چندوجهی

متا مدل‌های Muse Image و Muse Video را معرفی کرد که از رویکرد «عامل‌محور» برای تأیید صحت داده‌ها در تصاویر استفاده می‌کنند. در حالی که Muse Image در بنچمارک‌ها رتبه بالایی دارد،…

پروژه متن‌باز Timeline Studio با بهره‌گیری از WebGPU، استنتاج مدل‌های هوش مصنوعی را مستقیماً در مرورگر کاربر اجرا می‌کند. این ابزار نیاز به آپلود فایل‌ها در سرورهای ابری را حذف…

گوگل کلود یک عامل حافظه «همیشه روشن» معرفی کرد که به جای پایگاه‌داده‌های برداری، از یک فرآیند مستمر تجمیع اطلاعات توسط مدل Gemini 3.1 Flash-Lite استفاده می‌کند. این سامانه داده‌ها…

پژوهش‌های جامعه AGI Arrival نشان می‌دهد مدل وزن‌باز Kimi K3 در کدنویسی پیچیده و ممیزان امنیتی از GPT-5.6 و Claude Fable 5 پیشی گرفته است. با این حال، سخت‌افزار سنگین و فقدان…

مونگو‌دی‌بی یک معماری مرجع برای ساخت عامل‌های هوش مصنوعی منتشر کرد که برخلاف چت‌بات‌های ساده، دارای حافظه عملیاتی و بلندمدت هستند. این سیستم با استفاده از Voyage AI و LangGraph،…

پروژه متن‌باز Wardrobe با استفاده از مدل‌های بینایی-زبانی GPT، فرآیند فهرست‌بندی لباس‌ها را از tagging دستی به شناسایی خودکار تبدیل کرده است. این ابزار در کنار تسهیل مدیریت پوشاک،…

کتابخانه NeMo Automodel با ادغام در Diffusers، امکان تنظیم دقیق مدل‌های عظیم تصویر و ویدیو را بدون نیاز به تبدیل فرمت وزن‌ها فراهم کرد. این ابزار آموزش توزیع‌شده در مقیاس صنعتی را…

آزمایشگاه چینی Moonshot AI مدل Kimi K3 را با ۲.۸ تریلیون پارامتر معرفی کرد که در کدنویسی و کارهای پیچیده از رقبای آمریکایی پیشی می‌گیرد. این مدل با قیمت‌گذاری جدید، گران‌ترین…

اپل با انتشار بتای عمومی iOS 27، سیری را از یک فرمان‌پذیر صوتی ساده به دستیاری تبدیل کرد که بستر و زمینه کاربر را می‌فهمد. این به‌روزرسانی به‌جای تمرکز بر نمایش‌های زرق‌وبرق…

نتفلیکس در سال ۲۰۲۶ هوش مصنوعی زاینده را در حدود ۳۰۰ تولید خود ادغام کرده است. این شرکت عمدتاً روی بهینه‌سازی مراحل پس‌تولید تمرکز کرده و بدون کاهش بودجه کلی محتوا، به صرفه‌جویی…

پلتفرم Stylic AI با جایگزینی مدل‌های انسانی و استودیوهای گران‌قیمت با تصاویر ساخته‌شده توسط هوش مصنوعی، زمان عرضه محصولات مد را از هفته‌ها به چند ساعت رسانده است. این فناوری هزینه…

دانشگاه ایلینوی (UIUC) یک دستیار آموزشی متن‌باز برای مهندسی برق طراحی کرده است که با اجرای موازی ۱۱ مدل مختلف، پاسخ‌های پیچیده چندرسانه‌ای را در ۲ ثانیه تولید می‌کند. این سیستم با…