در این قسمت سراغ Trinity می‌رویم، چارچوبی تازه برای خودبهبودی بازگشتی ایجنت‌های چندوجهی که بر پایه‌ی توانایی‌ها کار می‌کند. Trinity کارهای ایجنت را در یک درخت توانایی مرتب می‌کند و توانایی‌هایی را که ایجنت در آن‌ها ضعیف است پیدا می‌کند. بعد برای همان ضعف‌ها دنیاهای آموزشی شبیه‌سازی‌شده می‌سازد و با مسیردهی ماژول‌های تخصصی harness عملکرد ایجنت را بالا می‌برد. این مقاله در روز انتشارش بیشترین رأی را در Hugging Face گرفت.

خودبهبودی بازگشتی از پربحث‌ترین ایده‌های هوش مصنوعی است و خیلی‌ها آن را دنبال می‌کنند. Trinity یک چرخه‌ی مشخص پیشنهاد می‌کند: ایجنت خودش ضعف‌هایش را هدف می‌گیرد و محیط آموزشی‌اش را هم خودش می‌سازد. این نشان می‌دهد ایجنت‌ها شاید بتوانند با داده‌ی کمتری که انسان آماده کرده بهتر شوند.

• درخت توانایی چطور کارهای ایجنت را به مهارت‌های قابل سنجش تقسیم می‌کند
• ساختن دنیاهای آموزشی شبیه‌سازی‌شده برای توانایی‌های ضعیف
• مسیردهی ماژول‌های تخصصی harness برای بهبود ایجنت‌های چندوجهی
• بهبود نتایج در بنچمارک‌های متعدد
• چرا خودبهبودی بازگشتی این‌قدر توجه و بحث به خودش جلب می‌کند

منابع:

• https://arxiv.org/abs/2610.36077
• https://huggingface.co/papers/2610.36077
• https://github.com/InfRec-Cardinal/The-Trinity
• https://trinity-rsi.github.io/

در این قسمت سراغ MAI-DxO می‌رویم، یعنی Microsoft AI Diagnostic Orchestrator، که مایکروسافت آن را گامی در مسیر «ابرهوش پزشکی» معرفی می‌کند. توضیح می‌دهیم این سیستم چطور قدم‌به‌قدم به تشخیص می‌رسد، درست مثل پزشکی که سؤال می‌پرسد و آزمایش درخواست می‌کند. همچنین مقاله‌ی پژوهشی آن درباره‌ی تشخیص مرحله‌ای با مدل‌های زبانی را مرور می‌کنیم و می‌بینیم رسانه‌ها ادعای برتری این هوش مصنوعی بر پزشکان را چطور پوشش دادند.

چرا مهم است؟ تشخیص بیماری یکی از سخت‌ترین و حساس‌ترین کارهای پزشکی است و هر خطا برای بیمار و نظام سلامت گران تمام می‌شود. اگر مدل‌های هوش مصنوعی بتوانند پرونده‌های دشوار را با اطمینان حل کنند، شیوه‌ی کار پزشکان می‌تواند تغییر کند. اما نتیجه‌ی خوب در یک آزمون پژوهشی با استفاده‌ی ایمن در بیمارستان یکی نیست و این ادعا باید با دقت سنجیده شود.

• MAI-DxO چیست و این ارکستریتور چطور مدل‌های هوش مصنوعی را هماهنگ می‌کند
• تشخیص مرحله‌ای: پرسش، آزمایش و تصمیم‌گیری گام‌به‌گام
• ادعای Microsoft درباره‌ی برتری بر پزشکان و نحوه‌ی خواندن آن
• ابرهوش پزشکی یعنی چه و محدودیت‌هایش کجاست
• پیش از استفاده‌ی واقعی برای بیماران چه چیزهایی لازم است

منابع:

• https://microsoft.ai/news/the-path-to-medical-superintelligence/
• https://arxiv.org/html/2506.22405v1
• https://thenextweb.com/news/microsoft-ai-diagnosis-mai-dxo-science-study

