پرش به محتوای اصلی

موضوع

چندوجهی

Models that natively process text+image+audio+video

۱٬۶۶۴ مقاله منتشر شده

آموزش کاربردی

خوانش اجباری فایل‌ها چگونه خطاهای مدل‌های برنامه‌نویس را برطرف می‌کند؟

آنتروپیک با معرفی ابزار Read در Claude Code، یک کانال اجباری برای ادراک محیطی ایجاد کرده است که هرگونه ویرایش کد را مشروط به خواندن واقعی فایل می‌کند. این سازوکار با حذف…

۱۲ دقیقه خواندن۱
اخبار کوتاه روزانهگزارش تأییدنشده

ایرپادهای جدید اپل با دوربین داخلی و قابلیت هوش بصری

لو رفتن یک ویدیو در بتای macOS Tahoe نشان می‌دهد اپل در حال توسعه ایرپادهایی با دوربین داخلی است. این گجت‌ها با استفاده از «هوش بصری»، به سیری اجازه می‌دهند محیط اطراف کاربر را…

۲ دقیقه خواندن۲

«تعادل قدرت و هزینه»؛ ویژگی کلیدی مدل میان‌مقیاس علی‌بابا

مدل جدید و وزن‌باز Qwen 3.8 27B از علی‌بابا، با کسب بالاترین امتیاز هوشمندی در میان ۱۳۵ مدل هم‌اندازه، سقف جدیدی برای کارایی مدل‌های میان‌مقیاس تعریف کرد. این مدل با پنجره متنی…

۶ دقیقه خواندن

تأییدیه رمزنگاری در برابر تحلیل پیکسل برای شناسایی ویدیوهای جعلی

نسل جدید مدل‌های تولید ویدیو با حذف نقص‌های بصری، ابزارهای سنتی تشخیص جعل عمیق را ناکارآمد کرده‌اند. این تغییر، مهندسان امنیت را مجبور می‌کند تا از تحلیل پیکسل‌ها به سمت تأییدیه…

۳ دقیقه خواندن۳
آموزش کاربردی

قابلیت Non-Blocking در Gemini Live API سکوت‌های آزاردهندهٔ عامل‌های صوتی را حذف

گوگل با معرفی فراخوانی توابع به‌صورت ناهمگام در Gemini Live API، اجازه می‌دهد عامل‌های صوتی هنگام اجرای ابزارهای پس‌زمینه به صحبت ادامه دهند. این به‌روزرسانی تأخیرهای API را…

۷ دقیقه خواندن

پلتفرم Speko هزینه‌ی تغییر مدل‌های صوتی را با مسیریابی پویا حذف کرد

استارتاپ Speko با معرفی یک API مسیریاب، امکان انتخاب لحظه‌ای بهترین ترکیب مدل‌های تبدیل گفتار به متن، مدل زبانی و تبدیل متن به گفتار را فراهم کرد. این ابزار مشکل «قفل‌شدگی مدل» را…

۳ دقیقه خواندن۲