سان گیک / برنامه نویسی

یا Python 3.15 مقدس! این نسخه پر از قابلیت‌های جدید و بهبودهای هیجان‌انگیزه. از lazy imports برای کاهش زمان بارگذاری گرفته تا frozendict که یه دیکشنری غیرقابل تغییر و هش‌پذیر بهتون می‌ده. پروفایلر آماری Tachyon هم اومده که با تأثیر کمتر روی سرعت، عملکرد کدها رو تحلیل می‌کنه. تازه، JIT هم ارتقا پیدا کرده و تا ۱۳٪ سرعت بیشتر می‌ده. این تغییرات می‌تونن هم کار توسعه‌دهنده‌ها رو راحت‌تر کنن و هم عملکرد برنامه‌ها رو بهتر کنن. اگر میخاید منبعشو بخونید این متنو بمالید #hossssein@sun_geek

داستان اینه که یه مهندس نرم‌افزار به اسم "Manish Shahi" یه روش جالب برای تحلیل مدل‌های زبانی ارائه داده: مصاحبه با خود مدل! تو این روش، مدل رو درباره خودش سوال‌پیچ می‌کنه و جواب‌ها رو با مقالات علمی مقایسه می‌کنه. مثلاً DeepSeek، جواب‌هاش رو به سه دسته "مشاهده"، "استنباط" و "حدس" تقسیم کرده و حتی اعتراف کرده که به وزن‌ها و پارامترهای خودش دسترسی نداره. این روش می‌تونه به درک بهتر از محدودیت‌ها و قابلیت‌های مدل‌های زبانی کمک کنه، مخصوصاً برای مهندسان و محققایی که روی AI کار می‌کنن. اگر میخاید منبعشو بخونید این متنو بمالید #hossssein@sun_geek

منبع https://thenewstack.io/openai-gpt56-cyber-daybreak/

مثکه OpenAI یه مدل جدید به اسم GPT-5.6 Cyber معرفی کرده که برای کارای امنیتی پیشرفته ساخته شده. این مدل می‌تونه آسیب‌پذیری‌های صفر-روزه رو پیدا کنه، زنجیره‌های اکسپلویت بسازه و تحلیل امنیتی انجام بده. دو سطح دسترسی براش تعریف شده: یکی برای کارای امنیتی استاندارد (Daybreak Blue) و یکی برای وظایف سنگین‌تر مثل توسعه اکسپلویت (Daybreak Red). آزمایش‌ها نشون داده که این مدل توی حل مسائل پیچیده امنیتی خیلی سریع‌تر و بهتر از مدل‌های قبلی عمل می‌کنه. این یارو می‌تونه کار تیم‌های DevSecOps و محققای امنیتی رو توی کشف و رفع باگ‌های امنیتی خیلی راحت‌تر کنه. البته، هزینه‌هاش بالاست و برای استفاده باید تأییدیه بگیرین. اگر میخاین منبعشو بخونید اینجارو بمالید #hossssein@sun_geek

OpenAI یه مدل جدید به اسم GPT-5.6 Cyber معرفی کرده که برای کارای امنیتی پیشرفته ساخته شده. این مدل می‌تونه آسیب‌پذیری‌های صفر-روزه رو پیدا کنه، زنجیره‌های اکسپلویت بسازه و تحلیل امنیتی انجام بده. دو سطح دسترسی براش تعریف شده: یکی برای کارای امنیتی استاندارد (Daybreak Blue) و یکی برای وظایف سنگین‌تر مثل توسعه اکسپلویت (Daybreak Red). آزمایش‌ها نشون داده که این مدل توی حل مسائل پیچیده امنیتی خیلی سریع‌تر و بهتر از مدل‌های قبلی عمل می‌کنه. می‌تونه کار تیم‌های DevSecOps و محققای امنیتی رو توی کشف و رفع باگ‌های امنیتی خیلی راحت‌تر کنه. البته، هزینه‌هاش بالاست و برای استفاده باید تأییدیه بگیرین. اگر خواستید منبع رو بخونید اینجارو بمالید #hossssein@sun_geek

