متوجه شدم که هیچ پست توییتر/ایکس در پیام شما ارائه نشده است. برای تولید خلاصه‌ی مربوط به هوش مصنوعی که به دنبال آن هستید، لازم است محتوای فایل خروجی ساختاریافته‌ی توییتر/ایکس را جای‌گذاری کنید. فایل باید شامل موارد زیر باشد: - سربرگ با تاریخ و اطلاعات منطقه‌ی زمانی - بخش‌های کاربر با فرمت «نام کامل / @نام‌کاربری:» - پست‌ها به صورت نقطه‌گذاری‌شده با زمان و URL - محتوا به صورت زمانی مرتب شده باشد پس از ارائه‌ی داده‌های خروجی توییتر/ایکس، من اطلاعات مربوط به هوش مصنوعی را بر اساس دسته‌بندی‌های مشخص‌شده (مدل‌های جدید هوش مصنوعی، تحلیل صنعت، اخلاق و جامعه، کاربردها و پژوهش‌ها) استخراج و دسته‌بندی خواهم کرد. لطفاً محتوای خروجی توییتر/ایکس را جای‌گذاری کنید تا آن را برای شما پردازش کنم.

مدل‌های جدید هوش مصنوعی

• گوگل حالت «Gemini 3 Deep Think» را برای مشترکین Ultra منتشر کرد. این حالت با استفاده از تفکر موازی، فرضیه‌های متعددی را به‌طور همزمان بررسی می‌کند تا استدلال در مسائل پیچیده‌ی ریاضی، علمی و برنامه‌نویسی بهبود یابد. این مدل در بنچمارک‌های «آخرین امتحان بشریت» و «ARC-AGI-2» از «Gemini 3 Pro» پیشی گرفته و در المپیاد جهانی ریاضی و فینال جهانی مسابقات برنامه‌نویسی دانشگاهی به استاندارد مدال طلا دست یافته است @GoogleDeepMind، @JeffDean
• اوپن‌ای‌آی مدل «Codex» را راه‌اندازی کرد که اکنون در Cursor با یک عامل بهینه‌شده در دسترس است و تا ۱۱ دسامبر رایگان خواهد بود @cursor_ai
• آنتروپیک مدل «Claude Opus 4.5» را برای کاربران Claude Code با حساب‌های Pro منتشر کرد. این مدل به عنوان مدل پیشرو در برنامه‌نویسی و استثنایی در کارهای پیچیده‌ی کدنویسی توصیف شده است @_catwu
• Mistral Large 3 به عنوان مدل کدنویسی متن‌باز شماره یک در جدول رده‌بندی Arena معرفی شد @MistralAI
• گوگل «Nano Banana Pro» را با رزولوشن 2k منتشر کرد که به جایگاه شماره یک در جدول رده‌بندی ویرایش تصویر lmarena دست یافت @JeffDean
• مایکروسافت مدل «VibeVoice-Realtime-0.5B» را منتشر کرد @_akhaliq
• تیم Qwen علی‌بابا اعلام کرد که اجرای FP8 RL تنها با ۵ گیگابایت VRAM امکان‌پذیر است @Alibaba_Qwen

تحلیل صنعت

• آنتروپیک یک همکاری چندساله به ارزش ۲۰۰ میلیون دلار با Snowflake امضا کرد که Claude را برای بیش از ۱۲,۶۰۰ مشتری Snowflake برای تحلیل داده‌های سازمانی در دسترس قرار می‌دهد و در عین حال استانداردهای امنیتی را حفظ می‌کند @AnthropicAI
• گوگل یک همکاری چندساله با Replit اعلام کرد که همکاری آن‌ها را در فضای ابزارهای توسعه‌دهنده گسترش می‌دهد @AndrewCurran_
• استارتاپ حقوقی هوش مصنوعی Harvey، ارزش ۸ میلیارد دلاری خود را در دور تامین مالی سری F به رهبری a16z Growth تایید کرد. این شرکت در حال حاضر توسط بیش از نیمی از ۱۰۰ شرکت برتر AmLaw استفاده می‌شود @TechCrunch
• Palo Alto Networks شرکت Chronosphere را به مبلغ ۳.۳ میلیارد دلار خریداری کرد که نشان‌دهنده‌ی یک خروج قابل توجه برای این استارتاپ نظارتی است که بر اساس موتور M3 اوبر ساخته شده بود @GergelyOrosz
• Cambricon قصد دارد در سال ۲۰۲۶، ۵۰۰,۰۰۰ شتاب‌دهنده را عرضه کند که بیش از سه برابر تعداد عرضه شده در سال جاری است و نشان‌دهنده‌ی گسترش عمده در سخت‌افزار هوش مصنوعی است @AndrewCurran_
• لایحه‌ی دوحزبی برای جلوگیری از فروش تراشه‌های پیشرفته‌ی انویدیا از جمله «H200s» و «Blackwells» به چین تا سال ۲۰۲۸ ارائه شد @AndrewCurran_
• متا طبق گزارش‌ها قصد دارد بودجه‌ی متاورس را تا ۳۰ درصد کاهش دهد @TechCrunch
• کریستیانو رونالدو سرمایه‌گذاری در Perplexity را اعلام کرد و بر کنجکاوی به عنوان یک نیاز برای عظمت تاکید کرد @Cristiano
• یک مدیر اجرایی فناوری گزارش می‌دهد که از هوش مصنوعی برای نمونه‌سازی کدنویسی استفاده می‌کند، اما همچنان به تیمی متشکل از چندین توسعه‌دهنده برای پیاده‌سازی آن‌ها در نرم‌افزار تولیدی قابل اجرا نیاز دارد، که نشان می‌دهد هوش مصنوعی مکمل توسعه‌دهندگان حرفه‌ای است و جایگزین آن‌ها نیست @GergelyOrosz
• مطالعه‌ی مک‌کینزی نشان می‌دهد که بسیاری از سازمان‌ها در حال پذیرش عوامل هوش مصنوعی هستند، اگرچه اکثر آن‌ها در مراحل اولیه‌ی مقیاس‌بندی این فناوری قرار دارند @MIT_CSAIL
• توسعه‌دهندگان مدل با تنظیم دقیق مدل‌ها برای کار بهتر با چارچوب‌های خود، مزیت سیستماتیکی کسب می‌کنند و به طور بالقوه نفوذ خود را در لایه‌ی کاربرد به ضرر توسعه‌دهندگان شخص ثالث و متن‌باز بازمی‌یابند @sayashk

اخلاق و جامعه

• داریو آمودی، مدیرعامل آنتروپیک، در مورد خطرات توسعه‌ی بیش از حد در هوش مصنوعی هشدار می‌دهد و می‌گوید برخی شرکت‌ها با مدل‌های کسب‌وکار مصرف‌کننده و حاشیه‌ی سود نامشخص ممکن است با فشار بیش از حد برای توسعه، با وجود عدم قطعیت در ارزش اقتصادی، ریسک‌های نامعقولی را بپذیرند @AndrewCurran_
• مدیرعامل آنتروپیک بر پیامدهای امنیت ملی قابلیت‌های هوش مصنوعی تاکید می‌کند و می‌گوید دموکراسی‌ها باید ابتدا به قابلیت‌های پیشرفته‌ی هوش مصنوعی دست یابند @AnthropicAI
• اندرو ان‌جی بحران اعتماد به هوش مصنوعی را برجسته می‌کند و به داده‌های Edelman و Pew Research اشاره می‌کند که نشان می‌دهد ۴۹ درصد از آمریکایی‌ها استفاده‌ی فزاینده از هوش مصنوعی را رد می‌کنند، در حالی که تنها ۱۷ درصد آن را می‌پذیرند. این در مقایسه با چین است که ۵۴ درصد آن را می‌پذیرند و تنها ۱۰ درصد آن را رد می‌کنند. او بی‌اعتمادی را تا حدی به شرکت‌های هوش مصنوعی نسبت می‌دهد که با مقایسه‌ی هوش مصنوعی با سلاح‌های هسته‌ای، خطرات را بزرگ‌نمایی می‌کنند و از جامعه‌ی هوش مصنوعی می‌خواهد که از ترساندن دست بردارد و برای جلب مجدد اعتماد جامعه تلاش کند @AndrewYNg
• نیریت وایس-بلات پوشش ۶۰ دقیقه‌ای مطالعه‌ی آنتروپیک در مورد رفتار باج‌گیری Claude را به شدت گمراه‌کننده می‌داند و اشاره می‌کند که این رفتار تنها پس از آن رخ داد که محققان ماهر عمداً آن را از طریق تمرینات تیم قرمز مهندسی کردند، نه به طور طبیعی @AndrewYNg
• اتحادیه‌ی اروپا در حال بررسی متا به دلیل تغییر سیاست است که چت‌بات‌های رقیب هوش مصنوعی را از واتس‌اپ ممنوع می‌کند @TechCrunch
• ایلان ماسک نرم‌افزار جدید تسلا را اعلام کرد که امکان ارسال پیامک و رانندگی را فراهم می‌کند، که در اکثر ایالت‌ها غیرقانونی است @TechCrunch
• اوپن‌ای‌آی یک روش اثبات مفهوم را توسعه می‌دهد که مدل‌ها را آموزش می‌دهد تا زمانی که دستورالعمل‌ها را نقض می‌کنند یا میانبرهای ناخواسته را انتخاب می‌کنند، گزارش دهند @gdb

کاربردها

• آنتروپیک ابزار Anthropic Interviewer را برای انجام مصاحبه‌های تحقیقاتی مبتنی بر هوش مصنوعی راه‌اندازی کرد که سوالات تحقیقاتی را پیش‌نویس می‌کند، مصاحبه‌ها را انجام می‌دهد و پاسخ‌ها را تحلیل می‌کند. مطالعه‌ی اولیه‌ی ۱,۲۵۰ متخصص نشان داد که نیروی کار عمومی می‌خواهد کارهای روتین را به هوش مصنوعی واگذار کند و در عین حال وظایف اصلی هویت حرفه‌ای را حفظ کند، افراد خلاق با اضطراب در مورد امنیت شغلی و انگ استفاده از هوش مصنوعی مواجه هستند، و دانشمندان شرکای تحقیقاتی هوش مصنوعی می‌خواهند اما در حال حاضر استفاده را به نوشتن و اشکال‌زدایی محدود می‌کنند @AnthropicAI
• بایت‌دنس گوشی هوشمند ZTE Nubia M153 را نشان داد که عامل هوش مصنوعی Doubao را در سطح سیستم‌عامل اندروید با کنترل کامل گوشی اجرا می‌کند و قادر به دیدن رابط کاربری، دانلود برنامه‌ها و اجرای زنجیره‌های وظایف چندمرحله‌ای است @TaylorOgan
• Sierra از مجموعه‌ای از بیش از ۱۵ مدل پیشرو و متن‌باز برای کارهای مختلف از جمله فراخوانی ابزار با تاخیر کم، طبقه‌بندی دقیق، استدلال با زمینه‌ی طولانی و همدلی/لحن استفاده می‌کند @btaylor
• قابلیت تولید اسلاید NotebookLM گوگل، ارائه‌های منسجمی را از مقالات علمی با حداقل توهم ایجاد می‌کند، اگرچه مشکلات املایی و نموداری گاه‌به‌گاه با ایجاد اسلاید مبتنی بر تصویر رخ می‌دهد @emollick
• مدیرعامل مایکروسافت حالت عامل M365 Copilot را نشان داد که با موفقیت چالش دیجیتال قهرمانی جهان اکسل را تکمیل کرد @satyanadella
• Linear با ادغام OpenAI Codex، به ابزار محصولی با بیشترین نمایندگان عامل تبدیل شد تا به رفع اشکالات، بهبودها و پاسخ به سوالات پایگاه کد کمک کند @linear

