Дайджест за 12 сентября 2026

GigaChat 3.5 Reasoning: первая открытая российская модель с рассуждениями

ИИ и агенты · Habr · 9/10

Сбер выпустил GigaChat 3.5 Reasoning — первую открытую российскую модель, обученную на технологии online reinforcement learning для выполнения сложных задач с многошаговым рассуждением. Основная инновация в подходе обучения: вместо стандартного SFT вся модель прошла через online RL с использованием шести отдельных экспертов (математика, код, агенты, социальное взаимодействие, следование инструкциям), каждый со своей системой награды, после чего они были собраны в одну модель через on-policy distillation. Ключевые улучшения относительно GigaChat 3.5 Instant: GPQA-Diamond 61,11 → 82,32, AIME-2026 67 → 92, IFBench Loose Prompt 43,66 → 77,00. Технический подход включает алгоритм CISPO вместо стандартного GRPO, который лучше обрабатывает редкие токены, критичные для рассуждений. Система награды использует каскадный принцип с бинарными воротами (проверка формата и языка) и адаптивным штрафом за длину, зависящим от сложности задачи. Разработка заняла более 9 месяцев и включила работу с двумя отдельными экспертами для кодирования: классические кодовые задачи и агентские роллауты для работы с реальными репозиториями через различные harness.

Выводы автора:

• Online RL с несколькими специализированными экспертами, обученными независимо, решает проблему конкуренции доменов за веса и позволяет точнее настроить оценку качества для каждого типа задач
• Алгоритм CISPO обеспечивает более устойчивое обучение рассуждающих моделей, чем GRPO, благодаря тому, что сохраняет сигнал для редких но важных токенов сомнения и переоценки
• Динамическое расписание задач по сложности, выбрасывающее освоенные задачи (решаемые в 75% случаев), одновременно улучшает качество обучения и экономит 50% вычислительных ресурсов

Модель, которую мы учим сомневаться, не получает сигнала именно там, где сомневается — это была ключевая проблема при обучении редких токенов рассуждения с помощью GRPO.

Оригиналы:GigaChat 3.5 Reasoning на Habr

Агентская трансформация: как AI-агенты меняют структуру компаний

ИИ и агенты · Linas from Linas's Newsletter · 9/10

Материал разбирает масштабную трансформацию разработки ПО, вызванную появлением надёжных AI-кодирующих агентов. Два инженера с флотом AI-агентов уже превосходят по производительности 50-человеческую R&D-организацию, благодаря отсутствию управленческих слоёв и очередей между командами. Исследование Bessemer Venture Partners показывает, что даже компании, повысившие производительность инженеров в 10 раз, не смогли преодолеть барьер организационного выпуска (примерно 50%), а выход концентрируется жёстко: топ 1% инженеров создают в 46 раз больше AI-кода, чем медиана.

Агентская трансформация — это переход от AI, ассистирующего инженеру внутри редактора, к автономным флотам агентов, которые пишут, тестируют и поставляют код, пока люди решают, что строить и верифицируют результаты. Переходный период начался в Q4 2025, когда Claude Code 2.0 и Opus 4.5 сделали агентов достаточно надёжными для делегирования. Автор выделяет пять ключевых сдвигов: код стал дешёвым (суждение — узкое место); выигрыши концентрируются, а не распределяются; индивидуальная скорость упирается в организацию; продукт становится наследством; токены заменяют сотрудников. Playbook охватывает 7 практических ходов для основателей, включая ценообразование, найм, уровень токен-расходов (~$1000 на инженера в месяц) и критерий готовности: может ли один инженер запустить три агента параллельно на реальной кодовой базе без проверки каждой строки.

Выводы автора:

• Два AI-инженера с агентами уже превосходят 50-человеческую организацию благодаря отсутствию управленческих слоёв и очередей
• Выигрыш от AI-агентов концентрируется: топ 1% инженеров создают в 46 раз больше кода, чем медиана, и даже продвинутые организации не преодолевают потолок организационного выпуска в 50%
• Компаниям нужно переосмыслить найм, ценообразование и организационную структуру под модель флотов агентов, иначе конкуренты с двумя инженерами пересоздадут их продукт быстрее

Два инженера с AI-агентами могут перестроить эквивалент продукта конкурента, а затем превзойти компанию, которая его создала.

Оригиналы:The Agentic Transition Playbook

Red Hat: опасения об атрофии навыков разработчиков при использовании ИИ

ИИ и агенты · Habr · 8/10

Статья обсуждает проблему, которую поднимает Red Hat: широкое внедрение кодогенерирующих ИИ-агентов грозит деградацией инженерного мышления и навыков разработчиков. Хотя нейросети действительно ускорили написание кода, основное узкое место сместилось с создания на осмысление, валидацию, тестирование и интеграцию — этапы, где человеческие умственные способности остаются критически важны. Главная угроза — молодые разработчики, которые сразу обращаются к ИИ вместо попытки разобраться самостоятельно, упускают возможность формировать менальные связи, интуицию и глубокое понимание систем. Red Hat предлагает несколько практических подходов: сохранять инструкции в репозитории (так как модели теряют контекст), использовать ИИ для прототипирования с последующим переписыванием на продакшн, чётко определять роль агента для каждой задачи и применять разные модели для разных типов работ. Наиболее острая опасность — потеря поколением опыта отладки, чтения чужого кода и самостоятельного решения проблем, что может привести к зависимости от ИИ-вендоров и исчезновению специалистов, способных разбираться в сложных системах.

