Linuxor ?

یه خبر خوب و یه خبر بد

گوگل اندروید نه چندان خیلی آزاد رو داره تبدیل می‌کنه به IOSی که نمی‌شه از هرجایی چیزی روش نصب کرد! برای مقابله با بدافزارها و اپلیکیشن‌های کلاهبرداری، سیستم جدیدی معرفی کرده که در اون توسعه‌دهندگان باید
هویت واقعی خودشونو تأیید کنن.
اپلیکیشن‌های خودشونو پیش گوگل گوگل ثبت کنن.
در صورت انتشار خارج از گوگل‌پلی نیز اطلاعات برنامه رو توی Android Developer Console ثبت کنن.

این خبر جالبی برای اندرویدی که همیشه آزاد بود و ‌می‌تونستیم از هرجایی APK نصب کنیم نیست اما خبر خوب ماجرا اینه اعلام کرده دستگاه‌های اندرویدی موجود در کشورهای تحت تحریم آمریکا (Sanctioned Countries) از جمله ایران و کوبا، از اجرای سیستم جدید Android Developer Verification مستثنا خواهند بود.

@Linuxor

گوگل با کمک هوش مصنوعی داره پیدا کردن و درست کردن باگ‌های امنیتی کروم رو سریع‌تر می‌کنه. این ابزارهای هوشمند می‌تونن کدهای کروم رو بررسی کنن، مشکل‌های امنیتی مخفی رو پیدا کنن و حتی برای برطرف کردنشون راهکار بدن. هدف اینه که فاصله بین پیدا شدن یه مشکل و منتشر شدن آپدیت امنیتی کمتر بشه.

این استفاده از هوش مصنوعی باعث شده گوگل بتونه تعداد زیادی از حفره‌های امنیتی کروم رو قبل از تبدیل شدن به تهدیدهای جدی شناسایی و رفع کنه. فقط در یک ماه، 370 آسیب‌پذیری از جمله 7 مورد حیاتی برطرف شده و این روند باعث شده تعداد اصلاحات امنیتی گوگل از مجموع چندین به‌روزرسانی قبلی هم بیشتر بشه.

این کار نشون می‌ده آینده امنیت نرم‌افزار بیشتر به همکاری آدم‌ها و هوش مصنوعی وابسته است. البته گوگل هنوز تأکید می‌کنه که بررسی انسانی لازمه تا مطمئن بشن این تغییرات درست کار می‌کنن و مشکل جدیدی ایجاد نمی‌کنن.

@Linuxor

اقا من فوتبال بازی نمی‌کنم ولی توی یکی از پروژه هام به همچین نموداری برخوردم میخوام یه توضیحی بهتون بدم چون این یه نمودار ساده اصلا نیستش اولش منم فکر میکردم سادس ولی خیلی جالبه!

من برای مقایسه مقاله ها مثل بالا پنج تا ویژگی ازش داشتم که هرکدوم بین 0 تا 100 بود اولش خواستم برای اینکه بفهمم در کل مقاله وضعیتش چطوریه همه ویژگی های یه مقاله رو ضرب کنم بعد این عدد رو بین مقالات رو مقایسه کنم بعد دیدم یه سری ویژگی ها هست که مجاور هم هستن و مهم هستن پس ضرب اصلا خوب در نمیاره بجاش مساحت وسط نمودار عنکبوتی رو مقایسه کردم

توی این نمودار عنکبوتی اگه مساحت وسط رو اگه مقایسه کنید دارید به ویژگی های مجاور اهمیت میدید مثلا سرعت و دریبل کنار هم هستن، چون یه وینگر اگه هم سریع باشه و هم دریبل‌زن، ارزشش خیلی بیشتر از داشتن فقط یکی از این دو هستش.


