🔒 سرقت اطلاعات کاربران API اوپناِیآی
اوپناِیآی اعلام کرد که اوایل نوامبر سرویس آنالیتیک Mixpanel که برای تحلیل رفتار کاربران استفاده میکرد، هک شده و دادههای مربوط به کاربران API افشا شده است.
چه چیزهایی لو رفته؟
• نام صاحب اکانت API
• ایمیل مرتبط با اکانت
• موقعیت تقریبی (شهر، منطقه، کشور) بر اساس داده مرورگر
• سیستمعامل و مرورگر مورد استفاده
• وبسایتهایی که کاربر از آنها وارد شده
• شناسههای سازمانی یا کاربری متصل به اکانت API
⛔ خوشبختانه: کلیدهای API، رمز عبورها و اطلاعات پرداخت فاش نشدهاند.
این حادثه یادآوری مهمی است:
حتی ابزارهای آنالیتیک هم میتوانند نقطه ضعف امنیتی باشند.
برای امنیت، سازمانها و کاربران باید اکانتهای خود را بررسی و سیاستهای امنیتیشان را بهروزرسانی کنند.
#OpenAI #CyberSecurity #DataLeak #APISecurity #InfoSec #Privacy #AISecurity
اوپناِیآی اعلام کرد که اوایل نوامبر سرویس آنالیتیک Mixpanel که برای تحلیل رفتار کاربران استفاده میکرد، هک شده و دادههای مربوط به کاربران API افشا شده است.
چه چیزهایی لو رفته؟
• نام صاحب اکانت API
• ایمیل مرتبط با اکانت
• موقعیت تقریبی (شهر، منطقه، کشور) بر اساس داده مرورگر
• سیستمعامل و مرورگر مورد استفاده
• وبسایتهایی که کاربر از آنها وارد شده
• شناسههای سازمانی یا کاربری متصل به اکانت API
⛔ خوشبختانه: کلیدهای API، رمز عبورها و اطلاعات پرداخت فاش نشدهاند.
این حادثه یادآوری مهمی است:
حتی ابزارهای آنالیتیک هم میتوانند نقطه ضعف امنیتی باشند.
برای امنیت، سازمانها و کاربران باید اکانتهای خود را بررسی و سیاستهای امنیتیشان را بهروزرسانی کنند.
#OpenAI #CyberSecurity #DataLeak #APISecurity #InfoSec #Privacy #AISecurity
❤2😁2
🌟 گوگل میخواهد رقابت هوش مصنوعی را نه با سرعت، بلکه با کاهش هزینهٔ محاسبات ببرد.
در حالی که انویدیا GPUها را با حاشیه سود بالا به کلودها میفروشد و هزینه نهایی برای مشتریان بالا میرود، گوگل TPUها را تقریباً به قیمت تمامشده تولید و عرضه میکند.
نتیجه؟ کاهش شدید هزینهٔ هر توکن در پردازشهای هوش مصنوعی.
🔹 کلید ماجرا:
بزرگترین هزینه در AI، آموزش نیست—بلکه اینفرنس است؛ یعنی هزینهٔ تولید توکن پس از استقرار مدل.
وقتی مدل اجرا میشود، تقریباً تمام بودجه صرف توکنسازی میشود، نه آموزش.
🔹 مزیت گوگل
با یکپارچهسازی عمودی (طراحی چیپ → دیتاسنتر → شبکه → سرویسهای ابری)، گوگل میتواند هزینهٔ هر توکن را دائماً پایین بیاورد و همین کاهش را مستقیم به کاربران منتقل کند.
🔹 چرا این مهم است؟
اگر قیمت اهمیت بیشتری از سرعت پیدا کند، بسیاری از شرکتها TPU را به GPU ترجیح خواهند داد.
🔹 نقش انویدیا
انویدیا همچنان رهبر آموزش مدلهای بزرگ خواهد بود، اما ممکن است نتواند همین حاشیه سود بالا را حفظ کند—بهخصوص اگر حجم بزرگی از اینفرنس به TPU منتقل شود.
🔹 برتری دیگر گوگل
اکوسیستم عظیمی مثل Search، YouTube، Android و Workspace ظرفیت TPUها را بهطور کامل پر میکند و تقاضای پایدار تضمین میشود.
منبع:
https://x.com/KrisPatel99/status/1993259550544191645
@rss_ai_ir
#Google #TPU #Nvidia #AI #MachineLearning #Inference #CloudComputing #TechEconomics
در حالی که انویدیا GPUها را با حاشیه سود بالا به کلودها میفروشد و هزینه نهایی برای مشتریان بالا میرود، گوگل TPUها را تقریباً به قیمت تمامشده تولید و عرضه میکند.
