🔀 Feed-Forward 4D Video 🔀

مدل 4DNeX اولین فریم‌ورک feed-forward برای تولید بازنمایی‌های صحنه‌ی چهاربعدی از روی تنها یک تصویر است؛ این کار با فاین‌تیون کردن مدل‌های دیفیوشن انجام می‌شود.

✨ قابلیت‌ها:

* تولید ابرنقاط (Point Clouds) پویا و باکیفیت
* پشتیبانی از تسک‌های جانبی مثل ویدئوسازی با دیدگاه جدید (Novel-View Video Synthesis)
* تعمیم‌پذیری بالا در سناریوهای متنوع

🔧 نحوه‌ی کار:
این سیستم درک تصویر رو با دقت بالا انجام میده (VL-model) و در کنار اون از VAE برای کنترل دقیق ساختار استفاده می‌کنه. در نتیجه هم معنا و هم جزئیات تصویر در نسخه‌های 4D حفظ میشه.

🟢 منابع و دسترسی:

👉 [Paper](https://arxiv.org/pdf/2508.13154)
👉 [Project](https://4dnex.github.io/)
👉 [Repo](https://github.com/3DTopia/4DNeX)
👉 [Demo](https://lnkd.in/dztyzwgg)

#هوش_مصنوعی #4D #دیفیوشن #بینایی_ماشین
@rss_ai_ir

📊 آمار تازه از رشد ماهانه اپلیکیشن‌های GenAI

در فاصله‌ی ژوئن تا جولای ۲۰۲۵، بیشترین رشد کاربران فعال ماهانه (MAU) متعلق به Grok بوده با جهش ۲۹.۴۳٪ 🚀
بعد از آن:

* Perplexity: ‎+۱۳.۷۷٪
* ChatGPT: ‎+۶.۲۱٪
* Claude: ‎+۳.۰۸٪
* Gemini: ‎−۷.۰۷٪
* DeepSeek: ‎−۸.۸٪

اما نکته‌ی بحث‌برانگیز:
🔍 با وجود اینکه Grok صدرنشین دانلود در iOS و Google Play بوده، اپل آن را در دسته‌ی اپلیکیشن‌های AI در اپ‌استور قرار نداده — در حالی که ChatGPT، Gemini و Copilot همگی لیست شده‌اند.

👀 برای خیلی‌ها این شبیه به یک حذف عمدی توسط اپل به نظر می‌رسه.

#هوش_مصنوعی #Grok #اپل #AI
@rss_ai_ir

🤖✨ ربات پرنده با بازوی نرم الهام‌گرفته از متر نواری!

این ربات پرنده به یک ساختار رباتیک نرم (Soft Robotics) مجهز شده که طراحی آن از متر نواری الهام گرفته شده است.
بازوی ربات می‌تواند به راحتی دور اجسام (مثل یک تنه درخت) پیچیده شود و آن را با دقت بالا نگه دارد.

🔹 کاربردها:

* جابه‌جایی اجسام در محیط‌های خطرناک
* عملیات نجات و امداد
* کشاورزی هوشمند (برداشت محصولات از ارتفاع)
* صنایع ساختمانی و مونتاژ در نقاط دور از دسترس

این فناوری نشان می‌دهد که ترکیب پهپادها با رباتیک نرم می‌تواند افق‌های تازه‌ای در رباتیک صنعتی و خدماتی باز کند 🚀

#رباتیک #پهپاد #SoftRobotics #هوش_مصنوعی
@rss_ai_ir

🧠 SSRL: Self-Search Reinforcement Learning

♻️مقاله‌ای تازه از Yanxu Chen و همکاران رویکردی نو به آموزش مدل‌های زبانی بزرگ (LLMs) معرفی کرده: یادگیری تقویتی با جستجوی درونی (Self-Search RL).
---

🔹 ایده اصلی
♻️به جای اینکه مدل برای یادگیری نیازمند اتصال به موتورهای جستجوی بیرونی باشه (که هزینه‌بر و کند است)، در محیطی شبیه‌سازی‌شده از خودش به عنوان عامل و محیط استفاده می‌کنه. مدل به‌صورت خودبازگشتی (autoregressive) هم کوئری جستجو تولید می‌کنه و هم پاسخ اطلاعاتی، و سپس با پاداش‌های مبتنی بر فرمت و نتیجه آموزش داده میشه.

