Тематическая лента
Подборка материалов
Публикации, объединённые общей практической задачей.
5432
материалов
01
Как запустить Qwen3.8-Flash-Next на GB10/DGX Spark: AutoRound int4 и vLLM
Практическая схема запуска Qwen3.8-Flash-Next на одном GB10/DGX Spark: AutoRound int4, vLLM, fp8 ngram table, локальный SSD и внешний RDMA-сервер. Разбираем тре
02
Лучшие ASR-модели с diarization для длинных разговоров в 2026 году: как выбрать решение
Практический гид по выбору ASR с diarization для часовых разговоров, встреч, интервью и консультаций. Разбираем WER, speaker labels, timestamps, шум, GPU, API,
03
Как формальная проверка с ИИ может стать стандартом для сложных доказательств и AI-кода
Разбор теоремы 246 показывает, как ИИ может помогать с формальными доказательствами, а отдельная система проверяет их по строгим правилам. Объясняем ограничения
04
DLSS 5 Neural Rendering в модах: что ранняя DLSSNR показала в старых и новых играх
Разбираем раннюю NVIDIA DLSSNR: как моддеры запустили Neural Rendering на RTX 40, чем этот подход отличается от привычного DLSS и что показывают первые данные п
05
llama.cpp расширяет CUDA fusion для MoE: что меняется в speculative decoding
Разбираем заявленное расширение CUDA fusion в llama.cpp для MoE и specdec: как меняется вычислительный путь, зачем нужен draft width больше одного и где ускорен
06
Compact Rollback MTP в llama.cpp: как ускорить Qwen на 16 ГБ VRAM без сильной потери контекста
Разбираем Compact Rollback MTP в llama.cpp и его влияние на запуск Qwen 27B с 16 ГБ VRAM. Объясняем связь rollback-состояний, adaptive draft limit и параметров
07
Ornith-1.5-9B для программирования: есть ли практический опыт вне бенчмарков
Ornith-1.5-9B уже связывают с простыми Python-рефакторингами, но где заканчивается полезный сигнал и начинаются догадки? Разбираем, как проверить модель на дома
08
Как GLM 5.3 Flash и GLM 5.3 ведут себя в BlenderMCP при локальном запуске на RTX PRO 6000 WS
Практический разбор связки GLM 5.3 Flash и GLM 5.3 с BlenderMCP при локальном запуске на RTX PRO 6000 WS: как устроена цепочка «модель → инструмент → Blender»,
09
Как построить мультиарендный агентный чат по документам на Amazon Bedrock Managed Knowledge Base
Практическая архитектура мультиарендного чата по документам на Amazon Bedrock Managed Knowledge Base: как связать файлы с пользователями, применить server-side
10
AVX2 в llama.cpp на CPU: ускоряет ли prompt processing IQ-моделей
AVX2 в llama.cpp часто связывают с ускорением CPU-инференса, но прямых бенчмарков prompt processing IQ-моделей в доступных материалах нет. Разбираем разницу меж
11
AWS Agent Registry: зачем компании единый каталог AI-агентов, MCP и skills
Разбираем AWS Agent Registry как корпоративный каталог AI-агентов, MCP и skills: чем отличаются Governance Plane и Discovery Plane, как устроить жизненный цикл
12
Qwen 3.8 Flash в llama.cpp: текущий статус инференса и что это значит для локального запуска
Разбираем, подтверждена ли поддержка Qwen 3.8 Flash в llama.cpp, почему одного GGUF недостаточно и как проверить модель до локального запуска. Практический чек-