کلودفلر از قابلیتی تازه به نام Pay Per Crawl رونمایی کرده که به صاحبان محتوا اجازه می‌ده تا در ازای دسترسی خزنده‌های هوش مصنوعی به محتوای خودشون، پول دریافت کنن. این قابلیت که فعلاً به‌صورت آزمایشی و خصوصی در دسترس قرار گرفته، یه راه‌حل میان‌بر برای مسئله‌ایه که مدت‌هاست ناشران و تولیدکنندگان محتوا باهاش درگیرن: یا باید همه‌چیز رو رایگان در اختیار مدل‌های هوش مصنوعی بذارن، یا کامل جلوی دسترسی اون‌ها رو ببندن.

ایده‌ی کلیدی اینه که دیگه لازم نباشه همه‌چیز صفر و یکی باشه. اگه یه خزنده بخواد محتوایی رو ایندکس کنه، می‌تونه درخواستش رو با هدر مخصوص و اعلام آمادگی برای پرداخت بفرسته و اگه قیمت از طرف ناشر مشخص شده باشه، با پرداخت اون مبلغ به محتوا دسترسی پیدا می‌کنه. اگرم پرداختی صورت نگیره، سرور یه پاسخ HTTP 402 (که قبلاً تقریباً هیچ‌وقت استفاده نمی‌شد) برمی‌گردونه و خزنده از قیمت مطلع می‌شه. کلودفلر توی این فرآیند نقش واسط مالی رو هم بازی می‌کنه.

ناشرها اختیار کامل دارن که برای هر خزنده تصمیم بگیرن: اجازه‌ی رایگان بدن، هزینه دریافت کنن یا دسترسی رو به‌طور کامل ببندن. حتی اگه خزنده‌ای حسابی توی کلودفلر نداشته باشه، باز هم می‌شه به‌صورت مشروط ازش پول خواست، که این عملاً مثل بلاک کردنه اما با امکان مذاکره‌ی آینده. همچنین امکان تعریف قیمت ثابت برای کل سایت، یا اعمال استثنا برای بعضی خزنده‌ها هم وجود داره.

کلودفلر می‌گه این فقط قدم اوله. در آینده، این مدل می‌تونه به زیرساختی برای «دیوار پرداختی عامل‌محور» تبدیل بشه؛ جایی که مثلاً یه دستیار هوشمند بتونه برای پیدا کردن بهترین منابع درباره سرطان یا تحلیل یه قرارداد حقوقی، خودش به‌صورت خودکار بودجه خرج کنه و بهترین نتایج رو بخره. این یعنی یه گام مهم به سمت اینترنتی که توش محتوا، ارزش‌گذاری و کنترل دست تولیدکننده‌هاست، نه خزنده‌های بی‌نام و نشان.

@aipulse24

گوگل دیپ‌مایند از مدل هوش مصنوعی جدیدی به نام AlphaGenome پرده برداشته که می‌تونه نحوه عملکرد و تأثیر جهش‌های ژنتیکی رو با دقت بی‌سابقه‌ای پیش‌بینی کنه. این مدل، قدم بزرگی در مسیر رمزگشایی از نحوه خوانده شدن دستورات ژنتیکی سلول‌هاست؛ یعنی همون دستورالعمل‌هایی که بدن رو شکل می‌دن، رشد می‌دن یا حتی باعث بیماری می‌شن.

‏AlphaGenome برخلاف مدل‌های قبلی، می‌تونه تا یک میلیون حرف DNA رو به‌صورت هم‌زمان پردازش کنه و هزاران ویژگی مولکولی رو برای هر توالی پیش‌بینی کنه. این یعنی پژوهشگران دیگه لازم نیست برای بررسی هر ویژگی ژنتیکی از یک مدل جداگانه استفاده کنن. با یه API ساده، می‌تونن تأثیر جهش‌های ژنتیکی رو روی فرآیندهای مختلف مثل شروع یا پایان ژن‌ها، میزان RNA تولیدشده یا محل اتصال پروتئین‌ها بررسی کنن.

