اخبار

Runway مدل جدید هوش مصنوعی Ruby را عرضه کرده است که برای تبدیل ویدیوی دامنه دینامیکی استاندارد (SDR) به خروجی HDR ۱۶بیتی طراحی شده است. Ruby خروجی را در هر دو فرمت ProRes و دنباله تصاویر EXR ارائه می‌دهد و به همین دلیل برای گردش‌کارهای پس‌تولید حرفه‌ای مناسب است. این مدل با هر ویدیویی که پیش‌تر در Runway بارگذاری یا از طریق پلتفرم آن تولید شده باشد سازگار است و از کلیپ‌هایی با حداکثر طول ۳۰ ثانیه پشتیبانی می‌کند. Ruby اکنون مستقیماً در پلتفرم Runway قابل استفاده است.

Anthropic در حال گسترش Claude Mythos 5 برای دفاع سایبری است و آن را در اختیار مشتریان Enterprise در Claude Security قرار می‌دهد تا بتوانند پایگاه‌های کد را برای یافتن آسیب‌پذیری‌ها اسکن و وصله‌های پیشنهادی دریافت کنند. این شرکت همچنین صندوق Defender Advantage Fund را راه‌اندازی کرده است که ۳۵ میلیون دلار اعتبار به سازمان‌های فعال در تأمین امنیت نرم‌افزارهای متن‌باز اختصاص می‌دهد. این صندوق بر سه حوزه تمرکز دارد: وصله‌کردن آسیب‌پذیری‌های فعال، خودکارسازی اسکن و دنبال‌کردن رویکردهای بلندپروازانه در امنیت. Anthropic همچنین برنامه Cyber Verification Program خود را گسترش می‌دهد تا مدافعان تأییدشده بتوانند به مدل‌های رده Mythos دسترسی داشته باشند.

Midjourney دو هفته پس از انتشار پیش‌نویس اولیه تغییرات مهم پلتفرم، یک به‌روزرسانی بزرگ برای رفع باگ در alpha.midjourney.com منتشر کرده است. این به‌روزرسانی ده‌ها مشکل را در بخش‌های پوشه‌ها، Upscale، گالری و عملکرد برطرف می‌کند. از جمله اصلاحات مهم می‌توان به گروه‌های پوشه‌ای جمع‌شونده در نوار کناری، بازگشت دکمه‌های Upscale، Zoom و Vary برای تصاویر قدیمی V8.2، جلوگیری از بازنشانی غیرمنتظره تنظیمات، کاهش تأخیر هنگام واردکردن پرامپت و پیمایش گالری، و اصلاح عملکرد pillها اشاره کرد. قابلیت‌های کپی از Moodboard و پروفایل نیز بازگردانده شده‌اند. تیم Midjourney هشدار داده است که ممکن است با این به‌روزرسانی باگ‌های جدیدی ایجاد شده باشند.

جدیدترین ویدئوی Matt Wolfe در یوتیوب را تماشا کنید؛ او در این ویدئو مهم‌ترین اخبار هوش مصنوعی هفته گذشته را بررسی می‌کند.

xAI دسترسی به Grok Bot، پلتفرم عامل هوش مصنوعی خود را که در ۱۱ اوت ۲۰۲۶ به‌صورت بتا راه‌اندازی شد، گسترش داده و آن را در اختیار کاربران SuperGrok Plus، SuperGrok Heavy، Cursor Pro+، Cursor Ultra و همه طرح‌های Cursor Teams قرار داده است. Grok Bot مانند یک هم‌تیمی دیجیتال عمل می‌کند و می‌تواند با دسترسی به مرورگر و ترمینال از طریق یک رایانه ابری، وظایف را به‌صورت خودکار در اپلیکیشن‌ها و صندوق‌های ورودی انجام دهد. کاربران می‌توانند چندین Bot را هم‌زمان اجرا کنند، برای آن‌ها روتین بسازند و از طریق یک رابط رشته‌گفت‌وگویی متنی در موبایل یا دسکتاپ با آن‌ها پیام ردوبدل کنند.

OpenAI افزونه Apple Messages را برای ChatGPT در Mac عرضه کرده است که به کاربران اجازه می‌دهد پیام‌ها را جست‌وجو کنند، گفت‌وگوها را مرور کنند و با کمک هوش مصنوعی پاسخ‌ها را پیش‌نویس یا ارسال کنند. این افزونه اکنون در ChatGPT Work و Codex روی دسکتاپ در دسترس است و از مسیر Plugins > Public نصب می‌شود. از نمونه‌های کاربرد آن می‌توان به بررسی تقویم برای پیشنهاد زمان جلسه، پیدا کردن پیگیری‌های مربوط به دیروز، شناسایی تولدها در پیام‌ها و علامت‌گذاری هرزنامه‌های احتمالی برای حذف اشاره کرد.

