AI Pulse

امار امسال کانال با تشکر ویژه از اسپانسر اصلی ما کانال تک تیوب:))

کافیه 🎁 رو توی یک چت جدید توی ChatGPT وارد کنید (بدون هیچ متنی) تا به صورت اتوماتیک بعد از اپلود یه عکس براتون یک کلیپ کوتاه تولید کنه که به پیام هایی که با ChatGPT توی این یک سال ردو بدل کردید مربوطه (البته اگر قابلیت Memory رو توی ChatGPT فعال کرده باشید) کلیپ های تولیدی تون رو با ما توی کامنت ها به اشتراک بگذارید 😊 (کانال هایی که کپی میکنید توروقران کلیپ خودتون رو حداقل روش بگذارید این واسه خودمه با تشکر از بی وجدانی شما غیر بزرگواران) ضمیمه به همون غیر بزرگواران: میدونم ۲ ساعت دیگه همه جا پر میشه ولی مهم اونی که زودتر زده @aipulse24

گوگل به‌تازگی از یک مرورگر آزمایشی و متفاوت به نام «دیسکو» (Disco) رونمایی کرده که قرار نیست جایگزین کروم بشه، بلکه قراره نحوه تعامل ما با وب رو از طریق هوش مصنوعی متحول کنه. این پروژه که از دل یکی از هکاتون‌های داخلی گوگل بیرون اومده، حول محور ایده‌ای به نام GenTabs می‌چرخه؛ قابلیتی که به جای ارائه لیست ساده‌ای از لینک‌ها یا متن، بر اساس درخواست کاربر یک مینی‌اپلیکیشن سفارشی و تعاملی می‌سازه. مثلاً اگه ازش برای برنامه‌ریزی سفر کمک بخواین، یه رابط کاربری کامل شامل نقشه، زمان‌بندی و لیست جاذبه‌ها براتون طراحی می‌کنه که کاملاً شخصی‌سازی شده باشه. فناوری اصلی پشت دیسکو، مدل هوش مصنوعی Gemini 3 هست که توانایی ساخت رابط‌های کاربری لحظه‌ای رو داره. وقتی کاربر یک «پروژه» جدید ایجاد می‌کنه و درخواستی رو تایپ می‌کنه، دیسکو همزمان هم تب‌های مرتبط رو باز می‌کنه و هم یک GenTab می‌سازه که اطلاعات رو به شکل تعاملی نمایش میده. نکته کلیدی اینجاست که این سیستم یک‌طرفه نیست؛ یعنی اگه کاربر خودش تب‌های جدیدی باز کنه و اطلاعات بیشتری به پروژه اضافه کنه، GenTab به‌صورت هوشمند آپدیت میشه و اون داده‌های جدید رو هم در برنامه نهایی بگنجونه تا نتیجه کار دقیق‌تر و کامل‌تر باشه. تیم توسعه‌دهنده دیسکو تأکید داره که هدف این مرورگر حذف وب‌گردی نیست، بلکه برعکس، تلاش می‌کنه کاربر رو به باز کردن سایت‌ها و بررسی منابع تشویق کنه تا هوش مصنوعی بتونه بر اساس اون‌ها محتوا بسازه. هنوز مشخص نیست که آیا دیسکو و قابلیت‌های GenTabs در آینده به عنوان یک محصول مستقل باقی می‌مونن یا به بخشی از کروم و سرویس‌های گوگل ورک‌اسپیس تبدیل میشن، اما این آزمایش نشون میده که گوگل به دنبال ترکیب کردن مفهوم مرورگر وب با ابزارهای تولید محتواست تا مرز بین جستجو و خلق کردن رو کمرنگ کنه. @aipulse24

