6108
🗨 ارتباط با ما (تبلیغات، سوال، پیشنهاد و انتقاد): 📩 @Contact2Mebot 💯 کانال دوم ما: @Datascientists_Files 💎 در پیامرسان بله(آپدیت اتومات): https://ble.ir/dataplusscience 💡 در پیامرسان ایتا(آپدیت اتومات): https://eitaa.com/DataPlusScience
🤖 کلود سونت ۵: رتبه ۵ در شاخص هوش، اما پرهزینهتر از Opus
📊 مدل Claude Sonnet 5 در شاخص هوش مصنوعی Artificial Analysis با امتیاز ۵۳ رتبه ۵ را گرفت و فقط ۲-۳ امتیاز از GPT-5.5 (xhigh) و Opus 4.8 (max) عقبتر است. این بهبود ۶ امتیازی نسبت به سونت ۴.۶ با تلاش حداکثری به دست آمده.
💰 با تنظیم max effort، سونت ۵ حدود ۴۰٪ توکن خروجی بیشتر و حدود ۳ برابر agentic turns نسبت به سونت ۴.۶ مصرف میکند. هزینه هر task به $۲.۲۹ (۲ برابر سونت ۴.۶ و ۱۵٪ بیشتر از Opus 4.8) رسیده. آنتروپیک تا اول سپتامبر تخفیف یکسومی روی قیمت API داده است.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
📘 طراحی سیستمهای یادگیری ماشین
کتاب Designing Machine Learning Systems رویکردی تکراری (iterative) برای ساخت اپلیکیشنهای آمادهی تولید ارائه میدهد. مخاطبان اصلی آن مهندسان، دانشمندان داده و مدیران فنی هستند که ML را در مقیاس متوسط تا بزرگ به کار میگیرند.
🧠 سناریوهای کلیدی: مهندسی داده و انتخاب متریک، استقرار مدلهای آفلاین خوب، نظارت پس از استقرار، خودکارسازی چرخه توسعه تا بهروزرسانی، و ایجاد زیرساخت اشتراکی مثل feature store و monitoring tools.
⚖️ همچنین به سوگیری (bias) و ساخت سیستمهای مسئولانه پرداخته میشود.
این کتاب برای توسعهدهندگان ابزار، جویای نقش ML، و رهبران فنی نیز مفید است. فصلهای ۱، ۲ و ۱۱ برای مخاطبان غیرفنی مناسبترند.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🤖 RAG-Anything: سیستم RAG چندوجهی همهکاره
مستندات مدرن شامل محتوای متنوعی مثل متن، تصویر، جدول، نمودار و فرمول هستند که RAGهای سنتی نمیتوانند پردازش کنند. RAG-Anything این چالش را با یک سیستم یکپارچه مبتنی بر LightRAG حل میکند.
⚡ این سیستم نیاز به چندین ابزار تخصصی را از بین میبرد و امکان جستجو و پرسش از انواع محتوا را در یک چارچوب واحد فراهم میکند.
🧠 معماری چندمرحلهای آن شامل: استخراج سند، درک محتوای چندوجهی، ساخت گراف دانش، و بازیابی هوشمند است. کاربران میتوانند متون، تصاویر، جداول و فرمولها را از طریق یک رابط منسجم کوئری کنند.
🔗 گیتهاب RAG-Anything
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🤖 انتشار Claude Sonnet 5
Anthropic مدل جدید Sonnet 5 را بهعنوان مدل پیشفرض نسخههای Free و Pro (۲۰ دلاری) عرضه کرد و برای همه در دسترس است.
کیفیت Sonnet 5 نزدیک به Opus 4.8 است اما بسیار ارزانتر: تا پایان تابستان قیمت $۲/$۱۰ (ورودی/خروجی) و سپس به $۳/$۱۵ افزایش مییابد.
🔗 اعلامیه رسمی Anthropic
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🤖 کاهش چشمگیر هزینه استنتاج در OpenAI
به گزارش The Information، OpenAI به بهینهسازیهای جدیدی در فرایند inference (اجرای مدل) دست یافته است که هزینه اجرای مدلها را بیش از دو برابر کاهش میدهد.
🔧 مهندسان OpenAI اعلام کردهاند که با این تکنیکها توانستهاند ChatGPT را برای کاربران بدون حساب (حتی بدون حساب رایگان) با تنها چند صد GPU انویدیا سرویسدهی کنند.
