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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #726 · 30.12

При этом якобы пять тысяч подписчиков в VK это шум — подавляющего большинства этих людей нет, никакой активности они не проявляют никогда, и, думаю, даже не заходят читать ленту, а "подписаны" на меня в результате какого-то случайного клика. Поэтому вполне возможно, что именно небольшая живая часть подписчиков действительно выросла. Не так заметно, как в Телеграме, но прибавившаяся сотня человек по моим оценкам содержит куда бОльший процент настоящих людей, чем эти изначальные 5700. Ещё в Телеграме хорошо заметно непрерывное линейное падение с периодическими ступеньками роста (случайные репосты моих записей). Это падение вызвано серьёзным UX-просчётом, о котором я неоднократно писал: Телеграм наказывает автора за посты. Ну и, стоит отметить, что в VK всё ещё удобнее сам по себе механизм публикации. Единственное преимущество Телеграма это форматирование. У VK при этом нет тупых лимитов на длину текста и есть возможность прикреплять к посту фотографии без костылей. Я пишу этот текст именно в VK, чтобы потом скопировать в Телеграм, а не наоборот. По активности людей на удивление примерно одинаково. В умирающем VK нашёлся островок активных взрослых, которые меня читают. В среднем десятки лайков и комментариев к каждому посту, и там, и там. Кстати, этот показатель особо не изменился, и рост подписчиков на него не повлиял. Видимо, в обсуждениях участвуют в основном люди, которые уже давно меня знают. Так что, сделать однозначный выбор я не могу. VK удобнее. Но в TG взрослые. Однако, в TG абсолютно нет органического роста, если вы не пишете на одну и ту же тему или не словили хайп, набрав нужную критическую массу в удачный момент, то ваш единственный путь это неофициальный рынок платных репостов переводом на карту — говно полное, не хочу с этим связываться. Но в VK каждая новая инициатива это снова какая-то фигня либо для детей либо для отчётов и заголовков. Но в TG разработчики открыто клали хер на авторов с большой горы: годами не делают даже банальное прикрепление фото или, скажем, удобную форму ввода длинных текстов. Канал это всё ещё чат-монолог со всеми вытекающими. Но в VK неприятная атмосфера с вытеснением чего-то конструктивного в пользу одноразового контента для определённой прослойки пользователей. Видимо, пора переходить на короткие вертикальные видео. #web

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #2bitq

当前筛选 #2bitq清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #9516 · 13.02.2026 г., 15:23

🌟Tencent сжали 1.8B модель в 2 бита: 600 МБ веса и Dual-CoT на борту. Tencent Hunyuan выкатили open-source решение для тех, кто хочет запускать LLM локально на кофеварке. HY-1.8B-2Bit - модель, которую утрамбовали так плотно, что она занимает меньше места, чем многие современные мобильные приложения. Модель пилили методом Quantization-Aware Training, который в отличие от PTQ, позволяет адаптироваться к низкой разрядности весов еще на этапе тренировки. За основу взяли backbone Hunyuan-1.8B-Instruct и жестко сжали веса до 2 бит. При этом эффективный размер в памяти получился эквивалентен модели на 300М параметров, а физический вес получился всего 600 МБ. Что самое ценное - сохранили фичу Dual-CoT: модель умеет переключаться между быстрым мышлением для простых тасков и глубоким long-CoT для сложных. 🟡Бенчмарки 🟢По сравнению с fp16-учителем (1.8B), деградация метрик всего ~4%. Это очень мало для 2-битного квантования. 🟢Разница в точности на сравнении с INT4 ничтожна - 0.13%, хотя весит модель в 2 раза меньше. 🟢Если взять плотную модель на 0.5B параметров, то HY-1.8B-2Bit обходит ее в среднем на 16-17%. На GSM8K разрыв вообще дикий: +22.29%. 🟢Prefill ускорился в 3-8 раз, генерация токенов - в 2-3 раза на поддерживаемом железе. 🟡Жирный нюанс Текущая реализация требует поддержки инструкций Arm SME2. Это значит, что вся эта красота заведется только на Apple M4 и MediaTek Dimensity 9500. Если у вас M1/M2 или Snapdragon прошлых поколений - пока мимо. Разработчики обещают подвезти Neon kernel позже. Кстати, GGUF тоже есть, так что если под рукой есть M4 - можно тестить. Остальным остается ждать оптимизации под старые инструкции. 🟡Модель 🟡GGUF 🟡Техотчет 🖥GitHub @ai_machinelearning_big_data #AI#ML#SLM#2bitQ#Tencent