Выводы автора:

• Главное узкое место разработки переместилось с написания кода на его осмысление, валидацию и тестирование, где ИИ не может полностью заменить человека
• Молодые разработчики, которые полагаются на ИИ без попыток самостоятельного понимания, рискуют не сформировать необходимые инженерные навыки и интуицию
• Необходимо использовать ИИ как инструмент для быстрого прототипирования с последующей переработкой кода для продакшена, а не как источник готовых решений

Если джуниор всегда просит готовое решение у нейросети до того, как попытается вникнуть в проблему, он выдаст рабочий результат, но так и не сформирует нужные ментальные связи.

Оригиналы:В Red Hat высказали опасения по поводу сохранения ментальных способностей вайбкодеров

DeepSeek V4.1 Flash: 552 млрд параметров и кэш на 57% дешевле

ИИ и агенты · Habr · 8/10

DeepSeek выпустили обновлённую модель V4.1 Flash с удвоением параметров (552 млрд вместо 284 млрд) и значительным снижением стоимости кэша. На бенчмарке Terminal-Bench 4.0 модель показала результат 31,2% против 7% у предыдущей версии, на DeepSWE v1.1 улучшилась с 54,4% до 74,2%, хотя до лидеров (GPT-6 Astra — 57,9%, Claude Fable 5.1 — 55,8%) ещё есть расстояние. Главное улучшение — цена чтения из кэша упала на 57% относительно августовских тарифов (до $0,003–$0,006 за миллион токенов в зависимости от пика). Это критично для агентов, которые много раз обращаются к одному контексту при исправлении ошибок. Контекстное окно составляет 1 млн токенов, пиковые часы в будни с 04:00–07:00 и 09:00–13:00 по Москве. Старые имена API временно сохранены для совместимости, но уже переключаются на новую версию.

Выводы автора:

• V4.1 Flash с 552 млрд параметров улучшила результаты на программировании и снизила стоимость кэша на 57% — это делает модель привлекательнее для агентов с длительными цепочками запросов.
• DeepSeek отчасти отыграла назад августовское удорожание кэша, но новые входные токены и генерация оплачиваются отдельно, так что итоговая экономия зависит от доли кэш-попаданий.

Когда агент исправляет ошибку, он делает много запросов: читает код, меняет файлы, запускает тесты, разбирает вывод и пробует снова.

Оригиналы:DeepSeek V4.1 Flash: почти вдвое больше параметров и на 57% дешевле кэш

Сергей Брин вернулся к прямому управлению Google для лидерства в ИИ

ИИ и агенты · Habr · 7/10

Сооснователь Google Сергей Брин вернулся к активному руководству компании для ускорения разработки флагманской модели Gemini и перехвата инициативы у OpenAI. Брин создал оперативный штаб в Маунтин-Вью с ключевыми инженерами, лично погружаясь в технические детали: участвует в дискуссиях о размерах моделей, сроках релизов и архитектуре кода. Параллельно произошли кадровые изменения: глава DeepMind Демис Хассабис перешёл на должность главного научного сотрудника Alphabet, а опытный разработчик Джефф Дин покинул компанию после 27 лет работы. Брин закрыл проект Дина по интеграции модели в чипы, но Google инвестирует в его новый стартап Discovery Loop вместе с другими экс-сотрудниками. Управленческий стиль Брина основан на роли «провокатора», который ломает устоявшиеся процессы; он считает 60-часовую рабочую неделю оптимальной для продуктивности. Фокус направлен на создание общего ИИ с алгоритмами рекурсивного самосовершенствования, когда нейросеть дорабатывает себя сама.

Выводы автора:

• Сергей Брин лично включился в управление разработкой Gemini для возврата Google лидерства в ИИ-гонке с OpenAI
• Google переструктурировала научное руководство: Хассабис стал главным научным офицером, позиция Кавукчуоглу усилена
• Несмотря на уход опытных сотрудников вроде Джеффа Дина, Google инвестирует в их новые проекты через стартап Discovery Loop

60 часов в неделю — это золотая середина производительности

Оригиналы:Сергей Брин вернулся к ручному управлению Google для спасения компании в ИИ-гонке

OpenAI приостановила продажу подписок ChatGPT Pro из-за спроса на Astra

ИИ и агенты · Habr · 7/10

OpenAI временно прекратила оформление новых подписок ChatGPT Pro из-за рекордного спроса на новую модель GPT-6 Astra. Интерес к Astra превысил все исторические показатели сервиса, о чём сообщил Тибо Сотью. Существующие подписки продолжают действовать, а более дешёвые тарифы ($20 и $100 в месяц) остаются доступными. Проблема заключается в том, что Astra требует значительно более высокого вычислительного бюджета на запрос, и её активное использование создаёт нагрузку на несколько инференс-систем одновременно. Ограничения по использованию в платных планах рассчитываются на основе среднего профиля использования большой аудитории, а не стоимости одного запроса. Когда пользователи начинают значительно чаще обращаться к самой дорогой модели, экономика тарифа быстро становится нерентабельной. Это иллюстрирует классическую проблему масштабирования ИИ-сервисов: новую модель можно выпустить быстрее, чем нарастить инфраструктуру для её поддержки.

Выводы автора:

• Astra испытывает беспрецедентный спрос, что заставило OpenAI ограничить доступ к подписке ChatGPT Pro из-за проблем с масштабированием вычислительных мощностей.
• Разрыв между скоростью выпуска новых моделей и возможностью инфраструктуры их поддерживать остаётся ключевым вызовом для провайдеров ИИ-сервисов.

Модель можно выпустить быстрее, чем инфраструктуру под неё удастся нарастить.

