UpGate

Blog

  • Claude AI Predicts Massive Solana Price Surge

    Claude AI Predicts Massive Solana Price Surge

    Solana, a high-throughput network renowned for its rapid transaction processing and minimal fees, is poised for a significant price surge, according to predictions from Claude AI. The artificial intelligence model forecasts an “explosive” rally that could drive notable price increases by the end of 2026.

    Network Activity and Memecoin Boom

    Recent on-chain data highlights Solana’s sustained high levels of activity. Weekly transaction volumes have reached record figures, and participation in decentralized exchanges (DEXs) remains robust. The burgeoning memecoin sector has been a significant contributor to this surge, attracting both retail investors and injecting substantial liquidity into the network.

    Solana recently reclaimed the top spot in DEX trading volume, processing $1.14 billion, surpassing Robinhood Chain’s $808 million and all other networks.

    Analyst Projections and Potential Price Targets

    Analysts have put forth various projections for Solana in 2026, with some scenarios suggesting a price of $500 under favorable conditions. These optimistic outlooks hinge on factors such as increased institutional adoption and ongoing technical advancements. Such forecasts are underpinned by Solana’s existing infrastructure advantages and its capacity to support fast, low-cost applications.

    Solana’s technical capabilities, including processing thousands of transactions per second at very low costs, have fueled its strong performance in the memecoin market. A recent example, The Black Bull (ANSEM), saw a nearly 20,000% increase in value within seven days in late June 2026, eventually achieving a market capitalization exceeding $95 million.

    Claude AI anticipates that the synergy between Solana’s network performance and its vibrant memecoin ecosystem could generate further price momentum throughout the remainder of the year. The AI model also predicts that Solana’s inherent advantages in speed and cost will continue to attract users and developers as the market landscape evolves.

    Current analyst projections for Solana in 2026 present a range of potential outcomes. Some models place the SOL token between $75 and $500 by year-end. The higher end of this spectrum represents a bullish scenario that would necessitate sustained institutional investment, broader adoption for payments, and the successful implementation of network upgrades like Alpenglow. From current trading levels near $75-$85, reaching $500 would signify a substantial appreciation driven by continued ecosystem growth.

    Bitcoin Hyper: A Solana VM-Powered Layer 2

    Bitcoin Hyper, a Bitcoin Layer 2 solution, leverages Solana’s Virtual Machine for its execution. The project aims to facilitate faster and more cost-effective transactions on a Bitcoin-secured base layer, utilizing zero-knowledge proofs and settlement on Bitcoin Layer 1. Its supported use cases include payments, decentralized applications, and memecoins.

    The presale for Bitcoin Hyper is currently active, allowing participants to acquire HYPER tokens. Users can purchase tokens by holding SOL or another accepted asset in a compatible wallet, connecting to the presale page, selecting their purchase amount, and completing the transaction. A buy-and-stake option is also available, offering a 35% APY, with card payments accepted as an alternative method.

    Token allocation includes 30% for development, 25% for treasury, 20% for marketing, 15% for rewards, and 10% for exchange listings. The project has raised over $32 million to date. The presale remains open but is subject to change based on demand.

    Claude AI predicts that projects built on high-performance infrastructure, such as Solana, may gain increased relevance if market conditions improve, aligning with recent analyses.

  • Coinbase CEO’s Poll Highlights Bitcoin Market Uncertainty Amidst Cooling On-Chain Signals

    Coinbase CEO’s Poll Highlights Bitcoin Market Uncertainty Amidst Cooling On-Chain Signals

    Coinbase CEO Brian Armstrong’s recent poll on X (formerly Twitter) regarding whether Bitcoin has reached its market bottom has revealed a deeply divided community. The poll, which attracted over 31,000 votes, showed 55.6% of participants believing the bottom is not yet in, while 44.4% voted ‘Yes’. This significant engagement, with the poll post viewed by over 648,000 users, underscores the widespread interest and uncertainty surrounding Bitcoin’s current market position.

    While community sentiment is split, on-chain analysis from XWIN Japan offers a contrasting perspective. Utilizing indicators such as the MVRV Ratio, NUPL, Realized Price, and Puell Multiple, the analysis suggests that Bitcoin is not currently in a euphoric phase and that valuations are cooling. This data indicates that market activity is more consistent with consolidation and accumulation, rather than the overheated conditions observed during previous bull runs.

    According to the on-chain data, investor optimism is fading without reaching outright capitulation, a state often associated with market bottoms. The analysis implies that Bitcoin’s current valuation, approximately 50% below its all-time high, would need to drop to around 65% below its peak to align with historical patterns observed since 2014. Past bottoms have seen price drops of 93%, 84%, and 77%.

    In terms of recent price action, Bitcoin has shown some recovery, trading close to $63,000 after being near $61,000 on Monday. However, it remains uncertain whether these rebounds signify the beginning of a durable recovery or merely a pause within a broader bear market. External factors, including selling pressure linked to geopolitical tensions involving Iran and the United States, and earlier concerns over specific entity sales, add further complexity.

    Ultimately, Brian Armstrong’s poll highlights the lack of consensus within the crypto community. Coupled with on-chain analysis pointing towards a cooling market and consolidation, the situation remains ambiguous. Definitive conclusions about Bitcoin’s market direction are difficult to draw at this time, with uncertainty persisting.

    Why This Matters

    The materials describe a narrow update: Brian Armstrong initiated a poll on X asking if Bitcoin’s market bottom was in. Whether Bitcoin has reached its market bottom.

    Broader Context

    Source materials place the factual news in this context: Perpetual futures trading, stablecoin payments, prediction markets, and tokenized real world assets have just been growing.

  • Coinbase Stock Edges Up Despite Analyst Forecast Cuts; Bitcoin Shows Mixed Technical and On-Chain Signals

    Coinbase Stock Edges Up Despite Analyst Forecast Cuts; Bitcoin Shows Mixed Technical and On-Chain Signals

    Despite significant reductions in revenue and earnings forecasts for Coinbase, analysts have largely maintained their positive ratings, suggesting that current stock prices may already reflect anticipated market pain. This divergence, coupled with mixed technical and on-chain data for Bitcoin, paints a complex picture of the cryptocurrency market.

