Futuros
Acesse centenas de contratos perpétuos
TradFi
Ouro
Plataforma única para ativos tradicionais globais
Opções
Hot
Negocie opções vanilla no estilo europeu
Conta unificada
Maximize sua eficiência de capital
Negociação demo
Introdução à negociação de futuros
Prepare-se para sua negociação de futuros
Eventos de futuros
Participe de eventos e ganhe recompensas
Negociação demo
Use fundos virtuais para experimentar negociações sem riscos
Lançamento
CandyDrop
Colete candies para ganhar airdrops
Launchpool
Staking rápido, ganhe novos tokens em potencial
HODLer Airdrop
Possua GT em hold e ganhe airdrops massivos de graça
Launchpad
Chegue cedo para o próximo grande projeto de token
Pontos Alpha
Negocie on-chain e receba airdrops
Pontos de futuros
Ganhe pontos de futuros e colete recompensas em airdrop
Investimento
Simple Earn
Ganhe juros com tokens ociosos
Autoinvestimento
Invista automaticamente regularmente
Investimento duplo
Lucre com a volatilidade do mercado
Soft Staking
Ganhe recompensas com stakings flexíveis
Empréstimo de criptomoedas
0 Fees
Penhore uma criptomoeda para pegar outra emprestado
Centro de empréstimos
Centro de empréstimos integrado
Centro de riqueza VIP
Planos premium de crescimento de patrimônio
Gestão privada de patrimônio
Alocação premium de ativos
Fundo Quantitativo
Estratégias quant de alto nível
Apostar
Faça staking de criptomoedas para ganhar em produtos PoS
Alavancagem Inteligente
Alavancagem sem liquidação
Cunhagem de GUSD
Cunhe GUSD para retornos em RWA
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)