✨ Ключевые особенности:
- Автоматическое обнаружение - Scraps Hugging Face, ModelScope (китайские модели) и многое другое для новых моделей с искусственным интеллектом
- С учетом аппаратного обеспечения - Ориентирован на модели, работающие с видеопамятью объемом менее 24 ГБ (большинство потребительских графических процессоров).
- Красивая панель управления - веб-интерфейс для просмотра, фильтрации и поиска моделей
- Отслеживание китайских моделей - Особое внимание Qwen, DeepSeek и другим китайским моделям
- Оценки размера - Приблизительные оценки в ГБ, чтобы вы знали размеры загрузок
- Метаданные GGUF - извлекает подробную информацию о квантовании GGUF
- Автозапуск - автоматически открывает браузер при запуске
- Еженедельные обзоры - Автоматические отчеты о новых моделях.

Проблема, которую хотели решить:
- Локальные языковые модели не сохраняют состояние — они забывают всё между сеансами
- У них нет управления — они выполняют всё, что вы просите, без раздумий
- Интерфейсы чата не дают им «ручек», чтобы они могли что-то делать

Что на самом деле может ИИ:
- Чтение/запись файлов в изолированной директории
- Выполнение команд (pytest, git, ls и т. д.) с использованием списка разрешённых команд
- Перед выполнением действий сверяйтесь с «пороговыми протоколами»
- Записывайте весь процесс обработки в файл JSONL
- Прежде чем выполнять что-либо опасное, запросите у меня разрешение

Ключевая идея: сама файловая система становится памятью ИИ. Структура каталогов = классификация. Маршрутизация файлов = логический вывод. Векторная база данных не требуется.

Репозитории (все под лицензией MIT):
- temple-bridge — сервер MCP, который объединяет их в единое целое
- back-to-the-basics — парадигма «файловая система как схема»
- threshold-protocols — система управления

Настройка проста:
1) Клонируйте три репозитория
2) uv sync в temple-bridge
3) Добавьте конфигурацию MCP в ~/.lmstudio/mcp.json
4) Загрузите Hermes-3 в LM Studio
5) Вставьте системную подсказку
Готово!

ЗАПИСЫВАЙТЕ блюда в любом удобном для вас формате:
• Фотографируйте: сделайте снимок своей тарелки и получите подробную информацию о питании.
• Голосовая запись: запишите аудиозапись или прикрепите звуковую заметку. Если выбранная вами модель поддерживает это, ИИ может понимать ваши слова напрямую (без отдельного этапа транскрипции).
• Примечания + исправления: Добавьте быстрый контекст, например “съел только половину” или “добавлено оливковое масло”, чтобы сделать результаты более точными.

❗️ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ФОТОГРАФИЙ
Flog может использовать модели Vision Language для определения того, что находится на вашей тарелке:
• Оценка порций с учетом визуальных данных (включая определение размера пальца / ногтевой пластины для измерения масштаба).
• Контекст кухни и стиля (например, “Южно-итальянский”), чтобы ИИ учитывал способы приготовления и скрытые масла.
• Детальные правки, позволяющие скорректировать все, что не соответствует модели.

Программа Flog содержит подробную ИНФОРМАЦИЮ О ПИТАНИИ, А НЕ ТОЛЬКО О КАЛОРИЯХ:
• Макроэлементы: белки, углеводы, жиры, клетчатка, сахар.
• Микроэлементы: более 25 витаминов и минералов (А–К, железо, цинк, магний и другие).
• Прозрачные оценки: проанализируйте, что и почему сделал ИИ, а затем скорректируйте с помощью полного ручного управления.

ПРОГРАММА глубокой интеграции APPLE HEALTH может синхронизироваться с Apple Health, чтобы все было согласовано:
• Записывает структурированные данные о продуктах питания в HealthKit.
• Считывает энергию в активном состоянии и в состоянии покоя, чтобы помочь вам понять общий энергетический баланс.
• Может использовать данные о вашем здоровье (например, о весе) для достижения более разумных целей.

GLM-4.7-Flash — облегченная версия флагмана с 30 миллиардами параметров, из которых активны только 3 миллиарда. Контекстное окно - 200K. На бенчмарке SWE-bench Verified модель набрала 59.2% — почти втрое больше, чем Qwen3-30B-A3B-Thinking (22%). Разрыв с конкурентами того же класса виден и на других тестах: τ²-Bench (работа с инструментами) — 79.5% против 49% у Qwen, BrowseComp — 42.8% против 22.9%. В математике Flash держится на уровне более крупных моделей: 91.6% на AIME 2025, практически наравне с GPT-OSS-20B.

Пользователи в X уже тестируют локальный запуск: на M3 Ultra в 4-bit квантизации модель выдаёт свыше 80 токенов в секунду, на ноутбучных M5 — 40-50 tok/s. Поддержка появилась в MLX, vLLM и SGLang, а API доступен бесплатно с одним параллельным запросом, есть платная версия с высокой пропускной способностью.

Напоминаем о необходимости следовать нашим новым правилам!
Чтобы уменьшить количество циклов или улучшить результаты, добавьте --dry-multiplier 1.1. Это не то же самое, что штраф за повторение. Если сухой множитель недоступен, отключите штраф за повторение.
Вы также можете использовать --temp 0.2 --top-k 50 --top-p 0.95 --min-p 0.01 --dry-multiplier 1.1, это должно помочь.