نتیجه؟ کاهش شدید هزینهٔ هر توکن در پردازشهای هوش مصنوعی.
🔹 کلید ماجرا:
بزرگترین هزینه در AI، آموزش نیست—بلکه اینفرنس است؛ یعنی هزینهٔ تولید توکن پس از استقرار مدل.
وقتی مدل اجرا میشود، تقریباً تمام بودجه صرف توکنسازی میشود، نه آموزش.
🔹 مزیت گوگل
با یکپارچهسازی عمودی (طراحی چیپ → دیتاسنتر → شبکه → سرویسهای ابری)، گوگل میتواند هزینهٔ هر توکن را دائماً پایین بیاورد و همین کاهش را مستقیم به کاربران منتقل کند.
🔹 چرا این مهم است؟
اگر قیمت اهمیت بیشتری از سرعت پیدا کند، بسیاری از شرکتها TPU را به GPU ترجیح خواهند داد.
🔹 نقش انویدیا
انویدیا همچنان رهبر آموزش مدلهای بزرگ خواهد بود، اما ممکن است نتواند همین حاشیه سود بالا را حفظ کند—بهخصوص اگر حجم بزرگی از اینفرنس به TPU منتقل شود.
🔹 برتری دیگر گوگل
اکوسیستم عظیمی مثل Search، YouTube، Android و Workspace ظرفیت TPUها را بهطور کامل پر میکند و تقاضای پایدار تضمین میشود.
منبع:
https://x.com/KrisPatel99/status/1993259550544191645
@rss_ai_ir
#Google #TPU #Nvidia #AI #MachineLearning #Inference #CloudComputing #TechEconomics
👍1
🌟 مدل ToolOrchestra؛ انقلاب تازه در هوش مصنوعی عاملمحور
انویدیا بههمراه دانشگاه هنگکنگ «ToolOrchestra» را معرفی کرده؛ روشی برای آموزش رهبر ارکسترهای هوش مصنوعی که میتوانند چندین مدل و ابزار را همزمان هماهنگ کنند.
نتیجهٔ این رویکرد، Orchestrator-8B است — مدلی بر پایه Qwen3 که بهجای حل مسئله بهتنهایی، میان تفکر و فراخوانی ابزارها سوئیچ میکند:
جستجوگر وب، مفسر کد، مدلهای تخصصی ریاضی و حتی غولهایی مثل Claude و Llama-Nemotron.
✨ دستاوردها:
♻️حل مسائل ۲.۵ برابر سریعتر
♻️هزینهٔ استقرار ۷۰٪ کمتر
♻️کسب ۳۷.۱٪ در بِنچمارک سخت Humanity’s Last Exam
(بالاتر از GPT-5 با ۳۵.۱٪)
📎 پروژه با لایسنس Apache 2.0 منتشر شده است.
https://research.nvidia.com/labs/lpr/ToolOrchestra/
https://huggingface.co/nvidia/Orchestrator-8B
https://arxiv.org/pdf/2511.21689
https://huggingface.co/datasets/nvidia/ToolScale
https://github.com/NVlabs/ToolOrchestra
#AI #LLM #NVIDIA #Orchestrator #ToolOrchestra #Agents #MachineLearning
انویدیا بههمراه دانشگاه هنگکنگ «ToolOrchestra» را معرفی کرده؛ روشی برای آموزش رهبر ارکسترهای هوش مصنوعی که میتوانند چندین مدل و ابزار را همزمان هماهنگ کنند.
نتیجهٔ این رویکرد، Orchestrator-8B است — مدلی بر پایه Qwen3 که بهجای حل مسئله بهتنهایی، میان تفکر و فراخوانی ابزارها سوئیچ میکند:
جستجوگر وب، مفسر کد، مدلهای تخصصی ریاضی و حتی غولهایی مثل Claude و Llama-Nemotron.
✨ دستاوردها:
♻️حل مسائل ۲.۵ برابر سریعتر
♻️هزینهٔ استقرار ۷۰٪ کمتر
♻️کسب ۳۷.۱٪ در بِنچمارک سخت Humanity’s Last Exam
(بالاتر از GPT-5 با ۳۵.۱٪)
📎 پروژه با لایسنس Apache 2.0 منتشر شده است.
https://research.nvidia.com/labs/lpr/ToolOrchestra/
https://huggingface.co/nvidia/Orchestrator-8B
https://arxiv.org/pdf/2511.21689
https://huggingface.co/datasets/nvidia/ToolScale
https://github.com/NVlabs/ToolOrchestra
#AI #LLM #NVIDIA #Orchestrator #ToolOrchestra #Agents #MachineLearning
❤6
⚡️ یکی از مهمترین آپدیتهای حوزهی مدلهای تصویری منتشر شد؛ ابزار Ai Toolkit حالا امکان آموزش LoRA برای Z-Image Turbo را فراهم کرده است.
🧩 توسعه این قابلیت توسط Ostris انجام شده؛ همان سازندهی پکیج محبوب آموزش مدلهای دیفیوژن. این بار با استفاده از De-Distill Adapter، امکان تربیت لورا روی نسخهی توربوی Z-Image در اختیار کاربران قرار گرفته است.
🎛️همچنین Ai Toolkit یک ابزار همهجانبه است که هم از طریق GUI و هم Command Line اجرا میشود؛ مناسب برای کسانی که روی سختافزار خانگی کار میکنند ولی نیاز به امکانات حرفهای دارند.
🚀 طبق تستهای اولیه:
آموزش از ۱۲GB VRAM به بالا امکانپذیر است.
آموزش یک کاراکتر روی ۱۷ تصویر و ۳۰۰۰ استپ، روی RTX 5090 حدود ۹۰ دقیقه زمان میبرد.
📝 راهنمای کامل آموزش نیز بهزودی توسط سازنده منتشر میشود.
https://github.com/ostris/ai-toolkit
https://huggingface.co/ostris/zimage_turbo_training_adapter
@rss_ai_ir
#هوش_مصنوعی #مدل_تولیدی #دیفیوژن #زیمج #LoRA #AIToolkit #ZImageTurbo
🧩 توسعه این قابلیت توسط Ostris انجام شده؛ همان سازندهی پکیج محبوب آموزش مدلهای دیفیوژن. این بار با استفاده از De-Distill Adapter، امکان تربیت لورا روی نسخهی توربوی Z-Image در اختیار کاربران قرار گرفته است.
🎛️همچنین Ai Toolkit یک ابزار همهجانبه است که هم از طریق GUI و هم Command Line اجرا میشود؛ مناسب برای کسانی که روی سختافزار خانگی کار میکنند ولی نیاز به امکانات حرفهای دارند.
🚀 طبق تستهای اولیه:
آموزش از ۱۲GB VRAM به بالا امکانپذیر است.
آموزش یک کاراکتر روی ۱۷ تصویر و ۳۰۰۰ استپ، روی RTX 5090 حدود ۹۰ دقیقه زمان میبرد.
📝 راهنمای کامل آموزش نیز بهزودی توسط سازنده منتشر میشود.
https://github.com/ostris/ai-toolkit
https://huggingface.co/ostris/zimage_turbo_training_adapter
@rss_ai_ir
#هوش_مصنوعی #مدل_تولیدی #دیفیوژن #زیمج #LoRA #AIToolkit #ZImageTurbo
✨ شاخص جدید Iceberg Index از MIT نشان میدهد قدرت واقعی هوش مصنوعی بسیار فراتر از چیزی است که میبینیم
بر اساس این مطالعه، هوش مصنوعی همین امروز توان انجام کارهایی را دارد که معادل ۱۱.۷٪ کل دستمزدهای سالانه آمریکا است — یعنی حدود ۱.۲ تریلیون دلار!
جالب اینجاست که بخش قابل مشاهدهٔ کاربردهای فعلی هوش مصنوعی فقط ۲.۲٪ از این پتانسیل است؛ چیزی شبیه نوک یک کوه یخ.
🔍 نکات کلیدی پژوهش:
✳️توان بالقوهٔ فعلی هوش مصنوعی برابر با ۱۱.۷٪ از wage bill آمریکا است.
✳️میزان استفادهٔ فعلی ما فقط یکپنجم این ظرفیت را پوشش میدهد.
✳️مدلسازی روی ۱۵۱ میلیون نیروی کار و ۳۲ هزار مهارت انجام شده است.
✳️پیام واضح: نقطهٔ شروع تغییرات واقعی در ساختار شغلها و بهرهوری تازه در حال ظاهر شدن است.
✳️این مطالعه هشدار میدهد که تحولات بازار کار بسیار عمیقتر از بحثهای روزمره دربارهٔ اخراجها و اتوماسیون است؛ موج اصلی هنوز نرسیده.
