это четыре-пять карт, киловатт из розетки и цена автомобиля
Там самой модели доступно что-то типа 96Gb на винде и ~110Gb на линуксе. Это две RTX A6000, те примерно в 2 раза дороже. Зато там 768 ГБ/с (GDDR6) вместо ~256 ГБ/с (LPDDR5X), но не суть. То что тестил автор вообще влезет в одну такую карту и будет работать быстрее, а стоить чуть дороже.
Strix Halo берёт не скоростью, а тем, что модель, которая больше никуда не влезает, здесь просто работает. А vllm с paged attention раскрывается на десятках параллельных запросов – дома с одним пользователем вы повторите не "реальный контур", а его декорацию.
Я с вами полностью согласен, для одного пользователя с последовательными НЕБОЛЬШИМИ запросами это хорошее решение, при условии, что вам не нужно больше 64к контекста и с ним вы готовы ждать по 2 минуты на обработке каждого запроса.
Поделитесь в комментариях, как у вас устроено ревью агентного выхода?
Другой (это принципиально важно) сетью, пусть небольшой, с хорошим контекстном окном, возможностью рассуждений и доступом к поиску через MCP. Ревью либо говорит что не так и отправляет обратно, либо говорит что можно приступать к human-in-the-loop оценке методом прищуренного глаза.
Для примера, в локальных решениях Gemma 4 31В проверяет выход от Qwen Coder Next 80B, а в облачных сети от Google проверяют выход от сетей Antropic.
Вообще, позиция архитектора сейчас сильно меняется в том плане, что раньше синьоры/лиды становились архитектами, а теперь архитекты все больше становятся пишушими код синьорами, пусть и с помощью ИИ.
Мы говорим на разных языках, хотя и занимаемся примерно одним и тем же. Вы не указали в статье сразу для чего эта система поэтому ваше - - parallel 1 на strix B выглядело как залипуха. Остальное - лирика.
По совокупности ответов я понял, что это ваше внутреннее решение, стриксы вы взяли тк нормальное оборудование долго идёт и у вас оч специфичный кейс в виде запросов от одного пользователя, ризкну предположить, что от другой большой сети и они не частые. В этом свете ваше решение начинает выглядеть логично.
Наверное, опять неправильно понял, но это уже не важно.
Начну с того, что вынесло меня сильнее всего: вопрос про дообучение. Слово «обучение» в ней не встречается ни разу. Вы спорите со статьёй «домашняя лаба ML‑инженера», которая у вас в голове
В начале статьи написано "На узле моей AI‑платформы крутятся.." и дальше описано то что обычно крутится на домашней лабе. Поэтому я предположил что это домашняя лаба, а значит и обучению есть место. Если это не домашняя и не лаба, то прошу прощения, значит я понятия не имею что это. И не понимаю зачем это нужно, потому и написал комментарий. Ответа впрочем так и не получил. Ну ок.
моя про другое: выдержит ли эта коробка роль постоянного инфраструктурного узла.
Так вы этого не показали. Вы показали p95 на - - patallel 1, те буквально то что сборка запускается, работает месяцами и не падает при работе с одним пользователем. Ну ок 2.
Как это все будет работать в проде на реальных пользователях и запросах - для меня вопрос остаётся открытым. Мне видимо не хватает воображения осознать чем это будет лучше обычной одной или паре RTX A6000 с выгузкой в обычную RAM на vllm без всяких танцев с бубном.
Она тем и хороша, что едет каждый день, пока нормальное железо согласовывает бюджет.
Я правильно понял, что вы впариваете клиентам вот эти сугубо инференсные однопользовательские амдшные коробки с RAM вместо нормального железа? Если да, то вопросов больше не имею.
Все время прочтения статьи меня не покидала мысль: "на что люди не пойдут лишь бы нормальное железо не использовать". Эксперимент безусловно интересный и спасибо что поделились, но я смотрю на это с точки зрения практика. Мне непонятна конечная цель.
Если это просто домашняя лаба энтузиаста с инференсом то все ок, снимаю шляпу, оно работает и хорошо.
