Вайбкодинг — довольно популярное в наше время занятие, которое пагубно сказывается на все программистическое комьюнити. Мало того, что всё наполняется нейрослопом от новоиспеченных «программистов» с подпиской Claude за 20$, так еще и старички разучиваются писать код без использования ИИ ввиду его использования.
Масло в огонь подливает ЛИНУС ТОРВАЛЬДС (создатель линукса) который недавно ляпнул что «ИИ — хороший инструмент»; эту фразу теперь используют вайбкодеры чтобы оправдать то, что они пишут код с использованием ИИ.
Вайбкодеры по сути своей не имеют своих навыков, даже хотя большинство из них утверждает обратное: что они понимают всё что нейросеть пишет. Но, как показывает практика, без ИИ они ни на что не способны, потому что банально чтобы писать код самостоятельно нужно учится писать его самостоятельно, без всяких нейросетей.
Некоторые говорят что они «используют ИИ иногда, когда проблемы возникают»... Программирование — это РЕШЕНИЕ ПРОБЛЕМ, когда нейросеть за вас эти самые проблемы решает, вы уже не программист, а обычный вайбкодер.
Вообщем, вы видите к чему все идет: у людей навыки программирования атрофируются от использования ИИ, новые разработчики — вайбкодеры; нормальных людей, что способны писать код самостоятельно — скоро совсем не останется. Это прискорбно.
Z.ai не доказала полную независимость Китая от Nvidia. Но кое-что что важное все же произошло
На прошлой неделе на OpenRouter появилась бесплатная анонимная модель под кодовым именем Ox Alpha. Без названия компании, пресс-релиза и привычного маркетингового разогрева.
За шесть полных дней она обработала 23,2 трлн токенов и стала самой используемой моделью на платформе — с отрывом в 2,3 раза от ближайшего конкурента.
26 августа Z.ai раскрыла карты: под именем Ox Alpha тестировалась её новая модель GLM-5.3-Flash.
Но самое интересное здесь не место в рейтинге и даже не цена. Весь трафик анонимного запуска, по заявлению Z.ai, обслуживался на китайских ИИ-ускорителях.
Ox Alpha занимает первое место на OpenRouter по числу обработанных токенов
1. Экономика сильных моделей меняется быстрее, чем кажется
На момент публикации миллион входных токенов GLM-5.3-Flash на OpenRouter стоит $0,075, выходных — $0,25. Для GLM-5.3 это $1,25 и $4,40.
Первая цена акционная, поэтому строить долгосрочную экономику только на ней не стоит. Но даже стандартный тариф Z.ai — $0,15 за вход и $0,50 за выход — заметно ниже стоимости большинства моделей сопоставимого уровня.
При этом на внутреннем Z.ai Code Bench v1.0 новая модель на максимальном режиме рассуждения почти сравнялась с Claude Opus 4.8: 29,0 против 29,5 балла.
Важно:Z.ai Code Bench v1.0 — закрытый тест самой компании. По состоянию на 30 августа его задания не опубликованы, поэтому результат нельзя независимо воспроизвести. Считать эти цифры доказательством одинакового качества не корректно.
То есть честная формулировка звучит не как «то же качество в десять раз дешевле», а так: модель уже находится в сопоставимом классе и стоит достаточно дёшево, чтобы её обязательно проверить на собственных задачах.
2. Низкая цена появилась не из воздуха
GLM-5.3-Flash — MoE-модель: всего в ней 320 млрд параметров, но при обработке каждого токена активируются только 18 млрд. Кроме того, в ней 45 слоёв против 92 у сопоставимой по общему размеру GLM-4.5.
Для работы с длинным контекстом объединили механизмы внимания:
линейное внимание обрабатывает локальные зависимости через состояние;
разреженное внимание находит релевантные фрагменты во всём контексте через отдельный индексатор;
IndexPool дополнительно сжимает четыре ключевых вектора индексатора в один.
