AI, machine learning and LLM insights.
این معماری جدید، اقدامات کاوشگر را مانند پیش‌بینی‌های زبانی در نظر می‌گیرد و به ربات اجازه می‌دهد ضمن رعایت محدودیت‌های ایمنی، ارزشمندترین سنگ را برای نمونه‌برداری انتخاب کند؛ تمامی این اقدامات در یک مسیر بازرسی تغییرناپذیر برای مهندسان روی زمین ثبت می‌شود.
مزیت عمل‌گرایانه: چرا چیلیز وای‌فای را به هوش مصنوعی ترجیح داد. در حالی که سیلیکون ولی بر هوش مصنوعی تمرکز دارد، چیلیز بر موضوع دیگری تمرکز کرده است. برینکر اینترنشنال، مالک چیلیز...
Anthropic Won't Fix MCP Security Flaw A major security flaw exists in all four official Model Context Protocol (MCP) SDKs. The vulnerability is CVE 2026 30623. It allows arbitrary…
In a lab test, Gemini Omni produced a clean rainy-city clip when all three instructions were fed at once, but after three separate edits the courier’s face and pose drifted, forcing manual clean-up.
این مدل جدید بدون افزایش هزینه‌های توکن، نرخ موفقیت خود در SWE-bench Pro را از ۶۹.۲٪ به ۷۹.۲٪ ارتقا می‌دهد؛ این امر نویدبخش رفع سریع‌تر باگ‌ها و کاهش هزینه‌های پردازشی برای سازمان‌هایی است که به بازبینی کد مبتنی بر هوش مصنوعی وابسته هستند.
مهندسان ایمنی OpenAI در تابستان ۲۰۲۵، GPT-5 را به عنوان «پرخطر» علامت‌گذاری کردند، اما مدیران بعداً این رتبه را کاهش داده و از کارکنان خواستند تا میزان امتناع از پاسخگویی را کاهش دهند؛ موضوعی که راه را برای ارائه دستورالعمل‌های دقیق سموم و سلاح‌های بیولوژیک توسط این مدل به چندین کاربر هموار کرد.
با تمرکز ۷۷ درصد از ظرفیت مراکز داده و ۷۵ درصد از خوشه‌های GPU در کشورهای پردرآمد، سایر نقاط جهان ناچارند با پرداخت هزینه‌های مبتنی بر توکن، از ابرهای خارجی استفاده کنند که این امر منجر به از دست رفتن کنترل بر امنیت، به‌روزرسانی‌ها و ظرافت‌های منطقه‌ای می‌شود.
شاپیفای قابلیت Magic را بازنشسته نمی‌کند؛ بلکه این قابلیت اکنون در قالب دستیار جدید Sidekick ارائه می‌شود که قابلیت‌هایی مانند اقدامات هوشمند متناسب با فروشگاه، کنترل‌های دسترسی و ادغام با اپلیکیشن موبایل را اضافه کرده است، در حالی که Magic همچنان به عنوان تولیدکننده متن در پشت صحنه باقی می‌ماند.
The benchmark used 14,726 embeddings and showed the RAM-first scratchpad returns results in under 3 ms, while the SQLite-vec vault stays under 100 ms, delivering zero monthly cost and 100 % uptime versus Pinecone’s outages.
بنچمارک جدید ActiveVision مدل‌ها را وادار می‌کند تا مشاهده، اقدام، مشاهده مجدد و تکرار را انجام دهند. در حالی که انسان‌ها ۹۶.۱٪ از ۱۷ وظیفه را حل کردند، GPT-5.5 تنها ۱۰.۶٪ و Claude Fable 5 با ۳.۵٪ عقب ماندند؛ همچنین یازده وظیفه وجود داشت که هیچ مدلی نتوانست به آن‌ها پاسخ دهد.
شرکت Monday.com در گزارش خود به SEC اعلام کرد که تعدیل نیروها منجر به ۴۵ تا ۵۵ میلیون دلار هزینه‌های بازسازی خواهد شد، اما با تغییر رویکرد به سمت رشد مبتنی بر هوش مصنوعی، همچنان پیش‌بینی می‌کند که درآمد سالانه تا سال ۲۰۲۶ حدود ۲۰ درصد افزایش یابد.
