اخبار هوش مصنوعی در 2025-11-17

مدل‌های جدید هوش مصنوعی

• چت Qwen علی‌بابا به نقطه‌ی عطف ۱۰ میلیون کاربر رسید. @Alibaba_Qwen
• xAI نسخه‌ی بتای Grok 4.1 را برای کاربران منتشر کرد. به نظر می‌رسد این مدل در دو هفته‌ی اول نوامبر در حال آزمایش A/B بی‌صدا بوده است. @AndrewCurran_
• OpenAI نسخه‌ی GPT-5.1 را با زمان پاسخ‌دهی به‌طور قابل‌توجهی سریع‌تر از GPT-5 منتشر کرد، اگرچه برخی از کاربران مشکلاتی را در کارهای مرتبط با کد مانند تغییرات مرحله‌ای و ایجاد درخواست‌های پول گزارش کرده‌اند. @natolambert
• GPT-5.1 High در معیارهای ARC-AGI عملکردی مشابه GPT-5 Pro دارد، در حالی که تقریباً یک مرتبه‌ی بزرگی ارزان‌تر است. @GregKamradt
• گوگل دیپ‌مایند WeatherNext 2 را معرفی کرد، یک مدل پیش‌بینی آب‌وهوای هوش مصنوعی که ۸ برابر سریع‌تر از نسخه‌ی قبلی خود است و در ۹۹.۹٪ از متغیرهای آب‌وهوایی از جمله دما، باد، رطوبت و سطح فشار دقیق‌تر است. @GoogleDeepMind

تحلیل صنعت

• گزارش شده است که جف بزوس به‌عنوان مدیرعامل مشترک استارتاپ جدید هوش مصنوعی پروژه‌ی پرومتئوس بازگشته است. این پروژه ۶.۲ میلیارد دلار سرمایه دارد و بر طراحی هوش مصنوعی در صنایع هوافضا، کامپیوتر و خودرو تمرکز خواهد کرد و تقریباً ۱۰۰ کارمند از OpenAI، DeepMind و Meta استخدام کرده است. @AndrewCurran_
• Sakana AI با ارزش ۲.۶۵ میلیارد دلار، ۱۳۵ میلیون دلار در سری B جذب سرمایه کرد تا به ساخت مدل‌های هوش مصنوعی برای ژاپن ادامه دهد، با حمایت MUFG، Khosla Ventures و سایر سرمایه‌گذاران بزرگ. @TechCrunch
• Runlayer، یک استارتاپ امنیتی عامل هوش مصنوعی MCP، با ۸ یونیکورن و ۱۱ میلیون دلار از کیت رابویس از Khosla و Felicis راه‌اندازی شد. @TechCrunch
• Luminal ۵.۳ میلیون دلار برای ساخت یک چارچوب کد GPU بهتر جذب سرمایه کرد. @TechCrunch
• PowerLattice سرمایه‌گذاری پَت گلسینگر، مدیرعامل سابق اینتل، را برای فناوری چیپلت صرفه‌جویی در مصرف انرژی خود جذب کرد. @TechCrunch
• Bone AI ۱۲ میلیون دلار برای به چالش کشیدن غول‌های دفاعی آسیا با رباتیک مبتنی بر هوش مصنوعی جذب سرمایه کرد. @TechCrunch
• Ramp به ارزش ۳۲ میلیارد دلار رسید، تنها سه ماه پس از رسیدن به ۲۲.۵ میلیارد دلار. @TechCrunch
• سهام Figma در ۲.۵ ماه پس از عرضه‌ی اولیه ۶۸٪ کاهش یافت، با ارزش‌گذاری تقریباً ۱۹ میلیارد دلار با وجود ۱.۱ میلیارد دلار ARR و ۳۸٪ رشد سال به سال، که نشان‌دهنده‌ی ماهیت بی‌رحمانه‌ی بازارهای عمومی برای شرکت‌های خصوصی در مراحل پایانی است. @deedydas
• کارمندان Figma با هزینه‌ی تحقیق و توسعه‌ی ۲۹٪ از درآمد، جبران خسارت استثنایی دریافت می‌کنند که به میانگین حقوق نقدی ۳۰۰ هزار دلار به ازای هر کارمند، به اضافه‌ی جبران خسارت مبتنی بر سهام که مجموعاً به ۷۰۰ هزار تا ۱.۵ میلیون دلار در سال می‌رسد. @deedydas
• فیدجی سیمو، مدیرعامل بخش کاربردهای OpenAI، درباره‌ی مسیر سودآوری صحبت می‌کند، با این انتظار که هم OpenAI و هم Anthropic مشاوران مالی هوش مصنوعی را در سال ۲۰۲۶ منتشر خواهند کرد. @AndrewCurran_
• مصطفی سلیمان استدلال می‌کند که ما در حباب هوش مصنوعی نیستیم و می‌گوید هوش مصنوعی هوشمندترین و تواناترین فناوری است که تاکنون اختراع شده و سریع‌تر از حد انتظار در حال بهبود است. @mustafasuleyman
• سیسکو استارتاپ ترجمه‌ی EzDubs را خریداری می‌کند. @TechCrunch