🌐 منبع: CNBC
#هوش_مصنوعی #اقتصاد_دیجیتال #بازار_کار #مطالعات_MIT #AI #Technology 🚀
@rss_ai_ir
---
بر اساس این مطالعه، هوش مصنوعی همین امروز توان انجام کارهایی را دارد که معادل ۱۱.۷٪ کل دستمزدهای سالانه آمریکا است — یعنی حدود ۱.۲ تریلیون دلار!
جالب اینجاست که بخش قابل مشاهدهٔ کاربردهای فعلی هوش مصنوعی فقط ۲.۲٪ از این پتانسیل است؛ چیزی شبیه نوک یک کوه یخ.
🔍 نکات کلیدی پژوهش:
✳️توان بالقوهٔ فعلی هوش مصنوعی برابر با ۱۱.۷٪ از wage bill آمریکا است.
✳️میزان استفادهٔ فعلی ما فقط یکپنجم این ظرفیت را پوشش میدهد.
✳️مدلسازی روی ۱۵۱ میلیون نیروی کار و ۳۲ هزار مهارت انجام شده است.
✳️پیام واضح: نقطهٔ شروع تغییرات واقعی در ساختار شغلها و بهرهوری تازه در حال ظاهر شدن است.
✳️این مطالعه هشدار میدهد که تحولات بازار کار بسیار عمیقتر از بحثهای روزمره دربارهٔ اخراجها و اتوماسیون است؛ موج اصلی هنوز نرسیده.
🌐 منبع: CNBC
#هوش_مصنوعی #اقتصاد_دیجیتال #بازار_کار #مطالعات_MIT #AI #Technology 🚀
@rss_ai_ir
---
👍1
This media is not supported in your browser
VIEW IN TELEGRAM
🌟 دموی تاریخی یان لیکان از سال ۱۹۸۹؛ نقطهی تولد شبکههای کانولوشنی
🔍 در این ویدیو، یان لکُن اولین نسخه عملی CNN را نمایش میدهد؛ همان الگوریتمی که پایه و اساس تمام مدلهای کانولوشنی مدرن شد.
امروز همین ایده ساده به فناوریهایی قدرت میدهد که تشخیص تصویر، بینایی ماشین، خودروهای خودران و حتی سیستمهای پزشکی را متحول کردهاند.
⏳ شگفتانگیز است که این مسیر از یک دموی آزمایشی در ۱۹۸۹ شروع شد و اکنون به دنیایی با مدلهای چندمیلیاردپارامتری رسیدهایم.
🧠 پیشرفت هوش مصنوعی فقط یک جهش تکنولوژیک نیست؛ نتیجهی دههها تحقیق، پشتکار و نوآوری است.
@rss_ai_ir
#هوش_مصنوعی #دیپ_لرنینگ #بینایی_ماشین #CNN #یادگیری_عمیق 🍀
🔍 در این ویدیو، یان لکُن اولین نسخه عملی CNN را نمایش میدهد؛ همان الگوریتمی که پایه و اساس تمام مدلهای کانولوشنی مدرن شد.
امروز همین ایده ساده به فناوریهایی قدرت میدهد که تشخیص تصویر، بینایی ماشین، خودروهای خودران و حتی سیستمهای پزشکی را متحول کردهاند.
⏳ شگفتانگیز است که این مسیر از یک دموی آزمایشی در ۱۹۸۹ شروع شد و اکنون به دنیایی با مدلهای چندمیلیاردپارامتری رسیدهایم.
🧠 پیشرفت هوش مصنوعی فقط یک جهش تکنولوژیک نیست؛ نتیجهی دههها تحقیق، پشتکار و نوآوری است.
@rss_ai_ir
#هوش_مصنوعی #دیپ_لرنینگ #بینایی_ماشین #CNN #یادگیری_عمیق 🍀
❤4
🌏 چین از آمریکا در بازار جهانی مدلهای متنباز هوش مصنوعی پیشی گرفت
بررسی مشترک MIT و Hugging Face نشان میدهد که برای اولین بار، مدلهای متنباز ساخت چین توانستهاند در تعداد دانلودهای جهانی از مدلهای آمریکایی جلو بزنند.
🔹 سهم چین: ۱۷٪
🔹 سهم ایالات متحده: ۱۵.۸٪
این تغییر، نتیجهی رشد انفجاری مدلهایی مثل DeepSeek و Qwen است؛ دو مدلی که اکنون بخش بزرگی از جامعهی متنباز جهانی را تحت تأثیر قرار دادهاند.
در مقابل، شرکتهای آمریکایی مثل Google، Anthropic و OpenAI بیشتر بر مدلهای بسته و اختصاصی تمرکز کردهاند، و همین باعث شده در رقابت متنباز عقب بمانند.
