اخبار

NVIDIA مدل پیشرفته استدلال باز Alpamayo 2 Super را برای رباتاکسی‌ها و خودروهای خودران عرضه کرده است؛ این مدل اکنون با مجوز منعطف OpenMDW-1.1 برای استفاده تجاری در دسترس است. این مدل که بر پایه NVIDIA Cosmos 3 Super Reasoner ساخته شده و با یادگیری تقویتی پساآموزش دیده است، در معیار رانندگی خودران LingoQA رتبه نخست را دارد و با اختلاف ۲۳٫۲ امتیاز از GPT-4o بهتر عمل می‌کند. این مدل میلیاردپارامتری از برنامه‌ریزی مسیر، زنجیره‌های ردیابی استدلال علّی و برچسب‌گذاری خودکار پشتیبانی می‌کند و در Hugging Face بیش از ۵۰۰ هزار بار دانلود شده است.

OpenAI سه افزونه آموزشی جدید برای ChatGPT Work و Codex راه‌اندازی کرده است که معلمان K–12، مدرسان دانشگاه و دانشجویان دانشگاه را هدف قرار می‌دهند. این افزونه‌ها از طریق استقرارهای منطقه‌ای ChatGPT Edu و ChatGPT for Teachers در دسترس‌اند و اپلیکیشن‌ها، مهارت‌های ویژه هر نقش و گردش‌کارها را در یک بسته ارائه می‌کنند تا کاربران بتوانند بدون ساختن پرامپت‌های پیچیده، فوراً از هوش مصنوعی عامل‌محور استفاده کنند. این ابزارها به مطالب درسی موجود، تقویم‌ها و ابزارهای تأییدشده متصل می‌شوند. OpenAI همچنین از Student Collective، برنامه Academic Researchers با دسترسی رایگان به Pro و همکاری با Walton Family Foundation برای برگزاری کارگاه‌های حضوری معلمان خبر داده است.

Black Forest Labs مدل چندوجهی پیشرفته FLUX 3 Video را عرضه کرده است؛ مدلی که اکنون از طریق BFL API و شرکای منتخب، به‌صورت عمومی در دسترس است. این مدل می‌تواند کلیپ‌هایی تا ۲۰ ثانیه با وضوح HD یا ۷۲۰p تولید کند و امکان ارتقا به Full HD یا ۱۰۸۰p را دارد. صدای بومی آن شامل دیالوگ، جلوه‌های صوتی و صدای محیطی است. قابلیت‌های FLUX 3 Video شامل تبدیل متن به ویدئو، تبدیل تصویر به ویدئو، کی‌فریم، ادامه ویدئو، تولید چندصحنه‌ای و دیالوگ هماهنگ با حرکت لب در بیش از ۱۴ زبان می‌شود. BFL ادعا می‌کند این مدل در تبدیل متن به ویدئو از مدل‌های پیشرفته موجود بهتر عمل می‌کند و در تبدیل تصویر به ویدئو با Seedance 2.0 برابری دارد.

Alibaba مدل Qwen3.Max را عرضه کرده است؛ بزرگ‌ترین و توانمندترین مدل هوش مصنوعی پرچم‌دار این شرکت تا امروز، با ۲.۴ تریلیون پارامتر در مجموع که تنها ۹۵ میلیارد مورد از آن‌ها از طریق معماری Sparse Mixture-of-Experts فعال می‌شوند. این مدل چندوجهی از پنجره کانتکست ۱ میلیون توکنی پشتیبانی می‌کند و در Text Arena رتبه پنجم و در Vision Arena رتبه دوم را دارد. این مدل از طریق API در Alibaba Cloud Model Studio در دسترس است و وزن‌های مدل هفته آینده منتشر می‌شوند. در آزمایش‌ها، این مدل به‌طور مستقل یک پروژه مهندسی نرم‌افزار یک‌روزه را اجرا کرد و در یک چالش گفت‌وگوی چندوجهی، عملکرد بهتری از انسان‌ها داشت.

Alibaba پلتفرم یکپارچه عامل هوش مصنوعی محیط کار QwenWork را راه‌اندازی کرده است؛ این پلتفرم اکنون در چین به‌صورت بتای عمومی در دسترس است. QwenWork با استفاده از قابلیت‌های پلتفرم‌های Qoderwork، Mulerun و Wukong ساخته شده و عامل‌های دسکتاپ، ابری و همکاری سازمانی را در یک ابزار واحد یکپارچه می‌کند. این پلتفرم به‌طور عمیق با DingTalk، پلتفرم سازمانی Alibaba که به بیش از ۲۰ میلیون سازمان خدمات می‌دهد، ادغام خواهد شد. قابلیت‌های آن شامل تولید چندوجهی، ساخت اپلیکیشن‌های وب و عامل‌های خودکار است. کاربران از ۳ اوت می‌توانند به مدل پرچم‌دار Alibaba، یعنی Qwen3.8 Max، دسترسی پیدا کنند.

