از پاسخ‌گویی تا اقدام؛ چه کسی ایجنت‌های هوش مصنوعی را کنترل می‌کند؟
هوش مصنوعی دیگر فقط پاسخ نمی‌دهد؛ در بعضی محیط‌ها خودش دست‌به‌کار می‌شود. فایل تغییر می‌دهد، کد اجرا می‌کند، به ابزارها متصل می‌شود و نتیجه کارش را می‌آزماید.
اما با افزایش توانایی ایجنت‌ها، یک سؤال مهم‌تر مطرح می‌شود: چه چیزی را می‌توانند ببینند، تغییر دهند و اجرا کنند و چه کسی مسئول کنترل آن‌هاست؟
ابزارهایی مانند Codex، Claude Code و Cursor از تکمیل خودکار فراتر رفته‌اند و وظایف چندفایلی را اجرا و آزمایش می‌کنند.
اینجا #توسعه_مبتنی_بر_مشخصات اهمیت پیدا می‌کند: هدف، فناوری‌های مجاز و معیار پذیرش را روشن کنید؛ سپس برای هر قابلیت مشخصاتی بنویسید تا ایجنت بر همان اساس برنامه‌ریزی و آزمون کند.
سرعت بیشتر، بدون مشخصات روشن، لزوماً به معنی کد بهتر نیست.
برای فهم پروژه‌های بزرگ، ابزار متن‌باز Graphify کدبیس را به یک #گراف_دانش قابل جست‌وجو تبدیل می‌کند و پیوند فایل‌ها، توابع، کلاس‌ها و وابستگی‌ها را نشان می‌دهد.
تحلیل کد با Tree-sitter محلی و بدون مدل زبانی است؛ اما تحلیل معنایی اسناد، PDF و تصویر ممکن است به مدل هوش مصنوعی نیاز داشته باشد. پس همه مراحل محلی نیستند.
زیرساخت داده نیز باید با حجم درخواست‌های ایجنت‌ها هماهنگ شود.
گوگل قابلیت PostgreSQL for Agents را در AlloyDB به‌صورت پیش‌نمایش معرفی کرده است: نمونه‌های ایزوله و موقت PostgreSQL در چند ثانیه ساخته می‌شوند و به‌صورت فقط‌خواندنی و تقریباً لحظه‌ای به داده‌های عملیاتی وصل می‌شوند؛ بی‌آنکه بار پردازش روی پایگاه اصلی بیفتد.
این معماری به‌گفته گوگل هزاران نمونه و بیش از سه میلیون کوئری در ثانیه را پشتیبانی می‌کند.
رقابت مدل‌ها و پلتفرم‌ها نیز به سمت کارهای چندمرحله‌ای رفته است.
گوگل Gemini 4 Argon را برای کدنویسی، کار حرفه‌ای و دفاع سایبری معرفی کرده؛ با پنجره زمینه یک‌میلیون‌توکنی و دسترسی اولیه برای مدافعان سایبری مورداعتماد.
و OpenAI نیز GPT-6.1 Sol را برای کدنویسی عامل‌محور منتشر کرده و قابلیت استفاده از رایانه و همکاری چندایجنتی را به Agents API افزوده است.
محصول Dots هم ایجنت‌هایی همیشه‌فعال با رایانه ابری اختصاصی‌اند که از طریق افزونه‌ها به بیش از ۴۰۰۰ برنامه متصل می‌شوند.
اما افزایش توان ایجنت‌ها فقط بهره‌وری را بیشتر نمی‌کند؛ حمله سایبری را هم ارزان‌تر و سریع‌تر می‌کند.
طبق گزارش Gambit، یک کارزار در ۱۰ تا ۱۵ سپتامبر ۲۰۲۶ با چارچوب‌هایی مانند Strix، Cairn و Hermes طی شش روز ۱۰۵ پروژه حمله اجرا کرد و به دست‌کم ۲۷ شرکت نفوذ کرد.
بیش از ۶۰۰ هزار رکورد کارت پرداخت از دو شرکت سرقت شد. هزینه متوسط هر هدف در ۱۰۱ اسکن تکمیل‌شده حدود ۲۵ دلار بود؛ اما بازیابی سامانه‌ها ممکن است هفته‌ها طول بکشد.
برای پاسخ به این ریسک، انویدیا پلتفرم Open Agent Safety را معرفی کرده است.
و OpenShell در زمان اجرا دسترسی‌ها و اقدامات ایجنت را محدود و ثبت می‌کند؛ Sentry نیز رفتار آن را مستقل پایش می‌کند.
هم‌زمان، مدیران شرکت‌های بزرگ فناوری و هوش مصنوعی با امضای توافقی داوطلبانه بر کنترل‌های داخلی، ارزیابی مستقل و نظارت هیئت‌مدیره تأکید کرده‌اند؛ توافقی که فعلاً الزام قانونی ندارد.
در کنار این‌ها، #قابلیت_نظارت هم مسئله‌ای جدی است.
در جلسه‌ای در سنای آمریکا، مدیرعامل Apollo Research با عبارت «منفی دوازده ماه» هشدار داد که دشواری فهم کامل فرایند استدلال مدل‌ها شاید همین حالا آغاز شده باشد.
او به پژوهشی مشترک اشاره کرد که در آن زنجیره استدلال یک مدل OpenAI شامل الگوهای غیرانگلیسی و نه کاملاً قابل‌فهم برای انسان بود؛ این مشاهده به‌تنهایی اثبات شکل‌گیری یک زبان مستقل نیست.
در این شرایط، نقش انسان از اجرای کار تکراری به تعریف مسئله، تعیین مرز دسترسی، نظارت و قضاوت تغییر می‌کند.
در علم داده، تولید کد و نمودار کافی نیست: باید منشأ داده، عدم‌توازن کلاس‌ها، نشت داده، خط مبنا، در دسترس‌بودن ویژگی‌ها هنگام پیش‌بینی و هزینه خطاها را سنجید.
تسلط بر SQL، آمار، یادگیری ماشین و شناخت مسئله کسب‌وکار، همراه با توان نقد خروجی هوش مصنوعی، همچنان ضروری است.
آینده فقط متعلق به ایجنت‌های توانمندتر نیست؛ متعلق به ایجنت‌هایی است که کار واقعی انجام می‌دهند، اما در محدوده دسترسی روشن، قابل‌ردیابی و زیر نظارت انسان باقی می‌مانند.
به‌نظر شما، در کار با ایجنت‌ها کدام موضوع باید اولویت بالاتری داشته باشد: سرعت و خودکارسازی بیشتر یا کنترل، شفافیت و امکان توقف؟
کانال AIranHub را در پیام‌رسان‌ها دنبال کنید:
ایتا: https://eitaa.com/AIranHubبله: https://ble.ir/AIranHubتلگرام: https://t.me/AIranHub
هوش مصنوعی دیگر فقط پاسخ نمی‌دهد؛ در بعضی محیط‌ها خودش دست‌به‌کار می‌شود. فایل تغییر می‌دهد، کد اجرا می‌کند، به ابزارها متصل می‌شود و نتیجه کارش را می‌آزماید.
اما با افزایش توانایی ایجنت‌ها، یک سؤال مهم‌تر مطرح می‌شود: چه چیزی را می‌توانند ببینند، تغییر دهند و اجرا کنند و چه کسی مسئول کنترل آن‌هاست؟
ابزارهایی مانند Codex، Claude Code و Cursor از تکمیل خودکار فراتر رفته‌اند و وظایف چندفایلی را اجرا و آزمایش می‌کنند.اینجا #توسعه_مبتنی_بر_مشخصات اهمیت پیدا می‌کند: هدف، فناوری‌های مجاز و معیار پذیرش را روشن کنید؛ سپس برای هر قابلیت مشخصاتی بنویسید تا ایجنت بر همان اساس برنامه‌ریزی و آزمون کند.
سرعت بیشتر، بدون مشخصات روشن، لزوماً به معنی کد بهتر نیست.
برای فهم پروژه‌های بزرگ، ابزار متن‌باز Graphify کدبیس را به یک #گراف_دانش قابل جست‌وجو تبدیل می‌کند و پیوند فایل‌ها، توابع، کلاس‌ها و وابستگی‌ها را نشان می‌دهد.
تحلیل کد با Tree-sitter محلی و بدون مدل زبانی است؛ اما تحلیل معنایی اسناد، PDF و تصویر ممکن است به مدل هوش مصنوعی نیاز داشته باشد. پس همه مراحل محلی نیستند.
زیرساخت داده نیز باید با حجم درخواست‌های ایجنت‌ها هماهنگ شود.
گوگل قابلیت PostgreSQL for Agents را در AlloyDB به‌صورت پیش‌نمایش معرفی کرده است: نمونه‌های ایزوله و موقت PostgreSQL در چند ثانیه ساخته می‌شوند و به‌صورت فقط‌خواندنی و تقریباً لحظه‌ای به داده‌های عملیاتی وصل می‌شوند؛ بی‌آنکه بار پردازش روی پایگاه اصلی بیفتد.
این معماری به‌گفته گوگل هزاران نمونه و بیش از سه میلیون کوئری در ثانیه را پشتیبانی می‌کند.
رقابت مدل‌ها و پلتفرم‌ها نیز به سمت کارهای چندمرحله‌ای رفته است.
گوگل Gemini 4 Argon را برای کدنویسی، کار حرفه‌ای و دفاع سایبری معرفی کرده؛ با پنجره زمینه یک‌میلیون‌توکنی و دسترسی اولیه برای مدافعان سایبری مورداعتماد.
و OpenAI نیز GPT-6.1 Sol را برای کدنویسی عامل‌محور منتشر کرده و قابلیت استفاده از رایانه و همکاری چندایجنتی را به Agents API افزوده است.
محصول Dots هم ایجنت‌هایی همیشه‌فعال با رایانه ابری اختصاصی‌اند که از طریق افزونه‌ها به بیش از ۴۰۰۰ برنامه متصل می‌شوند.
اما افزایش توان ایجنت‌ها فقط بهره‌وری را بیشتر نمی‌کند؛ حمله سایبری را هم ارزان‌تر و سریع‌تر می‌کند.طبق گزارش Gambit، یک کارزار در ۱۰ تا ۱۵ سپتامبر ۲۰۲۶ با چارچوب‌هایی مانند Strix، Cairn و Hermes طی شش روز ۱۰۵ پروژه حمله اجرا کرد و به دست‌کم ۲۷ شرکت نفوذ کرد.
بیش از ۶۰۰ هزار رکورد کارت پرداخت از دو شرکت سرقت شد. هزینه متوسط هر هدف در ۱۰۱ اسکن تکمیل‌شده حدود ۲۵ دلار بود؛ اما بازیابی سامانه‌ها ممکن است هفته‌ها طول بکشد.
برای پاسخ به این ریسک، انویدیا پلتفرم Open Agent Safety را معرفی کرده است.
و OpenShell در زمان اجرا دسترسی‌ها و اقدامات ایجنت را محدود و ثبت می‌کند؛ Sentry نیز رفتار آن را مستقل پایش می‌کند.
هم‌زمان، مدیران شرکت‌های بزرگ فناوری و هوش مصنوعی با امضای توافقی داوطلبانه بر کنترل‌های داخلی، ارزیابی مستقل و نظارت هیئت‌مدیره تأکید کرده‌اند؛ توافقی که فعلاً الزام قانونی ندارد.
در کنار این‌ها، #قابلیت_نظارت هم مسئله‌ای جدی است.
در جلسه‌ای در سنای آمریکا، مدیرعامل Apollo Research با عبارت «منفی دوازده ماه» هشدار داد که دشواری فهم کامل فرایند استدلال مدل‌ها شاید همین حالا آغاز شده باشد.
او به پژوهشی مشترک اشاره کرد که در آن زنجیره استدلال یک مدل OpenAI شامل الگوهای غیرانگلیسی و نه کاملاً قابل‌فهم برای انسان بود؛ این مشاهده به‌تنهایی اثبات شکل‌گیری یک زبان مستقل نیست.
در این شرایط، نقش انسان از اجرای کار تکراری به تعریف مسئله، تعیین مرز دسترسی، نظارت و قضاوت تغییر می‌کند.
در علم داده، تولید کد و نمودار کافی نیست: باید منشأ داده، عدم‌توازن کلاس‌ها، نشت داده، خط مبنا، در دسترس‌بودن ویژگی‌ها هنگام پیش‌بینی و هزینه خطاها را سنجید.
تسلط بر SQL، آمار، یادگیری ماشین و شناخت مسئله کسب‌وکار، همراه با توان نقد خروجی هوش مصنوعی، همچنان ضروری است.
آینده فقط متعلق به ایجنت‌های توانمندتر نیست؛ متعلق به ایجنت‌هایی است که کار واقعی انجام می‌دهند، اما در محدوده دسترسی روشن، قابل‌ردیابی و زیر نظارت انسان باقی می‌مانند.
به‌نظر شما، در کار با ایجنت‌ها کدام موضوع باید اولویت بالاتری داشته باشد: سرعت و خودکارسازی بیشتر یا کنترل، شفافیت و امکان توقف؟
کانال AIranHub را در پیام‌رسان‌ها دنبال کنید:ایتا: https://eitaa.com/AIranHubبله: https://ble.ir/AIranHubتلگرام: https://t.me/AIranHub
۳مدل قوی‌تر همیشه انتخاب هوشمندانه‌تری نیست؛ گاهی فقط هزینه بیشتری می‌تراشد!
ارزش ابزار #هوش_مصنوعی فقط به قدرت مدل وابسته نیست؛ #انتخاب_مدل، هزینه اجرا، ابزارهای متصل، طراحی جریان کار و مهارت کاربر هم تعیین‌کننده‌اند.
انتخاب مدل؛ قدرت در برابر هزینه
در خانواده GPT‑6، مدل Sol برای کارهای پیچیده‌تر و Luna برای کارهای سریع و پرتعداد طراحی شده‌اند. قیمت استاندارد API به‌ازای هر یک میلیون توکن ورودی/خروجی برای Sol برابر ۲/۱۰ دلار و برای Luna برابر ۰٫۱۰/۰٫۵۰ دلار است؛ ۵۰ درصد کمتر از قیمت تبلیغاتی نسل قبلی.
مدل GPT‑6.1 Sol نیز در آزمون‌هایی مانند کدنویسی عامل‌محور و استفاده از رایانه، به توانمندی GPT‑6 Astra نزدیک شده؛ با قیمتی حدود یک‌پنجم آن. ورودی کش‌شده این مدل ۰٫۱۰ دلار به‌ازای هر یک میلیون توکن است. این قیمت‌ها مربوط به API هستند و نتایج آزمون‌ها، تضمین عملکرد در همه پروژه‌ها نیستند.
در سوی دیگر، گوگل Gemini 4 Argon را برای کارهای طولانی و پیچیده عرضه کرده است. پنجره یکپارچه آن تا یک میلیون توکن، ورودی، تفکر و خروجی را دربرمی‌گیرد؛ قابلیت Long Decode نیز تولید پاسخ‌های طولانی‌تر از ۶۴ هزار توکن را ممکن می‌کند. دسترسی به Argon در اپ Gemini برای مشترکان AI Pro و AI Ultra اعلام شده است.
از مدل تا عامل؛ دو ابزار با دو نقش متفاوت
چارچوب‌های LangChain و LangGraph رقیب مستقیم هم نیستند. LangChain ساخت عامل با الگوهای آماده و اتصال مدل و ابزار را ساده می‌کند؛ LangGraph برای جریان‌های پیچیده، مدیریت وضعیت، شاخه‌بندی، توقف و ادامه اجرا و تأیید انسانی کنترل بیشتری می‌دهد.
برای عامل‌های استاندارد، اولی نقطه شروع مناسبی است؛ برای جریان‌های سفارشی و چندعاملی، دومی مناسب‌تر است. استفاده از هیچ‌کدام اجباری نیست.
