کلادفلر برای Quick Tunnels یک صفحه‌ی جدید ساخته. با یک دستور، localhost را به یک لینک عمومی https تبدیل می‌کنید.
بدون اکانت، دامنه، تنظیم DNS یا بازکردن پورت.
مناسب برای دمو، تست Webhook و بازکردن پروژه روی موبایل، البته موقتی است و برای Production نیست.
https://try.cloudflare.com

@Linuxiz

ربودن مسیر اینترنت توسط همراه اول


دیروز شبکه همراه اول (با شماره AS197207) به طور ناگهانی ۱۹۰ محدوده آدرس اینترنتی (IP) رو اعلام کرد که متعلق به خودش نبود.

این کار باعث شد ترافیک بخش زیادی از اینترنت برای مدت کوتاهی به مسیر اشتباه هدایت بشه. بیش از ۱۰ هزار کانفلیکت مسیریابی ایجاد شد و روی ۱۵۲۴ شبکه تو ۱۰۰ کشور مختلف تاثیر گذاشت. این اتفاق توی دو مرحله کوتاه (حدود ۸ دقیقه و ۱۵ دقیقه) اتفاق افتاد و بعد تموم شد.

به زبان ساده BGP Hijack یعنی چی؟
اینترنت مثل یک سیستم بزرگ مسیریابیه. هر شرکت بزرگ به بقیه می‌گه «این آدرس‌ها مال منه، ترافیک رو از این مسیر بفرستید».
اگر کسی آدرس‌هایی رو که مال خودش نیست اعلام کنه، به این کار می‌گن ربودن مسیر یا BGP Hijack. نتیجه اینه که ترافیک به جای مقصد واقعی، موقتا به سمت شبکه اعلام‌کننده می‌ره.

منبع: Radar by Qrator

@Linuxiz

دسترسی مدل Jev برای همه آزاد شده :

console.typesafe.ai

به هر ایمیلی ابتدا 5 دلار کردیت میده که معادل 120 میلیون توکنه.

@Linuxiz

کاربری تونسته با DiffusionGemma که مدلی برای تولید متن با معماری diffusion هستش، به یه مدل شبیه به Jev برسه.

ایده اینه که به‌جای تولید توکن‌به‌توکن، DiffusionGemma گزینه‌های ساختاریافته رو روی یک canvas قرار میده و با diffusion همه گزینه‌ها رو به‌صورت موازی بررسی می‌کنه؛ یعنی با یک پاس می‌تونه برای تصمیم‌هایی مثل Yes/No و چندگزینه‌ای، جواب و میزان اطمینان مدل رو استخراج کنه.

این معماری از attention دوطرفه کامل استفاده می‌کنه، بنابراین هر گزینه همزمان به کل context دسترسی داره و می‌تونه توزیع تصمیم‌گیری کالیبره‌تری بده. از طرف دیگه، قابلیت‌های multimodal و درک فضایی Gemma 4 رو هم به ارث می‌بره؛ اجرای یک پاس diffusion هم روی DGX Spark حدود 0.2 ثانیه گزارش شده.

جالب‌تر اینکه خود گوگل رسماً این رو با عنوان «DiffusionGemma as Jev» معرفی کرده و گفته این پروژه قدرت معماری‌های non-autoregressive رو نشون میده.


@Linuxiz

📈 #لیست_قیمت

✅ #باگارانتی_شرکتی

🗓 دوشنبه ۱۴۰۵/۰۶/۳۰

⏱ ساعت: ۱۱:۴۰
‌


🆑 @mobi_ir

اینو ببینید چه سرعت خوبی داره! این خودِ Jev نیست، djev-run هستش؛ پروژه‌ای که برای اجرای مدل djev بر پایه‌ی DiffusionGemma ساخته شده. باهاش می‌تونین djev رو خیلی راحت روی Google Cloud Run دیپلوی کنین و در چند مرحله یه endpoint سازگار با Jev API داشته باشین و خودتون باهاش بازی کنین:


ایده‌ی djev هم مثل Jev یه مقدار با LLMهای معمولی فرق داره؛ به‌جای اینکه صرفاً متن تولید کنه، برای تصمیم‌گیری ساختاریافته ساخته شده. مثلاً می‌تونین یه پیام کاربر رو بدین و ازش بخواین مشخص کنه مربوط به کدوم دسته هست، شدت مشکل چقدره، آیا درخواست refund داره یا نه و حتی برای جواب‌ها probability بگیرین. یعنی خروجی مستقیماً می‌تونه وارد منطق اپلیکیشن بشه.


github.com/taeold/djev-run

@Linuxiz

فرق مدل Jev با LLM های معمولی اینه که Jev درونگراست و حرف نمی‌زنه ولی LLM برونگراست هرچی تو دلش باشه رو می‌کنه.


