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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1221 · 11.03

Бизнесы и некоторые блогеры сейчас кинулись делать каналы в ВК (да, такие есть). У меня практически каждый день приходит уведомление то от очередного издательства настолок, то от какого-нибудь независимого автора, что типа вот смотрите, теперь вам в личку ВК будем спамить. Я, конечно, отклоняю. Безотносительно того, что сам ВК мёртв, каналы там кажутся одной из наименее жизнеспособных идей, потому что они берут из Телеграма единственный ключевой недостаток — неструктурированную подачу информации, склонную к порождению большого числа очагов мусора (и как следствие точек контроля, если вы занимаетесь информационной гигиеной). Получается, что каналы ВК это если взять каналы в Телеграме и оставить у них только серьёзные телеграмные проблемы UX, но не добавить, например, телеграмное доверие людей к площадке и телеграмный же акцент на понятной core-функциональности, позволяющий приложению быть относительно минималистичным (с поправкой на тягу Дурова к рюшечкам для детей). Взяли только самое плохое. Зачем? Тем не менее, вопрос о том, куда переходить бизнесам, и тем людям, которым неудобен впн 24/7, остаётся. В максе, прости господи, (даже если представить, что им кто-то начал пользоваться), слишком странные правила по созданию каналов. Я, например, могу туда прийти только как ИП Пешехонов Денис, а короткий адрес канала у меня будет сгенерированным, что-то типа user12345. Пора поднимать ActivityPub-сервер, получается? #web@clockstackwheels

Hashtags

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

🚀 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