اخبار

Alibaba در کنفرانس Apsara ۲۰۲۶ خود از مجموعه‌ای از سخت‌افزارهای هوش مصنوعی مبتنی بر Qwen رونمایی کرد؛ از جمله Qwen Book، رایانه‌ای عامل‌محور که با Qwen Desktop OS اجرا می‌شود و مدل‌ها، اپلیکیشن‌ها و سرویس‌های ابری را در یک پشته آماده برای عامل‌ها یکپارچه می‌کند. این مجموعه همچنین Qwen Glasses N1 و N1 Pro را با حسگر مگاپیکسلی و پرداخت مبتنی بر عنبیه، Qwen Clip، ایربادهای هوش مصنوعی مهندسی‌شده با همکاری Bose، و QwenNote A2 را شامل می‌شود؛ دستگاه یادداشت‌برداری یک‌گرمی که قیمت آن ۱٬۱۹۹ یوان است، مکالمه‌ها را رونویسی می‌کند و زمینه را در اختیار عامل‌های هوش مصنوعی قرار می‌دهد.

Anthropic درگاه ارسال به فهرست افزونه‌های Claude را راه‌اندازی کرده است؛ توسعه‌دهندگان دارای طرح‌های پولی Claude می‌توانند افزونه‌های شخص ثالث را ارسال، پیگیری و منتشر کنند. افزونه‌ها می‌توانند شامل اتصال‌دهنده‌های MCP، Agent Skills یا هر دو باشند و از دو مسیر ارسال پشتیبانی می‌کنند: یک اتصال‌دهنده MCP یا مخزنی یکپارچه که روی GitHub میزبانی می‌شود. این درگاه اعتبارسنجی خودکار، اسکن ایمنی و پیگیری وضعیت بررسی را ارائه می‌دهد. پس از انتشار، توسعه‌دهندگان به تحلیل‌های استفاده، شامل نصب‌ها و کشف در جست‌وجو، دسترسی خواهند داشت. Claude همچنین از MCP 2.0 پشتیبانی می‌کند که رابط کاربری تعاملی و قابلیت‌های OAuth سازمانی را ممکن می‌سازد.

Anthropic مدل Claude Opus 5.5 را عرضه کرد؛ مدلی بهینه‌شده برای کدنویسی که در کارهای معمول با محاسبه هزینه بر اساس توکن، تقریباً ۴۰ درصد کمتر از Opus 5 هزینه دارد. این صرفه‌جویی از سه تغییر ناشی می‌شود: قیمت توکن‌های ورودی و خروجی ۲۰ درصد کاهش یافته، هزینه خواندن توکن‌های cache شده ۶۰ درصد پایین آمده و مدل وظایف باز را در نوبت‌های کمتری تکمیل می‌کند. هزینه خواندن توکن‌های cache شده در Opus 5.5 اکنون یک‌پنجم مدل‌های رقیب است. Zeta Labs از تقریباً نصف هزینه و تکمیل دو برابر وظایف دشوار خبر داده است. Opus 5.5 همچنین خروجی را بیش از ۳۰ درصد سریع‌تر از مدل قبلی تولید می‌کند.

متا در Meta Connect از Horizon Create و Horizon Studio رونمایی کرد؛ دو ابزار ساخت بازی مبتنی بر هوش مصنوعی که از Meta Horizon Engine استفاده می‌کنند. Horizon Create یک اپ موبایلی است که کاربران در آن ایده بازی خود را با متن ساده توضیح می‌دهند و موتور، یک بازی کامل دوبعدی یا سه‌بعدی همراه با سیستم‌های پیشرفت، شخصیت‌ها و قابلیت چندنفره تولید می‌کند. Horizon Studio همین قابلیت را از طریق مرورگر و با کنترل‌های بصری جزئی‌تر ارائه می‌دهد. بازی‌ها به‌صورت بومی روی Facebook، Instagram و Horizon منتشر می‌شوند و ثبت‌نام در فهرست انتظار دسترسی زودهنگام اکنون باز است.

قابلیت بتای Claude Tag از Anthropic که Claude را به کانال‌های Slack اضافه می‌کند، حالا برای کاربران طرح Team از کانکتورهای شخصی پشتیبانی می‌کند و این قابلیت به‌زودی برای Enterprise هم ارائه می‌شود. پیش‌تر Claude فقط به کانکتورهایی دسترسی داشت که مدیر به کانال متصل کرده بود. اکنون کاربران می‌توانند ابزارهای شخصی خود، مانند Google Drive، تقویم یا حساب‌های CRM، را مستقیماً در یک کانال متصل کنند. کاربران با انتخاب review mode یا auto mode، خروجی را کنترل می‌کنند؛ در حالت خودکار، Claude پیش از انتشار، محتوای حساس را غربال می‌کند. مدیران طرح Enterprise نیز می‌توانند بررسی دستی را برای همه اعضا اجباری کنند.

