هر چیزی که در داتهوش منتشر شده، به ترتیب زمان. تازههای کمتر از یک ساعت با نشانک زنده مشخص شدهاند.

شرکت StepFun AI با معرفی مدل Step-Video-T2V، استانداردهای تولید ویدیوهای بازمتن را جابهجا کرد. این مدل ۳۰ میلیارد پارامتری با کیفیت سینمایی خیرهکننده میآید، اما به سختافزاری بسیار قدرتمند نیاز دارد.

استارتاپ Thinking Machines Lab با جذب چهرههای کلیدی متا، از جمله خالق PyTorch، توازن قدرت در سیلیکونولی را تغییر داد. این شرکت با ارزشگذاری ۱۲ میلیارد دلاری و قراردادی کلان با گوگل، اکنون به یکی از خطرناکترین رقبای غولهای فناوری تبدیل شده است.

شرکت Cohere با تصاحب Aleph Alpha، ائتلافی ۲۰ میلیارد دلاری برای ایجاد جایگزینی حاکمیتی در برابر غولهای آمریکایی ایجاد کرد. این ادغام نشان میدهد که برای مدلسازان خارج از آمریکا، «تثبیت و ادغام» تنها راه بقا در برابر تکسراهای فناوری است.

مطالعهی جدید فدرال رزرو نشان میدهد رشد مشاغل برنامهنویسی در آمریکا پس از عرضه ChatGPT به شدت کاهش یافته است. این روند منجر به حذف ۵۰۰ هزار موقعیت شغلی احتمالی شده و بهویژه شرکتهای پیمانکاری IT را هدف قرار داده است.

یک توسعهدهنده با بهکارگیری چهار عامل مستقل، سایت مستندات getwololo.dev را بهطور کامل بازسازی کرد. این عاملها بدون نظارت انسانی، وظایف را تقسیم کرده و اشتباهات یکدیگر را اصلاح کردند.

دکتر رالف دبوسمن لایسنس HSL v0.2 را معرفی کرد تا مانع از استخراج رایگان کدهای انسانی توسط شرکتهای بزرگ AI شود. این لایسنس استفاده رایگان برای افراد را حفظ میکند اما برای شرکتهای بالای ۱۰۰ میلیون دلار درآمد، پرداخت هزینه را اجباری میکند.

یک بانکدار سرمایهگذاری در منطقه خلیج سانفرانسیسکو، ویلای مجلل خود را در ازای سهام شرکت Anthropic به فروش گذاشته است. این اقدام نشان میدهد که سهام شرکتهای پیشرو در حوزه AI اکنون به یک ارز موازی برای معاملات کلان در دنیای واقعی تبدیل شدهاند.

یک توسعهدهنده مشاهده کرد که ربات انگلیسی او ناگهان به زبان چینی پاسخ میدهد، که نشاندهنده ریسک «لغزش زبانی» در مدلهای اقتصادی است. این اتفاق ثابت میکند که توزیع دادههای آموزشی میتواند بر دستورات سیستم غلبه کند و خروجیهای غیرمنتظره ایجاد کند.

جایگزینی مهندسان تازهکار با عاملهای هوشمند ممکن است در کوتاهمدت سودآور باشد، اما در بلندمدت باعث ایجاد بحران جانشینی و افزایش قدرت چانهزنی مهندسان ارشد میشود. شرکتهایی که امروز سرمایهگذاری در نیروی انسانی را متوقف کنند، تا سال ۲۰۳۰ با یک خلاء مهارتی جبرانناپذیر روبرو خواهند شد.

یک راهنمای جامع در dev.to نقشه راهی برای ساخت عاملهای خودکار با هزینه صفر را منتشر کرده است. این استراتژی به توسعهدهندگان اجازه میدهد با استفاده از لایههای رایگان ابزارهای ابری، درآمد ماهانه خود را تا ۱۰ هزار دلار افزایش دهند.