منبع: Article — Paper
#هوش_مصنوعی #مدل_متن_باز #چین #DeepSeek #Qwen #AI #MachineLearning
بررسی مشترک MIT و Hugging Face نشان میدهد که برای اولین بار، مدلهای متنباز ساخت چین توانستهاند در تعداد دانلودهای جهانی از مدلهای آمریکایی جلو بزنند.
🔹 سهم چین: ۱۷٪
🔹 سهم ایالات متحده: ۱۵.۸٪
این تغییر، نتیجهی رشد انفجاری مدلهایی مثل DeepSeek و Qwen است؛ دو مدلی که اکنون بخش بزرگی از جامعهی متنباز جهانی را تحت تأثیر قرار دادهاند.
در مقابل، شرکتهای آمریکایی مثل Google، Anthropic و OpenAI بیشتر بر مدلهای بسته و اختصاصی تمرکز کردهاند، و همین باعث شده در رقابت متنباز عقب بمانند.
منبع: Article — Paper
#هوش_مصنوعی #مدل_متن_باز #چین #DeepSeek #Qwen #AI #MachineLearning
Prompt:
@rss_ai_ir
A flowing [subject] ink illustration, rendered in dynamic motion with organic linework and fluid textures. The inky forms spread across a light background, blending into delicate gradients of [color1] and [color2], evoking elegance, movement, and spontaneity, minimalist composition, fine art aesthetic.
@rss_ai_ir
👍1🔥1
🤖 بازنشستگی زودرس رباتهای خط تولید BMW؛ تنها پس از ۱۱ ماه!
تازهترین گزارشها نشان میدهد رباتهایی که در کارخانه BMW جایگزین نیروی انسانی شده بودند، تنها بعد از حدود ۱۱ ماه کار مداوم از چرخه تولید خارج شدند.
این رباتها طی کار فشردهی روزانه (۵ روز در هفته، ۱۰ ساعت در روز) حدود ۳۰ هزار خودرو مونتاژ کردند، اما فشار کاری باعث شد:
✅در برخی نمونهها بازوها عملاً از بدنه جدا شوند
✅سطح بدنه پر از خطوخش و آسیب شود
✅عملکرد مکانیکی آنها ناپایدار گردد
⛔️در نهایت تیم توسعه مجبور شد رباتها را از خط تولید کنار بگذارد و سری جدیدی از رباتها را جایگزین کند.
♻️این اتفاق بار دیگر یادآوری میکند که بدنه انسان هنوز در برخی حوزهها دوام و سازگاری بالاتری از رباتها دارد؛
رباتی که تنها یک سال دوام میآورد در برابر انسانی که دههها کار میکند، فاصله زیادی دارد.
https://interestingengineering.com/ai-robotics/figure-humanoid-robots-retires-bmw
@rss_ai_ir
#رباتیک #اتوماسیون #BMW #صنعت۴ #هوش_مصنوعی #ربات #ماشین_سازی #فناوری
تازهترین گزارشها نشان میدهد رباتهایی که در کارخانه BMW جایگزین نیروی انسانی شده بودند، تنها بعد از حدود ۱۱ ماه کار مداوم از چرخه تولید خارج شدند.
این رباتها طی کار فشردهی روزانه (۵ روز در هفته، ۱۰ ساعت در روز) حدود ۳۰ هزار خودرو مونتاژ کردند، اما فشار کاری باعث شد:
✅در برخی نمونهها بازوها عملاً از بدنه جدا شوند
✅سطح بدنه پر از خطوخش و آسیب شود
✅عملکرد مکانیکی آنها ناپایدار گردد
⛔️در نهایت تیم توسعه مجبور شد رباتها را از خط تولید کنار بگذارد و سری جدیدی از رباتها را جایگزین کند.
♻️این اتفاق بار دیگر یادآوری میکند که بدنه انسان هنوز در برخی حوزهها دوام و سازگاری بالاتری از رباتها دارد؛
رباتی که تنها یک سال دوام میآورد در برابر انسانی که دههها کار میکند، فاصله زیادی دارد.
https://interestingengineering.com/ai-robotics/figure-humanoid-robots-retires-bmw
@rss_ai_ir
#رباتیک #اتوماسیون #BMW #صنعت۴ #هوش_مصنوعی #ربات #ماشین_سازی #فناوری
✳️ طراحی لحظهی جارویس؛ آیندهی تجربه کاربری در ChatGPT
طراحی رابط کاربری در اکوسیستم هوش مصنوعی وارد مرحلهای کاملاً تازه شده است. کیت توسعهی OpenAI Apps SDK این امکان را فراهم میکند که سرویسها و اپلیکیشنهای ثالث مستقیماً داخل گفتوگوهای ChatGPT اجرا شوند؛ بدون نیاز به جابهجایی بین پنجرهها و اپلیکیشنها.
