Инструменты
Подборка AI-инструментов. Только то, что работает.
Обзор Ollie: локальный AI-редактор кода с прозрачностью и без подписки
Ollie - локальный AI-редактор кода с интеграцией Ollama, одноразовой покупкой и полной прозрачностью токенов. Обзор возможностей, сравнение и примеры использова
MRI-GPT: Собираем локальный ИИ-ассистент для анализа МРТ позвоночника
Пошаговый гайд по сборке MRI-GPT — локального инструмента для сегментации и анализа МРТ позвоночника с помощью Qwen3-VL:8b и nnU-Net. Работает без интернета.
Как я взломал ограничения NVIDIA: написал плагин на 1500 строк C для кластеризации 3 DGX Sparks
Реальный кейс: как я написал RDMA-плагин на чистом C для объединения 3 DGX Sparks в кластер, преодолев официальные ограничения NVIDIA. Подробности реализации, с
Как ускорить инференс LLM на 20% с помощью Cerebellum: архитектура Early Exit, SLERP и Dynamic RoPE
Обзор Cerebellum — инструмента для ускорения инференса LLM. Разбираем архитектуру Early Exit, SLERP интерполяцию и Dynamic RoPE. Примеры, сравнение с альтернати
Ministral-3-14B-Reasoning: как маленькая модель бьёт гигантов в бенчмарках — разбор результатов
Разбор результатов Ministral-3-14B-Reasoning в бенчмарках LiveCodeBench, GPQA, AIME. Почему 14B модель обходит конкурентов с 70B+ параметрами.
GLM 4.7 против MiniMax M2.1: ломаем код на реальной задаче по CLI
Детальный тест двух моделей на создании CLI-утилиты. Сравнение архитектурных решений, качества кода и практической применимости.
Chief CLI: как автоматизировать кодирование с Claude и git worktrees по методу Ralph Wiggum
Автоматизируйте программирование с Claude Code через git worktrees. Структурированный подход к верификации кода и планированию задач.
Bare-metal инференс Llama 2 на C++20: когда память становится стеной
Разбираем inference engine без зависимостей, написанный на C++20. Анализ кода, оптимизация памяти и борьба с Memory Wall на ARM-архитектуре.
nanoRLHF: Когда образовательный проект бьет по зубам промышленные фреймворки
Разбираем nanoRLHF — минималистичную реализацию RLHF с Flash Attention и Triton. Образовательный проект, который обучил Qwen3 и показал, как работают большие фр
SimpleLLM vs vLLM: когда скорость важнее латентности
Сравнение SimpleLLM и vLLM, тесты на GPU, как запустить минимальный движок для GPT-OSS-120B с максимальной пропускной способностью.
GLM-4.6v 108B в 4-битном квантовании IQuant: тест на реальном железе, скорость и качество генерации
Практический тест GLM-4.6v 108B модели в 4-битном IQuant квантовании на Threadripper 1920x и RTX 5060Ti. Скорость 4-11 токенов/сек, сравнение с Nous Hermes, реа
LFM2.5 1.2B Instruct: когда маленький размер - большое преимущество
Обзор и практическое тестирование LFM2.5 1.2B Instruct. Почему эта модель обходит конкурентов в задачах извлечения данных и агентских сценариях на слабом железе