Bad News für NVIDIA
8 नव॰ 2026 को पब्लिश हुआ · 1:28
लाइक: 6 हज़ारकमेंट: 222+24घं: +1 हज़ारऔसत व्यूज़/घं: 1 हज़ार
हाल के अपलोड
पिछले 5 में #1
उसके जो अपलोड हमने देखे, बाएँ सबसे पुराने, व्यूज़ के हिसाब से (लॉग स्केल)। डैश: आम तौर पर।
आंकड़ों में प्रदर्शन
17 नव॰ 2026, 3:00 pm UTC तक के आंकड़े।
Max Fröhlich के Bad News für NVIDIA को 8 नवंबर 2026 को प्रकाशित होने के 9 दिन बाद 3 लाख व्यूज़ मिले हैं।
अभी इसे हर घंटे 1 हज़ार व्यूज़ मिल रहे हैं।
यह 3 देशों के YouTube ट्रेंडिंग चार्ट पर है, सबसे ऊपर #2 जर्मनी में।
अब तक का सबसे अच्छा दिन 10 नव॰ रहा, 2 लाख व्यूज़ के साथ; इसे सबसे ज़्यादा लगभग 7 pm UTC बजे देखा जाता है।
| व्यूज़ | 3 लाख | 2,65,056 |
|---|---|---|
| पिछले 24 घंटों के व्यूज़ | +1 हज़ार | +1,002 |
| अभी हर घंटे के व्यूज़ | 1 हज़ार | 1,193 |
| चैनल के आम का कितना गुना | 14× | 13.9× |
| सबसे अच्छा दिन | 10 नव॰ · 2 लाख | 2,21,061 |
| सबसे व्यस्त घंटा | 7 pm UTC | |
| चार्ट वाले देश | 3 | |
| सबसे अच्छी रैंक | #2 · जर्मनी | |
| लाइक | 6 हज़ार | 6,075 |
| कमेंट | 222 | |
| प्रकाशित | 8 नवंबर 2026 | |
| अवधि | 1:28 | |
| श्रेणी | People & Blogs | |
| चैनल | Max Fröhlich | |
| चैनल सब्सक्राइबर | 29 हज़ार |
व्यूज़
3 लाख
+1 हज़ार · 24 h
अभी व्यूज़/घं
1 हज़ार
सामान्य से ×
14×
अभी पर्याप्त रीडिंग नहीं हैं।
प्रति दिन व्यूज़
2 लाख
सबसे अच्छा दिन, 10 नव॰
इनमें ट्रेंडिंग
3
सबसे ऊपर #2 · जर्मनी
कब देखा जाता है
7 pm
सबसे व्यस्त घंटा, आपका समय
कहाँ चार्ट पर है3
- #2जर्मनी8 नव॰
- #4स्विट्ज़रलैंड8 नव॰
- #5ऑस्ट्रिया8 नव॰
- #8जर्मनी8 नव॰
- #14ऑस्ट्रिया8 नव॰
- #22स्विट्ज़रलैंड8 नव॰
YouTube रिकॉर्ड से
वीडियो के फ़ील्ड, जैसे YouTube API उन्हें लौटाता है।
- पब्लिश हुआ
- 8 नव॰ 2026, 9:56 am
- अवधि
- 1:28
- कैटेगरी
- People & Blogs
- ऑडियो भाषा
- जर्मन (de)
- टाइटल की भाषा
- जर्मन (de)
- कैप्शन
- नहीं
- डेफ़िनिशन
- HD
- फ़ॉर्मैट
- 2D
- लाइसेंस
- Standard YouTube
- लाइसेंस वाला कंटेंट
- नहीं
- एम्बेड करने योग्य
- हाँ
- बच्चों के लिए बना
- नहीं
- उम्र की पाबंदी
- नहीं
- पेड प्रमोशन
- नहीं
- पब्लिक आँकड़े
- हाँ
विषय
- Lifestyle
- Technology
2 भाषाओं में टाइटल और विवरण
- जर्मन
- अंग्रेज़ी
विवरण
744 Milliarden Parameter auf einem Laptop – ohne GPU. Klingt nach schlechten Nachrichten für Nvidia. Bis man fragt, wie schnell das Ganze eigentlich läuft. 💻 Der Trick heißt colibrì: Bei GLM-5.2 werden pro Token nur rund 40 Milliarden Parameter genutzt. Die benötigten Experten werden von der SSD nachgeladen, statt das komplette Modell im Arbeitsspeicher zu halten. Ein bisschen wie Netflix – nur liegt die ganze Videothek auf deinem Rechner. 