Вот вам ещё ОКР-контент.
Понял, что стол в мастерской очень быстро заваливается вещами, которые, вроде как, нужны под рукой, поэтому прятать их в ящик неудобно. Сначала решил купить для упорядочивания канцелярский органайзер, но очень быстро уперся в недостаточную гибкость и неподходящие размеры как самих органайзеров, так и ячеек в них.
В этом проекте попробовал две новые для себя фишки 3D-печати: длинные мосты и разглаживание.
Чисто формально каждый новый слой при печати должен лежать на предыдущем. Если геометрия модели не подходит для этого, то печатается поддержка: специальная искусственная хрупкая башенка от стола до того места, где у детали нависание. Но если у нависания с двух сторон есть опорная часть детали, то настоящая физика нередко позволяет нам протянуть ниточку пластика прямо по воздуху горизонтально без поддержек. Это называется мостом. Нить охлаждается и твердеет сразу в процессе вытягивания, что чисто в теории не даёт ей провиснуть. У меня мостами сделаны ниши для выдвижных ящичков: поддержки там потребовались на ребре и небольшая полоска по центру. Качество поверхности так себе, но геометрия сохранилась, что и нужно было. Получилось, правда, со второго раза. Этот манёвр (неудачная попытка) стоил мне половину катушки. Но всё равно рекомендую.
Разглаживание — специальная механика, с помощью которой горящее сопло водит по поверхности и размазывает пластик, из-за чего поверхность становится чуть более плоской и глянцевой. Я пробовал такой метод для улучшения прозрачности стенок ящичков, но, к сожалению, эффекта это не дало. Полагаю, что более прозрачные крышки можно было бы напечатать только на стекле. И ещё из-за разглаживания пластик забил термобарьер, так что пришлось впервые разбирать голову у нового принтера, благо, это делается не слишком сложно. Но всё равно не рекомендую.
#life#diy#окр
🚀Jan-v1: локальная 4B-модель для веба — опенсорсная альтернатива Perplexity Pro
📌Что умеет
- SimpleQA: 91% точности, чуть выше Perplexity Pro — и всё это полностью локально.
- Сценарии: быстрый веб-поиск и глубокое исследование (Deep Research).
Из чего сделана
- Базируется на Qwen3-4B-Thinking (контекст до 256k), дообучена в Jan на рассуждение и работу с инструментами.
Где запускать
- Jan, llama.cpp или vLLM.
Как включить поиск в Jan
- Settings → Experimental Features → On
- Settings → MCP Servers → включите поисковый MCP (например, Serper)
Модели
- Jan-v1-4B: https://huggingface.co/janhq/Jan-v1-4B
- Jan-v1-4B-GGUF: https://huggingface.co/janhq/Jan-v1-4B-GGUF
@ai_machinelearning_big_data
#ai#ml#local#Qwen#Jan