LLM Tutorien

Beherrsche das Ollama Python SDK für die lokale LLM-Entwicklung. Lerne Text zu generieren, mehrstufige Chats zu führen, Vision-Modelle zu nutzen und sichere KI-Apps zu bauen.

In diesem Guide mieten wir eine H200-GPU, installieren llama.cpp, laden MiniMax M2.7 GGUF herunter, führen es lokal aus, testen es in der WebUI und verbinden es mit OpenCode.

Erfahre, wie du LLMs mit LM Studio lokal installierst und ausführst. Behalte deine Daten für dich, chatte dank integriertem RAG mit Dokumenten und richte eine lokale API ein.

Lerne, wie du GLM 5.1 lokal auf einer H100-GPU mit llama.cpp betreibst, es testest, die WebUI nutzt und Claude Code integrierst.

Starte Qwen3-Coder-Next lokal auf einer RTX 3090 mit llama.cpp und erstelle dann mit Qwen Code CLI in wenigen Minuten ein komplettes Analyse-Dashboard.

Lerne, wie du ein Top-Open-Source-Modell lokal mit llama.cpp laufen lässt, es mit der Kimi-CLI verbindest und mit Vibe-Coding im Handumdrehen ein interaktives Spiel erstellst.

Lerne, wie du die lokale FLUX.2 Klein 4B-Generierung mit API-basierter Bildbearbeitung, Multi-Referenz-Konditionierung und Sitzungsverlauf kombinieren kannst, um mit Gradio einen Bildeditor zu erstellen.

Führ GLM 4.7 Flash lokal (RTX 3090) mit Claude Code und Ollama in wenigen Minuten aus – keine Cloud, keine Bindung, nur pure Geschwindigkeit und Kontrolle.

Lerne, was Moonshots Kimi K2.5 ist, wie Agent Swarm funktioniert, und schau dir das Ganze in vier praktischen Experimenten aus der echten Welt an.

Schau dir die Architektur der verwalteten MCP-Server von Google an und lerne, wie du LLMs zu proaktiven Operatoren für BigQuery, Maps, GCE und Kubernetes machen kannst.

Aktualisiere auf Transformers v5. Ein praktischer Leitfaden zum einheitlichen Rust-Backend, zu API-Änderungen und zu parallelen Migrationsmustern für die Codierung und den Chat zwischen Version 4 und Version 5.

Einrichten von llama.cpp, um das GLM-4.7-Modell auf einer einzelnen NVIDIA H100 80 GB GPU laufen zu lassen, mit bis zu 20 Tokens pro Sekunde dank GPU-Offloading, Flash Attention, optimierter Kontextgröße, effizientem Batching und abgestimmtem CPU-Threading.