Thẻ tiêu đề hero ghi 'WeMM-Video-9B: vì sao các bản dựng 4-bit của nó vẫn ở mức 13 GiB', phụ đề 'Tencent đã xuất bản mười chín kho WeMM-Video vào ngày 17 tháng 11 năm 2026 mà không có bài đăng ra mắt', với bốn hàng chip bộ nhớ cho BF16 base ở 19,54 GiB trên năm shard, FP8 Block128 ở 13,10 GiB, AWQ W4A16 ở 12,86 GiB và NVFP4 W4A16 ở 13,07 GiB, một dòng được làm nổi bật ghi 0,42 GiB giữa cả bốn bản dựng nén, và chân trang nói rằng kích thước được đo từ danh sách tệp của từng kho Hugging Face và do nhà cung cấp báo cáo, không có xác minh độc lập.
Engineering & Research

WeMM-Video-9B: Tại sao các bản dựng 4-bit của nó vẫn có dung lượng 13 GiB

Tác giả

jinhao.song

Ngày đăng

Mô hình mới nhất · 20Xem tất cả mô hình →
Benchmark: Artificial Analysis · cập nhật hằng ngày
Quay lại tất cả bài viết

Lượng tử hóa bốn bit đáng lẽ phải chỉ còn khoảng một phần tư tệp trọng số ban đầu. WeMM-Video-9B có kích thước 19,54 GiB ở BF16, còn bản dựng AWQ W4A16 của nó là 12,86 GiB. Đó là mức cắt giảm 34%, chứ không phải 75% — và các bản dựng FP8, AWQ, NVFP4 và GGUF đều nằm trong khoảng cách 0,42 GiB nhau, nên việc chọn giữa chúng gần như chẳng giúp bạn tiết kiệm được chút bộ nhớ nào. Manifest của chính các trình xuất giải thích lý do: các pipeline 4 bit chỉ nén các ma trận feed-forward dày đặc — 4,83 tỷ tham số trong tổng số 10,49 tỷ — trong khi tháp thị giác, tháp âm thanh, embedding, lớp đầu ra và trọng số attention đều giữ độ chính xác gốc, và 5,7 tỷ tham số ở hai byte mỗi tham số đặt ra mức sàn mà không công thức W4 nào có thể xuống thấp hơn. T​encent đã công bố trọng số, các công thức lượng tử hóa và một báo cáo kỹ thuật 12 tác giả trong ngày 17–19 tháng 11 mà không có bài đăng ra mắt, và phần chưa ai viết tới là phép tính — cũng chính là phần quyết định liệu mô hình này có vừa trên GPU bạn đang có hay không. Trên chính các bảng của T​encent, nó đánh bại Qwen3-Omni-30B-A3B-Instruct ở 35 trong 37 chỉ số nghe nhìn kết hợp mà cả hai cùng có; còn về việc liệu các bản dựng bốn bit của nó có an toàn để triển khai hay không, bằng chứng còn mỏng hơn mức mà mười chín kho lưu trữ gợi ý.

Một stack 10.49B mang nhãn 9B

Kho lưu trữ tencent/WeMM-Video-9B được tạo lúc 08:55:54 UTC ngày 17 tháng 11 năm 2026, mười bốn giây sau mô hình anh em AWQ của nó và mười một phút sau mô hình dẫn đầu 35B-A3B. Có mười chín kho lưu trữ WeMM-Video dưới tổ chức Tencent, tất cả đều được tạo trong khoảng thời gian năm phút vào sáng hôm đó, đây là dấu hiệu đặc trưng của một script tải lên chứ không phải một người xuất bản từng mô hình một. Dự án GitHub Tencent/WeMM-Video được tạo sớm hơn sáu giờ, lúc 02:29 UTC, commit khởi tạo có nội dung thực chất của nó được đưa vào ngày 19 tháng 11, và các bản sửa đổi README vẫn tiếp tục được gửi đến vào ngày 20 tháng 11. Bài báo, arXiv 2611.26409, được gửi lúc 16:58 UTC ngày 19 tháng 11.

Screenshot of the Hugging Face model page for tencent/WeMM-Video-9B, showing the model card, the file listing and the repository tab bar for a repository created on 17 November 2026 with no launch announcement linked from it.

