en
Feedback

Don't get caught by a cheater! Telemetrio finds and tags such channels 👉 If you want to see the tag, subscribe

DLeX: AI Python

DLeX: AI Python

Open in Telegram

هوش‌مصنوعی و برنامه‌نویسی توییتر : https://twitter.com/NaviDDariya لینک پیام ناشناس، جهت انتقادات، حرف و حدیث و پیشنهادات : https://t.me/mahtabak_nashenas_bot?start=1dOIcE18ITmb5Htw1M7zgq

Show more

📈 Analytical overview of Telegram channel DLeX: AI Python

Channel DLeX: AI Python (@ai_python) in the Farsi language segment is an active participant. Currently, the community unites 21 284 subscribers, ranking 6 235 in the Technologies & Applications category and 16 518 in the Iran region.

📊 Audience metrics and dynamics

Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 21 284 subscribers.

According to the latest data from 16 November, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -39 over the last 30 days and by -4 over the last 24 hours, overall reach remains high.

  • Verification status: Not verified
  • Engagement rate (ER): The average audience engagement rate is 8.49%. Within the first 24 hours after publication, content typically collects 2.88% reactions from the total number of subscribers.
  • Post reach: On average, each post receives 1 807 views. Within the first day, a publication typically gains 614 views.
  • Reactions and interaction: The audience actively supports content: the average number of reactions per post is 18.
  • Thematic interests: Content is focused on key topics such as مصنوعی, توییتر, ماهواره, داده, فناوری.

📝 Description and content policy

The author describes the resource as a platform for expressing subjective opinions:
“هوش‌مصنوعی و برنامه‌نویسی توییتر : https://twitter.com/NaviDDariya لینک پیام ناشناس، جهت انتقادات، حرف و حدیث و پیشنهادات : https://t.me/mahtabak_nashenas_bot?start=1dOIcE18ITmb5Htw1M7zgq”

Thanks to the high frequency of updates (latest data received on 17 November, 2026), the channel maintains relevance and a high level of publication reach. Analytics show that the audience actively interacts with content, making it an important point of influence in the Technologies & Applications category.