الان @poxel6 تو گپ پخت و پز راه میندازه. #hossssein@sun_geek

میگن که MATLAB داره کم‌کم از بازی عقب می افته. طبق رتبه‌ بندی جدید TIOBE در آگوست ۲۰۲۶ (من متولد august ام . میشه همون مرداد خودمون ) ، MATLAB بعد از بیشتر از ۱۰ سال برای اولین بار از جمع ۲۰ زبان محبوب برنامه‌نویسی خارج شده و رسیده به رتبه ۲۵. مدیرعامل TIOBE حتی گفته به نظرش «روزهای MATLAB به شماره افتاده». یکی از دلایل اصلی احتمالا قیمت و مدل لایسنسشه. وقتی Python، C++، Rust و (خوشم میاد اصن Js تو مقاله هاشون اسمشم نمیاد.) کلی ابزار دیگه رایگان و متن‌باز در دسترسن، کی میره پول بده به Matlab مشتی. از طرف دیگه MATLAB نسبت به زبان‌های جدید خیلی کندتر تغییر کرده و امکانات و سبک‌های مدرن برنامه‌نویسی با سرعت کمتری بهش اضافه شدن. البته این به معنی مردن MATLAB نیست. هنوز تو دانشگاه‌ها، مهندسی، شبیه‌سازی و محاسبات علمی خیلی جدی استفاده میشه. ولی چیزی که مشخصه اینه که Python و ابزارهای متن‌باز دارن بخش بزرگی از قلمروش رو می‌گیرن. جالب‌تر اینکه تو همین رتبه‌بندی Python با اختلاف رتبه اوله و بعدش C، C++ و Java قرار دارن. <a href="https://www.infoworld.com/article/4207496/matlab-programming-language-sinking-in-popularity.html">اگر خواستید سورس این بحث رو بخونید انگشتتونو بمالید رو این متن </a> #hossssein@sun_geek

گوگل قراره تو رویداد سالانه‌ی «Made by Google» که امسال یه زمان عجیب (عصر) برگزار می‌شه، از گوشی‌های جدید پیکسل (معمولی و تاشو)، نسخه‌های جدید ساعت هوشمند، یه رنگ تازه برای ایربادها و احتمالاً یه ردیاب شبیه AirTag رونمایی کنه. میزبان این مراسم هم Trevor Noah هست. #hossssein@sun_geek

یوتیوب از سال ۲۰۲۷ قوانین جدید و سخت‌تری برای کسب درآمد از طریق برنامه شراکت (YPP) اجرا می‌کنه. حالا برای ورود به این برنامه باید حداقل ۱۰۰۰ مشترک داشته باشین و یا ۸۰۰۰ ساعت بازدید تاییدشده در سال گذشته یا ۲۰ میلیون بازدید Shorts در ۹۰ روز اخیر. تازه، برای حفظ درآمد از Shorts باید ۱۰ میلیون بازدید در ۹۰ روز رو نگه دارین. هدف یوتیوب اینه که بیشتر شبیه سرویس‌های استریم مثل Netflix و Disney Plus بشه و کیفیت محتوا رو بالا ببره. اگه تولیدکننده محتوا یا بازاریاب دیجیتال هستین، این تغییرات می‌تونه روی درآمد و استراتژی‌هاتون تأثیر زیادی بذاره. به نظرم اگه تازه‌کارین، باید روی افزایش کیفیت و کمیت محتوا تمرکز کنین و شاید به پلتفرم‌های دیگه هم فکر کنین. #hossssein@sun_geek

متا یه مدل جدید به اسم Muse Glimmer معرفی کرده که می‌تونه روی لپ‌تاپ‌های معمولی با GPU مصرف‌کننده اجرا بشه. این مدل ۳۰ میلیارد پارامتریه و با تکنیک‌های فشرده‌سازی از مدل بزرگ‌تر Muse Spark ساخته شده. هدفش اینه که به‌عنوان یه agent محلی برای انجام کارهای روتین استفاده بشه، در حالی که مدل بزرگ‌تر توی فضای ابری کارهای پیچیده‌تر رو انجام می‌ده. این مدل نشون می‌ده می‌شه مدل‌های بزرگ رو برای اجرا روی دستگاه‌های محلی بهینه کرد، که هم هزینه‌های ابری رو کم می‌کنه و هم حریم خصوصی داده‌ها رو بهتر حفظ می‌کنه. ولی حواستون باشه که محدودیت‌هایی مثل نیاز به سخت‌افزار قوی و چالش‌های امنیتی هم داره. اگه دنبال راه‌حل‌های local agent هستین یا می‌خواین از این تکنیک‌ها برای پروژه‌های خودتون استفاده کنین، ارزش داره Glimmer رو بررسی کنین. ولی قبل از بردن به محیط تولید، حتماً تست‌های امنیتی و عملکردی دقیق انجام بدین. #hossssein@sun_geek

DeepSeek میگه مدل V4-Flash از V4-Pro توی کدنویسی بهتره، در حالی که قیمتش تقریبا یک سومه. یه تست واقعی روی سه کار برنامه‌نویسی انجام شده: رفع باگ، اضافه کردن قابلیت جدید و بهینه‌سازی performance. توی دو تست اول تقریبا هر دو مدل نتیجه یکسانی داشتن. ولی توی تست بهینه‌سازی قضیه جالب شد. Flash خیلی عمیق‌تر رفت سراغ مسئله، حدود ۲۷ دقیقه کار کرد و ۱۵.۴ میلیون توکن مصرف کرد و در نهایت تونست سرعت کد رو حدود 1.83 برابر بیشتر کنه. Pro با ۴.۷ میلیون توکن فقط حدود 1.06 برابر بهبود ایجاد کرد. نکته عجیب اینجاست: Flash در مجموع تقریبا ۳ برابر Pro توکن مصرف کرد، ولی هزینه نهایی Flash حدود ۹ سنت و Pro حدود ۱۰ سنت شد! یعنی مدل ارزون‌تر واقعا بهتر reasoning کرد، ولی برای رسیدن به اون نتیجه توکن خیلی بیشتری سوزوند. پس ارزون‌تر بودن قیمت هر توکن لزوما به معنی ارزون‌تر شدن استفاده واقعی نیست. به نظر میاد رقابت بعدی مدل‌های AI فقط روی قیمت هر میلیون توکن نیست، روی اینه که برای حل یه مسئله واقعا چند میلیون توکن لازم دارن. #hossssein@sun_geek

بحث Dockerfile و Buildpacks دیگه فقط سر این نیست که کدوم راحت‌تره، یه بخش مهمش داره میره سمت امنیت. داستان اینه که وقتی Dockerfile داری معمولا هر پروژه Base Image خودشو داره. حالا یه CVE مهم بیاد باید بری این Base Image رو تو همه سرویس‌ها آپدیت کنی، دوباره build بگیری، تست کنی و deploy کنی. برای ۵ تا سرویس مهم نیست ولی وقتی مثلا ۲۰۰ تا microservice داری داستان یکم فرق میکنه :)) Buildpacks یه مدل دیگه داره.Base Image و Builder رو میتونی متمرکز مدیریت کنی و یه قابلیت جالب هم داره به اسم Rebase. با Rebase اگه مشکل از لایه سیستم عامل باشه میشه Runtime Image رو عوض کرد بدون اینکه کل application دوباره build بشه. ینی نه دوباره سورس build میشه نه CI الکی درگیر میشه و خود عملیات rebase هم خیلی سریعه. البته قرار نیست جادو کنه :)) اگه مشکل امنیتی تو dependency های خود برنامه باشه بازم باید build جدید بگیری. الانم شرکتایی مثل Docker و Chainguard و BellSoft دارن کلی روی Hardened Image و Image های کم CVE کار میکنن. ولی چیزی که به نظرم جالبه اینه که برای سیستم های بزرگ شاید دیگه فقط مهم نباشه چه Base Image ای انتخاب کردی، مهم تر این باشه که اصلا کی قراره این Image ها رو مدیریت و patch کنه. حالا Dockerfile آزادی بیشتری به هر تیم میده و Buildpacks یه مقدار این آزادی رو میگیره ولی در عوض مدیریت و patch کردن تعداد زیادی سرویس رو خیلی راحت تر میکنه. برای پروژه کوچیک شاید اصلا مهم نباشه ولی وقتی تعداد سرویسات زیاد میشه این مدل میتونه خیلی داستان رو عوض کنه.

