این مقاله درباره‌ی یه مدل هوش مصنوعی به اسم VideoJev هستش که هدفش اینه ویدیو رو بفهمه، اتفاقات داخلش رو تشخیص بده و بر اساس چیزی که دیده، تصمیم بگیره. نکته‌ی جالبش اینه که به‌جای اینکه برای هر سؤال، مثل یه چت‌بات معمولی از اول متن طولانی تولید کنه، مستقیماً بخش‌های مرتبط ویدیو و جواب‌های احتمالی رو امتیازدهی می‌کنه. این کار می‌تونه سرعت تحلیل ویدیو رو خیلی بیشتر کنه.


تصور کن یه ویدیوی 10 دقیقه‌ای داری و می‌خوای از هوش مصنوعی بپرسی:
- چه زمانی راننده ترمز کرد؟
- لحظه‌ای که یه نفر زمین خورد، دقیقاً کجای ویدیو بود؟
- آیا شخصی که وارد اتاق شد، بعداً از اتاق خارج شد؟
- بین چند اتفاقی که افتاده، کدومشون زودتر اتفاق افتاده؟
huggingface.co/papers/2610.18615

@Linuxor

به نظر من این دکمه فالو کردن یا سابسکرایب کردن برای بعضی شبکه های اجتماعی بیخودیه باید حذفش کنن یه سیستمی باشه مثلا وقتی دو سه تا ویدیو کامل از طرف دیدی خودکار به فالور های طرف اضافه بشی و اگه یه مدت پست های طرف رو ایگنور کردی و کامل ندیدیش طرف خودکار آنفالو بشه.

چون اصلا فالو کردن امروزی دیگه معنی قدیمشو نداره که همیشه پست از طرف ببینی بجاش بیشتر چیزایی که دوست داری رو داری میبینی نه فالو هات، اینطوری حتی یه سیستم انگیزه قوی تری به وجود میاد برای تولید کننده های محتوا که ببین من دارم خوب فعالیت میکنم و میره بالا پیجم و اگه محتوای بد بزاره اون عدده میاد پایین یه جور عدد فالور تبدیل میشه به رتبه قدرت تولید محتوای طرف و ملاک دقیق تری میشه برای اینکه بفهمی کی محتواش قوی تره. اگه گوگل پلی هم دیده باشید تعداد نصب هارو نشون نمیده ولی نصب های فعالو نشون میده یه ملاک خیلی خوبیه برای سنجیدن خوب بودن اپ.

@Linuxor

سم آلتمن: همه‌مون درباره سرعت پیشرفت و فراگیر شدن هوش مصنوعی بیش از حد بلندپرواز بودیم، حتی با وجود این فناوری فوق‌العاده‌ای که در اختیار داریم.
«فکر می‌کردم وقتی به GPT-4 برسیم، همون اول شاهد تغییرات و تحولات خیلی بزرگ‌تری توی صنعت نرم‌افزار خواهیم بود.»
«من درباره سرعت این تغییرات اشتباه می‌کردم.»
«اقتصاد به‌سادگی اینرسی (مقاومت در برابر تغییر) خیلی زیادی داره؛ یعنی در برابر تغییر مقاومت می‌کنه. مردم همچنان همون کارهای قبلی رو انجام می‌دن و از همون شرکت‌های همیشگی خرید می‌کنن.»
«هوش مصنوعی یکی از شگفت‌انگیزترین فناوری‌هاییه که بشر تا حالا اختراع کرده، اما جامعه و اقتصاد با سرعت خیلی کمتری خودشون رو باهاش وفق می‌دن.»
«تغییر دادن رفتار آدم‌ها خیلی سخت‌تر از چیزیه که متخصص‌های فنی و عاشقان فناوری تصور می‌کنن.»

@Linuxor

اگه با AI کد می‌زنی، احتمالاً با این مشکل برخورد کردی هرچی پروژه بزرگ‌تر می‌شه و مکالمه طولانی‌تر، Context پرتر می‌شه، توکن بیشتری مصرف می‌کنی و ایجنت ممکنه جزئیات مهم کار رو از دست بده. پروژه‌ی Context Mode دقیقاً برای حل همین مشکل ساخته شده.

