Тематическая лента
Подборка материалов
Публикации, объединённые общей практической задачей.
5433
материалов
01
Qwen3.8 Flash Next: что дают новые imatrix-кванты GGUF и кому нужен Q4-релиз
Новые imatrix-кванты GGUF для Qwen3.8 Flash Next обещают компактный Q4 без преждевременного перехода на Q3. Разбираем, чем они отличаются от простого снижения b
02
4 полезных сценария применения Claude для дата-сайентиста в 2026 году
Как дата-сайентисту использовать Claude в 2026 году: исследование методов для временных рядов, stakeholder brief, Claude Design для презентаций и документация M
03
Как увеличить контекст LLM без дообучения: RoPE, YaRN и NTK-aware scaling на практике
Разбираем, как расширить контекст LLM без дообучения: RoPE scaling, Position Interpolation, NTK-aware, YaRN и LongRoPE. Практические советы по настройке, ограни
04
Почему AI в биотехе упирается не в модели, а в данные и клиническую валидацию
Почему мощная AI-модель ещё не решает задачу разработки лекарств? Разбираем, как экспериментальные данные, лабораторный screening и клиническая валидация ограни
05
DeepSeek Flash v4 на двух ASUS GX10: что дают высокая скорость генерации и низкая задержка
Разбираем, когда два ASUS GX10 могут оправдать запуск DeepSeek Flash v4 локально, и почему одних tokens/s недостаточно для выбора железа. В статье: prompt eval,
06
Почему benchmark card Ling-3.0-flash-Fin важнее как методика, чем как таблица победителей
Разбираем benchmark card Ling-3.0-flash-Fin и показываем, почему ее нельзя читать как простой рейтинг LLM. Настройки temperature, top_p и reasoning effort, ReAc
07
ARC-AGI-3: тест на интеллект или на инженерную обвязку вокруг LLM
100% на ARC-AGI-3 не означают AGI: бенчмарк измеряет работу всей системы, а не только модели. Разбираем, как отделить обобщение от перебора, что требовать в отч
08
Как ИИ-агент нашел уязвимость в домашнем роутере и довел ее до CVE
ИИ-агент в режиме read-only обнаружил в домашнем роутере доступ к конфигурационному дампу без аутентификации. Разбираем цепочку риска, границы автоматизированно
09
Как выбрать первую локальную модель для агентного кодинга на ПК с большой RAM и ограниченной VRAM
Практическое руководство по выбору первой локальной модели для агентного кодинга на ПК с большой RAM и ограниченной VRAM. Узнайте, почему начать стоит с 7-13B Q
10
Qwen3.8-27B на MacBook Pro M5 Max: зачем отключать reasoning и что это меняет
Разбираем, что меняет thinking off у Qwen3.8-27B на MacBook Pro с M5 Max: задержку ответа, расход токенов, нагрузку и качество результата. Показываем, для каких
11
Локальные voice-to-voice модели в 2026 году: что реально запустить на 12-24 ГБ VRAM
Что действительно работает на 12, 16 и 24 ГБ VRAM для локального голосового AI в 2026 году. Разбираем ASR, LLM, TTS, voice conversion, latency, квантизацию и гр
12
Как форк NInfer на C++20/CUDA довёл Qwen3.8-27B до контекста в 1 млн токенов на двух RTX 5090 без NVLink
Разбираем заявление о запуске Qwen3.8-27B с окном 1 048 576 токенов на двух RTX 5090: YaRN x4, tensor parallelism через PCIe, KV-кэш, prefill и speculative deco