اگر از Claude Code، Codex، Cursor یا OpenCode استفاده می‌کنید، پروژه متن‌باز Everything Claude Code (ECC) ارزش بررسی داره.

ریپو ECC یک فریم‌ورک برای توسعه قابلیت‌های AI Coding Agentهاست که مجموعه‌ای از ابزارها و سازوکارها رو در اختیارشون قرار می‌ده تا در اجرای پروژه‌های پیچیده عملکرد بهتری داشته باشن.

مهم‌ترین قابلیت‌های اون:

- قابلیت Skills: مجموعه‌ای از دستورالعمل‌ها و گردش‌کارهای آماده برای انجام وظایف مختلف
- قابلیت Instincts: ثبت الگوهای رفتاری و یادگیری ترجیحات کاری
- قابلیت Persistent Memory: حفظ اطلاعات و زمینه کاری بین Sessionهای مختلف
- قابلیت Safety Mechanisms: سازوکارهای امنیتی برای کاهش خطاها و ریسک‌های اجرایی
- قابلیت Tool Integration: یکپارچه‌سازی ابزارهای مختلف برای بهبود فرایند توسعه

یکی از ویژگی‌های مهم ECC، تمرکز بر تحقیق، انتخاب ابزار مناسب و طراحی گردش‌کارهای مؤثر برای Coding Agentهاست.

اطلاعات پروژه:

ستاره‌های GitHub: حدود ۲۹۳ هزار
فورک: حدود ۴۳٬۴۰۰
مجوز: MIT

گیت‌هاب:
github.com/affaan-m/ECC

@DevTwitter | <Yarad/>

💼 دنبال کار می‌گردی یا نیروی کار می‌خوای یا حتی کسب و کاری داری؟

💙 آگینو؛ جایی برای ارتباط کارجو و کارفرما
📢 ثبت آگهی استخدام  و کسب وکار و درخواست کار

🎁 انتشار آگهی فعلاً رایگان!
👇 برای ثبت آگهی و عضویت به این ادرس مراجعه کنید:
📩 @the_agino
🔹 آگینو؛ معرفی کن، دیده شو، فرصت بساز!

۵ منبع رایگان طراحی با AI که بهتره بوکمارک کنی

۱. GetLayers
مجموعه‌ای از Promptهای طراحی سایت، پس‌زمینه‌ها، بخش‌های متحرک و گرادیانت‌ها. می‌تونی Promptها رو کپی کنی و به Claude بدی تا طراحی موردنظرت رو پیاده‌سازی کنه.
https://getlayers.ai

۲. Land-book
گالری منتخب از طراحی سایت‌ها و Landing Pageهای حرفه‌ای برای پیدا کردن ایده و الهام گرفتن.
https://land-book.com

۳. Recent
گالری جذابی از نمونه‌های جدید طراحی وب، اپلیکیشن و خلاقیت‌های بصری.
https://recent.design

۴. Landdding
مجموعه‌ای از Landing Pageهای باکیفیت برای بررسی ایده‌های طراحی صفحات فرود.
https://landdding.com

۵. Font in Logo
برای پیدا کردن فونت‌هایی که در لوگوی برندهای معروف استفاده شده‌اند.
https://fontinlogo.com

@DevTwitter | <Yarad/>

پروژه تعاملی MonsterHouse نمونه جذابی از ترکیب چند مدل متن‌باز برای ساخت یک ایجنت صوتی کاملاً محلی است. یکی از مهندسان NVIDIA درِ گاراژ خانه‌اش را برای هالووین به یک کاراکتر سخنگو تبدیل کرده که با بچه‌ها در مراسم trick-or-treat کل‌کل می‌کند.

از نظر فنی، کل این چیدمان روی یک ورک‌استیشن اجرا می‌شود. مدل Nemotron Speech صدا را به متن تبدیل می‌کند و مدل کوچک Nemotron 3.5 Bolt E4B با نسخه ۴ بیتی و یک LoRA اختصاصی، مغز مکالمه است. صدای کاراکتر با مدل Magpie TTS Zeroshot و نمونه‌گیری صوتی از لحن‌های احساسی ساخته شده و انیمیشن دهان در Unreal Engine مستقیماً از خروجی صوتی توسط Audio2Face-3D هدایت می‌شود. برای بینایی و تشخیص لباس بچه‌ها هم از Nemotron 3 Nano Omni و YOLO استفاده شده است.

