Неделю назад я тестировала код для сборки данных — тот самый момент, когда не знаешь, какая модель завтра будет лучше, а твои базы уже вот-вот потекут в облако непонятно к кому. И вот тут мне…

Суть простая, но, честно, заманчиво смотрится: штука, с которой ты сам можешь выбирать модели машинного обучения, контролировать свои данные и не зависеть от поставщиков. Я проверила описание — они прям топчутся на словах «AI под твоим контролем», «никакого vendor lock-in» (это когда тебя намертво привязывают к одному сервису и ты не можешь мигрировать хоть через год, хоть через десять). В работе это значит, что можно экспериментировать с разными ИИ вообще без страха, что всё рухнет, если одна компания обанкротится или «заблокирует двери».

Но — давайте честно, я не увидела поддержки русских моделей и даже документация пока сыроватая. Есть удобные примеры (мне понравилась опция “own your data” — это когда твой набор данных остаётся только у тебя, никакой пересылки на чужие серверы), но по факту, если хочется запустить что-то быстро и на своих данных, придётся ковырять исходники и, скорее всего, что-то дорабатывать. Опыта с этим прямо вот здесь и сейчас — немного, и в обсуждениях тоже не супер много кейсов.

Я бы взяла этот репозиторий как песочницу для экспериментов — особенно если вы хотите попробовать разные модели и не попадать в зависимость от облачных поставщиков. У Thunderbolt явно есть шанс стать чем-то полезным, если разработка не затихнет. Но ставить на него продакшн прямо сейчас — рискованно: без поддержки и с сырой документацией. Ссылку на оригинал оставляю здесь: https://github.com/thunderbird/thunderbolt

ai #opensource #devtools #dataprivacy

Практический вывод простой: если это закрывает твою задачу, забирай репозиторий в работу, поднимай демо на своих данных и смотри по факту, а не по красивому описанию.

Больше новостей и быстрых апдейтов — в Telegram: @vera_news.