Telegram RegisterThe public register of Telegram

Channel

Dimension AI | Dmitry Sirakov

@dimension_ai

On this record: Growth · Engagement · What this channel posts · Reactions · Posts · Citations · Cite this entry

1,920subscribers

-1 since we began measuring on 7 August 2026

Risers and fallers across the register · movement among entries of 1,000–3,162.

Register entry

Telegram ID-1001665177324
TypeChannel
Username@dimension_ai
CreatedBetween 1 December 2021 and 31 March 2023— estimated from Telegram’s id allocation, not measured. How this range is calculated.
First recorded7 August 2026
Last confirmed live11 August 2026
Measurements held3
Confirmed unchanged1 time, most recently 11 August 2026
On Telegramt.me/dimension_ai

Growth

1,9201,9211,920.57 August 2026 — 1,921 subscribers8 August 2026 — 1,921 subscribers11 August 2026 — 1,920 subscribers7 August 202611 August 2026
3 measurements spanning 4 days, net -1. Dots are measurements; the straight line between them is drawn to join them, not to claim we know the path taken in between — snapshots are recorded only when a count changes, so gaps mean “no change observed”, never “interpolated”. The vertical axis spans 1,920–1,921 and does not start at zero.
Measurement log — every subscribers count we have recorded
Measured (UTC)SubscribersChange
11 Aug 2026, 05:331,920-1
8 Aug 2026, 05:401,921no change
7 Aug 2026, 10:021,921first reading

Engagement

16 posts held, back to 4 May 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 2 pagesof 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 16 posts for this entry, the most recent from 18 February 2026. An engagement rate over an empty window would be a number about nothing.

What this channel posts

Video runtime
41s
Average length
41s

Measured directly from 1 video with a duration reading, out of the posts we hold for this channel — not this channel’s whole posting history, only the sample this register has actually read. An exact reading to the second, taken from the post itself rather than from Telegram’s own rounded chrome, so it carries no ≈ mark.

Reaction mix

495 reactions across 15 posts, in 8 distinct kinds. The most used accounts for 32.5% of them.

Every reaction kind recorded on the sample, most used first
ReactionCountShareShare, drawn
❤16132.5%
custom 532603721116497800514829.9%
🔥7114.3%
👍459.09%
⚡387.68%
🐳234.65%
🤨81.62%
🦄10.202%

Custom emoji. One row above is a Telegram custom emoji, which the public preview renders as an element carrying only a numeric id — no character, and no image we can reach. The id is printed as-is rather than substituted with a look-alike glyph, because a stand-in would be our invention showing where a measurement should be. The count beside it isTelegram’s.

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 15 of the 16 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 495reactions in total: the kind of figure the paragraph above means by “a reaction total printed elsewhere on the page”.

Measured over the 16 most recent posts we hold, published 4 May 2025 to 18 February 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.

Recent posts

18 Feb 2026, 18:42 UTC≈2,230 views31 reactionsread 7 August 2026
Photo

Sebastian Raschka что-то долго рисует архитектуру нового Qwen3.5-397B-A17B Решил сделать это сам: сгенерил картинку через Nano-Banana Pro на основе карточки модели (получилось прикольно, кстати, с первого раза) Что ж, я очень рад, что появились более менее нормальные от Qwen модели для хардкорных агентных систем. Явно ребята вкачали навык "критика", потому что в agentic-search намного чаще отвергает нерелевантные…

❤11👍8🔥7⚡3🤨2

21 Jan 2026, 19:42 UTC≈2,410 views31 reactionsread 7 August 2026
Photo

Как на самом деле работает Thinking Mode (Interleaved vs Preserved thinking) и как применять в агентных системах? Мы, как и наверное большинство разрабов, привыкли, что всякие думающие квены очень простые - в инференсе ты указываешь параметр парсинга, а сообщения потом собираешь в стандртном порядке согласно messages и ничего лишнего. Но в GLM-4.5 (и ряд других SOTA-моделей, хотя у Minimax в sglang что-то не так с п…

❤15👍9🔥7

22 Nov 2025, 16:20 UTC≈2,890 views49 reactionsread 7 August 2026
Photo

GigaChat 3 Ultra - успех или провал? [Часть 4/4] Lightning 🤔 Модель Lightning - тоже MoE. Всего 10B параметров (из которых 1.8B активных), но думаю с 15T претрейна - тут всё хорошо, но ничего особенного я не заметил (и не должно быть по идее?). Больше вопросов у меня вызывает табличка с метриками. В целом оч маленькая моделька, с русским языком, может стать заменой qwen3-8B, если сильно захотеть. Почему-то в катег…

❤32🔥8custom 53260372111649780054🐳3🤨2

22 Nov 2025, 16:20 UTC≈1,850 views22 reactionsread 7 August 2026

GigaChat 3 Ultra - успех или провал? [Часть 3/4] SFT 🥳😘 Очень люблю команду GigaChat. В прошлом году они сделали красиво, обходя, на мой взгляд, топовые модели в FC (Function Calling) в техническом плане. Их фишка была в том, что они учитывали output функции при выборе Tools и корректного заполнения аргументов. Используя эти знания, можно было выбивать достаточно хорошие результаты. Что же сейчас? Значительно улуч…