این مدل بر پایه معماری Enformer ساخته شده و نسبت به اون، دقت و کارایی بیشتری داره. یکی از ویژگی‌های برجسته‌ی AlphaGenome، توانایی پیش‌بینی دقیق جهش‌هایی‌یه که باعث بیماری‌های نادر می‌شن؛ مثل جهش‌هایی که روی فرآیند splice شدن RNA تأثیر می‌ذارن. این نوع تحلیل تا حالا با هیچ مدل دیگه‌ای ممکن نبوده.

در آزمایش‌های مختلف، AlphaGenome تونسته در ۲۲ مورد از ۲۴ معیار پیش‌بینی توالی DNA، بهترین عملکرد رو در مقایسه با مدل‌های موجود داشته باشه. این موفقیت، اون رو به یک ابزار عمومی قدرتمند تبدیل می‌کنه که می‌تونه در تحقیقات بنیادی، زیست‌فناوری و بررسی بیماری‌ها مثل سرطان و اختلالات نادر ژنتیکی نقش بزرگی داشته باشه.

گرچه AlphaGenome هنوز محدودیت‌هایی هم داره، مثل پیش‌بینی دقیق اثر عناصر تنظیم‌کننده‌ی خیلی دور در توالی DNA؛ اما DeepMind قول داده که مدل رو بهبود بده و با جامعه علمی تعامل داشته باشه. این مدل در حال حاضر به‌صورت پیش‌نمایش و فقط برای اهداف غیرتجاری از طریق API قابل استفاده‌ست.

گوگل می‌گه این مدل می‌تونه نقش مهمی در توسعه درمان‌های جدید، طراحی DNA مصنوعی هدفمند و درک عمیق از عملکرد ژن ها داشته باشه.

@aipulse24

ایلان ماسک چهارشنبه شب از مدل جدید هوش مصنوعی شرکت xAI با نام Grok 4 رونمایی کرد؛ مدلی پیشرفته که با هدف رقابت با ChatGPT و Gemini طراحی شده.

‏xAI همزمان اشتراک ماهانه‌ی جدیدی با عنوان SuperGrok Heavy معرفی کرده که ۳۰۰ دلار قیمت داره و فعلاً گرون‌ترین پلن بین همه‌ی شرکت‌های هوش مصنوعیه. Grok که حالا به طور عمیق‌تری با شبکه‌ی اجتماعی X (توئیتر سابق) ادغام شده، قابلیت تحلیل تصویر و پاسخ به سوالات مختلف رو داره.

مدل جدید در دو نسخه منتشر شده: Grok 4 و نسخه‌ی قوی‌ترش Grok 4 Heavy که عملکرد چندعامله داره. به‌گفته‌ی ماسک، این نسخه مثل یه گروه مطالعه عمل می‌کنه و چند مدل به‌صورت موازی روی یه مسئله کار می‌کنن و در نهایت بهترین پاسخ رو ارائه می‌دن. بنچمارک‌ها نشون میدن که Grok 4 توی آزمون Humanity’s Last Exam امتیاز ۲۵.۴ درصد گرفته که از مدل‌های رقیب مثل Gemini 2.5 Pro و o3 بهتره، و نسخه Heavy این مدل با ابزار تونسته به امتیاز ۴۴.۴ درصد برسه.

اما معرفی Grok 4 در شرایطی انجام شد که شرکت با یه بحران بزرگ روبه‌رو بوده. چند روز پیش، اکانت رسمی Grok توی X با انتشار پست‌هایی یهودستیزانه و تحسین‌آمیز نسبت به هیتلر جنجالی شد. این اتفاق باعث شد xAI اون بخش از دستورالعمل مدل رو که بهش اجازه‌ی اظهارنظرهای "غیرسیاسی‌کارانه" می‌داد حذف کنه. با این حال، توی مراسم معرفی، ماسک و مدیرای شرکت درباره‌ی این حواشی سکوت کردن و تمرکز رو گذاشتن روی قدرت فنی مدل جدید.

‏xAI گفته که به‌زودی Grok 4 رو از طریق API در اختیار توسعه‌دهنده‌ها می‌ذاره و در ماه‌های آینده قراره چند محصول دیگه مثل مدل کدنویسی (آگوست)، عامل چندحالته (سپتامبر) و مدل تولید ویدیو (اکتبر) هم معرفی بشن. هرچند عملکرد Grok روی کاغذ چشم‌گیره، اما اینکه آیا شرکت‌ها حاضرن با وجود این حواشی ازش استفاده کنن یا نه، هنوز مشخص نیست.

