Sefid | سفید
115 subscribers
69 photos
2 videos
52 links
Download Telegram
‏دیپ‌سیک انجینی که باهاش مدل‌هاش رو ارائه می‌ده، اوپن‌سورس کرد. اسمش DeepInfer هست و الان می‌شه رایگان دانلودش کرد.

‏فعلا فقط یه مدل رو اجرا می‌کنه، DeepSeek-V4.1-Flash. روی کارت‌های بلک‌ول انویدیا (SM100) و تراشه‌ی Ascend 950 هوآوی کار می‌کنه؛ یعنی موتور رسمی دیپ‌سیک روی تراشه‌ی چینی هم کار می‌کنه. لینوکس، پایتون ۳.۱۲ و CUDA 13 یا CANN 9.2 لازم داره.

‏توش کرنل‌های خود دیپ‌سیک هست، مثل FlashMLA، DeepGEMM و DeepEP. با DSpark تا ۵ توکن پیش‌نویس می‌سازه و بعد چکشون می‌کنه که جواب سریع‌تر بیاد. خروجیش قطعیه، یعنی ورودی یکسان همیشه همون جواب رو می‌ده، و می‌تونه خروجی رو به JSON یا regex هم محدود کنه. بنچمارکش روی ۴ کارت برای prefill و ۶۴ کارت برای decode گرفته شده.

‏ولی این همه‌ی موتور نیست، فقط اجرای آفلاین رو داده. سه تیکه‌ای که برای یه سرویس کامل لازمه، یعنی سیستم کش KV، جدا کردن prefill و decode، و پخش بار بین نسخه‌ها، توش نیست. اولش روی vLLM ساخته شده و روز اول ۶٬۸۰۰ استار و ۵۵۶ فورک توی گیت‌هاب گرفت.

‏[L]

‏🤍 @sefiddev
🔥1
‏چین یه شرکت دولتی جدید به اسم «گروه ملی داده» راه انداخته که کارش جابه‌جا کردن و اشتراک داده بین صنعت‌ها و استان‌هاست؛ یه جورایی سکوی ملی اطلاعات. اداره‌ی ملی داده که از ۲۰۲۳ هست سیاست‌ها رو می‌نویسه و این شرکت اجرا و بازارش رو دست می‌گیره. خودشون گفتن برای اینه که از رقابت هوش مصنوعی عقب نمونن.

‏در واقع یه نهاد دولتی داره بازار داده‌ی چین رو دستش می‌گیره و هنوز معلوم نیست داده‌ی شخصی، مثل سلامت و مالی و رفت‌وآمد، هم توش هست یا نه. چین از ۲۰۲۱ قانون حفاظت از داده‌ی شخصی داره، ولی دست دولت توش بازه و ناظر مستقلی نیست. از پارسال هم «شناسه‌ی آنلاین ملی» راه افتاده که ورود به اپ‌ها رو با کد دولتی انجام می‌ده؛ یعنی داده و هویت آنلاین مردم دارن زیر یه سقف جمع می‌شن.

‏[L]

‏🤍 @sefiddev
🔥1
‏تیم OpenAI می‌گه مدل‌هاش حالا با زبان‌های برنامه‌نویسی قدیمی مثل COBOL، Fortran و ویژوال بیسیک بهتر کار می‌کنن. ۴۰ درصد بانک‌های دنیا هنوز روی COBOL هستن. مهاجرت ازش میلیون‌ها دلار خرج داره و برنامه‌نویس‌هاش دارن بازنشسته می‌شن.

‏برای سنجیدنش یه بنچمارک تازه ساختن، MultiLangBench، که مدل باید توش به یه زبان مشخص یه پایگاه داده‌ی سازگار با SQLite بسازه. GPT-6 Astra توی ۲۰ زبان به‌طور میانگین ۸۷.۴ درصد تست‌ها رو پاس کرده، در برابر ۲۶.۸ درصد GPT-5.6 Sol. سخت‌ترین زبان COBOL بوده، با ۷۲ درصد.

