How to run an LLM locally

RAG vs. Vectorless RAG, clearly explained!

...explained visually (with tradeoffs in production).

I Retested My MoE Offloading Benchmarks. Some of My Conclusions Changed.

A follow-up to my original 16GB GPU experiment, this time with consistent quantization, repeated... Tagged with ai, machinelearning, llm.

I changed one llama.cpp flag, and my 8GB laptop GPU now runs a 35B model faster than I can read

Một lập trình viên đã tìm ra cách chạy model Llama 35B trên laptop GPU chỉ 8GB VRAM với tốc độ đáng kinh ngạc. Nguyên nhân kỹ thuật nằm ở việc chỉnh sửa cờ n_gpu_layers trong llama.cpp, cho phép tận dụng hiệu quả bộ nhớ VRAM thay vì để nó trở thành điểm nghẽn. Hệ quả là model 35B parameters chạy nhanh đến mức người dùng không kịp theo dõi, vượt xa các kỳ vọng ban đầu về giới hạn phần cứng. Điều đáng học hỏi là đôi khi vấn đề không nằm ở cấu hình phần cứng mà ở cách tối ưu hóa phần mềm để khai thác tiềm năng thực sự của hardware.

Bài viết tiết lộ cách tối ưu hóa một cờ trong llama.cpp để chạy mô hình 35B trên GPU 8GB nhanh hơn tốc độ đọc của bạn.

I set up my own TV channels from my movie library, and my family watches more than they did on Netflix

Self-hosted media channels have my family watching my own content more than streaming.

Homelab Atlas: Self-Hosted Homelab Diagrams

Homelab Atlas makes it easier to diagram a home server setup, with Docker deployment, service logos, and optional network discovery.

Edi Life OS: Self-Hosted Personal Dashboard with MCP

Edi Life OS là một nền tảng dashboard cá nhân tự host kết hợp thói quen, mục tiêu, Kanban và quản lý tài chính, tùy chọn thêm server Model Context Protocol. Nó được xây dựng bằng PHP và MySQL, chạy hoàn toàn trên server của người dùng. Giao diện đơn giản với các module chức năng được tùy biến linh hoạt. Người dùng có thể kết nối với các AI tools hỗ trợ qua MCP để tự động hóa quy trình cá nhân. Đây là lựa chọn phù hợp cho ai muốn kiểm soát dữ liệu cá nhân mà không phụ thuộc vào dịch vụ cloud.

Edi Life OS giúp bạn quản lý toàn bộ cuộc sống từ thói quen đến tài chính trong một hệ thống tự lưu trữ tiện lợi.

Why DeepSeek stores its KV cache on disk

DeepSeek's engineering behind 26x faster time to first token.

I replaced VS Code's Copilot with a local LLM, and my offline coding got faster

Trong bối cảnh Copilot của VS Code chủ yếu dựa trên cloud, tác giả đã thử nghiệm sử dụng local LLM để hỗ trợ offline coding. Nguyên nhân kỹ thuật là do local LLM (đặc biệt là Ollama với model Llama 3 8B) có khả năng xử lý nhanh hơn khi không cần kết nối mạng. Hệ quả cho thấy tốc độ coding tăng lên đáng kể mà không làm giảm hiệu suất tổng thể. Điều đáng học là việc tối ưu hóa local AI có thể mang lại lợi thế về tốc độ và bảo mật cho lập trình viên khi làm việc trên các dự án cần offline mode.

Thay thế Copilot bằng mô hình ngôn ngữ địa phương giúp tăng tốc lập trình ngoại tuyến mà không đánh đổi hiệu năng.