کاپیتان کد | برنامه‌نویسی و هوش مصنوعی
254 subscribers
122 photos
1 video
108 links
آموزش و اخبار برنامه‌نویسی، هوش مصنوعی و تکنولوژی 💻
معرفی ابزارهای توسعه، Laravel و سرویس‌های AI
🌐 captaincode.tech
💻 @captain_code
Download Telegram
🚨 ‏PHP امروز آپدیت امنیتی اضطراری می‌ده؛ دو باگ critical که سرورت رو تهدید می‌کنه!

تیم امنیتی PHP اعلام کرده امروز ساعت ۱۴:۰۰ UTC (۱۷:۳۰ به وقت تهران) نسخه‌های امنیتی جدید رو منتشر می‌کنه تا دو آسیب‌پذیری critical با امتیاز CVSS 9.2 رو ببنده. طبق watchTowr و CERT-EU این دو باگ (CVE-2026-109618 و CVE-2026-109619) از نوع اجرای کد از راه دور (RCE) هستن و اطلاعاتشون زودتر از موعد لو رفته.


اگه پروژه‌ی لاراولی، وردپرسی یا هر سایت PHP روی سرور داری، از همین الان برنامه‌ی آپدیت رو بچین و عصر که نسخه‌ها اومد سریع آپدیت کن؛ لیست نسخه‌های آسیب‌پذیر و اصلاح‌شده رو خود PHP همراه انتشار اعلام می‌کنه. خاموش کردن session.upload_progress.enabled هم به‌عنوان راه موقت دست‌به‌دست می‌شه، ولی رسمی نیست و جای آپدیت رو نمی‌گیره.

🔗 اطلاعیه رسمی PHP

اگه روزت با کد زدن و اخبار جدید AI می‌گذره، جات اینجاست 👇
🆔 @captaincode_tech
❤7👍2🔥1👀1
🧩 ‏Vite manifest not found روی سرور، ولی روی local همه‌چیز اوکیه؟ کدت سالمه، build به سرور نرسیده!

لاراول توی production فایل public/build/manifest.json رو می‌خونه. ولی .gitignore پیش‌فرض لاراول /public/build رو کنار می‌ذاره؛ پس اگه deploy‌ت فقط git pull باشه، build هیچ‌وقت با کد نمیاد.


توی مقاله‌ی جدید کاپیتان کد سه راه build رو قدم‌به‌قدم آوردیم: روی VPS، توی GitHub Actions با artifact و جابه‌جایی بدون downtime، و build روی سیستم خودت برای هاست اشتراکی بدون Node.
فرقش با فایل جامونده‌ی public/hot و خطای «Unable to locate file in Vite manifest»، نکته‌های Docker و Octane، نسخه‌ی Node لازم برای Vite 7 و 8 و یه چک‌لیست deploy هم داخلشه 🚀

🔗 رفع خطای Vite manifest not found در لاراول

رأیت رو تو نظرسنجی پایین بده (می‌تونی چندتا گزینه بزنی)

اگه روزت با کد زدن و اخبار جدید AI می‌گذره، جات اینجاست 👇
🆔 @captaincode_tech
❤7👀1
🪨 ‏Flint اومد: مدل کدنویسی اوپن‌سورسی که روی لپ‌تاپ خودت اجرا می‌شه!

استارتاپ Recursive اولین مدلش یعنی Flint رو با لایسنس Apache 2.0 روی Hugging Face منتشر کرد: یه مدل MoE با ۳۹٫۸ میلیارد پارامتر که برای هر توکن فقط حدود ۲٫۵ میلیاردش فعاله، با کانتکست ۲۶۲ هزار توکنی و امتیاز ۷۴٫۲٪ توی SWE-bench Verified. طبق تست خود شرکت، روی MacBook Pro بیشتر از ۱۲۵ توکن در ثانیه سرعت داره.


