@dumblebackdoor
Spotted topics · Models & research
Claude me parle en mode JeanCo 🤣 « Ce que la rotation apporte, toutes choses égales par ailleurs (qualité mesurée contre le BF16) »
- Models & research
Selection
Selected signals
An editorial selection from X, with no third-party embeds. Authors are the primary axis, topics provide a secondary path.
Metrics captured on 14 October 2026 from public X pages. These are not live counters.
Collection dates and status
Embedded historical snapshot from 14 October 2026 (Europe/Paris). This is not a live read.
Posts last collected: 14 October 2026 at 18:00 (Europe/Paris).
On this feed, card topics are spotted automatically.
Filter by author or topic · ●
@dumblebackdoor
Spotted topics · Models & research
Qwen3.8 35B A3B en cours d’optimisation sur Tensorfold et notre Intel B70. Je n’ai pas encore tout exploré en détail, mais j’atteins déjà 10 000 tok/s en prefill et 191 tok/s en decode sans drafter (vLLM tient 76 sur la même carte pour comparaison). @IntelAI @fragtalife @ashxhart
- Models & research
@dumblebackdoor
Spotted topics · Models & research · Infrastructure & self-hosting
C'est un sacré jalon ce soir. J'ai proposé à @ashxhart un backend Intel Arc Pro B70 (Xe2) natif pour TensorFold Zig v1.0.9 : Qwen3.8-27B directement sur Level Zero, sans PyTorch ni SYCL. Sur une seule B70 : 166 tok/s en décodage (vLLM-XPU : 79), ~2 000 tok/s en prefill et
- Models & research
- Infrastructure & self-hosting
@dumblebackdoor
Toujours notre Intel B70 (Xe2), le prefill dépasse 2 500 tok/s en W4A8, sans perte de justesse. J’ai même quelques autres pistes pour améliorer la qualité dans toucher à la vitesse. Et ensuite la partie décode sur quelques bugs. Mais c’est déjà bon puisque j’ai 165 tok/s max et
@dumblebackdoor
Spotted topics · Models & research · Infrastructure & self-hosting
TensorFold sur Intel Arc Pro B70 : un moteur Zig natif (Level Zero, sans PyTorch) qui fait tourner Qwen3.8-27B en 4 bits à 2 300 tok/s en préremplissage (activations int8, perplexité +0,1 %) et jusqu'à 137 tok/s en décodage avec DFlash2 en arbre, réponses identiques au décodage https://t.co/gkqFtvlFOP
- Models & research
- Infrastructure & self-hosting
@dumblebackdoor
Spotted topics · Models & research · Infrastructure & self-hosting
On porte TensorFold (moteur d’inférence en Zig) sur l’Intel Arc Pro B70. Premier chantier : le GEMM int4 du Qwen 27B, écrit avec nGEN, le générateur d’assembleur de oneDNN. 🧵 https://t.co/0u0TJO17kQ
- Models & research
- Infrastructure & self-hosting
@dumblebackdoor
Spotted topics · Infrastructure & self-hosting
On bosse sur le portage XPU et le support de la carte Arc Pro B70 sur #TensorFold version Zig, avec pas mal d'optimisations disponibles sur la table, notamment au niveau XMX et OpenCL. Objectif : 2400 tok/s en prefill et 100+ en decode @ashxhart @fragtalife @IntelFrance #LocalAI https://t.co/YyUxI7fBhR
- Infrastructure & self-hosting
@dumblebackdoor
Spotted topics · Models & research · Infrastructure & self-hosting
Qwen-Image-2.1-Turbo sur notre Spark (GB10), en INT8 dans ComfyUI : 8 pas au lieu de 40 à 50, et une image 2048×1152 passe de 108s à 21s. En 1024 px : 7,6s. Retouche : 14s. Le RGBA fonctionne aussi : détourage net, 74 173 pixels transparents (vs 76 157), et 4,1s au lieu de 12,3s https://t.co/8EFL918Z4q
- Models & research
- Infrastructure & self-hosting
@dumblebackdoor
Spotted topics · Models & research
TensorFold (v0.6.5) tourne maintenant sur Intel Arc. Sur notre B70 (32 Go, 1 900 € HT), Qwen3.8-27B atteint 119 tok/s, contre 33 avec vLLM sans drafter et 63 avec MTP. Portage non officiel, code et mesures brutes en open source 👇 Thx @ashxhart @fragtalife @yannFichant https://t.co/AtZA2xBqw7
- Models & research
@dumblebackdoor
Publication with a quote · Infrastructure & self-hosting
Passer d’une start-up qui bricolait son infrastructure avec des GPU en mode homelab à une organisation plus industrielle demande du temps. Les échanges avec le B2B ont sans doute contribué à cette progression. Quoi qu’il en soit, si le rythme des modèles s’accélère, l’UE
- Infrastructure & self-hosting
@dumblebackdoor
Publication with a quote · Models & research · Tools & open source
Mistral Large 4 est sorti, et franchement, ça fait du bien. C'est le modèle qu'on attendait d'eux : du haut niveau, conçu et hébergé en Europe, avec des poids bientôt disponibles sur Hugging Face. Nos clients ne veulent pas que leurs documents traversent l'Atlantique. Pour eux,
- Models & research
- Tools & open source
@dumblebackdoor
Publication with a quote
Pour les utilisateurs de Workspace et de #Markdown, ça c’est une bonne chose ! Ce format a tellement pris de place dans notre quotidien.
@dumblebackdoor
Spotted topics · Models & research
Avec le coil whine que la #Intel B70 me fait pendant le portage de XPU sur #TensorFold, je ne sais pas si elle va tenir le coup @fragtalife 😁🔥 En tout cas, les dernières optimisations passent à plus de 30 tok/s sur de la prose FR avec du Qwen3.8 27B 😎 https://t.co/kybY99kDky
- Models & research