‏🔬 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

‏🚀 ZCode: محیط کدنویسی رایگان با توکن‌های GLM

‏🔧 با نصب ZCode (متفاوت از Zed Code) یک محیط کدنویسی تمیز شبیه به Codex دریافت می‌کنید.
‏💡 روزانه ۳ میلیون توکن رایگان برای مدل GLM-5.2 و ۲ میلیون توکن برای GLM-5 Turbo در اختیار شما قرار می‌گیرد.

‏🔗 نصب ZCode

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

#خبر #DataScience

‏🤖 عامل جدید علی‌بابا: Page Agent درون مرورگر

‏بیشتر عامل‌های مرورگر از بیرون با صفحه تعامل دارند (پروسه خارجی، مرورگر بدون سر، اسکرین‌شات برای مدل چندوجهی). علی‌بابا مسیر را برعکس کرده و Page Agent را به‌عنوان یک عامل متن‌باز جاوااسکریپتی منتشر کرده که درون خود صفحه وب و سمت کاربر اجرا می‌شود.

‏این عامل DOM زنده را به‌صورت متن می‌خواند (FlatDomTree) و کلیک، تایپ و اسکرول می‌کند. نیازی به اسکرین‌شات، مدل چندوجهی یا تغییر بک‌اند ندارد و سشن و احراز هویت کاربر فعلی را به ارث می‌برد.

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

#ابزار #DataScience

‏🤖 WebBrain: عامل مرورگر متن‌باز و محلی

‏WebBrain یک عامل هوش مصنوعی متن‌باز (MIT) است که درون مرورگر شما زندگی می‌کند. می‌تواند کاملاً روی مدل محلی شما اجرا شود – بدون ابر، بدون حساب کاربری، و بدون ارسال داده. از Chrome و Firefox پشتیبانی می‌کند.

‏🔹 دو حالت مجزا: Ask (فقط خواندن صفحه) و Act (کلیک و تایپ از طریق Chrome DevTools Protocol). طراحی UI-first: با رابط کاربری تعامل می‌کند و از API مستقیم خودداری می‌کند.

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

#ابزار #DataScience

‏🧠 AutoMem: آموزش حافظه عامل‌های هوش مصنوعی به عنوان یک مهارت شناختی مجزا

‏🚀 پژوهش جدیدی نشان می‌دهد عامل‌های long-horizon (عامل‌های تصمیم‌گیرنده در افق طولانی) را می‌توان با آموزش اختصاصی حافظه، ۲ تا ۴ برابر سریع‌تر کرد.

‏🧩 ایده اصلی: به جای ذخیره‌سازی ساده در context window، عامل باید یاد بگیرد چه اطلاعاتی را ذخیره کند، چگونه آن‌ها را رمزگذاری کند، چه زمانی بازیابی کند و چگونه ساختار حافظه را پس از تجربه تغییر دهد. AutoMem از دو سیکل استفاده می‌کند: LLM ابتدا ساختار حافظه را از مسیرهای گذشته بازسازی می‌کند، سپس آن را از طریق تصمیم‌های موفق بهبود می‌بخشد.

‏🔬 آزمایش روی بنچمارک‌های Crafter، MiniHack و NetHack نشان داد که صرفاً بهینه‌سازی حافظه، عامل‌ها را به مرزهای frontier-model نزدیک می‌کند.

https://arxiv.org/abs/2607.01224

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

#پژوهش #DataScience

‏🤖 ربات انسان‌نمای Figure 03 وارد خط تولید بی‌ام‌و شد

‏🚀 بی‌ام‌و استفاده از ربات انسان‌نمای Figure 03 را در کارخانه Spartanburg آمریکا برای جابجایی و مرتب‌سازی قطعات آغاز کرد. نسخه قبلی یعنی Figure 02 طی ۱۰ ماه آزمایش روی بیش از ۳۰ هزار بدنه خودرو کار کرده بود.

‏🔧 نسخه جدید Figure AI دارای شارژ بی‌سیم، بدنه نرم، سیستم صوتی برای ارتباط گفتاری با پرسنل، حسگرهای لمسی و دوربین‌های تعبیه‌شده در کف دست است که دقت حرکات ظریف را افزایش می‌دهد.

‏⚡ در خط مونتاژ، Figure 03 قطعات نامرتب را از ظروف مشترک تشخیص می‌دهد و به ترتیب مشخص روی گاری‌های لجستیکی می‌چیند. انتقال گاری‌ها به خط تولید توسط کشنده‌های انبار خودران انجام می‌شود.

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

#خبر #DataScience