Vorobeoff
GLM-Legal от Z.ai: как GLM-5.3-Flash дообучили для юридических задач
GLM-Legal от Z.ai: что означает результат 19,2% на Harvey LAB, как обучали модель для юридических задач и почему её выводы требуют проверки юристом.
Тема
LLM
28 материалов
Навигация
Рядом по смыслу
Материалы Виталия Воробьева по теме llm: статьи, блог, база знаний, кейсы и промпты.
Материалы по разделам
Подборка
Статьи
Gemini 3.8 Flash и Flash Cyber: две модели, два уровня доступа
Google представила Gemini 3.8 Flash и Flash Cyber. Первая может использовать больше токенов на сложных задачах ради качества, а вторая ищет и исправляет уязвимости и доступна только одобренным участникам Fairwind.
GLM-5.3-Flash: дешёвая открытая модель для агентов и вайб-кодинга
Z.ai выпустила GLM-5.3-Flash: 320 млрд параметров, 18 млрд активных, нативная мультимодальность и цена в десять раз ниже GLM-5.2. Веса открыты под MIT.
Gemini 3.7 Flash: агент, который дорос до сложных задач
Google выпустила Gemini 3.7 Flash: 1 млн контекста, $0.75 за вход, скачок на DeepSWE и Terminal-bench. Модель заточена под агентные сценарии и код.
AnyModel: все главные LLM через один API и без зарубежной карты
Обзор AnyModel — агрегатора LLM API: 34 модели через один ключ, оплата за токены картой и СБП, Ghost Mode с нулевым хранением, и цены в 50 раз ниже прямых провайдеров.
Kimi K3: 2,8 трлн параметров и миллион токенов контекста от Moonshot AI
Флагманская модель Moonshot AI: контекст 1M токенов, режим размышления, визуальный ввод, вызов инструментов и автоматическое кеширование контекста. Полный разбор с примерами кода на Python и curl.
Подборка
Блог
Яндекс открыл Alice AI Search Pretrain: как устроена модель быстрых ответов в Поиске
Яндекс открыл базовую модель AliceAI-T5-35B-A0.6B, лежащую в основе быстрых ИИ-ответов в Поиске. Разбираю архитектуру, бенчмарки и ограничения релиза.
Безопасность ИИ-агентов: почему начинать стоит с простого
Почему совет «начинайте с простого» из руководств OpenAI и Anthropic совпадает с важным правилом безопасности OWASP — и как применить это к своим агентам.
Большую AI-модель начали обучать с открытым капотом: зачем следить за Marin 535B
Marin запустила обучение модели на 535 млрд параметров и открыла почти весь процесс — данные, конфигурацию, потери и ошибки. Зачем за этим следить.
Anthropic CHIVE: система, которая находит причину ошибки ИИ
Anthropic показала CHIVE — систему, которая находит причину ошибки ИИ не догадкой, а серией контрфактических экспериментов. ИИ становится исследователем другого ИИ.
Qwen3.8-27B: плотный агентный скачок
Qwen выпустила плотную 27B-модель с гибридным вниманием, контекстом 262K и приростом +29 пунктов на агентных бенчмарках. Apache 2.0, уже на Hugging Face.
Reasoning-модели в LLM: что реально изменилось в 2026 году
Чем reasoning-модели (o3, Claude Extended Thinking, Gemini Deep Think, DeepSeek R1) отличаются от обычных LLM, какие техники дают многошаговое рассуждение и где у этого подхода фундаментальные границы.
Подборка
База знаний
Как выбрать LLM для конкретной задачи: практический гид (2026)
Справочник: какая модель под какую задачу. Таблицы соответствия, сценарии использования, ограничения и чеклист выбора.
Jev от TypeSafe AI: архитектура System One моделей, SDK и интеграция в агентный контур
Технический разбор Jev от TypeSafe AI: концепция System One моделей, примитивы Noul, Choice и Score, SDK, интеграция с Vercel AI Gateway и использование как децижн-слоя для ИИ-агентов.
Unsloth: дообучение LLM с минимальной видеопамятью
Справочник по Unsloth: варианты инструмента, QLoRA-дообучение, подготовка датасета, экспорт в GGUF, запуск в Ollama и LM Studio.
AI-агенты: что это, как работают и зачем нужны
Полный справочник по AI-агентам для новичков: что такое агент, чем отличается от чат-бота, какие бывают типы, из чего состоит, какие фреймворки существуют и как начать использовать — простыми словами без жаргона.
