Sélection
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.
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.
@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
@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
@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
@dumblebackdoor
Sujets repérés · Infra & self-host
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
@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
@dumblebackdoor
Publication avec citation · Infra & self-host
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
