اخبار هوش مصنوعی در 2025-10-30

مدل‌های جدید هوش مصنوعی

• OpenAI، Aardvark را معرفی کرد؛ یک محقق امنیتی عامل‌محور که با استفاده از GPT-5 باگ‌های امنیتی را پیدا و رفع می‌کند و اکنون در مرحله‌ی بتای خصوصی است @OpenAI
• Kimi مدل Kimi-Linear را با کاهش تا 75 درصدی در مصرف حافظه و 6.3 برابر توان عملیاتی رمزگشایی بالاتر منتشر کرد که با استفاده از معماری MLA و KDA (Kimi Delta Attention) عملکردی بهتر از خطوط مبنای MLA و GDN دارد @scaling01
• MiniMax مدل M2 را به‌عنوان مدل جدید «هوشمندترین» با وزن‌های باز و لایسنس MIT منتشر کرد که عملکردی قابل مقایسه با Sonnet 4 دارد، در حالی که قیمت آن به Gemini 2.5 Flash نزدیک‌تر است @simonw
• Cursor مدل کدنویسی Composer-1 را منتشر کرد که «4 برابر سریع‌تر از مدل‌های هوشمند مشابه» توصیف شده است @simonw
• Windsurf مدل جدید و سریع کدنویسی SWE-1.5 را از Cognition منتشر کرد @simonw
• گوگل عرضه‌ی قریب‌الوقوع Gemini 3.0 را در اواخر سال جاری اعلام کرد و ساندار پیچای اشاره کرد که آن‌ها برای عرضه‌ی مدل‌های به‌طور قابل توجهی بهبودیافته زمان صرف می‌کنند @AndrewCurran_

تحلیل صنعت

• طبق گزارش رویترز، OpenAI در حال بررسی عرضه‌ی عمومی سهام به محض نیمه‌ی دوم سال 2026 با ارزش‌گذاری 1 تریلیون دلار است @AndrewCurran_
• یوتیوب در حال ارائه‌ی بازخرید داوطلبانه با مزایای پایان خدمت به کارمندان مستقر در ایالات متحده است، زیرا سازمان محصولات خود را برای تمرکز بیشتر بر هوش مصنوعی بازسازی می‌کند @AndrewCurran_
• طبق گزارش بلومبرگ، NVIDIA قصد دارد تا 1 میلیارد دلار در Poolside سرمایه‌گذاری کند @AndrewCurran_
• مایکروسافت 150 میلیون کاربر فعال ماهانه در میان مجموعه‌ی Copilotها و عوامل هوش مصنوعی خود گزارش می‌دهد و 90 درصد از شرکت‌های Fortune 500 اکنون از M365 Copilot استفاده می‌کنند @satyanadella
• طبق گزارش درآمد مایکروسافت، GitHub Copilot اکنون بیش از 26 میلیون کاربر دارد @satyanadella
• گوگل کلود رشد فزاینده‌ای را با درآمد هوش مصنوعی به‌عنوان محرک اصلی گزارش می‌دهد؛ بیش از 70 درصد از مشتریان فعلی آن‌ها از محصولات هوش مصنوعی‌شان استفاده می‌کنند و 13 خط تولید دارای نرخ سالانه‌ی درآمد بیش از 1 میلیارد دلار هستند @sundarpichai
• طبق تحلیل‌ها، بنیان‌گذاران و کارمندان استارت‌آپ‌ها «پول بازنشستگی» (بیش از 10 میلیون دلار) را از فروش‌های ثانویه در شرکت‌های زیان‌ده با ارزش‌گذاری‌های گمانه‌زنانه به دست می‌آورند که می‌تواند برای نوآوری خطرناک باشد @deedydas
• Universal Music Group و Udio دعوای حقوقی کپی‌رایت خود را حل و فصل کردند و در سال 2026 یک پلتفرم جدید مبتنی بر اشتراک راه‌اندازی خواهند کرد که بر روی موسیقی دارای مجوز آموزش داده شده است @AndrewCurran_
• Universal Music Group با Stability AI اتحاد استراتژیکی تشکیل می‌دهد تا «ابزارهای حرفه‌ای ساخت موسیقی نسل بعدی» را توسعه دهد @StabilityAI
• ASCAP، BMI و SOCAN اکنون ثبت‌نام آثار موسیقی تولید شده با استفاده از هوش مصنوعی را می‌پذیرند که عناصر محتوای تولید شده توسط هوش مصنوعی را با تألیف انسانی ترکیب می‌کنند @AndrewCurran_

اخلاق و جامعه

• اتان مولیک توانایی Sora را در ایجاد ویدئوهای جعلی متقاعدکننده درباره‌ی «ستون‌های در حال چرخش پنگوئن‌ها در آسمان» به نمایش می‌گذارد و نشان می‌دهد که چگونه محتوای تولید شده توسط هوش مصنوعی می‌تواند برای ایجاد اطلاعات غلط باورپذیر استفاده شود @emollick
• الکسیس اوهانیان، یکی از بنیان‌گذاران ردیت، اظهار می‌دارد «نظریه‌ی اینترنت مرده واقعی است» و به این ایده اشاره می‌کند که بخش زیادی از محتوای اینترنت دیگر توسط انسان تولید نمی‌شود @TechCrunch
• MIT Technology Review گزارش می‌دهد که در چشم‌انداز فناوری کنونی «هرگز آسان‌تر از این نبوده است که یک نظریه‌پرداز توطئه باشیم» @techreview
• سم آلتمن در مورد هزینه‌های شخصی رهبری OpenAI تأمل می‌کند و اشاره می‌کند که این کار «فوق‌العاده دردناک» است و «اغلب در هر روزی وسوسه‌کننده است که منصرف شویم»، اما معتقد است که این کار «به‌طور تحول‌آفرینی مثبت» خواهد بود @sama

