Forwarded from Golden Code (علی 🇨🇴)
در css قابلیته currentColor به ما این امکانو داده که بتونیم از رنگ متن برای باقیه بخش هامون مثل رنگ border یا background به راحتی استفاده کنیم !
بدونه اینکه مجبور بشیم رنگ رو دوباره بنویسیم.
(در تصویر کامل شرح داده شده👌🏾)
#GoldenCodeir
@GoldenCodeir
(به منبع و مثالش دقت کنید 👇🏾)
https://x.com/codewithshripal/status/1882792377305432164?t=FGfvEwhgRi4bz7Xslwg47g&s=19
بدونه اینکه مجبور بشیم رنگ رو دوباره بنویسیم.
(در تصویر کامل شرح داده شده👌🏾)
#GoldenCodeir
@GoldenCodeir
(به منبع و مثالش دقت کنید 👇🏾)
https://x.com/codewithshripal/status/1882792377305432164?t=FGfvEwhgRi4bz7Xslwg47g&s=19
👍3👏1
🔶 دیپ سیک (DeepSeek) در یه حرکت پشم ریزون مدل تولید عکس از متن اوپن سورس کرد که به گفته خودشون از DALL-E 3 بهتر عمل می کند و مدلش براساس any to any است.
گیت هاب :
https://github.com/deepseek-ai/Janus
@TheRaymondDev | @Linuxor
گیت هاب :
https://github.com/deepseek-ai/Janus
@TheRaymondDev | @Linuxor
GitHub
GitHub - deepseek-ai/Janus: Janus-Series: Unified Multimodal Understanding and Generation Models
Janus-Series: Unified Multimodal Understanding and Generation Models - deepseek-ai/Janus
🔥4👍1
براساس گزارش CNBC، دیپسیک امروز صبح بهدلیل حمله سایبری، ثبتنام کاربران جدید را موقتاً متوقف کرده است. کاربران فعلی همچنان میتوانند بدون مشکل به حساب خود دسترسی داشته باشند.
#خبر
@TheRaymondDev
#خبر
@TheRaymondDev
CNBC
DeepSeek hit with large-scale cyberattack, says it's limiting registrations
DeepSeek on Monday said it would temporarily limit user registrations "due to large-scale malicious attacks" on its services.
👏3👍1
This media is not supported in your browser
VIEW IN TELEGRAM
🔶 سم آلتمن وقتی داره سعی میکنه سر در بیاره که چطور DeepSeek تونسته با ۲,۰۰۰ تا چیپ و ۶ میلیون دلار هزینه، مدلهاش رو مچ کنه!
@TheRaymondDev | @Sermoviechannel
@TheRaymondDev | @Sermoviechannel
😁12
🔶 بازار سهام ایالات متحده نزدیک ۱ تریلیون دلار در یک روز به دلیل پلت فرم هوش مصنوعی دیپ سیک ضرر کرد و علت ضرر آن به دلیل ترس از رقابت تکنولوژیکی از سوی چین و در مورد تأثیر تحولات فناوری چین بر بازار ایالات متحده به طور قابل توجهی نگرانی فزاینده دارد.
#خبر
@TheRaymondDev
#خبر
@TheRaymondDev
💅5👍2🔥1
🎄 یک برنامه نویس تنبل
🔶 بازار سهام ایالات متحده نزدیک ۱ تریلیون دلار در یک روز به دلیل پلت فرم هوش مصنوعی دیپ سیک ضرر کرد و علت ضرر آن به دلیل ترس از رقابت تکنولوژیکی از سوی چین و در مورد تأثیر تحولات فناوری چین بر بازار ایالات متحده به طور قابل توجهی نگرانی فزاینده دارد. #خبر…
🔶 امروز، در تاریخ ۲۸ ژانویه ۲۰۲۵، سهام شرکت انویدیا (Nvidia) با ریزش قابل توجهی مواجه شد. بر اساس گزارشها، ارزش سهام این شرکت در معاملات پیش از بازار تا ۱۰.۱۴ درصد کاهش یافت و به ۱۲۸ دلار رسید. همچنین، در جریان معاملات روزانه، سهام انویدیا تا ۱۷.۷ درصد سقوط کرد و به پایینترین سطح از اکتبر ۲۰۲۴ رسید. این ریزش باعث شد ارزش بازار انویدیا در یک روز حدود ۶۰۰ میلیارد دلار کاهش یابد، که بزرگترین کاهش ارزش بازار یک شرکت در تاریخ وال استریت محسوب میشود.