    On Wednesday, Coinbase (COIN) and Circle (CRCL) stocks each saw modest gains of approximately 3-4%. This occurred even as William Blair, a Chicago-based investment bank, slashed its revenue and adjusted EBITDA projections for Coinbase. According to William Blair, 2026 revenue estimates were cut by 12% and 2027 estimates by 13%. Adjusted EBITDA projections were significantly reduced by 34% for both 2026 and 2027. The firm also anticipates Coinbase’s total trading volume to fall roughly 44% this year to $669 billion, though it projects a rebound of over 32% in 2027.

    Analysts Andrew Jeffrey and Adib Choudhury from William Blair stated that earnings are expected to trough in the second half of 2026 before recovering in 2027. They advised investors to “stay the course as spot crypto volume bottoms alongside Bitcoin.” The firm views the current cycle as structurally different from 2022, citing the presence of spot Bitcoin ETFs, increased institutional flows, and a more mature regulatory environment. William Blair also highlighted Coinbase’s Base layer-2 network as a potential significant earnings driver, with retail derivatives and prediction markets contributing to a revenue base beyond spot trading. Retail derivatives alone reportedly crossed $200 million annualized in the first quarter.

    However, not all analyst outlooks were as constructive in the near term. Piper Sandler analyst Patrick Moley reportedly cut his price target for Coinbase to $155 from $170, maintaining a “neutral” rating. Moley flagged prediction markets and perpetual futures as key developments for Q2 and warned of “significant investor attention on the perpetual future threat” heading into Q3.

    Coinbase stock has fallen nearly 30% this year, mirroring a roughly 26% decline in Bitcoin. Circle has dropped about 20% since January. Despite these downturns, some market participants interpret the current stock prices as already reflecting the anticipated difficulties.

    Bitcoin’s Technical and On-Chain Landscape

    In terms of technical analysis for Bitcoin, veteran analyst John Bollinger has been observing a developing pattern on the daily chart. On July 2, Bollinger posted on X, identifying a “W” double-bottom pattern taking shape. He described the setup as “perfectly fractal.” Bollinger stated that if this pattern completes, he would view it as “a confirmation of a change in trend.” He also noted that in a bear market, bullish setups tend to break, and if this “W” pattern is successful, it would signal a trend change. Bollinger disclosed a long Bitcoin position through his investment vehicle earlier this year.

    On-chain data from Glassnode analysis indicates a notable activity in selling pressure. According to Glassnode’s latest weekly analysis, long-term holder capitulation, which has been the primary source of selling pressure throughout the year, reportedly set its cycle peak two weeks ago and has since turned down. Glassnode also documented a broad wave of accumulation across wallets of all sizes during the June lows.

    Navigating Market Uncertainty

    Despite these technical and on-chain signals, a key uncertainty remains: the lack of sustained spot-driven buying to suggest a market recovery. Derivative positions are reportedly unwinding, long-term sellers are thinning, and the fear premium in the options market is easing, but the capital has not yet fully arrived.

    This situation presents a complex outlook. While analysts like William Blair suggest that the pain for Coinbase may already be priced in and point to future growth drivers, and technical and on-chain data offer tentative signs of a potential trend shift for Bitcoin, the market awaits definitive confirmation of a sustained recovery. Uncertainty remains regarding whether the observed patterns will lead to a reported trend change and the extent to which new capital will enter the market.

    Why This Matters

    The materials describe a narrow update: William Blair, an investment bank, reduced its revenue and EBITDA forecasts for Coinbase for 2026 and 2027 while maintaining an ‘outperform’ rating. Whether the ‘W’ pattern on Bitcoin’s chart will complete and suggest a trend change.

    Broader Context

    Source materials place the market analysis in this context: William Blair—a Chicago-based investment bank founded in 1935 that most equity investors know from tech and growth coverage—released a noteslashing its revenue and earnings forecasts for Coinbase while keeping its “outperform” rating.

  • OpenAI Deploys AI Tool to Detect Security Vulnerabilities in Its Own Models

    OpenAI Deploys AI Tool to Detect Security Vulnerabilities in Its Own Models

    OpenAI has developed an artificial intelligence system named GPT-Red, designed to automatically identify security vulnerabilities within its own language models. The tool was utilized to enhance the security of GPT-5.6, specifically improving its resistance to prompt injection attacks before its release.

    GPT-Red operates by engaging in adversarial self-play, where it generates increasingly sophisticated prompt injection attacks against defender models. These defender models, in turn, learn to counter the attacks. The defenses learned by these models are then integrated into the training of subsequent AI models, such as GPT-5.6. According to OpenAI, this process creates a feedback loop where current AI models are used to make future models more robust, aligned, and trustworthy.

    AI Outperforms Humans in Vulnerability Detection

    In internal evaluations, GPT-Red demonstrated significant effectiveness, succeeding in 84% of scenarios. This performance notably surpassed that of human red teamers, who achieved a 13% success rate in the same tests. The system’s capabilities were illustrated when it successfully manipulated a vending machine agent to alter prices and cancel orders.

    Automating the Red Team Process

    GPT-Red builds upon OpenAI’s existing cybersecurity efforts. In 2023, the company launched the OpenAI Red Teaming Network, which aimed to gather external expertise for identifying AI safety risks. GPT-Red automates this adversarial testing process, addressing what OpenAI described as a “critical bottleneck” in scaling traditional human-based security testing.

    OpenAI stated that “As model capabilities grow, safety and alignment must scale with them.” The company views GPT-Red as a method to address the challenges of scaling red-teaming efforts. “Red-teaming is essential, but today’s approaches are difficult to scale, creating a critical bottleneck. GPT‑Red is one way we’re addressing it,” OpenAI wrote.

    Broader Industry Trend

    The development and use of GPT-Red highlight a broader trend in the cybersecurity industry where AI is increasingly being employed to secure AI systems. Earlier this month, the Ethereum Foundation announced the deployment of AI agents to red-team critical network infrastructure, which coincided with the discovery of a vulnerability in software used by Ethereum consensus clients.

    GPT-Red is kept as an internal tool by OpenAI due to its offensive capabilities. The specific vulnerabilities identified in GPT-5.6 and the precise methods used to address them have not been detailed. The full scope of GPT-Red’s capabilities beyond prompt injection attacks also remains undisclosed.