По расчётам компании, по сравнению с GLM-5.3 это уменьшает вычисления механизма внимания примерно в три раза, а объём KV-кэша — в 4,4 раза на контексте до миллиона токенов.
Если убрать технические детали, смысл простой: модель тратит меньше вычислений и памяти на каждый запрос. Поэтому низкая цена здесь выглядит не только как субсидия для захвата рынка, но и как следствие архитектуры.
Конкуренция в ИИ всё заметнее смещается от гонки за «самую умную модель» к оптимизации всей системы: модели, движка инференса, памяти, сети и железа.
3. Китайское железо прошло проверку массовым инференсом
В течение всего анонимного запуска запросы к Ox Alpha обрабатывал крупный кластер китайских ИИ-ускорителей.
Для него Z.ai построила собственный стек инференса поверх SGLang: с разделением этапов обработки запроса, несколькими видами квантизации, оптимизацией обмена данными и отдельным планированием вычислительных пулов. Компания утверждает, что в результате производительность выросла втрое относительно первоначальной версии на том же оборудовании, а стоимость одного токена стала сопоставима с массовыми решениями на Nvidia.
Ещё одно важное уточнение: речь идёт об инференсе — обслуживании пользовательских запросов. Публичных доказательств того, что GLM-5.3-Flash была полностью обучена без оборудования Nvidia, пока нет.
Это различие принципиально. Обучить большую модель с нуля и обслуживать уже обученную модель в продакшене — разные по сложности и требованиям задачи.
Но результат всё равно значимый. Он показывает, что китайское оборудование уже способно выдерживать массовый трафик модели передового класса, а локальный программный стек — компенсировать ограничения отдельных чипов на уровне кластера.
Несмотря на то, что нормативному определению термина «искусственный интеллект» уже сто лет в обед (извините, не удержался, в рифму получилось), а на самом деле уже почти семь лет как (Национальная стратегия развития искусственного интеллекта на период до 2030 года утверждена Указом Президента РФ № 490 от 10.10.2019г. и с этой же даты вступила в силу), на текущий момент в судебные акты высших судов РФ ИИ попал только дважды:
Во-первых, это п. 42 Постановления Пленума Верховного суда РФ «О подготовке гражданских дел к судебному разбирательству» от 21.05.2026г. № 15:
…Участвующие в деле лица, представившие в суд сведения о фактах, полученных с использованием технологий искусственного интеллекта, должны сообщать об этом суду.
Во-вторых, это п. 5.1 Тематического обзора Верховного суда РФ № 2/2026 «О рассмотрении судами административных дел о защите избирательных прав», утв. Постановлением Президиума Верховного Суда РФ от 25.03.2026г. № 3А/2026 (в Обзор этот случай попал из Кассационного определения Судебной коллегии по административным делам Верховного Суда РФ от 04.02.2026г. № 48-ИКАД26-1-А2):
Использование в агитационных печатных материалах изображений физических лиц, включая лиц, не достигших на день голосования возраста 18 лет, не допускается и в том случае, если такие изображения созданы с применением компьютерных технологий.
На этом пока все. Однако вот-вот уже скоро вступает в силу закон «О поддержке развития технологий искусственного интеллекта в Российской Федерации» от 26.07.2026г. № 243-ФЗ, в котором снова присутствует термин «искусственный интеллект», поэтому судебная практика должна будет неизбежно пополниться новыми случаями.
Просмотр кода зависимостей (чтобы вашему агенту не пришлось лазить в .m2)
Запуск тестов (полезно, если в вашей огромной монорепе мавен запускает тесты слишком медленно)
Иерархия классов, стек вызовов, переход к объявлению и так далее
Удобное окно для просмотра запросов и ответов MCP сервера
💪 Самое главное, разработчик плагина очень активно реагирует на ишью и быстро их закрывает, я лично открыл штук 5, на данный момент на гихабе только одна.
Также, у него есть плагин, дающий агенту возможность дебажить с помощью идеи, но я его не пробовал.
