TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

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

Резултати

Намерени 1 подобни публикации

Търсене: #smallmodel

当前筛选 #smallmodel清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8975 · 12.11.2025 г., 13:03

⭐VibeThinker-1.5B - миниатюрная модель, которая показывает SOTA-результаты в задачах рассуждения. 🚀Производительность: одна из лучших на AIME24/25 и HMMT25 - превосходит DeepSeek R1-0120 по математическим задачам и опережает модели такого же размера в соревновательном программировании. ⚡Эффективность: всего 1.5B параметров. то есть в 100–600 раз меньше, чем гиганты вроде Kimi K2 и DeepSeek R1. 💰Стоимость: полный пост-тренинг обошёлся всего в $7.8K, примерно в 30–60 раз дешевле, чем у DeepSeek R1 или MiniMax-M1. Модель основана на Spectrum-to-Signal Principle (SSP) и MGPO-фреймворке, оптимизирующих процесс рассуждения. 📦Model:https://huggingface.co/WeiboAI/VibeThinker-1.5B 💻GitHub:https://github.com/WeiboAI/VibeThinker 📄Arxiv:https://arxiv.org/abs/2511.06221 @ai_machinelearning_big_data #AI#LLM#Reasoning#OpenSource#SmallModel