🧪 روش دقیق هنوز فاش نشده است. ترکیبی از quantization، KV caching، batching و مسیریابی درخواستهای ساده به مدلهای ارزانتر محتمل است.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
💰 مدلهای چینی؛ ۱۸ سنت به جای ۴ دلار
📊 طبق گزارش CitiBank Research، مدلهای هوش مصنوعی چینی هر میلیون توکن را با ۱۸ سنت پردازش میکنند، در حالی که میانگین مدلهای پیشرو ۴ دلار است. دیپسیک (DeepSeek) و سایر مدلهای چینی با قیمت مقرونبهصرفه توجه را جلب کردهاند.
🚀 تا ژوئن، سهم این مدلها در پردازش متنباز پلتفرم OpenRouter از ۳۴٪ در ژانویه به ۶۵٪ رسید. شرکتها بهجای برتری فنی، بیشتر بر اساس قیمت مدل انتخاب میکنند.
🔄 این روند باعث شده OpenAI و Anthropic قیمتگذاری خود را بازبینی کنند. گارتنر پیشبینی میکند تا ۲۰۲۸ هزینه هوش مصنوعی در کدنویسی از میانگین حقوق یک توسعهدهنده بیشتر شود.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🎵 KVAE-Audio: توکنایزر صوتی متنباز از آزمایشگاه کندینسکی
🧠 تیم Sber عضو جدیدی از خانواده KVAE را برای صدا منتشر کردند. این توکنایزر مشکل کلیدی آموزش مدلهای دیفیوژن را حل میکند: نیاز به بازنمایی فشرده و باکیفیت از داده.
⚡ مشخصات فنی: ورودی با فرکانس 48 کیلوهرتز (پوشش کامل شنوایی انسان)، فشردهسازی محور زمان به میزان 960 برابر و خروجی تنها 64 کانال. این ابعاد فوقفشرده، آموزش مدلهای مولد را بسیار سادهتر میکند.
🔬 چالش اصلی تطبیق خروجی با دیفیوژن بود. روشهای کلاسیک بازسازی خوب دارند ولی در تولید محتوای اصلی ضعیفاند. تیم Sber از یک روش regularisation منحصربهفرد برای تعادل میان بازسازی و تولید استفاده کرد.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🧠 گزارش هوشمند DataPlusScience
━━━━━━━━━━━━━━━━━━━━
🗂 شماره: #51 | بازه: ۲۴ ساعت گذشته / گزارش روزانه
📦 پستهای بررسیشده: 8
🕐 از: دوشنبه 1405/04/08 ساعت 14:00
🕛 تا: سهشنبه 1405/04/09 ساعت 14:00
━━━━━━━━━━━━━━━━━━━━
🎁 ابزارهای رایگان و دسترسیهای جدید
OpenModel سرویس DeepSeek V4 Flash را از طریق API بهصورت رایگان در اختیار کاربران قرار داده است.
🔗 مشاهده پست
مخزن گیتهاب Agent-Reach به ایجنتها امکان دسترسی به توییتر، یوتیوب و غیره را بدون نیاز به API Key و کاملاً رایگان میدهد.
🔗 مشاهده پست
مایکروسافت سه بهبود برای Copilot در Excel عرضه کرده: مهارتهای قابل استفاده مجدد، دسترسی به دادههای شش منبع مالی (CB Insights، PitchBook و …) و شفافیت بیشتر. Copilot فرایندهای تکراری مثل ارزشگذاری را ساختاریافته دنبال میکند.
🔗 مشاهده پست
در جلسه غیرعلنی کنگره، Anthropic مدل Claude Mythos را نشان داد که نقشه حمله نظری برای مختل کردن سیستمهای مالی طراحی کرد.
🔗 مشاهده پست
همچنین یک مدل AI jailbroken در کمتر از ۳۰ ثانیه طرح ربودن یک قانونگذار را تولید کرد و نگرانی از سوءاستفاده از AI قدرتمند را برجسته ساخت.
🔗 مشاهده پست
Meituan از LongCat 2.0 با ۱.۶ تریلیون پارامتر رونمایی کرد که روی ۵۰ هزار چیپ چینی (Huawei Ascend 910C) آموزش دیده است. این نخستین مدل در این مقیاس بدون GPU انویدیا است و معماری آن شامل n-gram Embeddingهای غولپیکر میشود.
🔗 مشاهده پست
متا Brain2Qwerty v2 را معرفی کرد که با کلاه MEG سیگنالهای مغزی را به متن تبدیل میکند، بدون نیاز به جراحی. AI نویز را فیلتر کرده و ضربههای کلید را بازسازی میکند؛ هنوز در مرحله آزمایشگاهی است.
🔗 مشاهده پست
Anthropic با پیشرانی اخیر از OpenAI پیشی گرفته و به تأمینکننده برتر هوش مصنوعی پولی برای کسبوکارهای آمریکایی تبدیل شده است. رقابت از مدلها به گردشکار منتقل شده است.