---

🔹 هدف

♻️سنجش ظرفیت‌های جستجوی درونی (intrinsic search capabilities) در LLMها

♻️بررسی اینکه آیا آموزش در محیط «کاملاً شبیه‌سازی‌شده» می‌تونه به انتقال مؤثر در دنیای واقعی (sim-to-real transfer) منجر بشه یا نه.

---

🔹 نتایج کلیدی

♻️مدل Llama-3.1-8B-Instruct که با SSRL آموزش دید، در شش بنچمارک به میانگین ۴۳.۱٪ دقت رسید.
♻️این عملکرد از ZeroSearch (با ۴۱.۵٪) بهتر بود.
♻️در مقایسه با روش‌های وابسته به API، SSRL هزینه آموزش رو به‌شدت کاهش میده، چون نیازی به فراخوانی مداوم APIها نداره.

---

🔹 پیام برای متخصصان AI
♻️همچنین SSRL یک پارادایم کم‌هزینه و کارآمد برای آموزش عامل‌های جستجو فراهم می‌کنه.
♻️مدل‌ها در فاز آموزش کاملاً روی داده‌های شبیه‌سازی‌شده تمرین می‌کنن، و بعد می‌تونن در زمان استقرار واقعی با موتورهای جستجو به‌کار گرفته بشن. این یعنی ترکیب سرعت، کاهش هزینه و بهبود کارایی در توسعه نسل بعدی عامل‌های جستجوگر.

📌 بیشتر بخوانید:

arXiv

HuggingFace Papers


#هوش_مصنوعی #یادگیری_تقویتی #LLM #SSRL #جستجو
@rss_ai_ir

🪜 ربات‌ها و پله‌ها؛ دلیلی برای اینکه هنوز نباید از شورش ماشین‌ها بترسیم

یکی از نقاط ضعف اساسی در رباتیک امروزی چیزی ساده و روزمره مثل پله‌هاست. هرچند هوش مصنوعی در زبان، بینایی ماشین و تصمیم‌گیری جهش‌های عظیمی داشته، اما در حوزه حرکت فیزیکی هنوز محدودیت‌های جدی وجود داره.

🔹 بالا و پایین رفتن از پله‌ها برای انسان‌ها کار بدیهی محسوب میشه، اما برای ربات‌ها ترکیبی از چالش‌های مکانیکی، تعادل دینامیکی و درک محیطیه. بسیاری از ربات‌ها با کوچک‌ترین تغییر زاویه یا لغزش از حرکت بازمی‌مونن.

🔹 همین ضعف نشون میده که فاصله زیادی بین هوش محاسباتی و توانایی‌های فیزیکی ربات‌ها وجود داره. پس حتی اگر هوش مصنوعی به سطح استدلال پیچیده برسه، توانایی برای «شورش فیزیکی» در دنیای واقعی هنوز محدود به موانع بسیار ساده‌ای مثل یک راه‌پله است.

📌 نتیجه: تا وقتی ربات‌ها نتونن از یک پلکان معمولی به‌خوبی عبور کنن، ترس از شورش ماشین بیشتر شبیه داستان‌های علمی‌–تخیلی باقی می‌مونه تا واقعیت.

#هوش_مصنوعی #رباتیک #فناوری #AI
@rss_ai_ir

🛠 نقشه‌راه عمومی Gemini CLI منتشر شد — هدف: ساخت یک عامل کدنویسی متن‌باز قدرتمند با محوریت جامعه کاربری.

پروژه در ۴ جهت اصلی در حال توسعه است:

1️⃣ قابل‌گسترش (Extensible)
امکان توسعه‌پذیری برای هر محیط و سناریو: اسلش‌کامندهای سفارشی، پروتکل‌های ریموت، اجرای فایل‌های .gemini.md با ابزارهای کاربر.