‏توی تست دوم، مدل باید برنامه‌ی COBOL رو به ++C، جاوا، کاتلین، پایتون یا راست برگردونه، طوری که رفتارش دقیقا همون بمونه؛ مثلا اعشار رو همون‌طور گرد کنه. GPT-6.1 Sol با استدلال زیاد به ۹۷.۹ درصد رسیده و با استدلال کم ۸۶.۶ درصد. خود OpenAI هم می‌گه برای سیستم واقعی بانک هنوز کارشناس باید چک کنه.

‏[L]

‏🤍 @sefiddev
🔥1
‏کلودفلر Clairic رو معرفی کرد؛ مدلی که مثل ChatGPT متن نمی‌نویسه و فقط از ایمیل و سند داده بیرون می‌کشه. بهش می‌گی شماره‌ی سفارش، مبلغ فاکتور یا تاریخ تحویل رو می‌خوام؛ زیر یه ثانیه دیتا رو می‌کشه بیرون و جواب می‌ده، یا اگه پیدا نکنه null برمی‌گردونه.

‏چون توکن‌به‌توکن تولید نمی‌کنه، مثل مدل‌های زبانی توهم نمی‌زنه، هرچند ممکنه اشتباه کنه. فقط برای ورودی پول می‌گیره.

‏توی نمونه‌ی خود کلودفلر، یه ایمیل شکایت رو اول Clairic خونده (شماره‌ی سفارش، مبلغ، خرابی و تخمین هزینه‌ی تعمیر)، بعد مدل Clef بین بازپرداخت و تعمیر تصمیم گرفته و GLM-5.3 جواب رو نوشته. کل این ۱۹.۳ ثانیه طول کشیده؛ GLM-5.3 تنهایی ۶۱.۷ ثانیه و تقریبا دو برابر هزینه. فعلا پیش‌نمایشه روی Workers AI و وزن‌هاش به‌زودی باز می‌شه.

‏[L]

‏🤍 @sefiddev
🔥1
‏سیستم‌عامل OpenBSD 8.0 اومد، نسخه‌ی ۶۱امش، که تئو دو رات منتشرش کرد.

‏فضای آدرس مجازی هسته‌ی ۶۴ بیتی از ۴ گیگ به ۵۱۲ گیگ رسیده. swap با دستورهای AES خود پردازنده سریع‌تر رمز می‌شه، ARM64 حالت Hibernate گرفته و RISC-V افزونه‌ی برداری V. معماری SPARC64 رفته روی کامپایلر Clang و پشتیبانی Loongson حذف شده، چون با Clang 22 کار نمی‌کرد.

‏درایورهای گرافیکش هم‌سطح لینوکس ۶.۱۸ شده و اولین بار کارت‌های Intel Arc سری A رو پشتیبانی می‌کنه. کلی درایور تازه‌ی شبکه‌ی سیمی و بی‌سیم و بهبود امنیتی هم داره. بسته‌هاش: GCC 16.1، GNOME 49، KDE Plasma 6.7.5، Clang 22، پایتون ۳.۱۴.۷، Rust 1.98.1، Wayland 1.26 و Xfce 4.20.

‏[L]

‏🤍 @sefiddev
🔥1
‏شرکت Gradium مدل‌های تبدیل متن به گفتار Phonon رو اوپن‌سورس کرد. اون‌قدر کوچیکن که توی تب مرورگر، روی گوشی یا CPU لپ‌تاپ اجرا می‌شن و صدا رو همزمان با ساختن پخش می‌کنن.

‏مدل انگلیسی ۳۱ میلیون پارامتره و فایلش ۶۴.۵ مگابایت. شش مدل ۴۰ میلیونی هم هست (۷۴.۶ مگ) برای انگلیسی، فرانسوی، آلمانی، اسپانیایی، پرتغالی و یکی چندزبانه، ولی فقط غیرتجاری. خروجیش ۲۴ کیلوهرتزه و روی Pocket TTS و کدک Mimi از Kyutai ساخته شده.

