Artículos por etiqueta: turboquant

Modelos locales 200B: Bonsai y TurboQuant

Desglose de pesos 1-bit Bonsai 8B y compresión KV-cache TurboQuant. Reducción de memoria 14x para pesos, 6x para caché. Cálculos para modelos 235B. Aprende cómo ejecutar gigantes localmente.

TurboQuant: compresión 6x de LLM KV-cache

Desglose de TurboQuant de Google: PolarQuant + QJL para compresión 6x de KV-cache sin pérdida de precisión. Aceleración de inferencia hasta 8x. Benchmarks, principio de operación para desarrolladores de LLM.