میدجرنی بعد از یک سال از نسخه 7 هوش مصنوعی ساخت عکس این شرکت به صورت ازمایشی رونمایی کرده که دارای کیفیت بالاتر، زیبایی بصری بیشتر و دقت بالاتر برای ساخت عکسهایی با بافت، بدن و دستها هست. اما کماکان در ساخت عکسهایی با نوشته و همچنین تغییر استایل عکس مثلا به Ghibli ضعیف تر از GPT 4o هست.
کاربران برای ازمایش اون باید حالت سفارش سازی رو فعال کنن که در 200 جفت عکس به اونها نمایش داده میشه که از بینشون باید اونی که به سلیقه اشون نزدیکتره رو انتخاب تا این مدل براساس سلیقه اونها عکسهارو تولید کنه.
این شرکت همچنین امکان Draft Mode رو اضافه کرده که کیفیت پایینتری از حالت عادی داره ولی 10 برابر از حالت عادی سریعتر و نصف قیمت حالت عادی هزینه داره که برای سعی و خطا و رسیدن به پرامپت موردنظر کاربردیه و بعد از اون میشه با حالت عادی عکس رو ساخت.
میدجرنی 7 از حالا در دسترس کاربرانی که اشتراک این سرویس رو دارن قرار گرفته.
🔎 engadget
📍 @TechTube
کاربران برای ازمایش اون باید حالت سفارش سازی رو فعال کنن که در 200 جفت عکس به اونها نمایش داده میشه که از بینشون باید اونی که به سلیقه اشون نزدیکتره رو انتخاب تا این مدل براساس سلیقه اونها عکسهارو تولید کنه.
این شرکت همچنین امکان Draft Mode رو اضافه کرده که کیفیت پایینتری از حالت عادی داره ولی 10 برابر از حالت عادی سریعتر و نصف قیمت حالت عادی هزینه داره که برای سعی و خطا و رسیدن به پرامپت موردنظر کاربردیه و بعد از اون میشه با حالت عادی عکس رو ساخت.
میدجرنی 7 از حالا در دسترس کاربرانی که اشتراک این سرویس رو دارن قرار گرفته.
🔎 engadget
📍 @TechTube
❤43🌭19🔥7🌚4🤔3
🤣90❤9🌭8👨💻5😁4🍌1
This media is not supported in your browser
VIEW IN TELEGRAM
مایکروسافت از قابلیت Actions برای هوش مصنوعی کوپایلت رونمایی کرده که مشابه قابلیت ChatGPT Operator هست و براساس دستورات کاربر میتونه در سایتهایی مختلف بچرخه و کارهایی مثل رزرو رستوران، خرید بلیط و انجام خریدهای انلاین رو به صورت مستقل انجام بده.
این قابلیت به صورت ازمایشی و رایگان برای برخی کاربران عرضه شده و در اینده به صورت گسترده در دسترس قرار میگیره.
🔎 theverge
📍 @TechTube
این قابلیت به صورت ازمایشی و رایگان برای برخی کاربران عرضه شده و در اینده به صورت گسترده در دسترس قرار میگیره.
🔎 theverge
📍 @TechTube
❤45🌭6💯3👏1
This media is not supported in your browser
VIEW IN TELEGRAM
مایکروسافت قابلیت Vision رو به هوش مصنوعی کوپایلت اورده و حالا اپ موبایل اون میتونه به دوربین گوشی دسترسی داشته باشه و براساس چیزی که میبینه به درخواستهای کاربر جواب بده. این قابلیت از حالا در اپ اندروید و iOS کوپایلت در دسترس هست.
نسخه ویندوز کوپایلت هم طی ماه های اینده میتونه محتوای صفحه رو ببینه و براساس اون سوالات مختلف بپرسین مثلا در مورد نرم افزاری بهتون کمک کنه.
🔎 theverge
📍 @TechTube
نسخه ویندوز کوپایلت هم طی ماه های اینده میتونه محتوای صفحه رو ببینه و براساس اون سوالات مختلف بپرسین مثلا در مورد نرم افزاری بهتون کمک کنه.
🔎 theverge
📍 @TechTube
👏55🔥12💯3🆒2❤🔥1
مایکروسافت همچنین قابلیت Deep Research رو هم به هوش مصنوعی کوپایلت اورده و کاربران با اون میتونن تحقیقات عمیقی در مورد موضوعات مدنظرشون با استفاده از منابع مختلف در سطح وب انجام بدن.
