Werk / Techniek

Bewijs boven beloften.

We maken duidelijk onderscheid tussen klantwerk, onderzoek, open source en experimenten. Klantresultaten publiceren we alleen als ze echt, meetbaar en toegestaan zijn. Geen verzonnen logo's, citaten of statistieken.

AMD Strix Halo Local LLM Guide

Open onderzoek naar het draaien van grote taalmodellen op eigen hardware.

hogeheer499-commits / strix-halo-gids
Open onderzoekLokale inferentie

Kleine Koe ontwikkelt en onderhoudt een onafhankelijke open-source setup- en benchmarkgids voor lokale AI op AMD Ryzen AI MAX/Strix Halo. De gids documenteert BIOS- en Linuxconfiguratie, Ollama, llama.cpp, Vulkan/RADV en ROCm met reproduceerbare benchmarks, ruwe logs, CSV’s, negatieve resultaten en expliciete beperkingen.

  • documentatie
  • benchmarks
  • reproduceerbaarheid
  • communitybevindingen
  • lokale inferentie

Publieke bewijsdekking: 13 eigenaarssystemen of onafhankelijke bronnen: 10 beschreven eigenaarssystemen en 3 zelfstandig herleidbare externe bronnen, met 10 community-benchmarkbijdragers. Meerdere resultaten van dezelfde fysieke machine tellen één keer; first-party en communityresultaten blijven gescheiden.

Resultaat: 300+ GitHub-sterren en publiek controleerbare technische evidence waarmee ontwikkelaars, kopers en reviewers setup- en benchmarkclaims kunnen verifiëren.

Eigen onderzoeksomgeving: een operationeel self-hosted AI-platform op een Beelink GTR9 Pro met AMD Ryzen AI MAX+ 395, Linux, Open WebUI en lokale modelservers voor model- en workflowtests.

Geen casestudy van een klant, geen officieel AMD-project of partnerschap, en geen belofte dat elk model of elke werklast dezelfde prestaties levert. Resultaten zijn specifiek voor de geteste hardware, modellen en configuraties.

Bekijk het project op GitHub

  • README.md — implementatiegids
  • benchmarks/ – ruw bewijsmateriaal
  • ubuntu-setup.md — configuratie
  • model-selection.md — Ollama · llama.cpp
  • vulkan-radv.md — GPU-versnelling
Upstream software-engineering

Geaccepteerd door onafhankelijke maintainers.

Negentien publieke merges tonen niet alleen code, maar het volledige traject: probleem reproduceren, een minimale wijziging ontwerpen, regressietests toevoegen en technische review verwerken.

Qwen Code — vijf merges

Betrouwbaarheid van agentconcurrency, authenticatie, Telegram-forumrouting, toolgedrag en configureerbare rate-limitretry's.

Bekijk alle vijf

Lokale AI — llama.cpp & LocalAI

Een leeg impliciet presetveld veilig overslaan en transitive runtime-afhankelijkheden correct bundelen.

llama.cpp #25643 · LocalAI #10783

Betrouwbaar bewijs — NVIDIA AICR

Een bewijsworkflow laten falen wanneer een onderliggende CNCF-sectie faalt, in plaats van een onterecht succes te rapporteren.

NVIDIA AICR #1730

GenAI-observability — OpenTelemetry

Expliciete, optionele schema-URL-overschrijving na normalisatie, met gerichte regressiedekking.

OpenTelemetry #49619

Bekijk expertise, methode en bewijs

Klantwerk

Casestudies verschijnen hier
als ze echt zijn.

Ons beleid is streng: echt bedrijf, echt proces, echt gemeten resultaat, gepubliceerd met schriftelijke toestemming. Totdat een project die lat haalt, blijft dit gedeelte eerlijk – en leeg.

Klantcase — gereserveerdKlantnaam, geautomatiseerd proces, aangesloten systemen en gemeten resultaat. Alleen gepubliceerd met toestemming.
Klantcase — gereserveerdImplementatiemodel, ontwerp met menselijke goedkeuring en wat we anders zouden doen. Alleen gepubliceerd met toestemming.
  • Technische artikelen
  • Architectuurverkenningen
  • Open source-techniek
  • Experimenten (duidelijk gelabeld)

Een technisch vraagstuk voor jouw organisatie?

Bespreek het proces, de systemen en de gewenste uitkomst. We beoordelen welke aanpak past en wat daarvoor nodig is.