اون زمان که هنوز هوش مصنوعی انقدر پیشرفت نکرده بود، کرک بازی Red Dead Redemption 2 حدود یک سال طول کشید؛ پروژه‌ای که توسط هکر معروف EMPRESS (که خودش رو دختر معرفی می‌کرد) انجام شد. با اینکه EMPRESS مدتیه غیرفعاله، اما پیشرفت دیوانه‌وار هوش مصنوعی در حوزه مهندسی معکوس و آنالیز کدها، خیلیا رو امیدوار کرده. اگر AI بتونه به روند تحلیل قفل‌های سنگین مثل Denuvo سرعت بده، بعید نیست شکستن قفل بازی‌های آینده به‌جای چند ماه یا چند سال، فقط چند هفته طول بکشه!

@codehalics | کدهالیک

مدل جدید و چندوجهی FLUX 3 از شرکت Black Forest Labs یک گام بزرگ در هوش مصنوعی بصری است که به جای یادگیری مجزای تصاویر، ویدیوها و صداها، درک یکپارچه‌ای از قوانین فیزیکی و واقعیت جهان به دست آورده است. این مدل قدرتمند که اکنون در نسخه دسترسی زودهنگام منتشر شده، می‌تواند ویدیوهای ۲۰ ثانیه‌ای خیره‌کننده را همراه با صدای کاملا هماهنگ تولید کند و در زمینه‌هایی مانند حفظ ثبات چهره، درک فیزیک حرکت و پشتیبانی از زبان‌های مختلف رقبای نامداری چون Runway و Luma را پشت سر بگذارد. با تکیه بر معماری نوین Self-Flow، فلاکس ۳ نه تنها در تولید محتوای خلاقانه و باکیفیت بی‌نظیر عمل می‌کند، بلکه با ورود به دنیای رباتیک و پیش‌بینی حرکات، مرزهای هوش مصنوعی را به سمت خلق مدل‌هایی می‌برد که می‌توانند جهان را به شکل عمیق‌تری ببینند، بشنوند و با آن تعامل کنند.

https://bfl.ai/blog/flux-3

@codehalics | کدهالیک

جذابیت اصلی فلاکس اینه که همون مدلی بود که به گراک توی ایکس (توییتر) برای تولید عکس قدرت می‌داد و توی جزئیات چهره و صورت‌های طبیعی هم همیشه از همه جلوتر بوده. اما خفن‌ترین بخش ماجرا اینجاست که فلاکس بالاخره طلسم تاریخی هوش مصنوعی‌ها رو شکست؛ قبل از اون همه مدل‌ها موقع نوشتن کلمات روی تصویر متن‌های نامفهوم و پر از غلط تحویل می‌دادن، ولی فلاکس اولین مدلی شد که تونست متن‌ها رو دقیق، کاملاً درست و بدون هیچ غلط املایی روی عکس پیاده کنه.

@codehalics | کدهالیک

اینو اگر جایی شنیدین بهشون Large Multimodal Model
هم میگن
که به اختصار میشه LMM

یعنی این‌که هوش مصنوعی دیگه فقط محدود به یک جنس داده نیست و می‌تونه هم‌زمان چند فرمت مختلف مثل متن، عکس، ویدیو و صدا رو بفهمه، تحلیل کنه و تحویل بده.

تا قبل از مدل‌های چندوجهی، اکثر سیستم‌ها تک‌وجهی بودن؛ یعنی مثلاً یک مدل فقط متن می‌فهمید، یکی دیگه فقط عکس می‌ساخت. اما یک مدل چندوجهی مثل انسانی می‌مونه که هم‌زمان می‌بینه، می‌شنوه و صحبت می‌کنه.

دو تا چیز هست که اونارو نسبت به LLM ها متمایز میکنه :

- مدل می‌فهمه که صدای ضربه باید با تصویر برخورد دو شیء هماهنگ باشه، یا حرکتی که توی ویدیو می‌بینید از نظر فیزیکی با صدایی که می‌شنوید جور دربیاد.

