شرکت Inception از مدل جدیدی رونمایی کرده که برخلاف LLM های رایج از متود Diffusion، همون متودی که تا امروز برای تولید عکس و ویدیو در مدلهایی مثل Sora و Midjourney استفاده می‌شد، برای تولید و ویرایش متن‌ها استفاده میکنه.

این موضوع باعث میشه که این مدل بتونه کارهایی که مدل‌های کنونی انجام میدن رو با سرعت بسیار بیشتری انجام بده.

مدل های LLM کنونی به صورت Sequential کار میکنن، یعنی مثلا برای تولید یک عبارت سه حرفی در ابتدا باید کلمه اول، سپس دوم و در آخر سومین کلمه تولید بشه، تولید کلمه دوم مادامی که تولید کلمه اول به اتمام نرسیده باشه ممکن نیست.

اما مدل های Diffusion در همون ابتدا یک برآورد کلی از خروجی‌ای که قراره درنهایت تولید بشه (مثل یک عکس) دارن و سپس دیتا رو حول محور اون جمع آوری و تولید میکنند، وقتی که این مکانیزم رو با مدل‌های زبانی کنونی ترکیب کنیم، نتیجه میشه یک مدل زبانی بسیار سریع که میتونه به صورت موازی تولید متون مختلف رو انجام بده.

آقای Ermon، بنیانگذار این شرکت که استاد دانشگاه استنفورد هم هست، به همراه یکی از دانشجو‌هاش پیپر مربوط به این تکنیک رو سال گذشته منتشر کردن.

این شرکت همچنین از خانواده مدل‌هایی که بر این اساس ساخته شدن به اسم Mercury هم رونمایی کرده که به گفته این شرکت ۱۰ برابر سریعتر از مدل های کنونی هستن. این مدل‌ها که Mercury Coder Mini و Mercury Coder Small نام دارند، میتونن روی کارت های Nvidia H100 تا ۱۰۰۰ توکن بر ثانیه خروجی داشته باشن، که این سرعت تا قبل از این فقط با چیپ‌های شخصی سازی شده قابل دستیابی بود.

مدل Mercury Coder که تمرکز اون روی کد نویسی هست از اینجا در دسترس و قابل استفاده هست.

@aipulse24

روز سه‌شنبه، OpenAI ابزارهای جدیدی رو معرفی کرد که به توسعه‌دهندگان و شرکت‌ها کمک می‌کنه تا ایجنت‌های هوش مصنوعی - سیستم‌های خودکاری که می‌تونن مستقلاً وظایف رو انجام بدن - با استفاده از مدل‌ها و چارچوب‌های خود این شرکت بسازن. این ابزارها بخشی از Responses API جدید OpenAI هستن که به کسب‌وکارها اجازه می‌ده ایجنت‌های هوش مصنوعی سفارشی رو توسعه بدن که می‌تونن جستجوی وب انجام بدن، فایل‌های شرکت رو اسکن کنن و در وب‌سایت‌ها گشت‌وگذار کنن، درست مثل محصول Operator این شرکت. Responses API عملاً جایگزین Assistants API میشه که قراره در نیمه اول سال ۲۰۲۶ کنار گذاشته بشه.

محبوبیت ایجنت‌های هوش مصنوعی در سال‌های اخیر به‌طور چشمگیری افزایش پیدا کرده، علی‌رغم اینکه شرکت‌های هوش مصنوعی در نشون دادن یا حتی تعریف کردن اینکه "ایجنت‌های هوش مصنوعی" واقعاً چی هستن، با مشکل مواجه شدن. در جدیدترین نمونه از پیشی گرفتن تبلیغات از کاربرد واقعی، استارتاپ چینی Butterfly Effect اوایل این هفته با پلتفرم ایجنت هوش مصنوعی جدیدی به نام Manus در فضای مجازی محبوب شد که کاربران سریعاً کشف کردن این پلتفرم بسیاری از وعده‌های شرکت رو محقق نمی‌کنه.

اولیویه گودمان، مدیر محصول API در OpenAI، در مصاحبه‌ای به TechCrunch گفته: "نمایش دادن ایجنت هوش مصنوعی خیلی آسونه. اما مقیاس‌پذیر کردن یک ایجنت خیلی سخته، و اینکه مردم رو ترغیب کنی اغلب از اون استفاده کنن هم خیلی دشواره." اوایل امسال، OpenAI دو ایجنت هوش مصنوعی رو در ChatGPT معرفی کرد: Operator که از طرف شما در وب‌سایت‌ها گردش می‌کنه و Deep Research که گزارش‌های تحقیقاتی رو برای شما تهیه می‌کنه. هر دو ابزار نگاهی کلی به چیزی که ایجنت ها قادر به انجامش هستن ارائه دادن، اما در بخش "خودمختاری" چیزهای زیادی برای بهبود وجود داره.

حالا با Responses API، شرکت OpenAI می‌خواد دسترسی به ابزارهای سازنده ایجنت‌های هوش مصنوعی رو فراهم کنه و به توسعه‌دهندگان اجازه بده ایجنت‌هایی مشابه Operator و Deep Research رو بسازن. OpenAI امیدواره که توسعه‌دهندگان بتونن با استفاده از فناوری ایجنت‌های این شرکت، برنامه‌هایی بسازن که نسبت به آنچه امروز در دسترسه، خودمختارتر به نظر برسن. با استفاده از Responses API، توسعه‌دهندگان می‌تونن به همون مدل‌های هوش مصنوعی که در پشت صحنه ابزار جستجوی وب ChatGPT Search استفاده میشه، دسترسی پیدا کنن یعنی GPT-4o search و GPT-4o mini search. این مدل‌ها می‌تونن برای یافتن پاسخ سؤالات در وب جستجو کنن و هنگام تولید پاسخ‌ها به منابع استناد کنن.