@Linuxiz

مراقب این نوع هک باشید!

یه صفحه جعلی شبیه Cloudflare میگه برای تأیید ربات نبودن، Win + R رو باز کن و Ctrl + V بزن.

چون شبیه تأییدیه‌های معمول Cloudflareـه، ممکنه طبق عادت انجامش بدید، اما در واقع دارید یه دستور مخرب رو اجرا می‌کنید.

البته آنتی ویروس احتمالا جلوشو میگیره.

@Linuxiz

یه مدل اوپن سورس و لوکال دیگه اومده که می‌گه Jev در برابر ما آشغالی بیش نیست!

اسمش laya-mlx هستش و توی ویدیو روی مک بوک ایر 16 گیگ ران شده. و فقط 1 گیگ رم مصرف می‌کنه.

github.com/mizorewww/laya-mlx

@Linuxiz

مقایسه و بنچمارک بین مدل های تصمیم گیرنده
البته توی این مقایسه jev به عنوان رفرنس در نظر گرفته شده

huggingface.co/spaces/multimodalart/jev-decision-index


@Linuxiz

یه نفر یه تم لیکویید گلس برای وب با React ساخته

تست آنلاین :
cruxgarden.github.io/plasma-ui

سورس کد :

github.com/CruxGarden/plasma-ui

@Linuxiz

دنبال یک موزیک پلیر آفلاین اندروید هستید که رابط کاربری خوبی داشته باشه؟
نیو پلیر یک پلیر با رابط کاربری شبیه به اسپاسیفای
کاملا آفلاین و استفاده از موزیک های دانلود شده
لود سریع و پشتیبانی از بیشتر قابلیت های اسپاسیفای
شخصی سازی تم و تنظیمات

- توجه این نسخه ی اولیه هست و ممکنه باگ داشته باشه

https://github.com/Realjustawall/neo-player

@Linuxiz

جالب ترین چیزی که امروز دیدم اینه، یه نفر یه رابط کاربری ساخته هرچیزی که توش تایپ می‌کنید براتون به صورت ui نشونش می‌ده پشت صحنه مدل هوش مصنوعی Jev هستش.

البته این نکته هم بگم سورس کدش رو دیدم چیز جدیدی خلق نمی‌شه همش از قبل ساخته شده و وظیفه Jev اینه که متنی که می‌نویسید رو با سرعت بالا به ui تبدیل کنه.

تست آنلاین:
shapeshiftui.vercel.app

سورس کد:

github.com/anishfn/shapeshift


@Linuxiz

برای اینکه دانش کلی Jev رو ببینم چطوره 122 سؤال کنکور تجربی 1405 رو دادم به اون و 5 مدل دیگه. مدل‌های بزرگ بهتر، کند‌تر و گرون‌تر هستن اما مهم برام مدل‌های کوچیک بود. مثلا از لونا 25 درصد بهتر عمل‌ کرد در حالی که 4.5 برابر ارزون‌تر و 3.7 برابر سریع‌تره. دیپ‌سیک و Qwen رو هم لوله کرد.

@Linuxiz

حیفم اومد این ابزار باحال رو بهتون معرفی نکنم

اگه دولوپر وب باشید، احتمالاً بیشتر از چیزی که فکر می‌کنید به FFmpeg نیاز پیدا می‌کنید.

یه ابزار خط فرمان (CLI) برای پردازش فایل‌های مدیاست؛ یعنی فقط برای تبدیل فرمت ویدئو نیست و کلی کار دیگه هم می‌تونید باهاش انجام بدید.

مثلاً:


تبدیل فرمت ویدئو و صدا
کم کردن حجم ویدئو
حذف صدا از ویدئو
استخراج فریم‌های ویدئو به‌عنوان تصویر
تبدیل گروهی تعداد زیادی فایل
تبدیل تصاویر به WebP و بهینه‌سازی حجمشون
تغییر ابعاد تصاویر به‌صورت batch
ساخت GIF یا ویدئو از مجموعه‌ای از تصاویر


اما قسمت جذاب‌ترش برای توسعه‌دهنده‌هاست:

فرض کنید ۵۰۰ تا تصویر دارید و می‌خواید همه‌شون با یک دستور به WebP تبدیل بشن، ابعاد مشخصی داشته باشن و داخل یک پوشه خروجی ذخیره بشن.

یا مثلاً یک ویدئوی ۲۰ ثانیه‌ای دارید و می‌خواید ازش برای یک انیمیشن اسکرولی، تعداد مشخصی فریم استخراج کنید.

لازم نیست یکی‌یکی با Photoshop یا ابزارهای آنلاین سر و کله بزنید؛
یک دستور می‌نویسید و می‌ذارید FFmpeg کار رو انجام بده.

