Все выпуски
Архив публикаций
Все материалы AiManual в единой хронологической ленте.
85
Xet на Hugging Face Hub: как работает новая система хранения моделей и датасетов
Разбираем Xet на Hugging Face Hub: как чанки около 64 КБ заменяют файловую дедупликацию Git LFS, почему добавление 1 МБ в 5 ГБ SQLite-базу может занимать 0,1 се
86
Обновлённая аналитика в Hugging Face Inference Endpoints: что изменилось и как использовать
Hugging Face обновила аналитику Inference Endpoints: метрики задержки, времени ответа и ошибок теперь доступны практически в реальном времени. Разбираем временн
87
Как запустить LLM на смартфоне: React Native, llama.rn и GGUF-модели в 2026 году
Практическое руководство по запуску локальной LLM на Android и iOS через React Native, llama.rn и GGUF. Разберите выбор Q4, K и I-квантизаций, загрузку моделей,
88
gemma4.c: как запустить современную LLM на CPU в 700 строках C
Разбираем gemma4.c, компактный C-рантайм для запуска Gemma 4 E2B на CPU. Объясняем токенизацию, prefill, decode, KV-кэш, int8-квантизацию, OpenMP и AVX-512 VNNI
89
Аппаратное ускорение инференса LLM: как запустить TGI на Intel Gaudi
Разбираем нативный запуск Text Generation Inference на Intel Gaudi: Docker-сценарий для Gaudi1, Gaudi2 и Gaudi3, совместимые семейства LLM, FP8-квантизация и ре
90
Как дообучить reranker-модель под свои задачи: полный гайд по Sentence Transformers
Практический гайд по дообучению reranker и cross-encoder в Sentence Transformers. Разбираем датасеты, hard negatives, CrossEncoderLoss, MultipleNegativesRanking
91
Hugging Face ответила Белому дому: почему открытые ИИ-модели важны для стратегии США в 2026 году
Hugging Face предложила Белому дому сделать open science и open-weight модели частью AI-стратегии США. Разбираем три рекомендации компании, кейсы OlympicCoder 7
92
Как Hugging Face управляет секретами в AI-инфраструктуре: миграция с HashiCorp Vault на Infisical
Технический разбор миграции Hugging Face с HashiCorp Vault на Infisical. Разбираем Kubernetes Operator и InfisicalSecret, RBAC через Okta, OIDC для CI/CD, ручны
93
PaliGemma 2: как запустить и дообучить новые VLM от Google
Разбираем PaliGemma 2 от Google: модели 3B, 10B и 28B, разрешения 224, 448 и 896 px, локальный запуск через transformers, квантизацию 4/8 бит и дообучение LoRA
94
Amazon Quick + fal: как собрать управляемый агентный конвейер для креативного продакшена через MCP
Разбираем, как связать Amazon Quick, fal и MCP в управляемый агентный конвейер для раскадровок и музыкальных клипов. Внутри: Skills, креативные ворота, A/B-срав
95
LeMaterial: зачем Entalpic и Hugging Face объединили базы материалов для ИИ
LeMaterial от Entalpic и Hugging Face собирает 6,7 млн записей материалов в единый набор LeMat-Bulk. Разбираем, как работают стандартизация и структурные отпеча
96
Open-image-preferences-v1: датасет 10K пар предпочтений для генерации изображений
Разбираем open-image-preferences-v1 от Data is Better Together: 10 000 пар предпочтений, реальные промпты Imgsys, категории Anime, Cinematic и Pixel art, сравне