Грег Кроа-Хартман: Clanker T1000 — локальная LLM на Framework Desktop с AMD Ryzen AI Max для фаззинга багов ядра Linux
Грег Кроа-Хартман, мейнтейнер стабильной ветки ядра Linux, раскрыл аппаратное обеспечение, стоящее за его gregkh_clanker_t1000 — инструментом фаззинга на основе ИИ, который находит ошибки в ядре. Запуская локальную большую языковую модель (LLM) на Framework Desktop с процессором AMD Ryzen AI Max+ "Strix Halo", Грег уже подготовил почти два десятка патчей, принятых в основную ветку Linux с 7 апреля.
Ключевые детали
- Оборудование: Framework Desktop с AMD Ryzen AI Max+ (Strix Halo) — процессор/APU, известный высокой производительностью iGPU и LLM на открытом ПО.
- Исправленные ошибки: Патчи решают проблемы в ALSA, HID, SMB, Nouveau, IO_uring и других подсистемах ядра.
- Подход: Локальная LLM (не облачная) используется для фаззинга и поиска ошибок. Грег опубликовал фото своей системы в Mastodon, но пока не раскрыл детали программного стека.
- Влияние: Демонстрирует практическую альтернативу облачным LLM для тестирования безопасности ядра; уже исправлены десятки ошибок.
Для кого это
Разработчикам ядра Linux, интересующимся фаззингом с помощью ИИ или выбором локального оборудования, способного запускать большие модели для задач разработки.
📖 Read the full source: HN AI Agents
👀 Смотрите также
Пользователи сообщают о регрессе Claude Opus 4.7 в рассуждении и разговоре
Opus 4.7 представляет новый токенизатор, который требует на 30–50% больше токенов, демонстрирует метанаррацию, нестабильность позиции и планирование без выполнения — что делает его хуже для технического сотрудничества, чем 4.6.
Allbirds переходит от обуви к инфраструктуре ИИ, акции взлетают на 580%.
Обувной бренд Allbirds объявил о сделке на 50 миллионов долларов, чтобы стать бизнесом по инфраструктуре для вычислений ИИ под названием NewBird AI, что привело к росту его акций на 580%. Компания планирует закупить графические процессоры (GPU) и предложить графические чипы по требованию и облачные услуги для ИИ.
Эволюция архитектуры KV-кэша: от GPT-2 до Mamba
Анализ затрат памяти на KV-кэш показывает, что GPT-2 использовал 300 КБайт/токен, Llama 3 сократил этот показатель до 128 КБайт/токен с помощью группового запросного внимания, а DeepSeek V3 достиг 68,6 КБайт/токен с использованием многоголового латентного внимания. Mamba/SSM полностью устраняют KV-кэш за счёт фиксированного размера скрытых состояний.
Тонко настроенные модели Qwen3 Small превосходят передовые LLM в определенных задачах при более низкой стоимости.
Дистиллированные модели Qwen3 (от 0,6 до 8 млрд параметров) превзошли или сравнялись с передовыми API-моделями, такими как GPT-5, Gemini и Claude, в 6 из 9 задач, включая вызов функций и Text2SQL, при стоимости всего $3 за миллион запросов против $378 за сопоставимую производительность.