اخبار

Google DeepMind مدل SL2T را معرفی کرده است؛ مدلی بسیار چندزبانه برای ترجمه زبان اشاره به متن که با بیش از ۱۰۰ هزار ساعت داده از بیش از ۵۰ زبان اشاره آموزش دیده است. SL2T در گام نخست، تبدیل ASL به انگلیسی را امکان‌پذیر می‌کند و قابلیت دیکته از طریق زبان اشاره را در Gboard و Live Transcribe روی Pixel 11 ارائه می‌دهد؛ بنابراین کاربران ناشنوا می‌توانند هر جا که معمولاً تایپ می‌کنند، از جمله جست‌وجوهای وب، پیام‌ها و پرس‌وجوهای Gemini، با زبان اشاره متن وارد کنند. این مدل در ارزیابی zero-shot روی معیار FLEURS-ASL امتیاز ۷۰ BLEURT به دست آورده که از تمام امتیازهای پیش‌تر گزارش‌شده بالاتر است.

پنل کناری Claude در Chrome به Claude Cowork ارتقا یافته و نشست‌های مرورگر را با اپلیکیشن‌های دسکتاپ، وب و موبایل همگام می‌کند. گفت‌وگوها در سابقه حساب کاربری ذخیره می‌شوند و کارهایی که در یک تب مرورگر آغاز شده‌اند، روی دستگاه‌های دیگر قابل ادامه هستند. Skills و connectors در مرورگر کار می‌کنند و به Claude اجازه می‌دهند بین تب‌ها جابه‌جا شود، فرم‌ها را پر کند و با سایت‌هایی مانند پورتال‌های فروشندگان، با استفاده از ورودهای موجود، تعامل داشته باشد. این قابلیت اکنون برای کاربران طرح‌های Max و Team در دسترس است و به‌زودی برای کاربران Pro عرضه می‌شود.

Twitch اکنون به‌طور پیش‌فرض اجازه می‌دهد Amazon از پخش‌ها، کلیپ‌ها، VODها، هایلایت‌ها، چت و تصاویر استریمرها برای آموزش مدل‌های هوش مصنوعی مولد استفاده کند. گزینه انصراف در ۱۲ اوت ۲۰۲۶ اعلام شد و در تنظیمات حساب، بخش Security and Privacy، با عنوان Training for Generative AI قرار دارد. این انصراف فقط آموزش‌های آینده را پوشش می‌دهد و Twitch تأیید نکرده است که آیا Amazon پیش‌تر از این محتوا استفاده کرده یا نه. انصراف، قابلیت‌های هوش مصنوعی مانند زیرنویس، پیشنهادها، AutoMod یا دیگر امکانات پلتفرم را غیرفعال نمی‌کند. بینندگان نمی‌توانند نحوه استفاده از پیام‌های چت خود را در استریم دیگران کنترل کنند.

Google از موج جدیدی از ادغام اپلیکیشن‌های شخص ثالث برای دستیار هوش مصنوعی Gemini خبر داد که طی هفته‌های آینده عرضه می‌شوند. اپلیکیشن‌های متصل‌شده حوزه‌های مختلفی را پوشش می‌دهند: ابزارهای بهره‌وری Granola، Otter.ai و Wix؛ سرگرمی و خدمات محلی Fever، GetYourGuide، Localiza، OpenTable UK و Ticketmaster؛ پلتفرم‌های موسیقی iHeartRadio و Pandora؛ و خدمات خانه و سلامت Angi، Thumbtack و Zocdoc. این ادغام‌ها به کاربران اجازه می‌دهند مستقیماً داخل Gemini رستوران رزرو کنند، موسیقی پخش کنند، متخصصان خدمات خانه را پیدا کنند و بلیت رویداد بخرند.

xAI مدل Grok 4.6 را منتشر کرده است؛ ارتقایی برای Grok 4.5 که بر ایجنت‌های طولانی‌مدت و کارهای بصری تمرکز دارد. این مدل در Artificial Analysis Intelligence Index با امتیاز ۶۱ با GPT-5.6 Sol هم‌سطح است و در بنچمارک‌های Harvey LAB و CursorBench عملکرد بهتری از آن دارد. Grok 4.6 یک دوره آموزش تکمیلی طولانی‌تر را با استفاده از داده‌های گزینش‌شده تولیدشده توسط مدل و یک بهینه‌ساز بهبودیافته پشت سر گذاشته است. این مدل اکنون در Cursor و Grok Build و از طریق API در دسترس است و قیمت آن برای هر یک میلیون توکن ورودی ۲ دلار و برای هر یک میلیون توکن خروجی ۶ دلار تعیین شده است.

