Linuxor ?
رفتن به کانال در Telegram
اخبار لحظه ای تکنولوژی و معرفی ابزار های کامپیوتری و برنامه نویسی! ارتباطات و تبلیغات : @LinuxorContact
نمایش بیشتر📈 تحلیل کانال تلگرام Linuxor ?
کانال Linuxor ? (@linuxor) در بخش زبانی فارسی بازیگری فعال است. در حال حاضر جامعه شامل 33 821 مشترک است و جایگاه 3 969 را در دسته فناوری و برنامه‌ها و رتبه 10 524 را در منطقه إيران دارد.
📊 شاخص‌های مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 33 821 مشترک جذب کرده است.
بر اساس آخرین داده‌ها در تاریخ 29 اکتبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر 2 069 و در ۲۴ ساعت گذشته برابر 19 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 29.11% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 22.06% واکنش نسبت به کل مشترکان کسب می‌کند.
- دسترسی پست‌ها: هر پست به طور میانگین 9 832 بازدید دریافت می‌کند. در اولین روز معمولاً 7 452 بازدید جمع‌آوری می‌شود.
- واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 2 است.
- علایق موضوعی: محتوا بر موضوعات کلیدی مانند مصنوعی, وقت, چیز, certified, اپل تمرکز دارد.
📝 توضیح و سیاست محتوایی
نویسنده این فضا را محل بیان دیدگاه‌های شخصی توصیف می‌کند:
“اخبار لحظه ای تکنولوژی و معرفی ابزار های کامپیوتری و برنامه نویسی!
ارتباطات و تبلیغات :
@LinuxorContact”
به لطف به‌روزرسانی‌های پرتکرار (آخرین داده در تاریخ 30 اکتبر, 2026)، کانال همواره به‌روز و دارای دسترسی بالاست. تحلیل‌ها نشان می‌دهد مخاطبان به‌طور فعال با محتوا تعامل دارند و آن را به نقطه اثرگذاری مهم در دسته فناوری و برنامه‌ها تبدیل کرده‌اند.
33 821
مشترکین
+1924 ساعت
+9267 روز
+2 06930 روز
آرشیو پست ها
33 821
مدل Jev واقعا سرو صدای زیادی کرده ولی مشکلی که داره اینه به احتمال خیلی زیاد فقط سرویس API پولی بده و مدل اوپن ویت برای ران کردن لوکال نده
دیروز چند نفر شروع کردن و با فاین تیون کردن Qwen نزدیک ترین چیز ممکن به Jev رو ساختن، لوکال میتونید روی سیستم خودتون رانش کنید :
github.com/Mapika/decider
@Linuxor
33 821
مدل Jev که جدیدا اومده واقعاً دیوانه‌کننده‌ست!
توی فقط 24.9 ثانیه، 384 تا خبر منتشرشده از صبح امروز رو خوند و به 15 تا برند گفت که امروز روی کدوم خبرها بهتره سوار بشن و ازشون استفاده کنن؛ اونم با هزینه فقط 0.19 دلار.
در همون زمان، Claude Opus 5 که همزمان روی همون فید خبری اجرا می‌شد، فقط تونست 4 تا از 384 خبر رو بررسی کنه و 0.77 دلار هزینه داشت.
یعنی برای هر تیتر، هزینه‌ی Jev تقریباً 390 برابر کمتره؛ تازه جوابش هم قبل از اینکه خودت فرصت کنی تیتر رو کامل بخونی برمی‌گرده.
قراره راه‌های خیلی زیادی وجود داشته باشه که Jev بتونه بهت کمک کنه تا:
خبرهای ترند و داغ رو پیدا کنی،
خبرنگارهایی که دارن روی اون موضوع کار می‌کنن رو پیدا کنی،
و برای برندت پوشش رسانه‌ای بگیری.
