Channel
@deploy_ml
On this record: Growth · Engagement · Reactions · Posts · Citations · Cite this entry
545subscribers
+1 since we began measuring on 7 August 2026
Risers and fallers across the register · movement among entries of Under 1,000.
| Telegram ID | -1001942312517 |
|---|---|
| Type | Channel |
| Username | @deploy_ml |
| Created | Between 1 April 2023 and 31 October 2023— estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 8 August 2026 |
| Last confirmed live | 15 August 2026 |
| Measurements held | 3 |
| Confirmed unchanged | 1 time, most recently 15 August 2026 |
| On Telegram | t.me/deploy_ml |
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 15 Aug 2026, 00:55 | 545 | +1 |
| 8 Aug 2026, 03:47 | 544 | no change |
| 7 Aug 2026, 15:57 | 544 | first reading |
14 posts held, back to 19 June 2025 — the reader has not yet reached the start of this channel’s public history, so older posts may sit further back, unread. Read across 1 pageof Telegram’s post history, 20 posts per page.
Nothing published in the last 30 days. ERR and ER are rolling 30-day measures, so there is nothing to compute — we hold 14 posts for this entry, the most recent from 20 April 2026. An engagement rate over an empty window would be a number about nothing.
169 reactions across 14 posts, in 10 distinct kinds. The most used accounts for 63.9% of them.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| 🔥 | 108 | 63.9% | |
| ❤ | 16 | 9.47% | |
| 🍾 | 15 | 8.88% | |
| 😁 | 9 | 5.33% | |
| ❤🔥 | 7 | 4.14% | |
| ⚡ | 5 | 2.96% | |
| 💯 | 5 | 2.96% | |
| 🥰 | 2 | 1.18% | |
| 🍌 | 1 | 0.592% | |
| 🦄 | 1 | 0.592% |
No sentiment is inferred, and none should be read in. This table is ordered by count and by nothing else. Emoji do not carry stable meaning across languages or communities — 🙏 is thanks in one channel and mourning in another — so we publish which ones were pressed and how often, and pass no judgement on what an audience meant by them.
Precision. Telegram publishes reaction counts per emoji and short-forms each one — 4.34K, 1.2M — so any single kind at or above 1,000 reaches us at three significant figures, and only counts below 1,000 are exact. The shares above are ratios of those figures and carry the same error. This is also why the total here can differ slightly from a reaction total printed elsewhere on the page: both are sums of the same rounded parts, taken over samples with different edges.
Coverage. Reactions were read on 14 of the 14 sampled posts in this sample. Summed by Telegram’s own count on each post — not by adding up the per-emoji breakdown above — those same posts carry 169reactions in total: the kind of figure the paragraph above means by “a reaction total printed elsewhere on the page”.
Measured over the 14 most recent posts we hold, published 19 June 2025 to 20 April 2026, using the newest reading held for each. Telegram Stars are excluded: they are a payment, not a reaction, and they have their own section.
Всем привет 👋 У меня появилась возможность взять ребят к себе в команду, заниматься rnd и рисерчем по темам Efficient DL и различным проектам по работе с LLM Прямо сейчас на горизонте такие проекты: 1. Обучение маленькой модели под работу с тулколингом (как сильно можно бустануть малую модель на тулколинге?). Уже анонсили, я там чуть участвую 2. Оптимизация фреймворков инференса (sglang) под разные специфичные нагру…
🔥6❤3🥰2
KernelEvo - эволюционный генератор Triton/inline CUDA ядер Сегодня зарелизили штуку, которую пилил с начала года: кидаешь pytorch операцию, получаешь оптимизированное GPU ядро (Triton или inline CUDA) в одном файле с тем же pytorch интерфейсом. Работает через цикл generate new ideas → generate code → repair → eval → repeat Так что за вас дожимает код до корректного и эффективного решения. Кому зайдёт: 1. Умеешь пи…
🔥19❤2
С наступающим Новым годом! 🎄✨ 2025 выдался насыщенным, вот что запомнилось: Из житейского: 1. LLM стали альтернативой поиску. RAG все чаще дает ответ сразу, а не списком сайтов, которые нужно переварить (галлюцинации, конечно, не нужно забывать). 2. Генеративный контент стал почти неотличим от реального. По ощущениям, каждый третий шортс - из нейросетки. А уж что там в рекламных материалах - баннера, заголовки, опи…
🍾15❤7🔥1
В чем устройство LakeHouse и отличие от баз данных? В этом году чаще слышу о LakeHouse и мыслях его внедрить. В чем основная суть: 1. Слой хранения выносим отдельно от слоя вычисления -> в s3 2. Формат хранения - универсальный (parquet например) 3. Поверх одного хранилища запускаем разные табличные движки Похожее произошло с вычислениями пару лет назад с приходом связки kubernetes/s3. Компании смогли динамически ал…
🔥5❤1