دلایل اصلی ریزش سهام انویدیا:
۱. موفقیت استارتاپ چینی DeepSeek: این شرکت با معرفی مدل هوش مصنوعی DeepSeek R1، که با هزینه بسیار کمتری نسبت به رقبای آمریکایی توسعه یافته، نگرانی هایی درباره کاهش تقاضا برای سختافزارهای پیشرفته انویدیا ایجاد کرده است.
۲. نگرانی از کاهش هزینه های هوش مصنوعی: موفقیت DeepSeek نشان داد که میتوان با استفاده از سخت افزارهای ساده تر و ارزانتر نیز به عملکردهای مشابه دست یافت، که این موضوع باعث تردید سرمایه گذاران درباره آینده تقاضا برای محصولات انویدیا شده است.
۳. واکنش بازار به رقابت چین: پیشرفتهای DeepSeek این تصور را ایجاد کرده که ایالات متحده ممکن است رهبری خود در حوزه هوش مصنوعی را از دست بدهد، که این موضوع به کاهش ارزش سهام شرکتهای فناوری آمریکایی از جمله انویدیا منجر شده است.
تأثیرات گسترده تر:
- این ریزش تنها به انویدیا محدود نبود و سایر شرکتهای مرتبط با فناوری هوش مصنوعی، مانند Broadcom، AMD، و ASML نیز با کاهش ارزش سهام مواجه شدند.
- شاخصهای اصلی بازار مانند S&P 500 و Nasdaq نیز به ترتیب ۱.۸ درصد و ۳.۴ درصد کاهش یافتند.
در مجموع، ریزش سهام انویدیا امروز نشاندهنده نگرانی های گسترده تر درباره آینده صنعت هوش مصنوعی و رقابت فزاینده بین شرکتهای آمریکایی و چینی است.
پ.ن: جواب خود DeepSeek است.
#خبر
@TheRaymondDev
دلایل اصلی ریزش سهام انویدیا:
۱. موفقیت استارتاپ چینی DeepSeek: این شرکت با معرفی مدل هوش مصنوعی DeepSeek R1، که با هزینه بسیار کمتری نسبت به رقبای آمریکایی توسعه یافته، نگرانی هایی درباره کاهش تقاضا برای سختافزارهای پیشرفته انویدیا ایجاد کرده است.
۲. نگرانی از کاهش هزینه های هوش مصنوعی: موفقیت DeepSeek نشان داد که میتوان با استفاده از سخت افزارهای ساده تر و ارزانتر نیز به عملکردهای مشابه دست یافت، که این موضوع باعث تردید سرمایه گذاران درباره آینده تقاضا برای محصولات انویدیا شده است.
۳. واکنش بازار به رقابت چین: پیشرفتهای DeepSeek این تصور را ایجاد کرده که ایالات متحده ممکن است رهبری خود در حوزه هوش مصنوعی را از دست بدهد، که این موضوع به کاهش ارزش سهام شرکتهای فناوری آمریکایی از جمله انویدیا منجر شده است.
تأثیرات گسترده تر:
- این ریزش تنها به انویدیا محدود نبود و سایر شرکتهای مرتبط با فناوری هوش مصنوعی، مانند Broadcom، AMD، و ASML نیز با کاهش ارزش سهام مواجه شدند.
- شاخصهای اصلی بازار مانند S&P 500 و Nasdaq نیز به ترتیب ۱.۸ درصد و ۳.۴ درصد کاهش یافتند.
در مجموع، ریزش سهام انویدیا امروز نشاندهنده نگرانی های گسترده تر درباره آینده صنعت هوش مصنوعی و رقابت فزاینده بین شرکتهای آمریکایی و چینی است.
