d3-3d یه کتابخانه جاوااسکریپتیه که بهت اجازه میده دادههای سهبعدی رو مستقیماً توی مرورگر و با استفاده از d3.js رندر کنی. این کتابخانه از پروجکشن ارتوگرافیک استفاده میکنه تا دادههای سهبعدی رو روی صفحهی SVG نمایش بده. شکلهایی مثل مثلث، مکعب، خط، پلیگون، گریدپلین و غیره پشتیبانی میشن و همهشون یه API مشترک دارن. پشتیبانی کامل از TypeScript هم یکی از ویژگیهای کلیدی این پروژهست که نیاز به نصب تایپهای جداگانه نداره.
یک گزارش جدید جهانی نشون میده که ۶۰٪ از سازمانهای بزرگ دارن میلیونها دلار رو صرف هوش مصنوعی عاملی میکنن، اما فقط ۱۵٪ اونها زیرساخت دادهای کافی برای اجرای مؤثر و امن اون دارن. این گزارش بر اساس نظرسنجی از ۴۰۰ متخصص داده در سطح جهانی تهیه شده. نتایج نشون میده که شکافهای جدی در حاکمیت داده، یکپارچگی سیستمها، و کنترل اطلاعات، سازمانها رو از رسیدن به نتایج واقعی باز میداره. بیشتر تیمها همچنان درگیر آزمایشهای پرهزینه هستن و نتونستن پایلوتهاشون رو به مرحله تولید برسونن.
رقابتهای CTF دیگه مثل قبل نیستن. در BSidesSF 2026، ۱۶ تیم تمام چالشها رو کامل حل کردن و هیچ چالشی زیر ۲۵ بار حل نشد — در حالی که سال قبل فقط یه تیم به این نزدیک شده بود. Claude Code و Codex تونستن حتی چالشهای سخت binary exploitation رو بهصورت خودکار حل کنن. با این حال، خوبِ که بدونیم موفقیت LLMها در CTF لزوماً به معنای جایگزینی متخصصان امنیتی در پنتست واقعی نیست.
GPT-5.5 با یه افزایش قیمت ۲ برابری نسبت به GPT-5.4 معرفی شد؛ توکنهای ورودی از ۲.۵ به ۵ دلار و خروجی از ۱۵ به ۳۰ دلار در میلیون رسیدن. OpenRouter با بررسی کاربرانی که از 5.4 به 5.5 مهاجرت کردن، فهمید هزینههای واقعی بین ۴۹ تا ۹۲ درصد بیشتر شده. مدل جدید برای پرامپتهای بلند (بالای ۱۰ هزار توکن) خروجی کمتری تولید میکنه که یهکم از تأثیر گرانی کم میکنه، ولی برای پرامپتهای کوتاهتر این مزیت وجود نداره و حتی خروجی بیشتری هم میده.
Anthropic داره روی یه ابزار جدید به اسم Orbit کار میکنه که قراره بهصورت پیشفعال برای کاربران Claude Cowork بریفینگ و بینشهای کاری تولید کنه. Orbit به ابزارهایی مثل Gmail، Slack، GitHub، Calendar، Drive و Figma وصل میشه و بر اساس اونها اطلاعات شخصیسازیشده ارائه میده. این ویژگی هنوز رسماً معرفی نشده، اما رد پاش توی کدهای اخیر Claude پیداست و احتمالاً در رویداد توسعهدهندگان Anthropic رونمایی بشه.
وقتی درآمد شرکتهای بزرگ هوش مصنوعی اعلام میشه، همه روی عدد کل تمرکز میکنن — ولی سوال اصلی اینه که این درآمد از کجا میاد. OpenAI حدود ۷۵٪ درآمدش رو از اشتراکهای مصرفی میگیره، در حالی که Anthropic حدود ۸۰٪ درآمدش از مشتریان سازمانیه. این تفاوت ساختاری به این معنیه که در زمان فشار اقتصادی، این دو شرکت رفتار کاملاً متفاوتی خواهند داشت. تاریخ بازار SaaS نشون داده که درآمد مصرفی در بحران خیلی سریعتر از بین میره، و بازار هوش مصنوعی احتمالاً این تفاوت رو با شدت بیشتری تجربه میکنه.
گوگل داره نتایج جستجوی هوش مصنوعیش رو بهروز میکنه و یه بخش جدید بهش اضافه میکنه که دیدگاههای عمومی از پلتفرمهایی مثل ردیت و فرومهای آنلاین رو نشون میده. جالب اینه که این بخش گاهی با برچسب «توصیه متخصص» (Expert Advice) نمایش داده میشه. علاوه بر این، قابلیتهای دیگهای مثل پیشنمایش لینکها، بخش «کاوش بیشتر» و برچسب «مشترک» برای سایتهای خبری هم داره اضافه میشه. هدف کلی گوگل اینه که کاربرها راحتتر به منابع و سازندگان محتوا دسترسی داشته باشن.
