LLM Tutorien

Lerne, wie du Thinking Machines' Inkling lokal ausführst. Ein kompletter Leitfaden zum Bauen der experimentellen llama.cpp-Version, zum Herunterladen von Unsloth-GGUFs und zum Serving über mehrere GPUs.

Erfahre, wie Quantisierung, KV-Cache-Optimierung, Batching, spekulatives Decoding, Speicherbandbreite und hardwarebewusstes Tuning Geschwindigkeit, Skalierbarkeit und Kosten beim Serving großer Sprachmodelle verbessern.

Vergleiche LangChain, LangGraph, LangSmith und LangFlow. Erfahre Rollen, Stärken und wann du welches Framework für produktionsreife KI-Anwendungen einsetzt.

Lerne, wie LMCache KV-Zustände über LLM-Anfragen hinweg speichert und wiederverwendet, mit vLLM integriert und wiederholte Prefill-Berechnungen bei Long-Context-Inferenz reduziert.

Lerne, wie du Googles neueste multimodale Modelle nutzt, um performante, kostengünstige Bild- und Video-Pipelines in Python zu bauen.

Praxisnahes Tutorial: Kimi K2 Thinking ausführen, Tool-Workflows bauen, transparentes Reasoning einsehen und gegen GPT-5 und Claude 4.5 benchmarken.

Teste Qwen3-Max-Thinking, das größte LLM der Welt, im Reasoning-Modus. Sieh dir an, wie es sich in Logik, Mathe und Code gegen GPT-5 und Claude Sonnet 4.5 schlägt.

Erfahre, wie Vision-Language-Action (VLA) Modelle funktionieren, wie sie sich von VLMs unterscheiden und wie du 2026 zwischen OpenVLA, pi0 und SmolVLA wählst.

Lerne in diesem Schritt-für-Schritt-Python-Tutorial, wie du die Seedance 2 API nutzt. Beherrsche Text-zu-Video, Bildinterpolation und multimodale Inputs über BytePlus Ark.

Lerne, wie du Fable 5–Enhanced Gemma 4 lokal mit vorgefertigten llama.cpp-Binaries auf einer RTX 5070 Ti betreibst, MTP Speculative Decoding testest, Pi für private KI-Coding-Agent-Workflows verbindest und häufige Setup-Probleme behebst.

Lerne, wie du Googles Gemini 2.5 Flash Image für professionelle KI-Bilderzeugung nutzt. Dieser Schritt-für-Schritt-Guide deckt Einrichtung, Prompt-Engineering, Editier-Workflows und fortgeschrittene Funktionen ab.

Lerne, wie du NVIDIAs Nemotron 3 Super über OpenRouter nutzt, um ein GitHub-Repository ohne RAG zu analysieren – mit Prompt-Packing und einer Gradio-App.