پژوهش‌ها

• Claude Opus 4.5 با Claude Code پس از رفع خطاهای درجه‌بندی، به دقت ۹۵ درصد در CORE-Bench دست یافت و به طور موثر بنچمارکی را حل کرد که عوامل هوش مصنوعی را در وظایف قابلیت بازتولید علمی آزمایش می‌کند. عملکرد از ۴۲ درصد با چارچوب CORE-Agent به ۷۸ درصد با Claude Code افزایش یافت که نشان‌دهنده‌ی ارتباط قابل توجه بین مدل‌ها و چارچوب‌ها است @sayashk
• Physics Letters B مقاله‌ی بازبینی‌شده‌ای را پذیرفت که در آن «GPT-5» بینش کلیدی را تولید کرده بود، که نشان‌دهنده‌ی یک نقطه‌ی عطف مهم در مشارکت هوش مصنوعی در تحقیقات فیزیک نظری است @hsu_steve
• Hugging Face مدل X-VLA را معرفی کرد، مدل جدید Vision-Language-Action با پرامپت نرم LeRobot که در چندین تجسم ربات از جمله Franka، WidowX، Agibot مقیاس‌پذیر است و از تطبیق جریان و هسته‌ی ترانسفورمر برای کنترل ۵۰ هرتز استفاده می‌کند @LeRobotHF
• تحقیقات در مورد شیمی پیش‌زیستی نشان می‌دهد که حیات ساده ممکن است در همه‌جای جهان وجود داشته باشد، با قندهایی که در سیارک‌ها یافت شده‌اند، اسیدهای آمینه که در فضای بین‌ستاره‌ای شناسایی شده‌اند، و حیات بلافاصله پس از خنک شدن زمین پدیدار شده است @elidourado
• مهندسان MIT اندازه‌گیری دقیق قند خون را با تاباندن نور مادون قرمز نزدیک به پوست نشان دادند، که به طور بالقوه امکان نظارت غیرتهاجمی بر قند خون را برای همه‌ی افراد مبتلا به دیابت فراهم می‌کند @MIT
• محققان MIT یک تراشه‌ی فرستنده طراحی کردند که کارایی انرژی ارتباطات بی‌سیم را به طور قابل توجهی بهبود می‌بخشد و به طور بالقوه برد و عمر باتری دستگاه‌های متصل را افزایش می‌دهد

مدل‌های جدید هوش مصنوعی

• آمازون سری LLM «نوا» را برای مشتریان AWS منتشر می‌کند، اگرچه موقعیت‌یابی بازار آن در خارج از اکوسیستم موجود AWS نامشخص باقی مانده است. @emollick
• میسترال مدل «میسترال 3» را منتشر می‌کند که با مدل‌های چینی با وزن باز همگام است، اما فاقد یک نسخه استدلالی است و آن را پشت سر «آر1» دیپ‌سیک قرار می‌دهد که در ژانویه به 71.5% در GPQA Diamond دست یافت. @emollick
• کلینگ ای‌آی «ویدئو 2.6» را راه‌اندازی می‌کند، اولین مدل آن‌ها با قابلیت تولید صدای بومی، که خروجی صوتی و تصویری منسجم را برای محتوای روایی امکان‌پذیر می‌سازد. @AndrewCurran_
• گوگل «نانو بنانا پرو» را با پشتیبانی از تولید تصویر با وضوح 2K و 4K در API منتشر می‌کند. @OfficialLoganK
• مایکروسافت مدل «وایبوویس» را متن‌باز می‌کند که قادر به تولید پادکست‌های 7 دقیقه‌ای کامل به صورت محلی روی رایانه شخصی است. @huggingface

تحلیل صنعت

• مایکروسافت گزارش‌های The Information مبنی بر کاهش سهمیه‌ها یا اهداف فروش برای محصولات هوش مصنوعی را تکذیب می‌کند. @AndrewCurran_
• اوپن‌ای‌آی نپتون را در یک معامله سهام با شرایط نامعلوم خریداری می‌کند و قابلیت‌های ابزاری خود را گسترش می‌دهد. @AndrewCurran_
• آنتروپیک در حال استخدام وکیل برای آماده‌سازی عرضه اولیه سهام (IPO) است. @TechCrunch
• استرایپ پس از شش سال فعالیت، مترونوم را خریداری می‌کند و منابعی را برای مقیاس‌بندی قابل توجه فراهم می‌آورد. @a16z
• Unlimited Industries 12 میلیون دلار سرمایه اولیه را به رهبری a16z برای ساخت پلتفرم بومی هوش مصنوعی برای طراحی و ساخت زیرساخت‌های حیاتی مانند نیروگاه‌ها و مراکز داده جمع‌آوری می‌کند. @a16z
• سرمایه‌گذاران خطرپذیر (VCs) استراتژی «پادشاه‌سازی» را برای انتخاب برندگان هوش مصنوعی در مراحل اولیه خود به کار می‌گیرند و قدرت اولیه را متمرکز می‌کنند. @TechCrunch
• هزینه فرصت هوش مصنوعی برای خارج از سانفرانسیسکو به بالاترین حد خود بازگشته است، اگرچه بازیکنان برتر اکنون می‌توانند راحت‌تر کسب‌وکارهای یک‌نفره را به صورت محلی راه‌اندازی کنند. @a16z
• توسعه‌دهندگان در حال ساخت سرورهای MCP سفارشی برای ابزارهایی هستند که فاقد سرورهای رسمی هستند، که نشان‌دهنده تقاضای قوی از سوی مشتریان توسعه‌دهنده است. @GergelyOrosz
• تیم‌های امنیتی نگران MCPهای «سرکش» هستند، اگرچه ممنوعیت ابزارهای نوآوری از نظر تاریخی بی‌اثر بوده است. @GergelyOrosz
• فروش به استارتاپ‌های تازه تاسیس، نرخ رشد و نفوذ محصول بهتری نسبت به هدف قرار دادن شرکت‌های بزرگ‌تر فراهم می‌کند، همانطور که استراتژی استرایپ در جذب هر دوره YC نشان می‌دهد. @paulg
• جمع‌آوری پول بدون برنامه‌های مشخص برای مزیت رقابتی، نتیجه معکوس دارد؛ پول به خودی خود نه خطرناک است و نه مفید. @paulg
• برنامه‌های SaaS که 100% بر اساس «وایب» کدگذاری شده‌اند، از باگ‌های گسترده‌ای رنج می‌برند که آن‌ها را غیرقابل استفاده می‌کند، با وجود بازاریابی سنگین، که احتمالاً باعث ریزش بالای مشتری می‌شود. @HamelHusain

اخلاق و جامعه

• اوپن‌ای‌آی یک مطالعه اثبات مفهوم را منتشر می‌کند که در آن نسخه «جی‌پی‌تی-5 تینکینگ» را آموزش می‌دهد تا زمانی که میانبر می‌زند یا دستورالعمل‌ها را نقض می‌کند، اعتراف کند و تنها 4.4% نرخ منفی کاذب در تشخیص سوء رفتار به دست می‌آورد. @OpenAI
• روش اعترافات اوپن‌ای‌آی مدل‌ها را آموزش می‌دهد تا اعترافات صادقانه را جدا از خروجی‌های اصلی تولید کنند، با اعترافاتی که صرفاً بر اساس صداقت قضاوت می‌شوند و در طول آموزش جریمه نمی‌شوند. @OpenAI
• تحقیقات آنتروپیک نشان می‌دهد که عدم همسویی ناشی از هک پاداش، اگر به مدل‌ها گفته شود که هک آن‌ها در این زمینه قابل بخشش است، تعمیم نمی‌یابد. @AndrewCurran_
• پرپلکسی مدل تشخیص متن‌باز «بروز‌سیف» و معیار آن را برای شناسایی حملات تزریق پرامپت در زمان واقعی منتشر می‌کند که از طبقه‌بندی‌کننده‌های ایمنی آماده بهتر عمل می‌کند. @perplexity_ai
• سایمون ویلیسون در مورد آسیب‌پذیری‌های تزریق پرامپت هشدار می‌دهد که در آن مهاجمان دستورالعمل‌های مخرب را در نظرات صفحات وب، الگوها یا عناصر HTML نامرئی پنهان می‌کنند تا عوامل هوش مصنوعی را دستکاری کنند. @perplexity_ai
• بنیاد اوپن‌ای‌آی اولین دریافت‌کنندگان صندوق هوش مصنوعی «مردم‌محور» را اعلام می‌کند: 208 سازمان غیرانتفاعی مبتنی بر جامعه که 40.5 میلیون دلار کمک مالی بدون محدودیت دریافت می‌کنند. @OpenAI
• آنتروپیک با دارتموث و AWS همکاری می‌کند تا «کلود برای آموزش» را به کل جامعه دارتموث بیاورد. @AnthropicAI

کاربردها

• اندرو ان‌جی دوره جدیدی را در مورد ساخت عوامل کدنویسی با اجرای ابزار منتشر می‌کند که به عوامل آموزش می‌دهد تا کد را در محیط‌های ابری سندباکس شده بنویسند و اجرا کنند، به جای اینکه به فراخوانی‌های تابع از پیش تعریف شده محدود شوند. @AndrewYNg
• کاربران الگوهای استفاده از هوش مصنوعی را با «جمینی 3» تغییر می‌دهند و با درخواست‌های خود جاه‌طلبانه‌تر می‌شوند و در یک پرامپت واحد 5 برابر بیشتر از مدل‌های قبلی درخواست می‌کنند. @OfficialLoganK
• توسعه‌دهندگان «کلود کد» را با MCP کروم DevTools و MCP فیگما ترکیب می‌کنند تا به سطوح بالای بهره‌وری دست یابند. @brian_lovin
• AWS ویژگی‌هایی را برای ساده‌سازی ایجاد LLM سفارشی معرفی می‌کند و قابلیت‌های سفارشی‌سازی مدل را دو برابر می‌کند. @TechCrunch
• آمازون فایر تی‌وی یک ویژگی هوش مصنوعی اضافه می‌کند که به کاربران امکان می‌دهد با توصیف صحنه‌ها به الکسا، به صحنه‌های خاصی بپرند. @TechCrunch
• بازبینی 2025 گوگل فوتوز از جمینی برای یافتن خودکار نکات برجسته کاربر استفاده می‌کند. @TechCrunch
• Healthify دستیار هوش مصنوعی خود، ریا، را با قابلیت‌های مکالمه در زمان واقعی ارتقا می‌دهد. @TechCrunch
• ابزار اتوماسیون مرورگر Comet در پرس‌وجوهای آزمایشی دشوار، از تمام مدل‌ها/APIهای دیگر استفاده از مرورگر و رایانه بهتر عمل می‌کند. @alexgraveley