‏بی نصب، توی مرورگر امتحانش کنید. برای نصب:

# macOS
brew install gradium-ai/tap/ptts

# Python
pip install ptts

# Run
ptts --lang en --voice en_us_Easton "Hello from Phonon." -o speech.wav


‏Hugging Face
‏🤍 @sefiddev
🔥1
‏شرکت Mistral خانواده‌ی صوتی Voxtral 3 رو منتشر کرد: یه مدل گفتار به متن، یه مدل متن به گفتار، و یه SDK برای ساختن ایجنت صوتی که گوش می‌ده، فکر می‌کنه، ابزار صدا می‌زنه و جواب می‌ده، همه به‌صورت زنده.

‏مدل تبدیل گفتار به متن ۵۰ زبان رو می‌شناسه، از جمله فارسی، تشخیص می‌ده کی چی گفت و می‌فهمه حرف طرف کی تموم شده. به گفته‌ی خود Mistral از Whisper، Scribe v2 و Gemini 3.5 Transcribe بهتره. نسخه‌ی Mini با ۴ میلیارد پارامتر دقیقه‌ای ۰.۰۰۳۵ دلاره. مدل متن به گفتار ۳۵ زبان و ۵۰ لهجه داره و لحن و احساسش رو با گفت‌وگو عوض می‌کنه، به ازای هر یک میلیون نویسه ۱۳ دلار. با Pro Voice هم با ۳۰ دقیقه صدا، صدای یه آدم با همه‌ی حس و سبکش ساخته می‌شه.

‏برای استفاده، از API خود Mistral که سرورش توی اروپاست، یا نصب روی سرور خودتون. یعنی صدای مکالمه‌ها می‌تونه از سرور شما بیرون نره.

‎Mistral
‎🤍 @sefiddev
🔥1
‏ایلان ماسک دوشنبه (۲۸ مهر) دو تا تغییر توی الگوریتم «For You» ایکس رو اعلام کرد. تا الان فید بیشتر از روی لایک، ریپست و ریپلای چیده می‌شد. حالا یه مدل رتبه‌بندی هوش مصنوعی تازه، بهتر پیش‌بینی می‌کنه هر کس چقدر روی یه پست وقت می‌ذاره، و یه مدل دیگه پست‌هایی رو پیدا می‌کنه که آدم‌ها تا آخر می‌خونن.

‏یعنی پستی که لایک کمتری داره ولی مردم پاش می‌مونن، مثل یه توضیح کامل یا رشته‌توییت مفصل، ممکنه از پست پرلایک جلو بزنه. ماسک گفته زمان فعال کاربرها «تقریبا هر روز رکورد می‌زنه».

‎Tom's Guide
‎🤍 @sefiddev
🔥1
‏ماستودون، شبکه‌ی اجتماعی غیرمتمرکز و جایگزین اوپن‌سورس ایکس، داره برای دهمین سالگردش نسخه‌ی ۵.۰ رو با بزرگ‌ترین تغییر ظاهرش منتشر می‌کنه. هنوز نیومده و تیمش توی وبلاگ گفته «تقریبا وقتشه».

‏جعبه‌ی نوشتن پست حالا یه پنجره‌ی شناوره که پایین وسط صفحه باز می‌شه و می‌شه کوچیکش کرد بی اینکه پیش‌نویس از بین بره. منوها ساده‌تر شدن، خود پست‌ها از نو ساخته شدن، و پنج رنگ تازه اومده. از منوی هر پست می‌شه بوست‌های یه نفر رو مخفی کرد یا یه هشتگ رو دنبال کرد، و «محتوای حساس» و «هشدار محتوا» حالا دو تا تنظیم جدان. همه‌چیز هم گردتر شده که با مرورگرهای امروزی جور باشه.

‎Mastodon Blog
‎🤍 @sefiddev
🔥1
‏چت‌جی‌پی‌تی حالا می‌تونه چت‌هاتون رو با یه رمز ۴ رقمی قفل کنه. روی گوشی هم با Face ID باز می‌شن. چت‌های قفل‌شده می‌رن توی یه پروژه‌ی جدا به اسم Locked chats و فایل‌هاشون هم همراهشون قفل می‌شه.

