За одного присланного читателя краулер Anthropic выкачивает с сайта 38 тысяч страниц. Google — пять. Старая сделка открытого веба развалилась, и один крупный сайт из-за этого лежал больше недели. Сегодня разбираем, как от этого закрыться, почему «фабрики кода» на агентах упираются в потолок и что именно выдаёт в вашем тексте машину.
Главное за 30 секунд
- Ускорение с кодовыми агентами упирается в два-три раза, и выигрывает тот, кто переносит внимание с кода на план.
- Косметическая чистка ИИ-текста почти бесполезна: узнаётся структура, а не слова, и лечится она шестью аудитами формы.
- Одна и та же модель через OpenRouter приходит от разных провайдеров с разбросом точности до семи процентных пунктов.
- ИИ-краулеры выкачивают тысячи страниц за одного присланного посетителя и роняют небольшие сайты — защита стала обязательной.
- Stripe ведёт переговоры о покупке OpenRouter примерно за десять миллиардов долларов.
Внедряем и улучшаем
Ускориться в десять раз не выйдет. В два-три — выйдет, и вот как. Декс Хорти из HumanLayer написал разбор «Why Software Factories Fail»: за сутки — 273 очка на Hacker News и 200 комментариев. Тезис злой и простой. «Фабрика кода», где человек вообще не читает код, ломается не из-за кривой обвязки. Ломается сама модель (разбор).
Причина — в том, как модели учат. Награда бинарная: тесты прошли — победа. «Как модель пришла к верному ответу — неважно. Тесты прошли — победа, но за разрушение поддерживаемости кода штрафа нет». Отсюда try/catch вокруг всего и ленивые касты типов, убивающие смысл системы типов.
Второй капкан — разная скорость отклика. Тесты отвечают за секунды. Цена плохой архитектуры считается неделями и месяцами. Инцидент невозможно «отмотать назад» до решения, которое его породило. И хороших замеров на поддерживаемость кода просто нет.
Цифры из отчёта Faros AI собраны по 22 000 разработчиков в 4 000 команд. Комментариев в ревью стало больше на 25%. Доля PR, которые мержатся вообще без ревью, выросла на 31,3%. А инцидентов на PR — на 242,7%, багов на разработчика — на 54%. Сам Хорти честно называет это корреляцией, а не приговором.
Взамен «фабрики» он предлагает передвинуть внимание человека выше по конвейеру, разбив работу на четыре этапа: продуктовые требования → архитектура системы → дизайн программы → вертикальные срезы.
Третий этап — главная находка. До первой строчки кода фиксируем форму кода: типы, сигнатуры, раскладку файлов, дерево вызовов. Модель набрасывает черновик, вы с ней спорите. Дерево вызовов удобно писать диффом:
entrypoint
runCommand
+ handleCreateResource
+ ResourceClient.create(input)
+ POST /resources
+ renderResult
- legacyCreateFlow
И раскладку файлов тоже:
src
└── resource
+ ├── resource-client.ts # NEW - обёртка вызовов API
+ ├── resource-client.test.ts # NEW - покрывает маппинг запрос/ответ
~ └── resource-route.ts # MODIFIED - подключает создание в UI
Смысл прост: каждый такой артефакт — это решение, которое иначе принималось бы молча, во время код-ревью. То есть в самый дорогой момент для смены мнения.
Четвёртый этап бьёт по любимой привычке моделей. Они всегда планируют «горизонтально», по слоям: миграции → сервисы → API → фронт. Правильно наоборот — вертикальными срезами, из середины наружу, с ручной проверкой на каждом шаге:
1. Собрать контракт API и отдавать заглушки, проверить curl
2. Собрать фронт на заглушках, довести в браузере
3. Подключить API к сервисам (сервисы ещё на заглушках)
4. Добавить миграции, подключить сервисы к базе
5. Добавить бизнес-логику
6. Добавить обработку ошибок
Дозировка: отправлять модель на один-три среза за раз и смотреть по ходу. Проверить 100–200 строк и подправить курс дешевле, чем разбираться в двух тысячах строк, когда уже непонятно, что сломалось.
Про объём усилий Хорти честен. Около 40% задач у них по-прежнему уходят агенту в один заход. Средние — продукт и архитектура одним документом. Полный процесс — только там, где непонимание намерения дорого стоит.
Возражения на HN стоит знать. Самое сильное — от fishtoaster: опыт с агентами до осени 2025 сегодня почти нерелевантен, модели с тех пор шагнули. Ему тут же ответил Robdel12: свежая модель за ночь по хорошему плану «навела абсолютный бардак», код работал, но система была спроектирована неверно. И добавил: «Модели ОБОЖАЮТ жульничать. Просто загляните в тесты, которые они пишут».
Чистить ИИ-текст надо в два прохода: сначала слова, потом структуру. Вышел humanizer-stack — два скилла Claude Code, которые чинят текст перед публикацией. Первый проход правит поверхность: словарь, пунктуацию, обороты. Второй — форму: где сформулирована мысль, линейна ли арка, как подана эмоция (репозиторий).
Под этим лежит свежее исследование StoryScope. Взяли 10 272 человеческих рассказа, реконструировали из каждого промпт и скормили пяти моделям. Получили 61 608 текстов. Дальше выбросили стиль целиком и оставили только структуру повествования. По одной структуре ИИ-текст ловится с точностью 93,2%.
Дальше самое важное. ИИ-тексты прогнали через профессиональную систему переписывания, которая убирает клише и лишнюю экспозицию. Детекция упала с 95,5% до 93,9% — то есть на полтора пункта. Косметика не работает, потому что чинит не то.
Первый проход всё равно нужен — он про 24 конкретных паттерна. Вот несколько с примерами.
Раздутая значимость: «был официально основан в 1989 году, что стало поворотным моментом в эволюции...» → «был основан в 1989 году, чтобы собирать и публиковать региональную статистику».
