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 News: 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, o modelo ocupa apenas 1,15 GB de memória e, alegadamente, a sua densidade de inteligência (intelligence density) é mais de 10 vezes superior à do seu correspondente modelo em precisão total. A opinião expressa no artigo indica que, em hardware periférico, o volume do modelo foi reduzido 14 vezes, a velocidade aumentou 8 vezes e a eficiência energética melhorou 5 vezes, mantendo ainda competitividade face a outros modelos. A notícia também refere que o modelo tem melhor capacidade de compressão, maior velocidade, menor volume e maior eficiência energética do que o modelo anunciado pela Google no dia anterior. O texto original não fornece comparações de desempenho com benchmarks específicos do modelo, nem o publicador, detalhes da implementação técnica ou resultados de avaliação completos. (Fonte: InFoQ)