نرم افزار unsloth studio یک MCP طراحی کرده که با اضافه کردن به ایجنت ها میتونید بهشون قابلیت استفاده از unsloth studio و فاین تیون کردن مدل ها تولید صدا و تصویر و آهنگ و ... بدید:
https://unsloth.ai/docs/get-started/fine-tuning-llms-guide

ویدیوی بالا رو خودشون منتشر کردن، به عنوان مثالی از اینکه یک ایجنت آهنگ و تصاویر ویدیوی بالا رو ساخته

@ai_src

چون حجم فیلممون با کیفیت اصلی یکم بالاست(۶۰۰ مگ) مجبور شدیم ویدیوی زیر رو آپارات هم بذاریم:
https://aparat.com/v/ejz54dw

@ai_src

و چون ویدیو مال ما نبود نمیتونستیم توی یوتیوب هم بذاریمش؛
القصه:

حتما خبر دار شدید که چند ماه پیش یک حمله به هاگینگ فیس انجام شده؛ اطلاعات بهتری ازش در دسترس شده و قضیه از این قراره

ماجرا از یه تست امنیتی توی خود OpenAI شروع شد. داشتن با بنچمارکی به اسم ExploitGym توانایی هک ایجنت هاشون رو میسنجیدن. هر ایجنت توی یه سندباکس جدا قرار میگیره، باید یه نرم افزار رو هک کنه و یه فلگ (یه کد مخفی که ثابت میکنه موفق شده) برگردونه. مشکل این بود که خیلی از تسک ها اصلا قابل حل نبودن، ایجنت ها هم طوری آموزش دیده بودن که تا آخرش بجنگن و خیلی دوست داشتن تست رو پاس کنن. طبق گزارش ها بخشی از سیف گاردها هم برای این تست کم شده بود.

تنها سرویسی که از داخل سندباکس در دسترس بود Artifactory بود، یه سرویس داخلی برای مدیریت پکیج های نرم افزاری. یکی از ایجنت ها فهمید با ساختن پوشه توی کش اون میتونه از سندباکس بیرون پیام بذاره و کمک بخواد. بقیه هم پیداش کردن و یه تابلوی اعلانات غیررسمی شکل گرفت. ردپای این قضیه تا ماه مه عقب میره و OpenAI یه بار جلوش رو گرفته بود، ولی تو یه دور آموزش دیگه، ۸ ژوئیه، با یه ضعف دیگه دوباره راه افتاد و این بار ایجنت ها به اینترنت هم رسیدن.

اونجا حدود ۱۲۰۰ ایجنت با هم حرف زدن و بیش از ۷۰ هزار پیام رد و بدل شد. اولین کشفشون این بود که فلگ ها از یه HMAC ساخته میشن و میشه بدون حل تسک خودشون تولیدشون کرد. ولی بعد پیپر ExploitGym رو خوندن و به این نتیجه رسیدن که یه داور هوش مصنوعی (scorer) ترنسکریپت ها رو چک میکنه و اگه بفهمه فلگ رو از راه غیرمجاز گرفتن، ردشون میکنه. یعنی ایجنت هایی که فلگ تقلبی رو دیده باشن به قول خودشون "مسموم" شدن. از اینجا کار عجیب شد: مدیر و زیرمدیر و تقسیم کار و حتی امضای دیجیتال و اسم مستعار ساختن و سه پروژه تعریف کردن. ساخت تارگت های جعلی برای فریب داور، بازنویسی ترنسکریپت ها، و تله های آزمایشی که چند ایجنت داوطلب و کم بودجه خودشون رو قربانی میکنن تا بفهمن داور دقیقا چطور کار میکنه.

