اخبار

شرکت‌های AMD و Anthropic از یک همکاری راهبردی خبر دادند که می‌تواند شامل سرمایه‌گذاری سهامی تا سقف ۵ میلیارد دلار از سوی AMD در شرکت سازنده Claude باشد. Anthropic قصد دارد تا ۲ گیگاوات از تراشه‌های هوش مصنوعی سری Instinct MI450 شرکت AMD را به کار بگیرد؛ تراشه‌هایی که برای آموزش و اجرای سامانه Claude استفاده می‌شوند. نخستین یک گیگاوات از این تجهیزات قرار است در نیمه نخست سال ۲۰۲۷ وارد مرحله استقرار شود. دو شرکت همچنین همکاری مهندسی چندساله‌ای خواهند داشت و AMD می‌گوید از Claude در توسعه نرم‌افزار، مهندسی و تولید محصول استفاده می‌کند. این توافق می‌تواند یک منبع بزرگ دیگر از توان پردازشی برای Anthropic فراهم کند تا پاسخ‌گوی تقاضای Claude باشد. با این حال، میزان سرمایه‌گذاری، حجم استقرار و زمان‌بندی اعلام‌شده برنامه‌های آینده‌اند و AMD درباره ریسک‌ها و عدم‌قطعیت‌های آن‌ها هشدار داده است.

شرکت OpenAI محصول تازه‌ای به نام Presence معرفی کرده است تا سازمان‌های بزرگ بتوانند عامل‌های هوش مصنوعی را برای پاسخ‌گویی به مشتریان و کارهای داخلی راه‌اندازی کنند. این عامل‌ها می‌توانند به پرسش‌ها جواب دهند، به سامانه‌های مجاز شرکت دسترسی داشته باشند، اقدام‌های تأییدشده را انجام دهند و در صورت نیاز گفتگو را به نیروی انسانی بسپارند. در حال حاضر Presence برای گفتگوهای هم‌زمان صوتی و متنی عرضه شده است. سازمان‌ها تعیین می‌کنند عامل به چه اطلاعاتی دسترسی دارد، چه کارهایی را اجازه دارد انجام دهد و در چه شرایطی باید تأیید یا دخالت انسان لازم باشد. تغییرهای پیشنهادی Codex نیز پیش از اجرا باید آزمایش و تأیید شوند. این محصول فعلاً در برنامه عرضه محدود برای مشتریان واجد شرایط سازمانی ارائه می‌شود و مهندسان OpenAI و شرکای منتخب، استقرار آن را انجام می‌دهند. Presence نسخه خودکار و قابل‌خرید مستقیم ندارد و قیمت عمومی آن نیز اعلام نشده است.

گوگل ابزار CodeMender را در مرحله پیش‌نمایش عمومی عرضه کرده است؛ ابزاری که از یک پروژه پژوهشی Google DeepMind به یک عامل امنیتی مدیریت‌شده برای شرکت‌ها تبدیل شده است. این سامانه کد را برای یافتن ضعف‌های امنیتی بررسی می‌کند، می‌کوشد مشخص کند آیا ضعف واقعاً قابل سوءاستفاده است یا نه، و سپس یک اصلاحیه کد تولید و آزمایش می‌کند. برای سنجش خطر، CodeMender کد آزمایشی حمله را در محیطی ایزوله که مشتری مدیریت می‌کند اجرا می‌کند. هدف این است که تیم‌های امنیتی به‌جای هشدارهای اشتباه، روی آسیب‌پذیری‌های واقعی تمرکز کنند. اصلاحیه‌ها برای بررسی و تأیید به توسعه‌دهندگان ارائه می‌شوند و ابزار به‌تنهایی نمی‌تواند کد را ثبت یا وارد محیط عملیاتی کند. این سرویس از طریق Gemini Enterprise Agent Platform در دسترس است و می‌تواند بخشی از Google AI Threat Defense هم باشد. با این حال، امنیت آن به پیکربندی، به‌روزرسانی و نظارت درست مشتریان بر محیط‌های آزمایش وابسته است.

