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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #516 · 25.08

Сегодня DJI представили свой новый FPV-дрон под названием Avata. Слухи о нём были уже давно, в сеть полностью слили и его дизайн, и характеристики, так что сегодняшний анонс скорее формальность. Хочу отметить, насколько хорошо DJI проводит работу над ошибками. Мало какая крупная компания с каждым новым релизом умудряется исправить большинство критических косяков, на которые жаловались пользователи в предыдущих версиях. DJI явно мониторит комментарии сообщества и следит за отзывами. Самые серьёзные недостатки DJI FPV (первой версии FPV-дрона от них): - большой вес, из-за чего низкая маневренность - плохое качество камеры - небольшой угол обзора камеры, причём даже в такой небольшой иногда попадали винты - плохая система стабилизации Из-за трёх последних пунктов владельцы DJI FPV, и я в том числе, крепят на него сверху дополнительно GoPro, что усугубляет первый пункт и сильно уменьшает полётное время. В Avata исправили абсолютно всё: он лёгкий и манёвренный, по первым обзорам качество камеры значительно улучшили, угол тоже увеличили, и полностью переработали систему стабилизации RockSteady 2.0: теперь она тоже использует гироскоп, судя по наличию в ней режима выравнивания горизонта. Ещё из крутых вещей: новые лёгкие и более компактные очки, в которых (наконец-то!) подумали о людях с близорукостью и сделали регулировку линз; защёлка от выпадения кабеля питания очков (реально бесило); встроенная память на 20Гб. Кстати, очень характерно, что новый дрон идёт в комплекте с Motion Controller'ом, а привычного пульта вообще нет. Управлять FPV-дроном с обычного пульта можно только после обучения. Видимо, в компании подумали, что опытные люди и так купят себе нужное оборудование. Что касается Motion Controller (это такой джойстик, который двигаешь прямо в воздухе, направляя дрон в нужную точку), у меня такой есть, и он меня совершенно разочаровал — чувствительность не настолько высокая, чтоб прям летать крутые траектории, которые возможны при управлении пультом. Не знаю, улучшен ли хоть как-то этот момент в Avata, нужно ждать подробных обзоров. В любом случае, это крайне серьёзное заявление на конкуренцию с FPV-миром. Первый DJI FPV был пробой пера: он не подходил профессионалам из-за своей тяжести и неповоротливости, а новичкам было слишком дорого его разбивать. Avata же наверняка станет интересна и тем, и другим. Пожалуй, самый серьёзный возможный косяк это отсутствие взломов прошивки на разблокировку мощности передатчика. В FPV критически важно иметь стабильную связь, но в ряде стран иметь мощный передатчик запрещено, поэтому его душат на уровне прошивки. Душат сильно, летать буквально практически невозможно. Появляются народные способы взломать прошивку, но по непонятной причине компания DJI с ними борется. Хотя наличие способа взлома не нарушает никаких законов, зато многократно увеличивает привлекательность покупки для людей за пределами США и ещё пары стран, где разрешены мощные передатчики. Ну и очки. Большие очки, которые у меня, кроме DJI умеют соединяться с дронами других производителей, и поэтому иметь такие очки удобно, даже если ты не покупаешь дрон от DJI. Если новые очки будут поддерживать только Avata и ничего больше, то их полезность даже при их удобстве становится более сомнительной. Посмотрим. #drone#gadgets

Резултати

Намерени 1 подобни публикации

Търсене: #lmcache

当前筛选 #lmcache清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8027 · 11.07.2025 г., 12:05

🌟LMCache: умное кэширования для LLM-инференса. LMCache - проект, который предлагает решение по сохранению KV-кэша на CPU, диске или даже в специализированной памяти NIXL. По сути, это инструмент, который превращает одноразовые вычисления в многократно используемые блоки, экономя время и ресурсы. Представьте, что в чат-боте пользователи часто ссылаются на один и тот же системный промпт или историю диалога. Обычно модель заново обрабатывает эти данные, но LMCache просто загружает готовый кэш. Выгрузка KV-кэшей освобождает GPU для новых задач, уменьшая TTFT (время до первого токена) вплоть до 10 раз. 🟡LMCache гибкий. Кэши можно не только выгружать, но и делиться между разными инстансами LLM. Проще говоря, если два пользователя одновременно обращаются к разным копиям модели с одинаковым запросом, система не будет дублировать работу: результаты одного prefill’а станут доступны всем. Это работает даже для неполных префиксов, например, при частичном совпадении входных данных. 🟡LMCache умеет в раздельную предобработку. Prefill и decode, которые обычно выполняются на одном GPU, теперь могут быть разнесены: первый этап обрабатывается на мощных узлах, а второй на оптимизированных для генерации. Для распределенных систем такая техника повысит пропускную способность. Тесты разработчиков проекта показывают, что в реальных задачах задержка снижается в 3–10 раз, а GPU-циклы экономятся на повторных вычислениях. Проект тесно интегрируется с vLLM, в репозитории есть большой набор с примерами, документация и советы по установке и настройке. ⚠️Калькулятор KV-кеша с выбором модели, ее типа данных и количества токенов, который поможет прикинуть, сколько VRAM можно сэкономить. 📌Лицензирование: Apache 2.0 License. 🖥Github @ai_machinelearning_big_data #AI#ML#LLM#LMCache#KVCache#Github