Оригиналы:OpenAI приостановит оформление новых подписок ChatGPT Pro из-за спроса на Astra

Ремастер «Том и Джерри» в 4K: технология, инструменты и ИИ

Разработка и архитектура · Habr · 9/10

Автор описывает двухлетний проект восстановления классического мультсериала «Том и Джерри» в разрешении 4K, включая видео и аудио. Ключевой этап — поиск качественных исходников на Blu-ray вместо DVD, так как более высокое разрешение критично для апскейлинга. Основная проблема видео — зерно на киноплёнке, которое современные апскейлеры не умеют обрабатывать корректно, создавая артефакты «ползающих муравьёв»; решение — предварительная денойзация. Для аудио автор создал единую русскую дорожку, собрав лучшие озвучки разных лет и отделив голос от оригинальной музыки с помощью UVR. Денойзация видео проводилась двумя методами: нейросетевой SCUNet (быстро, но результаты требовали отбраковки 60% серий) и профессиональным плагином NeatVideo с ручной настройкой под каждый кадр (медленно, но качественнее). Для особо повреждённых серий автор потратил 2 месяца на обучение собственной нейросети для удаления специфичных горизонтальных линий. Отдельно восстанавливались исторические постеры к сериям через GIMP и inpaint-нейросети. Особую сложность добавили 6 серий-«клип-шоу», собранных из фрагментов других эпизодов — автор перемонтировал их из чистовых версий. Финальные этапы — удаление ореолов (halo-артефактов) и апскейлинг через модель ModerSpanimation из открытого репозитория openmodeldb.com.

Выводы автора:

• Денойзация критична для качественного апскейла старого видео с плёнки — современные апскейлеры не справляются с зерном без предварительной очистки
• Ручная постобработка через профессиональные инструменты (NeatVideo) дороже по времени, чем нейросетевые решения, но обеспечивает значительно лучший результат на разнородном материале
• Для нишевых задач (например, удаление специфичных артефактов) обучение собственной модели, несмотря на затраты времени, может быть обоснованным альтернативой отсутствующим готовым решениям

Апскейлеры работают не на магии, и при попытке увеличить разрешение на видео с зерном большинство из них не знают, как действовать с довеском, так и получаются ползающие муравьи.

Оригиналы:Как я сделал ремастер «Том и Джерри» в 4K за два года: дубль два

SWAT-команда Авито: системный подход к борьбе с техдолгом

Разработка и архитектура · Habr · 9/10

Статья рассказывает о том, как Авито создала специализированную SWAT-команду для борьбы с критическим техдолгом и архитектурными рисками в высоконагруженной системе. После миграции с монолита на микросервисы (завершённой в 2023 году) компания столкнулась с проблемами надёжности и качества архитектуры, и сформировала три команды в рамках архитектурного центра: SLA (мониторинг), Arch (методология) и Bridge (практическое улучшение). SWAT-команда отличается от обычных продуктовых команд тем, что не имеет собственных сервисов и кодовой базы, работает с чужим кодом и контекстом, сталкивается со сложностями в постановке годовых целей по методологии OKR и требует больше времени на исследование. Автор (тимлид Иван Нещадин) приводит реальные кейсы: стабилизацию нагруженного сервиса путём разделения его на два микросервиса и обновление устаревшего сервиса под современные платформенные стандарты. Второй кейс выявил критические проблемы коммуникации: разные ожидания по формату сотрудничества, неправильная оценка задач и конфликты на этапе code review. Для решения этих проблем команда разработала манифест взаимодействия с другими командами, в котором подчеркнула: они не аутстаф, уважают совладение сервисом и работают совместно с исходной командой.

Выводы автора:

• SWAT-команда эффективна для системной борьбы с критическим техдолгом и архитектурными рисками, но требует чёткого определения зоны ответственности и приоритизации только самого критичного
• Координация с другими командами должна базироваться на принципах уважения совладения кодом, совместного согласования изменений и явного определения ролей, а не парадигме аутстаффа
• Позднее получение задач в конце квартала и необходимость глубокого research перед началом работы создают сложности с постановкой годовых целей по OKR и требуют специального процесса discovery

Мы не просто предоставляем разработчиков, потому что тогда получится странная команда, которую нужно называть горячим пулом разработчиков, а не SWAT-командой.

Оригиналы:Укрощение зоопарка сервисов: как системный подход одной команды повышает надёжность и скорость разработки

Как QEMU исполняет чужой код: детальный разбор Tiny Code Generator

Разработка и архитектура · Habr · 8/10

Статья представляет собой глубокий разбор механизма Tiny Code Generator (TCG) — JIT-компилятора в QEMU, который трансляцирует машинный код одной архитектуры в код другой. TCG — сердце эмуляции в QEMU, позволяющее запускать ARM-системы на x86 или тестировать RISC-V-прошивки. Автор описывает три режима работы QEMU: user-mode (эмуляция отдельного приложения), system-mode (полная система с периферией) и гипервизорный режим (KVM). TCG условно состоит из трёх частей: декодера (преобразование в промежуточное представление TCG Ops), самого промежуточного представления и генератора нативного кода. Статья содержит практические примеры с использованием RISC-V тестов и показывает, как исследовать внутренности трансляции через отладочные ключи (-d in_asm, -d op, -d op_opt, -d out_asm). Описаны оптимизации TCG, включая свёртку констант, удаление недостижимого кода и анализ живых переменных. На конкретном примере сложения двух нулей демонстрируется, как QEMU оптимизирует операцию add на нулях до простого присваивания.