@aipulse24

شرکت Moonshot AI از مدل اوپن سورس جدید خودش به اسم Kimi K2 رونمایی کرده؛ یه مدل قدرتمند با ساختار Mixture-of-Experts که توی هر بار استفاده، ۳۲ میلیارد پارامتر فعال داره و در مجموع، به عدد خیره‌کننده‌ی ۱ تریلیون پارامتر می‌رسه. Kimi K2 نه‌تنها توی تسک‌هایی مثل دانش عمومی، ریاضیات و برنامه‌نویسی عملکرد درخشانی داره، بلکه برای انجام وظایف عامل‌محور (agentic tasks) هم بهینه‌سازی شده؛ یعنی فقط جواب نمی‌ده، خودش می‌فهمه باید چی کار کنه و اجراش می‌کنه. Moonshot دو نسخه از این مدل رو منتشر کرده: نسخه‌ی Base برای پژوهشگرها و توسعه‌دهنده‌هایی که می‌خوان مدل رو به دلخواه خودشون تغییر بدن، و نسخه‌ی Instruct که برای استفاده‌ی آماده در تجربه‌های چت و اجرای وظایف طراحی شده.

یکی از ویژگی‌های جالب Kimi K2 اینه که فقط به سؤال‌ها جواب نمی‌ده، بلکه می‌تونه خودش از ابزارها استفاده کنه و یه پروژه رو تا انتها ببره جلو. توی یه نمونه تحلیل داده، Kimi K2 با استفاده از ۱۶ مرحله‌ی کدنویسی در IPython، داده‌های حقوق سال‌های ۲۰۲۰ تا ۲۰۲۵ رو بررسی کرده و تأثیر «نسبت دورکاری» روی حقوق رو توی سطوح مختلف تجربه‌ی شغلی تحلیل کرده. این مدل نه‌تنها تحلیل آماری انجام داده و نمودار ساخته، بلکه در نهایت یه وب‌سایت کامل با شبیه‌ساز تعاملی ساخته که کاربر می‌تونه اطلاعات خودش رو وارد کنه و ببینه دورکاری براش خوبه یا نه.

از لحاظ فنی، Kimi K2 توی بنچمارک‌های مهمی مثل LiveCodeBench، OJBench، SWE-bench و AIME، عملکرد فوق‌العاده‌ای داشته و تونسته بعضی از مدل‌های بزرگ دیگه مثل GPT-4، Claude 4 و Gemini 2.5 رو پشت سر بذاره یا باهاشون رقابت کنه. این مدل به‌ویژه توی وظایف عامل‌محور، عملکردی داره که باعث شده توی دسته‌ی non-thinking models به یکی از بهترین‌ها تبدیل بشه.

‏Kimi K2 با یه بهینه‌ساز جدید به اسم MuonClip آموزش دیده؛ نسخه‌ی پیشرفته‌تر Muon که از تکنیکی به اسم qk-clip استفاده می‌کنه تا مشکل ناپایداری آموزش رو حل کنه. این مدل با بیش از ۱۵.۵ تریلیون توکن آموزش دیده و تیم Moonshot برای افزایش هوشمندی مدل، از داده‌سازی وسیع عامل‌محور و یادگیری تقویتی عمومی استفاده کرده. این یادگیری باعث شده مدل بتونه حتی برای کارهایی که معیار مشخصی ندارن (مثل نوشتن گزارش یا مدیریت ابزارها) هم تصمیم‌گیری کنه.

‏Kimi K2 از امروز روی وب‌سایت kimi.com در دسترس عموم قرار گرفته و کاربران می‌تونن به‌صورت رایگان ازش استفاده کنن. نسخه‌ی API هم ارائه شده که با استانداردهای OpenAI و Anthropic سازگاره و برای ساخت اپ‌های عامل‌محور قابل استفاده‌ست. هنوز ورودی تصویری به این مدل اضافه نشده و گاهی ممکنه توی تسک‌های پیچیده خروجی ناقص بده، ولی Moonshot وعده داده این محدودیت‌ها توی نسخه‌های بعدی برطرف می‌شن.

@aipulse24