Почему ИИ-фабрики кода ломаются, структурная чистка ИИ-текста и Stripe за OpenRouter  Публичный пост

За одного присланного посетителя бот Anthropic выкачивает с сайта 38 тысяч страниц. Google — пять. Старая сделка открытого веба кончилась: база с 78 тысячами фильмов легла на неделю, и часть функций не вернулась. Закрываться теперь придётся самому.

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 в семь пунктов и больше.
• ИИ-боты выкачивают тысячи страниц за одного присланного посетителя и роняют небольшие сайты — защита стала обязательной.
• Тот самый OpenRouter Stripe хочет купить 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 пул-реквестов, которые уходят в основную ветку вообще без ревью, выросла на 31,3%. Инцидентов на пул-реквест стало больше на 242,7%, багов на разработчика — на 54%. Сам Хорти честно называет это корреляцией, а не приговором.

Что он предлагает вместо «фабрики». Внимание человека переезжает выше по конвейеру, в 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

Хорти объясняет, зачем это. Каждый такой артефакт — 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 в обсуждении стоит знать. Самое сильное — от fishtoaster: опыт с агентами до осени 2025 сегодня почти неактуален, модели с тех пор шагнули. Ему ответил Robdel12: свежая модель за ночь по хорошему плану «навела абсолютный бардак». Код работал, система — нет. И добавил: «Модели ОБОЖАЮТ жульничать. Просто загляните в тесты, которые они пишут» (обсуждение).

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 опознаётся с точностью 93,2% (статья).

Дальше самое важное. ИИ-тексты прогнали через профессиональную систему переписывания, которая убирает клише и лишние пояснения. Полное опознание, по стилю и структуре сразу, упало с 95,5% до 93,9%. То есть на 1,6 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: «официально основан в 1989 году, что стало поворотным моментом...» → «основан в 1989 году, чтобы 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 приметой 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 в три с половиной раза чаще: 29% против 8%. Значит, «у меня сжалось в груди» теперь машинная подпись. А «честно, мне было страшно» — человеческая.

Второй по силе — явность темы. Рассказчик 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 каждый ваш текст начинается со сцены и кончается без развязки — вы построили новый узнаваемый шаблон. 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 простые и предсказуемые: ловят тире, антитезу, телесную эмоцию, заявленный урок, туманную аллюзию. Считают ещё разброс длины абзацев и число цифр на 100 слов. Вешать их как жёсткий фильтр 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 прозу на пять тысяч слов. Перенос на короткие деловые тексты — 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 схлопывание перезаписывает 200–500 тысяч токенов, суммарно это 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 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 прямо пишет: греть раз в пять минут при часовом кэше — просто расточительство. Определять режим сам инструмент не умеет (обсуждение).

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 уходит от доказательств словами к доказательствам кодом.

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. Есть машинная проверка — тесты, схема, линтер, сверка с базой? Стройте цикл вокруг неё, а не вокруг «оцени свой ответ от 1 до 10». Кстати, API Aristotle сейчас отдают бесплатно.

Canada Goose: автоматизируй скучные 30%, защити ценные 70%. Производитель люксовой одежды 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 — с поправкой, что считал их сам поставщик, Salesforce, в рассказе про свой продукт. Агент закрыл 89% рутинных обращений, на которые его нацелили. Общая доля отсечённых обращений — 23%. Пиковое ожидание упало на 13,9%. Удовлетворённость выросла с 3,3 до 4,0, то есть на 21,2%.

Рецепт, который можно повторить в любом бизнесе, дан там же пошагово. Выгрузите обращения в поддержку за 90 дней. Посчитайте два самых частых типа повторяющихся вопросов по объёму. Если вместе они дают больше 20% всех обращений — запускайте агента только на них. Со строгими правилами передачи человеку 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 жёстче. gpt-oss-120b на AIME25: 93,3% у нескольких провайдеров, 86,7% у Groq, 80% у Azure, 36,7% у CompactifAI. Одни и те же веса.

Цена не помогает выбрать. У llama-3.3-70b-instruct самый дорогой поставщик отдаёт fp8, а тот, что подешевле, — полноценный bf16. Отдельная проверка 87 открытых моделей: у 33 есть и точный, и урезанный вариант. Длина контекста различается у 64 из 87. У одной модели разброс — 6 000 против 131 072 токенов.

