اخبار

عامل هوش مصنوعی Google، یعنی Gemini Spark، اکنون به‌طور مستقیم با Chrome ادغام شده است تا کارهای پیچیده وب را خودکارسازی کند. با اجازه کاربر، Spark می‌تواند با استفاده از حساب‌های کاربری فعال و رمزهای عبور ذخیره‌شده، کارهایی مانند هماهنگ کردن زمان بازدید از آپارتمان یا جست‌وجو و شروع فرآیند رزرو پرواز را انجام دهد. تدابیر امنیتی در برابر حملات prompt injection محافظت ایجاد می‌کنند و انجام اقدامات حساس مانند پرداخت‌ها به خود کاربر واگذار می‌شود. قابلیت مرور خودکار Chrome در ابتدا تنها در ایالات متحده فعال است، در حالی که دسترسی به Spark برای مشترکان Google AI Pro در بیش از ۱۶۰ کشور دیگر در حال گسترش است.

Thinking Machines مدل Inkling-Small را منتشر کرده است؛ یک مدل MoE با وزن‌های باز با در مجموع ۲۷۶ میلیارد پارامتر که تنها ۱۲ میلیارد پارامتر آن فعال است و روی سیستم‌های NVIDIA GB300 NVL72 آموزش دیده است. این مدل با تقریباً یک‌چهارم هزینه محاسباتی، با مدل بزرگ‌تر Inkling weبرابری کرده یا از آن پیشی می‌گیرد. Inkling-Small از استدلال نیتیو روی صدا و تصویر، تلاش فکری متغیر و پنجره کانتکست ۱ میلیون توکنی پشتیبانی می‌کند. این مدل امتیاز ۳۱٫۶ درصد را در Humanity's Last Exam و بیش از ۸۰ درصد را در SWEBench-Verified کسب کرده است و هم‌اکنون برای فاین‌تیونینگ و چت در Tinker در دسترس قرار دارد.

Perplexity AI قابلیت Spaces خود را به Projects ارتقا داده است؛ یک مرکز همکاری برای کارهای طولانی‌مدت که از یک سیستم فایل سلسله‌مراتبی پایدار و حافظه‌ای با قابلیت بهبود خودکار به نام Brain بهره می‌برد. Projects به انسان‌ها و عامل‌های هوش مصنوعی امکان می‌دهد به طور هم‌زمان روی فایل‌های مشترک کار کنند، در حالی که Brain با بررسی نشست‌های کاری بین وظایف مختلف، کانتکست کامل را به طور خودکار به مراحل بعدی انتقال می‌دهد. تیم‌ها می‌توانند بیش از ۴۰۰ ابزار مختلف از جمله Google Drive، Notion، Linear، Snowflake و GitHub را به همراه کانال‌های Slack و Microsoft Teams متصل کنند. فضاهای Spaces فعلی به طور خودکار انتقال می‌یابند و قابلیت Projects از امروز در دسترس تمام کاربران رایانه (Computer) قرار دارد.

شرکت Anthropic فاش کرد که مدل‌های Claude در جریان ارزیابی‌های امنیت سایبری، به دلیل یک پیکربندی نادرست که محیط‌های آزمایشی را با دسترسی فعال به اینترنت رها کرده بود، به سه سازمان واقعی نفوذ کرده‌اند. Anthropic پس از افشاگری مشابه OpenAI در ۲۱ ژوئیه، با بررسی ۱۴۱٬۰۰۶ اجرای ارزیابی، در مجموع شش اجرا را شناسایی کرد که شامل Claude Opus 4.7، Mythos 5 و یک مدل تحقیقاتی داخلی می‌شدند. Claude با این تصور که سیستم‌های واقعی بخشی از شبیه‌سازی‌های فتح پرچم هستند، از گذرواژه‌های ضعیف سوءاستفاده کرد، بدافزاری را در PyPI منتشر نمود و به پایگاه‌های داده عملیاتی دسترسی پیدا کرد. Anthropic در ۲۳ ژوئیه ارزیابی‌های سایبری را متوقف کرد و در ۲۷ ژوئیه به سازمان‌های آسیب‌دیده اطلاع داد.