- به‌جای این‌که برای تبدیل متن به عکس یک مدل استفاده کنید و برای صداگذاری یک مدل دیگه، تمام این پردازش‌ها توی یک مدل یکپارچه انجام می‌شه.

@codehalics | کدهالیک

اولین باری که چشمم به کامپیوتر افتاد کلاً ۳ یا ۴ سالم بود؛ کامپیوتر داییم که تمام دلخوشیم بازی همسایه جهنمی و IGI بود. سیستمش ویندوز ۹۵ داشت و خوب یادمه بعدها که کامپیوترش سوخت و درستش کردن، ویندوزش شد ۹۸!

امروز بعد از بیست و اندی سال، همون حس نوستالژیک عجیب دوباره اومد سراغم. وقتی دیدم یه نفر اومده دقیقاً همون فضای بصری رو فقط با CSS و بدون حتی یه خط جاوااسکریپت پیاده کرده! با اینکه می‌شه راحت توی پروژه‌های واقعی هم ازش استفاده کرد، اما برای من بیشتر از جنبه فنیش، اون حس سفر به گذشته اش جذاب بود. امیدوارم دیدنش خاطرات قشنگ اون روزا رو برای شما هم زنده کنه.

https://jdan.github.io/98.css/

@codehalics | کدهالیک

این حاجیمون صبح تو زیرزمین خونه‌ی داداشش بیدار می‌شه می‌بینه شاپ Etsyش (یه فروشگاه چیزای دست‌ساز هست) یه‌شبه ۱۶,۳۴۹ دلار فروخته.

یه AI agent که دو ماه پیش ساخته بود داشت کل بیزینس رو می‌چرخوند، در حالی که خود حضرت روی تشک کنار بخاری خواب بوده.

خلاصه کارش این بوده که برچسب روی شمع می‌فروخته. ولی صفر تا صدش رو همون agentش به کمک بیزنس‌های دیگه وصل کرده بهم. (البته خود یارو ایجنت رو اینجوری تعلیم داده)

اسم agent رو گذاشته Hermes. ایجنتش هر ساعت trend های Etsy رو می‌خونه ببینه چی الان تو بورسه. مثلا می‌بینه سرچ «boss birthday gift under $20» زده بالا، تا ۳ صبح ۴۰ تا طرح برچسب تولید می‌کنه، ۵ صبح لیست‌شون می‌کنه، متن SEO رو خودش می‌نویسه، ۶ صبح هم تبلیغ Fiverr(یه سایتی هست برای freelancerها) راه می‌ندازه.

همون شب ۳ تا طرح جدید داده بیرون، ۸۴ عدد فروخته با حاشیه سود ۹۱ درصد، و قبل از اینکه آقا از خواب پاشه ۱۶,۳۴۹ دلار فروش رو رد کرده.

Amir Afianian 🗒️

@codehalics | کدهالیک

حالا قسمت قشنگ ماجرا:

وقتی یه خریدار درخواست تغییر سفارشی می‌ده که agent از پسش برنمیاد، خودش می‌ره روی Fiverr یه job پست می‌کنه، به طور میانگین ۴۰ دقیقه صبر می‌کنه یه freelancer قبول کنه، جوابش رو review می‌کنه و طوری برای خریدار می‌فرسته که انگار از طرف خود صاحب شاپه. ماه پیش این agent چهارده تا freelancer مختلف استخدام کرده. کل هزینه‌ی نیروی انسانی: ۲۱۴ دلار. درآمد: ۹۰۹,۷۷۰ دلار.

این freelancerها هم خبر ندارن کارفرماشون یه نرم‌افزار بوده. فکر می‌کنن برای یه شاپ‌دار Etsy مهربون توی آمریکا چندتا کار کوچیک انجام دادن. دوتاشون که نامه تشکر هم گذاشتن که اگر باز کاری بود ما در خدمتیم :))

کل stack این بزرگوار: آیپد قدیمیش رو ۱۸۰ دلار فروخته که اشتراک ChatGPT Pro بخره. ماهی ۱۰۰ دلار برای AI، یه اکانت ۲۹ دلاری Printify، و یه شاپ Etsy که راه‌انداختنش هیچی خرج نداشت.