داستان اینه که Buildpacks دارن جای Dockerfile رو برای مدیریت امنیت کانتینرها می‌گیرن. با این ابزار، تیم‌های پلتفرم می‌تونن به‌جای اینکه هر تیم توسعه‌دهنده خودش مسئول به‌روزرسانی و امنیت تصاویر پایه باشه، این کار رو متمرکز انجام بدن. مثلاً با قابلیت rebase، می‌شه لایه‌های سیستم‌عامل رو بدون بازسازی کامل و در عرض چند میلی‌ثانیه آپدیت کرد. این تغییر می‌تونه زمان به‌روزرسانی رو کاهش بده، منابع CI/CD رو آزاد کنه و امنیت کلی رو بالا ببره. ولی خب، کنترل دقیق رو از دست می‌دین و باید به تیم پلتفرم و ابزارهای Buildpacks اعتماد کنین. #hossssein@sun_geek

منبع : https://www.docker.com/products/docker-sandboxes/

باید بگم کههههه Docker یه قابلیت جدید به اسم "Sandboxes" معرفی کرده که محیط‌های موقت و ایزوله برای اجرای ایمن ایجنت‌های هوش مصنوعی فراهم می‌کنه. این Sandboxes از microVMها استفاده می‌کنن، یعنی امنیتشون از کانتینرهای معمولی بیشتره ولی سرعتشون از VMهای کامل بالاتره. با این قابلیت می‌تونین ایجنت‌ها رو با دسترسی‌های بالا (مثل نصب پکیج یا اجرای سرویس) اجرا کنین، بدون اینکه سیستم میزبان در خطر باشه. حتی یه حالت YOLO mode هم داره که اجازه می‌ده ایجنت‌ها بدون تأیید دسترسی‌ها کار کنن، ولی باید با احتیاط ازش استفاده بشه. این قابلیت برای تیم‌های DevOps، مهندسان هوش مصنوعی و استارتاپ‌هایی که با ایجنت‌های خودکار کار می‌کنن خیلی کاربردیه. اگه امنیت و ایزوله‌سازی براتون مهمه، به نظرم حتماً ارزش تست کردن داره. #hossssein@sun_geek