تعهدات شفافیت EU AI Act از ۲ اوت اجرایی شده‌اند و شرکت‌ها را ملزم می‌کنند اعلام کنند کاربران چه زمانی با AI تعامل دارند و محتوای تولید یا دست‌کاری‌شده با AI، از جمله deepfakeها، را برچسب‌گذاری کنند. ارائه‌دهندگان باید هنگام تعامل کاربران با AI، به‌جای انسان، این موضوع را اطلاع دهند و در رسانه‌های مصنوعی نشانه‌های قابل‌خواندن برای ماشین قرار دهند. بهره‌برداران نیز باید صدا، تصویر و ویدئوی واقع‌گرایانه تولیدشده با AI را برچسب‌گذاری کنند. کمیسیون اروپا برای یکسان‌سازی برچسب‌گذاری، آیکون‌های افشای اختیاری منتشر کرده است. عدم رعایت قوانین می‌تواند به جریمه‌ای تا سقف ۱۵ میلیون یورو یا ۳ درصد از گردش مالی سالانه جهانی منجر شود. سامانه‌های AI موجود تا ۲ دسامبر برای رعایت این الزامات فرصت دارند.

مدل داخلی Astra از OpenAI، ۱۰ مسئله باز در ریاضیات و علوم نظری رایانه را حل کرده است؛ مسائلی که هرکدام دست‌کم یک دهه حل‌نشده بودند. این نتایج حوزه‌های هندسه پُربُعد، نظریه کدگذاری، نظریه گروه‌ها، جبرهای عملگری، پیچیدگی کوانتومی، رمزنگاری شبکه‌ای و ترکیبیات اکسترموم را دربرمی‌گیرند. از میان دستاوردهای قابل‌توجه می‌توان به رد حدس rigidity مربوط به Connes، حل سه مسئله Erdős و اثبات سختی با ضریب چندجمله‌ای برای مسئله نزدیک‌ترین بردار در رمزنگاری پساکوانتومی اشاره کرد. حل این مسائل حدود ۲ هزار دلار هزینه توکن‌های API داشته و همکاران انسانی، اثبات‌ها را در قالب گواهی‌های Lean رسمی‌سازی کرده‌اند.

MiniMax مدل H3 را عرضه کرده است؛ یک مدل هوش مصنوعی چندوجهی با وزن‌های باز که برای تولید عمومی در حوزه‌های متن، تصویر، ویدئو و صدا طراحی شده است. H3 می‌تواند کانتکست یکپارچه میان هر چهار وجه را درک کند و ویدئو را با صدای استریوی بومی تولید کند. این مدل به‌عنوان راهکاری در سطح تجاری با وزن‌های باز معرفی شده و بر بهره‌وری هزینه تأکید دارد. MiniMax می‌گوید H3 مرز میان وظایف و وجه‌های مختلف را از میان برمی‌دارد و ابزاری چندمنظوره برای توسعه‌دهندگان و سازندگانی است که در چند نوع محتوا فعالیت می‌کنند.

xAI، Imagine Video 1.5 را با قابلیت ارجاع تصویری و صوتی، تولید ویدئو از متن و پشتیبانی بومی از وضوح ۱۰۸۰p به‌روزرسانی کرده است. کاربران اکنون می‌توانند تصویر یک شخصیت را همراه با ارجاع صوتی وارد کنند تا چهره و صدای او در صحنه‌های مختلف ثابت بماند. در هر بار تولید نیز امکان استفاده از حداکثر ۷ تصویر مرجع برای ثابت نگه‌داشتن عناصری مانند چهره‌ها، محصولات یا مکان‌ها وجود دارد. ارجاع‌های تصویری و صوتی ابتدا برای مشترکان SuperGrok Heavy و SuperGrok Plus در آمریکا عرضه می‌شوند و همه قابلیت‌ها از طریق xAI API با مدل grok-imagine-video-1.5 در دسترس هستند.

OpenAI قیمت GPT-5.6 Luna را ۸۰ درصد کاهش داده و آن را به ۰٫۲۰ دلار برای هر میلیون توکن ورودی و ۱٫۲۰ دلار برای هر میلیون توکن خروجی رسانده است؛ همچنین قیمت GPT-5.6 Terra را ۲۰ درصد کاهش داده است. Sarah Friar، مدیر ارشد مالی OpenAI، در یک یادداشت راهبردی رویکردی فول‌استک برای وفور هوش مصنوعی را تشریح کرد که در آن، کاهش هزینه‌ها به پذیرش گسترده‌تر منجر می‌شود و این پذیرش، بودجه پژوهش‌های بیشتر را فراهم می‌کند. این شرکت گزارش می‌دهد که بیش از یک میلیارد کاربر فعال و دو میلیون کسب‌وکار دارد و کار عامل‌محور از طریق Codex اکنون ۹۹٫۸ درصد از توکن‌های خروجی هفتگی را تشکیل می‌دهد.