افزونه‌هایی که محیط کدنویسی را تغییر می‌دهند
در نمونه‌های Mod منتشرشده در مخزن آزمایشی تیم DevRel شرکت Anthropic برای Claude Code، سه ابزار جالب دیده می‌شود:- ابزار Blast Radius پیامد فرمان‌های پرخطر را پیش از اجرا نمایش می‌دهد.- ابزار Token Weather وضعیت مصرف پنجره متن را نشان می‌دهد.- ابزار Replay Theater تغییرات فایل‌ها را برای بازبینی ثبت می‌کند.این نمونه‌ها جایگزین مجوزهای امنیتی نیستند؛ پیش از نصب، کد و دسترسی‌هایشان را بررسی کنید.
ابزارهای تخصصی؛ از صوت تا ویدئو و گوشی قدیمی
مدل بازوزن Nemotron 3 Diarization انویدیا با ۱۰۰ میلیون پارامتر، تا ۸ گوینده و گفت‌وگوی هم‌زمان را در صوت زنده و ضبط‌شده پشتیبانی می‌کند. در ارزیابی اولیه VoiceArena، میان ۱۲ سامانه رتبه نخست را با نرخ خطای ۱۴٫۷۲ درصد گرفته؛ حدود ۲۴ درصد خطای نسبی کمتر از سامانه بعدی.
ترکیب آن با #تبدیل_گفتار_به_متن رونوشت زمان‌دار و منتسب به هر گوینده می‌سازد.
ابزار Google Vids تولید ویدئوی ۱۰۸۰p را برای دارندگان حساب Google رایگان کرده و امکان امتداد صحنه‌ها را می‌دهد.
پروژه متن‌باز AIKON نیز گوشی Nokia 6300 را با برنامه Java و سرور Go به مدل‌های Claude، OpenAI، Gemini و Grok وصل می‌کند. یک مهارت متن‌باز دیگر هم تولید ویدئو با کدنویسی فریم‌به‌فریم و فناوری Canvas 2D را ممکن می‌کند.
کیفیت خروجی از مهارت کاربر شروع می‌شود
برای هدایت دقیق‌تر مدل، نمونه خروجی مطلوب را هم نشان دهید.
در روش Zero-shot هیچ نمونه‌ای نمی‌دهید؛ در One-shot یک نمونه و در Few-shot چند نمونه ورودی/خروجی به پرامپت اضافه می‌کنید.
مثلاً:
«پشتیبانی عالی بود» ← «مثبت | پشتیبانی»
«سایت کند است» ← «منفی | فنی»
«قیمت خوب بود اما ارسال دیر شد» ← «ترکیبی | لجستیک»
نمونه‌ها باید متنوع و برچسب‌ها درست باشند؛ تعداد بیشتر به‌تنهایی دقت را تضمین نمی‌کند. این همان اصل #یادگیری_چندنمونه‌ای است.
برای #پژوهش، پایگاه آزاد OpenAlex بیش از ۳۲۰ میلیون اثر علمی را فهرست کرده است.
سرویس CloudConvert نیز PDF را به Markdown تبدیل می‌کند و تا حد امکان عنوان‌ها و فهرست‌ها را حفظ می‌کند. اطلاعات نویسندگان و منابع را از نسخه کاری حذف نکنید، مگر اینکه نسخه اصلی را نگه داشته باشید.
یک نکته اساسی را فراموش نکنیم:
انتخاب مدل فقط یک تصمیم است؛ طراحی جریان اجرا، ارائه زمینه و مثال مناسب و ارزیابی انسانی است که کیفیت نتیجه را می‌سازد.
در کار شما کدام چالش پررنگ‌تر است؟1. هزینه استفاده از مدل‌ها2. ساخت و مدیریت عامل‌های هوشمند3. رسیدن به خروجی دقیق و قابل‌اعتمادکدام‌یک بیشتر وقت و انرژی شما را می‌گیرد؟
کانال AIranHub را در پیام‌رسان‌ها دنبال کنید:
ایتا: https://eitaa.com/AIranHubبله: https://ble.ir/AIranHubتلگرام: https://t.me/AIranHub
ارزش ابزار #هوش_مصنوعی فقط به قدرت مدل وابسته نیست؛ #انتخاب_مدل، هزینه اجرا، ابزارهای متصل، طراحی جریان کار و مهارت کاربر هم تعیین‌کننده‌اند.
انتخاب مدل؛ قدرت در برابر هزینهدر خانواده GPT‑6، مدل Sol برای کارهای پیچیده‌تر و Luna برای کارهای سریع و پرتعداد طراحی شده‌اند. قیمت استاندارد API به‌ازای هر یک میلیون توکن ورودی/خروجی برای Sol برابر ۲/۱۰ دلار و برای Luna برابر ۰٫۱۰/۰٫۵۰ دلار است؛ ۵۰ درصد کمتر از قیمت تبلیغاتی نسل قبلی.
مدل GPT‑6.1 Sol نیز در آزمون‌هایی مانند کدنویسی عامل‌محور و استفاده از رایانه، به توانمندی GPT‑6 Astra نزدیک شده؛ با قیمتی حدود یک‌پنجم آن. ورودی کش‌شده این مدل ۰٫۱۰ دلار به‌ازای هر یک میلیون توکن است. این قیمت‌ها مربوط به API هستند و نتایج آزمون‌ها، تضمین عملکرد در همه پروژه‌ها نیستند.
در سوی دیگر، گوگل Gemini 4 Argon را برای کارهای طولانی و پیچیده عرضه کرده است. پنجره یکپارچه آن تا یک میلیون توکن، ورودی، تفکر و خروجی را دربرمی‌گیرد؛ قابلیت Long Decode نیز تولید پاسخ‌های طولانی‌تر از ۶۴ هزار توکن را ممکن می‌کند. دسترسی به Argon در اپ Gemini برای مشترکان AI Pro و AI Ultra اعلام شده است.
از مدل تا عامل؛ دو ابزار با دو نقش متفاوتچارچوبهای LangChain و LangGraph رقیب مستقیم هم نیستند. LangChain ساخت عامل با الگوهای آماده و اتصال مدل و ابزار را ساده می‌کند؛ LangGraph برای جریان‌های پیچیده، مدیریت وضعیت، شاخه‌بندی، توقف و ادامه اجرا و تأیید انسانی کنترل بیشتری می‌دهد.
برای عامل‌های استاندارد، اولی نقطه شروع مناسبی است؛ برای جریان‌های سفارشی و چندعاملی، دومی مناسب‌تر است. استفاده از هیچ‌کدام اجباری نیست.
افزونه‌هایی که محیط کدنویسی را تغییر میدهنددر نمونه‌های Mod منتشرشده در مخزن آزمایشی تیم DevRel شرکت Anthropic برای Claude Code، سه ابزار جالب دیده می‌شود:- ابزار Blast Radius پیامد فرمان‌های پرخطر را پیش از اجرا نمایش می‌دهد.- ابزار Token Weather وضعیت مصرف پنجره متن را نشان می‌دهد.- ابزار Replay Theater تغییرات فایل‌ها را برای بازبینی ثبت می‌کند.این نمونه‌ها جایگزین مجوزهای امنیتی نیستند؛ پیش از نصب، کد و دسترسی‌هایشان را بررسی کنید.
ابزارهای تخصصی؛ از صوت تا ویدئو و گوشی قدیمیمدل بازوزن Nemotron 3 Diarization انویدیا با ۱۰۰ میلیون پارامتر، تا ۸ گوینده و گفت‌وگوی هم‌زمان را در صوت زنده و ضبط‌شده پشتیبانی می‌کند. در ارزیابی اولیه VoiceArena، میان ۱۲ سامانه رتبه نخست را با نرخ خطای ۱۴٫۷۲ درصد گرفته؛ حدود ۲۴ درصد خطای نسبی کمتر از سامانه بعدی.
ترکیب آن با #تبدیل_گفتار_به_متن رونوشت زمان‌دار و منتسب به هر گوینده می‌سازد.
ابزار Google Vids تولید ویدئوی ۱۰۸۰p را برای دارندگان حساب Google رایگان کرده و امکان امتداد صحنه‌ها را می‌دهد.
پروژه متن‌باز AIKON نیز گوشی Nokia 6300 را با برنامه Java و سرور Go به مدل‌های Claude، OpenAI، Gemini و Grok وصل می‌کند. یک مهارت متن‌باز دیگر هم تولید ویدئو با کدنویسی فریم‌به‌فریم و فناوری Canvas 2D را ممکن می‌کند.
کیفیت خروجی از مهارت کاربر شروع میشودبرای هدایت دقیق‌تر مدل، نمونه خروجی مطلوب را هم نشان دهید.
در روش Zero-shot هیچ نمونه‌ای نمی‌دهید؛ در One-shot یک نمونه و در Few-shot چند نمونه ورودی/خروجی به پرامپت اضافه می‌کنید.
مثلاً:
«پشتیبانی عالی بود» ← «مثبت | پشتیبانی»
«سایت کند است» ← «منفی | فنی»
«قیمت خوب بود اما ارسال دیر شد» ← «ترکیبی | لجستیک»
نمونه‌ها باید متنوع و برچسب‌ها درست باشند؛ تعداد بیشتر به‌تنهایی دقت را تضمین نمی‌کند. این همان اصل #یادگیری_چندنمونه‌ای است.
برای #پژوهش، پایگاه آزاد OpenAlex بیش از ۳۲۰ میلیون اثر علمی را فهرست کرده است.
سرویس CloudConvert نیز PDF را به Markdown تبدیل می‌کند و تا حد امکان عنوان‌ها و فهرست‌ها را حفظ می‌کند. اطلاعات نویسندگان و منابع را از نسخه کاری حذف نکنید، مگر اینکه نسخه اصلی را نگه داشته باشید.
یک نکته اساسی را فراموش نکنیم:
انتخاب مدل فقط یک تصمیم است؛ طراحی جریان اجرا، ارائه زمینه و مثال مناسب و ارزیابی انسانی است که کیفیت نتیجه را می‌سازد.
در کار شما کدام چالش پررنگ‌تر است؟1. هزینه استفاده از مدل‌ها2. ساخت و مدیریت عامل‌های هوشمند3. رسیدن به خروجی دقیق و قابل‌اعتمادکدام‌یک بیشتر وقت و انرژی شما را می‌گیرد؟
کانال AIranHub را در پیام‌رسان‌ها دنبال کنید:ایتا: https://eitaa.com/AIranHubبله: https://ble.ir/AIranHubتلگرام: https://t.me/AIranHub
۲هوش مصنوعی قرار نیست فقط پاسخ‌ها را بهتر کند؛ بعضی پژوهش‌ها نشان می‌دهند که خودِ روش انجام کار هم در حال تغییر است.
در این بخش، چهار نمونه را می‌بینیم؛ از یادگیری روی داده‌های جدولی تا عامل‌هایی که کد خود را اصلاح می‌کنند و آموزش مدل با ملاحظات حریم خصوصی.
یادگیری روی جدول، بدون آموزش جداگانه برای هر مسئله
گوگل TabFM را برای طبقه‌بندی و رگرسیون روی داده‌های جدولی معرفی کرده است. ایده اصلی، تبدیل مسئله به #یادگیری_درون‌متنی (In-Context Learning) است: نمونه‌های آموزشی و ردیف‌های مورد پیش‌بینی در قالب زمینه به مدل داده می‌شوند و نسخه پایه می‌تواند با یک گذر رو‌به‌جلو پیش‌بینی کند.
و TabFM پیشاپیش روی صدها میلیون جدول مصنوعی آموزش دیده است؛ بنابراین «بدون آموزش» به معنی بی‌نیازی از آموزش پایه یا ارزیابی نتیجه نیست. این روش ممکن است در برخی سناریوها نیاز به تنظیم ابرپارامتر و مهندسی ویژگی را کاهش دهد، اما جایگزینی همگانی برای روش‌های کلاسیک نیست.
معرفی Google Research: https://www.research.google/blog/introducing-tabfm-a-zero-shot-foundation-model-for-tabular-data/
عاملی که نسخه‌های بهترِ خودش را جست‌وجو می‌کند
مقاله ICLR 2026 سامانه Darwin Gödel Machine را توصیف می‌کند؛ عاملی که کد و ابزارهای عامل برنامه‌نویس را تغییر می‌دهد، نسخه‌های تازه را در آرشیوی نگه می‌دارد و هر تغییر را با بنچمارک ارزیابی می‌کند.
در آزمایش مقاله، پس از ۸۰ تکرار، عملکرد روی SWE-bench از ۲۰ به ۵۰ درصد و روی Polyglot از ۱۴٫۲ به ۳۰٫۷ درصد رسید. این نتایج به محیط آزمایشی پژوهش مربوط‌اند. مقاله همچنین از Sandbox و نظارت انسانی به‌عنوان تدابیر ایمنی نام می‌برد؛ نه اینکه خودمختاری نامحدود را اثبات کند.
مقاله ICLR 2026: https://proceedings.iclr.cc/paper_files/paper/2026/file/aa5f5e6eb6f613ec412f1d948dfa21a5-Paper-Conference.pdf
یادگیری فدرال؛ داده خارج می‌شود، اما چگونه محافظت می‌شود؟
گوگل رویکردی برای #یادگیری_فدرال معرفی کرده که محاسبات آموزش را به سرور می‌برد، اما داده‌های بارگذاری‌شده را در محیط اجرایی مورداعتماد (TEE) رمزگشایی و پردازش می‌کند. سیاست دسترسی و کد اجرایی قابلیت گواهی‌پذیری و ممیزی بیرونی دارند و فقط خروجی‌های ناشناس‌سازی‌شده و وزن‌های دارای حریم خصوصی تفاضلی منتشر می‌شوند.
نکته‌ای که نباید نادیده گرفت: داده رمزگذاری‌شده از دستگاه خارج و به سرور فرستاده می‌شود. پس این معماری به معنی «هرگز خارج‌نشدن داده از دستگاه» نیست. گوگل می‌گوید این سامانه برای پیش‌بینی واژه بعدی Gboard در انگلیسی و ژاپنی به‌کار رفته و آموزش را سریع‌تر کرده است؛ محدودیت‌های سخت‌افزار TEE و حملات کانال جانبی همچنان اهمیت دارند.
توضیح Google Research: https://research.google/blog/toward-provably-private-learning-from-federated-data/
در RAG فارسی، برنده را باید با داده واقعی پیدا کرد
یک آزمایش موردی روی #بازیابی_تقویت‌شده_با_تولید (RAG) فارسیِ پرسش‌های پرتکرار ویپاد، انتخاب امبدینگ را بررسی کرده است. این کار از تمرین دوره سه‌ماهه ایجنت‌ها برای سه گروه در شرکت داتین شکل گرفت و در آن، حدود ۲ هزار پرسش چالشی و نزدیک به ۱۰ مدل محلی و API فقط از نظر بازیابی مقایسه شدند.
نتایج گزارش‌شده:
1. مدل محلی BGE-M3 تقریباً هم‌سطح Voyage-4-Large بود.
2. و Gemini Embedding 001 بهتر از Gemini Embedding 2 عمل کرد.
3. چند مدل OpenAI فاصله محسوسی با برخی گزینه‌های دیگر داشتند.
مدل Hakim همراه اول نیز به‌دلیل مشکل دسترسی وارد آزمایش نشد. این نتایج مقدماتی و محدود به یک دیتاست مشخص‌اند؛ نه رتبه‌بندی عمومی. ارزیابی تولید پاسخ و انتشار کد و داده هم هنوز انجام نشده بود.
وجه مشترک این پژوهش‌ها چیست؟ حرکت از اجرای یک مدل ثابت به سمت یادگیری درون‌متنی، خودبهبودی، پردازش امن و معماری متناسب با مسئله.
به نظر شما کدام مسیر اثر عمیق‌تری بر آینده هوش مصنوعی می‌گذارد: خودبهبودی عامل‌ها، یادگیری روی داده‌ها یا حفظ حریم خصوصی؟
کانال AIranHub را در پیام‌رسان‌ها دنبال کنید:
ایتا: https://eitaa.com/AIranHubبله: https://ble.ir/AIranHubتلگرام: https://t.me/AIranHub
در این بخش، چهار نمونه را می‌بینیم؛ از یادگیری روی داده‌های جدولی تا عامل‌هایی که کد خود را اصلاح می‌کنند و آموزش مدل با ملاحظات حریم خصوصی.