در این قسمت سراغ پژوهش تازه Anthropic می‌رویم که نتایج اولیه به کار گرفتن Claude برای سرعت دادن به توسعه دارو را گزارش می‌کند. Anthropic این مدل هوش مصنوعی را در بخش‌های مختلف زنجیره توسعه دارو به کار برده است، از کارهای پژوهشی گرفته تا مراحلی که به توسعه بالینی ختم می‌شود. این گزارش بحث زیادی به راه انداخت و بخش بزرگی از واکنش‌ها همراه با تردید بود: چه مقدار از این شتاب واقعی است و آیا می‌شود آن را اندازه گرفت؟

کشف و توسعه دارو کاری بسیار کند و پرهزینه است. برای همین حتی پیشرفت‌های کوچک ولی واقعی هم این کاربرد را به یکی از مهم‌ترین کاربردهای مدل‌های زبانی بزرگ تبدیل می‌کند. جزئیات این گزارش هم نشان می‌دهد مدل‌های پیشرفته هوش مصنوعی در صنعت داروسازی کجا واقعاً به کار می‌آیند و کجا نه.

• گزارش Anthropic درباره استفاده از Claude در توسعه دارو
• مراحلی از زنجیره توسعه دارو که این کار را در بر می‌گیرد، از پژوهش تا آستانه توسعه بالینی
• چرا منتقدان می‌پرسند این شتاب واقعی و قابل اندازه‌گیری است یا نه
• مدل‌های زبانی بزرگ در داروسازی کجا ارزش ایجاد می‌کنند و کجا نه
• برای اینکه ثابت شود هوش مصنوعی واقعاً توسعه دارو را کوتاه‌تر می‌کند چه شواهدی لازم است

منابع:

• https://www.anthropic.com/research/early-progress-drug-development
• https://news.ycombinator.com/item?id=50265609

در این قسمت درباره php2shell حرف می‌زنیم: مجموعه‌ای از آسیب‌پذیری‌های بحرانی در PHP که به انتشار وصله‌های اضطراری انجامید. دو حفره با شناسه‌های CVE-2026-109618 و CVE-2026-109619 را بررسی می‌کنیم و می‌گوییم چرا صنعت امنیت آن‌ها را هشدار قرمز دانست. به بحث درباره اینکه چه کسی این باگ را پیدا کرد و ChatGPT چه نقشی در آن داشت هم می‌پردازیم، و به گزارش‌هایی که می‌گویند دولت‌ها برای مقابله با خطر برخی وب‌سایت‌ها را از دسترس خارج کردند.

بخش بزرگی از وب روی PHP اجرا می‌شود، پس حفره‌ای بحرانی در آن کسب‌وکارها و خدمات عمومی را در همه جا تهدید می‌کند. نهادهای امنیتی مثل HKCERT از سازمان‌ها خواسته‌اند سیستم‌های PHP خود را فوراً بررسی و به‌روزرسانی کنند. هشدار آن‌ها این است که هوش مصنوعی هم حمله‌های سایبری و هم دفاع را سرعت داده و فاصله میان افشای یک آسیب‌پذیری تا سوءاستفاده از آن کوتاه‌تر شده است.

• php2shell چیست و چرا PHP وصله اضطراری داد
• دو آسیب‌پذیری بحرانی: CVE-2026-109618 و CVE-2026-109619
• چه کسی باگ را پیدا کرد و نقش ChatGPT و هوش مصنوعی در این ماجرا
• چرا دولت‌ها و کسب‌وکارها وب‌سایت‌ها را قطع یا وصله کردند
• هوش مصنوعی چطور فاصله افشا تا سوءاستفاده را کوتاه کرده است

منابع:

• https://bleepingcomputer.com/news/security/php-ships-emergency-patches-for-critical-php2shell-flaws
• https://www.helpnetsecurity.com/2026/10/21/php2shell-php-vulnerabilities-patched-cve-2026-109618-cve-2026-109619/
• https://www.darkreading.com/application-security/php2shell-bugs-red-alert-security-industry
• https://decrypt.co/381567/who-found-php-bug-governments-unplug-websites-chatgpt
• https://www.hkcert.org/blog/hkcert-warns-of-critical-php2shell-vulnerabilities-businesses-must-immediately-review-and-patch-php-systems-ai-accelerates-cyber-attacks-and-defence-further-shortening-the-response-window-between-vulnerability-disclosure-and-exploitation

