اخبار هوش مصنوعی در 2025-09-28
مدلهای جدید هوش مصنوعی
- Qwen3-Max اکنون در دسترس است و کاربران میتوانند با آن برنامه بسازند، با قابلیتهای جدیدی از جمله «Code Interpreter» و «Web Search» برای دریافت و بصریسازی دادهها @Alibaba_Qwen
تحلیل صنعت
- شرکتهای بزرگ فناوری امسال ۳۴۵ میلیارد دلار سرمایه برای توسعهی هوش مصنوعی هزینه خواهند کرد که نشاندهندهی افزایش ۲.۵ برابری تنها در ۲ سال است، و پروژهی Stargate اوپنایآی تا سال ۲۰۲۹ مبلغ ۵۰۰ میلیارد دلار را وعده میدهد که تقریباً ۲۵ درصد از هزینهی پیشبینی شدهی ۲ تریلیون دلاری را شامل میشود @deedydas
- طبق گزارشها، اوپنایآی سالانه بیش از ۱۵۰ میلیون دلار برای Datadog هزینه میکند، بیش از ۲ برابر هزینهای که خود Datadog صرف میکند، که نشاندهندهی هزینههای عظیم زیرساختی شرکتهای هوش مصنوعی در مراحل رشد سریع است @GergelyOrosz
- استودیوهای هالیوود بیسروصدا در حال استفاده از فناوری هوش مصنوعی هستند، با چندین اعلام عمومی در مورد پروژههای مهم هوش مصنوعی که در آغاز سال جدید انتظار میرود، به گفتهی رئیس «Dream Lab LA» در Luma AI @AndrewCurran_
- جنسن هوانگ، مدیرعامل NVIDIA، ادعا میکند که این شرکت بیش از هر کسی به جز AI2، مدلها و مجموعه دادههای هوش مصنوعی متنباز را بررسی میکند، که NVIDIA را به عنوان یک مشارکتکنندهی اصلی در توسعهی هوش مصنوعی متنباز قرار میدهد @natolambert
- همهی پژوهشگران مقالهی Veo 3 گوگل، که بهترین مدل تولید ویدیوی جهان توصیف شده است، اهل ایالات متحده نیستند، که نشاندهندهی توزیع استعدادهای جهانی در پژوهشهای هوش مصنوعی است @deedydas
کاربردها
- ایتان مولیک نشان داد که چگونه با استفاده از ChatGPT Codex یک بازی شبیهسازی گمشدهی Maxis (SimRefinery) را تنها از یک مقاله و یک اسکرینشات بازسازی کرده است، و یک نمونهی اولیه قابل بازی را بدون دست زدن مستقیم به هیچ کدی ساخت @emollick
- Claude Code با موفقیت یک مشکل پیچیدهی «macOS Finder» را که حجم آن به ۸ گیگابایت رسیده بود، از طریق تقریباً ۱۰ بار تکرار در طول ۳۰ دقیقه اشکالزدایی کرد، و قابلیتهای اشکالزدایی جدیدی را نشان داد که قبل از عاملهای هوش مصنوعی وجود نداشتند @GergelyOrosz
- اسکات آرونسون اولین مقالهی خود را منتشر کرد که در آن یک گام فنی کلیدی در اثبات از هوش مصنوعی نشأت گرفته بود، بهطور خاص با استفاده از GPT-5-Thinking، و مشارکت هوش مصنوعی را از نظر معیارهای آکادمیک «زیرکانه» توصیف کرد @AndrewCurran_
- مدلهای هوش مصنوعی اکنون میتوانند بیشتر کپچاهای رایج را بهتر از انسانها حل کنند، و دلیل اصلی که کپچاها هنوز کار میکنند این است که LLMهای اصلی اغلب از تکمیل آنها خودداری میکنند، نه اینکه فاقد توانایی باشند @emollick
پژوهشها
- مقالهی جدید DeepMind با عنوان «Video models are zero-shot learners and reasoners» نشان میدهد که مدلهای ویدیوی مولد برای مسائل بینایی همان چیزی هستند که LLMها برای مسائل NLP بودند - مدلهای واحدی که قادر به حل طیف وسیعی از چالشها هستند @simonw
- پیشرفت از «agents are nowhere close to working» به «general purpose agents are actually useful for a range of tasks» در کمتر از یک سال رخ داده است، با بهبودهای قابلتوجه در استفاده از ابزار، مراحل کاری و کاهش خطا @emollick
- پژوهش RL در حال تبدیل شدن به پیشآموزش/مدلسازی با یک تغییر بزرگ در رویکرد است، زیرا بیشتر پژوهشهای منتشر شدهی RL به اندازهی کافی از توان محاسباتی استفاده نکردهاند تا تصمیمات اهمیت زیادی داشته باشند، هرچند این وضعیت به آرامی در حال تغییر است @natolambert
- پژوهشگران Anthropic پیشبینی میکنند که برابری با متخصصان انسانی «احتمالاً تنها در چند ماه» محقق خواهد شد، این در حالی است که این شرکت در سال ۲۰۲۳ اعلام کرده بود که مدلهای سالهای ۲۰۲۵/۲۶ میتوانند بخشهای بزرگی از اقتصاد را خودکار کنند @AndrewCurran_