🎥 مدل جدید ByteDance: Video-As-Prompt Wan2.1-14B 🎬

شرکت ByteDance از مدل جدید خود به نام Wan2.1-14B رونمایی کرده که برای وظیفه‌ی نوآورانه‌ی Video-as-Prompt طراحی شده است — یعنی می‌توانید با دادن یک ویدیو (یا ترکیبی از تصویر و متن)، ویدیوی جدید و خلاقانه‌ای بسازید.

✨ ویژگی‌ها:

پشتیبانی از حالت‌های:
🎞️ Video → Video
🖼️ Text/Image → Video

♻️دارای ۱۴ میلیارد پارامتر برای جزئیات بالا، حرکات روان و واقع‌گرایی چشمگیر.

♻️از ویدیوی ورودی برای حفظ سبک، ترکیب‌بندی و ریتم حرکتی استفاده می‌کند.


⚠️ نکات مهم:

✳️برای اجرای آن به GPU قدرتمند و حافظه بالا نیاز است.
✳️کیفیت خروجی به میزان پیچیدگی درخواست و طول ویدیو بستگی دارد.


🟠 GitHub
🟠 Hugging Face

@rss_ai_ir

#AI #VideoGeneration #ByteDance #Wan2 #GenerativeAI #HuggingFace #Innovation

🕶️ آمازون در حال آزمایش عینک‌های هوشمند برای پیک‌هاست 🚚

این عینک‌ها دارای دوربین داخلی و نمایشگر کوچک هستند که به پیک‌ها امکان می‌دهند اطلاعات حیاتی را در لحظه مشاهده کنند.

📦 روی صفحه‌ی عینک نمایش داده می‌شود:

♻️شماره‌ی خانه یا واحد مقصد،
♻️بسته‌هایی که باید از خودرو برداشته شوند،
♻️و مسیر دقیق تحویل.


👀 آزمایش‌کنندگان گزارش داده‌اند که این فناوری باعث کاهش حواس‌پرتی، افزایش سرعت تحویل، و بهبود ایمنی هنگام حرکت در حیاط‌ها و محوطه‌ها شده است.

این گام جدید، بخشی از تلاش آمازون برای ترکیب واقعیت افزوده و لجستیک هوشمند است.

@rss_ai_ir
#Amazon #SmartGlasses #AugmentedReality #Logistics #AI #WearableTech #Innovation

🦾 چین با سرعتی بی‌سابقه در حال رباتیزه‌کردن کارخانه‌های خود است

در سال ۲۰۲۴، چین حدود ۳۰۰ هزار ربات صنعتی جدید به کار گرفت — رقمی که از مجموع کل سایر کشورها نیز بیشتر است.
امروزه بیش از دو میلیون ربات در کارخانه‌های این کشور شبانه‌روز کار می‌کنند، بدون توقف.

📊 برای مقایسه:
🇺🇸 آمریکا در سال گذشته تنها ۳۴ هزار ربات اضافه کرد،
🇯🇵 ژاپن — ۴۴ هزار،
و در مجموع، چین اکنون ۵ برابر بیشتر از ایالات متحده ربات صنعتی دارد.

🚀 این جهش نتیجه‌ی سیاست‌های بلندمدت دولتی است — دقیقاً همان رویکردی که چین را در زمینه‌ی خودروهای برقی و هوش مصنوعی به پیشتاز جهان تبدیل کرد:
وام‌های ارزان، یارانه‌های هدفمند و برنامه‌های دقیق برای خودکارسازی.

🤖 امروز در بسیاری از خطوط تولید، ربات‌ها عملیات جوشکاری، مونتاژ و جابجایی قطعات را انجام می‌دهند، در حالی که سیستم‌های هوش مصنوعی در پس‌زمینه داده‌های تجهیزات را تحلیل می‌کنند، فرسودگی را پیش‌بینی و توقف‌های تولید را کاهش می‌دهند.

🏭 پیشتازی چین به‌ویژه در صنایع خودروسازی و الکترونیک مشهود است، جایی که هر ثانیه در خط تولید اهمیت دارد.