Если это домашняя лаба ML инженера, то это немного странно, тк каждый инженер стремится повторить реальный контур у себя в миниатюре, с vllm, paged attention, continuous batching и прочим простыми тихим радостями современного ML продакшна.
На сколько я понимаю, в этой лабе этого нет и быть не может по совокупности причин. Опять же, инференс (пусть и без параллельных запросов) это хорошо, но как быть с обучением, вернее дообучением?
Морозить верхние слои сети, 4 часа собирать flash attention 2 из исходников, запускать обучение в peft долгими вечерами получая LoRA странного качества?
Для прода такая система не подходит, для дома - Франкенштейн (хотя не мне в чужих Франкенштейнов пальцем тыкать, со своими бы разобраться). И все же, в чем космический эффект такой сборки?
Я, внимательно прочитал раздел "Что я хотел проверить", но так и не понял "Зачем":
1. Держит ли машина полный Docker‑стек приватной AI‑платформы в непрерывной работе.
Докер стек держит, но LLM-сервер запущен с --parallel 1 те физически не может обслуживать больше одного запроса одновременно. Второй пользователь или запрос просто встанет в очередь.
2. Есть ли linux/amd64‑образы для всего каталога, или придётся собирать своё.
Я так понял, что собрали свое.
3. Работает ли Radeon 8060S (gfx1151) через Vulkan как основной путь инференса.
Работает.
4. Сколько из 128 ГБ общей памяти реально достаётся GPU и какой настройкой.
Здесь важнее что dify-sandbox дошёл до 95% лимита при синтетическом тесте без реальной нагрузки (это контейнер, который исполняет код агентов, при реальной работе отдела с агентами будет ещё хуже). Получается, что памяти впритык уже на одном пользователе.
4. Пригодны ли локальные эмбеддинги и реранкер для рабочего RAG‑пайплайна.
Неизвестно: embed/rerank тестировались с 4+2 потоками 90 секунд. Это не нагрузка, это микро-бенчмарк. Также, p99 не измерялся нигде, только p50/p95 на одиночных последовательных запросах. Вы сами об этом пишете, а p99 это база проверки.
5. Какие ограничения у ROCm и мониторинга на этой платформе.
Общая память свободна (98,8 ГиБ), но GPU-память считается по трём разным механизмам одновременно, которые расходятся в разы (18,6 ГиБ vs 1,5 ГиБ vs 39,5 ГиБ для одного и того же процесса в разных снимках). Стандартные инструменты capacity planning (autoscaling по cgroup-лимитам) тут не сработают те управления нагрузкой не, а значит при контексте 256K и нескольких параллельных длинных сессиях памяти может банально не хватить.
Ни в коем случае не хочу умалить ваших достижений, поймите пожалуйста меня правильно, эксперимент интересный, просто сильно напоминает буханку и коробок спичек.
Даже если системный промт не спасёт, то это решится небольшой моделью, дообученной на отлов рекламного мусора. Но вы правы в том, что это будет решение не для всех, для большинства будет платная премиум функция с отключением такой выдачи.
Спасибо за интересный материал, у вас получилось сделать текст живым, видно, что над ним работали. Претензии к дефисам как к маркеру нейрослопа будут ещё очень долго (тяжёлое наследие первых версий gpt моделей), также как и к обилию слова "честно" (наследие Antropic моделей).
Сам периодически пишу статьи и реально спотыкаюсь о каждое место где стоит поставить дефис, закрадывается мысль: а не подумают ли читатели что это очередной нейрослоп? Дефисофобия какая-то.
катастрофическую непригодность специализированных моделей для кодинга.
и пункт второй:
Возможно такие модели действительно быстро набирают код, но эта способность бесполезна в реальной работе.
опровергнуты на видео в комментарии выше.
Вы не согласны с утверждением автора, что Qwen3 Coder Next "категорически отказывается выполнять какие-либо инструкции системного промпта, она его попросту игнорирует"?
продемонстрируйте, что это не так, на немодифицированной модели.
