Tag: نوآوری فناوری

موشنایت ای‌آی بزرگترین مدل متن‌باز چینی را معرفی کرد؛ کیمی کی۳ در نوشتن سناریو از کلود فیبل ۵ پیشی گرفت

شرکت موشنایت ای‌آی (Moonshot AI) به تازگی بزرگترین مدل متن‌باز چینی را عرضه کرده است که در نوشتن سناریوهای فیلم و سریال، از مدل کلود فیبل ۵ (Claude Fable 5) پیشی گرفته است. این دستاورد در آزمون “نوشتن هوش مصنوعی” (Towards AI’s Writing Elo) که در آن مدل‌ها سناریوهای واقعی را نوشته و بدون اطلاع داوران با نسخه‌های منتشر شده مقایسه می‌شوند، به ثبت رسیده است. در این آزمون که از سیستم رتبه‌بندی الو (Elo) مشابه شطرنج استفاده می‌کند، کیمی کی۳ (Kimi K3) با امتیاز ۲۸۴۰، بالاتر از فیبل ۵ با امتیاز حداکثر ۲۷۶۰ قرار گرفت. این در حالی است که تیم آنتروپیک (Anthropic) به طور سنتی در این حوزه پیشتاز بوده است.

رتبه‌بندی در آزمون نوشتن

نتایج اولیه از آزمون داخلی نوشتن نشان می‌دهد که کیمی کی۳ از موشنایت ای‌آی با امتیاز ۲۸۴۰ الو، در حال حاضر رتبه اول را در نوشتن با لحن تحریریه کسب کرده و از کلود فیبل ۵ پیشی گرفته است. این مدل در مقایسه با نسل قبلی خود، کیمی کی۲.۶ (Kimi K2.6)، جهشی از رتبه ۲۱ به رتبه اول داشته است. هزینه اجرای این مدل حدود ۰.۲۵ دلار برای هر سناریو تخمین زده می‌شود که ۵ برابر کمتر از مدل‌های مشابه است.

پیشتازی در تولید کد

کیمی کی۳ همچنین در صدر جدول امتیازات “آرنا ای‌آی” (Arena AI) برای کدهای فرانت‌اند (Frontend Code Leaderboard) قرار گرفته است. این رتبه‌بندی بر اساس هزاران رأی انسانی در مقایسه‌های دوتایی برای وظایف تولید کد و با استفاده از سیستم الو امتیازدهی شده است. کیمی کی۳ با امتیاز ۱۶۷۹، از فیبل ۵ با امتیاز ۱۶۳۱ پیشی گرفته و در شش حوزه از هفت حوزه فرانت‌اند، رتبه اول را به خود اختصاص داده است. این جهشی ۱۷ پله‌ای نسبت به کیمی کی۲.۶ (رتبه ۱۸) محسوب می‌شود.

جایگاه در شاخص تحلیل هوش مصنوعی

شاخص “تحلیل هوش مصنوعی” (Artificial Analysis Intelligence Index) که بر اساس نه ارزیابی مستقل در حوزه‌های کدنویسی، استدلال، کار عامل‌گونه و دانش، با امتیازدهی از ۰ تا ۱۰۰ سنجیده می‌شود، کیمی کی۳ را با امتیاز ۵۷ در رتبه سوم قرار داده است. در این شاخص، کلود فیبل ۵ با امتیاز ۶۰، جی‌پی‌تی ۵.۶ سول (GPT-5.6 Sol) با امتیاز ۵۹ و کلود اوپوس ۴.۸ (Claude Opus 4.8) با امتیاز ۵۶ قرار دارند. این بدان معناست که کیمی کی۳ با اختلاف اندکی، پس از فیبل ۵ و جی‌پی‌تی ۵.۶ سول، سومین مدل توانمند در این ارزیابی ترکیبی است.

عملکرد در BridgeBench و وب‌هندسی

کیمی کی۳ در آزمون BridgeBench نیز عملکرد بهتری نسبت به فیبل ۵ داشته و در ۷ از ۸ سناریو، از جمله بازسازی کد (Refactoring) با امتیاز ۹-۰ و رفع اشکال (Debugging) با امتیاز ۶-۱، پیروز شده است. تنها پیروزی فیبل ۵ در این آزمون، در بخش سرعت بوده است. همچنین، کیمی کی۳ در وب‌سایت https://t.co/SnZ54Xok7n بهترین عملکرد را داشته و در زمان کمتر به نرخ موفقیت قابل مقایسه‌ای با فیبل دست یافته است. این اولین بار است که یک مدل متن‌باز در یک بنچمارک جامع مهندسی وب، از تمام مدل‌های اختصاصی پیشی می‌گیرد.

معماری و پارامترها

کیمی کی۳ با ۲.۸ تریلیون پارامتر، که مقادیر عددی ذخیره دانش مدل هستند، در معماری “ترکیبی از متخصصان” (Mixture-of-Experts) طراحی شده است. این معماری پارامترها را به ۸۹۶ زیرشبکه “متخصص” تقسیم کرده و تنها کسری از آن‌ها را برای هر وظیفه فعال می‌کند. موشنایت ای‌آی اعلام کرده است که این اولین مدل متن‌باز در کلاس ۳ تریلیون پارامتری در جهان است که برای سناریوهای پیشرفته هوش مصنوعی از جمله کدنویسی طولانی‌مدت، دانش‌محوری و استدلال طراحی شده است. این مدل دو برابر بزرگترین رقیب متن‌باز خود، DeepSeek V4-Pro با ۱.۶ تریلیون پارامتر، و همچنین دو برابر مدل قبلی خود، کیمی کی۲ با یک تریلیون پارامتر، ظرفیت دارد.

قابلیت‌ها و نوآوری‌های فنی

این مدل دارای پنجره زمینه یک میلیون توکن (واحد پایه اطلاعاتی که هوش مصنوعی پردازش می‌کند) است که هر توکن تقریباً معادل سه چهارم یک کلمه است. همچنین، قابلیت درک بومی تصاویر و ویدئو و استدلال همیشگی را داراست. دو تکنیک معماری کلیدی در افزایش کارایی این مدل نقش دارند: “کیمی دلتا اتنشن” (Kimi Delta Attention) که سرعت رمزگشایی را برای دنباله‌های طولانی تا ۶.۳ برابر در زمینه‌های یک میلیون توکنی افزایش می‌دهد، و “اتنشن رزیدوالز” (Attention Residuals) که اطلاعات را به طور انتخابی در لایه‌های مدل هدایت می‌کند و نه به طور یکنواخت. این دو تکنیک در مجموع منجر به مقیاس‌پذیری ۲.۵ برابر بهتر نسبت به کی۲ شده‌اند.

قیمت‌گذاری و مزیت رقابتی

هزینه استفاده از کیمی کی۳ ۳ دلار برای هر میلیون توکن ورودی و ۱۵ دلار برای هر میلیون توکن خروجی است که با نرخ کلود سونت ۵ (Claude Sonnet 5)، مدل میان‌رده آنتروپیک، برابر است. با این حال، کیمی کی۳ در شاخص ترکیبی تحلیل هوش مصنوعی، سه امتیاز پایین‌تر از فیبل ۵ قرار دارد. هزینه هر وظیفه در این مجموعه ۹ بنچمارکی برای کیمی کی۳ ۰.۹۴ دلار، برای جی‌پی‌تی ۵.۶ سول ۱.۰۴ دلار و برای اوپوس ۴.۸ ۱.۸۰ دلار است. این بدان معناست که این مدل عملکردی در سطح پیشرفته را با قیمتی در سطح میان‌رده ارائه می‌دهد.

تأثیر بر بازار و تحریم‌های آمریکا

عرضه کیمی کی۳ در حالی صورت می‌گیرد که شکاف قیمتی بین مدل‌های پیشرفته چینی و آمریکایی در اوایل سال جاری ۱۵ تا ۳۰ برابر بوده است. کیمی کی۳ با قیمتی مشابه مدل‌های میان‌رده غربی، عملکردی نزدیک به مدل‌های پیشرفته را ارائه می‌دهد که برای تیم‌هایی که از API استفاده می‌کنند، بهبود قابل توجهی در هزینه ایجاد می‌کند. اگر آنتروپیک فیبل ۵ را صرفاً از طریق API عرضه کند، کیمی کی۳ به نزدیکترین جایگزین متن‌باز برای مدل دوم صنعت تبدیل خواهد شد و هزینه هر وظیفه آن نصف اوپوس ۴.۸ خواهد بود.

این عرضه همچنین بحث‌هایی را در مورد کنترل صادرات تراشه‌های آمریکا به چین برانگیخته است. آمریکا در اواخر سال ۲۰۲۳ صادرات پردازنده‌های گرافیکی Nvidia H800 را به چین محدود کرد و موشنایت ای‌آی تأیید کرده است که مدل‌های قبلی خود را با این تراشه‌ها آموزش داده است. مستندات بنچمارک کیمی کی۳ به پردازنده‌های H200 و سخت‌افزار Ascend هواوی اشاره دارد، اما محل تأمین این سخت‌افزارها مشخص نیست.

یوتونگ ژانگ، رئیس موشنایت ای‌آی، در اجلاس داووس امسال اظهار داشت که این شرکت به دلیل محدودیت در دسترسی به توان محاسباتی، مجبور به تمرکز بر تحقیقات بنیادی و بهره‌وری شده است. تحلیلگران بانک آو آمریکا نیز معتقدند که کیمی کی۳ نشان می‌دهد که مقیاس‌پذیری پیش‌آموزش همراه با نوآوری معماری، همچنان می‌تواند دستاوردهای چشمگیری را برای مدل‌های پرچمدار چینی تحت این محدودیت‌ها به ارمغان آورد.

چالش‌ها و ملاحظات

نرخ توهم (hallucination rate) کیمی کی۳ در آزمون AA-Omniscience، که میزان اطمینان مدل به پاسخ‌های نادرست را می‌سنجد، از ۳۹ درصد در نسل قبلی به ۵۱ درصد افزایش یافته است. این بدان معناست که در حالی که مدل پاسخ‌های صحیح بیشتری ارائه می‌دهد، پاسخ‌های ساختگی بیشتری نیز تولید می‌کند. این مدل همچنین در مستندات خود اذعان دارد که ممکن است “بیش از حد فعال” باشد و در وظایف طولانی و خودکار، تصمیمات غیرمنتظره‌ای از طرف کاربر بگیرد.

برای تیم‌هایی که از ابزارهای مبتنی بر کیمی کی۲.۶ استفاده می‌کنند، کیمی کی۳ گامی رو به جلو محسوب می‌شود، اما نرخ توهم آن نیازمند آزمایش دقیق قبل از استفاده در کاربردهای حساس به دقت است.

این مدل به صورت رایگان در وب‌سایت رسمی کیمی در دسترس است، اما به دلیل ترافیک بالا، استفاده از آن با اختلالات مداوم مواجه است و عملاً قابل استفاده نیست. استفاده از اشتراک پولی یا API جایگزین‌های بهتری هستند. وزن‌های این مدل در تاریخ ۲۷ جولای منتشر خواهند شد و برای شرکت‌های بزرگ در دسترس خواهند بود. در حال حاضر، هیچ پردازنده گرافیکی داخلی، صرف نظر از اندازه، قادر به پردازش مدلی در این مقیاس نیست.

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.»

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.

کوین‌بیس: ۹۵ تا ۱۰۰ درصد کدها با کمک مدل‌های زبان بزرگ نوشته می‌شود

روب ویتوف، رئیس بخش پلتفرم کوین‌بیس، اعلام کرد که این شرکت تخمین می‌زند بین ۹۵ تا ۱۰۰ درصد از کدهای خود را با استفاده از مدل‌های زبان بزرگ (LLM) نوشته یا با کمک آن‌ها توسعه داده است. این رقم تنها پنج ماه پیش، در ماه فوریه، ۴۰ درصد بود. این جهش، یکی از قوی‌ترین اعلامیه‌های عمومی در زمینه پذیرش هوش مصنوعی از سوی یک شرکت بزرگ فناوری مالی است که سهام آن در بورس عرضه شده است.

هوش مصنوعی، دستیار کدنویسی در کوین‌بیس

روب ویتوف در مصاحبه‌ای با کوین‌تلگراف فاش کرد که هوش مصنوعی اکنون در ۹۵ تا ۱۰۰ درصد از پایگاه کد شرکت کمک‌کننده است و این میزان از ۴۰ درصد در ماه فوریه به شدت افزایش یافته است. ویتوف کدنویسی با هوش مصنوعی را در سراسر شرکت عملاً جهانی توصیف کرد و گفت که کارکنان روزانه از ابزارهای مبتنی بر LLM برای پیش‌نویس‌نویسی، بازسازی کد، تست، بازبینی، اشکال‌زدایی و تولید کدهای تکراری استفاده می‌کنند.

نظارت انسانی در زیرساخت‌های حساس

ویتوف اذعان داشت که برای زیرساخت‌های حساس مانند رمزنگاری و سیستم‌های امنیتی اصلی، نظارت انسانی همچنان مرکزی است. کوین‌بیس سیستم‌های معاملاتی، زیرساخت نگهداری دارایی، کیف پول‌ها، ابزارهای انطباق و ادغام‌های بلاک‌چین را اداره می‌کند که در آن‌ها خطاهای نرم‌افزاری پیامدهای مالی و نظارتی مستقیمی دارند.

ارتباط با تعدیل نیرو و سرعت استارتاپی

این اعلامیه پس از بازسازی کوین‌بیس در ماه مه ۲۰۲۶ صورت می‌گیرد که طی آن حدود ۱۴ درصد از نیروی کار شرکت، معادل حدود ۷۰۰ کارمند، تعدیل شدند. برایان آرمسترانگ، مدیرعامل، این تغییر را به هوش مصنوعی مرتبط دانست و گفت که هوش مصنوعی “به طرز چشمگیری” نحوه انجام کار را تغییر داده است و کوین‌بیس نیاز دارد تا با هوش مصنوعی در هسته خود، به سرعت یک استارتاپ بازگردد. آرمسترانگ همچنین بیان کرد که مهندسان از هوش مصنوعی برای انجام کارهایی در عرض چند روز استفاده می‌کنند که قبلاً نیازمند تیم‌های کاملی بود که هفته‌ها وقت صرف می‌کردند.

