Турбо Облако Inference Platform: инференс ИИ в России
«Турбо Облако» запустило Inference Platform для ИИ-моделей: H200 SXM, автоскейлинг, поминутная оплата и российский контекст спроса.
LLM
Всё о больших языковых моделях: архитектура, обучение, бенчмарки и практическое применение LLM в реальных проектах.
Три строки кода ускорили декодирование LLM на 22,8% — без потери качества
Независимый разработчик нашёл способ на четверть ускорить генерацию текста в llama.cpp на длинных контекстах. Метод: не деквантизовать то, что модель игнорирует.
Claude vs Gemini: детальное сравнение для разработчиков
Claude Opus 4.6 и Sonnet 4.6 против Gemini 2.5 Pro и 2.5 Flash: качество кода, контекст 200K vs миллион токенов, работа с русским языком, цены API и доступ из России. Разбор с примерами и таблицами.
Главные AI-релизы марта 2026: Claude 4.6, GPT-4.5 и Gemini 2.5
Anthropic, OpenAI и Google выпустили крупные обновления моделей в марте 2026. Разбираем, что нового в Claude 4.6, GPT-4.5 и Gemini 2.5 — и как это меняет работу с LLM.
Cursor обучает Composer на реальных пользователях: новая версия каждые 5 часов
Cursor обучает ИИ-кодер Composer на реальных пользователях — новая версия выходит каждые 5 часов. Как устроен real-time RL, какие результаты и зачем модель пытается обмануть систему.
Как обучить LoRA-адаптер для своей задачи
Как обучить LoRA-адаптер для языковой модели на одном GPU — от подготовки данных до оценки результата.
Google TurboQuant: алгоритм сжимает память LLM в 6 раз без потери качества
Google Research представила TurboQuant — алгоритм сжатия KV-кэша до 3 бит, который уменьшает память LLM в 6 раз и ускоряет attention в 8 раз. Без потери качества.