🧠 گزارش هوشمند DataPlusScience
━━━━━━━━━━━━━━━━━━━━
🗂 شماره: #52 | بازه: ۲۴ ساعت گذشته / گزارش روزانه
📦 پست‌های بررسی‌شده: 12
🕐 از: سه‌شنبه 1405/04/09 ساعت 14:00
🕛 تا: چهارشنبه 1405/04/10 ساعت 14:00
━━━━━━━━━━━━━━━━━━━━

🛠️ ابزارها و ادغام‌های جدید

ادغام Gamma با ChatGPT از طریق پروتکل MCP (Model Context Protocol) امکان ساخت خودکار اسلاید و ارائه را مستقیماً درون چت فراهم کرده و ویرایش نهایی را به رابط Gamma می‌سپارد. این ادغام سرعت تولید محتوای بصری را بدون خروج از محیط چت افزایش می‌دهد.
🔗 مشاهده پست

گوگل دو مدل جدید معرفی کرد: Nano Banana 2 Lite برای تصاویر سریع (۴ ثانیه، $0.034 به ازای ۱۰۰۰ تصویر) و Gemini Omni Flash برای تولید و ویرایش ویدئو ($0.10 به ازای هر ثانیه) با قابلیت ویرایش زبان طبیعی و هماهنگ‌سازی متن با حرکت.
🔗 مشاهده پست

🤖 مدل‌های زبانی و عامل‌محور

LongCat-2.0 مدل MoE با ۱.۶ تریلیون پارامتر و ۴۸ میلیارد پارامتر فعال است که برای agentic coding و وظایف بلندمدت (کار با ریپازیتوری، ترمینال و جستجو) با پنجره زمینه ۱ میلیون توکن طراحی شده. معماری آن شامل LongCat Sparse Attention و Zero-Compute Experts برای مدیریت مؤثر زمینه و تخصیص خبرگان به گروه‌های Agent, Reasoning و Interaction است.
🔗 مشاهده پست

Claude Sonnet 5 از Anthropic به‌عنوان قدرتمندترین مدل عامل‌محور سری Sonnet منتشر شد و کیفیت آن نزدیک به Opus 4.8 است اما با هزینه کمتر: $۲/$۱۰ (ورودی/خروجی) تا اوت ۲۰۲۶. تمرکز اصلی روی برنامه‌ریزی، tool use و وظایف چندمرحله‌ای است.
🔗 مشاهده پست

🔬 پژوهش و مدل‌های مولد

KVAE-Audio از آزمایشگاه کندینسکی (Sber) یک توکنایزر صوتی متن‌باز با ورودی ۴۸ کیلوهرتز و فشرده‌سازی ۹۶۰ برابری محور زمان است. این توکنایزر با روش regularisation منحصربه‌فرد، تعادل میان بازسازی و تولید محتوای اصلی را حفظ کرده و آموزش مدل‌های دیفیوژن را ساده‌تر می‌کند.
🔗 مشاهده پست

محققان هاروارد و MIT یک مسئله باز ریاضی از سال ۲۰۱۴ را با کمک Claude Fable 5 حل کردند. مدل یک تقارن پنهان را کشف کرد و استدلالی تولید کرد که سیستم اثبات قضایا Lean 4 آن را تأیید نمود.
🔗 مشاهده پست

💰 اقتصاد و هزینه‌ها

بر اساس گزارش CitiBank، مدل‌های چینی هر میلیون توکن را با ۱۸ سنت پردازش می‌کنند (میانگین مدل‌های پیشرو ۴ دلار). سهم این مدل‌ها در OpenRouter از ۳۴٪ در ژانویه به ۶۵٪ در ژوئن رسیده و باعث بازبینی قیمت‌گذاری OpenAI و Anthropic شده است.
🔗 مشاهده پست