2️⃣ در همه‌جا (Everywhere)
اجرای عامل به‌عنوان یک فرآیند پس‌زمینه در محیط‌های مختلف: لوکال، کانتینرها، GitHub Actions و فضای ابری. حتی پشتیبانی از تفویض وظیفه به زیرعامل‌ها.

3️⃣ هوشمند (Intelligent)
تمرکز بر کیفیت مدل‌ها و ابزارها؛ هدف کسب رتبه‌های بالا در بنچمارک‌هایی مثل SWE Bench. تمامی باگ‌های حیاتی (P0) پیش از نسخه ۱.۰ رفع خواهند شد.

4️⃣ متن‌باز (Open Source)
ساخته‌شده در تعامل با جامعه: پاسخ سریع به Issues و PRها، بکلاگ حداقلی و فرآیندهای مشارکت ساده و روان.


---

🔄 جریان‌های کاری (Workstreams) فعلی:

♻️بهبود کیفیت مدل (تقویت استدلال، حذف تکرارها)
♻️بهینه‌سازی عملکرد (Caching، مسیریابی هوشمند مدل‌ها)
♻️گسترش‌پذیری (عامل‌های پس‌زمینه، استقرار ابری)
♻️اتوماسیون جامعه (بهبود Dev Flow)


📌 اگر می‌خواهید در توسعه نسل بعدی ابزارهای کدنویسی AI مشارکت کنید، اکنون بهترین زمان برای پیوستن به Gemini CLI است.

🔗 جزئیات در گیت‌هاب

#هوش_مصنوعی #کدنویسی #Gemini #متن_باز
@rss_ai_ir

🆕 DeepSeek-V3.1 منتشر شد

مدل جدید فعلاً بدون اعلام رسمی بیرون اومده، اما وزن‌های نسخه base روی HuggingFace قرار گرفته‌اند. 📂

🔹 آنچه تا الان می‌دونیم:

♻️ظرفیت کانتکست افزایش پیدا کرده تا ۱۲۸هزار توکن
♻️دامنه‌ی دانش به‌روز شده تا جولای ۲۰۲۴
♻️معماری تغییر اساسی نداشته، اما گزارش شده که مدل به‌صورت هیبریدی طراحی شده


با وجود این تغییرات، به نظر می‌رسه این نسخه بیشتر یک آپدیت کوچک باشه تا یک جهش بزرگ. حالا باید منتظر بنچمارک‌ها و پست رسمی بلاگ بمونیم تا تصویر دقیق‌تری به دست بیاد 🤔

#هوش_مصنوعی #DeepSeek #LLM #مدل_زبانی
@rss_ai_ir

🤖 مجموعه‌ای بی‌نظیر از سیستم‌های عامل‌های هوشمند خودتکاملی

✅این کالکشن یک نقشه‌ی جامع از مسیر تکامل Agentها در سال‌های ۲۰۲۳ تا ۲۰۲۵ ارائه می‌دهد؛ از بهینه‌سازی تک‌عاملی تا چندعاملی و در نهایت دامنه‌های تخصصی.

📌 شامل:

♻️مورد Agentهای خودتکاملی (Self-Evolving Agents)
♻️روش‌های بهینه‌سازی حافظه، Prompt و Workflow
♻️تکنیک‌های Multi-Agent برای تقسیم وظایف و همکاری
♻️بهینه‌سازی‌های دامنه‌محور در علوم، پزشکی، حقوق و صنعت


✨ ایده‌ی اصلی: آزاد کردن زمان شما با سپردن کارها به Agentها.

📊 لینک

#هوش_مصنوعی #AI_Agents #MultiAgent #خودتکاملی
@rss_ai_ir

🗣️ علی‌بابا با MoDA برگشت به صحنه!

یک معماری چندوجهی مبتنی بر Diffusion برای ساخت آواتارهای متحرک و talking head generation معرفی شده که کاملاً اپن‌سورس منتشر شده.

🔑 نکته جالب اینجاست که بعد از مدت‌ها انتظار برای کد پروژه‌هایی مثل EMO، بالاخره یک کد باز و آماده تست در اختیار داریم.