پ.ن: جواب خود DeepSeek است.
#خبر
@TheRaymondDev
🆒6❤2
This media is not supported in your browser
VIEW IN TELEGRAM
Forwarded from Saeed
کانال ما:
Please open Telegram to view this post
VIEW IN TELEGRAM
💩1
🔶 کاوش در مورد R1 DeepSeek
1- آموزش مدل های برتر هوش مصنوعی بسیار گران است. OpenAI، Anthropic و غیره ۱۰۰ میلیون دلار بیشتر برای محاسبات هزینه می کنند و به مراکز داده عظیم با هزاران پردازنده گرافیکی ۴۰ هزار دلاری نیاز دارند. مثل این است که برای اداره یک کارخانه به یک نیروگاه کامل نیاز داشته باشید.
2- زمانی که DeepSeek ظهور کرد و اعلام کرد که اگر به جای آن این کار را با ۵ میلیون دلار انجام دهیم، چه می شود؟ و اونا فقط صحبت نکردند و در واقع این کار را کردند. مدل های آنها در بسیاری از وظایف با GPT-4 و کلود مطابقت دارند یا شکست می دهند.
۳- اما چگونه اینکارو کردند؟ چینی ها همه چیز را از ابتدا تجدید نظر کردند. هوش مصنوعی سنتی مانند نوشتن هر عدد با ۳۲ رقم اعشار است. DeepSeek مانند این بود که اگر فقط از ۸ استفاده کنیم چه خواهد شد؟ هنوز هم به اندازه کافی دقیق است! و ۷۵٪ حافظه کمتر مورد نیاز است.
۴- سپس سیستم مولتی توکن آنها وجود دارد. هوش مصنوعی معمولی مانند یک دانش آموز کلاس اول می خواند: "... گربه... نشسته..." DeepSeek به طور همزمان عبارات کامل را می خواند. 2 برابر سریعتر، 90٪ دقیق بوده و وقتی میلیاردها کلمه را پردازش می کنید، این مهم است.
۵- اما نکته واقعا هوشمندانه ای وجود دارد که یک "سیستم متخصص" ساختند. به جای اینکه یک هوش مصنوعی عظیم سعی کند همه چیز را بداند (مانند داشتن یک نفر پزشک، وکیل و مهندس)، و متخصصان تخصصی دارند که فقط در صورت نیاز از خواب بیدار می شوند.
۶- مدل های سنتی تمام ۱.۸ تریلیون پارامتر همیشه فعال هستند. در مجموع ۶۷۱ میلیارد اما فقط ۳۷ میلیارد فعال همزمان فعال شوند. مثل این است که یک تیم بزرگ داشته باشید اما فقط کارشناسانی را که واقعا برای هر کار به آن نیاز دارید فرا بگیرید.
۷- نتایج شگفت انگیز بود.
- هزینه آموزش: ۱۰۰ میلیون دلار → ۵ میلیون دلار
- پردازنده های گرافیکی مورد نیاز: ۱۰۰,۰۰۰ عدد → ۲,۰۰۰ عدد
- هزینه های API واسط : ۹۵٪ ارزان تر
- می تواند به جای سخت افزار مرکز داده بر روی GPU های بازی اجرا شود
۸- ممکن است بگویید که صبر کنید، باید یک مشکل وجود داشته باشد! همه چیز منبع باز است. هر کسی می تواند کار خود را بررسی کند. کد عمومی است. مقالات فنی همه چیز را توضیح می دهند. این جادو نیست، فقط مهندسی فوق العاده هوشمندانه است.
۹- چرا این موضوع مهم است؟ زیرا مدل فقط شرکت های بزرگ فناوری می توانند در هوش مصنوعی بازی کنند را می شکند. شما دیگر نیازی به یک مرکز داده میلیارد دلاری ندارید. چند پردازنده گرافیکی خوب ممکن است این کار را انجام دهند.
۱۰- برای انویدیا، واقعا ترسناکه که کل مدل کسب و کار آنها بر اساس فروش پردازنده های گرافیکی فوق العاده گران قیمت با حاشیه ۹۰ درصد ساخته شده است. اگر همه بتوانند به طور ناگهانی هوش مصنوعی را با پردازنده های گرافیکی بازی معمولی انجام دهند که شما این مشکل را می بینید.