در این قسمت سراغ ماجرای Thélyson Orélien، نویسنده کانادایی-هائیتیایی، می‌رویم. رمان پرفروش او در رقابت جایزه معتبر گنکور (Goncourt) فرانسه بود تا اینکه کسی آن را با یک ابزار تشخیص هوش مصنوعی بررسی کرد. این رمان از فهرست گنکور کنار گذاشته شد. نویسنده استفاده از هوش مصنوعی را رد می‌کند، اما اشتباه‌هایی در زمینه سرقت ادبی را می‌پذیرد. از این ماجرا یک سؤال بزرگ‌تر بیرون می‌آید: آیا دانشمندان و نرم‌افزارها می‌توانند با اطمینان بگویند یک کتاب را هوش مصنوعی نوشته است؟

ناشران، داوران جوایز ادبی، مدرسه‌ها و رسانه‌ها روزبه‌روز بیشتر از ابزارهای تشخیص متن هوش مصنوعی استفاده می‌کنند. اگر این ابزارها دقیق نباشند، آبرو و آینده یک نویسنده ممکن است به عددی بند باشد که کسی دقیق نمی‌فهمد از کجا آمده. این موضوع برای ادبیات، آموزش و اعتماد ما به متن‌هایی که می‌خوانیم اهمیت دارد.

• چطور یک بررسی هوش مصنوعی رقابت جایزه گنکور را به رسوایی کشاند
• انکار استفاده از هوش مصنوعی و پذیرفتن اشتباه در سرقت ادبی
• ابزارهای AI Detector واقعاً چقدر دقیق‌اند؟
• چرا جدا کردن استفاده از هوش مصنوعی از سرقت ادبی ساده نیست
• پیامدهای این ماجرا برای ناشران، داوران و نویسنده‌ها

منابع:

• https://www.ctvnews.ca/sci-tech/article/spotting-ai-writing-how-reliable-are-the-detectors/
• https://www.thestar.com.my/tech/tech-news/2026/09/28/spotting-ai-writing-how-reliable-are-the-detectors
• https://thenextweb.com/news/goncourt-drops-orelien-novel-ai-claims
• https://www.dailysabah.com/business/tech/ai-written-bestselling-novel-raises-question-about-detectors
• https://www.dtnext.in/edit/bestseller-scandal-it-was-up-for-a-french-prize-then-someone-ran-an-ai-check

OpenAI با یک پست معرفی و مستندات API، مدل GPT-6.1 Terra را به‌عنوان عضو تازه خانواده GPT-6.1 معرفی کرده است. در این قسمت می‌بینیم OpenAI درباره توانایی‌های Terra چه می‌گوید، این مدل چه جایگاه و قیمتی دارد و بحث کاربران Hacker News درباره آن بیشتر حول چه موضوعاتی بود.

چرا مهم است: هر مدل جدید در API معادله هزینه و کیفیت را برای کسانی که روی OpenAI محصول می‌سازند تغییر می‌دهد. اگر برای اپلیکیشن یا ایجنت خود دنبال مدل مناسب هستید، باید بدانید Terra در کنار GPT-6.1 Sol و Astra و در مقایسه با مدل‌های پیشرو و متن‌باز رقیب کجا قرار می‌گیرد.

• GPT-6.1 Terra چیست و چه جایی در خانواده GPT-6.1 دارد
• مقایسه جایگاه Terra با Sol و Astra
• قیمت‌گذاری و موازنه هزینه و کیفیت برای کاربران API
• نقاط قوت و پرسش‌هایی که توسعه‌دهندگان در Hacker News مطرح کردند
• Terra در برابر مدل‌های پیشرو و open-weight رقیب

منابع:

• https://openai.com/index/introducing-gpt-6-1-terra/
• https://news.ycombinator.com/item?id=50248124

در این قسمت درباره‌ی TraceTrial-Bench صحبت می‌کنیم، بنچمارکی تازه برای سنجش قابلیت اطمینان هارنس ایجنت‌های هوش مصنوعی. هارنس همان زیرساختی است که دور مدل زبانی ساخته می‌شود و ابزارها، مراحل کار و روند اجرا را مدیریت می‌کند. این بنچمارک هارنس را در هفت بخش ارزیابی می‌کند. با تسک‌هایی که برای سنجش سازوکارهای مشخص طراحی شده‌اند و با ردیابی مسیر اجرا (trajectory tracing)، طراحی‌های مختلف هارنس را مقایسه می‌کند و نشان می‌دهد خطا از کدام بخش آمده است. هدفش این است که کیفیت هارنس را جدا از توان خام مدل بسنجد.

