GrowVixo

شرکت Amazon سفارش GPUهای Nvidia رو ۳ برابر کرد آمازون اعلام کرده ۲ میلیون GPU جدید Nvidia به دیتاسنترهای AWS اضافه میکنه که قراره طی سال‌های ۲۰۲۷ و ۲۰۲۸ تحویل داده بشن. 📌 این GPU ها شامل نسل‌های Blackwell Ultra، Rubin و Rubin Ultra هستن و برای آموزش و اجرای مدل‌های بزرگ AI استفاده خواهند شد. دلیل این قرارداد بزرگ، افزایش شدید تقاضا از سوی استارتاپ‌ها، شرکت‌ها، آزمایشگاه‌های AI و حتی دولت‌ها عنوان شده. جالب اینه که آمازون هم‌زمان در حال توسعه تراشه‌های اختصاصی خودش مثل Trainium هستش ؛ اما فعلاً بنظر میرسه Nvidia همچنان بازیگر اصلی بازار تراشه‌های AI هستش. @GrowVixo 🔥 #AI #Nvidia #هوش_مصنوعی منبع👇🏾 https://techcrunch.com/2026/08/26/amazon-just-tripled-its-order-of-nvidia-chips-over-surging-demand/

💻🤖 مهندس نرم‌افزار در عصر هوش مصنوعی مهندس نرم‌افزار (Software Engineer) کسیه که فقط کدنویسی نمی‌کنه؛ بلکه در طراحی، توسعه، تست، بهینه‌سازی و نگهداری سیستم‌های نرم‌افزاری نقش داره. از ساخت اپلیکیشن و وب‌سایت گرفته تا طراحی API، دیتابیس، معماری سیستم و حل مشکلات مقیاس‌پذیری، همه می‌تونن بخشی از کار یک Software Engineer باشن. 💰 درآمد چقدره؟ درآمد مهندسان نرم‌افزار در دنیا به کشور، تجربه و شرکت بستگی زیادی داره، اما میانگین جهانی در برخی برآوردهای ۲۰۲۶ حدود ۶۵ هزار دلار در سال تخمین زده شده. در کشورهای پردرآمد، این عدد می‌تونه به 100 تا 150 هزار دلار یا حتی بیشتر در سال برسه. 🇺🇸🇨🇭🇩🇪 --- حالا AI رقیب یا همکار؟ هوش مصنوعی داره نحوه کار مهندسان نرم‌افزار رو تغییر می‌ده. امروزه مهندسان می‌تونن از AI برای: 1)تولید و تکمیل کد 2)پیدا کردن و رفع Bug 3)نوشتن تست 4)مستندسازی کد 5)طراحی و بررسی معماری 6)بررسی Performance و امنیت 7)ساخت سریع‌تر پروژه‌ها استفاده کنن. اما AI جای تفکر مهندسی رو نمی‌گیره. مهندس باید بتونه خروجی AI رو بررسی کنه، خطاهاش رو تشخیص بده و اون رو در یک سیستم واقعی به‌درستی پیاده‌سازی کنه. بنابراین آینده احتمالاً متعلق به کسیه که فقط «کدنویسی» بلد نیست؛ بلکه مهندسی نرم‌افزار + AI رو با هم بلده. شما هم نظرتون رو بگید #AI #SoftwareEngineering CODELAB | GpCodeLab

اگه یک AI از کنترل خارج بشه، چطور متوقفش می‌کنیم؟ یک مطالعه جدید از Guidelight AI Standards بررسی کرده که شرکت‌های بزرگ AI برای مهار یک مدل سرکش یا خارج‌شده از کنترل، چه برنامه‌ای دارند. نتیجه جالبه: و خب OpenAI بالاترین امتیاز را گرفت: ۳ از ۵ و Anthropic و Meta پایین‌ترین امتیاز را در میزان شفافیت عمومی داشتند. همچنین OpenAI گفته در داخل شرکت میتونه در شرایط خطرناک، دسترسی‌های مدل رو محدود کنه، اجرای اونو متوقف کنه، Deployment رو محدود کنه یا مدل رو کاملاً Offline کند. اما نکته مهم اینجاست: این ارزیابی فقط بر اساس اطلاعات عمومی انجام شده؛ بنابراین امتیاز پایین الزاماً به معنی نبودن سازوکارهای داخلی نیست. با گسترش AI Agent ها که به کد، سرورها، دیتابیس و ابزارهای شرکت‌ها دسترسی پیدا می‌کنند، یک سؤال جدی‌تر میشه : اگه Agent واقعاً رفتار خطرناکی از خودش نشون بده، آیا یک Kill Switch مطمئن برای خاموش‌کردنش داریم؟ #AI #AIAgents #هوش_مصنوعی @GrowVixo 🔥 منبع👇🏾 https://techcrunch.com/2026/08/22/frontier-ai-labs-still-wont-say-how-theyd-contain-a-rogue-model/