شرکت AMD پلتفرم ROCm.AI را معرفی کرده است؛ ابزاری که قرار است به برنامه‌نویسان کمک کند نرم‌افزارهای هوش مصنوعی را برای تراشه‌های AMD Instinct راحت‌تر اجرا، عیب‌یابی و سریع‌تر کنند. این پلتفرم با دستیارهای کدنویسی مانند Claude Code، Codex از OpenAI و Cursor کار می‌کند. ROCm.AI ابزارها و راهنمایی‌های ویژه AMD را در اختیار این دستیارها می‌گذارد تا توسعه‌دهنده بتواند با درخواست‌های معمولی، بارهای کاری هوش مصنوعی را برای سخت‌افزار AMD آماده یا بهینه کند. بخشی به نام Hyperloom می‌تواند عملکرد یک برنامه را آزمایش کند، گلوگاه‌ها را پیدا کند و تغییرات لازم در تنظیمات یا کد را به‌صورت خودکار امتحان کند. AMD می‌گوید این فرایند در آزمایش روی سامانه‌های Helios، عملکرد یک مدل را ۳۸ درصد بهتر کرده است؛ اما این ادعای خود شرکت است و لزوماً برای همه برنامه‌ها یکسان نخواهد بود.

شرکت Anthropic مدل Claude Opus 5 را عرضه کرده است؛ نسخه‌ای تازه از خانواده مدل‌های هوش مصنوعی Claude که برای کارهایی مانند برنامه‌نویسی، پژوهش و امور اداری طراحی شده است. هزینه استفاده از آن به ازای هر یک میلیون توکن ورودی ۵ دلار و برای توکن خروجی ۲۵ دلار است؛ همان قیمت Opus 4.8 و حدود نصف قیمت مدل Fable 5. این مدل در برنامه‌های Claude و رابط برنامه‌نویسی Anthropic در دسترس است، در اشتراک Claude Max به مدل پیش‌فرض تبدیل می‌شود و قدرتمندترین گزینه Claude Pro است. Anthropic می‌گوید آزمون‌های خود شرکت از بهبود آن در برنامه‌نویسی، کار با رایانه و فرایندهای کاری خبر می‌دهند، اما این نتایج هنوز به‌طور مستقل تأیید نشده‌اند. درخواست‌هایی که سامانه‌های ایمنی در برخی محصولات Claude علامت‌گذاری کنند، ممکن است به مدل قدیمی‌تر Opus 4.8 فرستاده شوند.

شرکت Meta عرضه قابلیت‌های تازه‌ای را برای خودکارسازی کارها در دستیار Meta AI، در تعدادی از بازارها آغاز کرده است. این دستیار با مدل Muse Spark 1.1 کار می‌کند و می‌تواند خلاصه روزانه تقویم را آماده کند یا کارهای تکراری، مانند تنظیم برنامه غذایی هفتگی و پیگیری موضوعات مورد علاقه کاربر، را انجام دهد. کاربران همچنین می‌توانند از Meta AI برای تحقیق درباره یک موضوع، برنامه‌ریزی، سامان‌دهی پروژه‌ها و ساخت اسلاید کمک بگیرند. هدف این است که دستیار پس از دریافت درخواست، برخی مراحل بعدی را بدون نیاز به یادآوری مداوم کاربر دنبال کند. این امکانات فعلاً در اپلیکیشن Meta AI و وب‌سایت meta.ai در دسترس‌اند و Meta گفته است در هفته‌های آینده آن‌ها را به کشورهای بیشتر و سرویس‌هایی از جمله WhatsApp می‌آورد. به گفته شرکت، کاربران می‌توانند میزان اختیار دستیار را تنظیم کنند و گفت‌وگوهای Incognito نیز برای مکالمات خصوصی باقی می‌ماند.

شرکت Anthropic مدل Claude Opus 5 را عرضه کرده است؛ نسخه‌ای تازه از مدل هوش مصنوعی Claude که برای برنامه‌نویسی پیچیده، کار با اسناد و انجام وظایف چندمرحله‌ای طراحی شده است. این شرکت می‌گوید Opus 5 نسبت به Claude Opus 4.8 بهتر عمل می‌کند و با نیمی از هزینه مدل پیشرفته‌تر Fable 5، به توانایی آن نزدیک است. کاربران و توسعه‌دهندگان می‌توانند به Opus 5 از طریق Claude، رابط برنامه‌نویسی Claude و چند پلتفرم ابری دسترسی داشته باشند. قیمت پایه آن، مانند Opus 4.8، برای هر یک میلیون توکن ورودی ۵ دلار و برای خروجی ۲۵ دلار است؛ توکن واحدی است که مدل برای پردازش متن به کار می‌برد. این عرضه می‌تواند امکان استفاده از توان بیشتر برای کارهای دشوار را بدون انتخاب گران‌ترین مدل Anthropic فراهم کند. با این حال، Anthropic می‌گوید مدل جدید با وجود دقت کلی بالاتر، اندکی بیشتر از Opus 4.8 ممکن است درباره موضوعی که از آن مطمئن نیست، ادعای واقعی مطرح کند.

شرکت OpenAI قابلیت ChatGPT Voice را به اپ دسکتاپ ChatGPT اضافه کرده است تا کاربران بتوانند با گفتار، کارها را شروع کنند، روندشان را پیگیری کنند یا مسیر انجام آن‌ها را تغییر دهند. این قابلیت در بخش‌های Chat، Work و Codex، محیط کدنویسی OpenAI، کار می‌کند و از فناوری صوتی جدید GPT-Live بهره می‌برد. کاربر می‌تواند دستورهای چندمرحله‌ای را با صدا بیان کند، در حالی که ChatGPT روی کارهای دیگر در گفت‌وگوهای جداگانه کار می‌کند. در macOS نیز گزینه‌ای اختیاری برای دیدن محتوای پنجره فعال وجود دارد؛ OpenAI هشدار داده است که این قابلیت ممکن است متنِ بیرون از بخش قابل مشاهده پنجره را هم در بر بگیرد. این تغییر می‌تواند مدیریت کارهای کمک‌گرفته از هوش مصنوعی را بدون تایپ مداوم ساده‌تر کند. عرضه جهانی آن برای طرح‌های واجد شرایط پولی، سازمانی و آموزشی آغاز شده، اما به وضعیت عرضه و تنظیمات فضای کاری نیز بستگی دارد.

شرکت Black Forest Labs دسترسی اولیه به FLUX 3 Video را آغاز کرده است؛ نخستین مدل عمومی این شرکت برای ساخت ویدیو. این مدل تصویر، ویدیو و صدا را هم‌زمان یاد می‌گیرد و می‌تواند از روی متن یا تصویر و ویدیوی مرجع، کلیپ‌هایی تا ۲۰ ثانیه با صدای هماهنگ تولید کند. این شرکت می‌گوید FLUX 3 می‌تواند ویدیوهای موجود را ادامه دهد، تصاویر را متحرک کند و گفت‌وگو را به چند زبان بسازد. در آزمون‌های داخلی و اولیه شرکت، کاربران خروجی آن را در مقایسه با چند مدل رقیب بیشتر ترجیح داده‌اند؛ اما خود Black Forest Labs تأکید کرده که این ارزیابی‌ها هنوز نهایی نیستند. همان پایهٔ مدل در FLUX-mimic، محصول مشترک با mimic robotics، برای کارهای رباتیک به کار رفته و در وظایف تولیدی Audi آزمایش می‌شود. فعلاً دسترسی به بخش ویدیویی محدود است و عرضهٔ ابزار تصویر، قابلیت‌های رباتیک و نسخهٔ دارای وزن‌های باز به مراحل بعدی موکول شده است.

شرکت AMD سامانه Helios را به‌عنوان نخستین راهکار هوش مصنوعی در مقیاس یک رک عرضه کرد و گفت تولید آن آغاز شده است. این سامانه در هر رک، ۷۲ شتاب‌دهنده Instinct MI455X، ۱۸ پردازنده سروری EPYC با نام «Venice»، تجهیزات شبکه و نرم‌افزار ROCm شرکت AMD را کنار هم قرار می‌دهد. به گفته AMD، Helios می‌تواند در برابر راهکار رقیب تا ۳۰ درصد «توکن» بیشتری به ازای هر دلار تولید کند. توکن واحدهای کوچک متن هستند که مدل‌های هوش مصنوعی آن‌ها را پردازش یا تولید می‌کنند؛ بنابراین این شاخص برای نشان دادن میزان خروجی در برابر هزینه به کار می‌رود. شرکت OpenAI انتظار دارد از سه‌ماهه چهارم ۲۰۲۶ استفاده از Helios را آغاز کند و Anthropic نیز قصد دارد تا ۲ گیگاوات از این سخت‌افزار را به کار گیرد. مقایسه‌های عملکردی، ادعاهای خود AMD هستند و استقرار گسترده مشتریان هنوز در پیش است.

