Тематическая лента
Подборка материалов
Публикации, объединённые общей практической задачей.
5424
материалов
01
Tesla P100 за $100 для локального AI: реальный опыт, цифры и ограничения
Пользователь купил Tesla P100 16GB примерно за $100 и после патчей для llama.cpp получил 54-60 токенов/с на прозе и 66-72 на коде. Разбираем цифры, полную стоим
02
Какие локальные модели меньше всего похожи на Claude: опыт пользователей и выбор стиля общения
Почему почти все локальные LLM звучат как Claude, есть ли подтверждения дистилляции на моделях Anthropic и какие модели дают другой тон. Критерии отбора, Gemma
03
Одиночный исследователь с ИИ: как собирать новое из разных предметных областей
Разбираем рабочий цикл одиночного исследователя с ИИ: как собрать предметную картину задачи, когда подключать профильный метод и как вернуть результат без потер
04
MoEspresso 3: запуск Qwen3.8-Flash-Next (125B) на M1 Max 32 ГБ - 12-15 ток/с и 84,3% в бенчмарке
MoEspresso 3 запускает Qwen3.8-Flash-Next на 125 млрд параметров на M1 Max с 32 ГБ и выдаёт 12-15 ток/с на декодировании. Разбираем механизм Cache-Prior, формат
05
Публичный MCP-сервер по канадскому законодательству о приватности: доступ без ключей и авторизации
Разработчик опубликовал бесплатный MCP-сервер movahedi-privacy и REST API с данными о канадском законодательстве о приватности: решения CAI, глоссарий из 263 те
06
Тест AI-моделей: кто лучше рисует анимацию механизма дозатора мыла в одном HTML-файле
Пользователь Foxiya прогнал Opus 5.5 High, DeepSeek V4.1 Flash, Qwen 3.8 Max, ChatGPT 5.6 Sol High и Opus 5 High через один промпт: анимация механизма дозатора
07
Почему Qwen 3.8 27B решает задачу по коду за минуты, а Qwen 3.8 Flash Next тратит часы: разбор причин и настройки
Qwen 3.8 27B исправила баги в коде за 5-10 минут, а Qwen 3.8 Flash Next потратила на ту же задачу около 2,5 часов на системе с двумя RTX 5090. Разбираем, скольк
08
Локальный AI против облака: куда движется рынок AI-инфраструктуры
Разбираем, куда движется рынок AI-инфраструктуры: пойдёт ли AI по пути облака или часть рынка выберет локальный хостинг. Сравнение по контролю над данными, стои
09
Qwen3.8-27B IQ3_XXS против Qwen3.6-35B-A3B Q4_K_M: как выбрать модель для кода, скрапинга и tool use
Готовых бенчмарков для Qwen3.8-27B IQ3_XXS и Qwen3.6-35B-A3B Q4_K_M нет, поэтому выбор строится на трёх осях: битность квантования, архитектура MoE против плотн
10
Ложь ИИ: почему LLM ошибаются уверенно и как RLHF, интерфейс и метрики создают иллюзию достоверности
LLM не лжёт как субъект: она выдаёт правдоподобный токен вместо сигнала об ошибке. Разбираем, как вероятностная генерация, антропоморфный интерфейс и сикофантия
11
Позиционное кодирование и структура абзацев: как трансформер воспринимает иерархию текста
Стандартное позиционное кодирование видит только порядок токенов, а не абзацы. Разбираем эксперимент с hRoPE: fake-merge, fake-split, контроль со случайными мет
12
Android-агенты и мобильные бенчмарки: почему реальные устройства остаются вне тестов
Большинство бенчмарков для Android-агентов работает на эмуляторах, а расход батареи, нагрев и температура в отчёты не попадают. Разбираем, что теряется в такой