FAQ — Креативный ИИ
7 вопрос(ов) в 5 статье(ях).
Другие разделы FAQ: Экономика ИИ (12) · Рынок ИИ (5) · Безопасность ИИ (9) · Архитектура агентов (32) · Кодинг и RFC (9) · Контекст и память (14) · Железо и инфраструктура (10) · Поведение LLM (16) · Локальные модели и VRAM (9) · Открытые веса (7) · Промпт-инжиниринг (5) · Регулирование (1) · Робототехника (3) · Обучение и RLHF (2) · Верификация и наука (4) · Голосовые агенты (5)
ИИ-агенты: локальная инфраструктура догоняет облако, а финансовые советы оказались лучше человеческих
2026-08-02
Зачем крупным корпорациям вроде Microsoft спонсировать open-source курсы по ИИ?
Это стратегическое расширение рынка. Чем больше разработчиков знает стандарты создания генеративного ИИ, тем выше вероятность, что они будут строить продукты на базе облачных API и инфраструктуры самой корпорации. ```
ИИ-агенты: фреймворки умирают, навыки и MCP-серверы побеждают
2026-08-01
Чем MCP-серверы лучше интеграций через классические фреймворки?
Они стандартизируют вызов инструментов (tool-calling), отвязывая логику агента от конкретной платформы. Это позволяет агентам вроде Cursor или Claude взаимодействовать с браузером или Figma напрямую по единому протоколу.
Креативный ИИ: Open-source захватывает голосовые pipeline и 3D-генерацию. Дайджест за 31 July 2026
2026-07-31
Что такое компактные латенты в 3D-генерации?
Подход Microsoft TRELLIS.2: вместо работы с сырым 3D-представлением модель использует сжатое структурированное латентное пространство. Это ускоряет генерацию и снижает требования к памяти, приближая 3D-генерацию к real-time.
«ДА ЧТО С ТОБОЙ СЕГОДНЯ ОПЯТЬ СЛУЧИЛОСЬ!? ЧТО СЛОМАЛОСЬ??»
2026-07-30
Что такое Embedding Injection?
Инъекция поведения напрямую в латентное пространство слоёв внимания (activation steering), минуя текст. Вместо описания поведения словами — вектор, сдвигающий активации модели. Точнее текста, потому что вектор — это конкретное число, а не бросок кубика.
Вайбкодинг без иллюзий: гибридная схема «облачный оркестратор + локальный кодер», которая работает
2026-07-27
Что такое гибридная схема вайбкодинга?
Разделение задач между облачной LLM-координатором и локальной LLM-кодером. Облако управляет, локаль кодит. Координатор не видит код — только текстовую карту проекта. Кодер работает в своём контексте 96K и не делит окно с координатором.
Что такое AGENTS.md и зачем он нужен?
Файл в корне проекта со структурой, стеком, командами тестов, архитектурой и запретами. Codex читает его при старте. Без него модель галлюцинирует структуру и кладёт файлы не туда. Главная фишка — верификация: строка «после правки запускай pytest -x» заставляет модель проверять себя.
24 ГБ VRAM — хватает для серьёзной работы?
Для qwen3-coder:30b (MoE) — да. Модель занимает 22.4 ГБ, KV cache в q4_0 умещается в остаток. Контекст 96K — 100% в VRAM. Но свободно ~400 МБ — забита под завязку. Для моделей крупнее 30B (32B+) уже нужно 36+ ГБ VRAM. Апгрейд третьей картой решит проблему.