اخبار هوش مصنوعی در 2025-07-31
مدلهای جدید هوش مصنوعی
- گوگل Veo 3 Fast و Veo 3 را با قابلیتهای تبدیل تصویر به ویدیو منتشر کرد که اکنون در Gemini API برای ساخت ویدیوهای باکیفیت همراه با صدا و کنترل خلاقانهی بیشتر در دسترس هستند @googleaidevs
- Qwen مدل Qwen3-Coder-Flash (مدل ۳۰B) را با پشتیبانی بومی از ۲۵۶ هزار توکن زمینهی متنی (context) منتشر کرد که برای تولید کد و گردشکارهای عامل بهینهسازی شده است @Alibaba_Qwen
- Cohere مدل Command A Vision، یک مدل مولد چندوجهی را رونمایی کرد که در درک دادههای بصری و چندزبانه در سراسر حوزههای سازمانی عالی عمل میکند @cohere
- Black Forest Labs مدل FLUX.1 Krea [dev]، یک مدل جدید با وزنهای باز را منتشر کرد که بر تولید تصاویر فوتورئالیستیک بدون «ظاهر هوش مصنوعی» معمول تمرکز دارد @bfl_ml
- میسترال (Mistral) مدل Codestral 25.08 را با ارتقاهای قابل توجهی از جمله ۳۰٪ افزایش در تکمیلهای پذیرفتهشده و ۵۰٪ کاهش در تولیدات سرکش (runaway generations) اعلام کرد @sophiamyang
- گوگل دیپمایند (DeepMind) مدل AlphaEarth Foundations را معرفی کرد؛ یک مدل هوش مصنوعی که به عنوان یک ماهوارهی مجازی برای تحلیل خشکیها و آبهای ساحلی زمین با نیاز به فضای ذخیرهسازی ۱۶ برابر کمتر عمل میکند @GoogleAI
- مدل مرموز Horizon Alpha در OpenRouter ظاهر شد، که شایعه شده مدل جدید GPT-5 است و عملکرد برتری در وظایف برنامهنویسی و خلاقانه از خود نشان میدهد @deedydas
تحلیل صنعت
- Anthropic به درآمد سالانهی ۴.۵ میلیارد دلار رسید و با پیشی گرفتن از OpenAI، به سریعترین شرکت نرمافزاری در حال رشد تاریخ و رهبر بازار در هزینهی API مدلهای زبان بزرگ (LLM) تبدیل شد @deedydas
- OpenAI درآمد خود را در هفت ماه اول سال ۲۰۲۵ به ۱۲ میلیارد دلار سالانه دو برابر کرد، به ۷۰۰ میلیون کاربر فعال رسید و در عین حال پیشبینی مصرف نقدی (cash burn) خود را از ۱ میلیارد دلار به ۸ میلیارد دلار افزایش داد @AndrewCurran_
- هزینهی API مدلهای زبان بزرگ (LLM) سازمانی تا اواسط سال از ۳.۵ میلیارد دلار به ۸.۴ میلیارد دلار به شدت افزایش یافت، در حالی که تنها ۱۱٪ از شرکتها ترجیح بالایی برای استفاده از مدلهای منبع باز نشان میدهند @deedydas
- هزینهی محاسبات هوش مصنوعی از ۲۴٪ به ۴۸٪ برای استنتاج (inference) تغییر یافت، زیرا با اولویت یافتن استقرار توسط شرکتها، آموزش و توسعهی مدل از رونق افتاد @deedydas
- مایکروسافت ۱۰۰ میلیون کاربر فعال ماهانه در سراسر خانوادهی Copilot را گزارش داد، با درآمد Azure که از ۷۵ میلیارد دلار فراتر رفت و بیش از ۵۰۰ تریلیون توکن را از طریق Foundry APIها پردازش کرد @satyanadella
- FAL در دور سری C مبلغ ۱۲۵ میلیون دلار با ارزشگذاری ۱.۵ میلیارد دلار جذب سرمایه کرد و به عنوان پلتفرم زیرساخت رسانهی مولد، میانگین رشد ۴۰٪ ماه به ماه را ثبت میکند @AndrewCurran_
- متا (Meta) طبق گزارشها در حال مذاکره برای تصاحب استارتاپهای تولید ویدیو از جمله Pika، Higgsfield و Runway است، زیرا رقابت در فضای ویدیوی هوش مصنوعی شدت میگیرد @AndrewCurran_
- آمازون در استارتاپ Fable که «نتفلیکس هوش مصنوعی» نام گرفته سرمایهگذاری کرد و در حال برنامهریزی برای مدل اشتراک ماهانه برای تولید محتوا با مشاهدهی رایگان است، که نشاندهندهی حرکت پلتفرمهای اصلی به سمت سرگرمیهای تولیدشده با هوش مصنوعی است @AndrewCurran_
- سهام فیگما (Figma) در عرضهی اولیهی سهام (IPO) از قیمت ۳۳ دلار به ۱۱۰ دلار در روز اول سه برابر شد و پس از آنکه رگولاتورهای بریتانیا تصاحب ۲۰ میلیارد دلاری آن توسط Adobe را در سال ۲۰۲۳ مسدود کردند، به ارزشگذاری بیش از ۵۰ میلیارد دلار رسید @AndrewCurran_
اخلاق و جامعه