21 284
Subscribers
-424 hours
-137 days
-3930 days
Attracting Subscribers
Nov '26
November '26
+25
in 1 channels
October '26
+51
in 4 channels
Get PRO
September '26
+69
in 5 channels
Get PRO
August '26
+72
in 4 channels
Get PRO
July '26
+76
in 3 channels
Get PRO
June '26
+96
in 3 channels
Get PRO
May '26
+45
in 6 channels
Get PRO
April '26
+79
in 3 channels
Get PRO
March '26
+19
in 4 channels
Get PRO
February '26
+61
in 8 channels
Get PRO
January '26
+20
in 3 channels
Get PRO
December '25
+23
in 3 channels
Get PRO
November '25
+26
in 2 channels
Get PRO
October '25
+38
in 3 channels
Get PRO
September '25
+39
in 2 channels
Get PRO
August '25
+44
in 8 channels
Get PRO
July '25
+72
in 3 channels
Get PRO
June '25
+24
in 1 channels
Get PRO
May '25
+39
in 3 channels
Get PRO
April '25
+68
in 5 channels
Get PRO
March '25
+49
in 5 channels
Get PRO
February '25
+53
in 1 channels
Get PRO
January '25
+91
in 7 channels
Get PRO
December '24
+84
in 5 channels
Get PRO
November '24
+115
in 3 channels
Get PRO
October '24
+102
in 3 channels
Get PRO
September '24
+154
in 6 channels
Get PRO
August '24
+159
in 6 channels
Get PRO
July '24
+36
in 4 channels
Get PRO
June '24
+29
in 1 channels
Get PRO
May '24
+158
in 3 channels
Get PRO
April '24
+151
in 5 channels
Get PRO
March '24
+189
in 6 channels
Get PRO
February '24
+285
in 8 channels
Get PRO
January '24
+467
in 46 channels
Get PRO
December '23
+698
in 52 channels
Get PRO
November '23
+644
in 58 channels
Get PRO
October '23
+551
in 131 channels
Get PRO
September '23
+575
in 0 channels
Get PRO
August '23
+362
in 0 channels
Get PRO
July '23
+545
in 0 channels
Get PRO
June '23
+540
in 0 channels
Get PRO
May '23
+110
in 0 channels
Get PRO
April '23
+142
in 0 channels
Get PRO
March '23
+370
in 0 channels
Get PRO
February '23
+328
in 0 channels
Get PRO
January '23
+713
in 0 channels
Get PRO
December '22
+689
in 0 channels
Get PRO
November '22
+914
in 0 channels
Get PRO
October '22
+318
in 0 channels
Get PRO
September '22
+159
in 0 channels
Get PRO
August '22
+186
in 0 channels
Get PRO
July '22
+175
in 0 channels
Get PRO
June '22
+179
in 0 channels
Get PRO
May '22
+257
in 0 channels
Get PRO
April '22
+501
in 0 channels
Get PRO
March '22
+255
in 0 channels
Get PRO
February '22
+349
in 0 channels
Get PRO
January '22
+325
in 0 channels
Get PRO
December '21
+319
in 0 channels
Get PRO
November '21
+314
in 0 channels
Get PRO
October '21
+260
in 0 channels
Get PRO
September '21
+330
in 0 channels
Get PRO
August '21
+564
in 0 channels
Get PRO
July '21
+299
in 0 channels
Get PRO
June '21
+323
in 0 channels
Get PRO
May '21
+250
in 0 channels
Get PRO
April '21
+381
in 0 channels
Get PRO
March '21
+612
in 0 channels
Get PRO
February '21
+666
in 0 channels
Get PRO
January '21
+606
in 0 channels
Get PRO
December '20
+20 732
in 0 channels
Date
Subscriber Growth
Mentions
Channels
17 November+2
16 November0
15 November+9
14 November0
13 November0
12 November+2
11 November0
10 November+1
09 November+1
08 November0
07 November+5
06 November+1
05 November0
04 November+2
03 November+1
02 November0
01 November+1
Channel Posts
مدل‌های خودبازگشتی گسسته تصویر را توکن به توکن می‌سازند: توکن بیشتر یعنی کیفیت بهتر اما کندی. نویسندگان نشان می‌دهند با بودجهٔ اطلاعاتی ثابت، اندازهٔ گروه در «کوانتیزه‌سازی حاصل‌ضربی» باید با مجذور ضریب فشرده‌سازی در هر محور بزرگ شود؛ با این اصل و یک رمزگشای نیمه‌خودبازگشتی به فشرده‌سازی ۳۲ و حتی عملاً ۶۴ برابری می‌رسند. طبق مقاله، در وضوح ۱۰۲۴×۱۰۲۴ حدود ۲۰ برابر سریع‌تر از مدل‌های خودبازگشتی گسستهٔ قبلی است و هر تصویر را در ۲٫۵ ثانیه روی یک کارت NVIDIA H200 می‌سازد، با نتایج رقابتی در پنج بنچمارک متن به تصویر. 👉 @ai_python 🦁 ☀️ 👉 @elonfact 🙄 تولید خودبازگشتی همان روشی است که مدل‌های زبانی با آن متن می‌نویسند و جذابیتش این است که تصویر و متن را در یک چارچوب یکپارچه می‌کند، اما کندی‌اش مانع بزرگی بوده. این کار نشان می‌دهد فشرده‌سازی شدید لزوماً کیفیت را از بین نمی‌برد. مقاله در Hugging Face ثبت شده و کدش در GitHub منتشر شده است. https://huggingface.co/papers/2611.13004
15 Nov, 15:22