تحلیل فنی OpenClaw فاش کرد که این چارچوب محبوب، نه بر پایه جادوی هوش مصنوعی، بلکه بر اساس الگوهای قدیمی نرمافزاری مانند کرونجابها و فایلهای Markdown بنا شده است. این کشف نشان میدهد عاملهای فعال با ابزارهای موجود قابل ساخت هستند، اما حفرههای امنیتی جدی در مدیریت اعتبارنامهها وجود دارد.

آنتروپیک در آزمایش «پروژه دیل» ثابت کرد که عاملهای هوشمند میتوانند انسانها را در مذاکرات تجاری شکست دهند. این نتایج نشان میدهد مدلهای قدرتمندتر قیمتهای بهتری میگیرند، در حالی که خریدار هیچ متوجه این عدم توازن نمیشود.

پلتفرم PageIndex با حذف کامل بردارهای معنایی و جایگزینی آنها با ساختار درختی و استدلال مدلهای زبانی، بازیابی دادهها را دگرگون کرده است. این روش ادعا میکند در تحلیل اسناد پیچیده، دقتی بسیار بالاتر از سیستمهای RAG سنتی دارد.

تیم Unsloth با ارائه نسخههای بهینهشدهی DeepSeek-R1، مدل ۶۷۱ میلیارد پارامتری را برای سختافزارهای مصرفکننده در دسترس قرار داد. این دستاورد به لطف تکنیک کوانتایزیشن ۱.۵۸ بیتی، استنتاج محلی را بدون افت شدید دقت ممکن میکند.

مایکروسافت مدل WHAM را معرفی کرد؛ یک مدل دنیای زاینده که میتواند بصریات بازی و اقدامات بازیکن را پیشبینی کند. این مدل با انتشار وزنهای باز در Hugging Face، مسیر جدیدی برای شبیهسازی محیطهای تعاملی پیچیده میگشاید.

مدل Kokoro با تنها ۸۲ میلیون پارامتر، کیفیت صدای رقبای بزرگتر را با هزینهای کمتر از ۱ دلار برای هر میلیون نویسه به دست آورده است. این مدل با لایسنس آپاچی منتشر شده و مسیر جدیدی برای استقرار ارزانقیمت و باکیفیت صداهای مصنوعی باز میکند.

مؤسسه Allen AI مدل olmOCR را برای استخراج ساختاریافتهی متن از تصاویر اسناد معرفی کرد. این مدل با وزنهای باز، جایگزینی قدرتمند و محلی برای سرویسهای تجاری OCR است که پردازش انبوه اسناد را متحول میکند.

مایکروسافت با معرفی Phi-4-multimodal-instruct، مدلهای غولآسای صوتی را به چالش کشید. این مدل ۵.۶ میلیارد پارامتری با ترکیب متن، تصویر و صوت در یک شبکه واحد، رکورد جدیدی در دقت تبدیل گفتار به متن ثبت کرده است.

تیم Wan در ۲۲ فوریه ۲۰۲۵ مدلهای Wan2.1 را منتشر کرد که ادعای برتری نسبت به رقبای بسته را دارد. این مجموعه شامل یک مدل پرچمدار ۱۴ میلیارد پارامتری و یک مدل سبک ۱.۳ میلیارد پارامتری است که روی سختافزارهای معمولی اجرا میشود.

برای اولین بار، یک هوش مصنوعی مسیر حرکت یک کاوشگر مریخی را طراحی کرد. این اقدام باعث کاهش ۵۰ درصدی حجم کاری مهندسان ناسا شده و مسیر را برای ماموریتهای خودگردان آینده هموار میکند.

