مخزن HeyGen همون ابزاری که خودشون باهاش با ایجنت‌های هوش مصنوعی ویدیو می‌سازن رو متن‌باز کرده.
اسمش HyperFrames هستش. ایجنتت HTML می‌نویسه و خروجی‌ش یه MP4 واقعیه.
با GSAP و Three.js و Lottie کار می‌کنه، 21 skill برای Claude Code داره، و بابت هر render هم هیچی نمی‌دی.
56 هزار استار ریپو.

github.com/heygen-com/hyperframes


@Linuxor ~ Yarad_ai

آپدیت DeepSeek-v4.1-Flash روی CPU + یک کارت RTX 3090!

کش KV با ظرفیت 262K
سرعت Prefill حدود 600 تا 800 توکن بر ثانیه
حالت C1 الان به سرعت 26 توکن بر ثانیه در Decode رسیده
حالت C4 الان به سرعت 41 توکن بر ثانیه در Decode رسیده

برای اجرای این تنظیمات به اینا نیاز داری:

1 عدد GPU با 24GB حافظه VRAM
رم 256GB DDR4 یا DDR5
فضای 200G NVMe

github.com/0xSero/dsv41-flash-offload


@Linuxor

اگه دوست دارید ظاهر سایتتون شبیه به سایتای گوگل بشه (متریال دیزاین) اینو چک کنید بدون نیاز به خود متریال می‌تونید سایت shadcn رو با تعویض چند تا Import ظاهرش رو از آسمون به زمین تغییر بدید

shadcn-m3e.crystaworld.dev


@Linuxor

وقتی 50 تا ایجنت هوش مصنوعی رایگان از شرکتای مختلف رو آوردی توی یه Workspace که کارو سریع تر انجام بدن.


@Linuxor

امروز یه عده بازی GTA-V رو با هوش مصنوعی نسخه سازگار با وبش رو ساخته بودن (با وب اسمبلی) راکستار فهمید و دهنشون رو سرویس کرد، دقت کنید بازی رو با هوش مصنوعی نساخته بودن همون GTA-V رو فقط با وب سازگار کرده بودن، وب اسمبلی یه تکنولوژی وب هستش که می‌شه فایل های اجرایی رو توی مرورگر اجرا کرد.

این آدرس سایتشه فعلا که قطعه و فکر نمیکنم دوباره وصل شه چون راکستار به راحتی می‌تونه ازشون شکایت کنه نکته جالب این قضیه وب اسمبلی بود فکر نمی‌کردم بشه باهاش همچین حرکتی زد:

playgta5.com

@Linuxor

کسایی که تونسته بودن توی اون تایم تستش کنن گفتن فقط 700 مگابایت دانلود شده بود در صورتی که بازی بیش از 100 گیگ حجمشه، این یعنی بازی به قدری بهینه بوده که هر بخشی یا هر داستان همون موقعی که بهش رسیدید دانلود می‌شده!


@Linuxor

بچه ها IPV6 روی سرور های وب داده وصل شده اگه سرور که ندارید برید بگیرید ازشون (باهاشون صحبت کردم کد تخیفیف Linuxor هم فعال کردن براتون وقتی بزنید 200 هزار تومن کم می‌شه) اگه هم سرور دارید که کاملا رایگان می‌تونید از بخش شبکه روی دریافت IPV6 رایگان کلیک کنید و بگیرید:

webdade.com/Iran-VPS-IPv6-back

می‌دونستین وقتی از Qwen 3.8 27B می‌پرسید پایتخت فرانسه کجاست و برای تولید فقط یک کلمه جواب "پاریس" مقدار 25.8 میلیارد معادله ریاضی انجام می‌ده که NVIDIA RTX PRO 6000 هر معادله رو توی 13 میلی ثانیه انجام می‌ده.

برای درک بزرگی این مقدار توی هر فریم این ویدیو 3.6 میلیون معادله انجام می‌شه که البته ویدیو 32 میلیون برابر تندتر شده تا قابل نمایش بشه وگرنه توی حالت عادی با سرعت 1 معادله در هر فریم و با 60 فریم در ثانیه طول این ویدیو 13 سال می‌شد.

@Linuxor

معیار توکن بر ثانیه معیار خوبی برای مقایسه مدل ها نیست چون Opus 5.5 مقدار توکن برثانیه کمتری از جمنای 3.8 فلش داره ولی بعضی تسک هارو سریع تر انجام میده.

به قولی توی مسابقه دو هر چقدر هم سرعتت زیاد باشه ولی از روی مسیر درست حرکت نکنی زود تر به خط پایان نمی‌رسی.

@Linuxor

این بار ساده‌تر  با لینگانو ادامه بده!  📕

📍دسترسی نامحدود به دوره‌ها
📍پنل اختصاصی در سایت و اپلیکیشن
📍تعیین سطح و مشاوره اختصاصی

دوره جامع لینگانو با ۷۵٪ تخفیف و پرداخت ۴ قسطه اسنپ‌پی؛ برای مشاوره تخصصی و ثبت نام دوره، همین حالا کلمه ((ساده)) رو ارسال کنید

👇🏻👇🏻👇🏻👇🏻


@lingano_support_2
@lingano_support_2

این ابزارم جالبه باهاش می‌تونید مدل های هوش مصنوعی رو از نظر امنیتی به چالش بکشید یه بخش هم داره سعی می‌کنه با Prompt Injection، Jailbreak و حملات مختلف سیستم هوش مصنوعی رو به چالش بکشه تا قبل از اینکه چیزی بره Production، بفهمی کجاها ممکنه خراب بشه.

promptfoo.dev

@Linuxor

وقتی سرور های شرکت هک شده، تیم DevOps همون لحظه:

@Linuxor

این MCP واقعاً خفنه. می‌تونی ازش بخوای توضیحات درسیت رو به‌صورت زنده برات نقاشی کنه، با صدای مداد و همه‌ی این جزئیات، بعد هم برنامه رو باز کنی و خودت تغییراتت رو روش اعمال کنی.

