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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #379 · 11.06

Я попробовал Whoosh с подпиской, и да: кнопка включения страховки запоминает своё положение. То есть без подписки она всегда сама переключается в активное состояние, поэтому, если забудешь её отжать (каждый раз при аренде самоката!), заплатишь лишние 35 рублей. Но с подпиской стоит один раз её выключить, она в таком состоянии остаётся. Давно ли мы стали платить деньги за отключение тёмных паттернов и за то, чтобы сервис вёл себя не по-мудачески? В новостях вовсю рассказывают про платную подписку Telegram. В премиум-функциях будет, например, удвоение размеров пересылаемых файлов. Дуров написал у себя что, дескать, это всё для поддержания инфраструктуры: на платные функции расходуется больше ресурсов, поэтому они и платные. Если функция расходует ресурсы компании, то её платность это совершенно нормально. Именно так и должны работать платные подписки. Например, отключение рекламы за деньги это вполне хорошо и справедливо: компания зарабатывает на рекламе и оплачивает с этих денег свою инфраструктуру, если вы отключаете рекламу, а инфраструктурой пользуетесь, то вы расходуете ресурсы компании, поэтому с вас логично и правильно брать деньги. До санкций я платил за YouTube без рекламы (впрочем, сейчас он без рекламы бесплатный получается). И я бы платил, например, за ВК без рекламы. Может, уже не сейчас, но в лучшие времена этой соцсети. Однако, брать деньги просто за то, чтобы перестать делать неудобно — это мудачество, если удобство не расходует дополнительных ресурсов. Дуров упомянул о поддержке инфраструктуры, но почему-то забыл сказать, что, например, 10 закреплённых чатов вместо 5 это тоже платная функция, хотя никаких дополнительных ресурсов не расходует. Закреплённость чата это, скорее всего, один бит, который и так у всех чатов уже есть, просто нулевой. Но даже если нет, дополнительные "расходы" на это совершенно ничтожны. Больше закреплённых чатов — та функция, которую много людей просили в течение последних нескольких лет. Огромной доле пользователей Телеграма неудобно с пятью чатами, но команда годами не увеличивала этот лимит, а теперь вот такая возможность войдёт в платную подписку. По сути своей это ничем не отличается от того, что Whoosh в бесплатном тарифе делает неудобную и назойливую кнопку страховки, а в платном приводит её к тому нормальному состоянию, в котором она по идее и так должна быть. #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