Không có gì trong số đó được công bố. Chúng tôi không thể tìm thấy bài đăng blog nào của T​encent, trang ra mắt WeChat Vision, thông cáo báo chí hay gói trả phí nào trỏ đến dòng mô hình này. Tại thời điểm viết bài, cả mười chín kho mã nguồn đều hiển thị 0 lượt tải xuống và tổng cộng chỉ có ba lượt thích. Artificial Analysis không liệt kê mô hình WeMM nào. Cả hai sự thật đó đều không nói lên điều gì về chất lượng — chúng cho thấy bước phân phối đã bị bỏ qua.

“9B” trong tên là phần xương sống ngôn ngữ, không phải checkpoint. Hugging Face ghi nhận 10,488,603,384 tham số trên 1,305 tensor, và khi đọc tên năm shard safetensors, ta có thể xếp chúng vào bốn nhóm:

• Mô hình ngôn ngữ — 7,94 tỷ tham số, bao gồm embedding token 1,02 tỷ.

• Đầu ra — 1,02 tỷ tham số. Các embedding không được ràng buộc, nên đây là bản sao đầy đủ thứ hai của từ vựng 248.320 token với 4.096 chiều ẩn.

• Tháp âm thanh — 1,08 tỷ tham số. Bộ mã hoá và giải mã kiểu Whisper, mỗi bên 32 lớp với độ rộng 1.280, đưa vào Q-Former hai lớp nén các cửa sổ 0,1 giây thành 10 token âm thanh mỗi giây.

• Tháp thị giác — 0,46 tỷ tham số. 27 khối ở kích thước ẩn 1.152, kích thước patch 16, hợp nhất không gian 2, patch thời gian 2.

Vậy nên khoảng một phần năm tệp là tai và mắt. Bài báo nói rõ về nguồn gốc: các mô hình dense 2B, 4B và 9B được xây dựng trên Qwen3.5-2B, Qwen3.5-4B và Qwen3.5-9B, mô hình mixture-of-experts trên Qwen3.6-35B-A3B, các bộ mã hóa âm thanh được khởi tạo từ Qwen2.5-Omni, và các bộ mã hóa thị giác gốc được giữ lại thay vì bị hoán đổi và đóng băng từ giai đoạn tiền huấn luyện thứ hai trở đi vì chúng "đã cung cấp các biểu diễn thị giác đủ mạnh."

Bản thân backbone là một kiến trúc lai: 32 lớp, kích thước ẩn 4.096, 16 đầu chú ý so với 4 đầu khóa-giá trị ở chiều kích thước đầu là 256, với một lớp chú ý đầy đủ sau mỗi ba lớp chú ý tuyến tính và một bộ đệm SSM float32 — đó là lý do mọi lệnh phục vụ trong kho lưu trữ đều mang một mamba-ssm-cache-dtype float32 cờ. Embedding vị trí được khai báo ở 262.144 token; các phần RoPE đa phương thức xen kẽ là 11/11/10. Giấy phép là Apache 2.0 với một điều khoản ngoại lệ cho bên thứ ba không được liệt kê từng mục trên thẻ mô hình.

Bốn bản dựng, bốn kích thước gần như giống hệt nhau

Đây là toàn bộ thang lượng tử hóa, được đo từ danh sách tệp của chính từng kho lưu trữ chứ không phải từ một con số được làm tròn trên thẻ:

• BF16 base — 19.54 GiB trên năm phân mảnh.

• FP8 Block128 — 13.10 GiB, một tệp. Cần GPU hỗ trợ FP8 và vLLM 0.18.0 đã được vá.

• AWQ W4A16 — 12,86 GiB, INT4 nhóm-128 ở định dạng compressed-tensors. vLLM 0.18.0 đã được vá.

• NVFP4 W4A16 — 13.07 GiB, độ chính xác hỗn hợp ModelOpt 0.45.0 với kích thước nhóm là 16. vLLM 0.31.0 đã được vá với Marlin, cấu hình tham chiếu SM120.

• GGUF Q4_K_M — 13,28 GiB dưới dạng gói ba tệp: 10,41 GiB ngôn ngữ, 2,01 GiB âm thanh, 0,86 GiB bộ chiếu thị giác.

Generated single-column scoreboard titled 'WeMM-Video-9B — the scoreboard' with six memory-chip rows: BF16 base 19.54 GiB across five shards, FP8 Block128 13.10 GiB, AWQ W4A16 12.86 GiB, NVFP4 W4A16 13.07 GiB, GGUF Q4_K_M 13.28 GiB, and a spread of 0.42 GiB across the four compressed builds, with a footer stating the sizes are measured from each Hugging Face repository's file listing and are vendor-reported with no independent verification.