برای مهندس‌هایی که ایجنت کدنویسی یا سیستم‌های مبتنی بر ابزار می‌سازند، هارنس اغلب به اندازه‌ی خود مدل مهم است. وقتی ایجنت شکست می‌خورد، سؤال اصلی معمولاً این است که مشکل دقیقاً کجا بوده. ابزاری که بخش خراب را نشان بدهد، در طراحی و دیباگ ایجنت‌ها مستقیماً به کار می‌آید.

• هارنس ایجنت چیست و چرا قابلیت اطمینانش را باید جداگانه سنجید
• ارزیابی هارنس در هفت بخش با TraceTrial-Bench
• تسک‌های سازوکارمحور و ردیابی مسیر اجرا برای پیدا کردن منشأ خطا
• جدا کردن کیفیت هارنس از توانایی مدل
• اهمیت این بنچمارک برای تیم‌هایی که ایجنت کدنویسی و سیستم‌های ابزارمحور می‌سازند

منابع:

• https://arxiv.org/abs/2610.32285
• https://huggingface.co/papers/2610.32285
• https://github.com/TraceLite-AI/TraceTrial-Bench
• https://tracelite.ai/trial-by-trace.html

شرکت Anthropic، سازنده مدل‌های Claude، امیدنامه S-1 را برای عرضه اولیه سهام (IPO) در بورس Nasdaq با نماد ANT به کمیسیون بورس آمریکا (SEC) تحویل داده است. هدفش این است که پیش از OpenAI وارد بورس شود. در این قسمت سراغ این سند بیش از ۳۰۰ صفحه‌ای می‌رویم که حدود ۱۰۰ صفحه‌اش به ریسک‌ها اختصاص دارد. وضعیت مالی Anthropic، حقوق و مزایای مدیران، وابستگی به توان محاسباتی و انرژی، از جمله برق گازی برای دیتاسنترها، و برنامه شرکت برای خرج کردن پول حاصل از عرضه را بررسی می‌کنیم.

این اولین نگاه حسابرسی‌شده به درون یکی از آزمایشگاه‌های پیشروی هوش مصنوعی است که بسیاری از برنامه‌نویس‌ها هر روز با مدل‌هایش کار می‌کنند. اقتصاد کار، محدودیت‌های محاسباتی و ریسک‌هایی که در این امیدنامه آمده، روی قیمت، در دسترس بودن و مسیر آینده Claude اثر مستقیم دارد.

• عرضه اولیه Anthropic در Nasdaq با نماد ANT و رقابت برای پیشی گرفتن از OpenAI
• امیدنامه‌ای بیش از ۳۰۰ صفحه با حدود ۱۰۰ صفحه درباره ریسک‌ها
• آنچه S-1 درباره وضعیت مالی و حقوق مدیران Anthropic نشان می‌دهد
• وابستگی به توان محاسباتی و انرژی، از جمله برق گازی برای دیتاسنترها
• برنامه مصرف پول عرضه اولیه و معنایش برای کاربران Claude

منابع:

• https://www.sec.gov/Archives/edgar/data/2130357/000162828026067168/anthropicpbc-sx1.htm
• https://news.ycombinator.com/item?id=50242939
• https://www.anthropic.com/news/s1-sec

در این قسمت سراغ نوشته‌ی Max Woolf می‌رویم. او به کاهش شدید قیمت API مدل‌های زبانی بزرگ OpenAI و Anthropic در ماه‌های اخیر پرداخته است که بعضی از آن‌ها به ۸۰ درصد رسیده‌اند. دلایل احتمالی‌ای را که او مطرح می‌کند مرور می‌کنیم: بهینه‌تر شدن inference، رقابت با مدل‌های open-weight و تلاش برای گرفتن سهم بیشتری از بازار. همچنین می‌گوییم چرا این نوشته در Hacker News بیش از ۳۰۰ نظر گرفت.