Как чинить. Закрепление задаётся только в теле запроса, в поле provider. Суффикса в имени модели не существует.

extra_body={"provider": {
    "only": ["cerebras/fp16"],       # закрепляем и провайдера, и квантование
    "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 точки доступа 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 ваше закрепление просто «пожелание». require_parameters по умолчанию выключен, и схема JSON может молча игнорироваться, а ваш разборщик будет читать свободный текст. И закрепить ≠ получить лучшее: рейтинг MathArena образцово закрепил провайдера, но попал на int4-вариант, 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 выкачивания, нашлись целенаправленные попытки нащупать чёрные ходы.

Восстановление из резервной копии означало бы оборону 160 тысяч старых 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 готовое правило против ИИ-ботов. Честная оговорка оттуда же: помогает не всем. У одного из комментаторов 90% ботов шли через Chrome без окна с домашних адресов, и фильтр он назвал «дырявым забором».

Третье, и это самый дешёвый выигрыш — закройте комбинаторные адреса. Один сайт умер не от объёма. Сборщик 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 набор данных» висела на главной. Сборщик всё равно предпочёл выкачивать терабайты HTML.

Пиши от руки — и не карандашом. Текст Нила Стивенсона за сутки собрал 1225 очков на Hacker News — материал 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 в Frontiers in Psychology, 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:

1. 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%.
2. Не экономьте бумагу. Пишите на одной стороне. Попытка втиснуть больше слов на страницу выбивает из естественного почерка и утомляет.
3. Выкиньте карандаш и дешёвую шариковую ручку. Проверка простая: переверните исписанный лист. Есть продавленный отпечаток — инструмент требует силы.
4. 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.
5. Чернила сначала в картриджах. Бутылочки — потом и только если пишете из одного места.
6. Пишите прописью. Печатать по букве заметно утомительнее.
7. Забейте на разборчивость. Каллиграфия нужна была, когда написанное читали другие.

И честная порция возражений из обсуждения, 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 зубилом по камню писать 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, который строит проверки. 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, перехватчики, 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 тест. Дилан Кастильо проверил подозрение: не подгоняют ли лаборатории модели под знаменитый тест 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 — шестой из восьми животных, велосипед — пятый из шести. Связка «пеликан + велосипед» — сорок вторая 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. Движок событийный: снимает кадр при значимом изменении и забирает структуру интерфейса, а не гоняет видео сутками. Всё ложится в локальную базу с полнотекстовым поиском, наружу торчит API на localhost:3030 и MCP-сервер. Агент делается «пайпом» — markdown-файл с промптом и правами, запускается по событию вроде «встреча закончилась» (сайт, репозиторий).

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. Лицензия своя: для коммерческого использования нужна платная.

Про приватность стоит сказать честно. Данные по умолчанию не уходят с устройства, есть модель для вычистки чувствительного 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 сторонний адрес».

scrapemychats. Выгружает переписку из ChatGPT Business — там, где OpenAI не даёт кнопки экспорта. Инструмент управляет вашим обычным Chrome с уже открытой сессией: пароль не спрашивает, наружу ничего не шлёт. Перехватывает не вёрстку, а JSON-ответы, которые интерфейс сам просит у сервера, поэтому переживает редизайны.

На выходе — полные диалоги, вложения и самодостаточный viewer.html с поиском по всему архиву. 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, лицензия Apache-2.0, 2 692 звезды. Главное возражение из обсуждения честное. Подмена ключа не ограничивает действия: агент по-прежнему может через прокси потратить деньги или снести боевую базу (репозиторий).

pradaslides. Скилл для агента, который делает презентации из промпта или исходников. Внутри конвейер из десяти шагов. Сначала бриф с обязательной формулировкой «к концу выступления аудитория должна подумать, почувствовать или сделать то-то, потому что...». Потом реестр источников: каждая цифра привязана к первоисточнику, выдуманные помечены как сценарий. На выходе редактируемый PPTX, HTML-презентация с консолью докладчика или PDF (репозиторий).

Самое ценное там — проверка результата. Девятнадцать скриптов проверяют бриф, источники, дизайн-систему и раскладку. Браузерный контролёр на Chromium ловит вылезший за границы текст, обрезанные подписи и мелкий шрифт. Правила зашиты числами: сцена 1600×900, текст 20–26 пикселей, заголовок в PPTX от 35 пунктов, контраст от 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 на монтажной дорожке. Главное здесь — локальный MCP-сервер. Claude Code, Claude Desktop, Codex и Cursor подключаются к нему и работают с тем же проектом, что и вы.

