أخبار الذكاء الاصطناعي

إطلاق نموذج GLM-5.2 من Z.ai مع أوزان مفتوحة

أصدرت مختبرات Z.ai الصينية نموذج GLM-5.2 في 13 يونيو، ثم أصدرت الأوزان المفتوحة في 16 يونيو. النموذج يحتوي على 753 مليار معلمة، ويتميز بوجود نافذة سياق تصل إلى مليون توكن، مما يعزز قدراته مقارنة بالإصدارات السابقة. حظي النموذج باهتمام كبير، حيث تم تصنيفه كأعلى نموذج بأوزان مفتوحة في مؤشر Artificial Analysis Intelligence. يتفوق GLM-5.2 على نماذج مثل MiniMax-M3 وDeepSeek V4 Pro، مما يعكس تقدمه في الأداء. ومع ذلك، تم الإشارة إلى أن النموذج يتطلب عددًا أكبر من التوكنات لكل مهمة، حيث يستخدم 43 ألف توكن، مما يجعله أكثر استهلاكًا مقارنة بالنماذج الأخرى. هذا الأمر قد يؤثر على كفاءة استخدامه في التطبيقات العملية.

OpenAI تطلق تحديثًا جديدًا لروبوت ChatGPT بميزة المهام المجدولة

أعلنت شركة OpenAI عن إطلاق تحديث جديد لروبوت ChatGPT يتضمن ميزة المهام المجدولة، حيث يمكن للمستخدمين إعداد التذكيرات وأتمتة الأعمال المتكررة. ستبدأ الشركة بطرح هذه الميزة اعتبارًا من اليوم، مما يسهل إدارة المهام بشكل أكبر. الميزة الجديدة تهدف إلى تحسين آلية الإشعارات وتبسيط الوصول إلى المهام، مما يعزز تجربة المستخدم ويزيد من فعالية الروبوت في التعامل مع المهام اليومية. يُتوقع أن تساعد هذه الإضافة في تنظيم الأعمال بشكل أفضل. تعتبر هذه الخطوة مهمة في سياق المنافسة المتزايدة في مجال الذكاء الاصطناعي، حيث تسعى OpenAI لتقديم أدوات مبتكرة تسهم في تحسين الإنتاجية. كما أن هذه الميزة قد تفتح آفاقًا جديدة للمستخدمين في كيفية استخدام الروبوتات الذكية في حياتهم اليومية.

💡

أمزون وإنفيديا وAMD تستثمر 310 مليون دولار في Odyssey ML

كيف ترى تأثير نماذج العالم على مستقبل الذكاء الاصطناعي؟

اقرأ المزيد ←

الأعمال

ويكيب يكتسب شركة فرونتلاين لتعزيز قدراته في تخطيط المشاريع

الأعمال

ويكيب يكتسب شركة فرونتلاين لتعزيز قدراته في تخطيط المشاريع

أعلنت شركة ويكاب، المتخصصة في تكنولوجيا البناء، عن استحواذها على شركة فرونتلاين، المزود لبرمجيات تخطيط البناء المعتمدة على الذكاء الاصطناعي. يهدف هذا الاستحواذ إلى توسيع قدرات ويكاب من المراقبة الفورية لمواقع العمل إلى تخطيط وتحسين المشاريع. تأسست فرونتلاين من قبل لويس مارتينيز وريكي دين، وتقدم أدوات تخطيط تعتمد على الذكاء الاصطناعي تساعد الفرق على تحسين الجداول الزمنية من خلال المحاكاة واختبار الضغط. سيمكن هذا الاستحواذ ويكاب من إنشاء منصة ذكاء متكاملة تربط خطط المشاريع ببيانات التنفيذ الميداني.

أوديسي تعزز مكانتها في عالم نماذج الذكاء الاصطناعي

أوديسي تعزز مكانتها في عالم نماذج الذكاء الاصطناعي

أعلنت شركة أوديسي أنها أصبحت واحدة من الشركات الناشئة الرائدة في مجال نماذج الذكاء الاصطناعي، متجاوزةً نماذج اللغة الكبيرة. تعتبر نماذج العالم خطوة جديدة في تطوير الذكاء الاصطناعي، حيث تتيح فهمًا أعمق للبيانات والسياقات. هذه النماذج تقدم آفاقًا جديدة لتطبيقات الذكاء الاصطناعي، مما يعزز من قدرة الشركات على الابتكار. تسهم أوديسي في دفع حدود التكنولوجيا، مما يعني أن الشركات التي تتبنى هذه النماذج ستتمكن من تحقيق مزيد من التقدم في مجالات متعددة، مما يفتح الأبواب أمام فرص جديدة في السوق.

إطلاق Zhipu AI نموذج GLM-5.2 بقدرة سياق مليون توكن

إطلاق Zhipu AI نموذج GLM-5.2 بقدرة سياق مليون توكن

أعلنت مختبر Zhipu AI الصيني عن إطلاق نموذج GLM-5.2، الذي يتمتع بسياق مستقر يصل إلى مليون توكن، تحت رخصة MIT. على منصة FrontierSWE، التي تقيس أداء النماذج في مهام البرمجة الطويلة، يتفوق النموذج الجديد على Claude Opus 4.8 من Anthropic بفارق نقطة واحدة فقط. رغم ذلك، لا يزال GLM-5.2 متخلفًا عن المنافسين المغلقين في مجال التفكير المنطقي، مما يشير إلى تحديات مستمرة في تحسين قدراته في هذا المجال.

بروتوكول A2A: تسهيل التواصل بين الأنظمة الذكية

بروتوكول A2A: تسهيل التواصل بين الأنظمة الذكية

أطلق جوجل بروتوكول A2A في أبريل 2025 كمعيار مفتوح لتواصل الأنظمة الذكية. يعتمد البروتوكول على HTTP لنقل البيانات، وJSON-RPC للرسائل المنظمة، مما يسهل التعاون بين الوكلاء الذكيين. يتيح هذا التصميم العمل غير المتزامن، حيث يمكن لوكيل إرسال مهمة لوكيل آخر ومتابعة العمل في نفس الوقت. يساعد بروتوكول A2A المطورين على تجنب الحاجة إلى كتابة كود مخصص لربط الأدوات المختلفة، مما يقلل من مخاطر الاعتماد على بائع واحد. كما يتماشى مع أنماط الأمان والتفويض المتبعة في المؤسسات، مما يسهل استبدال الأطر دون التأثير على البنية التحتية. يتضمن بروتوكول A2A مكتبة تطوير الوكلاء (ADK) التي تدعم هذا البروتوكول، بالإضافة إلى مكتبات أخرى.

تحديات البيانات أمام تطور الذكاء الاصطناعي الفيزيائي

تحديات البيانات أمام تطور الذكاء الاصطناعي الفيزيائي

يواجه الذكاء الاصطناعي الفيزيائي تحديات كبيرة في معالجة البيانات اللازمة لتحقيق إنجازات مماثلة لتلك التي حققتها نماذج اللغة الكبيرة. يتطلب الأمر تطوير آليات فعالة لجمع وتحليل البيانات، مما يؤثر على قدرة الأنظمة الفيزيائية على التعلم والتكيف. إذا لم يتم معالجة هذه التحديات، فقد يتأخر تقدم الذكاء الاصطناعي الفيزيائي مقارنةً بنماذج اللغة الكبيرة.

استخدام الذكاء الاصطناعي لتعليم الروبوتات مهارات الإمساك الدقيقة