Nima Aksoy

ورسل پشتیبانی از ایجنت‌های صوتی رو به AI Gateway اضافه کرده و حالا قابلیت‌هایی مثل مکالمه لحظه‌ای، تبدیل گفتار به متن و متن به گفتار داخل AI SDK 7 در دسترسه. این یعنی ساخت دستیارهای صوتی با مدل‌های مختلف، ساده‌تر و یکپارچه‌تر شده.

جمینای Omni Flash مدل جدید گوگل برای ساخت و ویرایش ویدیوه که با دستورهای ساده و محاوره‌ای می‌تونی ویدیو رو تغییر بدی و مرحله‌به‌مرحله اصلاحش کنی. این مدل هم‌اکنون از طریق AI Studio و API جمینای در دسترس توسعه‌دهنده‌ها قرار گرفته.

ایکس‌ای‌آی (xAI) پلتفرم Voice Agent Builder رو معرفی کرده که بدون کدنویسی می‌تونی ایجنت‌های صوتی با صدای طبیعی Grok بسازی. استفاده از این سرویس از ۵ سنت برای هر دقیقه شروع می‌شه.

ستاپ من الان این شکلیه روی رزبری پای opendray رو نصب کردم اکانت های کلاد، گروگ، کداکس و گرویتی رو بهش وصل کردم از طریق یک دامنه و تلگرام به opendray وصلم اسکیل‌ها و mcpها رو به opendray اضافه می‌کنم اینجوری همه ai ها بهشون دسترسی دارن. اکانتهای شخصیم رو وصل کردم پول api نمیدم خود opendray یه مموری مشترک داره که همه ابزارها ازش استفاده می‌کنند چون همه روی رزبری‌پای هستند دسترسی کامل دارند و خیالم راحته. تسک‌ها که انجام میشه رو تلگرام متوجه میشم و میرم برای تست نهایی روی همین رزبری پای یک هرمس هم دارم که با گروک کار مینه و با تلگرام باهاش کانکتم راجب opendray.dev هم خواستید بیشتر بدونید یک پروژه اپن سورسه که نوید استارتش رو زده، همه چی رو لوکال خودتون نصب میشه هیچ هزینه و ریسکی نداره ازش با خیال راحت لذت ببرید. اگر هم خواستید، کانتریبیوت کنید یا اگه پیشنهادی، نظری چیزی برای بهتر شدنش دارید بفرستید. اگر هم با پروژه حال کردید یه ستاره به گیت‌هابش بدید. 💡 https://github.com/Opendray/opendray

پلی‌رایت MCP به مدل‌های هوش مصنوعی اجازه می‌ده سایت‌ها رو بدون تکیه به اسکرین‌شات یا مدل بینایی کنترل کنن و مستقیماً با ساختار صفحه کار کنن. نتیجه اینه که ایجنت‌ها می‌تونن کارهایی مثل کلیک کردن، پر کردن فرم‌ها و تست سایت‌ها رو سریع‌تر و قابل‌اعتمادتر انجام بدن. امرور پلی‌رایت رو به MCP های opendray اضافه کردم 📌 https://playwright.dev/mcp/introduction

ایجنسی ایجنتس (Agency Agents) بیش از ۱۴۰ ایجنت تخصصی متن‌باز برای برنامه‌نویسی، طراحی و بازاریابی ارائه می‌ده و ابزارهای AI رو به متخصص‌های نقش‌محور تبدیل می‌کنه. ✔️ https://github.com/msitarzewski/agency-agents

ایکس یک سرور MCP آماده منتشر کرده که بدون دردسر به ایجنت‌های هوش مصنوعی مثل Grok، Cursor و ابزارهای سازگار با MCP وصل می‌شه. یعنی از این به بعد این ایجنت‌ها می‌تونن مستقیم به اطلاعات لحظه‌ای و داده‌های X دسترسی داشته باشن، بدون اینکه لازم باشه API یا زیرساختش رو خودت راه‌اندازی کنی 📱 https://docs.x.com/tools/mcp

وان استریمر (Wan-Streamer) یک مدل جدیده که هم‌زمان می‌تونه ببینه، بشنوه، فکر کنه و با صدا و ویدیو جواب بده؛ همه این کارها هم داخل یک مدل انجام می‌شه، نه چند سیستم جدا. نتیجه اینه که مکالمه با AI طبیعی‌تر و سریع‌تر می‌شه و تأخیرش به کمتر از یک ثانیه می‌رسه. https://wan-streamer.com/

قیمت بین ٢٠ تا ٣٠هزار دلار شما یکی داشتی ازش میخواستی چه کاری انجام بده هر روز؟

جی‌استک (gstack) مجموعه‌ای متن‌باز از ابزارها و اسلش‌کامندهاست که Claude Code رو به نقش‌هایی مثل مدیر فنی، طراح، QA، بازبین کد و مدیر انتشار تبدیل می‌کنه. به‌جای نوشتن پرامپت‌های جدید برای هر کار، یک جریان کاری آماده و ساختاریافته در اختیارت می‌ذاره و از چندین ابزار کدنویسی AI هم پشتیبانی می‌کنه. 🌐 https://github.com/garrytan/gstack

دیگه لازم نیست کلاد کل ریپو رو بخونه کدبیس مموری MCP (Codebase Memory MCP) یک سرور MCP متن‌بازه که کل کد پروژه رو به یک گراف دانشی تبدیل می‌کنه تا ایجنت‌های کدنویس به‌جای جستجوی فایل‌به‌فایل، مستقیماً ساختار پروژه رو سؤال کنن. همه‌چیز به‌صورت محلی اجرا می‌شه، مدل داخلی نداره و طبق بنچمارک پروژه تا حدود ۱۲۰ برابر مصرف توکن رو کم می‌کنه. 👀 https://github.com/DeusData/codebase-memory-mcp

گوگل لبز یک فایل design.md معرفی کرده که مثل مشخصات بصری پروژه برای ایجنت‌های کدنویسی عمل می‌کنه. یعنی به‌جای اینکه ایجنت فقط کد بزنه، می‌فهمه ظاهر، سبک و قواعد طراحی محصول باید چطور حفظ بشه.