Выводы автора:

• TCG — это JIT-компилятор, который транслирует машинные инструкции одной архитектуры в инструкции другой, без промежуточной интерпретации
• QEMU работает в трёх основных режимах: user-mode для приложений, system-mode для полной системы и гипервизорный режим с KVM для нативного исполнения
• TCG выполняет несколько проходов оптимизации (свёртка констант, удаление недостижимого кода, анализ живых переменных), что позволяет значительно ускорить эмулируемый код

TCG — это JIT-компилятор, но в отличие от классических JIT, он транслирует не байт-код, а машинные инструкции одной архитектуры в машинные инструкции другой.

Оригиналы:Как QEMU исполняет чужой код: изучаем Tiny Code Generator изнутри

Контрибьютинг в быстрорастущий open source: опыт разработки интеграции OpenSRE

Разработка и архитектура · Habr · 8/10

Антон Воронцов из Yandex Cloud рассказывает о своём первом значимом вкладе в open source проект OpenSRE — инструмент для создания ИИ-агентов, которые автоматически расследуют production-инциденты. Автор попытался интегрировать OpenSRE с Yandex Cloud, начав с плагина, а затем перейдя на разработку модуля прямо в основной репозитории. Главные сложности оказались не в написании кода, а в понимании невидимых договорённостей проекта: правильной регистрации интеграций, обработке граничных случаев, описании инструментов для ИИ-моделей и работе с циклическими импортами. Воронцов пришлось пройти семь раундов ревью только для швов реестра, выявляя баги типа использования объектов вместо ссылок на них и race conditions при обновлении словарей. Ключевой урок: прочтение документации, архитектурных правил и тестов на первом этапе сэкономило неделю проб и ошибок. Инструменты интеграции пришлось многократно доводить, потому что модель выбирает их по описанию, и двусмысленные ответы приводят к неправильным выводам агента.

Выводы автора:

• Перед написанием кода в незнакомом проекте необходимо прочитать архитектурную документацию, правила размещения компонентов и тесты, так как они часто содержат критические договорённости, не описанные в основной документации.
• Инструменты для ИИ-агентов требуют особого внимания к описаниям и формату ответов, так как модель может неправильно интерпретировать двусмысленные данные и выглядеть некомпетентной.
• Начинать контрибьютинг в активно развивающийся проект лучше с малого — одного простого инструмента с тестами, чтобы понять архитектуру, прежде чем писать масштабные интеграции.

Читайте тесты раньше исходников. Тесты в этом проекте — это спецификация, в них записано то, чего нет в документации.

Оригиналы:350 коммитов в неделю: как контрибьютить в проект, который меняется быстрее, чем ты пишешь

Архитектура платформ данных: владей кодом, арендуй технологию

Данные и аналитика · Modern Data 101 | Expert's Desk · 9/10

Статья рассказывает о принципе проектирования платформ данных, который решает главный вопрос: какую часть системы владеть, а какую рассматривать как заменяемую технологию. Ключевая идея — технологии меняются каждые 5 лет, но правильно написанный код переживает смену инструментов. Фундаментальная ошибка — слить бизнес-логику с проприетарными инструментами, что превращает каждую миграцию в переписывание всей системы. Вместо этого нужно разделить: арендовать commodity-компоненты (хранилище, execution engine, scheduling), но владеть кодом для бизнес-логики, метрик, data contracts и качества данных.

Дизайн должен начинаться с таблицы потребителей и use case'ов, а не с выбора инструмента. Каждый слой архитектуры имеет одно назначение: raw layer сохраняет данные как есть, cleaned layer — с минимальной трансформацией, бизнес-логика живёт в технологично-независимом коде.

Метрики вычисляются один раз в owned коде и читаются везде — если метрика окажется в BI tool'е или дашборде, она становится переносима и переписывается при смене инструмента. На масштабе self-service платформа работает только если provisioning, governance и fairness — часть вашего собственного фреймворка, не feature инструмента.

Настоящий deliverable — не платформа и не логотипы в диаграмме, а body of code, который кодифицирует бизнес и переживает любую смену технологии под ним.

Выводы автора:

• Разделите архитектуру явно: арендуйте commodity-технологии (storage, compute, scheduling), но владейте кодом бизнес-логики, метрик и data contracts.
• Проверяйте каждого кандидата в стек простым тестом: насколько кода нужно переписать при замене этого инструмента в следующем году.
• Вычисляйте каждую метрику один раз в технологично-независимом коде и читайте везде — это единственный способ сохранить её при смене инструментов и масштабировании платформы.

Если capability кодирует бизнес-смысл или вам пришлось бы его переписывать при миграции, оно должно быть в вашем коде, скрытое за тонким адаптером к технологии, которая его сегодня запускает.

Оригиналы:Building Data Platforms That Outlive Their Stacks: Rent the Technology, Own the Code

Как NTA/NDR-системы находят атаки, которые пропускают файерволы

Кибербезопасность · Habr · 8/10

Статья разбирает принципиальные различия между потоковыми системами защиты (NGFW, WAF, IPS) и системами анализа трафика (NTA/NDR), которые работают с зеркальной копией трафика и имеют время на глубокий анализ. В отличие от NGFW, вынужденных принимать решение за миллисекунды, NTA/NDR могут накапливать метаданные месяцами, хранить полные записи пакетов и выявлять аномалии, требующие исторического контекста. Облака — особенно интересная среда для такого анализа: защитные технологии там внедряются с задержкой, а инфраструктура легко разрастается неконтролируемо, накапливая уязвимости. Автор (руководитель экспертизы PT NAD в Positive Technologies) приводит два кейса: восстановление цепочки атаки шифровальщика по сохранённым метаданным (из шести этапов — проникновение, разведка, сбор учётных данных, перемещение, эксфильтрация, шифрование — поточные системы надёжно детектируют максимум два) и обнаружение неизвестного ботнета через аномалии в трафике. Практический вывод: NTA/NDR не конкурируют с NGFW, а дополняют их, обнаруживая то, что те физически не способны увидеть из-за нехватки времени.