۱۱- و DeepSeek این کار را با تیمی کمتر از ۲۰۰ نفر انجام داد و متا تیم هایی دارد که پرداخت آنها به تنهایی از کل بودجه آموزشی DeepSeek بیشتر است و مدل های آنها آنقدرها هم خوب نیستند.
۱۲- این یک داستان اختلال کلاسیک است: اخلالگران فرایندهای موجود را بهینه سازی می کنند، در حالی که اخلالگران در رویکرد اساسی تجدید نظر می کنند. DeepSeek پرسید "چه می شد اگر به جای انداختن سخت افزار بیشتر به سمت آن، این کار را هوشمندانه تر انجام می دادیم؟"
۱۳-پیامدهای آن بسیار زیاد است :
- توسعه هوش مصنوعی در دسترس تر می شود
- رقابت به طور چشمگیری افزایش می یابد.
- خندق شرکت های بزرگ فن آوری بیشتر شبیه به گودال است
- کاهش الزامات سخت افزاری ( و هزینه ها )
۱۴ - البته غول هایی همچون OpenAI و انویدیا نیز بیکار نخواهند نشست و احتمالا در حال پیاده سازی این نوآوری ها هستند . اما بحث کارایی از حوصله این مقاله خارج است و به رویکرد " فقط GPU های بیشتری را به سمت آن پرتاب کنید " بر نمی گردد .
۱۵- این یکی از آن لحظاتی است که به عنوان یک نقطه عطف به آن نگاه خواهیم کرد . مانند زمانی که کامپیوترهای شخصی ارتباط کمتری با پردازنده های مرکزی برقرار می کردند , یا زمانی که رایانش ابری همه چیز را تغییر می داد.
پ.ن : ترجمه ماشینی با ویرایش است.
@TheRaymondDev
1- آموزش مدل های برتر هوش مصنوعی بسیار گران است. OpenAI، Anthropic و غیره ۱۰۰ میلیون دلار بیشتر برای محاسبات هزینه می کنند و به مراکز داده عظیم با هزاران پردازنده گرافیکی ۴۰ هزار دلاری نیاز دارند. مثل این است که برای اداره یک کارخانه به یک نیروگاه کامل نیاز داشته باشید.
2- زمانی که DeepSeek ظهور کرد و اعلام کرد که اگر به جای آن این کار را با ۵ میلیون دلار انجام دهیم، چه می شود؟ و اونا فقط صحبت نکردند و در واقع این کار را کردند. مدل های آنها در بسیاری از وظایف با GPT-4 و کلود مطابقت دارند یا شکست می دهند.
۳- اما چگونه اینکارو کردند؟ چینی ها همه چیز را از ابتدا تجدید نظر کردند. هوش مصنوعی سنتی مانند نوشتن هر عدد با ۳۲ رقم اعشار است. DeepSeek مانند این بود که اگر فقط از ۸ استفاده کنیم چه خواهد شد؟ هنوز هم به اندازه کافی دقیق است! و ۷۵٪ حافظه کمتر مورد نیاز است.
۴- سپس سیستم مولتی توکن آنها وجود دارد. هوش مصنوعی معمولی مانند یک دانش آموز کلاس اول می خواند: "... گربه... نشسته..." DeepSeek به طور همزمان عبارات کامل را می خواند. 2 برابر سریعتر، 90٪ دقیق بوده و وقتی میلیاردها کلمه را پردازش می کنید، این مهم است.
۵- اما نکته واقعا هوشمندانه ای وجود دارد که یک "سیستم متخصص" ساختند. به جای اینکه یک هوش مصنوعی عظیم سعی کند همه چیز را بداند (مانند داشتن یک نفر پزشک، وکیل و مهندس)، و متخصصان تخصصی دارند که فقط در صورت نیاز از خواب بیدار می شوند.
