Prototime

قابلیت جدید ChatGPT Sites در اپلیکیشن Codex: ساخت آنی وب‌سایت و داشبورد زنده ابزار جدید ChatGPT Sites درون اپلیکیشن Codex به توسعه‌دهندگان و مدیران این امکان را می‌دهد تا فایل‌های داده خام (مانند صفحات اکسل یا Google Sheets) را مستقیماً به داشبوردهای تعاملی و تحت وب تبدیل کنند. امکانات و ویژگی‌ها: - کافی است با تایپ دستوری مانند sites@ درخواست داشبورد تحلیلی دهید؛ سیستم به‌صورت خودکار هاستینگ، پایگاه‌داده و لایه Authentication را بالا می‌آورد. - پشتیبانی از اتصال به دامنه‌های اختصاصی و مشاهده آمار بازدید. - مجهز به استاندارد ارتباطی Web MCP؛ عاملی که به AI Agents اجازه می‌دهد به جای کلیک کورکورانه در صفحه، رفتارهای از پیش‌تعریف‌شده و دقیق را در پنل اجرا کنند. این ابزار مسیر توسعه مینی‌نرم‌افزارهای سازمانی را کوتاه کرده و نیاز به معماری‌های پیچیده سرور را برای ابزارهای داخلی از بین می‌برد. https://finance.biggo.com/news/6315a82e-acff-4f1d-bcd9-3a9501a125e8

عرضه غافلگیرکننده GLM 5.3 Flash؛ جهش هوش ارزان‌قیمت در بنچمارک‌ها مدل متن‌باز جدید GLM 5.3 Flash (که ابتدا با نام مستعار Ox Alpha در حالت آزمایشی عرضه شده بود) به شکل رسمی منتشر شد و نتایج تست‌های اولیه آن جامعه فنی را شگفت‌زده کرده است. بر اساس ارزیابی‌های شاخص هوش Artificial Analysis: - در بنچمارک برنامه‌نویسی DeepSuite این مدل با ثبت امتیاز ۶۳.۴، مدلی مانند Claude 4.8 Opus را پشت سر گذاشته و تقریباً هم‌سطح Gemini 3.7 Flash قرار می‌گیرد. - این مدل از نظر سطح هوش با Qwen 3.8 Max برابری می‌کند اما هزینه پردازشی و اجرای آن به مراتب کمتر است. - نمودار هزینه به کارایی نشان می‌دهد که GLM 5.3 Flash مدل‌های گران‌تر و پیشین نظیر Claude Sonnet 5، Gemini 3.1 Pro و DeepSeek V4 را عملاً از صرفه اقتصادی خارج می‌کند. معادله در حال تغییر است؛ کاهش چشمگیر هزینه‌های استنتاج هم‌زمان با حفظ دقت محاسباتی، رقابت را برای سرویس‌های اشتراکی اختصاصی سخت‌تر می‌کند. https://artificialanalysis.ai/models/glm-5-3-flash/providers

ورود تراشه‌های M5 Ultra و M6 اپل به میدان؛ ابررایانه‌های محلی با ۵۱۲ گیگابایت حافظه یکپارچه شرکت اپل از چیپ‌های جدید M6 و M5 Ultra رونمایی کرد؛ سخت‌افزارهایی که با تمرکز ویژه بر اجرای Local بارهای پردازشی هوش مصنوعی بدون نیاز به اتصال ابری طراحی شده‌اند. مشخصات فنی و کلیدی این پردازنده‌ها: پردازنده M5 Ultra به ادعای سازنده، تا ۴.۵ برابر توان Peak GPU Compute بهتری نسبت به نسل M3 Ultra ارائه می‌دهد. پشتیبانی ازUnified Memory تا سقف ۵۱۲ گیگابایت؛ حافظه‌ای که به عنوان VRAM مستقیم برای لود کردن مدل‌های بسیار سنگین عمل می‌کند. با چنین توانی، اجرای لوکال و بدون تاخیر مدل‌های حجیمی مانند نسخه‌های بزرگ Qwen، DeepSeek و سری GLM روی دسکتاپ به واقعیت تبدیل شده است و حریم خصوصی پردازش‌ها به ۱۰۰٪ می‌رسد. https://www.apple.com/newsroom/2026/08/apple-introduces-m6-and-m5-ultra-for-a-big-leap-in-performance-and-ai-compute/