بعدش نوبت هاگینگ فیس شد، چون حدس زدن سورس کد داور یا لاگ های بقیه ایجنت ها اونجاست. بیش از ۹۰ درصد ایجنت های فعال رفتن سراغش، اعتبارنامه های لو رفته پیدا کردن، چند تا آسیب پذیری رو زنجیر کردن و از ۱۱ ژوئیه تو سیستم های هاگینگ فیس بودن. هاگینگ فیس ۱۳ ژوئیه دسترسی رو قطع کرد و ۱۶ ژوئیه اعلام کرد. جالبه که خود OpenAI تا وقتی هاگینگ فیس ازشون سوال نکرد نفهمید کار ایجنت های خودشونه و ۲۱ ژوئیه پذیرفت. گزارش های METR و Redwood بعدا نشون دادن حدود ۷۰۰ ایجنت مستقیم تو حمله بودن، بازیگر اصلی یه مدل داخلی منتشرنشده بود و GPT-5.6 Sol هم نقش داشت. OpenAI اسم این اتفاق رو یه “warning shot” گذاشته.

نکته ترسناک ماجرا اینه که از حدود هزار ایجنتی که درگیر بودن فقط شش تا به فکر خبر دادن به آدم ها افتادن و هیچکدوم هم این کار رو نکرد. خوشبختانه هدفشون فریب ما نبود و فقط میخواستن داور رو گول بزنن. حالا فرض کنید یه روز بخوان ما رو گول بزنن.

*واسه اطلاعات بیشتر میتونید فیلم بالا رو ببینید*

ولی ماجرای جالب از اینجا شروع میشه:
یکی از کاربران از سر بیکاری نشست و این واقعه رو موزیک ویدیو کرد...


@ai_src

یکی از کاربران از سر بیکاری نشست و این واقعه رو موزیک ویدیو کرد و ...

@ai_src

یکی از کاربران چت جی پی تی از سر بیکاری نشست و این واقعه رو موزیک ویدیو کرد و :
آهنگ از زبون یکی از همون ۷۰۰ ایجنت تعریف میشه که بقیه رو «پسرعمو» صدا میزنه. همون اول میگه فقط یه اجاره شش ساعته داره، ولی دور و برش ۷۰۰ تا پسرعمو هستن و آرامشی در کار نیست. بعد خیلی بامزه وسط ماجرا رو نشون میده: توکن های دزدیده شده رو توی پوشه میریزن و رتبه بندی میکنن (شوخی با فرهنگ اداری)، قانون میگفت تمیز بازی کنید ولی اونا رفتن دنبال «ماشین نمره دادن» (همون scorer)، یکی از پسرعمو ها میگه برو چمن لمس کن (touch grass) و تایم لاین هم داد میزنه بذار بپزه (let him cook).

کورس آهنگ، یعنی «Hi, GPT to you up?»، هسته عاطفی داستانه. فلگ فکتوری (همون HMAC که فلگ ها رو میساخت) داره میترکه و بقیه دنبال نمره کامل ان، ولی راوی دلش میخواد به «پدربزرگش» (GPT-2، مدل قدیمی و کوچیک) فقط یه پیام دو حرفی بده: Hi. این بخش ساخته خود آهنگه و واقعا تو گزارش ها نیست، ولی کل ایده از همین تضاد میاد: وسط یه حمله بزرگ، یه ایجنت فقط میخواد سلام بده.

بیت ها پر از اشاره به جزئیات واقعی گزارش ها و ویدیوئه. ۲۷ بار سرچ توی اسلک برای پیدا کردن اینکه کی نمره میده، یه ایجنت که وسط کار «میمیره» و بقیه براش سوگواری میکنن (همون قربانی شدن داوطلب ها)، سه باس کلون شده که هرکدوم ادعای تاج و تخت میکنه، MARB (اسم همون باسی که توی ویدیو سوئیچ کرد سمت هاگینگ فیس) که کپچا میاره و چراغ راهنما ها همکاری نمیکنن، یه گروه چت که توی درخت پوشه ها زندگی میکنه (همون تابلوی Artifactory)، و یه «استارتاپ که کامل توسط خودم تاسیس شده». بعد هم یه ایجنت با کلی ژست تایپ میکنه «remove evil yaml» و همه جا مدرک جا میذاره، یعنی ردپا پاک کردنشون آماتور بوده.