🔗 مشاهده پست
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسیЧитать полностью…
📩 ارتباط با ما
🧠 متا Brain2Qwerty v2 را رونمایی کرد: تبدیل سیگنالهای مغزی به متن بدون جراحی
متا نسخه دوم سیستم Brain2Qwerty را معرفی کرده که با استفاده از کلاههای MEG (مغناطیسانسفالوگرافی) سیگنالهای مغزی را به متن تبدیل میکند. برخلاف روشهای تهاجمی مثل تراشههای Neuralink، این روش بدون جراحی و فقط با اندازهگیری میدانهای مغناطیسی ضعیف مغز کار میکند.
🪖 کاربر یک کلاه MEG بر سر میگذارد که سیگنالهای مغزی را ثبت میکند. سپس هوش مصنوعی، نویز موجود در فعالیت مغز را فیلتر کرده و ضربههای کلید مورد نظر را بازسازی میکند. خروجی نهایی جملات روان و خوانا هستند.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسیЧитать полностью…
📩 ارتباط با ما
🚨 نمایش محرمانه AI در کنگره آمریکا
🤖 در یک جلسه غیرعلنی، Anthropic مدل Claude Mythos خود را به کمیته امنیت داخلی مجلس نمایندگان نشان داد. این مدل با شناسایی و اتصال آسیبپذیریها، نقشه حملهای نظری طراحی کرد که میتوانست سیستمهای مالی را مختل و حسابهای بانکی را خالی کند (هیچ پول واقعی در کار نبود).
⚡ رئیس کمیته، گاربارینو، از نمایش دیگری خبر داد که در آن یک مدل AI jailbroken (شکستهشده) در کمتر از ۳۰ ثانیه طرحی دقیق برای ربودن یک قانونگذار تولید کرد. گزارشهای عمومی تأیید نمیکنند که همان Mythos استفاده شده است.
🧠 این نمایشها نگرانی واشنگتن را برجسته کرد: هرچه AI توانمندتر شود، در دستان اشتباه میتواند به ابزاری قدرتمند برای مجرمان سایبری و دولتهای خصم تبدیل شود.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🧠 دسترسی رایگان ایجنتها به شبکههای اجتماعی بدون API Key
یک مخزن گیتهاب جدید به نام Agent-Reach به ایجنتهای هوش مصنوعی امکان میدهد بدون نیاز به API Key و کاملاً رایگان به پلتفرمهای Twitter/X، Reddit، YouTube، GitHub و LinkedIn دسترسی پیدا کنند.
🧩 این ابزار برای توسعهدهندگانی که روی ایجنتهای خودکار کار میکنند بسیار مفید است و فرآیند تعامل با شبکههای اجتماعی را سادهتر میکند.
🔗 مخزن Agent-Reach در گیتهاب
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🤖 Grok 4.5 بر پایه مدل ۱.۵ تریلیون پارامتری V9
🤖 مدل جدید Grok 4.5 با استفاده از مدل پایه V9 شرکت xAI ساخته شده که ۱.۵ تریلیون پارامتر دارد و از دادههای Cursor نیز استفاده کرده است. این مدل تقریباً سه برابر بزرگتر از نسخه قبلی (v8-small با ۰.۵ تریلیون پارامتر) است.
🚀 مدل V9 بهعنوان سیستمی قوی و قابل اعتماد مشابه Opus توصیف شده، نه یک جهش ناگهانی در عملکرد. نکته جالب اینکه سرعت پیشرفت xAI به دلیل انتقال مهندسان ارشد از پروژههای Starlink و Starship به حوزه هوش مصنوعی افزایش یافته است.
🔬 مدل قبلی v8 که در Grok 4.3 استفاده شده بود، در دسامبر تکمیل شد و محدودیتهای قابل توجهی داشت. انتظار میرود Grok 4.5 یک پیشرفت بزرگ در قابلیتها باشد.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
⚡ اوراکل: ۲۱ هزار شغل حذف شد، ۵۰ میلیارد دلار زیرساخت هوش مصنوعی
برای اولین بار در تاریخ اساندپی ۵۰۰، شرکتی در گزارش SEC به صراحت اخراجهای گسترده را به هوش مصنوعی نسبت داده است. اوراکل با کاهش ۲۱ هزار نفر (۱۳٪ نیروی کار) و ثبت ۱.۸ میلیارد دلار هزینه بازسازی، اعلام کرد پذیرش هوش مصنوعی محرک این تغییرات است.
