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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #499 · 10.08

В массовых источниках информации пишут, что в Сочи сейчас дикие толпы людей на пляжах, и туда лучше не ехать. Но у нас пригород Сочи и выделенный пляж от отеля, толп вообще нет. Конечно, за это пришлось чуть больше заплатить (ненамного, учитывая в целом высокие сочинские цены), а ещё слегка потерять в инфраструктуре, но окупается полностью. И тут я подумал, а можно ли как-то объективно понимать разницу между издержками и выгодой? Не только с пляжами, вообще в жизни. Вот кто-то стоит в очереди в кассу метро, потому что лично для него это удобнее и комфортнее, чем учиться пользоваться автоматом. Можем ли мы отличать ситуации "Он выбирает то, что ему субъективно удобнее, отстаньте от него" и "Он совершает объективную ошибку, отказываясь тратить чуть больше усилий ради куда бОльшей выгоды впоследствии"? Если люди делают что-то, что вам кажется неудобным/неэффективным, то как понимать: это просто вариант личных предпочтений, или действительно людям стоило бы рассмотреть разные варианты? Допустим, кто-то не ест лук, но лук полезный, а ещё присутствует во многих блюдах. Почему бы такому человеку не терпеть личный дискомфорт от употребления лука ради объективно более удобного выбора? Чем это отличается от очередей в кассу вместо автомата, от вызова такси по телефону вместо приложений, от просмотра фильмов с рекламой по телевизору вместо стриминга? На мой взгляд ответ такой: если усилия нужно вкладывать единожды, либо непродолжительное время, но взамен ты получишь систематическую выгоду надолго или навсегда, то отказ от вложения усилий это объективная ошибка, а не вкусовое предпочтение. Например, ты один раз учишься пользоваться автоматом, и потом больше никогда не стоишь в очереди в кассу. Ты один раз платишь больше денег, и потом в течение многих дней не терпишь толпы на пляже. Ты один раз покупаешь паркинг, и потом никогда не ищешь часами место во дворе. При этом бывает и обратная ситуация: вот бросить курить очень сложно, в этом я верю курильщикам. Ты в течение многих месяцев вкладываешь значительные усилия, а потом до конца жизни так или иначе себя сдерживаешь, при этом выгода очень условная — трудно оценить, сколько лет тебе в итоге добавил отказ от курения. Разве что деньги на сигареты не тратишь, но вложения всё равно систематические. Так что выбор "не бросать курить" понятен. Другое дело, с этой точки зрения не понятен выбор "начинать курить", но это отдельный разговор. С луком аналогично: нельзя привыкнуть его есть, если ты его не любишь. Я вот за 32 года так и не привык, хотя периодически приходится: недавно в ресторане заказал пасту, и она почему-то оказалась с луком, а ведь по классическому рецепту не должна была. Наверняка, можно как-то более точно поделить. Не любые разовые усилия оправдываются даже систематической выгодой (пример: покупка автомобиля в городе, до сих пор очень спорная вещь). Но для меня граница лежит где-то тут. Однократная трата ресурсов для постоянного увеличения эффективности и/или комфорта — это форма автоматизации. #life

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #apachelicense

当前筛选 #apachelicense清除筛选
AI一线|ShareCentre

@ShareCentre · Post #7154 · 03.04.2026 г., 02:34

Google 发布 Gemma 4 开源模型:Apache 2.0 许可,31B 登顶 Arena AI 开源第三 Google DeepMind 于 4 月 2 日正式发布 Gemma 4,迄今最强大的开源模型家族。基于与 Gemini 3 相同的技术构建,专为高级推理和 Agent 工作流打造。全系列首次采用 Apache 2.0 开源许可,完全商用自由。 自初代发布以来,Gemma 已被下载超过 4 亿次,社区衍生出 10 万+变体。 ⚙️ 四款模型 - E2B(Effective 2B):手机/IoT 边缘设备,128K 上下文,支持文本+图像+视频+音频 - E4B(Effective 4B):手机/IoT 边缘设备,128K 上下文,支持文本+图像+视频+音频 - 26B MoE(混合专家):推理时仅激活 3.8B 参数,256K 上下文,Arena AI 开源第 6 - 31B Dense(稠密):最大化质量,256K 上下文,Arena AI 开源第 3,超越 20 倍参数量模型 🔑 核心能力 - 高级推理:多步规划与深度逻辑 - Agent 工作流:原生函数调用、结构化 JSON 输出、系统指令 - 代码生成:高质量离线代码,本地 AI 编程助手 - 多模态:全系列处理图像和视频,E2B/E4B 额外支持音频 - 140+ 语言原生训练 - Apache 2.0 许可:完全商用自由 📎 相关链接 官方博客:https://blog.google/innovation-and-ai/technology/developers-tools/gemma-4/ Google AI Studio:https://aistudio.google.com Hugging Face:https://huggingface.co/collections/google/gemma-4 Kaggle:https://www.kaggle.com/models?query=gemma-4&publisher=google #Google#Gemma4#开源模型#ApacheLicense#AI