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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #828 · 1.06

Заблочили Medium. Я им не пользовался, но, кажется, это единственный нетематический текстовый портал в интернете. Задумался о том, почему в англоязычном мире Medium есть, а в рунете никакой аналог не взлетел. Какой-нибудь Teletype был заброшен разработчиками практически сразу после релиза. Дзен — ну вы сами знаете, мусорка. В Телеграме нет дискавери и средств оформления, и более менее заводятся, опять же, строго тематические каналы. Авторские тексты, например, в ВК убиты видосиками и продуктовыми решениями. Кстати, такой же эффект есть на Пикабу: администрация добавила возможность постить короткие вертикальные видео, и теперь вся лента в них. Я был в шоке, когда увидел. Вертикальные видео не просто разбавили тексты, а вытеснили их за считанные дни на площадке, которая всегда была про тексты и картинки. Но почему на русском языке нет живых аналогов Медиума? Вроде считается, что русский народ читающий, но вот что-то не сходится. Вот мои гипотезы: 1. Русские люди читают книги, и поэтому у них в жизни нет недостатка чтения, а от интернета они хотят чего-то развлекательного. 2. Все люди в мире в среднем не читают тексты, но небольшая горстка всё-таки читает. Поскольку Medium был англоязычный, он собирал не только англоязычных читателей, но и вообще читателей со всех стран, и в сумме получилось достаточно, чтобы он жил. 3. Бизнесам не выгодно делать текстовые площадки, потому что тем, кто читает тексты, сложнее что-то впаривать. Medium существует на инвестиции, государственные деньги, на энтузиазме и так далее. #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