OpenAI گزارش می‌دهد شرکت‌های پیشرو—۱۰ درصد برتر کاربران سازمانی AI—اکنون به‌ازای هر کاربر فعال، ۸.۳ برابر بیشتر از شرکت‌های معمولی توکن خروجی تولید می‌کنند؛ این رقم در ژانویه ۲.۶ برابر بود. Codex تا ژوئن، ۶۴ درصد از مجموع توکن‌های خروجی سازمانی را به خود اختصاص داده است؛ موضوعی که نشان‌دهنده حرکت به‌سمت کارهای agentic و چندمرحله‌ای است. استفاده از agentic فراتر از مهندسی در حال گسترش است؛ این میزان از فوریه در بخش حقوقی ۱۰۸ برابر و در فروش ۴۱ برابر شده است. کارکنان ابتدای مسیر شغلی نیز هر هفته ۱۳ پیام بیشتر از مدیران اجرایی می‌فرستند.

چارچوبی برای سازندگان محتوا درباره زمان استفاده از هوش مصنوعی و زمان پرهیز از آن؛ با تمرکز بر این پرسش که خودکار شدن یک وظیفه چه چیزهایی را از بین می‌برد. این چارچوب همچنین به بحث‌برانگیزی پیرامون Hank Green و این موضوع می‌پردازد که استفاده سنگین از هوش مصنوعی چگونه می‌تواند مرز میان فکر اصیل و خروجی تولیدشده توسط ماشین را مبهم کند.

مدل‌های امنیت سایبری OpenAI Daybreak اکنون از طریق Amazon Bedrock روی AWS در دسترس تیم‌های امنیت سازمانی قرار گرفته‌اند. هر دو سطح Daybreak Blue و Daybreak Red ارائه می‌شوند: Daybreak Blue دسترسی به مدل‌های عمومی پیشرو، از جمله GPT-5.6 Sol، را با سازوکارهای حفاظتی برای کارهای دفاعی امنیتی فراهم می‌کند؛ Daybreak Red نیز مدل‌هایی را ارائه می‌دهد که به‌طور هدفمند برای پژوهش آسیب‌پذیری، اعتبارسنجی اکسپلویت و آزمون امنیتی آموزش دیده‌اند. مشتری‌ها پس از ثبت‌نام در Daybreak Access می‌توانند از طریق کنسول Amazon Bedrock یا Responses API و با استفاده از endpointِ bedrock-mantle به این مدل‌ها دسترسی پیدا کنند.

OpenAI نسخه پیش‌نمایش اپلیکیشن دسکتاپ ChatGPT را برای Linux عرضه کرده است؛ این اپلیکیشن، ChatGPT، ChatGPT Work و Codex را به توزیع‌های پشتیبانی‌شده‌ای مانند Ubuntu 24.04 LTS و 26.04 LTS، Debian 13 و Fedora 43 و 44 می‌آورد. این اپلیکیشن با پروژه‌های موجود و جریان‌های کاری مرورگر در دسکتاپ‌های Linux یکپارچه می‌شود. کاربران می‌توانند آن را از طریق بسته‌های .deb یا .rpm برای معماری‌های x64 یا ARM64 نصب کنند؛ بنابراین در دو اکوسیستم اصلی بسته‌بندی مورد استفاده این توزیع‌ها در دسترس است.

Anthropic مدل‌های Claude را به‌روزرسانی کرده تا همه متن‌ها و فایل‌های تولیدشده با هوش مصنوعی را واترمارک کنند؛ اقدامی که با EU AI Act مطابقت دارد. OpenAI، Microsoft، Google، Meta و شرکت‌های دیگری نیز به این قانون متعهد شده‌اند. مدل‌هایی که پس از ۲ اوت عرضه شوند، برای فایل‌ها از استاندارد باز C2PA استفاده خواهند کرد. Spotify در حال ارائه نشان‌های AI Persona برای هنرمندان غیرانسانی است و آن‌ها را از پیشنهادهای خود کنار می‌گذارد. پلتفرم موسیقی Suno ابزارهای واترمارک و انگشت‌نگاری اضافه می‌کند و Substack نیز تشخیص‌دهنده هوش مصنوعی Pangram را یکپارچه کرده است. پژوهشی از Deezer نشان داد ۹۷ درصد شنوندگان نمی‌توانند موسیقی تولیدشده با هوش مصنوعی را تشخیص دهند.