قیمت API تعیین می‌کند کدام کاربردهای مدل‌های زبانی و ایجنت‌های هوش مصنوعی از نظر اقتصادی می‌صرفند. توسعه‌دهنده‌ها باید بدانند این قیمت‌های پایین ماندگار است یا نه، چون همین موضوع روی طراحی محصول، انتخاب مدل و بودجه‌ی قابلیت‌های هوش مصنوعی‌شان اثر می‌گذارد.

• OpenAI و Anthropic در چند ماه قیمت بعضی از APIهای خود را تا ۸۰ درصد کم کرده‌اند
• ارزان‌تر شدن inference می‌تواند یکی از دلایل این کاهش باشد
• مدل‌های open-weight آزمایشگاه‌های بزرگ هوش مصنوعی را زیر فشار رقابت گذاشته‌اند
• این کاهش قیمت ممکن است بخشی از رقابت برای سهم بازار باشد
• ماندگاری این قیمت‌ها روی ساخت ایجنت‌ها و بودجه‌بندی توسعه‌دهندگان اثر می‌گذارد

منابع:

• https://minimaxir.com/2026/10/cheap-llms/
• https://news.ycombinator.com/item?id=50236102

در این قسمت سراغ این می‌رویم که Stripe در مهندسی نرم‌افزار چطور از هوش مصنوعی استفاده می‌کند. محور گفتگو Minions است، ایجنت‌های کدنویسی داخلی Stripe که یک‌باره و از اول تا آخر کار می‌کنند. دو مجری برنامه بر اساس گزارش دوبخشی تیم مهندسی Stripe و مطالبی از InfoQ و ByteByteGo و ZenML توضیح می‌دهند که یک Minion چطور یک تسک برنامه‌نویسی را می‌گیرد و بدون دخالت مستقیم انسان تا رسیدن به یک Pull Request پیش می‌برد.

چرا مهم است: ایجنت‌های هوش مصنوعی برای کدنویسی دیگر فقط دمو نیستند و وارد کار واقعی تیم‌های مهندسی شده‌اند. کدبیس Stripe بزرگ و حساس است، برای همین تجربه‌ی این شرکت نشان می‌دهد این ایجنت‌ها در مقیاس بزرگ چه کاری از دستشان برمی‌آید، چه زیرساختی لازم دارند و بازبینی انسانی هنوز کجا ضروری است.

• ایجنت کدنویسی one-shot و end-to-end چیست و چه فرقی با تکمیل خودکار کد و چت‌بات‌ها دارد
• مسیر Minions در Stripe از شرح تسک تا Pull Request آماده‌ی بازبینی
• زیرساخت و محدودیت‌هایی که ایجنت‌های خودکار را در یک شرکت بزرگ قابل استفاده می‌کند
• عدد گزارش‌شده‌ی بیش از ۱۳۰۰ Pull Request درباره‌ی بهره‌وری توسعه‌دهندگان چه می‌گوید
• درس‌هایی برای تیم‌هایی که به استفاده از AI coding agents فکر می‌کنند

منابع:

• https://stripe.dev/blog/minions-stripes-one-shot-end-to-end-coding-agents
• https://stripe.dev/blog/minions-stripes-one-shot-end-to-end-coding-agents-part-2
• https://infoq.com/news/2026/03/stripe-autonomous-coding-agents/
• https://blog.bytebytego.com/p/how-stripes-minions-ship-1300-prs
• https://www.zenml.io/llmops-database/one-shot-end-to-end-coding-agents-for-developer-productivity

در این قسمت، دو میزبان درباره‌ی یادداشتی از Apollo در مجموعه‌ی Daily Spark صحبت می‌کنند. تیتر این یادداشت صریح است: بیرون از صنعت فناوری، هیچ نشانه‌ای از سوددهی هوش مصنوعی دیده نمی‌شود. بحث داغی را هم که این یادداشت در Hacker News راه انداخت و به ۵۵۸ امتیاز رسید مرور می‌کنند.