Mức chênh lệch giữa bốn bản dựng nén đó là 0,42 GiB, nhỏ hơn cả vùng đệm bạn thường để dành cho một lần cập nhật driver. Nếu bạn đang chọn giữa chúng để vừa với một card, thì bạn đang chọn sai biến số: hãy chọn dựa trên GPU bạn sở hữu và runtime bạn có thể vá, vì khác biệt bộ nhớ không nằm ở đó.

Kỳ vọng ngây thơ — một phần tư của 19.54 GiB, tức khoảng 4.9 GiB — bị lệch đi gấp hai lần rưỡi. Ngay cả phần dư so với BF16 cũng khiêm tốn: AWQ tiết kiệm được 6.68 GiB, tức thực sự là 34%, nhưng không hề giống với “nhỏ hơn bốn lần” mà nhãn W4 ngụ ý.

Các nhà xuất khẩu bảo vệ điều gì, và tại sao

Cả manifest AWQ và GGUF đều nêu rõ chính xác những tensor mà chúng được phép tác động, và câu trả lời giải thích hiện tượng kích thước đi ngang.

• Chỉ các ma trận feed-forward dày đặc mới được lượng tử hóa. Bản kê AWQ ghi nhận 96 ma trận ngôn ngữ đã lượng tử hóa — ba ma trận mỗi lớp trên 32 lớp, mỗi ma trận 4.096 x 12.288. Đó là 4,83 tỷ tham số trong tổng số 10,49 tỷ, tức 46% của checkpoint. Mọi thứ còn lại giữ nguyên độ chính xác.

• Đường attention đã được khôi phục về BF16. Manifest AWQ chứa một khối attention_restoration liệt kê 152 ma trận chiếu attention và 32 norm đầu vào được sao chép trở lại từ checkpoint nguồn cùng mã băm SHA-256 của chúng. Tệp phạm vi GGUF báo cáo cùng số lượng — protected_attention_BF16: 152 — và nói thêm rằng tensor embedding và đầu ra là hai mục được bảo vệ khác duy nhất.

• Phần frontend và cả hai tháp media không bao giờ đi vào bộ lượng tử hóa. 881 tensor được liệt kê là tensor frontend, embedding và head được bảo vệ trong manifest AWQ — 333 từ tháp thị giác, 545 từ tháp âm thanh, token embedding, output head không buộc chung và norm cuối cùng. Ở BF16, đó là khoảng 3.57B tham số, tức 7.1 GB trong tệp 21.0 GB, nằm hoàn toàn bên ngoài bước nén.

Hệ quả là con số mà một kế hoạch triển khai thực sự cần: hãy dự trù 13–13,5 GiB VRAM cho trọng số dù bạn chọn bản dựng nào, rồi cộng thêm KV cache và bộ đệm SSM float32 lên trên. Một "9B 4-bit" cần 13 GiB trọng số không phải là vấn đề của mô hình — chỉ riêng từ vựng đã là 248.320 token được nhúng hai lần, và tháp âm thanh là Whisper 1,08 tỷ tham số nằm ngay giữa nó — mà đó là khác biệt giữa việc vừa trên một card 16 GB còn chỗ để làm việc và việc không vừa chút nào.

Đã xác thực việc tải, chưa xác thực tính bằng nhau

Mọi thẻ lượng tử hóa trong họ này đều báo cáo một bài kiểm thử nhanh, còn mọi tệp manifest đều báo cáo điều gì đó thẳng thừng hơn. Hãy đọc hai thứ đó cạnh nhau, vì khoảng cách giữa chúng chính là toàn bộ rủi ro khi dùng một bản build nén.

• FP8 Block128 — thẻ: vLLM đã được vá đã tải nó trên H20 và hoàn tất các kiểm tra tạo văn bản, hình ảnh, âm thanh và video có âm thanh, đồng thời một cuộc kiểm toán độ chính xác khi chạy đã xác nhận đường dẫn W8A8. Manifest: trạng thái quantized_and_independently_reloaded_native_inference_pending, với native_inference_validated: false và native_low_precision_gemm_validated: false được ghi nhận dưới dạng các cờ riêng biệt.

• AWQ W4A16 — card: vLLM đã được vá đã tải nó trên một H20, hoàn thành cùng bốn kiểm tra, và đợt kiểm toán độ chính xác đã xác nhận trọng số feed-forward INT4 so với attention BF16. Manifest: trạng thái quantized_unvalidated, với một diagnostic_variant chỉ định một bản dựng tham chiếu attention BF16 song song với bản INT4.