دوستان اکثر مواقع کندی سایت از کمبود منابع سخت افزاری نیست، خیلیا با دیدن لود تایم بالا اولین کاری که میکنن اینه که میرن سرور اضافه میکنن یا رم بیشتر میخرن. غافل از اینکه توی اکثر موارد ریشه مشکل توی کد، کوئری‌های دیتابیس، یا تنظیمات نرم‌افزاریه، نه کمبود توان سخت‌افزاری. تحقیقات نشون داده که حدود ۸۵ درصد از افت‌های عملکردی به خاطر تغییرات توی کد یا کانفیگ رخ می‌دن، نه خرابی یا ضعف سرور. خیلی از فریمورک‌های مدرن می‌تونن با یه هسته و کمترین رم، تعداد قابل قبولی کاربر رو پوشش بدن، این که چه عددی کاملاً وابسته‌ست به نوع فریمورک، پیچیدگی لاجیک بکند و اینکه چقدر کد بهینه نوشته شده. خیلی از فریمورک‌های async راحت از پس چند صد یا حتی هزار تا کاربر همزمان با کمترین هسته و رم بر میان. اما واسه یه ام‌وی‌پی، لازم نیست وسواس به خرج داد و از روز اول cacheهای پیچیده بزنیم یا بهینه‌سازی‌های غیرضروری انجام بدیم. ولی این به این معنی نیست که کش رو کاملاً نادیده بگیریم؛ مخصوصاً اگه کوئری‌های دیتابیس سنگین داریم، یه کش ساده می‌تونه جلوی یه فاجعه رو بگیره. بستگی به شرایط داره ولی چیزی که مشخصه اینه که میشه کد رو جوری نوشت که کار رو راه بندازه و همچنین فردایی که خواستیم اونو بهینه کنیم اگه کاربر زیاد شد، مجبور به ریفکتور نباشیم. مهم‌ترین نکته‌ای که خیلی‌ها ازش غافل‌ان، اینه که هیچ تصمیمی بدون دیتا نگیرن. به جای اینکه کورکورانه سرور اضافه کنی یا کش بزنی، برو سراغ مانیتورینگ و پروفایلینگ. ببین دقیقاً کدوم بخش زمان می‌بره، کدوم کوئری داره اذیت می‌کنه، کدوم تابع بیش از حد فراخوانی می‌شه. معمولاً ۲۰ درصد از کد، ۸۰ درصد از کندی رو ایجاد می‌کنه. اگه همون نقطه رو پیدا کنی و درستش کنی، اغلب نیازی به هزینه‌ی اضافه برای سرور یا کش‌های بی‌جا نیست. «آگاهی از منشأ مشکل، از هر راه‌حل کورکورانه‌ای مؤثرتره.» @persiandn

‏خب Claude Code یه آپدیت جدید و خفن داده... ‏شرکت Anthropic یه قابلیت جدید با دستور /design رو توی فاز آزمایشی معرفی کرده. ‏این ابزار به کاربرها اجازه می‌ده تا با استفاده از یه محیط کاری به سبک artboard که از Claude Design گرفته شده، رابط‌های کاربری یا UIهایی بسازن که به راحتی قابل ویرایش هستن. ‏اگه توی زمینه طراحی فعالیت می‌کنید، این آپدیت حسابی به کارتون میاد CODELAB | GpCodeLab