کاربردها

• مایکروسافت Copilot for health را برای پاسخ به سؤالات مرتبط با سلامت، به‌عنوان یکی از رایج‌ترین نیازهای کاربران معرفی می‌کند @Copilot
• ابزار Researcher مایکروسافت اکنون قابلیت Computer Use را دارد که به آن اجازه می‌دهد به‌طور ایمن در وب باز و محدود شده مرور کند تا اطلاعات دشوار پیدا را در صدها سایت بیابد @satyanadella
• Perplexity، Perplexity Patents را راه‌اندازی می‌کند که اولین عامل پژوهش پتنتی هوش مصنوعی در جهان است و هوش ثبت اختراع را برای همه قابل دسترس می‌کند @perplexity_ai
• گوگل AI Studio داشبورد جدیدی برای لاگ‌ها و دیتاست‌ها معرفی می‌کند که مشاهده‌ی ترافیک API، به اشتراک‌گذاری بازخورد و صادرات داده‌ها برای ارزیابی‌ها را 10 برابر آسان‌تر می‌کند @OfficialLoganK
• فیگما شرکت Weavy، فعال در زمینه‌ی تولید تصویر و ویدئو مبتنی بر هوش مصنوعی را خریداری می‌کند که به Figma Weave تبدیل خواهد شد @TechCrunch
• گوگل با Reliance Jio همکاری می‌کند تا طرح‌های رایگان Google AI Pro را به مشتریان واجد شرایط Jio در هند برای 18 ماه ارائه دهد که شامل Gemini 2.5 Pro و 2 ترابایت فضای ذخیره‌سازی می‌شود @sundarpichai
• Cursor عوامل ابری را با راه‌اندازی سریع‌تر، قابلیت اطمینان بهبودیافته و رابط کاربری جدید برای مدیریت گروهی از عوامل ابری به‌طور مستقیم از IDE معرفی می‌کند @cursor_ai
• Bevel Health 10 میلیون دلار سرمایه‌ی سری A جذب می‌کند تا یک سیستم عامل هوشمند برای سلامت بسازد که داده‌های دستگاه‌های پوشیدنی، آزمایشگاه‌ها و عادات روزمره را در یک سیستم متصل گرد هم می‌آورد @greyngyen

پژوهش‌ها

• پژوهش جدیدی رویه‌ی Parallel-Distill-Refine (PDR) را معرفی می‌کند که دقت بالاتری نسبت به استدلال طولانی زنجیره‌ی فکری با تأخیر کمتر به دست می‌آورد، با بهبود 11 درصدی در AIME 2024 و 9 درصدی در AIME 2025 نسبت به خطوط مبنای تک‌گذر @rsalakhu
• پژوهشگران Scale AI و AI Safety، شاخص کار از راه دور (Remote Labor Index) را معرفی می‌کنند؛ یک ارزیابی جدید که توانایی هوش مصنوعی را برای خودکارسازی پروژه‌های با ارزش اقتصادی واقعی از پلتفرم‌های کار از راه دور می‌سنجد و در حال حاضر حداکثر امتیاز تنها 2.5 درصد را نشان می‌دهد @alexandr_wang
• معیار جدید هوش مصنوعی که آزمایش محیط بازی را با آزمایش مدل جهانی ترکیب می‌کند، شکاف‌های بزرگی بین توانایی انسان و هوش مصنوعی پیدا می‌کند و نیاز به معیارهای واقع‌گرایانه‌تر و اشباع‌نشده‌تر را برجسته می‌کند @emollick
• Superchip NVIDIA GH200 رکوردهای جدیدی را در عملکرد هوش مصنوعی مالی ثبت می‌کند؛ با تا 49 درصد تأخیر کمتر در مدل‌های بزرگ LSTM، تأخیر 4.7 میکروثانیه در مدل‌های کوچک و 13 برابر نرخ خطای استنتاج کمتر @NVIDIAAI
• Hugging Face «The Smol Training Playbook» را منتشر می‌کند؛ یک راهنمای جامع بیش از 200 صفحه‌ای که کل خط لوله‌ی آموزش LLM را پوشش می‌دهد، شامل پیش‌آموزش، پس‌آموزش و زیرساخت @_lewtun
• LMCache به اکوسیستم PyTorch می‌پیوندد و استنتاج (inference) مقیاس‌پذیر LLM را از طریق یکپارچه‌سازی با vLLM با استفاده‌ی مجدد و اشتراک‌گذاری کش‌های KV در میان کوئری‌ها پیشرفت می‌دهد و به توان عملیاتی تا 15 برابر سریع‌تر دست می‌یابد @PyTorch
• پژوهش هوش مصنوعی برکلی نشان می‌دهد که چگونه LLMها می‌توانند از طریق یادگیری در متن (in-context learning) «خود-تکمیل» شوند و از اشتباهات یاد بگیرند و نحوه‌ی اعمال تطبیق در زمان استنتاج به یادگیری ربات را بررسی می‌کند @ameeshsh