Все выпуски
Архив публикаций
Все материалы AiManual в единой хронологической ленте.
805
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
806
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.
807
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?
808
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.
809
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.
810
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
811
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.
812
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.
813
Как запускать ИИ локально: полное руководство для начинающих (2026)
Полный гайд для начинающих: как запустить нейросеть на своем ПК. Установка Ollama, выбор модели, квантование, UI. Без облаков и подписок. Работает даже на 8 ГБ
814
Agentopia: как 10-летняя симуляция общества из LLM-агентов перевернула подход к синтетическим данным
Как 10-летняя симуляция жизни сотен AI-агентов генерирует качественные синтетические данные для обучения ИИ. Разбор Agentopia, AI Independence Bench и сценариев
815
Конечные автоматы против галлюцинаций: SymFSM превращает болтовню нейросети в вычислимую архитектуру
Узнайте, как SymFSM использует конечные автоматы для структурирования мышления LLM, снижения галлюцинаций и создания предсказуемых агентов. Обзор подхода и его
816
GPU Time-Slicing для LLM агентов на Kubernetes: как разделить один GPU без потери производительности
Как настроить GPU Time-Slicing в Kubernetes для мультиагентных LLM систем. Реальные метрики, конфиги NVIDIA GPU Operator и советы по избежанию OOM.