Тематическая лента
Подборка материалов
Публикации, объединённые общей практической задачей.
5464
материалов
01
Манифест Цукерберга: почему доверие к Meta мешает внедрению ИИ
Манифест Цукерберга об «ИИ для всех» против реальности: прошлые ошибки Meta, закрытый поворот к Muse, отсутствие стратегии. Разбираем, почему доверие к компании
02
Qwen 3.8-27b: почему модель «залипает» в бесконечных рассуждениях и как это исправить?
Qwen 3.8-27b застревает в бесконечных рассуждениях и не доходит до ответа. Разбираем причины: архитектура, квантование, параметры llama-server. Готовые команды
03
Qwen 3.8 9B: что известно о новой модели и почему она важна для разработчиков
Qwen 3.8 9B: разбираем характеристики, бенчмарки и запуск на RTX 4060. Узнайте, как новая модель Alibaba справляется с агентными задачами и стоит ли её использо
04
Stripe покупает OpenRouter за $7 млрд: что это значит для рынка AI-шлюзов
Stripe завершает сделку по покупке OpenRouter за $7 млрд. Разбираем факты, мотивы платёжного гиганта и последствия для разработчиков и рынка AI-шлюзов.
05
Qwen 3.8 27B против Qwen 3.6 27B: тест на генерации кода для Turtle-графики
Практический тест Qwen 3.8 27B и Qwen 3.6 27B на генерации рекурсивного кода для Turtle-графики. Новая версия выдаёт рабочий код с первого запуска, старая требу
06
Феномен «человечности» в рассуждениях ИИ: почему модели имитируют эмоции и самокритику
Почему Qwen 3.8 27B в режиме Reasoning Dialogue называет себя «глупой» и сомневается в действиях? Разбираем технические причины имитации эмоций, влияние на каче
07
ROCm 7.14 в llama.cpp: ускорение инференса на Radeon 780M и сравнение с Vulkan
Тест ROCm 7.14 против Vulkan на Radeon 780M: ускорение prefill до 50% для плотных моделей, сборка из исходников и настройка ядра. Цифры, команды, рекомендации.
08
AIOps: как машинное обучение и LLM решают реальные проблемы эксплуатации
Практический разбор AIOps: как ML и LLM снижают шум алертов, автоматизируют диагностику и ускоряют разбор инцидентов. Пошаговый план внедрения с Prometheus и Al
09
Увеличение контекстного окна до 350K токенов: форк NInfer для RTX 4090 и Qwen 3.8 27B
350K токенов контекста на одной RTX 4090 без выгрузки в RAM: разбираем форк NInfer с квантованием KV-кэша rk2v4-e8. Цифры по скорости, компромиссы качества и че
10
audio.cpp 0.6: что нового в мире локального аудио ИИ и как это использовать на практике
Разбираем релиз audio.cpp 0.6: поддержка 49 семейств моделей, MiniMax-H3 для аудио и видео, SenseVoice-Small, нативный WebUI и MiniMax-Music3. Практические прим
11
Дарио Амодеи: почему открытые веса не децентрализуют власть и как завоевать доверие
CEO Anthropic Дарио Амодеи объясняет, почему открытые веса не децентрализуют власть, а усиливают концентрацию ресурсов. Разбираем его аргументы о тестировании м
12
Локальные LLM в 2026: практические сценарии использования за пределами облачных сервисов
Реальные кейсы локальных LLM в 2026: анализ конфиденциальных документов, автоматизация рутины, хобби-эксперименты. Пример конфигурации Qwen3.8-27B в LM Studio,