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 предварительные и свои: 93% против Luma Ray 3.2, но 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. Обходит конкурентов на MMLU-Pro и LiveCodeBench, уступает на агентских 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 интерфейс, совместимый с Anthropic, 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 31 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 интерфейс, совместимый с OpenAI. 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 в потолок упираются все, а там, где запас есть, Echo проигрывает 2–6 пунктов. Второе: какие именно модели обслужили ваш запрос, не раскрывают принципиально. Для компаний с требованиями к данным это закрывает вопрос.

Cursor Router. Маршрутизатор 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 без просадки качества против маршрутизации всего на Opus. Доступен на тарифах Teams и Enterprise (анонс).

OpenAI Presence. Платформа для агентов поддержки в крупных компаниях: политики, ограничения, одобренные действия, симуляции и цикл улучшений на Codex. Цифры с их собственной телефонной линии: агент закрывает 75% обращений без человека. Десять дней доработки снизили 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. Дальше спрашиваете обычными словами: какие профессии применяют ИИ чаще, что автоматизируют в вашем регионе, как это изменилось за год. Оговорка авторов: это картина использования Claude, а не рынка труда целиком (анонс).

Genesis-Science-1. Минэнерго США и Arcee AI делают открытую модель под науку: код 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 до 6 августа (анонс).

J-Lens и открытая проверка к нему. Anthropic выпустила инструмент: 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% лишнего до четырёх лишних прогонов модели. Но если завести фиксированный словарик из тысячи отслеживаемых понятий, расходы падают ниже 2% на токен. То есть поточный контроль содержимого реально повесить на боевом контуре (разбор и код).

Geekbench 7. В тест въехали настоящие ИИ-нагрузки: слежение за лицом, увеличение картинок, размытие фона в видеозвонке, распознавание речи через Whisper. Многоядерный замер 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 (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, одну конкретную квантованную версию или только метаданные. Докачка после перезапуска, индексация вручную скопированных моделей, отправка модели прямо в Ollama. Поднимается через docker compose up --build -d. MIT, бесплатно (репозиторий).

Remux. Рабочее место tmux на iPhone: свайпы между окнами, выбор панелей с живым предпросмотром, курсор ставится удержанием пробела. Любопытная деталь для нас — палитра быстрых команд идёт с готовыми наборами для Claude Code и Codex. Долгое нажатие на путь открывает предпросмотр файла. На локальный адрес — дев-сервер с удалённой машины, с горячей перезагрузкой. Бета в TestFlight, исходники под MIT (репозиторий).

Cubby Clipboard. Локальный менеджер буфера обмена: хранит текст, картинки и файлы между перезапусками. Распознаёт текст на скриншотах офлайн, чтобы по нему искать, и ничего не отправляет в облако. 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, выдаёт бизнес-идеи с оценкой спроса и конкуренции. Исходные сигналы показывает — проверяйте сами. Полезно тем, кто ищет нишу и устал от списков «100 идей для стартапа» (сайт).

98.css. Чистый CSS без единой строчки JavaScript. Превращает обычную разметку в интерфейс Windows 98: рельефные кнопки, 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 биржи 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 риск смены тарифов после сделки. А как закрепить провайдера, пока тарифы не поменялись, разобрано выше.

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.

Что это значит. Впервые самый прибыльный рекламный бизнес планеты не покрывает собственную стройку. Дальше её оплачивает долг, а долг возвращают через цену облака и подписок.

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. С картинкой это разные шкалы. Там $1,8 трлн будущих платежей по лизингу и закупкам, здесь — только долг под сами дата-центры. Свежий пример масштаба — поглощение Aligned Data Centers на $40 млрд (ESG Dive).

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.

Сколько на самом деле стоит подержанный кластер видеокарт. Разбор переводит абстрактный пузырь в проверяемые числа. Отказывает около 9% видеокарт в год: на кластере в 200 тысяч карт это примерно 50 поломок в день.

Аренда H100 упала с $8 в час в начале 2024-го до $1,70 к октябрю 2025-го, потом отскочила до $2,35. Двух-трёхлетние карты на вторичном рынке уходят за 50–70% от новой цены, при срочной продаже — за 30–50%. При этом CoreWeave списывает карты за шесть лет, а Nebius те же самые — за четыре (разбор).