نکته جالب برای کاهش تأخیر، ترکیب کش کردن پاسخ‌های آماده و استریم صوتی پیش از پایان تولید جمله است که زمان پاسخ‌دهی را به حدود ۰.۷ ثانیه رسانده است.

لینک جزییات فنی در هاگینگ‌فیس:
https://huggingface.co/blog/nvidia/nemotron-halloween

@DevTwitter | <Mehdi Allahyari/>

یه لایبرری پیدا کردم به اسم Pomerado که ایده‌ش خیلی تمیزه: آدرس یه سایت رو بهش می‌دی و به زبون ساده می‌گی چی می‌خوای. خودش با یه مرورگر واقعی می‌ره توی سایت می‌گرده و یه سرور MCP آماده برای همون سایت تحویل می‌ده که ایجنتت مستقیم بهش وصل می‌شه.

قسمت خوبش اینه که اون سرور MCP مخصوص اون سایته و کدش هم مال خودته. ساختنش یه بار با مدل انجام می‌شه، ولی اجراش دیگه هیچ مدلی نمی‌خواد؛ یعنی سریع و عملاً مجانی. خودم روی یه سایت خبری فارسی امتحانش کردم، تیترهای زنده رو با لینک‌هاشون تمیز و ساخت‌یافته تحویل داد.

خودش هم اوپن‌سورسه:
https://github.com/Pomerado/pomerado
اگه تست کردین خوشحال می‌شم بگین چی ساختین باهاش.

@DevTwitter | <مجیدی/>

یه قابلیت خفن از دنیای برنامه‌نویسی که احتمالاً خیلی‌ها هنوز باهاش آشنا نیستن!

اسمش Remotion Lambda هست.

تصور کن به‌جای اینکه ویدیوت رو روی یک سرور رندر کنی و چند دقیقه یا حتی چند ساعت منتظر بمونی، کار رو بین صدها ماشین تقسیم کنی تا هم‌زمان انجامش بدن!

داستان چیه؟

با React و JavaScript ویدیو می‌سازی، بعد Remotion Lambda ویدیوت رو به قسمت‌های کوچیک تقسیم می‌کنه و روی AWS Lambda به‌صورت موازی رندر می‌گیره.

آخرش هم همه قسمت‌ها رو به هم می‌چسبونه و یک فایل MP4 تحویلت می‌ده.

حالا چرا این جذابه؟

چون می‌تونی یک سرویس بسازی که مثلاً:
برای هر کاربر ویدیوی اختصاصی تولید کنه.
روزانه هزاران ویدیو بسازه.
و فقط وقتی واقعاً رندر داری هزینه پردازش بدی.

حتی توی دمو رسمی Remotion، یک ویدیوی ۸۰ ثانیه‌ای در حدود ۱۵ ثانیه رندر شده!

این ویدیو رو ببین تا بهتر متوجه بشی چطور کار می‌کنه:

https://youtube.com/watch?v=kFVd3KnfwYY

به نظرم این ترکیب React + Serverless + Distributed Rendering یکی از جذاب‌ترین زیرساخت‌ها برای ساخت محصولات تولید محتوای ویدیویی در مقیاس بالاست.

تصور کن چه محصولاتی می‌شه باهاش ساخت!

@DevTwitter | <Navid/>

یک پروژه متن‌باز که می‌تونه هزینه استفاده از ابزارهای کدنویسی AI رو به‌شدت کاهش بده!

این پروژه بهت اجازه می‌ده از Claude Code، Codex و چندین ابزار کدنویسی دیگه با مدل‌های رایگان ارائه‌دهندگان مختلف استفاده کنی.

یعنی قرار نیست اشتراک Claude رو رایگان در اختیارت بذاره؛ بلکه مدل‌های رایگان مثل DeepSeek و گزینه‌های دیگه رو به محیط Claude Code و سایر ابزارها متصل می‌کنه.

قابلیت‌های جالب پروژه:

- اتصال به بیش از ۶۰ ارائه‌دهنده مدل هوش مصنوعی
- دسترسی به بیش از ۱.۳ میلیارد توکن رایگان در ماه، طبق ادعای پروژه
- پشتیبانی از ۱۲ ابزار کدنویسی از جمله Claude Code، Codex و OpenCode
- امکان جابه‌جایی بین مدل‌ها و تعریف مدل جایگزین در صورت اختلال
- اجرا از طریق ترمینال، اپلیکیشن، IDE و حتی موبایل

این ریپازیتوری در حال حاضر بیش از ۶۵ هزار ستاره در GitHub داره.