📦 Die gezeigte Modellversion braucht dafür rund 429 GB Speicherplatz. Nach dem Download kann sie vollständig offline laufen. Die entscheidende Einschränkung: Auf dem ursprünglichen Laptop mit 25 GB RAM nennt das Projekt beim kalten Cache gerade einmal 0,05 bis 0,1 Token pro Sekunde. Also ein kleines Textstück alle 10 bis 20 Sekunden. Eher Brieffreundschaft als Chatbot. 🐌 Diese Werte gelten für diesen konkreten Aufbau. Inzwischen dokumentiert das Projekt auch deutlich schnellere Ergebnisse auf stärkerer Hardware. „Läuft auf meinem Laptop“ sagt allein also ziemlich wenig darüber aus, ob du damit deinen täglichen KI-Workflow ersetzen kannst. ⏳ Spannend bleibt die Idee trotzdem: Riesige Modelle auf vorhandener Hardware zugänglich machen. Das Ende von Nvidia lässt sich daraus jedenfalls nicht ableiten. 🔍 Kommentier KOLIBRI, dann schick ich dir das Repo. Und folg mir gerne für mehr KI-Content! 🐦 #KI #KünstlicheIntelligenz #Nvidia #LocalAI #Colibri Hinweis: Einige Grafiken zur Veranschaulichung sind KI generiert. Quellen: https://github.com/JustVugg/colibri https://huggingface.co/mastouri/GLM-5.2-colibri-int4-g64-with-int8-mtpसभी दिखाएँ
744 Milliarden Parameter auf einem Laptop – ohne GPU. Klingt nach schlechten Nachrichten für Nvidia. Bis man fragt, wie schnell das Ganze eigentlich läuft. 💻 Der Trick heißt colibrì: Bei GLM-5.2 werden pro Token nur rund 40 Milliarden Parameter genutzt. Die benötigten Experten werden von der SSD nachgeladen, statt das komplette Modell im Arbeitsspeicher zu halten. Ein bisschen wie Netflix – nur liegt die ganze Videothek auf deinem Rechner. 📦 Die gezeigte Modellversion braucht dafür rund 429 GB Speicherplatz. Nach dem Download kann sie vollständig offline laufen. Die entscheidende Einschränkung: Auf dem ursprünglichen Laptop mit 25 GB RAM nennt das Projekt beim kalten Cache gerade einmal 0,05 bis 0,1 Token pro Sekunde. Also ein kleines Textstück alle 10 bis 20 Sekunden. Eher Brieffreundschaft als Chatbot. 🐌 Diese Werte gelten für diesen konkreten Aufbau. Inzwischen dokumentiert das Projekt auch deutlich schnellere Ergebnisse auf stärkerer Hardware. „Läuft auf meinem Laptop“ sagt allein also ziemlich wenig darüber aus, ob du damit deinen täglichen KI-Workflow ersetzen kannst. ⏳ Spannend bleibt die Idee trotzdem: Riesige Modelle auf vorhandener Hardware zugänglich machen. Das Ende von Nvidia lässt sich daraus jedenfalls nicht ableiten. 🔍 Kommentier KOLIBRI, dann schick ich dir das Repo. Und folg mir gerne für mehr KI-Content! 🐦 #KI #KünstlicheIntelligenz #Nvidia #LocalAI #Colibri Hinweis: Einige Grafiken zur Veranschaulichung sind KI generiert. Quellen: https://github.com/JustVugg/colibri https://huggingface.co/mastouri/GLM-5.2-colibri-int4-g64-with-int8-mtp
◆ viralshooter द्वारा गणना की गई · बाकी सभी आँकड़े YouTube API से