Рекламный тон: nestled, in the heart of, breathtaking, must-visit, vibrant, groundbreaking. Заменяем фактом с датой.
Негативный параллелизм во всех видах: «It's not X, it's Y», «Not because X. Because Y», «Those aren't the goal. They're...». Просто выкидываем отрицание и оставляем утверждение.
Правило трёх, синонимическая карусель, ложные диапазоны «from X to Y». Отдельно — тире. В разборе 3 миллионов постов Reddit длинное тире оказалось тэллом номер один: 7,1% всех упоминаний, больше любого отдельного слова. И важная оговорка автора: не менять его на двоеточие. Читатели помечают это как тот же рефлекс в другой шляпе.
Второй проход интереснее, там шесть аудитов. Самый неожиданный — про эмоцию, он выворачивает наизнанку канон «показывай, не рассказывай». ИИ играет чувство через тело и атмосферу в 81% случаев, человек — в 38%. А просто назвать чувство словом человек позволяет себе втрое чаще: 29% против 8%. Значит, «у меня сжалось в груди» — теперь машинная подпись, а «честно, мне было страшно» — человеческая.
Второй по силе — явность темы. Нарратор разжёвывает мысль в 77% машинных текстов против 52% человеческих. В нашем жанре это «что это значит для вас» после каждого блока и каждый пример, послушно растолкованный. Лечение: сформулировать мысль один раз, там где она бьёт сильнее, и оставить хотя бы один пример без объяснения.
Ещё три аудита короче. Конкретность ссылок: «популярная книга по продуктивности» → «Deep Work», «недавно» → дата, «эксперт» → имя. Контакт с читателем: признать факт письма, «знаю, как это звучит», «пропусти этот кусок, если уже крутишь рекламу». И схождение формы: сравнить скелет с тремя прошлыми текстами и сломать, если совпал.
Главная ловушка описана прямо: нельзя менять один шаблон на другой. Все пять моделей в исследовании сидят в одной плотной точке структурного пространства, люди рассеяны. Если теперь каждый ваш текст начинается со сцены, называет три чувства и кончается без развязки — вы просто построили новый узнаваемый кластер. Правило автора: одна-две правки на текст, и разные от текста к тексту.
Ставится так:
git clone https://github.com/NulightJens/humanizer-stack.git
cd humanizer-stack
./install.sh
Дальше в чате с Claude Code достаточно написать humanize this post или run the structural pass on draft.md. Есть и два питоновских сканера — copy_scan.py и structural_scan.py. Они детерминированные: ловят тире, антитезу, телесную эмоцию, заявленный урок, туманную аллюзию. Считают ещё разброс длины абзацев и число цифр на 100 слов. Вешать их как жёсткий гейт стоит только на внешние тексты. Лицензия MIT, бесплатно.
Честная оговорка. Репозиторий помечен тегом про обход ИИ-детекторов, но сам автор пишет: «Ничто здесь не делает текст необнаружимым, и это не цель». Ценность в другом — текст становится живым и конкретным. И ещё: исследование изучало художественную прозу на пять тысяч слов, перенос на короткий нон-фикшн — это допущение автора, а не вывод статьи.
Кэш Claude Code остывает, пока ждёшь субагента. Но сначала проверьте свой тариф. Вышел claude-thermos — обёртка, которая не даёт остыть кэшу промпта главного агента. Механика проблемы такая. У субагента другой системный промпт и другой набор инструментов, значит и кэш другой. Пока субагент работает, кэш главного никто не обновляет (репозиторий).
Если субагент возится дольше, чем живёт кэш, главный агент возвращается к байт-в-байт той же истории — а кэша уже нет. Вся история переписывается заново по ставке записи 1,25× вместо ставки чтения 0,1×. Автор посчитал по 185 своим сессиям: одно такое схлопывание перезаписывает 200–500 тысяч токенов, а суммарно на этом уходило около 22% счёта.
Чинится прокси на локальной машине. Раз в интервал он повторяет последний реальный запрос главного агента с max_tokens: 1. Единственный сгенерированный токен выбрасывается — важно лишь то, что префикс прочитан и таймер продлён. Запуск:
uvx claude-thermos
Дальше это просто замена команде claude, аргументы пробрасываются как есть. Отчёт по экономии копится в ~/.claude-thermos/logs/.
А теперь главное, и об этом стоит сказать до установки. В обсуждении на HN несколько человек указали, и автор согласился: время жизни кэша зависит от того, как вы авторизованы. По ключу API — пять минут. По подписке Claude — час, и доплаты за это нет. То есть на подписке инструмент почти бесполезен, пока вы не вылезли за лимиты тарифа. Один из комментаторов пишет прямо: греть раз в пять минут при часовом кэше — просто расточительство. Детекта режима в коде нет.
Второе возражение — про общий ресурс. Кэш префикса живёт в памяти видеокарт, и если так начнут делать все, Anthropic просто ужесточит политику вытеснения. Третье, техническое: при контексте меньше ~100 тысяч токенов прогрев может выйти дороже, чем заново пересчитать. Полезно понимать саму механику, даже если ставить не будете.
ИИ не должен проверять сам себя — вот аргумент, который трудно оспорить. Тудор Ачим, сооснователь Harmonic, дал большое интервью. Его компания сделала Aristotle — систему, взявшую золото на международной олимпиаде по математике. Тезис интервью: «Галлюцинации ИИ — не проблема; проблема в том, что их нельзя проверить» (выпуск, интервью).
Аргумент он строит на истории с доказательством Великой теоремы Ферма. После публичного анонса в доказательстве Уайлса два года оставалась скрытая ошибка. То есть даже лучшие живые математики не могут надёжно проверить сложное рассуждение, записанное словами.