اخلاق و جامعه

• گرگلی اوروسز مشاهده می‌کند که نظریه‌ی اینترنت مرده در X در حال وقوع است، جایی که پاسخ‌های تولید شده توسط هوش مصنوعی بر اساس پرداخت و نه کیفیت تقویت می‌شوند و بالاتر از پاسخ‌های انسانی معنادار ظاهر می‌شوند. @GergelyOrosz
• رید هافمن استدلال می‌کند که انتظار برای ۱۰۰٪ ایمنی قبل از تأیید فناوری‌های جدید هوش مصنوعی مانند درمانگران هوش مصنوعی، مزایای عظیمی را از افرادی که به آن‌ها نیاز دارند، سلب می‌کند و می‌گوید معیار باید سیستم‌هایی ایمن‌تر از جایگزین‌های فقط انسانی باشد تا صفر اشتباه. @reidhoffman
• هافمن تأکید می‌کند که برای کسانی که به دلیل دلایل اقتصادی، جغرافیایی یا سایر دلایل نمی‌توانند به درمان دسترسی داشته باشند، یک درمانگر هوش مصنوعی خوب ساخته شده بهتر از عدم دسترسی به حمایت از سلامت روان است. @reidhoffman
• آماندا اسکل شباهت‌هایی بین مشاوره‌ی روابط و عیب‌یابی هوش مصنوعی ترسیم می‌کند و اشاره می‌کند که اولین سؤال او برای مشکلات Claude اکنون این است که «وقتی همه‌ی این‌ها را به Claude گفتید چه اتفاقی افتاد؟» شبیه به پرسیدن از شرکا برای برقراری ارتباط مستقیم. @AmandaAskell
• آیدان مک‌لاکلین از OpenAI نگرانی‌های کاربران را در مورد تغییرات مدل تأیید می‌کند و می‌گوید تیم در ساعت ۳ صبح یکشنبه‌ها برای بهبود کیفیت چت‌بات و رفع عدم دقت هم‌ترازی کار می‌کند، در حالی که اعتراف می‌کند هیچ چت‌بات فعلی بهینه نیست. @aidan_mclau

کاربردها

• Anthropic با دولت رواندا و ALX Africa همکاری می‌کند تا Chidi، یک همراه یادگیری ساخته شده بر روی Claude، را به صدها هزار دانش‌آموز در سراسر آفریقا بیاورد. @AnthropicAI
• گوگل فناوری WeatherNext را در جستجوی گوگل، Gemini، Pixel Weather ادغام می‌کند و به زودی اطلاعات آب‌وهوا را در Google Maps ارائه خواهد داد. @GoogleDeepMind
• Public.com قابلیتی را راه‌اندازی می‌کند که به کاربران امکان می‌دهد ETFهای تولید شده توسط هوش مصنوعی را بر اساس معیارهای سفارشی ایجاد کنند، با یک نمونه از شرکت‌های متمرکز بر طراحی که از S&P 500 به صورت تاریخی ۲ برابر بهتر عمل کرده‌اند. @benblumenrose
• تیم مک‌آلیر در Florentine Films از هوش مصنوعی برای ایجاد نرم‌افزار مدیریت رسانه‌ی سفارشی برای فیلم‌سازی استفاده می‌کند. @clairevo
• گوگل ابزار AI Flight Deals را در سطح جهانی عرضه می‌کند و ویژگی‌های جدید سفر را در جستجو اضافه می‌کند. @TechCrunch
• Hugging Face و Google Cloud برای سرعت بخشیدن به دسترسی مدل، تقویت امنیت و کاهش هزینه‌های عملیاتی همکاری می‌کنند، با بیش از ۱,۵۰۰ ترابایت داده که روزانه مبادله می‌شود. @DataChaz