• NVFP4 W4A16 — card: vLLM 0.31.0 đã được vá đã nạp và chạy "the PRO 5000 reference weights" và vượt qua năm phép kiểm tra sinh đầu ra, kể cả video không tiếng. Manifest: ba khẳng định đó được ghi lại dưới dạng cờ và cả ba đều đọc ra false — native_FP4_GEMM_validated, PRO5000_inference_validated, vllm_validated — với trạng thái là cpu_NVFP4_weight_artifact_independently_reread. Điều mà manifest thực sự chứng thực là một phép kiểm tra số học: 96 ma trận và 4.831.838.208 phần tử được giải lượng tử độc lập, RMSE tương đối trung bình 0,095 so với giới hạn 0,35, với 1.209 tensor được bảo vệ đã được xác nhận khớp chính xác đến từng bit. Số phần tử đó đúng bằng 4,83 tỷ mà tuyên bố phạm vi nêu ra, và đó chính là cách để biết rằng phần số học trong bài này và của trình xuất khớp với nhau.

• GGUF Q4_K_M — thẻ: runtime CPU gốc đã tải gói và tạo đầu ra văn bản, hình ảnh, âm thanh và video. Trạng thái manifest exported_unvalidated; trạng thái phạm vi quantized_candidate_not_validated.

“Nó đã tải được và đã sinh được kết quả” là một kết quả thật và đáng có — rất nhiều checkpoint đa phương thức đã lượng tử hóa thất bại đúng ở bước đó. Đó không phải là kết quả quyết định việc triển khai, vì không thẻ mô hình nào trong số này báo cáo một con số độ chính xác nào cho bản dựng đã nén so với chính nguồn BF16 của nó. Không có mức chênh lệch được đo trên MMAU, trên Video-MME, trên WER phiên âm. Tuyên bố duy nhất về độ chính xác định dạng được đưa ra ở bất kỳ đâu là mang tính cấu trúc, từ bản kiểm toán AWQ: INT4 trong feed-forward, BF16 trong attention. Điều đó mô tả tệp. Nó không cho bạn biết việc nén đã tốn bao nhiêu, và trên một mô hình có lợi thế so với Qwen3-Omni-30B-A3B-Instruct trên Video-MME có âm thanh là 7,8 điểm thì độ lớn của chi phí đó không phải là chuyện làm tròn.

Vì vậy, quy tắc thực tế cho dòng này là chạy lại một benchmark bạn quan tâm trên đúng bản build bạn định phát hành, so với bản nền BF16, trước khi bạn tin vào một bảng từ bài báo. Đó là vài giờ làm việc và là cách duy nhất để biết liệu phần feed-forward INT4 có thể được thay vào mà vẫn giữ được kết quả video, hay liệu khoản tiết kiệm 34% đang được trả giá bằng chính những con số mà tấm card đang quảng cáo.

Screenshot of the raw quantization_manifest.json for the FP8 Block128 build of tencent/WeMM-Video-9B on Hugging Face, showing the status field quantized_and_independently_reloaded_native_inference_pending, an official_repo field naming Qwen/Qwen3.5-35B-A3B-FP8, and the algorithm field Transformers 5.5.3 Fp8Quantize.convert.

Có hai cái bẫy cơ học nằm bên dưới đó.

Đầu tiên là GGUF. "GGUF Q4_K_M" được hiểu là "chạy trong llama.cpp hoặc Ollama." Không phải vậy. Gói này được xây dựng cho runtime native riêng của Tencent, thứ mà bạn biên dịch từ kho lưu trữ; phần quick start của model card là install-cpu/bin và một native/run_hf.py trình khởi chạy, và hướng dẫn phục vụ định tuyến GGUF đến runtime đó và không đến đâu khác. Nếu pipeline của bạn có dạng llama.cpp, checkpoint này không phải là lối tắt như nó trông có vẻ.

Điểm thứ hai là một lỗi tài liệu đáng nêu tên vì nó sẽ khiến bất kỳ ai đọc các manifest theo thứ tự bị nhầm lẫn. Cả ba manifest FP8 — cho 2B, 4B và 9B — đều mang cùng official_repo ở trường: Qwen/Qwen3.5-35B-A3B-FP8. Đây là một chuỗi xuất xứ được sao chép-dán trong bản ghi recipe, không phải một tuyên bố rằng checkpoint 9B thực chất là một mixture-of-experts 35B. Không có gì khác trong tệp hỗ trợ cách đọc đó: danh sách nguồn của cùng manifest trỏ đến năm shard của tencent/WeMM-Video-9B với các hash khớp, và khối kiến trúc ghi lại một mô hình dense 32 lớp với không có chuyên gia nào. 35B-A3B là một mô hình riêng biệt có thật; nó cũng là kích thước duy nhất trong họ không có kho FP8 riêng, chỉ có base, AWQ, GGUF và NVFP4.

