Linuxiz

گوگل از EmbeddingGemma 2 رونمایی کرده؛ مدلی که برخلاف LLM هایی مثل ChatGPT قرار نیست باهات چت کنه یا جواب متنی تولید کنه. کار اصلیش اینه که متن، تصویر، صدا و ویدیو رو به یک نمایش عددی به اسم Embedding تبدیل کنه؛ به زبان ساده، محتوای پیچیده رو به شکلی تبدیل می‌کنه که کامپیوتر بتونه معنی و شباهت بین محتواها رو بهتر درک کنه.

مثلاً فرض کن هزاران PDF، مقاله یا سند داری و کاربر می‌پرسه چطور فاکتور قبلیم رو دانلود کنم؟. EmbeddingGemma 2 سوال رو به یک بردار عددی تبدیل می‌کنه و بین اسناد موجود می‌گرده تا محتواهایی که از نظر معنایی بیشترین ارتباط رو دارن پیدا کنه؛ حتی اگر کلمات دقیقاً یکسان نباشن.

نکته جذاب‌تر اینه که قابلیت‌های مدل فقط به متن محدود نمی‌شن. EmbeddingGemma 2 می‌تونه متن، تصویر، صدا و ویدیو رو در یک فضای مشترک قرار بده.

blog.google/innovation-and-ai/technology/developers-tools/embeddinggemma-2


@Linuxiz

با خوندن این مقاله هم با مفهوم Race Condition آشنا می‌شید و هم یاد می‌گیرید که چطور ازش جلوگیری کنید:

https://dev.to/loweisz/how-to-avoid-race-conditions-using-asynchronous-javascript-j30

@Linuxiz

این سایته که گذاشتم یه مجموعه بزرگ از پرامپت‌های آماده برای ساخت محتوای بصری با AI داره،
مثل: تصاویر و ویژوال‌های حرفه‌ای
موکاپ تبلیغات
تصویرسازی بک‌گراند
ایده‌های طراحی
گفتم شاید بدردتون بخوره
آدرس سایت:
https://onepromptdesign.com/

@Linuxiz

این MCP واقعاً خفنه. می‌تونی ازش بخوای توضیحات درسیت رو به‌صورت زنده برات نقاشی کنه، با صدای مداد و همه‌ی این جزئیات، بعد هم برنامه رو باز کنی و خودت تغییراتت رو روش اعمال کنی.

یاد گرفتن با هوش مصنوعی واقعاً خیلی سرگرم‌کننده شده.

github.com/excalidraw/excalidraw-mcp

@Linuxiz

این ابزارم جالبه باهاش می‌تونید مدل های هوش مصنوعی رو از نظر امنیتی به چالش بکشید یه بخش هم داره به اسم سعی کنه با Prompt Injection، Jailbreak و حملات مختلف سیستم هوش مصنوعی رو به چالش بکشه تا قبل از اینکه چیزی بره Production، بفهمی کجاها ممکنه خراب بشه.

promptfoo.dev

@Linuxiz

️تیم گوگل توی ژاپن یه کیبورد خیلی عجیب معرفی کرده...

کلیدهای این کیبورد ثابت نیستن و روی یه تسمه نقاله حرکت میکنن و میان زیر دستتون.

مدل Gboard Conveyor Belt فقط ۲۹ تا کلید داره و حتی یه حالت سرعت بالا هم براش گذاشتن.

گوگل این محصول رو برای فروش نساخته، ولی فایل‌های طراحیش رو مجانی گذاشته روی GitHub تا خودتون با پرینتر سه بعدی سرهمش کنید.

https://github.com/google/mozc-devices/tree/main/mozc-conveyorbelt

@Linuxiz

اگه دوست دارید ظاهر سایتتون شبیه به سایتای گوگل بشه (متریال دیزاین) اینو چک کنید بدون نیاز به خود متریال می‌تونید سایت shadcn رو با تعویض چند تا Import ظاهرش رو از آسمون به زمین تغییر بدید

shadcn-m3e.crystaworld.dev


@Linuxiz

آپدیت DeepSeek-v4.1-Flash روی CPU + یک کارت RTX 3090!

کش KV با ظرفیت 262K
سرعت Prefill حدود 600 تا 800 توکن بر ثانیه
حالت C1 الان به سرعت 26 توکن بر ثانیه در Decode رسیده
حالت C4 الان به سرعت 41 توکن بر ثانیه در Decode رسیده

برای اجرای این تنظیمات به اینا نیاز داری:

1 عدد GPU با 24GB حافظه VRAM
رم 256GB DDR4 یا DDR5
فضای 200G NVMe

github.com/0xSero/dsv41-flash-offload


@Linuxiz

بشر زمستان رو نمی‌بینه😌 یه چیز جدیدی برای هوش مصنوعی‌های صوتی دارن روش کار می‌کنن که اسمش Flux TTS هستش، ایده‌ش اینه حتی اگه وسط حرفش بپری، می‌تونه بفهمه دقیقاً تا کجای حرفش رو شنیدی و بعد مکالمه رو از همون‌جا ادامه بده هوش مصنوعی های صوتی فعلی هر جمله رو یه درخواست جداگانه می‌بینن.

