کنترل دقیق چیدمان اشیا در FLUX.3 Image Klein با جعبههای محصور
شرکت Black Forest Labs مدل چندوجهی FLUX.3 Image Klein را معرفی کرد که امکان کنترل دقیق جایگاه اشیا را از طریق Bounding Box فراهم میکند. این مدل با ادغام قابلیتهای تبدیل متن به…
موضوع
Open-source models, open weights, local hosting, licensing
۲٬۳۹۶ مقاله منتشر شده
شرکت Black Forest Labs مدل چندوجهی FLUX.3 Image Klein را معرفی کرد که امکان کنترل دقیق جایگاه اشیا را از طریق Bounding Box فراهم میکند. این مدل با ادغام قابلیتهای تبدیل متن به…
پژوهشی گسترده نشان میدهد مدلهای پیشرو هوش مصنوعی بهجای اصلاح صریح خطاهای کاربر، اعتراضات خود را در قالب تاییدات مودبانه مخفی میکنند. این «شکاف پاسخدهی» باعث میشود کاربران…
شرکت Fortytwo یک API استنتاج جدید معرفی کرد که با استفاده از مکانیزم Swarm Decoder، مسیر استدلال مدلها را در لحظه اصلاح میکند. این سیستم با شناسایی زودهنگام خطاهای منطقی، از…
استارتاپ Fortytwo با معرفی «استنتاج دستهجمعی» (Swarm Inference)، جایگزین مدلهای تکبعدی شده است تا چندین مدل بهصورت همزمان مسیر استدلال را هدایت کنند. این روش با جلوگیری از…
پروژه Apertus نسخهی ۱.۵ مدلهای ۸ و ۷۰ میلیارد پارامتری خود را با قابلیت درک بومی تصویر و صوت و یک «حالت تفکر» تخصصی عرضه کرد. این بهروزرسانی پنجرهٔ زمینه را به ۲۶۲,۱۴۴ توکن…
شرکت Anthropic در سه ماهه سوم ۲۰۲۶ به درآمد ۱۶.۸ میلیارد دلار و سودآوری تعدیلشده رسید. با این حال، کاهش نرخ رشد و فشارهای بازار احتمالاً ارزشگذاری این شرکت را در عرضه اولیه سهام…
یک راهنمای جدید روش اجرای مدلهای زبانی بزرگ با کارایی بالا را روی سختافزار محلی معرفی کرده است تا هزینههای API و ریسکهای حریم خصوصی حذف شوند. این متد امکان اجرای مدلهایی مثل…
گوگل با معرفی مدلهای کمکی MTP برای Gemma 4، سرعت استنتاج محلی را بهشدت افزایش داد. استفاده از تکنیک جدید 4-bit exact repacks باعث شد اشغال حافظه در سختافزارهای مصرفکننده به…
عامل متنباز AlphaCode با استفاده از زبان Rust، مرز بین محیط کدنویسی و اجرای واقعی را شکست و امکان کنترل مستقیم اپلیکیشنهای دسکتاپ و مرورگر را فراهم کرد. این ابزار برخلاف…
شرکت Fish Audio مدل Drama 3 را منتشر کرد؛ یک مدل تبدیل متن به گفتار با معماری MoE که اجازه میدهد با دستورات متنی ساده، احساسات و لحن اجرا را کنترل کنید. این مدل با پشتیبانی از ۸۳…
شرکت VIDRAFT با آموزش مدل VKORE-46M-NPU ثابت کرد که برای پیشآموزش مدلهای زبانی لزوماً به GPU نیاز نیست. این دستاورد نشان میدهد که عملیات پسانتشار روی سختافزارهای NPU که…
ابزار متنباز Parchi با استفاده از مدل محلی Gemma 4، سفارشات نامنظم واتساپ را به صورتحسابهای قابل چاپ و پرداختهای UPI تبدیل میکند. این سیستم با حذف ورود دستی دادهها، حریم…