Universal Music Group، Sony Music و Warner Music Group پیشنهاد کرده‌اند آهنگ‌های تولیدشده با هوش مصنوعی، مگر در صورت رعایت معیارهای مشخص از جمله ساخته‌شدن عمدتاً توسط انسان، از جدول‌های بین‌المللی موسیقی منع شوند. این پیشنهاد از طرح جداگانه RIAA و IFPI برای برچسب‌گذاری فراتر می‌رود و می‌خواهد ابزارهای هوش مصنوعی مورد استفاده مجوز لازم را داشته باشند، حقوق داده‌های آموزشی تأمین شده باشد و انتشار آثار نگرانی‌هایی درباره دستکاری تعداد پخش یا جدول‌ها ایجاد نکند. IFPI از این پیشنهاد حمایت کرده است، اما هیچ سازمانی که مسئول جدول‌های موسیقی باشد، برنامه‌ای برای اجرای آن اعلام نکرده است.

Hank Green، یوتیوبر، پس از اعتراف به وابستگی بیش‌ازحد به ابزارهای AI، انتشار محتوا در چند کانالش را متوقف کرده است. او گفت باید بپذیرد دوپامینی که از تعامل با مدل‌های زبانی بزرگ دریافت می‌کند، برای خودش سالم نیست و برای جهان هم خوب نیست. بینندگانش پیش از این اعتراف نیز به استفاده از AI در محتوای او مشکوک بودند. این وقفه چند کانال را دربرمی‌گیرد و برای این تولیدکننده محتوای شناخته‌شده، به‌منزله مواجهه‌ای عمومی و قابل‌توجه با وابستگی به AI است.

ByteDance مدل جدید تولید ویدئوی Seedance 2.5 را عرضه کرده است؛ مدلی که می‌تواند در یک مرحله کلیپ‌های صوتی‌تصویری حداکثر ۳۰ ثانیه‌ای تولید کند و با پشتیبانی از گسترش چندمرحله‌ای، خروجی‌هایی چنددقیقه‌ای بسازد. این مدل با تکیه بر معماری چندوجهی یکپارچه، می‌تواند هم‌زمان حداکثر ۳۰ تصویر، ۱۰ کلیپ ویدئویی و ۱۰ کلیپ صوتی را به‌عنوان مرجع دریافت کند. قابلیت‌های جدید شامل ارجاع‌دهی به رندر سفالی، ویرایش در سطح تایم‌استمپ و کنترل‌های بهتر برای پرده سبز و دوربین هستند. Seedance 2.5 اکنون در Jimeng AI و Doubao Pro فعال است و دسترسی API آن از طریق BytePlus ModelArk ارائه خواهد شد.

گوگل روز پنجشنبه، تنها یک روز پس از راه‌اندازی، قابلیت ویرایش تصویر هوش مصنوعی Google Earth را به‌دلیل نگرانی‌های مربوط به دیپ‌فیک تعطیل کرد. این ابزار به کاربران اجازه می‌داد با استفاده از دستورهای متنی و توان Nano Banana 2، تصاویر ماهواره‌ای را تغییر دهند. پژوهشگر Henk van Ess با تولید تصاویر جعلی از پناهجویان نزدیک مرز مکزیک و یک دهانه بمب در نزدیکی بیمارستانی در غزه، خطرهای آن را نشان داد. van Ess همچنین نشان داد ویدئوی تولیدشده با هوش مصنوعی، با وجود واترمارک‌ها، توانست ابزار تشخیص Hive را فریب دهد. گوگل گفت این قابلیت را به حالت قبل برمی‌گرداند تا سازوکارهای محافظتی قوی‌تری پیاده‌سازی کند.

نسخه ۲.۰ گجت پوشیدنی هوش مصنوعی Friend، ساخته Avi Schiffmann، معرفی شد. این نسخه با اضافه کردن یک بلندگوی داخلی و قابلیت صوتی، شخصیتی ثابت برای گفتگو به این گردنبند می‌بخشد. این ارتقا با افزایش قیمت چشمگیری همراه بوده و قیمت دستگاه را از ۹۹ دلار به ۲۴۹ دلار رسانده است. Schiffmann دستگاه Friend را نه یک دستیار یا معشوق، بلکه نوعی سنگ صبور یا همدم توصیف می‌کند. کاربرد عملی این محصول همچنان مبهم است، هرچند پیش از این، کمپین تبلیغاتی آن روی بیلبوردهای متروی NYC، پس از اینکه بارها توسط منتقدانِ روابط انسانی مبتنی بر هوش مصنوعی مخدوش شد، بسیار جنجالی شده بود.