Сделал Laconian - agent skill, построенный вокруг принципа the shortest complete answer. Не самый короткий ответ вообще, а самый короткий из тех, которые остаются корректными и практически полезными.
Логика простая: сначала определить полный ответ, затем удалить только то, без чего не пострадают точность, безопасность, существенные факты, ограничения и требования пользователя.
Skill убирает приветствия, пересказ запроса, незапрошенное описание процесса, повторы и декоративные выводы. При этом сохраняет важные оговорки, неопределённость, нужную детализацию, код, команды, числа, URL и другие данные, точная форма которых имеет значение.
Вся пользовательская часть проекта — один файл SKILL.md. В нём нет скриптов, зависимостей, сетевых вызовов, дополнительных разрешений или привязки к инструментам конкретной платформы.
В репозитории также развивается открытый benchmark: Laconian сравнивается с baseline, обычной инструкцией Answer concisely. и Caveman. Инфраструктура уже работает, но публичных результатов пока нет — поэтому пока не заявляю о выигрыше в длине, качестве или стоимости раньше данных.
Представлен открытый проект vphone-cli для загрузки виртуального iPhone с помощью фреймворка Virtualization.framework от Apple, используя инфраструктуру виртуальных машин PCC Research.
Открытый проект How to Train Your GPT позволяет собрать свой ChatGPT с нуля. Это интерактивный учебник, в котором авторы изложили всю базу по нейросетям, их обучению, настройке, ИИ‑агентам и прочим полезным темам:
позволяет изучить, как нейросети превращают обычный текст в понятные им данные.
на примерах показано, как модели понимают связь между словами.
раскрыты современные технологии, которые используются в больших языковых моделях: RoPE, RMSNorm и SwiGLU.
показано, как модели учатся предугадывать каждое слово.
рассказано, как можно ускорить процесс обучения модели и заставить видеокарту работать быстрее.
можно собрать свою GPT‑модель.
Никакого мощного ПК не потребуется — модель будет на 17 млн параметров.
Также есть моделька на 151 млн параметров, эквивалентная GPT-2 Small.
Разные Qwen-ы для простого промпта "создай игру про динозавра как в google chrome". Все запущены локально на ноутбуке. Играбельной оказалась только версия qwen3.8 в режиме сильного размышления. Qwen coder тоже создал правильну игру по механике, но динозавр у него совсем не вышел! Все запуски LM-Studio + Cline + VSCode. По времени все модели завершали работу примерно за 5 минут, qwen3.8 high think - около 15 минут.
Когда говорят о пузыре на рынках, вызванном ажиотажем вокруг ИИ, часто забывают, как выглядел настоящий финансовый пузырь - например, тот, что сформировался в Японии в 1980-е годы одновременно на фондовом рынке и рынке недвижимости.
Давайте вспомним, что происходило на пике:
Ипотечные кредиты выдавались на 100 лет;
В 1991 году недвижимость в Токио стоила в 40 раз дороже, чем аналогичная недвижимость в Лондоне. Пожизненного заработка среднего офисного работника было недостаточно, чтобы купить даже небольшую квартиру в Токио;
Общая стоимость недвижимости в Японии в 1991 году оценивалась в 20 триллионов долларов, что было в 5 раз больше, чем в США, и в 2 раза больше, чем совокупная стоимость мировых фондовых рынков;
Якудза активно занималась заимствованиями, спекуляциями и часто работала рука об руку с инвестиционными банкирами. Один из главарей банды Сусуму Исии в 1987 году получил 50-кратную прибыль от своего инвестиционного фонда и использовал вырученные средства для строительства новой штаб-квартиры стоимостью 113 000 долларов за квадратный метр;
«Женщина-пузырь», Нуи Онуэ, была официанткой, ставшей владельцем ресторана, которая в 1987 году заняла примерно 2-3 миллиарда долларов для спекуляций на фондовом рынке и стала крупнейшим индивидуальным акционером многих крупнейших компаний в Японии. Она также была членом буддийского культа и проводила ночные сеансы, чтобы вызвать духов, которые помогли ей в размышлениях. Затем она сообщала брокерам, какие акции покупать или продавать на следующий день. Она обанкротилась в 1991 году и осталась должна 3 миллиарда долларов, когда рынок рухнул;