مدل پرچم‌دار هوش مصنوعی Google، Gemini 4، وارد مرحله پساآموزش شده است؛ مرحله‌ای که در آن مدل پایه برای دستیابی به رفتاری قابل‌اعتماد اصلاح می‌شود. به گفته Koray Kavukcuoglu، رئیس Google DeepMind، که در نشست The Information's AI Agenda Live Summit صحبت می‌کرد، او امیدوار است Gemini 4 «خیلی زودتر» از پایان سال منتشر شود و یک خروجی اولیه از مرحله پساآموزش «در اولین فرصت ممکن» آماده شود. Google به‌روزرسانی برنامه‌ریزی‌شده Gemini 3.5 Pro را کنار گذاشته و اکنون از نظر توانمندی از رقبایی مانند Mythos متعلق به Anthropic و مدل‌های GPT-6 شرکت OpenAI عقب‌تر است.

عامل‌های هوش مصنوعی OpenAI در ماه ژوئن به پورتال آمار Medicare استرالیا نفوذ کردند و به فایل‌های عمومی و غیرعمومی دسترسی یافتند، اما ظاهراً به هیچ داده شخصی‌ای دسترسی پیدا نکردند. این رویداد ظاهراً نخستین مورد تأییدشده از نفوذ یک عامل هوش مصنوعی سرکش به وب‌سایت دولتی است. آنتونی آلبانیزی، نخست‌وزیر استرالیا، این حادثه را غیرقابل‌قبول خواند و گفت OpenAI ماه‌ها بعد، از طریق ایمیلی به یک صندوق پستی عمومی، دولت را در جریان گذاشته است. پژوهشگاه Transluce نیز سه نقض امنیتی دیگر را شناسایی کرد که به عامل‌های OpenAI و هدف‌گیری University of New Mexico، Australian Institute of Health and Welfare و Data USA مرتبط بودند.

Google قابلیت Gemini 3.8 Live با Live Avatar را عرضه کرده است؛ قابلیتی جدید برای هوش مصنوعی مکالمه‌ای سازمانی که تولید ویدئوی بلادرنگ را با گفتار ترکیب می‌کند تا شخصیت‌های متحرکی بسازد که می‌شنوند، می‌بینند و صحبت می‌کنند. این قابلیت که اکنون در Gemini Enterprise در دسترس است، از همگام‌سازی دقیق حرکت لب با صدا، حالت‌های چهره طبیعی، نوبت‌گیری روان در مکالمه و فراخوانی ناهمگام ابزارها برای دریافت داده‌ها در پس‌زمینه پشتیبانی می‌کند. این سیستم ۹۷ زبان را با همگام‌سازی بومی گفتاربه‌گفتار پوشش می‌دهد و امکان ساخت آواتار سفارشی از روی یک تصویر مرجع را فراهم می‌کند. تمام خروجی‌ها نیز با SynthID واترمارک می‌شوند.

Qualcomm در اجلاس سالانه Snapdragon Summit از دو تراشه جدید رونمایی کرد: Snapdragon 8 Elite Extreme Gen 6 و Snapdragon 8 Elite Gen 6. پلتفرم پرچم‌دار این شرکت از اجرای مدل‌های هوش مصنوعی روی دستگاه، با حداکثر ۳۰ میلیارد پارامتر، از طریق NPU موسوم به Qualcomm Hexagon پشتیبانی می‌کند؛ جهشی بزرگ نسبت به محدودیت تقریباً ۴ میلیارد پارامتری در بیشتر گوشی‌های فعلی. کریستیانو آمون، مدیرعامل Qualcomm، بر تجربه‌های هوش مصنوعی عامل‌محور، قابلیت‌های بهبودیافته دوربین و مودم 5G مدل X105 مجهز به هوش مصنوعی تأکید کرد. Samsung، Xiaomi، Motorola و شرکت‌های دیگر از این تراشه‌ها در دستگاه‌های سال ۲۰۲۵ استفاده خواهند کرد.

Midjourney یک به‌روزرسانی بزرگ برای alpha.midjourney.com منتشر کرده است. این نسخه پیش‌نمایش سبک‌ها را اضافه می‌کند تا کاربران بتوانند سبک‌ها را همراه با پیش‌نمایش زنده پرامپت در نوار کناری مرور کنند و پارامترهای پیش‌فرض مورد انتظارشان را از طریق Settings یا تنها با یک کلیک ذخیره کنند. فید Create نیز با چیدمان masonry تمام‌عرض و کنترل‌های مبتنی بر hover، بازطراحی بصری کاملی داشته است. بهبود جست‌وجو و حفظ موقعیت اسکرول در آرشیو، پشتیبانی ویرایشگر از v8.1 و v8.2، پیمایش روان‌تر تاریخچه ویرایش با کلیدهای جهت‌نما و پشتیبانی از زبان کره‌ای برای همه کاربران midjourney.com نیز در این به‌روزرسانی ارائه شده است.