@Linuxor

تا حالا فکر کردی اگه با یه هوش مصنوعی که تو سال 1930 زندگی می‌کنه حرف بزنی، چی میشه؟

مدل Talkie-1930 دقیقاً همینه؛ یه مدل زبانی 13 میلیارد پارامتری که فقط روی متن‌های قبل از سال 1931 آموزش دیده. یعنی نه اینترنت رو می‌شناسه، نه جنگ جهانی دوم رو دیده و نه هیچ اتفاق مدرنی براش وجود داره. یه چت‌بات که انگار واقعاً از دل اون دوره اومده و با همون طرز فکر جواب می‌ده:


huggingface.co/spaces/multimodalart/talkie-1930


@Linuxor

از دیپ سیک پرسیدم اسم دقیق مدلت چیه رفته همین سوالو سرچ کرده و چون سایت NVIDIA کلی مدل داره و اعتبارش هم بالاست نتیجه رو از همونجا برداشته آورده

chat.deepseek.com/share/35ka6zs0aqm6g1rze7

@Linuxor

اینم یه قالب زیبا برای ساخت سایت شخصی Portfolio و رزومه :

تست آنلاین :
portfolio-site-template.fayaz.workers.dev
سورس کد :
github.com/fayazara/portfolio-site-template

@Linuxor

یه سایت هستش که کافیه قالب سایت رو انتخاب کنی بهت پرامپت دقیقش رو بده.

اسمش MotionSites AI هستش و برای کسایی ساخته شده که با ابزارهای هوش مصنوعی سایت می‌سازن. به‌جای اینکه از صفر دنبال ایده، دیزاین و ساختار صفحه بگردی، قالب‌های آماده رو می‌بینی و پرامپت مناسب همون طراحی رو برمی‌داری.

بعدش می‌تونی اون پرامپت رو بدی به ابزارهایی مثل Cursor، Lovable یا ابزارهای مشابه تا یه سایت نزدیک به همون چیزی که دیدی برات بسازه. یه ابزار کاربردیه برای وقتی که می‌خوای سریع‌تر از ایده به خروجی برسی :

motionsites.ai

@Linuxor

ما همیشه داریم به نرم افزار جدی نگاه می‌کنیم و توصیه می‌کنیم سمت وایب کدینگ نرید چون منطقی هم هست دیگه اقا هیچ پروداکت جدی ‌ای با وایب کدینگ بالا نیومده

ولی واقعیت اینه که وایب کدینگ تقاضای بالایی داره مثلا یه پلتفرمی قشر نوجوان دارن به اسم روبلاکس توش بازی های وایب کدینگی و تفریحی می‌سازن و جالبه 1 میلیارد هم دانلود داره این عدد خیلی مارکت بزرگیه! نکته جالب اینجاست خیلیاتون مثل من نصبش کنید اصلا نمی‌تونید باهاش کار کنید چون اصلا توی دنیای دیگه ایه.

با چیزی که ترند می‌شه هرگز سعی نکنید بجنگید باید سوارش شید دنیا اصلا براش مهم نیست شما محصول خفن تولید کردید یا نه فقط براش مهمه آیا الان تقاضا داره یا نه!

@Linuxor

اگه بین انتخاب llama.cpp و vLLM برای اجرای لوکال مدل‌ها شک دارین، این مقایسه خیلی کوتاه و کاربردی از IBM که چهار روز پیش آپلود شده تکلیف رو روشن می‌کنه.

اصلی‌ترین تفاوتشون توی هدف و محیط اجراست:

ابزار llama.cpp برای اجرا روی سیستم‌های شخصی، CPU و دیوایس‌های کم‌مصرف عالیه با فشردگی وزن‌ها و فرمت GGUF اجازه می‌ده مدل‌های بزرگ رو حتی روی لپ‌تاپ یا رزبری پای اجرا کنین. ابزارهایی مثل Ollama هم از همین موتور استفاده می‌کنن.

ابزار vLLM برای محیط‌های سروری و پروداکشن ساخته شده. با تکنیک‌هایی مثل PagedAttention برای مدیریت KV cache و بچینگ پیوسته، سرعت سرویس‌دهی به چندین کاربر همزمان رو به شدت بالا می‌بره.

