Думаю, можно уже сказать прямо: массовые увольнения в tech-секторе — это ужасная идея.

Согласны? Да, знаю. Согласиться легко.

Но увольнения не прекращаются. И, по всем признакам, средние и крупные tech-компании только разогреваются. Топор ещё даже не наточен. И каждый технарь, кого пока не задело, наверняка гадает — когда придут за ним.

Может, вы просто стараетесь не высовываться. Вероятно, лучшая стратегия. Но если вы, как и я, следили за каскадом объявлений об увольнениях последний год, у вас могло сложиться впечатление: чем крепче крупные tech-компании сжимают рукоятку топора, тем быстрее из рук ускользает здравый смысл.

Давайте разберёмся в свежих новостях — и я соединю точки.

Март не так часто балует нас громкими новинками, как хотелось бы, но индустрия не стоит на месте. В прошлой статье я рассказывал о ИИ-инструментах/агентах/сервисах для программистов, и в процессе размышлений у меня родилась идея для нового материала.

В своих сравнительных статьях о топовых LLM я обычно делаю упор на рутинные задачи: генерацию текста, программирование и математику. Но спектр таких задач гораздо шире. Именно эта мысль привела меня к теме сегодняшней статьи.

Сегодня я расскажу о инструментах, которые помогут создать презентацию. В современной реальности это навык, ставший практически неотъемлемым. Моя цель - сформировать подборку для генерации слайдов. Сразу предупрежу: много бесплатных вариантов здесь не будет. Но это не значит, что у вас не будет возможности протестировать функционал платформ. Принимайте стратегически удобное положение, ну а я начинаю свое повествование.

11 марта 2026 года Cursor опубликовал пост под скромным названием «Как мы сравниваем качество моделей в Cursor». Без громких заявлений. Без атак на конкурентов. Просто пять графиков и спокойное объяснение внутреннего процесса оценки.

ИИ-сообщество в основном отнеслось к этому как к очередному «компания рассказывает о своём бенчмарке». Это было ошибкой.

Эти пять графиков, если прочитать их внимательно, обнажают пять допущений, зашитых в каждый публичный бенчмарк для кодинга, которые никто не ставит под вопрос. И каждое допущение, однажды увиденное, невозможно развидеть.

Вот что показал Cursor. И вот чего они не сказали вслух.

Лавинообразный рост информации превратил привычный Ctrl+F в артефакт прошлого. Мы открываем тяжёлые PDF-файлы, зарываемся в десятки вкладок, пытаясь выудить одну нужную строчку, и тратим на это часы, которых и так вечно не хватает.

Но времена меняются. На смену ручному поиску приходят умные сервисы, которые умеют не просто искать, а анализировать, обобщать и выдавать готовую выжимку по запросу. Они работают с веб-страницами, документами, научными статьями, а иногда и с тем и другим одновременно.

В этом обзоре мы собрали самых интересных игроков на этом поле:
• BotHub,
• Brave Search,
• ChatPDF,
• “ГигаЧат”,
• Felo AI,
• iAsk,
• Komo,
• Perplexity
• и DuckDuckGo –

Всё, чтобы вы могли выбрать идеальный инструмент для своей задачи – будь то быстрый ответ или глубокое исследование. Готовьте свои самые сложные документы и вопросы – сейчас будем разбираться, кто из них действительно умеет искать иголку в стоге сена. Узнайте, как превратить хаос информации в стройную систему с помощью ИИ.

Все сейчас говорят об ИИ-гонке. Или об ИИ-пузыре и о том, когда он лопнет.

GPU от NVIDIA, дата-центры на миллиарды долларов, гигантские тренировочные прогоны. OpenAI, Google, Claude, Microsoft.

Весь мир технологий наблюдает, как ИИ-гиганты выясняют, кто построит модель покрупнее.

Об Apple говорят редко. А если говорят — в основном негативно. «Apple уже проиграла ИИ-гонку». Siri — посмешище. Никаких реальных ИИ-функций. Никакого реального рывка — только сделка с Google, чтобы Gemini в итоге питал Siri. Которая, конечно, снова отложена.

И всё? Серьёзно?