Qwen: открытая экосистема Alibaba от текста до видео и голоса
Полный обзор экосистемы Qwen от Alibaba Cloud: 12 семейств моделей, от текстовых LLM Qwen3.5/3.6 до мультимодальных Omni, визуальных VL, кодинг-агентов Coder, генерации изображений, TTS/ASR, embedding/reranker и world models. Архитектура Dense и MoE, 201 язык, лицензии, сравнение с Llama и Mistral.
Open WebUI: собственный интерфейс для LLM
Self-hosted веб-интерфейс для LLM с поддержкой Ollama, OpenAI-совместимых API, RAG, многопользовательского режима и плагинов. Запуск одной Docker-командой.
MiniMax M3: открытая модель, которая держит миллион токенов и не сдаётся на длинной задаче
Полный справочник по MiniMax M3: открытая модель с контекстом 1M токенов, архитектурой MSA, нативной мультимодальностью и frontier-уровнем на кодинге. Параметры, способы запуска, железо для self-hosted, лицензия, ограничения и антипаттерны.
PicoClaw: 28K-звёздный Go-агент, который запускает LLM на плате за $10
Ультра-лёгкий self-hosted ассистент на Go: <10MB RAM, 19 мессенджеров, 24 LLM-провайдера, MCP и Skills — на любом Linux от RISC-V до Android.
Firecrawl: как скормить ИИ любой сайт без боли с парсингом
От сайта до чистого markdown за один вызов: Scrape, Crawl, Map, Search, Extract и Agent — как Firecrawl берёт на себя рендер JavaScript, обход антибот-защит и AI-фильтрацию шума, чтобы отдавать LLM готовые данные.
Gemini: где выбрать, как подключить и где не споткнуться — практический гид по линейке моделей Google
Линейка Gemini 3.x, Gemini Live, Vertex AI и Gemini API — что выбрать под задачу, как перейти с AI Studio на Vertex, что изменилось в тарифах после I/O 2026 и где ждать региональных сюрпризов.
EmbeddingGemma: 200 МБ модель, которая запускает RAG там, где сервер не помещается
Открытая 308M embedding-модель от Google DeepMind: 768-мерные векторы с MRL-усечением до 128, контекст 2048, ~200 МБ RAM. Когда она лучше BGE-M3 и как поднять её локально — Ollama, sentence-transformers и systemd-юнит.
BGE-M3: ставим open-source embedding-сервер для двуязычного RAG за один вечер
Открытая мультиязычная embedding-модель BAAI (MIT, 100+ языков, контекст 8192 токенов). Как поднять на своём сервере через FastAPI, гибридный поиск dense+sparse, типичные ошибки и антипаттерны для self-hosted RAG.
Obsidian и LLM Wiki: локальная база знаний, которую строит и поддерживает модель
Текстовый редактор и база знаний на локальных markdown-файлах. Паттерн LLM Wiki Карпати: компиляция сырых заметок в структурированную вики с wikilinks. Готовая реализация kytmanov/obsidian-llm-wiki-local с Ollama. Когда брать Obsidian, когда Notion.
DeepSeek API: V4 Flash за $0.14 и 1M контекста — что нужно знать до подключения
OpenAI-совместимый API китайского провайдера с открытыми моделями V4 Flash и V4 Pro на архитектуре MoE. Подключение через OpenAI SDK, LiteLLM, OpenRouter. Цены в десятки раз ниже GPT-4, контекст до 1M токенов. Tool use, structured outputs, reasoning-модель с цепочкой рассуждений.
Kimi K2.6: открытая модель, которая не сдаётся на длинной дистанции
Что умеет Kimi K2.6 от Moonshot AI, где она реально выигрывает у закрытых моделей, сколько стоит и что нужно, чтобы запустить её локально.
Локальный ИИ на одной команде: как Ollama сделала LLM доступными без облака
Как запускать LLM локально и в облаке через единый API. Установка, команды, интеграция с Codex, Tool Calling, Modelfile и практические сценарии для разработчиков и ИИ-агентов.
Hermes Agent: самообучающийся ИИ-агент от Nous Research
Open-source self-hosted AI-агент от Nous Research с закрытым циклом обучения. Persistent-память, автосоздание навыков, Honcho-моделирование пользователя. MIT-лицензия.
Следующий шаг
От темы — к практическому результату
Посмотрите кейсы с реальными процессами и цифрами. Если уже знаете, что хотите автоматизировать, напишите напрямую.