نکته خوب اینه که هر دو ابزار APIهای سازگار با الگوی OpenAI ارائه می‌دن، پس تعویضشون توی کد RAG یا ایجنت‌ها بسیار سادس.

www.youtube.com/watch?v=0ujh7hfutq0

@Linuxor ~ MehdiAllahyari

یه نفر اومده کتاب هاشو توی سایتش با ThreeJs سه بعدی کرده خیلی خوبه حتی می‌شه ورقش هم زد

تست آنلاین :
mengto.github.io/complete-shelf

سورس کد :
github.com/mengto/complete-shelf

@Linuxor

یه نفر به Kimi K3، Grok 4.5، GPT 5.6 Sol و Claude Opus 5 یه سرنخ اولیه‌ی یکسان داد و ازشون خواست که خودشون ادامه‌ی نقاشی رو کامل کنن.
بهشون هم گفت که به سبک و روش خودشون خلاقیت به خرج بدن.
این‌ها نتیجه‌ها هستن و راستش واقعاً سخته تصمیم بگیم کدومشون بهتر از همه دراومده.

@Linuxor

اقای Kamran Ahmed جدیدا 70 هزار آیکون خودش رو متن باز و رایگان کرده :

koboyo.com/icons

@Linuxor

یه ریپوی خیلی خفن برای کسایی که دنبال یادگیری رباتیک با پایتون، این کلی الگوریتم مهم رباتیک رو با کدهای قابل فهم پیاده‌سازی کرده؛ از لوکالیزیشن با EKF و Particle Filter گرفته تا ساخت نقشه و SLAM.

اگه می‌خوای ببینی ربات‌ها چطوری جای خودشون رو پیدا می‌کنن، محیط رو می‌سنجن و مسیر بهینه پیدا می‌کنن، اینجا کلی مثال عملی پیدا می‌کنی. الگوریتم‌هایی مثل Dijkstra، A*، RRT*، ICP و FastSLAM رو می‌تونی مستقیم اجرا و بررسی کنی.

یه جورایی مثل یه کتاب درسی تعاملیه که به جای فقط فرمول و تئوری، می‌ذاره با کد واقعی دست به کار بشی. برای شروع رباتیک، بینایی ماشین و مسیر‌یابی ربات‌ها واقعاً ارزش ذخیره کردن داره:

github.com/AtsushiSakai/PythonRobotics


@Linuxor

سیستم آب ایالت مینه‌سوتا آمریکا هک شده و آمریکایی ها می‌گن این کار ایران بوده.

رویترز: در بعضی مناطق اختلال موقت ایجاد شد؛ مثلاً کنترل برخی تجهیزات از دسترس خارج شد یا مجبور شدند سیستم‌ها را دستی کنترل کنند، اما گزارشی از آلوده شدن آب آشامیدنی یا آسیب به مردم منتشر نشده است

اِنگَجِت: حملات سایبری به تاسیسات آبی در هفت ایالت آمریکا منجر به جاری شدن سیل و از دست دادن فشار آب شده است و اف‌بی‌آی و آژانس حفاظت از محیط زیست (EPA) هشدار صادر کرده‌اند. هکرها به سیستم‌ها نفوذ کرده‌اند، به ویژه کنترل‌کننده‌های منطقی برنامه‌پذیر (PLC) را هدف قرار داده

@Linuxor

بوریس (سرپرست کلاد کد) می‌گه که هر ۶ ماه یک بار claude.md و skillها و hookها رو حذف کنین، ببینین خود مدل بدون این دستورات چطوری عمل می‌کنه و ممکنه شگفت‌زده بشین. به صورت مشخص برای Opus 5 اینو پیشنهاد می‌کنه چون مدل بهشون نیازی نداره.

@Linuxor ~ Hamed

یه نفر یک ابزار متن‌باز ساخته به اسم AirLLM که باهاش می‌تونی یه مدل 2.8 تریلیون پارامتری رو با یه GPU فقط 4GB VRAMروی لپ تاپت اجرا کنی! از روشی به اسم Layer-wise Inference استفاده می‌کنه؛ یعنی به‌جای اینکه کل مدل رو یکجا داخل VRAM بریزه، فقط همون لایه‌ای که همون لحظه لازمه رو بارگذاری می‌کنه.