Выводы автора:

• NTA/NDR-системы, анализируя копию трафика без ограничений по времени, обнаруживают атаки, которые потоковые NGFW/IPS пропускают, особенно на этапах разведки, сбора учётных данных и эксфильтрации
• Облачная инфраструктура требует повышенного внимания к анализу трафика из-за задержки внедрения средств защиты и легкости создания забытых виртуальных машин с накопленными уязвимостями
• Полное расследование инцидента возможно только благодаря сохранению метаданных и pcap-записей, позволяющих восстановить цепочку атаки постфактум и обнаружить новые угрозы без готовых сигнатур

Цепочку с шестого шага (шифрование) до первого (вход по SSH две недели назад) удалось восстановить исключительно благодаря сохранённым метаданным и записям трафика — без этого компания так и не узнала бы, как её взломали.

Оригиналы:Неужели так просто найти хакера в сетевом трафике облака?

Новое крипторегулирование России: система доверия вместо запретов

Финтех и финансы · Вестник НАУФОР · 9/10

Статья Романа Прокопьева о вступлении в силу федерального закона «О цифровых валютах и цифровых правах» (№ 282-ФЗ) 1 сентября 2026 года, который впервые создает полноценную регулируемую инфраструктуру для обращения криптовалют в России. Закон вводит новых участников рынка (организации обмена цифровых валют и цифровые депозитарии), встраивает криптовалюты в финансовую систему под надзором Банка России и саморегулируемых организаций, и разделяет функции между обменниками, депозитариями, брокерами и организаторами торговли. Для физических лиц вводятся механизмы защиты: тестирование, уведомление о рисках, лимиты на операции, доступ только к валютам из перечня Банка России (биткоин, эфир, стейблкоины), а также антифрод-контур с проверкой подлинности владельца счета. Для юридических лиц криптовалюта становится инструментом международных расчетов, снижающим транзакционные издержки, но с требованием полной прослеживаемости операций и отчетности через адреса вне российской юрисдикции (начиная с мая 2027). Преимущество получают финтех-компании, способные интегрировать регуляторные требования в архитектуру платформы: KYC, проверка кошельков и комплаенс должны стать частью пользовательского пути, а не отдельными процедурами. Закон создает новый рынок специализированных партнерств между банками, брокерами, обменниками и технологическими компаниями, а также возможность регулируемых мостов с международной инфраструктурой цифровых активов.

Выводы автора:

• Новое крипторегулирование создает институциональное доверие через четкое разделение функций участников рынка, что позволяет инвесторам, бизнесу и банкам понимать контрагентов и нести определенную ответственность.
• Конкурентное преимущество получат финтех-компании, которые встроят регуляторные требования в архитектуру платформы, а не добавят криптовалюты как отдельный продукт.
• Переходный период до 30 июня 2027 года дает время на адаптацию, но скорость масштабирования после этого будет зависеть не от обхода ограничений, а от доверия и способности безопасно работать с банками и партнерами.

Теперь скорость будет достигаться за счет доверия. Компании, которые уже сейчас встроятся в новую инфраструктуру, получат самое ценное конкурентное преимущество — статус партнера, с которым можно безопасно и быстро делать бизнес.

Оригиналы:Крипта дождалась: Роман Прокопьев о новом крипторегулировании

Транширование в секьюритизации: эволюция от распределения рисков к финансовому инжинирингу

Финтех и финансы · Вестник НАУФОР · 8/10

Материал анализирует развитие практики транширования в российских проектах секьюритизации за последние 10 лет. Показано, что если на начальном этапе транши служили инструментом перераспределения кредитных рисков между инвесторами, то сегодня они используются для тонкой настройки профиля выпусков облигаций. Анализ охватывает 39 российских проектов секьюритизации: большинство остаются двухтраншевыми (старший и младший), но с 2020 года появляются трехтраншевые структуры, а в 2026 году ПАО «Сбербанк» организовал первую пятитраншевую секьюритизацию портфеля потребительских кредитов. Кредитные причины траншей включают распределение рисков дефолтов и просрочек, а также соблюдение регулятивных требований. Например, негосударственные пенсионные фонды могут инвестировать только в облигации с рейтингом ruAAA.sf или выше, что вынуждает структураторов создавать старшие транши нужного качества. Некредитные причины связаны с управлением риском досрочного погашения кредитов в портфеле. Для этого используются структуры Sequential Pay (последовательное амортизирование) и PAC/Companion (планируемый график погашения). Примеры: секьюритизация потребительских кредитов Т-Банка в 2025–2026 годах, где класс А1 полностью погашается перед началом амортизации класса А2.

