Linuxor ?
Open in Telegram
اخبار لحظه ای تکنولوژی و معرفی ابزار های کامپیوتری و برنامه نویسی! ارتباطات و تبلیغات : @LinuxorContact
Show more📈 Analytical overview of Telegram channel Linuxor ?
Channel Linuxor ? (@linuxor) in the Farsi language segment is an active participant. Currently, the community unites 33 780 subscribers, ranking 3 969 in the Technologies & Applications category and 10 524 in the Iran region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 33 780 subscribers.
According to the latest data from 29 October, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 2 069 over the last 30 days and by 19 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 29.11%. Within the first 24 hours after publication, content typically collects 22.06% reactions from the total number of subscribers.
- Post reach: On average, each post receives 9 832 views. Within the first day, a publication typically gains 7 452 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 2.
- Thematic interests: Content is focused on key topics such as مصنوعی, وقت, چیز, certified, اپل.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“اخبار لحظه ای تکنولوژی و معرفی ابزار های کامپیوتری و برنامه نویسی!
ارتباطات و تبلیغات :
@LinuxorContact”
Thanks to the high frequency of updates (latest data received on 30 October, 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.
33 780
Subscribers
+1924 hours
+9267 days
+2 06930 days
Posts Archive
33 780
یه مدل AI دیگه شبیه به Jev منتشر شده به اسم Julia 1 که هدفش تولید متن نیست برای تصمیم‌گیری و انتخاب بین چند گزینه ساخته شده. یعنی بهش متن و گزینه‌ها رو می‌دی و مدل مشخص می‌کنه کدوم گزینه مناسب‌تره.
فقط حدود 144M پارامتر داره و حجم وزن‌هاش حدود 550MB هستش. مهم‌تر اینکه برای اجرا الزاماً GPU نمی‌خواد و حتی روی CPU و دستگاه‌هایی مثل تبلت هم تست شده؛ یعنی می‌تونه برای inference محلی و سیستم‌های کم‌هزینه کاربردی باشه.
روی کارهایی مثل دسته‌بندی متن، تشخیص intent، routing، تصمیم‌های باینری و انتخاب از بین چند گزینه تمرکز داره. توی تست‌های منتشرشده هم مثلاً روی AG News به 94% و روی دیتاست Emotion به 86% رسیده، هرچند روی بعضی بنچمارک ها مثل Banking77 عملکرد پایین‌تری داشته.
مدل متن‌باز منتشر شده و وزن‌ها، کد اجرا و نتایج بنچمارک ها هم در دسترسه. ایده اصلی Julia 1 اینه به‌جای اینکه برای هر تصمیم کوچیک یه LLM بزرگ اجرا کنی، یه مدل سبک داشته باشی که فقط همون تصمیم رو سریع و ارزون بگیره:
supersoniclabs.ia.br/julia-1
@Linuxor
33 780
یه ابزار جالب برای کسایی که با کد ایجنت ها کار میکنن jevgrep یا همون jg، یه ابزار برای جمع‌کردن هوشمند Context از داخل codebase هستش که از طرف تیم Typesafe AI یا همون سازنده Jev ساخته شده.
به‌جای اینکه Agent برای پیدا کردن جواب یه سوال، کلی فایل رو بگرده و حجم زیادی Context وارد مدل کنه، jg کمک می‌کنه قسمت‌های مرتبط کد رو سریع‌تر پیدا کنه و فقط همون بخش‌هایی که احتمالاً مهمن رو در اختیار Agent بذاره.
نکته جالبش اینه که طبق تست منتشرشده روی بخشی از SWE-bench، استفاده از jg هزینه اجرای Coding Agent رو حدود 40٪ کم کرده. البته این عدد مربوط به همون تست مشخصه و نباید به همه پروژه‌ها و Agentها تعمیمش داد:
github.com/dzhng/jevgrep
@Linuxor
33 780
Repost from N/a
🤖 از AI فقط برای سؤال‌پرسیدن استفاده نکن؛ باهاش چیزی بساز.