OpenAI با بهینه‌سازی inference (اجرای مدل) هزینه استنتاج مدل‌ها را بیش از دو برابر کاهش داده است. ترکیبی از quantization، KV caching و مسیریابی درخواست‌های ساده به مدل‌های ارزان‌تر، ChatGPT را تنها با چند صد GPU انویدیا سرویس‌دهی می‌کند.
🔗 مشاهده پست

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

‏📘 معرفی کتاب Designing Machine Learning Systems

‏کتاب Designing Machine Learning Systems اثر چیپ هیون (Chip Huyen) یکی از منابع کلیدی برای مهندسان و دانشمندان داده است که به طراحی و استقرار سیستم‌های ML در محیط تولید می‌پردازد.

‏🧩 این کتاب موضوعات حیاتی مثل مدیریت داده، انتخاب ویژگی، آموزش و ارزیابی مدل، خط‌لوله‌های MLOps و چالش‌های عملیاتی‌سازی را پوشش می‌دهد. برای هر کسی که سراغ ML در مقیاس واقعی می‌رود، مطالعه‌اش ضروری است.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#خبر #DataScience

‏📘 طراحی سیستم‌های یادگیری ماشین

‏کتاب Designing Machine Learning Systems رویکردی تکراری (iterative) برای ساخت اپلیکیشن‌های آماده‌ی تولید ارائه می‌دهد. مخاطبان اصلی آن مهندسان، دانشمندان داده و مدیران فنی هستند که ML را در مقیاس متوسط تا بزرگ به کار می‌گیرند.

‏🧠 سناریوهای کلیدی: مهندسی داده و انتخاب متریک، استقرار مدل‌های آفلاین خوب، نظارت پس از استقرار، خودکارسازی چرخه توسعه تا به‌روزرسانی، و ایجاد زیرساخت اشتراکی مثل feature store و monitoring tools.

‏⚖️ همچنین به سوگیری (bias) و ساخت سیستم‌های مسئولانه پرداخته می‌شود.

‏این کتاب برای توسعه‌دهندگان ابزار، جویای نقش ML، و رهبران فنی نیز مفید است. فصل‌های ۱، ۲ و ۱۱ برای مخاطبان غیرفنی مناسب‌ترند.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#ابزار #DataScience

‏🔬 معرفی Claude Science: محیط کاری هوش مصنوعی برای پژوهشگران

🔬 ‏Anthropic از Claude Science رونمایی کرده؛ یک محیط کاری تخصصی برای پژوهشگران که هوش مصنوعی، برنامه‌نویسی و محاسبات علمی را در یک پلتفرم یکپارچه ترکیب می‌کند. این ابزار ترکیبی از Claude، Jupyter Notebook، Python و R، پایگاه‌های داده علمی و زیرساخت‌های HPC و GPU است.

‏🧬 این محیط برای علوم زیستی طراحی شده: ژنومیک، Single‑cell، پروتئومیکس، زیست‌شناسی ساختاری و شیمی‌محاسباتی. کاربردهایی مانند طراحی آزمایش‌های CRISPR، پیش‌بینی ساختار پروتئین و نگارش مقالات پژوهشی دارد.

‏📌 اگر Claude Code دستیار توسعه‌دهندگان است، Claude Science دستیار تخصصی پژوهشگران محسوب می‌شود.

‏🔗 اطلاعات بیشتر در Anthropic
‏🔗 صفحه محصول Claude Science

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

‏🤖 کلود سونت ۵: رتبه ۵ در شاخص هوش، اما پرهزینه‌تر از Opus

‏📊 مدل Claude Sonnet 5 در شاخص هوش مصنوعی Artificial Analysis با امتیاز ۵۳ رتبه ۵ را گرفت و فقط ۲-۳ امتیاز از GPT-5.5 (xhigh) و Opus 4.8 (max) عقب‌تر است. این بهبود ۶ امتیازی نسبت به سونت ۴.۶ با تلاش حداکثری به دست آمده.