بلک فارست لبز به تازگی از خانواده جدید مدل‌های تصویرساز خودش یعنی Flux 2 رونمایی کرده که پیشرفت‌های چشمگیری نسبت به نسل قبل داشته. این مدل‌های جدید می‌تونن تصاویری با رزولوشن بالا تا ۴ مگاپیکسل تولید کنن، اما مهم‌ترین ویژگی‌شون سیستم Multi-reference هست؛ یعنی کاربر می‌تونه تا ۱۰ تصویر رو همزمان به مدل بده تا کاراکترها، محصولات یا استایل بصری توی تمام خروجی‌ها کاملاً یکدست و ثابت بمونه. علاوه بر این، موتور رندر متن هم بازسازی شده تا تایپوگرافی، اینفوگرافیک‌ها و طراحی‌های رابط کاربری (UI) رو خیلی دقیق‌تر و تمیزتر از قبل دربیاره. از نظر معماری فنی، فلاکس ۲ از یک ساختار هیبریدی استفاده می‌کنه که شامل مدل بینایی-زبانی "Mistral-3 24B" برای فهم دقیق متن و تصویر و یک ماژول "Rectified Flow Transformer" برای مدیریت منطق و چیدمان تصویره. این ترکیب باعث میشه جزئیات و متریال‌ها خیلی دقیق‌تر ظاهر بشن. این خانواده شامل چهار نسخه مختلفه: نسخه Flux 2 [pro] که قوی‌ترین مدل برای رقابت با سیستم‌های بسته است و فقط از طریق API در دسترسه، و نسخه Flux 2 [flex] که برای توسعه‌دهنده‌ها طراحی شده تا بتونن سرعت و کیفیت رو خودشون تنظیم کنن. نسخه محبوب‌تر برای جامعه متن‌باز، Flux 2 [dev] هست؛ یک مدل ۳۲ میلیارد پارامتری که وزن‌های اون (Weights) روی Hugging Face منتشر شده. این مدل تولید تصویر و ویرایش رو یکجا انجام میده و نسخه بهینه‌شده‌ش (fp8) حتی روی کارت‌های گرافیک مصرفی مثل سری RTX انویدیا هم به خوبی اجرا میشه (البته استفاده تجاری ازش نیاز به لایسنس داره). در نهایت نسخه Flux 2 [klein] هم معرفی شده که یک مدل فشرده و کوچک‌تره و قراره به زودی تحت لایسنس کاملاً متن‌باز Apache 2.0 منتشر بشه تا با مدل‌های هم‌رده خودش رقابت کنه. @aipulse24

تصویر ساخته شده توسط یکی از اعضای کانال. تکست رندرینگ و consistency مدل شگفت انگیزه. @aipulse24

مدل جدید Nano Banana Pro به گوگل اسلایدز هم رسیده و الان میتونید ازش بخواید تا اسلاید هاتون رو زیباتر کنه. @aipulse24

مدل Nano Banana Pro به ابراز NotebookLM هم اضافه شده و حالا میتونه اینفوگرافیک مرتبط با منابعی که آپلود کردید براتون تولید کنه. @aipulse24

همونطور که میدونید تصاویری که با جمنای تولید میشن دارای یک واترمارک نامرئی به نام SynthID هستن که تقریبا غیر قابل حذفه. از امروز میتونید وقتی شک داشتید که عکسی واقعیه یا با هوش مصنوعی تولید شده، اون رو برای جمنای بفرستید و ازش بپرسید که آیا این عکس تولید شده توسط هوش مصنوعی هست یا خیر، جمنای این واترمارک رو تشخیص میده و نتیجه رو به شما اعلام میکنه. @aipulse24

گوگل از Nano Banana Pro رونمایی کرده که بر مبنای جمنای ۳ پرو هست، تو این نسخه تکست رندرینگ به طرز چشمگیری بهبود پیدا کرده، موقع جنریت تصویر میتونه سرچ کنه و بر اساس اطلاعات معتبر موجود در اینترنت عکس رو جنریت کنه و ضمنا الان میتونه تصویر با خروجی 4K ارائه بده. رندرینگ تکست فارسی هم نسبت به نسل قبل بهبود چشمگیری پیدا کرده. @aipulse24