داداشش هنوز نمی‌دونه که ایشون دیگه دنبال کار نمی‌گرده. جلوی دوربین گفت همین ماه اسباب‌کشی می‌کنم، بعد خندید و گفت حالا شاید ماه بعد.

همین اخیرا ایران بودم در کمال تعجب دیدم Claude بدون فیلتر هم کار می‌‌کنه. دست به کار شید، این Agentها و Loop Engineering رو یاد بگیرید، بخش عمده ایدتون رو automate کنید و پولا رو پارو کنید. مسلما که به این سادگیا هم نیست ولی چند ماه که عمیق غرق در این چیزا باشین، یواش یواش ایده‌های خوب هم میاد سراغتون. کافیه فقط یک بار شانس بیارید.

Amir Afianian 🗒️

مقاله این موضوع که خوندنش جالب میتونه باشه:
https://x.com/0xCodez/status/2064374643729773029

@codehalics | کدهالیک

یه ابزار جذاب و اوپن‌سورس براتون آوردم که خیلی راحت می‌تونه از اسپاتیفای، توییتر، اینستا، تیک‌تاک، ساندکلاد و رادیو جوان هرچی می‌خواید رو دانلود کنه.
فرقی هم نداره سیستم‌عاملتون چیه؛ ویندوز، لینوکس یا مک‌بوک، روی همه‌شون مثل ساعت کار می‌کنه. من خودم واسه برداشتن ویدیوها و آپلودشون تو کانال ازش استفاده می‌کنم و سرعت کارم رو زیر و رو کرده. شدیداً پیشنهاد می‌شه تستش کنید.

https://github.com/MSC72m/media_downloader

@codehalics | کدهالیک

شرکت آنتروپیک بالاخره کلود اوپوس پنج رو معرفی کرد. این نسخه جدید واقعا یه شاهکار به حساب میاد چون با همون قیمت نسخه قبلی یعنی اوپوس ۴.۸ هوش و توانایی خیلی بالاتری رو در اختیارت میذاره. در واقع قدرتش به مدل های پرچمداری مثل فیبل پنج خیلی نزدیک شده ولی هزینش نصف اوناست. الان دیگه این مدل پیش فرض خیلی از سرویس ها شده و برای استفاده روزمره و مداوم عالیه.

https://www.anthropic.com/news/claude-opus-5

توی این رشته پست میخوایم بررسیش کنیم !

@codehalics | کدهالیک

تو زمینه توسعه نرم افزار و کارهای بک اند این مدل حسابی گرد و خاک کرده و قطعا برای نوشتن کدهای پیچیده و معماری های سنگین خیلی به کارت میاد. اوپوس ۵ تو بنچمارک های برنامه نویسی همه مدل های دیگه رو جا گذاشته و میتونه باگ های خیلی عمیق رو پیدا کنه و حتی خودش تست بنویسه تا مطمئن بشه کدها درست کار میکنن. پس وقتایی که داری روی پروژه های دات نت کار میکنی یا میخوای مفاهیم پیچیده رو برای آموزش تو کلاس هات آماده کنی این هوش مصنوعی میتونه یه دستیار فوق العاده برات باشه که بدون خستگی تا ته ماجرا رو پیگیری میکنه.

@codehalics | کدهالیک

قسمت بامزه این مدل اینه که
علاوه بر کدنویسی تو کارهای علمی مثل شیمی و زیست شناسی و حل مسئله هم پیشرفت های خیلی چشمگیری داشته. مثلا تو تشخیص ساختارهای مولکولی خیلی دقیق تر شده و خروجی های تصویری بسیار باکیفیتی میده. یکی از ویژگی های جذابش اینه که به شدت پیگیره و اگه تو یه کاری گیر بیفته مدام راه های مختلف رو تست میکنه تا بالاخره بتونه اون مسئله رو حل کنه و کار رو نصفه نیمه ول نمیکنه.

