GGUF Q4_K_M vs Q8_0: Quantisierung für Ollama 2026
Q4_K_M, Q8_0, IQ4_XS — was die Suffixe GGUF bedeuten und welche Quantisierung für Ollama gewählt werden sollte. RAM-Tabelle für 7B–70B + Formel zur Speicherkalkulation.
Blog über Webentwicklung & Programmierung
Nützliche Artikel zu Java, Spring, SEO, Frontend und modernen Technologien. Tipps, Beispiele und Lifehacks für Entwickler
Suche:
Kategorien
Warum KI-Bots Sie vergessen – und wie Sie das beheben | Webscraft
Nach 30 Nachrichten beginnt der Bot, den Anfang des Gesprächs zu vergessen. Ich erkläre, wie ich das mit mehreren Speicherschichten gelöst habe – ohne steigende Token-Kos
Ollama Launch Cline: Installation und häufige Fehler
Reale Erfahrung mit der Installation von Cline über Ollama: Node >=22 Fehler, EACCES, PATH nach Homebrew und Starten des Kanban Boards auf 127.0.0.1:3484.
Ollama Launch Cline: lokaler KI-Agent für die Entwicklung
Ollama kündigt ollama launch cline an – ein KI-Agent in einer Zeile im Terminal. Lokale und Cloud-Modelle, Kanban-Board, Vergleiche mit Cursor und Claude Code.
Kann DiffusionGemma die Zukunft von LLMs verändern?
Google hat DiffusionGemma veröffentlicht – ein Open-Source-Diffusionsmodell mit 26 Milliarden Parametern, das Text viermal schneller generiert als GPT, Llama und Qwen. Wa
Beste Open-Source RAG-Tools 2026: Framework-Vergleich
LangChain oder LlamaIndex? Qdrant oder pgvector? Vergleich von 12 Open-Source-RAG-Tools mit Trade-off-Tabellen, 5 fertigen Stacks und Anti-Patterns.
Claude Fable 5: Warum Anthropic das Mythos 2026 Modell geöffnet hat
Anthropic hat Claude Fable 5 veröffentlicht – das erste öffentliche Modell der Mythos-Klasse. Wir analysieren Benchmarks, Preise, Einschränkungen und den Grund für die Ve
1536 vs. 3072 Embeddings: Welche Dimension ist besser für RAG?
Vergleich von text-embedding-3-small (1536) und text-embedding-3-large (3072) für RAG 2026. RAM, Kosten, MTEB-Benchmarks, Re-Ranking als Alternative. Auswahlmatrix
Vision RAG vs OCR 2026: Was ist besser für die Dokumentenverarbeitung?
Vergleich von OCR-first und Vision-first Architekturen für die Dokumentenverarbeitung in RAG-Systemen 2026. GPT-4o, Gemini, Qwen2.5-VL, olmOCR, Docling – Qualitäts-Trade-
Wie OCR die Qualität von RAG-Systemen beeinflusst Analyse 2026
Technische Analyse, wie OCR-Fehler das Chunking zerstören, Embeddings verzerren und den Recall in einer RAG-Pipeline reduzieren. Mit echten Beispielen von Artefakten
Як запускати GGUF-моделі з Hugging Face в Ollama
В огляді Ollama 0.30 я показав базову механіку запуску GGUF у три кроки і пообіцяв окремий розбір з усіма нюансами. Ось він. Тут — повний практичний гайд: де брати GGUF-файл, як правильно написати Modelfile, які команди виконати, як перевірити підтримку tool calling і що робити, коли модель...
Ollama 0.30 im Jahr 2026: GGUF, Vulkan und NVIDIA-Beschleunigung
Übersicht über das Ollama 0.30 Update: GGUF-Unterstützung von Hugging Face, Vulkan standardmäßig, NVIDIA-Beschleunigung, Integration mit llama.cpp und ollama launch.