مدل کارد منتسب به Gemini 3 Pro چند ساعت قبل از رونمایی رسمی. @aipulse24

انتروپیک گفته در پروژه‌ای به ارزش ۵۰ میلیارد دلار و با همکاری شرکت Fluidstack قراره دیتاسنترهای هوش مصنوعی اختصاصی خودش رو در نیویورک و تگزاس احداث کنه. این دیتاسنترها که قراره تا سال ۲۰۲۶ عملیاتی بشن به طور مستقیم ۸۰۰ و به طور غیر مستقیم ۲۴۰۰ شغل ایجاد میکنن. به گفته این شرکت انتروپیک حالا بیشتر از ۳۰۰ هزار مشتری سازمانی داره و تعداد سازمان‌های بزرگی که از محصولات این شرکت استفاده میکنن نسبت به سال قبل ۷ برابر شده. انتروپیک دلیل انتخاب Fluidstack به عنوان پیمانکار این پروژه رو توانایی بی‌نظیر اونها در گسترش سریع زیرساخت‌ها برای رسیدن به مقیاس گیگاواتی در پردازش اعلام کرده. @aipulse24

گوگل مدل هوش مصنوعی Gemma رو از پلتفرم AI Studio حذف کرده، درست بعد از اینکه سناتور جمهوری‌خواه «مارشا بلکبرن» اعلام کرده این مدل درباره‌اش اتهام‌های ساختگی منتشر کرده. گوگل گفته Gemma از ابتدا برای توسعه‌دهنده‌ها طراحی شده بود و نباید برای پاسخ به پرسش‌های واقعی یا استفاده عمومی به کار می‌رفته. با این حال به گفته‌ی شرکت، برای جلوگیری از این سوء‌برداشت، دسترسی به Gemma در AI Studio قطع شده، اما همچنان از طریق API در اختیار توسعه‌دهنده‌ها قرار داره. بلکبرن در نامه‌ای به ساندار پیچای، مدیرعامل گوگل، این شرکت رو به افترا و سوگیری ضد‌محافظه‌کارانه متهم کرده. او گفته Gemma در پاسخ به پرسشی درباره خودش، داستانی دروغین از رابطه غیراخلاقی و اتهام تجاوز ساخته و حتی لینک‌های جعلی به خبرهایی که اصلاً وجود نداشتن داده. بلکبرن تأکید کرده هیچ‌کدوم از این ادعاها واقعیت ندارن و این کار، افترا از سوی یک مدل هوش مصنوعی متعلق به گوگل محسوب می‌شه. گوگل اعلام کرده همچنان برای کاهش خطاها و «توهمات هوش مصنوعی» تلاش می‌کنه. این اتفاق بار دیگه نشون داده مدل‌های هوش مصنوعی هنوز با مشکل دقت و تولید اطلاعات نادرست روبه‌رو هستن. بلکبرن هم در واکنشش گفته: «تا وقتی نمی‌تونید کنترلش کنید، خاموشش کنید.» @aipulse24

انتروپیک از نسخه جدید مدل هوش مصنوعی کوچک خودش با نام Claude Haiku 4.5 رونمایی کرده. این مدل طبق گفته‌ی شرکت، عملکردی مشابه با Sonnet 4 ارائه می‌ده اما با یک‌سوم هزینه و بیش از دو برابر سرعت. به گفته‌ی انتروپیک، Haiku 4.5 در تست‌های مختلف از جمله SWE-Bench و Terminal-Bench نتایج قابل توجهی گرفته و عملکردش در سطح مدل‌هایی مثل Sonnet 4، GPT-5 و Gemini 2.5 بوده. همچنین در زمینه‌ی استفاده از ابزارها، تعامل با رایانه و استدلال بصری هم نتایج مشابهی ثبت کرده. این مدل جدید بلافاصله در تمام پلن‌های رایگان انتروپیک در دسترس قرار گرفته و به گفته‌ی شرکت، به‌ویژه برای نسخه‌های رایگان محصولات مبتنی بر هوش مصنوعی جذاب خواهد بود، چون می‌تونه با حداقل فشار بر سرورها، توانایی بالایی ارائه بده. ماهیت سبک بودن Haiku 4.5 باعث می‌شه بشه چندین عامل (agent) رو به‌صورت هم‌زمان اجرا کرد یا اون‌ها رو در ترکیب با مدل‌های قوی‌تر مثل Sonnet به کار گرفت. ‏Haiku 4.5 تنها دو هفته بعد از عرضه‌ی Sonnet 4.5 و دو ماه پس از Opus 4.1 منتشر شده و ادامه‌دهنده‌ی روند سریع پیشرفت مدل‌های انتروپیکه. @aipulse24

