شرکت OpenAI صدای جدیدی به نام "Monday" رو به حالت صوتی چت‌جی‌پی‌تی اضافه کرده که برای همه کاربران، حتی اونایی که از نسخه رایگان استفاده می‌کنن، در دسترسه. این صدا لحن خاصی داره و قرار شده که پاسخ‌های طعنه‌آمیز و طنزآمیزتری ارائه بده.

‏Monday به‌عنوان دهمین صدا به Voice Mode اضافه شده و لحنش کاملاً با اسمش جور درمیاد؛ ترکیبی از شوخی و کمی بدخلقی که خیلیا صبح روزهای دوشنبه (صبح شنبه خودمون) حسش می‌کنن. کاربرای نسخه پولی می‌تونن مستقیم از قسمت انتخاب صدا، Monday رو فعال کنن. اما برای کاربران رایگان، استفاده از این صدا فقط در حالت چت متنی ممکنه و باید از قسمت Explore در محیط کاربری چت‌جی‌پی‌تی پیداش کنن.

یه نکته جالب اینه که OpenAI این صدا رو دقیقاً در روز اول آوریل منتشر کرده که روز جهانی شوخی و دروغ‌های مصلحتی محسوب می‌شه. این موضوع باعث شده بعضیا فکر کنن Monday یه تغییر موقتیه و شاید به‌زودی حذف بشه. اما اگه این ویژگی دائمی باشه، می‌تونه رقابت جدی‌ای با حالت Grok Unhinged شرکت xAI داشته باشه، حالتی که به‌خاطر پاسخ‌های جسورانه و گاهی نیش‌دارش حسابی سروصدا کرده.

این آپدیت درحالی منتشر شده که OpenAI با مشکلات فنی و کمبود ظرفیت پردازشی مواجهه. به‌دلیل افزایش شدید استفاده از ویژگی‌های جدید مثل تولید تصویر به سبک استودیو جیبلی، سم آلتمن، مدیرعامل OpenAI، هشدار داده که کاربران باید انتظار اختلال، کندی سرویس و تأخیر در انتشار قابلیت‌های جدید رو داشته باشن. اون همچنین اعلام کرده که این شرکت با کمبود پردازنده‌های گرافیکی (GPU) روبه‌رو شده و در شبکه اجتماعی X از شرکت‌های تأمین‌کننده درخواست کمک کرده.

@aipulse24

شرکت متا نسل چهارم از مدل‌های زبانی Llama را معرفی کرده که با توانایی‌های چندوجهی و پشتیبانی از کانتکست بسیار بلند، رقیب بسیار جدی‌ای برای مدل‌های اوپن سورس محسوب میشن.

در این مجموعه سه مدل معرفی شده‌: Llama 4 Scout، Llama 4 Maverick و Llama 4 Behemoth. دو مدل اول به صورت Open Weight عرضه شدن و برای استفاده در پلتفرم‌هایی مثل WhatsApp، Messenger، Instagram Direct و نسخه وب Meta AI در دسترس قرار گرفتن.

مدل Scout با ۱۷ میلیارد پارامتر فعال و ۱۶ متخصص، قوی‌ترین مدل توی کلاس خودش به‌شمار میاد و با وجود توانایی‌های چشمگیر، روی یک GPU از نوع H100 اجرا می‌شه. این مدل با داشتن پنجره کانتکست ۱۰ میلیون توکنی، عملکردی بهتر از مدل‌هایی مثل Gemma 3 و Gemini 2.0 Flash-Lite ارائه می‌ده.

مدل Maverick هم که از همون تعداد پارامتر فعال اما با ۱۲۸ متخصص بهره می‌بره، در تست‌های گسترده از GPT-4o و Gemini 2.0 پیشی گرفته و با مدل‌هایی مثل DeepSeek v3 در زمینه‌های استدلال و کدنویسی رقابت می‌کنه؛ اون هم با نصف تعداد پارامتر فعال.

قدرت این مدل‌ها تا حد زیادی مدیون مدل Behemoth هست؛ یک مدل بزرگ ۲ تریلیونی با ۲۸۸ میلیارد پارامتر فعال که نقش "معلم" رو در فرایند آموزش ایفا کرده. Behemoth در بنچمارک‌های ریاضی، کدنویسی و زبان‌های مختلف عملکردی بهتر از مدل‌های شاخصی مثل GPT-4.5، Claude 3.7 و Gemini 2.0 Pro داشته. هرچند هنوز به‌طور کامل عرضه نشده، اما متا وعده داده به‌زودی اطلاعات بیشتری درباره‌ی اون منتشر کنه.

در طراحی این مدل‌ها، معماری Mixture of Experts به‌کار گرفته شده که با فعال‌سازی بخشی از پارامترها به‌ازای هر توکن، هم بازدهی محاسباتی رو افزایش داده و هم کیفیت مدل رو نسبت به مدل‌های متراکم بهبود داده. Llama 4 همچنین به‌صورت چندوجهی طراحی شده و می‌تونه همزمان ورودی‌های متنی و تصویری رو پردازش کنه. در فاز آموزش، از داده‌های متنی، تصویری و ویدیویی در مقیاس بالا استفاده شده و تکنیک‌های جدیدی مثل MetaP برای بهینه‌سازی هایپرپارامترها به‌کار رفته.

در مرحله پس‌آموزش، متا از روش‌های جدیدی مثل یادگیری تقویتی آنلاین و بهینه‌سازی مستقیم ترجیحی برای بهبود مهارت‌های مدل در استدلال، مکالمه و چندوجهی‌بودن استفاده کرده.

مدل Maverick با بهره‌گیری از این روش‌ها، عملکرد چشمگیری در درک تصویر، تولید متن، پاسخ به پرسش‌های بصری و وظایف پیچیده نشون داده. مدل Scout هم با وجود حجم کمتر، در زمینه‌هایی مثل کدنویسی، پردازش کانتکست بلند، و درک تصویری، نتایجی بهتر از تمام نسل‌های قبلی Llama ارائه می‌ده.

در نهایت، متا تأکید کرده که این مدل‌ها با بالاترین استانداردهای ایمنی توسعه داده شدن. ابزارهایی مثل Llama Guard، Prompt Guard و سامانه‌ی تست GOAT برای جلوگیری از خروجی‌های نامناسب یا سؤاستفاده از مدل‌ها ارائه شده و توسعه‌دهندگان می‌تونن این ابزارها رو متناسب با نیاز خودشون تنظیم کنن. همچنین تلاش‌هایی هم برای کاهش سوگیری‌های سیاسی و اجتماعی در پاسخ‌های مدل صورت گرفته تا Llama 4 بتونه دیدگاه‌های مختلف رو به‌درستی درک و بیان کنه.

@aipulse24