8 миллионов новых розничных инвесторов вышли на фондовый рынок во второй половине 1980-х годов, что почти на 60% больше, чем в первой половине;
Новоиспеченных богачей называли “синдзинруи” или “новые люди”, и они смотрели свысока на тех, кто работал за зарплату;
“Японцы не поймут, что их акции переоценены, пока они продолжают платить 300 долларов за стакан воды со вкусом виски в ночных клубах Гиндзы.” – английский биржевой маклер в Токио;
В течение десятилетия задолженность по кредитным картам увеличилась в 3 раза, общая задолженность потребителей увеличилась в 7,5 раза, а маржинальные кредиты выросли в 8 раз;
Возник пузырь членства в гольф-клубах. Членство стоило более 1 миллиона долларов, а общая стоимость членства в клубах в конце 1980-х годов оценивалась в 200 миллиардов долларов (с учетом инфляции сопоставимо с текущей капитализацией фондового рынка России);
Брокеры развили вторичный рынок членства в гольф-клубе, а банки кредитовали под залог членства в гольф-клубе;
Японский импорт иностранного искусства увеличился в четыре раза в 1986 году. Японская страховая компания заплатила 40 миллионов долларов за картину Ван Гога, превысив предыдущий рекорд, выплаченный за картину, более чем в 3 раза;
Некоторые картины, оцениваемые в несколько миллионов долларов, были “разделены” на лоты по 100 000 долларов для людей, которые хотели бы владеть “кусочком” картины.
Предметы искусства стали еще одной формой обеспечения, которую принимали банки в залог по кредитам, выдаваемых для спекуляций акциями или недвижимостью;
Рекорд по самой высокой цене за бриллиант (6,4 миллиона долларов) и книгу (5,9 миллиона долларов) был установлен в 1987 году японскими покупателями;
Японская культура консенсусного мышления создала социальные причины для того, чтобы не выражать пессимистических настроений по поводу происходящего. В сентябре 1990 года, когда японское телевидение, наконец, стало транслировать комментарии экспертов с «медвежьим» взглядом на рынок. Эксперты настояли на том, чтобы их лица были размыты.
На днях наткнулся на исследование Академии социальных технологий, которое мне захотелось разобрать, потому что по заголовкам цифры прям космические. Там говорится, что 75% опрошенных хотя бы в какой-то степени задумываются о смене работодателя.
Сразу сделаю оговорку: здесь я бы осторожнее относился к обобщению, потому что в опросе участвовало 870 человек, а подробной структуры выборки я не нашел.
Мне кажется, здесь может быть не только отношение к конкретному работодателю, но и общий фон усталости и неопределённости. Что еще важно, это то, что свое желание уйти люди не всегда могут реализовать, ведь на рынке труда сейчас высокая конкуренция среди соискателей (если вы не гений рабочей специальности и за вами не охотятся все промышленные компании). Но, чтобы убедиться, давайте воспользуемся данными Росстата и hh.
Так, в 1 квартале 2026 года из организаций, которые учитываются в статистике Росстата по движению работников, выбыло около 2,06 млн человек против 2,26 млн годом ранее. Получается, что общее число выбывших работников даже наоборот, снизилось примерно на 9%, но только уточню, что здесь всевыбытия работников, а не только по увольнения по собственному желанию.
А сложность с поиском работы мы посмотрим hh. В июле 2026 года активных вакансий было на 15% меньше, чем год назад, при этом активных резюме на 24% больше, и индекс hh где-то около 9 резюме на вакансию (это уже высокий уровень конкуренции среди соискателей).
И получается, что недовольных работой действительно может быть много. Это может быть усталость, выгорание или же раздражение от руководителя. И при всё этом, это желание сменить работу не может полностью конвертироваться в уход, когда банально альтернатив становится меньше.