OCR in modernen KI-Systemen: Von Scans zu RAG-Pipelines (2026)
Warum 70–80 % der Unternehmensdokumente für KI ohne OCR unzugänglich sind. Wie Texterkennung in die RAG-Pipeline passt und wann Vision OCR benötigt wird.
Claude Opus 4.8: Benchmarks und Vergleich mit GPT-5.5
SWE-bench, Terminal-Bench, GPQA, Long-Context – Wir analysieren alle Benchmarks von Claude Opus 4.8 mit Zahlen. Wo Anthropic vorne liegt, wo es hinter GPT-5.5 zurückbleib
WebPageTool: Wie ich fast meine Token verbrannt hätte
Wie ich WebPageTool zu einem KI-Agenten hinzufügte, 11 Anrufe hintereinander erhielt und herausfand, warum ein lokales Modell anders funktioniert als ein Cloud-Modell. Ei
Claude Opus 4.8: що нового в головній AI-моделі Anthropic
Anthropic зробила тихий, але принциповий крок: нова модель Claude Opus 4.8 — це не просто оновлення бенчмарків. Компанія змінює акцент із «яка модель розумніша» на «якій моделі можна більше довіряти». Розбираємо, що реально змінилося і чому це важливо для...
NVIDIA NIM Kostenloser Inference der die KI-Architektur 2026 verändert
NVIDIA hat über die NIM API kostenlosen Zugriff auf über 100 KI-Modelle freigeschaltet. Wir untersuchen die Architektur der Inference Layer, Vergleiche mit Groq und Toget
Beste Search API für KI-Agenten 2026: Tavily vs Brave vs Exa
Ehrlicher Vergleich: Tavily, Brave, Exa, SerpAPI und Serper für KI-Agenten und RAG. Aktuelle Preise 2026, DSGVO-Hinweise und Entscheidungstabelle nach Anwendungsfall
Як керувати контекстом AI агента: sliding window, summarization і compression з прикладами
TL;DR Як ефективно керувати контекстом у довгоживучих AI-агентах: — Sliding Window + Pinning — Автоматична summarization з розумними тригерами — Compression та semantic memory З конкретними цифрами, кодом і архітектурними рішеннями, які значно підвищили стабільність агента. Ця стаття —...
KI-Agent Memory: In-Context vs RAG vs Semantic (2026)
In-Kontext, episodisch, RAG und semantischer Speicher für KI-Agenten auf Spring Boot. Realer ContextService aus der Produktion, Entscheidungsbaum und Code mit pgvector.
Grok Build від xAI: детальний технічний огляд
Grok Build — новий agentic CLI від xAI (early beta, 14 травня 2026). Головні фішки: Plan Mode з обов’язковим затвердженням плану, паралельні субагенти (до 8), контекстне вікно ~1–2M токенів та сучасний TUI на Rust. Працює на Grok 4.3, підтримує ACP, git worktree та MCP....
Ollama + Codex App: Lokaler AI Coding Agent ohne OpenAI (2026)
Mit Ollama kannst du Codex App lokal betreiben – volle AI Coding Agent ohne OpenAI-Abo.
Tool RAG: Was tun, wenn der AI Agent zu viele Tools hat? (2026)
Nach 10-15 Tools sinkt die Auswahlgenauigkeit. Das RAG-Tool löst dies durch Vektorsuche im Tool-Register. Implementierung mit Spring AI + pgvector mit Code und Zahlen
KI-Agent Grounding: Tool-Ergebnisse validieren mit Spring AI
Leeres Tool-Ergebnis, niedrige Relevanz, API-Fehler — wie Ihr Agent ohne Grounding halluziniert und wie Sie es beheben. Confidence Scoring + Re-Query in Spring AI.
Я змусив два AI посперечатись про vibe coding — ось що вийшло
Я очікував що AI здасться через 3 раунди. Він не здався через 8. І це змінило моє розуміння того як працюють мовні моделі. Як виникла ідея Класична проблема AI-агентів — вони занадто ввічливі. Попроси ChatGPT посперечатись — він погодиться через два повідомлення. Мене це дратувало. Я...