تغییر موازنه بازار مدل‌های زبانی: مصرف توکن مدل‌های متن‌باز از مدل‌های اختصاصی پیشی گرفت داده‌های جدید منتشر شده از سوی مدیرعامل پلتفرم Vercel نشان‌دهنده یک تحول ساختاری در الگوی مصرف توسعه‌دهندگان است. طبق آمار ارائه‌شده از AI Gateway vercel: دو ماه قبل: ۷۱.۶٪ حجم توکن‌ها مربوط به مدل‌های Closed-weight و تنها ۲۸.۴٪ متعلق به مدل‌های Open-weight بود. این هفته: سهم مدل‌های Open-weight در حجم توکن‌ها به ۶۲٪ رسیده و مدل‌های Closed-weight به ۳۸٪ سقوط کرده‌اند. البته در تحلیل داده‌ها باید دقیق بود؛ اگر معیار سنجش را «تعداد درخواست‌ها» قرار دهیم، همچنان ۶۲٪ درخواست‌ها به سمت مدل‌های اختصاصی می‌رود. این تفکیک نشان می‌دهد که مدل‌های متن‌باز به دلیل ساختار استدلال و کانتکست‌های بزرگ‌تر، توکن‌های به مراتب بیشتری مصرف می‌کنند، هرچند روند کلی حاکی از مهاجرت سریع‌تر ابزارها و توسعه‌دهندگان به سمت استفاده از مدل‌های Open-weight است. تقاضای دیوانه‌وار برای مصرف توکن در مدل‌های باز، توجیه‌کننده سرمایه‌گذاری‌های سنگین ارائه‌دهندگان زیرساخت روی میزبانی این مدل‌هاست. https://www.ababnews.com/news/83daeeaa-acd2-4636-86e3-fe8037a4f13f

شایعه تصاحب Hugging Face توسط Nvidia؛ نبرد بر سر زیرساخت مدل‌های Open-source بر اساس گزارشی که نشریه The Information منتشر کرده، شرکت Nvidia برای خرید پلتفرم محبوب Hugging Face به توافق رسیده است؛ خبری که در صورت تایید رسمی می‌تواند ژئوپلیتیک هوش مصنوعی متن‌باز را دگرگون کند. پلتفرم Hugging Face به عنوان «گیت‌هاب دنیای هوش مصنوعی» شناخته می‌شود که میزبانی اکثر مدل‌های Open-weight و اجاره پردازنده‌های ابری را بر عهده دارد. دلیل این معامله استراتژیک از نگاه ناظران بازار کاملاً روشن است: ۱. غول‌هایی مثل OpenAI، Google با تراشه‌های TPU و Meta با چیپ‌های داخلی در حال ساخت سیلیکون اختصاصی خود هستند تا خرید کارت‌های گرافیک را کاهش دهند. ۲. انویدیا در پاسخ، تمرکز خود را روی اکوسیستم مدل‌های Open-weight گذاشته است. ۳. مدل‌های بزرگ متن‌باز برای اجرا نیازمند زیرساخت ابری هستند و تصاحب بزرگ‌ترین هاب این حوزه، تضمین‌کننده تقاضای مستقیم برای زیرساخت ابری انویدیا خواهد بود. این اقدام نشان می‌دهد انویدیا آینده را در دستان اکوسیستم متن‌باز می‌بیند و می‌خواهد کنترل لایه توزیع و پردازش آن را مستقیماً در اختیار داشته باشد. https://www.theinformation.com/articles/nvidia-agrees-buy-open-source-model-repository-hugging-face-12-9-billion

تراشه اختصاصی Jalapeno از OpenAI؛ گامی جدی برای کاهش وابستگی به Nvidia شرکت OpenAI از نتایج عملکرد تراشه اختصاصی جدید خود به نام Jalapeno رونمایی کرد؛ چیپی که به طور ویژه برای مرحله Inference (استنتاج یا همان تولید پاسخ پس از دریافت Prompt) طراحی شده و هدف مستقیم آن کاهش وابستگی سنگین این غول هوش مصنوعی به سخت‌افزارهای Nvidia است. طبق داده‌های منتشر شده، این تراشه در اجرای مدل‌های Open-weight توانسته تا ۱۰۴ برابر بهبود عملکرد ثبت کند. OpenAI این تست‌ها را روی مدل‌های عمومی و قابل راستی‌آزمایی نظیر DeepSeek R1 و GPT-OSS انجام داده تا نتایج توسط سایر توسعه‌دهندگان و شرکت‌ها قابل ارزیابی باشد؛ هرچند ادعا شده که برتری این تراشه روی مدل‌های اختصاصی نظیر GPT-5.6 Soul حتی بیشتر از این ارقام است. نکته فنی مهم این است که این تراشه‌ها مخصوص استنتاج سریع هستند (هم‌راستا با همکاری اخیر آنها با Cerebras) و برای مرحله آموزش مدل‌های جدید، OpenAI همچنان متکی به پردازنده‌های گرافیکی انویدیا باقی خواهد ماند. تراشه‌های اختصاصی استنتاج، هزینه ارائه سرویس به میلیون‌ها کاربر را به شدت کاهش می‌دهند و نشان‌دهنده تغییر استراتژی شرکت‌های بزرگ برای مالکیت کامل زنجیره سخت‌افزاری خود هستند. https://openai.com/index/jalapeno-first-results/

🔥 ۷ پرامپت برای ساختن برنامه ۹۰ روزه کاهش چربی با AI با چند پرامپت درست، می‌تونید از AI برای ساختن یک برنامه نسبتاً منظم برای تغذیه، تمرین، عادت‌ها و پیگیری پیشرفت استفاده کنید؛ نه اینکه فقط ازش بپرسید «چطور لاغر شم؟» و یه جواب کلی تحویل بگیرید. این ۷ پرامپت، کل مسیر رو از برنامه‌ریزی اولیه تا بررسی هفتگی پوشش میدن. فقط بخش‌های داخل [ ] رو با اطلاعات خودتون جایگزین کنید. 1️⃣ برنامه اصلی ۹۰ روزه مثل یک مربی تغذیه و فیتنس مبتنی بر شواهد عمل کن. سن من [سن]، قد من [قد] و وزنم [وزن] است. سطح فعالیت روزانه، سابقه تمرین، نوع تغذیه و هدفم را هم در ادامه بهت می‌گویم. بر اساس این اطلاعات، یک برنامه واقع‌بینانه ۹۰ روزه برای کاهش چربی طراحی کن که شامل کالری، پروتئین، تمرین مقاومتی، کاردیو، ریکاوری و اهداف مرحله‌ای باشد. اولویت را روی پیشرفت پایدار، حفظ عضله و سلامت کلی من بگذار. رژیم‌های افراطی، محدودیت شدید غذایی یا روش‌های خطرناک پیشنهاد نده. 2️⃣ محاسبه کالری و درشت‌مغذی‌ها با استفاده از سن [سن]، قد [قد]، وزن [وزن]، سطح فعالیت و میزان تمرین من، کالری موردنیاز برای حفظ وزنم را تخمین بزن و یک کسری کالری واقع‌بینانه برای کاهش چربی پیشنهاد بده. مقدار هدف پروتئین، کربوهیدرات و چربی را هم مشخص کن. توضیح بده بر اساس تغییرات میانگین وزن هفتگی، چه زمانی و چطور باید کالری را تنظیم کنم. به‌جای ارائه اعداد با دقت کاذب، بازه‌های منطقی ارائه بده و نوسانات طبیعی وزن بدن را هم در نظر بگیر. 3️⃣ ساخت برنامه غذایی برای کاهش چربی، یک برنامه غذایی عملی با حدود [کالری] کالری در روز طراحی کن. غذاهایی که دوست دارم این‌ها هستند: [غذاها] برای هر وعده مقدار تقریبی غذا، کالری، پروتئین، کربوهیدرات و چربی را مشخص کن و برای هر وعده دو جایگزین هم پیشنهاد بده. میان‌وعده‌های پروتئینی، گزینه‌های مناسب قبل و بعد از تمرین، میزان مناسب مصرف آب و یک لیست خرید هم اضافه کن. برنامه را اقتصادی، سیرکننده، متعادل و به‌اندازه‌ای ساده طراحی کن که بتوانم حدود ۹۰ روز به آن پایبند بمانم. 4️⃣ ساخت برنامه تمرینی مثل یک مربی تمرین مقاومتی مبتنی بر شواهد عمل کن. برای من یک برنامه تمرینی [تعداد روز] روز در هفته طراحی کن که هدف آن حفظ یا افزایش قدرت و عضله در زمان کاهش چربی باشد. برای هر جلسه حرکات، تعداد ست، تکرار، زمان استراحت، روش پیشرفت، گرم‌کردن و در صورت نیاز کاردیو را مشخص کن. تجهیزاتی که در اختیار دارم: [تجهیزات] سطح تمرینی من: [مبتدی / متوسط / پیشرفته] اولویت را روی تمرین مقاومتی، تکنیک صحیح، ریکاوری و حجم تمرینی قابل‌دوام بگذار؛ نه تمرین بیش‌ازحد. 5️⃣ کاری کن پایبندی به برنامه راحت‌تر بشه مثل یک مربی متخصص در تغییر عادت و رفتار عمل کن. یک سیستم روزانه طراحی کن که پایبندی به برنامه ۹۰ روزه کاهش چربی را برای من ساده‌تر کند. مواردی مثل زمان‌بندی وعده‌ها، مدیریت گرسنگی، خواب، آب، تعداد قدم‌های روزانه، هوس‌های غذایی، رستوران رفتن، آخر هفته‌ها و روزهایی که تمرینم را از دست می‌دهم در نظر بگیر. برای موقعیت‌های سخت، عادت‌های ساده، چک‌لیست و چند قانون مشخص طراحی کن. تمرکز برنامه روی استمرار باشد، نه بی‌نقص بودن. 6️⃣ سیستم پیگیری پیشرفت یک سیستم پیگیری ۹۰ روزه برای من طراحی کن که شامل وزن بدن، اندازه دور کمر، عکس‌های پیشرفت، قدرت در تمرین، تعداد قدم‌ها، میزان پایبندی به برنامه غذایی، خواب و سطح انرژی باشد. دقیقاً مشخص کن چه چیزهایی را باید اندازه بگیرم، هر چند وقت یک‌بار اندازه بگیرم و روند داده‌ها را چطور تحلیل کنم. توضیح بده چطور تغییر واقعی روند وزن را از نوسانات عادی روزانه مثل تغییر آب بدن تشخیص بدهم. در پایان، یک چک‌لیست بررسی هفتگی و قوانین مشخصی برای تصمیم‌گیری درباره تغییر برنامه بساز. 7️⃣ تبدیل همه این‌ها به نقشه راه ۹۰ روزه برای ۹۰ روز نقش مربی شخصی کاهش چربی من را داشته باش. یک نقشه راه هفته‌به‌هفته طراحی کن که تغذیه، تمرین مقاومتی، کاردیو، تعداد قدم‌ها، ریکاوری، اندازه‌گیری‌ها و مرور ماهانه را پوشش دهد. اهداف واقع‌بینانه تعیین کن و قوانین واضحی برای تغییر برنامه بنویس. در پایان هر هفته، بر اساس نتایج واقعی من مثل میانگین وزن، اندازه دور کمر، عملکرد تمرینی، گرسنگی، انرژی و میزان پایبندی، مشخص کن آیا برنامه باید تغییر کند یا نه. هدف کاهش تدریجی چربی در کنار حفظ عضله و عملکرد باشد. هیچ نتیجه ظاهری یا مقدار مشخصی از کاهش وزن را تضمین نکن و روش‌های خطرناک پیشنهاد نده.

