ابزارهای AI کدنویسی مثل Claude Code فایل‌ها رو می‌خونن، ولی نمی‌دونن چرا اینطوری نوشته شدن، کی مالکشه، یا کدوم‌ها با هم تغییر می‌کنن. repowise این مشکل رو حل می‌کنه؛ کدبیس رو توی چهار لایه — گراف وابستگی، تاریخچه گیت، مستندات خودکار، و تصمیم‌های معماری — ایندکس می‌کنه و از طریق هفت ابزار MCP در اختیار ایجنت‌های AI می‌ذاره. نتیجه؟ ۳۶٪ هزینه کمتر و ۴۹٪ فراخوانی ابزار کمتر با همون کیفیت جواب.

۱۶ هفته پیشgithub.com

تیم امنیتی Palo Alto Networks یه سیستم چندعاملی به اسم «زیلوت» ساختن که می‌تونه به‌صورت کاملاً خودکار به محیط‌های ابری حمله کنه. این سیستم با استفاده از چند عامل تخصصی، مراحل مختلف یه حمله سایبری رو از شناسایی آسیب‌پذیری تا دزدیدن داده به‌صورت مستقل طی می‌کنه. تجربه ساختن این ابزار نشون می‌ده که هوش مصنوعی لزوماً آسیب‌پذیری جدیدی خلق نمی‌کنه، ولی سرعت بهره‌برداری از ضعف‌های قدیمی رو به‌شدت بالا می‌بره و از این نظر یه «ضریب تکثیر قدرت» برای مهاجمانه.

۱۶ هفته پیشunit42.paloaltonetworks.com

ElevenLabs یه قابلیت جدید به اسم Agent Templates به پلتفرم ElevenAgents خودش اضافه کرده که بهت اجازه می‌ده بدون اینکه ایجنت‌های مکالمه‌ای رو از صفر بسازی، سریع‌تر راه‌اندازیشون کنی. بیش از ۵۰ قالب آماده برای کارهایی مثل پشتیبانی مشتری، فروش، آنبوردینگ، جمع‌آوری بازخورد و پذیرش سازمانی در دسترسه. هر قالب با پرامپت‌های از پیش تعریف‌شده، جریان‌های کاری و یکپارچه‌سازی‌های آماده همراهه و همه کاربران ElevenLabs می‌تونن ازش استفاده کنن.

۱۶ هفته پیشtestingcatalog.com

ساخت سیستم‌های چند-عاملی با کمک vibe coding حالا خیلی سریع‌تر شده، ولی همین که از فاز پروتوتایپ رد می‌شی و سیستم با ابزارها و داده‌های واقعی درگیر می‌شه، یه سری مشکلات ساختاری ظاهر می‌شن که اصلاً به مدل یا use case خاصی ربط ندارن. تیم Cognizant AI Lab این چالش‌ها رو در قالب یه فریم‌ورک متن‌باز به اسم neuro-san بررسی کرده. هماهنگی بین عامل‌ها، مدیریت ابزارها، و ارزیابی رفتار سیستم سه چالش اصلی‌ان که باید جدی گرفته بشن.

۱۶ هفته پیشdecisionai.substack.com

متا تازه مدل هوش مصنوعی جدیدش به اسم Muse Spark رو معرفی کرده که یه تغییر مسیر جدی نسبت به مدل‌های قبلی Llama محسوب می‌شه؛ برخلاف Llama که رایگان و متن‌باز بود، این مدل کلوزد-سورسه و متا قراره از اون درآمد بزنه. آنالیست‌ها این حرکت رو مثبت ارزیابی کردن و می‌گن که متا دوباره وارد بازی AI شده. با این حال، سرمایه‌گذارا منتظرن ببینن زاکربرگ دقیقاً چه استراتژی‌ای برای رقابت با OpenAI و Google داره.

