Ответ CZ по поводу Paxos (BUSD минтер)
Глава Binance прокомментировал текущее положение:
«BUSD выпускается и погашается компанией Paxos. Средства юзеров в безопасности #SAFU!
Paxos сообщили нам, что Департамент финансовых услуг Нью-Йорка (NYDFS) распорядился прекратить выпуск новых BUSD.
Paxos регулируется NYDFS.
BUSD - это стабильная монета, полностью принадлежащая и управляемая Paxos.
В результате рыночная капитализация BUSD со временем будет только уменьшаться.
Paxos продолжит обслуживать проект и управлять погашениями.
Paxos также заверил нас, что средства в безопасности #SAFU и полностью покрыты резервами в их банках, причем их резервы уже неоднократно проверялись различными аудиторскими фирмами.
Что касается предполагаемого судебного процесса SEC против Paxos, у меня нет никакой информации об этом, кроме статей в публичных новостях. Судебный процесс ведется между SEC США и Paxos.
Я не эксперт по законам США. Но согласен с логикой:
«SEC обозначила BUSD как “незарегистрированную ценную бумагу” и подает в суд на ее эмитента, Paxos.
Но как, черт возьми, СТАБИЛЬНАЯ монета может считаться ценной бумагой, если она явно не соответствует критериям теста Хоуи?
Ни у кого никогда не было “ожидания прибыли” при покупке $BUSD».
"ЕСЛИ" BUSD будет признан судами ценной бумагой, это окажет глубокое влияние на то, как криптоиндустрия будет развиваться (или не будет развиваться) в юрисдикциях, где она рассматривается как таковая.
Binance продолжит поддерживать BUSD в обозримом будущем. Мы действительно предвидим, что со временем пользователи перейдут на другие стабильные монеты. И мы внесем соответствующие коррективы в продукт. например, отказаться от использования BUSD в качестве основной пары для торговли и т.д.
Учитывая сохраняющуюся неопределенность в регулировании на определенных рынках, мы будем рассматривать другие проекты в этих юрисдикциях, чтобы гарантировать, что наши пользователи защищены от любого неоправданного вреда».
https://twitter.com/cz_binance/status/1625067484368740353
Image to Text OCR is a utility website made by Alejandro Akbal for extracting text from any image using #OCR.
This tool was made for those moments where you take a photo of some text and wish you could have it digitally.
https://github.com/AlejandroAkbal/Image-to-Text-OCR
Online: https://image-to-text-ocr.netlify.app/
🦉 LightOnOCR-1B: новая быстрая OCR-модель от LightOn
Модель дистиллирована из Qwen2-VL-72B-Instruct и обучена на корпусе из 17.6 млн страниц / 45.5 млрд токенов.
🔥 Главное:**
-1 B параметров
- позволяет обрабатывать 5.7 страниц/с на одном H100 (это примерно ≈ 493 000 страниц за день)
- Распознаёт таблицы, формы, уравнения и сложные макеты
- 6.5× быстрее dots.ocr, 1.7× быстрее DeepSeekOCR
- Расходы < $0.01 за 1000 страниц A4
📊 Качество (Olmo-Bench):
- Превосходит DeepSeekOCR
- Сопоставима с dots.ocr (при этом модель в 3 раза меньше по весу)
- +16 пт к Qwen3-VL-2B-Instruct
Эта моделька - отличный баланс качества, скорости и стоимости.
🟢Модель 1B: https://huggingface.co/lightonai/LightOnOCR-1B-1025
🟢Модель 0.9B (32k): https://huggingface.co/lightonai/LightOnOCR-0.9B-32k-1025)
🟢Блог LightOn:https://huggingface.co/blog/lightonai/lightonocr
🟢Демка: https://huggingface.co/spaces/lightonai/LightOnOCR-1B-Demo
@ai_machinelearning_big_data
#ocr#ml
📄 DeepSeek-OCR - модель для распознавания текста 🔍
DeepSeek выпустили мощную OCR-модель, способную преобразовывать изображения документов прямо в Markdown или текст.
Что умеет:
- Распознаёт текст на изображениях и в PDF
- Работает с документами, таблицами и сложными макетами
- Поддерживает разные режимы: Tiny, Small, Base, Large
- Оптимизирована под GPU (PyTorch + CUDA 11.8)
- MIT-лицензия — можно свободно использовать и модифицировать
DeepSeek-OCR достигает высокой точности и эффективности за счёт компрессии визуальных токенов. На Omnidocbench - лучшая точность при минимуме визуальных токенов, превосходит другие OCR-модели по эффективности и скорости.
🟠HF: https://huggingface.co/deepseek-ai/DeepSeek-OCR
🟠Github: https://github.com/deepseek-ai/DeepSeek-OCR
🟠Paper: https://github.com/deepseek-ai/DeepSeek-OCR/blob/main/DeepSeek_OCR_paper.pdf
@ai_machinelearning_big_data
#ocr#DeepSeek