É interessante como o gpt-oss era tão insignificante. Um modelo forte. Sem nenhum alfa, pura demonstração de força. Um DS-MoE ligeiramente modificado com características do Shazeer. Compare isso com o CLIP. Presente Prometeico
Carregando detalhes do thread
Buscando os tweets originais no X para montar uma leitura limpa.
Isso normalmente leva apenas alguns segundos.