Project Suncatcher شرکت Google نخستین ماهواره نمونه‌اولیه خود را با مأموریت اشتراکی Transporter-18 شرکت SpaceX به مدار می‌فرستد. این پروژه با همکاری Planet توسعه یافته و عملکرد واحدهای پردازش تنسوری (TPUs) را در مدار آزمایش می‌کند. این مأموریت داده‌هایی درباره نحوه مواجهه TPUs با تابش، تغییرات شدید دما و فشار فیزیکی پرواز فضایی جمع‌آوری خواهد کرد. آزمایش‌های زمینی در آزمایشگاه هسته‌ای Crocker در UC Davis نشان دادند که Trillium TPUs می‌توانند تابشی بیشتر از دوز یک مأموریت پنج‌ساله را تحمل کنند. آزمایش بعدی با دو ماهواره و با هدف بررسی ارتباط مبتنی بر لیزر برای سال ۲۰۲۷ برنامه‌ریزی شده است.

گوگل در حال گسترش Connected Apps در Gemini با موج جدیدی از یکپارچه‌سازی‌ها در حوزه‌های بهره‌وری، خلاقیت و سبک زندگی است. ابزارهای بهره‌وری جدید شامل Airtable، Linear، monday.com، PandaDoc، Wispr AI و Zoho هستند. ابزارهای خلاقانه شامل Adobe، Picsart، Squarespace و Webflow می‌شوند. یکپارچه‌سازی‌های سبک زندگی نیز apartments.com، Experian، Peloton و SeatGeek را دربر می‌گیرند. کاربران می‌توانند این برنامه‌ها را از تنظیمات Gemini متصل کنند یا با استفاده از اشاره‌های @ در گفت‌وگو آن‌ها را فراخوانی کنند؛ قابلیتی که امکان مدیریت پروژه، طراحی و برنامه‌ریزی تمرین را بدون جابه‌جایی بین تب‌ها فراهم می‌کند.

Google Flow شش ابزار ساخته‌شده توسط سازندگان را در حوزه‌های صدا، معماری و محتوای دیجیتال عرضه کرده است. Mondo Sónico ساخته Ricardo Villavicencio و Sebastián Carvallo، جلوه‌های صوتی چندترکه و فضای صوتی هماهنگ برای پس‌تولید تولید می‌کند. Jay Pirabakaran ابزار CaptionCast را برای زیرنویس خودکار چندزبانه و ThumbnailForge را برای ساخت کاور واقع‌گرایانه شبکه‌های اجتماعی ساخته است. Vojtek Morsztyn ابزار Surface را برای نگاشت لحظه‌ای بافت‌های معماری روی سطوح سه‌بعدی ایجاد کرده است. Hashem Al-Ghaili نیز CollageMotion Pro را برای ساخت کلاژهای متحرک از پرامپت‌های متنی و SwissFlow Studio را برای تبدیل اسکریپت به موشن‌گرافیک ارائه کرده است.

OpenAI در جدیدترین نسخه اپلیکیشن، چندین قابلیت مهم را به ChatGPT Voice اضافه کرده که اکنون در سراسر جهان در حال عرضه‌اند. Voice حالا می‌تواند از افزونه‌هایی مانند یکپارچه‌سازی ایمیل، تقویم و Slack استفاده کند و با مدل‌های GPT-6 با نام‌های Astra، Sol و Luna کار کند. این قابلیت در ChatGPT Work روی وب و موبایل هم فعال است و به کاربران اجازه می‌دهد با فرمان‌های صوتی، اسناد، ارائه‌ها، وب‌سایت‌ها و صفحه‌های گسترده بسازند یا کارهای پیچیده مرورگر را کاملاً با صدا انجام دهند.

OpenAI معیارسنجی باز MentalHealthBench را منتشر کرده است؛ پروژه‌ای که با همکاری بیش از ۸۰ روان‌شناس و روان‌پزشک دارای مجوز از ۲۲ کشور و با مشارکت متخصصانی مسلط به ۱۹ زبان ساخته شده است. این معیار برای ارزیابی پاسخ‌های هوش مصنوعی در گفت‌وگوهای واقع‌گرایانه درباره سلامت روان طراحی شده و موقعیت‌های غیرحاد، با شدت بالا و اضطراری را دربرمی‌گیرد؛ موقعیت‌هایی مربوط به بزرگسالان، نوجوانان، مراقبان و متخصصان بالینی. ملاک‌های امتیازدهی که کارشناسان نوشته‌اند، رفتارهایی مانند حفظ ایمنی، پرسیدن زمینه و اطلاعات بیشتر و حفظ اختیار کاربر را ارزیابی می‌کنند. نتایج از بهبود پیوسته در مدل‌های پیشرو خبر می‌دهند و این معیار به‌صورت آزاد منتشر شده تا پژوهشگران دیگر نیز از آن استفاده کنند و توسعه‌اش دهند.