immers.cloud | Облако с GPU

Immers Foundation Models: каталог open-source моделей для запуска на GPU-инфраструктуре immers.cloud 📁 В каталоге уже собрано 210 моделей, для которых подобрано более 600 весов. Для части моделей доступны готовые публичные эндпоинты: сейчас можно протестировать 6 моделей через чат или API без подготовки собственного окружения. 🚀 Каталог упрощает путь от выбора модели до запуска: изучить характеристики, оценить требования к ресурсам, подобрать GPU-конфигурацию. Если хотите разобрать процесс на практике, посмотрите видеогайд «Как запустить AI-модель на собственном сервере?»: 📱 ВК 📱 YouTube 📺 Rutube ➡️ Полное руководство по запуску модели доступно в FAQ immers.cloud. ➡️ Перейти в Immers Foundation Models

NVIDIA Nemotron 3 Ultra: что внутри флагманской MoE-модели 👋 NVIDIA Nemotron 3 Ultra — крупнейшая модель в линейке Nemotron 3, ориентированная на агентные системы, рассуждения, кодинг, диалог и работу с длинным контекстом. 📌 Главный интерес — в том, как NVIDIA пытается совместить ёмкость крупной модели с более эффективным инференсом. Что важно: ▪️ Гибридная архитектура Nemotron-H + LatentMoE В модели используются 108 слоёв трёх типов: Mamba-2, Latent MoE и Attention. Значительная часть классических attention-слоёв заменена на Mamba-2, а экспертные вычисления вынесены в LatentMoE. Это снижает стоимость внимания и размер KV-cache, что особенно важно для длинноконтекстных задач и агентных цепочек. ▪️ LatentMoE вместо классической MoE-маршрутизации Nemotron 3 Ultra содержит 550B параметров, из которых 55B активируются на токен. При этом токены перед маршрутизацией и вычислениями в экспертах проецируются в латентное пространство меньшей размерности. Такой подход делает маршрутизацию экономичнее по сравнению с классическими MoE-моделями. ▪️ Multi-Token Prediction для ускорения генерации В архитектуру встроена Multi-Token Prediction — механизм, при котором модель может предсказывать несколько будущих токенов одновременно. Это помогает повышать пропускную способность инференса, особенно при генерации длинных ответов. 📲 Подробнее — в слайдах. ➡️ Запустить Nemotron 3 Ultra можно через каталог моделей immers.cloud.

Gemma 4 12B: мультимодальность на одной RTX 3090 👋 Gemma 4 12B — модель среднего класса в новой линейке Gemma 4: мощнее компактной E4B, но доступнее старшей 26B A4B MoE. Что важно: ▪️ Полностью бесэнкодерная архитектура Gemma 4 12B не использует отдельные визуальные и аудиоэнкодеры. Изображения и аудиоволны напрямую переводятся в токены через линейные проекции и обрабатываются единым decoder-only трансформером. Это упрощает работу с мультимодальностью и делает модель удобнее для инференса и дообучения. ▪️ Мультимодальность в одной модели Модель работает с текстом, изображениями, видео и аудио, поддерживает длинный контекст до 256K токенов, function calling, режим мышления и Multi-Token Prediction для ускорения инференса. ▪️ Доступность для self-hosting Gemma 4 12B можно запускать в 4-bit и 8-bit форматах на одной RTX 3090 или 4090. Это делает модель интересной для локальных ассистентов, анализа документов, голосового ввода, видеофрагментов и агентных сценариев. 📲 Подробнее — в слайдах. ➡️ В immers.cloud можно быстро проверить, подходит ли Gemma 4 12B под ваш сценарий: запустить модель, протестировать её на реальных данных и оценить требования к GPU без долгой подготовки окружения.

👍 Проголосуйте за тему, которая комфортнее именно вам ⤵️

Число π рассчитали до 314 трлн знаков после запятой 🧮 Новый мировой рекорд поставили не на GPU-кластере, а на одном сервере с CPU и 40 NVMe SSD. 📌 На первый взгляд кажется, что для таких вычислений нужны видеокарты. Но в этой задаче узким местом стали не математические операции, а память, накопители и стабильная работа с огромными объёмами данных. ⚙️ Это хороший пример того, почему инфраструктуру нельзя выбирать по принципу «чем больше GPU, тем лучше». Для одних задач важнее CPU и быстрые NVMe, для других — GPU и массово-параллельные вычисления. 📲 В слайдах разбираем, почему рекорд по π стал именно инфраструктурной задачей — и как понять, какая конфигурация нужна под конкретную нагрузку. ☁️ В immers.cloud можно подбирать инфраструктуру под сценарий: CPU-серверы — для вычислительных и сервисных задач, GPU-инстансы — для ИИ, инференса, обучения моделей и рендеринга.