NVIDIA مدل Nemotron 3.5 Lightning را منتشر کرده است؛ یک مدل متن‌باز ۳۰ میلیاردپارامتری از نوع mixture-of-experts که فقط ۳ میلیارد پارامتر فعال دارد و برای لایه اجرای پرتعداد عامل‌های هوش مصنوعی همیشه‌فعال طراحی شده است. این مدل وظایف روزمره‌ای مانند فراخوانی ابزارها، اعتبارسنجی نتایج و واگذاری کار به عامل‌های فرعی را انجام می‌دهد، در حالی که مدل‌های پیشرو مانند Nemotron 3 Ultra برنامه‌ریزی پیچیده را مدیریت می‌کنند. این مدل در PinchBench به دقت ۸۶ درصد می‌رسد و ۱۰ هزار وظیفه را ۳۰ درصد سریع‌تر از Qwen3 35B کامل می‌کند. Nemotron 3.5 Lightning از speculative decoding و کوانتیزاسیون NVFP4 پشتیبانی می‌کند و روی سخت‌افزارهایی از DGX Spark تا مراکز داده اجرا می‌شود.

Brad Lightcap، مدیر ارشد عملیاتی OpenAI، پس از هشت سال برای راه‌اندازی یک استارتاپ جدید از این شرکت جدا می‌شود. Lightcap در سال ۲۰۱۸ به OpenAI پیوست و به ساخت عملیات اولیه و تیم‌های کسب‌وکار آن، از جمله Finance، Legal، People، Partnerships و GTM، کمک کرد. او بر رشد شرکت از یک آزمایشگاه پژوهشی کوچک به یکی از اثرگذارترین شرکت‌های دوران کنونی نظارت داشت و شرکت در این دوره به یک‌میلیاردمین کاربر خود خدمت‌رسانی کرد. او می‌گوید به‌زودی جزئیات بیشتری درباره کسب‌وکار جدیدش به اشتراک خواهد گذاشت و قصد دارد در دوره گذار چند هفته دیگر در OpenAI بماند.

مایکروسافت MAI-Code-1.Flash را عرضه کرده است؛ یک مدل کدنویسی که اکنون در محیط تولیدی GitHub Copilot فعال است. این مدل در مقایسه با MAI-Code-1.0 که در Microsoft Build در ژوئن ۲۰۲۶ منتشر شد، ۲۵ درصد بهره‌وری توکن بیشتری دارد و هزینه‌اش ۷۵ درصد کمتر است. مایکروسافت در پاسخ به بازخورد توسعه‌دهندگان، روی بهبودهای CLI و .NET تمرکز کرد و در Terminal-Bench 2.1 بهبود ۲۲ درصدی و در وظایف .NET بهبود ۱۵ درصدی به دست آورد. ماندگاری کد ۴ درصد افزایش یافت و مراجعات دوباره ۹ درصد بیشتر شد. این مدل در صدها هزار محیط یادگیری تقویتی آموزش دیده است.

xAI، Grok Bot را راه‌اندازی کرده است؛ تیمی از عامل‌های هوش مصنوعی همیشه‌فعال که رایانه‌های ابری خودشان را اداره می‌کنند و به‌صورت شبانه‌روزی در اپ‌ها، ابزارها، صندوق‌های ورودی و وب‌سایت‌ها کار می‌کنند. این Botها می‌توانند وارد پلتفرم‌های موجود شوند، حتی اگر آن پلتفرم‌ها API نداشته باشند، و وظایف چندمرحله‌ای را از ابتدا تا انتها انجام دهند. چند Bot می‌توانند هم‌زمان اجرا شوند و با یکدیگر هماهنگ شوند. Grok Bot در نسخه بتا برای مشترکان SuperGrok Heavy، Cursor Ultra و Cursor Teams Premium روی دسکتاپ و iOS در دسترس است و کاربران سازمانی می‌توانند به فهرست انتظار بپیوندند.

Tencent سامانه عامل‌محور تولید جهان‌های سه‌بعدی WorldClaw را منتشر کرده است؛ این سامانه یک پرامپت متنیِ باز را به صحنه‌ای سه‌بعدی، بزرگ‌مقیاس، قابل‌کاوش و قابل‌ویرایش تبدیل می‌کند. این فرایند در سه مرحله انجام می‌شود: برنامه‌ریزی نیت، تولید زمین کلی با استفاده از میدان‌های ارتفاعیِ آگاه از ناحیه، و جای‌گذاری منطقه‌ای اشیا با مش‌های بافت‌دار و قابل‌ویرایش. عامل‌های مبتنی بر رندر نیز در سراسر فرایند، زمین، وضعیت اشیا و نقاط تماس را اصلاح می‌کنند. این سیستم ۱۱ جهان متفاوت، از جمله روستایی در خط برف، سکونتگاهی دره‌ای و پایگاهی در قطب شمال را نمایش داده است و هر دارایی به‌صورت نمونه‌ای جداگانه و قابل‌استفاده مجدد نگه‌داری شده است.