اگه اخبار هوش مصنوعی و ابزارهای جدید رو دنبال می‌کنین، وقتشه یک قدم جلوتر برین و یاد بگیرین چطور از این تکنولوژی‌ها برای حل مسائل واقعی استفاده کنین.
با AI می‌تونین:
▫️ کارهای تکراری رو خودکار کنین
▫️ ابزارها و سرویس‌های مختلف رو به هم وصل کنین
▫️ با n8n گردش‌کارهای هوشمند بسازین
▫️ هوش مصنوعی رو به فایل‌ها و داده‌های واقعی متصل کنین
▫️ از RAG، Tool Calling و AI Agents استفاده کنین
▫️ ایده‌تون رو به یک ابزار کاربردی تبدیل کنین
در دوره پروژه‌محور AI Players & Solution Builders، از آشنایی با ابزارهای AI عبور می‌کنین و یاد می‌گیرین چطور باهاشون یک راه‌حل واقعی و قابل‌استفاده بسازین؛ حتی اگه برنامه‌نویسی بلد نباشین.
📍 امکان ثبت‌نام به‌صورت حضوری و آنلاین وجود داره.
👇 جزئیات دوره و شرایط ثبت‌نام:
https://prodemy.ir/a-players-course
💬 مشاوره و پشتیبانی: @prodemy_admin
33 780
اگه براتون سواله این بازی اسپایدرمن یه نفر داشت با کلاد Opus 5.5 می‌ساختش چی شد؟ این ویدیو رو ببینید کیفیتش در حد GTA-V بالا رفته
همچنین توسعه دهندش چند ساعت پیش سورس کدش هم اوپن کرد:
github.com/xikhar/spiderbench
@Linuxor
33 780
وقتی یک مدل با 58.5 درصد توکن فکری کمتر، همان دقت یا حتی بهتر را ارائه می‌دهد، ارزش تست‌کردن دارد!
نسخه جدید Swift 1.5 برای Qwen3.8-27B با RL و OPD قوی‌تر، مخصوصاً در کدنویسی و Agentها، منتشر شده و در برخی تسک‌ها تا 9.18 برابر سریع‌تر است.
huggingface.co/ukisai/Swift-1.5-Qwen3.8-27B-GGUF
@Linuxor ~ callitVer1
33 780
Repost from N/a
✨ اکانت ChatGPT K12 پیش‌ساخته یک ماهه، کاملاً اختصاصی و کاملا مشابه پلن Plus🔐
✅ ۷ روز گارانتی بی‌قید و شرط
✅مدل Codex Astra
✅ قابلیت اجرا در VS Code و Cursor
✅ به همراه Codex Windows و قابلیت Work
❗️ موجودی بسیار محدود
⚠️ آفر محدود
💥 فقط ۱.۵۰۰.۰۰۰ تومان
⚡️ برای خرید کلیک کنید
33 780
اگه تا حالا خواستی یه وبسایت شبیه VS Code، Figma یا Photoshop بسازی، احتمالا با یکی از دردناک‌ترین قسمت‌هاش که برخورد کردی مدیریت Layout. Split، Tab، پنل‌های شناور، Resize و Nesting خیلی زود تبدیل به یه عالمه منطق پیچیده میشن. Trellis برای همین ساخته شده؛ یه Layout Engine برای ساخت Workspace های پیچیده و قابل شخصی‌سازی توی Web App. کاربر می‌تونه پنل‌ها رو جابه‌جا کنه، Split کنه، Float کنه، داخل Tab بذاره و حتی Layoutها رو تا عمق‌های مختلف داخل هم Nest کنه.
اگه داری یه IDE، داشبورد، ابزار طراحی، ادیتور، Trading Terminal یا هر اپی می‌سازی که کاربر باید محیط کارش رو خودش بچینه چیز بدرد بخوریه کلا 33 کیلوبایته.