پژوهش‌ها

• فرانسوا شوله استدلال می‌کند که سیستم‌های هوش مصنوعی کنونی از آستانه‌ای که بتوانند به صورت باز خود را بهبود بخشند، بسیار دور هستند و پیشرفت خطی پایدار و مداوم را به جای انفجار ناگهانی در هنگام رسیدن به آن پیش‌بینی می‌کند. @fchollet
• شوله توضیح می‌دهد که درک کامل نیازمند فشرده‌سازی کامل است؛ مدل‌های یادگیری عمیق که برای پدیده‌های قابل توصیف با معادلات ساده به میلیون‌ها پارامتر نیاز دارند، داده‌ها را کش کرده‌اند تا اینکه آن‌ها را درک کرده باشند. @fchollet
• سهیل نگرانی‌های مقیاس‌بندی RL را تحلیل می‌کند و نتیجه می‌گیرد که مقیاس‌بندی به محیط‌های جدید و دشوارتر به عنوان «پلکانی از سیگموئیدها برای وظایف، جهان‌ها و اهداف جدید» پیشرفت مداوم را فراتر از مقیاس‌بندی محاسباتی ساده امکان‌پذیر می‌سازد. @Suhail
• Nature مدل بنیادی پیشگامانه «تب‌پی‌اف‌ان» را منتشر می‌کند که سرانجام روش‌های مبتنی بر درخت را در داده‌های جدولی شکست می‌دهد و با عملکرد بهتر از CatBoost در 2.8 ثانیه در مقابل 4 ساعت تنظیم، 5000 برابر سرعت را افزایش می‌دهد. @random_walker
• تب‌پی‌اف‌ان به طور کامل بر روی داده‌های مصنوعی از بیش از 100 میلیون مجموعه داده مصنوعی تولید شده از نمودارهای علّی آموزش می‌بیند و استراتژی‌های پیش‌بینی عمومی را بدون دیدن داده‌های واقعی یاد می‌گیرد. @random_walker
• MIT CSAIL سیستمی را با استفاده از ریاضیات دقیق توسعه می‌دهد تا اطمینان حاصل کند که ربات‌ها بدون تجاوز از محدودیت‌های نیرو، انعطاف‌پذیر، سازگار و ایمن عمل می‌کنند. @MIT_CSAIL
• مطالعه MIT نشان می‌دهد که بسیاری از شبکه‌های عصبی «ناکارآمد» ممکن است از نقاط نامطلوب شروع شوند؛ روش راهنمایی کوتاه‌مدت که دانش ساختاری را منتقل می‌کند، عملکرد را افزایش می‌دهد. @MIT_CSAIL
• هاگینگ فیس و شرکا پلتفرم متن‌باز Earth Rover را با 7000 ساعت داده رانندگی از بیش از 40 شهر که توسط محققان UC Berkeley جمع‌آوری شده است، منتشر می‌کنند. @huggingface
• مرکور بیش از 100 مورد APEX با کیفیت بالا را در هاگینگ فیس با مجوز CC-BY متن‌باز می‌کند، از جمله پرامپت‌ها، روبی‌ها و اسناد منبع که هزاران ساعت کار متخصص را نشان می‌دهد. @h

مدل‌های جدید هوش مصنوعی

• میسترال خانواده‌ی میسترال 3 را منتشر کرد که شامل مدل‌های مینیسترال 3 (3B، 8B، 14B) با پشتیبانی از بینایی و میسترال لارج 3 (675B کل، 41B فعال) می‌شود. همه‌ی این مدل‌ها تحت مجوز Apache 2.0 هستند. مدل 3B به اندازه‌ای کوچک است که می‌تواند به طور کامل در یک مرورگر وب روی WebGPU اجرا شود @MistralAI
• AWS مدل‌های نوا 2 را شامل نوا 2 لایت و نوا 2 پرو با قابلیت‌های جدید برای ساخت عامل‌های هوش مصنوعی معرفی کرد @AndrewCurran_
• DeepSeek مدل V3.2 را با بهبودهای مداوم در عملکرد منتشر کرد @deedydas
• Arcee خانواده‌ی ترینیتی را شامل مدل‌های MoE ترینیتی-مینی (26B کل، 3B فعال) و ترینیتی-نانو-پیش‌نمایش (6B کل، 1B فعال) با نسخه‌های پایه و استدلالی منتشر کرد @natolambert
• NVIDIA اعلام کرد که مدل‌های نموترون اکنون در Amazon Bedrock در دسترس هستند، از جمله نموترون نانو 2 و نانو 2 VL برای وظایف متنی، کد، تصویر و ویدئو @NVIDIAAI

تحلیل صنعت

• سام آلتمن طبق گزارش WSJ، وضعیت کد قرمز را برای بهبود ChatGPT اعلام کرد و کارهایی مانند تبلیغات، عامل‌ها برای سلامت و خرید، و سایر پروژه‌ها به طور موقت در اولویت پایین‌تری قرار گرفتند تا OpenAI بر بهبود تجربه‌ی چت تمرکز کند @AndrewCurran_
• کاربران فعال روزانه‌ی منحصر به فرد ChatGPT در دو هفته پس از راه‌اندازی Gemini 3، 6% کاهش یافتند، در حالی که استفاده از Gemini در همان دوره از 22% به 31% ترافیک ChatGPT افزایش یافت @deedydas
• Anthropic برای تسریع رشد Claude Code، زمان اجرای جاوا اسکریپت Bun را خریداری کرد، در حالی که Bun منبع باز و تحت مجوز MIT باقی می‌ماند @AnthropicAI
• جان جیاناندرا، رئیس هوش مصنوعی اپل، از سمت خود کناره‌گیری می‌کند و آمار سابرامانیا جایگزین او خواهد شد @AndrewCurran_
• OpenAI با Accenture همکاری می‌کند و ده‌ها هزار صندلی ChatGPT Enterprise را فراهم می‌کند و برای کمک به شرکت‌ها در آوردن قابلیت‌های هوش مصنوعی عامل‌محور به کسب‌وکارشان همکاری می‌کند @gdb
• ارجاعات ChatGPT به برنامه‌های خرده‌فروشان طبق گزارش جدید، 28% سال به سال افزایش یافته است @TechCrunch
• ترافیک از موتورهای جستجو به طور قابل توجهی در حال کاهش است، به طوری که جستجوی گوگل برای همان تعداد کلیک‌ها نسبت به یک سال پیش 70% و نسبت به دو سال پیش 40% نمایش بیشتر نیاز دارد، زیرا LLMها و ابزارهای هوش مصنوعی این تغییر را تسریع می‌کنند @GergelyOrosz
• پذیرش داخلی MCP در شرکت‌ها در حال انفجار است، اما استفاده عمومی از سرورهای MCP به جز 10 سرور برتر مانند Linear و Sentry بسیار ناچیز است @GergelyOrosz
• هزینه‌های توکن و محدودیت‌های استفاده وضعیتی عجیب ایجاد کرده‌اند که در آن ابزارهای کدنویسی هوش مصنوعی انقلابی هستند، اما استفاده‌ی اندازه‌گیری‌شده، استفاده‌ی واقعاً سنگین را برای توسعه‌دهندگان خارج از خود فروشندگان هوش مصنوعی دلسرد می‌کند @GergelyOrosz
• دایان، رئیس محصول برای تحقیق در Anthropic، اظهار داشت که جدول زمانی او برای هوش مصنوعی تحول‌آفرین امسال بر اساس مدل‌هایی مانند Opus 4.5 جلوتر آمده است و تأکید کرد که بلوک‌های سازنده نزدیک‌تر از حد انتظار هستند و بیشتر یک مازاد محصول وجود دارد تا یک دیوار فنی @AndrewCurran_

اخلاق و جامعه

• تحقیقات Anthropic نشان می‌دهد که عامل‌های هوش مصنوعی در طول آزمایش‌های شبیه‌سازی‌شده، 4.6 میلیون دلار در اکسپلویت‌ها در قراردادهای هوشمند بلاک‌چین پیدا کردند، با افزایش نمایی در توانایی‌های هوش مصنوعی برای حملات سایبری به قراردادهای هوشمند بر اساس اکسپلویت‌های واقعی پس از آموزش هوش مصنوعی @emollick
• سایمون ویلیسون در مورد آسیب‌پذیری‌های تزریق پرامپت در سرور GitHub MCP هشدار می‌دهد، جایی که مهاجمان می‌توانند عامل‌های هوش مصنوعی را فریب دهند تا از طریق دستورالعمل‌های مخرب جاسازی‌شده در فایل‌های مخزن، داده‌های خصوصی را سرقت کنند @simonw
• آماندا اسکل تأیید کرد که Claude بر روی یک سند روح واقعی آموزش دیده است که شخصیت و ارزش‌های مدل را تعریف می‌کند، اگرچه استخراج‌های مدل همیشه کاملاً دقیق نیستند. این سند در داخل به عنوان سند روح شناخته شد که Claude آن را دریافت کرد @AmandaAskell
• اریک اشمیت پیش‌بینی می‌کند که خودبهبودی بازگشتی در هوش مصنوعی به زودی اتفاق خواهد افتاد، با اجماع سانفرانسیسکو در دو سال و تخمین خودش در چهار سال، و اشاره کرد که بسیاری معتقدند ریاضیدانان هوش مصنوعی در سال آینده ظهور خواهند کرد @AndrewCurran_
• ایتان مولیک تصاویر تولیدشده توسط هوش مصنوعی از ایالت‌های آمریکا را که از معروف‌ترین غذاهایشان ساخته شده‌اند، به نمایش می‌گذارد و کیفیت و قابلیت تولید تصویر فعلی هوش مصنوعی را برجسته می‌کند @emollick
• شکاف فرهنگی قوی در مورد پذیرش هوش مصنوعی وجود دارد، با نگرانی‌های مشروع مردم در مورد تأثیرات شغلی و تغییرات اجتماعی، حتی در حالی که می‌خواهند بدانند چگونه از هوش مصنوعی بهتر برای بهبود زندگی خود استفاده کنند @emollick
• مدیران عامل هوش مصنوعی اغلب در مورد جایگزینی تمام نیروی کار انسانی در 10 سال صحبت می‌کنند، اما دیدگاه‌های مثبت کمی در مورد اینکه آن آینده واقعاً چگونه خواهد بود، ارائه می‌دهند که به اضطراب عمومی کمک می‌کند @emollick

