مدل اوپن Decision 2.0 منتشر شد ورژن یکش به اسم Lux ادعا می‌کرد از Jev بهتره اما امتیاز 43 گرفت در صورتی که Jev امتیاز 57 داشت

حالا توی ورژن جدیدش باید ببینیم چیکار کرده همچنین گفته علاوه بر تقویت مدل Lux یه مدل قوی تر از اون اضافه کردیم به اسم Vega لیست تمام مدل های جدیدش:

huggingface.co/collections/vllm-sr/decision-20

همچنین یه نسخه خیلی ضعیف هم داره برای موبایل ها خوبه.

@Linuxor

اینو من خیلی وقت پیش متوجه شده بودم، الان دیدم دیجی کالا هم به صورت عملی ازش استفاده می‌کنه روی عکس ها یه دکمه نمادین می‌سازه و می‌نویسه "خرید" تا کاربر بفهمه واقعا می‌شه اونجا کلیک کرد، من قبلا فکر می‌کردم یوزر دیگه خودش می‌دونه ولی فهمیدم یوزر اتقاقا نمی‌دونه باید اونجا کلیک کنه اگه اون "خرید" رو ننویسی آمار کلیک خیلی میاد پایین!

دلیلش هم اینه اکثر یوزرا روی عکس کلیک نمی‌کنن حتی اگر واقعا پشتش یه چیزی باشه خیلی از کاربرا اصلاً Affordance لازم رو نمی‌بینن و عکس رو صرفاً به‌عنوان یه تصویر جهت زیبایی در نظر می‌گیرن توی UX معنی Affordance یعنی ظاهر عنصر باید نشون بده که باهاش می‌شه کاری کرد چون کاربرا اونجوری که شما فکر می‌کنین فکر نمی‌کنن خیلی ساده تر فکر می‌کنن.


@Linuxor

توی سایتتون خواستید گِیج یا نمودار نشانگر بزارید مثلا برای مصرف منابع یا آب و هوا یا سرعت و قدرت چیزی یا تایمر و... از این کامپوننت ها استفاده کنید رابط کاربری زیبایی داره کاملا رایگان و تازه هم هستش همین هفته پیش معرفی شده :

www.gauge-ui.dev

@Linuxor

یه مدل System One مثل Jev ممکنه اصلاً به تمام عمق یه LLM نیاز نداشته باشه. پژوهشگرهای AutoScientists متوجه شدن که میشه بخش قابل‌توجهی از لایه‌های انتهایی شبکه رو بدون اینکه عملکرد مدل در تصمیم‌گیری افت کنه، حذف کرد.

مثلاً توی مدل Qwen3.5-4B وقتی پردازش رو توی لایه 20 از مجموع 32 لایه متوقف کردن، عملکرد تقریباً با حالتی که کل مدل استفاده می‌شد یکسان بود. پس 12 لایه آخر رو حذف کردن و مدل RSI-Jev v5.0-VL 3B رو ساختن.

این مدل توی معیار Decision Index امتیاز 38.38 گرفته، در حالی که بهترین مدل بعدی با اندازه 3B یا کمتر امتیاز 28.97 داشته. این مدل حتی از 11 مدل 4B هم عملکرد بهتری داشته.

وقتی از این زاویه نگاه کنیم، قضیه تا حدی منطقی به نظر میاد: تصمیم‌گیری و صحبت کردن 2 کار متفاوتن یه مدل System One لازم نیست کلمه بعدی رو تولید کنه؛ فقط باید اطلاعات رو بخونه و یه تصمیم بگیره.

سوال بعدی، چرا باید همه سوال‌ها رو با عمق یکسانی پردازش کنیم؟ اگه سوال‌های ساده بتونن زودتر متوقف بشن و سوال‌های سخت‌تر برن سراغ لایه‌های عمیق‌تر، این روش می‌تونه سرعت مدل رو خیلی بیشتر کنه:

github.com/Shanghua-Gao/RSI-Jev

@Linuxor

سم آلتمن می‌گه من واقعاً از این موضوع معذبم که بعضی‌ها می‌خوان برای مدل‌های هوش مصنوعی نوعی قدرت یا جایگاه دینی قائل بشن، یا طوری باهاشون برخورد کنن که انگار باید قضاوت و تشخیص انسانی خودشون رو کنار بذارن و تسلیم نظر AI بشن. به نظرم این موضوع واقعاً یک مسئله‌ی ایمنی هستش.