چرا مهم است: شرکت‌ها با این امید روی هوش مصنوعی هزینه می‌کنند که بهره‌وری و سود را در کل اقتصاد بالا ببرد. اگر بازده AI فقط در خود صنعت فناوری بماند، حساب‌وکتاب سرمایه‌گذاری روی آن برای کسب‌وکارها و سرمایه‌گذاران عوض می‌شود. جدا کردن دستاورد واقعی از هیاهو هم سخت‌تر می‌شود.

• یادداشت Apollo درباره‌ی بازده هوش مصنوعی بیرون از صنعت فناوری چه می‌گوید
• فاصله‌ی میان هزینه‌های AI و نتیجه‌ی ملموس در بقیه‌ی اقتصاد
• معنای این موضوع برای بحث بهره‌وری و سرمایه‌گذاری در هوش مصنوعی
• واکنش کاربران Hacker News به این تحلیل

منابع:

• https://www.apollo.com/wealth/insights-news/insights/daily-spark/no-signs-of-ai-payoff-outside-the-tech-sector
• https://news.ycombinator.com/item?id=50224463

در این قسمت به یک پرسش ساده ولی مهم می‌پردازیم: چرا فهمیدن زبانی که هوش مصنوعی تولید می‌کند این‌قدر سخت است؟ دو میزبان یک مقاله پژوهشی تازه در arXiv و گفت‌وگوهای کاربران Hacker News درباره آن را بررسی می‌کنند. صحبت از این است که چرا متن‌های مدل‌های زبانی بزرگ (LLM) با اینکه روان به نظر می‌رسند، گاهی دنبال کردنشان دشوار است.

امروز متن‌های تولیدشده با AI در ایمیل‌ها، گزارش‌ها، مستندات و اخبار همه‌جا دیده می‌شوند. اگر خواننده نتواند معنای آن‌ها را راحت دریافت کند، این روی نوشتن، خواندن و میزان اعتماد ما به ابزارهای نوشتاری هوش مصنوعی اثر می‌گذارد. توجه زیاد جامعه Hacker News به این موضوع نشان می‌دهد که خیلی‌ها در دنیای تکنولوژی متوجه این مشکل شده‌اند.

• پرسش اصلی مقاله arXiv: چرا زبان تولیدشده با هوش مصنوعی سخت فهمیده می‌شود
• چرا متنی که روان به نظر می‌رسد ممکن است همچنان گنگ باشد
• واکنش و دیدگاه‌های کاربران Hacker News
• معنای این موضوع برای کسانی که هر روز با LLMها می‌خوانند و می‌نویسند

منابع:

• https://arxiv.org/abs/2610.29162
• https://news.ycombinator.com/item?id=50223647

در این قسمت تحلیلی از Apricitas Economics را بررسی می‌کنیم که درباره افول طبقه خلاق در آمریکا نوشته شده است. آمریکا حدود ۲۰۰ هزار شغل در حوزه رسانه، فیلم و هنر از دست داده است. دو میزبان بررسی می‌کنند که چه مقدار از این کاهش به هوش مصنوعی برمی‌گردد و چه مقدار ممکن است دلایل دیگری داشته باشد.

نویسندگان، طراحان، فیلم‌سازان و هنرمندان نگران‌اند که هوش مصنوعی مولد جای کارشان را بگیرد. اگر بدانیم AI واقعاً چه نقشی در از بین رفتن شغل‌های صنایع خلاق دارد، کارکنان، کارفرمایان و سیاست‌گذاران بهتر می‌توانند واکنش نشان دهند. این مقاله در Hacker News هم بحث زیادی به راه انداخت.