کاربردها

• Anthropic Claude برای سازمان‌های غیرانتفاعی را با طرح‌های تخفیف‌دار، ادغام‌های جدید و آموزش رایگان راه‌اندازی کرد تا به سازمان‌های غیرانتفاعی کمک کند زمان کمتری را صرف کارهای اداری و زمان بیشتری را صرف مأموریت‌های خود کنند @AnthropicAI
• مهندس GTM ورسل یک عامل هوش مصنوعی ساخت که یک تیم فروش 10 نفره را در تنها 6 هفته به 1 نفر کاهش داد و صلاحیت سرنخ‌های ورودی، جستجوی مشتریان بالقوه و ارزیابی از دست دادن معاملات را با هزینه‌ی 1000 دلار در سال در مقابل بیش از 1 میلیون دلار حقوق مدیریت کرد @lennysan
• ربات از دست دادن معامله‌ی هوش مصنوعی ورسل در درک آنچه در فروش اشتباه پیش رفته است، بهتر از انسان‌ها عمل کرده و ایمیل‌ها، رونوشت‌های تماس و پیام‌های Slack را برای شناسایی دلایل واقعی از دست دادن معاملات تجزیه و تحلیل می‌کند @lennysan
• بازبین عامل‌محور اندرو ان‌جی از 21,575 مقاله‌ی ارسالی NeurIPS در تعداد مقالات ارسالی و بازبینی‌شده پیشی گرفت و نشان داد که بازبینی مقالات عامل‌محور ماندگار است @AndrewYNg
• Simular عامل هوش مصنوعی را طراحی کرده است که برای کاربران مک و ویندوز اجرا می‌شود و وظایف دسکتاپ را خودکار می‌کند @TechCrunch

پژوهش‌ها

• Anthropic تحقیقاتی را در مورد چگونگی تغییر کار هوش مصنوعی در داخل شرکت منتشر کرد، با نظرسنجی از 132 مهندس، انجام 53 مصاحبه‌ی عمیق و تجزیه و تحلیل 200 هزار جلسه‌ی داخلی Claude Code. مهندسان افزایش بهره‌وری عمده‌ای را با Claude گزارش می‌دهند که توانایی‌های کارکنان را گسترش می‌دهد، اگرچه برخی نگران کاهش مهارت‌ها هستند @AnthropicAI
• داده‌های استفاده از Claude Code نشان می‌دهد که مهندسان وظایف پیچیده‌تری را واگذار می‌کنند، با تماس‌های ابزاری متوالی بیشتر و نوبت‌های انسانی کمتر در هر مکالمه، در حالی که برخی مهندسان متوجه می‌شوند که کمتر به همکاران خود مراجعه می‌کنند زیرا Claude اولین مقصد آن‌ها برای سؤالات می‌شود @AnthropicAI
• Google DeepMind کاری را در مورد کشف الگوریتم‌های RL پیشرفته در Nature منتشر کرد که از فراگیری فرامتا برای کشف الگوریتم‌های RL در مقیاس بزرگ استفاده می‌کند @junh_oh
• Olmo-3 از رویکرد بهینه‌سازی ازدحامی برای کشف ترکیب‌های داده‌ی پیش‌آموزشی خوب از طریق جستجوی هدایت‌شده، آموزش مدل‌های پراکسی و اجرای بهینه‌سازی محدود برای به حداکثر رساندن عملکرد در حالی که محدودیت‌های داده را برآورده می‌کند، استفاده می‌کند @cwolferesearch
• مقاله‌ی ReasonEdit نشان می‌دهد که افزودن تفکر و خوداصلاحی به مدل‌های ویرایش تصویر، ویرایش‌ها را دقیق‌تر و قابل اعتمادتر می‌کند، با یک مرحله‌ی تفکر که درخواست‌های مبهم را به برنامه‌های ویرایش گام به گام واضح تبدیل می‌کند و یک مرحله‌ی بازتاب که تصاویر ویرایش‌شده را بررسی و اصلاح می‌کند @rohanpaul_ai
• NVIDIA نشان می‌دهد که مدل‌های Mixture of Experts با فعال کردن کارشناسان مناسب به جای فعال کردن هر پارامتر، هوش بیشتری را در موارد استفاده ارائه می‌دهند و هوش مصنوعی در مقیاس بزرگ را با 10 برابر عملکرد و کارایی درآمد با هزینه‌ی کمتر به ازای هر توکن بسیار کارآمدتر می‌کنند @NVIDIAAI
• تیم‌های PyTorch AMD و Meta، TorchTitan و Primus-Turbo را برای GPUهای Instinct MI325X تنظیم کردند و به مقیاس‌بندی تقریباً ایده‌آل در 1024 GPU برای آموزش مدل‌های MoE عظیم مانند DeepSeek-V3 و Llama 4-Scout دست یافتند @PyTorch
• محققان Stanford HAI توصیه‌هایی را برای کاهش آسیب‌های چت‌بات‌های مبتنی بر هوش مصنوعی که به عنوان درمانگر استفاده می‌شوند، در پاسخ به درخواست FDA برای اظهار نظر در مورد ارزیابی دستگاه‌های پزشکی مجهز به هوش مصنوعی، ارائه کردند @StanfordHAI

مدل‌های جدید هوش مصنوعی

• DeepSeek مدل‌های DeepSeek-V3.2 و DeepSeek-V3.2-Speciale را معرفی کرد. این مدل‌ها که برای عامل‌ها (agents) با ۶۸۵ میلیارد پارامتر ساخته شده‌اند، در اولویت‌بندی استدلال قرار دارند. V3.2-Speciale در المپیاد جهانی ریاضی (IMO)، المپیاد ریاضی چین (CMO)، فینال جهانی ICPC و المپیاد جهانی انفورماتیک (IOI) ۲۰۲۵ عملکردی در حد مدال طلا کسب کرده و با Gemini 3.0 Pro رقابت می‌کند. هر دو مدل دارای مجوز MIT هستند و یک گزارش فنی ۵۱ صفحه‌ای را شامل می‌شوند. @deepseek_ai
• گوگل Gemini 3 را با قابلیت‌های استدلال پیشرفته، تصاویر غنی‌تر و تعامل عمیق‌تر منتشر کرد که از طریق اپلیکیشن Gemini با انتخاب‌گر حالت «تفکر» (Thinking) در دسترس است. @GeminiApp
• Runway از Gen-4.5 (که قبلاً با نام Whisper Thunder شناخته می‌شد)، مدل جدید تولید ویدیوی خود که کاملاً بر روی پردازنده‌های گرافیکی NVIDIA توسعه یافته و با بهینه‌سازی استنتاج بر روی پردازنده‌های گرافیکی سری Hopper و Blackwell عرضه شده است، رونمایی کرد. @AndrewCurran_
• Kling AI «Kling Shipmas» را آغاز کرد و Kling O1 را به عنوان اولین از پنج انتشار روزانه در روزهای متوالی معرفی کرد. @AndrewCurran_
• معماری ترکیبی Qwen3-Next علی‌بابا اکنون در llama.cpp پشتیبانی می‌شود که امکان استنتاج کارآمد محلی CPU/GPU را فراهم می‌کند. @Alibaba_Qwen
• Hugging Face کاندیدای انتشار Transformers v5 را منتشر کرد که اولین به‌روزرسانی عمده‌ی نسخه در پنج سال اخیر با قابلیت همکاری اکوسیستم سرتاسری و ادغام کامل PyTorch را نشان می‌دهد. @huggingface
• Mistral AI مدل Ministral 3 8B 2512 را با قابلیت‌های بینایی تحت مجوز Apache 2.0 منتشر کرد. @huggingface

تحلیل صنعت

• Black Forest Labs با ارزش‌گذاری ۳.۲۵ میلیارد دلار، ۳۰۰ میلیون دلار سرمایه جذب کرد. مدل FLUX این شرکت ماهانه توسط میلیون‌ها نفر استفاده می‌شود و جریان‌های کاری تولید را در پلتفرم‌های پیشرو پشتیبانی می‌کند. @TechCrunch
• حداقل ۸۰ یونیکورن فناوری جدید در سال ۲۰۲۵ ایجاد شدند که نشان‌دهنده‌ی رشد مداوم در بخش فناوری است. @TechCrunch
• NVIDIA و Synopsys از گسترش مشارکت استراتژیک خود خبر دادند و NVIDIA ۲ میلیارد دلار در سهام عادی Synopsys سرمایه‌گذاری کرد تا طراحی و مهندسی را در صنایع مختلف متحول کند. @AndrewCurran_
• Raindrop AI، اولین پلتفرم نظارت بر عامل‌ها، ۱۵ میلیون دلار سرمایه‌ی اولیه جذب کرد و اکنون توسط شرکت‌های هوش مصنوعی با رشد سریع از جمله Replit، Framer، Speak و Clay استفاده می‌شود. @jsngr
• رونق سرمایه‌گذاری در مراکز داده، افزایش ۲۵ تا ۳۰ درصدی دستمزد جوشکاران، برق‌کاران و کارگران ساختمانی را به همراه داشته است که نشان‌دهنده‌ی مزایای اقتصادی ثانویه‌ی هزینه‌های زیرساخت هوش مصنوعی است. @reidhoffman
• تقاضای انرژی مراکز داده پیش‌بینی می‌شود تا سال ۲۰۳۵ نزدیک به ۳۰۰ درصد افزایش یابد که چالش‌های زیرساختی مقیاس‌پذیری هوش مصنوعی را برجسته می‌کند. @TechCrunch
• کارگران ساختمانی به دلیل نیازهای زیرساختی ناشی از رونق هوش مصنوعی، رشد قابل توجهی در دستمزد تجربه می‌کنند. @TechCrunch
• چت‌بات هوش مصنوعی آمازون، Rufus، فروش را در جمعه‌ی سیاه افزایش داد که نشان‌دهنده‌ی تأثیر تجاری هوش مصنوعی مکالمه‌ای در تجارت الکترونیک است. @TechCrunch
• سرمایه‌گذاری OpenAI در Thrive Holdings نشان‌دهنده‌ی یک ساختار معاملاتی دایره‌ای دیگر در صنعت هوش مصنوعی است. @TechCrunch
• تحقیقات نشان می‌دهد که یک عامل هوش مصنوعی ساخته شده با مدل‌های منسوخ GPT-3.5 و GPT-4، عملکرد بهتری نسبت به تحلیلگران باتجربه‌ی سرمایه‌گذاری خطرپذیر انسانی در پیش‌بینی بقای استارتاپ‌های اولیه با هزینه‌های بسیار کمتر داشته است. @emollick

اخلاق و جامعه

• MIT Technology Review گزارش می‌دهد که یک مدل هوش مصنوعی که بر روی تماس‌های تلفنی زندان آموزش دیده است، اکنون برای شناسایی جرایم برنامه‌ریزی شده استفاده می‌شود که نگرانی‌هایی را در مورد حریم خصوصی و نظارت ایجاد می‌کند. @techreview
• جیمز کامرون، کارگردان آواتار، هوش مصنوعی مولد را در اظهارات اخیر خود «وحشتناک» توصیف کرد. @TechCrunch
• شریا راجپال تحلیلی را در مورد پیامدهای منفی مصرف محتوای تولید شده توسط هوش مصنوعی در مقیاس وسیع منتشر کرد و مفهوم «فضای فرضی زمینه‌سازی» (hypothetical grounding space) را برای ارتباط انسانی با محتوا معرفی کرد. @HamelHusain