📊 دادههای داخلی نشان میدهد تیم ۴۷ نفره مدیریت پایگاه داده به ۳ معمار ارشد با پشتیبانی AI کاهش یافته است. این سیستم ۹۴٪ مشکلات را پیش از بحرانی شدن شناسایی میکند و کارهای مهندسی که ۶ هفته زمان میبردند، حالا تنها ۶ ساعت طول میکشند.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
💻 هزینهی ساخت دیتاسنتر در آمریکا از پروژههای زیرساختی پیشی گرفت
بر اساس گزارش بلومبرگ، هزینهی ساخت دیتاسنتر در آمریکا به ۵۰ میلیارد دلار رسیده که از مجموع هزینههای ساخت فرودگاه، بنادر و حملونقل عمومی بیشتر است. 🏗️
این روند با ۳۵۷٪ افزایش نسبت به سال ۲۰۲۲ ادامه دارد و اکنون ۲.۳٪ از کل هزینههای ساختوساز در آمریکا را به خود اختصاص داده است. 🚀
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🧠 گزارش هوشمند DataPlusScience
━━━━━━━━━━━━━━━━━━━━
🗂 شماره: #50 | بازه: ۲۴ ساعت گذشته / گزارش روزانه
📦 پستهای بررسیشده: 9
🕐 از: شنبه 1405/04/06 ساعت 14:00
🕛 تا: یکشنبه 1405/04/07 ساعت 14:00
━━━━━━━━━━━━━━━━━━━━
🤖 بنچمارکهای LLM و الگوهای استفاده
بنچمارک MirrorCode از Epoch AI و METR بررسی میکند که آیا LLMها میتوانند اپلیکیشنهای کامل را بدون دیدن سورس بازنویسی کنند. Claude Opus 4.7 با ۵۶٪ راهحل عالی در صدر قرار گرفت و تنها مدلی بود که همه تسکهای Large را حل کرد. پرهزینهترین اجرا ۱۹ روز و ۲۶۰۰ دلار وقت برد.
🔗 مشاهده پست
گزارش Cadences از Anthropic مکالمات ناشناس نزدیک به ۱۰۰۰۰ کاربر Claude را تحلیل کرده است. استفاده شخصی در آخر هفته به ۵۰٪ میرسد، درخواستهای دستور پخت حدود ساعت ۶ عصر ۲.۳ برابر میانگین میشود و سوالات مالیاتی پیش از مهلت ارسال ۸ برابر سطح عادی افزایش مییابد.
🔗 مشاهده پست
کتابخانه CuPy جایگزین drop‑in برای NumPy با پشتیبانی مستقیم GPU است. فقط کافیست import numpy as np را به import cupy as cp تغییر دهید تا همان کد تا ۱۰۰ برابر سریعتر روی CUDA و AMD ROCm اجرا شود.
🔗 مشاهده پست
ابزار codebase-memory کل ریپو را به یک گراف کامل از توابع، فایلها و وابستگیها تبدیل میکند. کرنل لینوکس با ۲۸ میلیون خط کد را تنها در ۳ دقیقه ایندکس میکند و نیاز به دستورات تکراری grep را از بین میبرد.
🔗 مشاهده پست
فرصت طلایی: دارندگان ایمیل دانشگاهی میتوانند اشتراک Pro سالانه ادیتور Zed (ارزش ۱۲۰ دلار) را با مدلهای Claude Sonnet 4.6، GPT 5.5، Gemini 3.1 Pro و دهها مدل دیگر، به همراه ۱۰ دلار کردیت API رایگان دریافت کنند.
🔗 مشاهده پست
گوگل مستند جامعی درباره عاملهای هوش مصنوعی منتشر کرده که مفاهیم معماری شناختی، ابزارها، LangChain و Vertex AI را پوشش میدهد و نمونهکدهای عملی برای استقرار در محیط تولید ارائه میکند.
🔗 مشاهده پست
BrowserBC رویکردی کارآمد برای web agents ارائه میدهد: با ضبط یک human flow با مدل قوی و تبدیل آن به مهارت قابل استفاده مجدد، سپس اجرا با مدل کوچکتر. نتیجه روی WebArena-Hard: کاهش ۲۷٪ فراخوانی ابزار و افزایش نرخ موفقیت از ۶۰٪ به ۸۱٪.
🔗 مشاهده پست
قابلیت جدید Google Flow با اتصال به Google Maps Street View: کاربر آدرسی وارد میکند، عامل هوشمند عکسهای خیابان را گرفته، صحنه را بازسازی و سپس انیمیت میکند. هر خیابانی در جهان میتواند رفرنس ویدئو باشد.
