Дайджест за 29 сентября 2026

Собрал рабочий мобильник из маркетплейсных деталей с помощью ИИ

ИИ и агенты · Habr · 8/10

Автор собрал полностью рабочий мобильный телефон из компонентов с маркетплейсов, активно используя бесплатные ИИ-модели (DeepSeek, Gemini, ChatGPT) для ускорения разработки. Основу устройства составляет радиомодуль SIM800C, управляемый микроконтроллером STM32L051, OLED-экран 128×32, литиевый аккумулятор 75 мАч и тактовые кнопки. Ключевая сложность — высокие пиковые потребления тока радиомодуля (до 2 А), которые потребовали добавления аккумулятора вместо простых конденсаторов. ИИ помогал с AT-командами для управления модулем, кодом инициализации и взаимодействием с UART-портом. Автор использовал Gemini для проектирования 3D-корпуса в OpenSCAD, заметив, что Gemini лучше справляется с визуальной обратной связью (скриншотами), чем DeepSeek. Финальное устройство поддерживает входящие и исходящие звонки, приём СМС на русском языке, отображение уровня сигнала и времени. На полной зарядке работает около 6 часов; при внедрении спящего режима время автономной работы увеличится до 9 суток. Код приёма СМС пришлось писать вручную, так как ни один ИИ не смог сгенерировать рабочую реализацию сложного обмена командами по UART.

Выводы автора:

• ИИ существенно ускоряет прототипирование и разработку встроенного ПО, но не всегда справляется со сложной логикой (например, приём СМС потребовал ручного кодирования)
• Выбор микроконтроллера и архитектуры можно доверить ИИ, если задать правильные критерии (функциональность, энергопотребление, стоимость)
• Визуальные ИИ-модели (Gemini с поддержкой скриншотов) удобнее для итеративной разработки корпусов и схем, чем текстовые

Хотя я до некоторой степени умею писать код сам, здесь будем активно использовать ИИ. Прежде всего, для экономии времени и чтобы не разбираться в протоколах общения с радиомодулем.

Оригиналы:Мобильник почти из ничего: Как ИИ помог собрать телефон из деталей с маркетплейсов

NVIDIA выпустила открытую модель для определения говорящих в аудио

ИИ и агенты · Habr · 8/10

NVIDIA выпустила Nemotron 3 Diarization — компактную открытую модель с 100 млн параметров, которая определяет, кто и когда говорит в аудиозаписи. Модель решает задачу диаризации (в отличие от распознавания речи, которое отвечает на вопрос «что сказали», диаризация определяет «кто говорил в этот момент»). Nemotron 3 работает как с готовыми аудиофайлами, так и с потоковым аудио в реальном времени, поддерживает до восьми одновременно говорящих собеседников и корректно обрабатывает перекрывающуюся речь. На выходе модель создаёт временную шкалу с анонимными метками вида speaker_0, speaker_1. Веса опубликованы на Hugging Face под лицензией OpenMDW 1.1, разрешённой для коммерческого и некоммерческого использования. В предварительном рейтинге VoiceArena Diarization-Bench модель заняла первое место среди 12 систем с показателем DER (diarization error rate) 14,72% против 19,3% у ближайшего конкурента. Модель поддерживается фреймворками NVIDIA NeMo и Hugging Face Transformers, запускается одной командой и может комбинироваться с ASR-моделями для полной стенограммы. Основные применения: стенограммы совещаний, звонки поддержки, интервью, подкасты, медицинские консультации и голосовые агенты.

Выводы автора:

• Nemotron 3 — первая открытая модель диаризации, поддерживающая до восьми одновременных говорящих в потоковом режиме с результатом лучше конкурентов на 24% (относительно)
• Компактный размер в 100 млн параметров позволяет запускать модель локально без отправки данных на внешние серверы
• Модель доступна на Hugging Face под permissive-лицензией и интегрирована с популярными фреймворками для быстрого внедрения

Одна и та же модель может обрабатывать готовые файлы и потоковое аудио, используя кеш ранее услышанных голосов для сохранения стабильности меток говорящих.

Оригиналы:NVIDIA выпустила открытую модель для определения говорящих в аудио

Jev: специализированная модель для классификации, Opus 5.5 vs конкуренты

ИИ и агенты · Lenny's Newsletter · 8/10

Выпуск Lenny's Newsletter посвящен двум ключевым темам: новой модели Jev от TypeSafe AI для принятия решений и переоценке Claude Opus 5.5 после месяцев использования конкурентов. