چندوجهی

گوگل قابلیت ثبت خودکار جلسات را از تماس‌های مجازی به محیط‌های فیزیکی گسترش داد. این ویژگی با استفاده از Gemini، خلاصه‌های ساختاریافته و متن کامل گفتگوها را مستقیماً در گوگل داکس…

علی‌بابا با انتشار سری Qwen3.8، مدل‌های چندوجهی بسیار کارآمد ۲۷ میلیاردی و یک نسخه غول‌پیکر ۲.۴ تریلیون پارامتری را در دسترس قرار داد. این مدل‌ها با مجوز Apache 2.0 منتشر شده‌اند…

یک گردش‌کار جدید بر پایه «قراردادهای شات» با جایگزینی پرامپت‌های مبهم، اتلاف منابع در تولید ویدیوهای هوش مصنوعی را کاهش می‌دهد. این متد با ایزوله کردن خطاها در کوچک‌ترین واحد…

گوگل به کاربران اجازه می‌دهد نشان‌های بصری (Watermarks) را از تصاویر، ویدیوها و آهنگ‌های تولیدشده توسط هوش مصنوعی حذف کنند. با این حال، شفافیت از طریق نشان‌های نامرئی SynthID و…

یک مؤسس بازارچه مد متوجه شد که میانگین‌گیری از بردارهای معنایی تصاویر، دقت تطابق دقیق را از بین می‌برد. با تغییر استراتژی به استفاده از بردارهای هر نما (Per-view) و سیستم…

گوگل مدل Gemini 3.7 Flash را با تمرکز بر مهندسی نرم‌افزار و اتوماسیون اسناد معرفی کرد. این مدل با قیمتی بسیار رقابتی، هزینه‌های استقرار عامل‌های هوش مصنوعی را برای استارتاپ‌ها به…

یک چارچوب فنی جدید برای استارتاپ‌های آموزشی، اولویت را از قیمت‌های ظاهری به دقت تبدیل متن و تأخیر کاهش داده است تا از خطاهای هزینه‌بر در مسیریابی تیکت‌ها جلوگیری شود. این رویکرد…

تولید تصاویر صنعتی نیازمند سیستمی ساختاریافته است، نه تکیه بر شانس در پرامپت‌نویسی. API جدید GPT Image 2 با ارائه چارچوبی برای تثبیت ترکیب‌بندی و رندر متن، امکان تبدیل خروجی‌های…

استودیوی Inithouse با تحلیل ۱۰ هزار کاربر ابزار Živá Fotka دریافت که ادغام رنگ‌آمیزی تصاویر قدیمی با متحرک‌سازی، نرخ تکمیل عملیات را به‌شدت افزایش می‌دهد. این داده‌ها نشان می‌دهد…

پلتفرم Suno با معرفی Studio 2.0 به یک ایستگاه کاری صوتی دیجیتال (DAW) تبدیل شد که اجازه می‌دهد کاربران از طریق چت، پلاگین‌های سفارشی بسازند و فایل‌های MIDI وارد کنند. این…

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…

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…