И поэтому, на мой взгляд, цифра в 75% говорит скорее о накопившемся недовольстве сотрудников. Но для бизнеса это, возможно, даже более важный сигнал, потому как человек может физически быть в офисе, но делать лишь базовый минимум задач.
Об этом говорится и в результатах исследования: около 63% опрошенных говорят, что стали менее инициативными, а 28% стараются делать только то, что входит в их обязанности.
И кстати, как повышать производительность, если примерно такие же пропорции в компании могут быть по вовлеченным в работу сотрудникам - вопрос со звёздочкой.
Я регулярно разбираю такие темы в своём Telegram‑канале, если вам интересно глубже понимать аналитику, экономику и рынок труда, там регулярно выходят короткие заметки и обзоры актуальных событий.
Неопытный вайбкодер может создать приложение, где все пароли пользователей хранятся в открытом виде.
Неопытный пользователь может использовать один и тот же пароль на всех сервисах и не использовать двухфакторную авторизацию.
Неопытный хакер с помощью ИИ находит уязвимость в приложении и получает доступ к базе данных.
Пароль из базы даёт ему доступ ко всем сервисам, на которых зарегистрирован пользователь.
Эта проблема существовала всегда.
Но сейчас почти любой неопытный человек может создать приложение, а неопытный хакер может найти уязвимость в приложении.
При этом количество неопытных пользователей не поменялось. Только они теперь начали пользоваться навайкбоденными продуктами и подвергают себя большему риску, чем раньше.
Анализаторы кода легко и быстро умеют находить множество ошибок, не очевидных с первого взгляда. Попробуйте посоревноваться с PVS‑Studio в прозорливости!
Мы сделали новый квиз «Найдите ошибки в Go коде»!
Вас ждут 10 фрагментов кода, в которых наш анализатор нашёл ошибки. Все они взяты из известных Open Source проектов. Ваша задача — успеть найти ошибку за 60 секунд (не переживайте, фрагменты небольшие).
Время посоревноваться с анализатором! А потом можно и его проверить 😉
Продолжаю выносить объёмные ответы в посты... Текст в общем о тривиальных вещах. Даже странно, что пришлось объяснять.
Давайте возьмем определение свободы у самого RMS. В его известной фразе “free as in free speech, not as in free beer” - различие между свободой как политическим/этическим правом и бесплатностью. В контексте нашей дискуссии, RMS под свободой понимает именно первое. Это фундаментальное право.
Т. е. у нас есть свобода, как гражданское право и свобода потребительская. Зафиксируем эту важную мысль. И разберем первую свободу, а в конце я кратко остановлюсь на второй…
Свобода, как гражданское право , определяет либеральные основы современного демократического общества. Свободы принято разделять: Есть подмножество негативных свобод (свобода от): от произвольного ареста, от цензуры, от вмешательства в частную жизнь, от принуждения к труду или мнению. Есть позитивные права (свобода для): право избирать, право собираться, право петиций, право на справедливый суд. Так вот… Позитивные права без негативных свобод не действуют. Не имеет значение право собираться, если потом могут произвольно арестовать, не имеет значения право избирать, если действующая цензура не дает доступа к полной и достоверной информации для осознанного выбора. Но главное… Обеспечительным механизмом всех свобод являются люди. Не все… А активная часть сообщества: журналисты, активисты, волонтеры и прочие, кто обеспечивают трансформацию негативных свобод в позитивные права. И в большей части свобода слова или свобода от слежки нужна именно им. «Утверждать, что вам всё равно на право на частную жизнь, потому что вам нечего скрывать, — это то же самое, что сказать, что вам всё равно на свободу слова, потому что вам нечего сказать» Это как в анекдоте: — Учитель, разве нам пригодится тригонометрия в жизни? — Нет! Она пригодится умным мальчикам… Так вот большинство проживет и без приватности и без свободы слова. Но общество от этого будет деградировать. Именно об этом говорил Столлман. «Текущий уровень всеобщей слежки в обществе несовместим с правами человека. Чтобы восстановить нашу свободу и восстановить демократию, мы должны снизить слежку до точки, в которой разоблачители всех мастей смогут общаться с журналистами, не будучи обнаруженными» Это его прямая цитата… Именно поэтому: «мы должны считать слежку видом социального загрязнения». Но слежка ВЫГОДНА и удобна. И тут мы сталкиваемся с ещё одной свободой. Свободой потребления. Точнее симулякром свободы.
Исследователь общества потребления Бодрийяр утверждает, что внушение независимости свободы – базис общества потребления. И главной задачей системы становится не допустить реализацию этого в реальность«В целом система управляемой персонализации переживается огромным большинством потребителей как свобода. Только при критическом рассмотрении такая свобода окажется чисто формальной свободой личности, а персонализация обернется, по сути, ее бедой» В целом потребителю условно предлагают десятки сортов бесплатного пива, разлитого из одной бочки, но с разными ароматизаторами, добавками, крепостью и прочимиилегко меняемыми параметрами. И главное, это невозможно без отслеживания потребителя. Большинство современного нарушения приватности, так не любимого RMS, монетизируется именно через слежку за потребителем. В обмен нам дают не свободу, а иллюзию свободы.
RMS не просто против слежки как нарушения приватности. Он против слежки как инфраструктуры, которая делает невозможным существование подлинных альтернатив. Свободное ПО — это и есть «крафтовое пиво» в мире софта. Оно создаётся вне логики рынка, не требует ваших данных, не персонализирует вас, не предсказывает ваши желания. Оно просто работает и даёт вам контроль. Даже не контроль, а потенциальную возможность контроля. Ценную для большинства только потенциально. Оно часть инфраструктуры свободного общества.
Экономические бумы и пузыри часто сопровождаются чрезмерными инвестициями. Эйфория вокруг новой технологии или популярной идеи приводит к притоку значительных денежных средств. Однако по мере поступления в эту сферу всё новых инвестиций предельная отдача на капитал снижается.
Избыточные вложения способствуют созданию значительного запаса капитала в новой технологии, что может принести экономике существенную пользу. Однако это ещё не означает, что такие вложения окажутся выгодными - особенно для тех, кто присоединяется к инвестиционному циклу слишком поздно.
Не опоздал ли новый капитал к этому циклу? Однозначного ответа нет. Тем не менее очевидно, что далеко не весь капитал, устремившийся в погоню за доходностью, принесёт ожидаемую отдачу. Вероятно, для многих такие инвестиции завершатся крахом.
Строительство каналов и железных дорог, развитие новых технологий в 1920-е годы и бум доткомов - все эти периоды сопровождались огромными капиталовложениями. Однако для многих инвесторов доходность оказалась весьма ограниченной.
Открытый проект Refund4Freedom (GitLab) помогает пользователям ноутбуков и ПК с предустановленной Windows 10/11 вернуть деньги за переплату за лицензию.этих ОС в том случае, если покупатели компьютеров используют другие решения в качестве операционным систем:
У HP нет процедуры возмещения расходов на Windows. Несколько раз клиенты обращались в HP, но HP их игнорировала.
У Lenovo есть процедура возмещения расходов на Windows. Процедура возмещения расходов на лицензию Windows от Lenovo. ПК необходимо отправить в сервисный центр Lenovo.
У Asus есть процедура возмещения расходов на Windows. Отправлять ПК в Asus не нужно.
У Dell нет процедуры возмещения расходов на Windows. В условиях использования Dell, в статье 7.3, прямо указано, что в случае отказа в выдаче лицензии на операционную систему компьютер должен быть возвращён.
Acer предлагает процедуру возмещения расходов на Windows. Процедура возмещения расходов на лицензию Acer для Windows. ПК необходимо отправить в сервисный центр Acer.
ФСТЭК готовит новые требования к защите ИИ: как службе ИБ сохранить контроль
Использование ИИ в организациях становится отдельной задачей для информационной безопасности: вместе с новыми возможностями появляются требования к контролю ИИ-контуров, взаимодействия с моделями и защите данных.
