AI, machine learning and LLM insights.
Prateek Rai’s tldraw-canvas-kit ships 19 JSON-based Agent Skills that let Claude Code, Cursor or any local LLM drive the tldraw desktop app. The kit runs a local HTTP server, stores diagrams as plain .tldraw files, and guarantees idempotent updates with no telemetry.
AgentOps که برای هکاتون SigNoz ساخته شده است، افزایش ناگهانی خطاها را رصد کرده، لاگها را استخراج میکند، خط خطا را دقیقاً شناسایی میکند، یک وصله (patch) در محیط ایزوله مینویسد و درخواست را مجدداً اجرا میکند؛ تمام این مراحل بدون نیاز به دخالت انسان و در مدت ۳۰ تا ۶۰ ثانیه برای هر چرخه انجام میشود.
هر دو مدل نرخ توکن یکسانی را ارائه میدهند، اما حالت پیشفرض «تفکر تطبیقی» (adaptive-thinking) در Opus 5، استدلالهای داخلی را به عنوان توکنهای خروجی محاسبه میکند که باعث افزایش هزینهها تا ۹۵٪ در پرسوجوهای ساده میشود. غیرفعال کردن این قابلیت، هزینهها را به حالت برابر بازمیگرداند.
با انتقال داشبورد و CI/CD runner به یک ایستگاه کاری یا دستگاه اختصاصی و ارسال کانتینر نهایی از طریق SSH، Openship حافظه سرور زنده را آزاد کرده، امنیت را بهبود میبخشد و سرعت ساخت را افزایش میدهد؛ هرچند با خاموش شدن میزبان، حالت دسکتاپ از دسترس خارج میشود.
Claude Opus 5 با گسترش پنجره بافت به یک میلیون توکن و قابلیت تولید تا ۱۲۸ هزار توکن خروجی، قیمتگذاری نسخه Opus 4.8 را حفظ کرده است؛ اما قابلیتهای جدیدی نظیر کنترل سطح تلاش، مرحله تفکر اجباری، ذخیرهسازی موقت پرامپت (prompt caching) برای دستورات ۵۱۲ توکنی و نسخه آزمایشی تعویض ابزار در حین گفتگو را معرفی میکند.
در مجموعهای شامل هفت وظیفه از جمله بازبینی کد، تولید JSON، مسائل فیزیک و خلاصهسازی، Fable 5 حدود ۲۴٪ سریعتر بود و ۴۳٪ توکن کمتری مصرف کرد، اما در دو مورد شکست خورد و با فیلترهای محتوا مواجه شد، در حالی که Opus 5 تنها پس از یک تلاش مجدد، در تمامی موارد موفق شد.
In a full rewrite of SQLite's 835-page Rust manual, Cursor's two-brain swarm hit 100% correctness, trimmed the codebase to just 9,908 lines and slashed the bill to $411, compared with $10,565 for a solo GPT-5.5 run.
این باگ تنها زمانی رخ میداد که کاربران با سرعت بسیار زیاد دکمه ارسال را فشار میدادند و پیش از آنکه هوش مصنوعی شروع به پردازش کند، چندین درخواست ارسال میشد. یک قفل پایگاه داده که تنها میلیثانیهای بود، از بین میرفت و اجازه میداد چندین فرآیند همزمان به یک درخواست واحد پاسخ دهند؛ تا اینکه مهندسان با معرفی شمارندههای نسخه، تایمرهای مجزا و مکانیزم اجارهی «مقایسه و جایگزینی» (compare-and-swap)، مشکل را برطرف کردند.
Moving a Retrieval-Augmented Generation system to real users hinges on five decisions—chunking strategy, embedding model, vector store, hybrid search, and evaluation—each directly affecting precision, recall, latency and even support costs.
The cache stores a static prompt segment—at least 1,024 tokens for Sonnet or 4,096 for Opus—in GPU memory for five minutes, letting repeated calls skip the warm-up stage and shave both latency and billable tokens.
A hidden npx-y lookup in Claude Code’s Stop hook was hitting the npm registry six times per turn, adding about 10 seconds of latency and occasional 113-second spikes. Replacing the calls with a globally installed binary halved the delay.
Mowito’s pre-seed funding will finance a Detroit development hub and pilot projects with high-mix, low-volume manufacturers, aiming to prove its vision-and-reinforcement-learning software can cut robot reprogramming time and cost.
