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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #282 · 4.04

В ВК ноль человек прислали ответы, в Телеграме шестеро. При этом в ВК у поста 733 просмотра, а в Телеграме 230 просмотров. Время постинга одинаковое, содержание тоже идентичное. Сначала я хотел сказать что-то вроде "Аудитория ВК меньше любит задачки на подумать, чем аудитория Телеграма", но, пожалуй, честнее будет сказать так: ВК показывает пост той аудитории, которая меньше любит задачки на подумать. Что, конечно, очень странно, учитывая, что весь мой остальной блог для гиков и интеллектуалов в основном. Вообще, обсуждений в Телеграме стало больше, а в ВК меньше. Возможно, на фоне событий люди больше опасаются писать в ВК что угодно, даже не связанное с политикой. Но навскидку мне кажется, что падение доли обсуждений тут началось раньше. Хотя в январе на старте их было больше. Ещё и канал в Телеграме растёт быстрее, чем подписчики ВК, даже если считать по абсолютным цифрам. По относительным Телеграм вообще на три порядка быстрее, чем ВК: в телеге прирост 96%, а в ВК только 0.2%. При этом удобство оформления и чтения до сих пор в ВК значительно выше, чем в Телеграме. А на фоне блокировок активность людей в ВК заметно повысилась — я вижу, что больше стало Историй, статистика сообществ тоже растёт. Пока выводы такие: какая-то аудитория в ВК есть, но целевой или нет, или соцсеть не умеет ей предлагать подходящий контент. Продолжаем наблюдения. #web P.S. Вот график из статистики ВК. Создаётся иллюзия, будто рост есть, но если внимательно посмотреть на цифры, станет всё понятно. Классический обман с масштабом оси Y.

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