Тематическая лента
Подборка материалов
Публикации, объединённые общей практической задачей.
5464
материалов
01
5 ГОСТов по ИИ с 2026 года: что меняется и как внедрять требования на практике
С 1 января 2025 года в России введены 5 национальных стандартов по ИИ. Разбираем ГОСТ Р ИСО/МЭК 42001, 71539, 71540 и серию 71484: ключевые требования, скрытые
02
Какие навыки разработчика останутся востребованными в эпоху ИИ: разбор структуры онлайн-магистратуры ИТМО и Яндекс Практикума
Инженерное мышление, ответственность, проверка кода и креативность — четыре компетенции, которые ИИ не заменит, а сделает критически важными. Разбираем на приме
03
Первый AI-институт при HBCU: как Siobahn Day Grady масштабирует ИИ-грамотность
В январе 2025 года доцент NCCU Siobahn Day Grady запустила первый в истории AI-институт при HBCU. За два года IAIER привлёк $1 млн от Google.org, обучил более 2
04
Qwen против конкурентов: почему модели до 120B остаются лучшим выбором для кодинга и общего применения в 2026 году
Qwen3.6 27B и Qwen3 Coder Next против Llama, DeepSeek и Mistral: бенчмарки MMLU, HumanEval, тесты скорости на RTX 4090 и M4 Ultra. Практическое руководство по л
05
Bento: презентации в JSON внутри HTML — офлайн-редактор, коллаборация и конвертация PPTX
Bento упаковывает презентацию в один HTML-файл (640 КБ) с JSON-ядром, офлайн-редактором и зашифрованной коллаборацией. Конвертируйте PPTX через LLM, работайте б
06
Z.ai GLM 5.5: что известно о будущем флагмане до официального анонса
Все слухи и утечки о Z.ai GLM 5.5 в одном материале. Предполагаемая дата выхода — август 2026, архитектура MoE с динамическим разрежением, контекст 256K+ и цена
07
Оценка AI-агентов для длинных отчётов: кейс Similarweb и уроки внедрения LangSmith
Разбираем кейс Similarweb: как оценить качество длинных исследовательских отчётов от AI-агентов с помощью LLM-as-judge, проверки faithfulness и трейсинга в Lang
08
Ускорение GLM-5.2 в llama.cpp: поддержка спекулятивного декодирования NextN/MTP
В llama.cpp добавлена поддержка спекулятивного декодирования NextN/MTP для GLM-5.2. Метод генерирует несколько токенов за один проход, ускоряя инференс до 2x бе
09
Claude Opus 5: разбор бенчмарков, архитектуры усилий и сравнение с Fable 5 — что стоит за лидерством в Artificial Analysis
Claude Opus 5 обошёл Fable 5 в Intelligence Index, но заметнее разница по уровням effort: low проигрывает конкуренту, а max даёт +5,6 балла на Frontier-Bench пр
10
Разгоняем MoE на CPU: Архитектура для 100 токенов/с на 10B модели
Как достичь 100 токенов/с на 10B модели без GPU? Разбираем архитектуру с гранулярным MoE, LUT MLP и троичными весами. Тесты прототипа на Ryzen 3600X: 848 ток./с
11
ALNS для задач маршрутизации: решение крупных Pickup-and-Delivery с учётом времени и отдыха водителей
Разбираем Adaptive Large Neighborhood Search (ALNS) для сложных задач маршрутизации: операторы разрушения и восстановления, реализация на Python, кейс из нефтег
12
Как читать технический отчет Kimi K3: гид по подготовке от основ до архитектуры
Пошаговый гид по чтению технического отчета Kimi K3: от линейных трансформеров и Fast Weight Programmers до архитектуры KDA, Stable LatentMoE с 896 экспертами и