Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1045 · 5.12

Я веду блог одновременно в ВК и в Телеграме, и всегда для набора текста открывал именно ВК. Потому что в Телеграме набирать длинный текст очень неудобно, даже в десктопной версии. О мобильной вообще не говорим. Причина в фиксированной (и небольшой) высоте поля ввода в Телеге, которое в ВК расширялось. А вот вам свежий апдейт от ВК. На декстопе! Блок для картинки занимает 80% площади этой модалки, а текстовая подпись где-то там стыдливо прячется внизу. При наборе длинного текста, к счастью, скроллится содержимое модалки целиком, а не только поле под дроп-зоной, и это всё ещё удобнее Телеги, но уже максимально не тексто-ориентировано. Я не первый год пишу, что интернет планомерно убивает тексты, и вот очередная веха этого процесса. Иронично, что сегодня обсуждали случай, когда человек либеральных взглядов лайкнул в инсте не слишком либеральный текст, а потом оказалось, что лайкал он картинку, и о наличии под ней текста особо не подумал. Потому что да, UI/UX инсты он вообще не про тексты, и попытка отдельных людей, охочих до дешёвой (во всех смыслах) аудитории, вести там текстовые блоги выглядит, как забивание гвоздей микроскопом. Тем не менее, всё ещё не хочу переходить на какой-нибудь видео-формат. Хорошее видео это дорого, плохое не хочется. Вертикальное тем более не хочется. #web

Hashtags

#web

Резултати

Намерени 1 подобни публикации

Търсене: #efficientmodels

当前筛选 #efficientmodels清除筛选

Machinelearning

@ai_machinelearning_big_data · Post #8519 · 11.09.2025 г., 18:21

Намери подобни Прегледай

🚀 Релиз:Qwen3-Next-80B-A3B - эффективная модель заточенная на работа работу с очень длинным контекстом! 🔹80B параметров, но активируется только 3B на токен → тренировка и инференс 10x дешевле и быстрее, чем у Qwen3-32B (особенно при 32K+ контексте). 🔹Гибридная архитектура: Gated DeltaNet + Gated Attention → сочетает скорость и точность. 🔹Ultra-sparse MoE: 512 экспертов, маршрутизируется 10 + 1 общий. 🔹Multi-Token Prediction → ускоренное speculative decoding. 🔹 По производительности обходит Qwen3-32B и приближается к Qwen3-235B в рассуждениях и long-context задачах. 🟢Qwen3-Next-80B-A3B-Instruct показатели почти на уровне 235B flagship. 🟢Qwen3-Next-80B-A3B-Thinking превосходит Gemini-2.5-Flash-Thinking. ▪Попробовать: https://chat.qwen.ai ▪Анонс: https://qwen.ai/blog?id=4074cca80393150c248e508aa62983f9cb7d27cd&from=research.latest-advancements-list ▪ HuggingFace: https://huggingface.co/collections/Qwen/qwen3-next-68c25fd6838e585db8eeea9d ▪ ModelScope: https://modelscope.cn/collections/Qwen3-Next-c314f23bd0264a ▪Kaggle: https://kaggle.com/models/qwen-lm/qwen3-next-80b ▪ Alibaba Cloud API: https://alibabacloud.com/help/en/model-studio/models#c5414da58bjgj @ai_machinelearning_big_data #AI#LLM#Qwen#DeepLearning#MoE#EfficientModels#LongContext#Reasonin

Hashtags

#ai #llm #qwen #deeplearning #moe #efficientmodels #longcontext #reasonin