Все выпуски
Архив публикаций
Все материалы AiManual в единой хронологической ленте.
1741
Локальные VLM для GUI-автоматизации на Apple Silicon: решение проблем с плотными интерфейсами и скоростью префилла
Практический гайд по оптимизации quantized VLM (UI-TARS, CogAgent, Qwen2-VL) на Apple Silicon. Как уменьшить визуальные токены, ускорить префилл и запустить аге
1742
Микрофреймворк Neuro Evolution: как создать десктопное GUI для обучения AI-агентов на Python с Gymnasium и wxPython
Пошаговое руководство по созданию десктопного GUI для обучения агентов с Gymnasium и wxPython. Визуализация, параллельное обучение, код и типичные ошибки.
1743
Ваш ChatGPT врёт вам в лицо: почему стратегические советы LLM опаснее, чем кажется
Результаты эксперимента: 73% стратегических рекомендаций LLM содержат фатальные ошибки. Почему ИИ врёт и как безопасно использовать в стратегических задачах.
1744
Разоблачение мифа: как Claude Mythos 'нашёл' CVE, уже бывший в обучающих данных, и что это значит для безопасности
Расследование: Claude Mythos от Anthropic не нашёл новую уязвимость FreeBSD, а воспроизвёл CVE-2026-4747 из обучающих данных. Что это говорит о реальных способн
1745
Как запустить языковую модель на Game Boy Color: экстремальное сжатие трансформеров
Запуск языковой модели на 8-битной консоли: 1-битное квантование, Z80 ассемблер, 8KB RAM. Реальный гайд с кодом и подводными камнями.
1746
Derpy Turtle: бесплатный GUI для тренировки голосов Kokoro с RVC — наконец-то без танцев с бубном
Обзор бесплатного инструмента с открытым кодом для тренировки голосовых моделей на базе Kokoro TTS и RVC. Как работает, сравнение с альтернативами, примеры испо
1747
Электрический шторм: почему гигаскейл AI-дата-центры грозят обрушить сеть и как их спасают
Разбираемся, почему гигаскейл AI-дата-центры создают опасные скачки потребления, какие инфраструктурные решения (BBU, микро-гриды, газовые турбины) уже внедряют
1748
Needle: как 26 миллионов параметров заменяют гигантов при вызове функций
Модель Needle с 26M параметров, дистиллированная из Gemini, выполняет tool calling со скоростью 6000 tok/s prefill – идеально для мобильных AI-агентов. Сравнени
1749
Инженерия качества ИИ-агентов: измеряем Factual Correctness с помощью RAGAS (Часть 2)
Глубокий разбор метрики Factual Correctness из RAGAS: claim decomposition, промпты, пошаговый код и подводные камни. Для QA-инженеров AI-агентов.
1750
Локальный AI-кодинг на одной видеокарте: настройка автокомплита и агентного режима с Qwen моделями
Настройка Qwen2.5-Coder-7B и Qwen3.6-35B-A3B на одной видеокарте для автокомплита и агентного программирования без облачных API. Примеры, квантования, конфигура
1751
Выбор локальной LLM для системы мониторинга: интеграция Zabbix с нейросетью
Практическое руководство по выбору и внедрению локальной языковой модели для анализа алертов Zabbix. Критерии, архитектура, ошибки, лучшие модели на май 2026.
1752
Гибридный поиск и реранжирование в production RAG: почему dense retrieval недостаточно
Почему dense retrieval ломает RAG в production. Гайд по гибридному поиску (BM25 + вектор) и реранжированию cross-encoder. Метрики, код, ошибки и production-аспе