این ابزار با پردازش خروجی‌های حجیم، فیلتر کردن اطلاعات و ذخیره‌سازی و بازیابی کانتکست، کمک می‌کنه به‌جای وارد کردن حجم زیادی از داده‌های خام به مدل، فقط اطلاعات مرتبط بهش برسه. نتیجه؟ Context خلوت‌تر و استفاده‌ی بهینه‌تر از توکن‌ها. Context Mode برای کار با ایجنت‌های کدنویسی و ابزارهایی مثل Claude Code، Codex و چند ابزار دیگه طراحی شده و از طریق MCP و یکپارچه‌سازی‌های مرتبط کار می‌کنه. مخصوصاً برای پروژه‌های بزرگ و تسک‌های طولانی می‌تونه کاربردی باشه.

github.com/mksglu/context-mode


@Linuxor

قشنگ ترین تغییری که مرورگر ها کردن این بود که آیکون قفل سبز رو از کنار آدرس سایت ها برداشتن

چون یه باور غلطی بود بین مردم عادی که سایتی قفل سبز داشته باشه امنه و می‌رفتن ازش خرید می‌کردن یا پسوردشون رو توش وارد می‌کردن یهویی سایته فیک از آب در میومد چون هر کسی می‌تونه یه سایت HTTPS به راحتی بسازه،‌ متخصصا خوب نتونسته بودن مفهوم HTTPS رو جا بندازن و بدتر از اون با قفل سبز مردم عادی رو گمراه می‌کردن و کار بهتر این بود اصلا بهش اشاره نکنن چه دلیلی داره کاربر بفهمه ارتباط بین مرورگر و سایت رمزنگاری شده!!

@Linuxor

تیبو یکی از افراد کلیدی OpenAI :

"یا دیگه هیچ ایده‌ای به ذهنمون نمی‌رسه، یا داریم پخت و پز می‌کنیم! زمان مشخص می‌کنه کدومشه"

@Linuxor

فکر میکردیم آینده چی میشه و چی شد!


@Linuxor

دیپ‌سیک مدل جدید DeepSeek-V4.1-Flash-1017 رو اوپن کرده مدلی که برای استدلال، برنامه‌نویسی و اجرای تسک‌های پیچیده طراحی شده و واقعا قدرتمنده

یکی از ویژگی‌های این مدل، پنجره متنی بسیار بزرگشه که امکان کار با حجم زیادی از اطلاعات رو فراهم می‌کنه. در کنار اون، قابلیت‌های کدنویسی و انجام وظایف چندمرحله‌ای، اون رو به گزینه‌ای جالب برای ساخت ایجنت‌های هوش مصنوعی تبدیل می‌کنه.

مدل روی Hugging Face منتشر شده، البته اجرای کاملش به منابع سخت‌افزاری قابل‌توجهی نیاز داره؛ پس استفاده از API می‌تونه برای خیلی‌ها گزینه عملی‌تری باشه ولی برای شرکت ها خیلی خوبه :

huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017

@Linuxor

مقایسه نتیجه مدل اوپوس 5.5 با DeepSeek V4.1 Flash-1017

قطعا اوپوس 5.5 توی بنچمارک ها مدل قوی تریه ولی اینکه نتایج شبیه به هم درمیاد برای اکثر تسک ها و هزینه تقریبا برای دیپ سیک نزدیک به صفره این نشون میده همیشه انتخاب قوی ترین مدل بهترین انتخاب نیست.

هزینه دیپ سیک 0.23 دلار هزینه اوپوس 6 دلار.


@Linuxor

اگه از کامپوننت‌های تکراری خسته شدید، این یکی رو ببینید!

پر از کامپوننت‌های خاص و مدرنه؛ از انیمیشن‌های جذاب گرفته تا افکت‌های سه‌بعدی که می‌تونن ظاهر پروژه‌تون رو کاملاً متفاوت کنن. حتماً یه سر بهش بزنید و سیوش کنید:
spaceui.one/components

@Linuxor ~ negahUi_tech

این مدل جدید دیپ سیک که اوپن هم هست و میتونید رو سخت افزار شخصی خدا تومنی رانش کنید واقعا نتایجش باور نکردنیه این اوپوس نیست بلکه یه مدل Flash دیپ سیکه!

