**Дешёвый прирост VRAM: не всегда нужен топовый GPU**
1. Для локальных моделей упираются не в «мощность», а в **объём памяти**. RTX 4080 с 16 ГБ годится для задач попроще, но для более тяжёлых моделей этого уже мало.
2. Решение оказалось не из retail-сегмента: **серверная видеокарта за £200** через адаптер в обычный ПК. Итог — **32 ГБ VRAM** суммарно на двух GPU.
3. На этой конфигурации запускается модель на **27 млрд параметров** и выдаёт около `32 tok/s`. Для домашней сборки это уже вполне рабочая производительность.
4. Вывод для performance-мышления простой: иногда выгоднее **добавить память дешёвым способом**, чем переплачивать за одну «жирную» карту. Считается не по бренду, а по **цена/задача**.
5. Но риски тоже есть: совместимость, охлаждение, отсутствие нормальных коннекторов, нестандартная сборка. То есть это не апгрейд “в лоб”, а инженерный костыль с хорошей экономикой.
1. Для локальных моделей упираются не в «мощность», а в **объём памяти**. RTX 4080 с 16 ГБ годится для задач попроще, но для более тяжёлых моделей этого уже мало.
2. Решение оказалось не из retail-сегмента: **серверная видеокарта за £200** через адаптер в обычный ПК. Итог — **32 ГБ VRAM** суммарно на двух GPU.
3. На этой конфигурации запускается модель на **27 млрд параметров** и выдаёт около `32 tok/s`. Для домашней сборки это уже вполне рабочая производительность.
4. Вывод для performance-мышления простой: иногда выгоднее **добавить память дешёвым способом**, чем переплачивать за одну «жирную» карту. Считается не по бренду, а по **цена/задача**.
5. Но риски тоже есть: совместимость, охлаждение, отсутствие нормальных коннекторов, нестандартная сборка. То есть это не апгрейд “в лоб”, а инженерный костыль с хорошей экономикой.
**РКН в июне снова прошёлся по инфраструктуре обхода блокировок.**
Под ударом оказались даже типовые связки на базе `xray + VLESS + REALITY` — то есть не экзотика, а массовый стек, на котором сидели многие.
Что важно для performance-команд и соло-байеров:
1. **Риск не точечный, а волновой.** Когда ломают не один домен, а целый класс решений, страдает сразу весь контур доставки трафика.
2. **Инфраструктурный спенд растёт.** Резервные прокси, новые домены, миграции, ручная настройка — это прямой OPEX, который бьёт по марже.
3. **Падает стабильность запуска.** Если канал доступа шатается, тесты превращаются в лотерею: срываются заливы, рвётся связность, уезжает статистика.
4. **Нужен запасной контур.** Один стек для входа и один сценарий обхода — это не система, а один отказ в ожидании.
5. **Считайте break-even с учётом простоев.** Не только CPM/CPC и payout, но и потери на недозалив, перезапуски и пересборку сетки. ⚠️
Вывод простой: в такой среде выигрывает не тот, у кого выше ставка, а тот, у кого ниже стоимость отказа.
Под ударом оказались даже типовые связки на базе `xray + VLESS + REALITY` — то есть не экзотика, а массовый стек, на котором сидели многие.
Что важно для performance-команд и соло-байеров:
1. **Риск не точечный, а волновой.** Когда ломают не один домен, а целый класс решений, страдает сразу весь контур доставки трафика.
2. **Инфраструктурный спенд растёт.** Резервные прокси, новые домены, миграции, ручная настройка — это прямой OPEX, который бьёт по марже.
3. **Падает стабильность запуска.** Если канал доступа шатается, тесты превращаются в лотерею: срываются заливы, рвётся связность, уезжает статистика.
4. **Нужен запасной контур.** Один стек для входа и один сценарий обхода — это не система, а один отказ в ожидании.
5. **Считайте break-even с учётом простоев.** Не только CPM/CPC и payout, но и потери на недозалив, перезапуски и пересборку сетки. ⚠️
Вывод простой: в такой среде выигрывает не тот, у кого выше ставка, а тот, у кого ниже стоимость отказа.
Постковид — это не только про «переболел и забыл». У части людей после инфекции остаётся фон, который бьёт по **работоспособности** и **выносливости**: хроническая усталость, туман в голове, скачки давления, плохая переносимость нагрузки.
Для performance-команды это выглядит просто: человек формально в строю, но его `throughput` падает. Больше ошибок, медленнее решения, хуже реакция на цифры. На дистанции это уже не бытовая жалоба, а **просадка в производительности**.
Что важно:
1. Если усталость тянется месяцами, это не всегда про режим и кофе.
2. Симптомы могут быть размытыми — от кровоточивости дёсен до метеочувствительности.