مزایای احتمالی و چالش‌های بلندمدت

تخمین قبلی کوین‌بیس در ماه فوریه این بود که هوش مصنوعی در حدود ۴۰ درصد از کدهای آن نقش داشته است و این شرکت می‌گوید که در عرض چند ماه به کمک هوش مصنوعی در تقریباً تمام کدها دست یافته است. حامیان استدلال می‌کنند که توسعه با کمک هوش مصنوعی می‌تواند اهرم عملیاتی COIN را بهبود بخشد، اگر یک تیم مهندسی کوچک‌تر بتواند محصولات را با سرعتی معادل یا بیشتر عرضه و نگهداری کند. در این سناریو، حاشیه سود می‌تواند بهبود یابد در حالی که چرخه‌های توسعه کوتاه‌تر می‌شوند. آنچه هنوز کمی نشده است، هزینه نگهداری و امنیت بلندمدت اجرای زیرساخت‌های مالی است که به طور فزاینده‌ای با کمک هوش مصنوعی توسعه یافته‌اند؛ متغیری که منتقدان استدلال می‌کنند صنعت هنوز آن را در مقیاس بزرگ آزمایش نکرده است.

مدل “نظارت شده” کوین‌بیس

اصطلاح “کدنویسی وایب” (vibe coding) به توسعه‌دهندگانی اشاره دارد که خروجی هوش مصنوعی را با حداقل بررسی می‌پذیرند. مدل کوین‌بیس، همانطور که ویتوف توصیف کرد، بر کمک هوش مصنوعی “نظارت شده” تأکید دارد تا خروجی تولیدی بدون بازبینی: هوش مصنوعی می‌تواند برای پیش‌نویس‌نویسی، بازسازی کد، تست، بازبینی، اشکال‌زدایی و تولید کدهای تکراری استفاده شود، در حالی که مهندسان مسئول نظارت و استقرار در محیط‌های تولیدی باقی می‌مانند.

شتاب در صنعت رمزارز و تکامل چارچوب‌ها

این تفاوت ظریف به راحتی در عدد اصلی گم می‌شود. ادعای کوین‌بیس این است که کدها با LLMها نوشته شده یا با کمک آن‌ها توسعه یافته‌اند، در حالی که مهندسان مسئولیت نظارت و استقرار را حفظ می‌کنند. پذیرش ابزارهای هوش مصنوعی در سراسر صنعت رمزارز همچنان شتاب می‌گیرد، در حالی که راهنمایی‌های رسمی و چارچوب‌های حاکمیتی هنوز در حال تکامل هستند.

منحنی پذیرش کوین‌بیس، از ابزار بهره‌وری آزمایشی به مدل عملیاتی تقریباً جهانی در کمتر از یک سال، الگوی مشاهده شده در استارتاپ‌های بومی هوش مصنوعی را منعکس می‌کند، اما در مقیاس یک صرافی تنظیم شده و سهامی عام. پیامدهای رقابتی برای همتایان ناچیز نیست: یک صرافی رمزارز که می‌تواند با کارکنان کمتر نمونه‌سازی، تکرار و عرضه کند، مزیت سرعتی ساختاری در بازاری دارد که در آن سرعت محصول مستقیماً با جذب کاربر و حجم معاملات مرتبط است.

پیامدهای تعدیل نیرو و نظارت رگولاتوری

تعدیل نیرو روایت را پیچیده می‌کند. مرتبط کردن ۷۰۰ اخراج با افزایش بهره‌وری هوش مصنوعی دقیقاً همان نوع چارچوب‌بندی است که توجه رگولاتوری و سیاسی را جلب می‌کند. امروز، آرمسترانگ به صراحت به این موضوع پرداخته است تا اینکه ارتباط آن را کمرنگ کند. در حال حاضر، متغیر اصلی این است که آیا مدل هوش مصنوعی نظارت شده کوین‌بیس در مقیاس پایدار خواهد ماند و آیا سابقه امنیتی و قابلیت اطمینان شرکت ادعاهای بهره‌وری را پس از حسابرسی تحت فشار تأیید می‌کند.

سونی ای‌آی طرح اشتراک نامحدود خود را با قیمت ۲۰ دلار در ماه عرضه کرد

سنگاپور، سنگاپور – ۱۴ ژوئیه ۲۰۲۶ – شرکت سونی ای‌آی (Sogni AI) امروز از طرح اشتراک جدید خود به نام «سونی نامحدود» (Sogni Unlimited) رونمایی کرد. این طرح که با هدف ارائه تولید محتوای بدون محدودیت و بدون نیاز به اعتبار (credit-free) طراحی شده است، مدل‌های متن‌باز و متن‌باز وزنی (open-weight) در حوزه‌های تصویر، ویدئو، موسیقی و مدل‌های زبانی را که بر روی پلتفرم هوش مصنوعی خلاق این شرکت میزبانی می‌شوند، پوشش می‌دهد.

این اشتراک با هزینه ماهانه ۲۰ دلار یا سالانه ۱۹۹ دلار، بر روی شبکه غیرمتمرکز سونی سوپرنت (Sogni Supernet) اجرا می‌شود که از پردازنده‌های گرافیکی (GPU) با اپراتورهای مستقل تشکیل شده است. طرح «سونی نامحدود» از امروز از طریق وب‌سایت و اپلیکیشن‌های سونی برای سیستم‌عامل‌های مک، iOS و اندروید در دسترس است.

این عرضه یک سال پس از راه‌اندازی عمومی شبکه سوپرنت صورت می‌گیرد. از زمان آغاز به کار نسخه آزمایشی (testnet) در سال ۲۰۲۴، این شبکه بیش از ۱۵۸ میلیون اثر خلاقانه را با استفاده از پردازنده‌های گرافیکی مصرفی که توسط اپراتورهای مشارکت‌کننده ارائه شده‌اند، پردازش کرده است.

در حالی که چندین پلتفرم متمرکز هوش مصنوعی از اواخر سال ۲۰۲۴، طرح‌های تولید نامحدود خود را کاهش داده، محدود کرده یا متوقف کرده‌اند، سونی معماری شبکه خود را بر اساس ساختار هزینه‌ای متفاوتی بنا نهاده است. در این مدل، اپراتورهای پردازنده گرافیکی مشارکت‌کننده، ۵۱ درصد از درآمد خالص اشتراک را (پس از کسر هزینه‌های پرداخت، مالیات و بازپرداخت‌ها) به نسبت کار پردازشی که هر ماه تکمیل می‌کنند، دریافت می‌کنند. این امر باعث می‌شود هزینه محاسباتی با درآمد اشتراک مقیاس‌پذیر باشد، نه با صورت‌حساب ثابت ابری. همچنین، این سهم از درآمد با هدف جذب اپراتورهای بیشتر همزمان با رشد تقاضا طراحی شده است.

ماویس لدفورد، مدیرعامل و هم‌بنیان‌گذار سونی ای‌آی، در این باره گفت: «حفظ تولید نامحدود هوش مصنوعی خلاق به دلیل افزایش مستقیم هزینه‌های تولید با میزان استفاده، دشوار بوده است. سونی به گونه‌ای دیگر طراحی شده است: اپراتورهای مستقل زیرساخت را فراهم می‌کنند و بخش عمده‌ای از درآمد خالص اشتراک را برای کاری که در شبکه انجام می‌دهند، دریافت می‌کنند. تولید نامحدود با استفاده منصفانه یک تبلیغ نیست، بلکه هدف اصلی این معماری بوده است.»