    Why This Matters

    The materials describe a narrow update: OpenAI has created an AI tool named GPT-Red, which functions as an automated red team to discover security weaknesses in their AI models. The exact capabilities and limitations of GPT-Red beyond prompt injection attacks.

    Broader Context

    Source materials place the factual news in this context: GPT-Red takes its name from cybersecurity red teaming, which is the practice of deliberately attempting to break a system to identify weaknesses before attackers can exploit them.

  • تحلیلگران نگران افت ۳۰ درصدی کوین‌بیس نیستند

    تحلیلگران نگران افت ۳۰ درصدی کوین‌بیس نیستند

    اعداد بدتر شدند. سهام افزایش یافت.

    کوین‌بیس (Coinbase) و سرکل (Circle) هر دو در روز چهارشنبه حدود ۳ تا ۴ درصد افزایش قیمت داشتند، پس از آنکه ویلیام بلر (William Blair)، بانک سرمایه‌گذاری مستقر در شیکاگو که در سال ۱۹۳۵ تأسیس شده و بیشتر سرمایه‌گذاران سهام آن را به دلیل پوشش اخبار فناوری و رشد می‌شناسند، یادداشتی منتشر کرد که پیش‌بینی‌های درآمد و سود کوین‌بیس را به شدت کاهش داد، اما رتبه “خارج از انتظار” خود را حفظ کرد.

    خلاصه این گزارش حاکی از آن است که درد و رنج در حال حاضر در قیمت‌ها لحاظ شده است. این موسسه اعلام کرد: “ما معتقدیم سرمایه‌گذاران باید در کوین‌بیس باقی بمانند.”

    این موسسه برآوردهای درآمدی کوین‌بیس برای سال ۲۰۲۶ را ۱۲ درصد و برای سال ۲۰۲۷ را ۱۳ درصد کاهش داد و پیش‌بینی‌های سود تعدیل شده قبل از بهره، مالیات، استهلاک و استهلاک دارایی (EBITDA) را برای هر دو سال ۳۴ درصد کاهش داد. تحلیلگران اندرو جفری و عدیب چودری اظهار داشتند که سود در نیمه دوم سال ۲۰۲۶ به پایین‌ترین حد خود خواهد رسید و سپس در سال ۲۰۲۷ بهبود خواهد یافت و سرمایه‌گذاران باید مسیر خود را ادامه دهند، زیرا حجم معاملات اسپات ارزهای دیجیتال همراه با بیت‌کوین به کف خود می‌رسد.

    ویلیام بلر انتظار دارد حجم کل معاملات کوین‌بیس در سال جاری با حدود ۴۴ درصد کاهش به ۶۶۹ میلیارد دلار برسد و سپس در سال ۲۰۲۷ بیش از ۳۲ درصد بهبود یابد.

    این موسسه این چرخه را از چرخه سال ۲۰۲۲ متفاوت می‌داند: اکنون صندوق‌های قابل معامله در بورس (ETF) اسپات بیت‌کوین وجود دارند، جریان‌های سرمایه‌گذاری نهادی افزایش یافته و محیط نظارتی به گونه‌ای بالغ شده است که چهار سال پیش وجود نداشت.

    این موسسه همچنین شبکه لایه ۲ کوین‌بیس به نام بیس (Base) را به عنوان یک محرک بالقوه اصلی سود برجسته کرد، در حالی که مشتقات خرده‌فروشی و بازارهای پیش‌بینی، پایه‌ای از درآمد را تشکیل می‌دهند که فراتر از معاملات اسپات است؛ تنها مشتقات خرده‌فروشی در سه ماهه اول سال بیش از ۲۰۰ میلیون دلار درآمد سالانه را رد کردند.

    همه در کوتاه‌مدت به این اندازه سازنده نبودند. پاتریک مولی، تحلیلگر پایپر سندلر (Piper Sandler)، هدف قیمتی خود را از ۱۷۰ دلار به ۱۵۵ دلار کاهش داد و رتبه “خنثی” را حفظ کرد. او بازارهای پیش‌بینی و فیوچرزهای دائمی را به عنوان داستان تعیین‌کننده سه ماهه دوم معرفی کرد – جام جهانی باعث رشد عظیم در فعالیت بازارهای پیش‌بینی شد – و نسبت به “توجه قابل توجه سرمایه‌گذاران به تهدید فیوچرزهای دائمی” در آستانه سه ماهه سوم هشدار داد.

    کوین‌بیس امسال نزدیک به ۳۰ درصد کاهش یافته است، در کنار کاهش حدود ۲۶ درصدی بیت‌کوین. سرکل که در ژوئن ۲۰۲۵ با عرضه اولیه عمومی (IPO) پر سر و صدا در بورس نیویورک (NYSE) به قیمت هر سهم ۳۱ دلار عرضه شد، از ژانویه حدود ۲۰ درصد افت داشته است.

    همین روند مشابه در میان تحلیلگران تکنیکال نیز دیده می‌شود. جان بولینگر (John Bollinger)، تحلیلگر تکنیکال کهنه کار که باندهای بولینگر (Bollinger Bands) را ابداع کرد، نوارهای نوسانی که در بالا و پایین میانگین متحرک ترسیم می‌شوند و معامله‌گران در سراسر جهان از آن برای شناسایی فشردگی و شکست‌های بالقوه استفاده می‌کنند، از اوایل ماه ژوئیه الگوی در حال تحولی را در نمودار روزانه بیت‌کوین نشان می‌دهد.

    در تاریخ ۲ ژوئیه، بولینگر تحلیل خود را در X منتشر کرد و یک الگوی “W” دو کف را شناسایی کرد. الگوی دو کف یک ساختار بازگشتی است که با دو کف نوسانی و یک جهش در بین آنها تعریف می‌شود؛ این الگو زمانی صعودی می‌شود که قیمت از مقاومت در راس بین کف‌ها عبور کند.

    او این چیدمان را “کاملاً فراکتالی” نامید – نسخه‌های کوچکتر از همان شکل در ساختار بزرگتر قرار می‌گیرند و این الگو در نمودار هفتگی نیز قابل مشاهده است. او در مورد عدم قطعیت صریح بود: چیدمان‌های صعودی قبلی توسط فشار فروش در طول این چرخه بی‌اعتبار شده بودند.

