Futures
Accédez à des centaines de contrats perpétuels
TradFi
Or
Une plateforme pour les actifs mondiaux
Options
Hot
Tradez des options classiques de style européen
Compte unifié
Maximiser l'efficacité de votre capital
Trading démo
Introduction au trading futures
Préparez-vous à trader des contrats futurs
Événements futures
Participez aux événements et gagnez
Demo Trading
Utiliser des fonds virtuels pour faire l'expérience du trading sans risque
Lancer
CandyDrop
Collecte des candies pour obtenir des airdrops
Launchpool
Staking rapide, Gagnez de potentiels nouveaux jetons
HODLer Airdrop
Conservez des GT et recevez d'énormes airdrops gratuitement
Launchpad
Soyez les premiers à participer au prochain grand projet de jetons
Points Alpha
Tradez on-chain et gagnez des airdrops
Points Futures
Gagnez des points Futures et réclamez vos récompenses d’airdrop.
Investissement
Simple Earn
Gagner des intérêts avec des jetons inutilisés
Investissement automatique
Auto-invest régulier
Double investissement
Profitez de la volatilité du marché
Staking souple
Gagnez des récompenses grâce au staking flexible
Prêt Crypto
0 Fees
Mettre en gage un crypto pour en emprunter une autre
Centre de prêts
Centre de prêts intégré
vkhosla présente le modèle 1-bit Bonsai 8B, avec une occupation mémoire de seulement 1,15 Go
Nouvelles ME, message du 1er avril (UTC+8). Récemment, l’auteur vkhosla a présenté sur les réseaux sociaux un modèle de poids 1 bit nommé 1-bit Bonsai 8B. Selon sa description, l’empreinte mémoire de ce modèle n’est que de 1,15 Go, et sa densité d’intelligence (intelligence density) serait supérieure de plus de 10 fois à celle de son modèle correspondant en pleine précision. Les points de vue exposés dans l’article indiquent qu’en matériel embarqué, la taille du modèle est réduite de 14 fois, la vitesse est multipliée par 8, et l’efficacité énergétique est augmentée de 5 fois, tout en restant compétitif par rapport aux autres modèles. La nouvelle mentionne également que ce modèle présente une meilleure compressibilité, une vitesse plus élevée, une taille plus réduite et une efficacité énergétique supérieure à celles du modèle annoncé par Google la veille. L’article original ne fournit pas de références de comparaison précises des performances du modèle, ni l’éditeur, ni les détails d’implémentation technique, ni les résultats d’évaluation complets. (Source : InFoQ)