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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #723 · 28.12

GamesIndustry подвели итоги рынка видеоигр за 2022 год. Любопытно и то, что рынок в целом упал на 4.3% относительно прошлого года, и некоторые детали. Например, внезапно выросли PC-игры на фоне падения консолей и мобилок. И уход консолей из России не мог так сильно повлиять, как ни крути. Это какая-то более общая тенденция. С чем такое может быть связано? Людям надоели однообразные ААА-тайтлы, и они стали больше играть в инди? Предсмертная агония крипты наводнила рынок дешёвыми видеокартами? Интересно, что будет ещё через год, неужели нас ждёт реинкарнация ПК-гейминга? Я последние годы был лютым сторонником консолей, но ситуацию с ними для русских вы и сами знаете, так что вот я обзавёлся 4090 и собираюсь с консолей потихоньку уходить. Прикольно, если и остальной мир (по другим причинам) тоже начнёт возвращаться на ПК. Ещё кстати зацените разрыв между продажами игр на дисках и в цифре. Диски для ПК вообще нет никакого смысла выпускать, только впустую материалы тратить. У меня в последних трёх или четырёх компьютерах не было привода даже. С консолями сложнее, конечно: там игры дорогие, и многие обмениваются дисками. Ну и нельзя не посетовать очередной раз на 50% мирового дохода с мобилок. Это как если бы продажи алкоголя превышали продажи всей остальной еды вместе взятой. Впрочем, просадка мобильного рынка почти самая большая, возможно, у этого человечества ещё есть шанс. Источник. #games

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #unifiedembedding

当前筛选 #unifiedembedding清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8801 · 17.10.2025 г., 10:13

⚡️ Omni-Embed-Nemotron - новая единая модель от NVIDIA для поиска по тексту, изображениям, аудио и видео Модель обучена на разнообразных мультимодальных данных и может объединять разные типы входных сигналов в общее векторное представление. - Поддержка всех типов данных: текст, изображение, аудио, видео. - Основана на архитектуре Qwen Omni (Thinker-модуль, без генерации текста). - Контекст - до 32 768 токенов, размер embedding — 2048. - Оптимизирована под GPU, поддерживает FlashAttention 2. Это делает её идеальной для: - кросс-модального поиска (поиск текста по видео или изображению); - улучшения RAG-проектов; - систем мультимодального понимания контента. Просто, быстро и эффективно - всё в одном открытом решении. 🌐 Открытая модель: https://huggingface.co/nvidia/omni-embed-nemotron-3b @ai_machinelearning_big_data #crossmodal#retrieval#openAI#NVIDIA#OmniEmbed#multimodal#AIModels#OpenSource#Search#UnifiedEmbedding