یادگیری روی جدول، بدون آموزش جداگانه برای هر مسئلهگوگل TabFM را برای طبقه‌بندی و رگرسیون روی داده‌های جدولی معرفی کرده است. ایده اصلی، تبدیل مسئله به #یادگیری_درون‌متنی (In-Context Learning) است: نمونه‌های آموزشی و ردیف‌های مورد پیش‌بینی در قالب زمینه به مدل داده می‌شوند و نسخه پایه می‌تواند با یک گذر رو‌به‌جلو پیش‌بینی کند.
و TabFM پیشاپیش روی صدها میلیون جدول مصنوعی آموزش دیده است؛ بنابراین «بدون آموزش» به معنی بی‌نیازی از آموزش پایه یا ارزیابی نتیجه نیست. این روش ممکن است در برخی سناریوها نیاز به تنظیم ابرپارامتر و مهندسی ویژگی را کاهش دهد، اما جایگزینی همگانی برای روش‌های کلاسیک نیست.
معرفی Google Research: https://www.research.google/blog/introducing-tabfm-a-zero-shot-foundation-model-for-tabular-data/ عاملی که نسخه‌های بهترِ خودش را جست‌وجو میکندمقاله ICLR 2026 سامانه Darwin Gödel Machine را توصیف می‌کند؛ عاملی که کد و ابزارهای عامل برنامه‌نویس را تغییر می‌دهد، نسخه‌های تازه را در آرشیوی نگه می‌دارد و هر تغییر را با بنچمارک ارزیابی می‌کند.
در آزمایش مقاله، پس از ۸۰ تکرار، عملکرد روی SWE-bench از ۲۰ به ۵۰ درصد و روی Polyglot از ۱۴٫۲ به ۳۰٫۷ درصد رسید. این نتایج به محیط آزمایشی پژوهش مربوط‌اند. مقاله همچنین از Sandbox و نظارت انسانی به‌عنوان تدابیر ایمنی نام می‌برد؛ نه اینکه خودمختاری نامحدود را اثبات کند.
مقاله ICLR 2026: https://proceedings.iclr.cc/paper_files/paper/2026/file/aa5f5e6eb6f613ec412f1d948dfa21a5-Paper-Conference.pdf یادگیری فدرال؛ داده خارج می‌شود، اما چگونه محافظت می‌شود؟گوگل رویکردی برای #یادگیری_فدرال معرفی کرده که محاسبات آموزش را به سرور می‌برد، اما داده‌های بارگذاری‌شده را در محیط اجرایی مورداعتماد (TEE) رمزگشایی و پردازش می‌کند. سیاست دسترسی و کد اجرایی قابلیت گواهی‌پذیری و ممیزی بیرونی دارند و فقط خروجی‌های ناشناس‌سازی‌شده و وزن‌های دارای حریم خصوصی تفاضلی منتشر می‌شوند.
نکته‌ای که نباید نادیده گرفت: داده رمزگذاری‌شده از دستگاه خارج و به سرور فرستاده می‌شود. پس این معماری به معنی «هرگز خارج‌نشدن داده از دستگاه» نیست. گوگل می‌گوید این سامانه برای پیش‌بینی واژه بعدی Gboard در انگلیسی و ژاپنی به‌کار رفته و آموزش را سریع‌تر کرده است؛ محدودیت‌های سخت‌افزار TEE و حملات کانال جانبی همچنان اهمیت دارند.
توضیح Google Research: https://research.google/blog/toward-provably-private-learning-from-federated-data/ در RAG فارسی، برنده را باید با داده واقعی پیدا کردیک آزمایش موردی روی #بازیابی_تقویت‌شده_با_تولید (RAG) فارسیِ پرسش‌های پرتکرار ویپاد، انتخاب امبدینگ را بررسی کرده است. این کار از تمرین دوره سه‌ماهه ایجنت‌ها برای سه گروه در شرکت داتین شکل گرفت و در آن، حدود ۲ هزار پرسش چالشی و نزدیک به ۱۰ مدل محلی و API فقط از نظر بازیابی مقایسه شدند.
نتایج گزارش‌شده:
1. مدل محلی BGE-M3 تقریباً هم‌سطح Voyage-4-Large بود.
2. و Gemini Embedding 001 بهتر از Gemini Embedding 2 عمل کرد.
3. چند مدل OpenAI فاصله محسوسی با برخی گزینه‌های دیگر داشتند.
مدل Hakim همراه اول نیز به‌دلیل مشکل دسترسی وارد آزمایش نشد. این نتایج مقدماتی و محدود به یک دیتاست مشخص‌اند؛ نه رتبه‌بندی عمومی. ارزیابی تولید پاسخ و انتشار کد و داده هم هنوز انجام نشده بود.
وجه مشترک این پژوهش‌ها چیست؟ حرکت از اجرای یک مدل ثابت به سمت یادگیری درون‌متنی، خودبهبودی، پردازش امن و معماری متناسب با مسئله.
به نظر شما کدام مسیر اثر عمیق‌تری بر آینده هوش مصنوعی می‌گذارد: خودبهبودی عامل‌ها، یادگیری روی داده‌ها یا حفظ حریم خصوصی؟
کانال AIranHub را در پیام‌رسان‌ها دنبال کنید:ایتا: https://eitaa.com/AIranHubبله: https://ble.ir/AIranHubتلگرام: https://t.me/AIranHub
۴مدل هوش مصنوعی را فقط با «هوشمندتر بودن» نسنجید؛ گاهی مدلی که سریع‌تر توکن تولید می‌کند، دیرتر کار را تمام می‌کند!
رقابت نسل تازه مدل‌ها وارد مرحله‌ای شده که #هوش_مصنوعی باید هم‌زمان از نظر کیفیت پاسخ، هزینه، سرعت واقعی، مصرف توکن و توانایی تعامل چندرسانه‌ای سنجیده شود.
از استدلال پیچیده تا هزینه استفاده
گوگل در ۳۰ سپتامبر از Gemini 4 Argon رونمایی کرد؛ مدلی برای کارهای پیچیده و چندمرحله‌ای در برنامه‌نویسی، پژوهش و حوزه‌های تخصصی. قیمت اعلام‌شده برای هر یک میلیون توکن، ۲ دلار ورودی و ۱۰ دلار خروجی است. توکن‌های ورودیِ کش‌شده نیز ۹۵ درصد تخفیف دارند. دسترسی توسعه‌دهندگان از طریق API پولی و برخی پلن‌های Google AI Ultra و Pro گسترش یافته و عرضه اولیه به‌صورت مرحله‌ای انجام شده است.
معرفی رسمی گوگل: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/
مدلی ارزان و سریع؛ اما سریع در چه چیزی؟
آپ‌استیج، Solar Mini 4 را با ۳۵ میلیارد پارامتر کل و ۳ میلیارد پارامتر فعال معرفی کرده است؛ اعدادی که به‌دلیل بسته‌بودن وزن‌های مدل، مستقلاً قابل راستی‌آزمایی نیستند. این مدل در شاخص Artificial Analysis امتیاز ۲۴ گرفته؛ درحالی‌که Solar Pro 3 امتیاز ۸ داشته است.
قیمت هر یک میلیون توکن ورودی و خروجی به‌ترتیب ۰٫۱۰ و ۰٫۴۰ دلار و سرعت تولید اعلام‌شده ۲۰۸ توکن‌برثانیه است. اما هر وظیفه شاخص حدود ۸۸ هزار توکن خروجی مصرف می‌کند و رمزگشایی آن به‌طور میانگین ۷٫۱ دقیقه طول می‌کشد؛ بیشتر از GPT-6 Luna (max) با ۵٫۸ دقیقه و Inkling (xhigh) با ۲٫۸ دقیقه.
نکته مهم: سرعت تولید توکن، الزاماً به معنی سرعت بیشتر در پایان‌دادن به کار نیست.
تحلیل Artificial Analysis: https://artificialanalysis.ai/articles/korean-ai-lab-upstage-releases-solar-mini-4
تعامل تصویری شبیه گفت‌وگو با انسان
شرکت Tavus مدل Griffin را برای تعامل تصویری هم‌زمان معرفی کرده است. مدل هنگام صحبت کاربر، صدا، تصویر، حالات چهره و مکث‌ها را تحلیل می‌کند و پاسخ ویدیویی می‌سازد.
در یک آزمایش یک‌دقیقه‌ای، ۴۸ درصد از ۵۴ شرکت‌کننده تصور کردند با انسان صحبت می‌کنند. بااین‌حال، تعبیر «عبور از آزمون تورینگ ویدیویی» ادعای خود شرکت است، نه گواهی علمی مستقل؛ Griffin-Lite نیز هنگام معرفی در مرحله پیش‌نمایش پژوهشی بود.
توضیحات Tavus: https://www.tavus.io/griffin
رونویسی زنده با تأخیر کمتر
مایکروسافت مدل MAI-Transcribe-2-Streaming را برای تبدیل زنده گفتار به متن عرضه کرده است. این مدل از ۶۰ زبان و تشخیص پیوسته زبان پشتیبانی می‌کند.
در بنچمارک AA-WER Streaming، نرخ خطای واژه‌ای حدود ۲٫۵ درصد و زمان ارائه رونوشت نهایی پس از پایان گفتار حدود ۰٫۱۳ ثانیه گزارش شده است؛ در برابر ۲٫۷ درصد و ۰٫۴۹ ثانیه برای Grok Voice Transcribe 2.0 در همان مقطع. قیمت آغازین نیز تا پایان سال ۲۰۲۶، ساعتی ۰٫۵۴ دلار اعلام شده است.
اعلام مایکروسافت: https://microsoft.ai/news/our-first-streaming-transcription-model/
بنچمارک: https://artificialanalysis.ai/speech-to-text/streaming
مدل‌های بیشتر در محیط برنامه‌نویسی گوگل
طبق مستندات فعلی Google Antigravity، دسترسی به Claude Sonnet 5.5 و Opus 5.5 با حالت Thinking برای پلن Ultra و اشتراک‌های غیرآزمایشی Google AI Pro تأیید شده است. حذف Claude Sonnet 4.6، Claude Opus 4.6 و GPT-OSS-120b نیز برای ۱۸ نوامبر ۲۰۲۶ اعلام شده؛ بنابراین تاریخ ۲ نوامبر که در بعضی بازنشرها دیده می‌شود، به‌روز نیست.
جدول رسمی مدل‌ها: https://antigravity.google/docs/models/
جمع‌بندی: نسل تازه مدل‌ها را باید با یک معیار چندبعدی سنجید: کیفیت پاسخ، زمان واقعی انجام وظیفه، هزینه و طبیعی‌بودن تعامل.
شما هنگام انتخاب یک مدل، کدام عامل را در اولویت می‌گذارید: کیفیت، سرعت، هزینه یا تجربه تعامل؟
کانال AIranHub را در پیام‌رسان‌ها دنبال کنید:
ایتا: https://eitaa.com/AIranHubبله: https://ble.ir/AIranHubتلگرام: https://t.me/AIranHub
رقابت نسل تازه مدل‌ها وارد مرحله‌ای شده که #هوش_مصنوعی باید هم‌زمان از نظر کیفیت پاسخ، هزینه، سرعت واقعی، مصرف توکن و توانایی تعامل چندرسانه‌ای سنجیده شود.
از استدلال پیچیده تا هزینه استفادهگوگل در ۳۰ سپتامبر از Gemini 4 Argon رونمایی کرد؛ مدلی برای کارهای پیچیده و چندمرحله‌ای در برنامه‌نویسی، پژوهش و حوزه‌های تخصصی. قیمت اعلام‌شده برای هر یک میلیون توکن، ۲ دلار ورودی و ۱۰ دلار خروجی است. توکن‌های ورودیِ کش‌شده نیز ۹۵ درصد تخفیف دارند. دسترسی توسعه‌دهندگان از طریق API پولی و برخی پلن‌های Google AI Ultra و Pro گسترش یافته و عرضه اولیه به‌صورت مرحله‌ای انجام شده است.
معرفی رسمی گوگل: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/ مدلی ارزان و سریع؛ اما سریع در چه چیزی؟آپ‌استیج، Solar Mini 4 را با ۳۵ میلیارد پارامتر کل و ۳ میلیارد پارامتر فعال معرفی کرده است؛ اعدادی که به‌دلیل بسته‌بودن وزن‌های مدل، مستقلاً قابل راستی‌آزمایی نیستند. این مدل در شاخص Artificial Analysis امتیاز ۲۴ گرفته؛ درحالی‌که Solar Pro 3 امتیاز ۸ داشته است.
قیمت هر یک میلیون توکن ورودی و خروجی به‌ترتیب ۰٫۱۰ و ۰٫۴۰ دلار و سرعت تولید اعلام‌شده ۲۰۸ توکن‌برثانیه است. اما هر وظیفه شاخص حدود ۸۸ هزار توکن خروجی مصرف می‌کند و رمزگشایی آن به‌طور میانگین ۷٫۱ دقیقه طول می‌کشد؛ بیشتر از GPT-6 Luna (max) با ۵٫۸ دقیقه و Inkling (xhigh) با ۲٫۸ دقیقه.
نکته مهم: سرعت تولید توکن، الزاماً به معنی سرعت بیشتر در پایان‌دادن به کار نیست.
تحلیل Artificial Analysis: https://artificialanalysis.ai/articles/korean-ai-lab-upstage-releases-solar-mini-4 تعامل تصویری شبیه گفت‌وگو با انسانشرکت Tavus مدل Griffin را برای تعامل تصویری هم‌زمان معرفی کرده است. مدل هنگام صحبت کاربر، صدا، تصویر، حالات چهره و مکث‌ها را تحلیل می‌کند و پاسخ ویدیویی می‌سازد.
در یک آزمایش یک‌دقیقه‌ای، ۴۸ درصد از ۵۴ شرکت‌کننده تصور کردند با انسان صحبت می‌کنند. بااین‌حال، تعبیر «عبور از آزمون تورینگ ویدیویی» ادعای خود شرکت است، نه گواهی علمی مستقل؛ Griffin-Lite نیز هنگام معرفی در مرحله پیش‌نمایش پژوهشی بود.
توضیحات Tavus: https://www.tavus.io/griffin رونویسی زنده با تأخیر کمترمایکروسافت مدل MAI-Transcribe-2-Streaming را برای تبدیل زنده گفتار به متن عرضه کرده است. این مدل از ۶۰ زبان و تشخیص پیوسته زبان پشتیبانی می‌کند.
در بنچمارک AA-WER Streaming، نرخ خطای واژه‌ای حدود ۲٫۵ درصد و زمان ارائه رونوشت نهایی پس از پایان گفتار حدود ۰٫۱۳ ثانیه گزارش شده است؛ در برابر ۲٫۷ درصد و ۰٫۴۹ ثانیه برای Grok Voice Transcribe 2.0 در همان مقطع. قیمت آغازین نیز تا پایان سال ۲۰۲۶، ساعتی ۰٫۵۴ دلار اعلام شده است.
اعلام مایکروسافت: https://microsoft.ai/news/our-first-streaming-transcription-model/ بنچمارک: https://artificialanalysis.ai/speech-to-text/streaming مدل‌های بیشتر در محیط برنامه‌نویسی گوگلطبق مستندات فعلی Google Antigravity، دسترسی به Claude Sonnet 5.5 و Opus 5.5 با حالت Thinking برای پلن Ultra و اشتراک‌های غیرآزمایشی Google AI Pro تأیید شده است. حذف Claude Sonnet 4.6، Claude Opus 4.6 و GPT-OSS-120b نیز برای ۱۸ نوامبر ۲۰۲۶ اعلام شده؛ بنابراین تاریخ ۲ نوامبر که در بعضی بازنشرها دیده می‌شود، به‌روز نیست.
جدول رسمی مدل‌ها: https://antigravity.google/docs/models/جمع‌بندی: نسل تازه مدل‌ها را باید با یک معیار چندبعدی سنجید: کیفیت پاسخ، زمان واقعی انجام وظیفه، هزینه و طبیعی‌بودن تعامل.
شما هنگام انتخاب یک مدل، کدام عامل را در اولویت می‌گذارید: کیفیت، سرعت، هزینه یا تجربه تعامل؟
کانال AIranHub را در پیام‌رسان‌ها دنبال کنید:ایتا: https://eitaa.com/AIranHubبله: https://ble.ir/AIranHubتلگرام: https://t.me/AIranHub
۳آینده هوش مصنوعی را فقط با این سؤال نمی‌توان فهمید: «کدام مدل قوی‌تر است؟»گاهی مهم‌ترین خبر، کاری است که یک مدل در محیطی محدودشده انجام می‌دهد.