ینی خداشاهده می خواید بگید اینارو ارسال نمی کنید برا کسی؟؟؟ #hossssein@sun_geek

یه برنامه‌نویس ۸ سال پیش یه «راه‌حل موقت» زد که تازه الان پیداش کردن داستان از جایی شروع می‌شه که یه شرکت داشت سیستم‌هاش رو از Python 2 به Python 3 مهاجرت می‌داد. مشکل این بود که حدود ۲۰٪ سرورها با Python 3 درست کنار نمی‌اومدن و تیم هم بعد از چند دور تعدیل نیرو، نه حال داشت نه انرژی اینکه چند شب تا صبح بشینه مشکل رو اصولی حل کنه. تا اینکه یکی از برنامه‌نویس‌ها، Walter، یه ایده کاملاً خطرناک به ذهنش رسید: ln -s /usr/bin/python2 /usr/bin/python3 یعنی عملاً هرجا سیستم دنبال python3 می‌گشت، Python 2 اجرا می‌شد! خودش انتظار داشت کل سیستم منفجر شه، Alert بیاد یا حداقل یکی بفهمه چه بلایی سر Production آورده. ولی... هیچ اتفاقی نیفتاد. سیستم کار کرد، خطایی نیومد، کسی هم متوجه نشد. حتی توی اسکریپت کانفیگ یه کامنت گذاشت: «آره آره، خودمم می‌دونم! حداقل تقریباً هوشیار بودم، پس نمی‌تونه انقدر احمقانه باشه!» Walter بعداً از شرکت رفت. ۸ سال بعد یکی از همکارای قدیمیش بهش پیام داد که بالاخره بعد از یه Linux Upgrade این Symlink عجیب رو پیدا کردن. جالب‌تر اینکه این هک موقت، طی این سال‌ها حتی از یه Script معمولی هم منتقل شده بود به Ansible و عملاً تبدیل شده بود به بخشی از Infrastructure شرکت. <a href="https://www.theregister.com/software/2026/08/10/demoralized-developers-desperate-hack-came-back-to-haunt-him-on-linkedin/5284476">منبع</a> عشق کردید، نه؟؟؟ از بچگی دوست داشتید از این داستانا براتون بیارم نه؟؟؟ #hossssein@sun_geek

یه برنامه‌نویس ۸ سال پیش یه «راه‌حل موقت» زد که تازه الان پیداش کردن 😂 داستان از جایی شروع می‌شه که یه شرکت داشت سیستم‌هاش رو از Python 2 به Python 3 مهاجرت می‌داد. مشکل این بود که حدود ۲۰٪ سرورها با Python 3 درست کنار نمی‌اومدن و تیم هم بعد از چند دور تعدیل نیرو، نه حال داشت نه انرژی اینکه چند شب تا صبح بشینه مشکل رو اصولی حل کنه. تا اینکه یکی از برنامه‌نویس‌ها، Walter، یه ایده کاملاً خطرناک به ذهنش رسید: <pre>ln -s /usr/bin/python2 /usr/bin/python3</pre>یعنی عملاً هرجا سیستم دنبال python3 می‌گشت، Python 2 اجرا می‌شد! 😐 خودش انتظار داشت کل سیستم منفجر شه، Alert بیاد یا حداقل یکی بفهمه چه بلایی سر Production آورده. ولی... هیچ اتفاقی نیفتاد. سیستم کار کرد، خطایی نیومد، کسی هم متوجه نشد. حتی توی اسکریپت کانفیگ یه کامنت گذاشت: «آره آره، خودمم می‌دونم! حداقل تقریباً هوشیار بودم، پس نمی‌تونه انقدر احمقانه باشه!» 😂 Walter بعداً از شرکت رفت. ۸ سال بعد یکی از همکارای قدیمیش بهش پیام داد که بالاخره بعد از یه Linux Upgrade این Symlink عجیب رو پیدا کردن. جالب‌تر اینکه این هک موقت، طی این سال‌ها حتی از یه Script معمولی هم منتقل شده بود به Ansible و عملاً تبدیل شده بود به بخشی از Infrastructure شرکت. 💀 <a href="https://www.theregister.com/software/2026/08/10/demoralized-developers-desperate-hack-came-back-to-haunt-him-on-linkedin/5284476">منبع</a> <b>عشق کردید، نه؟؟؟ از بچگی دوست داشتید از این داستانا براتون بیارم نه؟؟؟ 😁</b> #hossssein@sun_geek