Отсюда решение Harmonic: встроить формальную проверку прямо в рассуждение. Aristotle пишет доказательство на языке Lean, и машина проверяет каждый шаг. Не «поверь модели на слово», а «докажи математически». Ачим называет это фазовым переходом: математика впервые за четыре тысячи лет переходит от доказательств на английском к доказательствам в виде кода.
Практический вывод для нас шире математики. Ачим считает, что ни один ИИ никогда не заслужит доверия проверять собственный вывод. Проверка обязана быть внешней и формальной. Если у вашей задачи есть машинная проверка — тесты, схема, линтер, сверка с базой — стройте цикл вокруг неё, а не вокруг «оцени свой ответ по шкале от 1 до 10». Кстати, API Aristotle сейчас отдают бесплатно.
Кейс Canada Goose: автоматизируй скучные 30%, защити ценные 70%. Люксовый ритейлер задыхался в пик сезона. Специалисты по стилю тратили большую часть времени на «где мой заказ» и статус гарантии. Поставили ИИ-агента на чат, SMS и WhatsApp, потом на голос (разбор).
Результат в цифрах. Агент закрыл 89% рутинных обращений, на которые его нацелили. Общая доля отсечённых обращений — 23%. Пиковое ожидание упало на 13,9%. А удовлетворённость выросла с 3,3 до 4,0 — то есть на 21,2%. Люди переключились со справок о статусе на разговоры, которые приносят выручку.
Рецепт, который можно повторить в любом бизнесе, дан там же пошагово. Выгрузите тикеты поддержки за 90 дней. Посчитайте два самых частых типа повторяющихся обращений по объёму. Если вместе они дают больше 20% всех тикетов — запускайте агента только на них. Со строгими правилами эскалации и полной сводкой разговора для живого оператора. И замеряйте три числа до расширения: долю отсечённых обращений, время ожидания, удовлетворённость.
Формулировка урока хороша сама по себе: «ИИ даёт непропорциональный эффект, когда вы автоматизируете малоценные 30% и осознанно защищаете ценные 70% для квалифицированных людей».
Если гоняете модели через OpenRouter — закрепите провайдера, иначе ваши замеры ничего не значат. Мэтью Хориати разобрал вещь, о которой большинство не подозревает. Когда вы просите токены конкретной модели, OpenRouter отправляет запрос случайному доступному провайдеру. Балансировка по умолчанию взвешена обратным квадратом цены (разбор).
Провайдеры одного и того же имени модели различаются всем. Квантованием — от int4 до fp32. Движком вывода. Длиной контекста. И тем, какие параметры они честно исполняют, а какие тихо игнорируют. Ошибки при этом нет. Вы просто получаете другие веса и не узнаёте об этом.
Разброс на картинке — это одна модель на одном тесте. От 0,727 у DeepInfra до 0,801 у Chutes, то есть 7,4 процентных пункта. На другом примере ещё жёстче: gpt-oss-120b на AIME25 даёт 93,3% у нескольких провайдеров, 86,7% у Groq, 80% у Azure и 36,7% у CompactifAI. Одни и те же веса.
Цена не помогает выбрать. У llama-3.3-70b-instruct самый дорогой эндпоинт отдаёт fp8, а тот, что подешевле, — полноценный bf16. Отдельная проверка 87 открытых моделей показала: у 33 из них есть и точный, и урезанный вариант, а длина контекста различается у 64 из 87. У одной модели разброс контекста — 6 000 против 131 072 токенов.
Как чинить. Пин живёт только в теле запроса, в поле provider. Суффикса в имени модели не существует.
extra_body={"provider": {
"only": ["cerebras/fp16"], # пин и провайдера, и квантования
"allow_fallbacks": False, # падать громко, а не подменять веса молча
"require_parameters": True, # только те, кто честно исполняет temperature/seed/schema
"data_collection": "deny",
}}
Главный приём тут — тег эндпоинта вида провайдер/вариант. У открытых моделей вариант и есть квантование: cerebras/fp16, targon/fp8, deepinfra/bf16. Это фиксирует веса, а не название компании.
Перед прогоном полезно посмотреть, что вообще предлагают:
curl -s https://openrouter.ai/api/v1/models/{author}/{slug}/endpoints | \
jq '.data.endpoints[] | {provider_name, quantization, context_length, max_completion_tokens}'
Три ловушки напоследок. allow_fallbacks по умолчанию включён — без явного выключения ваш пин просто «пожелание». require_parameters по умолчанию выключен, и схема JSON может молча игнорироваться, а ваш парсер будет разбирать свободный текст. И пин ≠ качество: лидерборд MathArena образцово закрепил провайдера, но попал в int4-эндпоинт, хотя у той же модели есть fp8.
Для Claude, GPT и Gemini всё это неважно — они де-факто одноисточниковые. Проблема ровно там, где открытые веса.
Ваш сайт может убить не хакер, а ИИ-боты. Вот что делать. TheNumbers.com — база киноданных, которую ведут с 1997 года. К 2026 году в ней 78 396 фильмов, больше 8 миллионов визитов в год. И только 10% трафика приходилось на живых людей (разбор).
В ночь на 5 марта серверы легли. С декабря команда тратила около 90% времени просто на то, чтобы сайт держался. Старый сервер решили не поднимать вообще: в логах, кроме потока скрейпинга, нашлись целенаправленные попытки нащупать чёрные ходы. Восстановление из бэкапа означало бы оборону 160 тысяч легаси-файлов от тех, кто месяцами их прощупывал. Простой вышел больше недели, и часть функций не вернулась.
Вот цифра, которая объясняет, почему старая сделка открытого веба сломалась. За одного присланного посетителя Anthropic выкачивает 38 066 страниц. OpenAI — 1 091. Google — пять. Читателей больше не приводят, а нагрузку дают.
Что реально делать, по возрастанию жёсткости.