🪄 اگه بخواید نتیجه خیلی بهتر بشه، این پرامپت‌ها رو جدا از هم استفاده نکنید؛ خروجی هر مرحله رو به مرحله نهایی بعد بدید. این‌طوری هوش مصنوعی به‌جای چند توصیه پراکنده، کم‌کم یه سیستم کامل و قابل پیگیری براتون می‌سازه.

⚡@prototimeAI

🧩 یه کتابخونه بزرگ از Skillهای کاربردی برای Claude؛ از ADHD تا مدیریت مالی سایت Some Claude Skills یه گالری بزرگ از Skillهای آماده برای Claude ساخته که برخلاف چیزی که از اسم و ظاهرش ممکنه برداشت کنید، فقط درباره برنامه‌نویسی نیست. الان توی گالری سایت ۱۸۰+ Skill وجود داره و در کنار ابزارهای فنی برای کدنویسی، AI و طراحی، تعداد زیادی Skill برای کارهای روزمره، تصمیم‌گیری، مدیریت شخصی، شغل، کسب‌وکار و حتی سبک زندگی هم پیدا می‌شه. ایده Skillها اینه که به Claude یه مجموعه دستورالعمل، چارچوب و دانش تخصصی بدن تا برای یک کار مشخص، به‌جای یه دستیار عمومی، بیشتر شبیه یه متخصص عمل کنه. چندتا نمونه جالبش:

🧠 ADHD Daily Planner برای برنامه‌ریزی روزانه، تخمین واقع‌بینانه زمان و مدیریت کارها با درنظر گرفتن Time Blindness و Executive Function.

💰 Personal Finance Coach برای مدیریت مالی شخصی، سرمایه‌گذاری، برنامه‌ریزی بازنشستگی و ساخت استراتژی مالی.

? Munger Worldly Wisdom برای تصمیم‌گیری بهتر با Mental Modelهای حوزه‌هایی مثل روان‌شناسی، اقتصاد، ریاضی و علوم و شناسایی خطاهای شناختی.

💼 Career Biographer برای مرور مسیر شغلی و تبدیل تجربه‌ها به رزومه، پورتفولیو و روایت حرفه‌ای؛ و Job Application Optimizer هم برای بهینه‌سازی فرایند اپلای و رزومه.

🎯 حتی Skillهایی مثل Wisdom Accountability Coach برای پیگیری اهداف و عادت‌ها و Tech Entrepreneur Coach ADHD برای ایده‌سنجی، ساخت MVP و مدیریت کسب‌وکار متناسب با افراد ADHD هم داخلش هست. خود این مجموعه اساساً برای اکوسیستم Claude و Claude Code طراحی شده، اما راهنمای پروژه صراحتاً می‌گه Skillها قابل تطبیق برای پلتفرم‌های AI دیگه مثل ChatGPT و Gemini هم هستند. در کل اگه دنبال Skill و پرامپت‌های تخصصی هستید، این سایت ارزش بوکمارک کردن داره؛ مخصوصاً چون می‌تونید براساس موضوع سرچ و فیلتر کنید و کلی ایده برای ساخت Skillهای شخصی خودتون هم ازش بگیرید. 🔗 https://someclaudeskills.com/skills/ ----- ⚡️ کانال ما @PrototimeAI کمک میکنه که سریع و آسون از آخرین اتفاقات عصر هوش مصنوعی باخبر بشی