🔹 در این مدل، هوش مصنوعی با تکیه بر مفاهیم کلاسیک طراحی مانند قانون هیک (کاهش پیچیدگی انتخابها) و قانون فیتس (کاهش فاصله تعامل)، تجربهای سریع، متمرکز و بدون اصطکاک ایجاد میکند.
🔹 نقش طراحان UI/UX نیز در حال تغییر است: به جای طراحی صفحات، اکنون باید جریانهای مکالمه، زمینهها و سیستمهایی طراحی شوند که تصمیمگیری را ساده کرده و هوش مصنوعی را بهتر با اهداف انسان همسو کنند.
🔹 اصل مهم این نسل از طراحی:
وظایف تکمنظوره، قابل خلاصهسازی بصری، با کمترین قدم ممکن.
کارتها باید فقط اطلاعات مرتبط را نمایش دهند و حداکثر دو اقدام اصلی داشته باشند.
این تغییر بهصورت عملی ChatGPT را به چیزی شبیه سیستمعامل مکالمهمحور تبدیل میکند—جایی که کاربر بدون خروج از گفتوگو، کارهای واقعی انجام میدهد.
https://api.daily.dev/r/VvvIWdj8Y
@rss_ai_ir
#هوش_مصنوعی #طراحی_تجربه_کاربری #طراحی_مکالمهای #ChatGPT #UX #JarvisMoment
طراحی رابط کاربری در اکوسیستم هوش مصنوعی وارد مرحلهای کاملاً تازه شده است. کیت توسعهی OpenAI Apps SDK این امکان را فراهم میکند که سرویسها و اپلیکیشنهای ثالث مستقیماً داخل گفتوگوهای ChatGPT اجرا شوند؛ بدون نیاز به جابهجایی بین پنجرهها و اپلیکیشنها.
🔹 در این مدل، هوش مصنوعی با تکیه بر مفاهیم کلاسیک طراحی مانند قانون هیک (کاهش پیچیدگی انتخابها) و قانون فیتس (کاهش فاصله تعامل)، تجربهای سریع، متمرکز و بدون اصطکاک ایجاد میکند.
🔹 نقش طراحان UI/UX نیز در حال تغییر است: به جای طراحی صفحات، اکنون باید جریانهای مکالمه، زمینهها و سیستمهایی طراحی شوند که تصمیمگیری را ساده کرده و هوش مصنوعی را بهتر با اهداف انسان همسو کنند.
🔹 اصل مهم این نسل از طراحی:
وظایف تکمنظوره، قابل خلاصهسازی بصری، با کمترین قدم ممکن.
کارتها باید فقط اطلاعات مرتبط را نمایش دهند و حداکثر دو اقدام اصلی داشته باشند.
این تغییر بهصورت عملی ChatGPT را به چیزی شبیه سیستمعامل مکالمهمحور تبدیل میکند—جایی که کاربر بدون خروج از گفتوگو، کارهای واقعی انجام میدهد.
https://api.daily.dev/r/VvvIWdj8Y
@rss_ai_ir
#هوش_مصنوعی #طراحی_تجربه_کاربری #طراحی_مکالمهای #ChatGPT #UX #JarvisMoment
👍1🔥1👏1
✨ مدل Step-Audio-R1؛ اولین مدل صوتی که ریزونینگِ مقیاسپذیر را به دنیای صدا آورد 🎧🤖
مدل Step-Audio-R1 نقطهعطفی در هوش مصنوعی صوتی است. برای اولین بار یک Audio-LLM توانسته همان الگوی «عمقِ ریزونینگ با افزایش کامپیوتر» (مثل R1 در متن) را در صوتِ زنده پیادهسازی کند.
---
🔥 ویژگیهای کلیدی
✳️درک عمیق سیگنال صوتی
✳️واکنش در زمان واقعی
✳️زنجیره استدلال مقیاسپذیر روی داده صوتی
✳️کاهش شدید خطا و حذف «حدسزدنهای بدون پشتوانه»
---
⚡ عملکرد
بهتر از Gemini 2.5 Pro و قابلمقایسه با Gemini 3 در بنچمارکهای پیچیده صوتی
دقت ۹۶٪ در دیالوگ بلادرنگ — بالاتر از GPT Realtime و Gemini 2.5 Flash
Time To First Token = فقط 0.92 ثانیه ⏱️
---
🎯 چرا متفاوت است؟
مدل از روش MGRD — Modality-Grounded Reasoning Distillation استفاده میکند.