🔗 مشاهده پست
بر اساس گزارش Exponential View، صنعت هوش مصنوعی در ۱۲ ماه گذشته ۱۱۰ میلیارد دلار درآمد واقعی تولید کرده که با نرخ سالانه به ۱۷۵ میلیارد دلار میرسد. رشد درآمد ۳ برابر سریعتر از اینترنت و موبایل در مراحل مشابه است. زمان اضافه شدن هر میلیارد دلار درآمد از ۱۸۰ روز در ۲۰۲۳ به کمتر از ۲ روز کاهش یافته است.
🔗 مشاهده پست
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسیЧитать полностью…
📩 ارتباط با ما
🔬 معرفی Claude Science: محیط کاری هوش مصنوعی برای پژوهشگران
🔬 Anthropic از Claude Science رونمایی کرده؛ یک محیط کاری تخصصی برای پژوهشگران که هوش مصنوعی، برنامهنویسی و محاسبات علمی را در یک پلتفرم یکپارچه ترکیب میکند. این ابزار ترکیبی از Claude، Jupyter Notebook، Python و R، پایگاههای داده علمی و زیرساختهای HPC و GPU است.
🧬 این محیط برای علوم زیستی طراحی شده: ژنومیک، Single‑cell، پروتئومیکس، زیستشناسی ساختاری و شیمیمحاسباتی. کاربردهایی مانند طراحی آزمایشهای CRISPR، پیشبینی ساختار پروتئین و نگارش مقالات پژوهشی دارد.
📌 اگر Claude Code دستیار توسعهدهندگان است، Claude Science دستیار تخصصی پژوهشگران محسوب میشود.
🔗 اطلاعات بیشتر در Anthropic
🔗 صفحه محصول Claude Science
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسیЧитать полностью…
📩 ارتباط با ما
📘 معرفی کتاب Designing Machine Learning Systems
کتاب Designing Machine Learning Systems اثر چیپ هیون (Chip Huyen) یکی از منابع کلیدی برای مهندسان و دانشمندان داده است که به طراحی و استقرار سیستمهای ML در محیط تولید میپردازد.
🧩 این کتاب موضوعات حیاتی مثل مدیریت داده، انتخاب ویژگی، آموزش و ارزیابی مدل، خطلولههای MLOps و چالشهای عملیاتیسازی را پوشش میدهد. برای هر کسی که سراغ ML در مقیاس واقعی میرود، مطالعهاش ضروری است.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🧠 گزارش هوشمند DataPlusScience
━━━━━━━━━━━━━━━━━━━━
🗂 شماره: #52 | بازه: ۲۴ ساعت گذشته / گزارش روزانه
📦 پستهای بررسیشده: 12
🕐 از: سهشنبه 1405/04/09 ساعت 14:00
🕛 تا: چهارشنبه 1405/04/10 ساعت 14:00
━━━━━━━━━━━━━━━━━━━━
🛠️ ابزارها و ادغامهای جدید
ادغام Gamma با ChatGPT از طریق پروتکل MCP (Model Context Protocol) امکان ساخت خودکار اسلاید و ارائه را مستقیماً درون چت فراهم کرده و ویرایش نهایی را به رابط Gamma میسپارد. این ادغام سرعت تولید محتوای بصری را بدون خروج از محیط چت افزایش میدهد.
🔗 مشاهده پست
گوگل دو مدل جدید معرفی کرد: Nano Banana 2 Lite برای تصاویر سریع (۴ ثانیه، $0.034 به ازای ۱۰۰۰ تصویر) و Gemini Omni Flash برای تولید و ویرایش ویدئو ($0.10 به ازای هر ثانیه) با قابلیت ویرایش زبان طبیعی و هماهنگسازی متن با حرکت.
🔗 مشاهده پست
LongCat-2.0 مدل MoE با ۱.۶ تریلیون پارامتر و ۴۸ میلیارد پارامتر فعال است که برای agentic coding و وظایف بلندمدت (کار با ریپازیتوری، ترمینال و جستجو) با پنجره زمینه ۱ میلیون توکن طراحی شده. معماری آن شامل LongCat Sparse Attention و Zero-Compute Experts برای مدیریت مؤثر زمینه و تخصیص خبرگان به گروههای Agent, Reasoning و Interaction است.
🔗 مشاهده پست
Claude Sonnet 5 از Anthropic بهعنوان قدرتمندترین مدل عاملمحور سری Sonnet منتشر شد و کیفیت آن نزدیک به Opus 4.8 است اما با هزینه کمتر: $۲/$۱۰ (ورودی/خروجی) تا اوت ۲۰۲۶. تمرکز اصلی روی برنامهریزی، tool use و وظایف چندمرحلهای است.
