Тематическая лента
Подборка материалов
Публикации, объединённые общей практической задачей.
5432
материалов
01
Что выбрать для Qwen 3.8: 1x32GB V100, 2x16GB V100 или RTX 5060 Ti 16GB
Сравниваем RTX 5060 Ti 16GB, 1x32GB V100 и 2x16GB V100 для запуска Qwen 3.8 в llama.cpp на Linux. Разбираем VRAM, KV-cache, контекст, batch, ub, PCIe, скорость
02
Почему Qwen 2026 может казаться слишком плотной и как сбалансировать точность и читаемость
Почему Qwen 2026 выдает слишком плотные и техничные ответы? Разбираем причины: reasoning, обучающие данные, математическая символика. Даем практические промпты
03
Как запустить Qwen 3.8 Flash Next локально на обычном Android-смартфоне и что это значит для мобильных LLM в 2026
Qwen 3.8 Flash Next уже можно запустить локально на Android-смартфоне с 12 ГБ памяти. Разбираем, какая роль у квантизации и контекста, почему batch и ub требуют
04
Qwen3.8-27B-UD-IQ3XXS: как выстроить пайплайн от prompt flow до image-to-video и stitching
Разбираем практическую архитектуру AI-пайплайна с Qwen3.8-27B-UD-IQ3XXS: структурирование prompt, подготовка изображения, image-to-video, stitching, контроль ка
05
Какие архитектурные изменения в LLM могут стать следующей большой вехой в 2026 году
Разбираем будущее архитектуры LLM: Mamba-подобные модели, гибриды с Transformer и альтернативы attention. Преимущества, ограничения и практический потенциал в 2
06
KernelAI v2 на iPhone: локальное извлечение данных из документов с помощью LLM и Arctic Embed
KernelAI v2 показывает, как извлекать данные из документов прямо на iPhone с локальной LLM и Arctic Embed. Разбираем сценарий с 8B-моделью, ограничения по памят
07
Что стало с OpenClaw и похожими проектами: куда девается хайп вокруг новых AI-инструментов
Разбираем, что действительно можно утверждать об OpenClaw, почему хайп вокруг AI-инструментов быстро стихает и какие признаки показывают реальную ценность проек
08
Открытые VLM для анализа egocentric-данных: сравнение с Gemini 2.5 Flash в 2026 году
Разбираем, насколько open weights VLM подходят для анализа egocentric-видео в 2026 году: что можно сравнить с Gemini 2.5 Flash на Egocentric-10k, как измерять к
09
NVIDIA DGX Station 2026: что означает появление «дата-центрового» AI-рабочего места на рабочем столе
NVIDIA DGX Station 2026 обещает перенести AI-вычисления уровня дата-центра на рабочий стол. Разбираем, кому могут пригодиться локальные LLM, многопользовательск
10
Появятся ли iPhone и другие устройства Apple с mobile HBM в 2027 году
Разбираем, может ли Apple использовать mobile HBM в iPhone, iPad и Mac в 2027 году. Объясняем разницу между HBM и LPDDR, потенциальную пользу для локального AI
11
Как безопасно подключать ИИ-агентов к таск-трекеру: кейс YouGile, Codex и Claude Code
Как безопасно подключить ИИ-агента к YouGile: контракт адаптера, минимальные права, подтверждение мутаций, timeout без дублей и независимый readback после запис
12
ShimQuant для Nemotron-3.5-Lightning: как довести 30B-модель до рабочего 16 GB варианта
Разбираем, как ShimQuant может приблизить Nemotron-3.5-Lightning к запуску на GPU с 16 GB VRAM, почему обычные GGUF-кванты оказываются тяжелее ожиданий и где пр