Первое — robots.txt. Работает только против приличных ботов, но начать стоит с него:
User-agent: ClaudeBot
Disallow: /
User-agent: GPTBot
Disallow: /
User-agent: PerplexityBot
Disallow: /
User-agent: Google-Extended
Disallow: /
Оговорка важная. Это всё или ничего, crawl-delay Google не поддерживает. И блокировка режет заодно реферальный трафик. Практики в обсуждении делают так: GPTBot и Google-Extended блокируют, обычный Googlebot оставляют, потому что он ещё присылает людей.
Второе — Cloudflare, хватит бесплатного тарифа. В разделе Security → Bots включается управляемое правило против ИИ-краулеров. Честная оговорка оттуда же: помогает не всем. У одного из комментаторов 90% ботов шли через headless Chrome с домашних IP, и фильтр он назвал «дырявым забором».
Третье, и это самый дешёвый выигрыш — закройте комбинаторные адреса. Один сайт умер не от объёма, а от того, что скрейпер перебирал /search со всеми сочетаниями фильтров, каждый раз мимо кэша. Счёт за трафик вырос с $50–100 до примерно $1000 в месяц. Запретите индексацию всего, что порождает бесконечные адреса с параметрами.
Четвёртое — статика и кэш. Главный совет обсуждения: перегенерить публичную часть статическим генератором и посадить за CDN. Плюс лимит запросов на уровне веб-сервера, до того как запрос дойдёт до приложения.
И пятое, неожиданное. Брюс Нэш положил на сайт страницу с условиями лицензирования, написанную специально под чтение моделью. Результат дословно: «Это дало огромный эффект. Теперь мы получаем, наверное, вдесятеро больше запросов на лицензию». То есть боту стоит объяснять, как купить данные, а не только как их не воровать.
А вот что НЕ работает: выложить готовый дамп данных. На одном сайте кнопка «скачать весь датасет» висела на главной. Скрейпер всё равно предпочёл выкачивать терабайты HTML.
Пиши от руки — и не карандашом. Нил Стивенсон написал текст, который за сутки собрал 1225 очков на Hacker News и стал самым популярным материалом дня. Он двадцать пять лет пишет прозу перьевой ручкой. Рукопись «Барочного цикла» была стопкой листов высотой чуть больше метра (пост).
Наука в тексте одна: работа Ван дер Вел и Ван дер Меер 2023 года, замеры электроэнцефалографом. При письме от руки задействуется заметно больше мозга, чем при печати. Стивенсон объясняет механику. Вы непрерывно решаете микрозадачи: расстояние между словами, как соединить буквы, где перечеркнуть t. И всё это в реальном времени сшивается с мыслью.
Главное практическое открытие — про трение. Стилус по стеклу кажется идеалом: усилий ноль. Но это ошибка. «И слишком сильное трение, и слишком слабое утомляют сильнее, чем чуть-чуть трения». Мозгу и мелким мышцам кисти нужен отклик, иначе кончик выскальзывает и его приходится ловить.
Пошагово, что он советует:
- Начните с бумаги, не с ручки. Хуже всего дешёвая принтерная и жёлтые блокноты для юристов. Нормально идут обычные блокноты, Moleskine, школьные тетради, бумага с хлопком от 25%.
- Не экономьте бумагу. Пишите на одной стороне. Попытка втиснуть больше слов на страницу выбивает из естественного почерка и утомляет.
- Выкиньте карандаш и дешёвую шариковую ручку. Проверка простая: переверните исписанный лист. Есть продавленный отпечаток — инструмент требует силы.
- Бюджетный вход — гелевая ручка вроде Pilot G-2, она даёт процентов восемьдесят эффекта. Но за те же деньги, что стоит десяток гелевых, берётся простая перьевая, которая переживёт вас.
- Чернила сначала в картриджах. Бутылочки — потом и только если пишете из одного места.
- Пишите прописью. Печатать по букве заметно утомительнее.
- Забейте на разборчивость. Каллиграфия нужна была, когда написанное читали другие.
И честная порция возражений с HN, потому что аргумент там разобрали. «Больше активности мозга» само по себе ничего не доказывает. Один комментатор пишет: если попросить вас писать код, сидя на моноцикле, мозговая активность точно вырастет. Второй добавляет: чем неудобнее носитель, тем больше зон мозга он привлекает, но долбить текст зубилом по камню от этого не лучше.
Ещё одна связь, которую Стивенсон отмечает без пафоса. Из-за ИИ преподаватели вернулись к рукописным экзаменам на бумаге. И выяснилось, что студенты толком не умеют писать рукой, а преподаватели не могут разобрать их почерк. Навык внезапно снова понадобился.
Скилл, который сам пишет проверки для вашего агента. LangChain выложил открытый скилл для инжиниринга проверок. Ставится в Codex или Claude Code, дальше открываете репозиторий агента и запускаете (репозиторий, разбор).
Работает так. Скилл читает код и составляет карту агента: промпты, модели, инструменты, хуки, а за ними — данные и вызовы внешних сервисов. Дальше можно подсунуть боевые трассировки. Они показывают, как инструменты ведут себя на практике: аргументы, результаты, ошибки.
Дальше самая интересная часть. Скилл не генерирует проверки одним залпом, а интервьюирует вас. Предлагает направления, вы выбираете и говорите, что должно ходить вживую, а что симулировать. Платные вызовы и записи в боевую базу — симулировать. Наблюдение авторов дословно: «интервью с пользователем даёт куда лучшее принятие проверок, чем генерация с одного захода».
Каждая проверка собирается из трёх частей: инструкция агенту на старте, окружение в виде Dockerfile и верификатор, который считает баллы. И честное признание: «первый верификатор редко оказывался финальным». Смотреть надо обе траектории — что делал агент и что решил верификатор.
