Preskoči na sadržaj
Šta tražiš?. Otvori pretraguEN

Oznake

performanse

12 stavki
NEXT.JS 16.4'use cache'preporučeno za svaku aplikaciju, uključeno u n
Alatisrednji signal

Next.js 16.4 preporučuje Cache Components za svaku aplikaciju i uključuje ih u nove projekte

Vercel je 6. oktobra 2026. objavio Next.js 16.4. Model keširanja Cache Components, građen kroz cijelu liniju 16.x, sada je preporučen izbor za svaku aplikaciju i podrazumijevano je uključen u novim projektima. Izdanje dodaje način da se stranica prisilno zadrži statičnom, dva poziva koja sadržaj izuzimaju iz prethodnog učitavanja, komandu za nadogradnju koju vodi agent, React 19.3 i manji keš Turbopacka.

Next.js Blogprovjereno

Alatisrednji signal

Biblioteka tokenizers u novoj verziji pretvara tekst u tokene tri do trideset puta brže

Hugging Face je 21. septembra 2026. objavio kandidata za izdanje verzije 1 biblioteke tokenizers, zajedno s mjerenjima. Na deset porodica modela koje novi put kodiranja pokriva, biblioteka na jednoj niti procesora Apple M4 Max radi 3 do 30 puta brže nego verzija 0.23, a na osam radnih niti dostiže 76 odsto linearnog ubrzanja. Izlaz se pri tome ne mijenja: isti tekst daje iste identifikatore tokena, kroz iste pozive. Sve brojke su izmjerene nad paketom za Rust, dok Python omotač, kroz koji do biblioteke dolazi najveći dio ekosistema, dodaje trošak po pozivu koji u mjerenja nije uračunat.

Hugging Faceprovjereno

Modelisrednji signal

Amazon Bedrock je dobio Kimi K3, a izvršno okruženje za agente kreće za oko dvije sekunde

Bedrock je 18. septembra 2026. objavio dvije izmjene. Kimi K3, za koji Moonshot AI navodi da je prvi otvoreni model s 2,8 biliona parametara, postao je opšte dostupan i prvi je model s otvorenim težinama na Bedrocku koji podržava izričito keširanje prompta. Istovremeno je zamijenjeno i izvršno okruženje u kojem se agenti izvode: AWS je izmjerio hladno pokretanje od 1,9 do 2,0 sekunde na 75. percentilu, za kontejnerske slike od 200 MB do 2 GB, naspram 5,4 do 30 sekundi u ranijoj verziji. Memorija se sada oslobađa tokom sesije, umjesto da ostane zauzeta do najveće izmjerene potrošnje.

Amazon Web Servicesprovjereno

Mašine i lokalni modelisrednji signal

llama.cpp 0.4.0 dodao je četiri arhitekture modela, prenos preko Apple RDMA i opcije za video

Izdanje 0.4.0 objavljeno je 4. septembra 2026. To je numerisana verzija, a ne jedna od noćnih gradnji. Donosi početnu podršku za Qwen3.8-Flash-Next, za NVIDIA Nemotron-3-Puzzle-75B-A9B, za DSpark kod Nemotrona 3.5 i za nanbeige4.2-3B. Apple RDMA postaje prenos za RPC, video stiže u komandnu liniju, a kvantizacija dobija gornju granicu memorije. Dvije podrazumijevane vrijednosti na serveru su promijenjene, a snimljeno stanje sesije dobija novu oznaku verzije.

llama.cppprovjereno

Modelisrednji signal

NeoMME sa 260 miliona parametara došao je na 0,002 od modela s 3,75 milijardi na ViDoRe v3

Kompanija H objavila je 3. septembra 2026. dva multimodalna enkodera, od 260 miliona i 800 miliona parametara, pod licencom Apache 2.0 i za učitavanje kroz biblioteku Hugging Face Transformers. Na mjerilu ViDoRe v3, koje ocjenjuje pretragu skeniranih dokumenata, manji model postiže 0,523 po mjeri nDCG@10, a to je 0,002 ispod modela ColQwen2.5 koji ima oko četrnaest puta više parametara. Isti model kodira oko 51 stranicu u sekundi na jednoj grafičkoj kartici NVIDIA L40S. Indeks koji pravi može se sabiti sa oko 1,5 megabajta po stranici na 6 kilobajta, uz zadržanih preko 95 odsto kvaliteta pretrage.