@Linuxor

اینو ببینید فقط یه فایل HTML به اندازه 60 کیلوبایته، صنعت سه بعدی توی وب واقعا با هوش مصنوعی پیشرفت خوبی کرده به نظرم بازی های وبی سبک آينده خوبی دارن به خصوص هوش مصنوعی هم خوب می‌تونه بفهمتشون و کدشون رو بزنه

این با کلاد ساخته شده :
github.com/Noniv/web-ocean

@Linuxor

این گیم پلی از MW4 رو ببینید دیگه کلا توقع اتون از GTA-6 بالا می‌ره عجب چیزیه!

دقت کنید فقط بخش داستانی بازی به‌صورت دسترسی زودهنگام برای کسایی که بازی رو پیش‌خرید کردن، در دسترس قرار گرفته.

@Linuxor

با CLI-Anything آشنا بشید؛ پروژه‌ای متن‌باز، به‌جای اینکه AI مجبور باشه با رابط گرافیکی کار کنه و دکمه‌ها رو یکی‌یکی بزنه، می‌تونه از طریق دستورهای خط فرمان با نرم‌افزارها تعامل داشته باشه.

ایده‌ش اینه که برای نرم‌افزارهایی مثل Blender، GIMP و ابزارهای دیگه، رابط CLI ساخته بشه تا ایجنت‌ها بتونن کارهایی مثل ساخت و ویرایش محتوا، اجرای عملیات و گرفتن خروجی رو با دستورهای مشخص انجام بدن.

فقط به استفاده از ابزارهای آماده محدود نیست؛ هدف پروژه اینه که ساخت CLI برای نرم‌افزارهای مختلف رو هم ساده‌تر کنه. یعنی ایجنت‌های برنامه‌نویسی می‌تونن در این فرایند کمک کنن تا نرم‌افزارها برای اتوماسیون هوش مصنوعی قابل‌استفاده‌تر بشن.

github.com/HKUDS/CLI-Anything

@Linuxor

این مدل جدید دیپ سیک که اوپن هم هست درسته بنچمارک های ضعیف تری داره ولی توی نتایج واقعا حتی از GPT-6-Astra هم بهتر عمل میکنه!

هزینه Astra حدود 7 دلار هزینه دیپ سیک 0.9 دلار.


@Linuxor

یکی از پروژه‌های جالب تو حوزه Generative UI، پروژه‌ی OpenUI از Thesys هستش. ایده‌ش اینه که خروجی هوش مصنوعی محدود به متن نباشه و بتونه بر اساس درخواست کاربر، UIهایی مثل فرم، جدول، نمودار و داشبورد تولید کنه. یعنی به‌جای اینکه فقط درباره‌ی یه چیز توضیح بده، امکان نمایش اون در قالب یه رابط تعاملی هم وجود داره.

ساخت UI دیگه لزوماً به معنی انتخاب یه کامپوننت ثابت از قبل نیست. مدل می‌تونه بر اساس کانتکست گفتگو، ساختار رابط موردنیاز رو تولید کنه و این ساختار در فرانت‌اند رندر بشه. این رویکرد می‌تونه برای ساخت AI assistant ها و اپلیکیشن‌هایی که رابطشون با توجه به نیاز کاربر تغییر می‌کنه، کاربردی باشه.
از نظر فنی، OpenUI خودش LLM نیست؛ بین خروجی مدل و لایه‌ی نمایش قرار می‌گیره. با استفاده از OpenUI Lang، ساختار UI به شکل قابل پردازش تولید می‌شه و Renderer اون رو به کامپوننت‌های واقعی تبدیل می‌کنه. در نتیجه، مدل روی تولید ساختار متمرکز می‌شه و رندر و تعاملات سمت اپلیکیشن مدیریت می‌شن.

نصب:
pnpx @openuidev/cli@latest create

کد و جزئیات پیاده‌سازی:

openui.com


@Linuxor

یکی مشکلاتی که همه نقشه های مسیریاب دارن اینه که شما نمی‌تونید چند تا مسیر رو همزمان با هم مقایسه کنید.

