یه مدل جدید ۴ میلیاردی به اسم Jan-v1 معرفی شده که کار اصلیش سرچ وب و ریسرچ عمیقه. تیم سازنده‌ش اون رو به عنوان یه جایگزین open-source برای Perplexity Pro معرفی کرده که به صورت کاملاً local هم اجرا میشه.

این مدل روی نسخه‌ی جدید Qwen یعنی Qwen3-4B-Thinking ساخته شده که تا ۲۵۶ هزار توکن context length داره. به طور مشخص برای reasoning و استفاده از ابزارها (tool use) فاین‌تیون شده که این یعنی برای کارهای agentic و حل مسائل پیچیده بهینه شده.

توی ارزیابی SimpleQA، به دقت ۹۱.۱٪ رسیده که طبق بنچمارک‌های منتشر شده، عملکردش یه مقدار از Perplexity Pro بهتره. این نشون میده که مدل‌های با این سایز هم میتونن توی تسک‌های واقعی مثل پرسش و پاسخ مبتنی بر فکت، عملکرد خیلی خوبی داشته باشن.

برای استفاده، میشه اون رو توی Jan App، یا با فریمورک‌های llama.cpp و vLLM اجرا کرد. اگه از Jan App استفاده می‌کنید، برای فعال کردن قابلیت سرچ باید از تنظیمات، Experimental Features رو روشن کنید و بعدش یه سرور MCP مثل Serper رو فعال کنید تا به اینترنت دسترسی داشته باشه.

به نظر من، حرکت به سمت مدل‌های کوچیک‌تر و تخصصی که به صورت local هم اجرا میشن، خیلی مهمه. این مدل‌ها کنترل بیشتری به دولوپر میدن و وابستگی به API های پولی رو کم می‌کنن. اینکه یه مدل 4B داره با سرویسی مثل Perplexity رقابت می‌کنه، نشون میده که آینده فقط دست مدل‌های غول‌پیکر نیست و مدل‌های بهینه شده برای تسک‌های خاص، جایگاه خودشون رو دارن.

فایل‌های مدل رو می‌تونید از لینک‌های زیر بگیرید:

📃 مدل اصلی Jan-v1-4B

📃 نسخه GGUF برای llama.cpp

PyTorch 2.8 Live Release Q&A

https://www.youtube.com/watch?v=amx4zUyfl3I

🤖 از چت بات های هوش مصنوعی وقتی درباره هک می‌پرسی، میگن «غیرقانونیه» یا «نمی‌تونیم راهنمایی کنیم» اما PentestGPT برای محققای امنیت طراحی شده تا آسیب‌پذیری‌های سایت‌ها رو پیدا کنن، تست نفوذ انجام بدن و تو برنامه‌های باگ‌بانتی جایزه بگیرن.

🔗 pentestgpt.ai

مسابقه پزشکی در Kaggle با جایزه 50,000 دلاری

● هدف: تشخیص و مکان‌یابی آنوریسم‌های داخل‌جمجمه‌ای در تصاویر پزشکی (CTA, MRA, MRI) با کمک هوش مصنوعی

● زمان‌بندی:
• آخرین مهلت ارسال: ۱۴ اکتبر ۲۰۲۵
• اعلام نتایج: نوامبر ۲۰۲۵
• معرفی برندگان: کنفرانس RSNA در شیکاگو – دسامبر ۲۰۲۵

● اطلاعات بیشتر از طریق لینک:
https://www.kaggle.com/competitions/rsna-intracranial-aneurysm-detection

📊 انفجار استفاده از چت‌بات‌های هوش مصنوعی
در بازه آگوست ۲۰۲۴ تا جولای ۲۰۲۵، تنها ۱۰ چت‌بات نزدیک به ۵۹٪ از کل ترافیک وب را به خود اختصاص داده‌اند.

مدل DeepSeek V3.1 به صورت Open Source منتشر شد، این مدل که ۶۸۵ میلیارد پارامتر داره میتونه تا ۱۲۸ هزار توکن رو پردازش کنه، تقریبا معادل یه کتاب ۴۰۰ صفحه‌ای هست.

🤗 https://huggingface.co/deepseek-ai/DeepSeek-V3.1-Base

مقایسه برترین LLM های Open Source

مقایسه برترین SLM های Open Source (زیر 10b)

شرکت xAI هوش مصنوعی Grok 2، که تا سال پیش این شرکت از اون استفاده میکرد، رو متن باز کرده و حالا همه شرکتها و کاربران به این مدل برای اجرا روی سخت افزارشون دسترسی دارن.