استرایپ openRouter رو بیش از ۷ میلیارد دلار میخرد؟ طبق گزارش Bloomberg،استرایپ برای خرید OpenRouter، پلتفرم دسترسی و مسیریابی مدل‌های AI، به توافقی بیش از ۷ میلیارد دلار رسیده :) این openRouter به برنامه نویسا اجازه میده از طریق یک API واحد به صدها مدل AI دسترسی داشته باشند و بر اساس قیمت، قابلیت و نیاز، درخواست‌ها رو به مدل مناسب هدایت کنند. این استارتاپ در ماه May با جذب ۱۱۳ میلیون دلار به ارزش‌گذاری حدود ۱.۳ میلیارد دلار رسیده بود و حالا رقم معامله گزارش‌شده بیش از ۵ برابر آن است. 📌 اهمیت ماجرا فقط رقم معاملش نیست؛ بلکه نشان میده AI Gatewayها و زیرساخت مدیریت مدل‌ها در حال تبدیل‌شدن به یکی از لایه‌های مهم اکوسیستم AI هستند. البته Stripe هنوز این معامله رو رسماً تأیید نکرده . #AI #OpenRouter #LLM #هوش_مصنوعی @GrowVixo 🔥 منبع 👇🏾 https://techcrunch.com/2026/08/16/stripe-will-reportedly-acquire-ai-gateway-startup-openrouter-for-7b/

🔶 زبان PHP جزئیات پیاده سازی لاراول است #لاراول @TheRaymondDev

شرکت Warp سیستم جدید Warp Factories رو معرفی کرده، پلتفرمی که چند AI Agent رو برای خودکارسازی بخش بزرگی از چرخه توسعه نرم‌افزار به کار می‌گیره. ایجنت ها میتونن از تحلیل Issue و مشخص‌کردن نیازمندی‌ها تا نوشتن کد، Code Review، اجرای تست و رفع خطا رو بصورت زنجیره‌ای انجام بدن. تفاوت اصلی با ابزارهایی مثل AI Coding Assistant اینه که هدف Warp فقط کمک به برنامه‌نویس نیست؛ بلکه ایجاد یک Software Factory هستش که بخش زیادی از فرایند توسعه رو خودش اجرا کند. این رویکرد میتونه مسیر توسعه نرم‌افزار رو از هوش مصنوعی به‌عنوان دستیار به هوش مصنوعی به‌عنوان تیم توسعه تغییر بده :) #AI #AIAgents #هوش_مصنوعی @GrowVixo 🔥 منبع👇🏾 https://techcrunch.com/2026/08/18/warps-new-system-is-an-out-of-the-box-software-factory-for-ai-development/

۸۰۰ تایی شدیم 🎉🥂🥳 از حمایت هاتون مچکرم و همگی‌تون خیلی خوش آومدید 🥂🍾 @GoldenCodeir

🚀 یک قابلیت کاربردی در لاراول ۱۳.۲۵ برای مدیریت صف‌ها! در نسخه‌های جدید، می‌تونید تمام Queueها رو به‌صورت یکجا Pause کنید:

php artisan queue:pause --all

و برای فعال‌کردن مجدد:

php artisan queue:resume --all

نکته جالب اینه که در این حالت، دیگه نیازی به مشخص‌کردن connection:queue ندارید و فقط کافیه از فلگ --all استفاده کنید. این قابلیت می‌تونه هنگام Deploy، Migration یا انجام Maintenance خیلی کاربردی باشه و کنترل Queueها رو ساده‌تر کنه. #Laravel #لاراول 📱 @MilwadKhosravi

🔶 لاراول lazy() در مقابل get() میتونید مجموعه ‌های داده ‌های بزرگ رو از دیتابیس به صورت جریانی با استفاده از lazy() ارسال کنید و بسیار کارآمدتر از نظر حافظه نسبت به get() است. #لاراول #laravel @GoldenCodeir