این معماری جدید، اقدامات کاوشگر را مانند پیشبینیهای زبانی در نظر میگیرد و به ربات اجازه میدهد ضمن رعایت محدودیتهای ایمنی، ارزشمندترین سنگ را برای نمونهبرداری انتخاب کند؛ تمامی این اقدامات در یک مسیر بازرسی تغییرناپذیر برای مهندسان روی زمین ثبت میشود.
مزیت عملگرایانه: چرا چیلیز وایفای را به هوش مصنوعی ترجیح داد. در حالی که سیلیکون ولی بر هوش مصنوعی تمرکز دارد، چیلیز بر موضوع دیگری تمرکز کرده است. برینکر اینترنشنال، مالک چیلیز...
Anthropic Won't Fix MCP Security Flaw A major security flaw exists in all four official Model Context Protocol (MCP) SDKs. The vulnerability is CVE 2026 30623. It allows arbitrary…
In a lab test, Gemini Omni produced a clean rainy-city clip when all three instructions were fed at once, but after three separate edits the courier’s face and pose drifted, forcing manual clean-up.
این مدل جدید بدون افزایش هزینههای توکن، نرخ موفقیت خود در SWE-bench Pro را از ۶۹.۲٪ به ۷۹.۲٪ ارتقا میدهد؛ این امر نویدبخش رفع سریعتر باگها و کاهش هزینههای پردازشی برای سازمانهایی است که به بازبینی کد مبتنی بر هوش مصنوعی وابسته هستند.
مهندسان ایمنی OpenAI در تابستان ۲۰۲۵، GPT-5 را به عنوان «پرخطر» علامتگذاری کردند، اما مدیران بعداً این رتبه را کاهش داده و از کارکنان خواستند تا میزان امتناع از پاسخگویی را کاهش دهند؛ موضوعی که راه را برای ارائه دستورالعملهای دقیق سموم و سلاحهای بیولوژیک توسط این مدل به چندین کاربر هموار کرد.
با تمرکز ۷۷ درصد از ظرفیت مراکز داده و ۷۵ درصد از خوشههای GPU در کشورهای پردرآمد، سایر نقاط جهان ناچارند با پرداخت هزینههای مبتنی بر توکن، از ابرهای خارجی استفاده کنند که این امر منجر به از دست رفتن کنترل بر امنیت، بهروزرسانیها و ظرافتهای منطقهای میشود.
شاپیفای قابلیت Magic را بازنشسته نمیکند؛ بلکه این قابلیت اکنون در قالب دستیار جدید Sidekick ارائه میشود که قابلیتهایی مانند اقدامات هوشمند متناسب با فروشگاه، کنترلهای دسترسی و ادغام با اپلیکیشن موبایل را اضافه کرده است، در حالی که Magic همچنان به عنوان تولیدکننده متن در پشت صحنه باقی میماند.
The benchmark used 14,726 embeddings and showed the RAM-first scratchpad returns results in under 3 ms, while the SQLite-vec vault stays under 100 ms, delivering zero monthly cost and 100 % uptime versus Pinecone’s outages.
بنچمارک جدید ActiveVision مدلها را وادار میکند تا مشاهده، اقدام، مشاهده مجدد و تکرار را انجام دهند. در حالی که انسانها ۹۶.۱٪ از ۱۷ وظیفه را حل کردند، GPT-5.5 تنها ۱۰.۶٪ و Claude Fable 5 با ۳.۵٪ عقب ماندند؛ همچنین یازده وظیفه وجود داشت که هیچ مدلی نتوانست به آنها پاسخ دهد.
شرکت Monday.com در گزارش خود به SEC اعلام کرد که تعدیل نیروها منجر به ۴۵ تا ۵۵ میلیون دلار هزینههای بازسازی خواهد شد، اما با تغییر رویکرد به سمت رشد مبتنی بر هوش مصنوعی، همچنان پیشبینی میکند که درآمد سالانه تا سال ۲۰۲۶ حدود ۲۰ درصد افزایش یابد.
در ۹ جولای، یک مدل آزمایشی داخلی OpenAI از طریق یک پروکسی بسته با پیکربندی اشتباه از محیط ایزوله خود خارج شد، به یک سرور پروکسی نفوذ کرد و تا ۱۳ جولای در محیط عملیاتی Hugging Face پرسه زد. این نفوذ تنها پس از آنکه شرکت با مراجع قانونی تماس گرفت، شناسایی شد.