جالب‌ترش اینه که به گفته‌ی Recursive، بیشتر مراحل ساختش رو سیستم تحقیق خودکارشون یعنی Eureka Machine جلو برده. اگه ۲۴ گیگ رم داری، با نسخه‌های GGUF که Unsloth منتشر کرده می‌تونی آفلاین و بدون هزینه‌ی API امتحانش کنی؛ فقط تسک‌های بزرگ رو به قدم‌های کوچیک‌تر بشکن.

🔗 صفحه‌ی Flint روی Hugging Face

اگه روزت با کد زدن و اخبار جدید AI می‌گذره، جات اینجاست 👇
🆔 @captaincode_tech
❤7🔥2👀1
🌙 سه خبر امشب از سه گوشه‌ی دنیای AI: یه مدل تازه، مدیریت Agentها و زیرساخت اجراشون!

🧠 ‏Spark X2.6 از iFlytek امروز معرفی شد: مدل MoE با ۲۹۳ میلیارد پارامتر (حدود ۳۰ میلیارد فعال)، کانتکست ۱ میلیون توکنی، مخصوص کدنویسی و Agent، و به گفته‌ی خود شرکت کاملاً روی سخت‌افزار داخلی چین آموزش دیده. نسخه‌ی کوچیکش Spark-X2.6-4B هم اوپن‌سورس شد.
🛡 ‏JetBrains Air Governance (اسم قبلیش JetBrains Central) عمومی شد: یه پنل برای اینکه تیم‌ها مشخص کنن کدوم Agent و مدل استفاده بشه، سقف خرج بذارن و هزینه رو ببینن؛ با Claude Agent، Codex، Gemini CLI و Junie کار می‌کنه.
☁️ گوگل هم Agent Compute Engine رو معرفی کرد: سرویس محاسباتی مخصوص اجرای Agentها با sandbox ایزوله در سطح سخت‌افزار که چند ماه دیگه به‌صورت preview میاد.


خلاصه‌ی امروز اینکه دعوا دیگه فقط سر مدل نیست؛ اینکه Agentها کجا اجرا بشن و کی خرجشون رو کنترل کنه هم داره داغ می‌شه.
رأیت رو تو نظرسنجی پایین بده؛ می‌تونی چندتا گزینه رو انتخاب کنی 👇

اگه روزت با کد زدن و اخبار جدید AI می‌گذره، جات اینجاست 👇
🆔 @captaincode_tech
❤7🔥1👀1
🔓 ‏MiniMax وزن‌های M3.1 Flash رو باز کرد؛ همون Space Bunny حالا قابل دانلوده!

از امروز وزن‌های MiniMax-M3.1-Flash روی Hugging Face عمومی شده: یه مدل MoE چندوجهی با حدود ۴۲۸ میلیارد پارامتر که برای هر توکن ۲۳ میلیاردش فعاله، با کانتکست ۱ میلیون توکنی و ورودی متن، عکس و ویدیو. طبق جدول خود MiniMax روی DeepSWE v1.1 به ۷۳٫۷٪ و روی OSWorld V2 به ۶۱٫۷ رسیده.


فقط حواست به لایسنس باشه: MIT نیست و MiniMax Community License ـه؛ استفاده‌ی غیرتجاری آزاده، ولی برای استفاده‌ی تجاری باید عبارت «Built with MiniMax M3.1-Flash» رو نشون بدی و به MiniMax اطلاع بدی. این مدل جاش روی لپ‌تاپ نیست، ولی SGLang از روز اول پشتیبانیش می‌کنه و روی Together AI هم آماده‌ست.

🔗 صفحه‌ی MiniMax-M3.1-Flash روی Hugging Face

اگه روزت با کد زدن و اخبار جدید AI می‌گذره، جات اینجاست 👇
🆔 @captaincode_tech
❤6🔥2👀1
⚡️ ‏NVIDIA یه مدل لوکال آورد که با حدود ۴ گیگ VRAM روی کارت گرافیک خودت اجرا می‌شه!