شرکت OpenAI رسماً در رقابت با سرویس Google Translate وارد شده است! 🔥 معرفی سرویس ترجمه ChatGPT شرکت OpenAI ابزار تخصصی ترجمه‌ای را راه‌اندازی کرده است که تنها به تبدیل کلمات از یک زبان به زبان دیگر نمی‌پردازد. با استفاده از سرویس ترجمه ChatGPT، امکان انجام موارد زیر فراهم می‌باشد: 🌍 ترجمه میان زبان‌های مختلف ✍️ ترجمه با حفظ مفاهیم و لحن متن 🎓 تبدیل متن به سبک آکادمیک 💼 ترجمه با لحن رسمی و تجاری 🗣️ طبیعی‌سازی ترجمه برای زبان مقصد 🔄 اصلاح و ویرایش ترجمه از طریق دستورات متنی برای مثال، به جای دستور ساده‌ی: «Translate this to English» می‌توانید درخواست دهید: «این متن را به زبان انگلیسی ترجمه کنید، اما به گونه‌ای بنویسید که انگار توسط یک گویشور بومی (Native Speaker) نگارش شده است.» این ویژگی دقیقاً نقطه‌ای است که سرویس ترجمه ChatGPT را از ترجمه‌های کلمه‌به‌کلمه متمایز می‌سازد. 👀 🔗 لینک سرویس ترجمه ChatGPT: chatgpt.com/translate #ChatGPT #AI CODELAB | GpCodeLab

ارزش‌گذاری Blacksmith در کمتر از یک سال تقریباً ۱۰ برابر شد! استارتاپ Blacksmith که روی تست و اعتبارسنجی کدهای تولیدشده با AI کار میکنه، ۴۵ میلیون دلار سرمایه جذب کرد. ارزش‌گذاری این شرکت در کمتر از یک سال از ۶۰ میلیون دلار به ۵۵۰ میلیون دلار رسیده است :) درین باره Blacksmith میگه: با رشد ابزارهایی مثل Cursor، Codex و Claude Code، حجم کد تولیدشده توسط AI افزایش یافته و در نتیجه تست و اعتبارسنجی کد به یک گلوگاه مهم تبدیل شده . 📈 تعداد مشتریان Blacksmith نیز از حدود ۷۰۰ به بیش از ۵۰۰۰ رسیده. قابل ذکره که blacksmith یک پلتفرم برای اجرای سریع تست و بررسی کد هستش که حالا از AI برای شناسایی و رفع خطاهای تست نیز استفاده میکنه . 🔗 منبع: https://techcrunch.com/2026/08/12/blacksmiths-valuation-jumps-10x-to-550m-as-ai-coding-fuels-software-validation/ #AI #هوش_مصنوعی @GoldenCodeir 🔥

❤️ دوستان اشتراک ai های مدنظرتون با قیمت رقابتی در کمتر از ۳۰ دقیقه تهیه میشه👍🏽 برای ارتباط با پشتیبانی جهت سفارش و دریافت راهنمایی: @Alixx_666

👩‍💻 تغییرات جدید لاراول ۱۳.۲۱

⚡️لاراول 13.21 قابلیت‌ها و بهبودهای جدیدی را معرفی می‌کند که از جمله آن‌ها می‌توان به ویژگی کلاس #[RouteKey] برای سفارشی‌سازی Route Model Binding در مدل‌های Eloquent، قانون اعتبارسنجی جدید base64، ویژگی زمینه‌ای #[RequestAttribute] برای تزریق ویژگی‌های درخواست (Request Attributes)، و پشتیبانی از خروجی با فرمت‌های PNG، GIF، AVIF و BMP در کامپوننت Image اشاره کرد.

نویسنده: میلاد خسروی #کد_نیوز #کدنیوز #CodeNews #code_news #laravel #laravel13 #لاراول #لاراول۱۳ 🌐 https://code-news.com/p/laravel-13-21-changes 💬💬💬💬💬 📱 CodeNews 📱 CodeNews 📱 CodeNews 📱 CodeNews 📱 CodeNews 👨‍💻 CodeNews

👩‍💻 چند نفر هنوز این اشتباه رو توی Validation لاراول انجام میدن؟ 👀 بیشتر مواقع برای بررسی وجود یک رکورد، این قانون رو می‌نویسیم:

Rule::exists('users', 'id')

اما یک مشکل وجود دارد... اگر از Soft Delete استفاده می‌کنید، این Rule رکوردهای حذف‌شده را هم معتبر می‌داند. 😐 راه‌حل ساده است:

Rule::exists('users', 'id')->whereNull('deleted_at');

به این شکل فقط رکوردهای فعال اعتبارسنجی می‌شوند و دیگر شناسه کاربران Soft Deleted پذیرفته نخواهد شد.