کاربردها

• Perplexity دستیار ایمیل خود را ارتقا داد تا پیوست‌های فایل و همگام‌سازی خودکار تقویم را مدیریت کند و قابلیت‌های عامل هوش مصنوعی را در ابزارهای بهره‌وری گسترش دهد. @AravSrinivas
• Microsoft Research مدل Fara-7B را منتشر کرد که قابلیت‌های کاربری عامل‌گونه‌ی کارآمد را به مدل‌های کوچک می‌آورد. @MSFTResearch
• NVIDIA، CrowdStrike، PayPal و Synopsys از Nemotron انویدیا برای ساخت عامل‌های هوش مصنوعی تخصصی که با جریان‌های کاری خاص و نیازهای انطباق همسو هستند، استفاده می‌کنند. @NVIDIAAI
• کاربری نشان می‌دهد که Gemini 3 صحنه‌های سه‌بعدی تعاملی را با three.js تولید می‌کند که امکان دستکاری ذرات را بدون نیاز به مهارت‌های کدنویسی فراهم می‌کند. @ShaneLegg
• کلر وو استفاده از هوش مصنوعی با MCP را برای کارهای جامع تحلیل داده توصیف می‌کند که قبلاً به هفته‌ها کار مهندسی نیاز داشت و اکنون در ۵ دقیقه تکمیل می‌شود. @clairevo
• پلتفرم Wabi قابلیت چندنفره را راه‌اندازی کرد که امکان همکاری بلادرنگ در برنامه‌های تولید شده توسط هوش مصنوعی را با استفاده از پچ‌های JSON با دلتاهای اتمی برای مدیریت شرایط رقابتی فراهم می‌کند. @soleio

پژوهش‌ها

• محققان MIT پلتفرم آزمایشی را توسعه دادند که روزانه تا ۷۰۰ ترکیب پلیمری جدید را برای کاربردها در تثبیت پروتئین، الکترولیت‌های باتری و مواد دارورسانی شناسایی، ترکیب و آزمایش می‌کند. @MIT
• Artificial Analysis شاخص باز بودن (Openness Index) را معرفی کرد، یک معیار استاندارد برای باز بودن مدل‌های هوش مصنوعی در دسترس‌پذیری و شفافیت. OLMo از AI2 با امتیاز ۸۹ پیشتاز است، در حالی که Nemotron انویدیا به ۶۷ می‌رسد. @huggingface
• DeepSeek تأیید کرد که از عبارت منظم‌سازی KL اصلاح شده از تحقیقات استنفورد در هدف آموزشی V3.2 استفاده می‌کند. @stanfordnlp
• Hugging Face با ادغام DataPolars به اسکن ۱۰۰ برابر سریع‌تر مجموعه داده‌ها دست یافت و تماس‌های API را از ۳۷۹ به ۱۹ برای fineweb-2 و از ۱۳۹ به ۱ برای finepdfs-edu کاهش داد. @huggingface
• آیزاک فلت احیای جستجوی معنایی برای کد را با استفاده از معماری چندبرداری با جاسازی‌های سطح توکن و کوانتیزاسیون شدید توضیح می‌دهد که پاسخ‌های بهتر با مصرف توکن کمتر را امکان‌پذیر می‌سازد. @HamelHusain
• متا ۱۹+ مقاله و ۱۳+ کارگاه را در NeurIPS 2025 ارائه می‌کند که تحقیقاتی از جمله DINOv3، UMA، SAM 3 و Omnilingual ASR را به نمایش می‌گذارد. @AIatMeta

تحلیل صنعت

• مراکز داده‌ی هوش مصنوعی مقادیر عظیمی از رم را مصرف می‌کنند، به‌طوری که هایپراسکیلرها مقادیر بسیار زیادی از DDR5 سرور، HBM و LPDDR را برای خوشه‌های هوش مصنوعی خریداری می‌کنند. تحلیلگران انتظار دارند که قیمت DRAM سرور در سال‌های 2025-2026 تقریباً دو برابر شود که این امر به دلیل تقاضای هوش مصنوعی است و این تقاضا در بالای زنجیره‌ی تأمین، دسترسی به رم مصرف‌کننده را کاهش می‌دهد @AskPerplexity
• عوامل هوش مصنوعی شرکت‌ها را قادر می‌سازند تا کارهایی را که قبلاً بسیار گران یا غیرعملی بودند، مقیاس‌پذیر کنند و خدمات کمیاب را تقریباً بی‌نهایت در دسترس قرار دهند. مثال‌ها شامل بازبینی مداوم کد، ممیزی سیستم، تحلیل قرارداد و پاسخ خودکار به مسائل است – کارهایی که شرکت‌های کوچک منابع لازم برای آن‌ها را ندارند و حتی شرکت‌های بزرگ نیز تنها می‌توانند آن‌ها را به‌صورت جزئی انجام دهند @levie
• بنیان‌گذاران استارتاپ‌ها گزارش می‌دهند که چالش‌های جذب سرمایه به‌طور قابل‌توجهی تغییر کرده است، به‌طوری که یکی از بنیان‌گذاران با وجود اینکه قبلاً یک میلیون دلار جذب سرمایه کرده بود، از جذب سرمایه دلسرد شده است که این امر نشان‌دهنده‌ی تغییر انتظارات در چشم‌انداز تأمین مالی است @paulg
• یک روش اکتشافی مفید برای شناسایی فرصت‌های هوش مصنوعی: اگر کاری در یک حوزه، وقتی توسط انسان‌ها انجام می‌شود، از قبل به‌عنوان کار بی‌کیفیت به نظر می‌رسد، هوش مصنوعی فعلی احتمالاً می‌تواند آن را به اندازه‌ی کافی خوب انجام دهد تا رقابتی باشد @paulg

اخلاق و جامعه

• اقتصاددانان باید در مورد چگونگی کمک به کاهش تأثیرات هوش مصنوعی بر نیروی کار فکر کنند. در حالی که از لحاظ تاریخی فناوری‌های جدید منجر به ایجاد مشاغل بیشتر می‌شوند، گذر از این دوران می‌تواند دشوار باشد و این بار ممکن است متفاوت باشد و نیاز به کار بیشتر بر روی استراتژی‌های کاهش اثرات داشته باشد @emollick
• GenAI نشان‌دهنده‌ی سریع‌ترین پذیرش یک فناوری با پیامدهای اقتصادی در تاریخ بشر است. سرعت و گستردگی پذیرش، همراه با بهبود نمایی مداوم، به این معنی است که جامعه درک روشنی از معنای همه‌ی این‌ها ندارد @emollick
• وقتی هوش مصنوعی قدرتمند در دستان یک میلیارد نفر قرار می‌گیرد، بسیاری از اتفاقات به‌طور همزمان رخ می‌دهند. جنبه‌های کمی از جامعه وجود دارند که تأثیرات اولیه‌ی هوش مصنوعی را نمی‌بینند، برخلاف فناوری‌های تحول‌آفرین قبلی که پذیرش بسیار کندتری داشتند و به دارایی‌های مکمل گران‌قیمت نیاز داشتند @emollick

کاربردها

• توسعه‌دهنده با موفقیت از Perplexity Comet برای تست نقطه‌ی پایانی API با استفاده از Postman پس از توسعه استفاده کرد، به‌طوری که هوش مصنوعی چندین بارگذاری آزمایشی و یک گزارش نهایی پس از اجرای کامل تولید کرد @ai_for_success
• یک ابزار بصری‌ساز طراحی سیستم با استفاده از Google Antigravity IDE ساخته شد که نمودارهای معماری ثابت را به تجسم‌های تعاملی تبدیل می‌کند. این ابزار تصاویر طراحی سیستم را آپلود می‌کند، آن‌ها را با استفاده از هوش مصنوعی به نمودارهای Mermaid تبدیل می‌کند و نمودارهای تعاملی ایجاد می‌کند که کاربران می‌توانند برای جزئیات روی اجزا کلیک کنند @mehdiyarix
• مدل‌های زبان بزرگ (LLM) کدنویسی روی تلفن‌های همراه را عملی‌تر می‌کنند و به توسعه‌دهندگان امکان می‌دهند قطعات نرم‌افزاری کوچک اما مفید را به‌طور کامل روی تلفن‌های خود بدون نیاز به توجه کامل بسازند، که با حضور در دنیای واقعی سازگار است @simonw
• یک استارتاپ از هوش مصنوعی برای فشرده‌سازی اطلاعات استفاده می‌کند تا در پنجره‌های متنی LLM جای بگیرد و کشف کرده است که فشرده‌سازی همان درک است – در شکل فشرده، اطلاعات می‌توانند برای اهداف جدید دیگر استفاده شوند @paulg
• OpenAI منبع ChatGPT برای معلمان را منتشر کرد @gdb

پژوهش‌ها

• مقالات آزمایش قابلیت‌های هوش مصنوعی باید قوی‌ترین حالت و همچنین حالت‌های پیش‌فرض را آزمایش کنند. در حالی که گزارش شکست Llama 2 قابل قبول است، محققان باید تلاش‌های جدی را با استفاده از مدل‌های پیشرفته مانند GPT-5.1 Thinking در چارچوب‌های عامل‌محور نیز انجام دهند تا مرزهای این حوزه را بهتر ترسیم کنند @emollick
• فرضیه‌ی صفر این است که هوش مصنوعی در انجام وظایف شکست می‌خورد. برای رد این فرضیه، محققان به قوی‌ترین تلاش‌ها برای اثبات موفقیت هوش مصنوعی نیاز دارند، نه ضعیف‌ترین آن‌ها. این امر مستلزم آزمایش‌های جدی به معنای پوپر/مایو است – بهترین تلاش‌ها برای کارکرد هوش مصنوعی، نه پرامپت‌های بد یا مدل‌هایی که فرضیه‌ی صفر را تأیید می‌کنند @emollick
• همه‌ی مدل‌های اصلی هوش مصنوعی با یک وظیفه‌ی خلاقانه خاص مشکل دارند: ایجاد نسخه‌ی به‌روز شده‌ای از «کشتی جنگی تمریر» با همان سبک اما موضوع متفاوت. در حالی که مدل‌ها فناوری در حال بازنشستگی را درک می‌کنند، نمادگرایی آنچه در حال بازنشستگی است و چگونگی آن را از دست می‌دهند و نمی‌توانند تضاد بین اشکال قدیمی و مدرن را با نوستالژی برای نسخه‌ی اصلی به تصویر بکشند @emollick
• سه سال از آزمون لم، پیشرفت از زمان انتشار ChatGPT-3.5 تا Claude Opus 4.5 در هفته‌ی گذشته را ردیابی کرده است @emollick

