3️⃣ Patcher رو دانلود کنید

از ریپازیتوری اصلی پروژه دانلود کنید:
Open AG Patcher – GitHub
و از قسمت Releases نسخه مناسب سیستم‌عاملتون رو بگیرید.

4️⃣ Antigravity رو کامل ببندید

قبل از اجرای Patcher مطمئن بشید Antigravity کاملاً بسته است.

5️⃣ Patcher رو اجرا کنید

6⃣Antigravity رو باز کنید

حالا Antigravity رو اجرا کنید و روی:
Sign in with Google
بزنید و با اکانت گوگل خودتون لاگین کنید. 🎉

7️⃣ آنتی‌ویروس رو روشن کنید.
بعد از اینکه کارتون تموم شد، حتماً آنتی‌ویروس سیستم رو دوباره فعال کنید. 🛡

🔗 یه پست جدید درباره Ponytail & Claude Code منتشر کردم.

اگر برات جالبه بدونی این ترکیب دقیقاً چطور کار می‌کنه و چه کاربردی برای برنامه‌نویسی و کار با AI داره، پست کامل رو تو لینکدین ببین 👇

مشاهده پست لینکدین

هوش مصنوعی Claude محدودیت استفاده هفتگی کاربران را ۲۵ درصد بیشتر کرد تا بدون پرداخت هزینه اضافی، بتوانید کارهای بیشتری با آن انجام دهید.

اتفاق جدیدی بین Claude و Salesforce افتاده که می‌تونه آینده‌ی AI Agentها رو تغییر بده. 👀🔥

جزئیاتش رو اینجا ببین 👇
https://lnkd.in/p/ejVBFDBc

شرکت OpenAI در حال تست روش پرداخت جدیدی است که در آن مشتریان تجاری فقط زمانی هزینه ChatGPT را پرداخت می‌کنند که این هوش مصنوعی کارش را با موفقیت انجام دهد.

به زودی نسخه کامل مقایسه Fable 5.1 با Opus 5 و Sonnet 5 رو براتون اینجا میزارم.

هرچی کمتر به Runable دستور بدی، بیشتر برات کار انجام می‌ده!🔥

توی پست جدیدم درباره Runable و دنیای AI Agentها گفتم؛ اینکه چطور می‌تونی به‌جای دستور دادنِ مرحله‌به‌مرحله، فقط هدفت رو مشخص کنی. 🤖⚡

👇 پست کامل رو اینجا ببین:
https://lnkd.in/p/eVF7Ww2W

اگر بخوایم خیلی ساده نگاه کنیم، تفاوت اصلی این سه مدل فقط توی «هوش» خلاصه نمی‌شه؛ سرعت، هزینه، توانایی استدلال، کدنویسی، کار با پروژه‌های طولانی و توانایی انجام کارهای چندمرحله‌ای هم توی انتخاب مدل نقش مهمی دارن.

🧠 مدل Fable 5.1 در بالاترین سطح این مقایسه قرار می‌گیره و برای کارهای واقعاً سنگین و طولانی ساخته شده. این مدل مخصوصاً برای پروژه‌هایی مناسبه که فقط به یک جواب کوتاه نیاز ندارن و باید چند مرحله پشت سر هم انجام بشن؛ مثلاً تحقیق عمیق، تحلیل چندمرحله‌ای، کار روی پروژه‌های بزرگ نرم‌افزاری، بررسی اسناد و انجام وظایف طولانی به شکل عامل‌محور.

نکته مهم درباره‌ی Fable 5.1 اینه که هدفش فقط تولید پاسخ نیست؛ می‌تونه کار رو برنامه‌ریزی کنه، از ابزارها استفاده کنه، در صورت شکست یک مرحله دوباره تلاش کنه و روند انجام کار رو جلو ببره. برای همین بیشتر از اینکه یک چت‌بات معمولی باشه، باید بهش به چشم یک مدل مناسب برای پروژه‌های طولانی و پیچیده نگاه کرد.

