Обзор серверного ускорителя NVIDIA Tesla V100 16 ГБ в корпусе от RTX 4090: часть 3 — запуск локальных моделей ИИ

Снижение затрат на LLM API через децентрализованную инференс-сеть: практический опыт

Базовый RAG-компонент для локального семантического поиска на Python

Meeting-LLM: Транскрипция + ИИ-анализ совещаний в одном окне своими руками (T-One + GPT-OSS-20B)

Ускоряем LLM по максимуму: кроссплатформенный FlashAttention 2 на Triton с поддержкой архитектур Turing+ и не только

Сборка высокопроизводительного AI-десктопа

Как я устал от тормозов и закрытости Pinokio и написал свою портативную альтернативу за пару вечеров