Apple стала неактуальной, потому что не строит кластеры из H100 и не тренирует базовые модели? Просто компания, выпускающая хорошие ноутбуки, классные планшеты и дорогие телефоны?

Думаю, мы упускаем кое-что важное. Apple не играет в ту же игру, что все остальные. Они не вливают миллиарды в ИИ, как Meta, Google, Microsoft или Amazon. Не в том же смысле.

Пока NVIDIA строила всё больше и больше — Apple строила всё меньше и меньше. И эта разница может на самом деле значить больше, чем кто-либо осознаёт.

После «апокалипсиса SaaS» рынок впал в лихорадку. Инвесторы решили, что программное обеспечение стало практически бесплатным товаром и 90% программистов можно уволить.

Это одно из предсказуемых заблуждений, вызванных непониманием природы разработки ПО. Да, правила игры изменились, и SaaS больше не будет таким, каким был. Но ИИ его не уничтожит и не заменит разработчиков приложений.

SaaS неизбежен, каким бы впечатляющим ни был ИИ. Потому что SaaS — это не просто доступ к программному обеспечению. SaaS — это критически важная инфраструктура вокруг кода. Он обеспечивает хранение данных, резервное копирование, контроль доступа, интеграции, обновления, масштабирование, безопасность и комплаенс.

Исчезновение SaaS означало бы не свободу от оплаты софта, а возврат в архаичную эпоху. Компаниям пришлось бы разворачивать собственные серверные, строить внутренние дата-центры, организовывать обновления и бэкапы, нанимать обслуживающий персонал. Нет оснований полагать, что кто-то этого хочет.

Однако потребность в инфраструктуре — лишь одна причина, по которой ИИ не перевернёт нынешние практики разработки ПО. Другая — в том, что он не способен воплотить один незадокументированный фундаментальный инженерный принцип.

Позвольте объяснить.

Призрачная модель под названием Hunter Alpha только что покорила мир ИИ.

Никто не знает, кто её создал.

Данные OpenRouter подтверждают сдвиг: китайские модели на прошлой неделе выдали 4,69 триллиона токенов. Американские — 3,29 триллиона. Вторую неделю подряд.

Дочитайте до конца — и вы поймёте, почему эра агентов перевернула доску, и получите чек-лист, чтобы не строить на устаревшем стеке.

Если вы выкатываете ИИ-фичи в продакшен, эти данные меняют вашу дорожную карту.

Вы когда-нибудь задумывались, каково это – смотреть на мир с высоты птичьего полёта? Не в метафорическом смысле, а в самом прямом, технологическом. Чтобы в одной вкладке браузера можно было переключиться с аниме-стилизации улиц Токио на тепловизионный сканер Лондона, кликнуть по спутнику на орбите и увидеть его траекторию в реальном времени, а затем наложить на трёхмерную модель города поток с дорожной камеры наблюдения. Билавал Сидху не просто задался этим вопросом – он собрал такой инструмент за выходные.

WorldView – это не просто демо. Это высказывание. Бывший сотрудник Google, стоявший у истоков создания фотограмметрических 3D-моделей городов, взял ту самую инфраструктуру, которую помогал строить шесть лет, и скрестил её с данными в реальном времени: 7000 самолётов над головой, 180 спутников на реальных орбитах, частицы дорожного трафика из OpenStreetMap.

Результат оказался настолько убедительным, что его заметили те, кто строит подобные системы для Пентагона уже два десятилетия. И их реакция, полная сарказма и… тревоги, пожалуй, говорит о проекте очень многое.

Как и ИИ-модели, инструменты, базирующиеся на них, также не стоят на месте. Вспомним Cursor, OpenClaw, Claude Code и так далее. 

Не так давно я выкладывал статью, где сравнивал последние модели от ИИ-гигантов в сфере программирования. В последнее время частенько начал прислушиваться к дельным комментариям и подумал: а почему бы не составить подборку из инструментов, которые используют различные нейросети для программирования? Собственно никаких препятствий для этого действия я не нашел. 

Сегодня оглашу некую подборку инструментов/сервисов/нейросетей для работы с кодом. Понятное дело, что каждый, кто заинтересован в этой сфере, имеет свое личное представление о таких инструментах. Тут будут некоторые варианты, а вот использовать их или нет - выбор уже за вами. Принимайте стратегически удобное положение, ну а я приступаю к своему повествованию.