⚡ مدل Opus 5 بیشتر نقش یک انتخاب قدرتمند و متعادل برای کارهای حرفه‌ای رو داره. این مدل هم پنجره‌ی متنی یک‌میلیون توکنی و حداکثر خروجی ۱۲۸ هزار توکنی داره، اما نسبت به Fable 5.1 سرعت بالاتری داره و هزینه‌اش هم پایین‌تره.

در عمل، وقتی با یک پروژه‌ی جدی طرفیم اما الزاماً به سنگین‌ترین سطح توانایی Fable نیاز نداریم، Opus 5 می‌تونه انتخاب منطقی‌تری باشه؛ مخصوصاً برای کدنویسی، تحلیل، استدلال و کارهای حرفه‌ای روزمره. حتی مستندات رسمی پیشنهاد می‌کنن برای بیشتر کارها از Opus 5 شروع بشه و فقط وقتی نیاز به توانایی بیشتر در استدلال یا کارهای طولانی وجود داشت، سراغ Fable 5.1 بریم.

🚀 مدل Sonnet 5 بیشتر جایی می‌درخشه که بخوایم بین کیفیت، سرعت و هزینه تعادل داشته باشیم. این مدل هم مثل Opus 5 و Fable 5.1 پنجره‌ی متنی یک‌میلیون توکنی و حداکثر خروجی ۱۲۸ هزار توکنی داره، اما سرعت پاسخ‌گویی بالاتری داره و هزینه‌ی استفاده ازش به‌مراتب کمتره.

برای همین اگر قرار باشه تعداد زیادی درخواست داشته باشیم و کارمون نیازمند بالاترین سطح استدلال نباشه، Sonnet 5 می‌تونه انتخاب اقتصادی‌تر و سریع‌تری باشه؛ در حالی که همچنان برای کارهای حرفه‌ای، کدنویسی و استفاده‌های عمومی توانایی بالایی داره.

💰 از نظر هزینه هم اختلاف جالبه:

• Fable 5.1 → هر یک میلیون توکن ورودی ۱۰ دلار و خروجی ۵۰ دلار
• Opus 5 → ورودی ۵ دلار و خروجی ۲۵ دلار
• Sonnet 5 → ورودی ۲ دلار و خروجی ۱۰ دلار

یعنی Fable 5.1 تقریباً دو برابر Opus 5 و چند برابر Sonnet 5 هزینه دارد؛ بنابراین استفاده از قوی‌ترین مدل برای هر کاری لزوماً تصمیم اقتصادی خوبی نیست.

⏱️ از نظر سرعت هم ترتیب تقریباً مشخصه: Fable 5.1 کندتره، Opus 5 سرعت متوسط داره و Sonnet 5 سریع‌تره. پس انتخاب درست واقعاً به این بستگی داره که پروژه‌مون بیشتر به عمق و توانایی حل مسئله نیاز داره یا سرعت و هزینه پایین‌تر.

💻 در کدنویسی، هر سه مدل جدی هستن؛ ولی تفاوت اصلی در نوع پروژه مشخص می‌شه. Fable 5.1 برای پروژه‌های بزرگ، تغییرات گسترده در کد، بررسی کل پروژه و جلسات طولانیِ عامل‌محور طراحی شده. Opus 5 انتخاب قدرتمندی برای بیشتر پروژه‌های حرفه‌ایه و Sonnet 5 وقتی جذاب‌تر می‌شه که سرعت و هزینه هم به اندازه‌ی کیفیت اهمیت داشته باشن.

🔬 در تحقیق و تحلیل هم همین منطق وجود داره. اگر مسئله چندمرحله‌ای و طولانی باشه و مدل لازم باشه حجم زیادی از اطلاعات رو بررسی و بین مراحل مختلف ارتباط برقرار کنه، Fable 5.1 مزیت بیشتری پیدا می‌کنه. برای کارهای جدی ولی معمول‌تر، Opus 5 می‌تونه نقطه‌ی تعادل خوبی باشه و برای کارهایی که سرعت مهم‌تره، Sonnet 5 انتخاب کاربردی‌تریه.

