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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #549 · 9.09

Скорость полёта FPV-дрона зависит от многих параметров, но управляется наклоном курсовой камеры. В самом деле — для создания горизонтальной тяги дрон летит "носом вниз", поэтому камеру, наоборот, задирают вверх относительно плоскости корпуса. У Nazgul из коробки угол камеры довольно большой, на что я сначала не посмотрел. В общем, видео ниже без ускорения. Совсем. Учитывая, что это мой первый FPV-полёт на настоящем дроне без автоматики, можете представить, как было страшно. И по ощущениям страшно, и за дрон тоже (падение в болото это с высокой вероятностью потеря дрона). Страшно, но кайфово. Контроль достаточно тонкий, а обзор достаточно погружающий, чтобы пилот ощущал именно себя несущимся куда-то на дикой скорости. И на подобных открытых пространствах это особенно сильно проявляется. Я после этого чуть-чуть полетал вблизи городской местности и над постройками — совсем не то. Совершенно новые впечатления. Более крутые, чем от DJI, который относительно медленный в рамках FPV и более тяжёлый, из-за чего у него выше инерция. Но приземляться пока не умею, сложно. Как раз из-за угла камеры землю под собой ты не видишь при движении на небольшой скорости, так что надежда только на его прочность и способность выдерживать падения с небольшой высоты, которые у меня вместо посадки пока что. Нужно больше учиться. Но угол камеры я чуть уменьшил. Наберусь опыта, тогда верну :) https://www.youtube.com/watch?v=OAasFai9b3U #drone#hobby#gadgets

Резултати

Намерени 1 подобни публикации

Търсене: #efficientmodels

当前筛选 #efficientmodels清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8519 · 11.09.2025 г., 18:21

🚀 Релиз:Qwen3-Next-80B-A3B - эффективная модель заточенная на работа работу с очень длинным контекстом! 🔹80B параметров, но активируется только 3B на токен → тренировка и инференс 10x дешевле и быстрее, чем у Qwen3-32B (особенно при 32K+ контексте). 🔹Гибридная архитектура: Gated DeltaNet + Gated Attention → сочетает скорость и точность. 🔹Ultra-sparse MoE: 512 экспертов, маршрутизируется 10 + 1 общий. 🔹Multi-Token Prediction → ускоренное speculative decoding. 🔹 По производительности обходит Qwen3-32B и приближается к Qwen3-235B в рассуждениях и long-context задачах. 🟢Qwen3-Next-80B-A3B-Instruct показатели почти на уровне 235B flagship. 🟢Qwen3-Next-80B-A3B-Thinking превосходит Gemini-2.5-Flash-Thinking. ▪Попробовать: https://chat.qwen.ai ▪Анонс: https://qwen.ai/blog?id=4074cca80393150c248e508aa62983f9cb7d27cd&from=research.latest-advancements-list ▪ HuggingFace: https://huggingface.co/collections/Qwen/qwen3-next-68c25fd6838e585db8eeea9d ▪ ModelScope: https://modelscope.cn/collections/Qwen3-Next-c314f23bd0264a ▪Kaggle: https://kaggle.com/models/qwen-lm/qwen3-next-80b ▪ Alibaba Cloud API: https://alibabacloud.com/help/en/model-studio/models#c5414da58bjgj @ai_machinelearning_big_data #AI#LLM#Qwen#DeepLearning#MoE#EfficientModels#LongContext#Reasonin