3. Игнорировать это опасно: проблема часто проявляется не сразу, а через сосудистые и системные сбои.
Вывод сухой: если у байера, фаундера или соло-арбитражника внезапно «поплыл» фокус и энергия, проверьте не только календарь, но и здоровье. Иногда у вас съедается не маржа, а ресурс.
—
Кто про вилки пишет регулярно — @SalaryScopePro
Для performance-команды это выглядит просто: человек формально в строю, но его `throughput` падает. Больше ошибок, медленнее решения, хуже реакция на цифры. На дистанции это уже не бытовая жалоба, а **просадка в производительности**.
Что важно:
1. Если усталость тянется месяцами, это не всегда про режим и кофе.
2. Симптомы могут быть размытыми — от кровоточивости дёсен до метеочувствительности.
3. Игнорировать это опасно: проблема часто проявляется не сразу, а через сосудистые и системные сбои.
Вывод сухой: если у байера, фаундера или соло-арбитражника внезапно «поплыл» фокус и энергия, проверьте не только календарь, но и здоровье. Иногда у вас съедается не маржа, а ресурс.
—
Кто про вилки пишет регулярно — @SalaryScopePro
**Вывод для performance-головы простой:** половина «настройки» в Linux — это не про продуктивность, а про _привычку жечь время_ на тюнинг.
Что это значит для нас:
1. **Инфраструктура должна работать из коробки.** Если рабочий сетап требует вечного допиливания, это скрытый расход времени. В юнит-экономике он съедает маржу не хуже плохого CPM.
2. **Сложность — это риск простоя.** Чем больше кастомных скриптов, конфигов и костылей, тем выше шанс, что в момент спринта сломается не трафик, а окружение.
3. **Оптимизация нужна только там, где есть ROI.** Если прибавка к скорости/удобству не бьёт по доходу, это не оптимизация, а хобби.
4. **Считайте cost of tinkering.** Час, потраченный на «идеальный» рабочий стол, — это час, не ушедший в тест, аналитику или разбор воронки.
Удобный сетап — это тот, который не требует объяснений. Всё остальное часто просто хорошо упакованный мусор.
Что это значит для нас:
1. **Инфраструктура должна работать из коробки.** Если рабочий сетап требует вечного допиливания, это скрытый расход времени. В юнит-экономике он съедает маржу не хуже плохого CPM.
2. **Сложность — это риск простоя.** Чем больше кастомных скриптов, конфигов и костылей, тем выше шанс, что в момент спринта сломается не трафик, а окружение.
3. **Оптимизация нужна только там, где есть ROI.** Если прибавка к скорости/удобству не бьёт по доходу, это не оптимизация, а хобби.
4. **Считайте cost of tinkering.** Час, потраченный на «идеальный» рабочий стол, — это час, не ушедший в тест, аналитику или разбор воронки.
Удобный сетап — это тот, который не требует объяснений. Всё остальное часто просто хорошо упакованный мусор.
**ИИ в разработке** всё чаще продают как бесплатный буст к скорости. На практике у этого есть цена — и она не только в лицензиях.
1\. **Скорость растёт, но контроль падает.** Когда код пишет агент, команда быстрее закрывает задачи, но чаще пропускает баги, дубли и лишнюю сложность.
2\. **Экономия на разработке может съесть маржу.** Дешевле фича на входе не значит дешевле поддержка после релиза. В performance это знакомая история: сэкономили на спенде, потеряли на апруве и рекламациях.
3\. **Менеджмент любит метрику “output”, а нужен P\&L.** Важно считать не количество строк, а `cost per shipped feature` и цену исправлений.
4\. **ИИ полезен там, где есть жёсткий процесс.** Без ревью, тестов и декомпозиции он не ускоритель, а генератор скрытого техдолга ⚙️
Для малых команд вывод простой: считать надо не вау\-эффект, а `break-even` по времени команды и стоимости ошибок.
1\. **Скорость растёт, но контроль падает.** Когда код пишет агент, команда быстрее закрывает задачи, но чаще пропускает баги, дубли и лишнюю сложность.
2\. **Экономия на разработке может съесть маржу.** Дешевле фича на входе не значит дешевле поддержка после релиза. В performance это знакомая история: сэкономили на спенде, потеряли на апруве и рекламациях.
3\. **Менеджмент любит метрику “output”, а нужен P\&L.** Важно считать не количество строк, а `cost per shipped feature` и цену исправлений.
4\. **ИИ полезен там, где есть жёсткий процесс.** Без ревью, тестов и декомпозиции он не ускоритель, а генератор скрытого техдолга ⚙️
Для малых команд вывод простой: считать надо не вау\-эффект, а `break-even` по времени команды и стоимости ошибок.