Выводы автора:

• Российский рынок секьюритизации переходит от простых двухтраншевых структур к более сложным многотраншевым проектам с целевой оптимизацией профиля выпусков для разных категорий инвесторов
• Транширование используется как инструмент финансового инжиниринга не только для распределения кредитного риска, но и для управления сроками погашения облигаций и адаптации выпусков к регулятивным ограничениям на инвестирование

Многотраншевая структура становится не просто инструментом перераспределения кредитных рисков, но и механизмом финансового инжиниринга траншей относительно достижения того уровня кредитного качества, который является допустимым для целевой категории

Оригиналы:Частники распробовали транши — NAUFOR

Четыре тренда в платежных технологиях XXI века

Финтех и финансы · Б.О: Технологии · 8/10

Статья анализирует основные тренды развития платежной инфраструктуры и технологий, которые привлекают 19,2 млрд долларов инвестиций из 116 млрд глобального финтех-финансирования в 2025 году. Идеальный платеж для клиента — мгновенный, бесплатный и незаметный, что формирует четыре ключевых тренда. Первый: платеж становится незаметной частью другого действия (покупка через цифровые кошельки — 56% электронной торговли в 2025, биометрические платежи в России выросли в 9 раз за 9 месяцев 2025 года до 146 млн). Второй: преимущество банка — не интерфейс, а встроенность в процессы клиента через API (65% корпоративных казначейств планируют расширение, 31% выбирают банк за простоту API-интеграции). Третий: развитие государственных платежных платформ вроде СБП, Pix, UPI снижает стоимость платежа в 2–4 раза относительно карточной инфраструктуры, с массовым внедрением цифрового рубля в России с 1 сентября. Четвёртый: соединение национальных платформ в региональные сети (EuroPA в Европе, Nexus Global Payments в Азии, PAPSS в Африке). Блокчейн и токенизированные активы позволяют круглосуточные расчёты и автоматическое исполнение контрактов. Ценность платежа всё больше возникает не в самом платеже, а вокруг него — в управлении ликвидностью, антифроде и интеграции с бизнес-процессами клиента.

Выводы автора:

• Платёж становится незаметной встроенной частью других действий, а его цена стремится к нулю, при этом ценность генерируется вокруг платежа через сопутствующие сервисы
• Для банков и финтехов критичнее не низкие тарифы, а глубокое понимание бизнес-процессов клиента и встроенность через API-интеграции
• Государственные платежные платформы и региональные сети вытесняют глобальные системы, снижая издержки в несколько раз и обеспечивая интероперабельность

Лучший платеж — мгновенный, бесплатный и не требующий действий, то есть тот, которого клиент почти не заметил.

Оригиналы:Моментально, бесплатно, незаметно и незаменимо

Необычные активы: от скинов до динозавров

Финтех и финансы · Б.О: Технологии · 7/10

Материал рассказывает о нестандартных активах, которые выходят за рамки традиционного понимания инвестиций. Помимо ценных бумаг и недвижимости, инвесторы и ультрасостоятельные клиенты обращают внимание на игровые артефакты (скины Counter-Strike), цифровые объекты (NFT, авторские права, премиальные домены), исторические предметы и даже осколки метеоритов. Яркий пример: продавец скинов рассказал о покупке предмета за 200 рублей и его продаже через полгода за 12 тысяч (доходность 9800% годовых). Однако аудитория таких инвесторов остаётся нишевой — в отличие от массовой волны NFT в 2021-2022 годах. Эксперты Совкомбанка и Т-Банка отмечают растущий интерес ультрабогатых клиентов к активам, связанным с интеллектуальной собственностью, цифровой историей и редкостью. Главные критерии ценности — редкость, идентифицируемость, понятные права владельца, существующий спрос и возможность передачи. При этом такие активы сложнее оценивать, продавать и защищать, чем традиционные финансовые инструменты.

Выводы автора:

• Рынок необычных активов (скины, NFT, цифровые артефакты) показывает экстремальные доходности, но остаётся нишевым и волатильным
• Интерес ультрасостоятельных клиентов к цифровым активам и предметам с исторической значимостью растёт, но регулируется иначе, чем традиционные инвестиции
• Нестандартные активы привлекают не столько потенциалом подорожания, сколько редкостью, статусом и эмоциональной составляющей для владельца

В отличие от этих всех ваших акций, на этом рынке реально можно заработать — основатель Dickers Invest о рынке скинов Counter-Strike

Оригиналы:Активы с приветом

Август на российском рынке: геополитика преодолела восстановление

Экономика · Вестник НАУФОР · 7/10

Российский фондовый рынок в августе 2026 года остался в минусе несмотря на попытки восстановления, так как геополитические риски вокруг Украины и американо-иранского конфликта не позволили закрепиться выше критических уровней. Индекс МосБиржи упал на 2,1% до 2178,87 пункта, РТС снизился на 10% до 794,63 пункта, а индекс гособлигаций RGBI опустился на 1,2% до 113,84 пункта. Главный движитель падения — неопределённость с переговорами по Украине: хотя в начале месяца рынок поддерживали слухи о возможных визитах американских спецпосланников Уиткоффа и Кушнера, конкретики так и не появилось. Поддержку в конце месяца оказало сообщение Bloomberg о встрече министра финансов США Бессента с российской делегацией, вызвавшее отскок МосБиржи на 3% 31 августа. На облигациях давило опасение паузы в цикле снижения ставки ЦБ, хотя Центральный банк и подтвердил, что пространство для снижения ключевой ставки сохраняется, пусть и сузилось. Позитивный фон давали снижение инфляционных ожиданий населения (с 14,7% до 13,7%) и рост цен на нефть Brent до $94,7 за баррель на фоне напряжённости на Ближнем Востоке. Негативный фактор — рост цен на топливо (бензин подорожал на 19,38% за восемь месяцев), что давило на инфляцию. В третьей декаде месяца рынок упал к 2050 пункткам на слабых надеждах на переговоры, но затем немного скорректировался вверх благодаря ослаблению рубля и хорошим квартальным отчётам компаний.