۶- مدل های سنتی تمام ۱.۸ تریلیون پارامتر همیشه فعال هستند. در مجموع ۶۷۱ میلیارد اما فقط ۳۷ میلیارد فعال همزمان فعال شوند. مثل این است که یک تیم بزرگ داشته باشید اما فقط کارشناسانی را که واقعا برای هر کار به آن نیاز دارید فرا بگیرید.
۷- نتایج شگفت انگیز بود.
- هزینه آموزش: ۱۰۰ میلیون دلار → ۵ میلیون دلار
- پردازنده های گرافیکی مورد نیاز: ۱۰۰,۰۰۰ عدد → ۲,۰۰۰ عدد
- هزینه های API واسط : ۹۵٪ ارزان تر
- می تواند به جای سخت افزار مرکز داده بر روی GPU های بازی اجرا شود
۸- ممکن است بگویید که صبر کنید، باید یک مشکل وجود داشته باشد! همه چیز منبع باز است. هر کسی می تواند کار خود را بررسی کند. کد عمومی است. مقالات فنی همه چیز را توضیح می دهند. این جادو نیست، فقط مهندسی فوق العاده هوشمندانه است.
۹- چرا این موضوع مهم است؟ زیرا مدل فقط شرکت های بزرگ فناوری می توانند در هوش مصنوعی بازی کنند را می شکند. شما دیگر نیازی به یک مرکز داده میلیارد دلاری ندارید. چند پردازنده گرافیکی خوب ممکن است این کار را انجام دهند.
۱۰- برای انویدیا، واقعا ترسناکه که کل مدل کسب و کار آنها بر اساس فروش پردازنده های گرافیکی فوق العاده گران قیمت با حاشیه ۹۰ درصد ساخته شده است. اگر همه بتوانند به طور ناگهانی هوش مصنوعی را با پردازنده های گرافیکی بازی معمولی انجام دهند که شما این مشکل را می بینید.
۱۱- و DeepSeek این کار را با تیمی کمتر از ۲۰۰ نفر انجام داد و متا تیم هایی دارد که پرداخت آنها به تنهایی از کل بودجه آموزشی DeepSeek بیشتر است و مدل های آنها آنقدرها هم خوب نیستند.
۱۲- این یک داستان اختلال کلاسیک است: اخلالگران فرایندهای موجود را بهینه سازی می کنند، در حالی که اخلالگران در رویکرد اساسی تجدید نظر می کنند. DeepSeek پرسید "چه می شد اگر به جای انداختن سخت افزار بیشتر به سمت آن، این کار را هوشمندانه تر انجام می دادیم؟"
۱۳-پیامدهای آن بسیار زیاد است :
- توسعه هوش مصنوعی در دسترس تر می شود
- رقابت به طور چشمگیری افزایش می یابد.
- خندق شرکت های بزرگ فن آوری بیشتر شبیه به گودال است
- کاهش الزامات سخت افزاری ( و هزینه ها )
۱۴ - البته غول هایی همچون OpenAI و انویدیا نیز بیکار نخواهند نشست و احتمالا در حال پیاده سازی این نوآوری ها هستند . اما بحث کارایی از حوصله این مقاله خارج است و به رویکرد " فقط GPU های بیشتری را به سمت آن پرتاب کنید " بر نمی گردد .
۱۵- این یکی از آن لحظاتی است که به عنوان یک نقطه عطف به آن نگاه خواهیم کرد . مانند زمانی که کامپیوترهای شخصی ارتباط کمتری با پردازنده های مرکزی برقرار می کردند , یا زمانی که رایانش ابری همه چیز را تغییر می داد.
پ.ن : ترجمه ماشینی با ویرایش است.