کل چیزی که توی این ویدیو می‌بینی هم Open Source شده و اینجاست:
newsjack.sh
داخل پوشه‌ی demo/ قرار داره و همراهش بیش از 30 تا skill هم هست که می‌تونن ایجنتت رو تبدیل کنن به یه جور تیم روابط عمومی (PR).
@Linuxor
33 821
روز پیش یه مدل جدید معرفی شد به اسم Jev
برخلاف LLM های معمولی که برای گفتگو و تولید متن ساخته شدن، Jev یه مدل تصمیم‌گیرنده‌ی فوق‌سریعه. Jev به‌جای تولید متن، مستقیماً از بین گزینه‌های مشخص تصمیم می‌گیره. طبق بنچمارک TypeSafe، زمان پاسخ Jev حدود 100 میلی ثانیه؛ در حالی که برای مدل‌های Frontier حدود 3 تا 329 ثانیه گزارش شده.
یعنی برای بعضی کارهای مشخص، تا حدود 200 برابر سریع‌تر. برای کنترل Agentها، انتخاب Tool، بازی‌هایی مثل Doom و تصمیم‌های لحظه‌ای طراحی شده.
@Linuxor
33 821
تا حالا شده یه مقاله، مستندات یا صفحه‌ای رو چند ماه پیش خونده باشی و بعد هرچی می‌گردی پیداش نکنی؟ Hister یه موتور جستجوی شخصی و متن‌بازه که چیزهایی که خودت توی وب دیدی یا روی سیستمت داری رو ایندکس میکنه تا بعداً بتونی داخل محتوای واقعی‌شون سرچ کنی.
میتونی تاریخچه مرورگرت، صفحات وب، فایل‌های محلی، PDFها و Markdownها و... رو واردش کنی و بعد با جستجوی Full-text یا حتی Semantic Search دنبال چیزی که یادت مونده بگردی. یعنی به‌جای اینکه فقط اسم فایل یا URL رو یادت باشه، خود محتوای چیزی که قبلاً دیدی قابل جستجو هستش.حتی MCP Server هم داره و میتونی AI رو بهش وصل کنی تا بتونه داخل دانش و آرشیو شخصی‌ت جستجو کنه.
اگر حجم زیادی اطلاعات و لینک و فایل داری و همیشه با مشکل یه جا خونده بودم، ولی یادم نیست کجا! مواجهی، Hister دقیقاً برای همین سناریو ساخته شده. یه جور مینی Google شخصی برای چیزهایی که خودت قبلاً دیدی و ذخیره کردی:
hister.org
@Linuxor
33 821
یه نفر به مغز یه مگس فقط یه وظیفه داد: یاد بگیره روی دوچرخه تعادلش رو حفظ کنه. مغز واقعی مگس با 139,255 نورون به بدن، دوچرخه و قوانین فیزیک وصل شده بود؛ بدون هیچ کدی برای حفظ تعادل یا دستورالعملی درباره دوچرخه. تنها چیزی که بهش داده شده بود، میزان مسافتی بود که قبل از افتادن طی می‌کرد؛ هرچی بیشتر می‌رفت، پاداش بیشتری می‌گرفت.
مگس بارها و بارها افتاد؛ چپ، راست، دوباره ریست و دوباره تلاش. بهترین مسافت طی‌شده بعد از بیشتر از 1000 تلاش، کم‌کم از 0.7 متر به 1.9 متر رسید. چیزی که جالب بود این بود که مدار عصبی‌ای که مگس برای حفظ تعادل در پرواز ازش استفاده میکنه، روی دوچرخه در ابتدا درست عمل نمی‌کرد و باعث می‌شد بیش از حد دیر یا شدید واکنش نشون بده و بیفته.
اما بعد از 1238 بار شکست، اتفاقی افتاد. در تلاش 1239، مگس تونست سوار بمونه، وقتی به چپ و راست منحرف شد خودش رو اصلاح کرد و برای اولین بار از 2 متر و بعد 3 متر عبور کرد. در نهایت 4.2 متر رکاب زد و خودش متوقف شد، بدون اینکه بیفته.