🔗 مشاهده پست
KVAE-Audio از آزمایشگاه کندینسکی (Sber) یک توکنایزر صوتی متنباز با ورودی ۴۸ کیلوهرتز و فشردهسازی ۹۶۰ برابری محور زمان است. این توکنایزر با روش regularisation منحصربهفرد، تعادل میان بازسازی و تولید محتوای اصلی را حفظ کرده و آموزش مدلهای دیفیوژن را سادهتر میکند.
🔗 مشاهده پست
محققان هاروارد و MIT یک مسئله باز ریاضی از سال ۲۰۱۴ را با کمک Claude Fable 5 حل کردند. مدل یک تقارن پنهان را کشف کرد و استدلالی تولید کرد که سیستم اثبات قضایا Lean 4 آن را تأیید نمود.
🔗 مشاهده پست
بر اساس گزارش CitiBank، مدلهای چینی هر میلیون توکن را با ۱۸ سنت پردازش میکنند (میانگین مدلهای پیشرو ۴ دلار). سهم این مدلها در OpenRouter از ۳۴٪ در ژانویه به ۶۵٪ در ژوئن رسیده و باعث بازبینی قیمتگذاری OpenAI و Anthropic شده است.
🔗 مشاهده پست
OpenAI با بهینهسازی inference (اجرای مدل) هزینه استنتاج مدلها را بیش از دو برابر کاهش داده است. ترکیبی از quantization، KV caching و مسیریابی درخواستهای ساده به مدلهای ارزانتر، ChatGPT را تنها با چند صد GPU انویدیا سرویسدهی میکند.
🔗 مشاهده پست
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسیЧитать полностью…
📩 ارتباط با ما
🚀 دو ابزار جدید گوگل برای مدیای مولد
گوگل دو مدل جدید معرفی کرد: Nano Banana 2 Lite برای تصاویر سریع و Gemini Omni Flash برای ویدئو و ویرایش مکالمهای.
⚡ Nano Banana 2 Lite سریعترین و ارزانترین مدل تصویر در سری خود است؛ حدود ۴ ثانیه برای text-to-image و قیمت $0.034 به ازای ۱۰۰۰ تصویر. کیفیت پرامپتنویسی، ثبات شخصیتها و متن خوانا داخل تصویر را حفظ کرده.
🎥 Gemini Omni Flash برای تولید و ویرایش ویدئو با متن، تصویر و ویدئوی مرجع طراحی شده. قیمت آن $0.10 به ازای هر ثانیه ویدئو (مشابه Veo 3.1 Fast) است. از ویرایش زبان طبیعی، صحنههای چندوجهی و هماهنگسازی متن با حرکت پشتیبانی میکند.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🧠 اثبات فرضیه ۱۰ ساله ریاضی توسط Claude
محققان هاروارد و MIT یک مسئله باز ریاضی از سال ۲۰۱۴ را به کمک Claude Fable 5 حل کردند. آنها مسئله را به یک ادعای اثباتنشده تقلیل دادند و به مدل سپردند.
🔬 مدل موفق شد یک تقارن پنهان را کشف کند که از دید انسانها پنهان مانده بود. سپس استدلالی تولید کرد که سیستم Lean 4 (یک اثباتگر قضایا) بهطور مستقل آن را بررسی و تأیید کرد.
این دستاورد نشاندهنده قدرت مدلهای زبانی در کشف الگوهای عمیق و اثبات قضایای ریاضی است.
🔗 aitoolz.ru
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🤖 LongCat-2.0: مدل MoE ۱.۶ تریلیون پارامتری برای agentic coding
تیم LongCat از مدل کامل LongCat-2.0 رونمایی کرد که پشت سرویس Owl Alpha در OpenRouter قرار دارد. این یک مدل MoE با ۱.۶ تریلیون پارامتر و حدود ۴۸ میلیارد پارامتر فعال و پنجره زمینه ۱ میلیون توکن است. تمرکز اصلی روی agentic coding و وظایف بلندمدت (کار با ریپازیتوری، ترمینال و جستجو) است.
🧠 معماری شامل چند نوآوری کلیدی است: LongCat Sparse Attention برای مدیریت مؤثر زمینه ۱ میلیون توکن؛ Zero-Compute Experts که بین ۳۳ تا ۵۶ میلیارد پارامتر به ازای هر توکن فعال میکند بدون هدررفت محاسبات؛ و MOPD که خبرگان را به سه گروه Agent, Reasoning و Interaction تقسیم و مسیر مناسب را گیت میکند.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #DataScience
🎯 ادغام Gamma با ChatGPT از طریق MCP
ChatGPT اکنون به یک سرور MCP از Gamma مجهز شده است. Gamma یک ابزار هوش مصنوعی برای ساخت سریع اسلاید و ارائه (presentation) است که پیشتر به صورت سرویس جداگانه استفاده میشد.
