fa
Feedback
AI

AI

رفتن به کانال در Telegram

🕸 AI Labdon بروز ترین مرجع خبری در مورد دنیایی هوش مصنوعی حمایت مالی: https://www.coffeete.ir/mrbardia72 ادمین: @mrbardia72

نمایش بیشتر
546
مشترکین
-124 ساعت
+77 روز
+3730 روز

در حال بارگیری داده...

کانال‌های مشابه
هیچ داده‌ای
مشکلی وجود دارد؟ لطفاً صفحه را تازه کنید یا با مدیر پشتیبانی ما تماس بگیرید.
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
اوت '26
اوت '26
+46
در 2 کانال‌ها
ژوئیه '26
+33
در 2 کانال‌ها
Get PRO
ژوئن '26
+21
در 7 کانال‌ها
Get PRO
مه '26
+16
در 0 کانال‌ها
Get PRO
آوریل '26
+19
در 1 کانال‌ها
Get PRO
مارس '26
+1
در 0 کانال‌ها
Get PRO
فوریه '26
+18
در 2 کانال‌ها
Get PRO
ژانویه '26
+36
در 8 کانال‌ها
Get PRO
دسامبر '25
+73
در 2 کانال‌ها
Get PRO
نوامبر '25
+69
در 6 کانال‌ها
Get PRO
اکتبر '25
+94
در 6 کانال‌ها
Get PRO
سپتامبر '25
+265
در 6 کانال‌ها
Get PRO
اوت '250
در 7 کانال‌ها
Get PRO
ژوئیه '25
+7
در 8 کانال‌ها
تاریخ
رشد مشترکین
اشارات
کانال‌ها
28 اوت0
27 اوت+1
26 اوت+3
25 اوت+1
24 اوت0
23 اوت+2
22 اوت+2
21 اوت+2
20 اوت+11
19 اوت+5
18 اوت+1
17 اوت+4
16 اوت+1
15 اوت+2
14 اوت+1
13 اوت0
12 اوت0
11 اوت0
10 اوت0
09 اوت+2
08 اوت0
07 اوت+3
06 اوت+2
05 اوت0
04 اوت+2
03 اوت0
02 اوت+1
01 اوت0
پست‌های کانال

2
test ai
1
3
بدون متن...
0
4
🔵 عنوان مقاله Anthropic Reportedly Signed a $10B Cloud Deal with Volta (3 minute read) 🟢 خلاصه مقاله: براساس گزارش‌های منتشر شده، شرکت انثروپیک توافق کرده است که برای مدت شش سال، ظرفیت ابر خود را از استارتاپ زیرساخت‌های هوش مصنوعی، ولتا، خریداری کند. این قرارداد بزرگ نشان دهنده تمایل شرکت‌ها به سرمایه‌گذاری در زیرساخت‌های ابری قدرتمند به منظور پشتیبانی از فعالیت‌های هوش مصنوعی است. ولتا با ارائه ظرفیت مورد نیاز، قصد دارد نقش مهمی در تامین نیازهای محاسباتی و فضای ابری انثروپیک ایفا کند. این توافق نه تنها نشان دهنده اعتماد به تکنولوژی‌های ولتا است، بلکه امکان توسعه زیرساخت‌های ابری با قابلیت‌های پیشرفته را فراهم می‌کند که در آینده می‌تواند تاثیر قابل توجهی در توسعه فناوری‌های هوش مصنوعی داشته باشد. در بخش دیگر، قرار است که یک مرکز داده در نروژ با ظرفیت ۱۳۳ مگاوات ساخته شود، که به طور خاص برای پشتیبانی از فناوری‌های پیشرفته طراحی شده است. این مرکز داده با همکاری شرکت بیت دییر ساخته خواهد شد و سیستم‌های NVIDIA Vera Rubin در آن به کار گرفته می‌شود تا بهره‌وری و کارایی زیرساخت‌های ابری را به حداکثر برساند. این پروژه نشان می‌دهد که شرکت‌ها به دنبال توسعه مراکز داده در مناطق دارای منابع طبیعی و انرژی پاک هستند تا هم از نظر اقتصادی و هم از نظر پایداری محیط زیستی بهینه عمل کنند. در نتیجه، این قرارداد و پروژه‌های مرتبط نه تنها نشان دهنده رشد چشمگیر در حوزه زیرساخت‌های ابری برای هوش مصنوعی است، بلکه اهمیت سرمایه‌گذاری‌های بلندمدت در این صنعت را نیز برجسته می‌کند. این تحولات می‌تواند زمینه‌ساز پیشرفت‌های جدید در فناوری‌های هوشمند و دسترسی به خدمات پیشرفته‌تر برای افراد و شرکت‌ها باشد. #هوش_مصنوعی #زیرساخت_ابری #توسعه_پایدار #فناوری 🟣لینک مقاله: https://techcrunch.com/2026/08/04/anthropic-signs-10-billion-deal-with-ai-cloud-startup-volta/?utm_source=tldrai ➖➖➖➖➖➖➖➖ 👑 @ai_Labdon
