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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #128 · 2.01

Стоило написать личный пост — минус один подписчик. Похоже, основная проблема в том, что люди, проголосовавшие за личный блог, не станут отписываться от технического. А вот наоборот — станут. Но пофигу. Мне давали разные советы, но у них было одно общее: рекомендовали писать чаще. Так что объявляю себе челлендж: пост каждый день. Буду дублировать ВКонтакте и в Телеграме. В общем, я вас задолбаю постами, лучше сразу отписывайтесь. 365 дней - 365 постов (или больше). При этом имеется ввиду бытовой день, а не астрономический — то есть в моем случае промежуток с 5:00 до 5:00, так что этот пост за 1 января. На текущий момент ВКонтакте 5791 подписчик. В среднем у поста там пара десятков комментариев и полсотни-сотня лайков. В Телеграме 224 подписчика, и у поста в среднем до десяти комментариев, то есть активность в 3-5 раз ниже. Моя цель посмотреть: 1. Влияет ли на прирост или убыль подписчиков частота постинга в Телеграме. 2. Было ли ошибочным решение вести канал как личный, а не тематический. 3. Что произойдет с активностью людей ВКонтакте от увеличения частоты постинга. Через год посмотрим. #web#life

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #pixtral

当前筛选 #pixtral清除筛选
GitHub Trends

@githubtrending · Post #15600 · 04.04.2026 г., 11:30

#python#apple_silicon#florence2#idefics#llava#llm#local_ai#mlx#molmo#paligemma#pixtral#vision_framework#vision_language_model#vision_transformer MLX-VLM lets you run, chat with, and fine-tune Vision Language Models (VLMs) plus audio/video models on your Mac using MLX—install easily with `pip install -U mlx-vlm`. Use CLI for quick text/image/audio generation (e.g., `mlx_vlm.generate --model ... --image photo.jpg`), Gradio UI for chats, Python scripts, or a FastAPI server with OpenAI-compatible endpoints supporting multi-images/videos. Features like TurboQuant cut KV cache memory by 76%, and LoRA/QLoRA fine-tuning works on consumer hardware. You benefit by experimenting with powerful multimodal AI locally—fast, memory-efficient, no cloud costs, perfect for Mac users tweaking models affordably. https://github.com/Blaizzy/mlx-vlm