Перейти к содержанию
Ctrl K
Telegram MAX
Все выпуски

Архив публикаций

Все материалы AiManual в единой хронологической ленте.

625 Что значит «вырваться из GPU poor»: апгрейд железа для локальных LLM «GPU poor» значит, что VRAM не хватает под нужные модели. Разбираем, какие параметры GPU определяют выход из категории, что открывает апгрейд и где остаются огр 9 мин чтения 626 «In this timeline» в рассуждениях Qwen3.8-27B: что это значит и почему LLM пишут странные фразы в reasoning В обсуждении на Reddit заметили, что Qwen3.8-27B употребляет «in this timeline» в цепочке рассуждений. Разбираем, подтверждено ли это наблюдение, откуда в reaso 9 мин чтения 627 Открытые agent skills для HCLS: как научить AI-агента правильно применять медицинские и биологические методики AWS открыла коллекцию из 38 agent skills для 11 доменов healthcare и life sciences под лицензией MIT-0. Разбираем формат SKILL.md, механизм progressive disclosu 9 мин чтения 628 Как использовать ИИ для тестирования новых каналов продвижения: от гипотезы до цифр Практический AI-workflow маркетолога: как с помощью нейросетей исследовать аудиторию, формировать рекламные гипотезы, анализировать кампании и тестировать новые 12 мин чтения 629 Запуск Qwen3.8-27B-NVFP4 с контекстом 1M через vLLM: разбор флагов, памяти и узких мест Разбираем конфигурацию запуска Qwen3.8-27B-NVFP4 в NVFP4 через vLLM с контекстом до 1M токенов: сколько VRAM съедает fp8 KV-кэш, что делают tensor-parallel-size 13 мин чтения 630 Дата-центры США и природный газ: как AI-бум меняет энергетику к 2035 году BloombergNEF: к 2035 году дата-центры США могут сжигать 18 млрд кубических футов газа в сутки, вдвое больше прежнего прогноза. Разбираем, кто заплатит за это ро 8 мин чтения 631 Как собрать визуально-языковую модель за $200: разбор эксперимента с VLM на 628 млн параметров VLM на 628 млн параметров собрали из InternViT-300M и Baguettotron и обучили за $200 на одной H100 в RunPod. Разбираем архитектуру ViT-MLP-LLM, три этапа обучен 8 мин чтения 632 Google расширяет языковые возможности AI: 300+ языков, TranslateGemma и офлайн-перевод Google заявляет о поддержке более 300 языков в своих AI-продуктах, что покрывает 86% населения планеты, а Google Translate вырос до 250+ языков. Разбираем, как 9 мин чтения 633 Почему AI-агент проходит задачу один раз, но проваливает её при повторе: разбор consistency gap и Consistency Analyzer от IBM ReAct-агент на GPT-4.1 решает 77,4% задач в среднем, но проходит все 5 повторов лишь для 53,0% из них. Разбираем, что такое consistency gap, чем Pass^k отличает 7 мин чтения 634 Apple Foundation Models в MacOS 27: как запустить локальный AI из терминала командой fm chat В MacOS 27 Apple открыла доступ к Foundation Models прямо из терминала: чат с моделью запускается командой fm chat, без Python, без NVIDIA и без скачивания чужи 10 мин чтения 635 Prompt caching в Amazon Bedrock: как снизить стоимость и задержку при работе с LLM Разбираем prompt caching в Amazon Bedrock: как расставить cachePoint в Converse API, сколько стоит запись и чтение кэша, какие есть пороги токенов и TTL. Шесть 11 мин чтения 636 Swift-Qwen3.8-27B: как файнтюн сокращает «размышления» модели на 30–50% Файнтюн Swift-Qwen3.8-27B от UkisAI урезает reasoning-токены на 30-50%: в тесте через Aider вышло 7,3 тыс. против 12,5 тыс. у базовой модели и вдвое меньше врем 8 мин чтения