TornadoVM 7 Enables GPU-Native Workloads From Java Applications

How Netflix Uses AI Agents for Performance Engineering

The Netflix engineering team has developed an autonomous performance agent system. In this article, we’ll be learning more about it.

I challenged our new tool to build a gaming PC for less than $1,000, and it surprised me with the results

XDB Builder helps you plan your next build or upgrade

RAG vs. Vectorless RAG, clearly explained!

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

How to run an LLM locally

Run an LLM locally with Ollama. See how much memory you need, where LM Studio and llama.cpp fit, and how to call the model from code.

From Shipping Features to Owning the P&L: My Technical PRD for an AI-Native Cloud & LLM FinOps Control Plane

From Shipping Features to Owning the P&L: My Technical PRD for an AI-Native Cloud & LLM FinOps Control Plane How I built a Java, ClickHouse, Kubernetes, and Prometheus gateway to stop “whale” …

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.

Why Other Requests Change Your LLM’s Output

+ an update on Harness Engineering 2.0.

Why DeepSeek stores its KV cache on disk

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