هیچ‌کس بهش یاد نداده بود با پاداش و تجربه 1238 بار زمین خوردن، تونست خودش رو با یک بدن و محیط کاملاً جدید هماهنگ کنه.
@Linuxor
33 821
اینم جالب بود، با AI میتونید از طریق DevTools کروم و MCP با تردینگ ویو تعامل داشته باشید
می‌تونه symbol و تایم‌فریم رو تغییر بده، قیمت و OHLCV و indicatorها رو بخونه، اندیکاتور اضافه یا حذف کنه، روی چارت drawing بذاره، Alert بسازه و حتی Pine Script رو بنویسه، compile کنه و برای رفع خطا دوباره اصلاحش کنه.
در حال حاضر پروژه حدود 84 ابزار در اختیار Agent میذاره و بیشتر شبیه اینه که به AI چشم و دست برای TradingView بدی. برای ساخت workflowهای تحلیل تکنیکال و توسعه و تست استراتژی‌های Pine Script، ایده خیلی جالبی داره.
github.com/tradesdontlie/tradingview-mcp
@Linuxor
33 821
Repost from 𝐓𝐞𝐜𝐡𝐉𝐮𝐧𝐤𝐢𝐞(𝐓𝐉)
🔴اکانت 18 ماهه Gemini Pro رو میتونید فقط به قیمت 390 هزار تومن تهیه کنید ✴️
📝توضیحات:
✅اکانت اصلی و امکان دعوت تا ۵ نفر
✅📱آنتی گراویتی،عالی برای کد نویسی
✅برای طراحی عکس و فیلم هم خیلی خوبه
✅فعال سازی روی جیمیل شما
✅تولید عکس با Nano banana پرو
✅تولید ویدیو با Veoپرو
✅استفاده از Notebook LMپرو
✅۵ ترابایت فضای ذخیره سازی شخصی
✅شما فمیلی اونر خواهید بود
✅امکان فعال سازی بر روی تمامی ریجن ها
⭐️استارز و تلگرام پرمیوم موجوده
🛒 آیدی ادمین جهت خرید :🔻🔻
✴️✴️ @Amiarami
✴️چنل اصلی |✴️ چنل شاپ| رضایت ها
33 821
اگه شرکتتون داره ماهی 200 دلار هزینه هوش مصنوعی میده بهتره دست نگه داره چون می‌تونه یه 5090 بخره و با ران کردن Qwen3.8 27B با سرعت خروجی خوب طی یک یکو نیم سال پول کارت گرافیک رو در بیاره
البته درسته قدرت مدل به اندازه یه اشتراک مدل های 200 دلاری نمیشه اما اینطوری هم نیست که بگیم دیگه خیلی ضعیفه واقعا تجربه کاربرا نشون داده که به خصوص توی کد زدن خیلی خوبه و کار رو راه میندازه، ویدیوی بالا مدل فشرده شدست که 98 درصد قدرت خودش رو همچنان حفظ کرده و با سرعت خوب 143 توکن بر ثانیه داره روی 5090 کار میکنه که حتی چند نفری هم میشه ازش استفاده کرد.
@Linuxor
33 821
شرکت تازه‌تأسیس کاکتوس از Needle 3 رونمایی کرده؛ یه مدل بنیادی برای اتوماسیون که حجمش بین 8 تا 29 مگابایت هستش و می‌تونه با DeepSeek V4 Flash توی یه کار خاص رقابت کنه.
این مدل فقط از یک مجموعه وزن weights استفاده میکنه، اما با عمق‌های مختلف از 2 تا 20 لایه، هر عمق عملاً یه مدل مستقل محسوب میشه. یکی از نکات جالبش اینه که Needle می‌تونه به‌صورت کاملاً محلی روی Raspberry Pi 5 اجرا بشه و به سرعت تا 4,000 توکن در ثانیه برسه.