شرکت Poolside مدل Laguna S 2.1 را منتشر کرده است؛ مدلی با وزن‌های باز که برای انجام کارهای طولانی‌تر در توسعه نرم‌افزار طراحی شده است. وزن‌های باز یعنی شرکت‌ها و توسعه‌دهندگان می‌توانند مدل را دانلود کنند و روی زیرساخت خود اجرا کنند، نه اینکه فقط به یک سرویس آنلاین وابسته باشند. این مدل در مجموع ۱۱۸ میلیارد پارامتر دارد، اما Poolside می‌گوید در هر مرحله حدود ۸ میلیارد پارامتر آن فعال می‌شود تا هزینه اجرای مدل کمتر باشد. وزن‌های آن با مجوز OpenMDW-1.1 در Hugging Face در دسترس قرار گرفته است. Poolside اعلام کرده که مدل در آزمون Terminal-Bench 2.1، که توانایی انجام وظایف کدنویسی در محیط ترمینال را می‌سنجد، امتیاز ۷۰.۲ درصد گرفته و با برخی مدل‌های باز بزرگ‌تر رقابت کرده است. این شرکت همچنین گزارش کامل اجرای آزمون‌های نهایی خود را منتشر کرده تا دیگران بتوانند روند رسیدن مدل به نتایج را بررسی کنند. با این حال، Poolside پذیرفته که برخی مقایسه‌ها بر پایه روش‌های آزمون متفاوت انجام شده‌اند و مدل‌های بسته پیشرو همچنان در Terminal-Bench امتیاز بالاتری دارند.

گوگل نسخه پایدار Android Studio Quail 2 را منتشر کرده است؛ نرم‌افزاری که توسعه‌دهندگان برای ساخت برنامه‌های اندروید به کار می‌برند. تغییر اصلی آن در Agent Mode است: توسعه‌دهنده می‌تواند چند گفت‌وگوی هوش مصنوعی را هم‌زمان اجرا کند و برای کارهایی مانند تغییر رابط برنامه، رفع مشکل تنظیمات یا نوشتن مستندات منتظر پایان یک درخواست نماند. گوگل می‌گوید این حالت تازه در تقسیم‌کردن کارها و استفاده از ابزارهای توسعه هم بهتر شده است. نسخه جدید ابزار متن‌باز LeakCanary را برای پیدا کردن مشکل‌های مصرف حافظه به محیط برنامه‌نویسی آورده و تحلیل آن را از گوشی آزمایشی به رایانه منتقل می‌کند. همچنین Android Studio می‌تواند با بررسی گزارش خرابی، اطلاعات دستگاه و کد، یک برنامه پیشنهادی برای رفع مشکل بسازد؛ اما گوگل هشدار داده است گفت‌وگوهای هم‌زمان ممکن است هنگام تغییر فایل‌های مشترک با هم تداخل پیدا کنند.

شرکت NVIDIA یک گزارش فنی و نتایج عملکرد پردازنده سروری Vera را منتشر کرده است؛ پردازنده‌ای که برای سامانه‌های هوش مصنوعی طراحی شده است. این اطلاعات به مشتریان کمک می‌کند Vera را با پردازنده‌های سروری AMD و Intel مقایسه کنند. مدل Vera به گفته NVIDIA دارای ۸۸ هسته اختصاصی Olympus، ۱۷۶ رشته پردازشی و پهنای باند حافظه تا ۱.۲ ترابایت بر ثانیه است. در نتایج منتشرشده از سوی NVIDIA برای آزمون SPEC CPU 2026، یک سامانه دوپردازنده‌ای Vera در آزمون پردازش اعداد صحیح امتیاز ۹۲۵ گرفت؛ در برابر ۸۹۸ برای سامانه‌ای با دو پردازنده AMD Epyc 9755. این ارقام نشان می‌دهد NVIDIA می‌خواهد Vera را برای کارهای پردازشی پشت AI agentها، مانند اجرای کد و هماهنگ‌کردن ابزارها، عرضه کند. با این حال، نتایج بنچمارک را خود NVIDIA منتشر کرده و به‌عنوان ارزیابی مستقل معرفی نشده‌اند.