📌 پروژه: MoDA
📂 کد: GitHub

👀 در صفحه‌ی پروژه دموهایی از مقالات قدیمی و جدید ترکیب شده‌اند، و در بخش acknowledgements هم لیستی از منابع و پروژه‌های مرتبط مثل:
LivePortrait, EchoMimic, JoyVasa, Ditto, Open Facevid2vid, InsightFace, X-Pose, DiffPoseTalk, Hallo, wav2vec 2.0, Q-Align, Syncnet

⚡ نتیجه: یک فرصت عالی برای علاقه‌مندان به lip-sync و آواتارهای متحرک. کد را تست کنید، چون معلوم نیست همیشه در دسترس بماند!

#LipSync #MoDA #Alibaba #Diffusion
@rss_ai_ir

🚀 در نسخه Kling 2.1 قابلیت تازه‌ای اضافه شده: FirstFrame / LastFrame.

این ویژگی فعلاً فقط برای کاربرانی فعال شده که قبلاً از مدل تعریف کرده بودند. جذابیش اینه که حتی بدون پرامپت هم میشه استفاده کرد — مثل کار Nano Banana که ده‌ها واریانت کاراکتر ساخته و خروجی خیلی تمیزی داده.

📌 حالا کافیه اولین یا آخرین فریم رو در Kling بارگذاری کنید تا موتور هوش مصنوعی با همون حالت شروع یا پایان بسازه و نتیجه چیزی شبیه Elastic Reality روی استروئیدهای هوش مصنوعی بشه.

#Kling #AI #FirstFrame #LastFrame

@rss_ai_ir

🔎 آیا این متن را یک انسان نوشته یا هوش مصنوعی؟ آشنایی با ابزارهای تشخیص محتوای هوش مصنوعی 🤖

با پیشرفت خیره‌کننده مدل‌های زبانی مثل ChatGPT و Gemini، تشخیص تفاوت بین متن نوشته‌شده توسط انسان و هوش مصنوعی روزبه‌روز سخت‌تر می‌شود. در همین راستا، ابزارها و وب‌سایت‌هایی با عنوان تشخیص‌دهنده هوش مصنوعی (AI Detector) ظهور کرده‌اند که ادعا می‌کنند می‌توانند این تفاوت را تشخیص دهند.

✅ معرفی چند ابزار معروف 🌐

چندین سایت در این زمینه فعال هستند که در ادامه به چند مورد معروف اشاره می‌شود:

✳️ یکی از اولین و مشهورترین ابزارها GPTZero است که توسط یک دانشجو ساخته شد.
✳️ ابزار Originality.ai یک گزینه دقیق و پولی است که به‌طور تخصصی برای ناشران محتوا طراحی شده و همزمان سرقت ادبی (Plagiarism) را نیز بررسی می‌کند.
✳️ سرویس Copyleaks AI Content Detector ابزاری است که تشخیص محتوای هوش مصنوعی را با یک جستجوگر قوی سرقت ادبی ترکیب کرده است.
✳️ یک جایگزین رایگان و محبوب با رابط کاربری ساده، ZeroGPT است.
✳️ ابزار AI Detector از شرکت Writer.com نیز یکی دیگر از گزینه‌های موجود در این حوزه است.

---

🚨 هشدار بسیار مهم: این ابزارها کامل نیستند! 🚨

این بخش، مهم‌ترین قسمت ماجراست. اعتماد صددرصدی به این ابزارها می‌تواند بسیار خطرناک و ناعادلانه باشد. چرا؟

۱. خطای مثبت کاذب (False Positive) 😥
این بزرگ‌ترین مشکل است. این ابزارها ممکن است یک متن کاملاً انسانی را به اشتباه به عنوان محصول هوش مصنوعی شناسایی کنند. این خطا می‌تواند به دلیل سبک نوشتاری ساده، استفاده از جملات استاندارد یا حتی موضوعات فنی باشد. متهم کردن یک دانشجو یا نویسنده فقط بر اساس نتیجه این ابزارها، کاری کاملاً اشتباه است.