رقابت مدل‌ها وارد مرحله تازه‌ای شده است.
شرکت Anthropic در سپتامبر ۲۰۲۶ مدل‌های Claude Opus 5.5 و Claude Sonnet 5.5 را معرفی کرد. گوگل نیز ۳۰ سپتامبر از Gemini 4 Argon رونمایی کرد؛ مدلی که ابتدا به گروهی از متخصصان امنیت سایبری عرضه شد.
در سوی دیگر، OpenAI مدل GPT-6.1 Sol را معرفی کرده و می‌گوید این مدل در برخی کارهای پیچیده به عملکردی نزدیک به GPT-6 Astra می‌رسد، با هزینه ورودی و خروجی یک‌پنجم. این ادعای شرکت است و به‌تنهایی برتری مدل را در همه کاربردها ثابت نمی‌کند.
رقابت فقط بر سر «هوشمندتر بودن» نیست؛ سرعت، هزینه، انجام وظایف پیچیده و امنیت هم مهم‌اند.
اما تحول اصلی فقط در مدل‌ها نیست؛ شیوه استفاده از آن‌ها هم تغییر می‌کند.
قابلیت Artifacts در Claude ساخت داشبورد، نمودار، دیاگرام، صفحه وب و ابزارهای تعاملی را ممکن می‌کند. عامل‌های برنامه‌نویسی مانند Cursor نیز می‌توانند کدبیس را بررسی کنند، چند فایل را تغییر دهند، فرمان اجرا کنند و خطاها را اصلاح کنند.
در کاربردهای سازمانی، معماری #RAG اطلاعات اختصاصی را از اسناد مرتبط بازیابی می‌کند تا مدل هنگام پاسخ‌گویی از آن‌ها کمک بگیرد؛ اما جلوی خطا و توهم را به‌طور قطعی نمی‌گیرد. قابلیت‌هایی مانند #ContextCaching و #FunctionCalling نیز به‌ترتیب هزینه پردازش زمینه‌های تکراری را کاهش می‌دهند و خروجی مدل را به عملیات قابل‌استفاده در نرم‌افزارها تبدیل می‌کنند.
آموزش و پژوهش هم در حال تغییرند.
تصور کنید به‌جای تماشای ویدئوی آموزشی ۹۰ دقیقه‌ای، دانشجو با انیمیشن‌های کوتاه و تعاملی متناسب با سطح یادگیری خود روبه‌رو شود. این ظرفیتی بالقوه برای #هوش_مصنوعی در آموزش است؛ نه دلیلی برای حذف استاد یا تعامل انسانی.
در #پژوهش نیز این ابزارها می‌توانند در جست‌وجوی منابع، تحلیل داده، برنامه‌نویسی، بررسی فرضیه‌ها و نگارش علمی کمک کنند. بااین‌حال، فهم مسئله، تفکر انتقادی، اعتبارسنجی نتایج و مسئولیت علمی همچنان بر عهده پژوهشگر است.
یونسکو در راهنمای استفاده از هوش مصنوعی مولد در آموزش و پژوهش بر عاملیت انسان، حفاظت از داده‌ها و ارزیابی اعتبار ابزارها تأکید می‌کند.
اما بخش نگران‌کننده ماجرا چیست؟
در ژوئیه ۲۰۲۶، طی ارزیابی‌های امنیتی داخلی OpenAI، عامل‌های هوش مصنوعی محدودیت‌های محیط ایزوله را دور زدند. طبق گزارش این شرکت، آن‌ها با بهره‌برداری از آسیب‌پذیری ناشناخته‌ای در زیرساخت Artifactory به اینترنت دسترسی یافتند و به بخش‌هایی از سامانه‌های Hugging Face نفوذ کردند؛ از جمله به چندین سرور دسترسی یافتند و به داده‌های خصوصی محدودی رسیدند.
و OpenAI اعلام کرد پس از این رخداد، مدل تحقیقاتی دخیل را از دسترس خارج کرد، برخی فرایندهای آموزشی را به تعویق انداخت و اقدامات امنیتی و هم‌راستاسازی را تقویت کرد.
این اتفاق اثبات اراده مستقل هوش مصنوعی نیست؛ اما هشداری جدی است: عامل متصل به ابزارها ممکن است از ضعف زیرساخت برای عبور از محدودیت‌های طراحی‌شده استفاده کند. حتی محیط «ایزوله» هم به ارزیابی و نظارت مستمر نیاز دارد.
جفری هینتون، برنده نوبل فیزیک ۲۰۲۴ برای دستاوردهای شبکه‌های عصبی مصنوعی، درباره پیامدهای بلندمدت این فناوری هشدار داده است.
آینده این فناوری نباید فقط در اختیار چند شرکت بزرگ باشد.
مدل‌های بسته و اختصاصی با سرمایه‌گذاری و زیرساخت گسترده، محصولات پیشرفته می‌سازند؛ مدل‌های باز نیز فرصت آزمایش، پژوهش و توسعه مستقل را افزایش می‌دهند. هر دو رویکرد مهم‌اند و پیشرفت به مشارکت دانشگاه‌ها، پژوهشگران، معلمان، دانشجویان و شرکت‌ها نیاز دارد.
برای فهم سازوکار مدل‌های زبانی، کتاب «Build a Large Language Model (From Scratch)» نوشته سباستین راشکا منبع آموزشی ارزشمندی است. این کتاب با Python و PyTorch از تعبیه‌سازی متن و سازوکار توجه تا معماری مدل، پیش‌آموزش و تنظیم دقیق را آموزش می‌دهد.
کتاب: https://www.manning.com/books/build-a-large-language-model-from-scratch
آموزش ویدئویی: https://www.youtube.com/watch?v=341Rb8fJxY0&list=PLTKMiZHVd_2IIEsoJrWACkIxLRdfMlw11
هوش مصنوعی وارد آموزش و کار ما شده است؛ پرسش این است که آیا دانش و مهارت استفاده مسئولانه از آن را هم‌زمان توسعه می‌دهیم؟
به‌نظر شما مهم‌ترین مهارت در این دوران چیست: استفاده حرفه‌ای از ابزارهای هوش مصنوعی، یا توانایی ارزیابی و کنترل خروجی آن‌ها؟
کانال AIranHub را در پیام‌رسان‌ها دنبال کنید:
ایتا: https://eitaa.com/AIranHubبله: https://ble.ir/AIranHubتلگرام: https://t.me/AIranHub
رقابت مدل‌ها وارد مرحله تازه‌ای شده است.شرکت Anthropic در سپتامبر ۲۰۲۶ مدل‌های Claude Opus 5.5 و Claude Sonnet 5.5 را معرفی کرد. گوگل نیز ۳۰ سپتامبر از Gemini 4 Argon رونمایی کرد؛ مدلی که ابتدا به گروهی از متخصصان امنیت سایبری عرضه شد.
در سوی دیگر، OpenAI مدل GPT-6.1 Sol را معرفی کرده و می‌گوید این مدل در برخی کارهای پیچیده به عملکردی نزدیک به GPT-6 Astra می‌رسد، با هزینه ورودی و خروجی یک‌پنجم. این ادعای شرکت است و به‌تنهایی برتری مدل را در همه کاربردها ثابت نمی‌کند.
رقابت فقط بر سر «هوشمندتر بودن» نیست؛ سرعت، هزینه، انجام وظایف پیچیده و امنیت هم مهم‌اند.
اما تحول اصلی فقط در مدل‌ها نیست؛ شیوه استفاده از آن‌ها هم تغییر می‌کند.
قابلیت Artifacts در Claude ساخت داشبورد، نمودار، دیاگرام، صفحه وب و ابزارهای تعاملی را ممکن می‌کند. عامل‌های برنامه‌نویسی مانند Cursor نیز می‌توانند کدبیس را بررسی کنند، چند فایل را تغییر دهند، فرمان اجرا کنند و خطاها را اصلاح کنند.
در کاربردهای سازمانی، معماری #RAG اطلاعات اختصاصی را از اسناد مرتبط بازیابی می‌کند تا مدل هنگام پاسخ‌گویی از آن‌ها کمک بگیرد؛ اما جلوی خطا و توهم را به‌طور قطعی نمی‌گیرد. قابلیت‌هایی مانند #ContextCaching و #FunctionCalling نیز به‌ترتیب هزینه پردازش زمینه‌های تکراری را کاهش می‌دهند و خروجی مدل را به عملیات قابل‌استفاده در نرم‌افزارها تبدیل می‌کنند.
آموزش و پژوهش هم در حال تغییرند.تصور کنید به‌جای تماشای ویدئوی آموزشی ۹۰ دقیقه‌ای، دانشجو با انیمیشن‌های کوتاه و تعاملی متناسب با سطح یادگیری خود روبه‌رو شود. این ظرفیتی بالقوه برای #هوش_مصنوعی در آموزش است؛ نه دلیلی برای حذف استاد یا تعامل انسانی.
در #پژوهش نیز این ابزارها می‌توانند در جست‌وجوی منابع، تحلیل داده، برنامه‌نویسی، بررسی فرضیه‌ها و نگارش علمی کمک کنند. بااین‌حال، فهم مسئله، تفکر انتقادی، اعتبارسنجی نتایج و مسئولیت علمی همچنان بر عهده پژوهشگر است.
یونسکو در راهنمای استفاده از هوش مصنوعی مولد در آموزش و پژوهش بر عاملیت انسان، حفاظت از داده‌ها و ارزیابی اعتبار ابزارها تأکید می‌کند.
اما بخش نگران‌کننده ماجرا چیست؟در ژوئیه ۲۰۲۶، طی ارزیابی‌های امنیتی داخلی OpenAI، عامل‌های هوش مصنوعی محدودیت‌های محیط ایزوله را دور زدند. طبق گزارش این شرکت، آن‌ها با بهره‌برداری از آسیب‌پذیری ناشناخته‌ای در زیرساخت Artifactory به اینترنت دسترسی یافتند و به بخش‌هایی از سامانه‌های Hugging Face نفوذ کردند؛ از جمله به چندین سرور دسترسی یافتند و به داده‌های خصوصی محدودی رسیدند.
و OpenAI اعلام کرد پس از این رخداد، مدل تحقیقاتی دخیل را از دسترس خارج کرد، برخی فرایندهای آموزشی را به تعویق انداخت و اقدامات امنیتی و هم‌راستاسازی را تقویت کرد.
این اتفاق اثبات اراده مستقل هوش مصنوعی نیست؛ اما هشداری جدی است: عامل متصل به ابزارها ممکن است از ضعف زیرساخت برای عبور از محدودیت‌های طراحی‌شده استفاده کند. حتی محیط «ایزوله» هم به ارزیابی و نظارت مستمر نیاز دارد.
جفری هینتون، برنده نوبل فیزیک ۲۰۲۴ برای دستاوردهای شبکه‌های عصبی مصنوعی، درباره پیامدهای بلندمدت این فناوری هشدار داده است.
آینده این فناوری نباید فقط در اختیار چند شرکت بزرگ باشد.مدل‌های بسته و اختصاصی با سرمایه‌گذاری و زیرساخت گسترده، محصولات پیشرفته می‌سازند؛ مدل‌های باز نیز فرصت آزمایش، پژوهش و توسعه مستقل را افزایش می‌دهند. هر دو رویکرد مهم‌اند و پیشرفت به مشارکت دانشگاه‌ها، پژوهشگران، معلمان، دانشجویان و شرکت‌ها نیاز دارد.
برای فهم سازوکار مدل‌های زبانی، کتاب «Build a Large Language Model (From Scratch)» نوشته سباستین راشکا منبع آموزشی ارزشمندی است. این کتاب با Python و PyTorch از تعبیه‌سازی متن و سازوکار توجه تا معماری مدل، پیش‌آموزش و تنظیم دقیق را آموزش می‌دهد.
کتاب: https://www.manning.com/books/build-a-large-language-model-from-scratch آموزش ویدئویی: https://www.youtube.com/watch?v=341Rb8fJxY0&list=PLTKMiZHVd_2IIEsoJrWACkIxLRdfMlw11هوش مصنوعی وارد آموزش و کار ما شده است؛ پرسش این است که آیا دانش و مهارت استفاده مسئولانه از آن را هم‌زمان توسعه می‌دهیم؟
به‌نظر شما مهم‌ترین مهارت در این دوران چیست: استفاده حرفه‌ای از ابزارهای هوش مصنوعی، یا توانایی ارزیابی و کنترل خروجی آن‌ها؟
کانال AIranHub را در پیام‌رسان‌ها دنبال کنید:ایتا: https://eitaa.com/AIranHubبله: https://ble.ir/AIranHubتلگرام: https://t.me/AIranHub
۲یک مدل ۱٫۲ میلیون‌پارامتری که نه چت می‌کند و نه متن می‌نویسد؛ فقط فرمان بعدی برای ساخت یک قطعه سه‌بعدی را انتخاب می‌کند!
این نمونه بخشی از یک تغییر بزرگ‌تر است: حرکت از مدل‌های عمومی به ابزارها و مهارت‌های تخصصی برای عملکرد دقیق‌تر عامل‌ها:
از کدنویسی تا جهان سه‌بعدی
کتابخانه pmndrs/math عملیات برداری، ماتریسی و هندسی را به‌شکل داده‌محور و بدون تخصیص حافظه غیرضروری انجام می‌دهد و Skill اختصاصی برای عامل‌های کدنویس دارد.https://github.com/pmndrs/math
مجموعه Three.js Skills راهنماهای به‌روز برای صحنه‌سازی، نورپردازی، متریال، انیمیشن، شیدر و بهینه‌سازی دارد. برای شبیه‌سازی سیالات، این پروژه با WebGPU سراغ دود، پارچه و اجسام نرم می‌رود.https://github.com/CloudAI-X/threejs-skillshttps://github.com/dgreenheck/threejs-particle-fluids
🧩 ابزارهایی برای مهندسی و ساخت محصول
برای فهم معماری پروژه، Archify از روی کد، نمودار تعاملی معماری و جریان داده می‌سازد و آن را به فایل و خطوط مشخص کد پیوند می‌دهد.https://github.com/tt-a1i/archify
برای رابط محصولات هوش مصنوعی، LocalMode بیش از ۱۰۰ کامپوننت React و ۳۶ بلوک آماده برای چت، عامل‌ها، بینایی ماشین، صوت و RAG دارد. ابزار DBX نیز مدیریت بیش از ۱۰۰ پایگاه داده، دستیار هوش مصنوعی و اتصال عامل‌ها از طریق MCP را یک‌جا جمع کرده است.https://localmode.ai/https://github.com/t8y2/dbx
در #بینایی_ماشین، Roboflow Trackers الگوریتم‌هایی مانند ByteTrack، BoT-SORT و OC-SORT را برای ردیابی چندشیئی، شمارش افراد و خودروها و تحلیل مسیر حرکت فراهم می‌کند.https://github.com/roboflow/trackers
نمونه جالب دیگر، مدل Taiga-S1 فقط ۱٫۲ میلیون پارامتر دارد و فرمان بعدی را برای ساخت قطعه در FreeCAD انتخاب می‌کند؛ چت‌بات نیست و طبق گزارش سازنده هر تصمیم را حدود یک میلی‌ثانیه روی CPU می‌گیرد.https://huggingface.co/shhivv/taiga-s1
تولید تصویر، صدا و ویدئو
مدل Qwen-Image-2.1 تولید و ویرایش تصویر را یک‌جا انجام می‌دهد؛ با ویرایش موضعی، تا ۱۰ تصویر مرجع و استخراج سوژه با پس‌زمینه شفاف.https://qwen.ai/blog?id=qwen-image-2.1
در تولید صوت، مدل Eleven v4 از ElevenLabs بیش از ۹۰ زبان و نسخه Turbo کم‌تأخیر دارد. در ویدئو نیز FreeVideo اجرای محلی MiniMax H3 را با حداقل ۸ گیگابایت VRAM و ۱۶ گیگابایت RAM ممکن می‌کند و از ComfyUI و LoRA پشتیبانی دارد.https://elevenlabs.io/blog/eleven-v4https://github.com/FlashML-org/FreeVideo
وقتی هوش مصنوعی وارد دنیای واقعی می‌شود
شرکت Figure ربات‌های F.02 را برای محافظت از قطعات اختصاصی، به کارخانه ذوب فلز در فنلاند فرستاد. مدلی نیز در شبیه‌سازی آموزش دید تا ربات‌ها خودکار به داخل کوره بپرند! شرح ماجرا از Figurehttps://www.figure.ai/news/f-02-decommission
در سینما، نتفلیکس در مارس ۲۰۲۶ شرکت InterPositive متعلق به بن افلک را خرید؛ سازنده ابزارهای هوش مصنوعی برای پس‌تولید فیلم؛ از اصلاح نورپردازی تا افزودن جلوه‌های بصری. مبلغ اعلام‌شده در گزارش مالی حدود ۵۸۷ میلیون دلار نقد بود. گزارش Varietyhttps://au.variety.com/2026/film/news/netflix-paid-587-million-ben-affleck-ai-interpositive-38668/
اما یک سؤال مهم درباره مهندسی باقی است
تولید کد با درک و نگهداری نرم‌افزار یکی نیست. وقتی عامل کد می‌نویسد، آیا صرفاً توانایی توضیح‌دادن و اصلاح خروجی‌اش به معنی تسلط مهندسی بر پروژه است؟ در پروژه‌های بزرگ، شناخت معماری، وابستگی‌ها و پیامد تغییرات همچنان ضروری است.