@Linuxiz

برای اینکه بفهمید اطراف شما چه هواپیماهایی پرواز می‌کنن، چه کشتی‌هایی در حرکتن یا کجا زلزله اتفاق افتاده، معمولاً باید چندتا سایت و Tab مختلف باز کنید.

ابزار God's Eye View همه این اطلاعات رو روی یک Globe سه‌بعدی جمع می‌کنه. روی یک کره زمین واقع‌گرایانه می‌تونید موارد مختلفی مثل:
- هواپیماهای زنده
- کشتی‌ها
- ماهواره‌ها
- زلزله‌ها
- حدود ۸۰۰ دوربین عمومی
رو ببینید.

حتی می‌تونید روی یک هواپیما کلیک کنید و مسیر اون رو از نمای Cockpit دنبال کنید، در حالی که Terrain واقعی زمین زیر شما نمایش داده میشه.

این ابزار داخلش یک Voice Agent هم داره که قبل از جواب دادن، اطلاعات زنده مربوط به صحنه رو بررسی می‌کنه.
مثلاً اگر بپرسید: «الان چند هواپیما بالای تگزاس هست؟»
Agent به‌جای اینکه از اطلاعات قدیمی جواب بده، اطلاعات زنده صحنه رو بررسی می‌کنه و عدد واقعی رو برمی‌گردونه.

به نظرم ترکیب Live Data، نقشه سه‌بعدی و AI Agent این پروژه رو خیلی جالب کرده.

لینک ریپو:
https://github.com/bilawalsidhu/gods-eye-view

@Linuxiz

۱) لانچر Go برای اجرای بی‌نهایت نسخه‌ی جدا از یک ایجنت CLI، بدون داکر و سرویس.
۲) هر نسخه خانه و پیکربندی و پروکسی و لاگین خودش را دارد.
۳) فرمان‌ها: ساخت، اجرا، تسک، پوسته، بذر، همانند، نصب، پزشک، حذف.
۴) کتابخانه

https://github.com/raaaas/golunch
https://raaaas.github.io/golunch/

@Linuxiz

یه پروژه جالب پیدا کردم که هدفش ساخت اپلیکیشن‌های دسکتاپ سریع و مدرن با Rust هستش. در واقع یه عالمه ابزار و قطعه آماده در اختیارتون میذاره تا بتونین ظاهر و بخش‌های مختلف یه اپ رو راحت‌تر بسازین؛ از دکمه و منو و پنجره گرفته تا جدول، ویرایشگر متن، جستجو و کلی قابلیت دیگه.

خروجیش هم روی ویندوز، لینوکس و مک اجرا می‌شه روی وب هم با وب اسمبلی می‌شه رانش کرد ولی هدفش نیست، توی سایتش می‌تونید کامپوننت هاشو تعاملی آنلاین تست کنید :

gpui-kit.com/component


@Linuxiz

کبرا یسری کامپوننت خفن مبتنی بر Base Ui + Tailwind ارائه می‌ده که می‌تونید تو پروژه های ری‌اکت‌تون استفاده کنید:

https://kobra.systems/

@Linuxiz

این داشبورد CRM زیبا رو یه نفر توی دو روز با Opus 5.5 ساخته

البته هدف این نیست که برید ازش استفاده کنید چون چکش کردم اصلا یه چیز بی کاربردی بود هدف اینه برید توی فولدر .agents و اسکیل ها و نحوه ساختش رو ببینید و برای پروژه های خودتون استفاده کنید :

github.com/kargulstudio/sales-crm


@Linuxiz

یه ریپو پیدا کردم که کلی Api مختلف رو دسته‌بندی کرده و کامل و‌ با جزئیات قرار داده.

مثل Weather, Crypto, Finance, Map, Music, Movie و …

https://github.com/public-apis/public-apis

@Linuxiz

یه مشکلی که هوش مصنوعی داره و بعید میدونم تازه کارا باهاش بتونن موفق بشن اینه که قبلا ما ماه ها یا سال ها برای پروژه ای زحمت میکشیدیم و معمولا شکست میخوردیم؛ توی مسیر ساخت این پروژه صدها پازل رو حل میکردیم و اون رنجی که با شکست و اون همه تلاش تحمل میکردیم باعث میشد مغزمون به صورت ناخودآگاه اون صدها مسیر و پازل حل شده اشتباه رو ذخیره کنه که بعدا مبادا دوباره اون کارو انجام بدیم! وقتی چندین بار شکست میخوردیم مغز هزاران مسیر غیر ممکن رو نگه میداشت و در نتیجه بعد از یه مدت نرخ موفقیتمون بالا میرفت.