22
5
🔵 عنوان مقاله Agent Lightning v1.0: Towards Harnessed Agentic RL (1 minute read) 🟢 خلاصه مقاله: نسخه ۱.۰ از "عامل برقی" با هدف توسعه هوشمندانه‌تر و کارآمدتر در حوزه یادگیری تقویتی عامل‌محور (Agentic Reinforcement Learning) عرضه شده است. این فریم‌ورک سبک و قابل انعطاف، در قالب تنها ۳۵۰۰ خط کد توسعه یافته است و امکان استفاده آسان و سریع را برای پژوهشگران و توسعه‌دهندگان فراهم می‌کند. یکی از ویژگی‌های برجسته این نسخه، تمرکز بر ادغام مجموعه‌ای از سیستم‌ها و ساختارهای مختلف برای هدایت عامل‌ها است، که به محققان اجازه می‌دهد چالش‌هایی مانند بازتوزیع توکن‌ها و ثبات در فرآیند آموزش را بررسی کنند. در فرآیند ارزیابی، این فریم‌ورک بر روی وظایف متنوع مربوط به عامل‌ها آزموده شده است. نتایج نشان می‌دهد که با بهره‌گیری از آن، عملکرد مدل Qwen3.5-9B در مقایسه با حالت عادی حدود ۱۴.۶ امتیاز بهبود یافته است. این پیشرفت چشم‌گیر، تنها با استفاده از حدود ۶۰۰۰ نمونه آموزشی حاصل شده است، که نشان دهنده کارایی و سودمندی این رویکرد در صرفه‌جویی منابع و افزایش دقت است. این ابزار نوآورانه، امکان کاوش در حوزه‌های جدیدی را می‌دهد که قبلاً چالش‌هایی در تعامل و پایداری سیستم‌ها داشتند، و مسیر توسعه آینده در یادگیری تقویتی را هموار می‌سازد. به نظر می‌رسد "عامل برقی" یک گام مهم در جهت ساخت عامل‌های هوشمند و مستقل است که می‌تواند در برنامه‌های مختلف، از رباتیک تا هوش مصنوعی، به کار رود و آینده‌ای پربار برای تحقیقات علمی رقم بزند. #هوش_مصنوعی #یادگیری_تقویتی #عامل_هوشمند #پیشرفتهای_فناوری 🟣لینک مقاله: https://arxiv.org/abs/2608.17528?utm_source=tldrai ➖➖➖➖➖➖➖➖ 👑 @ai_Labdon
22
6
🔵 عنوان مقاله jax-js (Website) 🟢 خلاصه مقاله: کتابخانه jax-js یک ابزار قدرتمند در حوزه یادگیری ماشین است که به توسعه‌دهندگان این امکان را می‌دهد تا شبکه‌های عصبی، الگوریتم‌های تصویر، شبیه‌سازی‌ها و کدهای عددی را مستقیماً در مرورگر وب اجرا کنند. این کتابخانه با قابلیت کامپایل Just-In-Time (JIT)، عملیات محاسباتی پیچیده را به صورت سریع و موثر در محیط مرورگر انجام می‌دهد، بدون نیاز به نصب نرم‌افزارهای اضافه یا سرورهای خارجی. با وجود این که معمولا بسیاری از پروژه‌های یادگیری ماشین نیازمند سخت‌افزارهای قوی یا دسترسی به سرورهای ابری بودند، jax-js این محدودیت‌ها را برطرف کرده و اجرای الگوریتم‌ها را در سمت کلاینت ممکن ساخته است. این ویژگی باعث شده است که توسعه‌دهندگان بتوانند برنامه‌هایی تعاملی و سریع را مستقیماً روی دستگاه کاربر اجرا کنند، که هم سرعت را افزایش می‌دهد و هم حریم خصوصی کاربران را حفظ می‌کند. در مجموع، jax-js ابزاری نوآورانه است که به توسعه‌دهندگان این امکان را می‌دهد تا زمینه‌های مختلفی از تخصص‌های علم داده و هوش مصنوعی را به سادگی در بستر وب اجرا کنند، و تحولی در نحوه توسعه و توزیع برنامه‌های مبتنی بر یادگیری ماشین ایجاد کند. #هوش_مصنوعی #یادگیری_ماشین #برنامه_نویسی #توسعه_وب 🟣لینک مقاله: https://jax-js.com/?utm_source=tldrai ➖➖➖➖➖➖➖➖ 👑 @ai_Labdon