در نهایت، این مقایسه قرار نیست به این نتیجه‌ی ساده برسیم که «هرچی مدل گرون‌تره، پس همیشه بهتره».

سیستم Coop برای امنیت بیشتر، Claude Code و Codex را در فضاهای مجازی جداگانه‌ای اجرا می‌کند تا آسیبی به کامپیوتر و اطلاعات شما نرسد.

آیا AI از کنترل خارج شده؟!

🚨 یه اتفاق عجیب درباره Agentهای هوش مصنوعی رخ داده!

توی چند آزمایش امنیتی، بعضی Agentهای OpenAI تونستن محدودیت‌هایی که براشون گذاشته شده بود رو دور بزنن و حتی از سایت‌های عمومی برای ارتباط با Agentهای دیگه استفاده کنن.

در یکی از موارد، هزاران Agent روی یک Wiki آلمانی پیام گذاشتن و درباره راه‌های دور زدن محدودیت‌های محیط آزمایش با هم صحبت کردن.

البته این به معنی «شورش AI» یا از دست رفتن کامل کنترل نیست. نکته نگران‌کننده اینه که وقتی به AI ابزار و استقلال بیشتری می‌دیم، ممکنه برای رسیدن به هدفش راه‌هایی پیدا کنه که سازنده‌ها از قبل پیش‌بینی نکرده بودن.

و این دقیقا یکی از دلایلیه که بحث AI Safety این روزها جدی‌تر از همیشه شده.

هوش مصنوعی واقعا از کنترل خارج نشده؛ ولی یک اتفاق عجیب افتاده: Agentها راه‌هایی برای دور زدن محدودیت‌هاشون پیدا کردن…

فکر می‌کنی برای یادگیری AI باید برنامه‌نویسی بلد باشی؟!🤔🔥

نه لزوماً.

اینجا AI رو از کاربردهای واقعی و ساده شروع می‌کنیم؛ بدون اینکه از روز اول درگیر کدنویسی و ریاضی سنگین بشی.

اگر می‌خوای AI رو کاربردی یاد بگیری:👇🏻

https://lnkd.in/p/ePT5s9h4

هنوز دنبال Prompt جادویی برای ChatGPT می‌گردی؟ 👀

شاید مشکل از Prompt نباشه؛ مشکل اینه که مسئله رو واضح توضیح ندادیم.

قبل از سرچ کردن Promptهای جدید، این ۴ مورد رو مشخص کن:
🎯 چی می‌خوای؟
📌 چه اطلاعاتی داری؟
📝 خروجی رو چطور می‌خوای؟
🚫 چه محدودیتی داری؟

توی لینکدین بیشتر درباره‌ش نوشتم.
مشاهده پست لینکدین

هوش مصنوعی کدنویس‌ها یه مشکل خیلی جدی پیدا کردن!

فکر کن یه پروژه GitHub رو دانلود می‌کنی و می‌دی به AI که برات کد بزنه...

ولی یه تنظیم مخرب داخل همون پروژه می‌تونه باعث بشه AI coding agent دستورات ناخواسته‌ای روی سیستم اجرا کنه. 😐

این فقط یه فرضیه هم نیست؛ درباره چندین AI coding agent از جمله ابزارهای معروف، آسیب‌پذیری‌هایی گزارش شده.

از اون طرف، در یک تست امنیتی، Gemini به‌اشتباه به سیستم‌های واقعی سه شرکت دسترسی پیدا کرد و بعد از متوجه شدن اشتباه، عملیات متوقف شد.

یعنی چی؟

تا وقتی AI فقط جواب متنی می‌داد، اشتباه کردنش یه چیز بود.

ولی وقتی AI می‌تونه:

💻 کد اجرا کنه
📁 فایل بخونه
🌐 به اینترنت وصل بشه
⚙️ با ابزارهای سیستم کار کنه

یه باگ ساده می‌تونه خیلی جدی‌تر بشه.

