موضوع
مدلها، عاملها و ابزارهای هوش مصنوعی.
GitHub در ۱۰ مارس ۲۰۲۶ از Copilot SDK بهعنوان لایهای برای قراردادن اجرای عامل درون برنامهها گفت. ایده ساده اما معماریمحور است: بهجای اینکه کاربر همیشه در IDE یا CLI با Copilot کار کند، یک محصول میتواند intent و محدودیت را به موتور برنامهریزی و اجرا بدهد
بخش دشوار مهندسی صنعتی فقط اجرای شبیهسازی نیست. طراحی CAD، آمادهسازی mesh، تنظیم simulation، رفع خطا، تحلیل نتیجه و نوشتن گزارش باید به هم وصل شوند. NVIDIA در ۲ ژوئن ۲۰۲۶ NemoClaw را بهعنوان blueprintای برای عاملهای تخصصی و طولانیمدت معرفی کرد؛ عاملهایی
Microsoft در Build ۲۰۲۶ تلاش کرد عامل را از یک صفحه جدا به بخشی از گفتوگوی کاری تبدیل کند. در مقاله ۲ ژوئن، Teams SDK، Teams Developer CLI و قابلیتهایی برای اجرای عامل در chat، channel و meeting معرفی شدند. ایده اصلی ساده است: کاربر نباید برای تبدیل یک تصمیم
Microsoft در Build ۲۰۲۶ دو مسئله را کنار هم گذاشت که معمولاً جدا بررسی میشوند: عامل باید context کافی برای فهم کار داشته باشد و همزمان باید در طول اجرا قابل کنترل بماند. Microsoft IQ بهعنوان لایه context برای GitHub Copilot، Microsoft Foundry و Copilot Stud
مایکروسافت در Build ۲۰۲۶ اعلام کرد Microsoft Discovery برای همه سازمانها عمومی شده و نسخه local app آن برای پژوهشگران در preview قرار گرفته است. این محصول قرار نیست فقط یک chatbot علمی باشد؛ هدفش کنار هم آوردن مدلها، داده، شبیهسازی و گردشکارهای آزمایش در م
NVIDIA در ۲۷ مه ۲۰۲۶ مفهوم AI Factory را بهعنوان زیرساختی برای تولید پیوسته intelligence توضیح داد. استعاره کارخانه به این دلیل انتخاب شده که بار کاری جدید فقط آموزش یک مدل نیست: سامانه باید بیوقفه inference انجام دهد، عاملها را هماهنگ کند، زمینه طولانی را
گوگل در I/O ۲۰۲۶ مجموعهای با نام Gemini for Science معرفی کرد که هنوز یک محصول عمومی کامل نیست. این مجموعه سه نمونه آزمایشی را کنار هم میگذارد: تولید فرضیه با Co-Scientist، کشف محاسباتی با AlphaEvolve و ERA، و تحلیل ادبیات با NotebookLM. هدف مشترک، سپردن کار
در بخش ابزارهای توسعهدهنده Google I/O ۲۰۲۶، Antigravity از یک محیط ساخت agent به محیطی برای سازماندهی چند عامل نزدیک شد. توسعهدهنده میتواند عاملهایی با نقش، ابزار و هدف متفاوت تعریف کند، اجرای آنها را مشاهده کند و خروجی را در یک workflow مشترک کنار هم بگ
گوگل در I/O ۲۰۲۶ مسیر Gemini app را به سمت دستیار پیشفعال توضیح داد؛ دستیار باید بتواند با اجازه کاربر از Gmail، Calendar، Maps، Photos، YouTube و Search زمینه جمع کند و بهجای انتظار برای یک سؤال کامل، به برنامهریزی و انجام کار کمک کند. این تجربه وقتی مفید
Google I/O ۲۰۲۶ Gemini 3.5 Flash را در کنار موج تازه agentic Gemini معرفی کرد. این مدل برای کدنویسی عاملمحور، کارهای طولانی و workflowهایی ساخته شده که به پاسخهای پیاپی و استفاده از ابزار نیاز دارند. گوگل روی سرعت و throughput تأکید دارد: مدل باید در چرخهای