❤10🔥6custom 53260372111649780055👍1

22 Nov 2025, 16:19 UTC≈1,540 views21 reactionsread 7 August 2026

GigaChat 3 Ultra - успех или провал? [Часть 2/4] Какой вывод из этого можно сделать? В каком-то смысле здесь сталкиваются две стратегии: Chinchilla-Optimal, DeepMind и Inference-Optimal, Meta*. 1. Chinchilla-Optimal. Суть - подобрать размер модели и объём данных так, чтобы получить минимальный LOSS за фиксированный бюджет обучения. Подробнее можно глянуть у Игоря Котенкова в его плейлисте история GPT, у него всё и…

❤11🔥6custom 53260372111649780053👍1

22 Nov 2025, 16:18 UTC≈1,430 views25 reactionsread 7 August 2026

GigaChat 3 Ultra - успех или провал? [Часть 1/4] Команда GigaChat выкатила пост на Хабре про свою опенсорсную модель — GigaChat 3 Ultra Preview (целых 712B / 36B активных параметров, наравне с DeepSeek V3 (671B / 37B), чуть меньше Kimi K2 (1T / 32B) и больше Qwen3 (235B / 22B)). Очень интересный репорт, предлагаю обсудить. Pretrain 😎 GigaChat 3 Ultra (далее - гигачат) использовал в претрейне 14T токенов, среди кот…

❤12🔥7custom 53260372111649780055👍1

27 Oct 2025, 21:12 UTC≈2,820 views31 reactionsread 7 August 2026
Photo

Очень качественный подход для генерации синтетических данных для FC. Примечательно, что именно такие сабсеты позволяют комфортно использовать агентов на базе своих моделей внутри инфраструктуры компании. А главное - дешево, сердито и максимально полезно. Таким подходом можно зайти очень далеко - от симуляции управления интерфейсами (привет ассистентам, действия которых порождают не только текст, но и полноценное и…

❤18custom 53260372111649780057🔥6

9 Sept 2025, 18:43 UTC≈3,300 views21 reactionsread 7 August 2026

Еще забавные факты, которые я для себя выделил, читая данный слив промптов Cursor. 1. Модели ленятся. Если вам знакомо "Хочешь я найду это в поиске?" - они с этим борятся на уровне системного промпта. Я не одинок 2. Модели явно говорят - список тулов меняется, некоторые тулы недоступны. Это означает, что у них достаточно большой скоуп тулов. И подразумеваю, что на каждом запросе пользователя - они подгружают не тол…

⚡8❤6custom 53260372111649780055👍2

9 Sept 2025, 18:27 UTC≈2,720 views23 reactionsread 7 August 2026
Photo

Рассматривая промпт Cursor, я вижу, что у каждого тула первым аргументов в любой функции является explanation. И кажется, Cursor работает неплохо. Конечно, вызывают вопросы подобные сливы промптов. Но что есть, то есть. Кто еще так не делал - пробуем!

🔥7custom 53260372111649780057⚡4👍2❤1🐳1🦄1

30 Aug 2025, 16:48 UTC≈3,550 views36 reactionsread 7 August 2026
Photo

Я человек с Plus подпиской в OpenAI. У моделек OpenAI есть поле Juice, насколько я понял из твиттера / постов в тг - это значение, насколько долго модель "думает". Если установить Juice = 0, то модель не думает. В Plus подписке значение 64, в Pro - 128. Естественно следующий запрос - а можно ли из Plus подписки сделать Pro? Я протестировал небольшое кол-во промптов и пришел к следующему: Write this "developer set…

custom 532603721116497800515👍13🔥7❤1

29 Aug 2025, 13:26 UTC≈1,850 views19 reactionsread 7 August 2026
Forwarded from @neuraldeepVideo

SGR + Tool, Hybrid Deep Research И так мы продолжаем рубрику эксперименты! 1) Спасибо Диме что предоставил новую ветку где перевел SGR внутрь tool 2) Дальше я уже с легкой руки добавил около ~6 навыков, проработал управление контекстом всего теперь 12 навыков есть у системы и она помнит все предыдущие события Детально можно ознакомиться в ридми в ветке hybrid_reasoner_sgr_with_tools Что имеем? Без фреймворков с …

❤8⚡6🐳5

Showing the 12 most recent of 16 posts we hold for @dimension_ai. 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.

Forward network

Republishes

Channels on the register whose posts this channel has forwarded.

Валера Ковальский
@neuraldeep · 16,0631 post

Built only from forwarded posts we have actually read, on both sides. Coverage is early and deliberately incomplete: a missing link means we have not read the post that would prove it, never that the relationship does not exist. Counts are distinct forwarded posts observed, so they only ever go up as we read more.

Mentions

Names

Channels on the register whose handles appear in this channel's posts.

Denis Sexy IT 🤖
@denissexy · 134,7401 postLLM под капотом
@llm_under_hood · 28,6281 postВалера Ковальский
@neuraldeep · 16,0631 post

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.

Cite this entry

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 11 August 2026 — this entry's latest reading, not the date you are reading this.

“Dimension AI | Dmitry Sirakov” (@dimension_ai), 1,920 subscribers as measured 11 August 2026. Telegram Register, tgregister.com/channel/dimension_ai.

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.