DeepSeek: обучение модели R1 обошлось всего в $294 тысяч
Китайская компания в сфере искусственного интеллекта DeepSeek отчиталась, что потратила $294 тыс. на обучение своей модели R1 — это значительно меньше расходов, которые озвучили американские конкуренты по поводу своих разработок. Для этого DeepSeek задействовала 512 ускорителей Nvidia H800.
Nvidia CMP – микроскопы для забивания гвоздей? Копаем глубже…
Почему видеокарта, имеющая неплохие вычислительные возможности, в Stable Diffusion работает в 20 раз медленнее, чем RTX 3060? Почему в LM Studio она становится фаворитом, а в ComfyUI карета превращается в тыкву? Почему FurMark на CMP 90HX тормозит, а на CMP 50HX «бублик» крутится почти нормально? Разгадки в разных программных ограничениях, которые можно найти с помощью экспериментов. Я купил три майнинговые карты Nvidia, чтобы понять, можно ли заставить их эффективно работать.В этот раз мы рассмотрим:статистику производительности в LM Studioкак всё печально в ComfyUI и Stable Diffusionанатомию программного кода GPU
Как создать студию контента. Автоматизация для эффективной работы
Сегодня мир контента движется с невероятной скоростью. Каждый день появляются новые инструменты и технологии, которые позволяют нам работать быстрее, умнее и эффективнее.
Дизайнер-видеомонтажёр — это просто! (Клип за 1000р)
Обложка для клипа за 1000рИдеи не падают с неба — они складываются из того, что нас окружает. Кто работал на фрилансе или шабашил наверняка сталкивался с проблемами продать подороже (купить подешевле).
IBM Granite-Docling: новый стандарт работы с документами
Обычно инструменты для работы с документами решают одну задачу: кто-то конвертирует файлы, кто-то анализирует тексты, кто-то отвечает на вопросы. Granite-Docling
ElevenLabs запустила аудиоредактор для видеороликов
Компания ElevenLabs представила обновление своей платформы — Studio 3.0
Тренд на компактные модели: Meta* запускает семейство моделей рассуждений MobileLLM-R1 для ПК и мобильных устройств
Долгое время мощь ИИ-моделей напрямую связывалась с их размером: число параметров росло до сотен миллиардов и даже триллионов. Но слишком большие модели создают очевидные проблемы для компаний: отсутствие контроля над системой, зависимость от сторонних облаков и непредсказуемые расходы.На фоне этого набирает обороты противоположный тренд — малые языковые модели (SLM), которые можно запускать прямо на ПК и смартфонах. Последний и самый яркий пример — Meta* MobileLLM-R1
