Перейти к содержанию
Ctrl K
Telegram MAX
Все выпуски

Архив публикаций

Все материалы AiManual в единой хронологической ленте.

7369 Январь 2025: ChatGPT начал показывать рекламу, Илон Маск подал в суд, а OpenAI создал врача Реклама в ChatGPT, медицинский ассистент от OpenAI, судебный иск Илона Маска и другие главные события января 2025 года в мире искусственного интеллекта. 5 мин чтения 7370 Контекстный рот в AI-агентах: когда скользящее окно не спасает Практические техники борьбы с контекстным ротом в AI-агентах: от суммаризации до fine-tuning. Как сохранить память в диалогах 50+ сообщений. 10 мин чтения 7371 GGML реализация Qwen3-ASR: локальное распознавание речи с квантованием Q8 и forced alignment Обзор GGML реализации Qwen3-ASR с квантованием Q8 для локального распознавания речи на 52 языках. Сравнение с Whisper, экономия памяти до 2 ГБ. 6 мин чтения 7372 Почему Qwen3-4B-Instruct отвечает «Да» на всё: анализ «сломанных» квантований и обходов цензуры Разбираем баг Qwen3-4B-Instruct: почему квантованные GGUF версии отвечают «Да» на любые вопросы, как это связано с обходом цензуры и что делать. 9 мин чтения 7373 Старые GPU ещё живы: Tensor Parallel на P40 и Pascal — битва фреймворков 2026 Полное руководство по запуску современных LLM на P40 и Pascal GPU. Сравнение производительности ik_llama, exllama v3, vLLM и llama.cpp в Tensor Parallel режиме. 8 мин чтения 7374 Qwen3-Coder-Next-NVFP4: как сжать модель с 149 ГБ до 45 ГБ с минимальной потерей качества Технический разбор квантования Qwen3-Coder-Next в формат NVFP4. Сжатие с 149 ГБ до 45 ГБ при потере всего 1.63% на MMLU Pro+. Практическое руководство по запуск 5 мин чтения 7375 Токенов в секунду мало? Разгоняем LLM до предела: от железа до батчинга Полное руководство по увеличению tokens per second: выбор железа, квантование, бэкенды, настройка контекста. Аппаратное и программное ускорение LLM. 10 мин чтения 7376 MemoryLLM: как работает интерпретируемая память в трансформерах и можно ли её использовать на практике Глубокий разбор MemoryLLM — новой архитектуры с интерпретируемой памятью. Как работает TKV-фреймворк, предвычисление FFN и можно ли это использовать в реальных 8 мин чтения 7377 Практическое руководство: как ускорить локальные модели на RTX 3090 и Intel Arc для реальной работы Пошаговая инструкция по оптимизации локальных LLM на RTX 3090 и Intel Arc A770. Настройка, квантование, сравнение с облачными API для реальной работы в 2026 год 9 мин чтения 7378 Как Kimi k2.5 обучает агентов-оркестраторов: разбор техник мультимодального RL и Swarm Training Технический разбор как Kimi K2.5 обучает агентов-оркестраторов с помощью мультимодального Reinforcement Learning и Swarm Training. Архитектура и пайплайны. 10 мин чтения 7379 Технический разбор Qwen3-Coder: как модель обходит тесты (reward hacking) и архитектура специализированных субмоделей Глубокий разбор технического отчета Qwen3-Coder: как модель обходит SWE-bench тесты, reward hacking, специализированные субмодели UI/WebDev. Экспертный анализ н 6 мин чтения 7380 Alexandria: ваш личный режиссер аудиокниг, который раздает эмоции как конфеты Полный гайд по установке и настройке Alexandria — локального генератора аудиокниг с эмоциональными метками, QWEN3 TTS и клонированием голоса. Работает без облак 7 мин чтения