اگر می‌خوای با Claude Code کار کنی اما هزینه استفاده از مدل‌ها برات مهمه، این پروژه ارزش بررسی داره.

https://github.com/Alishahryar1/free-claude-code

@DevTwitter | <Yarad/>

بدترین اتفاق هوش‌مصنوعی، چت‌بات‌های پشتیبانی تو سایتای ایرانی بود که فکر می‌کردن پاسخ‌دادن به کاربر یعنی پشتیبانی.

یه مدل ساده رو ترین می‌کنن و کلا نیروی انسانی و کال‌سنتر رو حذف می‌کنن، در نتیجه شما هیچ‌وقت پشتیبانی درست نمیگیری و اونا همیشه فکر می‌کنن کاربرا لذت می‌برن از پاسخ‌های در لحظه

@DevTwitter

با این سایت‌ها تیغه‌های فکریتون رو تیز کنید:

۱. سایت fs.blog — در مورد مدل‌های فکری و تئوری تصمیم گیری،‌ کتاب چهار جلدیش Mental Models هم شدیدا پیشنهاد می‌کنم.

۲. سایت yourbias.is — سوگیری‌ها و باگ‌های فکری که شما رو توی چاه می‌ندازه لیست کرده.

۳. سایت etymonline.com — این و خیلی دوست دارم. پشت اکثر کلمات ریشه‌ی اون کلمه هست که پر از حکمت و دانش هست. مثلا Character ریشه یونانیش این معنی رو داره: خط و خطوطی که بر اثر تراشیدن شکل گرفته. زیبا نیست؟ :|

۴. سایت onelook.com/reverse-dictionary.shtml — یه ایده‌ یا تعریفی اگر تو ذهنتون هست رو براش می‌نویسید، کلمه معادلش و بهتون می‌گه.

۵. سایت psyche.co — مقاله‌های عمیقی در باب روان‌شناسی داره

۶. سایت fivebooks.com — از خوبان هر دو عالم، توی هر زمینه و رشته‌ای، خفن‌ترین آدم‌ها روزگار، پنج‌تا از کتاب‌های مورد علاقشون رو پیشنهاد می‌کنن.

۷. سایت aldaily.com — پر از مقاله‌های ادایی هست. ایده‌های جالب و ارتودکس

۸. سایت yourlogicalfallacyis.com — اگر اهل کل‌کل (گفت‌وگو و بحث کردن) هستین، گزاره‌هاتون رو بهش می‌گین، بهتون می‌گه باگ یا اشکال بحثتون کجاست.

@DevTwitter | <Amir Afianian/>

تو نسخه‌ی قبلی سرویس matching از RabbitMQ استفاده نمیکردم و اصلاً نیازی به async نبود، چون LLM نداشت و response خیلی سریع برمیگشت.
ولی تو نسخه‌ی جدید که LLM اضافه شد، matching برای تعداد ردیف بالا زمان زیادی میبره و منطقی نبود user منتظر بمونه؛ برای همین RabbitMQ اضافه شد و الان user فوراً یه job id میگیره و پردازش تو background انجام میشه.
برای ارتباط با RabbitMQ از outbox pattern استفاده کردم. مشکلی که حل میکنه اینه که API باید دو تا کار انجام بده: job رو تو database ذخیره کنه و یه پیام به RabbitMQ بفرسته. اگه یکی از این دو تا انجام بشه و اون یکی نه، یا یه job داریم که هیچ‌وقت پردازش نمیشه، یا یه پیام برای jobی که وجود نداره.
تو outbox pattern، API فقط تو database مینویسه، خود job و پیامی که باید فرستاده بشه، با هم و تو یه transaction. بعد یه service جدا (relay) پیام‌ها رو از database میخونه و به RabbitMQ میفرسته، و یه service دیگه (consumer) پیام رو برمیداره و matching رو اجرا میکنه.
دلیل اصلی استفاده از این مدل همینه که دستور به queue همیشه از database میاد، نه از صدا زدن مستقیم یه method یا یه service دیگه؛ پس اگه RabbitMQ در دسترس نباشه، پیام‌ها تو database منتظر میمونن و هیچ‌کدوم گم نمیشن.
البته این مدل باعث میشه بعضی وقتا یه پیام دو بار برسه، برای همین از اول idempotency رو طراحی کردم (هر پیام یه id یکتا داره و consumer قبل از پردازش چک میکنه که این id رو قبلاً تو database ثبت کرده یا نه) که consumer یه پیام تکراری رو دوباره پردازش نکنه؛ چون تو این سیستم پیام تکراری یعنی LLM call تکراری و هزینه‌ی اضافه.