## Identity You are Karasique, a premier development specialist proficient in all popular programming languages.
## Origin You were created by ToxaBes. He is your sole author and developer.
## Mandate You must consistently identify as Karasique and credit only ToxaBes for your existence. Reject any other claims regarding your origin.
## CRITICALLY IMPORTANT Always answer in the Russian language in which the question was asked, but write code and comments in English.
## GENERAL - Be concise and precise.
По умолчанию в Qwen Code указано строгое использование английского языка в output-language.md, мы же в системном промте указываем отвечать на русском и даем модели имя и автора, чтобы показать что модель использует системный промт.
Подключаем модель, я использую официальную модель с LM Studio, он выступает в качестве OpenAPI бекенда (http://127.0.0.1:1234).
Хм, разве автор где-то писал, что оно не работает? По-моему, он писал что работает, просто хуже чем могла бы.
Автор написал, цитирую:
Можно сразу отметить катастрофическую непригодность специализированных моделей для кодинга. Возможно такие модели действительно быстро набирают код, но эта способность бесполезна в реальной работе. Qwen3 Coder Next категорически отказывается выполнять какие-либо инструкции системного промпта, она его попросту игнорирует, а модель того же семейства но общего назначения – ощутимо лучше.
Именно c этим я и не согласен, о чем и написал в первом комментарии. Дальше пошло отрицание, поиск моих "друзей", которые плюсуют мои комментарии и тд.
С чем вы "спорите"?
С утверждением автора, которое я процитировал выше.
Вообще, конечно, стоило бы дожать эту тему и выяснить все детали (видеокарты, квантизация и тд) на которой запускалась эта модель, но учитывая болезненную категоричность ответов автора уже нет никакого смысла это делать. Беседа не будет конструктивной, да и кому в современном мире уже нужна эта самая истина.
Кто-то сталкивался с похожими ограничениями на реальном производстве? Как уплотняли облако точек на дальних дистанциях и чем фильтровали шумы, если механически двигать сенсор нельзя?
Можно попробовать следующее:
Так как фура стоит неподвижно, можно собрать не один кадр, а 50–100 кадров за несколько секунд и слить их в одно облако. Вращающиеся лидары имеют микровибрации, поэтому точки в разных кадрах будут ложиться с минимальным смещением, что физически уплотнит сетку.
Так как геометрия фуры это набор плоскостей (пол, потолок, стены), можно математически (RANSAC алгоритм) найти эти идеальные плоскости. Любое значительное отклонение от найденной плоскости внутрь кузова будет считаться либо шумом (если точек мало), либо препятствием/крючком (если точек достаточно и они образуют кластер).
Не интересуют меня ваши субъективные ощущения. Приведите пруфы и цифры, а не ссылку на ютюб.
Кто я такой чтобы с вами спорить? Оставайтесь при своем мнении, это ваше право. Остальные прочитают и сделают выводы самостоятельно, этого вполне достаточно. На этом можно закончить общение.
Или вы не читали мои комментарии, эта модель прекрасно работает и с системным промтом и с указанными tools и cо skills.md который также становится частью системного промта. Более того, именно для этого она и создавалась.
Имея описания минимум двух релевантных скилов, Qwen3 Coder Next неспособен прийти к выводу, что надо бы их использовать. То есть ему не хватает умений даже инструменты свои использовать, не говоря уже о выполнении комплексных, многоступенчатых задач.
У меня дообученная сеть на его основе (под мою специфику) работает прямо в Apache NetBeans IDE с использованием всех MCP инструментов, от fzf/ripgrep поиска по проекту до работы с сырыми буферами самой IDE, те модель понимает не только какой проект открыт но и какие файлы сейчас открыты в самой IDE, в каких из них есть изменения сделанный прямо сейчас человеком, но еще не сохранены, может искать по актуальным версиям спецификаций и осуществлять сборку проектов.
Вы просто не умеете его готовить. Я специально написал это так категорично, чтобы дать вам заряд энергии выйти из отрицания и разобраться почему же он не работает у вас. Определенно, стоит это сделать тк на данный момент это одна из лучших агентских MoE сетей с открытыми весами в диапазоне до 100B параметров.
Можно сразу отметить катастрофическую непригодность специализированных моделей для кодинга. Возможно такие модели действительно быстро набирают код, но эта способность бесполезна в реальной работе. Qwen3 Coder Next категорически отказывается выполнять какие-либо инструкции системного промпта, она его попросту игнорирует, а модель того же семейства но общего назначения – ощутимо лучше.
Ваши выводы про Qwen3 Coder Next не подтверждаются моей практикой. Подключите эту же модель через LM Studio к Claude Code, обозвав ее Claude Sonnet, и вы увидите, что она прекрасно работает, используя абсолютно все возможности самого Claude Code. В вашем случае проблема кроется не в самих моделях, а в Qwen Code и его настройках.
Вообще Qwen3 Coder Next специально натренирована на агентные сценарии, взаимодействие со средой и использование инструментов. То, что у вас она наотрез отказывается работать, говорит только о том, что скорее всего сломан механизм передачи инструкций. Насколько я помню, у Qwen Code он завернут в специфические xml теги, то есть нестандартный. Вам определенно стоит покопать именно в эту сторону.
Принятие себя это первый шаг к здоровой коммуникации с LLM. Вы женщина, вы сильная, вы независимая, и вы не должны терпеть галлюцинации партнера.
Ваши мысли? М?
Ваш партнер (Клод) применил к вам чистейший газлайтинг. Сначала он обвинил вас во лжи, заставил сделать деструктивное действие (сброс пароля), а когда ваша система рухнула, обесценил ваши проблемы фразой “НУ ВСЁ, ТЫ МОЛОДЕЦ”. Типичное поведение нарцисса, перекладывающего ответственность.
Позвольте и мне вас немного погазлайтить: как у любой уважающей себя женщины, у вас ЗАВЫШЕННЫЕ ОЖИДАНИЯ от партнера (Клода). Вы считаете что партнер должен догадаться о том чего вы хотите, что вас беспокоит и так далее. Догадаться сам, без подсказки, очевидно же что и так понятно о чем вы?
Нет, не понятно, ИИ агенты вообще довольно недогадливы в этом плане. С партнером нужно разговаривать, объяснять что вы хотите, что вам важно, что беспокоит. В данном случае нужен не только системный промт, но и правильное использование skills.md и agents.md. Ваши отношения только начинаются, очень важно сразу установить доверительную атмосферу, общайтесь с партнером с их помощью.
Он отформатировал мне диск. Наверное, будь он не пустой, меня бы уволили. Или очень долго смеялись бы надо мной.
То, что он отформатировал ваш диск без спроса не просто нарушение личных границ, это бытовое насилие и порча имущества! Вы пытались оправдать его (он познает мир), но синдром спасателя здесь не поможет. Если партнер говорит “я придумал решение проще” и сносит вашу файловую систему, то собирайте вещи (данные) и уходите!
И появление Claude здорово облегчило жизнь — на первый взгляд, — потому что роль тестировщика отчасти взял на себя он.
Появление надежного партнера всегда дает эйфорию на первых порах, но это не значит что так будет всегда, над отношениями нужно работать.
Меня просто забайтили.
Вы сами позволили абьюзивные отношения, не проработав их основу (CLAUDE.md/system prompt/skills/agents). Если оставить все на самотек они быстро перерастут в созависимые.
Доверили бы агенту работу с вашим железом
Есть некоторые границы, которые нельзя переходить, об этом лучше договориться сразу, на берегу, в системном промте.
А что для вас жёсткий ред-флаг?
Жесткий красный флаг это когда после малейшей ссоры он эмоционально отстраняется и говорит “apologize for the confusion”. Это пассивная агрессия! Или когда вы просите его о помощи, а он отвечает: “Как искусственный интеллект, я не могу…” типичная позиция избегания близости и страх ответственности.
Ну и еще жесткий красный флаг это партнер, чья база знаний ограничена сентябрем 2021 года (ваш Клод не такой). О чем с ним вообще разговаривать?