Qwen3.6-35B-A3B: зачем нужна MoE-версия 👋 Qwen3.6-35B-A3B — модель семейства Qwen3.6, которая близка к Qwen3.6-27B по назначению, но отличается архитектурным подходом. Что важно: ▪️ MoE-архитектура Модель использует 256 экспертов, из которых для каждого токена выбираются 8. Это позволяет сочетать качество крупной модели с более низкой вычислительной нагрузкой при инференсе. ▪️ Отличие от Qwen3.6-27B По бенчмаркам Qwen3.6-35B-A3B уступает Qwen3.6-27B, но за счёт MoE и меньшей нагрузки на KV-cache может быть быстрее и экономичнее в ряде сценариев инференса, особенно при длинных многошаговых задачах. 📲 Подробнее — в слайдах. ➡️ Развернуть Qwen3.6-35B-A3B можно в immers.cloud и проверить модель на реальных задачах с оплатой за GPU-ресурсы, а не за отдельные токены.

Как быстро проверять AI-гипотезы без отдельного GPU-сервера под каждый PoC? 👋 IBS занимается исследованиями и разработкой в области искусственного интеллекта. Команда запускает fine-tuning, тестирует пайплайны, создает прототипы сервисов и разворачивает прикладные AI PoC. 🎯 Компании был нужен единый управляемый GPU-контур для AI R&D, production API и проверки новых сценариев. 🌳 До перехода на единый AI-контур в immers.cloud команда сталкивалась с нехваткой свободной GPU-песочницы, долгой подготовкой инфраструктуры под новые PoC и необходимостью выделять отдельный сервер под каждую задачу. 🔁 Решением стал единый AI-контур в immers.cloud. Для проекта развернули инфраструктуру под смешанную AI-нагрузку: — GPUStack для управления моделями и инстансами; — vLLM для высокопроизводительного запуска LLM; — 1 control plane и 4 GPU worker-узла; — конфигурации 2 × A100 80GB, 2 × 4 × RTX 3090 24GB, 1 × RTX 4090 24GB; — локальное хранение данных внутри приватного контура; — корпоративный доступ через VPN; — изолированный публичный прокси; — централизованный сбор метрик, алертинг и логирование. Что это дало команде: — единый R&D AI API-контур для экспериментов; — подключение новых PoC за часы, а не дни; — не нужно выделять отдельный GPU-сервер под каждый кейс; — проще подключать новые команды; — контур стал наблюдаемым и предсказуемым. 📲 В карусели — как IBS перешла от точечных GPU-решений к единой модели работы с AI-инфраструктурой. ➡️ Полный разбор кейса. ☁️ Если вашей команде нужен управляемый GPU-контур, в immers.cloud можно спроектировать инфраструктуру под конкретные задачи и требования к доступу.

Kimi K2.6: что улучшили в новой версии 👋 По базовой архитектуре модели близки: обе используют MoE-подход, имеют 1 трлн параметров, 32 млрд активных параметров на токен, 384 эксперта и контекстное окно 256K токенов. ⚙️ Главное отличие Kimi K2.6 — не в новой архитектуре, а в более сильной настройке под инженерные задачи. Что важно: ▪️ Работа с кодом Подходит для задач, где модель должна не просто написать отдельный фрагмент кода, а долго работать с проектом: читать кодовую базу, искать ошибки, исправлять логику, использовать инструменты и проверять результат. ▪️ Instruction following Улучшена способность модели точнее следовать заданию пользователя, удерживать контекст и выполнять многошаговые инструкции. ▪️ Self-correction Улучшение способности модели находить и исправлять собственные ошибки в процессе выполнения задачи. Это особенно важно для агентных сценариев, где модель работает не одним ответом, а через последовательность действий. ▪️ Tool use Kimi K2.6 сильнее в задачах, где нужно использовать внешние инструменты: терминал, браузер, API, редактор кода, файловую систему, базы данных или другие сервисы. ▪️ Agent workflows Модель лучше подходит для автономных сценариев, где AI-агент получает цель, разбивает её на шаги, проверяет промежуточные результаты и продолжает работу. 📲 Подробнее — в слайдах. ➡️ Kimi K2.6 относится к классу крупных MoE-моделей, поэтому для запуска потребуется серьёзная GPU-инфраструктура уровня не ниже 6 видеокарт NVIDIA H200. 🚀 В immers.cloud модель можно запустить из каталога и использовать в собственных продуктах без долгой настройки инфраструктуры.