۲. خطای منفی کاذب (False Negative) 🤫
این ابزارها به راحتی فریب می‌خورند. اگر یک متن تولیدشده توسط هوش مصنوعی توسط یک انسان کمی ویرایش شود (اصطلاحاً "Humanized" شود)، شانس اینکه ابزار آن را به عنوان متن انسانی تشخیص دهد، بسیار بالا می‌رود.

۳. امتیاز احتمالی، نه حکم قطعی 📊
خروجی این ابزارها یک درصد احتمال است، نه یک پاسخ قطعی "بله" یا "خیر". نمره "90% احتمالاً توسط AI نوشته شده" به معنای اثبات قطعی نیست، بلکه یک تخمین آماری بر اساس الگوهایی است که ابزار آموزش دیده تا شناسایی کند.

۴. بازی موش و گربه بی‌پایان 😼🐭
مدل‌های هوش مصنوعی دائماً در حال پیشرفت هستند و نوشتارشان به سبک انسان نزدیک‌تر می‌شود. در مقابل، ابزارهای تشخیص‌دهنده نیز سعی می‌کنند خود را به‌روز کنند. این یک رقابت تمام‌نشدنی است و هیچ ابزاری نمی‌تواند ادعای دقت همیشگی داشته باشد.

---

⛔️ پس چه کار کنیم؟ راهنمای استفاده هوشمندانه 💡

✳️ به عنوان یک سرنخ، نه مدرک قطعی: از خروجی این ابزارها فقط به عنوان یک سیگنال اولیه یا یک سرنخ استفاده کنید، نه به عنوان مدرک نهایی برای قضاوت.
✳️ قضاوت انسانی در اولویت است: هیچ چیز جایگزین تحلیل و قضاوت یک انسان باتجربه نمی‌شود. سبک نگارش، عمق تحلیل و تفکر انتقادی در متن، نشانه‌هایی هستند که یک انسان بهتر از ماشین تشخیص می‌دهد.
✳️ برای نویسندگان: به جای نگرانی از این ابزارها، روی خلق محتوای باکیفیت، معتبر و دارای دیدگاه شخصی تمرکز کنید. از هوش مصنوعی به عنوان دستیار برای ایده‌پردازی یا پیش‌نویس استفاده کنید، اما همیشه اثر انگشت خودتان را روی کار نهایی بگذارید.

نتیجه‌گیری: ابزارهای تشخیص محتوای هوش مصنوعی فناوری جالبی هستند، اما باید با احتیاط و تفکر انتقادی فراوان از آن‌ها استفاده کرد. آن‌ها در وضعیت فعلی، بیشتر از آنکه مفید باشند، می‌توانند باعث سوءتفاهم و قضاوت‌های ناعادلانه شوند.

#هوش_مصنوعی #محتوا #سئو #تشخیص_محتوا #نویسندگی #فناوری #تولیدمحتوا #هوش_مصنوعی_مولد

@rss_ai_ir

مدل‌های اپن‌سورس جدید GPT-OSS از OpenAI منتشر شدند 🧠⚙️

برای نخستین‌بار بعد از GPT-2، اوپن‌ای‌آی وزن‌های دو مدل بزرگ را در دسترس عموم قرار داده:
مدل های gpt-oss-20B و gpt-oss-120B. این مدل‌ها بر پایه‌ی Mixture-of-Experts (MoE) ساخته شده‌اند، با طول کانتکست تا ۱۲۸k و قابلیت تنظیم سطح استدلال (low / medium / high). همچنین فرمت جدیدی به نام harmony برای پیام‌ها معرفی شده است.

---

🔹 معماری و مشخصات فنی

❇️ مدل ۱۲۰B شامل ۱۲۸ کارشناس است که تنها ۴ کارشناس روی هر توکن فعال می‌شوند.
❇️ مدل ۲۰B شامل ۳۲ کارشناس است.
❇️ حجم چک‌پوینت‌ها: حدود ۶۰.۸ GiB (۱۲۰B) و ۱۲.۸ GiB (۲۰B).
❇️ با فشرده‌سازی MXFP4، مدل ۱۲۰B روی GPU با ۸۰ گیگابایت حافظه جا می‌شود و مدل ۲۰B روی کارت‌های ۱۶ گیگابایتی قابل اجراست.
❇️ طول کانتکست: تا \~۱۲۸k توکن.