علاوه بر این کوپایلت همانند جمنای، امکان تبدیل مطالب مختلف رو به پادکستهای صوتی برای فهم راحتتر اونها مهیا کرده.
این قابلیتها در حال حاضر در دسترس عده کمی از کاربران هستن و به طی هفته ها و ماه های اینده به صورت رایگان در اختیار همه قرار میگیرن.
🔎 theverge
📍 @TechTube
علاوه بر این کوپایلت همانند جمنای، امکان تبدیل مطالب مختلف رو به پادکستهای صوتی برای فهم راحتتر اونها مهیا کرده.
این قابلیتها در حال حاضر در دسترس عده کمی از کاربران هستن و به طی هفته ها و ماه های اینده به صورت رایگان در اختیار همه قرار میگیرن.
🔎 theverge
📍 @TechTube
🔥48❤7🌭4🍌3❤🔥2👏2🌚1
بیل گیتس کدهای منبع اولین محصول مایکروسافت رو منتشر کرده که حاوی 157 صفحه اسکن شده از کدهای مفسر Altair BASIC هست و از اینجا قابل دانلود هست. گیتس گفته که این کدها باحالترین کدهایی هستن که تابحال نوشته.
بیل گیتس و پاول الن در سال 1975 روی مجله Popular Electronics یک کامپیوتر Altair 8800 رو دیدن و در اون موقع حدس زدن که انقلاب کامپیوترهای شخصی نزدیکه و تصمیم گرفتن از همون ابتدا روی این موج سوار بشن.
این دو به همراه Monte Davidoff در طی دو ماه یک مفسر برای زبان بیسیک نوشتن تا بتونه روی منابع محدود کامپیوتر Altair 8800، یکی از اولین کامپیوترهای شخصی محبوب، اجرا بشه. این قضیه وقتی پیچیده تر شد که اونها باید این نرم افزار رو روی حافظه 4 کیلوبایتی این کامپیوتر جا میدادن چون خرید حافظه بیشتر برای این کامپیوتر اندازه خود کامپیوتر هزینه داشت.
اونها تصمیم گرفتن به جای کمپایلر برای زبان بیسیک، یک مفسر برای اون بنویسن که خط به خط اجرا میشد و برای برنامه نویسهای تازه کار مفیدتر بود چون به اونها بازخورد فوری درباره نتیجه کد میداد.
علاوه بر این، کامپیوتر Altair از چیپ Intel 8080 استفاده میکرد که اونها بهش دسترسی نداشتن، در نتیجه پاول الن کدی نوشت تا این چیپ رو روی مین فریم PDP-10 شبیه سازی کنه و اونها بتونن بدون نیاز به اون چیپ، کدهاشون رو برای این چیپ تست کنن.
در نهایت مجوز استفاده از این کد که به 4K BASIC شناخته میشه، رو به شرکت MITS، سازنده کامپیوترهای Altair، فروختن که حاوی 3 هزار دلار (17 هزار دلار امروزی) پیش پرداخت و حداقل 30 دلار برای فروش هر نسخه بود و به اولین محصول تجاری مایکروسافت تبدیل شد.
بیل گیتس برای این مطلب از انیمیشن های ascii جالبی استفاده کرده که توصیه میکنم در لینک منبع اونهارو ببینید.
🔎 gatesnotes
📍 @TechTube
بیل گیتس و پاول الن در سال 1975 روی مجله Popular Electronics یک کامپیوتر Altair 8800 رو دیدن و در اون موقع حدس زدن که انقلاب کامپیوترهای شخصی نزدیکه و تصمیم گرفتن از همون ابتدا روی این موج سوار بشن.
این دو به همراه Monte Davidoff در طی دو ماه یک مفسر برای زبان بیسیک نوشتن تا بتونه روی منابع محدود کامپیوتر Altair 8800، یکی از اولین کامپیوترهای شخصی محبوب، اجرا بشه. این قضیه وقتی پیچیده تر شد که اونها باید این نرم افزار رو روی حافظه 4 کیلوبایتی این کامپیوتر جا میدادن چون خرید حافظه بیشتر برای این کامپیوتر اندازه خود کامپیوتر هزینه داشت.