46 долларов.

Зарплата, налоги на фонд оплаты труда, медицинская страховка, пенсионные отчисления — всё вместе. 46 долларов за один час, за одного человека, на одной позиции. Это число — невидимый ценник практически на всём, что вы покупаете: на каждом продукте на полке супермаркета, на каждом ужине в ресторане, на каждом автомобиле и каждом доме.

По состоянию на март 2026 года несколько компаний снижают эту цифру до менее чем 2 долларов.

Не 20. Не 10. Два доллара.

Я не ожидал, что увижу это так быстро. И то, как это делается, вот-вот перекроит целые секторы мировой экономики.

2026 год щедро раздаёт нейросети всем желающим. Кажется, уже невозможно открыть браузер, чтобы на тебя не посмотрела очередной умник, обещающий сгенерировать гениальный текст, как у Толстого, но быстрее.

Одни модели сочиняют музыку, другие красят фотографии, третьи уверяют, что понимают людей лучше психологов. Но за громкими именами вроде ChatGPT, Midjourney и Runway скрывается подлесок маленьких, но интересных проектов.

Мы собрали десятку инструментов, на которые стоит обратить внимание.

Приятного чтения!

9 марта 2026 года Microsoft выпустила VS Code версии 1.111 — первый стабильный еженедельный релиз. Ведущий инженер Кай Мецель объявил, что финальное тестирование будет «встроено в еженедельный процесс». Каждая новая функция в v1.111 связана с ИИ. Главное нововведение: режим Autopilot, в котором ИИ-агент работает автономно до завершения задачи — сам одобряет вызовы инструментов, сам повторяет попытки при ошибках, сам отвечает на собственные вопросы, чтобы «агент не простаивал в ожидании ответа».

Я пишу код в той или иной IDE с начала 2000-х. Видел, как Eclipse замедлялся до ползания, как IntelliJ поглотил мир Java, как VS Code стал редактором по умолчанию для целого поколения. Это — другое. Это не добавление функции. Это изменение самих отношений между разработчиком и инструментом.

Каждый раз, когда вы взаимодействуете с большой языковой моделью, вы наблюдаете шедевр интеллектуального косплея.

Когда модель выдаёт связный, красиво оформленный, на вид глубокий ответ, это ощущается как чудо. Однако этот результат не является индикатором «понимания» или «рассуждения».

Именно это недопонимание истинной природы инференса LLM питает миф о скором пришествии AGI — универсального искусственного интеллекта.

Но по мере того как разрыв между маркетинговой риторикой и научной реальностью растёт, становится очевидно: мы наблюдаем не зарождение искусственного разума, а отполированную версию стохастического попугая.

Я давно освещаю прорывы в ИИ. В большинстве случаев заголовок обещает больше, чем даёт статья.

Этот случай — другой.

Польский математик Бартош Наскрэцки потратил 20 лет на создание одной из сложнейших задач, когда-либо включённых в ИИ-бенчмарк. Он вложил в неё всю свою исследовательскую карьеру. Задокументированное решение занимает 13 плотных страниц. Он был настолько уверен, что ни одна машина не справится, что ещё несколько месяцев назад публично называл ИИ «очень продвинутым калькулятором».

Мысль о том, что нынешняя ИИ-индустрия играет в игру с отрицательной суммой, не нова. В эту технологию уже влито столько денег, что, по сути, экономика поставлена на её успех.

Если ИИ не выстрелит — мы рискуем оказаться в рецессии.
Если же ставка вдруг сыграет — миллионы людей могут потерять работу, и экономика всё равно придёт в то же самое мрачное место.

Звучит почти абсурдно: стрелять себе в ногу, громко называя это инновацией. Но сейчас мы начинаем видеть, как именно могут разворачиваться оба сценария. Так что давайте разберёмся и по шагам.

Прошли времена, когда нейросети казались далёкой технологией из научной фантастики. Сегодня они пишут за нас письма, рисуют картинки, монтируют видео, отлаживают код и планируют отпуск.

