TGTGInsighttelegram intelligenceLIVE / telegram public index
← Экспорт Республики Татарстан

TGINSIGHT SIMILAR POSTS

Find similar content

Source channel @tatarstanexport · Post #708 · Feb 11

Республика Татарстан нарастила экспорт на 14% Согласно предварительным оценкам экспертов, за 12 месяцев 2025 года компании Республики Татарстан экспортировали за рубеж продукцию АПК на сумму около 513 млн долл. США. В сравнении с аналогичным периодом прошлого года объем экспорта вырос на 14% в стоимостном выражении. В топ-5 видов продукции АПК, экспортированных в 2025 году, в стоимостном выражении входят: ✅Подсолнечное масло; ✅Майонез и другие соусы; ✅Жмых; ✅Рапсовое масло; ✅Шоколад. Основной рост объема экспорта обеспечили рапсовое масло, майонез и другиесоусы, а также семенарапса. Так, например, за 12 месяцев 2024 года регион поставил на зарубежные рынки рапсовогомасла на сумму около 20 млн долл. США, а за этот же период 2025 года — около 62 млн долл. США. Экспорт майонеза и других соусов и семян рапса увеличился в 2025 году более чем на 20 млн долл. США относительно аналогичного периода 2024 года. 🗺 Основными направлениями для поставок сельскохозяйственной продукции из Республики Татарстан в 2025 году были Иран, Казахстан, Индия, Беларусь и Китай. Подробнее познакомиться с экспортными каталогами регионов можно по ссылке на сайте «Агроэкспорта». Читайте «Агроэкспорт» в MAX #агроэкспорт#новостиАПК

Results

1 similar post found

Search: #fp8

当前筛选 #fp8清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8721 · 10/08/2025, 06:50 PM

✔️Ling-1T - новая модель от inclusionAI с 1 триллионом параметров Модель на 1 трлн, из них ≈ 50 млрд активны на токен (MoE-архитектура). Она обучена на 20 трлн+ токенов, специально отобранных для задач логического мышления и рассуждений. Контекст: 128 000 токенов. Построена на базе Evo-CoT (Evolutionary Chain of Thought) и Linguistics-Unit RL - нового метода обучения для масштабируемых рассуждений. При помощи Evo-CoT модель постепенно улучшает баланс между точностью рассуждений и вычислительной эффективностью. То есть с каждым шагом она пытается делать рассуждения «глубже», но не слишком дорого по ресурсам. Моделька демонстрирует сильные результаты в задачах кода, математики, логики и фронтенд-генерации. В архитектуре задействованы Mixture-of-Experts (1/32 активация), MTP слои и маршрутизация экспертов. Ling-1T показывает, что огромные модели можно сделать не только мощными, но и экономичными. https://huggingface.co/inclusionAI/Ling-1T @ai_machinelearning_big_data #Ling1T#AI#ML#OpenSource#Reasoning#TrillionScale#FP8