<p><b>یه برنامه‌نویس ۸ سال پیش یه «راه‌حل موقت» زد که تازه الان پیداش کردن 😂</b></p><p>داستان از جایی شروع می‌شه که یه شرکت داشت سیستم‌ هاش رو از <b>Python 2 به Python 3</b> مهاجرت می‌داد.</p><p>مشکل این بود که حدود ۲۰٪ سرورها با Python 3 درست کنار نمی‌ اومدن و تیم هم بعد از چند دور تعدیل نیرو، نه حال داشت نه انرژی اینکه چند شب تا صبح بشینه مشکل رو اصولی حل کنه.</p><p>تا اینکه یکی از برنامه‌نویس‌ها، Walter، یه ایده کاملاً خطرناک به ذهنش رسید:</p><pre><code class="language-bash">ln -s /usr/bin/python2 /usr/bin/python3 </code></pre><p>یعنی عملاً هرجا سیستم دنبال <code>python3</code> می‌گشت، <b>Python 2</b> اجرا می‌شد! 😐</p><p>خودش انتظار داشت کل سیستم منفجر شه، Alert بیاد یا حداقل یکی بفهمه چه بلایی سر Production آورده.</p><p>ولی...</p><p><b>هیچ اتفاقی نیفتاد.</b></p><p>سیستم کار کرد، خطایی نیومد، کسی هم متوجه نشد.</p><p>حتی توی اسکریپت کانفیگ یه کامنت گذاشت:</p><p>«آره آره، خودمم می‌دونم! حداقل تقریباً هوشیار بودم، پس نمی‌تونه انقدر احمقانه باشه!» 😂</p><p>Walter بعداً از شرکت رفت.</p><p><b>۸ سال بعد</b> یکی از همکارای قدیمیش بهش پیام داد که بالاخره بعد از یه Linux Upgrade این Symlink عجیب رو پیدا کردن.</p><p>جالب‌تر اینکه این هک موقت، طی این سال‌ها حتی از یه Script معمولی هم منتقل شده بود به <b>Ansible</b> و عملاً تبدیل شده بود به بخشی از Infrastructure شرکت. 💀 <b> <a href="https://www.theregister.com/software/2026/08/10/demoralized-developers-desperate-hack-came-back-to-haunt-him-on-linkedin/5284476">منبع</a> عشق کردید، نه؟؟؟؟ از بچگی دوست داشتید ازین داستانا براتون بیارم نه؟؟؟</b></p> #hossssein@sun_geek

<p>یه چیز داره توی دنیای AI آروم‌آروم جدی می‌شه: <b>اجرای مدل‌های هوش مصنوعی روی سیستم خودمون، بدون Cloud.</b></p><p>یکی با یه MacBook M2 رم 16 و یه لپ‌تاپ Ryzen AI با 32GB رم، یه ستاپ ساده ساخته:</p><p>LM Studio برای اجرای مدل OpenCode برای کدنویسی داخل ترمینال و یه مدل سبک Gemma حدود 5GB</p><p>نتیجه؟ برای کارهای معمولی برنامه‌نویسی مثل Python، C++ و Makefile کاملاً قابل استفاده بوده. نه در حد مدل‌های خفن Cloud، ولی برای خیلی از کارها واقعاً کافی.</p><p>اصل ماجرا اینجاست 👇</p><p>هزینه AIهای ابری داره جدی می‌شه. از اون طرف سورس‌کد، اطلاعات شرکت و دیتاهای خصوصی رو هم هر بار می‌فرستیم روی سرور یه شرکت دیگه.</p><p>Local AI حداقل دو تا مشکل رو تا حدی حل می‌کنه:</p><p><b>هزینه + Privacy</b></p><p>هنوز برای کارهای پیچیده نمی‌تونه جای مدل‌های Frontier رو بگیره، ولی اینکه یه مدل 5GB روی لپ‌تاپ معمولی بتونه واقعاً توی کدنویسی کمکت کنه، خودش خیلی معنی داره.</p><p>احتمالاً آینده این نیست که همه چیز Cloud باشه یا همه چیز Local.</p><p>احتمالاً برای کارهای روزمره مدل‌های لوکال، و برای کارهای سنگین‌تر مدل‌های Cloud رو استفاده می‌کنیم.</p><p>و این یعنی شاید جنگ بعدی AI فقط سر «باهوش‌ترین مدل» نباشه؛ سر <b>ارزون‌تر، خصوصی‌تر و قابل‌کنترل‌تر بودن</b> هم باشه.</p><p> </p> #hossssein@sun_geek