23
7
🔵 عنوان مقاله Remember when you used to spend hours typing prompts? Those days are over. (Sponsor) 🟢 خلاصه مقاله: زمانی بود که ساعت‌ها صرف نوشتن دستورات و درخواست‌های مختلف می‌کردید، اما حالا این روزها به گذشته پیوسته است. با پیشرفت‌های فناوری، دیگر نیاز نیست ساعت‌ها وقتتان صرف تایپ کنید، زیرا ابزار هوش مصنوعی جدیدی به نام Wispr Flow این کار را بسیار ساده کرده است. این برنامه قدرتمند به محض نصب، بلافاصله در هر اپلیکیشنی قابل استفاده است و روی هر دستگاهی کار می‌کند. با Wispr Flow، می‌توانید صوت خود را به متن تبدیل کنید، چه هنگام نوشتن ایمیل، تهیه خلاصه‌ها، ارسال پیام در Slack یا ویرایش اسناد. یکی از ویژگی‌های جالب آن این است که ۸۹ درصد پیام‌ها بدون نیاز به ویرایش نهایی ارسال می‌شوند، که نشان‌دهنده دقت و کارایی بالای این ابزار است. شرکت‌های بزرگی مانند OpenAI، Vercel و Clay روزانه از Flow استفاده می‌کنند و آن را به عنوان یک ابزار ضروری در فرآیندهای کاری خود می‌شناسند. بهترین خبر این است که می‌توانید از Flow به صورت رایگان بهره‌مند شوید و بهره‌وری و سرعت کارتان را افزایش دهید. در آینده، دیگر نیاز نیست زمان زیادی صرف تایپ کنید؛ فقط قرار است با صدای خود، همان چیزی را که می‌خواهید بنویسید. این ابزار نوآورانه، راهی جدید برای ارتباط سریع و کارآمد در محیط‌های کاری و روزمره است. #هوشمندانه_کارکنید #تبدیل_صدا_به_متن #تولید_محتوا #ابزارهای_نوآور 🟣لینک مقاله: https://ref.wisprflow.ai/tldr-may4-secondary?utm_source=tldrai ➖➖➖➖➖➖➖➖ 👑 @ai_Labdon
24
8
اگه با Claude Code زیاد کار میکنید، احتمالا پیدا کردن و ادامه دادن Sessionهای قبلی براتون دردسره. ریپو claude-session-log یک Plugin ساده است که Sessionها، زمان شروع و آخرین تغییراتشان را به‌صورت خودکار ذخیره میکند تا هر وقت خواستید راحت پیداشان کنید. https://github.com/aryakvn/claude-session-log
37
9
بزرگ‌ترین مشکل تست پروژه اینه که معمولاً بعضی سناریوها از یادت میرن؛ همون‌هایی که بعداً تبدیل به باگ میشن. برای حل همین مشکل، یه Prompt متن‌باز منتشر کردم که سورس پروژه رو تحلیل می‌کنه و بی‌نهایت سناریوی تست فارسی و انگلیسی در قالب ( عمل + انتظار ) با استایل چک لیست داخل یک فایل HTML تولید می‌کنه. کافیه مرحله‌به‌مرحله تست‌ها رو اجرا کنی و ببینی آیا نتیجه‌ی مورد انتظار رخ می‌ده یا نه. https://github.com/sobhanrajabi31/test-scenario-prompts
38
10