اساساً برای چت کردن ساخته نشده. هر تعامل باهاش به شکل یه function call انجام میشه؛ یعنی ابزارهایی که اپلیکیشن در اختیارش میذاره به مدل داده میشن و Needle بر اساس چیزی که کاربر گفته، ابزار مناسب رو انتخاب میکنه و تمام آرگومان‌های موردنیازش رو هم پر میکنه.
اگه کاربر چیزی بخواد که هیچ‌کدوم از ابزارهای موجود نتونن انجامش بدن، Needle به‌جای حدس زدن، یه لیست خالی برمی‌گردونه. همچنین برای اجرا روی دستگاه‌های مختلف طراحی شده؛ از موبایل‌ها و گجت‌های پوشیدنی گرفته تا دستگاه‌های خانه هوشمند، ربات‌های کوچیک و میکروکنترلرها:
huggingface.co/Cactus-Compute/needle3
@Linuxor
33 821
Repost from فروشگاه کارآینو
🛡️ پکیج اختصاصی Claude Max 5x/20x ضد بن راه‌بوم 🚀
🔐 وی‌پی‌اس VPS اختصاصی خارجی
📧 ایمیل وریفای‌شده خارجی
💻 کلاد مکس Claude Max روی اکانت اختصاصی
💰 برای خرید و دریافت قیمت:
👤 ادمین:
@rahboom1
📢 کانال:
@rahboomshop
🧡 سایت راه بوم:
🌐 rahboom.com
33 821
دوستان اگر ارور های تحریم آنتی گراویتی اذیتتون میکنه (که علت عمدش هم بخاطر VPN هستش) از این آنتی گراویتی ترمینالی استفاده کنید
مثل اینکه آنتی گراویتی گرافیکی کش داره و اگه یه بار با اینترنت خراب برید دفعه های بعدی اگر حتی VPN خوب هم بزنید ممکنه بخاطر کش قبلی گیر بده بهتون؛ البته یه دلیل دیگه هم که حدس میزنم اینه سیستمش به صورت استاندارد از اینترنت استفاده نمیکنه (مثل گوگل کروم) و این باعث میشه VPN نتونه پوشش کامل بدتش و بعضی از اطلاعات حتی وقتی وی پی ان روشن باشه هم از پشت VPN رد نشه و مستقیم رد بشه.
خیلی برای من پیش اومده آنتی گراویتی ترمینالی کار میکرده اما آنتی گراویتی گرافیکی کار نمیکرده :
antigravity.google/product/antigravity-cli
@Linuxor
33 821
یه آزمون خیلی ساده برای اینکه بفهمید توی شرکت بهتون بیش از حد فشار میاد یا نه
کافیه به یک ماه گذشته خودتون نگاه کنید میانگین ببینید چقدر بعد از تایم کاری که اومدید خونه تونستید چیزی خلق کنید البته منظور از خلق یه چیز بزرگ نیستا هر چیز کوچیکی و اختیاری ای هم حسابه؛ اگه چیزی خلق نکردید بازم نشونه منفی ای نیست ولی اگه به سمت چیز های اعتیاد آور مثل بعضی گیم ها یا شبکه های اجتماعی مثل اینستاگرام رفتید و تا آخر شب توش بودید یعنی عملا مغزتون زیاد کار کرده و بدهی داره.
@Linuxor
33 821
نمایی از اجرای Qwen 3.8 Flash Next روی Macbook M5 24 GB. حالت Thinking خاموشه مقدار 2K پنجره کانتکست و حدود 4 توکن بر ثانیه خروجی.
البته کاربران که استفاده کردن گفتن با این پرفومنس این مدل عملاً روی این لپ تاپ قابل استفاده نیست، مخصوصاً توی مرحله‌ی prefilling. اگه کانتکست رو بزرگ‌تر کنی، پردازشش ساعت‌ها طول می‌کشه.
@Linuxor
33 821
یه چیزی که توجه همه رو جلب کرده قدرت بالای GPT-6-Astra توی درک سه بعدی هستش اون هم بدون آموزش اختصاصی برای هر کار (Zero-shot) از چرخوندن حرفه ای خودکار توی دست تا حل کردن روبیک و معما های سه بعدی.