@TheRaymondDev
👍8
🔶 Web Archive Helper-usernoscript
خیلی وقتا شده توی یک سایتی یه مطلب خوبی میخونیم یا از سوشال مدیا که میخوایم جایی سیو باشه که اگه از دست رفت داشته باشیمش
سایتای زیر برای اینکار هستن:
archive.org
archive.today
ولی خب اذیت کنندس هردفعه بری این سایتا تا ذخیره یا سرچ کنی
واسه همین یه یوزراسکریپتی نوشتم راحت با یه کلیک اینکارو میکنه
https://gist.github.com/maanimis/0c6c4ddc14010ad93568d60a9f29fd79
@TheRaymondDev
خیلی وقتا شده توی یک سایتی یه مطلب خوبی میخونیم یا از سوشال مدیا که میخوایم جایی سیو باشه که اگه از دست رفت داشته باشیمش
سایتای زیر برای اینکار هستن:
archive.org
archive.today
ولی خب اذیت کنندس هردفعه بری این سایتا تا ذخیره یا سرچ کنی
واسه همین یه یوزراسکریپتی نوشتم راحت با یه کلیک اینکارو میکنه
https://gist.github.com/maanimis/0c6c4ddc14010ad93568d60a9f29fd79
@TheRaymondDev
🔥3
🔶 هوش مصنوعی چینی Qwen، کنترل کامپیوتر و گوشی را به دست میگیرد
تیم Qwen علیبابا روز دوشنبه از خانوادهی جدید مدلهای هوش مصنوعی به نام Qwen2.5-VL رونمایی کرد که میتواند کارهایی مثل تحلیل متن و تصویر را انجام دهد. این مدلها میتوانند فایلها را تجزیه و تحلیل کنند، ویدیوها را بفهمند، اشیای موجود در تصاویر را بشمارند و حتی کامپیوتر را کنترل کنند؛ قابلیتی مشابه مدلی که اخیراً OpenAI در Operator معرفی کرد.
</zoomit>
@TheRaymondDev
تیم Qwen علیبابا روز دوشنبه از خانوادهی جدید مدلهای هوش مصنوعی به نام Qwen2.5-VL رونمایی کرد که میتواند کارهایی مثل تحلیل متن و تصویر را انجام دهد. این مدلها میتوانند فایلها را تجزیه و تحلیل کنند، ویدیوها را بفهمند، اشیای موجود در تصاویر را بشمارند و حتی کامپیوتر را کنترل کنند؛ قابلیتی مشابه مدلی که اخیراً OpenAI در Operator معرفی کرد.
</zoomit>
@TheRaymondDev
GitHub
Qwen2.5-VL/README.md at main · QwenLM/Qwen2.5-VL
Qwen2.5-VL is the multimodal large language model series developed by Qwen team, Alibaba Cloud. - QwenLM/Qwen2.5-VL
👍1
This media is not supported in your browser
VIEW IN TELEGRAM
🔸oha
اگر گاهی اوقات مثل من تعداد requestهایی که یک برنامه میتواند پاسخگو باشد را مورد سنجش قرار میدهید، برنامه Oha ممکن است به کار تان بیاید که تازه آن را پیدا کردهام که به صورت جالبی نتایج را نمایش میدهد.
البته که کلی ابزار خوب دیگر نیز برای این کار هست.
https://github.com/hatoo/oha
منبع
@TheRaymondDev
اگر گاهی اوقات مثل من تعداد requestهایی که یک برنامه میتواند پاسخگو باشد را مورد سنجش قرار میدهید، برنامه Oha ممکن است به کار تان بیاید که تازه آن را پیدا کردهام که به صورت جالبی نتایج را نمایش میدهد.
البته که کلی ابزار خوب دیگر نیز برای این کار هست.
