Futuros
Aceda a centenas de contratos perpétuos
TradFi
Ouro
Plataforma de ativos tradicionais globais
Opções
Hot
Negoceie Opções Vanilla ao estilo europeu
Conta Unificada
Maximize a eficiência do seu capital
Negociação de demonstração
Introdução à negociação de futuros
Prepare-se para a sua negociação de futuros
Eventos de futuros
Participe em eventos para recompensas
Negociação de demonstração
Utilize fundos virtuais para experimentar uma negociação sem riscos
Lançamento
CandyDrop
Recolher doces para ganhar airdrops
Launchpool
Faça staking rapidamente, ganhe potenciais novos tokens
HODLer Airdrop
Detenha GT e obtenha airdrops maciços de graça
Launchpad
Chegue cedo ao próximo grande projeto de tokens
Pontos Alpha
Negoceie ativos on-chain para airdrops
Pontos de futuros
Ganhe pontos de futuros e receba recompensas de airdrop
Investimento
Simple Earn
Ganhe juros com tokens inativos
Investimento automático
Invista automaticamente de forma regular.
Investimento Duplo
Aproveite a volatilidade do mercado
Soft Staking
Ganhe recompensas com staking flexível
Empréstimo de criptomoedas
0 Fees
Dê em garantia uma criptomoeda para pedir outra emprestada
Centro de empréstimos
Centro de empréstimos integrado
vkhosla apresenta o modelo 1-bit Bonsai de 8B, com uso de memória de apenas 1,15GB
Notícia ME: Mensagem, 1 de abril (UTC+8). Recentemente, o autor vkhosla apresentou, nas redes sociais, um modelo de pesos de 1-bit denominado 1-bit Bonsai 8B. Segundo a sua descrição, a utilização de memória do modelo é apenas de 1,15 GB e a sua densidade de inteligência (intelligence density) alegadamente excede em mais de 10 vezes a do modelo correspondente em precisão total. As opiniões no artigo afirmam que, em hardware de ponta, o tamanho do modelo foi reduzido em 14 vezes, a velocidade aumentou em 8 vezes e a eficiência energética melhorou em 5 vezes, mantendo ainda competitividade face a outros modelos. A notícia também menciona que este modelo tem melhor compressibilidade, velocidade mais rápida, menor volume e maior eficiência energética do que o modelo anunciado no dia anterior pela Google. O texto original não fornece comparações de desempenho específicas do modelo, o responsável pelo lançamento, detalhes da implementação técnica ou resultados de avaliação completos. (Fonte: InFoQ)