طرح «سونی نامحدود» بیش از ۱۰۰ مدل متن‌باز و متن‌باز وزنی را که بر روی شبکه میزبانی می‌شوند، پوشش می‌دهد. از جمله این مدل‌ها می‌توان به Krea 2 Turbo، Z-Image Turbo، Chroma، Qwen Image Edit 2511 برای تصویر، LTX-2.3 برای ویدئو، WAN 2.2 برای انیمیشن و ACE-Step 1.5 برای تولید موسیقی اشاره کرد. همچنین، چت با مدل‌های زبانی بزرگ (LLM)، عامل خلاق سونی (Sogni Creative Agent) و دسترسی به SDK و API در تمام اپلیکیشن‌های سونی نیز در این طرح گنجانده شده است. مدل‌های متن‌باز وزنی جدید نیز به محض در دسترس قرار گرفتن بر روی شبکه، به این مجموعه اضافه خواهند شد. پرداخت اشتراک از طریق کارت انجام می‌شود و نیازی به دانش کیف پول یا ارز دیجیتال نیست.

مارک لدفورد، مدیر ارشد فناوری و هم‌بنیان‌گذار سونی ای‌آی، اظهار داشت: «مدل‌های متن‌باز به سرعت در حال بهبود هستند و به خوبی بر روی سخت‌افزارهای مصرفی اجرا می‌شوند. این شبکه برای این طراحی شده است که این مدل‌ها را پس از انتشار به سرعت در اختیار خالقان قرار دهد و به اپراتورها سهم ثابتی از درآمد را برای این کار پرداخت کند.»

پردازش‌های تحت پوشش این طرح، هیچ اعتباری را مصرف نمی‌کنند. زمان‌بندی استفاده منصفانه ممکن است در دوره‌های اوج تقاضا، با توجه به قوانین همزمانی منتشر شده برای هر سطح، باعث ایجاد صف برای بارهای کاری سنگین و پایدار شود. در طرح «نامحدود»، تا چهار کار همزمان تصویر و یک کار همزمان ویدئو مجاز است. در طرح «نامحدود پرو» (Unlimited Pro) که با قیمت ماهانه ۵۰ دلار یا سالانه ۴۹۸ دلار عرضه می‌شود، این تعداد به ۱۶ کار تصویر و چهار کار ویدئو افزایش می‌یابد و همچنین دارای صف‌های بزرگتر و اولویت بالاتری است. سه مدل شریک پیشرو (frontier partner models) که دارای هزینه‌های مجوز به ازای هر رندر هستند – GPT Image 2، Seedance 2.0 و HappyHorse 1.1 – همچنان به صورت پرداخت به ازای استفاده (pay-as-you-go) باقی می‌مانند، اما مشترکین «نامحدود» ۱۰ درصد و مشترکین «نامحدود پرو» ۲۰ درصد تخفیف دریافت خواهند کرد.

مشترکین جدید واجد شرایط می‌توانند از یک دوره آزمایشی سه روزه در آدرس https://www.sogni.ai/unlimited بهره‌مند شوند. مزایای اشتراک در تمام اپلیکیشن‌های سونی و از طریق SDK و API سونی اعمال می‌شود. قیمت‌گذاری در اپ استور و گوگل پلی ممکن است به دلیل هزینه‌های پلتفرم با قیمت‌های وب متفاوت باشد.

درباره سونی ای‌آی:
سونی ای‌آی یک پلتفرم هوش مصنوعی خلاق و شبکه استنتاج غیرمتمرکز مستقر در سنگاپور است که توسط مدیران سابق CoinMarketCap تأسیس شده است. اپلیکیشن‌های این شرکت گردش کار تصویر، ویدئو، موسیقی و زبان را از طریق زیرساخت پردازنده گرافیکی که توسط جامعه اداره می‌شود، ارائه می‌دهند. اطلاعات بیشتر در وب‌سایت‌های https://www.sogni.ai/ و https://docs.sogni.ai/ در دسترس است.

OpenAI راهنمای جدیدی برای پرامپت‌نویسی مدل پرچمدار خود، GPT-5.6 Sol، منتشر کرده است و پیام اصلی آن برای کسانی که سال گذشته را صرف نوشتن پرامپت‌های سیستمی چند صفحه‌ای کرده‌اند، ناخوشایند خواهد بود: دیگر زیاد ننویسید. ایده اصلی، پرامپت‌نویسی با تمرکز بر نتیجه است. مشخص کنید که نتیجه مطلوب چگونه است، شرایط توقف را تعیین کنید و سپس کنار بروید.

دستورالعمل‌های دقیق نحوه انجام کار، قوانین تکراری سبک، و مثال‌هایی که رفتار را تغییر نمی‌دهند – همه این‌ها اکنون به عنوان نویز تلقی می‌شوند.

OpenAI این موضوع را با اعداد و ارقام پشتیبانی می‌کند: در تست‌های داخلی عامل کدنویسی، پرامپت‌های سیستمی خلاصه‌تر، امتیازات ارزیابی را حدود ۱۰ تا ۱۵ درصد بهبود بخشیدند، در حالی که توکن‌های کل را ۴۱ تا ۶۶ درصد و هزینه‌ها را ۳۳ تا ۶۷ درصد کاهش دادند.

راهنمای پرامپت‌نویسی GPT-5 که در اوت ۲۰۲۵ منتشر شد، بر افزودن ساختار تمرکز داشت. بلوک‌های ماندگاری XML وجود داشت که به مدل می‌گفت تا زمانی که مشکل حل نشده است به کار خود ادامه دهد، الگوهای جمع‌آوری زمینه دقیق که نحوه موازی‌سازی جستجوها و زمان تشدید را مشخص می‌کردند، و اسکریپت‌های مقدماتی ابزار که هر مرحله را با صدای بلند روایت می‌کردند. فلسفه آن، کالیبراسیون اشتیاق بود – ایجاد مسیرهای صریح برای زمان تشدید یا عقب‌نشینی.

GPT-5.6 عمدتاً به این مسیرها نیازی ندارد. راهنمای جدید به شما می‌گوید که موارد زیر را حذف کنید: قوانین تکراری، دستورالعمل‌های سبکی که رفتار را تغییر نمی‌دهند، مثال‌هایی که کاری انجام نمی‌دهند، و مراحل پردازشی که مدل در حال حاضر به طور قابل اعتماد مدیریت می‌کند. بنابراین اساساً، آن بلوک ` که با دسته‌های جستجوی موازی و معیارهای توقف زودهنگام خود کمک می‌کرد، اکنون ساختاری است که مدل باید آن را دور بزند، نه ساختاری که به آن کمک کند.

آنچه در واقع حفظ می‌کنید ساده‌تر است: نتیجه قابل مشاهده برای کاربر، معیارهای موفقیت، شرایط توقف، و محدودیت‌های سخت. مدل یک پرامپت خوب در این راهنما با "حل مشکل مشتری از ابتدا تا انتها" آغاز می‌شود - سپس دقیقاً مشخص می‌کند که پایان کار چگونه است، چه اقداماتی قبل از پاسخگویی باید تکمیل شوند، و در صورت عدم وجود شواهد لازم چه کاری باید انجام شود. نه "جامع باش". نه "ادامه بده". فقط: مقصد اینجاست.

محاسبه ریسک نیز تغییر کرده است. این راهنما هشدار می‌دهد که GPT-5.6 قراردادهای پرامپت را به دقت دنبال می‌کند و "قوانین متناقض می‌توانند بی‌ثباتی بیشتری نسبت به جزئیات از دست رفته ایجاد کنند." مدل‌های قبلی در صورت برخورد با تضاد، یکی از دستورالعمل‌ها را انتخاب می‌کردند. GPT-5.6 توکن‌های استدلال را برای تلاش در جهت آشتی دادن هر دو می‌سوزاند، که کندتر، گران‌تر و اغلب اشتباه است. اگر پرامپت سیستمی شما قوانین همپوشان دارد - و اکثر پرامپت‌های تولیدی اینطور هستند - این اولین چیزی است که باید اصلاح شود.