@Linuxor

وقتی یه مدل رایگان لوکال پیدا کردی و پروژه رو باهاش می‌بری جلو...

@Linuxor

این ویدیو رو ببینید با هوش مصنوعی Opus 5.5 ساخته شده

هوش مصنوعی به هر حوزه ای ضربه بزنه به دیزاینر ها دو برابر بقیه ضربه می‌زنه چون چیزای ظاهری خیلی می‌تونه توی فروش مدل هاشون تاثیر بزاره پس تمرکز خیلی بیشتری می‌زارن روش.

@Linuxor

از این به بعدی برای خرید دامنه ir. باید از خودتون فیلم بگیرید!


@Linuxor

یه عده دارن شبیه ساز PS5 برای PC می‌سازن، روی ویندوز، مک و لینوکس هم می‌تونید اجراش کنید و بازی کنید.

ویدیوی یوتیوب:
youtube.com/watch?v=56kW0LmOdfE

ریپوی برنامه:
github.com/KytyPS5/KytyPS5

البته قطعا هر بازی PS5 ای نمی‌تونید روش راحت و بدون باگ اجرا کنید چون چیز تازه ای هستش ممکنه باگ داشته باشه و طول می‌کشه که رفع بشه.

@Linuxor

یه مشکلی که هوش مصنوعی داره و بعید میدونم تازه کارا باهاش بتونن موفق بشن اینه که قبلا ما ماه ها یا سال ها برای پروژه ای زحمت میکشیدیم و معمولا شکست میخوردیم؛ توی مسیر ساخت این پروژه صدها پازل رو حل میکردیم و اون رنجی که با شکست و اون همه تلاش تحمل میکردیم باعث میشد مغزمون به صورت ناخودآگاه اون صدها مسیر و پازل حل شده اشتباه رو ذخیره کنه که بعدا مبادا دوباره اون کارو انجام بدیم! وقتی چندین بار شکست میخوردیم مغز هزاران مسیر غیر ممکن رو نگه میداشت و در نتیجه بعد از یه مدت نرخ موفقیتمون بالا میرفت.

اما سوال اینجاست من پروژه ای که یک‌ساله ساختم تو اگه با کلاد یک ساعته بسازی اون صدا ها تجربه و پازلی که در طول مسیر تجربه کردم رو چطور می‌تونی بدست بیاری که اگر شکست خورد فورا سویچ کنی روی پروژه بعدی؟


@Linuxor

این داشبورد CRM زیبا رو یه نفر توی دو روز با Opus 5.5 ساخته

البته هدف این نیست که برید ازش استفاده کنید چون چکش کردم اصلا یه چیز بی کاربردی بود هدف اینه برید توی فولدر .agents و اسکیل ها و نحوه ساختش رو ببینید و برای پروژه های خودتون استفاده کنید :

github.com/kargulstudio/sales-crm


@Linuxor

اگه با Claude Code، Codex یا Cursor کار می‌کنی، احتمالاً یه جایی به این مشکل رسیدی: پروژه بزرگ شده و فهمیدن معماریش از خود کدنویسی سخت‌تر شده

این Archify یه Skill جالبه که به Agent میدی تا معماری، data flow، sequence و lifecycle پروژه رو از دل کد یا توضیحاتت دربیاره و به یه دیاگرام interactive تبدیلش کنه.