ФСТЭК России предложила изменения в приказ №117. Если проект примут, с 1 марта 2027 года появятся дополнительные требования к защите ИИ.
Среди предлагаемых мер:
сетевая изоляция моделей;
многофакторная аутентификация;
применение принципа наименьших привилегий;
фильтрация запросов и ответов;
ограничение количества обращений к модели;
контроль функциональности ИИ.
При этом это не первые требования регулятора к ИИ. Уже сейчас организации должны определять границы ИИ-контура и его активы, устанавливать допустимые тематики контента, а также правила обнаружения и реагирования на события и инциденты.
Как службе ИБ сохранить контроль над ИИ? Один из практических вопросов — контроль взаимодействия между ИИ-приложением и языковой моделью: выявление чувствительных данных, доступ только к утверждённым моделям и передача событий ИБ в SIEM. Отдельная задача — контроль использования сотрудниками публичных ИИ-чатов, или Shadow AI.
Эти и другие вопросы защиты корпоративного ИИ разберём 10 сентября в 11:00 МСК на вебинаре «Корпоративный ИИ захватывает всё больше бизнес-процессов. Как службе ИБ сохранить контроль?»
Айдар Фатыхов, владелец продукта Innostage AIDR, и Александр Лебедев, старший ML-разработчик продукта Innostage AIDR расскажут:
как защитить коммерческую тайну и другие чувствительные данные при работе с ИИ;
почему события ИБ от ИИ-систем необходимо включать в процессы мониторинга, корреляции и расследования инцидентов;
какие требования к защите ИИ действуют сегодня и что предлагается изменить в приказе ФСТЭК России №117.
в практической части вебинара покажут сценарии защиты запросов и ответов LLM, утечки данных и контроля Shadow AI.
Юлий Гольдберг (GlowByte): Lakehouse — уже не экспериментальное направление
В интервью на РБК руководитель направления GlowByte Юлий Гольдберг рассказал о том, как меняется рынок СУБД в России, почему Lakehouse перестал быть экспериментом и какие барьеры остаются у отечественных вендоров.
Ключевое из интервью:
Рынок СУБД: от срочного импортозамещения к зрелости. Заказчики всё реже ищут просто «российскую альтернативу» — они выбирают платформу под архитектуру данных, аналитику и ИИ-сценарии. При этом многие крупные компании не торопятся отказываться от Oracle и MS SQL: лицензии постоянные, системы «вылизаны», а миграция — дорогой и долгий проект.
Главный тренд — переход к Lakehouse. Вместо монолитных СУБД (Oracle, Teradata) — разделение хранения (S3+Parquet/Iceberg) и систем обработки (Spark, Trino, Impala). Подход доказал состоятельность: GlowByte совместно с Data Sapience за три года реализовали более 15 проектов, крупнейшие — на несколько петабайт данных.
Архитектура усложняется, но становится гибче. СУБД в новой парадигме — это набор взаимодополняющих компонентов. Можно собрать ровно то, что нужно, и не платить за лишнее. Но нагрузка на архитекторов и DevOps‑инженеров растет в разы.
Главный барьер — размер рынка. Российский рынок СУБД небольшой по сравнению с мировым, экспорт технологий затруднен. Инвестиции в продукты несопоставимы с зарубежными. Почти все российские СУБД, кроме ClickHouse и Tarantool, базируются на open source, а риски смены лицензий (как в случае с Greenplum) сохраняются.
ИИ меняет требования к СУБД. LLM и AI-агенты работают с неструктурированными данными — текстами, картинками. Традиционные СУБД заточены под структурированную информацию, а Lakehouse с S3-хранилищем и набором движков обработки закрывает этот пробел.
Критерии выбора СУБД на 2027 год: стоимость владения, горизонтальное масштабирование для крупных компаний, managed‑сервисы для небольших игроков.
