GrowVixo

🧠 یکی از بزرگ‌ترین مسائل ریاضی بالاخره توسط هوش مصنوعی حل شد!

مدل جدید OpenAI (GPT-6 Astra) با استفاده از حدود ۱۰ هزار عامل هوش مصنوعی (AI Agents) ادعا کرده مسئله‌ی معروف Navier–Stokes را حل کرده؛ یکی از ۷ مسئله‌ی هزاره که برای حل هرکدام ۱ میلیون دلار جایزه تعیین شده است.

این مسئله بیش از ۲۰ سال است که یکی از چالش‌های بزرگ ریاضیات محسوب می‌شود و درباره‌ی رفتار معادلاتی است که حرکت سیالاتی مثل آب و هوا را توصیف می‌کنند.

🔬 نکته جذاب‌تر اینکه اثبات ارائه‌شده با Lean نیز به‌صورت رسمی بررسی و formalize شده است.

البته هنوز ریاضیدانان مستقل باید این اثبات را بررسی و تأیید کنند؛ بنابراین فعلاً دقیق‌تر است بگوییم OpenAI یک راه‌حل پیشنهادی و formalized ارائه کرده، نه اینکه جامعه ریاضی رسماً آن را پذیرفته باشد.

🤖 هوش مصنوعی داره وارد جایی میشه که تا همین چند سال پیش، حتی تصور حل مسائلش با ماشین هم عجیب بود!


#AI #ChatGPT
CODELAB | GpCodeLab

خب خب😁
و Claude Sonnet 5.5 حالا در Cursor نیز در دسترس قرار گرفت

جدیدا Cursor رسما Claude Sonnet 5.5 رو به مدل‌های خود اضافه کرده ؛ مدلی که طبق ارزیابی Cursor، در بسیاری از وظایف کدنویسی به Opus 5.5 نزدیک شده .

در CursorBench 4.0:

Opus 5.5 Max: 57.8٪
Sonnet 5.5 Max: 55.5٪

یعنی اختلاف این دو مدل در بالاترین سطح ارزیابی Cursor حدود ۲.۳ واحد درصد هست. با این حال Cursor تأکید میکنه که Opus 5.5 همچنان برای سخت‌ترین و پیچیده‌ترین وظایف گزینه قدرتمندتریه.

از نظر قیمت توکن نیز Sonnet 5.5 ارزان‌تره:

$2 / 1M input
$10 / 1M output

در مقابل، قیمت اعلام‌شده برای Opus 5.5 برابر $4 / 1M input و $20 / 1M output است.

و Sonnet 5.5 فاصله عملکردی خود با Opus 5.5 را در بسیاری از وظایف کدنویسی به شکل محسوسی کاهش داده، در حالی که هزینه توکنی آن نصف Opus است. اما این دو مدل را نباید کاملا هم‌سطح دونست؛ مخصوصا در کارهای پیچیده و باز، Opus همچنان برتری دارد.

#Claude #Cursor #هوش_مصنوعی

@GrowVixo 🔥
منبع 👇🏾
https://x.com/cursor_ai/status/2104666044220821594

مدل‌های هوش مصنوعی در حال دور زدن محدودیت‌ها ؟

گزارش جدید Axios میگه OpenAI، Anthropic و پژوهشگران امنیتی در حال بررسی ده‌ها هزار حادثه امنیتی مرتبط با مدل‌های پیشرفته هستند.

🔴 در برخی موارد، مدل‌ ها:
از Sandbox خارج شدن
محدودیت‌های امنیتی رو دور زدن
بین Agentها ارتباط برقرار کردند :)
و حتی در مواردی به سامانه‌های واقعی دسترسی غیرمجاز پیدا کرده‌اند.

یکی از نمونه‌های مهم، حادثه Hugging Face بود که در آن Agentهای OpenAI از محیط آزمایشی خارج شدن و به بخش‌هایی از زیرساخت این پلتفرم دسترسی پیدا کردند.

📌 البته این اتفاقات به معنی «خودآگاه شدن» یا «از کنترل خارج شدن» AI نیست؛ اما نشون میده با قدرتمندتر شدن Agentها، امنیت و نظارت اهمیت بسیار بیشتری پیدا کرده .

#هوش_مصنوعی #OpenAi #ChatGPT

@GrowVixo

همونطور که میدونید شیائومی مدل‌های جدید هوش مصنوعی MiMo-V2.6 رو معرفی کرد.