خروجی یه HTML تعاملیه که می‌تونی توش node ها و مسیرها رو بررسی کنی و حتی بعضی بخش‌ها رو به source code و lineهای مشخص وصل کنی.

github.com/tt-a1i/archify

@Linuxor

اینجا می‌تونید مدل های تصمیم گیر کوچیک رو پلی بدید اون بازی دایناسورو کنن، توی مرورگر خودتون هم ‌میتونید رانش کنید

huggingface.co/spaces/shreyask/jevosaurus

@Linuxor

یه پروژه جالب پیدا کردم که هدفش ساخت اپلیکیشن‌های دسکتاپ سریع و مدرن با Rust هستش. در واقع یه عالمه ابزار و قطعه آماده در اختیارتون میذاره تا بتونین ظاهر و بخش‌های مختلف یه اپ رو راحت‌تر بسازین؛ از دکمه و منو و پنجره گرفته تا جدول، ویرایشگر متن، جستجو و کلی قابلیت دیگه.

خروجیش هم روی ویندوز، لینوکس و مک اجرا می‌شه روی وب هم با وب اسمبلی می‌شه رانش کرد ولی هدفش نیست، توی سایتش می‌تونید کامپوننت هاشو تعاملی آنلاین تست کنید :

gpui-kit.com/component


@Linuxor

بشر زمستان رو نمی‌بینه یه چیز جدیدی برای هوش مصنوعی‌های صوتی دارن روش کار می‌کنن که اسمش Flux TTS هستش، ایده‌ش اینه حتی اگه وسط حرفش بپری، می‌تونه بفهمه دقیقاً تا کجای حرفش رو شنیدی و بعد مکالمه رو از همون‌جا ادامه بده هوش مصنوعی های صوتی فعلی هر جمله رو یه درخواست جداگانه می‌بینن.

@Linuxor

دیپ سیک یه حرکتی زده فردا بعد از ظهر سهام انویدیا میریزه، موتور دقیقِ پشت مدل‌هاش رو منتشر کرده، اسمش DeepGEMM هست، DeepGEMM باعث میشه بخش محاسبات سنگین مدل‌های DeepSeek روی GPU سریع‌تر و کم‌هزینه‌تر اجرا بشه؛ مخصوصاً در کارهایی مثل ضرب ماتریسی و مدل‌های MoE که بخش خیلی مهمی از هزینه و زمان اجرای مدل رو تشکیل میدن. این خیلی برای شرکت های داخلی که دارن LLM‌ شخصی ران میکنن مفیده چون میتونن هزینه های GPU شون رو تا 2.7 برابر کمتر کنن.


@Linuxor

مخزن HeyGen همون ابزاری که خودشون باهاش با ایجنت‌های هوش مصنوعی ویدیو می‌سازن رو متن‌باز کرده.
اسمش HyperFrames هستش. ایجنتت HTML می‌نویسه و خروجی‌ش یه MP4 واقعیه.
با GSAP و Three.js و Lottie کار می‌کنه، 21 skill برای Claude Code داره، و بابت هر render هم هیچی نمی‌دی.
56 هزار استار ریپو.

github.com/heygen-com/hyperframes


@Linuxor ~ Yarad_ai

آپدیت DeepSeek-v4.1-Flash روی CPU + یک کارت RTX 3090!

کش KV با ظرفیت 262K
سرعت Prefill حدود 600 تا 800 توکن بر ثانیه
حالت C1 الان به سرعت 26 توکن بر ثانیه در Decode رسیده
حالت C4 الان به سرعت 41 توکن بر ثانیه در Decode رسیده

برای اجرای این تنظیمات به اینا نیاز داری:

1 عدد GPU با 24GB حافظه VRAM
رم 256GB DDR4 یا DDR5
فضای 200G NVMe

github.com/0xSero/dsv41-flash-offload


@Linuxor

اگه دوست دارید ظاهر سایتتون شبیه به سایتای گوگل بشه (متریال دیزاین) اینو چک کنید بدون نیاز به خود متریال می‌تونید سایت shadcn رو با تعویض چند تا Import ظاهرش رو از آسمون به زمین تغییر بدید

shadcn-m3e.crystaworld.dev


@Linuxor

وقتی 50 تا ایجنت هوش مصنوعی رایگان از شرکتای مختلف رو آوردی توی یه Workspace که کارو سریع تر انجام بدن.


@Linuxor