OpenAI قابلیت تولید پس‌زمینه شفاف را به API مدل GPT-Image-2 افزوده است؛ این قابلیت اکنون در نسخه پیش‌نمایش در دسترس قرار دارد. توسعه‌دهندگان می‌توانند با استفاده از آن، دارایی‌های تصویری قابل‌استفاده مجددی بسازند که روی هر پس‌زمینه‌ای قرار می‌گیرند؛ قابلیتی کاربردی برای تصاویر محصولات، طراحی گرافیکی، ماکاپ وب‌سایت و کمپین‌های بازاریابی. OpenAI اشاره کرده است که قابلیت‌های بیشتری مرتبط با شفافیت به‌زودی ارائه می‌شوند. این به‌روزرسانی، کاربرد عملی GPT-Image-2 را برای فرایندهای تجاری و خلاقانه‌ای که به دارایی‌های بصری انعطاف‌پذیر و ترکیب‌پذیر نیاز دارند، گسترش می‌دهد.

Anthropic سه ابزار آماده استفاده در محیط تولید را روی Claude Platform عرضه کرده است: Computer Use، Skills API و Files API. Computer Use اکنون شامل ابزار browser use است که با خواندن ساختار صفحه، عناصر وب را قابل‌اعتمادتر از کلیک‌کردن مبتنی بر پیکسل هدف می‌گیرد و از اجرای چند اقدام در هر نوبت برای تکمیل سریع‌تر وظایف پشتیبانی می‌کند. Skills API به توسعه‌دهندگان اجازه می‌دهد مجموعه دستورالعمل‌های نسخه‌بندی‌شده را بارگذاری کنند تا در sandbox کلود اجرا شوند. Files API نیز برای هر سازمان ۱ ترابایت فضای ذخیره‌سازی و محدودیت نرخ ۵ برابر بیشتر ارائه می‌دهد. هر دو API از طریق Microsoft Foundry هم در دسترس هستند.

Sakana AI سرویس رایگان Sakana Translate را به‌روزرسانی کرده تا با مدل جدید Sakana Namazu اجرا شود؛ مدلی که بر درک عمیق زبان، فرهنگ و بافت ژاپنی تمرکز دارد. این سرویس همچنان ترجمه دوطرفه میان ژاپنی، انگلیسی و چینی را ارائه می‌دهد و قابلیت‌های ویرایش و پرسش‌وپاسخ را هم دارد. در ارزیابی‌های رودررو با استفاده از ابزار TransEvalnia متعلق به Sakana AI و در ۱۶۰ وظیفه ترجمه ژاپنی به انگلیسی، Sakana Translate بیش از ۵۰ درصد مواقع از مدل‌های رقیب بهتر عمل کرد. برنامه‌های آینده شامل ترجمه فایل‌های PDF و اسناد Office و همچنین قابلیت‌های سازمانی مانند دسترسی API و SSO است.

گوگل دکمه‌ای به نام Preferred Sources راه‌اندازی کرده است که ناشران می‌توانند آن را در وب‌سایت‌هایشان قرار دهند تا خوانندگان، آن‌ها را به‌عنوان منبع محبوب انتخاب کنند و این منابع در Google Search، Discover و Google News بیشتر نمایش داده شوند. این قابلیت، عرضه ماه مه را که به AI Mode و AI Overviews مرتبط بود، گسترش می‌دهد. گوگل می‌گوید وقتی یک منبع ترجیحی در دسترس باشد، احتمال کلیک کاربران روی آن دو برابر می‌شود و تاکنون بیش از ۳۴۵ هزار منبع منحصربه‌فرد انتخاب شده‌اند. گوگل همچنین شخصی‌سازی فید Discover با زبان طبیعی و شخصی‌سازی خلاصه‌های صوتی را برای کاربران Android اضافه می‌کند.

استارتاپ بنگلورویی Murf AI مدل تبدیل متن به گفتار Falcon 2 را عرضه کرده است؛ مدلی که هر دقیقه تولیدش ۰٫۰۱ دلار هزینه دارد و قیمت آن یک‌پنجم ElevenLabs است. Falcon 2 از ۲۰ اوت در دسترس خواهد بود و در بنچمارک‌های Artificial Analysis رتبه بالاتری از Realtime API شرکت OpenAI کسب کرده است. این مدل در کمتر از ۱۰۰ میلی‌ثانیه پاسخ می‌دهد و از بیش از ۱۵۰ صدا در ۳۵ زبان پشتیبانی می‌کند. Falcon 2 برای مشتریان سازمانی مانند مراکز تماس، بانک‌ها و شرکت‌های هواپیمایی طراحی شده و می‌تواند ۱۰ هزار تماس هم‌زمان را مدیریت کند. Murf AI که در سال ۲۰۲۰ تأسیس شده و از حمایت Matrix Partners و Elevation Capital برخوردار است، بیش از ۱۰ میلیون کاربر دارد.

