
سامانه Spark گوگل Gemini Live را از یک چتبات به عامل اجرایی تبدیل کرد
گوگل با معرفی سامانه Spark، قابلیتهای Gemini Live را فراتر از گفتگو برد تا بتواند وظایف چندمرحلهای و طولانیمدت را در اکوسیستم Workspace اجرا کند. این بهروزرسانی اجازه میدهد…
موضوع
Models that natively process text+image+audio+video
۱٬۳۵۶ مقاله منتشر شده

گوگل با معرفی سامانه Spark، قابلیتهای Gemini Live را فراتر از گفتگو برد تا بتواند وظایف چندمرحلهای و طولانیمدت را در اکوسیستم Workspace اجرا کند. این بهروزرسانی اجازه میدهد…

گوگل مدل جدید Gemini 3.5 Transcribe را برای تبدیل گفتار به متن معرفی کرد که بهطور خودکار تپقها و کلمات زائد را حذف میکند. این ابزار با پشتیبانی از ۸۵ زبان و قابلیت تعریف واژگان…

علیبابا مدل آزمایشی Qwen3.8-Flash-Next را معرفی کرد که با معماری جدید لایه بردار معنایی، هزینههای آموزش را بهشدت کاهش داده است. این مدل با وجود اندازه کوچک، در وظایف کدنویسی و…

ارزش بازار Unitree، پیشرو رباتیک چین، پس از عرضه اولیه سهام تقریباً نصف شد. سرمایهگذاران دریافتهاند که هوش مصنوعی فیزیکی برای انجام کارهای سودآور، با کمبود شدید دادههای آموزشی…

توسعههای جدید در لایههای مدل، محیط و زیرساخت نشان میدهد پیشرفت هوش مصنوعی از مقیاسبندی ساده به سمت چرخه بسته از ادراک و سختافزار تخصصی میرود. این تغییرات هدفشان افزایش…

تحلیل ششماهه عملکرد مدلهای پیشرو نشان میدهد که دیگر «بهترین مدل واحد» وجود ندارد. در حالی که GPT-5 Turbo در بنچمارکهای خام و سرعت برنده است، Claude 4 Opus در دیباگینگ پیچیده و…

یک راهنمای فنی جدید امکان ادغام مدل Ox Alpha را در محیط DeepSeek Harness از طریق OpenRouter فراهم کرد. این مدل در حال حاضر بهصورت رایگان در دسترس است و سدی برای تست قابلیتهای آن…

تولید شخصیتهای موثر در هوش مصنوعی از پرامپتهای ساده فراتر رفته و به سفارشیسازی عمیق و ادغام در گردشکار نیاز دارد. پلتفرمهایی مانند CharaLab اکنون در حال تبدیل این ابزارهای…

تبدیل گفتار به متن (STT) در محیطهای عملیاتی به دلیل نوسانات شبکه با مشکل فساد متن مواجه است. Smallest AI چارچوبی برای حفظ تداوم متن از طریق بافرینگ صوتی و مقایسه توکنهای…

شرکت Inithouse ابزار Voice Tables را برای محیطهای کاری «دستبند» معرفی کرد که ورودیهای صوتی را به جداول ساختاریافته تبدیل میکند. این سیستم شکاف میان مشاهده میدانی و مستندسازی…

ابزارهای فعلی هوش مصنوعی به جای محیطهای کاری یکپارچه، مانند «پیشگوهای هوشمند» عمل میکنند که کاربر را مجبور به جابهجایی دستی دادهها بین تبهای مختلف میکنند. جهش بعدی این…

استارتاپ هندی Ringg با جذب ۱۰ میلیون دلار سرمایه از Peak XV Partners، تمرکز خود را از تماسهای ساده به اتوماسیون فرآیندهای پیچیده سازمانی تغییر داد. این شرکت اکنون وظایفی مانند…