Piccoli modelli fine-tuned e visivo-linguistici offrono ricerca verificabile, risposte concise, asset 3D e visione on-device con basso consumo di memoria. L'enfasi si sposta verso capacità locali specializzate, prevedibili ed efficienti in termini di risorse.
Un checkpoint early di Qwen3-1.7B, quantizzato Q8 GGUF a 1,83 GB, genera asset 3D da prompt e li esporta in GLB per Godot. Pensato per CPU o VRAM limitata, mostra come un LLM specializzato possa portare la generazione di contenuti 3D dentro una pipel...
Un framework di flow matching discreto genera strutture voxel 64³ a partire da una singola immagine, passando per risoluzioni intermedie. JoVox mantiene leggera la generazione, una caratteristica rilevante per chi lavora su hardware locale.
Un LLM da 1,1 GB derivato da LFM3-1.7B esegue una sola ricerca e restituisce risposta, citazione e URL. Nei test il modello base non risponde nel 62% dei casi live, mentre Obsessive risponde sempre e riduce le invenzioni. AI-Radar analizza il trade-o...
Un fine-tuning di LFM3-1.7B trasforma il modello in un subagente di ricerca web che restituisce valore, citazione e URL, oppure "Not found". Addestrato con LoRA su un laptop con RTX 4060, azzera le risposte inventate nel benchmark fisso ma accetta un...
Cactus Compute ha rilasciato Mirage, un modello visivo-linguistico da 22 MB e 51,3 milioni di parametri pensato per smartphone, wearable e robot. Su Samsung Galaxy S26 gira in 74 ms sulla NPU e 107 ms sulla CPU, in un solo passaggio per descrizione d...
Un progetto leggero mostra come ridurre la verbosità di un LLM locale. Oc-e-Non-v1, derivato da Qwen3-4B-Instruct-2507, accorcia le risposte in media del 50% e rende il comportamento sintetico parte del modello, non solo del prompt. Una mossa che int...
L'autore di CCORE GLB-3D-Coder ha pubblicato il dataset usato per addestrare il modello da 4 miliardi di parametri: 3.918 esempi validati e renderizzati su 40 domini, con tracce di ragionamento, risposte HTML/JavaScript e licenza MIT. Una base per fi...
