Исследования и прогнозы в IT *

Паттерн LLM Wiki предлагает хранить знания не как историю чата с моделью, а как вики, которую агент инкрементально собирает из источников. В статье предлагаются к использованию два репозитория: (А) llm-wiki-baseline — с шестью готовыми шаблонами «второго мозга» под разные домены и (Б) llm-wiki-kbt, реализующий тот же паттерн, но для вики в другой архитектуре, с проверяемой структурой на расширяемых схемах данных и с заделом под доказательный вывод: типизированные YAML-записи, строгие схемы, общая онтология и зонды, которые ловят противоречия программно. В качестве примера — вики евклидовой геометрии с интерактивным графом.

Мы привыкли воспринимать слово «локализация» позитивно почти на автомате. В узких кругах считается, что раз локализовали производство оборудования, то значит сделали его своим. Останется только добавить немного российских компонентов, слегка адаптировать под свои условия, выполнить несколько операций внутри страны и зависимость вроде бы уменьшается, а жить мысленно становится легче. У меня же слово «локализация» давно вызывает более сложную реакцию. А окончательно задуматься о нем заставило довольно неожиданное место.

В какой момент мы начали чаще выбирать внедрение кем‑то созданной технологии вместо пути собственной разработки?

Цены пошли на спад. 22 сентября Anthropic и OpenAI с разницей примерно в полтора часа выпустили модели дешевле своих предшественников, а DeepSeek отдала кэшированный вход по 0,003$ за миллион токенов.

И это не «щедрость». Розничная DDR5 за шесть недель прибавила еще около 9%, аренда H100 за год подорожала на 15%. Изменилось другое — кто и как эту себестоимость оплачивает. Часть удешевления инженерная: это использование кэша, сжатие KV-кэша и появление моделей, которые тратят меньше токенов на ту же задачу. 

Другая часть — финансовая, и в сентябре ее масштаб впервые стало видно в цифрах. Давайте разбираться, кто и на чем снизил цены, какие модели теперь выдают только по допуску и что происходит с открытыми весами и железом. Подробности внутри.

Я подготовил и предлагаю к обсуждению методику экспресс‑аудита ИИ‑зрелости промышленного предприятия.

Методика представлена в excel (её можно получить по запросу в мой адрес): вы ставите оценки и указываете доказательства — файл считает остальное.

Каждый из 30 вопросов оценивается по двум измерениям — техническому (Т) и организационному (О). Итоговый уровень определяется по правилу узкого горлышка как минимум из технического (Т) и организационного (О) уровня, подтверждённого 20 гейтами, и ограничения по кибербезопасности ИИ‑контура.

Результат аудита — уровень зрелости, разрыв между измерениями, узкое место, степень преодоления пяти барьеров масштабирования, контрольный срок закрытия гейтов и план на 12 месяцев.

Этим летом я искал работу и в какой‑то момент перестал понимать, что происходит. Откликаешься, тебя не смотрят. Вакансия висит день, а у неё уже сотня откликов. Я решил разобраться, это со мной что‑то не так или с рынком. Оказалось, с рынком, и сильно.

В июле 2024 года на одну вакансию в России приходилось 3,4 резюме. В июле 2026-го уже 8,7. Это в среднем по всем профессиям, и это самое высокое значение для июля за восемь лет, что есть у hh. В IT ещё хуже: 24 резюме на одну вакансию, почти втрое больше, чем по рынку.

OpenAI, Anthropic, Google и xAI уже конкурируют не только качеством моделей. Настоящая борьба идёт за вычислительные мощности, собственные чипы, присутствие в облаках, цену API и экосистемы, в которых остаются разработчики.

В этой статье разберём, кто из них сильнее по каждому из этих направлений, почему конкуренты одновременно становятся партнёрами и поставщиками друг для друга, и почему в 2026 году преимущество всё чаще определяется не очередным релизом модели, а инфраструктурой, которую невозможно быстро скопировать.

Привет! На связи Ольга Попова, ИИ-Евангелист Лаборатории искусственного интеллекта Департамента больших данных Россельхозбанка. Сентябрь получился очень показательным. Если отбросить очередную гонку бенчмарков, вокруг ИИ одновременно происходят три гораздо более интересных процесса: модели превращаются в действующих агентов, ИИ незаметно встраивается в привычные рабочие инструменты, а компании и государства всерьёз обсуждают, кто будет контролировать эту новую цифровую рабочую силу.

Как и в прошлом выпуске, к своим размышлениям добавила комментарии коллег, которые работают с этими темами каждый день. Поехали!