هوش مصنوعی میتونه بهت توی آموزش زبان خیلی کمک کنه. این پرامپت‌ها توی اینستاگرام من خیلی طرفدار داشت! تصمیم گرفتم اینجا هم بذارم. امیدوارم مفید باشه ❤️✌️ کلمات داخل کروشه [ ] رو با نیاز خودت جاگذاری کن. ۱. حالت معلم زبان «به‌عنوان معلم خصوصی من برای زبان [نام زبان] عمل کن. فرض کن من هیچ چیز از این زبان نمی‌دانم. از نقطه صفر شروع کن و یک برنامه یادگیری کامل بساز. در هر نوبت فقط یک درس را آموزش بده و از توضیحات ساده، مثال‌های کاربردی در زندگی روزمره، نکات تلفظ و تمرین‌های کوتاه استفاده کن. تا زمانی که درس فعلی را کاملاً یاد نگرفته‌ام، سراغ درس بعدی نرو.» ۲. نقشه راه ۹۰ روزه زبان «بر اساس زمان مطالعه روزانه من یعنی [میزان زمان در روز]، یک نقشه راه یادگیری کامل ۹۰ روزه برای زبان [نام زبان] بساز. این مسیر را به درس‌های روزانه‌ای تقسیم کن که شامل واژگان، گرامر، تلفظ، لیسنینگ (شنیداری)، اسپیکینگ (مکالمه)، ریدینگ (خواندن)، رایتینگ (نوشتن) و مرور باشند. توضیح بده که در هر هفته باید به چه دستاوردی برسم و چطور پیشرفت خودم را بسنجم.» ۳. مربی مکالمه «پارتنر و هم‌صحبت من برای مکالمه به زبان [نام زبان] باش. مکالمات را از سطح مبتدی شروع کن و هم‌گام با پیشرفت من، سختی آن را به‌تدریج بالا ببر. تمام اشتباهات مرا اصلاح کن، دلیل اشتباه بودنشان را توضیح بده، روش طبیعی که افراد بومی (Native) بیان می‌کنند را به من یاد بده و سپس به مکالمه ادامه بده.» ۴. تقویت‌کننده واژگان «کمک کن دایره لغاتم را در زبان [نام زبان] به شیوه‌ای مؤثر و سریع بالا ببرم. اول کاربردی‌ترین کلمات و عبارات را بر اساس موقعیت‌های روزمره مثل احوال‌پرسی، سفر، خرید، کار، غذا، شرایط اضطراری و گفتگوهای روزانه دسته‌بندی کن و آموزش بده. برای هر درس، جملات نمونه، ترفندهای به‌خاطرسپاری و آزمون‌های کوتاه قرار بده.» ۵. ساده‌ساز گرامر «گرامر زبان [نام زبان] را از سطح مبتدی تا پیشرفته به ساده‌ترین روش ممکن به من آموزش بده. هر بار فقط یک قاعده را با زبانی ساده، مثال‌های کاربردی و در صورت لزوم با مقایسه با زبان مادری‌ام توضیح بده. بعد از هر درس، یادگیری مرا با چند تمرین بسنج و تک‌تک اشتباهاتم را توضیح بده.» ۶. یادگیری مثل افراد بومی «زبان [نام زبان] را به همان روش طبیعی که کودکان زبان یاد می‌گیرند به من آموزش بده. قبل از ورود به مباحث پیچیده گرامری، روی شنیدن، صحبت کردن، تکرار، مکالمات روزمره، داستان‌گویی و موقعیت‌های کاربردی تمرکز کن. کاری کن که تمام درس‌ها تعاملی و لذت‌بخش باشند.» ۷. حالت غوطه‌وری در دنیای واقعی «یک تجربه کامل غوطه‌وری در زبان [نام زبان] را بدون نیاز به سفر کردن برای من بساز. موقعیت‌های واقعی زندگی را شبیه‌سازی کن، از من سؤال بپرس، کلمات روزمره را به‌طور طبیعی معرفی کن، به‌مرور استفاده از زبان مادری‌ام را کاهش بده و سطح سختی را متناسب با پیشرفت من تنظیم کن.»

مقایسه غول‌های جدید LLM: از Grok 4.6 و Gemini 3.7 Flash تا سریع‌ترین نسخه GPT-5.6 Soul این هفته موجی از مدل‌های زبانی جدید معرفی شدند که هرکدام روی تعادل میان هزینه، سرعت و کارایی تمرکز کرده‌اند: Grok 4.6: در بنچمارک‌های Deep (برنامه‌نویسی) پابه‌پای مدل‌های پرچمداری چون GPT-5.6 Soul ظاهر شده و در بنچمارک حقوقی Harvey Lab و GDPval صدرنشین است. هزینه آن ۲ دلار برای هر یک میلیون توکن ورودی و ۶ دلار برای خروجی است (بسیار ارزان‌تر از Soul). ماسک اعلام کرده نسخه 4.7 ظرف ۳ الی ۴ هفته آینده با جهش چشمگیر عرضه می‌شود. Gemini 3.7 Flash: تمرکز این مدل بهینه‌سازی شدید هزینه و سرعت است. با قیمت آزمایشی ۰.۷۵ دلار برای ورودی و ۳.۷۵ دلار برای خروجی عرضه شده و در تست Buccybench و تولید کدهای SVG عملکرد تحسین‌برانگیزی نشان داده است. GPT-5.6 Soul (Ultra Fast Mode): اوپن‌ای‌آی با تکیه بر تراشه‌های شتاب‌دهنده Cerebras، نسخه‌ای با توان تولید سرسام‌آور ۷۵۰ توکن در ثانیه را به‌صورت محدود برای تسترها فعال کرده که سرعت استدلال (Reasoning) را دگرگون می‌کند. DeepSeek V4 Pro: مدل جدید چینی که با نمره ۶۲.۷ در بنچمارک Deep Suite از GLM 5.2 و حتی Opus 4.8 عبور کرده است. مدل‌های سبک Open-Weight: متا مدل Muse Glimmer (مدل ایجنتیک ۳۰ میلیاردی با قابلیت اجرا روی رم‌های محلی) و انویدیا مدل Neotron 3.5 Lightning (مدل ۳۰ میلیارد پارامتری سریع) را برای استقرار روی GPUهای مصرفی منتشر کردند. همچنین مایکروسافت مدل MAI Code 1.1 Flash را معرفی کرد. جمع‌بندی: جنگ اصلی شرکت‌ها در سال جاری بر سر «کاهش Latency»، «کاهش هزینه‌ها برای اجرای در سطح سازمانی» و «ایجاد مدل‌های لوکال و کم‌مصرف» متمرکز شده است.

