Тематическая лента
Подборка материалов
Публикации, объединённые общей практической задачей.
5465
материалов
01
TensorSharp vs. llama.cpp: Практическое сравнение производительности нового GGUF-инференс-движка на CUDA и Vulkan
Прямое сравнение TensorSharp и llama.cpp на Gemma 4 и Qwen 3.6: замеры decode, prefill и TTFT на CUDA и Vulkan. Узнайте, где новый C# движок выигрывает до 27.9%
02
CodeSlicer: как AI-агенты теряют целостность кода и почему граф влияния проекта решает эту проблему
CodeSlicer строит проверяемый граф влияния кодовой базы и устраняет главную причину ошибок AI-агентов — невидимость системных зависимостей. Разбираем конвейер и
03
Экономия токенов как новая метрика эффективности: почему Gemini 3.6 Flash выгоднее флагманов для агентных систем
Gemini 3.6 Flash сокращает расход выходных токенов на 17% и снижает стоимость задачи до 31%, а в агентных сценариях — до 71%. Разбираем метрику «токенов на зада
04
Цикличность AI-трендов: почему повторение прошлого — это закономерность, а не ошибка
В 2026 году AI-тренды повторяют сценарии прошлого: от циклов фондирования до возврата энкодер-декодер архитектур. Разбираем исторические паттерны, анализируем к
05
Лучшие локальные LLM для анализа видео в 2026: обзор моделей и практические настройки
Какие локальные модели действительно умеют анализировать видео? Сравнение Qwen, LLaMA, Gemma и FLUX 3. Практическое руководство по настройке Ollama и Hugging Fa
06
Малые LLM 2026: обзор моделей, практические кейсы и выбор под ваши задачи
Сравнение малых LLM 2026: Mistral 7B, Phi-3, Gemma 2. Тесты производительности на реальном железе, готовые конфигурации для RAG и агентов, матрица выбора модели
07
Лучшие чат-модели для 128 ГБ ОЗУ в 2026: интеллект и контекст на первом месте
Какие LLM реально запустить на 128 ГБ ОЗУ в 2026 году? Сравниваем Llama 3 70B, Mixtral 8x22B и Command R+ для глубоких диалогов и коучинга. Практические конфиги
08
128 ГБ ОЗУ в MacBook Pro для локального AI: реалистичная альтернатива облачным моделям в 2026?
Разбираем, стоит ли покупать MacBook Pro с 128 ГБ ОЗУ для запуска Llama-3, DeepSeek-Coder и других LLM. Сравнение скорости, качества кода и экономики с Claude и
09
Сравнение Qwen, Gemma и LLaMA на трёх GPU: тесты инференса на GTX 1080 Ti + 2×P102-100 в 2026
Практическое сравнение 12 моделей на бюджетной сборке из трёх GPU с 31 ГБ VRAM. Метрики tg128 и pp512 для llama.cpp с Vulkan. Как MoE-архитектуры обходят плотны
10
Сборка AI-сервера на 4x RTX 3090: выбор модели и стека для семейного использования
Разбираем реальный кейс: сборка домашнего AI-сервера на 4x RTX 3090 (96 ГБ VRAM). Сравниваем Qwen 2.5 72B и Llama 3 70B, выбираем между vLLM и llama.cpp, настра
11
Локальный AI на 24 ГБ VRAM и 48 ГБ RAM: выбираем ОС, фреймворк и модели в 2026 году
Практический гайд по созданию локального AI-сервера на RTX 3090 (24 ГБ) и 48 ГБ ОЗУ. Сравнение Ubuntu Server, Ollama+OpenWebUI, llama.cpp, Unsloth Studio. Тесты
12
DeepSeek V4 Flash vs Qwen 3.6 27B: Реальные тесты для agentic и coding сценариев
Сравниваем DeepSeek V4 Flash и Qwen 3.6 27B для coding и AI-агентов: качество кода, стабильность цепочек, скорость, стоимость и локальный запуск. Отдельно разби