Но вместе с прогрессом пришла новая головная боль - переизбыток выбора. Каждую неделю появляется очередной сервис, обещающий изменить вашу жизнь, автоматизировать всё на свете и попутно вывести человечество на новый уровень. В итоге вместо того чтобы работать, вы тратите вечер на сравнение пятнадцати платформ и всё равно не понимаете, какая из них вам нужна.

Мы сделали это за вас. В этой подборке - семь нейросетей, которые реально стоят вашего времени и закрывают практически любые повседневные задачи.

Приятного прочтения - и готовьтесь обновить закладки.

Через несколько минут после публикации этой статьи NVIDIA представит то, что ещё недавно считалось бы первым в отрасли: разделённое (disaggregated) аппаратное решение для ИИ.

Но Amazon на этот раз оказалась быстрее. Она представила свою версию этого нового форм-фактора за несколько дней до анонса Дженсена Хуанга. Форм-фактора, который, по моему убеждению, меняет парадигму ИИ-оборудования.

Чтобы мой энтузиазм не выглядел голословным, цель этой статьи — объяснить, что это такое, как повлияет на рынки и как с помощью этого понимания можно предсказать аппаратные дорожные карты NVIDIA, AMD и гиперскейлеров, а также логику их решений по цепочкам поставок.

Вот как это работает — и почему открывает новую эру в железе.

Это произошло снова. Мою коллегу отвергли на позицию технического лидера, для которой она подходила идеально. И отвергли по причинам, которые не имели абсолютно никакого отношения к тому, справилась бы она с работой или нет.

Я знаю это, потому что ей сказали об этом прямо. Опять.

Это не первый раз, когда меня потрясает, как tech-компания нанимает по «вайбу», а не по компетенциям. И ещё одно доказательство того, что эта практика жива - в ущерб результатам, доверию клиентов и репутации всей tech-индустрии.

Кончится всё тем, что сотрудники таких компаний будут переживать свои чувства в тот момент, когда работодатель объявит о закрытии - потому что никто не покупал их кривой, дорогой и не решающий задачи софт.

Новые модели выходят практически каждый день. За последние два месяца мы увидели релизы от Qwen, OpenAI, Anthropic и Google. Очень ждали DeepSeek, но его пока не слышно и не видно.

В своих прошлых материалах я сравнивал последние версии моделей крупных компаний в конкретных сферах: программирование и генерация текста.

Сегодняшняя статья продолжит этот цикл. По-хорошему, этот материал должен был выйти до сравнений в узких сферах, потому что сегодня я планирую сравнить Gemini 3.1 Pro, ChatGPT 5.4 и Claude Opus 4.6 сразу в нескольких дисциплинах. Сделать, так сказать, общее сравнение.

Сразу предупрежу: никаких межгалактических заданий вы тут не увидите. Моя цель куда приземленнее – проверить модели в рутинных задачах, с которыми они сталкиваются каждый день. Мне это нужно, чтобы понять, какой модели сейчас стоит отдать предпочтение. В расчет пойдет качество выполнения (оцененное мной), а также затраты в денежном эквиваленте.

На этом с предисловием можно закончить. Принимайте стратегически удобное положение, а я начинаю.

Как бы вы ни относились к искусственному интеллекту — и в особенности к большим языковым моделям и чат-ботам, которые на нём работают, — реальность такова: человечество прямо сейчас строит и расширяет инфраструктуру для его поддержки. Это огромные сети дата-центров, пожирающих электричество и воду, — и их строительство всё чаще вступает в конфликт с потребностями людей, живущих по соседству.

Именно из-за этих проблем появилась идея: а что если вынести ИИ-дата-центры в космос? Одна из компаний, SpaceX, недавно объявила о планах построить мегасозвездие из миллиона спутников для этой цели.

Это пример зарождающейся технологии, способной решить проблему конкуренции за ограниченные ресурсы? Или это, как в своё время Hyperloop, красивая обёртка для нереализуемой идеи — где сам концепт не нарушает законов физики, но практические ограничения делают его настолько непрактичным, что воплотить обещанное невозможно?

Оказывается, на пути к созданию работающей сети ИИ-дата-центров в космосе стоит пять серьёзных препятствий. Три из них, в принципе, могут быть преодолены технологическим развитием. Последние два — установлены самой физикой Вселенной. И, скорее всего, именно они поставят крест на всей затее.