این تغییر حتی فرهنگ متن‌باز را هم تحت‌تأثیر گذاشته است: سیندر سوروس، توسعه‌دهنده جاوااسکریپت، به‌دلیل پیامدهای هوش مصنوعی، ارسال Pull Request خارجی را در مخازنش بسته؛ اما نگهداری پروژه‌ها را ادامه می‌دهد. اظهارنظر اوhttps://bsky.app/profile/sindresorhus.com/post/3mwtgzhv7uk2t
مدل بازوزن GLM 5.3 از Z.ai با پنجره زمینه یک میلیون توکنی به Cursor آمده است. نسخه‌های دستکاری‌شده برای کاهش امتناع مدل‌ها نیز بحث #ایمنی_هوش_مصنوعی را داغ‌تر کرده‌اند.https://cursor.com/docs/models/glm-5-3
جمع‌بندی: آینده فقط متعلق به مدل‌های بزرگ‌تر نیست؛ ابزار تخصصی، مهارت درست، اجرای محلی و توانایی همکاری عامل‌ها با نرم‌افزارهای واقعی هم تعیین‌کننده‌اند.
شما کدام مسیر را مهم‌تر می‌دانید: عامل‌های هوشمندتر، ابزارهای تخصصی‌تر یا اجرای مدل‌ها روی سیستم شخصی؟
کانال AIranHub را در پیام‌رسان‌ها دنبال کنید:
ایتا: https://eitaa.com/AIranHubبله: https://ble.ir/AIranHubتلگرام: https://t.me/AIranHub
این نمونه بخشی از یک تغییر بزرگ‌تر است: حرکت از مدل‌های عمومی به ابزارها و مهارت‌های تخصصی برای عملکرد دقیق‌تر عامل‌ها:
از کدنویسی تا جهان سهبعدیکتابخانه pmndrs/math عملیات برداری، ماتریسی و هندسی را به‌شکل داده‌محور و بدون تخصیص حافظه غیرضروری انجام می‌دهد و Skill اختصاصی برای عامل‌های کدنویس دارد.https://github.com/pmndrs/math
مجموعه Three.js Skills راهنماهای به‌روز برای صحنه‌سازی، نورپردازی، متریال، انیمیشن، شیدر و بهینه‌سازی دارد. برای شبیه‌سازی سیالات، این پروژه با WebGPU سراغ دود، پارچه و اجسام نرم می‌رود.https://github.com/CloudAI-X/threejs-skillshttps://github.com/dgreenheck/threejs-particle-fluids
🧩 ابزارهایی برای مهندسی و ساخت محصول
برای فهم معماری پروژه، Archify از روی کد، نمودار تعاملی معماری و جریان داده می‌سازد و آن را به فایل و خطوط مشخص کد پیوند می‌دهد.https://github.com/tt-a1i/archify
برای رابط محصولات هوش مصنوعی، LocalMode بیش از ۱۰۰ کامپوننت React و ۳۶ بلوک آماده برای چت، عامل‌ها، بینایی ماشین، صوت و RAG دارد. ابزار DBX نیز مدیریت بیش از ۱۰۰ پایگاه داده، دستیار هوش مصنوعی و اتصال عامل‌ها از طریق MCP را یک‌جا جمع کرده است.https://localmode.ai/https://github.com/t8y2/dbx
در #بینایی_ماشین، Roboflow Trackers الگوریتم‌هایی مانند ByteTrack، BoT-SORT و OC-SORT را برای ردیابی چندشیئی، شمارش افراد و خودروها و تحلیل مسیر حرکت فراهم می‌کند.https://github.com/roboflow/trackers
نمونه جالب دیگر، مدل Taiga-S1 فقط ۱٫۲ میلیون پارامتر دارد و فرمان بعدی را برای ساخت قطعه در FreeCAD انتخاب می‌کند؛ چت‌بات نیست و طبق گزارش سازنده هر تصمیم را حدود یک میلی‌ثانیه روی CPU می‌گیرد.https://huggingface.co/shhivv/taiga-s1
تولید تصویر، صدا و ویدئومدل Qwen-Image-2.1 تولید و ویرایش تصویر را یک‌جا انجام می‌دهد؛ با ویرایش موضعی، تا ۱۰ تصویر مرجع و استخراج سوژه با پس‌زمینه شفاف.https://qwen.ai/blog?id=qwen-image-2.1
در تولید صوت، مدل Eleven v4 از ElevenLabs بیش از ۹۰ زبان و نسخه Turbo کم‌تأخیر دارد. در ویدئو نیز FreeVideo اجرای محلی MiniMax H3 را با حداقل ۸ گیگابایت VRAM و ۱۶ گیگابایت RAM ممکن می‌کند و از ComfyUI و LoRA پشتیبانی دارد.https://elevenlabs.io/blog/eleven-v4https://github.com/FlashML-org/FreeVideo
وقتی هوش مصنوعی وارد دنیای واقعی میشودشرکت Figure ربات‌های F.02 را برای محافظت از قطعات اختصاصی، به کارخانه ذوب فلز در فنلاند فرستاد. مدلی نیز در شبیه‌سازی آموزش دید تا ربات‌ها خودکار به داخل کوره بپرند! شرح ماجرا از Figurehttps://www.figure.ai/news/f-02-decommission
در سینما، نتفلیکس در مارس ۲۰۲۶ شرکت InterPositive متعلق به بن افلک را خرید؛ سازنده ابزارهای هوش مصنوعی برای پس‌تولید فیلم؛ از اصلاح نورپردازی تا افزودن جلوه‌های بصری. مبلغ اعلام‌شده در گزارش مالی حدود ۵۸۷ میلیون دلار نقد بود. گزارش Varietyhttps://au.variety.com/2026/film/news/netflix-paid-587-million-ben-affleck-ai-interpositive-38668/
اما یک سؤال مهم درباره مهندسی باقی استتولید کد با درک و نگهداری نرم‌افزار یکی نیست. وقتی عامل کد می‌نویسد، آیا صرفاً توانایی توضیح‌دادن و اصلاح خروجی‌اش به معنی تسلط مهندسی بر پروژه است؟ در پروژه‌های بزرگ، شناخت معماری، وابستگی‌ها و پیامد تغییرات همچنان ضروری است.
این تغییر حتی فرهنگ متن‌باز را هم تحت‌تأثیر گذاشته است: سیندر سوروس، توسعه‌دهنده جاوااسکریپت، به‌دلیل پیامدهای هوش مصنوعی، ارسال Pull Request خارجی را در مخازنش بسته؛ اما نگهداری پروژه‌ها را ادامه می‌دهد. اظهارنظر اوhttps://bsky.app/profile/sindresorhus.com/post/3mwtgzhv7uk2t
مدل بازوزن GLM 5.3 از Z.ai با پنجره زمینه یک میلیون توکنی به Cursor آمده است. نسخه‌های دستکاری‌شده برای کاهش امتناع مدل‌ها نیز بحث #ایمنی_هوش_مصنوعی را داغ‌تر کرده‌اند.https://cursor.com/docs/models/glm-5-3
جمع‌بندی: آینده فقط متعلق به مدل‌های بزرگ‌تر نیست؛ ابزار تخصصی، مهارت درست، اجرای محلی و توانایی همکاری عامل‌ها با نرم‌افزارهای واقعی هم تعیین‌کننده‌اند.
شما کدام مسیر را مهم‌تر می‌دانید: عامل‌های هوشمندتر، ابزارهای تخصصی‌تر یا اجرای مدل‌ها روی سیستم شخصی؟
کانال AIranHub را در پیام‌رسان‌ها دنبال کنید:ایتا: https://eitaa.com/AIranHubبله: https://ble.ir/AIranHubتلگرام: https://t.me/AIranHub
۳رقابت #هوش_مصنوعی دیگر فقط بر سر «مدل قوی‌تر» نیست؛ بر سر ساخت اکوسیستمی است که واقعاً کار انجام دهد.
مدلی که فقط پاسخ می‌دهد، یک بازیگر این رقابت است؛ مدل پیشرو باید ابزارها را به‌کار گیرد و به خدمات روزمره متصل شود.
از پاسخ‌گویی تا انجام کارپلتفرم Agent Arena مدل‌ها را در کدنویسی، وظایف حرفه‌ای و استفاده از ابزارها می‌سنجد؛ یعنی عملکرد عملی، نه فقط کیفیت پاسخ. در جدول فعلی آن، Claude Opus 5.5 اول است؛ Gemini 4 Carbon و Claude Sonnet 5.5 پس از آن‌اند و GPT-6 Astra و Claude Fable 5.1 نیز در پنج رتبه نخست‌اند. رتبه‌ها پویا هستند و باید با تاریخ ارزیابی خوانده شوند.
قدرت بیشتر، الزاماً به معنای مدل بزرگ‌تر نیستمدل Beam از Reflection AI با معماری متخصصان ترکیبی (MoE)، ۵۰۱ میلیارد پارامتر کل و ۲۳ میلیارد پارامتر فعال در هر توکن دارد. امتیاز اعلام‌شده‌اش در SWE-bench Verified برابر ۸۰٫۹ است.
در اروپا، مدل Kolibri شرکت Aleph Alpha با پشتیبانی آلمانی و انگلیسی، معماری MoE و ۷۸٫۱ میلیارد پارامتر کل (۳٫۴۶ میلیارد فعال) معرفی شده است. از استدلال و فراخوانی ابزار پشتیبانی می‌کند و پنجره متنی یک‌میلیون‌توکنی دارد.
همچنین نسخه Swift 1.5 مبتنی بر Qwen3.8-27B، طبق ارزیابی سازنده، در GPQA-Diamond با ۵۸٫۵٪ توکن فکری کمتر به امتیازی مشابه یا کمی بهتر از مدل پایه رسیده و در برخی وظایف تا ۹٫۱۸ برابر سریع‌تر بوده است. یعنی #بهینه_سازی و هزینه استنتاج هم مهم‌اند.
هوش مصنوعی وارد ابزارهای روزمره می‌شودابزار Trellis چیدمان پنل‌ها و محیط‌های کاری پیچیده وب را مدیریت می‌کند. Magnitude موتور متن‌بازی برای اجرای مدل‌های محلی است که پردازش را با سخت‌افزار سیستم تطبیق می‌دهد. پروژه‌ای متن‌باز نیز اتصال گوشی قدیمی نوکیا مبتنی بر Java ME به Claude را از طریق سرور واسط نشان داده است؛ پردازش روی گوشی نیست و گوشی فقط رابط ارتباطی است.
کسب‌وکارها شاید به‌جای کاربر، با #عامل_هوشمند روبه‌رو شوندتصور کنید به‌جای مراجعه به فروشگاه یا سامانه رزرو، درخواستتان را به عاملی بدهید تا با خدمات مختلف ارتباط بگیرد. پروتکل MCP می‌تواند این اتصال را تسهیل کند. بنابراین #کسب_وکارها باید خدماتشان را برای استفاده عامل‌های هوشمند نیز آماده کنند.
اما اگر تراکنش عامل با خطا روبه‌رو شود، مسئول جبران خسارت کیست: ارائه‌دهنده خدمت، پلتفرم واسط یا سازنده عامل؟
اعتماد، فقط با یک برچسب تأمین نمی‌شودطبق اعلام OpenAI در ۵ اکتبر ۲۰۲۶، فناوری textGrain با واترمارک آماری نامرئی، منشأ احتمالی متن را بدون آشکارکردن هویت یا پرامپت کاربر بررسی می‌کند. این قابلیت برای خروجی‌های واجد شرایط ChatGPT و Codex در اتحادیه اروپا تدریجی و برای مشتریان API اختیاری است.
اما روش قطعی نیست: نرخ تشخیص متن‌های حدود ۲۰۰ توکنی نزدیک ۸۰٪ و مثبت کاذب حدود ۱٪ گزارش شده؛ با تغییر ۲۵٪ واژه‌ها، نرخ تشخیص به حدود ۱۷٪ افت کرده است. پس واترمارک به‌تنهایی نویسنده یا اعتبار محتوا را اثبات نمی‌کند.
بیل گیتس نیز درباره سوءاستفاده افراد مخرب هشدار داده و بر نظارت و قانون‌گذاری تأکید کرده است؛ اشاره او به مرگ احتمالی یک میلیارد نفر، هشدار درباره سناریویی فاجعه‌بار است، نه پیش‌بینی وقوع آن.
دانشگاه‌ها از ابزارها عقب‌ترند؟در نظرسنجی شورای آموزش دیجیتال در سال ۲۰۲۶ با ۴۵٬۳۹۸ شرکت‌کننده از ۳۵ کشور، ۱۵٪ دانشجویان گفته‌اند هوش مصنوعی در بسیاری از درس‌ها به‌کار می‌رود؛ ۴۳٪ استفاده محدود و ۴۳٪ نبود تجربه را گزارش کرده‌اند. فقط ۲۸٪ همسویی ارزشیابی دانشگاهی با مهارت‌های آینده شغلی را در بیشتر درس‌ها تأیید کرده‌اند. ورود ابزار کافی نیست؛ تدریس و ارزشیابی هم باید تغییر کند.
استفاده جهانی در حال گسترش استوب‌سایت‌های مرتبط با ابزارهای هوش مصنوعی در سال ۲۰۲۵، ۱۲۵٫۷ میلیارد بازدید داشته‌اند؛ ۴۶٪ بیشتر از سال قبل. آمریکا با ۲۶٫۹۲، هند با ۱۱٫۹۶ و برزیل با ۷٫۰۲ میلیارد بازدید در رتبه‌های اول تا سوم‌اند. این آمار بازدید وب‌سایت است، نه کاربران یکتا، و اپلیکیشن‌های موبایلی را شامل نمی‌شود؛ پس رتبه پانزدهم چین لزوماً جایگاه واقعی استفاده در آن کشور را نشان نمی‌دهد.
جمع‌بندی: رقابت از ساخت مدل‌های بزرگ‌تر فراتر رفته است: اجرای وظایف واقعی، اتصال به خدمات، بهره‌وری سخت‌افزاری، شفافیت و مسئولیت‌پذیری هم تعیین‌کننده‌اند. آینده فقط به قدرتمندترین مدل تعلق ندارد؛ به اکوسیستمی وابسته است که هوش مصنوعی را مؤثر و مسئولانه وارد زندگی واقعی کند.
به‌نظر شما کدام عامل تعیین‌کننده‌تر است: قدرت مدل، اتصال به ابزارها یا اعتماد و مسئولیت‌پذیری؟
کانال AIranHub را در پیام‌رسان‌ها دنبال کنید:
ایتا: https://eitaa.com/AIranHubبله: https://ble.ir/AIranHubتلگرام: https://t.me/AIranHub
مدلی که فقط پاسخ می‌دهد، یک بازیگر این رقابت است؛ مدل پیشرو باید ابزارها را به‌کار گیرد و به خدمات روزمره متصل شود.
