Tópicos em alta
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Qwen
Modelos de fundação aberta para AGI.
LightX2V traz suporte Day-0 para Qwen-Image-Edit-2511 — combinando um aumento de 47% de aceleração do framework com CFG + destilação em 4 etapas (↓25× computação) para uma aceleração completa impressionante de 42,55× ! ⚡️ Um grande agradecimento à @XHPlus_
4 horas atrás
🚀 Aceleração 42,55x!
LightX2V oferece suporte desde o Dia 0 para @Alibaba_Qwen novo Qwen-Image-Edit-2511!
🔥 Aceleração de 47% do framework
⚡️ Destilação CFG+4 etapas (↓25x computação)
📈 42,55x aceleração total
Repositório:
Modelo:
21
🚀 Apresentando o Qwen-Image-Edit-2511 — uma grande atualização em relação ao 2509, oferecendo consistência significativamente maior e edição de imagens do mundo real mais poderosa.
✨ Novidades em 2511:
👥 Maior consistência entre várias pessoas para fotos em grupo e cenas complexas
🧩 LoRAs populares da comunidade embutidas — sem necessidade de ajuste extra
💡 Geração aprimorada de design industrial e de produtos
🔒 Redução do desvio de imagem com consistência de personagem e identidade dramaticamente melhorada
📐 Aprimoramento do raciocínio geométrico, incluindo linhas de construção e edições estruturais
Desde edições de retratos que preservam a identidade até fusão multipessoa de alta fidelidade e fluxos de trabalho práticos de engenharia e design, o 2511 eleva a edição de imagens a outro nível.
👉 Experimente agora:
🎨 Chat Qwen (edição de imagem):
10
Fico feliz em colaborar com a SGLang no Rollout Routing Replay (R3)—agora ao vivo! 🎉
21 horas atrás
SGLang + Miles: Replay de roteamento de lançamento (R3) já está disponível! 🎉
Estamos animados em anunciar que SGLang e Miles agora suportam o Rollout Routing Replay (R3) para treinamento estável de aprendizado por reforço em modelos MoE!
O treinamento de modelos MoE com RL tem sido notoriamente instável, frequentemente levando a colapsos catastróficos. O problema? Inconsistência de roteamento entre inferência e motores de treinamento. O R3 corrige isso registrando decisões de roteamento de especialistas durante a inferência e reproduzindo-as durante o treinamento.
O impacto é significativo: reduz drasticamente a discrepância entre treinamento e inferência ao reutilizar decisões de roteamento de inferência, prevenindo o colapso do treinamento. O R3 possui suporte total distribuído para treinamento com DataParallel Attention e todas as estratégias de paralelismo; modelos suportados incluem Qwen3-30B-A3B, deepseek_v2, etc.
Experimente e nos conte seus resultados! 🚀
21
Melhores
Classificação
Favoritos