تست آنلاین و دانلود :
trellisui.com
@Linuxor
33 780
یه تکنیکی که جدیدا دارم روش تمرکز میکنم درست Exit کردنه، اکثر ماها نمیتونیم درست از یه کاری که شروع کردیم و به نتیجه دلخواه نرسیده خروج بزنیم و توی لحظه آخر همه چی رو آتیش میزنیم، برای مثال تا الان ده ها تا سرویس و محصول از سایت و API و... ساختم که همشون هم درآمدزا بودن ولی کم بوده یا زحمتش زیاد بوده همشم از بین بردم؛ با خودم میگم بابا کاش حداقل یکم روی آتومیشینش کار میکردی مثلا یه سرویسی که ماهی حتی 10 تومن درآمد داشته باشه و روزی مثلا 3 ساعتت وقتت رو بگیره رو یه جوری اتومیتش کنی بشه روزی نیم ساعت یا یه ربع واقعا می‌ارزه نگهش داری در واقع بجای اینکه محکم Exit کنی و بی سرپناه بزاریش و درآمد بشه صفر تومن یجوری با AI و آتومیشن فشردش میکنی که بشه یه ربع در روز حتی درآمد کمترم شد و مثلا 7 الی 8 تومنم می‌ارزه.
چیزی که داره براتون پول می‌سازه ولی کمه رو هیچ وقت سرش رو نبرید ببینید می‌تونید رامش کنید اگه نشد سرش رو ببرید.
@Linuxor
33 780
یه کتابخونه UI پیدا کردم که کلی کامپوننت خیلی شیک و جذاب رو یکجا جمع کرده؛ برای اینکه توی یه لندینگ پیج یه افکت «واااو عجب چیز پشم ریزونی» بسازی
سایتش اینه:
componentry.dev
@Linuxor
33 780
مغز انسان یه باگی داره اینه که آینده رو خوب پیش‌بینی نمیکنه از اون بد تر یه عده بهش اعتماد هم میکنن؛
مثلا همیشه با خودشون میگن وای فلانی آنلاین شاپ داره چه پولی در میاره فلانی شرکت داره چه پولی درمیاره فلانی فریلنسره چقدر راحته کسی روی سرش نیست و همیشه آزاده!
بعد که خودشون بدون پیش بینی آینده و با صرف اینکه اون کاره راحته یکی از اون کارارو شروع میکنن، می‌افتن توی باتلاق اون کاره که به راحتی هم نمیشه ازش بیرون اومد مثلا آنلاین شاپ به ظاهر شاید پول پارو کنه ولی باید بدونید که «باید محصول خوب پیدا کنید ← سرمایه بذارید ← محتوا بسازید ← تبلیغ کنید ← مشتری جذب کنید ← بسته‌بندی کنید ← ارسال کنید ← مرجوعی بگیرید ← پشتیبانی کنید ← حسابداری کنید ← با افت فروش کنار بیاید ← دوباره تبلیغ کنید و ممکنه اصلا به مشتری هدف نرسید...» تازه بعدش میفهمن این کار همچین براشون جذاب هم نیست!
@Linuxor
33 780
یه مدل جالب برای اجرای AI روی دستگاه اندرویدی (ویدیو تست شده روی S26 برای هر درخواست 128توکنه 70 میلی ثانیه زمان می‌بره)
مدل GLiNER2.5-Decide دارای 340M پارامتره که برای classification، routing، sentiment، intent detection و تصمیم‌گیری ساختاریافته ساخته شده.
نسخه‌ی LiteRTش رو می‌تونید روی دستگاه‌هایی مثل Android به‌صورت local اجرا کنید؛ بدون API و بدون نیاز به ارسال متن به سرور.
یعنی برای خیلی از کارهایی که لازم نیست حتماً یه LLM بزرگ داشته باشید، می‌تونه گزینه‌ی جذابی باشه.
huggingface.co/litert-community/GLiNER2.5-Decide-LiteRT
@Linuxor
33 780
Repost from N/a
🤖 مینی دوره Claude رایگان شد! | ابزار برنامه‌نویسی، تحقیق و حل مسئله
✔️ توی این مینی‌دوره یاد می‌گیری چطور از Claude برای انجام سریع‌تر و بهینه‌تر کارهات استفاده کنی.
✨ ثبت‌نام رایگان:
🔗 quera.org/r/jd7au
33 780
برای کسایی که با مدل ها زیاد سرو کله می‌زنن، انویدیا یه جعبه ابزار برای بهینه‌سازی مدل‌های AI داره قبل از اینکه مدل رو ببری برای inference، کمک می‌کنه مدل رو کم‌حجم‌تر و کم‌مصرف‌تر و سریع‌تر کنی.
