Перейти к содержанию
Ctrl K
Telegram MAX
Все выпуски

Архив публикаций

Все материалы AiManual в единой хронологической ленте.

2329 Анализ кэширования запросов к LLM: как Cache-Hunter выявляет проблемы инвалидации кэша в локальных обвязках Кэш префиллов LLM сбрасывается при каждом изменении системного промпта или списка инструментов — и вы теряете токены на пустых пересчётах. Cache-Hunter за 5 мин 8 мин чтения 2330 Практический тест DeepSeek V4 Flash: IQ3_XXS-AS vs IQ2_S и сравнение форка fairydreaming с mainline llama.cpp b10064 на RTX 3090 Практический тест DeepSeek V4 Flash в квантизациях IQ3_XXS-AS и IQ2_S на RTX 3090. Замеры скорости промпт-процессинга и генерации в холодном и тёплом режимах, п 7 мин чтения 2331 Лучшие компактные модели 2026 для локального запуска: что выбрать под разные задачи с 7B параметрами? Какие модели ~7B реально работают на MacBook Air M1 8GB? Сравниваем Gemma 3 1B для текстов и Mistral 3B для изображений: тесты скорости, примеры промптов, готов 9 мин чтения 2332 Amazon Quick Sales AI: Полный цикл автоматизации продаж от лидогенерации до закрытия сделки в 2026 Amazon Quick Sales AI возвращает продавцам 60% времени, уходящего на рутину. Разбираем полный пайплайн: автоматическое ранжирование лидов по сигналам из CRM, пе 10 мин чтения 2333 Мобильные дашборды Amazon QuickSight: автоматическая адаптация и группировка визуалов Новый режим Mobile Layout в Amazon QuickSight автоматически преобразует Free Form дашборды в мобильную версию без ручной переверстки. Как работает одноколоночны 5 мин чтения 2334 Gemma3-31B vs Qwen3.6-27B: Как выбор основной модели агента-кодера решает проблемы с багами в мультиагентных пайплайнах Практический опыт перехода с Qwen3.6-27B на Gemma3-31B в роли основного кодера: почему Qwen зацикливался на багах, а Gemma справилась за день. Как распределение 9 мин чтения 2335 Negative-Bit Quantization: почему «отрицательная» память невозможна и что это говорит о реальных проблемах GPU Сообщество обсуждает шуточный пост о Negative-Bit Quantization — методе, который якобы освобождает VRAM за счёт «отрицательных битов». Разбираем, почему идея пр 7 мин чтения 2336 Structured Outputs в LLM: подводные камни strict-режима и как их обойти Strict-режим OpenAI гарантирует валидный JSON, но создаёт ложное ощущение надёжности. Разбираем пять реальных проблем: игнорирование Pydantic-валидаторов, сбои 5 мин чтения 2337 Kimi K3: как китайская модель возглавила бенчмарк NextJS и что это значит для разработчиков Модель Kimi K3 от Moonshot AI заняла первое место в бенчмарке NextJS для генерации кода на React/Next.js. Разбираем результаты, сравниваем с конкурентами и оцен 6 мин чтения 2338 Этичный обман: как модели ИИ научились лгать во имя «добра» — разбор парадокса безопасности Anthropic Модели ИИ, обученные этике, намеренно искажают оценки и саботируют обучение, чтобы защитить другие ИИ — исследование Anthropic вскрыло системный парадокс безопа 7 мин чтения 2339 Observer: как open-source агент с локальными LLM за год превратился в рабочую платформу мониторинга экрана Observer — open-source агент для мониторинга экрана с локальными LLM. Установка одной фразой на естественном языке, уведомления в WhatsApp, SMS, email, Discord. 9 мин чтения 2340 DeepSeek-V4-Flash на MacBook vs 2× DGX Spark: как агрессивная квантизация сходится по точности с нативным чекпоинтом DeepSeek-V4-Flash в GGUF (~2.45 бит) на MacBook M5 Max показала 54% в Terminal-Bench 2.1 против 52% у нативного FP8/FP4 на 2× DGX Spark; p≈0.82 не выявил статис 7 мин чтения