اونها تصمیم گرفتن به جای کمپایلر برای زبان بیسیک، یک مفسر برای اون بنویسن که خط به خط اجرا میشد و برای برنامه نویسهای تازه کار مفیدتر بود چون به اونها بازخورد فوری درباره نتیجه کد میداد.
علاوه بر این، کامپیوتر Altair از چیپ Intel 8080 استفاده میکرد که اونها بهش دسترسی نداشتن، در نتیجه پاول الن کدی نوشت تا این چیپ رو روی مین فریم PDP-10 شبیه سازی کنه و اونها بتونن بدون نیاز به اون چیپ، کدهاشون رو برای این چیپ تست کنن.
در نهایت مجوز استفاده از این کد که به 4K BASIC شناخته میشه، رو به شرکت MITS، سازنده کامپیوترهای Altair، فروختن که حاوی 3 هزار دلار (17 هزار دلار امروزی) پیش پرداخت و حداقل 30 دلار برای فروش هر نسخه بود و به اولین محصول تجاری مایکروسافت تبدیل شد.
بیل گیتس برای این مطلب از انیمیشن های ascii جالبی استفاده کرده که توصیه میکنم در لینک منبع اونهارو ببینید.
🔎 gatesnotes
📍 @TechTube
❤74❤🔥16⚡10🌭4🍌3🥴2
This media is not supported in your browser
VIEW IN TELEGRAM
ویدیوی زیبایی از شفقهای قطبی، ثبت شده توسط دونالد پتی، فضانورد ناسا از ایستگاه فضایی بین المللی
🔎 astro_Pettit
📍 @TechTube
🔎 astro_Pettit
📍 @TechTube
❤🔥65❤7🆒4🌭1
در شبیه سازی جدیدی که توسط شرکت انرژی Baker Hughes برای توسعه نسل بعدی توربینهای گازی خودش با نرم افزار Ansys Fluent، نرم افزار شبیهسازی دینامیک سیالات محاسباتی (CFD)، انجام شده، این شرکت موفق شده زمان این شبیه سازی رو به طور قابل ملاحظه ای با سخت افزار AMD کاهش بده.
در حالی که این شبیه سازی پیش از این با 3700 هسته پردازنده بیش از 38 ساعت طول میکشید، حالا با 1024 پردازشگر گرافیکی AMD MI250X روی سوپرکامپیوتر Frontier، یکی از قویترین سوپرکامپیوترهای جهان، این زمان به 1.5 ساعت کاهش یافته!
برخلاف انویدیا که صرفا روی هوش مصنوعی و دیتا تایپهای بهینه شده برای اون مثل FP16 و FP8 تمرکز کرده، AMD همچنان پردازشگرهاش روی برای سوپرکامپیوترها و دیتاتایپهای مناسب برای اونها مثل FP64 بهینه میکنه که در چنین شبیه سازیهای دقیقی به طور گسترده استفاده میشه.
🔎 tomshardware
📍 @TechTube
در حالی که این شبیه سازی پیش از این با 3700 هسته پردازنده بیش از 38 ساعت طول میکشید، حالا با 1024 پردازشگر گرافیکی AMD MI250X روی سوپرکامپیوتر Frontier، یکی از قویترین سوپرکامپیوترهای جهان، این زمان به 1.5 ساعت کاهش یافته!
برخلاف انویدیا که صرفا روی هوش مصنوعی و دیتا تایپهای بهینه شده برای اون مثل FP16 و FP8 تمرکز کرده، AMD همچنان پردازشگرهاش روی برای سوپرکامپیوترها و دیتاتایپهای مناسب برای اونها مثل FP64 بهینه میکنه که در چنین شبیه سازیهای دقیقی به طور گسترده استفاده میشه.
🔎 tomshardware
📍 @TechTube
❤57⚡13🤯6🔥5❤🔥2👏2
Forwarded from هشتگ تبلیغ تخصصی
🎁 همچنین یه هدیه هم برای شما داریم
Please open Telegram to view this post
VIEW IN TELEGRAM
🍌19🌭3❤🔥1
شرکت Stripe، یکی از بزرگترین درگاه های پرداخت در جهان، این تلویزیون CRT رو برای شرکت میدجرنی کادو فرستاده چون میدجرنی به بیشترین تعداد کشورها در سال 2024 فروش داشته و در این تلویزیون که با رزبری پای کار میکنه، نقشه کشورهایی که از میدجرنی خرید داشتن قابل مشاهده هست.