Hugging Faceprovjereno

Modelisrednji signal

ChatGPT, Claude, Grok i Gemini imali su smetnje u istom dvočasu, 3. septembra

Anthropic je 3. septembra 2026. zaveo povećan broj grešaka na modelima Claude Mythos 5.1, Claude Fable 5.1 i Claude Opus 5, a OpenAI povećan broj grešaka u ChatGPT-u i Codexu. Grok je korisnicima ispisivao poruku o greškama, a nezavisni nadzor je zabilježio vjerovatan prekid Gemini API-ja. Četiri nezavisna provajdera, jedno prijepodne. Nijedna stranica o stanju usluga ne imenuje zajednički uzrok, a Amazon Web Services, Microsoft Azure i Cloudflare tog jutra nisu prijavili veće smetnje.

Ars Technicaprovjereno

Mašine i lokalni modelijak signal

Hugging Face objavio je 207 WebGPU kernela i alat koji ih preuzima s Huba

Paket @huggingface/kernels preuzima jednu operaciju grafičkog procesora s Huba i pokreće je u pregledaču koji podržava WebGPU. Svih 207 kernela objavljeno je pod licencom Apache-2.0, a u istom repozitorijumu nalaze se i opis interfejsa, testovi tačnosti i mjerni slučajevi. Hugging Face ih je uporedio sa ONNX Runtime Web 1.30.0 na grafičkom procesoru Apple M4 i navodi geometrijsku sredinu ubrzanja od 2,57 puta na 809 uporedivih slučajeva. Mjereno je samo vrijeme rada na grafičkom procesoru, i to za pojedinačne operacije, a ne za cijele modele.

Hugging Faceprovjereno

Mašine i lokalni modelisrednji signal

llama.cpp je dva dana radio na dugom kontekstu, a dobitak je pao na tri različita backenda

Između 29. i 31. avgusta 2026. llama.cpp je isporučio niz izmjena koje gađaju isto mjesto: dio zaključivanja koji postaje sporiji kako kontekst raste. Vulkan, CUDA i putanje za Metal i OpenCL dobili su svaka svoju popravku, uz brojke koje su autori objavili. Uz njih su zatvorena i tri rušenja. Ništa od toga ne traži zastavicu — stiže sa sljedećim izdanjem.

llama.cppprovjereno

Websrednji signal

Kako Baseline pomaže u smanjenju isporučenog JavaScripta

Jad Joubran daje praktičan postupak za provjeru datoteke package.json: koje se biblioteke mogu izbaciti zato što pregledač isti posao obavlja izvorno. Tekst objašnjava tri stanja Baselinea — limited availability, newly available i widely available — i pokazuje kako se ona koriste kao mjerilo umjesto procjene. Razmak između tvrdnje da je biblioteka potrebna i činjenice da je pregledač već zamjenjuje zatvara se brže nego što ga većina projekata prati.

Smashing Magazineprovjereno

Websrednji signal

NoLoJS: katalog obrazaca koje zamjenjuju HTML i CSS

Aaron T. Grogg je sastavio pregled uobičajenih obrazaca pisanih u JavaScriptu koji se rješavaju čistim HTML-om i CSS-om, bez skripte ili uz najmanju moguću. Zbirka se dobro nadovezuje na tekst o Baselineu: prvo se provjeri šta platforma već umije, pa se tek onda izbacuje zavisnost. Rezultat je lakša stranica i bolji rezultati na mjerenjima Core Web Vitals.

GitHubprovjereno