Тематическая лента
Подборка материалов
Публикации, объединённые общей практической задачей.
5477
материалов
01
Почему анализ реальных процессов в AI-проектах важнее идеальных моделей: кейс с 146 тыс. тикетов
Анализ 146 тыс. тикетов Service Desk изначально показал 87 тыс. аномалий. Учет реальных паттернов работы сократил проблемные кандидаты в 4.5 раза. Практическая
02
Патч для llama.cpp: Восстановление работы MTP на устаревших GPU с Kepler, Maxwell, Pascal и Turing
Технический разбор патча, устраняющего крах cuBLAS при использовании многотокенного предсказания в llama.cpp. Объяснение причины (BF16), пошаговая инструкция по
03
Overtone, AI и голосовые знакомства: технический разбор трендов на примере AudioX-Turbo и Seedance
Как бывший создатель Hinge привлёк $18M на Overtone — сервис знакомств через голос и AI. Разбираем тренд на аудио-технологии, анализируем фреймворк AudioX-Turbo
04
Gemma-4-31B-AntiHal: как representation steering борется с галлюцинациями без потери скорости
Технический разбор модели Gemma-4-31B-AntiHal от Specific Labs. Как метод интерпретируемости и управление представлениями (representation steering) вдвое снижае
05
Усталость сообщества AI от хайпа: как отделить шум от реальных инноваций
Анализ волн хайпа вокруг Ornith 2 и «1-битного квантования». Практические инструменты: чек-лист оценки моделей, методы модерации сообществ и curated-источники д
06
PrismML Bonsai 27B на Jetson Orin Nano 8GB: практический анализ edge-инференса в 2026 году
27B-модель PrismML Bonsai укладывается в 6,2 ГБ на Jetson Orin Nano с 8 ГБ: 4,3 токена/сек генерации, 27 токенов/сек prefill, 25 Вт. Разбираем, кому подходит та
07
GLM-5.2 на 8× GB10: Разбор производительности в Int4/Int8 и архитектурные последствия для 2026 года
Разбираем производительность GLM-5.2 на 8× GB10: 1200 токенов/с prefill и 33–54 токен/с decode. Как квантование Int4/Int8 высвобождает память для параллельного
08
AI-очки и этика приватности: почему технологический прорыв ставит под угрозу реальность и безопасность
Технический анализ этических дилемм AI-очков Ray-Ban Meta. Разбираем архитектуру рисков, сценарии misuse, судебные иски и прогнозы для индустрии. Практический в
09
Granite 4.0 Nano от IBM: тестируем компактные модели для edge-вычислений
Полный разбор семейства нано-моделей Granite 4.0 Nano от IBM (350M-1.5B параметров). Сравнение производительности с Gemma и Phi-3, инструкции по локальному запу
10
Оптимизация AMD Ryzen AI Halo (Strix Halo): практическое руководство для ускорения локального инференса LLM на 10–15%
Пошаговая инструкция по настройке AMD Ryzen AI Halo для локального запуска LLM. Конкретные параметры BIOS/UEFI, оптимизации ОС, настройки llama.cpp и Ollama. Ре
11
Thunderbolt-бэкенд в PyTorch для Mac: ускорение распределенного ML на Apple Silicon в 2026
Глубокий разбор нового коммуникационного бэкенда Thunderbolt в PyTorch для ускорения ML-инференса на Apple Silicon. Архитектура, сравнение с NCCL, практические
12
Тестирование Qwen3.6 27B с тернарной квантизацией на RTX 3090: 60 токенов/с и стабильные tool call при 21 ГБ памяти
Практический тест Qwen3.6 27B с тернарной квантизацией на GeForce RTX 3090: скорость генерации 60 токенов/с, потребление памяти 21 ГБ и полная сохранность функц