدل الان روی وب‌سایت، اپ و API در دسترس است و برای ابزارهایی مثل DeepSeek Harness بهینه‌سازی شده.

علاوه بر این:
- مدل توانایی ساخت پروژه‌های کامل از صفر (مثل بازی و مدل‌سازی سه‌بعدی) را با یادگیری تقویتی بهبود داده است.
- APIهای Search و Fetch برای همه باز شده (هر ۱۰۰۰ فراخوانی ۰.۷۵ دلار؛ تا ۳۱ اکتبر ۲۰۲۶ برای برخی کاربران رایگان است).
- مدل به‌صورت متن‌باز روی Hugging Face و ModelScope منتشر شده است.

قیمت هم فرقی نکرده :

Input 0.15 $
Output 0.60 $
Cache 0.003 $

منبع : https://x.com/deepseek_ai/status/2111375640717033777

@TheDeepTech

یه زمانی «داده‌کاری» یعنی همون کار برچسب‌گذاری داده برای آموزش هوش مصنوعی، شغل بچه‌مدرسه‌ای‌ها و آدم‌های کم‌درآمد بود. ولی حالا ورق برگشته و پزشک‌ها و وکیل‌ها هم دارن می‌ریزن وسط. مثلاً یه رادیولوژیست ساعتی ۴۰۰ دلار درمی‌آره، یه وکیل حقوق مدنی هم همین حدود، مهندس فیزیک ۱۷۰ دلار و مهندس نرم‌افزار تا ۱۲۰ دلار. لینکدین هم نقش «حاشیه‌نویس داده» رو چهارمین شغل پررشد آمریکا معرفی کرده.

ماجرا اینه که شرکت‌ها دیگه از داده‌های عمومی اینترنت سیر شدن و دنبال داده‌های تخصصی و سفارشی‌ان. مثلاً از یه رادیولوژیست می‌خوان تصاویر قفسه سینه و قلب رو برچسب‌گذاری کنه، یا از یه وکیل می‌خوان قراردادهای پیچیده رو بررسی کنه. پلتفرم‌هایی مثل «Mercor» هم حسابی راه افتادن و ارزششون داره به ۲۰ میلیارد دلار می‌رسه.

ولی یه نکته‌ی مهم: بعضی از داده‌کارهای قدیمی می‌گن کارشون سخت‌تر شده و پیدا کردن پروژه سخت‌تر. از اون طرف، بعضی پژوهشگرها می‌گن این متخصص‌ها فقط «گیلاس روی کیک»ان و بیشتر بار داده‌کاری هنوز روی دوش کارگرهای کم‌دستمزدیه. یه نگرانی دیگه هم اینه که یه روز این متخصص‌ها با مدل‌هایی که خودشون آموزش دادن جایگزین بشن. جالب اینکه متا از بهار امسال نرم‌افزاری نصب کرده که کلیک‌ها و حرکت‌های ماوس کارمنداش رو ردیابی می‌کنه تا از کار روزمره‌شون داده‌ی آموزشی بسازه. یعنی کم‌کم هر کسی که با کامپیوتر کار می‌کنه، خودش یه معدن داده‌ست.

مطالعه کامل

@TheDeepTech

#fun #فان

@TheDeepTech