شرکت OpenAI از قابلیت جدیدی به نام «ChatGPT Agent» رونمایی کرده که می‌تونه بعضی از وظایف پیچیده رو به‌صورت خودکار و از ابتدا تا انتها انجام بده. این ایجنت طوری طراحی شده که فقط با یه درخواست ساده از طرف کاربر، خودش همه‌ی مراحل لازم رو انجام بده؛ مثلاً اگه ازش بخوای یه ارائه برای جلسه‌ی کاری آماده کنه، خودش می‌ره اطلاعات مربوط رو جمع می‌کنه، تحلیلشون می‌کنه و یه فایل پاورپوینت قابل ویرایش تحویلت می‌ده.

این ایجنت در واقع نسخه‌ی پیشرفته‌ای از ابزارهای قبلی OpenAI مثل Operator و Deep Researchه، که حالا همه‌ی قابلیت‌هاشون یک جا جمع شده. ایجنت می‌تونه توی صفحات وب بگرده، کلیک کنه، کد اجرا کنه، به ابزارهایی مثل تقویم و جیمیل وصل بشه و حتی با APIهای مختلف ارتباط بگیره. چیزی که این ویژگی رو خاص کرده، اینه که برای انجام خیلی از این کارها دیگه نیاز به مداخله‌ی مستقیم کاربر نیست، فقط کافیه هدفت رو مشخص کنی.

با این حال، OpenAI برای حفظ امنیت و کنترل کاربران یه‌سری محدودیت‌ هم در نظر گرفته. ایجنت قبل از انجام هر اقدام مهمی اجازه می‌گیره، همه‌ی کارهاش قابل پیگیری و متوقف شدنه و فعلاً اجازه‌ی انجام کارهای حساس مالی یا چیزهایی که خطر سوءاستفاده داشته باشه رو نداره. کاربر می‌تونه مسیر کارهایی که ایجنت انجام داده رو ببینه و هر لحظه جلوی اون رو بگیره.

فعلاً این قابلیت فقط برای تعداد محدودی از کاربران نسخه‌های Pro، Plus و Team فعال شده و قراره به‌زودی در دسترس کاربرهای Enterprise و Education هم قرار بگیره. اونایی که به این ابزار دسترسی پیدا کردن، می‌تونن از طریق گزینه‌ی جدیدی به اسم Agent Mode ازش استفاده کنن. وظایف انجام‌شده هم توی یه گزارش شفاف برای کاربر نمایش داده می‌شه.

واکنش‌ها نسبت به این ابزار جدید متفاوته. خیلی‌ها گفتن که بالاخره هوش مصنوعی داره از مرحله‌ی پاسخ‌گویی صرف عبور می‌کنه و تبدیل به یه دستیار واقعی می‌شه. اما بعضی‌ها هم گفتن ایجنت هنوز تو اجرای بعضی کارها کند یا ناپایداره و ممکنه گاهی کار رو درست نفهمه. با این حال، خود OpenAI هم تأکید کرده که این نسخه‌ی اولیه‌ست و توسعه‌اش به‌تدریج ادامه پیدا می‌کنه.

@aipulse24

شرکت OpenAI از دستیابی به یک پیشرفت چشمگیر در توانایی استدلال مدل‌های زبانی خودش در حل مسائل پیچیده ریاضی خبر داده؛ موفقیتی که می‌تونه یکی از جدی‌ترین گام‌ها در مسیر رسیدن به هوش مصنوعی عمومی (AGI) تلقی بشه. مدل آزمایشی OpenAI موفق شده در رقابت رسمی المپیاد جهانی ریاضی ۲۰۲۵، پنج مسئله از شش مسئله اصلی رو حل کنه و با کسب ۳۵ امتیاز از مجموع ۴۲، به سطح مدال طلا برسه. این اولین‌باریه که یک مدل هوش مصنوعی به چنین سطحی در یکی از دشوارترین آزمون‌های ریاضی جهان می‌رسه. تمام پاسخ‌ها به زبان طبیعی نوشته شدن، هیچ ابزاری استفاده نشده و داوری هم به‌صورت ناشناس توسط مدال‌آوران سابق IMO انجام شده.

نکته مهم اینجاست که برخلاف مدل‌هایی مثل AlphaGeometry که به‌طور خاص برای ریاضی طراحی شدن، مدل OpenAI یه مدل عمومی برای استدلال و زبان محسوب می‌شه و از هیچ روش مهندسی‌شده‌ای برای حل این مسائل استفاده نکرده. به گفته الکساندر وی، سرپرست تیم تحقیقاتی این پروژه، این دستاورد نتیجه به‌کارگیری تکنیک‌های جدید در یادگیری تقویتی عمومی و افزایش توان محاسباتی در زمان اجراست. نوآم براون، یکی دیگه از پژوهشگرهای OpenAI، هم تأیید کرده که این مدل بر پایه روش‌هایی آزمایشی ساخته شده و هنوز جای زیادی برای ارتقاء داره.