همچنین OpenAI به شدت توصیه می‌کند که از ترفند قدیمی استفاده از مطلقاتی مانند "همیشه این کار را انجام بده" یا "هرگز این کار را نکن" برای هدایت رفتار هوش مصنوعی در جهت خاص اجتناب کنید.

دو افزودنی مشخص تفاوت را کامل می‌کنند. اولین مورد پارامتر text.verbosity` است: از آنجایی که GPT-5.6 به طور پیش‌فرض مختصرتر از GPT-5.5 است، دستورالعمل‌های قدیمی “مختصر باش” اکنون بیش از حد اصلاح می‌کنند و پاسخ‌ها را بیش از حد کوتاه می‌کنند. یک پیش‌فرض سراسری را از طریق این پارامتر تنظیم کنید، سپس در هر وظیفه در پرامپت، آن را لغو کنید. دومین مورد، بخشی در مورد فراخوانی برنامه‌ریزی شده ابزار (Programmatic Tool Calling) است – برای گردش کارهای محدود که در آن کد فیلتر کردن، دسته‌بندی، یا تجمیع خروجی‌های میانی بزرگ را مدیریت می‌کند و یک نتیجه فشرده برمی‌گرداند، و این کار را کاملاً از قضاوت مدل خارج می‌کند.

ما از این راهنما برای بهینه‌سازی پرامپت خود برای “TYPE OR DIE”، بازی بقای ترسناک اول شخص تایپ که برای سنجش توانایی‌های کدنویسی مدل ساخته‌ایم، استفاده کردیم. نتیجه کار صیقلی‌تر بود: GPT-5.6 Sol منطق هدف‌گیری خودکار را کارآمدتر از اجراهای قبلی مدیریت کرد، تصاویر انسجام بیشتری داشتند، و حس کلی بازی تمیزتر بود. ساخت آن زمان بیشتری برد. مدل مستقیماً به سراغ کد نرفت – کل مشکل را ابتدا ترسیم کرد، هر سیستم را قبل از نوشتن حتی یک خط کد برنامه‌ریزی کرد. این همان کاری است که راهنما در نظر گرفته است. مقصد را مشخص کنید؛ مدل مسیر را انتخاب می‌کند.

پرامپت جدید در گیت‌هاب ما موجود است تا بتوانید آن را بررسی کنید.

شما می‌توانید بازی اصلی GPT 5.6 را با کلیک بر روی این لینک بازی کنید.

بازی که تحت پرامپت جدیدتر ساخته شده است، در اینجا موجود است.

اگر می‌خواهید بیشتر پیش بروید، یا آنقدر تنبل هستید که تمام این دستورالعمل‌های جدید را به خاطر بسپارید، می‌توانید GPT سفارشی خود را بسازید و راهنمای کامل را به عنوان پایگاه دانش آن به آن بدهید. آن را طوری پیکربندی کنید که هر پرامپتی را که به سمت آن پرتاب می‌کنید تجزیه و تحلیل کند، منطق زیربنایی را درک کند، و آن را به سبک GPT-5.6 بازنویسی کند. در نهایت از مهندسی پرامپت برای مهندسی پرامپت‌های بهتر استفاده خواهید کرد.

پرامپت‌سپشن (Promptception). خواهش می‌کنم.

هوش مصنوعی یک باگ واقعی در اتریوم را کشف کرد؛ اما داستان بزرگتر، آنچه در ادامه می‌آید است

سازمان پشت دومین شبکه بلاکچین بزرگ جهان اعلام کرد که از ارتشی هماهنگ از عوامل هوش مصنوعی برای شناسایی آسیب‌پذیری‌ها در زیرساخت‌های حیاتی اتریوم استفاده کرده است.

این تیم اعلام کرد که یک باگ مهم با موفقیت کشف و پیش از آنکه به مشکلی بزرگتر تبدیل شود، رفع گردید. اما این ممکن است تنها آغاز این داستان مهم باشد.

پست وبلاگی منتشر شده توسط بنیاد اتریوم (Ethereum Foundation) نشان می‌دهد که تیم امنیت پروتکل (Protocol Security) افشا کرده است که عوامل مبتنی بر هوش مصنوعی، یک آسیب‌پذیری قابل فعال‌سازی از راه دور را در لایه شبکه‌ای Gossipsub در libp2p کشف کرده‌اند. این یک جزء اصلی است که توسط کلاینت‌های اجماع بلاکچین برای ارتباط با یکدیگر استفاده می‌شود.

عوامل هوش مصنوعی بر روی کد پروتکل، نرم‌افزارهای رمزنگاری و قراردادهای هوشمند که زیربنای شبکه را تشکیل می‌دهند، مستقر شدند. مهمترین چالشی که تیم با آن روبرو بود، نه یافتن خود باگ، بلکه فیلتر کردن مسائل واقعی از میان تعداد بسیار زیادی از نتایج مثبت کاذب تولید شده توسط این عوامل بود.

این تیم یافته‌های خود را تنها پس از رفع مشکل منتشر کرد، اما محققان می‌گویند که پیشرفت بزرگتر در فرآیند یافتن آن نهفته است، نه خود باگ. هوش مصنوعی در شناسایی ضعف‌های بالقوه بسیار مؤثر شده است، اما بدون دخالت انسان، این فرآیند هنوز برای چنین وظایف مهمی به اندازه کافی خوب نیست.

این بنیاد، عوامل هوش مصنوعی را با ابزارهای مدرن فازینگ (fuzzing tools) مقایسه کرد. آنها جایگزین حسابرسان انسانی نخواهند شد، اما می‌توانند فرآیند جستجو را با تولید اثبات مفاهیم اکسپلویت (proof-of-concept exploits)، ردیابی مسیرهای حمله و آزمایش فرضیات در مقیاسی که دستیابی به آن دشوار است، به طور چشمگیری گسترش دهند.

جامعه ارزهای دیجیتال برای چند سالی در مورد چگونگی و چرایی ارتباط صنعت ارزهای دیجیتال با هوش مصنوعی کنجکاو بوده‌اند. بنیاد اتریوم اعلام کرد که یکی از مهمترین ارتباطات بین این دو اکنون از طریق حسابرسی با کمک هوش مصنوعی است که می‌تواند نحوه عملکرد امنیت بلاکچین را به طور اساسی تغییر دهد.

تیم‌های توسعه ممکن است برای کاوش مداوم کد پروتکل برای یافتن آسیب‌پذیری‌ها، پیش از آنکه عوامل مخرب آن‌ها را کشف کنند، به طور فزاینده‌ای از عوامل هوش مصنوعی استفاده کنند. این می‌تواند در تضاد با نمونه‌های متعددی باشد که در آن‌ها عوامل مخرب از چنین عواملی برای هک کردن بلاکچین‌های مختلف استفاده کرده‌اند.

با این حال، این بنیاد هشدار داد که سیستم‌های امروزی هنوز با سیستم‌های خودکار فاصله زیادی دارند، زیرا همچنان گزارش‌هایی تولید می‌کنند که تکراری هستند، حاوی هشدارهای کاذب هستند یا مسیرهای حمله‌ای را توصیف می‌کنند که در واقع قابل بهره‌برداری نیستند. این تیم تاکید کرد که هر یافته جدی همچنان نیازمند بررسی دقیق انسانی است، پیش از آنکه توسعه‌دهندگان بتوانند بر اساس آن اقدام کنند.