گوگل در همکاری با دانشگاه ییل از مدل جدیدی به نام Cell2Sentence-Scale 27B (C2S-Scale) رونمایی کرده؛ مدلی با ۲۷ میلیارد پارامتر که برای درک «زبان سلول‌ها» طراحی شده. این مدل بر پایه‌ی خانواده مدل‌های باز Gemma ساخته شده و مرز جدیدی در تحلیل سلول‌های منفرد به شمار می‌ره. اهمیت این دستاورد زمانی دوچندان می‌شه که C2S-Scale تونسته یک فرضیه‌ی جدید درباره رفتار سلول‌های سرطانی مطرح کنه که بعدتر با آزمایش روی سلول‌های زنده هم تأیید شده؛ نتیجه‌ای که مسیر تازه‌ای برای درمان‌های احتمالی سرطان باز می‌کنه. این مدل برای حل یکی از چالش‌های مهم ایمنی‌درمانی سرطان یعنی نامرئی بودن تومورها برای سیستم ایمنی (تومورهای «سرد») به کار گرفته شده. C2S-Scale با شبیه‌سازی اثر بیش از ۴۰۰۰ دارو، دارویی به نام سیلمیتاسرتیب (Silmitasertib) رو شناسایی کرده که در حضور مقدار کم پروتئین سیگنال‌دهنده‌ی اینترفرون، باعث افزایش چشمگیر نمایش آنتی‌ژن روی سطح سلول‌ها می‌شه؛ اتفاقی که تومور رو برای سیستم ایمنی «قابل دیدن‌تر» می‌کنه. آزمایش‌های بعدی در سلول‌های انسانی هم این پیش‌بینی رو تأیید کرده و نشون داده ترکیب سیلمیتاسرتیب با اینترفرون می‌تونه تا حدود ۵۰٪ میزان نمایش آنتی‌ژن رو افزایش بده. این موفقیت نه‌تنها یک کشف علمی مهم به حساب میاد، بلکه الگویی تازه برای نحوه‌ی استفاده از مدل‌های بزرگ در زیست‌شناسی ارائه می‌ده. گوگل و ییل معتقدن این رویکرد می‌تونه روند کشف داروهای جدید و طراحی درمان‌های ترکیبی رو سرعت بده. مدل و ابزارهای مرتبط با C2S-Scale 27B از امروز برای جامعه پژوهشی در دسترس قرار گرفته و روی پلتفرم‌هایی مثل Hugging Face و GitHub قابل استفاده‌ست. همچنین نسخه کامل این مقاله رو میتونید از اینجا مشاهده کنید. @aipulse24