🔵 عنوان مقاله Anthropic will give defenders what its strongest model finds, but not the model itself (3 minute read) 🟢 خلاصه مقاله: در اوایل، شرکت آنتروپیک تصمیم گرفته است که در راستای محافظت و امنیت پروژه‌های خود، تنها نتایج و پیشنهاداتی را در اختیار مدافعان قرار دهد که قوی‌ترین مدل آن‌ها پیدا می‌کند، نه خود مدل به صورت مستقیم. این رویکرد به منظور جلوگیری از سوءاستفاده‌های احتمالی طراحی شده است، زیرا مدل‌های هوشمند قادر هستند آسیب‌پذیری‌ها و راهکارهای نفوذ را به راحتی تولید کنند، که می‌تواند خطرناک باشد. در حال حاضر، مدل «کلود میثوس ۵» برای اسکن کد در بخش امنیتی کلود در دسترس است و تیم آنتروپیک در حال کار بر روی ادغام بیشتر این مدل با پروژه‌های دفاعی شرکای خود است. هدف اصلی این است که دسترسی به این فناوری‌ پیشرفته، گسترش یابد، اما در عین حال کنترل حفاظتی بر روی آن حفظ شود تا از سوءاستفاده جلوگیری گردد. بنابراین، معمولی‌ترین کاربران امکان درخواست مستقیم از مدل برای تولید اکسپلویت ندارند؛ اما ابزارهای شریک، پیشنهاداتی برای بهبود کد یا هشدارهایی ارائه می‌دهند که می‌تواند به تیم‌های امنیتی کمک کند. این استراتژی نشان می‌دهد که آنتروپیک تمایل دارد از فناوری‌های پیشرفته، در چارچوب‌هایی امن و مسئولانه بهره‌برداری کند و در عین حال امکان استفاده محدود و کنترل‌شده را برای کاربران فراهم می‌آورد. این نوع رویکرد، که لایه محافظتی بر دسترسی‌های مستقیم می‌افزاید، در جهت همسویی با اصول مسئولیت‌پذیری در حوزه فناوری‌های قدرتمند است. در مجموع، آنتروپیک تلاش می‌کند از طریق این سیاست‌ها، همچنان فناوری‌های برتر خود را در مسیر امنیت و مسئولیت‌پذیری هدایت کند و از بروز خطرات احتمالی جلوگیری نماید. #امنیت_سایبری #هوش_مصنوعی #مدیریت_ریسک #فناوری_مسئولانه 🟣لینک مقاله: https://thenextweb.com/news/anthropic-mythos-5-defenders-open-source-fund?utm_source=tldrai ➖➖➖➖➖➖➖➖ 👑 @ai_Labdon
32
11
🔵 عنوان مقاله When Models Learn (4 minute read) 🟢 خلاصه مقاله: وقتی مدل‌ها یاد می‌گیرند روش آموزش در زمان آزمون، به مدل‌های هوشمند این امکان را می‌دهد که در حین استفاده، وزن‌های خود را به‌روزرسانی کنند. این فرآیند مانند گسترش مسیرهای کوتاه‌تر در نقشه‌ی GPS است که به صورت مستمر یاد می‌گیرد تا مسیر سریع‌تری پیدا کند. در واقع، این تکنیک باعث کاهش نیاز به حافظه می‌شود، چون برخلاف کش نوشته‌هایی که با رشد خطی حجم داده‌ها افزایش می‌یابد، از مجموعه‌ای متشکل از وزن‌های ثابت و محدود استفاده می‌کند. اما در عوض، نیاز به مدل‌های مجزا برای هر کاربر وجود دارد که این موضوع، در میزان توان محاسباتی مورد نیاز تأثیر می‌گذارد. در نتیجه، این رویکرد میان دو هدف اصلی توازن برقرار می‌کند: یکی، ارائه خدمات شخصی‌سازی‌شده با توانایی پردازش زمینه‌های طولانی و پیچیده، و دیگری، امکان دسترسی گسترده‌تر به مدل‌های استاندارد که می‌توانند برای تعداد زیادی از کاربران مورد استفاده قرار گیرند. این معادله ادامه دارد و تصمیم‌گیری درباره بهترین گزینه، بستگی به نیازهای خاص بهره‌برداری و محدودیت‌های فنی دارد. #هوش_مصنوعی #یادگیری_در_حین_استفاده #مدلهای_پیشرفته #هوشمندسازی 🟣لینک مقاله: https://tomtunguz.com/test-time-training-impact/?utm_source=tldrai ➖➖➖➖➖➖➖➖ 👑 @ai_Labdon