بر اساس دادههای TRM Labs، هکرهای کره شمالی تا اینجای ۲۰۲۶ مسئول ۷۶ درصد از کل ارز دیجیتال دزدیدهشده در دنیا هستن. این عدد نه از طریق حملات زیاد، بلکه با چند ضربه بزرگ و دقیق به دست اومده؛ از جمله سرقت ۱.۵ میلیارد دلار اتریوم از ByBit و نزدیک به ۳۰۰ میلیون دلار از Drift و KelpDAO. کارشناسا معتقدن که هوش مصنوعی داره به این گروهها کمک میکنه تا مهندسی اجتماعی و شناسایی اهداف رو با دقت و سرعت بیشتری انجام بدن. ضعف ساختاری پلتفرمهای DeFi هم این وضعیت رو بدتر کرده.
از متا و ایکس گرفته تا Airbnb، Uber، Spotify، OpenAI و حتی دیزنی — همه دارن به سمت ساختن یه «سوپر اپ» حرکت میکنن. ایده سادهست: یه اپ واحد که همه چیز رو پوشش بده، درست مثل WeChat در چین. ولی این مدل در بازارهای غربی بارها شکست خورده. پیچیدگی، تجربه کاربری ضعیف و عادت مردم به اپهای تکمنظوره، اصلیترین دیوارهایی هستن که جلوی این رویا رو میگیرن. شاید هوش مصنوعی این بار فرق ایجاد کنه — یا نکنه.
جرمی استنلا، از نگهدارندگان پروژههای اوپنسورس، در میلینگ لیست oss-sec نگرانی جدیای رو مطرح کرده: استفاده روزافزون از LLMها در کشف و گزارش آسیبپذیریها داره فرآیند سنتی «افشای هماهنگشده» رو زیر سؤال میبره. مشکل اینه که سرویسهای عمومی LLM احتمالاً پرامپتها و نتایج رو وارد دادههای آموزشیشون میکنن، یعنی اطلاعات یه آسیبپذیری میتونه بهصورت غیرمستقیم در دسترس کاربران دیگه قرار بگیره. از طرف دیگه، استفاده از LLM در نوشتن پچ یا advisory برای باگهای تحت embargo هم همین ریسک رو داره. این بح
Tool UI یه مجموعه کامپوننت ریاکت کپی/پیستیه که برای نمایش فراخوانی ابزارها (tool calls) در رابطهای چت هوش مصنوعی طراحی شده. بیشتر اپها وقتی مدل یه ابزار فراخوانی میکنه، JSON خام رو توی مکالمه نشون میدن؛ Tool UI این پیلودها رو به UIهای تعاملی مثل فرم، جدول، نمودار، و کارت تأیید تبدیل میکنه. این پروژه از مدل shadcn/ui پیروی میکنه، یعنی کامپوننتها مستقیم داخل کدبیس شما زندگی میکنن و هیچ وابستگی اضافهای نداره. هر کامپوننت یه اسکیما Zod داره و روی shadcn/ui و Tailwind ساخته شده.
یه بنچمارک جالب نشون میده که استفاده از ویژن ایجنت (computer use) برای کنترل یه پنل ادمین در مقایسه با فراخوانی مستقیم API، حدود ۴۵ برابر گرونتر تموم میشه. ویژن ایجنت برای انجام همون تسک ۵۳ مرحله و ۵۵۱ هزار توکن مصرف کرد، در حالی که API ایجنت با ۸ کال و ۱۲ هزار توکن کار رو تموم کرد. مشکل اصلی اینه که ویژن ایجنت مجبوره همه چیز رو از روی پیکسلهای صفحه بخونه و هر بار یه اسکرینشات بگیره، در حالی که API ایجنت مستقیماً داده ساختاریافته دریافت میکنه. نتیجه: برای ابزارهای داخلی که خودتون میسازید،
گوگل با همکاری XPRIZE و Range Media Partners یک مسابقه جهانی فیلمسازی به نام Future Vision XPRIZE راهاندازی کرده که جایزهاش ۳.۵ میلیون دلاره. شرکتکنندهها باید فیلمهای کوتاه یا تریلرهایی بسازن که آیندهای خوشبینانه و فناوریمحور رو به تصویر بکشن. گوگل بهعنوان شریک فناوری خلاقانه، به برنده نهایی کمک میکنه تا فیلم کوتاه ۳ دقیقهایش رو به یک فیلم بلند تبدیل کنه. مهلت ثبتنام تا ۱۵ اوت ۲۰۲۶ بازه.