و چون یک ابزار خط فرمانه، فقط محدود به ویندوز نیست؛ روی Linux و macOS هم قابل استفاده‌ست و حتی می‌تونید روی VPS و سرور، پردازش فایل‌ها رو بدون محیط گرافیکی انجام بدید.

برای پروژه‌های WordPress، Laravel و حتی اسکریپت‌های شخصی، وقتی پای پردازش تعداد زیادی فایل وسط باشه، این ابزار واقعاً کاربردیه.

اگر با مدیا سر و کار دارید، FFmpeg رو یه گوشه ذهنتون داشته باشید.
احتمالاً یه روزی به دردتون می‌خوره.

@Linuxiz

آدرس سایتتون رو اینجا وارد کنید بهتون می‌گه چند درصد ساخته آشغال هوش مصنوعی یا AI Slop هستش

تکنیک کارش هم اینه هم عکس می‌گیره با مدل ویژن برسیش می‌کنه هم سوالاتی با Jev رو میپرسه همچنین با یه مرورگر هدلس سایتتون رو باز می‌کنه و المان هاشو برسی می‌کنه اگه چیز های کلیشه ای و تکراری ببینه می‌گه با AI ساخته شده:

madewithjev.com/free-tools/ai-slop-detector

@Linuxiz

تریدینگ‌ویو پرمیوم سالی 720 دلار هزینه داره، یه توسعه‌دهنده فرانسوی کتابخانه‌ای اوپن‌سورس داره که:
– قیمت لحظه‌ای و اندیکاتورها رو رایگان میده
– استراتژیها رو در چند دقیقه بکتست میکنه
– با اندیکاتورهای Invite-Only و Replay کار میکنه

github.com/Mathieu2301/TradingView-API

@Linuxiz

تو این سایت می‌تونید هم اپلیکیشن هایی که مردم به کمک Ai لانچ کردن رو ببینید و هم اپلیکیشن خودتون رو معرفی کنید:

https://vibecoders.ir/



حتما چک کنید. ایده های خوبی می‌شه ازش گرفت.

@Linuxiz

وقتی Server Action می‌سازید نکست واسش یه public endpoint در نظر می‌‌گیره که با POST قابل فراخوانیه و موقع استفاده هم از سمت کلاینت بهش رکوئست می‌ده. در نتیجه این endpoint خارج از فضای مرورگر هم قابل دسترس هست (مثل Postman)

حالا اگه یه server action دارید که عملیات حساسی انجام می‌ده، داخلش حتما Auth رو داشته باشید.

@Linuxiz

یه مدل جایگزین مدل معروف Jev اومده که می‌گه 9 برابر سریع تر استنتاج می‌کنه، در حالی که توی کارهایی مثل کار با کامپیوتر، گیمینگ و Tool Calling عملکردی در حد Jev داره.

اسمش CLM-8B هستش و ایده اصلیش اینه که به‌جای پردازش دوباره همه‌چیز، State و Action رو از هم جدا می‌کنه تا بتونه Embeddingهاشون رو جداگانه Cache کنه و دوباره استفاده کنه. این یعنی وقتی محیط مدام تغییر می‌کنه ولی Actionهای ممکن ثابت می‌مونن، کلی محاسبه اضافه حذف می‌شه.

جالب‌تر اینکه با یه Fine-tuning سبک، روی بنچمارک‌های سخت Agentic Coding به 81.6% توی DeepSWE و 87.6% توی Terminal-Bench 2.1 رسیده و ادعای SOTA داده. یعنی فقط بحث سرعت نیست و برای Coding Agentهای چندمرحله‌ای هم عملکرد جدی‌ای داره.

تیم سازنده در نهایت Scaling Lawهای CLM رو هم بررسی کرده و نشون داده Contrastive Loss با افزایش Compute، اندازه مدل و اندازه دیتاست، به شکل قابل‌پیش‌بینی کاهش پیدا می‌کنه. خلاصه اینکه ایده اصلی CLM اینه: State و Action رو از هم جدا کن، Cache کن و با هزینه خیلی کمتر و سرعت بالاتر تصمیم بگیر:
github.com/Contrastive-LM/CLM

@Linuxiz

اوففف انویدیا هاگینگ فیس رو خریده داره چیکار می‌کنه! یه مدل داده بیرون 8 نفرم که همزمان صحبت می‌کنن می‌تونه بفهمه! و فقط 100 میلیون پارامتر داره اسمش Nemotron 3 Diarization هستش


تست آنلاین:
huggingface.co/spaces/nvidia/nemotron-diarization

توضیحاتش:
huggingface.co/blog/nvidia/nemotron-diarization

@Linuxiz