سورس کد :
github.com/jianglongye/dexterous-astra
@Linuxor
33 821
چطور یه مدل 35B رو روی RTX 3060 با 12GB VRAM اجرا کنیم؟
با ترکیب Q4_K_M + MoE CPU offloading میشه مدل Qwen3.8-35B-A3B رو روی یه RTX 3060 اجرا کرد.
کل 262K کانتکست رو هم استفاده میکنه. سرعت decode حدود 50 توکن بر ثانیه هستش و سرعت prefill حدود 550 توکن بر ثانیه.
کانفیگ:
llama-server
-m Qwen3.8-35B-A3B-Q4_K_M.gguf
-ngl 99 --n-cpu-moe 26 -c 262144 -fa on --jinja
-np 1
--cache-type-k q8_0 --cache-type-v q8_0
--temp 0.6 --top-p 0.95 --top-k 20
--reasoning on
@Linuxor
33 821
Repost from N/a
ما یک تیم کوچیک هستیم که روی یک محصول AI جدید برای توسعه‌دهنده‌ها کار می‌کنیم. برای طراحی محصول‌مون به کمک شما نیاز داشتیم! ☕️
در این نظرسنجی کوتاه که پر کردن‌اش کمتر از ۲ دقیقه طول می‌کشه کمی از تجربه‌های فعلی شما در استفاده از ابزارهای AI پرسیدیم. ممنون که بهمون کمک میدین. ❤️
لینک نظرسنجی: https://survey.porsline.ir/s/2c0bD6ry
33 821
یه یادآوری دوستانه: میتونی بیشتر از 500 مدل متن‌باز رو به‌صورت رایگان توی Google Colab فاین‌تیون کنی.
حتی میتونی فایل‌های PDF یا CSV رو هم آپلود کنی و ازشون دیتاست‌های مصنوعی (Synthetic Dataset) قابل استفاده بسازی.
colab.research.google.com/github/unslothai/unsloth/blob/main/studio/Unsloth_Studio_Colab.ipynb
خود تیم Unsloth توی GitHub گفته که:
امکان فاین‌تیون کردن 500+ مدل رو داره.
روی Google Colab قابل اجرا هستش.
می‌تونه از فایل‌هایی مثل PDF، CSV و JSON/DOCX دیتاست بسازه.
این دیتاست‌ها می‌تونن به شکل synthetic dataset تولید بشن.
مدل فاین‌تیون‌شده رو میتونی به فرمت‌هایی مثل GGUF و Safetensors خروجی بگیری.
حتی Hugging Face هم در مستندات خودش برای فاین‌تیون Gemma 4 به Unsloth Studio اشاره کرده و مشخصاً گفته که Unsloth Studio روی Google Colab هم اجرا میشه.
@Linuxor
33 821
خیلیا وقتی پستی چیزی از AI می‌بینن یا کسی میاد میگه توی دو ساعت فلان چیزو ساختم احساس عقب موندگی می‌کنن.
ولی واقعیتش ساختن چیزها با خلق کردن ارزش خیلی متفاوته.
هوش مصنوعی فقط هزینه و زمان ساختن رو پایین آورده؛ به این معنی نیست که ارزش چیزهایی که ساخته میشن بالاست اتفاقا باید بجای انقلاب انتظار اینو داشته باشید در آینده با مجموعه ای از آشغال های ساخته شده با هوش مصنوعی مواجه می‌شید قبل از AI که آشغال ساختن کار سختی بود گیتهاب 400 میلیون تا ریپو داشت که 99.99 درصدش آشغال بودن و هیچ کاربردی نداشتن و ارزش خاصی تولید نمیکردن با اینکه کلی زحمت پای هرکدومش بود. حالا مقایسش کنید با الانی که یارو دو ساعته یه چیز می‌سازه...
@Linuxor