https://github.com/hatoo/oha
منبع
@TheRaymondDev
❤3🔥1
Forwarded from ~Loveaвle (Hanie)
👍6🔥1🕊1
🎄 یک برنامه نویس تنبل
🔸territorial یک بازی جذاب پیکسی سبک و انلاین که میتونه شمارو معتاد کنه قلمرو خودتون گسترش میدید-متحد میشید-کمک میگیرید و میفرستید-حمله میکنید و... هم تحت وب هم اندروید هم ios https://territorial.io #معرفی @TheRaymondDev
🔸territorial.io cheat
بخوام خلاصه بگم این بازی بصورت غیرمتمرکز هستش نمیتونی چیت بزنی هرکاری کنی فقط برای خودت اون اتفاق میافته نه بقیه تنها راه استفاده از تعداد زیاد اکانت هستش
این اسکریپت هم میاد اینکارو میکنه
کدهای زیادی واسش زدن ولی بهینه نیست مثلا چندتا تب توی حالت ناشناس بالا میاوردن یا پروکسی میزدن و... ولی اینجا ما هر چندتا اکانت بخوایم توی یک تب باز میکنیم
https://gist.github.com/maanimis/e16b4718b544c4f54bb100f669b93918
@TheRaymondDev
بخوام خلاصه بگم این بازی بصورت غیرمتمرکز هستش نمیتونی چیت بزنی هرکاری کنی فقط برای خودت اون اتفاق میافته نه بقیه تنها راه استفاده از تعداد زیاد اکانت هستش
این اسکریپت هم میاد اینکارو میکنه
کدهای زیادی واسش زدن ولی بهینه نیست مثلا چندتا تب توی حالت ناشناس بالا میاوردن یا پروکسی میزدن و... ولی اینجا ما هر چندتا اکانت بخوایم توی یک تب باز میکنیم
https://gist.github.com/maanimis/e16b4718b544c4f54bb100f669b93918
@TheRaymondDev
🔶 براساس گفته های Alexander Doria در ایکس مدل زبانی DeepSeek R1 روی Nvidia H800 آموزش دیده است، اما برای استنتاج (یعنی استفاده از مدل آموزشدیده برای تولید پاسخ) از تراشهی Ascend 910C هواوی استفاده میکند.
#خبر
@TheRaymondDev
#خبر
@TheRaymondDev
X (formerly Twitter)
Alexander Doria (@Dorialexander) on X
I feel this should be a much bigger story: DeepSeek has trained on Nvidia H800 but is running inference on the new home Chinese chips made by Huawei, the 910C.
🔶 نسخه اولیه پکیچ احراز هویت موبایلی ورودیا (Vordia) لاراول منتشر شد.
این پکیچ برای لاراول ساختم و از اپراتور sms.ir استفاده می کند و دوستانی که لاراول استفاده می کند و پنل sms.ir دارد این پکیچ تست کند و مشکلات رو گزارش کند.
در صورت رفع خطا و مشکلات اپراتورهای sms دیگر نیز اضافه خواهد شد و دوستان می توانند در گسترش این پکیچ مشارکت کند.
این پکیچ اوپن سورس و رایگان است.
برای حمایت ⭐️ دهید.
https://github.com/Rayiumir/Vordia
#لاراول
@TheRaymondDev
این پکیچ برای لاراول ساختم و از اپراتور sms.ir استفاده می کند و دوستانی که لاراول استفاده می کند و پنل sms.ir دارد این پکیچ تست کند و مشکلات رو گزارش کند.
در صورت رفع خطا و مشکلات اپراتورهای sms دیگر نیز اضافه خواهد شد و دوستان می توانند در گسترش این پکیچ مشارکت کند.
این پکیچ اوپن سورس و رایگان است.
برای حمایت ⭐️ دهید.
https://github.com/Rayiumir/Vordia
#لاراول
@TheRaymondDev
🔥7
🔶 مایکروسافت مدل هوش مصنوعی دیپسیک R1 را به گیتهاب و آژور AI اضافه کرد و به کامپیوترهای کوپایلتپلاس نیز اضافه می کند.
#خبر
@TheRaymondDev
#خبر
@TheRaymondDev
Microsoft Azure Blog
DeepSeek R1 is now available on Azure AI Foundry and GitHub | Microsoft Azure Blog
DeepSeek R1, available through the model catalog on Microsoft Azure AI Foundry and GitHub, enables businesses to seamlessly integrate advanced AI.
🆒3👍2
🔶 چتبات هوشمصنوعی Qwen 2.5-Max علی بابا در دسترس عموم (نیاز به ثبت نام با ایمیل) قرار گرفت.
https://chat.qwenlm.ai/
#خبر
@TheRaymondDev
https://chat.qwenlm.ai/
#خبر
@TheRaymondDev
chat.qwen.ai
Qwen Chat
Qwen Chat offers comprehensive functionality spanning chatbot, image and video understanding, image generation, document processing, web search integration, tool utilization, and artifacts.
👍3