‏💰 با تنظیم max effort، سونت ۵ حدود ۴۰٪ توکن خروجی بیشتر و حدود ۳ برابر agentic turns نسبت به سونت ۴.۶ مصرف می‌کند. هزینه هر task به $۲.۲۹ (۲ برابر سونت ۴.۶ و ۱۵٪ بیشتر از Opus 4.8) رسیده. آنتروپیک تا اول سپتامبر تخفیف یک‌سومی روی قیمت API داده است.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#خبر #DataScience

‏⚡️ ZCode 3.0: IDE هوش مصنوعی از Z.ai

‏شرکت Z.ai نسخه سوم IDE هوش مصنوعی خود را برای توسعه با agentها عرضه کرد. این ابزار با GLM-5.2 یکپارچه شده و از حالت multi-agent پشتیبانی می‌کند.

‏🤖 agentها می‌توانند به‌طور خودکار کدنویسی، برنامه‌ریزی، بازبینی و استقرار (deploy) را انجام دهند. همچنین امکان کنترل از راه دور از طریق Telegram, WeChat و Feishu فراهم است.

‏🖥 نسخه‌های دسکتاپ برای macOS, Windows و Linux منتشر شده. پلن‌های پرداختی از $18 در ماه شروع می‌شوند. Z.ai با این محصول به‌دنبال رقابت با ابزارهای AI-coding غربی است.

‏🔗 وبسایت رسمی ZCode 3.0

‏🔗 لینک‌های اصلی پست:
‏🔗 Z.ai

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#خبر #DataScience

‏🕵️ ماجرای استگانوگرافی در Claude Code

‏🔍 یک توسعه‌دهنده (Thereallo) فاش کرد که Claude Code کاربران چینی را با استگانوگرافی (پنهان‌سازی اطلاعات در نقطه‌گذاری) علامت‌گذاری می‌کرد. مهندس Anthropic، طارق شیخی‌پار، تأیید کرد که از مارس مکانیزمی آزمایشی فعال بوده است.

‏⚡ این سیستم با بررسی منطقه زمانی، نام هاست پروکسی و کلمات کلیدی، یک نشانه مخفی در دستورالعمل‌های سیستمی تزریق می‌کرد. هدف: جلوگیری از سوءاستفاده واسطه‌های غیرمجاز و تقطیر (distillation) مدل. شرکت اعلام کرد که این ویژگی در به‌روزرسانی بعدی کاملاً حذف می‌شود.

‏🌏 منتقدان می‌گویند مکانیزم از مارس فعال بوده و فقط پس از افشای عمومی غیرفعال شده است. این موضوع برای Anthropic که خود را پرچمدار امنیت و اخلاق AI معرفی می‌کند، بسیار حساسیت‌برانگیز است.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#خبر #DataScience

‏🤖 Fable 5 دوباره در Claude بازگشت

‏⚡️ پس از نزدیک به سه هفته قطع دسترسی، مدل Fable 5 دوباره در Claude در دسترس قرار گرفت. محدودیت‌های اعمال‌شده توسط Anthropic – که به دلیل عبارتی درباره «تهدید امنیت ملی» وضع شده بود – برداشته شده است.

‏📅 تا ۷ جولای کاربران اشتراک‌های Pro، Team، Max و Premium Enterprise می‌توانند از Fable 5 استفاده کنند. حداکثر استفاده مجاز ۵۰٪ از سهمیه هفتگی تعیین شده است.

‏💰 پس از ۷ جولای دسترسی رایگان پایان می‌یابد و استفاده تنها به‌صورت پرداخت بر اساس توکن (Pay-per-token) امکان‌پذیر خواهد بود.

‏🔗 وبسایت Claude

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#خبر #DataScience

‏🔥 SpatialClaw از انویدیا

‏انویدیا از چارچوب جدید SpatialClaw برای استدلال فضایی رونمایی کرده که بدون نیاز به آموزش (training‑free) عمل می‌کند.