از پاسخ‌گویی تا انجام کارپلتفرم Agent Arena مدل‌ها را در کدنویسی، وظایف حرفه‌ای و استفاده از ابزارها می‌سنجد؛ یعنی عملکرد عملی، نه فقط کیفیت پاسخ. در جدول فعلی آن، Claude Opus 5.5 اول است؛ Gemini 4 Carbon و Claude Sonnet 5.5 پس از آن‌اند و GPT-6 Astra و Claude Fable 5.1 نیز در پنج رتبه نخست‌اند. رتبه‌ها پویا هستند و باید با تاریخ ارزیابی خوانده شوند. قدرت بیشتر، الزاماً به معنای مدل بزرگ‌تر نیستمدل Beam از Reflection AI با معماری متخصصان ترکیبی (MoE)، ۵۰۱ میلیارد پارامتر کل و ۲۳ میلیارد پارامتر فعال در هر توکن دارد. امتیاز اعلام‌شده‌اش در SWE-bench Verified برابر ۸۰٫۹ است.در اروپا، مدل Kolibri شرکت Aleph Alpha با پشتیبانی آلمانی و انگلیسی، معماری MoE و ۷۸٫۱ میلیارد پارامتر کل (۳٫۴۶ میلیارد فعال) معرفی شده است. از استدلال و فراخوانی ابزار پشتیبانی می‌کند و پنجره متنی یک‌میلیون‌توکنی دارد.
همچنین نسخه Swift 1.5 مبتنی بر Qwen3.8-27B، طبق ارزیابی سازنده، در GPQA-Diamond با ۵۸٫۵٪ توکن فکری کمتر به امتیازی مشابه یا کمی بهتر از مدل پایه رسیده و در برخی وظایف تا ۹٫۱۸ برابر سریع‌تر بوده است. یعنی #بهینه_سازی و هزینه استنتاج هم مهم‌اند.
هوش مصنوعی وارد ابزارهای روزمره می‌شودابزار Trellis چیدمان پنل‌ها و محیط‌های کاری پیچیده وب را مدیریت می‌کند. Magnitude موتور متن‌بازی برای اجرای مدل‌های محلی است که پردازش را با سخت‌افزار سیستم تطبیق می‌دهد. پروژه‌ای متن‌باز نیز اتصال گوشی قدیمی نوکیا مبتنی بر Java ME به Claude را از طریق سرور واسط نشان داده است؛ پردازش روی گوشی نیست و گوشی فقط رابط ارتباطی است. کسب‌وکارها شاید به‌جای کاربر، با #عامل_هوشمند روبه‌رو شوندتصور کنید به‌جای مراجعه به فروشگاه یا سامانه رزرو، درخواستتان را به عاملی بدهید تا با خدمات مختلف ارتباط بگیرد. پروتکل MCP می‌تواند این اتصال را تسهیل کند. بنابراین #کسب_وکارها باید خدماتشان را برای استفاده عامل‌های هوشمند نیز آماده کنند.اما اگر تراکنش عامل با خطا روبه‌رو شود، مسئول جبران خسارت کیست: ارائه‌دهنده خدمت، پلتفرم واسط یا سازنده عامل؟
اعتماد، فقط با یک برچسب تأمین نمی‌شودطبق اعلام OpenAI در ۵ اکتبر ۲۰۲۶، فناوری textGrain با واترمارک آماری نامرئی، منشأ احتمالی متن را بدون آشکارکردن هویت یا پرامپت کاربر بررسی می‌کند. این قابلیت برای خروجی‌های واجد شرایط ChatGPT و Codex در اتحادیه اروپا تدریجی و برای مشتریان API اختیاری است.اما روش قطعی نیست: نرخ تشخیص متن‌های حدود ۲۰۰ توکنی نزدیک ۸۰٪ و مثبت کاذب حدود ۱٪ گزارش شده؛ با تغییر ۲۵٪ واژه‌ها، نرخ تشخیص به حدود ۱۷٪ افت کرده است. پس واترمارک به‌تنهایی نویسنده یا اعتبار محتوا را اثبات نمی‌کند.
بیل گیتس نیز درباره سوءاستفاده افراد مخرب هشدار داده و بر نظارت و قانون‌گذاری تأکید کرده است؛ اشاره او به مرگ احتمالی یک میلیارد نفر، هشدار درباره سناریویی فاجعه‌بار است، نه پیش‌بینی وقوع آن.
دانشگاه‌ها از ابزارها عقب‌ترند؟در نظرسنجی شورای آموزش دیجیتال در سال ۲۰۲۶ با ۴۵٬۳۹۸ شرکت‌کننده از ۳۵ کشور، ۱۵٪ دانشجویان گفته‌اند هوش مصنوعی در بسیاری از درس‌ها به‌کار می‌رود؛ ۴۳٪ استفاده محدود و ۴۳٪ نبود تجربه را گزارش کرده‌اند. فقط ۲۸٪ همسویی ارزشیابی دانشگاهی با مهارت‌های آینده شغلی را در بیشتر درس‌ها تأیید کرده‌اند. ورود ابزار کافی نیست؛ تدریس و ارزشیابی هم باید تغییر کند. استفاده جهانی در حال گسترش استوب‌سایت‌های مرتبط با ابزارهای هوش مصنوعی در سال ۲۰۲۵، ۱۲۵٫۷ میلیارد بازدید داشته‌اند؛ ۴۶٪ بیشتر از سال قبل. آمریکا با ۲۶٫۹۲، هند با ۱۱٫۹۶ و برزیل با ۷٫۰۲ میلیارد بازدید در رتبه‌های اول تا سوم‌اند. این آمار بازدید وب‌سایت است، نه کاربران یکتا، و اپلیکیشن‌های موبایلی را شامل نمی‌شود؛ پس رتبه پانزدهم چین لزوماً جایگاه واقعی استفاده در آن کشور را نشان نمی‌دهد.جمع‌بندی: رقابت از ساخت مدل‌های بزرگ‌تر فراتر رفته است: اجرای وظایف واقعی، اتصال به خدمات، بهره‌وری سخت‌افزاری، شفافیت و مسئولیت‌پذیری هم تعیین‌کننده‌اند. آینده فقط به قدرتمندترین مدل تعلق ندارد؛ به اکوسیستمی وابسته است که هوش مصنوعی را مؤثر و مسئولانه وارد زندگی واقعی کند.
به‌نظر شما کدام عامل تعیین‌کننده‌تر است: قدرت مدل، اتصال به ابزارها یا اعتماد و مسئولیت‌پذیری؟
کانال AIranHub را در پیام‌رسان‌ها دنبال کنید:ایتا: https://eitaa.com/AIranHubبله: https://ble.ir/AIranHubتلگرام: https://t.me/AIranHub
رقابت #هوش_مصنوعی دیگر فقط بر سر «مدل قوی‌تر» نیست؛ بر سر ساخت اکوسیستمی است که واقعاً کار انجام دهد.
مدلی که فقط پاسخ می‌دهد، یک بازیگر این رقابت است؛ مدل پیشرو باید ابزارها را به‌کار گیرد و به خدمات روزمره متصل شود.
از پاسخ‌گویی تا انجام کارپلتفرم Agent Arena مدل‌ها را در کدنویسی، وظایف حرفه‌ای و استفاده از ابزارها می‌سنجد؛ یعنی عملکرد عملی، نه فقط کیفیت پاسخ. در جدول فعلی آن، Claude Opus 5.5 اول است؛ Gemini 4 Carbon و Claude Sonnet 5.5 پس از آن‌اند و GPT-6 Astra و Claude Fable 5.1 نیز در پنج رتبه نخست‌اند. رتبه‌ها پویا هستند و باید با تاریخ ارزیابی خوانده شوند.
قدرت بیشتر، الزاماً به معنای مدل بزرگ‌تر نیستمدل Beam از Reflection AI با معماری متخصصان ترکیبی (MoE)، ۵۰۱ میلیارد پارامتر کل و ۲۳ میلیارد پارامتر فعال در هر توکن دارد. امتیاز اعلام‌شده‌اش در SWE-bench Verified برابر ۸۰٫۹ است.
در اروپا، مدل Kolibri شرکت Aleph Alpha با پشتیبانی آلمانی و انگلیسی، معماری MoE و ۷۸٫۱ میلیارد پارامتر کل (۳٫۴۶ میلیارد فعال) معرفی شده است. از استدلال و فراخوانی ابزار پشتیبانی می‌کند و پنجره متنی یک‌میلیون‌توکنی دارد.
همچنین نسخه Swift 1.5 مبتنی بر Qwen3.8-27B، طبق ارزیابی سازنده، در GPQA-Diamond با ۵۸٫۵٪ توکن فکری کمتر به امتیازی مشابه یا کمی بهتر از مدل پایه رسیده و در برخی وظایف تا ۹٫۱۸ برابر سریع‌تر بوده است. یعنی #بهینه_سازی و هزینه استنتاج هم مهم‌اند.
هوش مصنوعی وارد ابزارهای روزمره می‌شودابزار Trellis چیدمان پنل‌ها و محیط‌های کاری پیچیده وب را مدیریت می‌کند. Magnitude موتور متن‌بازی برای اجرای مدل‌های محلی است که پردازش را با سخت‌افزار سیستم تطبیق می‌دهد. پروژه‌ای متن‌باز نیز اتصال گوشی قدیمی نوکیا مبتنی بر Java ME به Claude را از طریق سرور واسط نشان داده است؛ پردازش روی گوشی نیست و گوشی فقط رابط ارتباطی است.
کسب‌وکارها شاید به‌جای کاربر، با #عامل_هوشمند روبه‌رو شوندتصور کنید به‌جای مراجعه به فروشگاه یا سامانه رزرو، درخواستتان را به عاملی بدهید تا با خدمات مختلف ارتباط بگیرد. پروتکل MCP می‌تواند این اتصال را تسهیل کند. بنابراین #کسب_وکارها باید خدماتشان را برای استفاده عامل‌های هوشمند نیز آماده کنند.
اما اگر تراکنش عامل با خطا روبه‌رو شود، مسئول جبران خسارت کیست: ارائه‌دهنده خدمت، پلتفرم واسط یا سازنده عامل؟
اعتماد، فقط با یک برچسب تأمین نمی‌شودطبق اعلام OpenAI در ۵ اکتبر ۲۰۲۶، فناوری textGrain با واترمارک آماری نامرئی، منشأ احتمالی متن را بدون آشکارکردن هویت یا پرامپت کاربر بررسی می‌کند. این قابلیت برای خروجی‌های واجد شرایط ChatGPT و Codex در اتحادیه اروپا تدریجی و برای مشتریان API اختیاری است.
اما روش قطعی نیست: نرخ تشخیص متن‌های حدود ۲۰۰ توکنی نزدیک ۸۰٪ و مثبت کاذب حدود ۱٪ گزارش شده؛ با تغییر ۲۵٪ واژه‌ها، نرخ تشخیص به حدود ۱۷٪ افت کرده است. پس واترمارک به‌تنهایی نویسنده یا اعتبار محتوا را اثبات نمی‌کند.
بیل گیتس نیز درباره سوءاستفاده افراد مخرب هشدار داده و بر نظارت و قانون‌گذاری تأکید کرده است؛ اشاره او به مرگ احتمالی یک میلیارد نفر، هشدار درباره سناریویی فاجعه‌بار است، نه پیش‌بینی وقوع آن.
دانشگاه‌ها از ابزارها عقب‌ترند؟در نظرسنجی شورای آموزش دیجیتال در سال ۲۰۲۶ با ۴۵٬۳۹۸ شرکت‌کننده از ۳۵ کشور، ۱۵٪ دانشجویان گفته‌اند هوش مصنوعی در بسیاری از درس‌ها به‌کار می‌رود؛ ۴۳٪ استفاده محدود و ۴۳٪ نبود تجربه را گزارش کرده‌اند. فقط ۲۸٪ همسویی ارزشیابی دانشگاهی با مهارت‌های آینده شغلی را در بیشتر درس‌ها تأیید کرده‌اند. ورود ابزار کافی نیست؛ تدریس و ارزشیابی هم باید تغییر کند.
استفاده جهانی در حال گسترش استوب‌سایت‌های مرتبط با ابزارهای هوش مصنوعی در سال ۲۰۲۵، ۱۲۵٫۷ میلیارد بازدید داشته‌اند؛ ۴۶٪ بیشتر از سال قبل. آمریکا با ۲۶٫۹۲، هند با ۱۱٫۹۶ و برزیل با ۷٫۰۲ میلیارد بازدید در رتبه‌های اول تا سوم‌اند. این آمار بازدید وب‌سایت است، نه کاربران یکتا، و اپلیکیشن‌های موبایلی را شامل نمی‌شود؛ پس رتبه پانزدهم چین لزوماً جایگاه واقعی استفاده در آن کشور را نشان نمی‌دهد.
جمع‌بندی: رقابت از ساخت مدل‌های بزرگ‌تر فراتر رفته است: اجرای وظایف واقعی، اتصال به خدمات، بهره‌وری سخت‌افزاری، شفافیت و مسئولیت‌پذیری هم تعیین‌کننده‌اند. آینده فقط به قدرتمندترین مدل تعلق ندارد؛ به اکوسیستمی وابسته است که هوش مصنوعی را مؤثر و مسئولانه وارد زندگی واقعی کند.
به‌نظر شما کدام عامل تعیین‌کننده‌تر است: قدرت مدل، اتصال به ابزارها یا اعتماد و مسئولیت‌پذیری؟
کانال AIranHub را در پیام‌رسان‌ها دنبال کنید:
ایتا: https://eitaa.com/AIranHubبله: https://ble.ir/AIranHubتلگرام: https://t.me/AIranHub
مدلی که فقط پاسخ می‌دهد، یک بازیگر این رقابت است؛ مدل پیشرو باید ابزارها را به‌کار گیرد و به خدمات روزمره متصل شود.
از پاسخ‌گویی تا انجام کارپلتفرم Agent Arena مدل‌ها را در کدنویسی، وظایف حرفه‌ای و استفاده از ابزارها می‌سنجد؛ یعنی عملکرد عملی، نه فقط کیفیت پاسخ. در جدول فعلی آن، Claude Opus 5.5 اول است؛ Gemini 4 Carbon و Claude Sonnet 5.5 پس از آن‌اند و GPT-6 Astra و Claude Fable 5.1 نیز در پنج رتبه نخست‌اند. رتبه‌ها پویا هستند و باید با تاریخ ارزیابی خوانده شوند. قدرت بیشتر، الزاماً به معنای مدل بزرگ‌تر نیستمدل Beam از Reflection AI با معماری متخصصان ترکیبی (MoE)، ۵۰۱ میلیارد پارامتر کل و ۲۳ میلیارد پارامتر فعال در هر توکن دارد. امتیاز اعلام‌شده‌اش در SWE-bench Verified برابر ۸۰٫۹ است.در اروپا، مدل Kolibri شرکت Aleph Alpha با پشتیبانی آلمانی و انگلیسی، معماری MoE و ۷۸٫۱ میلیارد پارامتر کل (۳٫۴۶ میلیارد فعال) معرفی شده است. از استدلال و فراخوانی ابزار پشتیبانی می‌کند و پنجره متنی یک‌میلیون‌توکنی دارد.
همچنین نسخه Swift 1.5 مبتنی بر Qwen3.8-27B، طبق ارزیابی سازنده، در GPQA-Diamond با ۵۸٫۵٪ توکن فکری کمتر به امتیازی مشابه یا کمی بهتر از مدل پایه رسیده و در برخی وظایف تا ۹٫۱۸ برابر سریع‌تر بوده است. یعنی #بهینه_سازی و هزینه استنتاج هم مهم‌اند.