برخلاف چیزی که سال‌ها تصور می‌شد، ۳۰۰ میلیون اسپرم وارد یک مسابقه سرعت تا تخمک نمی‌شوند و اولین اسپرم هم برنده لقاح نیست. فقط مناسب‌ترین اسپرم اجازه ورود پیدا می‌کند و در واقع این تخمک است که انتخاب نهایی را انجام می‌دهد. پژوهشگران دانشگاه استکهلم و دانشگاه منچستر کشف کرده‌اند مایع اطراف تخمک، که اسپرم‌ها را با سیگنال‌های شیمیایی جذب می‌کند، در هر زن ترکیب شیمیایی متفاوتی دارد. این تحقیق نشان می‌دهد لقاح فقط به سرعت اسپرم بستگی ندارد. تخمک هم نقش فعالی در این فرایند دارد و اسپرم مناسب را انتخاب می‌کند. هدف این سازوکار، افزایش کیفیت ژنتیکی است. تخمک با سیگنال‌های شیمیایی خود اسپرم‌هایی را جذب می‌کند که از نظر ژنتیکی سازگارتر و سالم‌تر هستند. دانشمندان این فرایند را «انتخاب پنهان» (Cryptic Selection) می‌نامند. پژوهشگران همچنین معتقدند بعضی از موارد ناباروری بدون علت مشخص، ممکن است به دلیل ناسازگاری شیمیایی بین تخمک و اسپرم باشد.

اوپن‌ای‌آی خانواده GPT-5.6 رو معرفی کرده؛ شامل Sol برای سنگین‌ترین کارها، Terra برای استفاده روزمره و Luna برای پردازش سریع و ارزان. فعلاً این مدل‌ها فقط به تعداد محدودی از شرکت‌های تأییدشده دسترسی دارن و عرضه عمومی بعداً انجام می‌شه. 🔍 https://openai.com/index/previewing-gpt-5-6-sol/

مهندس‌ها هنوز سر جاشونن داده‌های جدید SignalFire نشون می‌ده برخلاف تصور رایج، مهندسی مقاوم‌ترین شغل در برابر موج AI بوده و حتی سهم مهندس‌ها از استخدام‌های جدید بیشتر شده. شرکت‌های بزرگ فناوری هنوز به مهندس‌ها نیاز دارن و استارتاپ‌ها هم نسبت به قبل مهندس‌های بیشتری استخدام می‌کنن.

انویدیا دی‌فلش (DFlash) رو معرفی کرده؛ روشی متن‌باز برای اجرای سریع‌تر مدل‌های زبانی که به‌جای ساختن کلمه‌ها یکی‌یکی، چند توکن رو هم‌زمان پیش‌بینی می‌کنه و بعد مدل اصلی اون‌ها رو بررسی می‌کنه. روی بعضی مدل‌ها و سخت‌افزارهای بلک‌ول تا ۱۵ برابر افزایش سرعت گزارش شده و بدون تغییر در کیفیت خروجی، با vLLM، SGLang و TensorRT-LLM هم سازگاره.

۱۰ هزار ویدیو تو ۱۰ دقیقه؟ هوش مصنوعی حالا می‌تونه اکانت‌های شبکه‌های اجتماعی بسازه، هزاران ویدیو تولید کنه و انتشارشون رو برای ماه‌ها یا حتی یک سال زمان‌بندی کنه. این یعنی تولید و مدیریت محتوا داره به‌شدت خودکار می‌شه و ساخت شبکه‌های بزرگ محتوایی با دخالت خیلی کم انسان ممکنه.

فرض کن ویدیوها خودشون تدوین می‌شن اوپن‌مونتاژ (OpenMontage) یک پروژه متن‌بازه که با کمک مدل‌های زبانی و بینایی، انتخاب نماها، برش‌ها و ساخت نسخه نهایی ویدیو رو خودکار می‌کنه. هدفش اینه که بخش بزرگی از فرایند زمان‌بر تدوین ویدیو رو به هوش مصنوعی بسپاره و ساخت ویدیوهای طولانی رو سریع‌تر کنه.

تب AI فقط برای مدل‌ها نیست آپ‌اسکیل AI (Upscale AI) با جذب ۱۹۰ میلیون دلار سرمایه جدید به ارزش‌گذاری ۲ میلیارد دلاری رسیده. این شرکت مدل هوش مصنوعی نمی‌سازه؛ زیرساخت شبکه دیتاسنترهای AI رو توسعه می‌ده و رشدش نشون می‌ده سرمایه‌گذارها دارن روی لایه‌های پنهان و حیاتی اکوسیستم AI هم به‌شدت شرط‌بندی می‌کنن.

از ممنوعیت تا استفاده سراسری سامسونگ بعد از ماجرای نشت اطلاعات و ممنوع کردن ChatGPT در سال ۲۰۲۳، حالا ChatGPT Enterprise و Codex رو برای کارمنداش در کره و بخش بزرگی از نیروهای جهانی خودش فعال کرده. این تغییر نشون می‌ده شرکت‌های بزرگ دیگه هوش مصنوعی رو یک ابزار آزمایشی نمی‌بینن و دارن اون رو وارد جریان اصلی کار روزانه کارمندها می‌کنن.