۱۶ هفته پیشcnbc.com

محققان یه معماری جدید به اسم Recurrent Transformer معرفی کردن که ضعف اصلی ترنسفورمرهای معمولی رو برطرف می‌کنه. در ترنسفورمرهای سنتی، عمق زمانی پردازش محدود به تعداد لایه‌هاست، ولی این معماری جدید با اضافه کردن حافظه بازگشتی به هر لایه، این محدودیت رو از بین می‌بره. علاوه بر این، یه الگوریتم بهینه برای کاهش ترافیک حافظه ارائه شده که پیچیدگی رو از N² به N log N می‌رسونه. نتایج روی مدل‌های ۱۵۰ و ۳۰۰ میلیون پارامتری نشون می‌ده این رویکرد با لایه‌های کمتر به کارایی بهتری می‌رسه و حجم KV cache و تأخیر inference رو کاهش می‌ده.

۱۶ هفته پیشalphaxiv.org

تیم Poolside دو مدل هوش مصنوعی جدید به اسم Laguna M.1 و Laguna XS.2 رو معرفی کرده که هر دو برای کدنویسی بلندمدت و کارهای عاملی (agentic) طراحی شدن. Laguna M.1 یه مدل ۲۲۵ میلیارد پارامتری از نوع MoE‌ه که روی ۳۰ تریلیون توکن آموزش دیده و عملکرد قابل توجهی روی بنچمارک‌های SWE-bench داره. Laguna XS.2 هم مدل کوچیک‌تر و اپن‌ویت این خانواده‌ست که با لایسنس Apache 2.0 منتشر شده و برای سایزش واقعاً حرف‌های زیادی برای گفتن داره. هر دو مدل فعلاً از طریق API و OpenRouter به‌صورت رایگان در دسترسن.

۱۶ هفته پیشpoolside.ai

ایجنت‌های هوش مصنوعی روز‌به‌روز قوی‌تر می‌شن، اما توسعه‌دهنده‌ها هنوز بهشون اعتماد کامل ندارن. مشکل اصلی اینه که این ابزارها شفاف نیستن، از حوزه‌ی تعریف‌شده خارج می‌شن و استدلالشون رو با ما به اشتراک نمی‌ذارن. Cassidy Williams از GitHub DevRel این مشکلات رو ریشه‌یابی کرده و معتقده که بدون یه لایه‌ی واقعی از همکاری انسانی، این ابزارها هرچقدر هم قوی باشن، قابل اتکا نیستن. رویکرد جدید Jules از Google Labs یه قدم در این مسیره، ولی هنوز خیلی زوده که بگیم مشکل اعتماد رو حل می‌کنه.

۱۶ هفته پیشtldr.tech

سم آلتمن می‌خواد اوپن‌ای‌آی تا پایان ۲۰۲۶ وارد بازار بورس بشه، ولی گزارش‌های تازه نشون می‌دن که این مسیر خیلی هموار نیست. مشکل اصلی دوتاست: یکی بحران حاکمیتی داخلی، یکی هم معضل تأمین مالی زیرساخت‌های سنگین شرکت. مدیر ارشد مالی اوپن‌ای‌آی، سارا فریار، نه به آلتمن گزارش می‌ده و نه در جلسات کلیدی مالی حضور داره؛ و بدتر از اون، علناً نگرانی‌هاش درباره توان پرداخت تعهدات زیرساختی شرکت رو مطرح کرده. این ترکیب از مشکلات می‌تونه پرونده ثبت عرضه عمومی اوپن‌ای‌آی رو تا اطلاع ثانوی متوقف کنه.

۱۶ هفته پیشdavefriedman.substack.com

آنتروپیک با معرفی Claude Opus 4.7 یه توکنایزر جدید هم آورد که قیمت رسمی مدل رو تغییر نداد، ولی عملاً هزینه‌ها رو بالا برد. تیم OpenRouter روی بیش از یک میلیون درخواست واقعی بررسی کرد و دید که برای پرامپت‌های بالای ۲ هزار توکن، هزینه‌ها بین ۱۲ تا ۲۷ درصد افزایش پیدا کرده. استثنا هم پرامپت‌های کوتاه زیر ۲ هزار توکنه که چون مدل خروجی کوتاه‌تری تولید می‌کنه، اندکی ارزون‌تر هم شدن.