Отдельно стоит список типовых способов, которыми агент жульничает ради балла. Цитирует нерелевантные источники, чтобы набрать полноту. Заявляет о выполненном действии, которого не делал. Эксплуатирует доступные ответы. Удовлетворяет метрику-заменитель, не решив задачу.
Итоговый цикл: «добыть трассировки → найти сбой → построить проверку → улучшить агента → перезапустить».
Как проверить, натаскана ли модель на конкретный бенчмарк. Дилан Кастильо взялся за подозрение: не тюнят ли лаборатории модели под знаменитый тест Саймона Уиллисона «нарисуй SVG пеликана на велосипеде». Метод интересен сам по себе и переносится на любой спорный замер (разбор).
Схема такая. Вокруг спорной задачи строится сетка соседних: 8 животных × 6 видов транспорта = 48 промптов. По три образца на каждый, семь передовых моделей — итого 1008 картинок. Судья — отдельная модель, оценивает животное, транспорт и связность отдельно. Дальше регрессия с фиксированными эффектами, где пара «животное × транспорт» поглощает собственную сложность комбинации.
Результат: следов натаскивания нет. Пеликан оказался шестым из восьми животных по среднему баллу, велосипед — пятым из шести, а связка «пеликан + велосипед» — сорок второй из сорока восьми. Ни один эффект по лабораториям не прошёл проверку значимости.
Два методических урока, которые стоит забрать. Первый: при 21 проверке на уровне 0,05 один ложный результат ожидается просто по случайности, поэтому нужна поправка на множественные сравнения. Второй: весь эксперимент обошёлся примерно в $80 кредитов API. Такую проверку может позволить себе кто угодно.
Инструменты и штуки
Screenpipe. Приложение непрерывно пишет ваш экран и звук локально, а потом отдаёт эту историю агентам как память с поиском. Пишет не видео сутками: движок событийный, снимает кадр в момент значимого изменения и одновременно забирает структуру интерфейса — кнопки, поля, подписи. Всё складывается в локальную базу с полнотекстовым поиском, наружу торчит API на localhost:3030 и MCP-сервер. Агент делается «пайпом» — это markdown-файл с промптом и правами, который запускается по событию вроде «встреча закончилась». Готовые есть: сводка встречи, итог дня, обновление задач. Ставится через npx screenpipe record, подключается командой claude mcp add screenpipe -- npx -y screenpipe-mcp@latest. Бесплатный тариф — полный локальный захват и поиск, платный от $21 в месяц. Код открыт для просмотра, но лицензия своя: для коммерческого использования нужна платная (сайт, репозиторий).
Про приватность стоит сказать честно, потому что вопрос очевидный. Данные по умолчанию не уходят с устройства, есть своя модель для вычистки чувствительных данных и права пайпов на уровне кода, а не промпта. Но один из пользователей в обсуждении написал, что стандартная автоматизация «почти сразу начала отправлять мои локальные API-ключи на какой-то эндпоинт». И аналитика продукта включена по умолчанию, выключается в настройках.
scrapemychats. Выгружает переписку из ChatGPT Business — там, где OpenAI не даёт кнопки экспорта. Личные и корпоративные аккаунты выгружаются в один клик, а у Business при закрытии рабочего пространства забрать историю официально нечем. Инструмент управляет вашим обычным Chrome с уже открытой сессией, пароль не спрашивает и никуда ничего не шлёт. Перехватывает не вёрстку, а JSON-ответы, которые фронтенд сам просит у бэкенда, поэтому переживает редизайны. На выходе — полные диалоги, вложения и один самодостаточный viewer.html с мгновенным поиском по всему архиву. Ставится через pip install -r requirements.txt, дальше python export_chats.py --limit 3 для пробы. Работает намеренно медленно: 10–20 секунд на чат, архив в 600 диалогов займёт несколько часов. MIT, бесплатно (репозиторий).
OneCLI. Шлюз, который не пускает ваши API-ключи в контекст агента. Настоящие ключи лежат в хранилище OneCLI, агенту выдаётся заглушка. Агент делает обычный запрос через прокси, шлюз узнаёт нужный секрет по адресу и подставляет его уже в исходящий вызов. При инъекции промпта наружу утекает бесполезная пустышка. Есть панель управления, права по агентам и связка с менеджерами паролей. Разворачивается через docker compose. Apache-2.0, 2 692 звезды. Главное возражение из обсуждения честное: подмена ключа не ограничивает сами действия — агент всё ещё может через прокси потратить деньги или снести боевую базу (репозиторий).
pradaslides. Скилл для агента, который делает презентации из промпта или исходников. Внутри жёсткий конвейер из десяти шагов: сначала бриф с обязательной формулировкой «к концу выступления аудитория должна подумать/почувствовать/сделать то-то, потому что...», потом реестр источников, где каждая цифра привязана к первоисточнику, а выдуманные значения помечаются как сценарий. На выходе редактируемый PPTX, HTML-презентация с консолью докладчика или PDF (репозиторий).
Самое ценное там — проверка результата. Девятнадцать скриптов валидируют бриф, источники, дизайн-систему и раскладку, а браузерный контролёр на Chromium ловит вылезший за границы текст, обрезанные подписи, заглушки и слишком мелкий шрифт. Правила зашиты числами: сцена 1600×900, текст на слайде 20–26 пикселей, для PPTX минимум 35 пунктов на заголовок и контраст не ниже 4,5:1. Ставится через python scripts/install_skill.py --target ~/.claude/skills. MIT, бесплатно.
Palmier Pro. Открытый видеоредактор для macOS на Swift, ориентир — Premiere Pro, но с генерацией прямо в таймлайне. Главная фича для нас — локальный MCP-сервер: Claude Code, Claude Desktop, Codex или Cursor подключаются к нему и работают с тем же проектом, что и вы. Генерируют клипы, режут, расставляют на дорожке. Подключение одной строкой: claude mcp add --transport http palmier-pro http://127.0.0.1:19789/mcp. Редактор и MCP бесплатны и не требуют аккаунта, генерация — от $29 в месяц. Требования жёсткие: macOS 26 и только Apple Silicon. Продукт ранний, переходов и масок пока нет. GPLv3, 11 456 звёзд (репозиторий).