اکنون حدود ۶۰٪ از ربات‌های نصب‌شده در داخل چین تولید می‌شوند، هرچند حسگرها، درایوها و تراشه‌های دقیق هنوز عمدتاً از آلمان و ژاپن وارد می‌شوند.

🦿 ربات‌های انسان‌نما هم به سرعت در حال رشدند — مدل‌های پایه‌ای که توسط استارتاپ‌های چینی تولید می‌شوند، اکنون حدود ۶ هزار دلار قیمت دارند.

🔧 چالش اصلی فعلی، کمبود متخصص در زمینه‌ی تنظیم و نگهداری ربات‌هاست.
اما چین در اینجا هم برتری دارد: نیروی انسانی گسترده‌ای از برق‌کاران و برنامه‌نویسان PLC، و اکنون میانگین حقوق مهندسان رباتیک در چین به ۶۰ هزار دلار در سال رسیده است.

💡 ترکیب حمایت دولتی، زنجیره‌های تأمین هوشمند و تمرکز بر نرم‌افزار، چین را به مرکز جهانی تولید خودکار تبدیل کرده است.
در سال‌های پیش‌رو، این یعنی کاهش هزینه‌ی تولید و افزایش سرعت تحویل کالا نسبت به بسیاری از رقبا.

@rss_ai_ir

#AI #Robotics #Industry40 #China #Automation #ML #SmartFactory

🤖 WorldVLA —
ترکیب VLA و World Model در یک هسته‌ی خودمولد (Autoregressive Core)

شرکت Alibaba از مدل جدیدی به نام WorldVLA رونمایی کرده است — گامی بزرگ به‌سوی ساخت مدل خودبازگشتی جهانِ کنش‌ها، جایی که یک معماری واحد همزمان می‌تواند فریم‌های بعدی و اقدامات عامل (agent) را پیش‌بینی کند.

🧠 ایده‌ی اصلی:
مدل WorldVLA مدل‌های Vision-Language-Action (VLA) و World Model را درون یک ترنسفورمر یکپارچه می‌کند:

ورودی: (image + language + action)

خروجی: (image + language + action)


یعنی مدل نه‌تنها دنیای فیزیکی را «درک» می‌کند، بلکه یاد می‌گیرد چگونه در آن «عمل» کند.

⚙️ نحوه‌ی عملکرد:

معماری: یک ترنسفورمر واحد که به‌طور هم‌زمان روی داده‌های مربوط به مدل‌های کنش و مدل‌های جهان آموزش می‌بیند.

تابع هزینه (Loss): ترکیبی از پیش‌بینی وضعیت محیط و پیش‌بینی کنش‌ها.

ترفند کلیدی در Attention Mask: پنهان‌سازی کنش‌های قبلی در هنگام تولید کنش فعلی — که باعث بهبود چشمگیر در کیفیت بخش «action-chunk» می‌شود.


📊 نتایج:
در آزمون LIBERO benchmark، مدل WorldVLA از مدل‌هایی که به‌طور جداگانه برای کنش یا شبیه‌سازی جهان آموزش دیده بودند، بهتر عمل کرده است.

💬 به‌طور خلاصه، Alibaba گام بعدی را به‌سوی عامل‌های AGI با درک واقعی از فیزیک جهان برداشته است —
جایی که یک هسته‌ی واحد می‌تواند ادراک، پیش‌بینی و عمل را هم‌زمان انجام دهد.

📄 مقاله:
arxiv.org/abs/2506.21539
💻 کد:
github.com/alibaba-damo-academy/WorldVLA

@rss_ai_ir
#هوش_مصنوعی #WorldModel #VLA #Alibaba #DeepLearning #Transformers #AGI

💡 مجموعه Together AI آموزش ساخت "Lovable Clone" با مدل Kimi K2 را منتشر کرد

این راهنما نشان می‌دهد چطور می‌توانید با استفاده از Next.js اپلیکیشنی بسازید که تنها با یک دستور متنی، کد یک برنامه‌ی کامل React را برایتان بنویسد — درست مثل «کد با یک جمله»!

🧩 مراحل کلیدی:

✳️طراحی رابط کاربری ساده با یک فیلد ورودی برای دستور کاربر (مثلاً: “Build me a calculator app…”)

✳️ایجاد مسیر API به نام /api/generateCode که درخواست را از طریق Together AI SDK به مدل Kimi K2 بفرستد

✳️استفاده از system prompt برای بازگرداندن فقط کد، بدون هیچ توضیح اضافی

✳️تعبیه‌ی ابزار Sandpack (یا مشابه آن) برای اجرای مستقیم کد در مرورگر

✳️افزودن قابلیت streaming تا کاربر بتواند روند تولید کد را در لحظه مشاهده کند


📄 راهنما:
docs.together.ai/docs/how-to-build-a-lovable-clone-with-kimi-k2

#هوش_مصنوعی #توسعه_وب #TogetherAI #KimiK2 #NextJS #React #AItools

🎓 یادگیری فدرال (Federated Learning) — آینده‌ی آموزش هوش مصنوعی بدون نیاز به داده‌های متمرکز


در دنیای امروز، داده شخصی‌ترین دارایی ماست — از اطلاعات تلفن همراه گرفته تا سوابق پزشکی. اما چگونه می‌توان مدل‌های هوش مصنوعی را آموزش داد بدون آنکه داده‌ها از دستگاه کاربران خارج شوند؟

🔹 پاسخ: یادگیری فدرال (Federated Learning)


در این روش، به‌جای ارسال داده‌ها به سرور مرکزی، مدل به سراغ داده‌ها می‌رود. هر دستگاه (مثل موبایل، لپ‌تاپ یا حسگر صنعتی) نسخه‌ای از مدل را به‌صورت محلی آموزش می‌دهد و فقط وزن‌ها (Weights) را به اشتراک می‌گذارد، نه خود داده‌ها.


💡 مراحل کلی فرآیند:
1️⃣ مدل مرکزی به همه دستگاه‌ها ارسال می‌شود.
2️⃣ هر دستگاه مدل را با داده‌های خودش به‌روزرسانی می‌کند.
3️⃣ فقط وزن‌های جدید ارسال می‌شود.
4️⃣ سرور مرکزی این وزن‌ها را ترکیب کرده و مدل به‌روزرسانی‌شده را برمی‌گرداند.


✅ مزایا:
حفظ حریم خصوصی کاربران 🔒
کاهش ترافیک داده و هزینه انتقال 🌐
یادگیری از منابع متنوع در نقاط مختلف جهان 🌍


مناسب برای سیستم‌های IoT و موبایل 📱
🚀 شرکت‌هایی مانند Google, Apple و NVIDIA سال‌هاست از این روش برای بهبود مدل‌های کیبورد، تشخیص گفتار و سلامت استفاده می‌کنند.


📌 در آینده، یادگیری فدرال می‌تواند سنگ‌بنای «هوش مصنوعی توزیع‌شده» شود — جایی که هر دستگاه، بخشی از مغز جهانی هوش مصنوعی خواهد بود.

@rss_ai_ir
#هوش_مصنوعی #یادگیری_فدرال #FederatedLearning #AI #Privacy #MachineLearning #EdgeAI

🧠 فرمت ONNX — زبان مشترک مدل‌های هوش مصنوعی

در دنیای یادگیری عمیق، هر فریم‌ورک (مثل PyTorch، TensorFlow یا Scikit-learn) مدل‌ها را به فرمت مخصوص خودش ذخیره می‌کند.
اما اگر بخواهیم مدلی را در پایتورچ آموزش دهیم و بعد در محیط دیگری مثل OpenCV، C++، یا موبایل اجرا کنیم چه؟ 🤔

🔹 پاسخ: ONNX (Open Neural Network Exchange)

فرمت ONNX یک فرمت استاندارد و متن‌باز است که برای انتقال و اجرای مدل‌های هوش مصنوعی در پلتفرم‌های مختلف طراحی شده است.

💡 به زبان ساده:
فرمت ONNX مثل فایل PDF برای مدل‌های هوش مصنوعی است —
فرقی نمی‌کند در چه فریم‌ورکی ساخته شده، در هر جایی باز و اجرا می‌شود.

⚙️ مزایا:

♻️انتقال آسان مدل‌ها بین فریم‌ورک‌ها (PyTorch → TensorFlow → OpenCV) 🔄

♻️اجرا روی دستگاه‌های مختلف (CPU، GPU، موبایل، Edge) ⚙️

♻️پشتیبانی از بهینه‌سازها مثل ONNX Runtime برای سرعت بیشتر 🚀

♻️پشتیبانی رسمی توسط شرکت‌هایی مثل Microsoft, NVIDIA, Meta و Intel 💼


📦 مثال:
در پایتورچ، می‌توان مدل را با یک خط کد به ONNX صادر کرد:

torch.onnx.export(model, inputs, "model.onnx")

و سپس با ONNX Runtime در هر محیطی اجرا کرد:

import onnxruntime as ort  
session = ort.InferenceSession("model.onnx")  
outputs = session.run(None, {"input": data})

🌍 کاربردهای رایج:

♻️به‌کارگیری مدل‌ها در سیستم‌های صنعتی
♻️اجرای مدل‌ها روی وب یا موبایل
♻️ترکیب مدل‌های ساخته‌شده در فریم‌ورک‌های مختلف


📌 فرمتONNX پلی است میان آموزش و استقرار —
به کمک آن، مدل شما می‌تواند از آزمایشگاه تا دنیای واقعی سفر کند 🌐

@rss_ai_ir
#هوش_مصنوعی #ONNX #DeepLearning #AI #PyTorch #TensorFlow #MachineLearning #EdgeAI

🌊 پروتکل جدید ردیابی دینامیکی — ITTO از Caltech 🐠

محققان دانشگاه Caltech مجموعه‌بنچ‌مارک جدیدی به نام ITTO معرفی کرده‌اند —
سیستمی برای ارزیابی و تحلیل روش‌های ردیابی در حرکات پیچیده و بلندمدت 🔍

💡 ویژگی‌ها:

♻️طراحی‌شده برای حرکات طولانی، پیچیده و غیرخطی

♻️تمرکز بر ارزیابی پایداری در فریم‌های زیاد

♻️مناسب برای آموزش و تست الگوریتم‌های بینایی ماشین در سناریوهای واقعی


📘 مجوز: CC BY-NC 4.0 — استفاده‌ی آزاد برای اهداف پژوهشی

🔗 لینک‌ها:
📄 مقاله
🌐 پروژه
💾 کد منبع

@rss_ai_ir
#AI #Tracking #ComputerVision #Caltech #Research #OpenSource

🚀 NVIDIA
دوباره صحنه رو آتیش زد!

روش جدیدشون به نام GenCluster باعث شد برای اولین بار یک مدل متن‌باز بتونه به سطح مدل‌های بسته‌ی شرکت‌های بزرگ برسه 💥

🧠 مدل gpt-oss-120b موفق شد در المپیاد بین‌المللی انفورماتیک (IOI 2025) مدال طلا بگیره —
اولین باریه در تاریخ که این افتخار نصیب یک مدل open-source شده! 🥇

📊 چطور کار می‌کنه؟
مدل هزاران راه‌حل برنامه‌نویسی تولید می‌کنه،
اون‌ها رو تست و گروه‌بندی می‌کنه،
و بین بهترین‌ها یک «تورنمنت هوش مصنوعی» برگزار می‌کنه،
که داوری‌اش هم با یک مدل هوش مصنوعی دیگه‌ست 😎

📈 نتیجه:
۴۴۶.۷۵ امتیاز و مدال طلای رسمی IOI
یک جهش بزرگ در سمت استدلال و حل مسئله‌ی سطح انسانی توسط مدل‌های باز

📄 جزئیات مقاله:

🔗 arxiv.org/abs/2510.14232v1

#NVIDIA #GenCluster #AI #OpenSource #LLM #Research #MachineLearning #IOI2025

🤖 در چین از ربات انسان‌نمای جدیدی به نام Bumi رونمایی شد

این ربات تنها(حدود ۱۵۰ میلیون تومان) قیمت دارد — عددی که می‌تواند انقلابی در صنعت رباتیک ایجاد کند! ⚙️

✨ ویژگی‌ها:

♻️راه رفتن، رقصیدن و واکنش به فرمان‌های صوتی

♻️قابلیت ارتقا برای انجام کارهای بیشتر مانند نظافت یا جست‌وجوی اشیا

♻️طراحی جمع‌وجور و مقرون‌به‌صرفه برای استفاده در خانه‌ها و مدارس


♻️با چنین قیمتی، چین می‌تواند ورود ربات‌های انسان‌نما به زندگی روزمره را چند سال جلو بیندازد.

@rss_ai_ir
#ربات #هوش_مصنوعی #Bumi #چین #رباتیک #AI

🌐 ChatGPT Atlas —
مرورگر هوشمند OpenAI با قابلیت‌های تمام‌عیار هوش مصنوعی

شرکت OpenAI بالاخره مرورگر خودش رو معرفی کرد: ChatGPT Atlas.
برخلاف انتظارها، خبری از انقلاب جدید نیست — در واقع نسخه‌ای از Chromium هست که با امکانات کامل هوش مصنوعی ادغام شده ⚙️

💡 ویژگی‌های کلیدی:

چت مستقیم با تب‌ها: حالا می‌تونی با هر صفحه‌ای که باز کردی، گفتگو کنی و ازش اطلاعات بگیری.

دستیار هوشمند برای نوشتن متن در هر فیلد (مثل فرم‌ها یا ایمیل‌ها).

حالت Agent Mode نه‌تنها در فضای ابری، بلکه به‌صورت محلی در تب‌ها اجرا می‌شه و به تمام داده‌های کاربر دسترسی داره — البته هنوز سواله که چقدر از باتری مصرف می‌کنه! 🔋

جست‌وجو در تاریخچه مرورگر به کمک توصیف متنی صفحات — اولین بار که ویژگی «حافظه» ChatGPT واقعا مفید به نظر می‌رسه! 🧠


🔒 نکته مهم:
به‌صورت پیش‌فرض، داده‌های مرورگر برای آموزش مدل استفاده نمی‌شن، ولی کاربر می‌تونه خودش فعالش کنه (opt-in).

📱 مرورگر فعلا برای کاربران مک در دسترسه،
اما Agent Mode فقط برای مشترکین پولی فعال می‌شه. نسخه‌های ویندوز و موبایل هم به‌زودی منتشر می‌شن.

🔗 chatgpt.com/atlas

@rss_ai_ir
#ChatGPT #Atlas #OpenAI #مرورگر #هوش_مصنوعی #AgentMode #AI

😄 فری‌پیک حالا خودش رو به کامفی‌یوآی رسونده!

بعد از اینکه ComfyUI با رابط نودی‌اش همه رو شگفت‌زده کرد، حالا Freepik هم همون مسیر رو در پیش گرفته.
در ویدیوی پیش‌نمایش جدیدشون، می‌شه دید که کاربران می‌تونن با نودها صحنه بسازن، عناصر رو ترکیب کنن و در نهایت ویدیو تولید کنن 🎥

✨ جالبه بدونی که اولین‌ها در این حوزه بعد از Comfy، تیم glif.app بودن —
اون‌ها هم رابط نودی خیلی قوی دارن، ولی چون زودتر از بازار اومدن، هنوز اون‌جوری که باید، رشد نکردن.

اما وقتی بازیگران بزرگی مثل Freepik وارد می‌شن و چنین سیستم‌هایی رو برای میلیون‌ها کاربر عادی ارائه می‌دن،
موضوع دیگه صرفاً «ابزار حرفه‌ای» نیست — تبدیل می‌شه به استاندارد جدید در خلاقیت مولد.

📦 ضمناً فری‌پیک همزمان مدل Magnific Precision v2 رو معرفی کرده با سه حالت جدید:

✨ Sublime

📸 Photo

🧹 Photo Denoiser


اگر عضو پریمیوم هستی — برو تستش کن، می‌گن خروجی‌ها واقعاً خیره‌کننده‌ان.

@rss_ai_ir
#هوش_مصنوعی #ComfyUI #Freepik #Magnific #AI #ویدیو #مولد

🧠 مدل ChatGPT دیگر داده‌های حذف‌شده یا گفتگوهای موقت را نگه نمی‌دارد

شرکت OpenAI اعلام کرد که از این پس هیچ داده‌ای از گفت‌وگوهای حذف‌شده یا چت‌های موقت را ذخیره نخواهد کرد،
و دیگر تحت هیچ دستور قانونی برای نگه‌داری داده‌ها نیست. ⚖️

🔹 گفت‌وگوهای حذف‌شده و چت‌های موقت حداکثر تا ۳۰ روز پس از حذف، به‌طور کامل از سیستم‌ها پاک می‌شوند.
🔹 داده‌های مربوط به API نیز به‌صورت خودکار پس از ۳۰ روز حذف خواهند شد.

این تغییر بزرگ به معنی افزایش حریم خصوصی کاربران و شفافیت بیشتر در نحوه‌ی مدیریت داده‌ها توسط OpenAI است.

@rss_ai_ir
#ChatGPT #OpenAI #Privacy #AI #DataSecurity #هوش_مصنوعی

🚨 خبر بزرگ از CNBC: احتمال عرضه GPT-6 تا پایان سال جاری!

⛔️یکی از خبرنگاران CNBC اعلام کرده که طبق گفته‌های Brad Gerstner — سرمایه‌گذار رسمی OpenAI و فردی نزدیک به مدیران ارشد این شرکت — مدل GPT-6 تا قبل از پایان امسال منتشر خواهد شد.

✅همچنین Brad Gerstner از افراد «کاملاً در جریان» محسوب می‌شود و ارتباط مستقیم با رهبری OpenAI دارد.
بنابراین وقتی در CNBC گفته می‌شود: «Brad گفت GPT-6 امسال می‌آید»،
می‌توان آن را جدی‌ترین نشانه‌ی نزدیک بودن عرضه نسل بعدی ChatGPT دانست.

🔥 اگر این خبر تأیید شود، ما تا کمتر از سه ماه دیگر شاهد ورود یکی از مهم‌ترین مدل‌های تاریخ هوش مصنوعی خواهیم بود.

@rss_ai_ir
#GPT6 #OpenAI #ChatGPT #هوش_مصنوعی #AI #CNBC #TechNews

📘 NotebookLM
بروزرسانی شد!

در بخش 🎬 ویدیو ریویوها حالا ۶ سبک جدید اضافه شده که همگی بر پایه‌ی مدل Nano Banana ساخته شدن — ویدیوها حالا طبیعی‌تر و سینمایی‌تر از قبل به‌نظر می‌رسن.

✳️همچنین فرمت جدیدی به‌نام Brief معرفی شده که مخصوص خلاصه‌سازی هوشمند پرزنتیشن‌ها و ویدیوها است — ایده‌آل برای مرور سریع پروژه‌ها و جلسات.

📆 کاربران نسخه‌ی Pro این هفته بروزرسانی رو دریافت می‌کنن، و طی چند هفته‌ی آینده برای همه‌ی کاربران عرضه می‌شه.

@rss_ai_ir
#Google #NotebookLM #هوش_مصنوعی #AI #NanoBanana #Productivity

⚡ روندهای جهانی در تولید برق

تولید برق در سراسر جهان همچنان در حال رشد است، اما ساختار منابع انرژی به‌طور محسوسی در حال تغییر است — سهم زغال‌سنگ و گاز به‌تدریج کاهش می‌یابد، در حالی‌که انرژی‌های تجدیدپذیر (باد، خورشید و نیروگاه‌های آبی) با سرعتی پایدار جای خود را در تراز انرژی باز می‌کنند.

📊 سرانه تولید (Per-Capita Generation)

♻️آمریکای شمالی و اروپا سطح تولید نسبتاً ثابتی دارند،
♻️آسیا رشد چشمگیری نشان می‌دهد، به‌ویژه چین و هند،
♻️آفریقا و آمریکای جنوبی هنوز پایین‌تر از میانگین جهانی هستند، اگرچه تقاضا در حال افزایش است.


📈 بر اساس گزارش‌های:
Ember (۲۰۲۵) و Energy Institute – Statistical Review of World Energy (۲۰۲۴)

💬 طبق برآورد ICF، برای تأمین تقاضای رو‌به‌افزایش، ایالات متحده باید سالانه حدود ۸۰ گیگاوات ظرفیت جدید ایجاد کند.
اما در واقعیت کمتر از ۶۵ گیگاوات ساخته می‌شود — یعنی کمبودی معادل مصرف برق دو شهر منهتن در ساعات اوج تابستان.
منبع: The Wall Street Journal

این «شکاف انرژی» نتیجه‌ی رشد سریع مصرف برق در حوزه‌های هوش مصنوعی، مراکز داده، سرویس‌های ابری، استخراج رمزارز و برق‌رسانی صنعتی است — روندهایی که معماری سیستم‌های انرژی دهه آینده را شکل خواهند داد.

🔗 منبع:
Reddit — Global Electricity Generation Trends

@rss_ai_ir
#انرژی #AI #هوش_مصنوعی #DataCenters #پایداری #زیرساخت #برق

🌏 Hunyuan World 1.1 (WorldMirror) —
نسخه‌ی جدید مدل متن‌باز تولید جهان سه‌بعدی از Tencent Hunyuan

در حالی‌که نسخه‌ی قبلی Hunyuan World 1.0 برای ساخت جهان‌های سه‌بعدی از متن یا تصاویر تک‌زاویه‌ای طراحی شده بود و روی GPUهای معمولی اجرا می‌شد، نسخه‌ی جدید 1.1 حالا از ویدیوها و تصاویر چندزاویه‌ای پشتیبانی می‌کند.

🎯 ویژگی‌های کلیدی:

ورودی آزاد (Any Input): از ویدیو، تصویر، نقشه عمق و پارامترهای دوربین پشتیبانی می‌کند و ساختار سه‌بعدی دقیق و بدون اعوجاج می‌سازد.

خروجی آزاد (Any Output): تولید هم‌زمان چندین نمای سه‌بعدی — از جمله نقشه عمق، ابر نقاط (Point Cloud)، نرمال سطوح و Gaussian Splatting.

سرعت بالا: مدل از نوع Feed-Forward است و تمام ویژگی‌های سه‌بعدی را تنها در چند ثانیه و در یک GPU تولید می‌کند.


⚙️ این مدل به‌نوعی ادامه‌ی مسیر تکاملی مدل‌های تولید ویدیو است — با این تفاوت که حالا می‌تواند جهان‌های کامل را بازسازی کند.
در حالی‌که گوگل با مدل GENIE-3 پاسخ داده، OpenAI هنوز هیچ معادل مستقیمی برای این فناوری ندارد.

💻 منابع:
🔹 کد: github.com/Tencent-Hunyuan/HunyuanWorld-Mirror
🔹 پروژه: 3d-models.hunyuan.tencent.com/world/
🔹 دمو: Hugging Face Space
🔹 مقاله: Tech Report PDF

@rss_ai_ir
#AI #3D #GenerativeAI #Hunyuan #Tencent #OpenSource #هوش_مصنوعی #سه‌بعدی #مدل_تولیدی

😮 نشت جدید از Google –
نسخه‌ای از GENIE 3!

در ویدئوی تازه‌ای که منتشر شده، نسخه‌ای از GENIE 3 (مدل تولید جهان‌های سه‌بعدی گوگل) دیده می‌شود که به کاربران اجازه می‌دهد نه‌تنها محیط، بلکه کاراکترها را نیز بسازند! 🎮
به‌نظر می‌رسد این نسخه تعاملی‌تر از نمونه‌های قبلی است — چیزی بین بازی، شبیه‌سازی و مدل‌سازی زنده‌ی جهان‌های مولد.

📺 در پایین ویدیو چند نکته جالب نوشته شده بود:

♻️پس از ساخت جهان، کاربر ۶۰ ثانیه فرصت دارد تا در محیط قدم بزند.

♻️در بالا پیام خطایی دیده می‌شود: «نیاز به بازخورد از کاربر».

♻️هر سشن می‌تواند به‌صورت ویدیو ذخیره و به‌اشتراک گذاشته شود.


👀 هنوز مشخص نیست ویدیو واقعی است یا نه، اما شباهت زیادی به محیط آزمایشی Google DeepMind GENIE-3 دارد.
احتمالاً تا پایان سال باید منتظر خبر رسمی از گوگل باشیم…

@rss_ai_ir
#Google #Genie3 #AI #3D #WorldModel #هوش_مصنوعی #مدل_جهان #ژنراتیو

🤖 دست رباتیک ضدآب با استاندارد IP68 از شرکت چینی Heyman Tech

❌این دست رباتیک جدید قادر است حتی در محیط‌های عمیق زیر دریا نیز کار کند.

⛔️شرکت Heyman Tech موفق شده طراحی مکانیکی و الکترونیکی آن را به‌گونه‌ای انجام دهد که در برابر آب و فشار مقاوم بماند، بدون نیاز به عایق‌کاری اضافی.

✅این دست می‌تواند برای ربات‌های صنعتی، عملیات زیرآبی، نجات اضطراری و پروژه‌های نظامی به‌کار گرفته شود — گامی بزرگ در جهت ساخت ربات‌های مقاوم برای محیط‌های سخت.

@rss_ai_ir
#رباتیک #هوش_مصنوعی #HeymanTech #ربات #فناوری #DeepSea #AI

🚀 Mistral AI Studio —
پلتفرم جدید برای تولید و اجرای هوش مصنوعی در مقیاس صنعتی

♻️شرکت Mistral AI از پلتفرم جدید خود با نام AI Studio رونمایی کرده که آن را به‌عنوان «پلتفرم برای تولید و استقرار هوش مصنوعی در محیط واقعی» معرفی می‌کند.

🧩 این پلتفرم بر سه ستون اصلی استوار است:

✅ Observability —
مشاهده و تحلیل دقیق عملکرد مدل‌ها:
نمایش کامل ترافیک، فیلترگذاری، تحلیل خطاها و جمع‌آوری داده‌های استفاده برای پایش و بهبود مدل‌ها.

✅ Agent Runtime —
اجرای ایزوله و پایدار ایجنت‌ها:
امکان اجرای ایجنت‌ها در محیط‌های ابری، ترکیبی (hybrid) یا on-prem با قابلیت تکرار، ردیابی و مانیتورینگ در زمان واقعی.

✅ AI Registry —
ثبت و مدیریت متمرکز دارایی‌های هوش مصنوعی:
شامل مدل‌ها، دیتاست‌ها، ابزارها و ورک‌فلوها همراه با نسخه‌بندی، کنترل دسترسی و ثبت کامل تاریخچه.

🧠 هدف نهایی Mistral: ایجاد زیرساختی صنعتی برای ساخت، رصد و استقرار ایجنت‌ها و مدل‌های هوش مصنوعی در پروژه‌های واقعی.

🔗 مشاهده جزئیات رسمی

@rss_ai_ir
#MistralAI #AIStudio #هوش_مصنوعی #Agent #MLOps #Observability #AIRegistry #Automation