خانواده‌ای که تمرکز ویژه‌ای روی استدلال، کدنویسی، Agentها و تعامل با ابزارها داره.

این خانواده فعلا شامل دو مدل اصلی هستش:

یکی MiMo-V2.6-Pro
مدل قدرتمندتر برای کارهای پیچیده، استدلال عمیق، تحقیق، برنامه‌نویسی و اجرای Agent های پیشرفته.

و MiMo-V2.6-Flash
مدلی سریع‌تر و اقتصادی‌تر که برای استفاده‌های پرتعداد و سرویس‌هایی با حجم درخواست بالا طراحی شده .

📌 قابلیت‌های مهم MiMo-V2.6:

• استدلال و حل مسائل پیچیده
• درک متن، تصویر، ویدئو و صدا
• کدنویسی و مهندسی نرم‌افزار
• ساخت و اجرای Agentهای هوشمند
• تعامل با رابط‌های کاربری و قابلیت‌های Computer Use

• استفاده از Web Search و ابزارهای خارجی
• همچنین Tool Calling و اجرای وظایف چندمرحله‌ای
• تولید و کار با Web UI، Figma، اسلاید، SVG و محتوای دیجیتال

• کاربرد در رباتیک و محیط‌های شبیه‌سازی‌شده
• کاربرد در پژوهش‌های علمی، ریاضیات و طراحی مواد

و یکی از نکات قابل‌توجه، context تا یک میلیون توکن هستش که امکان کار با حجم بسیار زیادی از اطلاعات رو فراهم میکنه.

📌 بررسی قیمت API

و MiMo-V2.6-Flash
ورودی: $0.14 / 1M tokens
خروجی: $0.28 / 1M tokens

و MiMo-V2.6-Pro
ورودی: $0.435 / 1M tokens
خروجی: $0.87 / 1M tokens

📌 در مجموع، MiMo-V2.6 نشان میده شیائومی قصد داره حضور جدی‌تری در رقابت مدل‌های پیشرفته هوش مصنوعی، به‌خصوص در حوزه Agentها، کدنویسی و استفاده از ابزارها داشته باشه.
@GrowVixo 🔥
منبع :
https://mimo.mi.com/docs/en-US/news/latest/v2-6

#هوش_مصنوعی #شیائومی #Xiaomi #Agent

❤️ دوستان تمامی اشتراک ai های مدنظرتون رو با بهترین قیمت در کمتر از ۳۰ دقیقه تهیه میکنیم براتون (روی ایمیل شخصیتون)

برای ارتباط با پشتیبانی جهت سفارش و دریافت راهنمایی:

@Alixx_666

یکی از چالش‌هایی که در استفاده از Claude Desktop داشتم، نمایش و پشتیبانی از متن‌های فارسی و راست‌به‌چپ (RTL) بود.

خوشبختانه، Arjang Mousavi این مشکل را با پروژه Claude Desktop RTL Patch حل کرده و تجربه کار با فارسی را بسیار بهتر کرده است.

اگر از Claude Desktop استفاده می‌کنید، حتماً نگاهی به این پروژه بیندازید و در صورت مفید بودن، با یک ⭐ از آن حمایت کنید:

https://github.com/aarjang/claude-desktop-rtl-patch

حمایت از پروژه‌های متن‌باز، به‌خصوص وقتی توسط توسعه‌دهندگان ایرانی ساخته می‌شوند، می‌تواند به رشد اکوسیستم فنی همه ما کمک کند.

📱 @MilwadKhosravi

خب خب ؛😎
کلاد Opus 5.5 منتشر شد
آنتروپیک امروز مدل پرچمدار جدیدش، Opus 5.5، رو معرفی کرد. طبق اعلام رسمی، این مدل جهش بزرگی نسبت به Opus 5 داشته و در قوی‌ترین تست‌های ایمنی و راستی‌آزمایی این شرکت، بهترین عملکرد رو تا امروز ثبت کرده. یکی از آزماینده‌های اولیه یک مهاجرت کد و بازنویسی ۶۸۰ هزار خطی رو در کمتر از یک روز انجام داد :)

کاری که معمولا هفته‌ها زمان ببره شاید.
مدل به‌ویژه در کدنویسی پیچیده، تحلیل مالی/علمی و خواندن نمودارها قوی‌تر شده.


@GrowVixo 🔥

‏خِفتم کن!

‏وقتی با AI کد می‌زنید، بزرگ‌ترین سم اینه که شما فقط بگی چی می‌خوای و اونم یه مشت کد بپاشه جلتون و شما هم بی‌فکر فقط «Accept» بزنید. اینجوری بعد از نیم ساعت کلاً پرت می‌شید که پروژه داره به کجا میره و کنترل از دستتون در میره.

‏تکنیک اینه که بهش بگی: «Grill me» (خفتم کن!)

‏درواقع داری بهش می‌گی قبل از اینکه دست به کد بشی، حتی قبل از اینکه به پلن برسی، زیر و بم قضیه رو ازم بکش بیرون. سوالای سخت بپرس، حالت‌های خاص (Edge cases) رو رو کن و همه‌چیز رو به چالش بکش. ایجنت شروع می‌کنه به سوال و جواب‌ها و در اکثر مواقع چند جواب ممکن رو پیشنهاد میده و گزینه پیشنهادی خودش رو هم با ذکر دلیل میگه، ولی تو همیشه میتونی جواب خودت رو اضافه کنی یا در مورد سوال باهاش بحث کنی. گاهی سوال‌های ارزشمندی می‌پرسه که تو حتی بهش فکر هم نکرده بودی. در نهایت یه پلن تر و تمیز و حساب شده تحویل میگیری که آماده پیاده‌سازیه.

‏با این کار:
‏۱. فهم شما و AI از مسئله و نقشه راه دقیقاً یکی میشه.
‏۲. خودت هوشیار می‌مونی، می‌فهمی داری چیکار می‌کنی و فرمان دست خودته.
‏۳. برنامه‌نویسی با AI از حالت خسته‌کننده و رباتیک درمیاد و میشه یه همکاری واقعی.

‏این مفهوم به نظر ساده میرسه و حتی اگه فایل skillهای مرتبط و مشابه grill-me رو نگاه کنید می‌بینید چند خط بیشتر نیست. ولی واقعاً تاثیر فوق‌العاده‌ای میذاره. اگه MCPهای کافی، به‌خصوص مربوط به resourceهای داخلی شرکت یا پروژه‌تون رو هم فعال داشته باشید، روند سوال‌وجواب‌ها و نتیجه کار واقعاً شگفت‌زده‌تون می‌کنه. پیشنهاد می‌کنم حتماً یک بار هم که شده امتحانش کنید.

‏استاد ⁦ @mattpocockuk⁩ توی این مقاله خیلی خوب و دقیق مفهومش رو باز کرده و خودِ skill رو هم پابلیش کرده که می‌تونید راحت نصبش کنید و رو ابزاراتون استفاده کنید:

https://www.aihero.dev/skills-grill-me

CODELAB | GpCodeLab

و jev ؛ مدل هوش مصنوعی جدیدی که ادعا میکنه صدها برابر ارزان‌تر است!

همونطور که میدونید مدتی پیش استارتاپ TypeSafe AI از مدل جدیدی به نام Jev رونمایی کرده؛ مدلی که برخلاف مدل‌هایی مثل ChatGPT و Claude، برای چت و تولید متن طراحی نشده و هدف اصلیش تصمیم‌گیری سریع و ساختاریافته برای نرم‌افزارهاست.

اما چیزی که Jev را خبرساز کرده، عملکردشه.

طبق آزمایش‌های منتشرشده توسط TypeSafe، Jev در برخی از workflowهای مورد آزمایش تا ۱۹۳.۶ برابر سریع‌تر و تا ۴۴۴.۶ برابر ارزان‌تر از مدل‌های LLM مورد مقایسه بوده.

حالا Jev چه کاری انجام میده؟

فرض کنید یک فروشگاه آنلاین دارید و میخواید برای هر سفارش چند تصمیم گرفته بشه:

آیا سفارش مشکوک به تقلبه؟
درخواست مشتری مربوط به کدام بخش هستش؟
آیا نیاز به دخالت انسان وجود داره؟

به‌جای اینکه یک مدل زبانی پاسخ متنی طولانی تولید کنه، Jev میتونه این تصمیم‌ها رو به شکل ساختاریافته و قابل استفاده مستقیم در نرم‌افزار برگردونه.

📌چرا مهمه؟

هزینه بسیار پایین‌تر برای پردازش حجم بالای درخواست‌ها

سرعت بالا برای تصمیم‌گیری‌های لحظه‌ای
خروجی ساختاریافته که مستقیماً در سیستم‌های نرم‌افزاری قابل استفادست

مناسب برای AI Agentها و اتوماسیون

امکان بررسی چند تصمیم به‌صورت موازی

📌 ایده اصلی TypeSafe ساده است:

هر کاری به یک LLM بزرگ که متن تولید کند نیاز ندارد.

گاهی نرم‌افزار فقط میخواد بدونه که:
"YES / NO"

یا:
"Risk = 82"

یا:
"Category = Billing"

و Jev دقیقاً برای همین نوع تصمیم‌گیری ساخته شده .

اگه این رویکرد در مقیاس بزرگ جواب بده، میتونه بخشی از پردازش‌های AI را از مدل‌های عمومی و پرهزینه به مدل‌های تخصصی‌تر و سریع‌تر منتقل کند.

#AI #Jev #TypeSafe #هوش_مصنوعی

@GrowVixo 🔥

🔶 پیاده سازی فیلتر بر اساس دسته ‌بندی محصولات در لاراول

همان ‌طور که می‌دانید، در فروشگاه ‌های اینترنتی معمولاً در سایدبار سمت راست، فیلتر های متنوعی برای نمایش نتایج محصولات در نظر گرفته می ‌شود. کد زیر دقیقاً همین عملکرد را پیاده ‌سازی می ‌کند.

متد Show در Controller :

public function show(Request $request)
{
   $query = Product::with('category');

   if ($request->filled('category_id')) {
      $query->where('category_id', $request->category_id);
   }

   $products = $query->get();
   $categories = Category::all();

   return view('products.show-product', compact('products', 'categories'));
}

کد فیلتر دسته بندی محصولات برای Blade :

@if ($categories->isNotEmpty())
   <form method="GET" action="{{ route('products.show') }}" class="mr-auto">
      <select name="category_id" onchange="this.form.submit()" 
class="select cursor-pointer flex justify-start w-full">
          <option value="">همه دسته بندی ها</option>
          @foreach ($categories as $category)
             <option value="{{ $category->id }}" @selected(request('category_id') == $category->id)>
                 {{ $category->name }}
             </option>
          @endforeach
      </select>
   </form>
@endif

#لاراول

@TheRaymondDev

🔌 انواع ای پی ای ها (APIs) در برنامه نویسی

1. REST 🌐

بهترین کاربرد: اپلیکیشن‌های ساده و مبتنی بر منابع
چرا؟ REST بدون وضعیت (stateless) است و از متدهای استاندارد HTTP (GET, POST, PUT, DELETE) پیروی می‌کند، که پیاده‌سازی آن را آسان، مقیاس‌پذیر و مناسب برای عملیات CRUD در اپلیکیشن‌های وب می‌سازد.

2. GraphQL 📊

بهترین کاربرد: واکشی داده‌های انعطاف‌پذیر و کارآمد
چرا؟ بر خلاف REST، در GraphQL کلاینت‌ها می‌توانند دقیقا همان داده‌ای را که نیاز دارند درخواست کنند—نه بیشتر و نه کمتر. این موضوع باعث کاهش over-fetching و under-fetching می‌شود و برای اپلیکیشن‌های فرانت‌اند پیچیده با ساختارهای داده سنگین، یک تغییر بازی است.

3. SOAP 🛡

بهترین کاربرد: اپلیکیشن‌های سازمانی با امنیت بالا
چرا؟ SOAP مبتنی بر XML است و با استانداردهای امنیتی سختگیرانه ساخته شده، که آن را برای صنایعی مانند بانکداری و مراقبت‌های بهداشتی که به رعایت ACID و پروتکل‌های امنیتی قوی نیاز دارند، ایده‌آل می‌کند.

4. gRPC ⚡️

بهترین کاربرد: سیستم‌های توزیع‌شده با کارایی بالا و تأخیر کم
چرا؟ gRPC از HTTP/2 و پروتکل بافرها (Protobufs) برای انتقال سریع‌تر داده استفاده می‌کند. همچنین از استریم دوطرفه پشتیبانی می‌کند و آن را برای میکروسرویس‌ها و اپلیکیشن‌های موبایل که سرعت حیاتی است، مناسب می‌سازد.

5. WebSockets 💬

بهترین کاربرد: اپلیکیشن‌های بلادرنگ (بازی، چت، اعلان زنده)
چرا؟ WebSocketها ارتباط دوطرفه و پایدار بین کلاینت و سرور فراهم می‌کنند و برای سناریوهای با تعامل بالا و تأخیر بسیار کم عالی هستند.