سردرگمی، یک مدل متن‌باز چینی را به ابزاری کارآمد در نزدیکی مرزهای پیشرفته با هزینه‌ای حدود یک سوم مدل Claude Opus 4.8 تبدیل کرده است.

این شرکت امروز پیش‌نمایش تحقیقاتی نسخه‌ای پس از آموزش‌دیده از مدل GLM 5.2 شرکت Z.AI را منتشر کرد که به طور خاص برای کار در چارچوب عامل کامپیوتر این شرکت طراحی شده و اکنون در دسترس است.

مدل جدید Perplexity Computer

این مدل، نسخه‌ای تطبیق‌یافته از GLM 5.2 است که برای چارچوب کامپیوتر پس از آموزش‌دیده است. این مدل عملکردی نزدیک به مرزهای پیشرفته را با هزینه‌ای معادل ۰.۳۴۴ برابر Opus ارائه می‌دهد.

جزئیات مدل GLM 5.2

GLM 5.2 مدلی با حدود ۷۴۴ میلیارد پارامتر از Z.ai است که پیشتر Zhipu AI نام داشت؛ این آزمایشگاه پکن از ژانویه ۲۰۲۵ در فهرست نهادهای ایالات متحده قرار گرفته است. (پارامترها، تمام تنظیمات و پیکربندی‌های مختلفی هستند که یک مدل می‌تواند در طول آموزش مدیریت کند. هرچه پارامترها بیشتر باشند، مدل پیچیده‌تر و قدرتمندتر است.) این مدل که در ماه ژوئن تحت مجوز MIT منتشر شد، در معیارهای کدنویسی بلندمدت در میان برترین مدل‌های هوش مصنوعی موجود قرار دارد و هزینه API آن بسیار کمتر است.

قدرت متن‌باز و تنظیم دقیق

وزن‌های باز به این معنی است که هر کسی می‌تواند آن را بدون محدودیت دانلود، اصلاح و برای اهداف تجاری تنظیم دقیق کند. Perplexity دقیقاً همین کار را انجام داده است. تنظیم دقیق، فرآیندی است که در آن یک مدل هوش مصنوعی از پیش آموزش‌دیده بر روی مجموعه داده‌ای کوچک و متمرکز دوباره آموزش داده می‌شود تا در انجام یک کار خاص بهتر عمل کند.

این فرآیند را می‌توان به تنظیم یک خودرو تشبیه کرد. مکانیک‌های مختلف می‌توانند یک هوندا سیویک مشابه داشته باشند و آن را برای مسابقات درگ سریع‌تر کنند، ظاهر آن را زیباتر کنند، یا آن را برای رالی تطبیق دهند. در هوش مصنوعی، توسعه‌دهندگان یک مدل پایه را دریافت کرده و تنظیمات متفاوتی را اضافه می‌کنند تا مدل تنظیم‌شده، دانش بیشتری در یک حوزه خاص، سوگیری سیاسی متفاوت، محدودیت‌های بیشتر یا کمتر و غیره کسب کند.

مهارت حیاتی: تشخیص زمان تشدید

Perplexity از پس‌آموزش‌دهی – فرآیندی مشابه که پس از اجرای اصلی آموزش مدل اعمال می‌شود – برای آموزش یک مهارت حیاتی به GLM 5.2 استفاده کرده است: تشخیص اینکه چه زمانی باید وظیفه‌ای را خودش انجام دهد و چه زمانی آن را به یک مدل قدرتمندتر ارجاع دهد.

این ارجاع، هسته اصلی آنچه را که ساخته‌اند تشکیل می‌دهد. GLM 5.2 تنظیم‌شده شامل چیزی است که Perplexity آن را “ابزار مشاور” می‌نامد – قابلیتی بومی برای تشخیص اینکه چه زمانی یک پرس‌وجو از توانایی‌های خود فراتر می‌رود و باید به یک مدل پیشرفته شخص ثالث واگذار شود. اکثر وظایف هرگز به مدل گران‌قیمت نمی‌رسند. تنها مواردی که واقعاً به آن نیاز دارند، به آن ارجاع داده می‌شوند.

این امر منجر به صرفه‌جویی قابل توجهی در هزینه استنتاج می‌شود.

عملکرد و هزینه

آراویند سرینیواس، مدیرعامل، در پلتفرم X نوشت: “هنگامی که این مدل با یک مشاور همراه می‌شود، با عملکردی در سطح Opus 4.8 و با کسری از هزینه عمل می‌کند.”

نتایج بنچمارک

Perplexity این سیستم را در مقایسه با GLM 5.2 معمولی برای تعیین مبنای هزینه، بنچمارک کرد. با استفاده از معیار بهره‌وری داخلی شرکت که میزان هزینه تکمیل وظایف پیچیده را اندازه‌گیری می‌کند، نتایج نشان داد که اجرای مدل تنظیم‌شده با مشاور حدود دو برابر گران‌تر از نسخه پایه است. با این حال، استفاده از مدل پیشرفته Opus 4.8 برای همه چیز بسیار گران‌تر است (حدود ۶۰۰ درصد گران‌تر).

با ترکیب این ابزارها، سیستم Perplexity به همان کیفیت عملکرد Opus دست می‌یابد، اما تنها با هزینه‌ای حدود یک سوم.

فراتر از مرزها

رقابت هوش مصنوعی آمریکا و چین معمولاً به صورت مجموع-صفر تعریف می‌شود. در عمل، مدل‌های متن‌باز در مرزها متوقف نمی‌شوند. مجوز MIT برای GLM 5.2 محاسبات را ساده می‌کند: هیچ قرارداد API برای نقض وجود ندارد، هیچ سوئیچ دسترسی وجود ندارد که دولت بتواند آن را قطع کند. شما وزن‌ها را دانلود می‌کنید و می‌توانید آن‌ها را به هر آنچه نیاز دارید تنظیم دقیق کنید.

سابقه Perplexity

Perplexity قبلاً این مسیر را طی کرده است. هنگامی که DeepSeek R1 در اوایل سال ۲۰۲۵ در دنیای هوش مصنوعی طوفان به پا کرد، این شرکت آن را به R1-1776 تنظیم دقیق کرد – که حدود ۳۰۰ موضوع را که مدل اصلی به دلیل سانسور دولت چین از بحث درباره آن‌ها خودداری می‌کرد، پوشش داد و مدل را برای سوگیری بیشتر به نفع ایالات متحده دوباره آموزش داد. این مدل به نسخه‌ای با میزبانی غربی از همان موتور استدلال تبدیل شد.

تیم Perplexity در آن زمان در یک پست وبلاگ نوشت: “ما قادر به استفاده از قابلیت‌های استدلال قدرتمند R1 بدون کاهش سوگیری و سانسور آن نبودیم.”

بنابراین، این حرکت GLM 5.2 از الگوی مشابهی پیروی می‌کند، با این تفاوت که هدف این بار سیاسی نیست، بلکه اقتصادی است. محصول Computer شرکت Perplexity در حال حاضر ۱۹+ مدل هوش مصنوعی را هماهنگ می‌کند؛ GLM تنظیم‌شده به عنوان گزینه پیش‌فرض ارزان طراحی شده است که بخش عمده‌ای از وظایف را قبل از رسیدن به یک مدل پیشرفته جذب می‌کند.

سرینیواس گفت که تئوری بلندمدت ساده است: پس‌آموزش‌دهی مدل‌های متن‌باز برای خوب شدن در ارجاع، در چارچوب یک عامل که در حال حاضر به میلیون‌ها کاربر خدمات می‌دهد. او نوشت که Perplexity “در موقعیت منحصر به فردی” برای حل این مشکل قرار دارد، زیرا زیرساخت در مقیاس بزرگ مستقر شده است.