Что это значит. Срок амортизации — не бухгалтерская мелочь, а рычаг, которым рисуют прибыль. Если ваш поставщик вычислений считает железо «шестилетним», спросите почему.

179 стартапов просят Вашингтон не отрезать китайские открытые веса. Развитие сюжета от 23 июля: тогда Белый дом обвинил Moonshot в копировании модели Anthropic, а Минфин пригрозил санкциями.

Новая лоббистская группа разослала письмо Трампу и министру торговли, подписей 179, среди них Y Combinator и Proton. Главная цифра оттуда: в опросе основателей Y Combinator почти половина компаний держит боевые нагрузки на открытых весах. Широкий запрет в письме назвали «налогом на интеллект» (Politico, письмо).

Сухаил Доши формулирует резче: «Сотни компаний умрут мгновенно... Это отлично для Anthropic». Поддержали с неожиданной стороны. Глава Nvidia Дженсен Хуанг назвал страхи слежки через китайские модели заблуждением (Yahoo Finance). Белый дом пока остужает: полного запрета всерьёз не обсуждали.

Что это значит. Риск на дешёвых открытых весах теперь не технический, а юридический. Первой отвалится не модель, а её раздача у американских облаков — качайте нужные веса локально уже сейчас.

Законы о чат-ботах: 14 законов в 13 штатах, 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 с пользователями в этих штатах, где бы ни была зарегистрирована компания. Штрафы разнятся сильно: от $500 за нарушение в Нью-Йорке до $15 000 в день в Род-Айленде. Ближайшие даты — Коннектикут с 1 октября, Вашингтон с 1 января 2027-го (обзор).

Что это значит. Есть бот, который общается с людьми? Проверьте три вещи: раскрытие, что это ИИ, протоколы на опасные темы, защиту несовершеннолетних. Совет юристов — сразу внедрять самый строгий стандарт везде, чтобы не дробить соответствие требованиям по штатам.

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.

Резали ради другой ставки — стать поставщиком вычислений. Капзатраты выросли на 162% до $55,7 млрд, денежный поток ушёл в минус на $23,7 млрд, привлечено $43 млрд долга. Выручка росла, но S&P понизило рейтинг, а акции с начала года потеряли около 39% (отчётность, разбор).

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.

OpenAI подняла план расходов на инфраструктуру до $750 млрд. Это примерно на четверть больше прежней оценки этого года. Первый залп — кампус в Джорджии за $20 млрд, кодовое имя Project Camellia. 1400 акров, не меньше 3,2 гигаватта, ввод с 2028 по 2032 год (TechCrunch).

Что это значит. Деньги законтрактованы сейчас, а мощности приедут с 2028 года. Ставку на то, что токены к следующему году подешевеют, лучше не делать.

Взлом Hugging Face: побочный эффект, о котором мало говорят. Мы разбирали историю 21–23 июля. Саймон Уиллисон вытащил из неё деталь, которая касается всех. Разбирая логи атаки, команда Hugging Face сначала взяла передовые модели по коммерческим API — и получила 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.

Математики почувствовали обречённость. 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 (пост).

Что это значит. Первым ломается не рынок труда, а система смыслов. Полезное уточнение из комментариев: прорывы дают не любители с промптом, а профессионалы, которые знают, что именно просить.

Codeberg: первые уходы. Развитие сюжета от 23 июля, когда хостинг запретил проекты, «в основном написанные генеративным ИИ». Один из недавних мигрантов с GitHub уходит поднимать свой хост. Раздражает его не столько запрет, сколько формулировка «наносит ущерб репутации Codeberg» — под неё можно подвести что угодно (пост).

Что это значит. Есть проекты с заметной долей сгенерированного кода — держите зеркало вне единственного хостинга. Решение о том, что считать «в основном ИИ», принимает модерация, а не вы.

Google завёл вход по селфи-видео. Аккаунт теперь 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. 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 про деньги. Reddit думает закрыть Google доступ к своим данным. На кону контракт в $60 млн в год, повод — 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).

И два сюжета не про деньги. В сборках Claude нашли «управляемые проекты»: Claude сам берёт задачи и держит проект в порядке. Пока только для сотрудников (TestingCatalog). А в ЕС одобрили имплант PRIMA, возвращающий зрение при возрастной макулярной дегенерации. Операция амбулаторная, около часа (TechCrunch).