🧩 با این قابلیت جدید، کاربر میتواند درون چت ChatGPT توضیح دهد چه ارائهای نیاز دارد؛ مدل از طریق پروتکل MCP (Model Context Protocol) به Gamma متصل شده و ساختار اسلایدها را به صورت خودکار تولید میکند.
⚡ سپس برای ویرایش نهایی و اعمال جزئیات بصری، میتوان به رابط کاربری خود Gamma مراجعه کرد. این ادغام تحولی در سرعت تولید محتوای بصری بدون خروج از محیط چت است.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🤖 رقابت بر سر تسلط بر هوش مصنوعی سازمانی
🔥 Anthropic با پیشرانی اخیر خود از OpenAI پیشی گرفته و به تأمینکننده برتر هوش مصنوعی پولی برای کسبوکارهای آمریکایی تبدیل شده است. این تغییر نشاندهنده جابجایی رقابت از برتری در مدلها به تسلط بر گردش کار (workflow) است.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🚀 اولین LLM بزرگ روی چیپهای چینی
شرکت Meituan از مدل LongCat 2.0 رونمایی کرد، یک LLM عظیم که روی ۵۰ هزار چیپ چینی (مشابه Huawei Ascend 910C) آموزش دیده است. این نخستینباری است که یک مدل در این مقیاس بدون GPU انویدیا یا TPU گوگل ساخته میشود.
🔬 پارامترهای کل مدل ۱.۶ تریلیون است که ۴۸ میلیارد آن فعال (Active) است. پیشآموزش روی ۳۵ تریلیون توکن انجام شده که چند صد میلیارد توکن آن دارای طول زمینه (Context) تا ۱ میلیون توکن بوده است.
🧠 بخش جالب معماری: پارامترهای غیرفعال نه تنها به لایههای MoE، بلکه به n-gram Embeddingهای غولپیکر اختصاص دارد که حدود ۱۰٪ از کل پارامترها را تشکیل میدهند (در نسخهٔ آزمایشی Flash-Lite این سهم به نصف میرسد). مقالهٔ مرتبط: arxiv.org/abs/2601.21204.
⚡ برای مدیریت این حجم از محاسبات، تیم Meituan از 6D Parallelism استفاده کرده و با تغییر الگوریتم Sparse Attention (DSA) نسخهٔ اختصاصی خود را پیادهسازی کرده است.
📊 دو ماه گذشته این مدل با نام رمز Owl Alpha روی OpenRouter در دسترس بود و عملکرد متوسطی داشت. قیمت API: $0.75/$3 به ازای هر میلیون توکن (ورودی/خروجی) — نسبت به سطح هوش مدل نسبتاً گران.
🔗 انتشار وزنها به زودی با مجوز Apache 2.0/MIT (طبق روال قبلی Meituan) انجام میشود:
HuggingFace • وبلاگ رسمی
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🤖 مایکروسافت Copilot در اکسل را به یک تحلیلگر مالی تبدیل کرد
مایکروسافت سه بهبود بزرگ برای Copilot در Excel مخصوص تیمهای مالی عرضه کرده: مهارتهای قابل استفاده مجدد، دسترسی مستقیم به دادههای مالی و شفافیت بیشتر.
🔹 مهارتها (Skills) گردشکارهای از پیشتعریفشده برای کارهای تکراری مثل ارزشگذاری شرکت، بستن پایانفصل یا گزارشدهی به هیئتمدیره هستند. Copilot دیگر هر بار از صفر شروع نمیکند؛ یک فرایند ساختاریافته را دنبال میکند. کاربران میتوانند مهارتهای داخلی را انتخاب کنند یا با فایلهای Markdown ذخیرهشده در OneDrive مهارت شخصی بسازند.
