Перейти к содержанию
Ctrl K
Telegram MAX
Тематическая лента

Подборка материалов

Публикации, объединённые общей практической задачей.

5432 материалов
01 Как собрать AI-сервер без интернета до $5k: выбор GPU, VRAM и локальных LLM Практический гайд по сборке офлайн AI-сервера до $5k: как рассчитать VRAM для Gemma и моделей 30B-класса, выбрать одну GPU или multi-GPU, подобрать GGUF и llama 22 мин чтения 02 Экспериментальная ветка llama.cpp получила expert expansion для MoE-моделей: что это значит для локального запуска Разбираем экспериментальную ветку llama.cpp с поддержкой expert expansion для MoE-моделей: что автор проверил на Metal, почему результат нельзя считать универса 11 мин чтения 03 Почему для inclusionAI/Ling-3.0-flash-Fin почти нет safetensors-квантов, а доступны в основном сборки для llama.cpp Разбираем, почему inclusionAI/Ling-3.0-flash-Fin чаще встречается в сборках для llama.cpp, чем в safetensors-квантах. Показываем, как связаны исходные веса, арх 12 мин чтения 04 Куда исчезли сервисы для проверки, влезет ли локальная LLM в память Сервисы llmfit могли стать недоступными или потерять актуальность, но это не повод выбирать GPU по старой карточке. Разбираем, как самостоятельно оценить память 12 мин чтения 05 Почему большие LLM хуже понимают инструкции и теряют контекст: регресс или эффект сравнения Почему большие LLM иногда хуже следуют инструкциям и теряют нить диалога? Разбираем влияние контекста, температуры, бесплатных тарифов и маршрутизации, даём про 16 мин чтения 06 Как отслеживать бренд в ответах нейросетей: собираем GEO-мониторинг на n8n Пошаговая схема GEO-мониторинга на n8n: собирайте ответы AI-систем, разделяйте упоминание бренда и цитирование сайта, храните историю и считайте метрики без вто 15 мин чтения 07 Почему часть разработчиков не хочет отдавать код ИИ-агентам: программирование как ремесло и искусство Почему часть разработчиков сопротивляется ИИ-агентам, даже когда те ускоряют генерацию кода? Разбираем границу между полезным делегированием, авторством, инжене 15 мин чтения 08 8 абляционных версий Qwen 3.8 27B: сравнительный тест, рейтинг и проверка карточек моделей Сравнение 8 абляционных версий Qwen 3.8 27B: почему orcarouter и apostate обошли агрессивную obliteratus, как до 45% ответов превращаются в бесконечные рассужде 12 мин чтения 09 Как работает текстовый водяной знак в Python и что переживает копирование, правки и парафраз Разбираем текстовые водяные знаки в Python: невидимые Unicode-символы, замены слов и смысловые маркеры. Показываем, что переживает копирование, редактуру, очист 24 мин чтения 10 Новые бенчмарки для AI-кодинга: что проверяют Program-Bench, SRE-Bench и Code Migration Разбираем, что проверяют Program-Bench, SRE-Bench и Code Migration: восстановление поведения по бинарнику, диагностику приложения без исходников и перенос кода 14 мин чтения 11 Как за 5 лет изменились беспилотники: что ретроспектива 2026 года говорит о Tesla, Waymo и будущем роботакси Сравниваем подходы Tesla и Waymo к роботакси, роль SAE и supervised-флота, а также безопасность, стоимость и масштабирование автономного транспорта. Узнайте, ка 6 мин чтения 12 Линейный дискриминантный анализ в практике: как LDA упрощает классификацию и помогает понять признаки Разберите, как линейный дискриминантный анализ LDA помогает классифицировать табличные данные, снижать размерность и находить признаки, разделяющие классы. В ст 11 мин чтения