‏ولی این رمزگذاری سرتاسری نیست. یعنی فقط جلوی کسی رو می‌گیره که گوشی یا لپ‌تاپتون دستشه، نه خود OpenAI. تنظیمات آموزش مدل و مدت نگه‌داری چت‌ها هم عوض نمی‌شه. اگه رمز رو فراموش کنید و ریستش کنید، همه‌ی چت‌های قفل‌شده و فایل‌هاشون برای همیشه پاک می‌شن.

‏کم‌کم برای Free، Go، Plus و Pro باز می‌شه و با حالت صوتی هم کار می‌کنه، ولی توی Codex نه. برای استفاده، از منوی هر چت گزینه‌ی قفل کردن رو بزنید و یه رمز بسازید.

‎Android Authority
‎🤍 @sefiddev
‏اپل توی iOS 27 یه قابلیت تازه گذاشته که جلوی کلاهبرداری با جعل هویت رو بگیره. اسمش Impersonation Risk Detection هست و به اپ‌ها می‌گه احتمال اینکه الان یکی داره خودشو جای شما جا می‌زنه چقدره.

‏اپ هیچ دیتایی از گوشی شما نمی‌گیره، فقط یه سطح خطر: نامشخص، متوسط یا بالا. بعد خود اپ تصمیم می‌گیره هشدار بده، کار رو عقب بندازه یا تایید بیشتر بخواد. مثلا اپ بانک وقتی خطر بالاست انتقال پول رو نگه داره.

‏پیش‌فرض خاموشه. برای روشن کردن: Settings بعد Privacy & Security بعد Impersonation Risk Detection و گزینه‌ی Share with App Developers. اپل هنوز نگفته کدوم اپ‌ها ازش پشتیبانی می‌کنن.

‎9to5Mac
‎🤍 @sefiddev
‏شرکت ElevenLabs دو مدل صدا به صدای لحظه‌ای ساخته به اسم Eleven Realtime v1 Max و v1 Mini. یعنی مستقیم صدای شما رو می‌گیره و با صدا جواب می‌ده، بی اینکه وسطش به متن تبدیل بشه.

‏نسخه‌ی Max توی آزمون Big Bench Audio امتیاز ۹۸.۸٪ گرفته و ۰.۵۷ ثانیه طول می‌کشه تا جواب بده. خود ElevenLabs می‌گه توی جدول Artificial Analysis هیچ مدلی هم سریع‌تر و هم دقیق‌تر از این نیست. نسخه‌ی Mini ارزون‌ترهِ و می‌فهمه «اوهوم» شما یعنی دارید گوش می‌دید یا حرفتون تموم شده.

‏از راه ElevenAgents و یه API سازگار با Realtime API اوپن‌ای‌آی در دسترسه، پس کدی که برای اوپن‌ای‌آی نوشتید با عوض کردن آدرس و کلید کار می‌کنه. قیمتش دقیقه‌ای به‌علاوه‌ی توکنه.

‎The Decoder
‎🤍 @sefiddev
‏شرکت کرافتون، سازنده‌ی PUBG، مدل زبانی Raon-1 mini رو که خودش از صفر ساخته، اوپن‌سورس و پیش‌نمایشی روی Hugging Face گذاشت.

‏مدل MoE با ۲۸.۸ میلیارد پارامتره که برای هر توکن فقط ۴.۳ میلیاردش کار می‌کنه، پس سبک اجرا می‌شه. ۲۶۲ هزار توکن رو یه‌جا می‌خونه، ابزار صدا می‌زنه و با Hermes Agent، Pi و OpenCode کار می‌کنه. تمرکزش کره‌ای و انگلیسیه، به‌علاوه‌ی ژاپنی، چینی، اسپانیایی، فرانسوی و تایلندی. کرافتون می‌گه توی تست‌های خودش از مدل‌های خارجی هم‌اندازه بهتره.

‏نسخه‌ی MLX برای مک، GGUF برای llama.cpp و NVFP4 برای vLLM هم داره. دانلود با لاگین Hugging Face و قبول شرایط. اجرا روی مک:
pip install mlx-lm
mlx_lm.chat --model KRAFTON/Raon-1-mini-preview-mlx


‎Hugging Face
‎@sefiddev 🤍
‏شیائومی مدل ۴ میلیاردی Xiaomi-Lens-0 رو اوپن‌سورس کرد. بهش می‌گید «همه‌ی آدم‌های عکس» یا «دومین تیکه‌ی گریپ‌فروت از چپ»، دور هر کدوم کادر می‌کشه و شکلش رو پیکسل به پیکسل جدا می‌کنه.

‏روی Qwen3.5-4B ساخته شده، با یه تیکه‌ی سبک که توکن مخصوص مدل رو به ماسک تبدیل می‌کنه. سازنده‌ها می‌گن توی ۸ آزمون جداسازی میانگین ۸۱.۴٪ گرفته و همه‌جا جلوتر بوده، و برای پیدا کردن چند چیز روی COCO امتیاز ۶۳.۹ داره. آزمون تازه‌ی LensBench رو هم ساختن، ۴۸۰۰ نمونه از عکس معمولی، هوایی، رانندگی و ۳۶۰ درجه.

‏اجرا با Python 3.10 به بالا و کارت انویدیا با bfloat16 و FlashAttention-2:
git clone https://github.com/SeerRay-Lab/Xiaomi-Lens-0
cd Xiaomi-Lens-0
pip install -r requirements.txt && pip install -e .
python infer.py --checkpoint /path/to/Xiaomi-Lens-0 --image photo.jpg --text 'Locate all instances in the image that match the description "person". Report bbox coordinates and masks.' --output result.jpg --draw-bbox


‎Hugging Face
‎@sefiddev 🤍
‏کروم حالا جلوی ترفند ClickFix رو می‌گیره. سایت جعلی می‌گه «برای حل مشکل این دستور رو کپی کن و توی PowerShell بزن» و با همین بدافزار نصب می‌شه. حالا اگه دستور مشکوکی کپی کنید، کروم اطلاعات شخصیش رو پاک می‌کنه، برای Safe Browsing می‌فرسته و اگه خطرناک بود هشدار می‌ده.

‏سایتی که شبیه سایت‌های کلاهبرداریه هم یه سپر کنار آدرس و پیام «این سایت درست به نظر نمی‌رسه» می‌گیره. صفحه‌ی قرمز کامل فقط برای سایت‌های مطمئنا خطرناکه. تشخیص کلاهبرداری با Gemini هم از روی دستگاه رفته روی سرور گوگل، پس روی همه‌ی دستگاه‌ها کار می‌کنه. گوگل می‌گه متن صفحه فقط با نشونه‌ی جدی فرستاده و ذخیره نمی‌شه.

‏همه‌ش فقط توی Enhanced Protection هست، یعنی بخشی از دیتای مرور به گوگل می‌ره. روشن کردن: Settings بعد Privacy and security بعد Security و Enhanced protection.

‎Google Blog
‎@sefiddev 🤍
‏شرکت Anthropic، سازنده‌ی Claude، برای یه نویسنده آگهی استخدام داده با حقوق سالانه‌ی ۲۹۵ تا ۳۴۵ هزار دلار. اسم شغل «نویسنده‌ی ارتباطات مدیران» هست، ۸ سال سابقه می‌خوان و فهم سریع مفهوم‌های فنی و کمک به مدیرها برای مرتب کردن فکرشون.

‏یعنی بزرگ‌ترین شرکت AI قلم رو با AI جایگزین نمی‌کنه.

‎Anthropic Careers
‎@sefiddev 🤍
‏کلید خصوصی‌ای که برای گواهی HTTPS صادر می‌شه باید ۲ به توان ۳۸۴ حالت داشته باشه تا کسی نتونه حدسش بزنه.

‏بعد یه شرکت هندی به اسم eMudhra کلید گواهی‌هاش فقط یه بایت بوده. مثلا یکیش عدد ۴ بود، یکی ۵۶ و یکی ۱۱۵. ۸ تا کلیدش رو یه نفر تو یه ثانیه پیدا کرده، یعنی ارتباط قابل شنود بوده.

‏الان کروم، فایرفاکس و سافاری اگه آخرین نسخه باشن امنن، ولی curl، پایتون، Node، Go، git و دستگاه‌هایی که لیست گواهیشون آپدیت نمی‌شه، گواهی جعلی ساخته‌شده با این کلیدها رو قبول می‌کنن. پس سیستم‌عامل، ایمیج‌های Docker و بسته‌ی گواهی (مثل certifi توی پایتون) رو آپدیت کنید.

‎Scott Helme
‎@sefiddev 🤍
‏کلودفلر فایروالی که معمولا مال پلن‌های پولیشه رو برای همه، حتی پلن رایگان، روشن کرده تا جلوی یه حفره‌ی خطرناک تازه توی PHP رو بگیره.

‏ماجرا اینه که دو تا حفره توی PHP پیدا شده که روی همه‌ی نسخه‌ها از ۵.۴ به بعد هست، یعنی تقریبا هر سایت وردپرسی و فروشگاه ووکامرسی. ابزار حمله‌ش هم به اسم PHP2Shell لو رفته و مهاجم می‌تونه از راهش کنترل سرور رو بگیره. وصله‌ش امروز ساعت ۱۷:۳۰ به وقت تهران میاد.

‏اگه سایتتون روی کلودفلر هست، فقط چک کنید ابر نارنجی کنار رکوردهای DNS روشن باشه. اگه نیست، همین الان با پلن رایگان اضافه‌ش کنید. ولی این فقط یه سپر موقته، بعد از اومدن وصله حتما به هاستتون بگید PHP رو آپدیت کنه.

‎Cloudflare
‎@sefiddev 🤍
‏انویدیا یه ابزار اوپن‌سورس داده به اسم OpenShell که ایجنت‌های هوش مصنوعی مثل Claude Code و Codex رو توی یه محیط بسته اجرا می‌کنه، که هر کاری دلشون خواست نکنن.

‏مثلا ایجنت بی اجازه نمی‌تونه کلیدهای SSH شما رو بخونه، کدتون رو برای یه سایت دیگه بفرسته یا دسترسی خودش رو بالا ببره. شما توی یه فایل ساده می‌نویسید به کدوم پوشه‌ها و کدوم سایت‌ها دسترسی داره و بقیه بسته‌ست، حتی اگه ایجنت حرف شما رو گوش نده. نصب و ساختن اولین محیط:
curl -LsSf https://raw.githubusercontent.com/NVIDIA/OpenShell/main/install.sh | sh
openshell sandbox create

‏یه اپ هم به اسم Underdog برای لپ‌تاپ‌های تازه‌ی RTX Spark داده که مدل‌هایی مثل DeepSeek و Qwen رو بی اینترنت روی خود لپ‌تاپ اجرا می‌کنه، یعنی دیتای شما از دستگاه بیرون نمی‌ره.

‎NVIDIA
‎@sefiddev 🤍
‏وصله‌ی اون دو تا حفره‌ی خطرناک PHP اومد. اگه سایتتون با PHP کار می‌کنه، مثل وردپرس، همین الان به یکی از این نسخه‌ها آپدیت کنید: 8.5.12، 8.4.27، 8.3.36 یا 8.2.35. اگه هاست اشتراکی دارید، به پشتیبانی هاستتون بگید.

‏نسخه‌ی 8.1 و قدیمی‌تر دیگه آپدیت رسمی نمی‌گیرن، ولی تیم PHP برای 7.4، 8.0 و 8.1 یه وصله‌ی دستی گذاشته که باید خودتون کامپایل کنید. بهترین کار رفتن به نسخه‌ی جدیده.

‏اگه فعلا نمی‌شه آپدیت کرد، خود PHP این تنظیمات رو توی php.ini پیشنهاد داده. خطر رو کم می‌کنن ولی جای وصله رو نمی‌گیرن:
memory_limit = -1
post_max_size = 8M
session.upload_progress.enabled = 0
; only on PHP 8.5
fatal_error_backtraces = 0

‏اگه سایت آپلود فایل داره، post_max_size رو 32M بذارید. بعدش همه‌ی workerها رو ری‌استارت کنید.

‎php.net
‎@sefiddev 🤍