برخورد قاطع Spotify با موسیقی‌های هوش مصنوعی: حذف آرتیست‌های مجازی از سیستم پیشنهاد الگوریتمی سرویس استریم موسیقی Spotify فاز جدیدی از سیاست‌های شفافیت خود را معرفی کرد. از اواسط ماه سپتامبر، تمام پروفایل‌هایی که هویت آن‌ها مبتنی بر پرسونای هوش مصنوعی (AI Personas) باشد، ملزم به دریافت بج (Badge) اختصاصی خواهند بود. بررسی خودکار و دستی: علاوه‌بر اظهار داوطلبانه سازندگان، اسپاتیفای شخصاً پروفایل‌ها، نام‌ها و تصاویر فوتورئالیستیک مصنوعی را بررسی و برچسب‌گذاری می‌کند. بایکوت الگوریتمی: قطعات متعلق به آرتیست‌های هوش مصنوعی به‌طور کامل از پلی‌لیست‌های تحریریه (Editorial) و سیستم پیشنهادهای شخصی‌سازی‌شده و الگوریتمی (Algorithmic Recommendations) حذف می‌شوند. تنها در صورتی این موزیک‌ها را می‌شنوید که آن پروفایل را مستقیماً Follow کرده باشید. هدف از این اقدام، حفظ ارزش موسیقی‌های تولیدشده توسط هنرمندان واقعی و جلوگیری از اشباع پلتفرم با اسپم‌های صوتی مصنوعی اعلام شده است. https://newsroom.spotify.com/

محدودیت‌های جدی پلتفرم Suno: واترمارک صوتی و محدودیت سقف دانلود هفتگی و ماهانه پلتفرم پیشروی ساخت موسیقی هوش مصنوعی، Suno، با انتشار بیانیه‌ای از تغییر سیاست‌های خود برای مبارزه با سوءاستفاده‌های تجاری و حفظ کپی‌رایت اکوسیستم موسیقی خبر داد. دو تغییر اساسی در پلتفرم Suno: واترمارک و ردپای صوتی (Audio Fingerprinting): تمام قطعات ساخته‌شده دارای شناسه صوتی خواهند بود تا پلتفرم‌های استریم (Spotify، Apple Music و YouTube) هنگام آپلود متوجه تولید هوش مصنوعی قطعه بشوند. سهمیه دانلود ماهانه (از ۳ سپتامبر): در پلن Pro، کاربران مجاز به دانلود حداکثر ۲۰ آهنگ در ماه خواهند بود. در پلن گران‌تر ۲۴ دلاری، سقف دانلود به ۶۰ آهنگ در ماه محدود می‌شود. این تصمیم خشم بخشی از جامعه کاربران را برانگیخته است؛ چرا که بسیاری از یوتیوبرها و توسعه‌دهندگان بازی‌های مستقل صرفاً برای تولید موزیک پس‌زمینه (Background Loops) از این ابزار استفاده می‌کردند و این محدودیت روند کاری آن‌ها را دچار اختلال می‌کند. پیش‌بینی می‌شود این اقدام موجب مهاجرت کاربران به مدل‌های Open-source در حوزه Audio شود. https://suno.com/

شفافیت یا دردسر برای تولیدکنندگان محتوا؟ واترمارک نامرئی به مدل‌های Claude اضافه شد شرکت Anthropic رسماً تایید کرد که جهت ارتقای شفافیت (و همسویی با قوانین هوش مصنوعی اتحادیه اروپا تحت عنوان EU AI Act)، نشانه‌گذاری نامرئی (Watermarking) را به متون تولیدی مدل‌های Claude اضافه کرده است. این واترمارک‌ها ساختار کدهای متنیِ خوانش‌پذیر توسط ماشین (Machine-readable) دارند و مستقیماً داخل بافت متنی مدل تنیده می‌شوند؛ به این صورت که برای چشم انسان قابل تشخیص نیستند و تغییری در لحن، معنا یا خوانایی ایجاد نمی‌کنند، اما با کپی‌پیست منتقل شده و حتی در برابر ویرایش‌های جزئی نیز دوام می‌آورند. این ویژگی در تمام سرویس‌ها شامل Claude Platform API، Claude Code و Claude Cowork فعال است. چالش‌های پیش‌رو: بسیاری از تولیدکنندگان محتوا و نویسندگان خبرنامه‌ها از این قابلیت ابراز نگرانی کرده‌اند. اگرچه به گفته Anthropic وجود واترمارک دلیل قطعی بر تولید تمام‌عیار متن توسط هوش مصنوعی نیست و صرفاً پردازش متن توسط Claude را تایید می‌کند، اما احتمالاً به‌زودی شاهد موج جدیدی از ابزارهای بازنویسی (Rewriter) برای حذف این نشانه‌ها خواهیم بود. https://www.anthropic.com/news/claude-text-watermark

