Все выпуски
Архив публикаций
Все материалы AiManual в единой хронологической ленте.
781
ModelGrep: объединяем OpenRouter, Artificial Analysis и Design Arena в одном фильтруемом списке моделей
Обзор ModelGrep — инструмента для поиска и сравнения LLM по цене, производительности и рейтингу. Как объединить OpenRouter, Artificial Analysis и Design Arena в
782
Tower-Plus-72B-Ultra-Uncensored-Heretic: как развязать язык 22 языкам без оглядки на цензуру
Полный разбор Tower-Plus-72B-Ultra-Uncensored-Heretic: метрики KLD, поддержка 22 языков, низкий процент отказов, сравнение с Gemma 4, Polyglot-r2, Hunyuan-MT и
783
Селективное квантование LLM: Как квантование KV-кэша, слоёв и архитектуры (MoE vs Dense) меняет всё
Глубокий разбор селективного квантования LLM: почему квантование разных частей модели (KV cache, слои, MoE vs Dense) даёт разные результаты. Практические советы
784
Как сделать текст человечным: обзор инструмента для обхода AI-детекции
Как заставить AI-текст звучать естественно? Обзор Humanize AI: возможности, сравнение с альтернативами, примеры использования. Узнайте, как обмануть GPTZero и O
785
6 паттернов для управления API-квотой в мультиагентных системах: как избежать 429 ошибок
Избегайте 429 Too Many Requests в мультиагентных системах. 6 проверенных паттернов: Token Bucket, Rate Limiter на Redis, Circuit Breaker, Adaptive Throttling и
786
Почему RTX 5090 быстрее H100 в локальном инференсе? Сравнение производительности llama.cpp
Сравнение RTX 5090 и H100 для локального инференса LLM в llama.cpp. Цифры, архитектурные причины, кому какой GPU выбрать.
787
Qwen 3.7: китайский ответ DeepSeek и ChatGPT — кто кого?
Разбираем Qwen 3.7 от Alibaba: возможности, сильные стороны, сравнение с DeepSeek V4 и GPT-5. Кому стоит мигрировать, а кому лучше остаться?
788
MCP-агенты в ITSM: как заставить AI работать, а не гадать
Пошаговый гайд по встраиванию MCP-агентов в корпоративные ITSM-платформы (SimpleOne). Архитектура управляемого контура действий, код MCP-сервера, частые ошибки.
789
Как построить eval пайплайн для RAG-агента: кейс Битрикс24
Подробный гайд по построению пайплайна оценки (eval) для RAG-агента на примере Битрикс24. Используем RAGAS, LLM as a judge, метрики Recall@K, MRR, Faithfulness.
790
Ошибка в архитектуре от Claude: почему проблема была в промпте, а не в модели
Как неправильная постановка задачи в промпте заставила Claude спроектировать embedded-деплой с HTTP-сервером на 32 КБ RAM. Разбор ошибок, правильные промпты и у
791
Nemotron против конкурентов: сравнительный тест моделей до 120B на Strix Halo
Сравнение Nemotron-4-120B, Llama 3.3 70B, Qwen3 Coder Next 48B и других на Strix Halo 128GB. Скорость, качество, практические выводы.
792
Deep Dive into CPU LLM Inference Performance: Why Custom Engines Lag Behind llama.cpp (MoE Case Study)
Разбираем, почему кастомные движки для MoE-моделей на CPU проигрывают llama.cpp в 7.3 раза. Анализ IPC, memory-bound, GGUF quantized и ключевые оптимизации.