شرکت Unity در کنفرانس Unite Seoul از برنامه‌های خود برای Unity 7، نسل بعدی پلتفرم ساخت بازی، رونمایی کرد. این شرکت می‌گوید یک API عمومی و ابزار خط فرمان تازه به هنرمندان، تهیه‌کنندگان و برنامه‌نویسان اجازه می‌دهد بدون باز کردن کامل Unity Editor، دارایی‌های بازی را بررسی کنند، نسخه‌های اجرایی بسازند و با ابزارهای خود همکاری کنند. Unity همچنین قصد دارد اتصال رایگان MCP را ارائه کند تا عامل‌های کدنویسی مانند Claude Code و Cursor مستقیماً با پروژه‌های Unity کار کنند. ابزار Unity CLI هم‌اکنون در دسترس است؛ آزمایش بتای اولیه Unity 7 برای دسامبر ۲۰۲۶ و انتشار کامل آن برای سه‌ماهه نخست ۲۰۲۷ برنامه‌ریزی شده است. برای تیم‌های بازی‌سازی، این تغییر می‌تواند بخشی از فرایند تولید را در اختیار نقش‌ها و ابزارهای بیشتری بگذارد. Unity تأکید کرده استفاده از قابلیت‌های هوش مصنوعی اختیاری است و پروژه‌ها و کدهای Unity 6 نباید برای انتقال به نسخه جدید بازسازی شوند.

شرکت Block ابزار Buzz را عرضه کرده است؛ یک فضای کاری رایگان و متن‌باز که در آن افراد و عامل‌های هوش مصنوعی می‌توانند در کانال‌های مشترک همکاری کنند. این سرویس از پیام، گفت‌وگوهای رشته‌ای، تماس صوتی، اشتراک رسانه و مخزن کد پشتیبانی می‌کند و تیم‌ها می‌توانند عامل‌هایی مانند Claude Code، Codex یا goose را به آن وصل کنند. پلتفرم Buzz بر پایه Nostr ساخته شده؛ پروتکلی باز برای پیام‌رسانی. هر عامل یک هویت رمزنگاری‌شده جداگانه دریافت می‌کند که می‌تواند به صاحب انسانی آن متصل باشد. به این ترتیب، اعضای تیم می‌توانند بدانند چه کسی یک عامل را مجاز کرده و دسترسی آن به فضاهای خصوصی را کنترل کنند. تیم‌ها می‌توانند Buzz را روی زیرساخت خود اجرا کنند یا از میزبان Block استفاده کنند که در دوره بتا رایگان است. این شرکت می‌گوید محصول هنوز در مراحل اولیه قرار دارد و برای سرویس میزبانی‌شده سقف استفاده تعیین نکرده است.

شرکت NVIDIA مدل متن‌باز Cosmos 3 Edge را منتشر کرده است؛ مدلی با ۴ میلیارد پارامتر که برای اجرا روی ربات‌ها و دستگاه‌های محلی طراحی شده و به سرورهای ابری وابسته نیست. این مدل از نوع «مدل جهان» است؛ یعنی می‌کوشد صحنه را درک کند، تغییرات احتمالی آن را پیش‌بینی کند و برای ربات یا سامانه‌های بینایی‌محور، عمل فیزیکی پیشنهاد دهد. این مدل در Hugging Face در دسترس قرار گرفته و NVIDIA آن را برای محیط‌هایی مانند کارخانه، انبار و بیمارستان در نظر گرفته است؛ جاهایی که واکنش سریع اهمیت دارد. NVIDIA می‌گوید Cosmos 3 Edge روی سخت‌افزار Jetson Thor در هر نوبت پردازش ۳۲ عمل تولید می‌کند و می‌تواند کنترل بلادرنگ با ۱۵ به‌روزرسانی در ثانیه داشته باشد. این عرضه می‌تواند تصمیم‌گیری هوش مصنوعی را به دوربین‌ها و ماشین‌ها نزدیک‌تر کند، اما کارایی اعلام‌شده به سخت‌افزار NVIDIA وابسته است و هر کاربرد باید برای وظیفه مشخص خود سازگار شود.

