Перейти к содержанию
Ctrl K
Telegram MAX
Тематическая лента

Подборка материалов

Публикации, объединённые общей практической задачей.

5432 материалов
01 The Struggle Bench: что на деле измеряет бенчмарк выживания LLM The Struggle Bench — бенчмарк, где LLM-агент должен выжить, оплачивая аренду и электричество. Разбираем, какие навыки он реально проверяет и почему это не метри 6 мин чтения 02 Как выжать больше из MTP в llama.cpp: настройки llama-server и нормальная скорость Разбираем, как spec-type draft-mtp, spec-draft-n-max, контекст, batch-size, KV-кэш, flash-attn, parallel и tensor-split влияют на скорость llama-server и как ко 7 мин чтения 03 LayerStoRm: как запускать 186 ГБ MoE-модели на 96 ГБ VRAM с упором на RAM и expert streaming Разбираем, как LayerStoRm пытается запускать MoE-модель с весами 186 ГБ на системе с 96 ГБ VRAM: где хранятся эксперты, зачем нужна host RAM и почему PCIe и NUM 13 мин чтения 04 Как LLM-агенты меняют модель угроз: адаптивный червь, который подбирает стратегию под конкретную машину Разбираем, чем адаптивный червь с LLM-агентом отличается от WannaCry, зачем ему локальные модели и GPU, как устроены память и граф решений, почему такая атака п 8 мин чтения 05 Как превратить Mac с LM Studio в удалённый AI-рабочий сервер для телефона Разберите практическую схему удалённого AI-сервера: LM Studio и NodeTool работают на Mac, телефон подключается через VPN или HTTPS с MCP и OAuth. В статье есть 15 мин чтения 06 2× Radeon AI PRO R9700: локальный сервер для Qwen 3.8 и Flash Next Разбор конфигурации 2× Radeon AI PRO R9700 и 64 ГБ DDR5 для локального запуска Qwen 3.8 27B в FP8 и MXFP4, а также Qwen 3.8 Flash Next через vLLM Radiance и R9V 18 мин чтения 07 lm-eval-ledger: как устроен бенчмарк-харнесс для просмотра ответов LLM по каждому вопросу Почему высокий score не объясняет поведение LLM и какие артефакты нужны для разбора каждого ответа. Разбираем заявленную идею lm-eval-ledger, роль SQLite, YAML, 13 мин чтения 08 Как настройки sampling меняют качество Qwen 3.8-27B NVFP4 и Q5_K_M в локальном запуске Почему Qwen 3.8-27B NVFP4 и Q5_K_M могут давать разные результаты при одинаковых весах. Разбираем влияние temperature и min_p, форматные ошибки, IFBench strict/ 10 мин чтения 09 Какую видеокарту выбрать для локальных LLM в 2026: бюджет до $700 и модифицированные карты из Китая Разбираем, как выбрать бюджетную GPU для локальных LLM уровня 27B Q4 в 2026 году: что проверять у RTX 3080 20 ГБ и AMD Mi50, почему VRAM нельзя считать без KV-к 16 мин чтения 10 Почему авторы спорят с издателями и агентами из-за выплат по урегулированию Anthropic Разбираем, кому должны достаться 3 000 долларов за книгу по урегулированию Anthropic, почему издатели заявляют права после реверсии и откуда возникли претензии 13 мин чтения 11 Claude Code в роли Reddit-агента: как ИИ пять дней вел аккаунт и где начал палиться Разбор пятидневного сценария Claude Code в Reddit: поиск тредов, работа через браузер, возврат в ветки и правила, без которых агент начинает выглядеть неестеств 13 мин чтения 12 DeepSeek-V4-Flash-Vision Q8 или Qwen3.8-Flash-Next Q8: сравнение для локального кодинга Сравниваем DeepSeek-V4-Flash-Vision Q8 и Qwen3.8-Flash-Next Q8 для локального кодинга: скорость генерации, время до рабочего патча, VRAM, KV-cache, поведение на 13 мин чтения