پلتفرم مدیریت هزینه‌های سازمانی Ramp سرویس Router را راه‌اندازی کرده است؛ این سرویس مسیریابی مدل‌های هوش مصنوعی به کاربران اجازه می‌دهد از طریق API بین مدل‌های زبانی بزرگ جابه‌جا شوند. Router که بر پایه سه سال استفاده داخلی ساخته شده، از مدل‌های OpenAI، Anthropic، DeepSeek، xAI و دیگران پشتیبانی می‌کند. این سرویس راهبردهای مسیریابی مبتنی بر بنچمارک، داشبورد هزینه و اعتبار راه‌اندازی ۲۶ دلاری ارائه می‌دهد. استفاده از آن تا پایان ۲۰۲۶ رایگان است، فقط در ایالات متحده در دسترس قرار دارد و سیاست نگه‌داری داده با امکان انصراف را شامل می‌شود. Ramp با ارزش‌گذاری ۴۴ میلیارد دلار، Router را نقطه ورود مشتریان جدید می‌داند.

پژوهشی از Pew نشان می‌دهد ۳۵ درصد از صفحات وب منتشرشده پس از عرضه ChatGPT در نوامبر ۲۰۲۲، نشانه‌هایی از نویسندگی هوش مصنوعی دارند. این نتیجه بر اساس تحلیل نزدیک به نیم میلیون صفحه انگلیسی‌زبان از آرشیو Common Crawl و با استفاده از فناوری تشخیص Open Pangram به دست آمده است. در نمونه گسترده‌تری که صفحات قدیمی‌تر را هم شامل می‌شد، تنها ۱۰ درصد نشانه‌های هوش مصنوعی داشتند. نرخ نویسندگی هوش مصنوعی در دامنه‌های تجاری .com تقریباً ۱۰ برابر بیشتر از سایت‌های .edu یا .gov بود؛ این نرخ در سایت‌های آموزشی و دولتی نزدیک به ۱ درصد قرار داشت. این یافته‌ها اندکی پس از آن منتشر شدند که Cloudflare از پیشی گرفتن ترافیک ربات‌ها از ترافیک انسانی در وب خبر داد.

Black Forest Labs ابزار مستقل FLUX Upscale و endpoint مربوط به BFL API را راه‌اندازی کرده است؛ ابزاری که ویدئو را از وضوح ۴۸۰p تا ۴K بومی بازتولید می‌کند. این ابزار خروجی FLUX 3 را به‌صورت بومی درک می‌کند و ایرادهایی را اصلاح می‌کند که بسیاری از ابزارهای ارتقای وضوح از آن‌ها عبور می‌کنند؛ از چهره‌های لکه‌دار گرفته تا شبکه‌ای‌شدن بافت آب یا چمن. FLUX Upscale در دو حالت ارائه می‌شود: Precise با قیمت ۰٫۰۷ دلار به‌ازای هر مگاپیکسل در هر ثانیه و Creative با قیمت ۰٫۱۰ دلار. ضریب‌های ارتقا نیز ۱٫۵x، ۲x و ۳x هستند که به‌ترتیب وضوح تقریبی ۱۰۸۰p، ۲K و ۴K را هدف می‌گیرند.

Salesforce قابلیت جدیدی به نام Slack Code راه‌اندازی کرده است؛ قابلیتی که همکاری کدنویسی مبتنی بر هوش مصنوعی را مستقیماً به Slack می‌آورد. کانال‌های Code فضای کاری چندنفره و اختصاصی‌ای در اختیار تیم‌ها می‌گذارند تا توسعه‌دهندگان، مدیران محصول و طراحان در کنار coding agentهایی مانند Anthropic's Claude، Cognition's Devin، GitHub Copilot، ChatGPT و agentهای Vercel کار کنند. تیم‌ها می‌توانند diffهای کد را بررسی کنند، پیش‌نمایش‌های زنده را ببینند و پیش از انتشار، کار را تأیید کنند؛ همه این‌ها بدون خروج از Slack. کانال‌های Code پس از پایان کار به‌صورت خودکار بایگانی می‌شوند و تاریخچه‌ای قابل جست‌وجو حفظ می‌کنند. این قابلیت در هر پلن Slack در دسترس است.