Все выпуски
Архив публикаций
Все материалы AiManual в единой хронологической ленте.
529
Бенчмарк Kimi-k3: тест на RTX 6000 PRO 96GB и перспективы RPC-кластеризации
Реальные цифры запуска Kimi-k3 на RTX 6000 PRO 96GB: 0.23 tok/s и 31 минута на 440 токенов. Разбираем, почему топовое железо не справляется с MoE-архитектурой,
530
LoRA и её скрытые требования к VRAM: разбираемся в потреблении памяти
Почему LoRA требует 40-50 ГБ VRAM для модели на 7B параметров? Разбираем реальное потребление памяти: веса базовой модели, градиенты, состояния AdamW и активаци
531
Падение акций SK Hynix на 40%: как обвал рынка памяти изменит цепочки поставок AI-оборудования
Акции SK Hynix рухнули на 40% за месяц, KOSPI обвалился на 10,8% за день. Разбираем причины: сомнения в окупаемости AI-инфраструктуры, китайский прорыв в DUV-ли
532
Mac mini M4 для локального ИИ: какую конфигурацию выбрать без переплаты
Разбираем Mac mini M4 для локального ИИ: сколько памяти и SSD нужно, когда брать M4 Pro и что проверить перед покупкой в Москве.
533
XYZ-Aquila: open-weight агенты глубинного поиска от XYZ AI Lab — архитектура, обучение и практика
Разбор open-weight агентов XYZ-Aquila для глубинного поиска: архитектура Aquila-mini (35B) и Aquila-pro (397B) на базе Qwen, инновационный пайплайн обучения AI4
534
Архитектура коллективного разума: как построить сеть ИИ-агентов, действующих как единая команда
Мультиагентные системы проваливают 41-87% новых задач не из-за плохих моделей, а из-за отсутствия семантического слоя для координации. Разбираем архитектуру Int
535
Вышли веса модели KIMI K3: архитектура, бенчмарки и практическое применение для разработчиков
Moonshot AI открыла веса KIMI K3. Разбираем архитектуру с 896 экспертами, механизм длинного контекста на 1 млн токенов и практические стратегии инференса. Сниже
536
Оптимизация разметки данных: практическое руководство по Active Learning с примерами на Python
Active Learning на Python: сократите затраты на разметку данных в 2–5 раз. Готовый код uncertainty sampling, diversity-based sampling и query by committee с виз
537
Среднее арифметическое: от закона больших чисел до квадратичных потерь — история, наука и подводные камни
Глубокий разбор среднего арифметического: от Бернулли до Гаусса, почему вес p единственно верен, связь с квадратичными потерями и опасности «среднего человека».
538
AI-ответы Google как новый стандарт: данные Similarweb о росте до 43% и снижении кликов
Similarweb: доля запросов Google с AI-ответами выросла с 15% до 43% за год, сессии AI Mode удвоились до 279 млн, а кликабельность первой позиции упала на 58%. Р
539
Дешёвые AI-модели vs дорогие: насколько оправданна переплата за инференс в 2026 году
Сравниваем модели за $0.34 и $27.60 на реальных бенчмарках. Разбираем, когда переплата за инференс оправдана, а когда дешёвые нейросети справляются не хуже. Пра
540
Практические сценарии использования локальных LLM: обзор реальных кейсов от сообщества
Какие задачи решают локальные языковые модели в реальной жизни? Систематизация пользовательских кейсов с Reddit: от медицинского анализа и полевых заметок до ав