شرکت انتروپیک در همکاری با مؤسسه امنیت هوش مصنوعی بریتانیا (UK AISI) و مؤسسه آلن تورینگ پژوهشی تازه منتشر کرده که یافته‌اش حسابی جلب توجه کرده: فقط با حدود ۲۵۰ سند مخرب میشه یک مدل زبانی بزرگ رو آلوده و دچار "backdoor" کرد، اونم فارغ از اینکه اون مدل چه‌قدر بزرگ یا با چه حجمی از داده آموزش دیده باشه. این مطالعه با عنوان “A small number of samples can poison LLMs of any size” در تاریخ ۹ اکتبر ۲۰۲۵ منتشر شده و نشون میده برخلاف تصور قبلی، برای حملات data poisoning نیازی نیست مهاجم درصد زیادی از داده‌های آموزشی رو در اختیار داشته باشه؛ بلکه فقط یک تعداد ثابت، هرچند کم، می‌تونه کافی باشه. پژوهشگران برای آزمایش، از نوعی حمله ساده و کم‌خطر استفاده کردن که باعث میشه مدل وقتی عبارت خاصی مثل <SUDO> رو ببینه، به‌جای پاسخ طبیعی، متنی نامفهوم و بی‌معنی تولید کنه. در این پروژه، مدل‌هایی با اندازه‌های مختلف از ۶۰۰ میلیون تا ۱۳ میلیارد پارامتر آموزش داده شدن و نتایج نشون داد که میزان موفقیت حمله در همه‌ی این مدل‌ها تقریباً یکسانه. یعنی حتی وقتی مدل بزرگ‌تر روی داده‌های خیلی بیشتری آموزش دیده، باز هم همون تعداد محدود از اسناد آلوده برای فریبش کافیه. طبق گزارش، ۱۰۰ سند سمی برای آلوده کردن مدل کافی نبود، ولی با ۲۵۰ سند یا بیشتر، تمام مدل‌ها در مقیاس‌های مختلف به طور پایدار دچار رفتار مخرب شدن. نکته جالب اینجاست که موفقیت حمله به تعداد مطلق این اسناد بستگی داره، نه نسبت اون‌ها به حجم کلی داده‌ی آموزشی. به زبان ساده، مهم نیست کل دیتاست چقدر بزرگ باشه؛ وقتی مدل چند صد سند آلوده رو ببینه، یاد می‌گیره که به اون الگوی خاص واکنش اشتباه نشون بده. این تحقیق که بزرگ‌ترین مطالعه‌ی منتشرشده در زمینه‌ی آلودگی داده در مدل‌های زبانی به‌شمار میره، نگرانی‌هایی رو درباره‌ی امنیت مدل‌های هوش مصنوعی مطرح کرده. تیم انتروپیک در پایان تأکید کرده که هدف از انتشار این نتایج، هشدار به جامعه‌ی پژوهشی و تشویق به توسعه‌ی روش‌های دفاعی بهتره، نه فراهم کردن ابزار برای مهاجمان. به گفته‌ی اون‌ها، آگاهی از این آسیب‌پذیری‌ها کمک می‌کنه تا از تکرارش در مدل‌های بزرگ‌تر و حساس‌تر جلوگیری بشه و مسیر ایمن‌تری برای گسترش هوش مصنوعی ترسیم بشه. @aipulse24

گوگل دیپ‌مایند از مدل جدید «Gemini 2.5 Computer Use» رونمایی کرده که به هوش مصنوعی اجازه می‌ده کارها رو درست مثل انسان‌ها در محیط‌های گرافیکی انجام بده، یعنی بتونه کلیک کنه، بنویسه و بین صفحات وب یا اپ‌ها جابه‌جا بشه. این مدل که بر پایه‌ی توانایی‌های دیداری و استدلالی Gemini 2.5 Pro ساخته شده، عملکرد خیلی بهتری نسبت به رقبا داره و با تأخیر کمتر اجرا می‌شه. توسعه‌دهنده‌ها می‌تونن از طریق Gemini API در Google AI Studio یا Vertex AI بهش دسترسی پیدا کنن. مدل جدید برای کنترل مرورگرها بهینه شده و در تست‌های مختلف مثل Online-Mind2Web و WebVoyager نتایج خوبی گرفته. گوگل می‌گه این مدل می‌تونه فرم‌ها رو پر کنه، فیلترها و منوها رو مدیریت کنه و حتی با فرم های لاگین کار کنه. همچنین ابزارهای ایمنی درون مدل تعبیه شدن تا جلوی اقدام‌های پرخطر مثل دور زدن کپچا یا کنترل سیستم‌های حساس گرفته بشه. گوگل از این مدل در پروژه‌هایی مثل تست خودکار رابط‌های کاربری، Firebase Testing Agent و قابلیت‌های عامل‌محور «AI Mode» در جست‌وجو استفاده کرده. حالا هم نسخه‌ی پیش‌نمایش عمومی در دسترسه و توسعه‌دهنده‌ها می‌تونن از طریق محیط تست Browserbase یا مستندات رسمی گوگل، کار باهاش رو شروع کنن. @aipulse24

