"… Проблема произошла в Калифорнии (где находится физический сервер с данными). Сведения, которые поступали от них, говорят о том, что проблема связана со сбоем питания", — сказал Николай Данилов — шеф-редактор компании «Суп».
Тем самым Данилов опроверг сообщения ряда СМИ, которые в субботу распространили информацию об отключении только российского сегмента «Живого журнала».
«Сейчас livejournal работает нестабильно: то не работает вообще, то какая-то его часть вдруг начинает работать», — добавил он.
По словам собеседника агентства, сбои возникли в data-центре американской компании Six Apart, которой принадлежит «Живой журнал». При этом он отметил, что пока не располагает точной информацией о причинах сбоя.
«Нам тоже не совсем понятно, что там происходит», — сказал Данилов.
В свою очередь, директор по маркетингу компании «Суп» Иван Засурский сообщил РИА Новости, что накануне на главной странице «Живого журнала» была размещена информация о проведении плановых работ по настройке серверов. Засурский не исключил, что именно это привело к приостановке работы сервиса.
В то же время в новостном разделе компании Six Apart, размещенном в «Живом журнале» (этот раздел относится к числу функционирующих), содержится запись от 3 ноября. В ней — предупреждение о проведении «ремонтных работ на одном из двух источников питания» с 22.00 до полуночи того же дня.
«Во время поведения этих работа возможно ухудшение работы LiveJournal», — говорится на сайте.
Пресс-секретарь находящейся в Сан-Франциско компании Six Apart сказала корреспонденту РИА Новости по телефону, что причины сбоев сейчас выясняются. Сейчас в Сан-Франциско ранее утро.
Телефоны в европейском и японском офисах компании не отвечают.
Как мы запустили Qwen3.8–27B целиком на RTX 5060 8 GB и получили ~30 токенов/с
Наш проект называется ExVRAM Lab. Это открытая исследовательская лаборатория, в которой мы проверяем, насколько большие локальные LLM можно запускать на обычных видеокартах с ограниченным объёмом VRAM, если использовать ultra‑low‑bit quantization, полное размещение весов на GPU и существующие open‑source inference‑технологии.
ExVRAM расшифровывается как Exchange Compute for VRAM. Основная идея проекта — в ряде сценариев выгоднее потратить часть свободной вычислительной мощности GPU на работу с более компактным представлением весов, чем хранить часть модели в оперативной памяти и постоянно передавать данные через PCIe.
Когда мы начинали проект, исходный вопрос был достаточно простой: можно ли запустить dense‑модель примерно на 27 миллиардов параметров на видеокарте всего с 8 ГБ VRAM так, чтобы она не просто «запустилась», а работала полностью на GPU, поддерживала длинный контекст и обеспечивала нормальную интерактивную скорость генерации.
В качестве основной тестовой системы мы используем NVIDIA GeForce RTX 5060 8 GB на архитектуре Blackwell. Основная модель в текущих экспериментах — Qwen3.8–27B.
Сначала результат выглядел не слишком впечатляюще. Модель запускалась, но значительная часть весов оставалась в системной памяти. Около 5,7 GiB весов находилось на GPU, ещё примерно 2,5 GiB — на CPU. Скорость генерации составляла порядка 3,8–5,5 токена в секунду.
При этом сама видеокарта была загружена далеко не полностью.
Это стало одним из первых важных наблюдений проекта. Проблема заключалась не столько в нехватке вычислительной мощности RTX 5060, сколько в том, что часть decoder weights находилась в RAM. Во время autoregressive generation данные приходилось постоянно передавать между CPU и GPU через PCIe.

