Наконец выдалось время, и реализовал несколько сценариев умного дома в квартире. Один из них банальный — управление светом в прихожей. Прихожая далеко от окон — если не считать санузлы, то только она нуждается в искусственном освещении в любое время года и суток. Оказалось прямо очень удобно, и входя домой (свет по открытию двери) не искать выключатель, и подходя к двери, чтобы открыть курьеру или ответить на домофон (свет по движению). Обратный сценарий тоже важен: при отсутствии движения в течение пары минут свет в прихожей гаснет. Реализуется очень частый в моей жизни кейс, когда ты заходишь домой с какими-нибудь сумками, которые несёшь сразу на кухню, и приходится возвращаться обратно, чтобы нажать на выключатель.
Все сделано на базе Aqara. Кажется, только у них есть и многообразие устройств, и отсутствие необходимости делать в квартире ремонт. Отдельно хороши Zigbee-выключатели без нейтрали, питающиеся от тока утечки. Взять нейтраль в уже установленных коробках было бы просто неоткуда. Естественно, поддерживается голосовое управление в том числе.
И ещё добавил уюта: при низком освещении (вечером и ночью) в момент входа на кухню включается мягкая лампа на подоконнике. Тоже постоянный в нашей практике случай: пошел ночью воды попить, верхний свет включать слишком жёстко, а вручную пока до этой лампы дойдёшь через всю кухню, пока выключатель нащупаешь...
Очень приятное чувство — дом будто бы живой и реагирует на присутствие человека.
#gadgets
⚡️GLM-5 выкатили в опен-сорс.
Не прошло и суток с момента релиза, а Zhipu AI выложила веса GLM-5 и любезно поделилась проведенными бенчмарками.
Архитектура пятого поколения построена на MoE: 744 млрд. общих параметров при активных 40 млрд. Модель учили на 28,5 трлн. токенов и она получила контекстное окно в 200 тыс. токенов.
GLM-5 ориентирован на 5 доменов: кодинг, рассуждение, агентные сценарии, генеративное творчество и работа с длинным контекстом.
Для эффективной обработки длинных последовательностей интегрирован механизм Dynamically Sparse Attention от DeepSeek, он позволяет избежать квадратичного роста копьюта без потери качества.
По бенчмаркам GLM-5 занимает 1 место среди open-source моделей: 77,8% на SWE-bench Verified, лидирует на Vending Bench 2, BrowseComp и MCP-Atlas, а в задачах агентного кодирования и рассуждений вплотную подбирается к Claude Opus 4.5 и GPT-5.2.
Вместе с моделью, авторы предлагают Z Code — собственную агентную IDE с поддержкой параллельной работы нескольких агентов над одной задачей.
Локальный деплой поддерживается vLLM и SGLang, а также non-NVIDIA чипами: Huawei Ascend, Moore Threads, Cambricon (через квантование и оптимизацию ядер).
Если вам негде поднять модель локально, она доступна через платформу chat.z.ai, API и на OpenRouter.
Квантованные версии пока сделали только Unsloth, традиционно - полный набор от 1-bit до BF16.
И да, стэлс-модель PonyAlpha на OpenRouter - это она и была.
📌Лицензирование: MIT License.
🟡Статья
🟡Модель
🟡GGUF
🖥GitHub
@ai_machinelearning_big_data
#AI#ML#LLM#GLM5#ZAI