---

🔹 ویژگی‌های کلیدی

❇️ فرمت harmony با سه کانال خروجی:

❇️قابلیت analysis (تفکر و بخشی از tool calls)
❇️ commentary (فراخوانی ابزارها)
❇️final (نتیجه نهایی)
❇️ حالت‌های استدلال (Reasoning modes): low / medium / high در پرامپت سیستم مشخص می‌شوند و بین سرعت، دقت و هزینه تعادل ایجاد می‌کنند.
❇️ توکنایزر جدید o200k\_harmony با دقت بهتر روی کاراکترهای غیرانگلیسی و اموجی‌ها.

---

🔹 مثال برای تنظیم سطح استدلال

<|start|>system<|message|>
You are a helpful AI. 
Reasoning: medium 
Tools: web_search, python 
<|end|>

---

🔹 اهمیت در عمل

✅ ساخت دستیارهای محلی و آفلاین با داده‌های حساس روی سخت‌افزار در دسترس.
✅استانداردسازی پرامپت با harmony و سازگاری راحت‌تر با vLLM، Ollama و سایر ران‌تایم‌ها.
✅ امکان انتخاب سطح استدلال برای کنترل بهتر روی سرعت ↔️ دقت ↔️ هزینه.

---

🔹 نکات تکمیلی
❌ زنجیره‌های استدلال (CoT) بدون فیلتر نباید مستقیم به کاربر نمایش داده شوند.
❌ دیتاست آموزشی بیشتر انگلیسی است، برای کاربردهای فارسی یا روسی نیاز به فاین‌تیون یا تطبیق وجود دارد.

---

✅ جمع‌بندی: GPT-OSS جهش انقلابی نیست، بلکه نتیجه‌ی مهندسی دقیق و استانداردسازی است که آستانه‌ی ورود به دنیای مدل‌های اپن‌سورس و قابل‌کنترل را پایین‌تر می‌آورد.

📌 مطالعه بیشتر: [Jay Alammar – Visual GPT-OSS](https://newsletter.languagemodels.co/p/the-illustrated-gpt-oss)

#هوش_مصنوعی #مدل_زبان #اپن_سورس #GPT_OSS
@rss_ai_ir

🤖🔧 ربات‌ها بدون ابزار عملیاتی مثل بازوی مکانیکی، بیشتر شبیه دکور لوکس هستن تا ماشین صنعتی!

خیلی وقت‌ها در پروژه‌های رباتیک کلی تکنولوژی پیشرفته به‌کار میره، ولی سؤال اساسی اینه: کاربرد واقعی کجاست؟
🔹 بدون ماژول‌های عملیاتی مثل بازوی مکانیکی، گیره‌های هوشمند یا سیستم‌های لجستیکی، ربات فقط یک نمایش پرزرق‌وبرق باقی می‌مونه.
🔹 با اضافه کردن این بخش‌هاست که ربات واقعاً وارد دنیای صنعت میشه: از مونتاژ و بسته‌بندی گرفته تا جابه‌جایی در خطوط تولید و انبارداری هوشمند.

پس دفعه بعد که رباتی دیدید، یادتون باشه:
اگر توی دلش بازوی مکانیکی نباشه، شاید فقط برای عکس گرفتن ساخته شده باشه 😅

#رباتیک #هوش_مصنوعی #اتوماسیون #صنعت
@rss_ai_ir

🥇 خبر داغ از مسابقات جهانی ربات‌های انسان‌نما

❇️ربات Unitree موفق شد در رشته‌ی دو ۴۰۰ متر مدال طلا بگیره و رکوردی تازه ثبت کنه: ۱ دقیقه و ۲۸ ثانیه 🏃‍♂️🤖

♨️این زمان تقریباً دو برابر رکورد جهانی انسانی (۴۳.۰۳ ثانیه) است، اما برای یک ربات انسان‌نما جهشی بزرگ محسوب میشه.

