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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #597 · 15.10

Я таки упросил VK включить мне новый дизайн (спасибо). Иронично, что его включили куче моих друзей: тем, кто не ведёт страницу, тем, кому пофиг, и даже тем, кто ненавидит редизайны. А мне не включили сразу, хотя я люблю редизайны и веду в VK блог. Ну, минус в том, что это опять калька с Фейсбука. Конечно плохо: у ребят из ВК точно много своих идей, непонятно, почему до сих пор копируется с FB, который прям очень очень плох по визуалу и удобству, почти худший крупный сервис в современном интернете. Тем не менее, конкретно обложка для профилей мне понравилась на Фейсбуке ещё 10 лет назад, когда я её впервые увидел. И очень хорошо, что VK сейчас сделал акцент на контенте. Не знаю, обозначает ли это начало каких-то более масштабных изменений, чтобы возродить текстовые блоги (кажется, их потенциальную аудиторию из ВК прогнали почти всю). Есть предположение, что визуальным изменением профилей всё и закончится, а ленты всё так же будут забиты пабликами, и взрослые люди, включая сотрудников самого ВК, всё так же будут постить и комментировать в Instagram/Telegram. Конкретно тут я бы убрал нафиг блок с подарками — не нужен. "Подписчики" теперь смешаны с друзьями, это сбивает, хотя привычная концепция друзей в соцсетях давно умерла. А вот в блоке "подписки" ставил бы индивидуальных авторов выше, чем паблики. Ну и, конечно же, отовсюду удалять "Клипы" обязательно. #web

Hashtags

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