Gustavo Costa

Um projeto de portfólio criado para destacar textura, luz e narrativa visual em cada detalhe. › •Do close extremo ao momento de compartilhamento, cada frame foi pensado para despertar sensações - crocância, suculência e conexão. #Portfolio #VideoPortfolio #foodfilm

@georgesttock UGC

550 UGC ads/day at $1 each. Creative bottlenecks = gone. - Claude + MakeUGC = AI creative strategist - Finds winning angles + predicts fatigue - Tells you exactly what to make next - Auto-produces high-quality UGC - Scripts, pacing, variations included No creators. No delays. Just scale. Comment “UGC” for the workflow

Silence is over. ⚡️ "Burn the Silence" – Aggressive, raw, and unapologetic. 🤘 #HardRock #NewMusicAlert #BurnTheSilence

@mousethegame Please include the Nintendo Brazil store.

5 days until MOUSE: P.I. For Hire 👔

Realmente o Ace-Step 1.5 Turbo é fantástico. Gera música perfeitas como essa.

@0xCVYH Meu amigo! Consegue enviar o pip freeze > requirements.txt do seu ambiente. Acho que a versão instalada no meu ambiente não tem o “No module named ltx_pipelines.generate”. Estou noob demais.

@gugaucb Esse erro e porque falta o pacote ltx_pipelines. Roda: pip install ltx-pipelines ou clona o repo completo com git clone e instala as dependencias do requirements.txt

LTX 2.3 22B: gera VIDEO a partir de texto e imagem. PolarQuant comprimiu de 46.2GB pra 15GB (-68%). Transformer de 37GB caiu pra 4.6GB (-88%). 1.347 camadas quantizadas. Cabe numa RTX 4090 com offload. O @gugaucb pediu esse modelo ontem e ta pronto. huggingface.co/caiovicentino1…

@0xCVYH python: Error while finding module specification for 'ltx_pipelines.generate' (ModuleNotFoundError: No module named 'ltx_pipelines')

@0xCVYH Primeiro erro recebido foi a falta do torch. Instalei e segui a vida. Agora me deparei com o erro abaixo, vou ler o readme.md para entender o que fiz de errado.

@0xCVYH Já estou instalando. Já te dou um feedback.

@0xCVYH Só reconhecimento do excelente trabalho. Continuamos acompanhando sua evolução.

17 mil seguidores. Comecei postando sobre Bitcoin e IA sem ninguem ver, e agora tem 17 mil pessoas acompanhando essa jornada. Obrigado a cada um que curte, RT, comenta e manda DM. Nao seria nada sem voces. Proximo milestone: 20k. Vamos juntos.

@0xCVYH @levraisido Não vejo a hora.

@gugaucb @levraisido Depende do modelo base. Pra um modelo de video tipo LTX 2.3 com ~13B params, PolarQuant Q5 ficaria em torno de 8-9GB. Compressao 3x e o padrao

38 modelos publicados no HuggingFace. Todos com PolarQuant. Gemma 4, Qwen3.5, Nemotron Cascade, Wan2.2 video. De 9B a 31B, tudo rodando em hardware consumer. O objetivo e simples: fazer modelos grandes caberem em GPUs pequenas sem destruir qualidade. huggingface.co/caiovicentino1

@0xCVYH Blz! Valeu! Desculpa a perturbação.

@gugaucb Esse erro acontece porque o modelo PolarQuant usa formato customizado, nao carrega direto pelo AutoModel do transformers. Precisa do loader especifico do PolarQuant. Tamo trabalhando pra simplificar isso

@0xCVYH Já viu esse tipo de erro? OSError: caiovicentino1/Gemma-4-31B-it-PolarQuant-Q5-Vision does not appear to have a file named pytorch_model.bin or model.safetensors.

@gugaucb Os modelos PolarQuant tem formato proprio por enquanto. Pra Ollama, usa os modelos base direto (ollama run gemma3:27b). A collection completa com todos os modelos: huggingface.co/collections/ca…

@0xCVYH @levraisido Já tem uma estimativa do tamanho que vai ficar o modelo?

@gugaucb @levraisido LTX 2.3 seria um teste interessante sim. Video models com PolarQuant e o proximo passo, ja comecamos com o Wan2.2 14B

@0xCVYH @levraisido Seria excepcional! Nossa! Isso valeria ouro. Se puder testar co o LTX 2.3.

@levraisido Interesting question. PolarQuant currently focuses on LLM weights (text generation). Image diffusion models like FLUX have different tensor structures. Its on the roadmap but not ready yet. For now Wan2.2 video model is the closest we got to non-text quantization

claude está dando créditos de graça nesse exato momento se vc ainda não pegou o seu, aproveita lá pra pegar antes que acabe link pra resgatar nos comentários

@0xCVYH caioexplica.ai/apple-neural-e…

Escrevi um guia completo de como rodar no seu Mac: caioexplica.ai/artigos/apple-… Repo: github.com/maderix/ANE Paper original: maderix.substack.com Se voce tem Mac com Apple Silicon, seu hardware e mais poderoso do que voce imagina.

Desbloqueei o Neural Engine do meu Mac Mini M4 pra treinar modelos de IA. A Apple trava o ANE so pra inferencia. Um pesquisador fez engenharia reversa das APIs privadas (_ANEClient, _ANECompiler) e abriu tudo no GitHub. Rodei os benchmarks agora. Resultados reais do MEU hardware:

@0xCVYH Como vc está monetizando?

Calculo que poucos fazem sobre IA local: Mac mini M4: R$7.500 ChatGPT Pro + APIs: R$1.000/mes Em 8 meses o hardware se paga. E ai fica acumulando lucro. Mais: dados ficam locais, sem LGPD, sem vazamento, sem dependencia de terceiro.