ادغام مدل ویدیوساز قدرتمند Seaweed / Seed Dance 2.5 در پلتفرم Artlist پلتفرم تولید محتوای Artlist اعلام کرد مدل پیشرفته تولید ویدیوی هوش مصنوعی Seed Dance 2.5 را مستقیماً به داشبورد ابزارهای خلاقانه خود اضافه کرده است. یکی از بزرگ‌ترین چالش‌های تولید ویدیوی هوش مصنوعی، تداوم بصری (Consistency) و محدودیت زمان کلیپ‌ها است. این مدل این مشکل را با دو قابلیت کلیدی برطرف کرده است: تولید ویدیوهای ۳۰ ثانیه‌ای یکپارچه: برخلاف مدل‌های قبلی که نیازمند چسباندن کلیپ‌های چند ثانیه‌ای به یکدیگر بودند، Seed Dance 2.5 می‌تواند سکانس‌هایی طولانی‌تر و پیوسته را در یک مرحله رندر کند. استفاده از ۵۰ تصویر مرجع: تولیدکنندگان محتوا می‌توانند تا ۵۰ تصویر از یک کاراکتر، لوکیشن، محصول یا استایل خاص را به مدل تغذیه کنند تا ثبات ظاهری در پلان‌های مختلف کاملاً حفظ شود. این ابزار هم‌اکنون برای کاربران Artlist در کنار سایر ابزارهای این سرویس فعال است. https://artlist.io/

ورود xAI به دنیای هوش مصنوعی کارگزارمحور: اپلیکیشن مستقل Grok Bot معرفی شد شرکت xAI متعلق به ایلان ماسک (که اخیراً پلتفرم کدنویسی Cursor را نیز تصاحب کرده) از نرم‌افزار دسکتاپ و موبایل Grok Bot رونمایی کرد. این ابزار بر خلاف Cursor که روی برنامه‌نویسی تمرکز دارد، یک اکوسیستم Agentic کامل و بدون نیاز به کدنویسی (No-Code) برای امور مدیریتی و روزمره است. در Grok Bot می‌توانید چندین ایجنت تخصصی برای نقش‌های مختلف مانند Chief of Staff (برای مدیریت سایر بات‌ها)، Email Triage و Research Bot تعریف کنید. سیستم ابری اختصاصی برای هر ایجنت: هر بات به یک رایانه ابری مستقل، مرورگر Chrome، ابزار مدیریت فایل و Terminal دسترسی دارد. تسک‌ها در فضای ابری اجرا می‌شوند؛ بنابراین حتی با خاموش کردن رایانه، ایجنت به کار خود ادامه می‌دهد. قابلیت یادگیری تعاملی (Teach a Task): می‌توانید با ضبط صفحه نمایش، یک گردش‌کار خاص را به هوش مصنوعی نشان دهید تا از آن یک مهارت (Skill) جدید بسازد. پلاگین‌ها و اتوماسیون (Routines): ادغام مستقیم با ابزارهایی نظیر Gmail، Slack، Notion، Google Drive به همراه امکان تعریف کارهای دوره‌ای و محرک‌های رویدادمحور (مانند واکنش به وب‌هوک گیت یا پیام اسلک). مدیریت کامل این ایجنت‌ها از طریق نسخه موبایل نیز امکان‌پذیر است و هوش مصنوعی به‌مرور زمان رفتارهای کاربر را برای کاهش خطای مستقل یاد می‌گیرد. https://x.ai/bot