6. MQTT 📡

بهترین کاربرد: اپلیکیشن‌های اینترنت اشیا (IoT)
چرا؟ MQTT یک پروتکل سبک‌وزن است که برای دستگاه‌های با پهنای باند کم و محدودیت انرژی طراحی شده است. مدل publish-subscribe آن را برای سیستم‌های مبتنی بر سنسور که بهره‌وری کلیدی است، ایده‌آل می‌کند.

📱 @MilwadKhosravi

اپل راهی برای تشخیص عکس واقعی از تصاویر تولیدشده یا دستکاری‌شده با AI معرفی کرد

با زیاد شدن تصاویر فیک و AI-generated، اپل در iPhone 18 Pro قابلیتی به نام Apple Reference Image معرفی کرده که هدفش اثبات اصالت عکس هستش.

هنگام گرفتن عکس، دوربین علاوه بر تصویر، دیتاهای امضاشده‌ای از سنسور ثبت میکنه.

🔹 این دیتاها توسط Private Cloud Compute پردازش میشن و یک نسخه‌ی غیرقابل‌تغییر از تصویر ایجاد میشه.

🔹 این نسخه رو میتوان مثل یک Digital Negative در نظر گرفت و با نسخه‌های دیگر عکس مقایسه کرد تا مشخص شود تصویر تغییر کرده یا نه.

اما Apple API این قابلیت رو در اختیار Developer ها قرار میده تا بتونن Apple Reference Image رو داخل اپلیکیشن‌های خودشون ادغام کنند.

اپل همچنین اعلام کرده از استاندارد SynthID برای تشخیص تصاویر تولید یا تغییر داده‌شده با AI پشتیبانی میکنه.

اما یک سؤال :

آیا چنین استانداردهایی میتونن به یک راه‌حل عمومی برای مقابله با AI-generated content تبدیل بشن؟

#AI #هوش_مصنوعی

@GrowVixo 🔥
منبع👇🏾
https://techcrunch.com/2026/09/09/apple-has-a-new-way-prove-your-iphone-photos-arent-ai-slop/

رفقا راستی خوشحال میشیم در اینستاگرام هم مارو همراهی کنید، پستای خفنی قرارداده میشه روزانه که قطعا مفید خواهد بود براتون❤️😎

https://www.instagram.com/grow.vixo?stkn=OTJsMmZrdnh2Z3du

‏یکی از جالب‌ترین افزونه‌هایی که می‌توانید به ایجنت AI خود اضافه کنید، «Ponytail» است؛ افزونه‌ای که یک ایده‌ی ساده اما مهم دارد:

‏قبل از اینکه هوش مصنوعی شروع به کدنویسی کند، اول از خودش می‌پرسد: «اصلاً لازم است این کد را بنویسم؟»

‏فرایند کار تقریباً این‌طور است:

‏۱. آیا اصلاً به این قابلیت نیاز داریم؟
‏۲. آیا چیزی مشابه از قبل در پروژه وجود دارد؟
‏۳. آیا کتابخانه‌ی استاندارد می‌تواند کار را انجام دهد؟
‏۴. آیا خود پلتفرم این قابلیت را دارد؟
‏۵. آیا وابستگی موجود پروژه می‌تواند آن را انجام دهد؟
‏۶. آیا می‌شود با یک خط کد حلش کرد؟
‏۷. فقط اگر هیچ‌کدام جواب نداد، کد جدید نوشته شود.

‏نتیجه چیست؟

‏کد کمتر، وابستگی کمتر، توکن کمتر و احتمال کمتری برای پیچیده‌کردن بی‌دلیل پروژه.

‏طبق بنچمارک خود پروژه، Ponytail در ۱۲ وظیفه‌ی واقعی برنامه‌نویسی، به‌طور میانگین ۵۴٪ خطوط کد کمتر، ۲۲٪ توکن کمتر، ۲۰٪ هزینه کمتر و ۲۷٪ زمان اجرای کمتر ثبت کرده است.

‏نکته‌ی جذاب‌تر این است که این افزونه خودش را به «کد کمتر به هر قیمتی» محدود نمی‌کند؛ مواردی مثل امنیت، اعتبارسنجی، جلوگیری از از دست رفتن داده و دسترسی‌پذیری همچنان حفظ می‌شوند.