این مدل از معماری MoE استفاده میکنه، حدود 270 میلیارد پارامتر داره که حدود 115 میلیارد از اونها فعال هستن و بین 128 تا 320 گیگ رم خالی برای اجرا نیاز داره.

ایلان ماسک گفته گراک 3 رو هم حدود 6 ماه دیگه متن باز میکنه.

https://huggingface.co/xai-org/grok-2

وبینار Data Engineering آکادمی همراه اول

برای ثبت‌نام رایگان از طریق لینک زیر اقدام کنید

🔗 https://l.hamrah.academy/mgw

لیست وبینارهای برگزار شده در سال گذشته
(کامیونیتی DataEngineerGuys)

1-Talking with Mina, a data scientist
2-Talking With Dr. Fozouni, Cloud (AWS)
3-Talking With Hatef, a AI/ML Engineer
4-Familiarity with databases and SSIS concept
5-GenAI-HatefAbdollahi
6-Roadmap to becoming a DataEngineer
7-Types of Databases
(MySQL-MongoDB-ClickHouse-ElasticSearch)

لینک وبینارها :
https://dataengineerguys.com/events/webinars-held

اسلاید های ارائه خودم در همین کانال هست

📚 اهمیت «نادانی سازنده» در پژوهش علمی

مارتین شوارتز در مقاله‌ای ارزشمند اما نسبتا قدیمی و مربوط به ۲۰۰۸ بر نکته‌ای ظریف تأکید می‌کند: آنچه مسیر پژوهش را از آموزش کلاسیک متمایز می‌سازد، مواجهه‌ی مداوم با ناشناخته‌هاست. در آموزش، موفقیت اغلب معادل یافتن پاسخ‌های درست است؛ اما در تحقیق، ماهیت کار پرسیدن پرسش‌هایی است که پاسخ از پیش آماده‌ای برای آن‌ها وجود ندارد.

شوارتز این وضعیت را «نادانی سازنده» می‌نامد. پژوهشگر با انتخاب پرسش‌های بنیادین، عمداً خود را در موقعیتی قرار می‌دهد که دانسته‌های پیشین کفایت نمی‌کند. چنین نادانی نه نشانه ضعف، بلکه شرط لازم برای حرکت به مرزهای جدید دانش است.

برای دانشجویان و پژوهشگران جوان، درک این واقعیت اهمیت حیاتی دارد:

احساس نادانی بخشی جدایی‌ناپذیر از فرآیند تحقیق است.

آزمون و خطا، شکست و اصلاح مسیر، عناصر اصلی تولید علم‌اند.

هرچه با این وضعیت راحت‌تر شویم، توان پیشروی در قلمرو ناشناخته‌ها افزایش می‌یابد.


پذیرش آگاهانه‌ی «نادانی سازنده» نه تنها بار روانی پژوهش را سبک‌تر می‌کند، بلکه بستر خلاقیت و نوآوری را نیز فراهم می‌سازد.

جهت دسترسی مستقیم به مقاله:
https://lnkd.in/dqYyQqqf

روز جهانی برنامه‌نویسان مبارک ✨❤️

Ⓜ️ مکتب‌خونه ۵۰ دوره پرمخاطب برنامه‌نویسی رو رایگان کرده!
کافیه دوره دلخواهت رو انتخاب کنی و کد تخفیف:
👉 HELLOWORLD
رو وارد کنی تا دوره برات رایگان بشه.

⏰ این کد فقط تا یکشنبه ۲۳ شهریور فعاله و میشه باهاش یه دوره رایگان ثبت نام کرد.

📢 آغاز دهمین کمپ استارتاپی دیجی‌نکست

اگه می‌خوای استارتاپ خودت رو داشته باشی یا از تخصصت در این مسیر استفاده کنی، این فرصت رو از دست نده!

امکان حضور فردی و تیمی به‌صورت رایگان تا ۱ مهر ۱۴۰۴

جزئیات بیشتر و ثبت‌نام:
https://diginext.ir/diginext-camp

نسخه‌ی سوم کتاب یادگیری عمیق با پایتون آقای فرانسوا شوله که به زودی منتشر می‌شود، در وب‌سایت کتاب به آدرس زیر بطور رایگان در دسترس قرار گرفته است. این کتاب یکی از بهترین منابع این حوزه است و در این نسخه به مباحث جدیدتر مانند ترنسفورمرها و مدل‌های بزرگ زبانی هم پرداخته شده است.

https://deeplearningwithpython.io/chapters/