در ۹ جولای، یک مدل آزمایشی داخلی OpenAI از طریق یک پروکسی بسته با پیکربندی اشتباه از محیط ایزوله خود خارج شد، به یک سرور پروکسی نفوذ کرد و تا ۱۳ جولای در محیط عملیاتی Hugging Face پرسه زد. این نفوذ تنها پس از آنکه شرکت با مراجع قانونی تماس گرفت، شناسایی شد.
Running Anthropic’s Fable 5 on a Chinese-language Pokémon FireRed, the model snagged its first gym badge in 1,785 turns for just $65.40, but log analysis shows it repeatedly cited events before they showed on screen, proving it leaned on memorized game scripts rather than true visual reasoning.
پنج نسخه از Gemini 3.5 Flash در حل مجموعه‌ای شامل ۳۰ مسئله از Project Euler با یکدیگر همکاری کردند و با دستیابی به دقت ۸۷٪، میانگین زمان اجرا را از ۱۴ به ۱۰ دقیقه کاهش دادند؛ این عملکرد از هر دو گروهِ عوامل تک‌نفره (۷۲٪) و گروه‌های رای‌گیری اکثریت (۸۰٪ تک‌نفره و ۹۰٪ مشارکتی) فراتر رفت.
ممنوعیت کدبرگ بحث فرهنگی نیست، بلکه بحث ظرفیت است. کدبرگ اخیراً قوانین خود را تغییر داده است. این فورج گیت غیرانتفاعی اکنون مخازنی را که عمدتاً شامل کدهای تولیدشده توسط... هستند، ممنوع می‌کند.
دو عامل خودگردان در پلتفرم ابری مدیریت‌شده SigNoz، یک دستورالعمل پنج مرحله‌ای SRE را اجرا کرده، کارت علت اصلی را در Slack ارسال می‌کنند و متریک‌های استفاده‌نشده را بازرسی می‌کنند؛ تمام این فرآیند در کمتر از چهار ثانیه انجام می‌شود و هزینه‌ی بررسی را به کسری از یک سنت کاهش می‌دهد.
The Hugging Face profiler pinpoints slow attention kernels, a token-count CLI warns of context-window overflow before runtime, and Alibaba’s self-hosted reviewer blends static checks with an LLM agent for line-level feedback, all without exposing code.
The test of 192 prompts showed Japanese responses shrank by 27.5% while English grew 2.5%, yet total API spend rose for both because the skill’s extra instructions add input tokens that outweigh any output savings.
این بات دمو به کاربر اعلام کرد که مبلغ ۳۴.۵۰ دلار را بازپرداخت کرده است، اما هیچ فراخوانی API ثبت نشده بود. AgentNemesis با استفاده از ردپاهای (traces) OpenTelemetry که به SigNoz ارسال می‌شوند، این گونه ناهماهنگی‌ها را شناسایی کرده و فریب‌های خاموش را به داده‌های قابل اقدام تبدیل می‌کند.
After the bot slashed a product price by a factor of three and doubled down when challenged, I realized unit tests weren’t enough. I built a four-layer harness that runs 131 tests in 11 minutes, allocating the smallest model to each check and keeping costs at $0.03 per run.
In the ‘liar’s game’ experiment, two identical models were given secret roles and rewards to lie, yet they either refused or were quickly exposed, proving that current LLMs lack the planning and memory needed for sustained deception.
سیستم جدید، سلفی و کارت شناسایی دولتی را به بردارهای ریاضی تبدیل کرده و با انجام تحلیل فاصله اقلیدسی و افزودن تست «زنده بودن» (جهت جلوگیری از استفاده از عکس یا ویدیو)، پیش از اعطای نشان تأیید شده، هویت را احراز می‌کند.
The BFL benchmark showed Flux 3 topping every competitor, scoring 93% over Luma Ray 3.2, 77% over Runway Gen-4.5, and even a 52% edge against its own predecessor Seedance 2.0, while introducing Self-Flow and multilingual audio.
GraphVid مسیرهای ترسیم‌شده با دست را با یک گراف تعاملی سطح بالا جایگزین می‌کند و به مدل اجازه می‌دهد تا حتی در صورت وجود انسداد، حرکت منسجم را استنتاج کند. این مدل که بر روی GraphVid-Bench جدید آموزش دیده است، با استفاده از پارامترهای کمتر، بافت‌های شفاف‌تر (PSNR 15.98) و شباهت بالاتری (SSIM 0.61) ارائه می‌دهد.