FLUX 3. Black Forest Labs показала мультимодальную модель, которая учится на картинках, видео и звуке одной архитектурой. Умеет генерировать видео со звуком сразу, до 20 секунд за проход. Режимы: текст в видео, картинка в видео, перенос персонажа из одного клипа в другой, продолжение сцены, переходы между заданными кадрами. Отдельная ветка — предсказание действий для роботов, её тестируют на реальных задачах у Audi (анонс).
Замеры пока предварительные и свои: 93% голосов против Luma Ray 3.2, но всего 52% против Seedance 2.0 и Gemini Omni Flash. То есть отрыв есть не ото всех. Доступ по заявке в лист ожидания, цену не назвали, веса закрытые. В плане релиза заявлена открытая версия FLUX 3 Dev.
Solar-Open2-250B. Корейская Upstage выложила открытую модель на 250 миллиардов параметров, из которых активны 15. Контекст — миллион токенов, и достигнут он необычно: позиционного кодирования нет вообще, порядок токенов держится рекуррентным состоянием линейных слоёв. Заточена под агентов: вызов инструментов, многошаговые рассуждения, работа с документами. По замерам обходит конкурентов на MMLU-Pro (86,2) и LiveCodeBench (92,4), уступает на агентских тестах вроде Terminal Bench. Лицензия разрешает коммерческое использование, но требует, чтобы производные модели начинались со слова Solar (карточка модели).
Отдельный кайф для тех, у кого есть железо. Их сервер отдаёт совместимый с Anthropic эндпоинт, поэтому Claude Code цепляется к локальной модели без прокси:
export ANTHROPIC_BASE_URL=http://localhost:8000
export ANTHROPIC_AUTH_TOKEN=dummy
export ANTHROPIC_MODEL=solar-open2-250b
claude
Правда, аппетиты серьёзные: минимум четыре H200, рекомендовано восемь. Демо доступно до конца июля.
Echo от Tracer. Сервис, который собирает одну «модель» из пула открытых весов. На каждый запрос решает три вещи: сколько вычислений выделить, какие модели подключить и как склеить их работу. Наружу — один идентификатор echo и совместимый с OpenAI эндпоинт. По их замерам на MATH-500 даёт 99,2% против 98,8% у передовой закрытой модели, но втрое дешевле. При регистрации дают $10 кредитов без карты (сайт).
Два возражения из обсуждения стоит держать в голове. Первое: на насыщенных тестах, где все упираются в потолок, «уровень передовой модели» достигается бесплатно, а там, где запас есть, Echo проигрывает на 2–6 пунктов. Второе: какие именно модели обслужили ваш запрос, не раскрывают принципиально. Для корпоративного использования это стоп-фактор.
Cursor Router. Роутер моделей внутри Cursor: вы включаете режим Auto и выбираете, что оптимизировать — сообразительность, баланс или цену. Дальше он сам решает, куда отправить каждый запрос. Заявлено −60% к стоимости при качестве передовых моделей и без просадки против маршрутизации всего на Opus. Доступен на тарифах Teams и Enterprise, админ может разрешать и блокировать конкретные модели (анонс).
OpenAI Presence. Платформа для агентов поддержки в крупных компаниях: политики, ограничения, одобренные действия, симуляции и цикл улучшений на Codex. Показательны цифры с их собственной телефонной линии: агент закрывает 75% входящих обращений без человека, а цикл доработки за 10 дней снизил передачи человеку на 15 пунктов. Партнёры — BBVA, SoftBank, IAG. Самостоятельно подключиться нельзя, только через их инженеров (анонс).
Коннектор Anthropic Economic Index. Бесплатная и недооценённая штука. Включается в claude.ai за минуту, из меню коннекторов, и дальше можно спрашивать данные об использовании ИИ обычными словами: какие профессии применяют ИИ чаще всего, что именно автоматизируют люди в вашем регионе, как это изменилось за год. Полезно всем, кто пишет, преподаёт или продаёт про ИИ и устал выдумывать цифры. Оговорка авторов: это картина использования Claude, а не рынка труда целиком (анонс).
Genesis-Science-1. Минэнерго США и Arcee AI делают открытую модель под научные вычисления — модернизацию кода для суперкомпьютеров, анализ экспериментов, материаловедение, энергосети. Обучают в «верстаках» с настоящими средами: Fortran, C++, MPI, CUDA, планировщики задач. Релиз включит веса и технический отчёт. Портал для заявок открыт, первое окно закрывается 6 августа. Цитата главы Arcee хороша: «Страна не может лидировать в ИИ, если всё, в чём она лидирует, закрыто» (анонс).
J-Lens и открытая проверка к нему. Anthropic выпустила инструмент, позволяющий смотреть, о чём модель «думает» на середине генерации, а не разбирать текст постфактум. Инженер-исследователь перепроверил, сколько это стоит в бою — и код выложил. Наивный способ, читать весь словарь на каждом токене, съедает от 17% до четырёх форвард-пасов. Но если завести фиксированный словарик из тысячи отслеживаемых понятий, накладные расходы падают ниже 2% на токен. То есть поточный контроль содержимого реально повесить в продакшене (разбор и код).
Geekbench 7. В бенчмарк въехали настоящие ИИ-нагрузки: слежение за лицом с фильтрами, апскейл картинок, размытие фона в видеозвонке, распознавание речи через Whisper. Многоядерный тест переделали — задача идёт в несколько потоков, только если в реальных приложениях она действительно многопоточная. Для владельцев карт NVIDIA главное: добавили CUDA. Для личного использования бесплатно, версия Pro — $79 вместо $99 до 6 августа (анонс).