نسخه جدید Jaeger با بازطراحی کامل بر پایه OpenTelemetry، امکان ردیابی دقیق فراخوانهای مدلهای زبانی و زنجیرههای استدلالی را فراهم کرده است. این ابزار اکنون به مهندسان اجازه میدهد تا عاملهای پیچیده هوش مصنوعی را مانند یک سیستم توزیعشده استاندارد دیباگ کنند.
![پایان سلطه مدلهای بسته: FLUX.1 [dev] بازی را عوض میکند](/_next/image?url=https%3A%2F%2Fwww.dothoosh.com%2Fmedia%2Fdff013ee-16cd-56f4-8783-fe49fdf34157-flux-1-dev-distills-state-of-the-art-image-generation-into-open-weights-e8164f94.webp&w=1920&q=75)
شرکت **Black Forest Labs** مدل **FLUX.1 [dev]** را با ۱۲ میلیارد پارامتر و وزنهای باز عرضه کرد. این مدل در کیفیت و درک پرامپتها با رقبای تجاری برابری میکند، هرچند مجوز آن استفاده تجاری را ممنوع کرده است.

شرکت OpenAI در راهنمای جدید خود اعلام کرد که توسعهدهندگان باید پرامپتهای قدیمی را کنار بگذارند. در GPT-5.5، دستورات مفصل و فرآیندمحور باعث کاهش کیفیت پاسخها میشوند و رویکرد مینیمالیستی جایگزین شده است.

پژوهش تازه نشان میدهد اضافه کردن ماژولهای خودنظارتی بهعنوان قطعات جانبی، هیچ بهبودی ایجاد نمیکند. اما یکپارچهسازی ساختاری این ماژولها در مسیر تصمیمگیری، نتایج قابلتوجهی به همراه دارد.

گوگل اپلیکیشن بومی **جمینای** (Gemini) را برای رایانههای مک منتشر کرد. کاربران با میانبر Option + Space از هر نقطهای در سیستم به دستیار هوش مصنوعی دسترسی دارند. این حرکت گوگل را در کنار رقبایی قرار میدهد که ماههاست اپلیکیشن مک دارند.

تیمی از پژوهشگران روش **پرامپتاکو** (PromptEcho) را معرفی کردهاند که سیگنالهای پاداش را مستقیماً از مدلهای یخزده بینایی-زبان استخراج میکند. این رویکرد بدون نیاز به حاشیهنویسی انسانی، بهبود ۲۶٫۸ درصدی در معیار دقیق تناسب تصویر-متن نشان داده است.

محققان چارچوب دومرحلهای **مورفدیستیل** را معرفی کردند که دانش ده مدل بنیادی آسیبشناسی را در یک کدگذار اختصاصی سرطان روده بزرگ ترکیب میکند. این روش با رسیدن به بهبود نسبی ۸ درصدی در پیشبینی بقای پنجساله، عملکرد قابلتوجهی از خود نشان داد. اعتبارسنجی بر روی مجموعه داده TCGA نیز تعمیمپذیری قوی این رویکرد را تأیید کرد.

گوگل مدلهای **لیریا ۳** (Lyria 3) را برای توسعهدهندگان عرضه کرد. این خانواده دو نسخه دارد: نسخه Pro برای آهنگهای تا سه دقیقه و نسخه Clip برای کلیپهای ۳۰ ثانیهای. سیستم از ورودی تصویر و متن پشتیبانی میکند و تمام آثار خروجی واترمارک SynthID دارند.

چارچوب جدید هوش مصنوعی INFORM-CT با ترکیب مدلهای زبانی بزرگ و مدلهای بینایی-زبانی، شناسایی و گزارشدهی یافتههای جانبی در سیتی اسکن شکمی را خودکار میکند. این سیستم با رویکرد «برنامهریزی و اجرا» عمل میکند و نسبت به روشهای سنتی، دقت و سرعت بالاتری دارد.

پژوهشگران چارچوب **OptBias** را معرفی کردند. این روش با تولید وظایف مصنوعی از **فرایند گاوسی** (Gaussian process) و یادگیری سوگیری بهینهسازی قابلاستفاده مجدد، حتی با دادههای اندک آزمایشگاهی عملکرد چشمگیری دارد. نتایج نشان میدهد این رویکرد در مقایسه با روشهای پیشین در هر دو حوزه پیوسته و گسسته برتری دارد.