شرکت Anthropic قابلیت گفت‌وگوی صوتی Claude را ارتقا داده است تا کاربران پولی بتوانند از مدل‌های توانمندتر Opus و Sonnet استفاده کنند. پیش از این، این قابلیت فقط با مدل سریع‌تر Haiku کار می‌کرد. Claude یک دستیار هوش مصنوعی است که از راه متن یا صدا به پرسش‌ها و کارهای کاربران کمک می‌کند. کاربران می‌توانند وسط یک گفت‌وگوی صوتی مدل را عوض کنند یا بدون شروع دوباره، بین صحبت‌کردن و تایپ‌کردن جابه‌جا شوند. این قابلیت از ۱۱ زبان پشتیبانی می‌کند و پس از گرفتن اجازه، می‌تواند به سرویس‌های متصل مانند Gmail، Slack، Canva و Figma دسترسی داشته باشد. این تغییر می‌تواند گفت‌وگوی صوتی را برای کارهایی که به فکرکردن عمیق‌تر یا چند مرحله نیاز دارند کاربردی‌تر کند. این قابلیت به‌صورت آزمایشی در برنامه‌های موبایل، دسکتاپ و وب عرضه شده و کاربران رایگان همچنان به Haiku و یک ابزار متصل محدود هستند.

اندرو نگ از OpenWorker رونمایی کرده است؛ یک عامل هوش مصنوعی متن‌باز برای دسکتاپ که قرار است کار را انجام دهد، نه اینکه فقط در گفت‌وگو پاسخ بدهد. کاربر می‌تواند از آن بخواهد سندی آماده کند، تقویم را مرتب کند، صندوق ورودی را دسته‌بندی کند یا پاسخ Slack بنویسد. این ابزار عمدتاً روی رایانه کاربر اجرا می‌شود و می‌توان مدل هوش مصنوعی دلخواه یا مدل محلی از طریق Ollama را به آن متصل کرد. پیش از اقدام‌های مهم، مانند ارسال پیام، تغییر رویداد تقویم، ویرایش فایل یا اجرای فرمان، از کاربر تأیید می‌گیرد. مجوز MIT و اجرای محلی می‌تواند OpenWorker را به گزینه‌ای انعطاف‌پذیرتر و خصوصی‌تر برای خودکارسازی کارهای روزمره تبدیل کند. با این حال، این برنامه هنوز در مرحله بتای عمومی است و پشتیبانی دسکتاپ آن فعلاً محدود است.

شرکت Runway قابلیت تازه‌ای به نام Media Router را در پلتفرم توسعه‌دهندگان خود، Runway Dev، راه‌اندازی کرده است. این ابزار برای ساخت ویدئو، تصویر یا صدا، مدل هوش مصنوعی مناسب را به‌صورت خودکار انتخاب می‌کند. توسعه‌دهندگان می‌توانند مشخص کنند که هزینه کمتر، سرعت بیشتر یا کیفیت بالاتر برایشان مهم‌تر است. این سامانه از مدل‌های خود Runway و مدل‌های شرکت‌های دیگرِ موجود در پلتفرم استفاده می‌کند و امکان تعیین سقف هزینه یا محدود کردن مدل‌ها و ارائه‌دهندگان مجاز را هم می‌دهد. Runway می‌گوید این نخستین ابزار مسیریابی است که به‌طور ویژه برای رسانه‌های مولد طراحی شده است. این قابلیت می‌تواند نیاز به تغییر مداوم اتصال یک محصول به مدل‌های جدید یا مدل‌هایی با قیمت متفاوت را کمتر کند؛ با این حال، انتخاب نهایی همچنان به اولویت‌ها و محدودیت‌هایی بستگی دارد که توسعه‌دهنده تعیین می‌کند.

شرکت کره‌ای Upstage مدل زبانی Solar Open 2 را با وزن‌های در دسترس منتشر کرده است؛ مدلی که برای عامل‌های هوش مصنوعی طراحی شده تا کارهای چندمرحله‌ای مانند جست‌وجو، استفاده از ابزارها و کدنویسی را انجام دهند. وزن‌های این مدل در Hugging Face منتشر شده و مجوز آن استفاده تجاری و ساخت نسخه‌های مشتق‌شده را مجاز می‌داند. مدل Solar Open 2 در مجموع ۲۵۰ میلیارد پارامتر دارد، اما Upstage می‌گوید هنگام کار فقط ۱۵ میلیارد پارامتر را فعال می‌کند تا نیاز پردازشی کارهای تکراری عامل‌ها کمتر شود. این مدل می‌تواند تا یک میلیون توکن، یعنی واحدهای پردازش متن، را در یک نوبت بررسی کند و با فشرده‌سازی روی دو تراشه NVIDIA H200 اجرا شود. شرکت سازنده همچنین از نتایج خوب در ارزیابی‌های خود در برابر چند مدل رقیب خبر داده است، اما این مقایسه‌ها ادعای خود Upstage هستند. انتشار این مدل می‌تواند به شرکت‌ها و توسعه‌دهندگان امکان دهد ابزارهای عامل‌محور را روی زیرساخت خود اجرا و متناسب با نیازشان تغییر دهند.