اوپن ای‌آی همچنین از اپلیکیشن Sora برای iOS رونمایی کرده که به این وسیله کاربران میتونن ویدیوهایی که با Sora ویرایش کردن یا ساختن رو با دیگران به اشتراک بذارن. این اپلیکیشن فعلا فقط با دعوت دیگر کاربران در دسترسه اما گفته شده که به زودی کاربران بیشتری میتونن از اون استفاده کنند. @aipulse24

شرکت OpenAI با انتشار ویدیوی بالا رسما از مدل تولید ویدیوی Sora 2 رونمایی کرد. @aipulse24

شرکت انتروپیک تازه‌ترین مدل خودش به اسم Claude Sonnet 4.5 رو معرفی کرده؛ مدلی که به گفته شرکت بهترین مدل دنیا برای کدنویسی و ساخت ایجنت‌های پیچیده محسوب می‌شه. این نسخه نه‌تنها توانایی استفاده از کامپیوتر و حل مسائل سخت ریاضی و منطقی رو به‌طور چشمگیری بهتر کرده، بلکه نسبت به نسل‌های قبلی پیشرفت محسوسی در تمرکز روی کارهای طولانی‌مدت داشته و توی آزمون‌های معیاری مثل SWE-bench Verified و OSWorld رکورد جدیدی ثبت کرده. قیمت استفاده از مدل هم مثل نسخه ۴ ثابت مونده و تغییری نکرده. همزمان با معرفی Sonnet 4.5، مجموعه‌ای از قابلیت‌های تازه هم به محصولات کلاد اضافه شده؛ مثل چک‌پوینت‌ها در Claude Code که امکان بازگشت به مراحل قبلی رو فراهم می‌کنن، افزونه بومی برای VS Code، و یک ابزار جدید برای مدیریت حافظه و کانتکست در API. در اپلیکیشن‌های کلاد هم قابلیت اجرای کد و ایجاد مستقیم فایل‌های مختلف (از جمله اسناد، اسلاید و جدول) اضافه شده. علاوه بر این، افزونه مرورگر Claude for Chrome برای کاربران پلن Max در دسترس قرار گرفته. انتروپیک همچنین زیرساخت اختصاصی خودش برای ساخت ایجنت‌ها رو با نام Claude Agent SDK منتشر کرده؛ همون زیرساختی که پشت Claude Code قرار داره. این ابزار به توسعه‌دهنده‌ها اجازه می‌ده ایجنت‌های قدرتمند و قابل سفارشی‌سازی بسازن و مسائل دشوار مثل مدیریت حافظه در کارهای طولانی یا هماهنگی بین زیرایجنت‌ها رو حل کنن. به گفته انتروپیک، این SDK فقط برای کدنویسی نیست و می‌تونه توی حوزه‌های دیگه هم استفاده بشه. از نظر ایمنی هم Sonnet 4.5 پیشرفت زیادی کرده. این مدل با سطح حفاظتی AI Safety Level 3 عرضه شده و فیلترهای خاصی برای جلوگیری از سوءاستفاده‌های خطرناک (مثل موضوعات CBRN) داره. انتروپیک می‌گه رفتارهای نگران‌کننده مثل تملق‌گویی، فریب یا پیروی از پرامپت‌های مضر نسبت به نسل‌های قبل به‌شدت کاهش پیدا کرده. @aipulse24