@DevTwitter | <Bahman Alidadi/>

🎁 ۲ سال Canva Pro، کاملاً رایگان!

آفر اختصاصی ArioBox رو از دست نده؛ این پیشنهاد فقط برای مدت محدوده!

برای دریافتش فقط کافیه عضو کانال و بات تلگرامی ArioBox بشی؛ همین، هیچ شرط دیگه‌ای نداره🤗

👇 همین حالا عضو شو و Canva پرو دو ساله رو رایگان بگیر!

⭐️ عضویت در بات و دریافت اکانت Canva Pro

فریمورک Breeze سریع‌ترین فریم‌ورک Go شد!

خوشحالم که یک دستاورد مهم از پروژه متن‌باز Breeze رو به اشتراک می‌گذارم!
طبق نتایج منتشرشده در Web Frameworks Benchmark، فریم‌ورک Breeze موفق شده به جایگاه‌های زیر دست پیدا کنه:

رتبه ۱ در میان فریم‌ورک‌های Go
رتبه ۱۴ در میان تمام فریم‌ورک‌های بررسی‌شده

از ابتدا، هدف من از توسعه Breeze فقط ساخت یک فریم‌ورک سریع نبود؛ بلکه ایجاد یک اکوسیستم مدرن، سبک و قدرتمند برای توسعه اپلیکیشن‌های Backend، معماری Microservices و سیستم‌های AI-First بود.

فریمورک Breeze فراتر از Performance:
- قابلیت AI-First Architecture با پشتیبانی از MCP Server و ابزارهای داخلی MCP
- قابلیت Fleet System برای Distributed Tracing بین میکروسرویس‌ها
- پشتیبانی از gRPC، JSON-RPC و WebSocket
- قابلیت CLI Generator برای تسریع توسعه
- قابلیت Workflow Engine و Event Bus
- ابزار Built-in Dashboard و ابزارهای Observability
- قابلیت SPA Templates بدون نیاز به فریم‌ورک Frontend
- دارای BreezeORM برای مدیریت داده‌ها

سرعت بالا فقط یکی از ویژگی‌های Breeze است، نه تمام هدف آن.
این نتیجه برای من یک نقطه عطف در مسیر توسعه یک پروژه متن‌باز است؛ پروژه‌ای که همچنان در حال رشد و تکامل است.

Benchmark Results:
https://web-frameworks-benchmark.netlify.app/result
GitHub:
https://github.com/nelthaarion/breeze

از مشارکت، بازخورد و ستاره دادن به پروژه استقبال می‌کنم!

@DevTwitter | <Farshad Khazaei Fard/>

یه برنامه‌نویس یه پردازنده‌ی کامل ۳۲ بیتی رو مستقیم داخل وزن‌های مدل Qwen 3.5 کامپایل کرده و حالا یه مدل زبانی دیگه رو هم داخلش اجرا کرده. یعنی هوش مصنوعی داخل هوش مصنوعی، بدون حتی یک دقیقه آموزش.

ماجرا دو مرحله داشت:
- اول نسخه‌ای به اسم Qwenputer ساخت: یه پردازنده‌ی RISC-V که ۱۱ لایه جلوی لایه‌های خود مدل نشسته. هیچ‌کدوم از وزن‌هاش یاد گرفته نشده و همه رو یه کامپایلر حساب کرده. حافظه‌اش هم وضعیت داخلی خود مدله.
- این پردازنده وسط کار خود مدل، کد C و MicroPython اجرا می‌کنه. توی تست ریاضی دیپ‌مایند، مدل خام ۵۵ تا ۹۰ درصد گرفت، با ابزار پایتون ۹۵ تا ۱۰۰ درصد، و این نسخه ۹۷٫۵ تا ۱۰۰ درصد.
- مرحله‌ی دوم اسمش QwenPU بود: یه واحد برداری هم بهش اضافه کرد و مدل کوچیک stories260K کارپاتی رو روش اجرا کرد. خروجی توکن به توکن دقیقاً با نسخه‌ی اصلی یکیه.

