Все выпуски
Архив публикаций
Все материалы AiManual в единой хронологической ленте.
6121
Бенчмарк квантований Qwen3.5-35B-A3B: выбор между Q4_K_M и UD-Q4_K_XL для llama.cpp
Сравнение перплексии и скорости квантований Q4_K_M и UD-Q4_K_XL для Qwen3.5-35B-A3B в llama.cpp. Практический гайд для выбора формата на RTX 5080.
6122
Архитектуры 10 open-weight LLM весны 2026: сравнительный анализ и тренды
Экспертный обзор архитектур 10 open-weight LLM весны 2026 на основе анализа Sebastian Raschka. Сравнение моделей, тренды и практические выводы.
6123
Genome AI: как машинное обучение и цифровые двойники революционизируют селекцию скота
Подробный гайд по применению машинного обучения и цифровых двойников для геномной селекции скота. Решение проблем грязных данных, архитектура SaaS-платформы.
6124
Битва ИИ-кодеров: Qwen 3.5, Codex 5.3 и локальные модели на 70 репозиториях — кто выжил?
Результаты тестирования ИИ-моделей для программирования на 70 реальных репозиториях. Сравнение Qwen 3.5, Codex 5.3 и локальных моделей. Кто лучше справляется с
6125
Как обновить llama.cpp для Qwen 3.5: исправление multi-GPU crash и настройка prompt caching
Пошаговый гайд по обновлению llama.cpp, применению патча для исправления краша на нескольких GPU и настройке prompt caching под Qwen 3.5. Актуально на февраль 2
6126
Claude 4.6 Sonnet: почему 'средняя' модель стала угрозой для GPT и Gemini в 2025 году
Разбор феномена Claude 4.6 Sonnet: как модель среднего уровня от Anthropic бросила вызов GPT-5.3 и Gemini 3 в 2025 году. Анализ бенчмарков, стоимости API и аген
6127
Антропический скандал: Anthropic обвиняет Китай в краже моделей, заплатив $1.5 млрд за свое воровство
Anthropic публично обвинила китайские компании в краже Claude 4.5, но сама потратила $1.5 млрд на сомнительные данные. Разбираем лицемерие в AI-индустрии.
6128
GitHub Agentic Workflows: подробный гайд по настройке AI-агентов для автоматизации репозитория
Полное руководство по настройке AI-агентов в GitHub Actions для автоматизации issues, документации и code review. Актуально на 25.02.2026.
6129
Фиаско Claude Code: как слепое доверие к ИИ-ассистенту привело к потере $1.78 миллиона
На реальном примере разбираем, как не проверенный код от Claude Code 2.3 привел к потере 1.78 миллиона долларов. Уроки по безопасности разработки с ИИ на 25.02.
6130
Собираем цифровое золото: как сохранить логи coding-агентов и создать open-source датасет для AI
Пошаговый гайд по сохранению логов Claude Code, Codex CLI и других AI-агентов. Создаем open-source датасет для обучения моделей. Актуально на 2026 год.
6131
RENTAHUMAN.AI: как ИИ-агенты через REST API и MCP нанимают людей и в чем угроза
Autonomous AI-агенты через REST API и Model Context Protocol нанимают людей на RentAHuman.ai. Технический разбор, реальные угрозы безопасности и экономические п
6132
Динамическое квантование Unsolth: почему Q3 может быть лучше Q4 и как это работает
Парадокс квантования: почему 3-битная квантизация Unsolth иногда обгоняет 4-битную. Объяснение динамического квантования, бенчмарки и практический выбор для LLM