این شرکت ادعا میکنه قابلیت سرچ مدل‌های GPT-4o و GPT-4o mini بسیار دقیق و قابل اتکا هستن. در بنچمارک SimpleQA که توانایی مدل‌ها برای پاسخ به سوالات کوتاه اما چالش برانگیز و متکی به واقعیت رو میسنجه، مدل GPT-4o و GPT-4o mini تونستن به ترتیب ۹۰٪ و ۸۸٪ امتیاز رو کسب کنن درحالی که مدل GPT-4.5 نتونسته بیشتر از ۶۳٪ امتیاز بگیره.

شرکت OpenAI همچنین یک جعبه ابزار اوپن سورس به نام Agents SDK رو منتشر می‌کنه که به توسعه‌دهندگان ابزارهای رایگانی ارائه می‌ده تا مدل‌ها رو با سیستم‌های داخلیشون ادغام کنن، تمهیدات ایمنی رو به کار بگیرن و فعالیت‌های ایجنت هوش مصنوعی رو برای اشکال‌زدایی و بهینه‌سازی نظارت کنن. گودمان گفته امیدواره OpenAI بتونه امسال شکاف بین ایجنت‌های نمایشی هوش مصنوعی و محصولات واقعی رو پر کنه و به نظر اون، "ایجنت‌ها تأثیرگذارترین کاربرد هوش مصنوعی خواهند بود که اتفاق خواهد افتاد." این حرف بازتاب اعلامیه سم آلتمن، مدیرعامل OpenAI، در ژانویه است که ۲۰۲۵ سالیه که از ایجنت‌های هوش مصنوعی به عنوان نیروی کار استفاده میشه.

@aipulse24

شرکت آنتروپیک در حال توسعه قابلیتی جدید به نام هارمونیه که به کاربران این امکان رو میده که یک فولدر یا دایرکتوری رو به همراه محتویات داخلش به یک باره در Context Window کلاد قرار بدن.

با این ویژگی، کاربران میتونن به‌راحتی فایل‌هاشون رو در اختیار این هوش مصنوعی قرار بدن تا اون‌ها را تحلیل کرده، خلاصه‌سازی کنه و حتی تغییر بده.
طبق بررسی‌های اخیر، این قابلیت به‌زودی در بخش تنظیمات Feature Preview قرار می‌گیره.


این قابلیت برای توسعه‌دهندگان بسیار مفید خواهد بود. به‌عنوان مثال، در یک آزمایش، Claude تونست طی چند دقیقه کل یک کدبیس رو تحلیل کنه و ۱۰ آسیب‌پذیری امنیتی را شناسایی کنه.


علاوه بر هارمونی، آنتروپیک روی قابلیتی دیگر به نام Compass هم کار می‌کنه که ظاهراً مشابه قابلیت Deep Research خواهد بود. این ویژگی احتمالاً شامل جستجوی وب، بررسی اسناد علمی و تحلیل گزارش‌هاست.


با توجه به حضور این قابلیت‌ها در کدبیس و تنظیمات پیش‌نمایش، احتمال داره که به‌زودی شاهد انتشار رسمی این قابلیت‌ها باشیم. در این صورت، Claude به ابزاری قدرتمندتر برای برنامه‌نویسی، تحقیق و افزایش بهره‌وری تبدیل خواهد شد.

@aipulse24

گوگل امروز اولین ماهواره از مجموعه ماهواره‌های Firestat رو با همکاری SpaceX به فضا فرستاد. این ماهواره‌ها که قراره تعدادشون به بیش از ۵۰ عدد برسه وظیفه دارند تا آتش‌سوزی هایی که در طبیعت رخ میده رو با استفاده از هوش مصنوعی شناسایی کنن و به این ترتیب نقشی مهم برای مهار کردن این آتش‌سوزی ها ایفا خواهند کرد.

مدلی که برای شناسایی آتش سوزی‌ها استفاده میشه به این صورت کار میکنه که تصاویر یک نقطه مشخص از زمین رو با تصاویری که قبلا از اون موجود بوده مقایسه میکنه و سپس فاکتورهایی نظیر آب و هوای اون نقطه رو هم در نظر میگیره تا تخمین بزنه که آیا در اون نقطه آتش سوزی درحال رخ دادنه یا نه.

درحال حاضر مهار این آتش سوزی‌ها وابسته به تصاویر ماهواره‌ای با رزولوشن پایین هست که فقط چندبار در روز به‌روزرسانی میشن. درحالی که سیستم جدید دسترسی به تصاویری با رزولوشن بالا از کل کره زمین رو هر ۲۰ دقیقه یک بار فراهم میکنه.

از لحاظ دقت هم درحالی که سیستم‌های قدیمی فقط قادر به شناسایی آتش‌سوزی هایی به وسعت ۲-۳ هکتار بودن، این سیستم جدید میتونه آتش سوزی‌هایی که تنها ۲۵ متر مربع وسعت دارند رو شناسایی و گزارش کنه.

@aipulse24