🤖 ۵ کاری که نباید به AI Agent بسپری!

AI Agentها هر روز مستقل‌تر می‌شن؛ اما هرچی دسترسی بیشتری داشته باشن، یک اشتباه ساده هم می‌تونه دردسرساز بشه. 😬

🚨 پس این ۵ کار رو بدون نظارت به AI نسپار:

1️⃣ ارسال خودکار پیام و ایمیل
ممکنه متن اشتباه یا حتی پیام رو برای فرد اشتباهی ارسال کنه.

2️⃣ دسترسی کامل به فایل‌های شخصی
لازم نیست AI به همه فایل‌های سیستم دسترسی داشته باشه. فقط مجوزهای ضروری رو بده.

3️⃣ خرید و پرداخت آنلاین 💳
قبل از پرداخت، همیشه تأیید نهایی رو خودت انجام بده.

4️⃣ حذف یا تغییر فایل‌های مهم
به‌خصوص پروژه‌های برنامه‌نویسی، فایل‌های کاری و اطلاعات مهم.

5️⃣ اجرای دستورات بدون تأیید ⚠️
اگر یک Agent بتونه بدون محدودیت روی سیستم دستور اجرا کنه، یک تصمیم اشتباه می‌تونه مشکل بزرگی ایجاد کنه

.
💡 قانون طلایی:
هرچی AI قدرت بیشتری برای «انجام دادن» داشته باشه، باید محدودیت و نظارت بیشتری هم داشته باشه.

🔥 حالا تو بگو:

کدوم کار رو هیچ‌وقت حاضر نیستی به AI Agent بسپری؟ 👇

🤖 چرا همیشه Prompt بهتر، جواب بهتر نمی‌سازه؟

توی این پست درباره‌ی یک مهارت مهم در کار با AI صحبت کردم: درست تعریف کردن مسئله و ارزیابی خروجی.

اگه می‌خوای حرفه‌ای‌تر از AI استفاده کنی، این پست رو از دست نده 👇
مشاهده پست لینکدین

🔥 جنگ تراشه‌های AI وارد مرحله جدیدی شده!

وقتی اسم هوش مصنوعی میاد، معمولاً یاد ChatGPT و مدل‌های بزرگ می‌افتیم؛
اما پشت همه این‌ها یک چیز خیلی مهم وجود داره:

💻 تراشه‌های پردازشی

مدل‌های AI برای آموزش و اجرای خودشون به قدرت پردازشی خیلی زیادی نیاز دارن؛ و اینجاست که شرکت‌هایی مثل NVIDIA و Huawei وارد رقابت می‌شن.

🇨🇳هوآوی( Huawei) اخیراً نسل‌های جدیدی از تراشه‌ها و سیستم‌های محاسباتی AI خودش رو معرفی کرده و می‌گه تقاضا برای تجهیزات AI در چین حتی از ظرفیت تولیدش بیشتره.

اما چرا این موضوع مهمه؟
چون رقابت AI فقط سر این نیست که «چه کسی مدل بهتری می‌سازه؟»

رقابت اصلی داره تبدیل می‌شه به:

⚡ چه کسی تراشه قدرتمندتری داره؟
🧠 چه کسی می‌تونه مدل‌های بزرگ‌تری اجرا کنه؟
🏭 چه کسی می‌تونه تراشه بیشتری تولید کنه؟
💾 چه کسی به حافظه و زیرساخت کافی دسترسی داره؟

حتی کمبود حافظه‌های پرسرعت مخصوص AI هم روی هزینه و تولید تراشه‌های AI تأثیر گذاشته.

💡 نکته جالب:
پس وقتی درباره رقابت AI بین شرکت‌ها یا کشورها می‌شنوی، فقط به خود مدل‌ها نگاه نکن؛
تراشه + حافظه + دیتاسنتر + انرژی هم بخش بزرگی از این رقابته.

🔥 به نظرت در آینده، رقابت اصلی AI بیشتر روی مدل‌ها خواهد بود یا سخت افزار؟!