Тематическая лента
Подборка материалов
Публикации, объединённые общей практической задачей.
1920
материалов
01
PipesHub: корпоративный поиск за 5 минут, а не за 5 месяцев
Обзор PipesHub — open-source Enterprise Search с Agentic RAG, Kafka и knowledge graphs. Развертывание одной командой docker compose.
02
Router Mode в llama.cpp: управление несколькими моделями без перезагрузки сервера
Обзор Router Mode в llama.cpp для динамической загрузки моделей GGUF. Примеры, сравнение с альтернативами и настройка сервера.
03
Swift-клиент для Hugging Face: как ускорить загрузку моделей в iOS/macOS приложениях
Обзор Swift-клиента для Hugging Face Hub. Узнайте, как ускорить загрузку моделей в iOS/macOS приложениях с кешированием и авторизацией.
04
LeRobot v0.4.0: новые модели, датасеты и плагины, которые меняют робототехнику
Разбираем LeRobot v0.4.0: новые VLA-модели для роботов, датасеты v3.0, плагинную систему для железа и симуляторов. Кому подойдет и как использовать.
05
Owlex MCP-сервер: Как заставить Codex, Gemini и OpenCode спорить за ваш код
Настройка Owlex MCP-сервера для параллельного запроса Codex, Gemini и OpenCode. Ансамблирование AI-моделей в Claude Code для идеального кода.
06
Mamba против Трансформеров: полный разбор архитектуры State Space Models для длинных контекстов
Технический разбор Mamba и State Space Models: почему эта архитектура быстрее Transformers для работы с миллионом токенов и как устроен механизм селективного вн
07
NousCoder-14B: 67.87% Pass@1 и 4 дня обучения. Стоит ли переходить с Qwen3?
Тестируем NousCoder-14B — модель для кодинга с 67.87% Pass@1. Сравнение с Qwen3-14B, инструкция по запуску на Hugging Face, примеры промптов.
08
AnyLanguageModel: единый Swift API для локальных и облачных LLM на Apple — обзор и туториал
Обзор Swift-пакета AnyLanguageModel — единого API для работы с локальными и облачными LLM на iOS и macOS. Сравнение с альтернативами, примеры использования.
09
DeepMath: математический агент, который не врёт. Qwen3-4B с Python-сниппетами в песочнице
Обзор DeepMath — агента для решения математических задач с выполнением кода в песочнице. Уменьшает ошибки на 66% по сравнению с обычными LLM.
10
Unsloth-MLX: как прототипировать и дообучать LLM на Mac с последующим переносом в облако
Обзор Unsloth-MLX — инструмента для дообучения LLM на Mac с Apple Silicon. Экономьте на GPU, прототипируйте локально, затем переносите код в облако.
11
Создание и оптимизация ROCm-ядер для AMD GPU с помощью Hugging Face kernel-builder: пошаговое руководство
Практическое руководство по созданию и оптимизации высокопроизводительных ядер для AMD ROCm с помощью инструмента Hugging Face kernel-builder. Примеры, сравнени
12
OpenAI Codex: как ИИ, который пишет код, учится сам у себя
Технический разбор: как OpenAI использует Codex для написания кода самого Codex. Сравнение с Copilot, Claude Code. Примеры и прогнозы.