مدل‌های جدید openai که opensource هم هست روی groq دپلوی شده !


تست کنید متوجه می‌شید؛ دنیای open source توی این سایز از مدل‌ها خیلی از openai جلوتر هست!

برای تست :

من روی دیتاست تست خودم تست میگیرم، مشکلاتی که توی این مدت داشتم و مدل‌های بزرگ نتونستند حل کنند ولی توی ورژن‌های بعدی حل شده!
حالا یک فایل csv بزرگ شده که دسته بندی هم داره؛ برای
برای مدل‌های ۳۰ میلیاردی و کمتر
برای مدل‌های ۳۰-۷۰ میلیاردی
برای مدل‌های ۷۰ تا ۱۵۰ میلیاردی
برای مدل‌های ۱۵۰ تا ۲۵۰ میلیاردی
برای مدل‌های ۲۵۰ تا ۳۵۰ میلیاردی
و درنهایت مدل‌های بالای ۳۵۰ میلیارد پارامتر

و اینجوری هست که سوالی که بنظرم چالشی بوده رو انتخاب کردم از مدل‌های کوچیک شروع کردم تا بزرگ و اولین کوچکترین مدلی که تونسته به سوالم جواب درست بده رو علامت زدم!

پیشنهاد می‌کنم شماهم اینکارو بکنید و دوتا دلیل هم دارم :
۱- دیگه اکثر بنچمارک‌ها بی‌معنی شدند
۲- نحوه استفاده شما از مدل‌ بسیار تعیین کننده هست.
مثلاً برای یک نویسنده، هیچوقت مدلی که بهترین نتایج روی SWE یا LMSYS داره شاید مهم نباشه ولی یک مدل که بهترین کلمات جایگزین رو پیشنهاد می‌ده بهترین مدل بشه.


Groq chat

مدل‌های جدید openai که opensource هم هست روی groq دپلوی شده !


تست کنید متوجه می‌شید؛ دنیای open source توی این سایز از مدل‌ها خیلی از openai جلوتر هست!

برای تست :

من روی دیتاست تست خودم تست میگیرم، مشکلاتی که توی این مدت داشتم و مدل‌های بزرگ نتونستند حل کنند ولی توی ورژن‌های بعدی حل شده!
حالا یک فایل csv بزرگ شده که دسته بندی هم داره؛
برای مدل‌های ۳۰ میلیاردی و کمتر
برای مدل‌های ۳۰-۷۰ میلیاردی
برای مدل‌های ۷۰ تا ۱۵۰ میلیاردی
برای مدل‌های ۱۵۰ تا ۲۵۰ میلیاردی
برای مدل‌های ۲۵۰ تا ۳۵۰ میلیاردی
و درنهایت مدل‌های بالای ۳۵۰ میلیارد پارامتر

و اینجوری هست که سوالی که بنظرم چالشی بوده رو انتخاب کردم از مدل‌های کوچیک شروع کردم تا بزرگ و اولین کوچکترین مدلی که تونسته به سوالم جواب درست بده رو علامت زدم!

پیشنهاد می‌کنم شماهم اینکارو بکنید و دوتا دلیل هم دارم :

۱- دیگه اکثر بنچمارک‌ها بی‌معنی شدند
۲- نحوه استفاده شما از مدل‌ بسیار تعیین کننده هست.

مثلاً برای یک نویسنده، هیچوقت مدلی که بهترین نتایج روی SWE یا LMSYS داره شاید مهم نباشه ولی یک مدل که بهترین کلمات جایگزین رو پیشنهاد می‌ده بهترین مدل بشه.


Groq chat

وقتی شما از Request دیتایی دریافت میکنی، معمولاً مقدار ورودی به صورت رشته string هستش.
اما گاهی لازم داری که مقدار ورودی رو به نوع خاصی مثل integer ، boolean، array, ،date یا enum تبدیل کنی.

قبلاً باید خودت دستی این تبدیل هارو انجام میدادی، مثلاً با استفاده از (int) یا boolval() یا کدهای مشابه. ولی توی نسخه جدید لاراول ، متودهایی مثل integer(), boolean(), array(), date(), و enum() بهت اجازه میدن که به سادگی و مستقیم ورودی رو به نوع مورد نظرت تبدیل کنی.

📌 یه مثال:

$age = $request->integer('age');     
  // مقدار 'age' رو به عدد صحیح تبدیل می‌کنه

$isActive = $request->boolean('active');
 // مقدار 'active' رو به true یا false تبدیل می‌کنه

$tags = $request->array('tags');   
    // مقدار 'tags' رو به آرایه تبدیل می‌کنه

بدون نیاز به تبدیل دستی، کد تمیزتر و خواناتری داری.
#Laravel

@GoldenCodeir

(به‌منبع و مثالش دقت کنید 👇🏾)
https://x.com/PovilasKorop/status/1952304768493277191?s=35

دیسکاور یکی از مشتریان ما طی 16 ماه
و سرچ کنسول همون مشتری ما طی 16 ماه

دیسکاور 4.3 میلیون
سرچ کنسول 346 هزار

اگر میخواید وارد دیسکاور بشید محتوای شرط اول اینکه محتوای تقلبی درست نکنید
و مردم محصولات و مطالبتون رو دوست داشته باشن

@poinair پوینا

موتورش روشن شد 🤝

🔶 یه فن کیسم سوخت.