مثلاً دنبال خونه‌اید و چند تا گزینه دارید. می‌خواید ببینید از هر کدوم تا محل کار خودتون و همسرتون و مدرسهٔ بچه چقدر راهه. باید ده بار مسیریابی کنید و عددها رو یه جا یادداشت کنید.

یا مثلاً باید کلید یا مدارکی رو به همکارتون بدید. هر دو عصر از سر کار راه می‌افتید سمت خونه، ولی خونه‌هاتون دو طرف شهره. افزونه جایی رو پیدا می‌کنه که سر راه هر دوتون باشه و کمترین وقت اضافه رو بگیره.

یه افزونه فایرفاکس و کروم نوشتم که این کار ها رو روی نقشه نشان انجام میده. لینک github اون رو در توییت بعدی قرار میدم.

البته بیشتر برای استفاده شخصی خودم نوشتم ولی گفتم با شما هم به اشتراک بذارم:

github.com/vahidbaghi/neshan-routes

@Linuxor ~ vahidbaghi95

شرکت آنتروپیک می‌گه حدود 90 درصد از کدهای Claude Code رو خود Claude می‌نویسه؛ اما چطور کیفیت این حجم از کد رو کنترل می‌کنن؟

این شرکت در مقاله‌ای جدید توضیح داده که چطور با تغییر فرایند Code Review، از ژوئن تا سپتامبر تعداد PRهای ادغام‌شده رو بیش از 2 برابر کرده و هم‌زمان سهم تغییرات برگشت‌خورده رو بیش از 40 درصد کاهش داده.

راهکارشون ترکیبی از بازبینی کد با هوش مصنوعی، تست‌های خودکار، بررسی امنیتی و نظارت انسانی متناسب با میزان ریسک تغییراته. هدف اینه که توسعه سریع‌تر بشه، بدون اینکه کنترل کیفیت قربانی سرعت بشه.

آنتروپیک همچنین توضیح داده که تیم‌های دیگه چطور می‌تونن این رویکرد رو در فرایند توسعه خودشون پیاده کنن:

claude.dev/blog/solving-code-review-at-anthropic

@Linuxor

چند ماهی بود که چرخش خودکار صفحه گوشیم کلا از کار افتاده بود

با نرم افزار های جانبی یه تستی گرفتم گفتش ژیروسکوپ گوشیت سوخته، ژیروسکوپ یه سنسوریه که باهاش میشه فهمید گوشی حول سه محور x,y,z با چه سرعتی میچرخه! و گوشی از روی این میفهمه که چرخیده.

امروز به طور شانسی فهمیدم ژیروسکوپم نسوخته این قابلیت Sensors off زده ژیروسکوپ رو خاموشش کرده! احتمالا بخاطر جلوگیری از جاسوسی! با ژیروسکوپ گوشی میشه حدودی فهمید چه چیزی دارید تایپ می‌کنید! ضربه های انگشت میتونن لرزش های ریز منحصر به فردی ایجاد کنن که با یادگیری ماشین میشه چیزی که تایپ میکنید رو حدودی بدست آورد!


@Linuxor

این ابزار برای مک رو دیدم که ویدیو هاش توی شبکه های اجتماعی میلیون ها بازدید خورده بود و مردم کلی هم نظر 5 ستاره داده بودن وای این چه چیز خفنیه!

ولی واقعیتش اکثر مردم نمی‌دونن چی خفنه و چی خفن نیست این ابزار یه تبدیل کننده فایل سادس که هزاران جایگزین براش وجود داره علت اینکه این معروف شده فقط اینه یه نمایش زیبا داره مردم گاهی نمایش زیبا رو با کاربردی بودن اشتباه می‌گیرن! مگر یه فرد در روز چقدر فایل کانورت می‌کنه؟ حتی خیلیا نرم افزاری براش نصب نمی‌کنن و از سایت های آنلاین استفاده می‌کنن پس اونقدری چیز مهمی نیست.

درسی که می‌شه از این گرفت اینه یه چیزی بسازید حتی اگر کاربردی نباشه ولی نمایش خوبی از خودش ارائه کنه موفق می‌شه، دانلود:

tangerineformac.com

@Linuxor