نبیوس پلتفرم Token Factory را به مجموعه‌ای از راهکارهای کاربردی برای توسعه‌دهندگان هوش مصنوعی تبدیل کرد
شرکت نبیوس پروژه مکمل Token Factory را به مجموعه‌ای جامع از نمونه‌های کاربردی و آماده اجرا برای توسعه‌دهندگان تبدیل کرده است. این کتابچه راهنمای متن‌باز با مجوز MIT، از دسترسی به API و ساخت ایجنت‌ها تا پیاده‌سازی RAG و بهینه‌سازی اختصاصی مدل‌ها را در قالب نوت‌بوک‌های تعاملی پوشش می‌دهد.
در یک نگاه (نکات کلیدی خبر)
خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع
- نبیوس مخزن کدی متن‌باز با مجوز MIT تحت عنوان کوک‌بوک Token Factory منتشر کرده که شامل برنامه‌ها و نوت‌بوک‌های آماده اجرا برای توسعه‌دهندگان است.
- سازگاری کامل رابط این سرویس با استانداردهای اوپن‌ای‌آی به برنامه‌نویسان اجازه می‌دهد ترافیک خود را با کمترین تغییر کد به مدل‌های وزن‌باز ابری هدایت کنند.
- این کتابچه پنج بخش کلیدی شامل کار با API، ساخت ایجنت‌ها، پایپلاین‌های RAG، بهینه‌سازی مدل با LoRA و کنترل استنتاج ساختاریافته را پوشش می‌دهد.
تبدیل Token Factory به راهکارهای کاربردی و آماده اجرا توسط نبیوس
شرکت نبیوس (Nebius) پروژه جانبی خود به نام Token Factory را گسترش داده و آن را به مجموعه‌ای گسترده از نمونه‌های عملیاتی برای محیط تولید (Production) تبدیل کرده است. مخزن کد این کتابچه راهنما (Cookbook) با مجوز MIT منتشر شده و شامل نوت‌بوک‌های ژوپیتر (Jupyter) و برنامه‌های آماده اجرایی است که حوزه‌هایی چون دسترسی به API، ساخت ایجنت‌ها، تولید مبتنی بر بازیابی (RAG)، فاین‌تیون، تقطیر دانش، خروجی‌های ساختاریافته و تولید محتوای چندرسانه‌ای را پوشش می‌دهند.
رابط کاربری این پلتفرم که با استانداردهای اوپن‌ای‌آی (OpenAI) سازگار است، به توسعه‌دهندگان اجازه می‌دهد از قالب‌های درخواست آشنا در SDKها مجدداً استفاده کنند و هم‌زمان ترافیک پردازشی خود را به سمت نسخه‌های ابری مدل‌های وزن‌باز هدایت نمایند. تغییر ارائه‌دهنده سرویس در این حالت ممکن است تنها با جایگزینی نشانی پایه (Base URL)، کلید API و نام مدل امکان‌پذیر باشد؛ هرچند ویژگی‌های اختصاصی هر سرویس‌دهنده و قالب‌های پاسخ ممکن است همچنان نیازمند اعمال تغییراتی در کدهای برنامه باشند.
یک مخزن کد، ۶ لایه کاربردی
بیشتر نمونه‌های ارائه‌شده در قالب نوت‌بوک‌هایی طراحی شده‌اند که توسعه‌دهندگان بتوانند به‌راحتی آن‌ها را بررسی و بر اساس نیاز خود شخصی‌سازی کنند. هر یک از پوشه‌های این پروژه، بخش مشخصی از پشته نرم‌افزاری کاربردهای مدل‌های بزرگ زبانی (LLM) را هدف قرار می‌دهد:
بخش | مباحث تحت پوشش |
|---|---|
کلاینت‌های API | یک نوت‌بوک اختصاصی API، به‌همراه راهکارهای یکپارچه‌سازی با ابزارهای LiteLLM، ai-suite و LlamaIndex. |
ایجنت‌ها | نمونه‌های پیاده‌سازی با استفاده از فریمورک‌های CrewAI، Agno، LangChain، Google ADK، LlamaIndex، Pydantic AI و AWS Strands. |
سیستم‌های RAG | چت با اسناد PDF، پایگاه‌داده برداری Qdrant با امبدینگ‌های Qwen3، پایگاه Milvus با GPT-OSS و یک ایجنت پشتیبانی LangGraph با پشتیبانی Weaviate. |
بهینه‌سازی و انطباق مدل | آداپتورهای LoRA، فاین‌تیون کامل مدل و راهنمای گام‌به‌گام تقطیر مدل‌های دستور زبان (Grammar). روش LoRA تنها مجموعه کوچکی از وزن‌های آداپتور را به‌روزرسانی می‌کند و بدین‌ترتیب محاسبات و فضای ذخیره‌سازی موردنیاز برای شخصی‌سازی مدل را به حداقل می‌رساند. |
کنترل‌های فرآیند استنتاج | فراخوانی ابزارها (Tool Calling)، استنتاج دسته‌ای (Batch Inference) و تولید هدایت‌شده خروجی‌های JSON برای داده‌هایی که ملزم به رعایت ساختاری معین هستند. |
مطالب مرتبط و پیشنهادی
ورود تمام‌عیار هوش مصنوعی به لیگ NBA؛ از توپ‌های هوشمند تا مهار شرط‌بندی مشکوک و تحلیل بازی
لیگ بسکتبال NBA با همکاری سونی و آمازون در حال توسعه فناوری‌های نوینی نظیر توپ‌های سنسوردار و پلتفرم‌های هوش مصنوعی اختصاصی است. این ابزارها با خودکارسازی تصمیم‌گیری‌های داوری و شناسایی الگوهای مشکوک در شرط‌بندی، شیوه مدیریت مسابقات و تجربه تماشای بازی‌ها را دگرگون می‌کنند.
هوش مصنوعی درآمدهای ساعتی غول‌های وکالت را می‌بلعد؛ پاسخ جسورانه مدیر ارشد مؤسسه کولی
پیشرفت هوش مصنوعی فرمول درآمدزایی سنتی دفاتر وکالت بر پایه ساعت کاری را زیرورو کرده است. ریچل پرافیت، مدیر ارشد مؤسسه حقوقی مطرح کولی در سیلیکون‌ولی، به‌جای مقاومت در برابر این موج، با توسعه ایجنت‌ها و ابزارهای اختصاصی به استقبال بازآفرینی حرفه وکالت می‌رود.
استارتاپ تنستورنت ۱٫۵ میلیارد دلار سرمایه جذب کرد؛ رقیب انویدیا آماده تولید گسترده تراشه‌های هوش مصنوعی می‌شود
استارتاپ تنستورنت در تازه‌ترین دور تأمین مالی خود موفق به جذب ۱٫۵ میلیارد دلار سرمایه با ارزش‌گذاری ۶٫۲ میلیارد دلار شد. این سازنده تراشه‌های استنتاج که پیش‌تر پیشنهاد خرید اینتل و کوالکام را رد کرده بود، با سرمایه جدید تولید تراشه‌ها و سرورهای هوش مصنوعی خود را به‌شکل چشمگیری گسترش می‌دهد.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.