docs(adr): ADR-004 — дефолты compute_type и стратегия ускорения

Бенчмарк показал: OpenVINO fp16 даёт 3.7x ускорение, но теряет качество
на русской разговорной речи. CTranslate2 int8_float32 — оптимальный баланс.
Следующий шаг — DirectML бэкенд для AMD Radeon iGPU.

Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>

docs/adr/004-compute-type-defaults.md

@@ -0,0 +1,59 @@
+# ADR-004: Дефолты compute_type и стратегия ускорения
+
+**Статус**: Принято
+**Дата**: 2026-03-23
+
+## Контекст
+
+После внедрения OpenVINO (ADR-003) дефолты compute_type выбирались из соображений
+скорости: fp16 для OpenVINO, float32 для CPU. Бенчмарк на реальной записи совещания
+(14:41, русский, 3 участника, AMD Ryzen 7 8845H) показал, что квантизация существенно
+влияет на качество распознавания русской речи.
+
+### Результаты бенчмарка (medium модель)
+
+| Бэкенд + compute_type | Время | Качество |
+|---|---|---|
+| OpenVINO fp16 | ~240с | Среднее — грубые ошибки на нечёткой речи |
+| CTranslate2 int8_float32 | ~599с | Отличное — на уровне облачного Whisper.ai |
+| CTranslate2 float32 | ~881с | Отличное (эталон) |
+| OpenVINO fp16, large-v3 | ~503с | Плохое — хуже medium на том же бэкенде |
+
+**Ключевые наблюдения:**
+
+1. OpenVINO fp16 хорошо распознаёт «чёткие» англоязычные термины (DWH, NiFi, FineBI),
+   но ломается на быстрой разговорной русской речи ("датарентген" → "госпиталин ген").
+2. large-v3 через OpenVINO fp16 деградирует сильнее medium — ошибки округления
+   накапливаются в большей модели.
+3. CTranslate2 int8_float32 (mixed precision: int8 матрицы, float32 аккумулятор)
+   даёт качество, сопоставимое с float32, при 1.5x ускорении.
+
+## Решение
+
+### Дефолт для CPU: оставить float32
+
+int8_float32 показал отличные результаты, но выборка одна. Оставляем float32 как
+безопасный дефолт — пользователи, которым важна скорость, могут явно указать
+`--compute-type int8_float32`.
+
+### OpenVINO — оставить как есть
+
+OpenVINO fp16 остаётся дефолтом для OpenVINO-бэкенда. Это осознанный trade-off:
+3.7x ускорение за счёт потери качества на сложных участках. Для случаев, когда
+нужно максимальное качество, пользователь выбирает `--device cpu`.
+
+### Направление ускорения: DirectML
+
+Для получения скорости GPU при сохранении качества float16 — нужен новый бэкенд
+на базе onnxruntime-directml. DirectX 12 работает с любым GPU на Windows, включая
+AMD Radeon iGPU. Float16 на реальном GPU (аппаратный) не имеет проблем CPU-квантизации.
+
+Приоритет реализации:
+1. DirectML бэкенд (Radeon iGPU, потенциально Intel Arc)
+2. Ryzen AI NPU (XDNA) — когда tooling от AMD дозреет
+
+## Последствия
+
+- Дефолты не меняются — обратная совместимость сохранена
+- Пользователи с AMD получают рекомендацию `--compute-type int8_float32` в документации
+- Архитектура (ADR-003) уже поддерживает добавление DirectML как нового бэкенда