🥳Bugun Telegram 10 yoshga to'ldi.
Pavel Durovtug'ilgan kun haqida shunday dedi:
Atigi oʻn yil ichida Telegram 800 milliondan ortiq faol foydalanuvchilarga ega boʻldi. Yillar davomida ko'plab yangilanishlar va takomillashtirishlar orqali Telegram zamonaviy xabar almashish tajribasi qanday bo'lishi kerakligini qayta belgilab berdi.
Telegram uchun navbatdagi qadam - bu xabar almashishdan tashqariga chiqish va umuman, ijtimoiy tarmoqlarda innovatsiyalarni rivojlantirish. Biz mashhurligimizdan milliardlab odamlarning hayotini yaxshi tomonga o'zgartirish, sayyoramizdagi odamlarni ilhomlantirish va ko'tarish uchun foydalanishimiz kerak.
Bugungi kunda barcha foydalanuvchilar uchun hikoyalarning bosqichma-bosqich chiqarilishi Telegram tarixidagi ushbu yangi bosqichning boshlanishini anglatadi. O'tgan o'n yillik hayajonli bo'lsa-da, keyingi 10 yil Telegram o'zining haqiqiy salohiyatiga erishadigan vaqt bo'ladi. 🥳
#durov#telegram#10yosh
✅@TGraphUz | 📺YouTube
Пока весь мир ждет доступа к новой модели со зрением GPT-4V(ision), опенсорс команда (пара азитов со степенью PhD из американских вузов) уже выпустили свой аналог и бесплатную версию #LLaVA (Large Language and Vision Assistant), которая выдает результат (не) хуже GPT4V и может работать локально.
Вот такая скорость развития и конкуренции в этом новом #AI рынке.
🧠LLava - вебсайт
📄WhitePaper
🧬Github code
🔋Demo для потестить на своих дикпиках
🦒Colab (для запуска у себя на серваке)
#python#apple_silicon#florence2#idefics#llava#llm#local_ai#mlx#molmo#paligemma#pixtral#vision_framework#vision_language_model#vision_transformer
MLX-VLM lets you run, chat with, and fine-tune Vision Language Models (VLMs) plus audio/video models on your Mac using MLX—install easily with `pip install -U mlx-vlm`. Use CLI for quick text/image/audio generation (e.g., `mlx_vlm.generate --model ... --image photo.jpg`), Gradio UI for chats, Python scripts, or a FastAPI server with OpenAI-compatible endpoints supporting multi-images/videos. Features like TurboQuant cut KV cache memory by 76%, and LoRA/QLoRA fine-tuning works on consumer hardware. You benefit by experimenting with powerful multimodal AI locally—fast, memory-efficient, no cloud costs, perfect for Mac users tweaking models affordably.
https://github.com/Blaizzy/mlx-vlm