Выводы автора:

• Геополитическая неопределённость по Украине и Ирану остаётся главным тормозом для восстановления российского рынка акций
• ЦБ сохраняет возможность дальнейшего снижения ключевой ставки до конца года, но неопределённость по параметрам бюджета и вторичным эффектам роста цен на топливо ограничивает темп снижения
• Любые сигналы о дипломатических контактах США с Россией вызывают технический отскок котировок, но неподтверждённые слухи быстро теряют эффект

Предложения, которые до нас доводятся, носят подчас экзотический характер и являются неприемлемыми. Мы всегда готовы к диалогу о мире, но только на основе реалий, складывающихся на земле.

Оригиналы:Когда «никак» = «хорошо» — мнение Виктора Коновалова из Интерфакс-ЦЭА

Как ИИ-агенты переформатируют роль проджект-менеджера

Продукт и карьера · ScrumTrek · 9/10

Материал разбирает, как четвёртая промышленная революция меняет проектное управление и требования к проджект-менеджерам. Ключевая смена парадигмы — от управления задачами к управлению ценностью: исследования показывают, что 61% сложных проектов не дают ожидаемого бизнес-эффекта, несмотря на соблюдение сроков и бюджета. Фокус смещается на портфель проектов целиком, а не на успех каждого отдельно. Агентный ИИ становится полноценным участником команды, а не просто помощником — по прогнозам Gartner, к концу 2026 года 40% корпоративных приложений будут включать ИИ-агентов. Эти системы автономно выявляют узкие места, формируют отчёты с рекомендациями и перестраивают рабочие потоки. Однако большинство организаций не готовы к интеграции ИИ: им не хватает чистых и связанных данных. Роль PM эволюционирует от администратора к стратегу: ИИ автоматизирует рутину (отчётность, согласование, напоминания), освобождая менеджеров для работы с людьми и стратегическими решениями. Проджект-менеджер будущего должен быть интегратором ИИ-агентов, аналитиком данных, фасилитатором с высоким эмоциональным интеллектом. При этом софт-скиллы (эмоциональный интеллект, разрешение конфликтов, влияние без директивной власти) становятся премиальным активом — 72% организаций отмечают лучшие результаты при приоритизации мягких навыков. Главное препятствие внедрения ИИ — не качество моделей, а инфраструктура, данные и безопасность.

Выводы автора:

• Проджект-менеджер будущего — это стратег, интегратор ИИ-агентов, аналитик данных и фасилитатор с высоким эмоциональным интеллектом, а не администратор, занятый рутиной.
• Успех проекта больше не измеряется соблюдением сроков и бюджета, а способностью генерировать измеримую стратегическую ценность для компании в контексте портфеля.
• Организациям нужно встраивать ИИ-агентов в методологии и фреймворки, а не использовать как набор отдельных инструментов; главное препятствие — готовность данных и безопасность, а не технология.

Проджект-менеджер будущего — это стратег, интегратор ИИ-агентов, аналитик данных и фасилитатор с высоким EQ.

Оригиналы:PM skills of tomorrow: почему PM нужно уметь делать ИИ-агентов и дизайнить Канбаны

Как AI-кодинг обнажил мой СДВГ: история разработчика

Продукт и карьера · Habr · 8/10

Автор рассказывает о том, как переход на работу с AI-агентами (GitHub Copilot, Cursor, параллельными агентами) кардинально ускорил его разработку, но одновременно привёл к нарастающему беспокойству, физической нервозности и эмоциональному истощению. Первоначально воспринимая это как следствие перегрузки, он обратился к психиатру и получил диагноз СДВГ (синдром дефицита внимания и гиперактивности). Оказалось, что синдром не означает неспособность сосредоточиться, а скорее хаотичную фокусировку внимания, которая в его случае проявлялась в сильном гиперфокусе на одной задаче за счёт всего остального. Работа с параллельными агентами, требующая постоянного переключения внимания и управления несколькими потоками, значительно усилила симптомы. Автор выявил, что многие рекомендуемые для СДВГ практики (календари, чек-листы, напоминания) он уже использовал, не понимая, что это управление синдромом. В поиске решения он сформулировал три правила: отказ от параллельных агентов, избегание голосового ввода для сложных задач и переориентация с темпа работы на качество результата. Главный вывод — необходимо сделать паузу и спросить себя, как я себя чувствую, вместо того чтобы бежать в бесконечной гонке за продуктивностью.

Выводы автора:

• Работа с AI-агентами, ускоряя разработку, может обнажить ранее скрытые психологические и неврологические проблемы, требующие профессионального внимания.
• Когнитивная стабильность и психическое здоровье важнее абсолютной скорости разработки; параллелизм агентов может принести больше вреда, чем пользы, если он приводит к эмоциональному истощению.
• При работе с AI необходимо переместить фокус с того, как быстро что-то делать, на результат и его ценность, регулярно останавливаться и осознавать своё состояние.

Я не могу проконсультироваться с психиатром на тему своих подозрений, потому что все еще существуют люди, которые не знают, что такое Cursor, Parallel Agents и MCP, не говоря уже о том, что мы, как человечество, вообще еще не поняли, какой эффект это

Оригиналы:Я попал к психиатру из‑за кодинга с AI

Типичные ошибки PLG-компаний: от поиска единорога до саботажа продукта

Продукт и карьера · Elena's Growth Scoop · 8/10

Статья опытного экспертов по product-led growth (PLG) раскрывает систематические ошибки, которые повторяют компании, масштабирующие самообслуживаемый бизнес. Автор выделяет ключевую проблему: соблазн быстрых денег от крупных enterprise-сделок приводит к постепенному демонтажу успешной PLG-машины. Компании часто считают каждый самообслуживаемый знак-ап «лидом» и начинают их агрессивно звонить, что превращает довольных пользователей в раздражённых клиентов. Затем возникает внутренняя конкуренция: переклассификация существующей self-serve выручки в enterprise для попадания в квоты, блокировка новых фич для self-serve-слоя, требования от sales о разработке обещанных функций, которые не стоят альтернативных затрат.

