Используйте Qwen3-Embedding-0.6B и Qwen3-Reranker-0.6B бесплатно ▫️

Добавили новые модели в акцию Evolution Foundation Models:

😶‍🌫️Qwen3-Embedding-0.6B — многоязычный эмбеддер (поддерживает 100+ языков, включая языки программирования). Подходит для задач поиска, классификации текстов и работы с длинными документами (поддерживает контекст длиной до 32 768 токенов).

😶‍🌫️Qwen3-Reranker-0.6B — модель для задач переранжирования. Повышает релевантность результатов поиска, уточняя соответствие документов заданному запросу.

Модели уже готовы к использованию — не нужно развертывать инференс и писать код.

Бесплатно до 31 октября
Попробовать 🖱

Сентябрь — пора вебинаров про Kubernetes 🌥

16 сентября поговорим о мультикластерной архитектуре на Karmada, когда она нужна и как способна повысить отказоустойчивость. На практике покажем, как организовать несколько кластеров, и разберем архитектуру решения.

Зарегистрироваться 🖱

18 сентября расскажем о безопасности в Kubernetes и какую роль играет Admission Control. А еще поговорим о RBAC, отличиях между Kyverno и Gatekeeper — и не только.

Зарегистрироваться 🖱

Регистрируйтесь на вебинары (ждем на обоих 🙂) — и до встречи в 11:00 по мск.

Как «Страна Девелопмент» повысила производительность на 30% ✅

«Страна Девелопмент» — федеральная девелоперская компания, которая занимается полным циклом работ: от проектирования и строительства до управления недвижимостью.

Сначала компания перенесла IT-инфраструктуру в облако Cloud․ru, а потом в ходе сотрудничества подключила 850 виртуальных рабочих мест для проектировщиков.

➡️ В результате производительность выросла на 30%, и «Страна Девелопмент» смогла реализовать еще больше проектов

Подробнее про кейс смотрите на видео и читайте на сайте 🖱

Смерть fine-tuning? 😳

Есть три варианта оптимизации LLM:

1️⃣ Fine-tuning — дообучение готовой языковой модели на узкоспециализированных данных.

2️⃣ Промпт-инженерия — в этом случае мы составляем правильные запросы к модели, не изменяя ее, а оптимизируя ввод.

3️⃣ RAG — метод, при котором формируется поисковый запрос к базе знаний и LLM строит ответ с учетом этой информации.

Еще недавно, чтобы научить модель новым трюкам, ее обязательно «доводили» на специальных датасетах. Сегодня промпт-инжиниринг и RAG позволяют решать те же задачи быстрее и дешевле.

Так нужен ли fine-tuning в 2025 году?

Ответ на вопрос ищите в статье Владимира Килязова, эксперта по машинному обучению в Cloud․ru.

А в комментариях делитесь, что используете: RAG, fine-tuning или промпт-инжиниринг👇