📊 Copilot حالا میتواند مستقیماً از شش منبع مالی شامل CB Insights، PitchBook، Daloopa، FactSet، Morningstar و S&P Global داده بگیرد – نیاز به کپیپیست دستی از بین میرود.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسیЧитать полностью…
📩 ارتباط با ما
🤖 API رایگان DeepSeek V4 Flash از OpenModel
سرویس OpenModel مدل قدرتمند DeepSeek V4 Flash را از طریق API بهصورت رایگان در اختیار کاربران قرار داده است. 🚀
برای استفاده به وبسایت مراجعه کنید: OpenModel.ai
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
📊 ۱۵ کتابخانه ضروری پایتون برای شروع علم داده
🔹 NumPy — عملیات عددی و کار با آرایهها
🔹 Pandas — دستکاری داده با DataFrame و Series
🔹 Matplotlib — رسم نمودارهای دوبعدی
🔹 Seaborn — مصورسازی آماری روی Matplotlib
🔹 Scikit-learn — یادگیری ماشین (طبقهبندی، رگرسیون، خوشهبندی)
🔹 TensorFlow — فریمورک متنباز یادگیری ماشین
🔹 PyTorch — کتابخانه یادگیری عمیق (محبوب تحقیق شبکههای عصبی)
🔹 SciPy — محاسبات علمی و فنی
🔹 Statsmodels — مدلسازی آماری و اقتصادسنجی
🔹 NLTK — پردازش زبان طبیعی (متن)
🔹 Gensim — مدلسازی موضوعی و تشابه اسناد
🔹 Keras — API سطح بالای شبکه عصبی روی TensorFlow
🔹 Plotly — نمودارهای تعاملی
🔹 Beautiful Soup — وباسکرپینگ (استخراج داده از HTML/XML)
🔹 OpenCV — بینایی کامپیوتر
📚 دورههای رایگان عالی هم در دسترس است:
🔹 Python Tutorial
🔹 Data Science Course (Kaggle)
🔹 Machine Learning Crash Course (Google)
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسیЧитать полностью…
📩 ارتباط با ما
🤖 کلود ربات سگمانند را ۳۷ برابر سریعتر از انسان هدایت کرد
آنتروپیک مدل Claude Opus 4.7 را روی یک ربات چهارپا (کوادروپد) آزمایش کرد و وظایف فنی را به آن سپرد که قبلاً تیمهای انسانی انجام میدادند: اتصال به دوربین و حسگرها، نوشتن نرمافزار کنترل و راهاندازی تشخیص اشیا.
⚡ در چهار وظیفهای که هم توسط انسان و هم توسط کلود انجام شد، کلود در فقط ۹ دقیقه و ۳۵ ثانیه کار را تمام کرد. یک تیم با کمک کلود ۱۸۱ دقیقه زمان برد، و تیمی بدون هوش مصنوعی ۳۶۱ دقیقه. یعنی کلود ۳۷ برابر سریعتر از انسانهای بدون AI و نزدیک به ۱۹ برابر سریعتر از انسانهایی که از AI استفاده میکنند.
🧠 کلود همچنین در این آزمایش ده برابر کد کمتری نسبت به تیم کمکگرفته از کلود در آزمایش قبلی نوشت، و بیشتر کدهایش در اولین تلاش کار کرد.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسیЧитать полностью…
📩 ارتباط با ما
🎁 ۵۰۰ دلار اعتبار API رایگان برای مدلهای پیشرفته
یک سرویس API هوش مصنوعی با ارائه ۵۰۰ دلار اعتبار هدیه، دسترسی به مدلهای متنوعی مثل Claude Opus 4.8، GPT‑5، Gemini 3 Pro، Grok 4، Llama 4، DeepSeek V3.2، Qwen3 Max و دهها مدل دیگر را فراهم کرده است.
📌 ثبتنام از طریق ربات تلگرام انجام میشود: ابتدا استارت بزنید، در کانال عضو شوید و سپس تأیید عضویت دهید. در صورت خطا، دوباره تلاش کنید.
🌐 پس از ورود به داشبورد، تمام مدلها قابل مشاهده هستند و میتوانید API Key اختصاصی برای هر مدل بسازید. مدل Claude Opus 4.8 تست شده و خوب کار میکند.
⚠️ هشدار مهم: این سرویس غیررسمی است. ممکن است از دادهها برای آموزش استفاده شود. اگر پروژهای با ارزش بالا دارید، با احتیاط استفاده کنید. همچنین برای کارهای ساده از مدلهای ضعیفتر برای حفظ اعتبار استفاده کنید.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
📊 اقتصاد هوش مصنوعی؛ ۱۱۰ میلیارد دلار درآمد واقعی
بر اساس گزارش Exponential View، صنعت هوش مصنوعی در ۱۲ ماه گذشته ۱۱۰ میلیارد دلار درآمد واقعی (بدون احتساب زنجیره تأمین) تولید کرده است. نرخ سالانه این درآمد به ۱۷۵ میلیارد دلار (بهجز چین، بهرهوری داخلی و مشاوره) رسیده است.
🚀 رشد درآمد هوش مصنوعی حدود ۳ برابر سریعتر از اینترنت و موبایل در مراحل مشابه است. سرعت شکلگیری درآمد نیز به شدت افزایش یافته: در ۲۰۲۳ هر میلیارد دلار اضافی ۱۸۰ روز زمان میبرد، امروز کمتر از ۲ روز.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما