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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #357 · 25.05

Я до апреля к каждому посту ВКонтакте оставлял комментарий со ссылкой на свой Телеграм-канал. Но потом от администрации ВК появились намёки о том, что в соцсети готовится какое-то нововведение для авторов текстов. И я перестал. Решил: раз они предлагают что-то авторам, будет не слишком честно уводить пользователей, продолжу писать без всяких ссылок. Однако, прошло два месяца, никаких изменений нет. ВК выпустили отдельный мессенджер и, кажется, отдельное приложение с Клипами (по непонятной мне причине не убрав назойливую вкладку в основном приложении ВК). Но с классическими блогами всё по-прежнему довольно плохо. Мои посты стабильно собирают лайки и обсуждения, некоторые люди говорят мне, что им интересно читать. Однако, подписчики ВК не только не растут, а даже чуть-чуть снижаются. При этом, когда я публиковал к каждому посту ссылку на Телеграм, там аудитория увеличивалась довольно активно. Это поразительно: ВК не справляется с тем, чтобы наращивать подписчиков внутри себя, но отлично справляется с тем, чтобы наращивать подписчиков в Телеграме. Как это вообще работает? Это же противоположность от того, как следует функционировать хорошей соцсети — она должна эффективно удерживать людей внутри себя, а она эффективно отдаёт людей наружу :) Это так нелепо, на грани смеха и слёз. Один из моих подписчиков по этому поводу написал: «Сейчас такой момент, когда им бы по-хорошему провести какой-нибудь ребрендинг, обновить дизайн (привет дизайнерам инсты и её "новой" иконке), ввести фичи новые. Они вроде апгрейдят ВК, но почему-то выглядит это, как сарай, в котором поставили плазму и показывают тик-токи». На мой взгляд прям очень точная фраза. Я каждый день вижу, как люди сюда реально возвращаются, но при этом ни постов толком не пишут, ни активности никакой не ведут. ВК просто фантастически упускает шанс стать действительно основной русскоязычной блог-платформой. Судя по поведению команды Телеграма, нас не ждут в ближайшее время никакие средства дискавери или система рекомендаций. Люди из Телеграма систематически продолжают писать в ВК о своих Телеграм-каналах, потому что собственные возможности Телеграма по приведению аудитории находятся на дне. И на этой невероятно плодородной почве ВК занимается вертикальными видео для школьников. #web

Hashtags

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