@TheRaymondDev

تفاوت ایجاد شده با بهره گیری از حافظه کش در دستور check:import در یک نمونه پروژه واقعی

@codino

🔅 نسخه جدید laravel-microscope منتشر شد:
v1.0.395

- سرعت اجرای دستور check:import در حالت استفاده از cache ارتقا چشمگیری پیدا کرد.
- سرعت اجرای دستور check:aliases با استفاده از روش caching افزایش پیدا کرد.
- دامنه جستجوی دستور check:dd بیشتر شد.
- بهبود در خوانایی کدها

https://github.com/imanghafoori1/laravel-microscope

@codino

🔶 یه اجرا کننده سرور داخلی PHP خام با دستور php run server نوشتم.

شیبه اجرا کننده سرور داخلی لاراول

گیت هاب :

https://github.com/Rayiumir/php-server

@TheRaymondDev

زندگی کوتاه تر از باتری پشتیبان دکل ها موقع قطعی برقه؛ زیبا بنواز

@Linuxor

تمرکز آرشیو تا یک هفته آینده روی معرفی 50,000 ریپو مهم گیتهاب و تمامی پروژه های پیشین فارسی زبانان خواهد بود،
سپس هر پروژه ای که روی این پلتفورم قرار گیرد، با کمتر از سی ثانیه تاخیر معرفی خواهد شد.
ما به حمایت رسانه ای شما نیاز داریم، لطفاً آرشیو رو به دیگر گیک های فارسی زبان هم معرفی کنید 🤝
🆔 @Hiradsajde

اون چیزی که از Clean Code کتاب شده صرفا یه قصه شیرینه که تازه کار ها در جریان کار باشن، Clean Code واقعی 100% بر پایه تجربس و بسیار تلخه.


@Linuxor

با تشکر از بهرنگ: ۵۰ تا مات یک حرکت ساده رو اینجا تمرین کنین: https://lichess.org/study/Lm53N4Hg

🛠 ابزارها در حوزه Linters و تحلیل کد Go

1. Actionlint

* وظیفه: بررسی استاتیک فایل‌های workflow در GitHub Actions (.yml/.yaml در مسیر .github/workflows/)
* ویژگی‌ها:

* بررسی نحوی و semantic expressions (${{ }})
* اعتبارسنجی فراخوانی Actionها، ورودی/خروجی، نوع runners و امنیت اسکریپت‌ها
* استفاده از ShellCheck و Pyflakes برای lint کردن inline scripts
* CLI + کتابخانه Go برای استفاده در ابزارهای CI/CD ([megalinter.io][1])

---

2. Hadolint

* وظیفه: lint کردن Dockerfile
* ویژگی‌ها:

* نوشته شده با Haskell**؛ استفاده از AST برای تحلیل دستورات Docker
* ادغام با **ShellCheck برای بررسی اسکریپت‌های bash داخل RUN
* امکان ignore قوانین، سفارشی‌سازی severity، trusted registries و خروجی‌های متنوع (json, sarif, checkstyle)
* قابلیت اجرا به صورت binary، container تصویر Docker و ادغام در CI یا IDE ([megalinter.io][2])

---

3. deadcode

* وظیفه: شناسایی کدهای بلا‌استفاده (dead code) در برنامه‌های Go
* ویژگی‌ها:

* استفاده از تحلیل Rapid Type Analysis (RTA) برای ساخت call graph از تابع‌های reachable از main
* شناسایی توابع و متدهایی که در جریان اجرا هرگز فراخوانی نمی‌شوند، حتی در ورودی‌های تست
* گزینه‌های -test, -filter, -generated برای کنترل نوع تحلیل و محدودسازی نتایج
* نصب از طریق go install ...@latest ([Google Groups][3], [Go][4], [Go Packages][5])

---

4. fieldalignment

* وظیفه: آنالیز alignment فیلدهای struct
* ویژگی‌ها:

* بررسی شکل ساختار struct برای بهبود چینش فیلدها و کاهش حافظه مصرف‌شده
* موجود در پکیج go/analysis و قابل اجرا به‌صورت standalone یا در قالب Pass در تحلیل‌های سفارشی
* نصب با go install golang.org/x/tools/go/analysis/passes/fieldalignment/cmd/fieldalignment@latest