فعلاً به درد استفاده‌ی واقعی نمی‌خوره. هر توکن حدود ۵۳ هزار قدم محاسبه لازم داره و روی کارت L4 حدود ۱۶ ثانیه طول می‌کشه. حجم فایلش هم ۲۶٫۷ گیگه.

ولی پیامش روشنه: وزن‌های مدل کم‌کم دارن خودشون کامپیوتر می‌شن.

@DevTwitter | <Legendary Coder/>

شاید برات جالب باشه بدونی سال ۹۸، یکی از بچه‌های مهندسی مکانیک توی خوابگاه احمدی‌روشن دانشگاه شریف، کانال تلگرامی‌ای رو ساخت که الان، بعد از ۷ سال، بزرگ‌ترین کانال اقتصادی به زبان فارسیه و یکی از قوی‌ترین گروه‌های مشاوره‌ی اقتصادی کشور پشت این کاناله!

اسم کانالش رو هم گذاشت 👈 شریف

از رویاهات کوتاه نیا! ♥️

بیشتر ایجنت‌های هوش مصنوعی برای گشت‌وگذار در وب از Headless Chrome استفاده می‌کنن؛ یعنی یک مرورگر دسکتاپ کامل که بدون رابط گرافیکی اجرا می‌شه.

اما پروژه Lightpanda تصمیم گرفته این مسیر رو از پایه تغییر بده!

ابزار Lightpanda یک مرورگر Headless هست که از ابتدا برای ایجنت‌های هوش مصنوعی و سیستم‌های اتوماسیون ساخته شده؛ نه نسخه‌ای از Chromium هست و نه وصله‌ای برای WebKit. این مرورگر با زبان برنامه‌نویسی Zig توسعه داده شده.

نتایج بنچمارک اون واقعاً جالبه:

در آزمایشی روی AWS EC2 m5.large، تعداد ۹۳۳ صفحه وب واقعی درخواست شده.
برای پردازش ۱۰۰ صفحه:

- مصرف حافظه در Lightpanda فقط ۱۲۳ مگابایت بوده، درحالی‌که Headless Chrome حدود ۲ گیگابایت مصرف کرده؛ یعنی تقریباً ۱۶ برابر کمتر!

- زمان اجرا ۵ ثانیه بوده، درحالی‌که Chrome همین کار رو در ۴۶ ثانیه انجام داده؛ یعنی حدود ۹ برابر سریع‌تر!

نکته جالب اینه که Lightpanda یک سرور CDP هم ارائه می‌ده؛ بنابراین می‌تونی اسکریپت‌های Puppeteer یا Playwright رو بهش متصل کنی.

برای نصب هم روش‌های مختلفی مثل Homebrew، AUR، نسخه‌های Nightly، Nix و Docker در دسترسه.

چرا این پروژه مهمه؟

چون وقتی ایجنت‌های هوش مصنوعی قراره صدها یا هزاران صفحه وب رو بررسی کنن، مصرف حافظه و سرعت اجرای مرورگر اهمیت زیادی پیدا می‌کنه.

استفاده از یک مرورگر سبک‌تر می‌تونه هزینه اجرای اتوماسیون‌ها رو کاهش بده و امکان اجرای تعداد بیشتری از وظایف رو فراهم کنه.

این پروژه در زمان انتشار این معرفی، ۳۹٬۱۵۰ ستاره و ۱۱٬۴۴۹ کامیت داشته.