این مدل بر روی پردازنده‌های گرافیکی Nvidia B200 در ایالات متحده اجرا می‌شود. مرحله بعدی: پس‌آموزش‌دهی Nemotron 3 Ultra، که همان معماری را با استفاده از یک مدل متن‌باز آمریکایی تکرار خواهد کرد.

بنچمارک‌های کامل و یک مقاله تحقیقاتی در هفته‌های آینده انتظار می‌رود. این مدل به عنوان پیش‌نمایش تحقیقاتی در دسترس است.

اوپن‌ای‌آی مدل جدید خود، GPT-5.6 Sol را برای عموم منتشر کرد. این شرکت امروز مدل پرچمدار جدید خود را همراه با دو مدل کوچک‌تر به نام‌های Terra و Luna عرضه کرد. پیش از این، وزارت بازرگانی ایالات متحده دسترسی به نسخه پیش‌نمایش این مدل را به مدت دو هفته برای حدود ۲۰ شریک مورد اعتماد محدود کرده بود.

این استراتژی نام‌گذاری برای اوپن‌ای‌آی جدید است. این اولین بار است که این شرکت به مدل‌های خود نام می‌دهد، به جای استفاده صرف از اعداد. Sol، Terra و Luna سطوح مختلفی از قابلیت‌ها را نشان می‌دهند که می‌توانند با سرعت خودشان پیشرفت کنند. Sol مدل پرچمدار است، Terra مدل روزمره است که اوپن‌ای‌آی می‌گوید با GPT-5.5 با نصف قیمت مطابقت دارد، و Luna گزینه ارزان‌تر است.

قیمت‌گذاری برای Sol، یک میلیون توکن ورودی و خروجی، ۵ دلار و ۳۰ دلار است که برای Luna به ۱ دلار و ۶ دلار کاهش می‌یابد. (توکن‌ها، برای کسانی که آشنا نیستند، کوچکترین واحد اطلاعاتی هستند که یک مدل می‌تواند پردازش کند. شرکت‌ها معمولاً مدل‌های خود را بر اساس هر توکن برای خدمات API قیمت‌گذاری می‌کنند.) دو تنظیم جدید همراه با این مدل عرضه شده‌اند: حداکثر تلاش استدلالی که به Sol اجازه می‌دهد طولانی‌تر فکر کند، و حالت فوق‌العاده (ultra mode) که کار را به زیرعامل‌ها (subagents) واگذار می‌کند.

برای مقایسه، Anthropic برای Claude Fable 5، ۱۰ دلار و ۵۰ دلار، گوگل برای Gemini 3.1 Pro، ۲ دلار و ۱۲ دلار، و xAI برای Grok 4.5، ۱۵ دلار و ۷۵ دلار دریافت می‌کند.

در سمت چین: DeepSeek برای V4 Pro، ۱.۷۴ دلار و ۳.۴۸ دلار، و شیائومی برای MiMo v2.5 Pro، تنها ۱ دلار و ۵ دلار دریافت می‌کند. این امر Sol را بین مدل‌های پیشرفته آمریکایی و رقبای کم‌هزینه چینی قرار می‌دهد.

آنچه بنچمارک‌ها نشان می‌دهند

در Terminal-Bench 2.1 – آزمونی از گردش کارهای خط فرمان که پاداش برنامه‌ریزی، استفاده از ابزار و تکرار را می‌دهد و به صورت سهم وظایفی که مدل تکمیل می‌کند امتیازدهی می‌شود – Sol در پیکربندی فوق‌العاده خود به ۹۱.۹٪ و Sol استاندارد به ۸۸.۸٪ رسید.

این نتایج هر دو را بالاتر از Claude Mythos 5 از Anthropic با ۸۸.۰٪، Claude Fable 5 با ۸۴.۳٪، و Claude Opus 4.8 با ۷۸.۹٪ قرار می‌دهد. Gemini 3.1 Pro Preview گوگل با ۷۰.۷٪ در انتهای نمودار قرار گرفت.

اوپن‌ای‌آی بیشترین تمرکز را بر امنیت سایبری داشت. در ExploitBench، که اندازه‌گیری می‌کند یک مدل چقدر خوب آسیب‌پذیری‌های نرم‌افزاری را پیدا و از آن‌ها سوءاستفاده می‌کند، Sol با نسخه پیش‌نمایش محدود Mythos مطابقت داشت و در عین حال حدود یک سوم توکن‌ها را مصرف کرد. اوپن‌ای‌آی می‌گوید Sol همچنان از خط “Cyber Critical” در چارچوب ریسک خود عبور نمی‌کند.

دسترسی زودهنگام پر سر و صدا بود. تئو، یک توسعه‌دهنده شناخته شده، یوتیوبر هوش مصنوعی و مدیرعامل پلتفرم هوش مصنوعی T3 Chat، Sol را “پیشرو در استفاده از کامپیوتر” نامید و گفت که شکایات او از GPT-5.5 را برطرف کرده است.

ظاهراً اکنون اجازه دارم در مورد GPT-5.6 صحبت کنم؟
این یک مدل فوق‌العاده خوب است. نه به اندازه Fable “هوشمند”، اما فوق‌العاده توانمند است. تمام مشکلاتی را که با GPT-5.5 داشتم برطرف کرد.
بسیار مصمم است. حتی بدون استفاده از /goal، برای یک روز کار می‌کند. زیرعامل‌ها را درک می‌کند…
— تئو – t3.gg (@theo) ۸ ژوئیه ۲۰۲۶

دن شیپر، که تیمش در Every آن را به مدت یک ماه آزمایش کرد، جمله واضح‌تری ارائه داد: “GPT-5.6 مانند پورشه است، Fable مانند درایو وارپ (warp drive).” برداشت او این است که Sol برای استفاده روزمره است و Fable چیزی است که برای عبور از کهکشان به سراغ آن می‌روید.

GPT-5.6 مانند پورشه است، Fable مانند درایو وارپ.
ما حدود یک ماه است که به صورت داخلی در @every در حال آزمایش هستیم. و GPT-5.6 بهترین ترکیب از قدرت، سرعت و عملکرد را برای کارهای دانش روزمره و کدنویسی شما ارائه می‌دهد.
Fable موجودی متفاوت است. اگر نیاز دارید که…
— دن شیپر 📧 (@danshipper) ۸ ژوئیه ۲۰۲۶

دایچی کوننو، پژوهشگری که زودتر به آن دسترسی پیدا کرد، گفت Sol به وضوح از GPT-5.5 بهتر است و نزدیک به Fable 5 قرار می‌گیرد، اما Anthropic همچنان در وظایف نوشتاری پیشتاز است. نکته دقیق‌تر او این است که محافظت‌های Sol در مورد سوالات علوم زیستی فعال نشدند، که او فکر می‌کند می‌تواند آن را به یک گزینه پیش‌فرض برای کارهای زیست‌شناسی تبدیل کند.