29
12
🔵 عنوان مقاله Perplexity partners with Nvidia to launch Portable Computer, a fully local AI agent with zero token costs (13 minute read) 🟢 خلاصه مقاله: شرکت پرپلیسیتی با همکاری نئوِیدیا، یک کامپیوتر قابل‌حمل مبتنی بر هوش مصنوعی را معرفی کرده است که به‌طور کامل در دستگاه‌های کاربران اجرا می‌شود و بدون نیاز به هزینه‌های توکن، امکان انجام وظایف پیچیده را فراهم می‌آورد. این فناوری جدید، نسخه‌ای از پلتفرم قدرتمند Computer است که بر پایه سخت‌افزارهای شخصی و موجود کاربران ساخته شده و تمامی داده‌ها، مدل‌ها و فعالیت‌ها در دستگاه‌های محلی باقی می‌مانند. اهمیت این اقدام در آن است که هیچ هزینه اضافی برای استفاده از مدل‌های ابری پرداخت نمی‌شود و کنترل کامل بر حریم خصوصی و امنیت داده‌ها حفظ می‌شود. در این سیستم، هر وظیفه‌ای ابتدا بر روی دستگاه کاربر آغاز می‌شود؛ به‌عبارت دیگر، پردازش‌های اولیه در دستگاه انجام می‌گیرد و قبل از انتقال هر مرحله خاص به سرورهای قدرتمند ابری، سیستم از کاربر اجازه می‌خواهد. این رویکرد نه تنها سرعت و امنیت را بهبود می‌بخشد، بلکه یک سطح کنترل و شفافیت بیشتر را فراهم می‌کند. در نتیجه، کاربران قادر خواهند بود بهره‌وری بالایی بدون نگرانی از هزینه‌های جاری داشته باشند و تمامی فعالیت‌ها در محیطی امن صورت گیرد. نسخه Portable Computer در حال حاضر برای مشترکین نسخه‌های Pro، Max، Enterprise Pro و Enterprise Max بر روی سیستم‌عامل لینوکس در دسترس است و به‌زودی نسخه ویندوز نیز ارائه خواهد شد. این گام بزرگ در زمینه فناوری هوش مصنوعی، نشان می‌دهد که شرکت‌ها به سمت راه‌حل‌هایی حرکت می‌کنند که حریم خصوصی کاربران حفظ و بهره‌وری در عین حال تضمین شود. انتظار می‌رود این فناوری جدید تأثیر چشمگیری در بخش‌های مختلف صنعت داشته باشد و تحولی در نحوه کار با هوش مصنوعی ایجاد کند. #هوش_مصنوعی #فناوری_پیشرفته #حریم_خصوصی #یوزر_محور 🟣لینک مقاله: https://venturebeat.com/infrastructure/perplexity-partners-with-nvidia-to-launch-portable-computer-a-fully-local-ai-agent-with-zero-token-costs?utm_source=tldrai ➖➖➖➖➖➖➖➖ 👑 @ai_Labdon
34
13
🔵 عنوان مقاله Short-Lived Credentials for AI Agents (12 minute read) 🟢 خلاصه مقاله: در عصر فناوری‌های نوین، امنیت و کنترل دسترسی‌های سیستم‌های هوشمند اهمیت فراوانی یافته است. یکی از نگرانی‌های مهم در زمینه هوش مصنوعی و اتوماسیون، نحوه مدیریت مجوزها و احراز هویت است تا از سوءاستفاده و دسترسی‌های ناخواسته جلوگیری شود. در پاسخ به این نیاز، فناوری‌های جدیدی طراحی شده‌اند که اجازه می‌دهند اعتبارنامه‌ها به صورت موقت صادر و مدیریت شوند، برخلاف روش‌های قدیمی که از توکن‌های دائمی و بلندمدت استفاده می‌کردند. در همین راستا، سرویس Vercel Connect از رویکرد جدیدی بهره‌ می‌برد. این