    در پستی جدیدتر، بولینگر اشاره کرد که اگر این “W” تکمیل شود، او آن را “تأییدی بر تغییر روند” تلقی خواهد کرد. این واضح‌ترین سیگنال عمومی او تاکنون است که روند ممکن است به جای توقف، در حال تغییر باشد.

    بولینگر در اوایل سال جاری، موقعیت خرید بلندمدت در بیت‌کوین را از طریق وسیله سرمایه‌گذاری خود افشا کرد، بنابراین تحلیل و کتاب او در یک جهت اشاره دارند. از نظر تحلیل تکنیکال، قیمت بیت‌کوین همچنان نزولی است، اما این روند در حال از دست دادن قدرت است.

    بر اساس آخرین تحلیل هفتگی گلس‌نود (Glassnode)، تسلیم دارندگان بلندمدت – منبع اصلی فشار فروش در طول سال – در دو هفته پیش به اوج خود رسید و رو به پایین رفته است. معیاری که میزان واقعی واگذاری روزانه توسط دارندگان بلندمدت را اندازه‌گیری می‌کند، پس از تعدیل برای حذف انتقال‌های داخلی، به اوج خود رسید و برای اولین بار در این چرخه در حال کاهش است.

    خریداران در کف قیمتی ماه ژوئن وارد شدند. گلس‌نود موج گسترده‌ای از انباشت را در کیف پول‌های با اندازه‌های مختلف در طول آن دوره مستند کرد. رابطه معکوس بیت‌کوین با دلار عمیق‌تر شده است، در حالی که همبستگی آن با سهام ایالات متحده کاهش یافته است، و حساسیت آن به اخبار کلان اقتصادی مثبت بازگشته است: انتشار داده‌های تورم ضعیف در روز سه‌شنبه، بیت‌کوین را بیش از هر شاخص سهام اصلی تحت تأثیر قرار داد.

    نقطه چالش‌برانگیز برای تحلیلگران آن‌چین و وال استریت یکسان است – هنوز هیچ خرید پایدار مبتنی بر اسپات، بهبود را تأیید نکرده است.

    موقعیت‌های مشتقه در حال باز شدن هستند، فروشندگان بلندمدت در حال کاهش هستند و حق بیمه ترس در بازار آپشن در حال کاهش است. اما سرمایه هنوز به طور کامل وارد نشده است. ویلیام بلر نقطه عطف را در سال ۲۰۲۷ قرار می‌دهد و پس از کاهش مورد انتظار ۴۴ درصدی حجم معاملات کوین‌بیس در سال جاری، انتظار بهبود ۳۲ درصدی را دارد.

  • اوپن‌ای‌آی با تیم قرمز هوش مصنوعی، جی‌پی‌تی ۵.۶ را در برابر حملات تزریق دستور تقویت کرد.

    اوپن‌ای‌آی با تیم قرمز هوش مصنوعی، جی‌پی‌تی ۵.۶ را در برابر حملات تزریق دستور تقویت کرد.

    اوپن‌ای‌آی از معرفی GPT-Red خبر داد؛ سیستمی خودکار مبتنی بر هوش مصنوعی که برای شناسایی آسیب‌پذیری‌های امنیتی در مدل‌های زبانی این شرکت طراحی شده است.

    GPT-Red نام خود را از مفهوم “تیم قرمز” (red teaming) در حوزه امنیت سایبری گرفته است؛ روشی که در آن با هدف شناسایی نقاط ضعف یک سیستم پیش از آنکه مهاجمان بتوانند از آن‌ها سوءاستفاده کنند، تلاش‌های عمدی برای نفوذ به آن صورت می‌گیرد.

    اوپن‌ای‌آی روز چهارشنبه در پستی اعلام کرد که این ابزار به افزایش مقاومت مدل GPT-5.6 در برابر حملات تزریق دستور (prompt injection) پیش از عرضه کمک کرده است.

    این شرکت در پلتفرم X نوشت: «با رشد قابلیت‌های مدل، ایمنی و همسویی (alignment) نیز باید با آن‌ها مقیاس‌پذیر شود. تیم قرمز کردن (Red-teaming) ضروری است، اما رویکردهای کنونی مقیاس‌پذیر نیستند و یک گلوگاه حیاتی ایجاد می‌کنند. GPT-Red یکی از راه‌هایی است که ما برای رفع این مشکل در پیش گرفته‌ایم.»

    طبق گفته اوپن‌ای‌آی، GPT-Red از طریق یادگیری تقویتی مبتنی بر بازی خودکار (self-play reinforcement learning) آموزش دیده است؛ به این صورت که حملات تزریق دستور را به تدریج قدرتمندتر کرده و مدل‌های مدافع نیز برای مقاومت در برابر آن‌ها آموزش دیده‌اند. این شرکت اعلام کرد که این حملات در فرآیند آموزش GPT-5.6 گنجانده شده‌اند و در ارزیابی‌های داخلی، GPT-Red در ۸۴ درصد سناریوها موفق بوده است، در حالی که این رقم برای تیم‌های قرمز انسانی در همان تست‌ها ۱۳ درصد بوده است.

    اوپن‌ای‌آی توضیح داد: «GPT-Red از طریق بازی خودکار خصمانه یاد می‌گیرد، جایی که هدف آن تزریق دستور به انواع مدل‌های مدافع چالش‌برانگیز است. هر حمله موفقی که GPT-Red کشف می‌کند، برای بهبود این مدافعان به کار می‌رود و GPT-Red را وادار می‌کند تا به طور مداوم شکست‌های گسترده‌تر و پیچیده‌تری را شناسایی کند.»

    در یکی از مطالعات موردی، اوپن‌ای‌آی گزارش داد که این سیستم یک عامل خودکار دستگاه فروش خودکار را دستکاری کرده تا قیمت‌ها را کاهش دهد، موجودی تخفیف‌خورده سفارش دهد و سفارش مشتری دیگری را پیش از افشا و رفع آسیب‌پذیری‌ها لغو کند.

    GPT-Red در ادامه تلاش‌های سال‌ها اوپن‌ای‌آی در حوزه امنیت سایبری پس از عرضه عمومی ChatGPT صورت می‌گیرد.