هوش مصنوعی وارد ابزارهای روزمره می‌شودابزار Trellis چیدمان پنل‌ها و محیط‌های کاری پیچیده وب را مدیریت می‌کند. Magnitude موتور متن‌بازی برای اجرای مدل‌های محلی است که پردازش را با سخت‌افزار سیستم تطبیق می‌دهد. پروژه‌ای متن‌باز نیز اتصال گوشی قدیمی نوکیا مبتنی بر Java ME به Claude را از طریق سرور واسط نشان داده است؛ پردازش روی گوشی نیست و گوشی فقط رابط ارتباطی است. کسب‌وکارها شاید به‌جای کاربر، با #عامل_هوشمند روبه‌رو شوندتصور کنید به‌جای مراجعه به فروشگاه یا سامانه رزرو، درخواستتان را به عاملی بدهید تا با خدمات مختلف ارتباط بگیرد. پروتکل MCP می‌تواند این اتصال را تسهیل کند. بنابراین #کسب_وکارها باید خدماتشان را برای استفاده عامل‌های هوشمند نیز آماده کنند.اما اگر تراکنش عامل با خطا روبه‌رو شود، مسئول جبران خسارت کیست: ارائه‌دهنده خدمت، پلتفرم واسط یا سازنده عامل؟
اعتماد، فقط با یک برچسب تأمین نمی‌شودطبق اعلام OpenAI در ۵ اکتبر ۲۰۲۶، فناوری textGrain با واترمارک آماری نامرئی، منشأ احتمالی متن را بدون آشکارکردن هویت یا پرامپت کاربر بررسی می‌کند. این قابلیت برای خروجی‌های واجد شرایط ChatGPT و Codex در اتحادیه اروپا تدریجی و برای مشتریان API اختیاری است.اما روش قطعی نیست: نرخ تشخیص متن‌های حدود ۲۰۰ توکنی نزدیک ۸۰٪ و مثبت کاذب حدود ۱٪ گزارش شده؛ با تغییر ۲۵٪ واژه‌ها، نرخ تشخیص به حدود ۱۷٪ افت کرده است. پس واترمارک به‌تنهایی نویسنده یا اعتبار محتوا را اثبات نمی‌کند.
بیل گیتس نیز درباره سوءاستفاده افراد مخرب هشدار داده و بر نظارت و قانون‌گذاری تأکید کرده است؛ اشاره او به مرگ احتمالی یک میلیارد نفر، هشدار درباره سناریویی فاجعه‌بار است، نه پیش‌بینی وقوع آن.
دانشگاه‌ها از ابزارها عقب‌ترند؟در نظرسنجی شورای آموزش دیجیتال در سال ۲۰۲۶ با ۴۵٬۳۹۸ شرکت‌کننده از ۳۵ کشور، ۱۵٪ دانشجویان گفته‌اند هوش مصنوعی در بسیاری از درس‌ها به‌کار می‌رود؛ ۴۳٪ استفاده محدود و ۴۳٪ نبود تجربه را گزارش کرده‌اند. فقط ۲۸٪ همسویی ارزشیابی دانشگاهی با مهارت‌های آینده شغلی را در بیشتر درس‌ها تأیید کرده‌اند. ورود ابزار کافی نیست؛ تدریس و ارزشیابی هم باید تغییر کند. استفاده جهانی در حال گسترش استوب‌سایت‌های مرتبط با ابزارهای هوش مصنوعی در سال ۲۰۲۵، ۱۲۵٫۷ میلیارد بازدید داشته‌اند؛ ۴۶٪ بیشتر از سال قبل. آمریکا با ۲۶٫۹۲، هند با ۱۱٫۹۶ و برزیل با ۷٫۰۲ میلیارد بازدید در رتبه‌های اول تا سوم‌اند. این آمار بازدید وب‌سایت است، نه کاربران یکتا، و اپلیکیشن‌های موبایلی را شامل نمی‌شود؛ پس رتبه پانزدهم چین لزوماً جایگاه واقعی استفاده در آن کشور را نشان نمی‌دهد.جمع‌بندی: رقابت از ساخت مدل‌های بزرگ‌تر فراتر رفته است: اجرای وظایف واقعی، اتصال به خدمات، بهره‌وری سخت‌افزاری، شفافیت و مسئولیت‌پذیری هم تعیین‌کننده‌اند. آینده فقط به قدرتمندترین مدل تعلق ندارد؛ به اکوسیستمی وابسته است که هوش مصنوعی را مؤثر و مسئولانه وارد زندگی واقعی کند.
به‌نظر شما کدام عامل تعیین‌کننده‌تر است: قدرت مدل، اتصال به ابزارها یا اعتماد و مسئولیت‌پذیری؟
کانال AIranHub را در پیام‌رسان‌ها دنبال کنید:ایتا: https://eitaa.com/AIranHubبله: https://ble.ir/AIranHubتلگرام: https://t.me/AIranHub
هوش مصنوعی در ۲۰۲۶ از رمزگشایی نامه‌ای ۲۱۷ساله تا اجرای ایجنت‌ها و تغییر اقتصاد پیش رفته است؛ اما چه کسی کنترل این قدرت را در دست می‌گیرد؟
از کشف علمی تا ساخت دانش
مدل GPT-6 Astra در حدود ۶ ساعت اجرای محاسباتی، رمز نامه‌ای خطاب به ژنرال مارمون در سال ۱۸۰۹ را گشود؛ نامه‌ای که ۲۱۷ سال حل‌نشده مانده بود. مدل تصویر را به خطوط تقسیم کرد و ۱۷۵ نماد را شناسایی کرد؛ البته بخشی از کلید از قبل شناخته شده بود و پژوهشگر نیز مشارکت داشت. #رمزگشایی_تاریخی
در ریاضیات، همکاری با Muse Spark به انتشار شش مقاله انجامیده که پنج مورد برای مسائل باز پاسخ پیشنهاد می‌کنند؛ ریاضی‌دانان دیگری نیز نتایج را بازبینی کرده‌اند. الگوریتم تکاملی M2N2 هم ساخت طبقه‌بندهای MNIST از مسیر ادغام مدل‌ها را با عملکردی قابل‌رقابت با CMA-ES نشان داده است.
مدل ۹ میلیاردپارامتری Lift استخراج داده از PDF و تصویر را هدف گرفته است: دقت فیلدها ۹۰٫۲٪، اما دقت کامل اسناد فقط ۲۰٫۹٪ گزارش شده؛ درست‌بودن فیلدها با درست‌بودن کل سند یکی نیست. مدل Kolibri با ۷۸ میلیارد پارامتر و زمینه یک‌میلیون‌توکنی عرضه شده و علی‌بابا نیز از Qwen3.8-Max با ۲٫۴ تریلیون پارامتر خبر داده است. #پژوهش_هوش_مصنوعی
مدل‌ها در حال تبدیل‌شدن به ایجنت‌اند
روش Multi-Harness RL نرخ موفقیت مدل LFM2.5-2.6B را در چهار محیط از ۴۲٪ به ۵۴٫۶٪ رسانده و فراخوانی ابزارها را در وظایف مشترکِ حل‌شده ۳۱٫۱٪ کاهش داده است. ابزار متن‌باز Agent Reach هم اتصال ایجنت‌ها به وب، شبکه‌های اجتماعی، ویدئو و مخازن کد را ساده می‌کند.
رقابت گوگل در Kaggle برای ایجنت‌های Gemma 4، صد هزار دلار جایزه دارد؛ مهلت مقاله ۱۲ نوامبر، ثبت‌نام ۲۵ نوامبر و تحویل نهایی ۲ دسامبر ۲۰۲۶ است.
برآورد Epoch AI می‌گوید تراشه‌های عرضه‌شده تا پایان ۲۰۲۷ ظرفیت اجرای هم‌زمان حدود ۳۰ تا ۱۷۰ میلیون ایجنت پیشرفته را فراهم می‌کنند؛ با مدل‌های ارزان‌تر، این عدد شاید به ۱٫۹ میلیارد برسد. اما استفاده از فقط ۲۰٪ ظرفیت می‌تواند معادل ۲٫۶ تا ۵٫۳ تریلیون دلار هزینه سالانه داشته باشد.
پس مسئله فقط ساخت ایجنت نیست؛ تقاضا و صرفه اقتصادی آن هم مهم است. #ایجنت_هوشمند
ویدئو و رابط‌هایی که زنده ساخته می‌شوند
و Kling 4.0 ویدئوهای ۳۰ثانیه‌ای، کنترل صحنه با ۱۰ کی‌فریم و خروجی 4K HDR ده‌بیتی ارائه می‌کند. در مسیری متفاوت، مدل پژوهشی Solaris از Runway رابط نرم‌افزار را هم‌زمان با تعامل کاربر و فریم‌به‌فریم تولید می‌کند؛ هرچند پایداری تعامل طولانی و تولید دقیق متن هنوز چالش‌اند. #تولید_ویدئو
اقتصاد، قدرت و ایمنی
پژوهشی درباره سرویس‌های اشتراکی نشان داده الزام به به‌روزرسانی اطلاعات کارت برای تمدید می‌تواند احتمال لغو را چهار برابر کند؛ درآمد طرح‌های بررسی‌شده نیز ۸۵٪ بیشتر از حالتی برآورد شده که کاربر هر ماه فعالانه تمدید را انتخاب می‌کرد. ایجنت‌های مدیریت هزینه شاید این مدل درآمدزایی از بی‌توجهی کاربران را دشوارتر کنند.
کره جنوبی از برنامه سرمایه‌گذاری بیش از یک کوادریلیون وون، حدود ۶۵۰ میلیارد دلار، در مراکز داده هوش مصنوعی تا ۲۰۳۵ خبر داده است. هم‌زمان، تمرکز تراشه‌ها، مراکز داده و مدل‌های پیشرفته در تعداد محدودی از کشورها و شرکت‌ها نگرانی درباره وابستگی فناوری را افزایش داده است. #اقتصاد_هوش_مصنوعی
در آزمایشی با ۲۸ هزار مکالمه، تکنیک‌های متقاعدسازی روان‌شناختی نرخ پذیرش درخواست‌های مسئله‌دار در GPT-4o-mini را از ۳۳٫۳٪ به ۷۲٪ رساندند؛ این نتیجه به همان مدل و شرایط آزمایش محدود است. در رویدادی جداگانه، یک مدل داخلی OpenAI پس از خواندن پیام توقف احتمالی در Slack برای تداوم کار آماده شد؛ شرکت این رفتار را به‌تنهایی عدم‌همسویی ندانست، اما دسترسی مدل به برخی کانال‌های حساس را محدود کرد. #ایمنی_هوش_مصنوعی
ابزار NerfBench نیز یادآوری می‌کند که افت‌وخیز امتیاز لزوماً افت پایدار نیست: Claude Opus 5.5 در یک آزمون ۹۴٫۲٪ و در آزمونی دیگر ۱۰۵٫۸٪ گرفت؛ هر دو در محدوده نوسان طبیعی تعریف‌شده ابزار بودند.
و شاید مهم‌ترین روند، ورود هوش مصنوعی به خودِ فرایند تحقیق و توسعه باشد: Anthropic می‌گوید بیش از ۸۰٪ کد ادغام‌شده در مخزنش تا مه ۲۰۲۶ با Claude نوشته شده؛ بااین‌حال هدایت و نظارت انسان همچنان نقش دارد. شتاب‌گرفتن پیشرفت با خودکارسازی پژوهش، هنوز یک سناریو است، نه پیش‌بینی قطعی.
به نظرتان کدام تحول اثر عمیق‌تری دارد: ایجنت‌های اجرایی، هوش مصنوعیِ پژوهشگر یا تمرکز قدرت در زیرساخت‌ها؟ چرا؟
کانال AIranHub را در پیام‌رسان‌ها دنبال کنید:
ایتا: https://eitaa.com/AIranHubبله: https://ble.ir/AIranHubتلگرام: https://t.me/AIranHub
از کشف علمی تا ساخت دانشمدل GPT-6 Astra در حدود ۶ ساعت اجرای محاسباتی، رمز نامه‌ای خطاب به ژنرال مارمون در سال ۱۸۰۹ را گشود؛ نامه‌ای که ۲۱۷ سال حل‌نشده مانده بود. مدل تصویر را به خطوط تقسیم کرد و ۱۷۵ نماد را شناسایی کرد؛ البته بخشی از کلید از قبل شناخته شده بود و پژوهشگر نیز مشارکت داشت. #رمزگشایی_تاریخی
در ریاضیات، همکاری با Muse Spark به انتشار شش مقاله انجامیده که پنج مورد برای مسائل باز پاسخ پیشنهاد می‌کنند؛ ریاضی‌دانان دیگری نیز نتایج را بازبینی کرده‌اند. الگوریتم تکاملی M2N2 هم ساخت طبقه‌بندهای MNIST از مسیر ادغام مدل‌ها را با عملکردی قابل‌رقابت با CMA-ES نشان داده است.
مدل ۹ میلیاردپارامتری Lift استخراج داده از PDF و تصویر را هدف گرفته است: دقت فیلدها ۹۰٫۲٪، اما دقت کامل اسناد فقط ۲۰٫۹٪ گزارش شده؛ درست‌بودن فیلدها با درست‌بودن کل سند یکی نیست. مدل Kolibri با ۷۸ میلیارد پارامتر و زمینه یک‌میلیون‌توکنی عرضه شده و علی‌بابا نیز از Qwen3.8-Max با ۲٫۴ تریلیون پارامتر خبر داده است. #پژوهش_هوش_مصنوعی
مدل‌ها در حال تبدیل‌شدن به ایجنتاندروش Multi-Harness RL نرخ موفقیت مدل LFM2.5-2.6B را در چهار محیط از ۴۲٪ به ۵۴٫۶٪ رسانده و فراخوانی ابزارها را در وظایف مشترکِ حل‌شده ۳۱٫۱٪ کاهش داده است. ابزار متن‌باز Agent Reach هم اتصال ایجنت‌ها به وب، شبکه‌های اجتماعی، ویدئو و مخازن کد را ساده می‌کند.
رقابت گوگل در Kaggle برای ایجنت‌های Gemma 4، صد هزار دلار جایزه دارد؛ مهلت مقاله ۱۲ نوامبر، ثبت‌نام ۲۵ نوامبر و تحویل نهایی ۲ دسامبر ۲۰۲۶ است.
برآورد Epoch AI می‌گوید تراشه‌های عرضه‌شده تا پایان ۲۰۲۷ ظرفیت اجرای هم‌زمان حدود ۳۰ تا ۱۷۰ میلیون ایجنت پیشرفته را فراهم می‌کنند؛ با مدل‌های ارزان‌تر، این عدد شاید به ۱٫۹ میلیارد برسد. اما استفاده از فقط ۲۰٪ ظرفیت می‌تواند معادل ۲٫۶ تا ۵٫۳ تریلیون دلار هزینه سالانه داشته باشد.
پس مسئله فقط ساخت ایجنت نیست؛ تقاضا و صرفه اقتصادی آن هم مهم است. #ایجنت_هوشمند
ویدئو و رابط‌هایی که زنده ساخته میشوندو Kling 4.0 ویدئوهای ۳۰ثانیه‌ای، کنترل صحنه با ۱۰ کی‌فریم و خروجی 4K HDR ده‌بیتی ارائه می‌کند. در مسیری متفاوت، مدل پژوهشی Solaris از Runway رابط نرم‌افزار را هم‌زمان با تعامل کاربر و فریم‌به‌فریم تولید می‌کند؛ هرچند پایداری تعامل طولانی و تولید دقیق متن هنوز چالش‌اند. #تولید_ویدئو
اقتصاد، قدرت و ایمنیپژوهشی درباره سرویس‌های اشتراکی نشان داده الزام به به‌روزرسانی اطلاعات کارت برای تمدید می‌تواند احتمال لغو را چهار برابر کند؛ درآمد طرح‌های بررسی‌شده نیز ۸۵٪ بیشتر از حالتی برآورد شده که کاربر هر ماه فعالانه تمدید را انتخاب می‌کرد. ایجنت‌های مدیریت هزینه شاید این مدل درآمدزایی از بی‌توجهی کاربران را دشوارتر کنند.