2
روز جمعه ای یه جماعتی رو منتظر خودشون گذاشتن. هیچ کدوم از کانکتورها برای من کار نمی کنه. 👉 @ai_python 🦁 ☀️ 👉 @elonfact 🙄
روز جمعه ای یه جماعتی رو منتظر خودشون گذاشتن. هیچ کدوم از کانکتورها برای من کار نمی کنه. 👉 @ai_python 🦁 ☀️ 👉 @elonfact 🙄 https://status.claude.com/
1 066
3
در روزهای گذشته به قدری مطالب و پست ها در شبکه های اجتماعی در مورد روابط خصوصی جنسن هوانگ زیاد بود، که من ترجیح دادم توی چانا
در روزهای گذشته به قدری مطالب و پست ها در شبکه های اجتماعی در مورد روابط خصوصی جنسن هوانگ زیاد بود، که من ترجیح دادم توی چانالمون دیگه اسپم جدید در این مورد ایجاد نکنم که وقت شما تلف بشه. ولی بیایم فارغ از بخش خصوصی زندگی دیگران، کمی به بُعد فنی این جاسوسی بپردازیم و یکی از حدس های موجود که اتفاقن ایلان هم روش اموجی گذاشته رو بررسی کنیم. ببینیم چی گفته؟ 👉 @ai_python 🦁 ☀️ @elonfact پژوهشگری به نام وین دپیو ادعا کرده با تحلیل وزن‌های منتشرشدهٔ مدل‌ها نشان داده چهار آزمایشگاه بزرگ چینی (DeepSeek، Moonshot، MiniMax و Ant Group) مدل‌های تازه‌شان را روی تراشه‌های Blackwell انویدیا ساخته‌اند که صادراتشان به چین ممنوع است! 👨‍💻 👉 @ai_python 🦁 ☀️ به گفتهٔ او، مقدار اولیهٔ وزن‌ها به نوع دقیق GPU بستگی دارد و ردّش در مدل نهایی می‌ماند؛ او بیش از شش تریلیون ترکیب را جست‌وجو کرده و مثلاً با یک B300 وزن‌های اولیهٔ DeepSeek-V4-Flash را بیت به بیت بازسازی کرده است. او تخمین زده بزرگ‌ترین مدل‌ها هر کدام با ۲۰۰۰ تا ۳۰۰۰ تراشهٔ Blackwell آموزش دیده‌اند و می‌گوید پژوهشگران ارشد OpenAI و Anthropic نتیجه را تأیید کرده‌اند. 👉 @ai_python 🦁 ☀️ البته همون طور که می دونید من صلاحیت فنی که تشخیص بدم حرف این پژوهشگر درست یا غلط هست رو ندارم. ولی برای آدمایی که نیاز به توضیحات Beginner Friendly مثل من دارند، بیاید خیلی خلاصه و ساده ببینیم اصلن منظورش چیه از این حرف : وقتی یک مدل هوش مصنوعی ساخته می‌شود، با اعدادی تصادفی شروع می‌کند. این پژوهشگر می‌گوید هر نوع تراشه این اعداد را کمی متفاوت می‌چیند، مثل دست‌خط. اگر حرفش درست باشد، از روی «دست‌خط» مدل می‌شود فهمید با کدام تراشه ساخته شده، حتی تراشه‌ای که فروشش به چین ممنوع بوده. خلاصه این گونه ... 👨‍💻🥸
1 242
4
یه نفر توی ردیت نوشته من فقط یه دونه H برای Fable نوشتم و اون 26 درصد سهمیه توکن روزانه م رو سوزوند. 😂 👉 @ai_python 🦁 ☀️ h
یه نفر توی ردیت نوشته من فقط یه دونه H برای Fable نوشتم و اون 26 درصد سهمیه توکن روزانه م رو سوزوند. 😂 👉 @ai_python 🦁 ☀️ https://www.reddit.com/r/ClaudeCode/comments/1xs5kde/comment/19sfdb4thzao5/ کامنتا خیلی بامزه س. به خصوص اینکه عکسش رو گذاشتم
1 463
5
ایده های پیشنهادی برای استفاده بهینه تر از Hermes 👉 @ai_python 🦁 ☀️
ایده های پیشنهادی برای استفاده بهینه تر از Hermes 👉 @ai_python 🦁 ☀️
1 623
6
استفاده از کامپیوتر با مدل دلخواه از طریق Open WebUI : 👉 @ai_python 🦁 ☀️ https://x.com/OpenWebUI/status/2117886684780224883
2 027
7
https://youtu.be/BnZfXQZ7UOw?si=FWjgYHl42T3D63Nj
1 979
8
No text...
1 748
9