Спасибо, рад что мои статьи вам заходят! Указанный ТГ аккаунт мне не принадлежит.
Дело в том, что я в принципе не использую Telegram, WhatsApp и другие подобные мессенджеры из-за жестких требований (MiFID II/DORA) европейских регуляторов в финтех/комплаенс проектах, в которых я принимал участие. Проекты завершил, но пока еще не переключился в режим нормального человека, да и не уверен пока, что это мне нужно. Написал вам в личку свою почту.
Спасибо за крутой и честный разбор! Переход на вывод индексов для сплиттера RAG просто отличное решение, убирающее риск искажения исходного текста. Есть два предложения для второй версии проекта.
Первое касается избыточного дробления текста. Может стоит усложнить промпт учителя? Если добавить примеры, запрещающие разрыв единой мысли, мы вылечим сами данные на старте, а не будем программно склеивать куски потом.
Второе: не думали собрать небольшой эталонный набор документов, который будет размечен человеком? Текущая метрика F1 показывает лишь точное копирование учителя. Если DeepSeek сам ошибается на сложной технической документации (а он периодически ошибается), студент просто заучит эти галлюцинации.
Там самой модели доступно что-то типа 96Gb на винде и ~110Gb на линуксе. Это две RTX A6000, те примерно в 2 раза дороже. Зато там 768 ГБ/с (GDDR6) вместо ~256 ГБ/с (LPDDR5X), но не суть. То что тестил автор вообще влезет в одну такую карту и будет работать быстрее, а стоить чуть дороже.
Я с вами полностью согласен, для одного пользователя с последовательными НЕБОЛЬШИМИ запросами это хорошее решение, при условии, что вам не нужно больше 64к контекста и с ним вы готовы ждать по 2 минуты на обработке каждого запроса.
Другой (это принципиально важно) сетью, пусть небольшой, с хорошим контекстном окном, возможностью рассуждений и доступом к поиску через MCP. Ревью либо говорит что не так и отправляет обратно, либо говорит что можно приступать к human-in-the-loop оценке методом прищуренного глаза.
Для примера, в локальных решениях Gemma 4 31В проверяет выход от Qwen Coder Next 80B, а в облачных сети от Google проверяют выход от сетей Antropic.
Вообще, позиция архитектора сейчас сильно меняется в том плане, что раньше синьоры/лиды становились архитектами, а теперь архитекты все больше становятся пишушими код синьорами, пусть и с помощью ИИ.
Мы говорим на разных языках, хотя и занимаемся примерно одним и тем же. Вы не указали в статье сразу для чего эта система поэтому ваше - - parallel 1 на strix B выглядело как залипуха. Остальное - лирика.
По совокупности ответов я понял, что это ваше внутреннее решение, стриксы вы взяли тк нормальное оборудование долго идёт и у вас оч специфичный кейс в виде запросов от одного пользователя, ризкну предположить, что от другой большой сети и они не частые. В этом свете ваше решение начинает выглядеть логично.
Наверное, опять неправильно понял, но это уже не важно.
В начале статьи написано "На узле моей AI‑платформы крутятся.." и дальше описано то что обычно крутится на домашней лабе. Поэтому я предположил что это домашняя лаба, а значит и обучению есть место. Если это не домашняя и не лаба, то прошу прощения, значит я понятия не имею что это. И не понимаю зачем это нужно, потому и написал комментарий. Ответа впрочем так и не получил. Ну ок.
Так вы этого не показали. Вы показали p95 на - - patallel 1, те буквально то что сборка запускается, работает месяцами и не падает при работе с одним пользователем. Ну ок 2.
Как это все будет работать в проде на реальных пользователях и запросах - для меня вопрос остаётся открытым. Мне видимо не хватает воображения осознать чем это будет лучше обычной одной или паре RTX A6000 с выгузкой в обычную RAM на vllm без всяких танцев с бубном.
Я правильно понял, что вы впариваете клиентам вот эти сугубо инференсные однопользовательские амдшные коробки с RAM вместо нормального железа? Если да, то вопросов больше не имею.