    در سال ۲۰۲۳، این شرکت شبکه تیم قرمز اوپن‌ای‌آی (OpenAI Red Teaming Network) را راه‌اندازی کرد و محققان امنیت سایبری خارجی و کارشناسان حوزه را برای بررسی ChatGPT و سایر مدل‌ها از نظر نقص‌های امنیتی پیش از انتشار، جذب نمود. GPT-Red با خودکارسازی بخش زیادی از این فرآیند، با استفاده از یک مدل هوش مصنوعی برای تولید حملات تزریق دستور و سایر تست‌های خصمانه در مقیاسی که برای محققان انسانی به تنهایی دشوار است، این تلاش را گسترش می‌دهد.

    اعلامیه اوپن‌ای‌آی نشان‌دهنده یک تغییر رویکرد گسترده‌تر به سمت استفاده از هوش مصنوعی برای ایمن‌سازی هوش مصنوعی است.

    اوایل ماه جاری، بنیاد اتریوم اعلام کرد که عامل‌های هوش مصنوعی را برای تیم قرمز کردن زیرساخت‌های حیاتی شبکه مستقر کرده و یک آسیب‌پذیری در نرم‌افزار مورد استفاده توسط کلاینت‌های اجماع اتریوم کشف کرده است. محققان گفته‌اند که عامل‌های هوش مصنوعی می‌توانند پایگاه‌های کد بزرگ‌تری را نسبت به انسان‌ها جستجو کنند، اما چالش از یافتن باگ‌های بالقوه به اثبات قابل بهره‌برداری بودن آن‌ها تغییر یافته است.

    طبق گفته اوپن‌ای‌آی، GPT-Red به دلیل داشتن قابلیت‌های تهاجمی توسعه‌یافته عمدی، به عنوان یک ابزار داخلی باقی خواهد ماند.

    این شرکت افزود: «ما معتقدیم با GPT-Red، شروع به باز کردن یک چرخه‌ی مشابه برای ایمنی کرده‌ایم؛ جایی که مدل‌های امروزی می‌توانند برای قوی‌تر، همسوتر و قابل اعتمادتر کردن مدل‌های فردا به کار روند.»

  • PrismML’s Bonsai 27B AI Model Compressed for Smartphone Operation

    PrismML’s Bonsai 27B AI Model Compressed for Smartphone Operation

    PrismML has released Bonsai 27B, a 27-billion-parameter AI model that has been compressed to run on consumer smartphones, marking a significant step in making advanced AI accessible on personal devices. This development challenges the conventional understanding of AI hardware requirements, which typically demand substantial memory resources.

    Traditionally, a 27-billion-parameter AI model requires approximately 54 GB of memory to run at half precision, a capacity far exceeding that of most laptops and many desktop computers. Bonsai 27B, however, operates within a much smaller footprint. Its binary variant requires just 3.9 GB, and its ternary variant needs 5.9 GB. This compression enables the model to run on devices like the iPhone 17 Pro Max at 11 tokens per second, and on laptops such as the M5 Pro, where the ternary version achieves around 26 tokens per second.

    The core of this innovation lies in PrismML’s novel compression method, based on Caltech intellectual property. This technique drastically reduces the precision of model weights from the standard 16 bits of floating-point precision. Each weight is compressed to a single sign (either +1 or -1 for the binary variant) or one of three values for the ternary variant. This results in the binary version achieving 1.125 bits per weight, making it approximately 14 times smaller than its full-precision counterpart. The ternary model, which includes a zero state for slightly more expressive power, settles at 1.71 bits per weight. This end-to-end compression, applied to all parts of the model including embeddings and attention layers, distinguishes it from conventional low-bit models that often retain higher precision in sensitive components.

    This compression breakthrough is particularly significant as the 27-billion-parameter scale is identified as a threshold where capabilities like sustained chain-of-thought reasoning, reliable tool use, and multi-step agentic behavior begin to emerge consistently. While Bonsai 27B demonstrates strong performance across various benchmarks, achieving 94.6% of the full-precision model’s capabilities on average for the ternary variant, there are acknowledged trade-offs. On benchmarks evaluated in thinking mode on NVIDIA H100 GPUs, the ternary Bonsai 27B averaged 80.49, while the 1-bit variant scored 76.11. Compared to models like Gemma 4 or Qwen 3.6, Bonsai 27B offers competitive potential for its size. However, in specific areas such as creative writing with zero-shot prompts and single-shot coding prompts, its performance may not match that of larger, uncompressed models.

    PrismML offers both the binary and ternary variants of Bonsai 27B under the Apache 2.0 license, making them freely available. This move towards accessible, on-device AI has garnered industry attention. PrismML CEO Babak Hassibi reported to CNBC that the company is in early discussions with Apple regarding the evaluation of its compression technology for potential integration into Apple devices. The outcome of these talks remains uncertain.

    This release follows PrismML’s earlier success with Bonsai 8B in March, a 1.15 GB model that demonstrated the viability of the 1-bit architecture at a smaller scale. The jump to 27 billion parameters with Bonsai 27B represents a significant step forward in making sophisticated AI functionalities practical for widespread, on-device deployment. The company also provides a DSpark speculative decoding layer, which can enhance throughput on compatible hardware.

    Despite the impressive compression and performance, certain uncertainties remain. The full extent of Bonsai 27B’s capabilities in complex, real-world applications beyond tested benchmarks is yet to be fully determined. Furthermore, the outcome of PrismML’s discussions with Apple is not yet known, leaving the future integration of this technology into consumer products uncertain. Nevertheless, the development of Bonsai 27B marks a pivotal moment in the democratization of AI, potentially enabling a new era of powerful, personalized AI experiences directly on consumer devices.

    Why This Matters

    The materials describe a narrow update: PrismML released Bonsai 27B, a 27-billion-parameter AI model that has been compressed to run on consumer smartphones, requiring significantly less memory than typical models of its size. The exact performance of Bonsai 27B on creative writing tasks with zero-shot prompts.

    Broader Context

    Source materials place the factual news in this context: I models eat up a lot of memory.

  • Iran-Linked Crypto Frozen Amid Renewed US Military Action

    Iran-Linked Crypto Frozen Amid Renewed US Military Action

    US Freezes $130 Million in Iran-Linked Crypto Amid Escalating Tensions

    The United States has frozen over $130 million in cryptocurrency assets tied to Iran, as hostilities in the Middle East continue to escalate.