یه مقاله‌ی جدید با عنوان On the Economics of Reasoning Effort in LLM Agents بررسی کرده که برای LLMها بهتره از چه سطحی از Reasoning Effort استفاده کنیم. این مقاله به چند نتیجه‌ی جالب رسیده. اول اینکه Reasoning Effort بیشتر، لزوماً به معنی عملکرد بهتر نیست. از طرف دیگه، هرچی Reasoning Effort بالاتر باشه، معمولاً هزینه هم بیشتر می‌شه؛ به‌طوری‌که هزینه‌ی بالاترین سطح می‌تونه تا ۴۲ برابرِ پایین‌ترین سطح باشه. نکته‌ی جالب دیگه اینه که بعضی وقت‌ها ممکنه یه مسئله با Reasoning Effort پایین‌تر درست حل بشه، اما همون مسئله با Reasoning Effort بالاتر، اشتباه جواب داده بشه! در واقع، افزایش میزان تلاش برای استدلال همیشه به بهبود نتیجه منجر نمی‌شه. همچنین، تغییر Reasoning Effort فقط روی تعداد Tokenهای مصرف‌شده تأثیر نمی‌ذاره، بلکه نحوه‌ی حل Taskها توسط Agentها رو هم تغییر می‌ده. وقتی Reasoning Effort بالاتره، Agentها زمان و تلاش بیشتری صرف Verify کردن خروجی‌های خودشون می‌کنن و به‌جای اینکه مستقیماً روی حل مسئله کار کنن، بیشتر دنبال پیدا کردن Solution می‌گردن. هر دوی این رفتارها باعث می‌شن Trajectory حل مسئله طولانی‌تر بشه، بدون اینکه لزوماً نتیجه‌ی نهایی بهتر بشه یا تغییری بکنه. 🔗 لینک مقاله 👑 توضیحات در مورد دوره منتورینگ 🏆 نحوه ثبت‌نام در دوره منتورینگ 🤝 تجارب موفق قبلی بچه‌ها از منتورینگ 🛠 راه‌ ارتباطی مشاوره تخصصی کسب‌وکار در زمینه دیتا و هوش مصنوعی @reza_jafari_ai
1 276
10
امروز خودم داشتم دوباره این ویدیو رو می دیدم و یه خوبی که داشت بخش امنیتش بود که خلاصه ای از موارد امنیتی رو می گه که گاهی یادمون می ره چک کنیم. مثلن چطوری جلوی هایجک Agent رو بگیریم و ...
1 721
11
مواردی که برای ساخت یک Agent هوش مصنوعی خوب باید رعایت کنیم : 👉 @ai_python 🦁 ☀️ https://youtu.be/xKgY5vnzjMQ?si=f564ZuiTqMn
مواردی که برای ساخت یک Agent هوش مصنوعی خوب باید رعایت کنیم : 👉 @ai_python 🦁 ☀️ https://youtu.be/xKgY5vnzjMQ?si=f564ZuiTqMneQqi0
1 928
12
طبق گزارش بلومبرگ، مایکروسافت با هدف کاهش هزینه‌ها در پی طبعات پیشرفتِ هوش مصنوعی، به ۶۰ هزار کارمند خود بسته‌های بازنشستگی ا
طبق گزارش بلومبرگ، مایکروسافت با هدف کاهش هزینه‌ها در پی طبعات پیشرفتِ هوش مصنوعی، به ۶۰ هزار کارمند خود بسته‌های بازنشستگی ارائه (پیشنهاد) می‌دهد. (یعنی می گه بیا همین الان اینو بگیر برو 🐸) 👉 @ai_python 🦁 ☀️ X : خب واقعیت اینه که به خصوص توی کمپانی های بسیار بزرگ همیشه تعداد زیادی نیروی کار می دیدیم که تسک های تکراری انجام می دادن. اسمشون این بود که مثلن فلان سِمت رو توی مایکروسافت و گوگل دارن. ولی در واقع کاری که انجام می دادن طوری بود که فرقی نداشت نیروی A یا نیروی B فارغ‌التحصیل این رشته، انجامش بده. فرآیند استخدام بر اساس تخصص و دامنه دانش، یه چیز دکوری بود که اتفاقن اصلن هم نورودایورجینت فرندلی نبود و برعکس تو هر چه قدر نمایش بهتری داشتی، منابع انسانی و تیم از تو بیش تر خوشش میومد و استخدام می شدی. فقط برای اینکه این طوری ویو بهتری داره. یا بیش تر خوش می گذره. زمان کافی برای آموزش نیرو ها می ذاشتن و حتی اگر رشته اون آدم هم این نبود، در نهایت کار رو یاد می گرفت و انجام می داد. 