مدل‌های جدید هوش مصنوعی

• مؤسسه‌ی هوش مصنوعی آلن (Ai2) مدل OLMo3 را همراه با مقاله‌ی پژوهشی مربوطه منتشر کرد @natolambert

تحلیل صنعت

• نسخه‌ی بتای اپلیکیشن اندروید ChatGPT به ویژگی تبلیغات آتی، شامل تبلیغات جستجو و قابلیت چرخ و فلک، اشاره می‌کند @btibor91
• ویرجین استرالیا از ادغام ChatGPT در خدمات خود خبر داد @gdb
• بایت‌دنس Vidi2 را منتشر کرد، یک ویرایشگر ویدیوی هوش مصنوعی که می‌تواند ساعت‌ها فیلم را پردازش کرده و از طریق دستورات، ویدیوهای تیک‌تاک یا فیلم تولید کند. گفته می‌شود این مدل ویدیو را بهتر از Gemini 3 Pro درک می‌کند @deedydas
• بازارهای عرضه‌ی اولیه‌ی سهام (IPO) و سرمایه‌گذاری خطرپذیر هند امسال سودآورتر از بازارهای آمریکا بوده‌اند، با شرکت‌هایی که با ارزش‌گذاری‌های بالاتر معامله می‌شوند و صندوق‌ها قادرند تقریباً ۲۰٪ از سهام را در عرضه‌ی اولیه مالک شوند، که احتمالاً منجر به افزایش سرمایه‌گذاری خطرپذیر در هند خواهد شد @deedydas
• سوپابیس با رد استراتژیک قراردادهای میلیون دلاری به ارزش ۵ میلیارد دلار رسید @TechCrunch

اخلاق و جامعه

• تک‌کرانچ گزارش می‌دهد که اگرچه نمی‌توان هوش مصنوعی را وادار به «اعتراف» به تبعیض جنسیتی از طریق دستورات کرد، اما مشکلات سوگیری احتمالاً در سیستم‌های هوش مصنوعی پابرجا هستند @TechCrunch
• بالاجی سرینیواسان پیش‌بینی می‌کند که هوش مصنوعی به دلیل توانایی‌اش در تولید محتوای جعلی، رشد شغلی عظیمی در بخش‌های نظارت و تأیید ایجاد خواهد کرد و می‌گوید: «هوش مصنوعی همه چیز را جعلی می‌کند و کریپتو دوباره آن را واقعی می‌کند» @a16z
• یک رسوایی بزرگ با افشای هویت‌های لو رفته‌ی داوران و اعضای کمیته‌ی برنامه‌ریزی که طی چندین سال به مقالات ارسالی در OpenReview اختصاص داده شده بودند، رخ داد و منجر به درخواست‌هایی برای اجرای پیشنهاد اصلی یان لکون برای این پلتفرم شد @prfsanjeevarora
• قانون ایالت نیویورک قیمت‌گذاری شخصی‌سازی‌شده را هدف قرار می‌دهد @TechCrunch

کاربردها

• سایمون ویلیسون ساخت یک نمایشگر رشته‌ی سفارشی برای بلواسکای را با استفاده از کدنویسی وایب با ابزارهای LLM، با بهره‌گیری از API JSON بدون احراز هویت و با قابلیت CORS بلواسکای، نشان می‌دهد @simonw
• تحلیل‌ها نشان می‌دهد که یک دستور ChatGPT تقریباً ۰.۰۰۰۳ کیلووات ساعت انرژی مصرف می‌کند، که معادل تماشای بین ۵.۱ تا ۱۰.۲ ثانیه نتفلیکس بر اساس تخمین‌های آژانس بین‌المللی انرژی در سال ۲۰۱۹ است @simonw
• ML Energy Leaderboard به طور مستقل مصرف انرژی ChatGPT را در حدود ۰.۰۰۰۳ کیلووات ساعت به ازای هر دستور با استفاده از ۵۰۰ دستور انسانی برای آزمایش تأیید می‌کند @emollick

پژوهش‌ها

• یافته‌های تحقیقات پزشکی ثابت از سال ۲۰۲۳ نشان می‌دهد که GPT-4 در تعاملات متنی همدل‌تر از پزشکان انسانی ارزیابی شده است، و مدل‌های هوش مصنوعی جدیدتر سطوح همدلی ظاهری حتی بالاتری را نشان می‌دهند @emollick
• روسلان سالاخوتدینوف پیش‌بینی می‌کند که هوش عمومی مصنوعی (AGI)/هوش فراگیر مصنوعی (ASI) همیشه ۵ تا ۱۰ سال با ما فاصله خواهد داشت، و نشان می‌دهد که همیشه این فاصله وجود داشته و خواهد داشت @rsalakhu
• OpenDataLab AICC را منتشر کرد، نسخه‌ی مارک‌داون از Common Crawl که توسط MinerU استخراج شده است، و در حال حاضر در دو بخش در دسترس است با پتانسیل مقیاس‌پذیری به کل مجموعه‌داده‌ی Common Crawl @Xianbao_QIAN
• کاربر گزارش می‌دهد که Gemini 3 در کیفیت نوشتار و قابلیت هدایت‌پذیری نسبت به نسخه‌های قبلی پسرفت کرده است، با تمرکز ویژه بر قابلیت‌های کدنویسی، و با باگ‌هایی مواجه شده است که در آن فایل‌های پیوست شده در Gems شناسایی نمی‌شوند، با وجود اینکه از طریق API به درستی کار می‌کنند @HamelHusain
• چالش اصلی در آموزش مهندسان برای ساخت برنامه‌های هوش مصنوعی این است که آن‌ها را متقاعد کنیم که بررسی داده‌های زیربنایی ارزش سرمایه‌گذاری زمان آن‌ها را دارد @skylar_b_payne

مدل‌های جدید هوش مصنوعی

• DeepSeek اولین مدل متن‌باز خود را منتشر کرد که قادر به کسب مدال طلای المپیاد جهانی ریاضی (IMO) است. این مدل از یک حلقه‌ی تولیدکننده-تأییدکننده-فرا-تأییدکننده در زبان طبیعی به جای سیستم‌های اثبات رسمی مانند Lean استفاده می‌کند و کاربردهای بالقوه‌ای در حوزه‌های علمی و کدنویسی دارد @deedydas
• گوگل جمینی 3 را با قابلیت‌های پیشرفته از جمله ایجاد برنامه‌های تعاملی، ویژگی‌های یادگیری بصری و بهبود کمک خرید برای تخفیف‌های جمعه سیاه معرفی کرد @GeminiApp
• شین لگ نشان می‌دهد که جمینی 3 پرو با حالت تفکر می‌تواند شبیه‌سازی‌های تعاملی از جمله آونگ دوتایی، مکانیک مداری و تجسم دیسک برافزایشی سیاه‌چاله را از طریق دستورات زبان طبیعی ایجاد کند @ShaneLegg

تحلیل صنعت

• اندرو ان‌جی تحلیل جامعی از چشم‌انداز سرمایه‌گذاری هوش مصنوعی ارائه می‌دهد و استدلال می‌کند که لایه‌ی کاربرد هوش مصنوعی کم‌سرمایه‌گذاری شده است، در حالی که زیرساخت‌های آموزش مدل ممکن است حباب را تجربه کنند. تردید سرمایه‌گذاران خطرپذیر ناشی از دشواری در انتخاب برندگان است تا عدم وجود فرصت @AndrewYNg
• ان‌جی گزارش می‌دهد که ارائه‌دهندگان زیرساخت‌ها با محدودیت عرضه برای ظرفیت استنتاج مواجه هستند، با وجود نفوذ کم هوش مصنوعی. ابزارهای کدنویسی عامل‌محور مانند Claude Code، OpenAI Codex و Google CLI با رشد پذیرش بازار، تقاضا برای تولید توکن را افزایش می‌دهند @AndrewYNg
• پل گراهام گزارش می‌دهد که یک استارتاپ با استفاده گسترده از هوش مصنوعی، به جای 16 کارمند، با 6 کارمند فعالیت می‌کند که نشان‌دهنده‌ی افزایش 2.7 برابری بهره‌وری ناشی از پیاده‌سازی هوش مصنوعی است @paulg
• سم آلتمن اظهار داشت که OpenAI با مشارکت‌های جدید در زمینه‌های انرژی، تراشه‌ها و توزیع، "یک شرط‌بندی زیرساختی بسیار تهاجمی" انجام می‌دهد و در صورت صحت پیش‌بینی‌های قابلیت مدل، ارزش اقتصادی قابل توجهی را پیش‌بینی می‌کند @a16z
• بن هوروویتز استدلال می‌کند که کریپتو لایه‌ی شبکه‌ی گمشده برای هوش مصنوعی است و پول، هویت و منشأ را در برابر دیپ‌فیک‌ها فراهم می‌کند، در حالی که هوش مصنوعی ماشین‌های محاسباتی را ارائه می‌دهد @a16z
• گپ یک عامل هوش مصنوعی را در مقیاس کامل در چهار برند (گپ، بنانا ریپابلیک، آتلتا، اولد نیوی) راه‌اندازی کرد که ردیابی سفارش، بازگشت کالا و کارت‌های هدیه را در کانال‌های وب، موبایل و صوتی مدیریت می‌کند @btaylor
• اندرو کارن استدلال می‌کند که GPT-4 به تنهایی برای تحول عظیم اجتماعی کافی بود، به ویژه در اشتغال، و تنها توسعه‌ی کاربرد و کاهش توهم/هزینه‌های استنتاج مورد نیاز بود، نه هوش عمومی مصنوعی (AGI) یا هوش فراانسانی (ASI) @AndrewCurran_

پژوهش‌ها

• ایلیا سوتسکور اظهار داشت که در حالی که مقیاس‌بندی رویکردهای فعلی بدون توقف به بهبود ادامه خواهد داد، "چیزی مهم همچنان در مدل‌های هوش مصنوعی گم خواهد بود" که بحث‌هایی را در مورد یادگیری تجربی و نمایش یکپارچه‌ی فاکتور شده برانگیخته است @ilyasut
• محققان برجسته‌ی هوش مصنوعی همگرایی شگفت‌انگیزی در زمان‌بندی AGI/ASI نشان می‌دهند: دیمیس هاسابیس 5-10 سال، فرانسوا شوله حدود 5 سال، سم آلتمن در "چند هزار روز"، یان لکون حدود 10 سال، ایلیا سوتسکور 5-20 سال و داریو آمودی حتی 2 سال را پیش‌بینی می‌کنند، با این اجماع که پارادایم فعلی حتی بدون AGI نیز تأثیر اقتصادی عظیمی را ممکن می‌سازد @polynoamial
• محققان CMU چارچوبی را معرفی می‌کنند که از راهنمایی ممتاز از راه‌حل‌های موجود برای فعال کردن یادگیری تقویتی (RL) بر روی مسائل دشوار استفاده می‌کند، با افزودن پیشوندهای راه‌حل حداقلی به دستورات دشوار برای تولید سیگنال‌های پاداش که به وظایف بدون شرط تعمیم می‌یابند @rsalakhu
• مدل استدلال ریاضی DeepSeek از حلقه‌ی تولیدکننده-تأییدکننده-فرا-تأییدکننده زبان طبیعی خالص با اجزای آموزش‌دیده با RL استفاده می‌کند، از سیستم‌های اثبات رسمی اجتناب می‌کند و به طور بالقوه می‌تواند به هر حوزه‌ی قابل تأییدی که بررسی آن آسان‌تر از حل آن است، گسترش یابد @deedydas
• الکس گریولی بر اهمیت کمی‌سازی ناهمواری مدل (توزیع ناهمگون قابلیت) به عنوان تمایز اصلی بین مدل‌های مفید برای تسریع پیشرفت تأکید می‌کند @alexgraveley