OpenCode берет часть разработки на себя 👋 Пока одни используют ИИ как чат для подсказок по коду, OpenCode работает иначе: — анализирует контекст всего проекта, а не только отдельный фрагмент кода; — может читать, создавать, редактировать и удалять файлы в директории проекта; — запускает bash-команды, тесты и сборку, чтобы проверять результат; — поддерживает разные модели через API OpenAI, Google, Anthropic, Ollama, LM Studio и встроенный роутер; — работает в двух режимах: build для внесения изменений и plan для безопасного анализа без правки файлов. 📲 В карусели показали, как OpenCode отличается от обычных чат-ботов и IDE-плагинов, кому он подходит и как помогает в реальной разработке. 🚀 Для быстрого старта можно развернуть OpenCode через готовый образ в immers.cloud и сразу приступить к работе.

Qwen3.6-27B: компактная Dense-модель для агентного кодинга 👋 Qwen3.6-27B — открытая мультимодальная модель семейства Qwen3.6, ориентированная на разработку, работу с длинным контекстом и агентные сценарии. Что важно: ▪️ Dense-архитектура: у модели 27B параметров, активны все параметры. Здесь нет MoE-маршрутизации, экспертов и разреженного исполнения — это плотная архитектура с предсказуемым поведением при инференсе. ▪️ Длинный контекст: модель поддерживает 262 144 токена нативно и до 1 010 000 токенов через RoPE/YaRN scaling. Это важно для работы с большими репозиториями, документацией и многошаговыми задачами. ▪️ Гибридное внимание: Qwen3.6-27B сочетает Gated DeltaNet и Gated Attention. Такой подход снижает нагрузку на KV-cache при длинном контексте, сохраняя точность. ▪️ Агентный кодинг: модель показывает сильный рост в задачах работы с репозиториями, терминалом и исправлением ошибок. ▪️ Режимы работы: доступны thinking mode для reasoning-задач и non-thinking mode для прямых ответов. Для продакшена можно использовать SGLang, vLLM и KTransformers. 📲 Подробнее — в слайдах. ➡️ Запускайте Qwen3.6-27B в immers.cloud и проверяйте модель на реальных задачах с оплатой за GPU-ресурсы, а не за токены.

Как заменить растущие расходы на API фиксированным бюджетом? 👋 Компания Affario внедряет искусственный интеллект в бизнес-процессы. Один из ключевых проектов команды — маркетплейс автозапчастей, где магазины-партнеры выгружают товары без строгой структуризации данных. 👨‍💻 Команде нужно было автоматически категоризировать миллионы объявлений автозапчастей и сохранить стабильную стоимость обработки при быстром росте базы. До февраля 2026 года классификация работала через OpenAI API. Но когда объем данных начал расти, переменные расходы на токены стали непредсказуемыми. При базе в 3 млн+ объявлений такая модель оплаты перестала быть финансово устойчивой. 🔁 Решением стал переход на инференс в облачной платформе immers.cloud. Для проекта развернули стек: — модель Qwen 2.5 для обработки русскоязычных описаний и контекста автозапчастей; — vLLM для высокопроизводительного инференса; — облачный GPU-сервер с NVIDIA RTX 3090; — отдельный сервер с S3-хранилищем для изображений и исходных данных объявлений. Что это дало бизнесу: — фиксированные расходы вместо оплаты за каждый токен; — одинаковую стоимость обработки и для 100 тысяч, и для 3 млн объявлений; — быстрый запуск модели без сложной настройки инфраструктуры; — полный контроль над данными внутри собственной среды; — стабильную работу AI-классификации при росте нагрузки. 📲 В карусели — как Affario перешла с внешнего API на инференс в облаке и зафиксировала бюджет при росте базы объявлений в 10 раз. ➡️ Полный разбор кейса — на сайте ☁️ Если расходы на API растут быстрее, чем проект, переходите на инференс в immers.cloud. GPU-серверы помогают масштабировать AI-решения без переплат за каждый токен.

