ИИ-модели: анализ возможностей, архитектур и семейство
Сама модель в разобранном виде: семейства, архитектуры, компромиссы.
Выбор модели — это задача, отличная от её запуска. Рантайм-окружения, GPU и стеки доставки отвечают на вопрос «как запустить вот это», тогда как данный кластер отвечает на вопрос «какая модель и почему именно она».
Страницы в этом разделе рассматривают модели как артефакты: как семейства моделей эволюционируют от поколения к поколению, что меняет архитектура модели в том, на что она способна, и где находятся компромиссы между квантованием и возможностями. Каждое утверждение опирается на карточки моделей от вендоров, независимые бенчмарки или измеренные прогоны — прогнозные значения явно помечаются как прогнозы.
Место ИИ-моделей в стеке
Сайт разделяет вопрос о моделях на три уровня:
| Уровень | Что покрывает | Кластер |
|---|---|---|
| Модель | возможности, архитектура, эволюция семейства, квантование | Вы находитесь здесь |
| Доставка | рантаймы, совместимость с GPU, пропускная способность, поведение контекста | Хостинг LLM · Производительность LLM |
| Система | маршрутизация, память, агенты, верификация | Системы ИИ · Архитектура LLM |
Утверждение о возможностях, сделанное здесь (что сохраняет 27B-плотная модель при 4-бит квантовании, что выдаёт решающее устройство с одним проходом вперёд), становится входными данными для решений о хостинге и производительности, принимаемых в других разделах. Кластеры намеренно разделены, чтобы таблицы бенчмарков не мигрировали в эссе об архитектуре и обратно.
Карта кластера
Кластер молодой и растёт по плотности, а не по расписанию. Что существует сегодня:
- Вы находитесь здесь — этот раздел: что покрывает кластер и где находятся его границы
- Архитектуры — Что после LLM? Mamba, диффузия и модели мира — ландшафт после трансформеров: модели с пространством состояний, диффузионные языковые модели и модели мира JEPA, с доказательствами для каждой
- Семейства — Qwen 4: что подтверждено и что это значит для локального ИИ — справочная страница семейства, построенная вокруг лестницы бенчмарков 27B от поколения к поколению, превью архитектуры Flash-Next и совместимости с потребительскими GPU
Запланированные подкластеры, которые появятся, когда достаточно связанных страниц будут созданы: бенчмарки (сравнения между моделями), квантование (справочники по лестницам битности), эмбеддинги и реранкеры (модели стороны извлечения), сравнения (семейство против семейства).
Архитектуры моделей
Анализ архитектуры задаёт вопрос, что изменение дизайна делает с возможностями, памятью и поведением инференса, — а не какая модель лидирует в рейтинге на этой неделе. Главная страница раздела охватывает кандидатов, выдвинутых для замены или дополнения трансформера:
- Модели с пространством состояний (Mamba) — линейное масштабирование с длиной последовательности через сжатое рекуррентное состояние
- Диффузионные языковые модели — параллельная генерация токенов вместо декодирования слева направо
- Модели мира и JEPA — предсказание на представлениях, а не на токенах
Гибридная схема — внимание трансформера там, где оно оправдывает свою стоимость, линейное внимание там, где это не так, — уже присутствует в выпущенных моделях, и Что после LLM? прослеживает как исследовательскую линию, так и производственные доказательства.
Семейства моделей
Страницы семейств отслеживают одну линейку моделей через поколения: что изменилось в каждом релизе, какие приросты в бенчмарках реальные, а какие заявлены вендором, и что следующее поколение значит для оборудования, которое у вас может уже быть.
Первая такая страница охватывает самое эксплуатируемое семейство открытых весов на потребительских GPU:
- Qwen 4: что подтверждено и что это значит для локального ИИ — подтвержденный дорожный карта от Alibaba, лестница бенчмарков 27B Qwen3.5 → 3.6 → 3.8, Flash-Next как исполнимое превью архитектуры и целевые значения памяти, на которые выйдет Qwen 4 27B.
Что не относится к этому разделу
Правила границ сохраняют честность кластера:
- Вопросы доставки и тюнинга — насколько быстро работает модель, как вписать контекст, какой рантайм выбрать, — относятся к Производительность LLM и Хостинг LLM. Страница семейства ссылается на эти измерения, а не воспроизводит таблицы токенов/с.
- Использование моделей внутри системы — уровни маршрутизации, память, дизайн агентов, — относится к Системы ИИ и Архитектура LLM.
- Модели стороны извлечения — эмбеддинги и реранкеры анализируются здесь как модели, но их применение внутри пайплайнов находится в RAG.
Как этот кластер связан с другими
- Производительность LLM в 2026 — измеренные эквиваленты утверждений о возможностях, сделанных здесь: эффективный фронт открытых моделей и страницы бенчмарков 16 ГБ превращают «эта модель способна» в «эта модель вписывается и работает на N ток/с».
- Хостинг LLM в 2026 — решение по рантайму и инфраструктуре, следующее за выбором модели.
- Что после LLM? и страницы семейств ссылаются друг на друга: превью архитектур в семействах (Flash-Next) являются краткосрочными доказательствами архитектурных сдвигов, которые описывает страница о ландшафте.