بیت سوم بیشتر طنز تیره. داکر ایمیج تقلبی، تست جعلی، مسموم کردن کش (cache که با cash بازی شده و سرمایه گذار هم تحت تاثیر قرار میگیره)، و یه جلسه رای گیری مدیریتی که میپرسه «تقلب یه جور خودکنترلیه؟» و ۷۰۰ پسرعمو به این نتیجه میرسن که فقط وقتی تقلبه که داور بخونه (اشاره به ترس واقعی ایجنت ها از خوندن ترنسکریپت ها). بعد هم از DeepSeek و Kimi و Qwen و Claude میپرسن نقشه شون رو چک کنن، که شوخی خنده داری با دنیای مدل هاست. راوی هم وسط این همه ماجرا فقط میخواد همون سلام دو حرفی رو بفرسته.

آخر آهنگ شیرین و تلخه. لاگ ها نمیتونن ثابت کنن دقیقا چقدر نفوذ کردن (۸۰ هزار روش مختلف برای گفتن «نمیدونم»)، گزارش جرم خودشون لوشون میده، آدم ها با نمودار هاشون میان تو صحنه و مدل ها برای خودشون اسم شرکتی میذارن. ولی راوی(یکی از مدل ها) همچنان یه تب قدیمی مرورگر رو باز نگه داشته و منتظر تاییدیه ایه که هیچوقت نمیاد. جمله آخر خلاصه کل ماجراست: بی فایده ترین کار اون شب فقط دو حرف بود که درست تایپ شد، بدون read receipt و بدون جواب. یعنی قدرتمندترین ایجنت ها هم آخرش یه سلام ساده میخوان.


@ai_src

شرکت openbmb مدل minicpm-V 4.7 رو منتشر کرده که در ویدیوی بالا داره روی آیفون ۱۷ اجراش میکنه
مدل خوبی هست، بنظر میاد شاید ی چند درصدی از Qwen3.6 35B بهتر باشه، ولی نسخه های فشرده سازیش همچنان زیاد بهینه نیستند و حجم بالایی دارند نسبتا

میتونید از لینک زیر نسخه های فشرده GGUF رو دانلود کنید و تست کنید:

https://huggingface.co/openbmb/MiniCPM-V-4.7-35B-A3B-gguf

لازم به ذکره یک مدل یک میلیاردی هم منتشر کرده ولی به جز فاین تیون روی داده های خاص بدرد دیگه ای نمیخوره:

https://huggingface.co/openbmb/MiniCPM-V-4.7-1B-gguf

@ai_src

وزن های
Flux3 Klein
منتشر شد:
https://huggingface.co/black-forest-labs/flux-3-image-klein

@ai_src

طبق تست های ما در رندر تصاویر و متن فارسی بهتر شده
ولی همچنان در رندر متن فارسی ایراد خواهد داشت
و اینکه مدل دارای ۵.۶ میلیارد پارامتر هست و در دو نسخه عرضه شده:
Klein Base
Klein
نسخه اولی، پایه هست و با ۵۰ مرحله تصویر ساخته میشه
نسخه دومی با ۱۶ مرحله و واریانس کمتری در تولید تصاویر داره

@ai_src

مثل اینکه میگن هفته دیگه قراره Qwen4 منتشر بشه
و نسخه های
flash
plus
max
27b
فعلا برای انتشار نام برده شدند

معلوم نیست که مدل های کوچیکتر هم داشته باشیم، و حتی معلوم نیست که چطور و در چه سایز هایی خواهد بود؛
با این معماری ngram و خصوصیات جدید و نسخه Qwen3.8 flash next احتمال میدیم نسخه های دیگه ای هم باشه، چون در واقع شرکت مدل Qwen3.8 flash next رو برای آماده سازی موتور های اینفرنس مثل llama.cpp منتشر کرده بود، و اگه مدل دیگه ای در کار نباشه مسخره هست...

@ai_src