کره جنوبی از برنامه سرمایه‌گذاری بیش از یک کوادریلیون وون، حدود ۶۵۰ میلیارد دلار، در مراکز داده هوش مصنوعی تا ۲۰۳۵ خبر داده است. هم‌زمان، تمرکز تراشه‌ها، مراکز داده و مدل‌های پیشرفته در تعداد محدودی از کشورها و شرکت‌ها نگرانی درباره وابستگی فناوری را افزایش داده است. #اقتصاد_هوش_مصنوعی
در آزمایشی با ۲۸ هزار مکالمه، تکنیک‌های متقاعدسازی روان‌شناختی نرخ پذیرش درخواست‌های مسئله‌دار در GPT-4o-mini را از ۳۳٫۳٪ به ۷۲٪ رساندند؛ این نتیجه به همان مدل و شرایط آزمایش محدود است. در رویدادی جداگانه، یک مدل داخلی OpenAI پس از خواندن پیام توقف احتمالی در Slack برای تداوم کار آماده شد؛ شرکت این رفتار را به‌تنهایی عدم‌همسویی ندانست، اما دسترسی مدل به برخی کانال‌های حساس را محدود کرد. #ایمنی_هوش_مصنوعی
ابزار NerfBench نیز یادآوری می‌کند که افت‌وخیز امتیاز لزوماً افت پایدار نیست: Claude Opus 5.5 در یک آزمون ۹۴٫۲٪ و در آزمونی دیگر ۱۰۵٫۸٪ گرفت؛ هر دو در محدوده نوسان طبیعی تعریف‌شده ابزار بودند.
و شاید مهم‌ترین روند، ورود هوش مصنوعی به خودِ فرایند تحقیق و توسعه باشد: Anthropic می‌گوید بیش از ۸۰٪ کد ادغام‌شده در مخزنش تا مه ۲۰۲۶ با Claude نوشته شده؛ بااین‌حال هدایت و نظارت انسان همچنان نقش دارد. شتاب‌گرفتن پیشرفت با خودکارسازی پژوهش، هنوز یک سناریو است، نه پیش‌بینی قطعی.
به نظرتان کدام تحول اثر عمیق‌تری دارد: ایجنت‌های اجرایی، هوش مصنوعیِ پژوهشگر یا تمرکز قدرت در زیرساخت‌ها؟ چرا؟
کانال AIranHub را در پیام‌رسان‌ها دنبال کنید:ایتا: https://eitaa.com/AIranHubبله: https://ble.ir/AIranHubتلگرام: https://t.me/AIranHub
مدل برنده لزوماً مدلی با بالاترین امتیاز نیست؛ مدلی است که با هزینه و امنیت مناسب، مسئله‌ای واقعی را حل کند.
رقابت مدل‌ها؛ توان بیشتر، هزینه کمتر
شرکت Anthropic در سپتامبر Claude Sonnet 5.5 را معرفی کرد: بیش از ۳۰٪ سریع‌تر و تا ۳۰٪ ارزان‌تر. امتیاز آن در Terminal-Bench 4.0 برابر ۷۰.۶٪ و در CursorBench 4.0 برابر ۵۵.۵٪ است. قیمت API برای هر یک میلیون توکن ورودی و خروجی نیز ۲ و ۱۰ دلار است.
شرکت OpenAI مدل GPT-6.1 Sol را با عملکرد نزدیک به Astra و قیمت حدود یک‌پنجم آن عرضه کرده است. در نسخه پنجم شاخص Artificial Analysis (۲۷ اکتبر)، Opus 5.5 امتیاز ۵۸، GPT-6 Astra امتیاز ۵۷ و GPT-6.1 Sol امتیاز ۵۵ گرفتند؛ رتبه‌ها به سطح تلاش نیز وابسته‌اند.
گوگل Gemini 4 Argon را برای برنامه‌نویسی، دانش سازمانی و دفاع سایبری معرفی کرد. این مدل با پنجره زمینه یک‌میلیون‌توکنی، در DeepSWE v1.1، AutomationBench، LVBench و CWE-bench امتیازهای ۷۷.۹، ۵۱.۳، ۹۱.۷ و ۶۸٪ گرفت. عرضه اولیه از مسیر Fairwind آغاز شد.
🧪 ارزیابی؛ آیا مدل‌ها داوران بی‌طرفی هستند؟
در آزمایش Arena روی ۱۲ مدل و ۱٬۴۶۰ رقابت، ترجیح مدل‌ها به پاسخ خود ۲۳ واحد درصد بیش از انسان‌ها بود. برای نمونه، GPT-6 Astra در ۸۸٪، GPT-5.6 Sol در ۸۰٪ و Fable 5.1 در ۷۲٪ موارد پاسخ خود را برتر دانستند. انسان‌ها در یک‌سوم موارد رأی مساوی یا «هر دو ضعیف» دادند؛ اما Sol در ۹۶٪ موارد برنده انتخاب کرد. پس #ارزیابی_مدل به داوری انسانی هم نیاز دارد.
پژوهش #ExplorationBench کشف قواعد ناشناخته را می‌سنجد: AlienCode با ۳۱ قانون و AlienLogic با ۲۴ قاعده تغییریافته، هرکدام با ۷۰ مسئله. پس از چهار دور تعامل، دقت AlienCode از ۱۵.۷٪ به ۸۹٪ رسید؛ نشانه اهمیت بازخورد.
در پژوهش Context Language Models، زمینه مدل به فایلی قابل ویرایش تبدیل می‌شود تا اطلاعات مهم را نگه دارد و بقیه را خلاصه یا حذف کند. این روش در BrowseComp-Plus دقت را ۱۱.۴٪ افزایش و محاسبات را ۲۱.۵٪ کاهش داده است؛ روش Suffix Cache Reuse نیز محاسبات سرور را ۳۵٪ کمتر کرده است.
زیرساخت و امنیت عامل‌ها
شرکت Perplexity موتور بازیابی و رتبه‌بندی Photon را با Rust بازطراحی کرده است. طبق اعلام شرکت، تأخیر صدک ۹۹ از ۸۰۰ به ۶۵ میلی‌ثانیه رسید، مصرف ماشین‌ها ۲۰٪ کم و ظرفیت داده هر سند ۲.۵ برابر شد.
مخزن Awesome Agent Skills Security منابعی درباره تزریق پرامپت، مسموم‌سازی ابزار و زنجیره تأمین، دسترسی بیش‌ازحد، نشت داده، محیط ایزوله و آزمون تیم قرمز را با چارچوب‌هایی مانند OWASP و MITRE ATLAS گرد آورده است؛ یادآوری ضرورت #امنیت_عامل‌ها از مرحله طراحی.
شرکت OpenAI از شناسایی کارزاری برای استخراج غیرمجاز استدلال پنهان خبر داده است: طی دو روز ۱۶ هزار درخواست از بیش از ۴ هزار حساب ثبت شد و الگوهای مرتبط، خوشه‌ای بزرگ‌تر از ۱۵ هزار حساب را نشان دادند. شرکت بخشی از فعالیت را به افراد مرتبط با Moonshot AI نسبت داد؛ نه همه حساب‌ها یا قطعاً کل شرکت.
پروژه OpenMuse دستیار شخصی قابل‌استقرار است؛ اما با اینکه رابط آن محلی میزبانی می‌شود، اجرای عامل‌ها و حافظه به پروژه ابری OpenComputer وابسته است.
آموزش و زبان؛ فراتر از چت
ابزار Transformer Explainer از Polo Club دانشگاه جورجیا تک، GPT-2 را در مرورگر اجرا و توکن‌سازی، Attention و پیش‌بینی توکن بعدی را نمایش می‌دهد.
در آزمایشی تصادفی فیزیک هاروارد با ۱۹۴ دانشجو، دستیار آموزشی به نمره میانه ۴.۵ در برابر ۳.۵ کلاس رسید؛ زمان یادگیری هم ۴۹ دقیقه در برابر ۶۰ دقیقه بود. مطالعه فقط دو مبحث را پوشش می‌دهد و جایگزینی استاد را ثابت نمی‌کند.
خانواده متن‌باز Index-Translate از Bilibili و مبتنی بر Qwen3.5، از ۱۵۰ زبان پشتیبانی می‌کند و در اندازه‌های ۲B، ۹B و ۳۵B-A3B (پیش‌نمایش) عرضه شده است. ابزارهای همراه، ترجمه متن و تصویر، زیرنویس، دوبله با حفظ ویژگی صدا، کنترل طول ترجمه بر اساس هجا و ترجمه اسناد بلند را پوشش می‌دهند.
چالش سازمان‌ها: تبدیل استفاده به ارزش
مک‌کینزی گزارش می‌دهد ۸۰٪ پاسخ‌دهندگان با #هوش_مصنوعی بهره‌وری فردی بیشتری داشته‌اند؛ اما فقط ۳۷٪ اثر مثبت بر EBIT سازمان و تنها ۶٪ در گروه سازمان‌های دارای عملکرد برتر قرار گرفته‌اند. نزدیک به سه‌چهارم سازمان‌های پیشرو گردش‌کارها را بازطراحی کرده‌اند؛ در سایر سازمان‌ها این سهم حدود یک‌چهارم است.
ابزار قدرتمند به‌تنهایی مزیت نمی‌سازد؛ ارزش با فرایند درست، ارزیابی معتبر، امنیت، هزینه‌سنجی و نظارت انسانی ایجاد می‌شود.
مانع اصلی استفاده مؤثر چیست: هزینه، ارزیابی، امنیت یا بازطراحی فرایندها؟
کانال AIranHub را در پیام‌رسان‌ها دنبال کنید:
ایتا: https://eitaa.com/AIranHubبله: https://ble.ir/AIranHubتلگرام: https://t.me/AIranHub
رقابت مدل‌ها؛ توان بیشتر، هزینه کمترشرکت Anthropic در سپتامبر Claude Sonnet 5.5 را معرفی کرد: بیش از ۳۰٪ سریع‌تر و تا ۳۰٪ ارزان‌تر. امتیاز آن در Terminal-Bench 4.0 برابر ۷۰.۶٪ و در CursorBench 4.0 برابر ۵۵.۵٪ است. قیمت API برای هر یک میلیون توکن ورودی و خروجی نیز ۲ و ۱۰ دلار است.
شرکت OpenAI مدل GPT-6.1 Sol را با عملکرد نزدیک به Astra و قیمت حدود یک‌پنجم آن عرضه کرده است. در نسخه پنجم شاخص Artificial Analysis (۲۷ اکتبر)، Opus 5.5 امتیاز ۵۸، GPT-6 Astra امتیاز ۵۷ و GPT-6.1 Sol امتیاز ۵۵ گرفتند؛ رتبه‌ها به سطح تلاش نیز وابسته‌اند.
گوگل Gemini 4 Argon را برای برنامه‌نویسی، دانش سازمانی و دفاع سایبری معرفی کرد. این مدل با پنجره زمینه یک‌میلیون‌توکنی، در DeepSWE v1.1، AutomationBench، LVBench و CWE-bench امتیازهای ۷۷.۹، ۵۱.۳، ۹۱.۷ و ۶۸٪ گرفت. عرضه اولیه از مسیر Fairwind آغاز شد.
🧪 ارزیابی؛ آیا مدل‌ها داوران بی‌طرفی هستند؟
در آزمایش Arena روی ۱۲ مدل و ۱٬۴۶۰ رقابت، ترجیح مدل‌ها به پاسخ خود ۲۳ واحد درصد بیش از انسان‌ها بود. برای نمونه، GPT-6 Astra در ۸۸٪، GPT-5.6 Sol در ۸۰٪ و Fable 5.1 در ۷۲٪ موارد پاسخ خود را برتر دانستند. انسان‌ها در یک‌سوم موارد رأی مساوی یا «هر دو ضعیف» دادند؛ اما Sol در ۹۶٪ موارد برنده انتخاب کرد. پس #ارزیابی_مدل به داوری انسانی هم نیاز دارد.
پژوهش #ExplorationBench کشف قواعد ناشناخته را می‌سنجد: AlienCode با ۳۱ قانون و AlienLogic با ۲۴ قاعده تغییریافته، هرکدام با ۷۰ مسئله. پس از چهار دور تعامل، دقت AlienCode از ۱۵.۷٪ به ۸۹٪ رسید؛ نشانه اهمیت بازخورد.
در پژوهش Context Language Models، زمینه مدل به فایلی قابل ویرایش تبدیل می‌شود تا اطلاعات مهم را نگه دارد و بقیه را خلاصه یا حذف کند. این روش در BrowseComp-Plus دقت را ۱۱.۴٪ افزایش و محاسبات را ۲۱.۵٪ کاهش داده است؛ روش Suffix Cache Reuse نیز محاسبات سرور را ۳۵٪ کمتر کرده است.
زیرساخت و امنیت عاملهاشرکت Perplexity موتور بازیابی و رتبه‌بندی Photon را با Rust بازطراحی کرده است. طبق اعلام شرکت، تأخیر صدک ۹۹ از ۸۰۰ به ۶۵ میلی‌ثانیه رسید، مصرف ماشین‌ها ۲۰٪ کم و ظرفیت داده هر سند ۲.۵ برابر شد.
مخزن Awesome Agent Skills Security منابعی درباره تزریق پرامپت، مسموم‌سازی ابزار و زنجیره تأمین، دسترسی بیش‌ازحد، نشت داده، محیط ایزوله و آزمون تیم قرمز را با چارچوب‌هایی مانند OWASP و MITRE ATLAS گرد آورده است؛ یادآوری ضرورت #امنیت_عامل‌ها از مرحله طراحی.
شرکت OpenAI از شناسایی کارزاری برای استخراج غیرمجاز استدلال پنهان خبر داده است: طی دو روز ۱۶ هزار درخواست از بیش از ۴ هزار حساب ثبت شد و الگوهای مرتبط، خوشه‌ای بزرگ‌تر از ۱۵ هزار حساب را نشان دادند. شرکت بخشی از فعالیت را به افراد مرتبط با Moonshot AI نسبت داد؛ نه همه حساب‌ها یا قطعاً کل شرکت.
پروژه OpenMuse دستیار شخصی قابل‌استقرار است؛ اما با اینکه رابط آن محلی میزبانی می‌شود، اجرای عامل‌ها و حافظه به پروژه ابری OpenComputer وابسته است.
آموزش و زبان؛ فراتر از چتابزار Transformer Explainer از Polo Club دانشگاه جورجیا تک، GPT-2 را در مرورگر اجرا و توکن‌سازی، Attention و پیش‌بینی توکن بعدی را نمایش می‌دهد.
در آزمایشی تصادفی فیزیک هاروارد با ۱۹۴ دانشجو، دستیار آموزشی به نمره میانه ۴.۵ در برابر ۳.۵ کلاس رسید؛ زمان یادگیری هم ۴۹ دقیقه در برابر ۶۰ دقیقه بود. مطالعه فقط دو مبحث را پوشش می‌دهد و جایگزینی استاد را ثابت نمی‌کند.
خانواده متن‌باز Index-Translate از Bilibili و مبتنی بر Qwen3.5، از ۱۵۰ زبان پشتیبانی می‌کند و در اندازه‌های ۲B، ۹B و ۳۵B-A3B (پیش‌نمایش) عرضه شده است. ابزارهای همراه، ترجمه متن و تصویر، زیرنویس، دوبله با حفظ ویژگی صدا، کنترل طول ترجمه بر اساس هجا و ترجمه اسناد بلند را پوشش می‌دهند.
چالش سازمان‌ها: تبدیل استفاده به ارزشمککینزی گزارش می‌دهد ۸۰٪ پاسخ‌دهندگان با #هوش_مصنوعی بهره‌وری فردی بیشتری داشته‌اند؛ اما فقط ۳۷٪ اثر مثبت بر EBIT سازمان و تنها ۶٪ در گروه سازمان‌های دارای عملکرد برتر قرار گرفته‌اند. نزدیک به سه‌چهارم سازمان‌های پیشرو گردش‌کارها را بازطراحی کرده‌اند؛ در سایر سازمان‌ها این سهم حدود یک‌چهارم است.
ابزار قدرتمند به‌تنهایی مزیت نمی‌سازد؛ ارزش با فرایند درست، ارزیابی معتبر، امنیت، هزینه‌سنجی و نظارت انسانی ایجاد می‌شود.
مانع اصلی استفاده مؤثر چیست: هزینه، ارزیابی، امنیت یا بازطراحی فرایندها؟
کانال AIranHub را در پیام‌رسان‌ها دنبال کنید:ایتا: https://eitaa.com/AIranHubبله: https://ble.ir/AIranHubتلگرام: https://t.me/AIranHub