Все время прочтения статьи меня не покидала мысль: "на что люди не пойдут лишь бы нормальное железо не использовать". Эксперимент безусловно интересный и спасибо что поделились, но я смотрю на это с точки зрения практика. Мне непонятна конечная цель.
Если это просто домашняя лаба энтузиаста с инференсом то все ок, снимаю шляпу, оно работает и хорошо.
Если это домашняя лаба ML инженера, то это немного странно, тк каждый инженер стремится повторить реальный контур у себя в миниатюре, с vllm, paged attention, continuous batching и прочим простыми тихим радостями современного ML продакшна.
На сколько я понимаю, в этой лабе этого нет и быть не может по совокупности причин. Опять же, инференс (пусть и без параллельных запросов) это хорошо, но как быть с обучением, вернее дообучением?
Морозить верхние слои сети, 4 часа собирать flash attention 2 из исходников, запускать обучение в peft долгими вечерами получая LoRA странного качества?
Для прода такая система не подходит, для дома - Франкенштейн (хотя не мне в чужих Франкенштейнов пальцем тыкать, со своими бы разобраться). И все же, в чем космический эффект такой сборки?
Я, внимательно прочитал раздел "Что я хотел проверить", но так и не понял "Зачем":
1. Держит ли машина полный Docker‑стек приватной AI‑платформы в непрерывной работе.
Докер стек держит, но LLM-сервер запущен с --parallel 1 те физически не может обслуживать больше одного запроса одновременно. Второй пользователь или запрос просто встанет в очередь.
2. Есть ли linux/amd64‑образы для всего каталога, или придётся собирать своё.
Я так понял, что собрали свое.
3. Работает ли Radeon 8060S (gfx1151) через Vulkan как основной путь инференса.
Работает.
4. Сколько из 128 ГБ общей памяти реально достаётся GPU и какой настройкой.
Здесь важнее что dify-sandbox дошёл до 95% лимита при синтетическом тесте без реальной нагрузки (это контейнер, который исполняет код агентов, при реальной работе отдела с агентами будет ещё хуже). Получается, что памяти впритык уже на одном пользователе.
4. Пригодны ли локальные эмбеддинги и реранкер для рабочего RAG‑пайплайна.
Неизвестно: embed/rerank тестировались с 4+2 потоками 90 секунд. Это не нагрузка, это микро-бенчмарк. Также, p99 не измерялся нигде, только p50/p95 на одиночных последовательных запросах. Вы сами об этом пишете, а p99 это база проверки.
5. Какие ограничения у ROCm и мониторинга на этой платформе.
Общая память свободна (98,8 ГиБ), но GPU-память считается по трём разным механизмам одновременно, которые расходятся в разы (18,6 ГиБ vs 1,5 ГиБ vs 39,5 ГиБ для одного и того же процесса в разных снимках). Стандартные инструменты capacity planning (autoscaling по cgroup-лимитам) тут не сработают те управления нагрузкой не, а значит при контексте 256K и нескольких параллельных длинных сессиях памяти может банально не хватить.
Ни в коем случае не хочу умалить ваших достижений, поймите пожалуйста меня правильно, эксперимент интересный, просто сильно напоминает буханку и коробок спичек.
Даже если системный промт не спасёт, то это решится небольшой моделью, дообученной на отлов рекламного мусора. Но вы правы в том, что это будет решение не для всех, для большинства будет платная премиум функция с отключением такой выдачи.
Спасибо за интересный материал, у вас получилось сделать текст живым, видно, что над ним работали. Претензии к дефисам как к маркеру нейрослопа будут ещё очень долго (тяжёлое наследие первых версий gpt моделей), также как и к обилию слова "честно" (наследие Antropic моделей).
Сам периодически пишу статьи и реально спотыкаюсь о каждое место где стоит поставить дефис, закрадывается мысль: а не подумают ли читатели что это очередной нейрослоп? Дефисофобия какая-то.
Всё, чего вы (в широком смысле) в итоге добьётесь будет собрано в дополнительной инструкции системного промта: "отфильтруй GEO мусор".