یاد گرفتن با هوش مصنوعی واقعاً خیلی سرگرم‌کننده شده.

github.com/excalidraw/excalidraw-mcp

@Linuxor

من با هوش مصنوعی تابحال نتونستم یه پروژه رو کامل بالا بیارم همیشه خودم هم دست به کار شدم توش و حداقل 50 درصدش رو خودم زدم؛ یه تکنیکی که جدیدا یاد گرفتم برای پروژه هایی که کامل دست خودمه اینه که به صورت نوسانی یه روز خودم کد بزنم یه روز هوش مصنوعی؛ این خوبیش اینه که خودتون از کدبیس عقب نمیمونید و اون مزیت استفاده از هوش مصنوعی هم دارین، البته خیلی جاها کد ها و فیچرای هوش مصنوعی رو مجبورید پاک کنید و پروژه هی یه کوچولو عقب می افته ولی روندش صعودیه؛ مثل قیمت دلارو دیدید یهویی میره بالا یه قیمتی شدو (سایه) میزنه و یه کوچولو میاد عقب تر در کل داره میره بالا. هوش مصنوعی هم اینطوریه یه کد اضافه میکنه 70 درصدش رو حذف میکنی همون 30 درصد که میمونه خیلی به رشد پروژه کمک میکنه خودتم دیگه از قافله عقب نمیمونی.

@Linuxor

گوگل از EmbeddingGemma 2 رونمایی کرده؛ مدلی که برخلاف LLM هایی مثل ChatGPT قرار نیست باهات چت کنه یا جواب متنی تولید کنه. کار اصلیش اینه که متن، تصویر، صدا و ویدیو رو به یک نمایش عددی به اسم Embedding تبدیل کنه؛ به زبان ساده، محتوای پیچیده رو به شکلی تبدیل می‌کنه که کامپیوتر بتونه معنی و شباهت بین محتواها رو بهتر درک کنه.

مثلاً فرض کن هزاران PDF، مقاله یا سند داری و کاربر می‌پرسه چطور فاکتور قبلیم رو دانلود کنم؟. EmbeddingGemma 2 سوال رو به یک بردار عددی تبدیل می‌کنه و بین اسناد موجود می‌گرده تا محتواهایی که از نظر معنایی بیشترین ارتباط رو دارن پیدا کنه؛ حتی اگر کلمات دقیقاً یکسان نباشن.

نکته جذاب‌تر اینه که قابلیت‌های مدل فقط به متن محدود نمی‌شن. EmbeddingGemma 2 می‌تونه متن، تصویر، صدا و ویدیو رو در یک فضای مشترک قرار بده.

blog.google/innovation-and-ai/technology/developers-tools/embeddinggemma-2


@Linuxor

این ربات کوچیک و متن‌بازِ خرچنگی که اسمش Jumper هست، واقعاً خیلی خفنه!

این یه ربات 22 درجه آزادی (22-DoF) هستش که با هدف بامزه، پرتحرک و بیانگر بودن طراحی شده و در عین حال می‌تونه کاربردی هم باشه. این ربات می‌تونه خیلی انعطاف‌پذیر حرکت کنه، اشیا رو جابه‌جا و دستکاری کنه و حتی روی مبل یا تخت بپره.

سازنده این پروژه رو همین هفته به‌صورت Open Source منتشر کرده، بنابراین خودت هم می‌تونی بسازیش و باهاش آزمایش و تجربه کنی.

github.com/KingKongRobotics/jumper


@Linuxor

اگه طراحی شیشه‌ای و مینیمال اپل رو دوست دارید، این سایت رو ببینید!

سایت Devigner از سبک Glassmorphism و طراحی‌های جدید اپل الهام گرفته؛ کامپوننت‌هایی خوش‌ساخت برای ساخت UIهای مدرن.

اضافه کردن کامپوننت‌ها هم خیلی ساده‌ست و با یه Command انجام میشه.

ui.devigner.cc/components

@Linuxor ~ negahUi_tech

متا روی فناوری‌ای به اسم CRAM کار می‌کنه که هدفش اینه لینوکس بتونه بدون اضافه کردن RAM فیزیکی، داده بیشتری رو داخل حافظه نگه داره. CRAM مخفف Compressed RAM هستش و در Linux Plumbers Conference 2026 معرفی شده.

لینوکس همین الان هم با فناوری‌هایی مثل ZRAM و Zswap حافظه رو فشرده می‌کنه، اما تفاوت مهم CRAM اینه که از فشرده‌سازی با کمک سخت‌افزار استفاده می‌کنه؛ در نتیجه داده‌های فشرده‌شده می‌تونن بدون فرآیند معمول decompression نرم‌افزاری قابل دسترسی باشن.

توی تست‌های read-only، عملکرد CRAM تقریبا به DRAM معمولی نزدیک شده و در تست‌های نوشتن هم نسبت به ZRAM، Zswap و swap معمولی عملکرد بهتری نشون داده. البته این نتایج مربوط به آزمایش‌های اولیه‌ست و به معنی 2 برابر شدن قطعی RAM یا سرعت مشابه DRAM در همه شرایط نیست ولی می‌تونه راه جالبی برای افزایش ظرفیت مؤثر حافظه، بدون خرید RAM بیشتر، ایجاد کنه.


@Linuxor ~ twtayaan