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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #868 · 18.09

Пришла настолка Ведьмак. Огромная коробка, весом, наверное, килограммов 20, еле дотащил. Кампания по предзаказу была аж 2.5 года назад и оказалась крупнейшей в России за всю историю предзаказов настольных игр. Причем, что характерно, большинство покупателей взяли бесстыдно дорогой топовый набор, включающий все дополнения, миниатюрки, плеймат и кучу всего ещё. Любят у нас всё-таки это польское фентези, как ни крути. Есть даже мнение, что именно из-за такого феноменального успеха настольного Ведьмака к нам на рынок вообще стали возить дорогие большие игры. Не обошлось без трудностей, конечно. В 2022 году поляки ожидаемо заартачились и, даже несмотря на то, что давно уже получили деньги, заявили, что русским они игру поставлять отказываются, а переводить её на язык орков это вообще недопустимая ересь. Компания Gaga, которая и занималась этим проектом в России, могла в одночасье потерять всё. Представьте: ещё вчера вы фирма, запустившая крупнейший в стране предзаказ, получившая десятки миллионов рублей, попавшая во все СМИ и находящаяся в центре внимания не только у заядлых настольщиков, но и у казуалов. А сегодня у вас нет денег, зато есть убитая в ноль репутация и куча хейта. Так могло бы быть, но каким-то невероятным чудом Гага уговорила поляков на выполнение обязательств. При условии, что в свободной продаже в рознице этой игры у русских не будет. Так что это не только долгожданный и едва не сорвавшийся релиз, но ещё и адский раритет теперь: на вторичном рынке сейчас цена такого набора доходит до 100к. Пока не ясно, когда смогу сыграть. Слишком много звёзд должны для этого сойтись. Но место на стеллаже, разумеется, давно уже ждало эти коробки :) #games

Hashtags

Резултати

Намерени 3 подобни публикации

Търсене: #quantization

当前筛选 #quantization清除筛选
GitHub Trends

@githubtrending · Post #14747 · 25.05.2025 г., 11:30

#python#deep_learning#intel#machine_learning#neural_network#pytorch#quantization Intel Extension for PyTorch boosts the speed of PyTorch on Intel hardware, including both CPUs and GPUs, by using special features like AVX-512, AMX, and XMX for faster calculations[5][2][4]. It supports many popular large language models (LLMs) such as Llama, Qwen, Phi, and DeepSeek, offering optimizations for different data types and easy GPU acceleration. This means you can run advanced AI models much faster and more efficiently on your Intel computer, with simple setup and support for both ready-made and custom models. https://github.com/intel/intel-extension-for-pytorch

GitHub Trends

@githubtrending · Post #15091 · 24.08.2025 г., 11:30

#python#comfyui#diffusion#flux#genai#mlsys#quantization Nunchaku is a fast and efficient engine that runs 4-bit neural networks using a special method called SVDQuant, which compresses models to use less memory and speed up processing by 2 to 5 times compared to older methods. It supports advanced AI models for tasks like high-quality text-to-image generation and image editing, working best on modern NVIDIA GPUs. You can easily install and use it with ComfyUI, and it has active community support on Slack, Discord, and WeChat. This means you can generate or edit images quickly with less computing power, saving time and resources. It also offers tutorials and example workflows to help you get started smoothly. https://github.com/nunchaku-tech/ComfyUI-nunchaku

GitHub Trends

@githubtrending · Post #15385 · 02.01.2026 г., 12:30

#python#deep_learning#inference#openai#quantization#speech_recognition#speech_to_text#transformer#whisper Faster-Whisper is a fast version of OpenAI's Whisper that transcribes audio up to 4x quicker with the same accuracy, using less memory on CPU or GPU—benchmarks show it beats original Whisper (e.g., 1m03s vs 2m23s for 13-min audio on GPU). Install via `pip install faster-whisper`, no FFmpeg needed, and use simple Python code like `WhisperModel("large-v3").transcribe("audio.mp3")` for segments with timestamps. You benefit by getting quick, efficient speech-to-text for real-time apps, saving time and resources on long files or batches. https://github.com/SYSTRAN/faster-whisper