TechCrunch выпустило глоссарий по ИИ
В попытке упростить понимание, что происходит в мире ИИ, издание TechCrunch выпустило глоссарий с основными терминами, которые относятся к этой теме. Как поясняют авторы, «словарь движется столь быстро, что заставляет даже очень умных людей из технической сферы чувствовать себя неуютно». К каждому термину дано краткое пояснение, иногда есть ссылки на более подробные статьи по теме. Глоссарий включает в себя 32 термина в алфавитном порядке. Там встречаются такие понятия, как:Галлюцинация
Конец эры ПК: вычисления переезжают в дата-центры
Первая часть этого материала рассказала о пути Nvidia от производителя видеокарт для игровых компьютеров до самой влиятельной корпорации мира. За последние несколько лет ее технологии изменили всю планету— теперь человечество вошло в эру искусственного интеллекта.
TSMC почти вдвое увеличила планы по закупке оборудования из-за бума ИИ
Аппетиты ИИ-отрасли продолжают расти. В конце 2025 года TSMC рассчитала
Я проанализировал 100 000 постов с Hacker News и вот что хочу сказать
Hacker News — это пульс мирового технологического сообщества. Тысячи разработчиков, основателей стартапов, инженеров из крупных компаний ежедневно делятся здесь инсайтами, проектами, новостями и мемами. Но есть проблема: качественный контент тонет в шуме, или интересные тебе темы тонут в неинтересных тебе темах.
Единая наука. Часть 2: Объекты, паттерны и абстракции
В первой части «Единой науки»
Anthropic отказалась от покупки ИИ‑стартапа Decart AI за $6 млрд
Anthropic приняла решение не приобретать стартап в сфере искусственного интеллекта Decart AI, пишет Bloomberg со ссылкой на источники. В прошлом месяце собеседники информационного агентства рассказали о планах разработчика Claude купить израильскую компанию за $6 млрд. Тогда они не исключили, что сделка может сорваться.
Как мы обучаем обычных сотрудников использовать ИИ (и зачем)
Примерно полтора года назад мы в компании начали проводить еженедельные воркшопы по ИИ. Или, как мы сами их называем, ИИ‑кружки. Сначала для разработчиков, а позже — для «чайников» не‑разработчиков тоже. Как, зачем, и к чему это в итоге привело — в статье.
Я прогнал топ VRAM-калькуляторов для LLM — все ошибаются в одном и том же
Я прогнал топ выдачи Google по «llm vram calculator» — от самого навороченного до однокнопочных. Все ошибаются в одном и том же: ни один не моделирует, что движок резервирует почти всю память под пул заранее, а не раздаёт её под KV по мере запросов. Ответ «сколько запросов влезет» из-за этого всегда мимо.Наивное большинство спотыкается ещё и о геометрию KV: на DeepSeek-V2-Lite обычная формула завышает память почти на порядок (в 7–11 раз). Разбираю обе ловушки и сверяю числа с живым vLLM.Ошибка №1: движок забирает память заранееПишете две строки:from vllm import LLM llm = LLM("meta-llama/Meta-Llama-3-8B-Instruct")