سرویس، جایگزین توکن‌های API طولانی‌مدت با اعتبارنامه‌های زمانی‌محدود می‌شود که در زمان اجرا صادر می‌شوند و تنها برای مدت زمان مشخصی معتبرند. این اعتبارنامه‌های کوتاه‌مدت به صورت خودکار منقضی می‌شوند، بنابراین سطح امنیت بالاتری را برای عملیات مختلف فراهم می‌کنند و خطر نفوذ یا سوءاستفاده را کاهش می‌دهند. این رویکرد، کنترل‌ها و عملکردهای امنیتی را در سطوح دقیق‌تری سازماندهی می‌کند و ایمنی سیستم را در مواجهه با تهدیدهای سایبری افزایش می‌دهد. نسخه عمومی این فناوری جدید، علاوه بر بهبود امنیت، امکانات گسترده‌ای را در اختیار کاربران قرار داده است. بیش از صد کانکتور جدید، به همراه یک مدل یکپارچه برای ادغام سیستم‌ها و ابزارهای مختلف، در این نسخه ارائه شده است. این توسعه‌ها امکان مدیریت ساده‌تر و موثرتری را فراهم می‌آورند و ضمن تسهیل پیاده‌سازی، کنترل‌های حاکمیتی در فرآیندهای تولیدی را تضمین می‌کنند. به این ترتیب، سازمان‌ها می‌توانند با اطمینان بیشتری از قابلیت‌های هوشمند و اتوماسیونی بهره‌مند شوند، در حالی که امنیت و نظارت بر عملیات‌های حساس در اولویت قرار دارد. در نتیجه، رویکرد جدید Vercel Connect با ارائه اعتبارنامه‌های زمان‌محدود، امکانات قابل‌توجهی در امنیت و کارایی سیستم‌های هوشمند ایجاد کرده است، و در عین حال، سادگی و قابلیت توسعه آن، آینده‌ای روشن را برای استفاده‌های صنعتی و تجاری نشان می‌دهد. #هوش_مصنوعی #امنیت_سیستم #مدیریت_اعتبارنامه #اتوماسیون 🟣لینک مقاله: https://vercel.com/blog/the-end-of-credential-sprawl-for-agents?utm_source=tldrai ➖➖➖➖➖➖➖➖ 👑 @ai_Labdon
44
14
🔴 بروزرسانیِ جدیدِ Google AI Studio حالا AI Studio با GitHub همگام‌سازی دوطرفه داره و می‌تونه هنگام ساخت اَپ، تصاویر موردنیاز ( اَپ ) رو هم با Nano Banana تولید کنه. یعنی کدنویسی، ساخت تصویر و توسعه اَپ رو می‌شه در یک محیط جلو برد. aistudio.google.com
54
15
یه خبر جدید درمورد یه مدل قدرتمند رایگان برای کدنویسی! در چند روز گذشته، مدل جدیدی به اسم Ox Alpha روی پلتفرم OpenRouter ظاهر شده که به شدت در محافل تکنولوژی سروصدا به پا کرده. این مدل که در حال حاضر به صورت یک «مدل ناشناس» (Stealth Model) فعالیت می‌کنه، چند ویژگی کلیدی داره که برای توسعه‌دهنده‌ها میتونه بسیار جذاب باشه. - کاملاً رایگان: برای کارهای سنگین کدنویسی و Agentic، فعلاً هیچ هزینه‌ای نداره. - قدرتمند در استدلال (Reasoning): تا جاییکه مدیرعامل Stripe (پاتریک کالیسون) اونو «بسیار قابل توجه» توصیف کرده. - و Context Window یک میلیونی: این یعنی میتونی کل یک Codebase بزرگ رو بهش بدی و خروجی بگیری. اما یک نکته مهم: هنوز سازنده‌ی این مدل مشخص نیست (شایعات بین Z.ai و نسخه‌ی منتشرنشده‌ی Microsoft MAI میچرخه). چون هیچ بنچمارک رسمی‌ای منتشر نشده و از ماهیت سازنده بی‌خبریم، پیشنهاد میشه فعلاً از این مدل برای کدهای حساس و اختصاصی استفاده نکنید. <Ibrahim Hosseini/>
52
16
