موضوع
Models that natively process text+image+audio+video
۱٬۴۲۰ مقاله منتشر شده
آمازون دستیار هوشمند Alexa+ را با قابلیت‌های هوش مصنوعی زاینده و پشتیبانی دوزبانه (هندی-انگلیسی) در هند روانه بازار کرد. این سرویس با ادغام عمیق در اپلیکیشن‌های محلی تحویل غذا و…
توسعهٔ هوش مصنوعی از ادغام سادهٔ چت‌بات‌ها به سمت ساخت سامانه‌های عامل‌محور و پشته‌های مدل تخصصی حرکت کرده است. اولویت برنامه‌نویسان اکنون از پرامپت‌نویسی کلی به سمت قابلیت…
گوگل با معرفی Gemini 3.8 Live، قیمت سرویس‌های صوتی خود را به شدت کاهش داد تا سهم بازار عامل‌های صوتی را تصاحب کند. در حالی که گوگل در هزینه و بنچمارک‌ها پیشتاست، OpenAI همچنان در…
اوپن‌ای‌آی با معرفی GPT-Image-2.5 سیستم قیمت‌گذاری را از مدل ثابت به توکن تغییر داد. اکنون توسعه‌دهندگان باید به‌جای هزینه هر درخواست، «هزینه هر دارایی پذیرفته‌شده» را محاسبه کنند…
متا با عرضه سرویس Meta One، ابزارهای هوش مصنوعی خود را در فیس‌بوک، اینستاگرام و واتس‌اپ پولی کرد. داده‌های اولیه نشان‌دهنده جهش خیره‌کننده درآمد این پلتفرم‌ها برای جبران هزینه‌های…
تیلی نوروود، بازیگر دیجیتالی شرکت Particle 6، در مواجهه با پرسش‌های خبرنگاران دچار توهم شد و نتوانست جزئیات ساده‌ای از فیلم خود را بیان کند. این مدل در تحلیل مسائل ژئوپلیتیک…
گوگل از مدل‌های Gemini 3.8 Live و Extended Thinking رونمایی کرد که برای استدلال چندمرحله‌ای و تعاملات صوتی بلادرنگ طراحی شده‌اند. این مدل‌ها با ادغام در اکوسیستم Workspace و API…
متا با معرفی Meta One، قابلیت‌های پیشرفته هوش مصنوعی و ابزارهای حرفه‌ای را در قالب اشتراک‌های ماهانه از ۲.۹۹ تا ۴۹۹ دلار در اینستاگرام، فیس‌بوک و واتس‌اپ عرضه کرد. این اولین تلاش…
ابزار Cartesian با تبدیل طرح‌های دستی و متن به هندسه‌های دقیق سه‌بعدی، نیاز به لایسنس‌های گران‌قیمت CAD در مراحل اولیه طراحی را حذف می‌کند. این سیستم مستقیماً با نرم‌افزارهای…
یک نقص امنیتی در مدیریت حافظه (heap-buffer-overflow) در کتابخانه llama.cpp باعث می‌شود مدل‌هایی مانند Qwen2.5-VL داده‌های خارج از محدوده تخصیص‌شده را بخوانند. این باگ منجر به…
پلتفرم AI Photo Editor با بهره‌گیری از مدل‌های Nano Banana و GPT Image 2، ابزارهای پیچیده دستی را با دستورات متنی جایگزین کرده است. این سیستم اجازه می‌دهد کاربران بدون دانش طراحی،…
هوش مصنوعی با تلفیق پردازش زبان طبیعی و بینایی ماشین، منوهای رستوران را به پایگاه‌داده‌های تغذیه‌ای تبدیل می‌کند. این فناوری به کاربران اجازه می‌دهد بر اساس نیازهای پزشکی یا اهداف…