نه Quantization نه Distillation نه Pruning
نمونه‌ها:
مدل DeepSeek-V3 (671B) روی 12GB
مدل Llama 3.1 405B روی 8GB
مدل Kimi K3 (2.8T) با کمتر از 4GB
و با تقریباً همه مدل‌های متن‌باز هم کار می‌کنه.

جالب‌تر اینکه بزرگ‌ترین مدل، کمترین VRAM رو لازم داره. دلیلش اینه که Kimi K3 یه مدل Sparse MoE هست و برای هر توکن فقط Expertهای موردنیازش رو اجرا می‌کنه، نه کل لایه. یعنی یه مدل 2.8 تریلیون پارامتری می‌تونه با VRAM کمتر از بعضی مدل‌های 70B اجرا بشه. البته این به معنی سریع‌تر بودن نیست؛ فقط یعنی محدودیت حافظه دیگه اون مانع نیست.

github.com/lyogavin/airllm

@Linuxor

می‌خوای مدل رایگان Gemma گوگل رو روی مک، با فقط چند گیگابایت RAM اجرا کنی؟

این پروژه رو از دست نده Turbo Fieldfare یک موتور اجرای LLM برای Apple Silicon هستش که با تکنیک‌های فشرده‌سازی، اجرای مدل‌های بزرگ رو با مصرف حافظه بسیار کمتر ممکن می‌کنه.

قابلیت‌هاش:
اجرای مدل‌های Gemma روی Apple Silicon
کاهش چشمگیر مصرف RAM
استفاده از GPU اپل (Metal) برای افزایش سرعتش
اجرای مدل‌های بزرگ روی مک‌های معمولی

github.com/drumih/turbo-fieldfare

@Linuxor ~ pedrambirack

اینم یه ترفند جالب گیتهابی، کافیه explain رو به اول ریپو اضافه کنی و هوش مصنوعی ریپو رو توضیح می‌ده.

(اونی که دیروز معرفی کردم فقط برای مهندسی معکوس بود این خودش هوش مصنوعیه و توضیح می‌ده البته اولین بار باید لاگین کنید)

@Linuxor

فریم‌ورک Open-Code-Review؛ ابزار کد‌ریویوی علی‌بابا که تو مقیاس واقعی تست شده و اپن‌سورس شد! یک معماری ترکیبی داره که لاین به لاین کد رو بررسی میکنه و جلوی مشکلاتی مثل خطاهای نخ (Thread Safety)، تزریق SQL و خطاهای NPE رو با هوش مصنوعی میگیره.
open-codereview.ai

@Linuxor ~ callitVer1

تا حالا صفحه‌های معرفی محصول اپل رو دیدی؟ همونایی که با اسکرول کردن انگار دوربین وارد یه دنیای سه‌بعدی میشه، محصول‌ها حرکت می‌کنن و همه‌چی مثل یه فیلم بدون کات جلو میره.

ساخت همچین چیزی تا امروز کار هر کسی نبود؛ معمولاً چند هزار تا چند ده هزار دلار هزینه داشت و ماه‌ها زمان می‌برد. تیم طراحی، سه‌بعدی‌کار و WebGL دولوپر لازم داشت.

حالا پروژه‌ای به اسم scroll-world اومده که میگه: این داستان رو با یه پرامپت بساز! برندتو توضیح بده، صحنه‌ها رو بگو، خودش دنیای سه‌بعدی، حرکت دوربین و کد اسکرول رو تولید می‌کنه. اوپن‌سورس و رایگانه؛ یعنی چیزی که قبلاً پروژه‌ی چند ده هزار دلاری بود، می‌تونه با چند ساعت کار و هزینه‌ی تولید محتوا ساخته بشه.

github.com/oso95/scroll-world

@Linuxor