Тематическая лента
Подборка материалов
Публикации, объединённые общей практической задачей.
1920
материалов
01
Как Qwen 3.5-27B автоматически строит backend-системы: разбор AutoBe и экономия до 25 раз
Как инструмент AutoBe с моделью Qwen 3.5-27B автоматически создает backend. Разбор возможностей, сравнение с аналогами и реальная экономия до 25 раз на разработ
02
Исправленный Qwen3.5-35B-A3B-Uncensored: как установить и использовать с промптом для глубокого мышления
Пошаговый гайд: как скачать исправленные GGUF-файлы Qwen3.5-35B-A3B-Uncensored с Hugging Face, настроить llama.cpp и использовать мощный промпт для глубокого мы
03
Google AI Edge Eloquent: тестируем офлайн-диктовку на Gemma и сравнение с Wispr Flow
Обзор Google AI Edge Eloquent — офлайн-диктовка на Gemma ASR. Сравнение с Wispr Flow по точности, скорости и приватности.
04
Tensor Parallelism в ik_llama: подробный гайд по ускорению Gemma 4 31B на нескольких GPU
Полное руководство по настройке Tensor Parallelism в ik_llama для запуска Gemma 4 31B на нескольких видеокартах. Тесты PPL, сравнение производительности и пошаг
05
Асинхронные под-агенты в Deep Agents: как распараллелить долгие задачи и не сойти с ума
Как использовать асинхронные под-агенты в Deep Agents для распараллеливания длинных задач. Stateful агенты, удаленные агенты, гетерогенное развертывание.
06
SpectralQuant: революционный метод квантования LLM, который на 18% лучше TurboQuant — установка и бенчмарки
Обзор SpectralQuant — нового метода квантования LLM с открытым кодом. Сравнение с TurboQuant, установка и бенчмарки на 07.04.2026.
07
Auto-SKILLs: как Gemma 4 создаёт навыки для агентов, наблюдая за действиями на экране
Как Gemma 4 автоматически создает навыки для AI-агентов, наблюдая за действиями пользователя на экране. Обзор возможностей, сравнение с аналогами и примеры испо
08
InCoder-32B-Thinking: обзор открытой LLM для генерации кода под микроконтроллеры и GPU
Обзор InCoder-32B-Thinking — открытой модели для генерации кода на Verilog и CUDA. Возможности, сравнение с альтернативами, примеры использования.
09
FATE: как ускорить вывод MoE-моделей в llama.cpp с помощью кэша экспертов и prefetching
Обзор FATE - форка llama.cpp с кэшем экспертов и prefetching для ускорения вывода MoE-моделей. Примеры с Qwen3-30B.
10
EUPE от Meta: под микроскопом. Зачем вам еще один vision-энкодер, и почему он резко сократит ваш счет за облако
Разбираем EUPE от Meta - компактный vision encoder меньше 100M параметров. Как установить, где использовать и стоит ли он внимания в 2026 году.
11
Как выбрать лучший GGUF-квант для Gemma 4 31B: сравнение по KL divergence и практические рекомендации
Актуальный гайд на 2026 год: сравниваем все кванты Gemma 4 31B по KL divergence, смотрим размеры и даем рекомендации для слабого железа.
12
TurboQuant для Gemma 4 31B: как использовать KV-сжатие 3-bit для работы с длинным контекстом
Практическое руководство по применению TurboQuant с PolarQuant для сжатия KV-кэша Gemma 4 31B. Экономим память, работаем с контекстом до 256K токенов.