
پایان عصر آپلود اسکرینشات؛ درون معماری محلی Mininglamp-AI
پلتفرم Mininglamp-AI با عرضه یک اکوسیستم کامل برای تراشههای اپل، امکان اجرای عاملهای گرافیکی را بهصورت کاملاً محلی فراهم کرد. این اقدام ریسکهای امنیتی آپلود دادهها در ابر را…
موضوع
Open-source models, open weights, local hosting, licensing
۴۸۴ مقاله منتشر شده

پلتفرم Mininglamp-AI با عرضه یک اکوسیستم کامل برای تراشههای اپل، امکان اجرای عاملهای گرافیکی را بهصورت کاملاً محلی فراهم کرد. این اقدام ریسکهای امنیتی آپلود دادهها در ابر را…

پلتفرم Hugging Face با معرفی مجموعهدادههای تست خصوصی، تلاش میکند جلوی تقلب مدلها در بنچمارکهای عمومی را بگیرد. این تغییر مسیر، معیار سنجش مدلهای بازشناسی گفتار را از «حفظ…

شرکت SAP با خرید Prior Labs و سرمایهگذاری ۱.۱۶ میلیارد دلاری، به دنبال تسلط بر مدلهای بنیادی جدولی است تا دادههای سازمانی را به هوش واقعی تبدیل کند. این استراتژی با ایجاد یک…

پنج ناشر بزرگ و نویسهای به نام اسکات تورو از متا و مارک زاکربرگ شکایت کردند. ادعا میشود متا برای آموزش Llama از مجموعهای عظیم از کتابهای دزدی استفاده کرده و عمداً از…

آمازون با ادغام گردشکارهای عاملمحور در SageMaker، امکان شخصیسازی مدلهای زبانی بزرگ را تنها با دستورات متنی فراهم کرد. این سیستم با اتوماسیون آمادهسازی دادهها و آموزش،…

اوپنایآی با جذب خالق OpenClaw، استراتژی خود را به سمت معماریهای محلیمحور تغییر داد. این پروژه با رشد بیسابقه در گیتهاب، ثابت کرد که آیندهی هوش مصنوعی نه در کلود، بلکه در…

پلتفرم متنباز SprintiQ با افزودن یک لایه برنامهریزی استراتژیک به Claude Code، خلأ مدیریت محصول در عاملهای کدنویس را پر میکند. این ابزار با تبدیل ایدههای خام به اسپرینتهای…

سه بهروزرسانی کلیدی در اکوسیستم هوش مصنوعی محلی، سرعت استنتاج را افزایش و امنیت کدنویسی را تضمین کرده است. از معرفی MTP در llama.cpp تا ابزار Sentinel، عصر حاکمیت محاسباتی آغاز…

پروتکل جدید Burnless با تبدیل هزینههای تصاعدی به خطی، مصرف API را در سیستمهای عاملمحور تا ۹۰٪ کاهش میدهد. این ابزار با ترکیب حافظه پیشوند و تاریخچههای فشرده، مسیر…

گوگل با معرفی Gemma 4 و پلتفرم Gemini Enterprise، تمرکز خود را از چتباتهای ساده به «عاملهای هوشمند» تغییر داده است. این تحول، اتوماسیون فرآیندهای پیچیده تجاری و پژوهشی را برای…

مدل Granite 4.1 8B ثابت کرد که با اولویت دادن به کیفیت دادهها میتوان به عملکرد مدلهای ۳۲ میلیاردی رسید. این دستاورد از طریق یک فرآیند سختگیرانه پالایش داده و پنج مرحله…

پروژهی Stigmem v1.0 با معرفی یک بستر دانش فدرال، مشکل پراکندگی حافظه در سیستمهای چندعاملی را حل میکند. این سیستم با تقلید از رفتار مورچهها، امکان اشتراکگذاری حقایق تاییدشده…