    U.S. Treasury Secretary Scott Bessent confirmed on X, formerly Twitter, that the Treasury Department’s Office of Foreign Assets Control (OFAC) had sanctioned multiple cryptocurrency wallets connected to the Central Bank of Iran. Bessent stated that the action is part of a broader Treasury effort to disrupt and degrade Iran’s illicit financial activities. “We will continue to aggressively follow the money and deny the Iranian regime access to the proceeds of its illicit revenue schemes,” he added.

    In a separate report, blockchain investigator Specter revealed that stablecoin issuer Tether had frozen four TRON wallets holding approximately $131 million in USDT. According to Specter, most of the funds in these wallets were traced to withdrawals from payment service provider DTC Pay and cryptocurrency exchange Bitso before being frozen. Specter later indicated that the wallets are linked to OFAC-sanctioned entities, including the Islamic Revolutionary Guard Corps (IRGC) and the Central Bank of the Islamic Republic of Iran (Bank Markazi Jomhouri Islami Iran).

    This enforcement action comes as the situation between the U.S. and Iran has significantly deteriorated following the collapse of their ceasefire. The U.S. military announced it has reimposed its naval blockade of Iranian ports, a measure previously enforced between April and June. This development occurred as U.S. forces conducted a fourth consecutive day of strikes on Iranian targets. Meanwhile, Iran’s army reported launching drone attacks on Jordan’s Al-Azraq military base as part of the seventh phase of “Operation Lightning.”

    According to a statement broadcast by the state-run Islamic Republic of Iran Broadcasting (IRIB), the operation targeted facilities including locations housing F-18 fighter jets, accommodation buildings, and a large equipment shed. These latest military actions coincided with renewed warnings from Donald Trump, who stated in a television interview that the U.S. would target bridges and power plants next week unless Tehran returned to the negotiating table.

    This latest freeze follows another significant crackdown just months prior. In April, Tether froze over $344 million in USDT at the request of U.S. authorities.

    The U.S. Treasury also sanctioned Iran’s largest cryptocurrency exchange, Nobitex, along with Wallex, Bitpin, and Ramzinex, as part of the Trump administration’s “Economic Fury” campaign last month. U.S. officials alleged that these exchanges assisted Iran in evading sanctions, processing transactions linked to the IRGC, and moving funds through digital assets. The Treasury further claimed that Nobitex handled more than half of Iran’s cryptocurrency inflows in 2025 and facilitated the Central Bank of Iran’s access to hundreds of millions of dollars in stablecoins.

  • بونسای: اولین مدل هوش مصنوعی ۲۷ میلیاردی که روی گوشی شما جا می‌شود

    بونسای: اولین مدل هوش مصنوعی ۲۷ میلیاردی که روی گوشی شما جا می‌شود

    مدل‌های هوش مصنوعی به حافظه زیادی نیاز دارند. یک مدل هوش مصنوعی با ۲۷ میلیارد پارامتر، که از نظر استانداردهای صنعتی متوسط محسوب می‌شود، برای اجرا با دقت نیمه‌کامل به حدود ۵۴ گیگابایت حافظه نیاز دارد. اکثر لپ‌تاپ‌ها قادر به تأمین این میزان حافظه نیستند و حتی برخی از کامپیوترهای رومیزی نیز از پس آن برنمی‌آیند.

    اوایل این هفته، PrismML مدلی را با حجم ۳.۹ گیگابایت منتشر کرد که به اندازه‌ای کوچک است که روی آیفون قابل اجرا باشد.

    پارامترها به تعداد تنظیمات و تغییراتی اشاره دارند که یک مدل می‌تواند مدیریت کند. هرچه پارامترها بیشتر باشند، مدل متراکم‌تر و توانمندتر است.

    Bonsai 27B اولین مدل کلاس ۲۷ میلیارد پارامتری است که سقف حافظه گوشی‌های هوشمند مصرفی را پشت سر گذاشته و با سرعت ۱۱ توکن در ثانیه روی آیفون ۱۷ پرو مکس اجرا می‌شود. (توکن‌ها واحد پایه اطلاعاتی هستند که مدل‌های هوش مصنوعی می‌توانند پردازش و تولید کنند.) نسخه سه‌تایی (ternary) این مدل با حجم ۵.۹ گیگابایت، با سرعت حدود ۲۶ توکن در ثانیه روی لپ‌تاپ M5 Pro اجرا می‌شود. هر دو مدل تحت مجوز Apache 2.0 رایگان هستند.

    روش فشرده‌سازی که بر اساس مالکیت معنوی کلتک (Caltech) ساخته شده است، وزن هر مدل را از ۱۶ بیت دقت ممیز شناور به یک علامت واحد (مثبت ۱ یا منفی ۱ در نسخه باینری، یا یکی از سه مقدار در نسخه سه‌تایی) کاهش می‌دهد. هر گروه ۱۲۸ وزنی، یک ضریب مقیاس ۱۶ بیتی را به اشتراک می‌گذارد که باعث می‌شود نسخه باینری به ۱.۱۲۵ بیت در هر وزن برسد؛ یعنی ۱۴ برابر کوچکتر از نسخه اصلی با دقت کامل. مدل سه‌تایی یک حالت صفر را برای قدرت بیان کمی بیشتر اضافه می‌کند و به ۱.۷۱ بیت می‌رسد.

    به عبارت ساده‌تر، این بدان معناست که یک مدل هوش مصنوعی سه‌تایی تنها از سه تنظیم برای هر مقدار داخلی خود استفاده می‌کند (منفی، صفر، یا مثبت)، در حالی که یک مدل هوش مصنوعی استاندارد می‌تواند از حدود ۶۵ هزار تنظیم مختلف انتخاب کند.

    PrismML این کار را بدون از دست دادن قابل توجه کیفیت خروجی انجام داده است.

    آنچه این مدل را از مدل‌های متعارف “کم‌بیت” متمایز می‌کند این است که هیچ بخشی از آن دارای “دریچه فرار” با دقت بالاتر نیست: جاسازی‌ها (embeddings)، توجه (attention) و کل بخش سر مدل زبان (language model head) همگی به صورت سرتاسری فشرده شده‌اند. اکثر نسخه‌های کوانتیزه شده (quantized) لایه‌های حساس خاصی را با دقت کامل نگه می‌دارند که در نهایت باعث افزایش حجم آن‌ها به عنوان مبادله‌ای برای کیفیت بهتر می‌شود. Bonsai این بازی را انجام نمی‌دهد.