جری توورک، پژوهشگر دیگه OpenAI، گفته که این مدل هیچ آموزش اختصاصی برای IMO ندیده و تنها روی مدل پایه عمومی شرکت آموزش بیشتری دیده. او این موفقیت رو یه «پیشرفت واقعی تحقیقاتی» توصیف کرده که توسط تیم وی انجام شده و احتمال داده که نسخه‌ای از این مدل تا پایان سال منتشر بشه. به گفته توورک، همین سیستم یادگیری تقویتی، پشت چندتا از اعلام‌های اخیر OpenAI هم بوده؛ از جمله ایجنت جدید ChatGPT و مدلی که توی یک رقابت برنامه‌نویسی نزدیک‌ترین نتیجه رو به انسان‌ها گرفته.

زمان انتشار این خبر هم قابل توجهه. چند روز قبل، پلتفرم MathArena گزارش داده بود که مدل‌های زبانی معروف مثل Gemini 2.5 Pro، Grok-4، DeepSeek-R1 و حتی مدل‌های o3 و o4-mini متعلق به خود OpenAI، عملکرد بسیار ضعیفی در حل مسائل IMO داشتن و حتی به آستانه مدال برنز هم نرسیدن. این مدل‌ها در آزمون‌ها پر از خطاهای منطقی، راه‌حل‌های ناقص و حتی قضایای ساختگی بودن. در مقایسه با این نتایج، دستاورد OpenAI یه پاسخ مستقیم و پرقدرت به محدودیت‌های فعلی مدل‌های زبانیه.

‏OpenAI فعلاً برنامه‌ای برای انتشار عمومی این مدل نداره و تأکید کرده که این یه پروژه تحقیقاتی‌ه، نه یه محصول نهایی. با این حال، نوآم براون گفته که این فناوری در آینده می‌تونه به محصول تبدیل بشه و با توجه به سرعت پیشرفت، نسخه‌های بعدی حتی فراتر از این هم خواهند رفت. به گفته اون، این نتایج حتی برای کارکنان خود OpenAI هم غافلگیرکننده بوده و می‌تونن نقطه عطفی باشن که خیلی‌ها انتظارش رو تا چند سال دیگه داشتن.

@aipulse24

شرکت Runway ازAct-Two رونمایی کرده که نسخه پیشرفته‌تری از فناوری قبلی این شرکت یعنی Act-One به شمار می‌ره. این ابزار به کاربر اجازه می‌ده با ترکیب یک ویدیوی اجرا (شامل حرکت، حالت چهره و گفتار) با تصویر یا ویدیویی از یک شخصیت، خروجی‌هایی واقع‌گرایانه و متحرک تولید کنه. Act-Two برای تصویرهای شخصیت، به‌طور خودکار حرکات محیطی مثل لرزش دوربین رو اضافه می‌کنه و امکان کنترل حرکات بدن و دست‌ها از طریق ویدیوی اجرا رو هم فراهم کرده.

این ابزار از طریق نسخه وب در دسترسه و خروجی‌ها رو با نسبت‌های مختلف تصویری و نرخ فریم ۲۴ فریم بر ثانیه تولید می‌کنه. هزینه استفاده از Act-Two برابر با ۵ کردیت به ازای هر ثانیه و با حداقل زمان ۳ ثانیه (۱۵ کردیت) تعیین شده. کاربران می‌تونن تنظیماتی مثل شدت حالت‌های چهره و فعال یا غیرفعال بودن کنترل حرکات بدن رو هم پیش از تولید مشخص کنن. به‌گفته Runway، این ابزار در کنترل دقیق‌تر ژست‌ها، پشتیبانی از شخصیت‌های غیرانسانی و ترکیب سبک‌های متنوع، نسبت به نسخه قبلی خودش پیشرفت قابل توجهی داشته.

@aipulse24

گوگل در تازه‌ترین به‌روزرسانی اپلیکیشن Gemini، قابلیت جدیدی به نام Deep Think رو برای کاربران پلن «Google AI Ultra» فعال کرده؛ مدلی پیشرفته که توانایی حل مسائل پیچیده علمی و ریاضی رو داره.

این نسخه از مدل Gemini 2.5، با استفاده از روش «تفکر موازی» می‌تونه هم‌زمان چند ایده مختلف رو بررسی و اصلاح کنه و در نهایت به راه‌حل بهینه برسه. جالبه بدونید نسخه کامل این مدل در رقابت‌های المپیاد جهانی ریاضی (IMO) موفق به کسب مدال طلا شده و حالا نسخه سریع‌تر و کاربردی‌ترش در اختیار عموم کاربران حرفه‌ای قرار گرفته.

بر اساس ارزیابی‌های داخلی گوگل، Deep Think توی حل مسائل کدنویسی پیچیده، کشف فرضیات ریاضی، و توسعه مرحله‌ای طراحی و محصول عملکرد چشم‌گیری داشته و در بنچ‌مارک‌هایی مثل LiveCodeBench V6 و Humanity’s Last Exam نتایج خوبی کسب کرده.

