@dumblebackdoor
Sujets repérés · Modèles & recherche
Claude me parle en mode JeanCo 🤣 « Ce que la rotation apporte, toutes choses égales par ailleurs (qualité mesurée contre le BF16) »
- Modèles & recherche
Sélection
Signaux retenus
Sélection éditoriale extraite de X, sans embed tiers. L'auteur est le premier axe, les sujets restent un second parcours.
Métriques capturées le 14 octobre 2026 via lecture publique X. Ce ne sont pas des compteurs live.
Dates et état des collectes
Instantané historique embarqué du 14 octobre 2026 (Europe/Paris). Ce n'est pas une lecture live.
Dernière collecte des publications : 14 octobre 2026 à 18:00 (Europe/Paris).
Sur ce flux, les sujets des cartes sont repérés automatiquement.
Filtrer par auteur ou sujet · ●
@dumblebackdoor
Sujets repérés · Modèles & recherche
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
- Modèles & recherche
@dumblebackdoor
Sujets repérés · Modèles & recherche · Infra & self-host
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
- Modèles & recherche
- Infra & self-host
@dumblebackdoor
Sujets repérés · Modèles & recherche · Infra & self-host
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
- Modèles & recherche
- Infra & self-host
@dumblebackdoor
Sujets repérés · Modèles & recherche · Infra & self-host
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
- Modèles & recherche
- Infra & self-host
@dumblebackdoor
Sujets repérés · Modèles & recherche · Infra & self-host
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
- Modèles & recherche
- Infra & self-host
@dumblebackdoor
Sujets repérés · Modèles & recherche
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
- Modèles & recherche
@dumblebackdoor
Publication avec citation · Modèles & recherche · Outils & 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,
- Modèles & recherche
- Outils & open source
@dumblebackdoor
Sujets repérés · Modèles & recherche
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
- Modèles & recherche