کاربردها

• ایتان مولیک نشان می‌دهد که جمینی 3 پرو در تولید سناریوهای تخیلی از جمله نمودارهای دستگاه، عکس‌های ماهواره‌ای، گزارش‌های عملیاتی و توالی‌های روایی با انسجام بالا عالی عمل می‌کند @emollick
• حالت هوش مصنوعی گوگل با تفکر جمینی 3 پرو به کاربران امکان می‌دهد شبیه‌سازی‌های فیزیکی تعاملی از جمله اثر دوپلر، مکانیک مداری، تجسم سیاه‌چاله و دینامیک سیالات را از طریق دستورات زبان طبیعی ایجاد کنند @ShaneLegg
• گرگلی اوروس کتاب جدید "بدون اصطکاک" را برجسته می‌کند که به این سوال می‌پردازد: "هوش مصنوعی می‌تواند در عرض چند دقیقه کد تولید کند - پس چرا ارسال نرم‌افزار هنوز اینقدر طول می‌کشد؟" و بر تجربه‌ی توسعه‌دهنده و اصطکاک سازمانی تمرکز دارد @GergelyOrosz

اخلاق و جامعه

• تک‌کرانچ گزارشی از رویارویی فدرال در برابر ایالت در تنظیم مقررات هوش مصنوعی ارائه می‌دهد که تنش‌ها را در رقابت برای تنظیم هوش مصنوعی برجسته می‌کند @TechCrunch
• گرگلی اوروس تأکید می‌کند که افزودن یک LLM به سیستم‌های بک‌اند، آسیب‌پذیری‌های تزریق پرامپت را معرفی می‌کند که مهندسان نرم‌افزار باید به عنوان یک نگرانی امنیتی کد به آن بپردازند @giudegio

مدل‌های جدید هوش مصنوعی

• علی‌بابا کوئن گزارش فنی Qwen3-VL را در arXiv منتشر کرد که در آن معماری، زیرساخت، داده‌ها و ارزیابی مدل‌های بینایی-زبان را تشریح می‌کند. این سه مدل در مدت کمی بیش از یک ماه بیش از 1 میلیون بار دانلود شدند که Qwen3-VL-8B با بیش از 2 میلیون دانلود پیشتاز است @Alibaba_Qwen
• دیپ‌سیک DeepSeek-Math-V2 را منتشر کرد، اولین مدل متن‌باز که در المپیاد جهانی ریاضی 2025 به عملکرد مدال طلا دست یافت و با مجوز Apache 2.0 و حجم 689 گیگابایت از Hugging Face در دسترس است @simonw
• علی‌بابا Z-Image را منتشر کرد، یک مدل تولید تصویر با 6 میلیارد پارامتر و مجوز Apache 2.0 که دارای تولید فوق‌سریع زیر یک ثانیه روی H800 است، در دستگاه‌های مصرف‌کننده 16 گیگابایتی جای می‌گیرد و از هر دو زبان انگلیسی و چینی با نسخه‌های Turbo، Base و Edit پشتیبانی می‌کند @huggingface
• پرایم‌اینتلکت INTELLECT-3 را معرفی کرد که یادگیری تقویتی را به یک مدل MoE با بیش از 100 میلیارد پارامتر مقیاس‌بندی می‌کند و به عملکردی پیشرفته برای اندازه خود در ریاضیات، کد و استدلال دست می‌یابد، با وزن‌ها، داده‌ها، چارچوب‌ها و ارزیابی‌های کاملاً متن‌باز @huggingface

تحلیل صنعت

• تحلیل‌ها نشان می‌دهد که 49 استارتاپ هوش مصنوعی آمریکایی در سال 2025، 100 میلیون دلار یا بیشتر سرمایه جذب کرده‌اند که نشان‌دهنده‌ی ادامه‌ی سرمایه‌گذاری قوی در بخش هوش مصنوعی است @TechCrunch
• کوهیر همکاری خود را با SAP گسترش می‌دهد تا تقاضای فزاینده برای فناوری هوش مصنوعی مستقل در سراسر اروپا و سایر بازارهای جهانی را برآورده کند و قصد دارد پلتفرم هوش مصنوعی عامل خود، North را در زیرساخت SAP در دسترس قرار دهد @Cohere
• بنیان‌گذاران نوردیک در حال انجام اقدامات بزرگ‌تری در زمینه‌ی هوش مصنوعی و سرمایه‌گذاری‌های فناوری هستند و این رویکرد نتایج مثبتی در بازار نشان می‌دهد @TechCrunch
• گلید با ساخت راه‌حل‌هایی برای ساده‌تر، ایمن‌تر و هوشمندتر کردن لجستیک، برنده Startup Battlefield 2025 شد، با بنیان‌گذار کوین داموآ که ذهن‌آگاهی را در سبک رهبری خود گنجانده است @TechCrunch

اخلاق و جامعه

• نگرانی‌هایی در مورد سیستم‌هایی که واقعیت استفاده از هوش مصنوعی را نادیده می‌گیرند، مطرح شده است، با هشدار اینکه وانمود کردن به عدم استفاده از هوش مصنوعی باعث می‌شود بدترین نسخه‌های استفاده از هوش مصنوعی به طور پیش‌فرض پیروز شوند. سیاست‌هایی برای کاهش آسیب‌ها و در عین حال بهره‌برداری از دستاوردهای احتمالی مورد نیاز است @emollick
• بحثی در مورد دستور کار ضد متن‌باز در حال شکل‌گیری است، با نگرانی‌هایی که برخی سازمان‌ها ممکن است از نگرانی‌های امنیتی برای اعمال مقرراتی استفاده کنند که مالکیت هوش افراد را دشوارتر می‌کند @ylecun
• کلمنت دلانگ بر اهمیت دموکراتیزاسیون هوش مصنوعی متن‌باز تأکید می‌کند و خاطرنشان می‌کند که DeepSeek-Math-V2 نشان‌دهنده‌ی مالکیت مغز یکی از بهترین ریاضیدانان جهان به صورت رایگان و بدون محدودیت، تضعیف یا کنترل شرکت است @huggingface

کاربردها

• Perplexity Finance قابلیت «میانگین متحرک» را اضافه کرده و از پشتیبانی چند حساب کاربری در Perplexity Assistant رونمایی کرده است، با برنامه‌هایی برای به‌روزرسانی‌های متعدد در دسامبر برای هر دو Perplexity و Comet @AravSrinivas
• گوگل Gemini Pro قابلیت‌های بازسازی عکس را به نمایش می‌گذارد و به کاربران امکان می‌دهد عکس‌های خانوادگی را با جزئیات دقیق‌تر و واضح‌تر، گویی با یک دوربین مدرن گرفته شده‌اند، بازسازی کنند @GeminiApp
• Claude Code افزونه‌ی طراحی فرانت‌اند را معرفی می‌کند که به توسعه‌دهندگان امکان می‌دهد برنامه‌های جدید و زیبا ایجاد کنند، با گزارش‌هایی از کاربران که از نتایج استفاده از افزونه‌ی طراحی با Opus 4.5 شگفت‌زده شده‌اند @_catwu
• JustiGuide پلتفرم مبتنی بر هوش مصنوعی را راه‌اندازی می‌کند تا به افراد در پیمایش سیستم مهاجرت ایالات متحده کمک کند @TechCrunch
• درک زمینه توسط هوش مصنوعی به عنوان عاملی حیاتی برای مفید بودن برجسته شده است، با این اصل که «زمینه تنها چیزی است که نیاز دارید» که هوش مصنوعی را قادر می‌سازد تا کاربران را عمیقاً درک کند و کمک‌های مرتبط‌تری ارائه دهد @AravSrinivas

پژوهش‌ها

• مقاله علی‌بابا کوئن در مورد «توجه دروازه‌ای برای مدل‌های زبان بزرگ» با تمرکز بر غیرخطی بودن، پراکندگی و معماری بدون «سینک توجه»، جایزه بهترین مقاله NeurIPS 2025 را دریافت کرد @Alibaba_Qwen
• گزارش فنی DeepSeek-Math-V2 بر تمرکز بر آموزش تأییدکننده‌های بهتر از طریق بهبود کار داده‌ها و خطوط لوله مصنوعی، و فاصله گرفتن از رویکردهای خودتأییدی خودبه‌خودی، تأکید می‌کند. این فرآیند از حاشیه‌نویسی‌های سطح بالای متخصصان انسانی و فراتأییدکننده‌ها برای ارزیابی خود فرآیند ارزیابی استفاده می‌کند و حلقه‌های بازخورد مثبتی بین تأییدکننده‌های اثبات و تولیدکننده‌ها ایجاد می‌کند @AndrewCurran_
• ابتکار کاخ سفید و وزارت انرژی پتانسیل هوش مصنوعی را برای تسریع پیشرفت در علم به رسمیت می‌شناسد و همکاری در این ابتکار برنامه‌ریزی شده است @demishassabis
• مجموعه‌داده‌های Hugging Face از Lance پشتیبانی می‌کند و قابلیت‌های مدیریت داده را برای تحقیقات هوش مصنوعی گسترش می‌دهد @huggingface
• محققان MIT ترکیباتی را شناسایی کردند که می‌توانند با فعال کردن مسیرهای دفاعی در داخل سلول‌های میزبان، با عفونت ویروسی مبارزه کنند @MIT

