Счета за облачные токены растут, а корпоративная безопасность запрещает отправлять приватный код на чужие серверы. При этом открытые модели долго считались медленными автодополнялками, неспособными написать сложную логику без десятка ручных правок. Релиз Qwen 3.8 27B обещает другой уровень: разберем на практических стресс-тестах, где эта нейросеть уже тянет реальные задачи, а где упирается в потолок архитектуры. … Читать далее
Компактные локальные нейросети обещают полную приватность и независимость от облачных API, но на практике большинство моделей с 10-12 млрд параметров ломаются на первом же нетривиальном коде. В этом обзоре протестируем комьюнити-версию Gemma 4 12B Coder на реальных фронтенд-задачах: от верстки генератора палитры до сборки пиксельного редактора с нуля. Разберем, где 12B модель справляется с одного … Читать далее
Задача: написать десктопное приложение для тестирования скорости локальных LLM с графиками и сравнением моделей. Это нетривиально, потому что кроссплатформенная разработка требует связки фронтенда на Vue 3 и бэкенда на Rust через Tauri. Мы соберем этот инструмент с нуля всего за два запроса, протестировав в реальном бою новую модель Gemini 3.5 Flash в обновленной среде разработки … Читать далее
Выбор локальной модели для автогенерации кода часто сводится к скучному чтению бенчмарков. Проблема в том, что абстрактные цифры не покажут способность нейросети написать рабочее приложение с нуля. Ниже мы стравливаем две плотные модели Qwen 3.6 27B и Gemma 4 31B в боевых условиях, заставляя их самостоятельно собрать десктопный Markdown-редактор с разделенным экраном. Подготовка к эксперименту … Читать далее
Платные облачные нейросети стоят денег и читают ваши проприетарные исходники. Локальные модели долгое время годились только для простых скриптов. Ситуация изменилась: берем свежий релиз Qwen 3.6 и проверяем, способен ли он писать готовый к проду код без бесконечных правок. Спойлер: способен, если взять правильную версию. Почему плотная архитектура 27B лучше 35B Решение: качаем веса модели … Читать далее
Локальные нейросети обычно требуют мощных видеокарт и внушительных объемов памяти. Мы пойдем другим путем и попытаемся поднять свежую Gemma 4 от Google на обычной «малинке». Посмотрим, сможет ли Raspberry Pi 5 вытянуть модель на 2 миллиарда параметров и остаться в живых, раздавая API для внешних редакторов кода. Что понадобится: Подготовка сервера и установка LM Studio … Читать далее
Google выпустил новую линейку открытых нейросетей Gemma 4. Главная фишка релиза кроется в лицензии Apache 2.0. Для разработчиков это означает отсутствие привязки к корпоративным API, нулевой vendor lock-in и возможность легально крутить ИИ на собственном железе без риска слить конфиденциальные данные в чужое облако. Разбираемся с производительностью модели в боевых условиях на обычном макбуке и … Читать далее
Все хотят запустить локальную нейронку, отдать ей доступ к консоли и уйти пить кофе. Желательно, чтобы она при этом не удалила продакшен и умела дергать внешние API. Ребята из ServerFlow прогнали через тесты пачку мелких моделей от 3 до 9 миллиардов параметров, чтобы понять, кто реально тянет tool calling, а кто уходит в бесконечный цикл. … Читать далее