Как именно Alibaba ускорили на 84% мультимодельный инференс? TLDR: Alibaba Cloud представила Aegaeon (без кода 🙃) [paper] — по-токенный авто-скейлер для мультимодельного инференса. В проде (Alibaba Model Studio, >3 месяцев) он позволил снизить потребление GPU на 82%: с 1 192 до 213 H200, а «goodput» (RPS в рамках SLO) вырос в 1.5-9х. Продовый кластер состоит из 28 моделей размера 1.8–7B models (TP=1) и 19 моделей ра…
🔥15
Как LLM становятся «самостоятельными исследователями» Наткнулся на статью Barbarians at the Gate: How AI is Upending Systems Research [link] из UC Berkeley. Тема на слуху, если не в курсе - рекомендую изучить, чтобы понимать применимость в ваших задачах. AI-Driven Research for Systems (ADRS): Многократный generate → verify → select → mutate → repeat. По сути то же самое, что делает человек при создании решения. Тол…
🔥3❤1
Ещё немного о линейных трансформерах На прошлой неделе участвовал в воркшопе китайских коллег и выступал на тему edge-cloud collaboration. Рассказывал, как мы ускоряли ARMT. Проблема edge-cloud: Смартфон есть почти у каждого, и их вычислительная мощность растёт. Сервер же один — и дорогой. Часто это приводит к подписке $10+ на любого LLM-ассистента. Цель — максимально задействовать сам телефон (хотя бы для спекулят…
🔥11❤1❤🔥1
Стоимость инференса LLM снижается до 10x каждый год Cравниваются модели с похожим качеством на бенчмарках Год назад была статья от a16z. В этом году тренд продолжается. Почему стоимость инференса падает? 1. Не столько инференс дешевеет, сколько модели становятся мощнее и quality-per-parameter растет. 2. Квантизации становятся продвинутее. 3. MoE/Model Router позволяют получать модели с производительностью огромных,…
🔥8⚡1
У меня в последнее время подгорает на cursor, потому что 1. На запрос генерируется несколько файлов (код, тесты, readme, скрипты запуска). 2. Проект превращается в свалку файлов от разных запросов. 3. Лимиты на cursor улетают очень быстро. А ведь они недавно еще их и порезали. Проблема в том, что в одном продукте смешан функционал для разных целевых аудиторий: 1. Вайбкодеры Надо быстро и под ключ. Чтобы сразу весь …
😁9💯5🔥4
Как понять, что «тормозит» DataLoader? Недавно был задан классный вопрос: "Может ли малая утилизация CPU означать проблемы с DataLoader?" Утверждать нельзя, потому что в DataLoader: 1. Утилизируют CPU только аугментации и декодинг файла. Это, пожалуй, единственная вычислительная нагрузка в нем, и ее может не хватать для создания существенной утилизации. Декодинг файла - актуально для медиа-данных, хранящихся в сжат…
🔥7❤🔥1
А вот и слайды. Небольшой обзор по эффективному обучению и релевантным тематикам для студентов с летней школы. В начале прикладные материалы + материалы для начинающих. Для тех кто много знает - в конце начинается более инфровая часть и технические репорты. На многих слайдах внизу есть ссылки на статьи/технические блоги.
🔥11🦄1
Летняя школа AIRI Приехал в Томск чтобы провести пару лекций на летней школе по ИИ от AIRI и заменторить проекты. Ну и поесть окрошку и варенье из шишек. 4 июля буду читать о практичных инженерных штуках в обучении моделей. Слайдами тут обязательно поделюсь)
🔥10⚡2❤1
Showing the 12 most recent of 14 posts we hold for @deploy_ml. View and reaction counts are the latest single reading for each post, not a live figure, and a recent post is still accumulating both. A view count marked ≈ was rounded by Telegram before we ever saw it — t.me prints views in full below 1,000 and to three significant figures above, so ≈1,200,000 means somewhere between 1,150,000 and 1,249,999. Unmarked counts are exact. Text is reproduced from the public post preview and truncated for length.
Names
Channels on the register whose handles appear in this channel's posts.
A mention is a weaker signal than a forward and is counted separately for that reason — naming a channel is not republishing it, and a handle in a post body is easy to place deliberately. The post counts beside each row below are distinct posts in which the handle appeared, from posts we have read on both sides — the “Named by N registered channels” figure above is a different count, of distinct NAMING CHANNELS rather than posts, and is not the sum of the rows under it.
A live page changes as we take new readings, so a citation should name the measurement it is based on, not just the URL. The line below cites the subscriber count as measured 15 August 2026 — this entry's latest reading, not the date you are reading this.
“Давай деплой ML!” (@deploy_ml), 545 subscribers as measured 15 August 2026. Telegram Register, tgregister.com/channel/deploy_ml.
Full measurement history, CC BY 4.0. Every reading this register holds for this entry, not just the latest one, as a dated, downloadable record: CSV · JSON. Free to use with attribution to tgregister.com. Each file carries its own generation timestamp, which is the figure to cite for exactly when the data was retrieved.