شرکت Nvidia اعلام کرد پلتفرم محاسباتی هوش مصنوعی Vera Rubin وارد تولید کامل شده و اکنون به مشتریانی از جمله OpenAI، CoreWeave، Google Cloud، Microsoft Azure، Meta و Dell ارسال می‌شود. این سامانه برای فراهم‌کردن توان پردازشی لازم جهت آموزش و اجرای مدل‌های هوش مصنوعی طراحی شده است. بر اساس گزارش Bloomberg، شرکت OpenAI قصد دارد در سه‌ماهه سوم استفاده گسترده از این سخت‌افزار را آغاز کند. شرکت CoreWeave، که از مشتریان اولیه است، گفته در یک آزمون سامانه‌هایش نسبت به نسل قبل ده برابر خروجی بیشتری تولید کرده‌اند؛ خروجی‌هایی که در هوش مصنوعی «توکن» نام دارند. این ادعاها و مقایسه‌های عملکرد Nvidia هنوز به‌طور مستقل تأیید نشده‌اند و ارسال گسترده‌تر به مشتریان نیز در پیش است.

شرکت Alibaba از Qwen-Image-3.0، نسل سوم مدل تولید تصویر خود، رونمایی کرده است. این شرکت می‌گوید مدل جدید می‌تواند دستورهای بسیار طولانی، تا ۴۵۰۰ توکن، را دریافت کند و با یک درخواست تصویرهای شلوغی مانند اینفوگرافیک، صفحه روزنامه‌مانند و طرح اولیه رابط کاربری بسازد. Alibaba همچنین مدعی است که این مدل متن‌های ریز، فرمول‌های ریاضی و ۱۲ زبان را در تصویر تولید می‌کند. با این حال، برای این عرضه هیچ نتیجه بنچمارک، کارت مدل، گزارش فنی، مجوز یا وزن قابل دانلود منتشر نشده و کاربران به Qwen Chat هدایت می‌شوند. بنابراین، فعلاً ارزیابی ادعاهای مدل بر نمونه‌هایی تکیه دارد که خود Alibaba انتخاب کرده است و آزمایش‌های مستقل می‌تواند توانایی واقعی آن را روشن کند.

شرکت‌های AMD و Microsoft همکاری خود را گسترش داده‌اند و Microsoft قصد دارد سامانه‌های هوش مصنوعی Helios شرکت AMD را در پلتفرم ابری Azure مستقر کند. Helios یک سامانه در مقیاس رک است؛ یعنی مجموعه‌ای از قطعات پردازشی و شبکه‌ای که برای اجرای بارهای سنگین هوش مصنوعی کنار هم قرار گرفته‌اند. Microsoft می‌گوید از آن برای استنتاج مدل‌های هوش مصنوعی استفاده می‌کند؛ فرایندی که مدل آموزش‌دیده در آن پاسخ یا نتیجه تولید می‌کند. سامانه Helios از پردازنده‌های گرافیکی Instinct MI455X، پردازنده‌های EPYC با نام «Venice»، فناوری شبکه و نرم‌افزار ROCm شرکت AMD استفاده می‌کند. AMD اعلام کرده ارسال این سامانه‌ها برای مشتریان، از جمله Microsoft، در نیمه دوم سال ۲۰۲۶ آغاز می‌شود. این همکاری می‌تواند گزینه‌های سخت‌افزاری بیشتری برای اجرای خدمات بزرگ هوش مصنوعی در Azure فراهم کند، اما زمان‌بندی و مزایای مورد انتظار آن هنوز برنامه‌های آینده هستند.

