به گفتهٔ یه توسعه‌دهنده، Opus 5 تو بنچمارک‌ها از نسل قبل جلوتره، ولی چون کمتر سؤال می‌پرسه و بیشتر خودش حدس می‌زنه، کار روزمره باهاش سخت‌تر شده.

۵ روز پیش۳ دقیقهmun-logadan.github.io

هر بات یه اسم، یه نقش و یه کامپیوتر ابری جدا داره و بات‌ها می‌تونن تو یه چت کارو به هم بسپرن؛ ولی تو تست، سهمیهٔ رایگان با پنج بات ته کشید و پلهٔ بعدی ماهی ۲۰۰ دلاره.

۵ روز پیش۳ دقیقهmindstudio.ai

یه تستر مدل آهنگ‌ساز جدید MiniMax رو روی کارت RTX 6000 بالا آورده و با پاپ انگلیسی، آهنگ بولیوودی و کومبیا امتحانش کرده؛ نتیجه یه جاهایی منسجم بود و یه جاهایی اصلاً شبیه ژانر درنیومد.

۵ روز پیش۳ دقیقهmindstudio.ai

استدلال مدل‌ها هر روز بهتر می‌شه، ولی توی سوال‌های سادهٔ اطلاعاتی هنوز نصفشو اشتباه می‌گن. نویسنده می‌گه این یه معاملهٔ عمدیه، نه یه ضعف.

۵ روز پیش۳ دقیقهw4g1.dev

یه آزمایش کنترل‌شده سه معماری حافظهٔ بلندمدت ایجنت رو با یک مدل و یک داور مشترک مقایسه کرده: استور ساختاریافته ۷۳٫۶ درصد گرفت و روش فایل‌محور ۴۴٫۹ درصد.

۵ روز پیش۳ دقیقهpinglin.tw

متیو گرین می‌گه مدل‌های هوش مصنوعی دارن باگ‌های نرم‌افزارها رو یکی‌یکی پیدا و می‌بندن، و همین باعث می‌شه تقاضا برای بک‌دورهای عمدی دوباره جدی بشه.

هر چیزی که وارد مکالمه بشه تا آخر سشن بارها دوباره فرستاده می‌شه. یه پست تازه توضیح داده کدوم عادت‌ها هزینهٔ هر تسک رو بی‌سروصدا بالا می‌برن.

۵ روز پیش۳ دقیقهclaude.com

مدیرعامل Anthropic تو یه رشته‌توییت جواب منتقدهاش رو داده: چرا فکر می‌کنه قانون‌گذاری به نفع شرکت‌های کوچیکه و چرا بدبینی مردم به AI ریشه‌ش جای دیگه‌ست.

۶ روز پیش۳ دقیقهthreadreaderapp.com

یه ابزار متن‌باز برای macOS که ایجنت‌های کدنویس رو داخل سندباکس می‌ذاره؛ مدلش deny-first ـه و پیش‌فرض حتی لیست گرفتن از هوم دایرکتوری هم جواب نمی‌ده.

یه ابزار خط فرمان که سؤالت رو می‌شکنه، منابع رو می‌خونه و جواب مستند می‌ده — با سقف هزینه‌ای که واقعاً رعایت می‌شه و دادهٔ محلی که از سیستمت بیرون نمی‌ره.

۶ روز پیش۳ دقیقهgithub.com

۸۸ درصد شرکت‌ها از AI استفاده می‌کنن ولی ۴۴ درصد نگران قانون و اخلاقن. پن‌پات می‌گه اول باید مشخص کنی AI کجای ورک‌فلو دیزاین نشسته و به چه داده‌ای دست می‌زنه.

۶ روز پیش۳ دقیقهpenpot.app

یه ابزار ترمینالی جدید مسئلهٔ ریاضی رو به زبون ساده می‌گیره، خودش به قضیهٔ Lean 4 تبدیلش می‌کنه و می‌ره سراغ پیدا کردن یه اثبات رسمی که کامپایلر تأییدش کنه.

۶ روز پیش۳ دقیقهmath-ai-org.github.io

سونیل پای می‌گه ایجنت‌های کدنویسی کاری کردن که بتونه قبل از ناهار سه چیزِ اشتباه بسازه؛ حالا که اجرا ارزون شده، کارِ اصلی یه تیم نرم‌افزاری بهتر دیده می‌شه.

یه مجموعهٔ رایگان از بلوک‌های آمادهٔ رابط کاربری که همون چیزهایی رو پوشش می‌ده که یه ایجنت وسط گفت‌وگو نشون می‌ده: حالت فکر کردن، فراخوانی ابزار، متن استریم‌شده و جدول.

۶ روز پیش۲ دقیقهaicss.dev

ونتیج دیتاسنترز و Nebius توافق کردن ظرفیت پرچگالی مبتنی بر NVIDIA رو تو کمپس CWL1 نیوپورت راه بندازن تا تقاضای داخلی بریتانیا برای توان محاسباتی AI رو جواب بدن.

جیمز کتل یه سیستم خودگردان ساخته که خودش از دل RFCها تکنیک حملهٔ تازه درمی‌آره و روی سایت‌های واقعی تستشون می‌کنه؛ نتیجه: بانک، فرودگاه و زیرساخت دولتی.

یه محقق رفته سراغ کسایی که کردیت استفاده‌نشدهٔ استارتاپ‌ها رو می‌خرن و با تخفیف می‌فروشن؛ یکیشون روزی ۱۰۰ هزار دلار عرضه داشت و به‌جای کلید، پراکسی تحویل می‌داد.

۶ روز پیش۲ دقیقهvectoral.com

یه شرکت‌کننده تو مسابقهٔ کرنل GPU Mode با بیش از ۱۵۰۰ سابمیت و یه حلقهٔ خودکار، زمان اجرا رو از حدود ۴۱۹ میلی‌ثانیه به ۱٬۸۰۵ میکروثانیه رسوند.

۶ روز پیش۳ دقیقهsankalp.bearblog.dev

نویسنده می‌گه ایجنت‌های کدنویسی رسیدن به «کار می‌کنه» رو آسون کردن، ولی طراحی درزهای نرم‌افزار و نگه‌داشت‌پذیریش هنوز کار خود مهندسه.

تو کار با ایجنت‌های کدنویسی دو دستهٔ آدم هست: اونایی که اول اسپک می‌نویسن و اونایی که مستقیم می‌رن سراغ نتیجه. یه پست تازه می‌گه شاید جواب، خواستنِ طراحی بعد از ساخته‌شدنه.