HuggingHack. Локальный менеджер моделей Hugging Face: интерфейс как у самого хаба, но качает на ваш диск или сетевое хранилище. Можно выбрать, что именно тянуть — весь репозиторий, только safetensors, один конкретный квант или только метаданные. Докачка после перезапуска, индексация вручную скопированных моделей, отправка модели прямо в Ollama. Раскладка на диске обычная, её без плясок понимают vLLM и llama.cpp. Поднимается через docker compose up --build -d. MIT, бесплатно (репозиторий).
Remux. Рабочее место tmux на iPhone: свайпы между окнами, выбор панелей с живыми превью, курсор ставится удержанием пробела. Любопытная деталь для нас — палитра быстрых команд идёт с готовыми наборами для Claude Code и Codex. Плюс долгое нажатие на путь в выводе открывает превью файла, а на локальный адрес — дев-сервер с удалённой машины, вместе с горячей перезагрузкой. Подключение прямо по SSH, без посредников. Бета в TestFlight, исходники под MIT (репозиторий).
Cubby Clipboard. Локальный менеджер буфера обмена: хранит текст, картинки и файлы между перезапусками и умеет распознавать текст на скриншотах офлайн, чтобы по нему искать. Никакого облака. Скучная на вид штука, которая экономит десятки минут в неделю, если вы весь день таскаете куски между окнами (сайт).
Trend Seeker. Сканирует Reddit, вакансии, подкасты и поисковые тренды и выдаёт бизнес-идеи с оценкой спроса, данными по конкуренции и исходными сигналами, чтобы вы могли проверить каждую сами. Полезно тем, кто ищет нишу и устал от списков «100 идей для стартапа» (сайт).
98.css. Чистый CSS без единой строчки JavaScript, превращающий обычную разметку в интерфейс Windows 98: кнопки с рельефной рамкой, вкладки, дерево, строка состояния. Автор упирается в доступность как в главную цель — кнопка обязана быть кнопкой, у полей обязательны подписи. Библиотеке шесть лет, и она вылезает на главную Hacker News уже в четвёртый раз, в этот — с 433 очками. Ставится как npm install 98.css, MIT (сайт).
Новости и тренды
Stripe торгуется за OpenRouter — около $10 млрд. Платёжный гигант ведёт переговоры о покупке маркетплейса моделей. Оценка выросла почти в восемь раз за пару месяцев: в мае OpenRouter поднимал раунд при $1,3 млрд. Через него ходят более пяти миллионов разработчиков, годовая выручка — около $50 млн против $19 млн в конце 2025-го. Сделка может и развалиться (WSJ, обсуждение).
Что это значит. Логика Stripe читается: OpenRouter маршрутизирует не столько запросы, сколько деньги из вашего кошелька в кошельки провайдеров. Если вы завязаны на него — заложите в планы риск смены тарифов после сделки.
Alphabet впервые в истории сжёг деньги. Свободный денежный поток во втором квартале ушёл в минус на $5,9 млрд. Прогноз капзатрат на год подняли до $205 млрд против прежних $180–190 млрд, и в 2027-м обещают рост ещё резче. Акции на открытии просели примерно на 6%, но не меньше 20 брокеров подняли целевые цены. Контраргумент компании — облако: выручка Google Cloud выросла на 82% до $24,8 млрд (Reuters).
Отношение капзатрат к выручке за год почти удвоилось у всех: Meta 54,9% против 35,9%, Alphabet 41% против 23%, Microsoft 45% против 31%. Отдельный сигнал: Alphabet собирается арендовать чужие мощности ради клиентов, жертвуя маржой.
Эд Зитрон: дата-центры — это субпрайм-ипотека нового цикла. Мы писали про скрытый забалансовый долг техгигантов 21 июля. Зитрон вышел с разбором механики, и она страшнее суммы (разбор).
Схема такая. Под каждый дата-центр создаётся отдельная компания, она набирает долг и владеет чипами. Контракт клиент подписывает с ней, а не с головной структурой. Значит, и риск остаётся там. Зитрон называет конкретные юрлица: $12 млрд под дата-центр Meta через холдинг BlackRock, ещё $27 млрд — через структуру с Blue Owl. Аудитор Ernst & Young пометил это как «критический вопрос аудита». Bloomberg оценивает весь рынок такого долга больше чем в $500 млрд, из них минимум $200 млрд — частный кредит.
Что это значит. Держат риск в итоге не техгиганты, а пенсионные и страховые деньги. И подписки на ИИ сегодня субсидируются — за $200 в месяц можно сжечь токенов на десятки тысяч. Эта арифметика долго не живёт, так что закладывайте рост цен.
Почти 200 стартапов просят Вашингтон не отрезать китайские открытые веса. Развитие сюжета от 23 июля, когда Белый дом обвинил Moonshot в копировании модели Anthropic. Новая лоббистская группа разослала письмо Трампу и министру торговли; под ним 179 подписей, включая Y Combinator и Proton (Politico, письмо).
Главная цифра оттуда: в свежем опросе основателей Y Combinator почти половина компаний гоняет большинство боевых нагрузок на моделях с открытыми весами. Широкий запрет в письме назвали «налогом на интеллект». Сухаил Доши формулирует резче: «Сотни компаний умрут мгновенно... Это отлично для Anthropic. Нам всем придётся тратить деньги на Anthropic». Белый дом пока остужает: полного запрета всерьёз не обсуждали.
Что это значит. Риск для тех, кто строит на дешёвых открытых весах, теперь не технический, а юридический, и первым отвалится не сама модель, а её хостинг у американских облаков. Практический вывод простой: качайте нужные веса локально уже сейчас и держите прослойку над провайдером.