اما سوال اینجاست من پروژه ای که یک‌ساله ساختم تو اگه با کلاد یک ساعته بسازی اون صدا ها تجربه و پازلی که در طول مسیر تجربه کردم رو چطور می‌تونی بدست بیاری که اگر شکست خورد فورا سویچ کنی روی پروژه بعدی؟


@Linuxiz

آسیب‌پذیری جدید Docker | CVE-2026-17106

یه آسیب‌پذیری با نام CopyEscape در Docker پیدا شده که به قابلیت docker cp مربوط میشه.

داستان ساده‌ش اینه :
وقتی با docker cp فایلی رو بین Container و Host جابه‌جا می‌کنیم، توی نسخه‌های آسیب‌پذیر، یک Container مخرب می‌تونه با استفاده از Symlink مسیر فایل رو تغییر بده و باعث بشه فایل خارج از مسیر موردنظر روی Host نوشته یا Overwrite بشه.

یعنی چیزی که قرار بوده فقط داخل یه مسیر خاص کپی بشه، ممکنه به مسیر دیگه‌ای روی Host برسه. ️

CVE: CVE-2026-17106
Severity: High
CVSS: 7.1
نسخه‌های آسیب‌پذیر: Docker Engine قبل از 29.7.0
نسخه اصلاح‌شده: 29.7.0 و بالاتر

اگر Docker دارید، حتماً نسخه‌تون رو بررسی و در صورت امکان به نسخه اصلاح‌شده یا آخرین نسخه پایدار ارتقا بدید.

@Linuxiz

توی سایتتون خواستید گِیج یا نمودار نشانگر بزارید مثلا برای مصرف منابع یا آب و هوا یا سرعت و قدرت چیزی یا تایمر و... از این کامپوننت ها استفاده کنید رابط کاربری زیبایی داره کاملا رایگان و تازه هم هستش همین هفته پیش معرفی شده :

www.gauge-ui.dev

@Linuxiz

یه خبر تلخ برای برنامه‌نویس‌های C و ++C

گوگل اختصاصاً جمنای ورژن 4 آرگون رو جوری آموزش داده که بتونه کدهای C و ++C رو به Rust تبدیل کنه؛ اونم نه در حد کدهای ساده، بلکه در مقیاس‌های دیوانه‌وار سازمانی!

گوگل اعلام کرده ایجنت‌های Gemini 4 Argon در حال مهاجرت پروژه‌ها به راست هستن؛ از ده‌ها هزار خط کد کتابخونه‌هایی مثل re2 گرفته تا بازنویسی بیش از 800 هزار خط کد کرنل Zircon در سیستم‌عامل Fuchsia.

توی یکی از پروژه‌ها (دیکودر ویدیویی libgav1)، این مدل با بازنویسی 32 هزار خط کد SIMD به Safe Rust و بهینه‌سازی کامپایلر، خروجی داده که 2.7 برابر سریع‌تر شده، امنیت حافظه (Memory-safe) رو تضمین می‌کنه و پرفورمنسش کاملاً شانه به شانه ++C می‌زنه.

کوچ تاریخی از دنیای ناامن حافظه در C++/C به Rust، حالا با هوش مصنوعی چندصد برابر سریع‌تر شده...

@Linuxiz

مدل Jev وارد دیتابیس ها شده، فیلترهای سنتی دیتابیس به شرط‌های دقیق و از قبل تعریف‌شده نیاز دارن. ولی خیلی از سوال‌ها معنایی (Semantic) هستن، مثلا فرض کنید کاربر این سوالارو داشته باشه:

آیا این مقاله بیشتر درباره‌ی مهندسی نرم‌افزار هستش؟
کدوم موضوع بهترین توصیف رو برای این مقاله داره؟
به نظر میاد این مقاله از نظر فنی چقدر عمیق باشه؟

این pg-jev یه افزونه‌ی متن‌باز برای Postgres هستش که Jev رو از طریق توابع SQL در اختیار می‌ذاره.

تابع jev() می‌تونه مستقیماً داخل WHERE استفاده بشه.
تابع jev_prob() یه احتمال برمی‌گردونه.
تابع jev_choice() یه برچسب رو انتخاب می‌کنه.
تابع jev_score() ردیف‌ها رو بر اساس سطوح مرتب‌شده رتبه‌بندی می‌کنه.

خیلی سادس این سیستم به ستون وکتور (Vector Column) یا Embedding Index هم نیاز نداره.

راهنما و دانلود:
pgjev.com

@Linuxiz