Все выпуски
Архив публикаций
Все материалы AiManual в единой хронологической ленте.
61
Qwen3.8 27B обходит GPT-5.6 в SQL-бенчмарке: как собрать локальный SQL-агент на DuckDB
Локальная Qwen3.8 27B обошла GPT-5.6 Luna Max в SQL-бенчмарке DABstep, потратив менее $0,50 против более $8 у облачной модели. Разбираем связку DuckDB, LM Studi
62
MCP против CLI: почему агенту достаточно --help и как инструментам для разработчиков попасть в S-тир
Разбираем тезис Джеффри Хантли: MCP-сервер не даёт ничего сверх CLI с проработанным --help. Что такое S-тир и F-тир, как проверить свою CLI на агентопригодность
63
Паттерн Dual-LLM: как безопасно давать AI-агентам читать недоверенные источники
Dual-LLM разделяет агента на две модели: привилегированная планирует вызовы инструментов и не видит недоверенный текст, изолированная читает письма или веб-стра
64
AI-агенты в мессенджерах: обзор решений, которые заменяют приложения в 2026 году
Разбираем, как AI-агенты работают прямо в SMS, iMessage, RCS, WhatsApp и Telegram вместо отдельного приложения: что публично подтверждено у Instinct, Caddy, Com
65
1С Напарник против open-source агента: нужна ли дообученная модель, если есть хорошая обвязка
Автор сравнил 1С Напарник с собственным агентом на Deep Agents, PostgreSQL FTS, pgvector и парсере метаданных 1С на семи практических вопросах. Разбираем, где o
66
NLI в локальном ассистенте для встреч: где двустороннее следование реально работает, а где нет
Разбор кейса Charoite AI: NLI-модель mDeBERTa в ONNX весит 1,1 ГБ и отвечает примерно за 40 мс, но пользу приносит только в дедупликации тезисов живой ленты. По
67
Локальные LLM для кибербезопасности и реверс-инжиниринга на слабом железе: что реально работает
Разбираем, какие локальные LLM реально запускаются на GTX 1050 Mobile с 4 ГБ VRAM и 20 ГБ RAM: классы кодовых моделей, цена выгрузки в оперативную память, требо
68
Nvidia сворачивает производство RTX 5090: что это значит для локального AI и цен на GPU
Nvidia, как сообщается, прекращает выпуск GeForce RTX 5090 и переводит мощности на AI-ускорители для дата-центров. Разбираем, что подтверждено, а что остаётся с
69
Qwen 3.8 на 16 ГБ VRAM: три кванта на AtCoder и что даёт thinking effort
Автор прогнал Swift 1.5 IQ2_XS, Flash Next IQ3_S и 27B IQ3_S из семейства Qwen 3.8 на 14 свежих задачах AtCoder в четырёх режимах thinking effort. Повышение уси
70
8 ИИ-сервисов для нарезки Reels и Shorts: что реально работает в 2026 году
Восемь ИИ-сервисов для нарезки Reels и Shorts распадаются на три группы: нарезка длинных видео, публикация готовых клипов и генерация коротких сцен. Разбираем,
71
Локальные LLM для написания кода: когда локальный запуск заменит облачные coding-планы
Разбираем, что стоит за тезисом о 90% кода на локальной модели: как устроена связка «модель + harness», из чего состоит цикл написания кода локально и где такой
72
Qwen3.8 Flash Next и контекст 1M через YaRN: проверяем реальность и оцениваем риски
Разбираем, откуда взялось утверждение о 1M контекста у Qwen3.8 Flash Next, как YaRN масштабирует позиционные эмбеддинги и сколько VRAM уйдёт под KV-кэш на милли