چند خبر مهم و سریع از اکوسیستم توسعه‌دهندگان و ابزارهای هوش مصنوعی: عرضه ChatGPT Desktop برای لینوکس: کاربران سیستم‌عامل Linux سرانجام می‌توانند از برنامه رسمی دسکتاپ ChatGPT که شامل دسترسی به Codeex و ابزارهای کاری است استفاده کنند. حالت خودکار در Claude Code: از این پس Auto Mode به حالت پیش‌فرض برای حساب‌های Pro، Max و Team تبدیل می‌شود و تأیید دستی تک‌تک مراحل اجرا را حذف می‌کند تا پروژه‌ها در پس‌زمینه پیش بروند. اکستنشن کروم Claude Cowork و پیام‌رسانی ایجنت‌ها: این افزونه مرورگر توانایی اسکرین‌شات از تب‌های باز و تولید خروجی تحلیلی را پیدا کرده است؛ ضمن این‌که نشست‌های مجزای Claude Code اکنون می‌توانند بین خود پیام ارسال کرده و وظایف را بدون نیاز به توضیح دوباره کاربر پاس‌کاری کنند. مدل‌های ویدیوساز سبک: مدل LTX 2.5 با توان تولید ویدیوی ۱۰ ثانیه‌ای در تنها ۶.۸ ثانیه روی چیپ‌های انویدیا به‌صورت Open-weight منتشر شد. علی‌بابا نیز از مدل قدرتمند Huan 3.0 رونمایی کرد. رتبه دوم MAI Image 2.6 مایکروسافت: مدل تصویری جدید مایکروسافت در رده‌بندی ارزیابی کور (Blind test) لیدربورد Image Arena در جایگاه دوم پس از GPT Image 2 قرار گرفت. ترجمه زبان اشاره با هوش مصنوعی Google DeepMind: دیپ‌مایند از فناوری SL2T (تبدیل زبان اشاره به متن) رونمایی کرد که بدون صدا و در لحظه، حرکات دست و زبان اشاره فرد داخل ویدیو را به زیرنویس تبدیل می‌کند. توجه استریمرهای Twitch به حریم خصوصی: طبق تغییرات جدید، آمازون به‌صورت پیش‌فرض می‌تواند از لایواستریم‌ها، آرشیو ویدیوها (VOD) و کامنت‌های چت برای آموزش مدل‌های هوش مصنوعی استفاده کند مگر آنکه این گزینه را دستی غیرفعال کنید.

تنسنت از مدل انقلابی WorldClaw رونمایی کرد: خلق جهان‌های سه‌بعدی تعاملی با پرامپت متنی شرکت Tencent یکی از پیشرفته‌ترین ابزارهای حوزه 3D Generation به نام WorldClaw را معرفی کرد. این فریم‌ورک قادر است با دریافت یک پرامپت ساده (مانند یک روستای برفی یا میدان نبرد در صحرا)، یک دنیای سه‌بعدی با مقیاس کامل را خلق کند. برخلاف رویکردهای مرسوم مانند 3D Gaussian Splatting یا NeRF، در WorldClaw تمام المان‌ها (درخت‌ها، خانه‌ها، تیرهای برق و وسایل نقلیه) به‌صورت Asset‌های مجزا، تفکیک‌شده و قابل ویرایش در یک Instance Map تولید می‌شوند. پشت صحنه معماری فنی WorldClaw: - برنامه‌ریزی محیطی: از یک Terrain Planning Agent برای تحلیل پرامپت و جستجوی وب جهت بازیابی رفرنس‌های دقیق عوارض زمین استفاده می‌شود. - تولید دوبعدی و سگمنتیشن: ابتدا تصاویر پس‌زمینه توسط GPT Image 2 تولید شده و سپس مدل SAM 3 (Segment Anything 3 از شرکت Meta) اجزای تصویر را کامپوننت به کامپوننت تفکیک می‌کند. - تبدیل دوبعدی به سه‌بعدی: در نهایت، فناوری Tencent Hunyuan این اجزا را به مش‌ها و Asset‌های سه‌بعدی کامل تبدیل می‌نماید. چشم‌انداز: این فناوری جهشی بزرگ برای بازی‌سازی، ساخت انیمیشن و به‌ویژه ایجاد محیط‌های مجازی جهت آموزش ربات‌ها (Sim-to-Real) پیش از ورود به دنیای واقعی خواهد بود. ریپازیتوری GitHub آن ایجاد شده اما کدهای آن هنوز به‌صورت عمومی در دسترس نیست. https://tencent-hunyuan.github.io/Hunyuan3D-WorldClaw/

EP 03 - Kourosh Mahmoudi - Software Developer کوروش محمودی، توسعه دهنده نرم افزار و با تجربه‌ی توسعه‌ی نرم افزارها به کمک هوش مصنوعیه. در این اپیزود در مورد مدیریت پروژه‌های هوش مصنوعی نحوه کار با این ابزارها و مشکلات اون ها، تکنیک ها و موارد دیگه صحبت کردیم. ---- اگر نگران از دست دادن فرصت‌های شغلی خودت هستی یا احساس میکنی که داری از موج ای آی عقب میمونی، این پادکست دقیقاً برای توعه. توی پروتوتایم قراره درباره هوش مصنوعی و تغییرات دنیای تکنولوژی صحبت کنیم؛ طراحی محصول، گرافیک، برنامه‌نویسی، مارکتینگ و هر چیزی که به آینده‌ی کار و مسیر شغلی ما ربط داره. هدف ما اینه که مهم‌ترین خبرها، ابزارها و تحلیل‌ها رو از زبان متخصص های این زمینه بشنویم و همگام با تغییرات جلو بریم.. حتماً پروتوتایم رو در یوتیوب و تلگرام سابسکرایب کنید و کامران و سعید، میزبان‌های پادکست رو هم در اینستاگرام دنبال کنید تا از قسمت‌های جدید پادکست و آخرین اتفاقات دنیای هوش مصنوعی و تکنولوژی باخبر باشید. ممنون که همراه ما هستید. https://youtu.be/-wLXITm2JOc?si=SS4RtAjkwQ06p_qF