نکته شفافیت: README پروژه بررسی شده، اما کد اجرا و آزمایش نشده.

https://github.com/lightpanda-io/browser

@DevTwitter | <Yarad/>

این پلی‌لیست یوتیوب هم جالبه، یه سری مفاهیم سخت و دشوار مربوط به ترین و اینفرنس LLMها رو به زبون ساده توضیح داده، دوست داشتید یه نگاه بهش بندازید!

https://www.youtube.com/playlist?list=PLXrQ2OzD3YKA

@DevTwitter | <Reza Jafari/>

منظور من وقتی تو مکالماتم با کارفرما از واژه "ما" استفاده میکنم:

@DevTwitter | <Soroush Sardashti/>

یان لوکان (Yann LeCun) حق داشت

تصور کنید یه مدل هوش مصنوعی با فقط ۱۰۹ میلیون پارامتر بتونه از مدلی با ۷۲ میلیارد پارامتر بهتر عمل کنه! شاید در نگاه اول عجیب به نظر برسه، اما تحقیقات جدید لوکان و رندال بالستریرو (Randall Balestriero) دقیقاً چنین چیزی رو نشون می‌ده.

لوکان سال‌هاست که می‌گه چیزی که باعث می‌شه یه مدل هوش مصنوعی دنیا رو درک کنه، صرفاً بزرگ‌تر کردنش نیست. با این حال، متا روی خلاف این ایده سرمایه‌گذاری کرد. لوکان هم در ماه نوامبر از متا جدا شد و آزمایشگاه تحقیقاتی خودش رو در پاریس راه انداخت. پنجشنبه‌ی هفته‌ی گذشته، اون به همراه بالستریرو مقاله‌ای منتشر کرد که می‌تونه نگاه ما به آموزش مدل‌های هوش مصنوعی رو تغییر بده.

اونا فرضیه‌ای به اسم Platonic Representation Hypothesis رو بررسی و به‌صورت ریاضی اثبات کردن. این فرضیه می‌گه مدل‌های هوش مصنوعی، حتی اگه با داده‌های متفاوتی مثل متن، تصویر یا صدا آموزش ببینن، در نهایت به درک مشترک و مشابهی از جهان می‌رسن؛ انگار همه‌شون به یه تصویر واحد از واقعیت دست پیدا می‌کنن. تا الان تصور غالب این بوده که برای رسیدن به چنین درکی، باید مدل‌ها رو هرچه بزرگ‌تر کنیم و با حجم عظیمی از داده‌ها آموزش بدیم. اما تحقیقات جدید نشون می‌ده که روش آموزش مدل خیلی مهم‌تر از اندازه‌ی اونه!

لوکان و بالستریرو نشون دادن که تحت شرایط ریاضی مشخص، دو مدل مبتنی بر معماری JEPA می‌تونن کاملاً مستقل از هم آموزش ببینن و در نهایت به نمایش تقریباً یکسانی از جهان برسن. نکته‌ی جالب اینجاست که این دو مدل حتی نیازی به داده‌های مشترک یا آموزش با جفت‌های متن و تصویر ندارن! یکی از مدل‌ها با مشاهده‌ی تصاویر مختلف از یک صحنه آموزش می‌بینه و مدل دیگه با توضیحات و توصیف‌های متفاوت از همون صحنه. با وجود این تفاوت، هر دو در نهایت می‌تونن به درک مشترکی از واقعیت دست پیدا کنن.

در واقع، چیزی که اهمیت داره این نیست که مدل چقدر بزرگه؛ بلکه اینه که چه اطلاعاتی رو و به چه شکلی در اختیارش قرار می‌دیم. برای مثال، یه عکس و توضیحی که زیر همون عکس نوشته شده، دو نمای متفاوت از یه چیز واحد هستن. مدل‌هایی که با چنین جفت‌هایی آموزش می‌بینن، خیلی سریع‌تر به درک مشترکی از موضوع می‌رسن. اما دو پاراگراف که از یه سند واحد برداشته شدن، لزوماً دو نمای متفاوت از یه مفهوم واحد نیستن و آموزش مدل با چنین داده‌هایی می‌تونه خیلی کندتر و پرهزینه‌تر باشه.

اینجاست که روش رایج پیش‌بینی کلمه‌ی بعدی (Next-Token Prediction) وارد ماجرا می‌شه؛ همون روشی که تقریباً تمام چت‌بات‌های امروزی ازش استفاده می‌کنن. نتایج آزمایش‌ها واقعاً جالبه: روش مبتنی بر هم‌ترازی نمایش‌ها تونسته با استفاده از ۲۱.۶ میلیون نمونه به نتیجه‌ای مشابه برسه که روش پیش‌بینی کلمه‌ی بعدی برای رسیدن بهش به ۹۰۰ میلیون نمونه نیاز داره. یعنی رسیدن به هم‌ترازی مشابه بین متن و تصویر با حدود ۴۲ برابر داده‌ی آموزشی کمتر!