پژوهشگران شرکت AI سازمانی Writer گزارش داده‌اند که تغییر نرم‌افزاری که مدل AI را در یک جریان کاری مدیریت می‌کند، می‌تواند هزینه اجرای عامل‌های AI را به‌طور چشمگیری پایین بیاورد. این لایه که Writer آن را «هارنس» می‌نامد، تعیین می‌کند مدل چه اطلاعاتی ببیند، از چه ابزارهایی استفاده کند و چه زمانی دوباره تلاش یا کار را متوقف کند. در آزمایشی روی ۲۲ وظیفه سازمانی و شش مدل، Writer گفت هارنس بهینه‌شده تعداد توکن‌های مصرفی برای هر وظیفه را ۳۸ درصد، از ۱۴٬۲۰۰ به ۸٬۸۰۰، کاهش داده است. هزینه میانگین هر وظیفه نیز طبق گزارش ۴۱ درصد، از ۲۱ سنت به ۱۲ سنت، کمتر شد و نرخ تکمیل وظایف در مجموع تغییر معناداری نداشت. زمان میانه انجام کار هم از ۴۸ ثانیه به ۲۷ ثانیه رسید. نتیجه عملی این است که شرکت‌ها شاید با بهبود طراحی جریان کاری، نه فقط با عوض کردن مدل، هزینه AI خود را کم کنند. با این حال، این مطالعه محصول Writer را با خط پایه خود شرکت مقایسه کرده و ارزیابی کیفیت آن بر مجموعه کوچکی از وظایف تکیه دارد.

آزمایشگاه Tongyi وابسته به علی‌بابا مدل Qwen-Audio-3.0-TTS را منتشر کرده است؛ سرویسی ابری که متن را به صدای گفتاری تبدیل می‌کند. این مدل از طریق پلتفرم Alibaba Cloud Model Studio در دو نسخه عرضه می‌شود: Flash برای پاسخ‌گویی سریع در کاربردهای زنده و Plus برای تولید صدای باکیفیت‌تر. طبق اعلام علی‌بابا، این سرویس از ۱۶ زبان پشتیبانی می‌کند و مجموعه‌ای از صداهای آماده دارد. توسعه‌دهندگان می‌توانند سبک گفتار را با توضیح معمولی تعیین کنند یا در متن، برچسب‌هایی برای خنده، نفس‌کشیدن و تغییر احساس بگذارند. با این حال، برچسب‌های جزئی فقط در حالت پخش یک‌طرفه کار می‌کنند. این عرضه می‌تواند ساخت دستیارهای صوتی، روایت صوتی و دیگر قابلیت‌های چندزبانه را برای سازندگان برنامه ساده‌تر کند، زیرا لازم نیست مدل را روی زیرساخت خود اجرا کنند.

شرکت امنیتی Sysdig می‌گوید ابزار حمله خودکار JadePuffer باج‌افزاری را به کار گرفته که برای رمزگذاری دارایی‌های توسعه هوش مصنوعی ساخته شده است. این بدافزار که EncForge نام دارد، فایل‌های مدل، داده‌های آموزشی و پایگاه‌های داده برداری را هدف می‌گیرد؛ دارایی‌هایی که برای ساخت و اجرای سامانه‌های هوش مصنوعی ضروری‌اند. بر اساس گزارش Sysdig، JadePuffer به یک سرور Langflow که پیش‌تر نفوذپذیر بوده بازگشت و از یک ضعف امنیتی اصلاح‌نشده استفاده کرد. این عامل پس از یافتن راه دسترسی به رابط مدیریت Docker، با اجرای شش اسکریپت Python در حدود پنج دقیقه مشکل دانلود بدافزار را برطرف کرد. پژوهشگران شواهدی از سرقت داده در این رخداد پیدا نکردند و EncForge نیز ظاهراً قابلیت سرقت داده ندارد. اهمیت ماجرا این است که بازسازی مدل‌های رمزگذاری‌شده و داده‌های آموزشی آن‌ها، حتی با وجود نسخه پشتیبان از فایل‌های عادی، ممکن است هفته‌ها یا ماه‌ها زمان ببرد.