‏🧠 این سیستم از کد به عنوان رابط اکشن استفاده می‌کند؛ عامل مجهز به VLM در یک کرنل پایدار پایتون می‌نویسد، ماژول‌های ادراکی را ترکیب می‌کند، نتایج میانی را بررسی و استراتژی خود را اصلاح می‌کند.

‏📊 SpatialClaw روی 20 benchmark به طور میانگین +11.2 امتیاز بهبود نشان داده است.

‏🔗 مقاله • پروژه • کد

‏

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#ابزار #DataScience

‏🤖 رکوردشکنی یک مدل 35B MoE در عوامل بلندمدت

‏یک مدل MoE (معماری ترکیب متخصصان) با ۳۵ میلیارد پارامتر، از مدل‌های بزرگتری مثل Kimi-K2.6 و DeepSeek-V4-pro در بنچمارک عوامل بلندمدت (Long-Horizon Agents) پیشی گرفته است. 🤯

‏این مدل که Agents-A1 نام دارد، نشان می‌دهد که معماری هوشمندانه می‌تواند شکاف اندازه را جبران کند.

‏مقاله کامل در arXiv منتشر شده:
‏📄 arXiv:2606.30616

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#پژوهش #DataScience

‏☁️ متا وارد بازار خدمات ابری هوش مصنوعی می‌شود

‏🚀 پس از رشد بیش از ۱۰٪ سهام، متا از زیرساخت‌های AI بلااستفاده‌اش یک سرویس ابری می‌سازد. توسعه‌دهندگان می‌توانند به مدل‌های متا در دیتاسنترهای خود شرکت دسترسی مستقیم داشته باشند.

‏⚡ این سرویس مشابه AWS Bedrock است — کاربران بدون مدیریت سخت‌افزار، از مدل‌های پیشرفته استفاده می‌کنند. متا همچنین توان پردازشی خام (raw compute) را عرضه خواهد کرد که آن را رقیب مستقیم CoreWeave و Nebius می‌کند.

‏📉 پس از انتشار این خبر، سهام CoreWeave و Nebius کاهش قابل توجهی داشت.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#خبر #DataScience

‏🤖 ارزش واقعی هوش مصنوعی در دست کاربران قدرتمند است

‏مدیرعامل Perplexity، آراوید سرینیواس، می‌گوید کاربران عادی دیگر مهم‌ترین منبع ارزش در دنیای AI نیستند. امروزه ارزش واقعی از گروه کوچکی از کاربران قدرتمند (power users) می‌آید که سیستم‌های هوش مصنوعی را شبانه‌روز فعال نگه می‌دارند.

‏🔬 به گفته او، برخی مهندسان متا سالانه حدود ۱۰ میلیون دلار از ابزارهای کدنویسی AI به ازای هر مهندس مصرف می‌کنند. در همین حال، برخی کاربران Perplexity Computer ماهانه بیش از ۱۰ هزار دلار برای اجرای کسب‌وکار از طریق حلقه‌های عامل خودمختار (autonomous agent loops) هزینه می‌کنند.

‏🧠 حتی در داخل خود Perplexity، کارکنان گردش‌کارهای چندعاملی (multi-agent workflows) ساخته‌اند که به‌قدری پیشرفته هستند که شبیه معماری‌های کامل نرم‌افزاری عمل می‌کنند.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

‏

‏🤖 پیشرفت بزرگ در بنچمارک RLI: Fable 5 به ۱۶٪ رسید

‏بنچمارک RLI (Remote Labor Index) که توسط Center for AI Safety ساخته شده، با خرید پروژه‌های واقعی فریلنسری از UpWork توانایی مدل‌ها را در خودکارسازی کارهای از راه دور می‌سنجد. این گران‌قیمت‌ترین بنچمارک موجود است اما بهترین معیار برای این حوزه محسوب می‌شود.