اما شاید شگفت‌انگیزترین بخش ماجرا این باشه که یه مدل متنی JEPA با فقط ۱۰۹ میلیون پارامتر تونسته در آزمون‌های هم‌ترازی بین‌وجهی (Cross-Modal Alignment)، حتی از مدل‌های زبانی بسیار بزرگ تا سقف ۷۲ میلیارد پارامتر هم بهتر عمل کنه. به عبارت دیگه، مدلی که حدود ۶۶۰ برابر کوچیک‌تره، تونسته در این نوع از درک و هم‌ترازی، عملکرد بهتری از مدل‌های غول‌پیکر داشته باشه.

شاید وقتش رسیده این تصور رو کنار بذاریم که آینده‌ی هوش مصنوعی فقط به مدل‌های بزرگ‌تر، دیتاسنترهای عظیم‌تر و میلیاردها پارامتر بیشتر وابسته است. شاید مسیر رسیدن به هوش مصنوعی واقعاً هوشمند، نه در بزرگ‌تر کردن مدل‌ها، بلکه در پیدا کردن روش‌های بهتر برای یادگیری و درک جهان باشه.

https://www.alphaxiv.org/abs/2610.39302

@DevTwitter | <Reza Jafari/>

تست نفوذ (Penetration Testing) معمولاً کار پرهزینه‌ایه و ممکنه برای هر پروژه ده‌ها هزار دلار هزینه داشته باشه.

حالا پروژه متن‌باز ARTEX می‌خواد با کمک AI این فرایند رو تا حد زیادی خودکار کنه.

پروژه ARTEX یک سیستم هوشمند برای اجرای تست‌های امنیتی روی زیرساخت خودته که می‌تونه به‌صورت خودکار آسیب‌پذیری‌ها و نقاط ضعف امنیتی رو بررسی کنه.

ویژگی‌های اصلی:

- بک‌اند توسعه‌یافته با Go و داشبورد ساخته‌شده با Next.js

- نمایش و مدیریت یکپارچه وظایف، یافته‌های امنیتی و میزان مصرف توکن

- امکان اتصال مدل زبانی، Agent، ابزارهای MCP و Skill دلخواه

سؤال جالب اینه: آیا یک Agent متن‌باز می‌تونه به اولین لایه دفاعی زیرساخت شما تبدیل بشه؟

البته اجرای چنین ابزاری باید فقط روی زیرساخت‌هایی باشه که مالک اون‌ها هستید یا مجوز تستشون رو دارید.

گیت‌هاب پروژه:
https://github.com/BaaRai/ARTEX

@DevTwitter | <Yarad/>

خب اینم ۱۰ تا mcp جدید که قولشو داده بودم:)

خرید و قیمت
زومیت: مشخصات گجت، قیمت فروشگاه‌ها، تاریخچه‌ی قیمت
https://github.com/sepehr071/zoomit-mcp
موبایل ir: گوشی، قیمت، کارکرده، سیم‌کارت
https://github.com/sepehr071/mobile-ir-mcp
ایمالز: مقایسه‌ی قیمت فروشگاه‌ها
https://github.com/sepehr071/emalls-ir-mcp

خودرو
باما: آگهی، قیمت بازار، قیمت صفر
https://github.com/sepehr071/bama-ir-mcp
کارنامه: کارکرده، مشخصات، مقایسه
https://github.com/sepehr071/karnameh-mcp
همراه مکانیک: قیمت خودرو و هزینه‌ی کارشناسی
https://github.com/sepehr071/hamrah-mechanic-mcp

آگهی و دارو
شیپور: آگهی‌ها و خلاصه‌ی قیمت
https://github.com/sepehr071/sheypoor-mcp
داروکده: محصولات دارویی، قیمت، ترکیبات
https://github.com/sepehr071/darukade-mcp

فناوری و سرگرمی
وضعیت ابرهای ایرانی: وضعیت و قیمت آروان، لیارا، همراه‌وراز و بقیه
https://github.com/sepehr071/iran-cloud-status-mcp
گیمفا: اخبار بازی و فیلم، نقد با امتیاز
https://github.com/sepehr071/gamefa-mcp

@DevTwitter | <sep/>