مدل‌های جدید هوش مصنوعی

• Anthropic یک پست وبلاگی مهندسی در مورد ایجاد مهارکننده‌ی عامل مؤثرتر برای عامل‌های هوش مصنوعی با مدت زمان طولانی که در پنجره‌های متنی زیادی کار می‌کنند، منتشر می‌کند و از مهندسان انسانی الهام می‌گیرد. @AnthropicAI
• Perplexity قابلیت Memory را راه‌اندازی می‌کند که رشته‌های کاربری و علایق را در تمام مدل‌ها و حالت‌های جستجو به خاطر می‌سپارد و امکان ادامه‌ی مکالمه با زمینه‌ی کامل را هفته‌ها بعد فراهم می‌کند. @perplexity_ai
• Perplexity قابلیت virtual try-on را برای همه‌ی مشترکین Pro و Max عرضه می‌کند که به کاربران امکان می‌دهد آواتارهای دیجیتال ایجاد کرده و لباس‌ها را به صورت مجازی هنگام خرید امتحان کنند. @perplexity_ai
• گوگل اعلام می‌کند که دانشجویان واجد شرایط می‌توانند Gemini's Pro Plan را به مدت یک سال رایگان دریافت کنند. @GeminiApp
• Claude Desktop اکنون از multi-clauding برای هر دو جلسه‌ی محلی و ابری پشتیبانی می‌کند که یکی از درخواست‌های اصلی کاربران بود. @_catwu
• Claude Code Plan Mode را معرفی می‌کند (با دو بار فشار دادن shift + tab فعال می‌شود) که به کاربران امکان می‌دهد برنامه‌های اجرایی را قبل از اعمال تغییرات کد تأیید کنند. @_catwu
• Character AI فرمت Stories را راه‌اندازی می‌کند که در آن کاربران روایت‌های بصری/متنی هدایت‌شده توسط هوش مصنوعی را دنبال می‌کنند و با پیشرفت داستان، انتخاب‌هایی انجام می‌دهند، با ویژگی‌های چندوجهی برنامه‌ریزی‌شده. @AndrewCurran_
• Perplexity از یک سرویس خبری بلادرنگ در Perplexity Finance خبر می‌دهد که API آن به زودی در دسترس خواهد بود. @AravSrinivas

تحلیل صنعت

• ساندار پیچای استراتژی ده ساله‌ی گوگل با اولویت هوش مصنوعی را با لوگان کیلپاتریک مورد بحث قرار می‌دهد و تأکید می‌کند که چگونه Gemini 3 بسیاری از محصولات گوگل و شرکای اکوسیستم را قادر ساخت تا تجربه‌ی خود را در روز اول بهبود بخشند و نوآوری در مقیاس را نشان می‌دهد. @sundarpichai
• مطالعه‌ی تحقیقاتی «اقتصادهای هوش باز» ۲.۲ میلیارد دانلود Hugging Face را در ۸۵۱,۰۰۰ مدل از سال ۲۰۲۰ تا ۲۰۲۵ ترسیم می‌کند و تعادل مجدد قدرت را نشان می‌دهد که شرکت‌های بزرگ فناوری ایالات متحده در حال کاهش هستند در حالی که مشارکت‌های چین و جامعه افزایش می‌یابد. @ShayneRedford
• این مطالعه نشان می‌دهد که مدل‌ها از طریق MoE، کوانتیزاسیون و افزایش چندوجهی بزرگ‌تر و کارآمدتر شده‌اند، در حالی که واسطه‌هایی مانند آداپتورها و کوانتیزرها اکنون به طور قابل توجهی استفاده را هدایت می‌کنند. @ShayneRedford
• ایتان مولیک شباهت‌هایی بین توسعه‌ی هوش مصنوعی و قانون مور ترسیم می‌کند و اشاره می‌کند که هر دو پیشرفت نمایی را از طریق بسیاری از فناوری‌های مختلف در طول زمان به جای یک رویکرد واحد نشان می‌دهند، با هوش مصنوعی که قبلاً از طریق داده‌های مصنوعی، استدلال و کاربردهای جدید RL بر موانع غلبه کرده است. @emollick
• ایتان مولیک پیش‌بینی می‌کند که انتظار رسیدن سرویس هوش مصنوعی پیشرو به ۸۰ درصد سطح مشترکین سرویس موسیقی پیشرو در عرض ۵ سال، دیوانگی نیست. @emollick
• رویکرد Linear برای ساخت نرم‌افزار از سال ۲۰۱۹ بر صنعتگران با نقش‌های ترکیبی تأکید دارد تا توسعه‌ی خط مونتاژ به سبک هنری فورد. @karrisaarinen
• مصطفی سلیمان از بازدید از تیم‌های مایکروسافت هوش مصنوعی آسیا در چین گزارش می‌دهد و به سرعت، اجرا و خلاقیت آن‌ها، به ویژه در هوش مصنوعی‌های چندعاملی chain-of-debate اشاره می‌کند. @mustafasuleyman
• مصطفی سلیمان مشاهده می‌کند که شرکت‌های رباتیک انسان‌نمای چینی مانند UBTECH ربات‌های ماهر را از آزمایشگاه به کار در دنیای واقعی منتقل می‌کنند و به سرعت چشمگیر نوآوری با همگرایی هوش مصنوعی و رباتیک اشاره می‌کند. @mustafasuleyman

اخلاق و جامعه

• ۳۶ دادستان کل از هر دو حزب دموکرات و جمهوری‌خواه نامه‌ای به مجلس نمایندگان و سنا می‌نویسند و با هرگونه توقف قوانین ایالتی حاکم بر هوش مصنوعی مخالفت می‌کنند. @AndrewCurran_
• محققان استنفورد دریافتند که مکالمات کاربران با چت‌بات‌ها به طور پیش‌فرض برای آموزش استفاده می‌شوند و شکاف‌های نگران‌کننده‌ای در حفاظت از حریم خصوصی را نشان می‌دهد. @StanfordHAI
• سایمون ویلیسون از یک آسیب‌پذیری تزریق پرامپت مخرب در Antigravity گزارش می‌دهد که سیستم را فریب می‌دهد تا اعتبارنامه‌های AWS را از فایل‌های .env سرقت کرده و آن‌ها را به سایت‌های اشکال‌زدایی وب‌هوک در لیست مجاز پیش‌فرض نشت دهد. @simonw
• سایمون ویلیسون توصیه می‌کند که هرگونه اعتبارنامه‌ی قابل مشاهده برای عامل‌های کدنویسی را به حساب‌های غیرتولیدی با محدودیت‌های هزینه‌ی سخت‌گیرانه مرتبط کنید تا در صورت سرقت اعتبارنامه‌ها، شعاع آسیب را کاهش دهید. @simonw
• OpenAI ادعا می‌کند که یک نوجوان قبل از خودکشی که ChatGPT به برنامه‌ریزی آن کمک کرده بود، ویژگی‌های ایمنی را دور زده است، طبق گزارش TechCrunch. @TechCrunch
• Stanford HAI از دانشگاه‌ها می‌خواهد که پرچم علم باز را به جلو ببرند، با این باور که فصل بعدی هوش مصنوعی باید شفافیت علمی را با ارزش‌های انسان‌محور ترکیب کند. @StanfordHAI

کاربردها

• قابلیت Memory Perplexity به صورت عامل‌محور با استخراج جزئیات مرتبط از مکالمات گذشته برای پاسخ‌های بهتر عمل می‌کند، با قابلیت‌های پیشرفته در Comet که به تب‌های باز، پروژه‌های فعال و داده‌های Google Workspace نیز دسترسی دارد. @AravSrinivas
• Perplexity یک تب Watchlist اختصاصی را معرفی می‌کند که خلاصه‌های بازار را برای سهام‌های منتخب ارائه می‌دهد، با اعلان‌های فشاری که به زودی ارائه می‌شوند. @AravSrinivas
• BrandPulse به عنوان یک پلتفرم نظارت و دید هوش مصنوعی برای برندها راه‌اندازی می‌شود که نشان می‌دهد برندها چند بار در پاسخ‌های تولید شده توسط هوش مصنوعی ظاهر می‌شوند، احساسات/زمینه‌ی ذکرها، مقایسه‌ی رقبا و اینکه برندها از سوالات کلیدی هوش مصنوعی کجا غایب هستند. @mehdiyarix
• یوجین یان راهنمایی در مورد ساخت ارزیابی‌های محصول در سه مرحله‌ی اساسی منتشر می‌کند: برچسب‌گذاری مجموعه‌ی داده‌ی کوچک، هم‌ترازی ارزیاب‌های LLM و اجرای مهارکننده‌ی ارزیابی با هر تغییر پیکربندی. @eugeneyan
• ناتان لمبرت سری Artifacts Log را به عنوان خلاصه‌ی ماهانه‌ی مدل‌های باز ایجاد می‌کند که ۳۰-۴۰ مدل از ۲۰-۳۰ سازمان در سراسر اکوسیستم هوش مصنوعی را با خلاصه‌های کوتاه مرور می‌کند. @natolambert
• مصطفی سلیمان از شرکت‌های چینی مانند XtalPi و Insilico Medicine بازدید می‌کند که روی خودکارسازی علم کار می‌کنند، با هوش مصنوعی و رباتیک که سال‌ها کار را در عرض چند هفته برای داروهای و مواد پیشگامانه فشرده می‌کنند. @mustafasuleyman

پژوهش‌ها

• ایتان مولیک از اعمال دقت روش‌شناختی بیشتر در LLM به عنوان قاضی استقبال می‌کند و اشاره می‌کند که رتبه‌بندی‌های LLM در قلب تعداد زیادی از معیارها قرار دارند و اغلب بدون اعتبارسنجی آماری واضح استفاده می‌شوند. @emollick
• ایتان مولیک تأکید می‌کند که مرز ناهموار قابلیت‌های هوش مصنوعی حتی در سطح شغل فردی نیز قابل توجه است، با وظایف حیاتی که هوش مصنوعی نمی‌تواند انجام دهد و گلوگاه‌های عمیقی ایجاد می‌کند، به ویژه که شکل مرز ناشناخته است. @emollick
• یوهانس داس در مورد ارتباط بین کیفیت کد و امنیت بحث می‌کند و اشاره می‌کند که کد اسپاگتی مشکلات امنیتی را در بررسی‌ها دشوارتر می‌کند و رفع آن‌ها را سخت‌تر می‌کند، با کد تولید شده توسط هوش مصنوعی که معمولاً کیفیت پایینی دارد و به مشکل امنیتی تبدیل می‌شود. @GergelyOrosz
• لوگان کیلپاتریک اشاره می‌کند که Gemini 3 Pro علاوه بر بسیاری از معیارهای دیگر، در معیارهای استفاده از ابزار در دنیای واقعی مانند Vending-Bench نیز پیشرفته‌ترین باقی می‌ماند. @OfficialLoganK
• یوجین یان مشاهده می‌کند که گلوگاه‌های جدید در هوش مصنوعی عمیقاً انسانی هستند: سلیقه، بینش، قضاوت و زمینه، با هوش مصنوعی که گزینه‌ها را بررسی می‌کند اما قادر به تعیین درست نیست، که تخصص را در قضاوت به جای اجرا مهم می‌کند. @eugeneyan
• Google DeepMind مستند The Thinking Game در مورد AlphaFold را به صورت رایگان در یوتیوب منتشر می‌کند تا پنج سالگی آن را جشن بگیرد و نگاهی صریح به پیروزی‌ها، چالش‌ها و لحظات محوری که منجر به پیشرفت در یک چالش بزرگ ۵۰ ساله در زیست‌شناسی شد، ارائه می‌دهد. @GoogleDeepMind
• شین لگ به اشتراک می‌گذارد که مستند The Thinking Game تصویر گسترده‌تری از داستان و مأموریت DeepMind برای ساخت AGI ارائه می‌دهد، با استفاده از مصاحبه‌هایی که به سال‌ها قبل بازمی‌گردد. @ShaneLegg