Перейти к содержанию
Ctrl K
Telegram MAX
Все выпуски

Архив публикаций

Все материалы AiManual в единой хронологической ленте.

2761 Ornith 35B FP8: локальный монстр кодинга, который не просит интернета Разбираем Ornith 35B FP8 — локальную модель для кодинга с MTP speculative decode. Сравнение с Qwen, DeepSeek, тесты на RTX 4090 и 3090. Кому реально нужно? 5 мин чтения 2762 Senior SWE Bench: новый бенчмарк, который не прощает халтуру в AI-кодинге Разбор Senior SWE Bench — бенчмарка, который тестирует AI на недоопределённых задачах senior-разработчика. Какие модели провалились, а кто показал класс? 4 мин чтения 2763 Tenstorrent P150a для локального AI: обзор, производительность и опыт использования Полный разбор Tenstorrent P150a: 32GB GDDR6, Ethernet fabric, сравнение с RTX 4090. Реальный опыт запуска Llama 3, Mistral и Stable Diffusion. Стоит ли брать дл 5 мин чтения 2764 99% против 73%: почему человек до сих пор обходит ИИ в чтении календаря — результаты бенчмарка мультимодальных LLM Новый бенчмарк показал, что мультимодальные LLM (Qwen, GPT-4V) ошибаются в чтении календаря в 27% случаев против 1% у человека. Разбираем слабые места и даем со 3 мин чтения 2765 Model Profiler от AWS: хватит гадать, пора профилировать модели в Bedrock Open-source инструмент Model Profiler от AWS для объективного выбора модели в Amazon Bedrock. Установка, запуск, разбор метрик и реальные ошибки при профилирова 6 мин чтения 2766 Как собрать полностью локальный веб-исследовательский AI-агент: стек и компоненты Пошаговый гайд по сборке полностью локального AI-агента для веб-исследований без облачных API. SearXNG, Hister кэш, агентский пайплайн, веб-скрапинг. 6 мин чтения 2767 Реально ли закрытые модели лучше? Переосмысление сравнения бенчмарков в AI Почему GPT и Claude показывают космические результаты в тестах, а open-source "проваливаются"? Разбираемся, как встроенные продуктные фичи искажают сравнение мо 5 мин чтения 2768 Persistent Latent Memory для мультиагентных LLM: метод ILCP с β-VAE компрессором Разбор метода ILCP для передачи памяти между агентами LLM с помощью β-VAE. Архитектура, пошаговый гайд, типичные ошибки и аналогия с 6G handover. 6 мин чтения 2769 Open-source real-time voice AI pipeline: Gemma 4, Cerebras и Qwen TTS — разбор архитектуры Разбор полностью открытого пайплайна для голосового AI с субсекундной задержкой: Parakeet -> Gemma 4 на Cerebras -> Qwen3TTS. Архитектура, компоненты, подводные 8 мин чтения 2770 Новый SWE-rebench leaderboard: как модели GLM-5.2, Qwen3.6 и Gemma 4 справляются с задачами разработки Анализ нового бенчмарка SWE-rebench: кто лучше пишет код? GLM-5.2 обходит Qwen3.6 и Gemma 4. Реальные сценарии, неожиданные провалы и скрытые лидеры. 3 мин чтения 2771 Venice AI: Полная шифровка. Как платформа с 200+ моделями сделала приватность главным фичером Разбираем Venice AI — AI-платформу с клиентским шифрованием, open-source моделями и отсутствием логирования. Почему это важно в 2026 году? 5 мин чтения 2772 Какие локальные LLM помещаются в вашу RAM: полное руководство от 8 до 128 ГБ с открытым датасетом Узнайте, какие локальные LLM влезут в вашу оперативную память. Практическое руководство с датасетом, правилом 0.6 ГБ на миллиард параметров и таблицами для 8–12 8 мин чтения