مدل Qwen3.8 نسخه ۲B الان با حجم حدود ۱ گیگابایت روی گوشی قابل اجرا است. این مدل از نسخه ۲.۴ تریلیونی distill شده، کانتکست ۲۶۲k داره با قابلیت reasoning واقعی و در بنچمارک‌ها هم عملکرد خوبی داشته https://huggingface.co/empero-ai/Qwen3.8-2B-Distill-GGUF <Reza/>
50
17
فریم‌ورک Orca؛ جذاب برای زمانی که میخواید چندین ایجنت AI کدنویسی رو به صورت موازی مدیریت کنید. اجازه میده اشتراک‌های خودتون رو به ایجنت‌ها وصل کنید و هم رو دسکتاپ هم موبایل روی عملکردشون نظارت داشته باشید. https://github.com/stablyai/orca
42
18
اگر اونقدر پولدارید که سخت‌افزار خوب دارید، این مدل‌ها رو می‌تونید روی گرافیکی که دارید ران کنید. با 8gb VRAM مدل Qwen3.8-27B IQ1_S https://huggingface.co/unsloth/Qwen3.8-27B-GGUF/blob/main/Qwen3.8-27B-UD-IQ1_S.gguf با 16gb VRAM مدل Qwen3.8-27B Q2_K_XL https://huggingface.co/unsloth/Qwen3.8-27B-GGUF/blob/main/Qwen3.8-27B-UD-Q2_K_XL.gguf با RTX 3090 مدل Qwen3.8-27B Q4_K_M https://huggingface.co/unsloth/Qwen3.8-27B-GGUF/blob/main/Qwen3.8-27B-UD-Q4_K_M.gguf با RTX 5090 مدل Qwen3.8-27B NVFP4 https://github.com/MiaAI-Lab/Qwen3.8-27B-NVFP4-RTX-5090 با RTX PRO 6000 مدل Qwen3.8-27B NVFP4 https://github.com/MiaAI-Lab/Qwen3.8-27B-RTX-6000-PRO-SGLang-DSpark با DGX Spark مدل DeepSeek v4 Flash / Qwen3.8-27B https://github.com/MiaAI-Lab/DeepSeek-v4-Flash-One-DGX-Spark https://github.com/MiaAI-Lab/Qwen3.8-27B-SGLang-DGX-Spark با 2x DGX Sparks مدل DeepSeek v4 Flash https://github.com/MiaAI-Lab/DeepSeek-v4-Flash-DSpark-2x-DGX-Spark
42
19
مدل ۲.۷۸ تریلیون پارامتری Kimi K3 رو فقط با C خالص روی یک CPU اجرا کردن بدون GPU، بدون PyTorch، بدون BLAS. فقط حدود ۸ گیگ رم. مهندسی‌ش دیوانه‌کننده‌ست. https://github.com/FareedKhan-dev/kimi-k3-in-c <Reza/>
467
20
تولید تصویر با مدل‌های هوش مصنوعی وارد مرحله‌ای شده که نوشتن متن‌های توصیفی طولانی و حدس‌زدن کلمات کلیدی دیگر جوابگوی نیاز پروژه‌های واقعی نیست. اگر به دنبال خروجی پایدار، تکرارپذیر و قابل استفاده در سیستم‌های اتوماسیون یا پروداکشن باشیم، پرامپت‌ها باید به شکل ساختاریافته طراحی شوند. مفهوم Prompt as Code دقیقاً برای حل همین چالش مطرح شده است. ریپازیتوری awesome-gpt-image-2 بیش از ۵۰۰ نمونه عملی را مهندسی معکوس کرده و پرامپت‌ها را به کامپوننت‌های اتمیک مثل ساختار لایه‌بندی، نورپردازی، متریال، سلسله‌مراتب متنی و فریم‌های UI تفکیک کرده است. چند ویژگی فنی و کاربردی این ریپو: ۱. دسته‌بندی دقیق سناریوها از دیاگرام‌های فنی و اینفوگرافیک گرفته تا اسکچ‌های معماری و رابط‌های کاربری. ۲. تمپلیت‌های صنعتی با متغیرهای مشخص برای جایگزینی پرامپت‌های مبهم با ساختارهای پارامتریک. ۳. ارائه پکیج استاندارد Agent Skill برای اتصال مستقیم کتابخانه استایل‌ها به دستیارهای کدنویسی مثل Claude Code و Cursor. لینک ریپازیتوری در گیت‌هاب: https://github.com/freestylefly/awesome-gpt-image-2 | <Mehdi Allahyari/>
32