English
Deutsch
Polski
Modele AI do programowania: GPT i Claude wobec DeepSeek i Qwen
Jakość kodu, praca w repozytorium i lokalna inferencja w porównaniu aktualnych modeli do programowania.
Cloud & AI
20 artykułów w tej kategorii
Śledź tę kategorię przez RSS
Budowa bazy wiedzy RAG z Google Cloud Vertex AI i BigQuery
Techniczny przewodnik krok po kroku po budowie bezserwerowej bazy wiedzy RAG przy użyciu BigQuery Vector Search i modelu Vertex AI Gemini.
Self-Hosted Large Language Model (LLM) z Ollama za serwerem proxy z autoryzacją
Techniczny przewodnik krok po kroku po wdrożeniu prywatnego serwera LLM z akceleracją GPU (Ollama) zabezpieczonego przez serwer proxy Nginx z autoryzacją.
Porównanie aktualnych modeli AI: GPT, Claude i Gemini wobec DeepSeek i Qwen
Porównanie GPT-6, Claude 5.5, Gemini 3.8, DeepSeek i Qwen według dostępu, zadań i lokalnego uruchamiania.
Tutorial: Sprawdzanie rozmiaru chunku i nakładki na zestawie testowym
Rozmiar chunku bywa wybrany raz i nigdy nie podważany, bo podważanie wygląda na wymagające pełnej oceny. Wymaga trzydziestu pytań, jednej miary i przebiegu obywającego się bez jednego wywołania modelu językowego.
Rozmiar chunków i nakładka w bazie wiedzy RAG: wpływ na liczbę embeddingów, budżet tokenów i ponowne indeksowanie
Dwie liczby wybrane przed pierwszym uruchomieniem rozstrzygają o liczbie osadzeń, o udziale kontekstu w każdej odpowiedzi i o tym, czy zmiana ustawienia oznacza osadzenie wszystkiego od nowa. Wszystkie trzy to rachunek.
Rachunek stojący za fakturą za LLM
Wejście, wyjście, wejście z pamięci podręcznej i rabat wsadowy to cztery ceny za to samo żądanie. Który obowiązuje, zależy mniej od modelu niż od tego, jak składa się rozmowę.
Integracje GTM dla Claude Code: trzy serwery MCP, liczba narzędzi i koszt kontekstu
Zmiana kontenera Tag Managera przez prompt oznacza przekazanie modelowi językowemu tokenu OAuth. Trzy serwery MCP uruchomiono 9 września 2026 roku przez stdio i zapytano o listę narzędzi: 18, 33 i 104 narzędzia oraz od 20 do 108 kilobajtów definicji, które jadą z każdym zapytaniem. Pod spodem u wszystkich leży to samo API: 106 metod, siedem zakresów i dokładnie dwa wywołania sięgające kontenera na żywo.
Tutorial: Pomiar zużycia tokenów na żądanie i egzekwowanie budżetu miesięcznego
Każda odpowiedź API podaje dokładnie, ile tokenów kosztowała, w podziale na cztery klasy. Zapisywanie tej liczby zamiast jej szacowania to dwadzieścia linii – i jedyna podstawa, na której budżet może być czymś więcej niż ostrzeżeniem.
Wykrywanie botów: listy adresów IP a podpisy kryptograficzne
Apple powiększył pulę adresów Applebota w sierpniu 2026 o mniej więcej 194 procent. Każda witryna sprawdzająca tego robota z zapisanej listy musiała pobrać nową. Ten koszt utrzymania nie jest wypadkiem tego wydania – jest tym, czym jest weryfikacja oparta na adresie.
