Open Source

Page 4 of 5

Scopri NuExtract3, il modello open-weight che trasforma fatture, PDF e report in dati strutturati, bypassando i limiti dell'OCR tradizionale con intelligenza visiva.

NuExtract3: Come un Decoder Universale Rende i Documenti Leggibili da una Macchina

Impara come NuExtract3 estrae dati complessi da documenti visivi, convertendoli in Markdown o JSON. Esplora la sua architettura, le capacità local-first e come gestisce le tabelle complesse, rendendo l'estrazione dati accessibile e affidabile.

Una famiglia di modelli completamente addestrati per la generazione di immagini anime, basata sull'architettura S3-DiT con 6 miliardi di parametri.

Z-Anime: Modello Anime con Fine-Tuning Completo su Z-Image Base

Z-Anime è un fine-tuning completo dell'architettura Z-Image Base di Alibaba, non un merge LoRA. Offre qualità elevata, diversità stilistica, supporto per prompt in linguaggio naturale e negative prompt, con varianti BF16, FP8, GGUF e AIO. Compatibile con 8GB VRAM e pronto per training LoRA.

Creato da Team Juggernaut e KandooAI, rilasciato da RunDiffusion: luci, texture e anatomia migliorate per ritratti e scene cinematografiche.

Juggernaut Z: un fine-tuning cinematografico per Z-Image

Juggernaut Z è un fine-tuning di Z-Image Base, ottimizzato per illuminazione drammatica, messa a fuoco nitida, texture della pelle più naturale e miglioramenti nell'anatomia e nella composizione. Include pesi completi, varianti FP16, FP8 e quantizzazioni GGUF. Ideale per lavori editoriali, concettuali e cinematografici.

Modello open-source da 2.6B parametri per video 720p di 60 secondi con controllo camera, 36x più veloce di modelli precedenti

SANA-WM: Modello mondiale bidirezionale per video di un minuto

SANA-WM è un world model bidirezionale open-source che genera video 720p di un minuto con controllo 6-DoF. Basato su un diffusion transformer ibrido lineare, è addestrato su 213K video pubblici e funziona su meno di 8 GB VRAM. Include un raffinatore LTX-2 per decodifica ad alta fedeltà.

Confronto tra approcci di Cina, Stati Uniti, Europa e Regno Unito per un'intelligenza artificiale inclusiva e affidabile

Sovranità digitale e IA: la terza via dell'Europa

Analisi del dibattito su come l'Europa possa bilanciare innovazione, regolamentazione e collaborazione internazionale nell'IA, puntando su fiducia, accessibilità e sovranità condivisa, con contributi da esperti globali.

Un confronto tra approcci divergenti all'intelligenza artificiale: dalla democratizzazione cinese alla regolamentazione europea, fino alla visione statunitense

AI tra Cina, USA e Europa: sovranità digitale e cooperazione

Sintesi del dibattito tra esperti su Cina, Stati Uniti e Unione Europea: modelli di AI, regolamentazione, accesso alle risorse e il ruolo della cooperazione internazionale per una sovranità digitale condivisa.

Dall'Eswatini alla Malesia, come i governi proteggono cultura, sicurezza e dati con l'intelligenza artificiale nazionale

AI Sovrana: la nuova frontiera della sovranità digitale

Un panel discute le motivazioni dietro le strategie di AI sovrana: preservazione culturale, sicurezza nazionale, indipendenza tecnologica. Esempi da Eswatini e Malesia, con focus su regolamentazione leggera e sostenibilità.

Strumento open-source per stimare VRAM, verificare la fattibilità e generare ricette di addestramento con LoRA e QLoRA

Can I Finetune This: Guida pratica al fine-tuning LLM su GPU consumer

Scopri come stimare il consumo di VRAM per il fine-tuning di modelli linguistici di grandi dimensioni su GPU consumer. Include benchmark reali, calibrazione automatica e generazione di script di addestramento pronti all'uso con Hugging Face e PEFT.

Come un modello di 13 miliardi di parametri, addestrato esclusivamente su testi antecedenti il 1931, generalizza e risponde a domande moderne.

Inside Talkie: il modello linguistico addestrato solo su testi pre-1931

Scopri Talkie, un modello linguistico da 13B parametri sviluppato da Nick Levine, Alec Radford e David Duvenaud, addestrato solo su 260 miliardi di token di testi pubblicati prima del 1931. Analizziamo le fonti, le capacità, le limitazioni e le reazioni della comunità. Un'esplorazione approfondita di questo esperimento di generalizzazione AI.

Analisi dettagliata delle famiglie NTP e MTP, benchmark su GPU e CPU, e consigli pratici per scegliere il modello più adatto

Come ottimizzare le prestazioni di Qwen 3.6 35B con le quantizzazioni ByteShape

Scopri le differenze tra le quantizzazioni NTP e MTP di ByteShape per Qwen 3.6 35B. Include benchmark su RTX 4090, 5090 e CPU, oltre a test della community. Impara perché la bpw più bassa non è sempre la scelta migliore e come MTP può raddoppiare la velocità di generazione su GPU.

I test della community mostrano che la Multi-Token Prediction di Google è utile solo quando il modello è parzialmente scaricato sulla CPU.

Gemma 4 MTP: vantaggio solo per sistemi con VRAM limitata

Analisi dei test della community su Gemma 4 MTP. Mentre GPU di fascia alta non registrano miglioramenti, configurazioni con VRAM mista e CPU raddoppiano la velocità. Scopri dettagli delle performance e reazioni degli utenti.

Come le prove crittografiche trasparenti garantiscono l'affidabilità degli agenti AI sulla blockchain Solana

Prove Verificabili per l'Audit di Agenti AI su Solana

Scopri come le prove verificabili consentono di auditare gli agenti AI su Solana, garantendo trasparenza e fiducia nelle operazioni decentralizzate. Un'analisi delle tecnologie di verifica per applicazioni blockchain è qui approfondita