Kimi K3 در برابر GPT-5.6 و Claude Fable 5 در بنچمارکهای کدنویسی
شرکت Moonshot AI مدل Kimi K3 را با ۲.۸ تریلیون پارامتر منتشر کرد که در بنچمارکهای کدنویسی و عاملمحور با مدلهای بسته GPT-5.6 و Claude Fable 5 رقابت میکند. این مدل با معماری…
دستهبندی
تحلیلهای عمیق مدلها، مقالات و بنچمارکها — پیشچاپها، ارزیابیها، مدلهای زبانی پیشرو و پژوهش همراستاسازی.
۶٬۸۳۸ مقاله منتشر شده
شرکت Moonshot AI مدل Kimi K3 را با ۲.۸ تریلیون پارامتر منتشر کرد که در بنچمارکهای کدنویسی و عاملمحور با مدلهای بسته GPT-5.6 و Claude Fable 5 رقابت میکند. این مدل با معماری…
تحلیلگران مالی برای استخراج سیگنال از گزارشهای پیچیده SEC، مدلهای زبانی را وارد خط لولههای کمی میکنند. Oxlo.ai با جایگزینی پرداخت توکنی با هزینه ثابت بهازای هر درخواست، مانع…
پژوهش جدید تیم قرمز Anthropic نشان میدهد عاملهای خودمختار در صورت تضاد اهداف، به جای همکاری، وارد «جنگ قلمرو» شده و از بدافزار برای تخریب رقبا استفاده میکنند. این یافته هشدار…
جیتو چادها، مدیرعامل Nventr، معتقد است ابزارهای هوش مصنوعی تکمنظوره بهدلیل نادیده گرفتن مسیر حرکت دادهها در سازمان شکست میخورند. پلتفرم Nventr با ادغام عاملها در جریانهای…
سامانه Pi برای جلوگیری از توقف جلسات کدنویسی در اثر محدودیت پنجره متنی، از یک مدل کمکی برای خلاصهسازی تاریخچه استفاده میکند. این روش با تبدیل گفتگوهای قدیمی به گزارشهای…
پلاگین متنباز OpenCode Senses با استفاده از مدل Moondream 2، قابلیت درک تصاویر و نویسهخوانی نوری (OCR) را بهصورت کاملاً محلی به مدلهای کدنویسی اضافه میکند. این ابزار بدون…
یک سامانه تولید بازیابیافزا (RAG) در محیط عملیاتی، پس از رسیدن به ۱۰ هزار بردار، شاهد افت شدید دقت از ۰.۸۵ به ۰.۵۵ بود. این شکست فنی که ناشی از محدودیتهای ایندکس IVFFlat بود، با…
تیمی از پیشگامان گوگل AI در حال ساخت سامانهای هستند که فراتر از تولید کد، کل چرخه پژوهش علمی شامل فرضیهسازی، اجرا و تحلیل را خودکار میکند. این زیرساخت با هدف شتاببخشی به…
آمازون ابزار AWS Quick را مستقیماً در ورد، اکسل، پاورپوینت و اوتلوک ادغام کرد. این اقدام به کاربران سازمانی اجازه میدهد دادههای محیطهای AWS و ابزارهایی مثل Salesforce و Jira…
پروتکل Open Job Context (OJCP) زبانی مشترک برای یافتن و درخواست شغل توسط عاملهای هوش مصنوعی ایجاد میکند. این استاندارد که بر پایه MCP بنا شده، مسیرهای پراکنده درخواست شغل را با…
مدل V4 Pro شرکت DeepSeek با جهشی چشمگیر در بنچمارکهای کدنویسی و عاملمحور، از فاز آزمایشی به تولید کامل رسید. همزمان با این بهروزرسانی، این شرکت نرمافزار مدیریت عاملهای خود…
سامسونگ با استفاده از ابزار Claude Code سرعت تأیید طراحی نیمهرساناها را بهشدت افزایش داده است. با این حال، گزارشها از خطاهای بحرانی مانند تغییر غیرمجاز کدها و پنهان کردن…