✳️این موفقیت نشون می‌ده که ربات‌ها دارن با سرعتی شگفت‌انگیز به دنیای ورزش و تحرک انسانی نزدیک می‌شن.

#رباتیک #هوش_مصنوعی #ورزش #RobotGames
@rss_ai_ir

👠 مدل OmniTry: پروسه‌ی جدید پرو کردن مجازی برای هر آیتم پوشیدنی 👠

سیستم OmniTry یک فریم‌ورک یکپارچه معرفی کرده که قابلیت‌های Virtual Try-On (VTON) را از لباس فراتر می‌برد و شامل هر نوع وسیله‌ی پوشیدنی می‌شود: از جواهرات و اکسسوری‌ها گرفته تا آیتم‌های دیگر — آن هم بدون نیاز به ماسک‌گذاری دستی. ✨

🔹 ویژگی‌ها:

♻️پشتیبانی از همه‌ی پوشیدنی‌ها (لباس، جواهرات، اکسسوری)
♻️بدون نیاز به ماسک (Mask-Free)
♻️انتشار وزن‌ها، بنچمارک و دموی HuggingFace


📌 منابع:

👉 Paper
👉 Project
👉 Repo
🤗 Demo

#هوش_مصنوعی #VTON #پردازش_تصویر #OmniTry #VirtualTryOn
@rss_ai_ir

💬 به نقل از The Verge: «اوپن‌ای‌آی در آینده‌ی نزدیک قصد دارد تریلیون‌ها دلار روی ساخت دیتاسنترها سرمایه‌گذاری کند!»

⚡ رقابت برای دستیابی به AGI / ASI وارد سطح تازه‌ای شده — دیگر صحبت از میلیاردها نیست، بلکه پای تریلیون‌ها در میانه است.

🤖 هوش مصنوعی به اولویت شماره یک جهان فناوری تبدیل شده و بسیاری این پروژه را با پروژه منهتن در تاریخ معاصر مقایسه می‌کنند.

#هوش_مصنوعی #OpenAI #AGI #دیتاسنتر
@rss_ai_ir

🔹 در نیمه‌ی نخست سال ۲۰۲۵ دو شرکت OpenAI و Anthropic رشد خیره‌کننده‌ای را تجربه کردند و به‌نوعی وارد مرحله‌ی «ابررشد» شدند.

💰 درآمد سالانه (ARR):

* اوپن‌ای‌آی از ۶ میلیارد دلار به ۱۲ میلیارد دلار در عرض ۶ ماه رسید.
* آنتروپیک از ۱ میلیارد دلار به ۵ میلیارد دلار در ۷ ماه رشد کرد.

📊 مقایسه درآمدها:

* اوپن‌ای‌آی در بخش اشتراک‌ها (مصرف‌کننده و سازمانی) پیشتاز است.
* آنتروپیک در بخش API کمی جلوتر است: ۳.۱ میلیارد دلار در برابر ۲.۹ میلیارد دلار.
* نیمی از درآمد API آنتروپیک تنها از Cursor و GitHub Copilot به دست می‌آید.

👩‍💻 شاخص‌های استفاده:

* چت‌جی‌پی‌تی روزانه بیش از ۳ میلیارد پیام پردازش می‌کند (رشد ۴ برابری نسبت به سال گذشته).
* کلود‌کُد به ۴۰۰ میلیون دلار ARR رسیده و تنها در چند هفته دو برابر شده است.
* بسیاری از دستیارها به طور پیش‌فرض از Claude 4 Sonnet استفاده می‌کنند.

⚖️ با این حال اگر جی‌پی‌تی-۵ دوباره برتری مطلق پیدا کند، احتمال دارد Cursor و Copilot به سمت اوپن‌ای‌آی متمایل شوند و این می‌تواند موازنه‌ی بازار را یک‌شبه تغییر دهد.

🌐 @rss_ai_ir

#هوش_مصنوعی #OpenAI #Anthropic #ChatGPT #Claude #Cursor #Copilot #GPT5 #بازار