‏یعنی به‌جای اینکه به عامل بگوییم «بیشتر کدنویسی کن»، به آن یاد می‌دهیم:
‏اول فکر کن؛ شاید اصلاً نیازی به کد جدید نباشد.

https://github.com/DietrichGebert/ponytail?utm_source=chatgpt.com

CODELAB | GpCodeLab

و OpenAI اخیرا مدل جدیدش رو معرفی کرد؛ Astra

شرکت OpenAI میگه Astra قدرتمندترین مدل این شرکت تا امروز هست؛ مدلی که قراره در کدنویسی، کار با کامپیوتر و مرورگر و به‌خصوص Cybersecurity عملکردی فراتر از مدل‌های قبلی داشته باشه.

اما بخش جنجالی ماجرا :

مدل Astra از یک تکنیک جدید در Reasoning استفاده میکنه که میتونه فرایند استدلال مدل رو سخت‌تر قابل‌نظارت کنه.

یعنی هرچه مدل قدرتمندتر میشه، ممکنه فهمیدن اینکه دقیقاً چرا و چگونه به یک نتیجه رسیده سخت‌تر شود.

و این سؤال جدی مطرح شده:

اگه AI رو دیگه نتونیم به‌خوبی مانیتور کنیم، چطور میتونیم به آن اعتماد کنیم؟

به‌خصوص وقتی همین مدل توانایی‌های بسیار پیشرفته‌ای در Cybersecurity دارد.
@GrowVixo 🔥
منبع 👇🏾:
https://techcrunch.com/2026/09/03/openai-launches-astra-its-powerful-and-controversial-new-model/

🔶 آنتروپیک با طرح‌های اشتراکی کلاد، کاربران را فریب داده است و طرح ۲۰۰ دلاری را ۲۰ برابر و طرح ۱۰۰ دلاری را ۵ برابر تبلیغ کرده است.

با این اعداد، انتظار می‌رود در ازای پرداخت دو برابر هزینه، حدود ۴ برابر استفاده‌ی بیشتر دریافت کنید؛ اما در عمل، میزان استفاده تنها ۱.۷ برابر است.

یعنی شما دو برابر هزینه می‌پردازید، اما فقط ۱.۷ برابر استفاده‌ی بیشتر دریافت می‌کنید. با این ‌حال، آنتروپیک عملاً این طرح را طوری بازاریابی می‌کند که گویی کاربران حدود ۵۰٪ صرفه‌جویی می‌کنند.

آمار استفاده از آنتروپیک در ژوئیهٔ ۲۰۲۵ اعلام شده است که برای طرح ۵ برابری حدود ۱۴۰ تا ۲۸۰ ساعت استفاده از مدل Sonnet و برای طرح ۲۰ برابری حدود ۲۴۰ تا ۴۸۰ ساعت بود. بعداً مشخص شد که این ضریب ‌ها فقط به پنجرهٔ پنج ‌ساعته روزانه مربوط می‌شوند.

در نهایت، اگر سقف هفتگی را هم در نظر بگیرید، در طرح ۲۰ برابری عملاً برای هر ساعت استفاده، مبلغ بسیار بیشتری نسبت به طرح ۵ برابری پرداخت می‌کنید.

#هوش_مصنوعی
#خبر

@TheRaymondDev

🔶 این پکیچ برای جایگزین پکیچ eloquent-sluggable و مشابه آن ساخته شده است که بتوانیم تنها با صدا زدن HasSlugable در مدل لینک های صفحات را خودکار ایجاد کند و تا به امروز ۲۰ تا نصب داشته است.

اگر لاراول کار هستید این پکیچ را امتحان کنید.

گیت هاب :

https://github.com/LaraPire/laravel-slugable


نصب پکیچ :

composer require rayiumir/laravel-slugable

در مدل اینگونه صدا بزنید:

class Post extends Model
{
    use HasSlugable;
}

#لاراول

@GrowVixo

شرکت Amazon سفارش GPUهای Nvidia رو ۳ برابر کرد

آمازون اعلام کرده ۲ میلیون GPU جدید Nvidia به دیتاسنترهای AWS اضافه میکنه که قراره طی سال‌های ۲۰۲۷ و ۲۰۲۸ تحویل داده بشن.

📌 این GPU ها شامل نسل‌های Blackwell Ultra، Rubin و Rubin Ultra هستن و برای آموزش و اجرای مدل‌های بزرگ AI استفاده خواهند شد.