Многие из вас уже слышали историю о том, как ИИ создал страницу в интернете, после чего в своих ответах начал ссылаться на нее, как на авторитетный источник. О подобных проблемах можно прочитать, например, в этой статье. Не говоря уже про многочисленные видео в социальных сетях по этой теме. Однако, естественно, это ни в коем случае не является проблемой ИИ. Это является проблемой социологии, а также в первую очередь человека. Ведь именно люди придумали социально-поведенческую формулу: информация + ссылка на авторитетный источник = правда. Именно эта формула была заложена в основу, к примеру, Википедии. Именно эта формула заложена в основу мировоззрения миллиардов людей по всему миру. И именно этой формулой люди сами стали пользоваться, чтобы обманывать друг друга. Ведь самое слабое место в ней - авторитетный источник. До появления социальных сетей авторитетным источником были СМИ. Однако, с разивитием интернета благодаря социальным сетям актуальная информация стала распространяться быстрее, чем ее публиковали СМИ. И далее повторилась уже знакомая многим история семьи Ротшильдов и телеграфа. Напомню, по легенде Ротшильды получали первыми новости о мировых событиях (особенно военных действиях) и могли раньше других предпринять действия для личной выгоды. Но одной лишь реакцией на происходящее дело не обошлось. Вскоре люди научились не просто быстро передавать данные, но и контролировать, какие именно данные должны быть распространены. Это называется пропаганда.

Пропаганду можно назвать неотъемлимой частью цивилизации. Это обыденное явление, существующее уже тысячи лет. Помним Спарту и Афины? Это всего лишь еще один способ контролировать информацию для выгоды определенного круга лиц. В поисках истины люди придумали стандартную контрмеру против пропаганды - экспертное мнение. Однако, и это мнение, оказалось, можно контролировать, даже за деньги. И вновь возник вопрос о поиске истины. Тогда на сцену вышла честь. Уважающий себя и уважаемый в обществе человек не станет лгать. И чем дольше человек уважаем, как придумали люди, тем ценнее его слово. К слову, методология тоже древняя, уходящая корнями к пророкам. Однако, и уважаемые люди в кризисных ситуация оказались обыкновенными людьми, у которых тоже были свои интересы, мешающие им говорить всю правду. И вновь возник вопрос о поиске истины. Наконец, люди подумали: если человеку доверять нельзя, можно доверить бездушной машине. Но не учли момент, что машина обучается именно на человеческих формулах социального поведения. И вот, все это привело нас к самому началу статьи: используя человеческие формулы поведения даже машина перестала излагать истину. Поскольку новый способ поиска правды на данный момент находится в активном поиске, сосредоточим свое внимание именно на том обмане, которому научился ИИ. Для общего образования, так сказать, и более объективной гражданской позиции.

Хабр, привет!

На связи команда инженер‑аналитиков R‑Vision. Мы проанализировали широкий спектр уязвимостей, выявленных в сентябре 2026 года, и включили в дайджест те, что представляют наибольший практический интерес по уровню риска, подтверждённой эксплуатации и актуальности для специалистов по информационной безопасности.

На этот раз в дайджест вошли:

CVE-2026-69676 — Windows Kerberos

CVE-2026-85880 | BDU:2026–14306 — Windows ALPC

CVE-2026-73570 | BDU:2026–12669 — Zimbra Collaboration Suite

CVE-2026-85706 | BDU:2026–14538 — GitLab CE/EE

Реклама потратила две тысячи рублей и не принесла заявок.

Отключать или ждать?

Показываю, как связать допустимую цену заявки с числом переходов, откуда берётся ориентир в три цены результата и почему он работает только при определённых условиях.

Отдельно разбираю задержку конверсий, повторные клики и разницу между лимитом бюджета и статистическим порогом.

В статье рассказано об опыте использования генеративного ИИ для решения задач реверс-инжиниринга промышленного программного обеспечения. Рассмотрен кейс разбора проприетарного бинарного формата исторических архивов промышленной системы сбора данных и мониторинга Solar Turbines TT4000, выполненного с использованием DeepSeek, Qwen, GigaChat и Алисы.

Статья содержит ссылку на публичный репозиторий со всеми сгенерированными артефактами, а также ссылки на опубликованные диалоги с ИИ-сервисами.

«Вайбкодинг» двигается по планете буквально семимильными шагами — разработка через диалог с ИИ-агентами вроде Claude Code подается чуть ли не как новый стандарт отрасли. Набрав промпт в чате, можно без преувеличения за пару часов поднять MVP или пет-проект. Порог входа в индустрию снизился до умения более-менее внятно излагать свои мысли ИИ-агентам. 

Возможно, мы окончательно избавились от рутины, сложностей и нудной отладки? Или сами создали себе новую проблему — разрушение механизма роста инженеров? Ведь когда рабочий код создается генератором по нажатию одной кнопки, джуны перестают проходить через обязательные этапы профессионального становления. Вайбкодинг напрочь вырезает из процесса разработки то, на чем всегда строилось понимание процесса —  поиск утечек памяти, попытки уложить хотелки бизнеса в жесткие архитектурные рамки и многое-многое другое. Верно ли, что, исключив этап набивания шишек на старте карьеры, мы рискуем получить целое поколение специалистов, которые умеют ловко раздавать указания нейросетям, но понятия не имеют, как вся эта конструкция работает внутри? Заваривайте чаек-кофеек покрепче, будем разбираться.