۱۶ هفته پیشopenrouter.ai

یه سوال جالب مطرحه: اگه یه ایجنت هوش مصنوعی با ابزارهای جستجوی ساده داشته باشیم، آیا می‌تونه جای سیستم‌های پیچیده سرچ رو بگیره؟ آزمایش‌های انجام‌شده روی دیتاست Amazon ESCI نشون می‌ده که یه ایجنت ساده با GPT-4o-mini و ترکیب BM25 و امبدینگ، کیفیت نتایج رو از 0.289 به 0.453 رسونده. جالب‌تر اینکه بدون هیچ فاین‌تیونینگی روی داده‌ها این نتیجه به دست اومده. البته این رویکرد برای سناریوهایی که ایجنت خودش اطلاعات لازم رو نداره (مثل MSMarco) کار نمی‌کنه و اونجا همچنان سیستم‌های سنتی سرچ حرف اول رو می‌زنن.

۱۶ هفته پیشsoftwaredoug.com

OpenAI و مایکروسافت توافق‌نامه‌شون رو اصلاح کردن و حالا OpenAI می‌تونه مدل‌هاش رو روی هر پلتفرم ابری دیگه‌ای هم ارائه بده، نه فقط Azure. اولین نتیجه عملی این تغییر، معرفی «Bedrock Managed Agents» روی AWS هست که با همکاری OpenAI ساخته شده. این سرویس به سازمان‌هایی که داده‌هاشون روی AWS هست کمک می‌کنه ایجنت‌های هوش مصنوعی رو به‌راحتی و در مقیاس سازمانی راه‌اندازی کنن. به نظر می‌رسه OpenAI حالا AWS رو به‌عنوان شریک استراتژیک اصلی‌اش می‌بینه.

۱۶ هفته پیشstratechery.com

با گسترش ایجنت‌های هوش مصنوعی، مدل قدیمی قیمت‌گذاری بر اساس تعداد کاربر دیگه کارایی نداره. یه وبینار با حضور Kyle Poyar و Scott Woody قراره بررسی کنه که شرکت‌ها چطور باید از مدل‌های سنتی SaaS به سمت قیمت‌گذاری مبتنی بر مصرف یا نتیجه حرکت کنن. تجربه‌های شرکت‌هایی مثل Clay، Figma و PostHog هم در این نشست زیر ذره‌بین می‌ره. هدف اصلی اینه که بفهمیم چطور می‌شه مانیتایزیشن رو با دنیای ایجنت‌محور هماهنگ کرد.

۱۶ هفته پیشmetronome.com

میچل هاشیموتو، سازنده ترمینال معروف Ghostty، اعلام کرده که این پروژه به‌زودی از گیت‌هاب مهاجرت می‌کنه. دلیل اصلی این تصمیم، قطعی‌های مکرر و مشکلات زیرساختی گیت‌هاب در ماه‌های اخیره که به گفته او تقریباً هر روز کارش رو مختل کرده. هاشیموتو که از سال ۲۰۰۸ کاربر گیت‌هابه و بخش زیادی از زندگیش رو اونجا گذرونده، با ناراحتی از این تصمیم نوشته. مقصد جدید Ghostty هنوز نهایی نشده و تیم داره با چند پلتفرم مختلف مذاکره می‌کنه.

