ترکیب Kimi K3 و Fable 5 صحت پاسخها را به ۹۳٪ رساند
تحلیل فنی Fireworks.ai نشان میدهد توزیع وظایف بین مدلهای وزنباز Kimi K3 و مدل بسته Fable 5، نتایجی فراتر از هر یک از این مدلها بهتنهایی دارد. این رویکرد ترکیبی صحت عملیات را…
۵ دقیقه خواندن
موضوع
استدلال
Chain-of-thought, reasoning models (o-series, R-series), test-time compute
۱٬۱۰۶ مقاله منتشر شده
کدام مدل بینایی در بازتولید آثار مداد رنگی بهینهٔ تر عمل میکند؟
یک محیط آزمایشی جدید مدلهای بینایی را در بازتولید آثار هنری با ابزارهای مداد رنگی سنجید. GPT-5.6 Sol برندهٔ کیفیت شد، در حالی که Claude Fable 5 با هزینهای ۲۰ برابر بیشتر،…
۷ دقیقه خواندن
DeepSWE: رکورد ۴۰.۴ درصدی Laguna S 2.1 در کدنویسی عاملمحور
شرکت Poolside AI مدل Laguna S 2.1 را معرفی کرد؛ یک مدل ۱۱۸ میلیارد پارامتری که با پنجره متنی یک میلیون توکنی و «حالت تفکر»، تخصص ویژهای در حل باگهای پیچیده و طولانیمدت…
۹ دقیقه خواندن
Kimi K3 در برابر GPT-5.6-Sol: برتری در کدنویسی، ضعف در قیمت
مدل جدید Kimi K3 متعلق به شرکت Moonshot AI، جایگاه نخست جدول کدنویسی Arena را تصاحب کرد. این مدل با وجود قدرت بالا و وزنهای باز، به دلیل مصرف توکن زیاد، مزیت قیمت ارزانش را از…
۶ دقیقه خواندن
آیا تقلید ساده از توالیها برای ارتقای مدلهای کوچک کافی است؟
دیپسیک ثابت کرد که مدلهای زبانی کوچک میتوانند پیچیدگیهای استدلالی مدلهای عظیم را تنها از طریق تنظیم نظارتشده (SFT) به ارث ببرند. این دستاورد، باور پیشین صنعت مبنی بر…
۲ دقیقه خواندن
گردشهای کاری ساختارمند نرخ موفقیت عاملهای هوش مصنوعی را به ۹۴٪ رساندند
یک چارچوب جدید برای عاملهای هوش مصنوعی، زنجیرههای شکنندهی پرامپت را با طرحوارههای تایپشده و ارزیابی گامبهگام جایگزین کرده است. این تغییر باعث کاهش شدید توهمات و زمان…
۶ دقیقه خواندن
استقرار Llama 3.3 70B با هزینه ۱۱ دلار در ماه از طریق vLLM و LoRA
یک راهنمای عملی نشان میدهد چگونه میتوان مدل Llama 3.3 70B تنظیمشده را تنها با ۱۱ دلار در ماه روی زیرساخت DigitalOcean اجرا کرد. این روش با ترکیب vLLM برای استنتاج و آداپتورهای…
۸ دقیقه خواندن
کالبدشکافی مهندسی مدلهای زبانی؛ از توکنسازی تا حافظهٔ خارجی RAG
یک تحلیل فنی، مسیر تبدیل دادههای خام به دستیاران هوشمند را در چهار مرحله بررسی میکند. این راهنما سازوکارهای توکنسازی، مکانیسم توجه در ترنسفورمرها و نقش بازخوردهای انسانی را…
۴ دقیقه خواندن
مدلهای ابری در برابر مدلهای محلی؛ نبرد پایداری در نظارت زیرساختی
تلاش یک توسعهدهنده برای ساخت یک سیستم نظارتی سبک با مدلهای محلی، چالشهای جدی در قابلیت اطمینان فراخوانی ابزار و توهمات مدل را آشکار کرد. در نهایت، برای تضمین پایداری در محیط…
۵ دقیقه خواندن۱
چرا قیمت هر توکن دیگر معیاری برای هزینهٔ واقعی Kimi K3 نیست؟
آزمونهای عملی مدل Kimi K3 نشان میدهد هزینه تکمیل یک تسک کدنویسی واقعی ۰.۱۹ دلار است. این داده ثابت میکند «هزینه تا رسیدن به پاسخ نهایی» متری کی훨سی از قیمت هر توکن است.
۴ دقیقه خواندن
برتری ساختاری آزمایشگاههای پیشرو در برابر مدلهای وزنباز چینی
ظهور مدلهای قدرتمند چینی مانند Kimi K3 و Qwen3.8 Max باعث نگرانی شده است، اما تحلیلهای اقتصادی نشان میدهد که پیشروان آمریکایی همچنان برتری هزینه دارند. خطر واقعی نه در اقتصاد،…
۱۷ دقیقه خواندن
پژوهش ریاضی: هوش مصنوعی با یافتن مثالهای نقض حدس یاکوبی پیروز شد
مدلهای Sol و Fable با یافتن مثالهای نقض برای حدسهای ریاضی قرنسده، از جمله حدس یاکوبی، نقش ریاضیدانان را از «کشفکننده» به «تفسیرکننده» تغییر دادند. این موفقیت از طریق تبدیل…
۱۰ دقیقه خواندن