Linuxor ?

دیوونه‌کننده‌ست! یه نفر از Opus 5.5 خواسته براش یه انیمیشن پیکسل‌آرت از فرایند آموزش یه شبکه عصبی بسازه. نتیجه جالب شده!


@Linuxor

آدرس سایتتون رو اینجا وارد کنید بهتون می‌گه چند درصد ساخته آشغال هوش مصنوعی یا AI Slop هستش

تکنیک کارش هم اینه هم عکس می‌گیره با مدل ویژن بررسیش می‌کنه هم سوالاتی با Jev رو میپرسه همچنین با یه مرورگر هدلس سایتتون رو باز می‌کنه و المان هاشو برسی می‌کنه اگه چیز های کلیشه ای و تکراری ببینه می‌گه با AI ساخته شده:

madewithjev.com/free-tools/ai-slop-detector

@Linuxor

برای اینکه دانش کلی Jev رو ببینم چطوره 122 سؤال کنکور تجربی 1405 رو دادم به اون و 5 مدل دیگه. مدل‌های بزرگ بهتر، کند‌تر و گرون‌تر هستن اما مهم برام مدل‌های کوچیک بود. مثلا از لونا 25 درصد بهتر عمل‌ کرد در حالی که 4.5 برابر ارزون‌تر و 3.7 برابر سریع‌تره. دیپ‌سیک و Qwen رو هم لوله کرد.

@Linuxor ~ VForMhrlife

یه مدل جدید از Viggle روی Hugging Face منتشر شده که برای تولید و ادیت تصویر ساخته شده: Qwen-Image-2.1 Viggle Turbo که 6 برابر از مدل اصلی سریع تره!

این نسخه با تکنیک distillation از مدل اصلی Qwen-Image-2.1، تعداد مراحل تولید رو از حدود 40 step به فقط 4 step رسونده. یعنی هدفش اینه که خروجی‌های مدل رو با محاسبات خیلی کمتر و سرعت بالاتر تولید کنه، تست آنلاین:

huggingface.co/spaces/Viggle/Qwen-Image-2.1-viggle-turbo


@Linuxor

یه نکته اخلاقی که میشه از LLM ها و Jev برای زندگی برداشت کرد اینه که حرف زدن بی‌جا هزینه داره و کنتور می‌اندازه و باید پول بیشتری بدی؛


@Linuxor

پروژه freebuff.com روکه میشناسید میتونید رایگان از مدلایی که میده استفاده کنید شعارشه
یکی اومده api رو ریورس کرده تا بشه توی هارنس‌های دیگه هم استفاده کرد!

github.com/trefeon/freebucks-proxy


@Linuxor ~ maanimis

این یه ابزار بسیار سریع برای فهمیدن ساختار اسناده که با Jev کار می‌کنه؛ می‌تونه تشخیص بده هر بخش از یه فایل چه نوع سندیه و حتی وقتی چند سند پشت سر هم داخل یه PDF هستن.

مثلاً یه PDF داری که داخلش چندین Invoice، قرارداد و Purchase Order اسکن شده. DocJev می‌تونه تشخیص بده هر کدوم از کجا شروع و کجا تموم میشه و در نهایت اون‌ها رو از هم جدا کنه.

برای Document Processing، اتوماسیون حسابداری، پردازش Invoice و ساخت pipelineهای هوشمند برای اسناد، پروژه جالبیه بنچمارک هاشم هست:

github.com/jerryjliu/docjev

@Linuxor

توی‌ آمریکا یه نفر یه سیستم ساخته داره از مدل Jev برای مسائل حقوقی استفاده می‌کنه، برای مثال ازش پرسیده: صاحب‌خونه چقدر وقت داره که ودیعه‌ی مستأجر رو برگردونه؟

این سیستم با سرعت بالا 134 بخش قانونی از قوانین 45 ایالت رو بررسی کرده، توی 42 ایالت همون قانون مشابه رو پیدا کرده و مهلت دقیق قانونی رو از 12 قانون مختلف عیناً نقل کرده، تازه هزینه کل این جستجو هم ناچیز در میاد.

@Linuxor

جالب ترین چیزی که امروز دیدم اینه، یه نفر یه رابط کاربری ساخته هرچیزی که توش تایپ می‌کنید براتون به صورت ui نشونش می‌ده پشت صحنه مدل هوش مصنوعی Jev هستش.

البته این نکته هم بگم سورس کدش رو دیدم چیز جدیدی خلق نمی‌شه همش از قبل ساخته شده و وظیفه Jev اینه که متنی که می‌نویسید رو با سرعت بالا به ui تبدیل کنه.

تست آنلاین:
shapeshiftui.vercel.app

سورس کد:

github.com/anishfn/shapeshift


@Linuxor

آپدیت جدید کلاد Opus 5.5 چه شکلیه؟

یه نفر ازش خواسته که مفهوم فوکوس دوربین رو با ساختن یه آزمایشگاه تعاملی لنز توضیح بده.