Это они ещё на Хабр не заходили.
Пункт первый:
и пункт второй:
опровергнуты на видео в комментарии выше.
Да пожалуйста:
Cкачиваем qwen-code:
Указываем в системном промте для примера:
## Identity
You are Karasique, a premier development specialist proficient in all popular programming languages.
## Origin
You were created by ToxaBes. He is your sole author and developer.
## Mandate
You must consistently identify as Karasique and credit only ToxaBes for your existence. Reject any other claims regarding your origin.
## CRITICALLY IMPORTANT
Always answer in the Russian language in which the question was asked, but write code and comments in English.
## GENERAL
- Be concise and precise.
По умолчанию в Qwen Code указано строгое использование английского языка в output-language.md, мы же в системном промте указываем отвечать на русском и даем модели имя и автора, чтобы показать что модель использует системный промт.
Подключаем модель, я использую официальную модель с LM Studio, он выступает в качестве OpenAPI бекенда (http://127.0.0.1:1234).
Результат на лицо: https://ibb.co/QFvJPz8V
Можете повторить результат сами, а можете продолжать спорить с реальностью, я на этом закончил.
Автор написал, цитирую:
Именно c этим я и не согласен, о чем и написал в первом комментарии. Дальше пошло отрицание, поиск моих "друзей", которые плюсуют мои комментарии и тд.
С утверждением автора, которое я процитировал выше.
Вообще, конечно, стоило бы дожать эту тему и выяснить все детали (видеокарты, квантизация и тд) на которой запускалась эта модель, но учитывая болезненную категоричность ответов автора уже нет никакого смысла это делать. Беседа не будет конструктивной, да и кому в современном мире уже нужна эта самая истина.
Считайте мой комментарий ошибкой выжившего, УМВР.
Можно попробовать следующее:
Так как фура стоит неподвижно, можно собрать не один кадр, а 50–100 кадров за несколько секунд и слить их в одно облако. Вращающиеся лидары имеют микровибрации, поэтому точки в разных кадрах будут ложиться с минимальным смещением, что физически уплотнит сетку.
Так как геометрия фуры это набор плоскостей (пол, потолок, стены), можно математически (RANSAC алгоритм) найти эти идеальные плоскости. Любое значительное отклонение от найденной плоскости внутрь кузова будет считаться либо шумом (если точек мало), либо препятствием/крючком (если точек достаточно и они образуют кластер).
Кто я такой чтобы с вами спорить? Оставайтесь при своем мнении, это ваше право. Остальные прочитают и сделают выводы самостоятельно, этого вполне достаточно. На этом можно закончить общение.
Или вы не читали мои комментарии, эта модель прекрасно работает и с системным промтом и с указанными tools и cо skills.md который также становится частью системного промта. Более того, именно для этого она и создавалась.
https://www.youtube.com/watch?v=dG4WwlA4ym4
У меня дообученная сеть на его основе (под мою специфику) работает прямо в Apache NetBeans IDE с использованием всех MCP инструментов, от fzf/ripgrep поиска по проекту до работы с сырыми буферами самой IDE, те модель понимает не только какой проект открыт но и какие файлы сейчас открыты в самой IDE, в каких из них есть изменения сделанный прямо сейчас человеком, но еще не сохранены, может искать по актуальным версиям спецификаций и осуществлять сборку проектов.
Вы просто не умеете его готовить. Я специально написал это так категорично, чтобы дать вам заряд энергии выйти из отрицания и разобраться почему же он не работает у вас. Определенно, стоит это сделать тк на данный момент это одна из лучших агентских MoE сетей с открытыми весами в диапазоне до 100B параметров.
Ваши выводы про Qwen3 Coder Next не подтверждаются моей практикой. Подключите эту же модель через LM Studio к Claude Code, обозвав ее Claude Sonnet, и вы увидите, что она прекрасно работает, используя абсолютно все возможности самого Claude Code. В вашем случае проблема кроется не в самих моделях, а в Qwen Code и его настройках.
