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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #159 · 13.01

На следующее утро я приехал за час до открытия, чтобы занять очередь на улице. Я был вторым после парня с деталью для мотоцикла (мы уже были знакомы с предыдущего дня). Передаю привет и благодарность своему другу Василию, который в свой выходной приехал меня поддержать и помочь при необходимости прятаться от холода в машине. Иронично, но Вася приехал чуть раньше, и его пустили внутрь, а я стоял снаружи ещё полчаса :) Пока ждали, мы по просьбе сотрудников помогли разгрузить машину почты. Вот вам безопасность: ничто не мешало нам схватить и унести любую посылку как из машины, так и со склада, куда нас пустили (хотя половину посылок выложили в коридоре). И никто, конечно же, не проверял, как мы с коробками обращаемся, несмотря на то, что половина из них пестрила надписями FRAGILE!!! MOVE WITH CARE!!! Ха-ха. Таможня открылась по расписанию. К этому моменту в списке было уже более десяти человек, и почти всех я знал. Я смог отдать документы в окно в начале одиннадцатого. Приставка обошлась мне в 529 фунтов стерлингов, мне нужно было подтвердить эту цену и написать объяснительную о том, что я купил её для личного пользования. Я так и написал: «Для личного пользования». — Пишите конкретно, что именно вы с ней будете делать. — Но это же приставка, что я с ней могу делать? Играть. — Вот и пишите. «Чтобы играть в видеоигры», — дописал я. — Я в интернете не вижу таких цен. По 75 тысяч стоят и больше. Вы занизили стоимость. — Девушка, это дефицитный товар. Его официальная цена вообще 40 тысяч, а вы смотрите у перекупщиков. Вот у меня распечатка из банка, вот распечатка из магазина, что я именно за эту цену и купил. — Вы могли по частям платить! В итоге я её убедил, но пришлось сбегать в соседний копицентр и сделать распечатку нескольких дополнительных страниц с eBay. Пока я бегал в соседний квартал, я не задерживал очередь, потому что в эти 30 минут мне как раз оформляли платёжный ордер из двух бумажек. Ага. — У вас вес 6.8 кг, так не может быть. — Но это большая приставка, в ней электроника, металлические детали. — Я разбираюсь в этом, не может приставка столько весить! — Девушка, давайте при вас распакуем, и я обещаю, заберу оттуда только коробку с приставкой. <...> — Я нашла, что вы ИП и занимаетесь разработкой игр. Значит, приставка вам может быть нужна для профессиональной деятельности. Ещё минут 10 я отбивал этот аргумент. Думаю, у неё не было иллюзий на этот счёт, просто хотелось позатягивать время и принять поменьше клиентов. Около одиннадцати я, заплатив пошлину, получил заветный документ, разрешающий выдачу. К этому моменту я был готов отдать любые деньги, предоставить любые документы, станцевать и спеть. А ещё я был готов никогда больше ничего не покупать за границей. У нас ведь такая прекрасная страна, импортозамещение, зачем вам эта Европа? Оставляйте деньги внутри, с них налоги идут куда надо. На работу доблестной таможни, например. Передавая мне посылку, сотрудница почты уронила две другие, которые стояли сверху. Коробки размером с микроволновку каждая упали на пол со смачным неупругим ударом. «...WITH CARE», — прочитал я краем глаза на одной из них. А потом вышел из отделения, крикнув через плечо: «Вычеркивайте в списке второй номер!». На часах было 11:06. #life

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