یعنی ریزونینگ به نشانههای واقعی صوتی متصل میشود، نه به تخیلات مدل.
بهصورت ساده:
👉 مدل براساس «آنچه واقعاً شنیده میشود» فکر میکند، نه براساس متن.
این یعنی:
♻️خطای کمتر
♻️ریزونینگ قابلگسترش
♻️کاربردهای جدید برای صدا
---
🔗 لینکها
🎧 دمو:
https://stepaudiollm.github.io/step-audio-r1/
📄 مقاله:
https://arxiv.org/abs/2511.15848
🐙 گیتهاب:
https://github.com/stepfun-ai/Step-Audio-R1
---
#هوش_مصنوعی #AudioLLM #مدل_صوتی #ریزانینگ #AI #MachineLearning #DeepLearning
مدل Step-Audio-R1 نقطهعطفی در هوش مصنوعی صوتی است. برای اولین بار یک Audio-LLM توانسته همان الگوی «عمقِ ریزونینگ با افزایش کامپیوتر» (مثل R1 در متن) را در صوتِ زنده پیادهسازی کند.
---
🔥 ویژگیهای کلیدی
✳️درک عمیق سیگنال صوتی
✳️واکنش در زمان واقعی
✳️زنجیره استدلال مقیاسپذیر روی داده صوتی
✳️کاهش شدید خطا و حذف «حدسزدنهای بدون پشتوانه»
---
⚡ عملکرد
بهتر از Gemini 2.5 Pro و قابلمقایسه با Gemini 3 در بنچمارکهای پیچیده صوتی
دقت ۹۶٪ در دیالوگ بلادرنگ — بالاتر از GPT Realtime و Gemini 2.5 Flash
Time To First Token = فقط 0.92 ثانیه ⏱️
---
🎯 چرا متفاوت است؟
مدل از روش MGRD — Modality-Grounded Reasoning Distillation استفاده میکند.
یعنی ریزونینگ به نشانههای واقعی صوتی متصل میشود، نه به تخیلات مدل.
بهصورت ساده:
👉 مدل براساس «آنچه واقعاً شنیده میشود» فکر میکند، نه براساس متن.
این یعنی:
♻️خطای کمتر
♻️ریزونینگ قابلگسترش
♻️کاربردهای جدید برای صدا
---
🔗 لینکها
🎧 دمو:
https://stepaudiollm.github.io/step-audio-r1/
📄 مقاله:
https://arxiv.org/abs/2511.15848
🐙 گیتهاب:
https://github.com/stepfun-ai/Step-Audio-R1
---
#هوش_مصنوعی #AudioLLM #مدل_صوتی #ریزانینگ #AI #MachineLearning #DeepLearning
❤2👍2🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 ایلان ماسک: آیندهٔ هوش مصنوعی روی زمین نیست — در فضاست! ✨
به اعتقاد ایلان ماسک، مسیر تکامل هوش مصنوعی خیلی زود از سطح زمین فراتر میرود.
او میگوید تنها فضا انرژی و سرمایشی را فراهم میکند که برای ایجاد «ابرهوشمندی در مقیاس تمدنی» لازم است.
در سطح مصرف انرژی نوع دوم کارداشف، زمین عملاً به سقف فیزیکی خود میرسد.
ماسک پیشبینی میکند که تا ۵ سال آینده، ارزانترین روش اجرای محاسبات AI، ماهوارههای خورشیدی در فضا خواهند بود. ⚡🛰️
🔢 چند عدد تکاندهنده:
🌞 زمین فقط یک دو میلیاردُم از انرژی خورشید را دریافت میکند
❄️ ۹۷.۵٪ جرم رکهای GPU روی زمین برای سیستمهای سرمایش است، نه برای خود محاسبه!
⚡ ۳۰۰ گیگاوات = دو سوم کل مصرف سالانه برق آمریکا
🚫 ایجاد توان محاسباتی ۱ تراواتی روی زمین غیرممکن است
به قول ماسک:
«در فضا همیشه آفتابیه.» ☀️🛰️
---
#هوش_مصنوعی #ایلان_ماسک #محاسبات_فضایی #AI #SpaceAI #Technology 🚀
به اعتقاد ایلان ماسک، مسیر تکامل هوش مصنوعی خیلی زود از سطح زمین فراتر میرود.