عوامل هوش مصنوعی با پیچیدگی مشکل ندارن، مشکلشون ابهامه. APIهایی که قوانین رو به‌صورت صریح و قابل‌تأیید تعریف می‌کنن، به ایجنت‌های AI اجازه می‌دن سریع‌تر و با خطای کمتر کد بنویسن. دروپال با حرکت به سمت سیستم‌های تایپ‌شده و اتریبیوت‌محور از سال‌ها پیش این مسیر رو طی کرده، در حالی که وردپرس همچنان روی سازگاری با نسخه‌های قدیمی تمرکز داشته. حالا این تفاوت معماری مستقیماً روی سرعت، دقت و هزینه‌ی استفاده از AI تأثیر می‌ذاره.

۱۶ هفته پیشdri.es

آرمین روناکر، سازنده Flask و Jinja2، در یک مقاله‌ی نوستالژیک از دوران قبل از گیت‌هاب می‌گه؛ زمانی که دنیای اپن‌سورس کوچیک‌تر بود، اعتماد معنا داشت، و همه زیرساخت خودشون رو اجرا می‌کردن. گیت‌هاب یه هدیه‌ی بزرگ به جامعه‌ی اپن‌سورس بود، ولی همون تمرکز که خوبی‌هاش رو داشت، حالا داره ضررهاشم نشون می‌ده. او از رشد انفجاری پکیج‌های ریزودرشت npm و از دست رفتن حس مسئولیت در وابستگی‌های نرم‌افزاری حرف می‌زنه.

وارپ یه محیط توسعه هوشمند (Agentic) متن‌باز‌ه که از دل ترمینال زاده شده. می‌تونی از agent داخلی خودش استفاده کنی یا ابزارهایی مثل Claude Code، Codex یا Gemini CLI رو باهاش ترکیب کنی. اسپانسر اصلی این پروژه OpenAI‌ه و قابلیت‌های هوشمند اون با مدل‌های GPT کار می‌کنن. کد UI فریم‌ورکش زیر لایسنس MIT و بقیه کدها زیر AGPL v3 منتشر شدن.

۱۶ هفته پیشgithub.com

ایجنت‌های هوش مصنوعی معمولاً تا پر شدن پنجره کانتکست پیش می‌رن و بعد فراموش می‌کنن چی شده. ایجنت‌های بلندمدت این محدودیت رو می‌شکنن و می‌تونن روی یه هدف برای ساعت‌ها، روزها یا حتی هفته‌ها کار کنن. کلید موفقیت اینه که حالت و پیشرفت کار بیرون از پنجره کانتکست مدل نگه داشته بشه. این رویکرد جدید نحوه واگذاری وظایف بزرگ به ایجنت‌ها رو به کل تغییر می‌ده.

۱۶ هفته پیشaddyosmani.com

توسعه داروی جدید مثل خریدن یه بلیت بخت‌آزمایی ۲۵۰ میلیون دلاریه که ۹۵٪ شانس باخته داره. اندرو لو، استاد فاینانس MIT، پیشنهاد داد به‌جای شرط‌بندی تکی، ۵۰ برنامه دارویی رو توی یه سبد بریزیم تا شکست هر کدوم کشنده نباشه. این ایده باعث ظهور شرکت‌هایی مثل BridgeBio و Roivant شد که با مدل «هاب‌اند‌اسپوک» سعی کردن ریسک دارو‌سازی رو قابل‌تحمل کنن، اما اجرای این مدل خیلی سخت‌تر از نظریه‌اشه.

یه روز بعد از اینکه OpenAI قرارداد انحصاریش با مایکروسافت رو تغییر داد، اعلام کرد که مدل‌هاش حالا روی Amazon Web Services هم در دسترسه. کاربرهای AWS می‌تونن از طریق سرویس Amazon Bedrock به مدل‌های OpenAI و همچنین ایجنت Codex برای نوشتن کد دسترسی داشته باشن. این سرویس‌ها طی چند هفته آینده به صورت عمومی در دسترس قرار می‌گیرن. این همکاری بخشی از یه رابطه گسترده‌تر بین OpenAI و آمازونه که ارزشش به ده‌ها میلیارد دلار می‌رسه.

۱۶ هفته پیشcnbc.com