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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #198 · 1.02

Ровно месяц пишу посты в ВК и в Телеграм каждый день. Заметил, что: — в ВК очень много активности людей, сильно больше, чем в Телеграме: комментарии, лайки, репосты, прямо активизировалось; — но в Телеграме хоть и скудно, однако подписчики приходят, а в ВК с этим всё очень плохо. Вывод пока такой: ВК, судя по охватам, периодически крутит меня на широкую аудиторию, но этой аудитории пофигу. Ей либо не интересно, либо уже никто не воспринимает подписку ВК как существующее действие. Просто не знают люди, что это значит — подписаться на чью-то личную страницу ВК. Однако та аудитория, которая уже меня читает, с удовольствием вступает в диалоги, лайкает, репостит, и вообще явно скучает по какой-то такой сетевой активности. Это приятно, встречается прям очень много классных обсуждений, и даже на скользкие темы люди говорят в основном без перехода границ вежливости. В Телеграме же народ в среднем пассивнее, но зато подписка воспринимается нормально. Возможно как раз эта самая читающая аудитория из ВК потихоньку перетекает в Телеграм, но пока ещё не привыкла активно комментировать там. Хотя, надо признать, что механизм комментариев к каналам в Телеграме сделана очень плохо и неудобно, это тоже может останавливать. Ещё за этот месяц я поучаствовал в одном обсуждении у знакомой в ВК, и там прям параллельная вселенная — люди примерно моего возраста на полном серьёзе утверждали, что активность среди пишущих друзей у них ВК не упала за последние годы, а что такое этот наш Телеграм они знать не хотят. Впрочем, там же были фразы типа «Каналы это неудобно, потому что в них нет обсуждений», то есть да, народ из прошлого. Но сам факт, что есть ещё где-то подобные пузыри, удивил. Эксперимент продолжаем. #web

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #smallmodel

当前筛选 #smallmodel清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8975 · 12.11.2025 г., 13:03

⭐VibeThinker-1.5B - миниатюрная модель, которая показывает SOTA-результаты в задачах рассуждения. 🚀Производительность: одна из лучших на AIME24/25 и HMMT25 - превосходит DeepSeek R1-0120 по математическим задачам и опережает модели такого же размера в соревновательном программировании. ⚡Эффективность: всего 1.5B параметров. то есть в 100–600 раз меньше, чем гиганты вроде Kimi K2 и DeepSeek R1. 💰Стоимость: полный пост-тренинг обошёлся всего в $7.8K, примерно в 30–60 раз дешевле, чем у DeepSeek R1 или MiniMax-M1. Модель основана на Spectrum-to-Signal Principle (SSP) и MGPO-фреймворке, оптимизирующих процесс рассуждения. 📦Model:https://huggingface.co/WeiboAI/VibeThinker-1.5B 💻GitHub:https://github.com/WeiboAI/VibeThinker 📄Arxiv:https://arxiv.org/abs/2511.06221 @ai_machinelearning_big_data #AI#LLM#Reasoning#OpenSource#SmallModel