Bad News für NVIDIA
เผยแพร่ 8 พ.ย. 2569 · 1:28
ไลก์: 6Kความคิดเห็น: 222+24 ชม.: +943ยอดดูเฉลี่ย/ชม.: 1K
คลิปล่าสุดของช่อง
อันดับ 1 จาก 5 คลิปล่าสุด
คลิปของช่องที่เราเห็น เก่าสุดอยู่ซ้าย ตามยอดดู (สเกลลอการิทึม) เส้นประ: ปกติ
ผลงานเป็นตัวเลข
ตัวเลข ณ 17 พ.ย. 2569 12:00 UTC
Bad News für NVIDIA ของ Max Fröhlich มียอดดู 265K ครั้ง หลังเผยแพร่เมื่อ 8 พฤศจิกายน 2569 ไป 9 วัน
ตอนนี้มียอดดู 1K ครั้งต่อชั่วโมง
ติดชาร์ตมาแรงของ YouTube ใน 3 ประเทศ อันดับดีที่สุด #2 ใน เยอรมนี
วันที่ดีที่สุดจนถึงตอนนี้คือ 10 พ.ย. ด้วยยอดดู 221K ครั้ง และคนดูมากที่สุดราว 19 UTC
| ยอดดู | 265K | 264,707 |
|---|---|---|
| ยอดดูใน 24 ชั่วโมงล่าสุด | +943 | |
| ยอดดูต่อชั่วโมงตอนนี้ | 1K | 1,208 |
| กี่เท่าของปกติของช่อง | 14× | 13.8× |
| วันที่ดีที่สุด | 10 พ.ย. · 221K | 221,061 |
| ชั่วโมงที่คนดูมากที่สุด | 19 UTC | |
| ประเทศที่ติดชาร์ต | 3 | |
| อันดับดีที่สุด | #2 · เยอรมนี | |
| ถูกใจ | 6K | 6,074 |
| ความคิดเห็น | 222 | |
| เผยแพร่ | 8 พฤศจิกายน 2569 | |
| ความยาว | 1:28 | |
| หมวดหมู่ | People & Blogs | |
| ช่อง | Max Fröhlich | |
| ผู้ติดตามของช่อง | 29K |
ยอดดู
265K
+943 · 24 h
ยอดดู/ชม. ตอนนี้
1K
เท่าของปกติ
14×
ยังมีข้อมูลไม่พอ
ยอดดูต่อวัน
221K
วันที่ดีที่สุด 10 พ.ย.
มาแรงใน
3
ดีที่สุด #2 ใน เยอรมนี
ช่วงเวลาที่ถูกดู
19
ชั่วโมงที่คนดูมากที่สุด ตามเวลาคุณ
ติดชาร์ตที่ไหน3
- #2เยอรมนี8 พ.ย.
- #4สวิตเซอร์แลนด์8 พ.ย.
- #5ออสเตรีย8 พ.ย.
- #8เยอรมนี8 พ.ย.
- #14ออสเตรีย8 พ.ย.
- #22สวิตเซอร์แลนด์8 พ.ย.
จากบันทึกของ YouTube
ข้อมูลของวิดีโอตามที่ YouTube API ส่งกลับมา
- เผยแพร่
- 8 พ.ย. 2569 09:56
- ความยาว
- 1:28
- หมวดหมู่
- People & Blogs
- ภาษาของเสียง
- เยอรมัน (de)
- ภาษาของชื่อเรื่อง
- เยอรมัน (de)
- คำบรรยาย
- ไม่ใช่
- ความละเอียด
- HD
- รูปแบบ
- 2D
- ใบอนุญาต
- Standard YouTube
- เนื้อหาที่มีลิขสิทธิ์
- ไม่ใช่
- ฝังได้
- ใช่
- สร้างมาเพื่อเด็ก
- ไม่ใช่
- จำกัดอายุ
- ไม่ใช่
- โปรโมตแบบจ่ายเงิน
- ไม่ใช่
- สถิติสาธารณะ
- ใช่
หัวข้อ
- Lifestyle
- Technology
ชื่อเรื่องและคำอธิบายใน 2 ภาษา
- เยอรมัน
- อังกฤษ
คำอธิบาย
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-mtpแสดงทั้งหมด
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
◆ คำนวณโดย viralshooter · ตัวเลขอื่นทั้งหมดมาจาก YouTube API