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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #111 · 14.12

Поставил себе дома NAS-хранилище Synology DS220+, и весьма кайфую от его удобства. Вообще, изначально я был настроен скептически к таким устройствам. Хранить много данных у себя дома мне казалось ненадёжным: сколько бы вы RAID-массивов не ставили, условный пожар в доме уничтожает весь ваш фотоархив. Но даже если хочешь хранить, купи ещё пару винтов в компьютер, делов то. Мультимедийные возможности таких приставок тоже сильно уступали отдельно стоящему компьютеру. Помню, несколько лет назад смотрел, как друг безуспешно пытается запустить там видео, закодированное редким кодеком. Однако, с появлением коптера места в облаке перестало хватать. К тому же, я подсел на стриминги, это изменило мои привычки. Можно качать отсутствующий фильм с торрентов, но я всё ещё хочу смотреть кино, сидя на диване перед телевизором. Сейчас уже ни одно устройство не записывает видео, которое невозможно было бы воспроизвести средствами NAS. А местный софт позволяет просто с телефона кинуться в специальное приложение магнет-ссылкой или торрент-файлом, и хранилище автоматически скачает фильм в нужную папку, после чего он будет доступен на всех телевизорах, телефонах и планшетах в доме, а при должной настройке ещё и из внешнего интернета. То есть да — я сижу в Москве в отеле с не слишком быстрым вайфаем, даю команду девайсу, стоящему дома в другом городе, через 5 минут 10-гигабайтное кино уже доступно мне стримом на телефон или ноутбук (дома сеть 400 мегабит). Ну и хранение. Идеально именно для сырых материалов со всяких съёмок: ценность их не критически высока, а места занимают много. Покупать для такого облако жалко, но иметь к ним доступ иногда нужно весьма неожиданно. Чем это лучше просто компьютера, настроенного определённым образом: - Устройство спроектировано специально для того, чтобы быть непрерывно включенным. - Занимает мало места. - Не шумит, не греется, пыль в себя не втягивает. - Весь нужный софт сразу из коробки, без возни, настраивается элементарно, работает отлично. #gadgets

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