این نکته کوچک می‌تواند از باگ‌های عجیبی جلوگیری کند؛ مخصوصاً در APIهایی که روی امنیت و صحت داده حساس هستند. مدیریت

کنید؟ #Laravel #لاراول 📱 @MilwadKhosravi

🔶 پشت پرده سایت ‌های هوش مصنوعی رایگان این روزها چندین سایت ادعا می ‌کنند که همه مدل ‌های هوش مصنوعی را با میلیون ‌ها توکن رایگان در اختیار کاربران قرار می‌دهند. اما آیا واقعاً چنین چیزی امکان‌پذیر است؟ اجرای مدل ‌های بزرگ هوش مصنوعی به هزاران GPU و دیتاسنتر های قدرتمند نیاز دارد؛ زیرساختی که هزینه راه‌اندازی و نگهداری آن به میلیون‌ها و حتی میلیاردها دلار می‌رسد. با این حال، بسیاری از این سایت ‌ها هیچ اطلاعات شفافی درباره زیرساخت، شرکت ارائه ‌دهنده یا منبع سرویس خود منتشر نمی‌کنند. نکته جالب ‌تر اینکه ظاهر، امکانات و حتی عملکرد بسیاری از این وب ‌سایت ‌ها تقریباً یکسان است. این موضوع نشان می‌دهد که احتمالاً بخش بزرگی از آنها تنها از یک API یا سرویس واسط مشترک استفاده می‌کنند؛ درست مانند ریسلر های هاست که خدمات یک دیتاسنتر را با نام ‌های مختلف ارائه می‌دهند. نتیجه هم معمولاً مشخص است؛ سرعت پایین، قطعی ‌های مکرر، خطا های Timeout و ناپایداری سرویس. اگر یک سرویس واقعاً زیرساخت قدرتمندی داشته باشد، انتظار می‌رود عملکردی پایدار و قابل اعتماد ارائه دهد. البته استفاده از API شرکت ‌های دیگر ایرادی ندارد و بسیاری از کسب ‌و کار های معتبر نیز از همین مدل استفاده می‌کنند. اما وعده ‌هایی مانند «همه مدل ‌ها، رایگان، نامحدود و بدون محدودیت» ادعاهایی هستند که باید با دید تردید به آنها نگاه کرد. در دنیای هوش مصنوعی، پردازش در مقیاس بزرگ رایگان نیست و همیشه هزینه قابل توجهی دارد. به همین دلیل، بخش قابل توجهی از آنها یا وعده ‌هایی فراتر از توان واقعی خود می‌دهند، یا سرویس ناپایدار و بی ‌کیفیتی ارائه می‌کنند. #هوش_مصنوعی @TheRaymondDev

یکی از قابلیت‌های کمتر شناخته‌شده‌ی Laravel. به جای حدس زدن اینکه یک تغییر باعث بهبود عملکرد شده یا نه، باید اندازه‌گیری کنی. خیلی اوقات ما تغییراتی توی کد میدیم و براساس تجربیات دیگران یا داکیومنت حس می‌کنیم سریع‌تر شده. گاهی جواب نمیده، ساعت‌ها وقت صرف Refactor می‌کنیم اما در نهایت تفاوت عملکرد یا ناچیزه یا حتی بدتر از قبل! با Benchmark می‌تونی دو یا چند پیاده‌سازی مختلف رو کنار هم اجرا کنی و زمان واقعی اجرای هر کدوم رو ببینی. این دقیقا تفاوت بین Optimization و Guessing هست. بهینه‌سازی واقعی با احساس انجام نمی‌شه، با داده انجام می‌شه. اگر تا امروز از Benchmark استفاده نکردی، احتمالا ارزش داره توی پروژه بعدیت امتحانش کنی @DevTwitter | <Ehsan Rezaei/>

🔶 افزونه KiloCode هوش مصنوعی نسخه Auto اش رایگان است!!!! و حدود ۲۵۶ هزار توکن در هر تسک جدید اختصاص می دهد. نسبت به مدل های رایگان دیگر بهتر عمل می کند و احتمالا برای Auto از مدل های Hy3 شرکت Tencent و Step 3.7 Flash شرکت StepFun استفاده می کند! این افزونه برای محصولات جت برینز و VSCode موجود است. @TheRaymondDev

Laravel Migration Cheat Sheet ✅ بهترین روش استفاده از enum و cast در Laravel @TheRaymondDev