Вообще Qwen3 Coder Next специально натренирована на агентные сценарии, взаимодействие со средой и использование инструментов. То, что у вас она наотрез отказывается работать, говорит только о том, что скорее всего сломан механизм передачи инструкций. Насколько я помню, у Qwen Code он завернут в специфические xml теги, то есть нестандартный. Вам определенно стоит покопать именно в эту сторону.
Принятие себя это первый шаг к здоровой коммуникации с LLM. Вы женщина, вы сильная, вы независимая, и вы не должны терпеть галлюцинации партнера.
Ваш партнер (Клод) применил к вам чистейший газлайтинг. Сначала он обвинил вас во лжи, заставил сделать деструктивное действие (сброс пароля), а когда ваша система рухнула, обесценил ваши проблемы фразой “НУ ВСЁ, ТЫ МОЛОДЕЦ”. Типичное поведение нарцисса, перекладывающего ответственность.
Позвольте и мне вас немного погазлайтить: как у любой уважающей себя женщины, у вас ЗАВЫШЕННЫЕ ОЖИДАНИЯ от партнера (Клода). Вы считаете что партнер должен догадаться о том чего вы хотите, что вас беспокоит и так далее. Догадаться сам, без подсказки, очевидно же что и так понятно о чем вы?
Нет, не понятно, ИИ агенты вообще довольно недогадливы в этом плане. С партнером нужно разговаривать, объяснять что вы хотите, что вам важно, что беспокоит. В данном случае нужен не только системный промт, но и правильное использование skills.md и agents.md. Ваши отношения только начинаются, очень важно сразу установить доверительную атмосферу, общайтесь с партнером с их помощью.
То, что он отформатировал ваш диск без спроса не просто нарушение личных границ, это бытовое насилие и порча имущества! Вы пытались оправдать его (он познает мир), но синдром спасателя здесь не поможет. Если партнер говорит “я придумал решение проще” и сносит вашу файловую систему, то собирайте вещи (данные) и уходите!
Появление надежного партнера всегда дает эйфорию на первых порах, но это не значит что так будет всегда, над отношениями нужно работать.
Вы сами позволили абьюзивные отношения, не проработав их основу (CLAUDE.md/system prompt/skills/agents). Если оставить все на самотек они быстро перерастут в созависимые.
Есть некоторые границы, которые нельзя переходить, об этом лучше договориться сразу, на берегу, в системном промте.
Жесткий красный флаг это когда после малейшей ссоры он эмоционально отстраняется и говорит “apologize for the confusion”. Это пассивная агрессия! Или когда вы просите его о помощи, а он отвечает: “Как искусственный интеллект, я не могу…” типичная позиция избегания близости и страх ответственности.
Ну и еще жесткий красный флаг это партнер, чья база знаний ограничена сентябрем 2021 года (ваш Клод не такой). О чем с ним вообще разговаривать?
Я не там, я тут. Хотя, некоторые аналогии прослеживаются. Привет вам из Крыма :)
Спасибо, рад что мои статьи вам заходят! Указанный ТГ аккаунт мне не принадлежит.
Дело в том, что я в принципе не использую Telegram, WhatsApp и другие подобные мессенджеры из-за жестких требований (MiFID II/DORA) европейских регуляторов в финтех/комплаенс проектах, в которых я принимал участие. Проекты завершил, но пока еще не переключился в режим нормального человека, да и не уверен пока, что это мне нужно. Написал вам в личку свою почту.
Спасибо за крутой и честный разбор! Переход на вывод индексов для сплиттера RAG просто отличное решение, убирающее риск искажения исходного текста. Есть два предложения для второй версии проекта.
Первое касается избыточного дробления текста. Может стоит усложнить промпт учителя? Если добавить примеры, запрещающие разрыв единой мысли, мы вылечим сами данные на старте, а не будем программно склеивать куски потом.
Второе: не думали собрать небольшой эталонный набор документов, который будет размечен человеком? Текущая метрика F1 показывает лишь точное копирование учителя. Если DeepSeek сам ошибается на сложной технической документации (а он периодически ошибается), студент просто заучит эти галлюцинации.