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 3 подобни публикации

Търсене: #quantization

当前筛选 #quantization清除筛选
GitHub Trends

@githubtrending · Post #14747 · 25.05.2025 г., 11:30

#python#deep_learning#intel#machine_learning#neural_network#pytorch#quantization Intel Extension for PyTorch boosts the speed of PyTorch on Intel hardware, including both CPUs and GPUs, by using special features like AVX-512, AMX, and XMX for faster calculations[5][2][4]. It supports many popular large language models (LLMs) such as Llama, Qwen, Phi, and DeepSeek, offering optimizations for different data types and easy GPU acceleration. This means you can run advanced AI models much faster and more efficiently on your Intel computer, with simple setup and support for both ready-made and custom models. https://github.com/intel/intel-extension-for-pytorch

GitHub Trends

@githubtrending · Post #15091 · 24.08.2025 г., 11:30

#python#comfyui#diffusion#flux#genai#mlsys#quantization Nunchaku is a fast and efficient engine that runs 4-bit neural networks using a special method called SVDQuant, which compresses models to use less memory and speed up processing by 2 to 5 times compared to older methods. It supports advanced AI models for tasks like high-quality text-to-image generation and image editing, working best on modern NVIDIA GPUs. You can easily install and use it with ComfyUI, and it has active community support on Slack, Discord, and WeChat. This means you can generate or edit images quickly with less computing power, saving time and resources. It also offers tutorials and example workflows to help you get started smoothly. https://github.com/nunchaku-tech/ComfyUI-nunchaku

GitHub Trends

@githubtrending · Post #15385 · 02.01.2026 г., 12:30

#python#deep_learning#inference#openai#quantization#speech_recognition#speech_to_text#transformer#whisper Faster-Whisper is a fast version of OpenAI's Whisper that transcribes audio up to 4x quicker with the same accuracy, using less memory on CPU or GPU—benchmarks show it beats original Whisper (e.g., 1m03s vs 2m23s for 13-min audio on GPU). Install via `pip install faster-whisper`, no FFmpeg needed, and use simple Python code like `WhisperModel("large-v3").transcribe("audio.mp3")` for segments with timestamps. You benefit by getting quick, efficient speech-to-text for real-time apps, saving time and resources on long files or batches. https://github.com/SYSTRAN/faster-whisper