9B đối đầu với 30B, trên bảng của T​encent

Mọi con số đánh giá chuẩn dưới đây đều là của chính các tác giả, lấy từ arXiv 2611.26409, và chưa có bên thứ ba nào tái lập được bất kỳ con số nào trong đó. Bài báo cũng nói đúng như vậy: các mô hình hiện có được báo cáo theo “kết quả chính thức khi có sẵn và đánh giá của chính chúng tôi trong các trường hợp còn lại.” Hãy coi phần này là mô tả một tuyên bố, không phải một phép đo.

Trên bảng âm thanh-hình ảnh kết hợp, ở chế độ Thinking, 9B đánh bại Qwen3-Omni-30B-A3B-Instruct ở 35 trong số 37 chỉ số mà hai cột cùng có, hòa một và thua một — trước một mô hình có kích thước gấp khoảng ba lần:

• Video-MME có âm thanh — 85,1 so với 77,3. MiniCPM-o-4.5-9B ở mức 69,2.

• Video-MME-v2 có âm thanh — 51,6 so với 36,3, chênh lệch 15,3 điểm.

• Daily-Omni — 83.6 so với 70.7, mặc dù 80.2 của MiniCPM-o-4.5-9B khiến đây trở thành kết quả ba bên chứ không phải một chiến thắng dễ dàng.

• SciVideoBench và MMOU — 64.2 so với 49.9, và 71.7 so với 60.5.

• EvaOmni và OmniReasoningBench — 50,7 so với 26,1 và 43,9 so với 24,1.

• Điểm thua duy nhất — FutureOmni, 53,7 so với 55,1. MiniCPM-o-4.5-9B đạt 56,1 ở đó.

Video không tiếng là bảng hữu ích hơn, vì nó chứa một đối chứng cùng họ: Qwen3.5-9B, mô hình nền mà checkpoint này được xây dựng dựa trên. Đọc hai cột cạnh nhau và quá trình hậu huấn luyện hiện ra một hình dạng. Nó tăng trên khả năng định vị thời gian và nhận thức thời gian — F-16-NBA 88.7 so với 75.8, TimeLens-QVHighlights 66.8 so với 64.3, TimeLens-ActivityNet 55.3 so với 52.2, TOMATO 48.5 so với 45.0 — và giảm trên tóm tắt video dài và nhận diện tổng quát: MLVU 82.4 so với 84.4, LVBench 68.2 so với 70.0, VideoVista 82.2 so với 84.7, VSI-Bench 54.5 so với 58.3, MVBench 71.4 so với 74.4. Vậy đây không phải là một bản nâng cấp đồng đều so với mô hình nền mà nó kế thừa. Đây là một mô hình được tinh chỉnh hướng tới việc gì đó xảy ra khi nào và ở đâu, với cái giá đo được ở các điểm số video tổng hợp và suy luận không gian mà mô hình nền vốn làm tốt hơn.

Âm thanh là nơi mẫu 9B không còn thắng thế. Ở chế độ Instruct, mẫu 9B đạt 70.9 trên MMAU-Pro so với 64.8 của Qwen3.5-Omni-Flash và 76.8 trên MMSU so với 72.2 — nhưng thua ở MMAU với 77.0 so với 80.4 và ở MMAR với 72.8 so với 74.0, đồng thời thua hoàn toàn ở nhận dạng giọng nói: tỷ lệ lỗi từ trên LibriSpeech là 1.5 và 3.1 so với 1.3 và 2.4, tỷ lệ lỗi ký tự trên WenetSpeech là 5.4 và 6.8 so với 4.4 và 5.5. Văn bản và kiến thức cũng cho thấy điều tương tự: MMLU-Pro 81.6 so với 82.5 của backbone Qwen3.5-9B, GPQA 77.8 so với 81.7, HMMT 75.0 so với 82.9. Nếu bản chép lời là sản phẩm, một bộ nhận dạng chuyên dụng vẫn thắng.