• ابعاد کاهش شغل در رسانه، سینما و هنر آمریکا
• هوش مصنوعی چه سهمی در این کاهش می‌تواند داشته باشد
• دلایل دیگری که ممکن است نیروی کار خلاق را کوچک کرده باشند
• این روند برای آینده کار خلاقانه چه معنایی دارد
• واکنش جامعه فناوری در Hacker News

منابع:

• https://www.apricitas.io/p/ai-and-the-fall-of-the-creative-class
• https://news.ycombinator.com/item?id=50226419

در این قسمت یک مقاله‌ی پژوهشی تازه را بررسی می‌کنیم که از World Model به‌عنوان ابزار راستی‌آزمایی برای GUI Agentها استفاده می‌کند. نویسندگان یک World Model شرطی بر کنش (action-conditioned) و بدون دیکودر پیشنهاد می‌دهند. این مدل صفحه‌ی بعدی را رندر نمی‌کند و فقط بازنمایی آن را پیش‌بینی می‌کند. بعد ایجنت می‌تواند این پیش‌بینی را با صفحه‌ای که واقعا باز شده مقایسه کند و ببیند کلیک یا تایپش به نتیجه‌ی مورد انتظار رسیده یا نه.

چرا مهم است؟ ایجنت‌هایی که با کامپیوتر کار می‌کنند ممکن است بی‌صدا خطا کنند یا یک صفحه‌ی مخرب مسیرشان را منحرف کند. یک بررسی ارزان و سریع بعد از هر قدم، راهی عملی است تا ایجنت‌هایی که در رابط‌های کاربری کلیک می‌کنند قابل‌اعتمادتر و در برابر حمله مقاوم‌تر شوند.

• World Model شرطی بر کنش چیست و چرا حذف دیکودر آن را کم‌هزینه‌تر می‌کند
• پیش‌بینی بازنمایی صفحه‌ی بعدی به‌جای تولید پیکسل‌ها
• راستی‌آزمایی هر قدم GUI Agent با کمک این پیش‌بینی
• تشخیص صفحه‌های اشتباه یا ربوده‌شده با دقت بالا و تأخیر کم
• پیامدهای این روش برای امنیت و پایداری Computer-Use Agentها

منابع:

• https://arxiv.org/abs/2610.11942
• https://huggingface.co/papers/2610.11942
• https://github.com/jiamingzhang94/lgwm
• https://jiamingzhang.netlify.app/lgwm/

در این قسمت سراغ Kimi K3.1 Pro، مدل تازه‌ی Moonshot AI، و نسخه‌ی سریع‌ترش Highspeed می‌رویم. بنچمارک‌های مستقل هر دو را نزدیک به رده‌ی اول مدل‌های هوش مصنوعی قرار داده‌اند. درباره‌ی بحثی هم حرف می‌زنیم که این عرضه به راه انداخت: مدل‌های باز چینی حالا چقدر به مدل‌های پیشرو نزدیک شده‌اند؟ بعد به دو مدل صوتی می‌رسیم: Dessa از Block، مدل گفتگویی که فقط با گفتار آموزش دیده، و Granite Speech 5.0 از IBM برای تبدیل گفتار به متن، ترجمه و تشخیص گوینده.

چرا مهم است: توسعه‌دهنده‌ها حالا به مدل‌های قوی برای برنامه‌نویسی و صدا دسترسی دارند که یا ارزان‌ترند یا وزن‌هایشان باز است. این موضوع انتخاب مدل را برای ایجنت‌ها، دستیارهای کدنویسی و رابط‌های صوتی تغییر می‌دهد.

• Kimi K3.1 Pro و نسخه‌ی Highspeed در بنچمارک‌های مستقل نزدیک رده‌ی برتر هستند
• این عرضه بحث فاصله‌ی مدل‌های باز چینی با مدل‌های پیشرو را دوباره داغ کرد
• Dessa از Block مدل گفتگویی است که فقط با گفتار آموزش دیده
• Granite Speech 5.0 از IBM رونویسی را سریع‌تر و دقیق‌تر می‌کند و ترجمه و تشخیص گوینده هم دارد
• معنای این عرضه‌ها برای انتخاب مدل در ایجنت‌ها، کدنویسی و اپ‌های صوتی

منابع:

• https://www.kimi.ai/blog/kimi-k3-1-pro
• https://news.ycombinator.com/item?id=50212065
• https://block.xyz/dessa
• https://news.ycombinator.com/item?id=50213925
• https://huggingface.co/blog/ibm-granite/granite-speech-5