Российский рынок СУБД на сегодня — это рынок различных клонов Postgres. Как ни смотри, хоть в штуках, хоть в деньгах. И вряд ли что-то здесь изменится в ближайшем будущем, тем более что Postgres тоже не стоит на месте и развивается туда, куда ждут потребители, — в область поддержки ИИ (pgvector, например) или в сторону параллелизма вычислений. Если кто-то и бросает вызов, то в конкретных нишах — как, например, Lakehouse в аналитических задачах на больших объемах данных, — говорит Юлий Гольдберг, GlowByte.
Хороший код: как понять, что его будет удобно менять
Понятные имена, небольшие методы и аккуратное форматирование делают код проще для чтения. Но даже аккуратный файл может оказаться дорогим в работе, если небольшое изменение требует восстановить много контекста и затронуть несколько частей системы.
Вместе с Ринатом, iOS-разработчиком в Naumen, разбираемся, почему хороший код проверяется следующей задачей, как проявляется сложность изменений и на что стоит смотреть при оценке кода.
Код проверяется следующей задачей
Пока работа над задачей еще свежая, почти любой код кажется понятным. Автор помнит, почему вызовы стоят именно в таком порядке, какой случай обсуждали на ревью и что здесь собирались переделать позже. Коллеги тоже держат часть контекста в голове.
Так что даже не самое удачное решение какое‑то время не доставляет особых проблем.
Через полгода ситуация меняется: исходная задача давно закрыта, участники обсуждения заняты другими частями проекта, а другому разработчику нужно внести небольшое изменение.
Именно в этот момент становится понятно, насколько код вообще рассчитан на изменения.
Простая задача может оказаться дорогой
Одна из задач у нас на планировании звучала безобидно:
После ошибки авторизации запрос повторять не нужно, после временной сетевой ошибки — нужно, причем с увеличивающейся задержкой.
Само условие укладывается в несколько строк. Но сначала приходится выяснить, где на самом деле живет это правило: в сетевом клиенте, в сервисе авторизации, в middleware.
А еще нужно понять, не запускает ли часть повторов таймер внутри другого объекта и не зависит ли соседний сценарий от текущего порядка вызовов. В итоге сам код меняется быстро, но день уходит на восстановление картины вокруг него.
Смотреть нужно на изменение, а не на файл
У кода есть свойства, которые легко заметить сразу: понятные имена, небольшие методы, аккуратное форматирование и простая структура. Все это полезно, но само по себе еще не говорит, насколько удобно систему менять.
Можно открыть класс и довольно быстро разобраться в каждом его методе. А потом выяснить, что для добавления одного состояния нужно исправить еще четыре модуля, обновить несколько почти одинаковых преобразований данных и соблюсти порядок вызовов, который нигде явно не зафиксирован.
Файл может выглядеть вполне нормально, а изменение при этом оказывается дорогим.
Мне в этом контексте близко описание сложности изменений у Джона Оустерхаута. Он выделяет три характерных проявления.
Маленькая правка расползается по системе
Добавили поле в модель и приходится менять сетевой слой, хранилище, аналитику, несколько экранов и тестовые данные.
Иногда это естественная цена изменения контракта, а иногда — признак того, что одно знание размазано по проекту.
Для локальной работы нужно слишком много контекста
Чтобы поправить один обработчик, нужно знать устройство навигации, жизненный цикл экрана, особенности кэша и два исторических обхода старых ошибок.
Есть зависимости, о которых разработчик даже не знает
Они обнаруживаются уже после изменения. Например, перестановка двух вызовов отключает сетевую проверку: первый метод использует закэшированное состояние и завершает сценарий раньше времени.
Эти признаки полезнее многих разговоров о «чистом коде»: о длине метода можно спорить, а вот с последствиями изменения — сложнее.
Обычно я смотрю на три вещи
Сколько мест потребуется затронуть?
Сколько информации нужно восстановить перед работой?
Как быстро мы узнаем, что ошиблись?
Чем меньше ответ зависит от памяти конкретного человека, тем спокойнее живется проекту.