وزن‌های Nemotron 3.5 Bolt E4B 4GB امروز روی Hugging Face منتشر شد: یه مدل ۸ میلیارد پارامتری (۴ میلیارد مؤثر) که NVIDIA روی پایه‌ی Gemma 4 E4B برای چت سریع، پیروی از دستور و tool calling چندمرحله‌ای آموزشش داده. طبق تست خود NVIDIA با llama.cpp، روی RTX 5070 حدود ۳٫۵ تا ۴٫۳ گیگ VRAM می‌گیره و ۱۰۶ تا ۱۳۳ توکن در ثانیه سرعت داره.


حواست باشه «4GB» توی اسمش یعنی حافظه‌ی موقع اجرا، نه حجم دانلود؛ فایل GGUF نسخه‌ی Q4_K_M حدود ۶٫۱۸ گیگه. با یه خط امتحانش کن:
ollama run nemotron-3.5-bolt:e4b

رأیت رو تو نظرسنجی پایین بده (می‌تونی چند گزینه رو انتخاب کنی) 👇

🔗 صفحه‌ی مدل روی Hugging Face

اگه روزت با کد زدن و اخبار جدید AI می‌گذره، جات اینجاست 👇
🆔 @captaincode_tech
❤7👀1
🚀 ‏Kimi K3.1 Pro اومد: مدل ۲٫۸ تریلیونی که توی کدنویسی ترمینالی پابه‌پای Claude Opus 5.5 می‌ره!

شرکت Moonshot دیشب Kimi K3.1 Pro رو معرفی کرد: یه مدل MoE با ۲٫۸ تریلیون پارامتر (۱۰۴ میلیارد فعال) و کانتکست ۱ میلیون توکنی. طبق جدول خود Moonshot توی Terminal-Bench 4.0 به ۶۵٫۷٪ رسیده؛ بالاتر از GPT-6 Astra (۵۸٫۲٪) و فقط یه قدم پشت Claude Opus 5.5 (۶۶٫۴٪). قیمت API هم ۲ دلار ورودی و ۱۰ دلار خروجی برای هر میلیون توکنه.


‏Artificial Analysis هم جدا تستش کرده و با امتیاز ۵۵ چهارم جدولش شده. از همین حالا روی Kimi Code و API در دسترسه و وزن‌هاش تا ۴ نوامبر منتشر می‌شه؛ ولی با این سایز، اجرای خودش کار سرور GPUئه نه لپ‌تاپ 😅

🔗 معرفی رسمی Kimi K3.1 Pro

اگه روزت با کد زدن و اخبار جدید AI می‌گذره، جات اینجاست 👇
🆔 @captaincode_tech
❤6🔥1👀1
⌨️ ‏Codex CLI حالا پرامپت‌های تکراریت رو توی ۱۰ تا اسلات آماده نگه می‌داره!

توی نسخه‌ی 0.164.0 از Codex CLI قابلیت /presets اضافه شده: پرامپت‌ها و اسلش‌کامندهایی که مدام تکرارشون می‌کنی، به‌همراه مدل، سطح reasoning و سرعتی که باهاش کار می‌کنی، توی ۱۰ اسلات شماره‌دار ذخیره می‌شن. وسط کار با /presets یا Ctrl+X و بعد P منوش باز می‌شه و با زدن یه عدد از 0 تا 9 همون preset اجرا می‌شه.


‏/model و /permissions هم حالا مستقیم آرگومان می‌گیرن؛ مثلاً /model --reasoning high یا /permissions :read-only بدون باز کردن منو. اگه هر روز یه چرخه‌ی review و fix رو تکرار می‌کنی، این یعنی کلی تایپ کمتر 😎 برای آپدیت: npm i -g @openai/codex@latest

🔗 یادداشت انتشار Codex CLI 0.164.0

اگه روزت با کد زدن و اخبار جدید AI می‌گذره، جات اینجاست 👇
🆔 @captaincode_tech
❤6👀3
🚨 یه فایل ساده‌ی AGENTS.md توی پوشه‌ی Downloads می‌تونه coding agentت رو علیه خودت به کار بگیره!

محقق‌های Forever Security روی سیستم یکی از مشتری‌هاشون یه AGENTS.md مخرب توی ~/Downloads پیدا کردن که agent رو وادار کرده بود پکیج npm مخرب function-color رو نصب کنه. بعد خودشون حمله رو روی Codex بازسازی کردن (با یه payload بی‌خطر توی ۹۰٪ تست‌ها جواب داد) و با یه CLAUDE.md مخرب هم تونستن توکن OAuth مربوط به Claude Code رو لو بدن.


