Пять способов ускорить локальный инференс MoE-модели: один я написал сам
В предыдущей статье я разбирался, какие эксперты реально живут в VRAM у Strata, пока она крутит Qwen3.8-Flash-Next на GTX 1070. На этот раз - короче и практичнее: несколько конкретных приёмов ускорения, которые стоит проверить, если вы гоняете большую MoE-модель на домашнем железе. Один из них - патч, который я написал и прогнал сам, с цифрами “было/стало” на реальном движке.
По теме
Как мой сайт считает ботов, не храня ни одного IP: чистый PHP без базы, строгая CSP и 160 тестов
В прошлой статье я рассказывал про SSH-ловушку на своём сервере. В комментариях несколько раз спросили: а что за сайт, на котором всё это…
Апскейлер QSSR для базовой PS5 добавят в Marvel’s Spider-Man 2, ARC Raiders и другие игры
Sony представила новую волну игр, которые в ближайшем будущем получат поддержку апскейлера QSSR для базовой PS5. Технология уже доступна в…
[Перевод] Монолит, модульный монолит и микросервисы: практическое сравнение для .NET
Как каждый из подходов организует код, разделяет данные и какие библиотеки требует в экосистеме .NET. Разработчики редко выбирают…
Сколько реально стоит опечатка в раскладке, если считать в токенах LLM
Я написал Зябру - локальный переключатель раскладки: набрал “ghbdtn” вместо “привет”, программа сама стирает и переписывает правильно…