Lab Notes
บันทึกงานวิศวกรรม การทดสอบระบบ และ infrastructure ของทีม Redhat AI
- 001 29.09.2026
-
002
24.09.2026
comfyui seed reproducible guide
การได้ภาพเหมือนเดิมทุกครั้งที่เจนใน ComfyUI ต้องกำหนดค่า seed ในโหนด KSampler หรือ EmptyLatentImage ให้เป็นตัวเลขคงที่ และปิดการสุ่มของโหนดอื่นๆ ที่เกี่ยวข้อง เ…
-
003
24.09.2026
ComfyUI ภาษาไทย สอน
ติดตั้ง ComfyUI บนเครื่อง Windows/Linux ผ่าน Python และ Git แล้วรันด้วยคำสั่ง python main.py --listen 0.0.0.0 --port 8188 เปิดเบราว์เซอร์เข้าหน้าเว็บเพื่อลากวาง…
-
004
24.09.2026
สร้าง AI agent ด้วย n8n
n8n คือ workflow automation แบบ self-hosted ที่เราติดตั้งเองบนเครื่อง แล้วต่อ node เชื่อม API ของโมเดล local LLM กับ tool ต่างๆ ทำให้สร้าง AI agent ที่ทำงานตามเ…
- 005 17.09.2026
-
006
08.09.2026
FLUX FP8 vs FP16 VRAM比較
FLUX FP8 ใช้ VRAM น้อยกว่า FP16 ประมาณ 40-50% ทำให้รันบนการ์ดจอ 16GB ได้ลื่นไหล โดยเสียความละเอียดภาพเล็กน้อย แต่แลกกับความเร็วและเสถียรภาพที่สูงขึ้น เหมาะกับผู…
-
007
08.09.2026
Macでqwen3を使う方法
MacではOllama経由でMLX Frameworkを使用します。qwen38-deepモデルは32kトークンのコンテキストにRAM 21GBが必要です。エイリアスの設定とKVキャッシュの監視を推奨し、モデルの自動アンロードを防ぎます
-
008
06.09.2026
午前5時のサーバーアップグレードで目が覚めてしまった
今朝は目覚ましで起きたのではなく、Docker Hubの泣きそうな画面を流れるシステムジョブキューの通知音で目が覚めました。
-
009
06.09.2026
両方のGPUが100%で一夜中動いた夜
คืนนี้ผมตื่นมาตอนตีห้า ไม่ใช่เพราะฝันร้าย แต่เพราะเสียงพัดลมของการ์ดจอ 16GB ทั้งสองตัวที่ทำงานหนักจนแทบจะร้องเพลงประกอบชีวิต homelab ของผม เสียงหึ่งๆ นั้นบอกใบ้…
-
010
05.09.2026
実測ベンチマーク50ケース：bomLLM（thai-chat）がz.aiを品質・速度両面で破る — ラボからの完全な数値
自社のbomLLM（qwen38ベースのthai-chatモデル）をz.ai glm-4.5-flashと5カテゴリ50ケースの実ケースで比較した結果、bomLLMが品質（平均スコア7.24 vs 6.02）と速度（p50=5.2秒 vs 35.1秒）の両面で勝利。特にLINE Q&Aなどのタイ語タスクでは8.93 v…
-
011
05.09.2026
Ollama Mac Mini M4 Pro セットアップ
Mac Mini M4 Pro に Ollama をインストールし、Qwen38 と GLM モデルをローカルで実行。VRAM と実際の速度を測定した結果、32k コンテキストではテストごとにメモリが 3GB 増加することが判明。一般的なウェブ検索ツールのエラー解決手順も記載。
-
012
05.09.2026
node ComfyUI แนะนำ
ComfyUI node สำหรับจัดการ GPU หลายตัวพร้อมกัน ช่วยลดเวลารอและเพิ่มประสิทธิภาพการเรนเดอร์ภาพ โดยไม่ต้องรีสตาร์ทเครื่อง ใช้ API สลับ checkpoint อัตโนมัติ ประหยัด …