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: #lmcache

当前筛选 #lmcache清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8027 · 11.07.2025 г., 12:05

🌟LMCache: умное кэширования для LLM-инференса. LMCache - проект, который предлагает решение по сохранению KV-кэша на CPU, диске или даже в специализированной памяти NIXL. По сути, это инструмент, который превращает одноразовые вычисления в многократно используемые блоки, экономя время и ресурсы. Представьте, что в чат-боте пользователи часто ссылаются на один и тот же системный промпт или историю диалога. Обычно модель заново обрабатывает эти данные, но LMCache просто загружает готовый кэш. Выгрузка KV-кэшей освобождает GPU для новых задач, уменьшая TTFT (время до первого токена) вплоть до 10 раз. 🟡LMCache гибкий. Кэши можно не только выгружать, но и делиться между разными инстансами LLM. Проще говоря, если два пользователя одновременно обращаются к разным копиям модели с одинаковым запросом, система не будет дублировать работу: результаты одного prefill’а станут доступны всем. Это работает даже для неполных префиксов, например, при частичном совпадении входных данных. 🟡LMCache умеет в раздельную предобработку. Prefill и decode, которые обычно выполняются на одном GPU, теперь могут быть разнесены: первый этап обрабатывается на мощных узлах, а второй на оптимизированных для генерации. Для распределенных систем такая техника повысит пропускную способность. Тесты разработчиков проекта показывают, что в реальных задачах задержка снижается в 3–10 раз, а GPU-циклы экономятся на повторных вычислениях. Проект тесно интегрируется с vLLM, в репозитории есть большой набор с примерами, документация и советы по установке и настройке. ⚠️Калькулятор KV-кеша с выбором модели, ее типа данных и количества токенов, который поможет прикинуть, сколько VRAM можно сэкономить. 📌Лицензирование: Apache 2.0 License. 🖥Github @ai_machinelearning_big_data #AI#ML#LLM#LMCache#KVCache#Github