Автор подчёркивает, что такие манёвры не создают реальный рост — они лишь перетасовывают цифры на табличках, а иногда даже делают бизнес дороже, не добавляя ценности клиентам.

Выводы автора:

• Быстрое переключение на enterprise-ориентированную модель без поддержки самообслуживания убивает самую сильную сторону PLG-компаний — органический рост через произведение продукта.
• Искусственное обозначение каждого sign-up'а как лида и навязчивое преследование пользователей фактически вредит репутации и обращает лояльных адвокатов в критиков.
• Внутренняя борьба за атрибуцию выручки между каналами приводит к игре с числами (переклассификация, ограничение фич, принудительное обновление), которая не создаёт реальной ценности и часто увеличивает стоимость обслуживания.

Вы не можете устроить засаду пользователям и попытаться заставить их на демо-звонки — это не product-led продажи, это просто преследование.

Оригиналы:Полная статья Elena Verna: 'Congrats, your sales problems in PLG are completely unoriginal'

Альтернативы Хабра для англоязычной публикации: обзор площадок

Продукт и карьера · Habr · 7/10

Материал разбирает платформы и агрегаторы для публикации технических статей на английском языке, которые конкурируют с Хабром в русскоязычном сегменте. Автор сравнивает DevTo, HackerNoon, Substack (платформы для блогов), Hacker News, Lobsters, Bubbles, Lemmy, GeekNews и Reddit (агрегаторы ссылок). Главный вывод: большинство платформ бесполезны для авторов без подписчиков — DevTo наводнён ИИ-контентом и даёт 10–20 просмотров, HackerNoon занижает видимость новых авторов, Substack требует собственной аудитории. Единственная реальная возможность охвата — агрегаторы: статья на главной Hacker News даёт десятки тысяч переходов, на Lobsters — тысячи. Автор рекомендует авторам поднимать собственный блог на открытом коде вместо Medium/Substack, добавлять RSS-ленты, отправлять ссылки в Hacker News (если набрать 4–6 плюсов за 30 минут, попадёшь на главную) и Bubbles. Важно соблюдать правило 10% ссылок на свой блог на HN, чтобы избежать теневого бана. Публикация на английском открывает доступ к крупным почтовым рассылкам (tldr, Stack Overflow) и международному делиться контентом — что невозможно для русскоязычного контента.

Выводы автора:

• Агрегаторы ссылок (Hacker News, Lobsters) — единственный способ получить органический охват новому автору без подписчиков; одна статья на главной HN может принести десятки тысяч переходов
• Платформы для блогов (DevTo, HackerNoon, Substack) полезны только для SEO и авторов с готовой аудиторией; нового автора прочитают 0 человек
• Англоязычный контент имеет экспоненциально больший потенциал: попадает в крупные рассылки, распространяется в социальных сетях других стран, тогда как русский контент ограничен локальным сегментом

Если ваша статья попала на главную страницу Hacker News, то вы можете получить десятки тысяч переходов на ваш сайт.

Оригиналы:Альтернативы Хабра в англоязычном интернете

Apple Duo и Oracle: новая эпоха фолдаблов и облачных вычислений

Продукт и карьера · App Economy Insights · 7/10

На этой неделе произошли два важных события в технологической индустрии. Apple выпустила свой первый складной смартфон iPhone Duo стоимостью $1,999–$3,199, став на семь лет позже конкурентов на рынке фолдаблов. Несмотря на то что фолдаблы занимают только 2% глобального рынка смартфонов, Apple может захватить около четверти этого сегмента, продав ~6 млн устройств в 2026 году. Главная стратегия Apple — не в доминировании на новом рынке, а в повышении средней цены iPhone за счёт премиум-категории и интеграции AI через обновленный Siri, который использует личный контекст пользователя. Параллельно Oracle опубликовала впечатляющие результаты Q1 FY27: облачная выручка выросла на 121% до $7,4 млрд, компания развернула 850 МВт новых мощностей и 300 тыс. GPU. Накопленный бэклог (RPO) достиг $664 млрд, при этом предоплаты клиентов финансировали свыше $11 млрд инфраструктурных расходов.

Однако валовая маржа Oracle упала на 6 пункта из-за низкомаржинального облачного бизнеса, а компания прогнозирует ускорение облачной выручки до 65–71% в Q2.

Выводы автора:

• Apple использует фолдабл-технологию не как основной драйвер роста, а как инструмент повышения средней цены iPhone и удержания пользователей в экосистеме.
• Oracle доказала, что может превращать огромный бэклог ($664 млрд) в реальную выручку и ёмкость, а предоплаты клиентов становятся значимым источником финансирования облачной инфраструктуры.
• AI интегрируется в стратегии компаний по-разному: Apple контролирует устройство и ОС, используя внешние модели, тогда как Oracle наращивает собственную облачную инфраструктуру для обслуживания спроса на обучение и инференс.

Apple не нуждается в том, чтобы пользователи часами сидели в чат-боте Apple. Её преимущество — контролировать устройство, операционную систему и личный контекст, где AI становится полезным.

Оригиналы:App Economy Insights — AI had a strange week