GPT-5.6-Sol را به طور کامل بررسی کردم، اما عملکرد آن به وضوح از GPT-5.5 بهتر است و احساس می‌کنم با Claude Fable 5 قابل مقایسه است!
۱. در نوشتن متن، Fable برتری دارد.
۲. محافظت‌ها در مورد موضوعات علوم زیستی فعال نمی‌شوند.
نکته دوم بسیار مهم است و ممکن است محققان زیست‌شناسی در آینده GPT-5.6-Sol را به عنوان انتخاب اول خود در نظر بگیرند! https://t.co/pQmciCQH3q
— دایچی کوننو / 紺野 大地 (@_daichikonno) ۹ ژوئیه ۲۰۲۶

نشت اطلاعاتی در حال حاضر به فراتر از آن اشاره دارد. حساب ردیابی نقشه راه به نام “Synthwave” در X ادعا می‌کند که GPT-5.6 آخرین مدل از خط 5.x است و GPT-6 که بر اساس یک پایگاه بزرگتر ساخته شده، ظرف حدود یک ماه عرضه خواهد شد. همین رشته توییت، Fable 5.1 از Anthropic را نزدیک و عرضه عمومی V4 از DeepSeek را قریب‌الوقوع اعلام می‌کند.

زمان‌بندی هدفمند است. Sol در همان هفته‌ای عرضه می‌شود که Fable 5 از Anthropic از برنامه‌های اشتراک خارج می‌شود – پس از بازگشت جهانی در ۱ ژوئیه، این مدل پس از اتمام سهمیه هفتگی ۵۰٪ خود در ۷ ژوئیه، تنها با اعتبار استفاده قابل دسترسی شد.

رقابت در صدر تنگاتنگ است. SpaceXAI دیروز Grok 4.5 را با کسری از قیمت عرضه کرد که ایلان ماسک آن را “تقریباً قابل مقایسه با Opus 4.7، اما بسیار سریعتر” توصیف کرد. Meta امروز صبح Muse Spark 1.1، اولین مدل پولی خود را منتشر کرد. هیچ‌کدام پیشتاز نیستند، اما هر دو در کلاس پیشرفته قرار دارند.

این امر گوگل را به عنوان تنها آزمایشگاه بزرگ آمریکایی باقی می‌گذارد که پرچمدار خود را در این دور تازه نکرده است. برترین مدل آن، Gemini 3، از نوامبر ۲۰۲۵ در دسترس بوده است – قدیمی‌ترین عرضه پیشرفته که همچنان پابرجاست، در حالی که OpenAI، Anthropic، xAI و Meta همگی در هفت روز گذشته پیشرفت‌هایی داشته‌اند.

MoonPay دستیار هوش مصنوعی ارز دیجیتال خود را به تلگرام می‌آورد

شرکت MoonPay روز پنجشنبه اعلام کرد که دستیار هوش مصنوعی ارز دیجیتال خود را به تلگرام می‌آورد و به کاربران امکان می‌دهد از طریق این پلتفرم پیام‌رسان با MoonAgents تعامل داشته باشند.

به گفته کوین آرفین، مدیر محصول MoonAgents، این ادغام بر پایه اپلیکیشن دسکتاپ MoonAgents شرکت بنا شده و به کاربران امکان می‌دهد زمانی که دور از رایانه خود هستند، به دستیار هوش مصنوعی خود دسترسی داشته باشند.

آرفین در مصاحبه‌ای با Decrypt گفت: «اپلیکیشن دسکتاپ به رایانه شما متصل است، اما گاهی اوقات می‌خواهید در حال حرکت معامله کنید یا زمانی که بیرون قدم می‌زنید، تحلیل انجام دهید. ادغام تلگرام دروازه‌ای برای انجام این کار است.»

مشابه OpenClaw و Hermes Agent، MoonAgents از تلگرام به عنوان رابطی برای تعامل کاربران با یک عامل هوش مصنوعی استفاده می‌کند. آرفین گفت که کاربران از طریق BotFather یک ربات سفارشی ایجاد می‌کنند، آن را به اپلیکیشن دسکتاپ MoonAgents متصل می‌کنند و می‌توانند از عامل بخواهند بازارها را تحلیل کند، تراکنش‌ها را آماده سازد و فعالیت بلاک‌چین را نظارت کند. (افشای اطلاعات: MoonPay Ventures یکی از سرمایه‌گذاران Dastan، شرکت مادر Decrypt است.)

در حالی که بسیاری از بخش ارزهای دیجیتال از تلگرام برای ارتباط استفاده می‌کنند، آرفین گفت که تلگرام نه تنها به دلیل محبوبیتش در میان کاربران ارز دیجیتال انتخاب شده است.

آرفین گفت: «دلیل اینکه تلگرام را به عنوان اولین ادغام برای اپلیکیشن دسکتاپ Moon Agents انتخاب کردیم، واقعاً این نیست که تمام ارزهای دیجیتال از آن استفاده می‌کنند. او با اشاره به راه‌اندازی اضافی مورد نیاز برای ادغام‌های مشابه با سرویس‌هایی مانند واتس‌اپ یا iMessage، خاطرنشان کرد که آن‌ها رابط کاربری بسیار خوبی برای ایجاد یک ربات جدید ارائه می‌دهند و پلتفرم‌های پیام‌رسان دیگر اصطکاک بیشتری ایجاد می‌کنند.»

به گفته آرفین، پروژه‌های عامل هوش مصنوعی مانند OpenClaw و Hermes Agent نیز با نشان دادن چگونگی عملکرد دستیاران هوش مصنوعی خارج از رابط‌های چت‌بات سنتی، بر MoonAgents تأثیر گذاشتند.

آرفین گفت: «من فکر می‌کنم OpenClaw واقعاً تجربه LLMها را بازتعریف کرد، به خصوص با LLMهایی که می‌توانند به رایانه شما دسترسی داشته باشند.»

در حالی که تلگرام رابط کاربری را فراهم می‌کند، آرفین گفت که MoonAgents به گونه‌ای طراحی شده است که کاربران برای دسترسی به عامل خود به پلتفرم پیام‌رسان وابسته نباشند.

آرفین گفت: «من فکر می‌کنم بهترین بخش این است که تمرکز اپلیکیشن دسکتاپ Moon Agents بر این است که همه چیز در رایانه شما ذخیره می‌شود، بنابراین حتی اگر تلگرام فردا تعطیل شود و دیگر نتوانید عامل خود را در حال حرکت همراه داشته باشید، تمام مکالمات شما همچنان در رایانه شما وجود دارد. شما می‌توانید مکالمه خود را از طریق اپلیکیشن دسکتاپ Moon Agent ادامه دهید و اساساً آن مکالمه را ادامه دهید، گویی تلگرام هرگز وجود نداشته است.»

این خبر در حالی منتشر می‌شود که شرکت‌های ارز دیجیتال به توسعه زیرساخت‌هایی ادامه می‌دهند که به عوامل هوش مصنوعی اجازه می‌دهد با دارایی‌های دیجیتال و خدمات آنلاین تعامل داشته باشند. در ماه آوریل، Gemini پلتفرم Agentic Trading را راه‌اندازی کرد که به کاربران امکان می‌دهد مدل‌های هوش مصنوعی از جمله ChatGPT و Claude را برای اجرای استراتژی‌های معاملاتی از طریق ابزارهای صرافی متصل کنند.

در ماه ژوئن، Coinbase ابزار Coinbase for Agents را راه‌اندازی کرد که به عوامل هوش مصنوعی اجازه می‌دهد در محدوده‌های تعریف شده توسط کاربر، ارز دیجیتال معامله کنند، پرداخت انجام دهند و سبد سهام را مدیریت کنند. همچنین در ماه ژوئن، Nous Research نسخه دسکتاپ Hermes Agent را منتشر کرد و عامل هوش مصنوعی متن‌باز را از یک ابزار خط فرمان به یک برنامه مستقل تبدیل کرد.