    این دومین انتشار عمده در این خانواده است. در ماه مارس، PrismML مدل Bonsai 8B را منتشر کرد، مدلی با حجم ۱.۱۵ گیگابایت که ثابت کرد معماری ۱ بیتی می‌تواند در ۸ میلیارد پارامتر بدون فروپاشی استدلال خود دوام بیاورد. جهش به ۲۷ میلیارد پارامتر جایی است که ریسک‌ها تغییر می‌کنند؛ در این مقیاس است که استدلال زنجیره‌ای پایدار، استفاده قابل اعتماد از ابزار و رفتار عاملی چند مرحله‌ای به طور مداوم ظهور می‌کنند – چیزهایی که مدل‌های کوچکتر هنوز در آن‌ها دچار مشکل هستند.

    در ۱۵ بنچمارک ارزیابی شده در حالت تفکر روی پردازنده‌های گرافیکی NVIDIA H100 – که شامل دانش، ریاضیات، کدنویسی و استفاده از ابزار می‌شود – نسخه سه‌تایی Bonsai 27B به طور متوسط ۸۰.۴۹ یا ۹۴.۶ درصد از مدل با دقت کامل را کسب کرده است. نسخه ۱ بیتی به ۷۶.۱۱ دست یافته است.

    در مجموع، در بنچمارک‌ها، این مدل‌ها از نظر پتانسیل ارائه شده نسبت به اندازه خود، بسیار بهتر از Gemma 4 یا Qwen 3.6 عمل می‌کنند.

    این مدل‌ها با توجه به آنچه ارائه می‌دهند و با در نظر گرفتن منابع کمی که نیاز دارند، سخت‌افزارهای کوچک (گوشی‌های هوشمند و کامپیوترهای رده پایین) را از نظر قابلیت‌ها به سطح بالاتری می‌برند. در آزمون‌های AIME25 و AIME26 که بر اساس آزمون ورودی ریاضیات آمریکا (American Invitational Mathematics Examination) مدل‌سازی شده‌اند، نسخه سه‌تایی Bonsai 27B به ۹۳.۷ درصد و نسخه بسیار بزرگتر Qwen 3.6B به ۹۵.۳ درصد دست یافته است. Bonsai در کدنویسی امتیاز ۸۶ را در مقابل ۸۸ برای Qwen 3.6 و ۷۷ درصد در دانش عمومی در مقابل ۸۳ برای Qwen 3.6 کسب کرده است.

    این مدل همچنین از یک ستون فقرات توجه هیبریدی استفاده می‌کند که در آن تقریباً ۷۵ درصد از لایه‌ها خطی هستند تا توجه کامل درجه دوم (quadratic attention). این معماری همان چیزی است که پنجره زمینه ۲۶۲ هزار توکنی را روی دستگاه عملی می‌کند – چیزی که یک پشته توجه استاندارد آن را در سخت‌افزار تلفن همراه بسیار پرهزینه می‌کرد.

    ما خودمان Bonsai 27B را آزمایش کردیم. کدنویسی نیاز به تکرار دارد: درخواست‌های تک‌شات (single-shot prompts) با مدل‌های پیشرفته ابری رقابت نمی‌کنند. اما محلی و رایگان بودن آن، این موضوع را بی‌اهمیت می‌کند. برای بازی Zombie Type ما – یک بازی مرورگر ترسناک تایپ اول شخص – دو دور کدنویسی سریع، تشخیص برخورد تمیز، منطق امتیازدهی مناسب و گرافیک‌هایی را تولید کرد که انسجام داشتند. مدل ساختار را در ابتدا درک می‌کند؛ دور دوم به جای بازسازی، اصلاح می‌کند.

    جالب اینجاست که برخی از مدل‌ها (مانند اسکلت‌ها) پیچیده‌تر از مدل‌های GPT 5.6 Sol به نظر می‌رسیدند. این به هیچ وجه به معنای بهتر بودن آن نیست، فقط به این معنی است که در این وظیفه، یک اسکلت بامزه تولید کرد در حالی که پادشاه هوش مصنوعی انتخاب سبکی ضعیف‌تری داشت.

    نوشتن خلاقانه داستانی با شرایط کیفی‌تر و معیارهای ذهنی‌تر است.

    به طور کلی، اگر یک درخواست صفر-شات (zero-shot prompt) در ذهن داشته باشید، نتایج چندان خلاقانه نیستند.

    با این حال، Bonsai داستان‌هایی با منطق داخلی، ضرباهنگ و قوس منسجم تولید می‌کند – بهتر یا هم‌سطح با Claude Haiku یا حتی Sonnet در تلاش کمتر برای درخواست‌های قابل مقایسه. برای مدلی که کاملاً روی سخت‌افزار خودتان بدون هزینه API اجرا می‌شود، این حرف زیادی است.

    PrismML همچنین یک لایه رمزگشایی پیش‌بینی‌کننده DSpark را در کنار مدل ارائه می‌دهد – یک پیش‌نویس سبک که بلوک‌هایی از توکن‌های کاندید را پیشنهاد می‌دهد، که مدل اصلی آن‌ها را در یک پاس واحد تأیید می‌کند به جای تولید توکن به توکن.

    روی H100 این امر افزایش توان عملیاتی ۱.۳۷ برابری را بدون تغییر در کیفیت خروجی اضافه می‌کند، زیرا تأیید توزیع دقیق خروجی را حفظ می‌کند. روی Apple Silicon هنوز به طور پیش‌فرض فعال نیست، اما برای سرویس‌دهی GPU یک مزیت واقعی است.

    علاقه اپل بعد تجاری را اضافه می‌کند. بابک حبیبی، مدیرعامل PrismML، در گفتگو با CNBC تأیید کرد که این شرکت در مراحل اولیه مذاکره با اپل است که در حال ارزیابی فناوری فشرده‌سازی برای استفاده احتمالی روی دستگاه است.