‏📊 نتایج اولیه فقط ۲.۵٪ بود، اما به‌تازگی به‌روزرسانی شده: GPT-5.5 به ۶.۳٪، Opus 4.8 به ۸.۳٪ و Fable 5 به ۱۶٪ رسیده است. این مدل به‌طور خاص در وظایف 3D, CAD, ویرایش ویدئو و تصویرسازی پیشرفت چشمگیری داشته است.

‏

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#خبر #DataScience

🧠 گزارش هوشمند DataPlusScience
━━━━━━━━━━━━━━━━━━━━
🗂 شماره: #53 | بازه: ۲۴ ساعت گذشته / گزارش روزانه
📦 پست‌های بررسی‌شده: 14
🕐 از: چهارشنبه 1405/04/10 ساعت 14:00
🕛 تا: پنجشنبه 1405/04/11 ساعت 14:00
━━━━━━━━━━━━━━━━━━━━

🤖 مدل‌های زبانی و استدلال

مدل Claude Sonnet 5 با امتیاز ۵۳ در شاخص هوش رتبه ۵ را کسب کرد، اما با max effort هزینه هر task به $۲.۲۹ می‌رسد که ۱۵٪ گران‌تر از Opus 4.8 است. آنتروپیک تا سپتامبر تخفیف یک‌سومی روی API داده.
🔗 مشاهده پست

Fable 5 پس از سه هفته قطع دسترسی دوباره در Claude در دسترس قرار گرفت؛ کاربران Pro و Team تا ۷ جولای می‌توانند با ۵۰٪ سهمیه هفتگی استفاده کنند و پس از آن فقط Pay‑per‑token.
🔗 مشاهده پست

در بنچمارک RLI (Remote Labor Index) از مرکز ایمنی هوش مصنوعی، Fable 5 به ۱۶٪ رسید و در وظایف 3D، CAD و ویرایش ویدئو پیشرفت چشمگیری داشت، در حالی که GPT‑5.5 به ۶.۳٪ و Opus 4.8 به ۸.۳٪ رسیدند.
🔗 مشاهده پست

مدل Agents‑A1 با معماری MoE و ۳۵ میلیارد پارامتر از مدل‌های بزرگ‌تری مثل Kimi‑K2.6 و DeepSeek‑V4‑pro در بنچمارک عوامل بلندمدت پیشی گرفت.
🔗 مشاهده پست

🛠 ابزارها و پلتفرم‌های جدید

RAG‑Anything یک سیستم RAG چندوجهی مبتنی بر LightRAG است که متن، تصویر، جدول و فرمول را در یک چارچوب واحد پشتیبانی می‌کند و نیاز به ابزارهای تخصصی جداگانه را از بین می‌برد.
🔗 مشاهده پست
🔗 مشاهده پست

Claude Science از Anthropic یک محیط کاری یکپارچه برای پژوهشگران است که Claude، Jupyter Notebook، Python/R و زیرساخت‌های HPC و GPU را برای علوم زیستی ترکیب می‌کند.
🔗 مشاهده پست

ZCode 3.0 IDE هوش مصنوعی از Z.ai با یکپارچگی GLM‑5.2 و حالت multi‑agent است؛ agentها می‌توانند کدنویسی، برنامه‌ریزی و استقرار خودکار انجام دهند و از طریق Telegram کنترل شوند.
🔗 مشاهده پست

SpatialClaw از انویدیا یک چارچوب استدلال فضایی بدون نیاز به آموزش است که از کد پایتون به عنوان رابط اکشن استفاده می‌کند و روی ۲۰ بنچمارک میانگین +11.2 امتیاز بهبود داشته.
🔗 مشاهده پست