Как заменить ручную модерацию AI-системой и держать защиту контента 24/7? 👋 «КС Авто» развивает автомобильную платформу, Telegram-канал с аудиторией около 200 000 подписчиков и YouTube-канал с аудиторией около 1,5 млн подписчиков. 👨‍💻 Команде нужно было автоматизировать модерацию спама, фотографий в объявлениях и текстового контента — без зависимости от внешних API и нестабильного локального сервера. 🔁 Для переноса инференса в immers.cloud команда развернула сервер с 3× RTX 4090 и NVMe-хранилищем (Local). Конфигурацию разделили по задачам: — распределение AI-задач между 3× RTX 4090 внутри одного сервера; — параллельный запуск нескольких inference-моделей без потери производительности; — быстрый запуск и переключение моделей благодаря NVMe; — стабильная AI-модерация 24/7 под постоянной нагрузкой. Что это дало бизнесу: — AI-модерацию без участия человека; — фильтрацию 100+ спам-профилей ежедневно; — автоматическую проверку фото и скрытие госномеров; — замену эквивалента 10–15 штатных модераторов. 📲 В карусели — архитектура решения и результаты после переноса AI-модерации в облако. 💻 Полный разбор кейса — на сайте: immers.cloud 🌳 Хотите запускать AI-инференс без ограничений локальной инфраструктуры? Переносите проекты в облако immers.cloud.

DeepSeek-V4-Pro: что еще важно знать 👋 В каталоге immers.cloud доступна DeepSeek-V4-Pro — крупная открытая MoE-модель с 1,6 трлн параметров, 49 млрд активных параметров на токен и контекстным окном до 1 048 576 токенов. ⚙️ Ключевая особенность модели — гибридная архитектура внимания, которая снижает вычислительную стоимость работы со сверхдлинным контекстом. Что важно: ▪️ Гибридное внимание: в CSA-слоях модель сжимает KV-кэш и выбирает релевантные блоки истории через DSA-индексатор, а в HCA-слоях использует сильную компрессию 1:128, чтобы выполнять глобальное внимание по длинной истории. ▪️ Локальная точность: параллельно работает Sliding Window — механизм локального скользящего окна. Он без сжатия обрабатывает ближайшие токены и помогает модели сохранять точную связь с текущим фрагментом контекста. ▪️ Обучающий стек: модель предварительно обучена на более чем 32 трлн токенов с оптимизатором Muon, а также использует mHC — Manifold-Constrained Hyper-Connections. ▪️ Режимы работы: доступны Non-think, Think High и Think Max — от быстрых ответов до более глубокого логического анализа для сложных задач. 📲 Подробнее в слайдах. 🚀 Запускайте DeepSeek-V4-Pro через каталог моделей immers.cloud для задач со сверхдлинным контекстом: документов, кода, исследовательских материалов и агентных workflow. ➡️ DeepSeek-V4-Pro ➡️ DeepSeek-V4-Flash #ИИ_модели

DeepSeek V4: общий обзор и первое впечатление 👋 DeepSeek-AI представила новую LLM DeepSeek-V4-Pro: 1.6 трлн параметров (49B активных), MoE с ~384 экспертами на слой, контекст до 1M токенов. Также выпущена версия Flash на 284B параметров.

Пост подготовил наш амбассадор Виталий Кулиев — специалист в области современных AI/ML‑технологий.

📲 Листайте карусель, чтобы увидеть все ключевые детали. 🚀 Вы уже можете протестировать эти модели в нашем облаке на доступных конфигурациях с видеокартами A100/H200: ➡️ DeepSeek-V4-Pro ➡️ DeepSeek-V4-Flash #ИИ_модели

LTX-2.3: практический разбор генерации видео со звуком 👋 LTX-2.3 от Lightricks — открытая мультимодальная модель для генерации видео и звука. 📲 В карусели — архитектура LTX-2.3, варианты запуска через ComfyUI, Python и LTX Desktop, требования к видеокартам, пример генерации на ноутбуке, наблюдения по качеству и сравнение с другими моделями для генерации видео.

Пост подготовил наш амбассадор Виталий Кулиев — специалист в области современных AI/ML‑технологий.

➡️ Запустить LTX-2.3 можно через каталог immers.cloud: Выберите подходящую конфигурацию GPU и начните генерацию без самостоятельной подготовки инфраструктуры. #ИИ_Модели