این قابلیت فعلاً با محدودیت تعداد درخواست روزانه در دسترس کاربران Ultra هست و به‌زودی از طریق API برای توسعه‌دهنده‌ها هم ارائه می‌شه. گوگل می‌گه این تنها شروع مسیریه که قراره مرزهای تفکر مصنوعی رو جابه‌جا کنه.

@aipulse24

شرکت OpenAI امروز دو مدل جدید با وزن‌های باز و قابلیت استدلال پیشرفته معرفی کرده که از نظر عملکرد نزدیک به مدل‌های سری o این شرکت هستن. این مدل‌ها با نام‌های gpt-oss-120b و gpt-oss-20b عرضه شدن و مدل کوچک‌تر این مجموعه برای اجرا روی یک GPU انویدیا یا حتی لپ‌تاپ‌های معمولی با ۱۶ گیگابایت رم بهینه شدن. هر دو مدل به‌صورت رایگان از طریق پلتفرم Hugging Face قابل دانلود هستن و این اولین‌بار از زمان انتشار GPT-2 در سال ۲۰۱۹ هست که OpenAI یک مدل زبانی باز منتشر می‌کنه.

‏OpenAI گفته این مدل‌ها می‌تونن وقتی توان انجام یک وظیفه خاص رو ندارن، درخواست رو به مدل‌های قدرتمندتر و غیر باز خودش در فضای ابری بفرستن. این تصمیم در حالی گرفته شده که این شرکت طی سال‌های اخیر بیشتر به سمت مدل‌های بسته حرکت کرده بود. فشار روزافزون از طرف آزمایشگاه‌های هوش مصنوعی چین مثل DeepSeek، Qwen و Moonshot AI، و همچنین درخواست اخیر دولت آمریکا برای متن‌باز کردن بخشی از فناوری‌ها، از دلایل مهم این تغییر مسیر عنوان شده.

در آزمون Codeforces، مدل gpt-oss-120b امتیاز ۲۶۲۲ و مدل gpt-oss-20b امتیاز ۲۵۱۶ رو کسب کرده که بهتر از DeepSeek R1 اما ضعیف‌تر از مدل‌های o3 و o4-mini بوده. توی آزمون Humanity’s Last Exam هم این دو مدل به‌ترتیب ۱۹٪ و ۱۷.۳٪ امتیاز گرفتن. با این حال، نرخ خطا یا «هذیان‌گویی» این مدل‌ها بالاست و در سنجش PersonQA به ۴۹٪ و ۵۳٪ رسیده که بیش از سه برابر مدل o1 هست.

‏OpenAI گفته فرآیند آموزش این مدل‌ها شبیه مدل‌های اختصاصی خودش بوده و از معماری mixture-of-experts و یادگیری تقویتی با محاسبات سنگین استفاده کرده. این مدل‌ها قابلیت فراخوانی ابزارهایی مثل جستجوی وب یا اجرای کد پایتون رو دارن، ولی صرفاً متنی هستن و نمی‌تونن تصویر یا صوت رو پردازش کنن. انتشارشون تحت مجوز آزاد Apache 2.0 انجام شده که به شرکت‌ها اجازه می‌ده بدون هزینه برای مقاصد تجاری ازشون استفاده کنن، ولی داده‌های آموزشی اون‌ها منتشر نمی‌شه.

‏OpenAI عرضه این مدل‌ها رو چندین بار به دلیل بررسی‌های ایمنی عقب انداخته بود. آزمایش‌ها نشون داده هرچند gpt-oss کمی توانایی در حوزه‌های زیستی پیدا می‌کنه، اما به آستانه خطر بالا در این زمینه‌ها نمی‌رسه. با این حال، بازار مدل‌های باز به‌زودی با عرضه DeepSeek R2 و مدل تازه Meta رقابتی‌تر می‌شه.

اگر حوصله اجرای لوکال این مدل‌هارو ندارید از طریق وبسایت gpt-oss.com میتونید این مدل هارو امتحان کنید.

@aipulse24

از امروز می‌تونید با اپ جمنای، کتاب‌های داستانی تصویری و شخصی‌سازی‌شده بسازید؛ با روایت صوتی و تصویرسازی اختصاصی. فقط کافیه داستانی که توی ذهنتونه رو توصیف کنید تا جمنای یه کتاب ده‌صفحه‌ای با تصویر و صدای منحصر‌به‌فرد بسازه. حتی می‌تونید از عکس‌ها و فایل‌های شخصیتون هم استفاده کنید تا داستان‌ها حال‌وهوای واقعی‌تری بگیرن.

سبک تصویرسازی هم کاملاً به انتخاب شماست، از پیکسل‌آرت و کمیک گرفته تا استاپ‌موشن، عروسکی، یا حتی کتاب رنگ‌آمیزی، و همه اینا در بیش از ۴۵ زبان مختلف در دسترسه. می‌تونید برای بچه‌تون یه داستان آموزنده بسازید، با شخصیت اصلی‌ای که بچه‌تون دوستش داره. یا مثلاً یه داستان درباره منظومه شمسی که برای یه کودک ۵ ساله قابل فهم باشه. حتی نقاشی بچه‌تون رو آپلود کنید تا جمنای براش یه داستان تخیلی بسازه.

@aipulse24