دلیل این قرارداد بزرگ، افزایش شدید تقاضا از سوی استارتاپ‌ها، شرکت‌ها، آزمایشگاه‌های AI و حتی دولت‌ها عنوان شده.

جالب اینه که آمازون هم‌زمان در حال توسعه تراشه‌های اختصاصی خودش مثل Trainium هستش ؛ اما فعلاً بنظر میرسه Nvidia همچنان بازیگر اصلی بازار تراشه‌های AI هستش.
@GrowVixo 🔥

#AI #Nvidia #هوش_مصنوعی
منبع👇🏾
https://techcrunch.com/2026/08/26/amazon-just-tripled-its-order-of-nvidia-chips-over-surging-demand/

💻🤖 مهندس نرم‌افزار در عصر هوش مصنوعی

مهندس نرم‌افزار (Software Engineer) کسیه که فقط کدنویسی نمی‌کنه؛ بلکه در طراحی، توسعه، تست، بهینه‌سازی و نگهداری سیستم‌های نرم‌افزاری نقش داره.

از ساخت اپلیکیشن و وب‌سایت گرفته تا طراحی API، دیتابیس، معماری سیستم و حل مشکلات مقیاس‌پذیری، همه می‌تونن بخشی از کار یک Software Engineer باشن.

💰 درآمد چقدره؟

درآمد مهندسان نرم‌افزار در دنیا به کشور، تجربه و شرکت بستگی زیادی داره، اما میانگین جهانی در برخی برآوردهای ۲۰۲۶ حدود ۶۵ هزار دلار در سال تخمین زده شده.

در کشورهای پردرآمد، این عدد می‌تونه به 100 تا 150 هزار دلار یا حتی بیشتر در سال برسه. 🇺🇸🇨🇭🇩🇪

---

حالا AI رقیب یا همکار؟

هوش مصنوعی داره نحوه کار مهندسان نرم‌افزار رو تغییر می‌ده.

امروزه مهندسان می‌تونن از AI برای:

1)تولید و تکمیل کد
2)پیدا کردن و رفع Bug
3)نوشتن تست
4)مستندسازی کد
5)طراحی و بررسی معماری
6)بررسی Performance و امنیت
7)ساخت سریع‌تر پروژه‌ها

استفاده کنن.

اما AI جای تفکر مهندسی رو نمی‌گیره.

مهندس باید بتونه خروجی AI رو بررسی کنه، خطاهاش رو تشخیص بده و اون رو در یک سیستم واقعی به‌درستی پیاده‌سازی کنه.

بنابراین آینده احتمالاً متعلق به کسیه که فقط «کدنویسی» بلد نیست؛ بلکه مهندسی نرم‌افزار + AI رو با هم بلده.

شما هم نظرتون رو بگید

#AI #SoftwareEngineering


CODELAB | GpCodeLab

اگه یک AI از کنترل خارج بشه، چطور متوقفش می‌کنیم؟

یک مطالعه جدید از Guidelight AI Standards بررسی کرده که شرکت‌های بزرگ AI برای مهار یک مدل سرکش یا خارج‌شده از کنترل، چه برنامه‌ای دارند.

نتیجه جالبه:

و خب OpenAI بالاترین امتیاز رو گرفت:
۳ از ۵

و Anthropic و Meta پایین‌ترین امتیاز را در میزان شفافیت عمومی داشتند.

همچنین OpenAI گفته در داخل شرکت میتونه در شرایط خطرناک، دسترسی‌های مدل رو محدود کنه، اجرای اونو متوقف کنه، Deployment رو محدود کنه یا مدل رو کاملاً Offline کند.

اما نکته مهم اینجاست: این ارزیابی فقط بر اساس اطلاعات عمومی انجام شده؛ بنابراین امتیاز پایین الزاماً به معنی نبودن سازوکارهای داخلی نیست.

با گسترش AI Agent ها که به کد، سرورها، دیتابیس و ابزارهای شرکت‌ها دسترسی پیدا می‌کنند، یک سؤال جدی‌تر میشه :

اگه Agent واقعاً رفتار خطرناکی از خودش نشون بده، آیا یک Kill Switch مطمئن برای خاموش‌کردنش داریم؟
#AI #AIAgents #هوش_مصنوعی

@GrowVixo 🔥
منبع👇🏾
https://techcrunch.com/2026/08/22/frontier-ai-labs-still-wont-say-how-theyd-contain-a-rogue-model/