📢 OpenRouter ограничил платежи для части пользователей из РФ ⚙️OpenRouter — один из популярных сервисов для доступа к разным ИИ-моделям через единый API. Его используют, чтобы быстро тестировать LLM, подключать модели в продукты и не настраивать отдельный доступ к каждому провайдеру. 📰 Но недавно вышла новость: OpenRouter больше не поддерживает платежи, биллинг и способы оплаты, связанные с Россией. У некоторых пользователей возникли ограничения на пополнение баланса. При этом уже купленные кредиты можно использовать, пока они не закончатся. 💳 Что это значит? Даже рабочий API может внезапно упереться в оплату, региональные ограничения или правила внешнего сервиса. Для экспериментов это неприятно. Для продукта, бота, внутреннего инструмента или клиентского сервиса — уже риск простоя. 💻 Что делать? 1️⃣Откройте каталог immers.cloud и протестируйте модели с тегом «Можно попробовать» — для них доступны бесплатные API-эндпоинты: ➡️ gemma-4-26B-A4B-it ➡️ Qwen3.5-35B-A3B ➡️ NVIDIA-Nemotron-3-Nano-30B-A3B ➡️ gpt-oss-20b ➡️ llama-3-8b-gpt-4o-ru1.0 ➡️ Qwen3-Coder-Next + Tooling (необходимые инструменты для работы в агентных сценариях и IDE) Скоро Tooling будет добавлен ко всем бесплатным моделям и Qwen 3.5 обновится до версии 3.6. 2️⃣ Для доступа к нейросетям по API воспользуйтесь примерами на карточке модели и создайте токен доступа по ссылке. 🗂 В каталоге можно выбрать модель и понять, подходит ли она под вашу задачу: чат-бота, генерацию текста, анализ данных, работу с изображениями или другой AI-сценарий. ☁️ А если модель нужна не для разового теста, а для стабильной работы, её можно запускать на своем сервере — с понятным контролем над окружением, ресурсами и дальнейшим масштабированием.

MiniMax M2.7 — модель для агентной разработки и сложных рабочих процессов 👋 В каталоге immers.cloud появилась MiniMax M2.7 — флагманская MoE-модель от MiniMax, ориентированная на агентные сценарии, работу с длинным контекстом, программную инженерию и автоматизацию задач с использованием инструментов. Что важно: ▪️ Самоэволюция: MiniMax M2.7 участвовала в собственном цикле разработки: анализировала сбои, изменяла код, запускала оценки и проходила итерации улучшения без участия человека. ▪️ Инженерные задачи: модель показывает сильные результаты в сценариях работы с кодом, крупными репозиториями, логами, production-средой и инструментами разработки. ▪️ Прикладные сценарии: автономная разработка ПО, SRE-диагностика, офисная автоматизация, финансовая аналитика, R&D, агентные команды и создание интерактивных текстовых сценариев. ▪️ Запуск: доступны конфигурации для FP8 и INT4. Для запуска и тестирования можно использовать готовое окружение в каталоге immers.cloud без самостоятельной сборки инфраструктуры. 📲 Подробнее — в слайдах. ➡️ Тестируйте MiniMax M2.7 в каталоге immers.cloud. #ИИ_модели

💬 Собственный корпоративный чат на базе Rocket.Chat 👋 В immers.cloud добавлен новый готовый образ Rocket.Chat — корпоративной платформы для безопасного обмена сообщениями, командной работы и внутренних коммуникаций. 📁 Образ позволяет развернуть собственную независимую среду для коммуникаций: с каналами, видеозвонками и интеграциями. ☑️ Это подходит для компаний, которым важно не просто использовать мессенджер, а контролировать инфраструктуру, в которой работает командное общение. Что входит в образ: ▪️ Ubuntu — операционная система для сервера; ▪️ Docker — среда для запуска приложения в контейнерах; ▪️ Rocket.Chat — корпоративная платформа для коммуникаций; ▪️ Nginx — веб-сервер для обработки входящих запросов. 🚀 Вся инфраструктура инициализируется автоматически при первом запуске. Это избавляет от сложной ручной настройки и позволяет бизнесу быстро получить собственную среду для коммуникаций. После создания сервера перейти к Rocket.Chat можно через браузер: введите в адресной строке:

http://ip-адрес_вашего_сервера

➡️ Запустить Rocket.Chat ➡️ Все готовые образы

Как остановить тарификацию сервера 👋 Подготовили инструкцию на примере конфигурации с RTX 2080 Ti, чтобы было проще разобраться, из чего складывается стоимость сервера и какие действия в панели управления влияют на списания в immers.cloud. 📲 В слайдах: — что входит в стоимость конфигурации; — что меняется после Stop, Shelve и удаления сервера; — в каких случаях продолжают тарифицироваться том и IP-адрес; — как сохранить данные для Local и Volume-backed; — что проверить, если общий расход не стал равен 0. Инструкция доступна в формате видео: 📱 ВК 📱 YouTube 📺 Rutube 🌳 На сайте immers.cloud