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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #926 · 12.12

Была такая якутская геймдев-студия Fntastic. Выпустила несколько малоизвестных игр и 4 года назад взялась за масштабный проект: MMO в жанре зомби-апокалипсиса под названием The Day Before. Студия изредка выкидывала в сеть материалы по игре: трейлеры, скриншоты, посетила пару выставок, в целом снаружи выглядело как обычный геймдев-долгострой. И вот 7-го декабря игра вышла в ранний доступ. Формально ранний доступ позволяет предложить игрокам продукт в любой степени готовности: игроки покупают что-то вроде демо-версии фактически за полную сумму в обмен на обещания разработчиков, что проект будет на эти деньги доделан. Местами это очень даже хороший работающий механизм: моя любимая #Satisfactory уже несколько лет не вылезает из раннего доступа, и в ней куча проблем, при этом я с огромным удовольствием провёл в ней больше часов, чем в какой-либо другой игре вообще за всю историю моего гейминга. И обязательно вернусь (пока взял паузу из-за пресыщения). Так вот. The Day Before в раннем доступе оказалась не просто недоделанной, по ней стало очевидно, что требуется ещё много лет и очень много денег, чтобы привести её хотя бы приблизительно в удобоваримое состояние. А трейлеры и скриншоты были просто обманом. Собрав по меньшей мере несколько десятков тысяч продаж (стоимость игры составляла около 1300 рублей в России и чуть больше в Европе и США), студия Fntastic вчера объявила о закрытии из-за "финансового краха". Написали примерно следующее: "Этих денег нам хватит, чтобы отдать долги, но слишком мало, чтобы продолжить разработку, всем спасибо, расходимся". Никогда такого не было, чтобы кто-нибудь брал деньги вперёд и уходил с ними в закат! Большинство комментаторов в сети — и я к ним присоединяюсь — уверены, что это заведомо мошенническая схема. Разработчики увидели, что доделать игру у них не получается, попытались продать как можно больше и свернуть лавочку. С точки зрения закона сложно придраться — игроков никто покупать не заставлял, и о том, что игра в раннем доступе, все знали в момент покупки. Теоретически люди сами виноваты, что не почитали никаких обзоров от первых купивших, а поверили трейлерам и обещаниям. Но здесь я хочу сделать акцент на второй глобальной проблеме капитализма (первая это монополии): искусственное раздувание ценности. В теории рыночная экономика должна мотивировать бизнес делать что-то полезное, интересное и нужное человечеству. Сделал хорошо, у тебя это покупают, все в плюсе. На практике мы видим, что вполне работоспособной является следующая схема: вместо того, чтобы тратить ресурсы на создание ценности, можно тратить ресурсы на _убеждение_ людей в наличии ценности. Зачем делать хороший продукт за миллион долларов, если можно сделать его за сто тысяч, ещё пятьсот вложить в маркетинг и просто убедить людей в том, что он хороший? Ну или если вообще у тебя нет специалистов, способных сделать хороший продукт, если это долго и сложно. Рыночная экономика помогает процветать миллиону схем, работающих только на маркетинге и других способах воздействия на людей, безотносительно того, а есть ли вообще продукт. На рынке цифровых продуктов, особенно игр, это очень частая ситуация. Если вы думаете, что только ноунейм-якуты выпускают недоделку вместо обещанного, то ошибаетесь: в этом году вышла Starfield от одной из крупнейших мировых студий разработки, и там тоже разрыв между созданными маркетингом ожиданиями и реальностью огромный. #games

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