تمرکز اصلیش روی چیزهایی مثل Quantization، Pruning، Sparsity و Distillation هستش. مثلاً می‌تونی یه مدل BF16 رو به FP8 یا NVFP4 تبدیل کنی تا VRAM و هزینه محاسبات کمتر بشه، البته با کنترل افت کیفیت مدل.
نکته جالبش اینه که ModelOpt خودش جای vLLM یا TensorRT-LLM نیست؛ بیشتر نقش مرحله‌ی optimization رو داره. یعنی مدل رو آماده میکنی و بعد می‌دی به inference engineهایی مثل vLLM، SGLang یا TensorRT-LLM تا روی GPU اجرا بشه.
اگه با مدل‌های بزرگ و GPU های NVIDIA کار میکنی، ModelOpt یه جعبه‌ابزار برای اینه که از همون مدل، نسخه‌ای سبک‌تر و مناسب‌تر برای production بسازی؛ مخصوصاً وقتی بحث FP8/NVFP4، کاهش VRAM و افزایش throughput مطرح باشه:
nvidia.github.io/Model-Optimizer
@Linuxor
33 780
تیم FrontiersMind امروز مدل‌های Lumma-fev-0.1B و نسخه‌ی به‌روزشده‌ی Lumma-fev-0.6B رو به‌صورت متن‌باز منتشر کرده ویدیو از اجراش روی مک M2 هستش.
این‌ها مدل‌های تصمیم‌گیری (Decision-Based Models) این تیم هستن که روی زبان انگلیسی و 10 زبان هندی (Indic) آموزش داده شدن. این مدل‌ها به‌جای تولید متن، برای تصمیم‌گیری و انجام اقدامات مختلف طراحی شدن.نتایج اولیه هم جالب توجه هستن؛ طبق اعلام تیم، Lumma-fev تونسته توی چندین بنچمارک عملکرد بهتری نسبت به Jev داشته باشه.
از بازی کردن گرفته تا دسته‌بندی، تصمیم‌گیری ساختاریافته و خیلی از کارهای دیگه که نیازی به تولید متن ندارن، Lumma-fev برای انجام عمل و تصمیم‌گیری طراحی شده. طبق اعلام این تیم، فردا مدل‌های Lumma-fev-4B و Lumma-fev-9B هم به‌صورت متن‌باز منتشر میشن.
این مدل‌ها از طریق مجموعه‌ی زیر در دسترس قرار گرفتن:
huggingface.co/collections/FrontiersMind/lumma-decision-models
@Linuxor
33 780
Repost from N/a
حراج بزرگ آنلاین استوک لپ! 💥
دنبال یه کامپیوتر قدرتمند می‌گردی ؟
دیگه لازم نیست بین قیمت بالا و کیفیت دست‌وپا بزنی! ✋
ما تو استوک لپ، بهترین سیستم‌ها رو با قیمت حراجی و ضمانت واقعی برات آوردیم. 💻💎
✅ کیفیت تضمینی
✅ قیمت استثنایی
✅ خرید با ضمانت
⏳ موجودی محدوده، همین حالا وارد شو و فرصت رو از دست نده! 👇
https://t.me/stock_lapp
33 780
نسخه های چند وجهی Jev (اونایی که به غیر از متن می‌تونن عکس و مدیا هم بفهمن) می‌تونن یه انقلاب خوبی توی صنعت Manufacturing به وجود بیارن مثلا می‌شه فهمید :
قطعه سالمه یا خراب و معیوب؟
این جوش درست انجام شده؟
این محصول scratch داره؟
کارگر کلاه ایمنی داره؟
چیزی وارد محدوده خطر شده؟
دستگاه رفتار غیرعادی داره؟
این قطعه باید reject بشه یا نه؟
اینجا لیستی از Jev های چند وجهی رو جمع کرده و با تعدادی تصاویر اونارو بنچمارک کرده:
benchmarkheaven.com/image-jev-bench
@Linuxor
