پرش به محتوای اصلی

موضوع

چندوجهی

Models that natively process text+image+audio+video

۸۶۲ مقاله منتشر شده

AI

Stability AI: تولید موسیقی ۶ دقیقه‌ای با وزن‌های باز و داده‌های قانونی

شرکت Stability AI مدل Stable Audio 3.0 را معرفی کرد که تولید موسیقی تا ۶ دقیقه را ممکن می‌کند. این مدل‌ها با داده‌های قانونی آموزش دیده‌اند و نسخه‌های وزن‌باز آن‌ها برای استفاده…

۲ دقیقه خواندن
AI

چگونه ترکیب بینایی و صوت، تأخیر ترجمه در Qwen3.5 را به ۲.۸ ثانیه رساند؟

تیم Qwen در علی‌بابا با معرفی مدل Qwen3.5-LiveTranslate-Flash، تأخیر ترجمه هم‌زمان را به ۲.۸ ثانیه کاهش داد. این مدل با ترکیب داده‌های بصری و صوتی، کیفیت ترجمه را در محیط‌های شلوغ…

۲ دقیقه خواندن
AI

گزارش SWE-bench: نرخ موفقیت Claude Code در حل مشکلات گیت‌هاب به ۸۷.۶٪ رسید

عامل‌های کدنویسی به نقطه عطف استقلال رسیده‌اند و Claude Code اکنون اکثریت مشکلات واقعی گیت‌هاب را حل می‌کند. هم‌زمان، صنعت به سمت عامل‌های «ماندگار در ابر» و مدل‌های یکپارچه برای…

۲ دقیقه خواندن
درون استراتژی گوگل برای تبدیل هوش مصنوعی از «چت‌بات» به «نیروی کار»

درون استراتژی گوگل برای تبدیل هوش مصنوعی از «چت‌بات» به «نیروی کار»

گوگل مدل Gemini 3.5 Flash را معرفی کرد که چهار برابر سریع‌تر و به‌شدت ارزان‌تر است. همچنین Gemini Spark به‌عنوان یک عامل ابری شبانه‌روزی، هوش مصنوعی را از یک پنجره‌ی گفتگو به یک…

۲ دقیقه خواندن
تبدیل کادر جست‌وجوی گوگل به نرم‌افزارهای سفارشی با Gemini 3.5 Flash

تبدیل کادر جست‌وجوی گوگل به نرم‌افزارهای سفارشی با Gemini 3.5 Flash

گوگل کادر جست‌وجوی سنتی را با رابطی مبتنی بر Gemini 3.5 Flash جایگزین می‌کند. این به‌روزرسانی امکان ساخت مینی‌اپ‌های تعاملی و استفاده از عامل‌های نظارتی ۲۴ ساعته را فراهم می‌کند.

۲ دقیقه خواندن
چگونه Gemini Spark از یک دستیار پاسخ‌دهنده به یک مجری عملیاتی تبدیل شد؟

چگونه Gemini Spark از یک دستیار پاسخ‌دهنده به یک مجری عملیاتی تبدیل شد؟

گوگل با معرفی Gemini Spark و ابزارهای صوتی، Workspace را از یک محیط چت‌بات به یک اکوسیستم عامل‌محور تبدیل می‌کند. این تغییر، تمرکز را از پاسخ به سؤالات به اجرای مستقیم وظایف در…

۲ دقیقه خواندن
۱ میلیارد کاربر در حالت AI گوگل؛ چرا جست‌وجوها سه برابر طولانی‌تر شده‌اند؟

۱ میلیارد کاربر در حالت AI گوگل؛ چرا جست‌وجوها سه برابر طولانی‌تر شده‌اند؟

حالت AI گوگل به ۱ میلیارد کاربر فعال ماهانه رسید. این رشد با تغییری بنیادین در رفتار کاربران همراه است: پرس‌وجوها طولانی‌تر، پیچیده‌تر و متمرکز بر برنامه‌ریزی شده‌اند.

۲ دقیقه خواندن۱
چگونه دستورات صوتی گوگل، پیش‌نویس اسناد چندمرحله‌ای را خودکار می‌کند؟

چگونه دستورات صوتی گوگل، پیش‌نویس اسناد چندمرحله‌ای را خودکار می‌کند؟

گوگل قابلیت دستورات صوتی پیچیده را به داکس، کیپ و جیمیل اضافه کرد. کاربران اکنون می‌توانند با صحبت کردن، داده‌ها را بین برنامه‌ها جابه‌جا کرده و پیش‌نویس‌های ساختاریافته بسازند.

۲ دقیقه خواندن