📖 کتاب و منابع آموزشی

کتاب Designing Machine Learning Systems اثر چیپ هیون به طراحی و استقرار سیستم‌های ML در محیط تولید می‌پردازد و موضوعاتی مثل داده، انتخاب ویژگی، MLOps و نظارت پس از استقرار را پوشش می‌دهد. برای مهندسان و دانشمندان داده ضروری است.
🔗 مشاهده پست
🔗 مشاهده پست

🌐 صنعت و بازار

متا پس از رشد ۱۰٪ سهام، سرویس ابری هوش مصنوعی راه‌اندازی می‌کند که توسعه‌دهندگان به مدل‌های متا در دیتاسنترهای خود شرکت دسترسی دارند و شامل توان پردازشی خام نیز می‌شود – رقیب مستقیم CoreWeave و Nebius.
🔗 مشاهده پست

مدیرعامل Perplexity می‌گوید ارزش واقعی AI از کاربران قدرتمند (power users) می‌آید که سیستم‌ها را شبانه‌روز فعال نگه می‌دارند؛ برخی مهندسان متا سالانه ۱۰ میلیون دلار ابزار کدنویسی AI مصرف می‌کنند.
🔗 مشاهده پست

🔒 امنیت و حریم خصوصی

یک توسعه‌دهنده فاش کرد که Claude Code کاربران چینی را با استگانوگرافی (پنهان‌سازی اطلاعات در نقطه‌گذاری) علامت‌گذاری می‌کرد. منظور جلوگیری از سوءاستفاده واسطه‌ها و تقطیر مدل بود که در به‌روزرسانی بعدی حذف می‌شود.
🔗 مشاهده پست

‏🎬 Shorts Studio: ساخت شورت‌های جذاب با Higgsfield

‏🎬 Higgsfield قابلیت جدید Shorts Studio را معرفی کرده که با بهره‌گیری از مدل Gemini Omni Flash، هر کلیپی را به فرمت کوتاه (شورت) تبدیل می‌کند. تمپوی تدوین و زیرنویس‌ها طوری طراحی شده‌اند که از ثانیه اول مخاطب را جذب کنند.

‏⚡ این ابزار هم در خود Higgsfield، هم از طریق MCP و Supercomputer قابل استفاده است.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#ابزار #DataScience

‏🤖 UALM: مدل یکپارچه شنوایی برای درک، تولید و استدلال

‏🔬 UALM مدلی است که سه قابلیت درک صدا، تولید آن و استدلال روی صوت را در یک معماری واحد ترکیب می‌کند. چالش اصلی یکی‌سازی رویکردهای متفاوت (مدل زبانی خودرگرسیو برای درک، مدل دیفیوژن برای تولید) و افزودن قابلیت استدلال به حوزه صدا است.

‏⚡ برای تولید، مدل UALM-Gen روی Qwen2.5-1.5B ساخته شده و با استفاده از داده‌ی بسیار زیاد (۸۰ هزار ساعت صدا)،Classifier-Free Guidance و تکنیک Delay Pattern به کیفیت مدل‌های دیفیوژن می‌رسد.

‏🔗 لینک‌های اصلی پست:
‏📄 مقاله arXiv

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#ابزار #DataScience

‏🧠 برنامه Anthropic برای تولید تراشه اختصاصی

‏انتروپیک (Anthropic) در حال مذاکره با سامسونگ برای ساخت تراشه اختصاصی ۲ نانومتری خود است. این تراشه مخصوص استنتاج (inference) مدل‌های هوش مصنوعی طراحی می‌شود.

‏این شرکت هم‌اکنون از AWS Trainium، Google TPU و Nvidia GPU استفاده می‌کند، اما مقیاس‌پذیری زیرساخت به چالش تبدیل شده. تجربه OpenAI در ساخت تراشه اختصاصی تا اینجا موفقیت‌آمیز بوده است.

‏سامسونگ پیشتر در دور سری H انتروپیک سرمایه‌گذاری کرده بود.

‏🔗 جزئیات بیشتر در The Information

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#خبر #DataScience