دوران خرید بیرویه نرمافزار تموم شده. سازمانهای بزرگ بهطور میانگین با ۶۶۰ اپلیکیشن SaaS طرفاند که نزدیک به نیمی از لایسنسهاشون اصلاً استفاده نمیشه. تیمهای تدارکات حالا دستور دارن فهرست فروشندهها رو کوتاه کنن و هزینهها رو کاهش بدن. مارکتپلیسهای ابری مثل AWS، Google Cloud و Microsoft هم با سادهکردن خرید، نقش واسطههای سنتی رو بهشدت تهدید میکنن. پارتنرهای IT یا باید نقش «مشاور مدیریت estate» رو بپذیرن، یا خطر حذفشدن از زنجیره تأمین رو تجربه میکنن.
در یک پنل تخصصی، مدیران ارشد فناوری مایکروسافت، ۱پسورد و اتلسین درباره تأثیر هوش مصنوعی بر ساختار تیمهای مهندسی و چرخه توسعه نرمافزار صحبت کردن. از نظر اونها، فاز «ساخت» داره فشردهتر میشه و زمان بیشتری به برنامهریزی و اعتبارسنجی اختصاص پیدا میکنه. تیمهای کوچیکتر، چرخههای برنامهریزی کوتاهتر و مدیریت هزینه توکنها از مهمترین چالشهای این تحول هستن. هیچکدام از این شرکتها استفاده اجباری از AI رو پیاده نکردن و در عوض روی فرهنگسازی و قهرمانان داخلی تکیه دارن.
اپل قراره در iOS 27 یه قابلیت جدید به اسم Extensions معرفی کنه که بهت اجازه میده از مدلهای هوش مصنوعی شرکتهای مختلف مثل گوگل و آنتروپیک مستقیماً توی سیستمعامل استفاده کنی. این مدلها میتونن قابلیتهایی مثل سیری، Writing Tools و Image Playground رو پاور بدن. این ویژگی برای iPadOS 27 و macOS 27 هم در دسترس خواهد بود. با این حرکت، اپل به جای اینکه خودش زیرساخت AI بسازه، سعی داره سختافزار موجودش رو به یه تجربه AIمحور تبدیل کنه.
تیم Ai2 نسخه دوم مدل پایه رباتیک خودشون یعنی MolmoAct 2 رو معرفی کرده؛ مدلی که تا ۳۷ برابر سریعتر از نسخه قبلیه و بدون fine-tuning اختصاصی میتونه وظایف دنیای واقعی رو انجام بده. این مدل روی یه بکبون استدلال مکانی قویتر به اسم Molmo 2-ER ساخته شده و با مدلهای اختصاصی رقیب روی بنچمارکهای صنعتی رقابت میکنه. Ai2 همچنین بزرگترین دیتاست متنباز رباتیک دو دستی تاریخ رو با بیش از ۷۲۰ ساعت دمو منتشر کرده که شامل کارهایی مثل تا کردن حوله، اسکن خواربار و شارژ گوشی میشه.
غول فناوری آموزشی Instructure تأیید کرد که دادههای خصوصی دانشآموزان در یک نقض امنیتی به سرقت رفته. گروه هکری و اخاذی ShinyHunters مسئولیت این حمله را پذیرفته و ادعا میکنه اطلاعات نزدیک به ۹ هزار مدرسه در سراسر جهان و دادههای ۲۷۵ میلیون نفر را در دست داره. اطلاعات دزدیدهشده شامل نام، ایمیل شخصی و پیامهای بین معلم و دانشآموزه. Instructure میگه پلتفرم Canvas پس از تعمیرات دوباره در دسترس مشتریان قرار گرفته.
TUNA-2 یه مدل چندوجهی یکپارچهست که هم تصویر رو میفهمه و هم تولید میکنه، بدون اینکه نیازی به انکودر دیداری مجزا داشته باشه. محققان Meta و دانشگاه هنگکنگ نشون دادن که با حذف VAE و انکودر بازنمایی، و استفاده مستقیم از لایههای patch embedding روی پیکسلهای خام، نتایج بهتری توی بنچمارکهای مختلف میشه گرفت. این رویکرد سادهسازیشده هم از نسخه اولیه TUNA و هم از نسخه میانی TUNA-R عملکرد بهتری داره.
ورسل یک ابزار امنیتی متنباز به اسم deepsec رو معرفی کرد که با کمک ایجنتهای کدنویسی مثل Claude و Codex، کدبیسهای بزرگ رو برای یافتن آسیبپذیریهای امنیتی اسکن میکنه. این ابزار روی زیرساخت خود شما اجرا میشه و نیازی به آپلود کد به سرویسهای ابری نیست. نرخ false positive اون حدود ۱۰ تا ۲۰ درصده و یه مرحله revalidate داره که این خطاها رو کاهش میده. برای اسکنهای موازی هم میشه از Vercel Sandboxes با بیش از ۱۰۰۰ sandbox همزمان استفاده کرد.