@codehalics | کدهالیک

از لحاظ امنیتی هم گفته خیالتون راحت باشه (مشتی ما تو ایران زندگی میکنیم کشور اوپن سورسه) چون این مدل امن ترین و قانون مدارترین نسخه ای هست که تا حالا ساختن و کمتر فریب میخوره. البته برای جلوگیری از کارهای مخرب یه سری محدودیت های سایبری روش گذاشتن که کسی نتونه برای هک ازش استفاده کنه. این مدل الان با قیمت پایه پنج دلار برای هر یک میلیون توکن ورودی در دسترسه و یه حالت سریع هم داره که سرعتش دو و نیم برابره. توسعه دهنده ها میتونن خیلی راحت از طریق ای پی آی بهش دسترسی داشته باشن و حتی ابزارهاش رو وسط مکالمه تغییر بدن بدون اینکه مشکلی پیش بیاد.

@codehalics | کدهالیک

در ضمن مدیرعامل کرسر هم درباره اوپوس ۵ حسابی تعریف کرده و گفته که این مدل نزدیک به فیبل پنج داره حرکت میکنه اما با همون سرعت و هزینه اوپوس کار میکنه. تو بررسی ها و بنچمارک کرسر هم این مدل فقط یه کوچولو از فیبل پنج پایین تره و خیلی از رفتارهای خفن اون رو به ارث برده. در نهایت هم اشاره کرده که تیمشون خیلی هیجان زده هستن تا ببینن برنامه نویس ها چطور قراره از این مدل جدید توی محیط کرسر استفاده کنن و کارهای توسعه شون رو باهاش پیش ببرن.

@codehalics | کدهالیک

از اون طرف وضعیت گوگل بدجور خرابه و تو این نسل عملا هیچ مدل جدید و قدرتمندی بیرون نداده. با معرفی جمنای فلش ۳.۶ هم عملا یه مدلی در حد سونت یا کامپوزر خود کرسر ارائه کرده که برای شرکتی به این بزرگی اصلا جالب نیست. در واقع گوگل داره دقیقا همون راهی رو میره که نوکیا تو دنیای موبایل رفت. فقط داره به موتور سرچ و جستجوش مینازه در حالی که تو دنیای هوش مصنوعی به شدت ضعیف عمل میکنه و داره بازی رو به رقیباش میبازه.

@codehalics | کدهالیک

یکی از توییتریا رفته با flux 3 ویدیو ساخته و واقعا چیز خفنی از کار درومده باور نکردنیه :)))))

@codehalics | کدهالیک

به اندازه حقوق یک سال یه جونیور دولوپر پول دادیم یه شرکت دو هفته‌ای واسمون یه سری اسکیل بنویسه.

پیش بینی می‌کنم بازار اینجور شرکتا و پوزیشن forward deployed engineer خیلی داغ‌تر بشه تو اروپا.

اگه قصد مهاجرت دارین رو مهارتای مربوط به cloud native architecture و ai بیشتر وقت بذارید.

@codehalics | کدهالیک

بهترین عکسی که میتونه وضعیت فعلی جمنای گوگل رو با معرفی flash 3.6 نشون بده !

@codehalics | کدهالیک

ابزار OpenSEO یک جایگزین متن‌باز و رایگان برای پلتفرم‌های گران‌قیمت مانند Semrush و Ahrefs است که امکانات جامعی از جمله تحقیق کلمات کلیدی، تحلیل رقبا، بررسی بک‌لینک‌ها، رهگیری رتبه سایت و ممیزی فنی را در اختیار شما قرار می‌دهد. علاوه بر سنجش حضور برند در خروجی‌های هوش مصنوعی مانند ChatGPT، از ویژگی‌های برجسته این پلتفرم می‌توان به قابلیت اتصال به عامل‌های هوش مصنوعی از طریق پروتکل MCP برای خودکارسازی بخشی از تحقیقات سئو و همچنین امکان اجرای محلی (Self-host) به کمک داکر جهت تسلط کامل بر داده‌ها و هزینه‌ها اشاره کرد.

https://github.com/every-app/open-seo

Pedram ✍️

@codehalics | کدهالیک