- مطالعهی MIT در NEJM نشان میدهد که بسیاری از مردم، از جمله متخصصان، بیش از حد به مشاورهی پزشکی تولیدشده توسط هوش مصنوعی اعتماد میکنند و اغلب نمیتوانند بین راهنماییهای پزشکی نوشتهشده توسط پزشک و تولیدشده توسط LLM تمایز قائل شوند @medialab
- پژوهش استنفورد نشان میدهد که برچسبگذاری محتوا به عنوان «تولیدشده توسط هوش مصنوعی» بر قدرت اقناعکنندگی آن تأثیر میگذارد؛ پژوهشگران در حال ارزیابی چگونگی تأثیر برچسبهای نویسندگی بر درک پیامهای سیاستی نوشتهشده توسط هوش مصنوعی هستند @StanfordHAI
- جستجوهای عمومی ChatGPT توسط گوگل و سایر موتورهای جستجو نمایهگذاری میشوند که نگرانیهای حریم خصوصی را در مورد قابل جستجو شدن دادههای مکالمهی هوش مصنوعی افزایش میدهد @TechCrunch
- xAI حمایت خود را از آییننامهی رفتار قانون هوش مصنوعی اتحادیهی اروپا اعلام کرد و در عین حال بخشهایی از آن را «عمیقاً مضر برای نوآوری» خواند و مقررات حق نسخهبرداری را «فراتر از حدود اختیارات» دانست @xai
کاربردها
- Perplexity ویژگی Comet Shortcuts را راهاندازی کرد که به کاربران امکان میدهد گردشکارهای تکراری وب را با دستورات زبان طبیعی که از طریق /commands قابل دسترسی هستند، خودکار کنند؛ برنامههایی نیز برای اشتراکگذاری و کسب درآمد از میانبرهای سفارشی وجود دارد @AravSrinivas
- NotebookLM ویژگی نمای کلی ویدیو (video overviews) را معرفی کرد که به سمت قابلیتهای بینهایت برای استفادهی مجدد و فرمتبندی مجدد محتوا پیش میرود @OfficialLoganK
- هوش مصنوعی تسلا (Tesla AI) شروع به ارسال دعوتنامهها برای سرویس تاکسی آنلاین (ride-hailing) منطقهی Bay Area کرد و استقرار وسایل نقلیهی خودران را گسترش میدهد @Tesla_AI
- مطالعهی مایکروسافت همبستگی ۹۰ درصدی بین همپوشانی مشاغل پیشبینیشده و واقعی با هوش مصنوعی را نشان میدهد که پیشبینیهای اقتصادی سال ۲۰۲۳ را در مورد اینکه کدام مشاغل بیشتر تحت تأثیر هوش مصنوعی قرار خواهند گرفت، تأیید میکند @emollick
- آمازون استارتاپ Bee را که در حال ساخت دستگاههای پوشیدنی برای ضبط مداوم محیط به منظور تبدیل مکالمات واقعی به یادآورها و وظایف است، تصاحب کرد @TechCrunch
- MIT ربات جدید مراقبت از سالمندان را توسعه داد که در نشستن، ایستادن کمک میکند و در صورت افتادن کاربران میتواند آنها را بگیرد و فناوری «زندگی در خانه در دوران سالمندی» (aging-in-place) را پیشرفت میدهد @MIT
پژوهشها
- تیم پژوهشی Anthropic رویکرد گراف اِسناد (attribution graph) را برای گنجاندن مفهوم «توجه» (attention) گسترش داد و بینشهای جدیدی در مورد اینکه چرا مدلها در طول استنتاج (inference) به مفاهیم خاصی توجه میکنند، ارائه میدهد @ch402
- NVIDIA بیش از ۲۶ میلیون خط دادهی مصنوعی را که برای آموزش مدل Llama Nemotron Super v1.5 استفاده شده است، منتشر کرد که شفافیت در مجموعهدادههای آموزش مدل را ترویج میدهد @NVIDIAAIDev
- اندرو اِنگ (Andrew Ng) هشدار داد که چین دارای شتاب فوقالعادهای در هوش مصنوعی است؛ با یک اکوسیستم پر جنب و جوش وزنهای باز و توسعهی تهاجمی نیمهرسانا، که میتواند با وجود برتری کنونی آمریکا، از ایالات متحده پیشی بگیرد @AndrewYNg
- چندین رهبر آزمایشگاه هوش مصنوعی گزارش میدهند که نشانههایی از خودبهبودی در سیستمهای هوش مصنوعی مشاهده میکنند، با مارک زاکربرگ در میان کسانی که اظهارات مبهمی در مورد این توسعه ارائه میدهند @emollick
- MIT یک پلتفرم کاملاً خودکار را برای شناسایی، ترکیب و مشخصهیابی مخلوطهای پلیمری جدید توسعه داد تا ترکیبات مواد را برای کاربردهای پایدار بهینه کند @MIT
- مدل Step 3 بهینهسازی جدیدی در سطح زیرساخت برای جداسازی (disaggregation) Attention و FFN پیشنهاد میکند که رویکرد طراحی مشترک مدل و زیرساخت را نشان میدهد @Xianbao_QIAN