Привет! Меня зовут Саша Журавлев. Я венчурный инвестор и основатель фонда Mento vc. Мы инвестируем в стартапы на стадиях Seed / Series A в США, а в своем телеграм-канале рассказываю, как вижу рынок и принимаю инвестиционные решения.

ICONIQ (более $80B под управлением) каждый год выпускает отчет об эффективности software-компаний. И вот недавно вышел свежий сентябрьский отчет за 2026 год.

Для меня это один из самых важных репортов индустрии, и я ждал его с июля (он в прошлом году вышел в июле 2025), и постоянно проверял не вышел ли он еще.

Внутри есть ответы на следующие вопросы:

• Почему инвесторы оценивают один софт в 9 годовых выручек, а другой - меньше чем в 3?

• Как лидеры растут от $1M до $100M ARR за 2-3 года, когда остальным нужно 5+ лет?

• Сколько компании тратят на каждый заработанный доллар и окупается ли это?

• Что AI уже поменял в процессах бизнеса: конкретные цифры?

Если вы инвестируете в софт или строите компанию в этой индустрии, этот отчет - один из самых полезных материалов про рынок на сегодня.

Мы с командой целую неделю делали перевод, собирали графики и добавляли свои пояснения к ним. Приятного чтения!

Исследование, которое я разбираю, следило 30 месяцев за 27 тысячами китайских школьников: те, кто начал пользоваться генеративным ИИ, стали делать домашки быстрее и лучше, но реально учиться перестали. Баллы за закрытые (это которые без выбора ответов\задачи с развёрнутым ответом) контрольные упали на 20%, за вступительные экзамены на ~25%.

Мы все стремимся упрощать себе нудную работёнку, используя для этого все доступные инструменты. В начале, мы вместо заучивания наизусть придумываем письменность; Счёты и их младший брат калькулятор упрощают нам работу с математикой и пр. Мнемонические считалочки по типу: “Каждый охотник…” выступают таким же инструментами, но существующими в языке. И многое, многое другое… При должном желании можно придумать ещё сотню примеров того, как мы расширяем свою зону контроля мозга за счёт внешних инструментов. И есть даже целое философское учение экстернализма об этом. Я не буду сильно углубляться в дебри, но процитирую нужную для моего дальнейшего анализа вещь:

1 октября в России заработал реестр цифровых платформ. Это седьмой новый государственный реестр только за 2026 год, и год ещё не закончился. Я подумал, что в такой ситуации стране срочно не хватает одного: реестра реестров. Собрал 100 государственных реестров в одну таблицу, проверил каждый по тексту закона и посмотрел, что из этого получается. Рассказываю, что узнал по дороге.

Допустим, компании последовательно автоматизируют всё, что мешает им зарабатывать быстрее. Исследование рынков, разработку продуктов, продажи, закупки, распределение капитала. Постепенно значительная часть экономики начинает работать на скоростях, при которых человек уже не успевает участвовать в отдельных решениях. Он ещё владеет акциями, получает отчёты, выбирает стратегию из трёх предложенных. Только насколько он всем этим управляет, становится всё труднее понять.
Такое будущее может обойтись без восстания машин. Будет хорошая отчётность, растущая производительность и люди, которым всё сложнее вмешиваться, хотя формально никто их этого права не лишал.

Обложка: Пол Стрэнд, «Уолл‑стрит», Нью‑Йорк, 1915.

Текст всё чаще доходит до читателя через два ИИ: тот, с которым пишет автор, и тот, который делает выжимку для читателя. В КИПиА такая схема называется измерительным каналом, и у неё есть неприятное свойство: погрешности звеньев накапливаются. Знание через такой канал проходит хорошо, контекст — нет. Разбираю, какой контекст теряется, почему ошибка модели, общая для всех её читателей, опаснее обычного непонимания, и как поверять канал с обеих сторон — на примере собственного комментария, ушедшего в минус.

Под кожей Войнича: новый слой 600-летней загадки.

Я пришёл к рукописи Войнича за тайной — и решил испытать её инструментами XXI века.

Есть такой удивительный интернет‑феномен: сервис может быть придуман в России, создан российской компанией, зарабатывать на российской аудитории, принимать деньги российских пользователей, учитывать российские законы — и при этом юридически иметь к России всё меньше и меньше отношения.

Сегодня речь про Boosty.

Точнее, про Boosty.to — именно так называется домен сервиса, который многие по привычке ищут как «Бусти.ру».

Я решил немного покопаться в его биографии. И чем глубже копал, тем интереснее становилась конструкция.

Потому что история Boosty — это уже не просто история российского аналога Patreon. Это путешествие длиной в несколько юрисдикций:

Gemini 4 Argon вышел с таблицей, где он лидирует в 12 тестах из 18. Ровно такую таблицу Google показывала в феврале — для Gemini 3.1 Pro. Тот потом проиграл Claude в реальной работе больше чем на 300 очков.

У релизов Gemini сложился сценарий, и Argon пока идёт по нему шаг в шаг. Дело при этом не только в Google: победа в бенчмарках сегодня значит всё меньше.