🔎 DavidSHolz
📍 @TechTube
🔎 DavidSHolz
📍 @TechTube
❤51🆒15
شرکت متا از بزرگترین مدلهای هوش مصنوعی متن باز از سری LLAMA رونمایی کرده که از معماری MoE همراه با امکان فهم عکسها پشتیبانی میکنن.
مدل اول Llama 4 Scout هست که 109 میلیارد پارامتر داره که از 16 مدل متخصص که هر کدوم 17 میلیارد پارامتر هست تشکیل شده و دارای context window عظیم 10 میلیون توکنی هست که از هر مدل دیگه ای بزرگتره و عملا میشه هر محتوایی حتی یک فیلم سینمایی کامل رو در اون جا داد تا بشه در مورد اون از مدل سوالات مختلف پرسید و به گفته متا از مدلهایی مثل Gemma 3 و Gemini 2.0 Flash-Lite و Mistral 3.1 قویتره.
مدل بعدی Llama 4 Maverick هست که 400 میلیارد پارامتر داره و از 128 مدل متخصص 17 میلیارد پارامتری تشکیل شده، context window اون یک میلیون توکن هست و با داشتن امتیاز 1417 یکی از مدلهای برتر در LMArena هست و به ادعای این شرکت از مدلهای GPT-4o و Gemini 2.0 Flash و DeepSeek v3 قدرت بیشتری داره.
و در نهایت Llama 4 Behemoth رو داریم که مدل بسیار عظیمی هست که 2000 میلیارد پارامتر (16 مدل متخصص 288 میلیارد پارامتری) داره و بزرگترین مدلی هست که تاکنون متن باز شده و به گفته متا قدرت بالایی داره و از مدلهایی همچون GPT-4.5 و Claude Sonnet 3.7 و Gemini 2.0 Pro قویتر ظاهر شده.
مدلها Scout و Maverick متن باز شدن و علاوه بر دانلود، امکان استفاده به صورت انلاین در سرویسهای مختلف از جمله واتساپ، اینستاگرام و Meta.ai قابل ازمایش هستن. مدل Behemoth هنوز در حال تمرین هست و در ماه های اینده عرضه میشه.
این مدلها همه غیراستدلالی هست و این شرکت قرار هست در اینده نسخه استدلالی لاما رو هم منتشر کنه.
🔎 meta
📍 @TechTube
مدل اول Llama 4 Scout هست که 109 میلیارد پارامتر داره که از 16 مدل متخصص که هر کدوم 17 میلیارد پارامتر هست تشکیل شده و دارای context window عظیم 10 میلیون توکنی هست که از هر مدل دیگه ای بزرگتره و عملا میشه هر محتوایی حتی یک فیلم سینمایی کامل رو در اون جا داد تا بشه در مورد اون از مدل سوالات مختلف پرسید و به گفته متا از مدلهایی مثل Gemma 3 و Gemini 2.0 Flash-Lite و Mistral 3.1 قویتره.
مدل بعدی Llama 4 Maverick هست که 400 میلیارد پارامتر داره و از 128 مدل متخصص 17 میلیارد پارامتری تشکیل شده، context window اون یک میلیون توکن هست و با داشتن امتیاز 1417 یکی از مدلهای برتر در LMArena هست و به ادعای این شرکت از مدلهای GPT-4o و Gemini 2.0 Flash و DeepSeek v3 قدرت بیشتری داره.
و در نهایت Llama 4 Behemoth رو داریم که مدل بسیار عظیمی هست که 2000 میلیارد پارامتر (16 مدل متخصص 288 میلیارد پارامتری) داره و بزرگترین مدلی هست که تاکنون متن باز شده و به گفته متا قدرت بالایی داره و از مدلهایی همچون GPT-4.5 و Claude Sonnet 3.7 و Gemini 2.0 Pro قویتر ظاهر شده.
مدلها Scout و Maverick متن باز شدن و علاوه بر دانلود، امکان استفاده به صورت انلاین در سرویسهای مختلف از جمله واتساپ، اینستاگرام و Meta.ai قابل ازمایش هستن. مدل Behemoth هنوز در حال تمرین هست و در ماه های اینده عرضه میشه.
این مدلها همه غیراستدلالی هست و این شرکت قرار هست در اینده نسخه استدلالی لاما رو هم منتشر کنه.
🔎 meta
📍 @TechTube
1🔥55❤9🍌5❤🔥1