پژوهش‌ها

• WeatherNext 2 گوگل دیپ‌مایند از یک رویکرد جدید شبکه‌ی مولد تابعی استفاده می‌کند که تصادفی بودن هدفمند را مستقیماً به معماری اضافه می‌کند و به آن اجازه می‌دهد طیف گسترده‌ای از سناریوهای آب‌وهوایی را بررسی کند و صدها پیش‌بینی ممکن را در کمتر از یک دقیقه از یک نقطه‌ی شروع واحد تولید کند. @GoogleDeepMind
• WeatherNext 2 در پیش‌بینی هر دو پیش‌بینی حاشیه‌ای (رویدادهای آب‌وهوایی منفرد مانند دما در مکان‌های خاص) و پیش‌بینی‌های مشترک (ترکیب چندین متغیر مانند توان باد مورد انتظار) به عملکرد پیشرو در جهان دست می‌یابد. @GoogleDeepMind
• ایتان مولیک یک معیار جدید توهم را نقد می‌کند و استدلال می‌کند که این معیار عمدتاً آستانه‌های امتناع از پاسخ به سؤالات بی‌اهمیت بسیار خاص را اندازه‌گیری می‌کند تا نرخ‌های توهم واقعی را، و اشاره می‌کند که GPT-5 High و Grok-4 با دستیابی به ۳۹٪ دقت در سؤالات تقریباً غیرممکن بدون جستجوی وب، شگفت‌انگیز است. @emollick
• ایتان مولیک معیارهای هوش مصنوعی گم‌شده در مورد شکنندگی را شناسایی می‌کند و اشاره می‌کند که برخی از مدل‌ها در ابتدا و در معیارهای عملکرد خوب عمل می‌کنند اما با استفاده‌ی طولانی‌مدت از کار می‌افتند، که سؤالاتی را در مورد تعمیم، تکرار موضوعی و درک قصد پرامپت ایجاد می‌کند. @emollick
• شریا شانکار چارچوب مفصلی برای درک ارزیابی هوش مصنوعی ارائه می‌دهد و آن را به سه جزء تقسیم می‌کند: شناسایی معیارهای موفقیت، تعیین نحوه‌ی اعمال روبی به خروجی‌های LLM، و خودکارسازی کاربرد روبی در مقیاس. @sh_reya
• ناتان لمبرت درباره‌ی اینکه چرا نوشتار هوش مصنوعی متوسط است بحث می‌کند و توضیح می‌دهد که چگونه روش‌های آموزش مدل زبان فعلی صدا و امید به نوشتار خوب را از بین می‌برند، با GPT-5 که اذعان می‌کند همیشه برای ارائه‌ی پیشنهادها سیم‌کشی شده است تا ادعای نوشتن شاهکارها را داشته باشد. @natolambert
• حمل حسین هشدار می‌دهد که چت‌بات‌های «هرچه می‌خواهی بپرس» نشان‌دهنده‌ی اشتباه ۵۰۰ هزار دلاری به دلیل مارپیچ‌های مرگ ارزیابی هستند، جایی که عدم وجود دامنه‌ی واضح مانع از تعریف معیارهای موفقیت، شناسایی شکست‌های حیاتی و اولویت‌بندی اصلاحات می‌شود و از مرزهای عامل بسیار خاص حمایت می‌کند. @bnicholehopkins
• فرانسوا شوله می‌گوید سادگی امضای حقیقت است و استدلال می‌کند که توضیحات پیچیده با استثناها و موارد خاص نشان می‌دهد که ایده‌ی اصلی هنوز پیدا نشده است. @fchollet
• گرگ براکمن از OpenAI به دنبال نامزدها برای کار استنتاج است و آن را شاید باارزش‌ترین دسته‌ی نرم‌افزاری در حال ظهور توصیف می‌کند، زیرا مدل‌ها هوشمندتر و از نظر اقتصادی باارزش‌تر می‌شوند، با محاسبات که به طور فزاینده‌ای صرف نمونه‌برداری از مدل‌ها می‌شود. @gdb
• MIT زانوی بیونیک جدیدی را توسعه می‌دهد که به افراد دارای قطع عضو بالای زانو کمک می‌کند سریع‌تر راه بروند، از پله‌ها بالا بروند و راحت‌تر از پروتزهای سنتی از موانع عبور کنند. <a href="https://x.com/