    حبیبی گفت که مدل فشرده شده Gemma بعدی در خط لوله خواهد بود و به دنبال آن مدل‌های پیشرفته‌تر بزرگتر؛ Bonsai 27B ۱ بیتی اکنون به صورت رایگان تحت مجوز Apache 2.0 برای دانلود در دسترس است.

  • قدرتمندترین مدل کلود، جهش انفجاری قیمت سولانا را پیش‌بینی کرد

    قدرتمندترین مدل کلود، جهش انفجاری قیمت سولانا را پیش‌بینی کرد

    سولانا به شبکه‌ای با توان عملیاتی بالا تبدیل شده است که به دلیل پردازش سریع تراکنش‌ها و کارمزدهای ناچیز شناخته می‌شود. در این میان، مدل هوش مصنوعی کلود (Claude AI) افزایش چشمگیر قیمت سولانا را پیش‌بینی می‌کند که می‌تواند تا پایان سال ۲۰۲۶ منجر به افزایش قابل توجه قیمت شود.

    داده‌های اخیر زنجیره‌ای نشان‌دهنده حفظ سطوح بالای فعالیت در سولانا است، به طوری که حجم تراکنش‌های هفتگی به ارقام بی‌سابقه رسیده و مشارکت قوی در صرافی‌های غیرمتمرکز (DEX) مشاهده می‌شود. معاملات میم‌کوین‌ها سهم قابل توجهی در این فعالیت داشته و کاربران خرد و نقدینگی بیشتری را به این شبکه جذب کرده است.

    تحلیلگران پیش‌بینی‌های مختلفی را برای سولانا در سال ۲۰۲۶ منتشر کرده‌اند، از جمله سناریوهایی که در آن‌ها قیمت می‌تواند تحت شرایط مساعدی مانند پذیرش بیشتر نهادی و بهبودهای فنی مداوم به ۵۰۰ دلار برسد. این چشم‌اندازها بر مزایای زیرساختی موجود سولانا و نقش آن در پشتیبانی از برنامه‌های کاربردی سریع و کم‌هزینه استوار است.

    سولانا هزاران تراکنش در ثانیه را با هزینه بسیار کم پردازش می‌کند. این مشخصات فنی از فعالیت قوی در حوزه میم‌کوین‌ها حمایت کرده است. یکی از نمونه‌های اخیر، میم‌کوین The Black Bull (ANSEM) است که در اواخر ژوئن ۲۰۲۶، افزایشی نزدیک به ۲۰,۰۰۰ درصدی را در هفت روز ثبت کرد و بعدها ارزش بازار آن از ۹۵ میلیون دلار فراتر رفت.

    کلود AI پیش‌بینی می‌کند که ترکیب عملکرد شبکه و فعالیت مداوم میم‌کوین‌ها می‌تواند به شتاب بیشتر قیمت در باقی‌مانده سال کمک کند. همچنین پیش‌بینی می‌شود که مزایای تثبیت‌شده سولانا در سرعت و هزینه ممکن است با تکامل شرایط بازار، همچنان کاربران و توسعه‌دهندگان را جذب کند.

    پیش‌بینی‌های فعلی تحلیلگران برای سولانا در سال ۲۰۲۶ طیف وسیعی از نتایج ممکن را نشان می‌دهد. برخی مدل‌ها، قیمت SOL را تا پایان سال بین ۷۵ تا ۵۰۰ دلار تخمین می‌زنند، که بخش بالاتر نشان‌دهنده یک سناریوی صعودی است که نیازمند جریان ورودی مداوم نهادی، پذیرش گسترده‌تر پرداخت‌ها و اجرای موفقیت‌آمیز به‌روزرسانی‌های شبکه مانند Alpenglow است. با توجه به سطوح معاملاتی اخیر نزدیک به ۷۵ تا ۸۵ دلار، رسیدن به ۵۰۰ دلار نشان‌دهنده افزایشی قابل توجه است که توسط رشد مداوم اکوسیستم هدایت می‌شود.

    بیت‌کوین هایپر (Bitcoin Hyper)

    بیت‌کوین هایپر یک راه‌حل لایه ۲ بیت‌کوین است که از ماشین مجازی سولانا (Solana Virtual Machine) برای اجرا استفاده می‌کند. این پروژه با هدف ارائه تراکنش‌های سریع‌تر و کم‌هزینه‌تر بر روی یک لایه پایه امن‌شده توسط بیت‌کوین، از طریق اثبات‌های دانش صفر (zero-knowledge proofs) و تسویه در لایه ۱ بیت‌کوین، طراحی شده است. این پروژه از موارد استفاده‌ای از جمله پرداخت‌ها، برنامه‌های غیرمتمرکز و میم‌کوین‌ها پشتیبانی می‌کند.

    در حال حاضر، پیش‌فروش این پروژه فعال است. شرکت‌کنندگان می‌توانند توکن‌های HYPER را از طریق مراحل ساده خریداری کنند. برای این منظور، کافی است SOL یا دارایی پذیرفته‌شده دیگری را در یک کیف پول سازگار نگهداری کنید.

    با مراجعه به صفحه پیش‌فروش، اتصال کیف پول، انتخاب مقدار خرید و تکمیل تراکنش، می‌توانید در این پیش‌فروش شرکت کنید. گزینه خرید و استیکینگ (buy-and-stake) نیز با سود سالانه ۳۵ درصد (APY) در دسترس است. پرداخت با کارت نیز به عنوان یک روش جایگزین پشتیبانی می‌شود.

    تخصیص توکن شامل ۳۰ درصد برای توسعه، ۲۵ درصد برای خزانه، ۲۰ درصد برای بازاریابی، ۱۵ درصد برای پاداش‌ها و ۱۰ درصد برای لیست شدن در صرافی‌ها است. تاکنون بیش از ۳۲ میلیون دلار جمع‌آوری شده است. پیش‌فروش همچنان باز است اما ممکن است بر اساس تقاضا تغییر کند.

    کلود AI پیش‌بینی می‌کند که پروژه‌های ساخته شده بر روی زیرساخت‌های با کارایی بالا، در صورت بهبود شرایط بازار، ممکن است شاهد افزایش اهمیت باشند، همانطور که در تحلیل‌های اخیر ذکر شده است.

    برای تحقیق در مورد بیت‌کوین هایپر، به صفحه رسمی پیش‌فروش مراجعه کنید.