Một so sánh trong bài báo nên được đọc một cách thận trọng. Bảng omni-modal chạy các mô hình WeMM ở chế độ Thinking, trong khi bảng âm thanh chạy chúng ở chế độ Instruct, vì các tác giả đánh giá các benchmark âm thanh tiêu chuẩn là những tác vụ tri giác trực tiếp. Đó là một cách tách có thể biện luận được, và điều đó cũng có nghĩa là một hàng WeMM trong bảng này không thể so sánh với một hàng của đối thủ trong bảng kia.

Tám giây video, theo mặc định

Khoảng cách giữa những gì checkpoint có thể tiếp nhận và những gì các công thức được phát hành truyền vào nó đủ lớn để làm thay đổi kết quả, vì vậy nó cần có mặt trong bất kỳ kế hoạch đánh giá nào.

• Ngân sách khung hình — bộ xử lý mặc định là 2 fps, tối thiểu 4 khung hình, tối đa 128 khung hình và tổng cộng 100.663.296 pixel. Công thức vLLM ghi đè cả bốn thông số thành 2 fps, 16 khung hình và 262.144 pixel. Ở 2 fps, mười sáu khung hình tương đương tám giây nội dung tính từ phần giữa của một clip.

• Ngữ cảnh — cấu hình văn bản khai báo 262.144 embedding vị trí. Mọi lệnh phục vụ mà Tencent công bố đều truyền max-model-len 8192 hoặc context-length 8192, và không có gì trong kho lưu trữ giải thích cách đạt được con số lớn hơn.

• Chi phí âm thanh — 10 token mỗi giây, vì vậy ngân sách 8,192 token chỉ đủ cho khoảng mười ba phút âm thanh và không còn gì khác. Một video có âm thanh đi kèm sẽ tiêu ngân sách đó cho cả khung hình lẫn âm thanh cùng một lúc.

• Phương tiện theo từng yêu cầu — bốn hình ảnh, hai video, hai mục âm thanh, theo giới hạn đã công bố.

Chưa ai ngoài WeChat Vision công bố các lần chạy benchmark đã dùng cách lấy mẫu nào. Nếu bạn đang tái tạo một con số từ bảng ở trên, đó là ẩn số đầu tiên cần xác định, và mặc định 16 khung hình đi kèm sản phẩm là điểm khởi đầu sai.

Bạn thực sự có thể làm gì với nó ngay hôm nay

OrcaRouter không phục vụ WeMM-Video-9B, và danh mục của nó không liệt kê bất kỳ checkpoint WeMM nào. Không có giá dịch vụ lưu trữ nào để báo và không có endpoint nào để gọi, vì vậy hiện nay đây là công việc tự vận hành: vá vLLM hoặc SGLang từ thư mục overlay của kho lưu trữ, ghim chính xác tổ hợp PyTorch, Transformers và CUDA 12.9 mà manifest bản vá chỉ định cho phiên bản engine của bạn, và dự trù 13 GiB cộng thêm bộ nhớ đệm. Tuyến GGUF cần runtime gốc của T​encent được biên dịch từ mã nguồn.

Đối với phần thị giác của công việc, đã có những lựa chọn mở thay thế trên nền tảng — Qwen3-VL-235B-A22B-Thinking và Qwen3-VL-8B-Thinking đều nhận ảnh và khung hình video — có thể truy cập qua một khóa tương thích OpenAI cùng với hơn 200 mô hình khác, với mức phụ phí 0% so với giá niêm yết của nhà cung cấp. Cả hai đều không nghe được gì, và không có tương đương WeMM cho phần âm thanh. Nếu bạn muốn thử một mô hình 9B tự lưu trữ mà không đặt nó vào đường chạy production, định tuyến nó phía sau một quy tắc chuyển đổi dự phòng là cách rẻ để biết liệu runtime đã vá có trụ được ở mức đồng thời của bạn trước khi bạn dành hẳn một card cho nó.

Trong khi đó, các bản dựng 4-bit là thứ nên chờ đợi chứ không phải thứ nên áp dụng. Manifest của chính chúng tự gọi mình là chưa được xác thực, và phép tính kích thước cho thấy khả năng nén mà chúng mang lại là mức tiết kiệm 34% trên trọng số — đáng có, nhưng không đáng để tái kiến trúc một triển khai vì nó. Tín hiệu cần theo dõi không phải là một kho lưu trữ lượng tử hóa khác. Mà là manifest đầu tiên trong nhóm này loại bỏ từ pending, tiếp theo là lần tái tạo độc lập đầu tiên của một bảng hiện chỉ tồn tại ở đúng một nơi: tệp PDF của các tác giả.

So sánh trong bài viết này1

Phát hiện từ bài viết này