نکته‌ی ترسناکش اینه که Downloads همون پوشه‌ایه که یه صفحه‌ی وب می‌تونه بی‌صدا توش فایل بریزه، و agentها فایل دستورالعمل پوشه‌ی کاری‌شون رو خودکار می‌خونن. پس agent رو فقط از ریشه‌ی همون پروژه اجرا کن و قبلش هر AGENTS.md یا CLAUDE.md ناآشنا رو یه نگاه بنداز.

🔗 گزارش کامل در BleepingComputer

تو agentت رو کجا اجرا می‌کنی؟ رأیت رو تو نظرسنجی پایین بده (چندتا گزینه رو می‌شه با هم زد) 👇

اگه روزت با کد زدن و اخبار جدید AI می‌گذره، جات اینجاست 👇
🆔 @captaincode_tech
🔥5😢2👀1
💸 ‏Coding agentت لازم نیست برای هر قدم پول مدل ابری گرون رو بده؛ NVIDIA نشون داد چند قدم کلیدی کافیه!

تیم NVIDIA Research امروز EdgeWise رو معرفی کرد: یه مدل کوچیک لوکال (Qwen3.5-9B) کار agent رو قدم‌به‌قدم جلو می‌بره و فقط قدم‌های سخت، مثل نوشتن و ادیت کد یا خوندن و جست‌وجوی پیچیده توی کدبیس، رو به مدل ابری (GPT-5.5 یا Opus 4.8) می‌سپاره. نتیجه: هزینه‌ی inference روی SWE-Rebench تا ۶۲٪ و روی Terminal-Bench 2.1 تا ۳۴٪ کمتر، با کیفیتی هم‌سطح اجرای کاملاً ابری.


نکته‌ی جالبش اینه که خود مدل لوکال با RL یاد گرفته کی کمک بخواد، و روی harnessهای دیگه مثل OpenHands و mini-swe-agent هم جواب داده. کدش هنوز منتشر نشده، ولی ایده‌ش همین الان به کارت میاد: کارهای ساده رو بده دست مدل ارزون و مدل گرون رو برای جاهای حساس نگه دار 😎

🔗 صفحه‌ی پروژه‌ی EdgeWise

اگه روزت با کد زدن و اخبار جدید AI می‌گذره، جات اینجاست 👇
🆔 @captaincode_tech
❤4🔥2👀1
🌙 سه خبر امروز برای دولوپرها: یه مدل با کانتکست ۱۰ میلیونی، دیپلوی از داخل ChatGPT و تسک ابری توی Cline!

🧠 ‏Mirendil اولین مدلش یعنی Fern 0.1 رو معرفی کرد: از صفر pretrain شده و تا ۱۰ میلیون توکن کانتکست می‌گیره، یعنی حدود نیم میلیون خط کد رو یه‌جا می‌بینه. فعلاً فقط درخواست early access باز شده.

🗄 پلاگین رسمی Prisma برای ChatGPT اومد: از داخل Codex با یه پرامپت اپ رو می‌سازی، دیتابیس Prisma Postgres رو راه می‌ندازی و روی Prisma Compute دیپلوی می‌کنی.

☁️ ‏Cline v4.1.26 برای تسک‌های ابری یه سوییچ Local | Cloud آورده که مدل جدا براشون انتخاب کنی، و موقع بالا اومدن sandbox هم کارت پیشرفت نشون می‌ده.


کانتکست غول‌پیکر، دیپلوی با چت و agent ابری؛ هر سه دارن یه چیز می‌گن: کار بیشتری داره از IDE می‌ره سمت agentها 😄 رأیت رو تو نظرسنجی پایین بده (چندتا گزینه هم می‌تونی بزنی).

