Тематическая лента
Подборка материалов
Публикации, объединённые общей практической задачей.
5464
материалов
01
Исправленный chat template для Qwen 27B 3.8: почему байт-точность к оригиналу критична и как избежать деградации качества
Разбираем новый chat template для Qwen 27B 3.8: почему байт-идентичность с оригиналом критична для качества генерации, какие изменения внесены и как интегрирова
02
Ускорение инференса Qwen3.8-27B на Apple Silicon в 3 раза: разбор mlx-dspark и спекулятивного декодирования
mlx-dspark v0.10.0 ускоряет Qwen3.8-27B на Apple Silicon: 20-27 токенов/с в 8-бит против 14.6 в 4-бит на M4 Pro 48 ГБ. Разбор спекулятивного декодирования с los
03
Qwen3.8 27B Heretic: локальная модель уровня Opus 4.6 без цензуры — что это значит для индустрии?
Qwen3.8 27B Heretic — модификация без цензуры: 6-bit MLX и 8-bit MTPLX, 29.03 ток/с при MTP 3, от 16 ГБ VRAM. Запуск локально, риски и что реально с уровнем Opu
04
Супертреды для AI-релизов: как навести порядок в новостях о моделях в 2026 году
Как модерировать AI-сообщества с помощью супертредов: критерии отбора релизов, готовые шаблоны, примеры с Reddit и Hacker News. Экономьте время разработчиков и
05
Qwen3.8-27B: Почему режим xhigh генерирует в 5 раз больше токенов, чем medium?
Практический тест Qwen3.8-27B на RTX 2080 Ti: medium выдаёт несколько тысяч токенов, xhigh — 15-20 тысяч, иногда 40 тысяч. Разбираем, баг это или фича, как это
06
Рекуррентная модель Pathway с латентным рассуждением: прорыв в эффективности на ARC-AGI-1
Pathway представила рекуррентную модель на 150M параметров с результатом 29.5% на ARC-AGI-1. Стоимость инференса — $0.0007 за задачу. Разбираем архитектуру, рез
07
Как создать ретро-игру за 2 минуты 47 секунд: Qwen 3.8 27B на двух RTX 3090 и 36–44 ток/с
Qwen 3.8 27B в кванте Q8_K_XL на двух RTX 3090 собрала играбельный прототип RetroCraft за 2 минуты 47 секунд: 36–44 ток/с генерации, 850–890 ток/с обработки про
08
Скрытые компромиссы Qwen3.8-27B: почему модель стала хуже знать общие факты
Qwen3.8-27B потеряла часть общих знаний: пользователь Reddit зафиксировал регресс в распознавании малоизвестных географических объектов. Разбираем, какие знания
09
Вайб-кодинг 2026: технооптимизм против технопессимизма — кто прав в споре об эффективности LLM?
Разбираем манифесты Томаса Птачека и Людисити о вайб-кодинге: рост производительности против потери качества. Практические критерии, где LLM ускоряет разработку
10
Muse Glimmer 30B против Qwen 3.6: плотная модель против MoE — сравнение генерации текста на практике
Muse Glimmer 30B (плотная) и Qwen 3.6 (MoE) на одних промптах в llama.cpp с RTX 5080, температурой 0.5 и контекстом 125k: два примера генерации, таблица наблюде
11
llms.txt: спецификация, валидация и реальный спрос со стороны ИИ-ботов
Разбираем спецификацию llms.txt, показываем реальный спрос со стороны ИИ-ботов на основе анализа трафика, даем инструкции по валидации и генерации файла. Узнайт
12
Исправленный Jinja-шаблон для Qwen 3.8: решение проблем официального chat-шаблона
Официальный chat-шаблон Qwen 3.8 падает при enable_thinking=false, засоряет историю пустыми тегами и не обрабатывает JSON-строки инструментов. Исправленный Jinj