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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1064 · 17.01

Навскидку, все видеоблогеры, на кого я подписан, поделились сейчас на три группы. 1. Те, кто просто стал заливать свои ролики сразу на ютуб, в ВК, иногда ещё в Дзен и на пару других площадок. День в день, ролики дублируются, аудитория выбирает, где смотреть. Левша, Розеткед, Антонов, Гикмедиа, Вилса, АлексГайвер итд. Кажется, бОльшая часть поступила именно так, хорошая стратегия без ущерба для аудитории. 2. Те, кого ВК, по-видимому, пригласил к себе эксклюзивом на каких-то условиях, и/или кого забанил ютуб. Они либо не выкладывают на ютуб вовсе, либо выкладывают с умышленным опозданием, а часть эксклюзивов оставляют в ВК: Лебедев, Крастер, Пушной. Видимо, на покупку Вилсы у ВК просто не хватило денег. 3. Ну и самая любопытная категория: те, кто саботирует ВК и либо не выкладывает там совсем, либо постит со специальной задержкой относительно ютуба. Имена перечислять не буду, потому что среди тех, кого я смотрю, этому эффекту подвержены ТОЛЬКО очень маленькие начинающие блоги (не все). Больших игроков с таким поведением я не припомню, но я уже давно отписался, например, от всех либералов, поэтому не знаю, как там. Постят ли какие-нибудь Кац и Варламов свои упаднические истерики в ВК? Не знаю, и не особо интересно, честно говоря. В любом случае, если саботаж российских площадок не является частью идеологии блога, то, как я понял, новички недовольны именно раскруткой: рекомендациями, охватами итд. Жалуются на очень небольшое число просмотров у развивающихся блогов. С этим спорить сложно, у ютуба конечно и система рекомендаций и привычка публики на порядки превосходит таковые в ВК. Но вот что мне кажется не слишком логичным: зачем постить в ВК с задержкой? Если в ВК нет твоей аудитории, постить не нужно совсем (в том числе и ссылками на внешние платформы). Если аудитория есть, то нет смысла специально причинять ей неудобства. Независимо от того, решатся ли фундаментальные проблемы ВК или нет, эта стратегия не ведёт ни к какой выгоде в долгосрочной перспективе. За собой заметил, что точно стал реже открывать ютуб (даже с DPI он работает плохо, а постоянно включённый VPN это неудобно по ряду других причин), но при этом в ВК смотрю только тех, кого уже смотрел и раньше. Рекомендации пока что ни к чёрту, глупо отрицать. Так что просто реже прокрастинирую с помощью видео и чаще с помощью чего-то ещё. #web

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #2bitq

当前筛选 #2bitq清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #9516 · 13.02.2026 г., 15:23

🌟Tencent сжали 1.8B модель в 2 бита: 600 МБ веса и Dual-CoT на борту. Tencent Hunyuan выкатили open-source решение для тех, кто хочет запускать LLM локально на кофеварке. HY-1.8B-2Bit - модель, которую утрамбовали так плотно, что она занимает меньше места, чем многие современные мобильные приложения. Модель пилили методом Quantization-Aware Training, который в отличие от PTQ, позволяет адаптироваться к низкой разрядности весов еще на этапе тренировки. За основу взяли backbone Hunyuan-1.8B-Instruct и жестко сжали веса до 2 бит. При этом эффективный размер в памяти получился эквивалентен модели на 300М параметров, а физический вес получился всего 600 МБ. Что самое ценное - сохранили фичу Dual-CoT: модель умеет переключаться между быстрым мышлением для простых тасков и глубоким long-CoT для сложных. 🟡Бенчмарки 🟢По сравнению с fp16-учителем (1.8B), деградация метрик всего ~4%. Это очень мало для 2-битного квантования. 🟢Разница в точности на сравнении с INT4 ничтожна - 0.13%, хотя весит модель в 2 раза меньше. 🟢Если взять плотную модель на 0.5B параметров, то HY-1.8B-2Bit обходит ее в среднем на 16-17%. На GSM8K разрыв вообще дикий: +22.29%. 🟢Prefill ускорился в 3-8 раз, генерация токенов - в 2-3 раза на поддерживаемом железе. 🟡Жирный нюанс Текущая реализация требует поддержки инструкций Arm SME2. Это значит, что вся эта красота заведется только на Apple M4 и MediaTek Dimensity 9500. Если у вас M1/M2 или Snapdragon прошлых поколений - пока мимо. Разработчики обещают подвезти Neon kernel позже. Кстати, GGUF тоже есть, так что если под рукой есть M4 - можно тестить. Остальным остается ждать оптимизации под старые инструкции. 🟡Модель 🟡GGUF 🟡Техотчет 🖥GitHub @ai_machinelearning_big_data #AI#ML#SLM#2bitQ#Tencent