این چیزیه که بعد از 1 ساعت و 26 دقیقه، با یه بار اجرا و با هزینه 25.66 دلار برای API ساخته،‌ حلقه‌ی فوکوس رو حرکت بدید تا ببینید عناصر شیشه‌ای داخل لنز چطور جابه‌جا میشن و صفحه‌ی فوکوسِ واضح رو در سرتاسر صحنه تغییر میدن:

lens.lab.sael.net


@Linuxor

یعنی متقلبای کنکور دیگه لازم نیست بشینن تا LLM سوالاشونو حل کنه؟ همون لحظه با Jev می‌تونن بیان بیرون؟


@Linuxor

یه نفر یه تم لیکویید گلس برای وب با React ساخته

تست آنلاین :
cruxgarden.github.io/plasma-ui

سورس کد :

github.com/CruxGarden/plasma-ui

@Linuxor

کلاد از مدل Opus 5.5 رونمایی کرد، به گفته خودشون 40 درصد هزینه استفاده کمتری داره.
همچنین گفتن که : داریم محدودیت‌های استفاده 5 ساعته رو برای پلن‌های Pro، Max و Team افزایش می‌دیم.
همچنین برای کاربرهای دارای اشتراک، امکان ریست شدن محدودیت نرخ استفاده (Rate Limit) رو فراهم می‌کنیم؛ یعنی یه ریست در اختیارتون قرار می‌گیره که می‌تونید ذخیره‌ش کنید و هر موقع که خودتون خواستید ازش استفاده کنید.


@Linuxor

مدل Jev می‌دونیم که ورودی متن قبول می‌کنه حالا چی می‌شه اگه بتونه تصویر و صدا هم بگیره و بر اساس اونا تصمیم بگیره؟ یه عده دارن Jev-Omni رو توسعه می‌دن که یه مدل چند وجهی تصمیم گیرنده به حساب می‌آد

برای مثال وصلش می‌کنید به دوربین خونتون با سرعت بالا اگه صحنه خطرناکی رو ببینه بهتون اعلام‌ ‌میکنه! خودشون ادعا کردن از Jev بنچمارکش بالا تره.

huggingface.co/akhilaaa3/Jev-Omni


@Linuxor

مقایسه و بنچمارک بین مدل های تصمیم گیرنده
البته توی این مقایسه jev به عنوان رفرنس در نظر گرفته شده

huggingface.co/spaces/multimodalart/jev-decision-index


@Linuxor

مسعود طباطبایی مدیرعامل دیجی کالا : قراره در آینده ایجنت های هوش مصنوعی رو کنار نیروی انسانی به کار بگیریم و تفکرمون هم AI First هستش یعنی برای هر کاری بخایم انجام بدیم از هوش مصنوعی یا به تنهایی یا ترکیبی با نیروی انسانی استفاده می‌کنیم.


@Linuxor

یه پروژه جالب به اسم Jev Ultrafast که توسط Browser Use منتشر شده که هدفش ساختن Browser Agentهای سریع‌تر و کم‌هزینه‌تره. ایده‌ش اینه که برای هر حرکت، مدل مجبور نباشه screenshot صفحه رو ببینه و کل UI رو دوباره تحلیل کنه. Jev به‌جای screenshot، ساختار صفحه و المنت‌های قابل تعامل رو به شکل ساده و شماره‌گذاری‌شده در اختیار مدل می‌ذاره؛ مثلاً [3] textbox یا [7] button. مدل فقط تصمیم می‌گیره روی کدوم المنت چه کاری انجام بشه. یعنی به‌جای اینکه LLM مستقیماً browser رو کنترل کنه، بیشتر شبیه یه decision maker عمل می‌کنه:

hgithub.com/browser-use/jev-ultrafast

@Linuxor

فرق سرعت مدل Laya با Jev مثل فرق سرعت واکنش بین گربه و ماره

هوش مصنوعی به کجا داره می‌ره

@Linuxor

با این پروژه می‌تونید از طریق هوش مصنوعی Jev موبایل اندرویدتون رو کنترل کنید، بهش یه هدف میدی، خودش UI گوشی رو بررسی می‌کنه، تصمیم می‌گیره قدم بعدی چی باشه و actionهایی مثل باز کردن اپ، Tap، تایپ کردن، اسکرول و Back رو اجرا می‌کنه؛ بدون اینکه لازم باشه مسیر از قبل بهش دیکته شده باشه.

جالب‌تر اینه که بعد از انجام هر action، وضعیت گوشی دوباره بررسی میشه تا Agent فقط با فکر کردن که انجام شد کار رو تموم نکنه.

github.com/droidrun/mobile-jev

@Linuxor

یه نفر به مدل لوکال Laya و Jev بازی دایناسور گوگل کروم رو می‌ده و در کمال تعجب Laya از Jev بهتر بازی می‌کنه:


github.com/virajbhartiya/laya-vs-jev

خدابیامرز Jev سه روز بیشتر عمر نکرد😁

@Linuxor