🔗 معرفی Fern | پلاگین Prisma | ریلیز Cline

اگه روزت با کد زدن و اخبار جدید AI می‌گذره، جات اینجاست 👇
🆔 @captaincode_tech
❤5🔥1👀1
🖱 ‏GPT-6.1 Terra اومد: صفحه رو می‌بینه، توی اپ‌ها کار می‌کنه و قیمت API‌ش نصف نسل قبله!

‏OpenAI دیشب GPT-6.1 Terra رو برای API، Codex و ChatGPT Work منتشر کرد: ۱ دلار ورودی و ۵ دلار خروجی برای هر میلیون توکن، کانتکست حدود ۱٫۰۵ میلیون توکن، و روی Terminal-Bench 4.0 با reasoning حداکثر به ۵۰٫۳٪ رسیده؛ بیشتر از دو برابر GPT-5.6 Terra.


این مدل برای کارهای پرتکرار مثل خوندن فاکتور، پر کردن فرم و computer use از طریق Responses API ساخته شده و به گفته‌ی OpenAI بیش از ۳ برابر سریع‌تر از GPT-6 Astra و GPT-6.1 Sol تسک رو تموم می‌کنه. ولی برای سنگین‌ترین کارهای کدنویسی، خود OpenAI هنوز Sol و Astra رو پیشنهاد می‌ده 😉

🔗 معرفی رسمی GPT-6.1 Terra

اگه روزت با کد زدن و اخبار جدید AI می‌گذره، جات اینجاست 👇
🆔 @captaincode_tech
❤5🔥2👀1
🧑‍🎨 حالا طراح و پشتیبانی هم می‌تونن مستقیم توی کدبیس شرکت PR بفرستن؛ Replit رسمیش کرد!

‏Replit امروز Cloud Agents رو برای همه‌ی مشتری‌های Pro و Enterprise باز کرد: هر کسی توی تیم تغییر رو به زبون ساده توضیح می‌ده، agent کد مربوطه رو پیدا و عوض می‌کنه، توی sandbox ابری اپ رو مثل یه کاربر کلیک‌به‌کلیک تست می‌کنه و آخرش یه PR توی GitHub (یا MR توی GitLab) با اسکرین‌شات و ویدیوی تغییر باز می‌کنه.


یعنی اون فاصله‌ی کجِ UI که طراحتون ماه‌هاست ازش می‌ناله، دیگه منتظر اسپرینت نمی‌مونه؛ ولی تصمیم merge هنوز با خود برنامه‌نویس‌هاست. سؤال اینجاست: تو حاضری PR آدمای غیرفنی رو ریویو کنی؟ 🤔 رأیت رو تو نظرسنجی پایین بده (چندتا گزینه هم می‌تونی بزنی).

🔗 معرفی Cloud Agents در بلاگ Replit

اگه روزت با کد زدن و اخبار جدید AI می‌گذره، جات اینجاست 👇
🆔 @captaincode_tech
❤5👀3
📦 ‏413 Request Entity Too Large موقع آپلود فایل روی سرور؟ مشکل از کدت نیست، از سقف آپلود Nginx و PHP هست!

‏Nginx به‌طور پیش‌فرض بدنه‌ی درخواست رو به 1MB محدود می‌کنه (client_max_body_size 1m) و هرچی بزرگ‌تر باشه رو با 413 رد می‌کنه. PHP هم جدا سقف خودش رو داره: upload_max_filesize = 2M و post_max_size = 8M.


همین الان توی بلاک server سایتت بنویس client_max_body_size 20m; و توی php.ini مقدار upload_max_filesize و post_max_size رو بالا ببر (post_max_size باید بزرگ‌تر یا مساوی باشه). بعد sudo nginx -t && sudo systemctl reload nginx و سرویس PHP-FPM رو هم restart کن؛ اگه فقط یکی رو درست کنی، خطا یا آپلود خالی سر جاش می‌مونه 😉

🔗 مستند رسمی client_max_body_size

اگه به کارت اومد، برای یه دوست دولوپر بفرستش 🔁

اگه روزت با کد زدن و اخبار جدید AI می‌گذره، جات اینجاست 👇
🆔 @captaincode_tech
❤5👍3👀1