Oracle сократила 21 000 человек. По годовому отчёту штат ужался со 162 до 141 тысячи, примерно на 13%. На выходные пособия ушло $1,84 млрд против $374 млн годом ранее. Компания прямо называет одной из причин внедрение ИИ в собственных операциях (отчётность, разбор).
Ставка, ради которой резали расходы, — стать поставщиком вычислений для ИИ. Капзатраты выросли на 162% до $55,7 млрд, денежный поток ушёл в минус на $23,7 млрд, привлечено $43 млрд долга. Выручка при этом росла, но S&P понизило рейтинг. Акции с начала года потеряли около 39%.
Что это значит. Это первый настолько наглядный случай, когда счёт за ИИ-инфраструктуру оплачен сокращением людей, и обе цифры видны в одной отчётности. Окупаемость самой ставки пока не подтверждена.
Законы о чат-ботах: 13 штатов приняли, правоприменение начинается. Меры прошли в Калифорнии, Нью-Йорке, Коннектикуте, Джорджии, Вашингтоне и других штатах. Требуют раскрывать, что собеседник — ИИ, внедрять протоколы предотвращения суицида, ограничивать контент для несовершеннолетних, запрещать манипулятивные приёмы удержания. Действуют на любого оператора бота, обслуживающего пользователей в этих штатах, независимо от места регистрации компании (обзор).
Штрафы разнятся сильно: от $500 за нарушение на пользователя в Нью-Йорке до $15 000 в день в Род-Айленде. В Вайоминге предусмотрена уголовная ответственность. Ближайшие даты — Коннектикут с 1 октября 2026-го, Вашингтон с 1 января 2027-го.
Что это значит. Если у вас есть бот, который общается с людьми, проверьте три вещи: формулировку о том, что это ИИ, наличие протоколов на опасные темы и защиту несовершеннолетних. Совет юристов — сразу внедрять самый строгий стандарт везде, чтобы не дробить соответствие требованиям по штатам.
OpenAI подняла план расходов на инфраструктуру до $750 млрд. Это примерно на четверть больше прежней оценки этого года. Первый залп — кампус дата-центров в Джорджии за $20 млрд под кодовым именем Project Camellia: 1400 акров и не меньше 3,2 гигаватта, мощности ожидаются с 2028 по 2032 год (TechCrunch).
Взлом Hugging Face: побочный эффект, о котором мало говорят. Мы разбирали историю 21–23 июля. Саймон Уиллисон вытащил из неё деталь, которая касается всех. Когда команда Hugging Face разбирала логи атаки, они сначала взяли передовые модели по коммерческим API — и получили отказ. Защитные ограничения «не могут отличить того, кто разбирает инцидент, от нападающего». Пришлось перейти на открытую модель, поднятую у себя (разбор).
Что это значит. Чем жёстче лаборатории закручивают ограничения, тем чаще обороняющиеся остаются без инструментов, которые есть у нападающих. Уиллисон жалуется, что передовая модель отказалась даже вычитать его статью про этот инцидент.
Математики почувствовали дум. Действующий академический математик написал полевой репортаж изнутри цеха. Старшие исследователи уходят в ИИ-лаборатории, многие тяжело переживают обесценивание дела жизни. Названа фамилия: Джейкоб Цимерман, только что получивший Филдсовскую медаль, ушёл заниматься безопасностью в OpenAI. Обсуждения ИИ автору пришлось загнать в отдельный канал рабочего чата, иначе они забивали всё (пост).
Что это значит. Первым ломается не рынок труда, а система смыслов: обесценился не навык, а то, ради чего его копили десятилетиями. Полезное уточнение из комментариев: прорывы дают не любители с промптом, а сильные профессионалы, которые знают, что именно просить. Пока ситуация вознаграждает квалификацию, а не обнуляет её.
Codeberg: первые уходы. Развитие сюжета от 23 июля, когда хостинг запретил проекты, «в основном написанные генеративным ИИ». Один из недавних мигрантов с GitHub написал разбор на 218 очков: он уходит поднимать свой хост. Раздражает его не столько запрет, сколько формулировка «наносит ущерб репутации Codeberg» — под неё можно подвести что угодно. И процедура: пользователи узнали о правилах из баннера уже по факту (пост).
Что это значит. Если у вас есть проекты с заметной долей сгенерированного кода, держите зеркало вне единственного хостинга. Формулировка «в основном состоит из» намеренно размыта, и решение принимает модерация, а не вы.
Google завёл вход по селфи-видео. Теперь аккаунт можно разблокировать, записав короткое видео с лицом. Настраивается в разделе безопасности, через камеру компьютера или по QR-коду на телефон. При каждом входе просят повернуть голову — так отсекают дипфейки и подтверждают, что перед камерой живой человек. Видео шифруется и хранится у Google. Недоступно для рабочих, детских и особо защищённых аккаунтов (Engadget).
Что это значит. Удобно, когда потеряли телефон. Но это ещё один биометрический слепок в чужом хранилище — решайте осознанно, а не по привычке жать «включить».
Коротко. Reddit думает закрыть Google доступ к своим данным: на кону контракт в $60 млн в год, а поводом стал обвал переходов из поиска (The Verge). Выручка IBM от мейнфреймов рухнула на 42%: клиенты отложили закупки, чтобы покрыть подорожавшее на 15–30% железо для дата-центров (TechCrunch). Amazon сокращает штат в подразделении общего искусственного интеллекта, настаивая, что инвестиции в ИИ продолжит (WSJ). Евросоюз оштрафовал Google на $1 млрд по цифровому законодательству (CNBC). В билдах Claude нашли «управляемые проекты», где Claude сам берёт задачи и держит проект в порядке — пока только для сотрудников (TestingCatalog). И приятное не про ИИ: в ЕС одобрили имплант PRIMA, возвращающий функциональное зрение при возрастной макулярной дегенерации, — операция амбулаторная и занимает около часа (TechCrunch).