او میگوید تنها فضا انرژی و سرمایشی را فراهم میکند که برای ایجاد «ابرهوشمندی در مقیاس تمدنی» لازم است.
در سطح مصرف انرژی نوع دوم کارداشف، زمین عملاً به سقف فیزیکی خود میرسد.
ماسک پیشبینی میکند که تا ۵ سال آینده، ارزانترین روش اجرای محاسبات AI، ماهوارههای خورشیدی در فضا خواهند بود. ⚡🛰️
🔢 چند عدد تکاندهنده:
🌞 زمین فقط یک دو میلیاردُم از انرژی خورشید را دریافت میکند
❄️ ۹۷.۵٪ جرم رکهای GPU روی زمین برای سیستمهای سرمایش است، نه برای خود محاسبه!
⚡ ۳۰۰ گیگاوات = دو سوم کل مصرف سالانه برق آمریکا
🚫 ایجاد توان محاسباتی ۱ تراواتی روی زمین غیرممکن است
به قول ماسک:
«در فضا همیشه آفتابیه.» ☀️🛰️
---
#هوش_مصنوعی #ایلان_ماسک #محاسبات_فضایی #AI #SpaceAI #Technology 🚀
👍3🔥3😁2
📌 مایکروسافت در سکوت یک بات قدرتمند هوش مصنوعی عرضه کرد — حالا کامپیوتر شما فقط با چند کلیک خودش کارها را انجام میدهد
مایکروسافت دستیار جدیدی معرفی کرده که فقط چت نمیکند؛ واقعاً کار انجام میدهد — آن هم مستقیماً روی کامپیوتر شما.
✨ قابلیتهای اصلی:
💼 تحلیل فایلهای داخل سیستم
بدون اینکه شما بین فولدرها بگردید، خودش اسناد، اکسلها و پروژهها را بررسی و خلاصه میکند.
🛒 جستجوی هوشمند خرید ارزانتر
قیمتها را مقایسه میکند و بهترین گزینه را پیشنهاد میدهد — از کالا گرفته تا سرویسهای آنلاین.
🧑💼 کمک برای پیدا کردن شغل
آگهیها را بررسی میکند، رزومه و درخواستها را شخصیسازی میکند و حتی روند ارسال رزومهها را پیگیری میکند.
✈️ مدیریت سفر و رزرو هتل
کارهای خستهکننده سفر را خودش انجام میدهد؛ از رزرو تا مقایسه قیمت.
🔍 عامل تحقیقاتی (Research Agent)
اطلاعات را جمعآوری، بررسی و خلاصه میکند و نتایج دقیق تحویل میدهد.
این بات جدید یک قدم واقعی به سمت حالت Autopilot برای کامپیوتر است — سیستمی که فقط جواب نمیدهد، بهجای شما کار میکند.
https://github.com/microsoft/fara
❤️ @rss_ai_ir
#هوش_مصنوعی 🤖 #مایکروسافت #اتوماسیون #عامل_هوشمند #AI #Autopilot_mode
مایکروسافت دستیار جدیدی معرفی کرده که فقط چت نمیکند؛ واقعاً کار انجام میدهد — آن هم مستقیماً روی کامپیوتر شما.
✨ قابلیتهای اصلی:
💼 تحلیل فایلهای داخل سیستم
بدون اینکه شما بین فولدرها بگردید، خودش اسناد، اکسلها و پروژهها را بررسی و خلاصه میکند.
🛒 جستجوی هوشمند خرید ارزانتر
قیمتها را مقایسه میکند و بهترین گزینه را پیشنهاد میدهد — از کالا گرفته تا سرویسهای آنلاین.
🧑💼 کمک برای پیدا کردن شغل
آگهیها را بررسی میکند، رزومه و درخواستها را شخصیسازی میکند و حتی روند ارسال رزومهها را پیگیری میکند.
✈️ مدیریت سفر و رزرو هتل
کارهای خستهکننده سفر را خودش انجام میدهد؛ از رزرو تا مقایسه قیمت.
🔍 عامل تحقیقاتی (Research Agent)
اطلاعات را جمعآوری، بررسی و خلاصه میکند و نتایج دقیق تحویل میدهد.
این بات جدید یک قدم واقعی به سمت حالت Autopilot برای کامپیوتر است — سیستمی که فقط جواب نمیدهد، بهجای شما کار میکند.
https://github.com/microsoft/fara
❤️ @rss_ai_ir
#هوش_مصنوعی 🤖 #مایکروسافت #اتوماسیون #عامل_هوشمند #AI #Autopilot_mode
👍2❤1🔥1