👉 @ai_python 🦁 ☀️ البته همه این موارد هیچ اشکالی هم نداره. روح اون زمانه بود. الانم شاید هنوز توی پوزیشن هایی که کفه ترازو در سمت مارکتینگشون سنگینه، ویو (منظورم ظاهر نیست) حرف اول رو بزنه. ولی خب دیگه جونیوری که فقط یک کار فنی آموزش داده شده رو به صورت تکراری و دائم انجام بده و برای تسک بعدی بازم نیاز به آموزش داره، حذف می شه. به نظرم الان زمانه، عصر جونیورهایی هست که از اول سنیور هستن و شاید توی پوزیشن های فنی خیلی نیاز به ویو هم ندارن. جونیورِ از اول سنیور، یعنی هر شخصی که اتوپایلوت هست. نیازی نداره که یه نفر دائم بهش آموزش بده. شولونگش کنه. خودش می ره دنبال موضوع و یه جوری حلش می کنه. Input می گیره. اما اون اینپوت، اینپوت فنی نیست. بیش تر اینپوت کدوم لیبل و کدوم نیاز هست. و خب طبیعتن این جونیوری که از اول سنیوره، فرقی نمی کنه تا حالا با فلان زبان برنامه نویسی کد نوشته یا نه. فرقی نداره فلان معماری یا سرویس رو می شناسه یا نه. فقط کافیه چند تا لیبل بهش بدی و هدف و ... و خودش راهش رو پیدا می کنه. از در نشد، از پنجره میاد تو. چون بقیه ای که این طوری نیستن، طبیعتن AI Agent ها جاشون رو می گیرن. برای همینم هست که می گیم شغل های آی تی از بین نمی رن. فقط الک می شن. نوعشون تغییر می کنه و آدمایی با ویژگی های خاص که قبلن طلا بودن، ممکنه الان دیگه طلا نباشن. الان عصر، عصرِ اقیانوس های به عمق چند سانتی‌متر هست که بتونن موج های بزرگ درست کنند.
4 783
13
تفاوت های MCP با WebMCP 👉 @ai_python 🦁 ☀️
تفاوت های MCP با WebMCP 👉 @ai_python 🦁 ☀️
1 535
14
چطور با چند عمل ساده روی سطرها، یک دستگاه معادله را حل کنیم؟ 📘 جزوهٔ جبر خطی | جلسهٔ دوم با تدریس گیلبرت استرنگ 🏛 MIT حذف گاوسی و ماتریس‌های مقدماتی در این جلسه، مراحل حذف گاوسی و جانشانی پسرو را دنبال می‌کنیم و می‌بینیم چگونه می‌توان هر گام حل را به زبان ماتریس‌ها نوشت. 📄 جزوهٔ فارسی در ۱۵ صفحه تهیه و تنظیم: گروه ریاضی مزداهیک 🆔 @mazdaahik #جبر_خطی #گیلبرت_استرنگ #حذف_گاوسی #MIT
1 409
15
👇👇👇
👇👇👇
1 144
16
ابزار آنلاین برای تست آسیب پذیری SSRF @WearebiTs 🐤 https://webhook.site/
ابزار آنلاین برای تست آسیب پذیری SSRF @WearebiTs 🐤 https://webhook.site/
1 223
17
توی گروک بات می شه ازش درخواست کنید یک فرم امن براتون باز کنه و یوزر و پسورد های مورد نیازش رو از طریق اون فرم امن براش بفرستید که توی Vault ش ذخیره کنه. 👉 @ai_python 🦁 ☀️ نمی دونم بقیه دستیارها هم اینو دارن یا نه؟
1 478
18
https://fandoly.com/dol/afd57b92-ab99-4072-8979-224f03c6e9b8
1 477
19
بیش تر دوستانی که Pentesting انجام می دن با PortSwigger و ابزار Burp آشنایی دارن و نیاز به معرفی نداره. 👉 @ai_python 🦁 ☀️ ح
بیش تر دوستانی که Pentesting انجام می دن با PortSwigger و ابزار Burp آشنایی دارن و نیاز به معرفی نداره. 👉 @ai_python 🦁 ☀️ حالا اونا یک سولوشن Agentic AI ارائه دادن (بتا) که اجنت های هوش مصنوعی به عنوان متخصص امنیت بهتون کمک می کنن که Pentest پلتفرم های آنلاینتون رو انجام بدید.
1 767
20
اف بی آی هم درباره آسیب های امنیتی PHP توصیه هایی رو برای سازمان های دولتی آمریکا منتشر کرد. 👉 @ai_python 🦁 ☀️ https://x.co
اف بی آی هم درباره آسیب های امنیتی PHP توصیه هایی رو برای سازمان های دولتی آمریکا منتشر کرد. 👉 @ai_python 🦁 ☀️ https://x.com/FBICyberDiv/status/2112921648252719420/photo/1 X
1 914