---

5. Protolint

* وظیفه: lint (و در برخی موارد fix) فایل‌های .proto مطابق با استاندارد Google Protobuf
* ویژگی‌ها:

* اجرا بدون نیاز به compiler اصلی (protoc) و سبک اجرا
* تولید گزارش برای قوانین style مانند نام‌گذاری، indentation، order imports، documentation، comment برای RPC و پیام‌ها
* توانایی غیرفعال‌سازی قوانین در سطح فایل، استفاده از پلاگین برای قوانین سفارشی، و خروجی‌های متنوع (json, junit, sarif)


✅ کدومش برای پروژه شما کاربردیه؟

* CI پروژه با workflows عالیه → Actionlint
* ساختن Docker image استاندارد/امن → Hadolint
* حذف کدهای غیرضروری پس refactor → deadcode
* بهینه‌سازی حافظه باینری در structها → fieldalignment
* بررسی فایل‌های protobuf و استانداردسازی API → Protolint

🛠 ابزارها در حوزه Linters و تحلیل کد Go

1. Actionlint

* وظیفه: بررسی استاتیک فایل‌های workflow در GitHub Actions (.yml/.yaml در مسیر .github/workflows/)
* ویژگی‌ها:

* بررسی نحوی و semantic expressions (${{ }})
* اعتبارسنجی فراخوانی Actionها، ورودی/خروجی، نوع runners و امنیت اسکریپت‌ها
* استفاده از ShellCheck و Pyflakes برای lint کردن inline scripts
* CLI + کتابخانه Go برای استفاده در ابزارهای CI/CD ([megalinter.io][1])

---

2. Hadolint

* وظیفه: lint کردن Dockerfile
* ویژگی‌ها:

* نوشته شده با Haskell**؛ استفاده از AST برای تحلیل دستورات Docker
* ادغام با **ShellCheck برای بررسی اسکریپت‌های bash داخل RUN
* امکان ignore قوانین، سفارشی‌سازی severity، trusted registries و خروجی‌های متنوع (json, sarif, checkstyle)
* قابلیت اجرا به صورت binary، container تصویر Docker و ادغام در CI یا IDE ([megalinter.io][2])

---

3. deadcode (golang.org/x/tools/cmd/deadcode)

* وظیفه: شناسایی کدهای بلا‌استفاده (dead code) در برنامه‌های Go
* ویژگی‌ها:

* استفاده از تحلیل Rapid Type Analysis (RTA) برای ساخت call graph از تابع‌های reachable از main
* شناسایی توابع و متدهایی که در جریان اجرا هرگز فراخوانی نمی‌شوند، حتی در ورودی‌های تست
* گزینه‌های -test, -filter, -generated برای کنترل نوع تحلیل و محدودسازی نتایج
* نصب از طریق go install ...@latest ([Google Groups][3], [Go][4], [Go Packages][5])

---

4. fieldalignment (golang.org/x/tools/go/analysis/passes/fieldalignment)

* وظیفه: آنالیز alignment فیلدهای struct
* ویژگی‌ها:

* بررسی شکل ساختار struct برای بهبود چینش فیلدها و کاهش حافظه مصرف‌شده
* موجود در پکیج go/analysis و قابل اجرا به‌صورت standalone یا در قالب Pass در تحلیل‌های سفارشی
* نصب با go install golang.org/x/tools/go/analysis/passes/fieldalignment/cmd/fieldalignment@latest

---

5. Protolint (github.com/yoheimuta/protolint)

* وظیفه: lint (و در برخی موارد fix) فایل‌های .proto مطابق با استاندارد Google Protobuf
* ویژگی‌ها:

* اجرا بدون نیاز به compiler اصلی (protoc) و سبک اجرا
* تولید گزارش برای قوانین style مانند نام‌گذاری، indentation، order imports، documentation، comment برای RPC و پیام‌ها
* توانایی غیرفعال‌سازی قوانین در سطح فایل، استفاده از پلاگین برای قوانین سفارشی، و خروجی‌های متنوع (json, junit, sarif)
* نصب از طریق Homebrew، GitHub Release یا go install و ادغام در CI/IDE/VSCode/JetBrains ([cursor.directory][6],

✅ کدومش برای پروژه شما کاربردیه؟

* CI پروژه با workflows عالیه → Actionlint
* ساختن Docker image استاندارد/امن → Hadolint
* حذف کدهای غیرضروری پس refactor → deadcode
* بهینه‌سازی حافظه باینری در structها → fieldalignment
* بررسی فایل‌های protobuf و استانداردسازی API → Protolint

مولانا | دیوان شمس | رباعیات | رباعی شمارهٔ ۴۰۱

لطف تو جهانی و قرانی افراشت
وین تعبیه های خود به چیزی ننگاشت
یک قطره از آن آب در این بحر چکید
یگدانه ز انبار در این صحرا کاشت

#مولانا | گنجور
📍@iipoem