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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #270 · 25.03

Apple всё-таки отключает русские карты от Apple Pay, в том числе "Мир". Когда я несколько дней назад писал о смене платёжного приложения, я думал, что они уже отключили, и поиронизировал тогда над пользователями яблок. Но вы меня поправили, "Мир" действительно работали в Apple Pay внутри страны. А теперь вот, получается, и правда отключили. Конкретно это решение компании Apple такое же истерически-конформистское, как и решения других западных компаний. Google вон вообще сразу русские карты в Google Pay выключил. Но я хочу всё-таки заострить внимание на запрете со стороны Apple использовать на айфонах любые другие платёжные приложения, кроме Apple Pay. Этот запрет не распространялся конкретно на Россию и не введён недавно, это просто часть общей идеологии компании: мы лучше знаем, как причинить тебе добро. Это всё ради твоей же безопасности (знакомая риторика, кстати?). Закрытость проявляется и в других вещах: не так то просто поставить на айфоне стороннее приложение не из магазина, не так то просто получить доступ к файловой системе. Именно эту привязку к своей экосистеме, а значит и возможность диктовать свои условия, я отмечал в своём давнем выпуске подкаста с рассказом о том, почему перешёл с iPhone на Android ещё в прошлом году. Глобально, конечно, мы от монополий никуда не уйдём, а у компаний всегда будет возможность навязывать свою идеологию под угрозой отключения каких-то услуг или сервисов. Sony даже нарушили собственную Terms Of Service, чтобы отключить русскоязычные аккаунты от PS Store (в том числе в Армении, Грузии, Казахстане, Сингапуре и т.д.). Власть монополий это, пожалуй, одна из главных проблем капитализма, и антимонопольные меры, принятые в большинстве стран, по факту с этим справляются очень плохо. Но там, где есть выбор, стоит всё-таки стараться выбирать максимально независимые решения. Конечно, у них будут проблемы. Как правило независимые решения сложнее в настройке и обращении, чем предварительно разжёванные корпорацией. А ещё вы можете думать, что совершенно точно всю жизнь собираетесь разделять идеологию и решения вашей любимой корпорации (такая религиозность, кстати, нередко свойственна как раз фанатам Apple). Тут мне вспоминается сюжет из 1984, когда у главного героя коллега, совершенно преданный системе, всё равно попал в тюрьму, потому что был слишком умён, а, значит, представлял для системы угрозу. Фантасты, кстати, нередко пророчат корпорациям превращение в государства в будущем. По мне так очень вероятный сценарий. Граница между политикой и крупнейшим бизнесом уже сейчас максимально размыта. #life#gadgets

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