Промты, MCP-серверы, скиллы, плагины, хуки и агенты для Claude Code, Kimi, DeepSeek, ChatGPT и других ИИ.
Система предсказания структуры белков от DeepMind: революция в биологии — трёхмерная структура белка из аминокислотной последовательности за часы.
Открытая реализация GPT-3-масштаба от EleutherAI: код для обучения 20-миллиардной модели на GPU-кластерах с MP и DP параллелизмом.
Модель, начавшая эпоху генеративного ИИ: код и веса GPT-2 — исторический артефакт, с которого началась гонка больших языковых моделей.
Универсальный трансформер для временных рядов от Salesforce: один предобученный модуль прогнозирует любые данные — от продаж до погоды.
Ядро моделей OLMo 2: полностью открытый код обучения, архитектуры и данных — воспроизведите 32-миллиардную модель с нуля у себя.
Распределённое обучение без коммуникационных узких мест от Nous Research: сокращение обмена данными в 1000 раз против традиционного data-parallel.
Открытая аудио-LLM от Moonshot AI: понимает речь, музыку и звуки, отвечает голосом и поёт — полный стек аудиоинтеллекта с открытыми весами.
Быстрое и экономичное внимание от Tri Dao: IO-оптимизированные кернелы ускоряют обучение трансформеров в 3-5 раз без потери точности.
scikit-learn для временных рядов: единый интерфейс для прогнозирования, классификации и кластеризации с унифицированным API.
Глубокое обучение для временных рядов от Nixtla: N-HiTS, TimesNet и десятки SOTA-архитектур с GPU-ускорением и простым API.
Единая библиотека прогнозирования: от ARIMA до трансформеров и LLM-прогнозов — сравнивайте модели одним интерфейсом на своих временных рядах.
Фундаментальная модель прогнозирования временных рядов от Google: точные предсказания без обучения на каждом датасете — как GPT, но для чисел.
Бессерверный векторный поиск: Python-клиент к Turbopuffer — быстрый поиск по миллиардам векторов без управления инфраструктурой векторной БД.
Оркестрация GPU-задач как в Kubernetes, но для ИИ: запускайте обучение, инференс и dev-окружения на любом облаке одной командой.
Как устроена инфраструктура DeepSeek: открытый разбор тестов GPU-кластера, обучения и инференса — уникальный взгляд под капот топовой китайской ИИ-компании.
Коммуникация экспертов MoE от DeepSeek: высокопроизводительный all-to-all для микстуры экспертов на GPU Hopper с NVLink и RDMA.
Кернел multi-head latent attention от DeepSeek: до 3000 TFLOPS на Hopper — открытое ядро внимания, обслуживающее DeepSeek-V3.
Библиотека FP8-матричного умножения от DeepSeek: до 1350 TFLOPS на Hopper — тот самый код, который ускоряет DeepSeek-V3.
Симуляция обществ ИИ-агентов от OpenBMB: запускайте команды агентов, которые обсуждают, спорят и решают задачи вместе — как в Sims для LLM.
Приватный ИИ-ассистент для баз данных: text-to-SQL, диалог с данными и RAG поверх десятков СУБД — всё через единый интерфейс, без утечки данных.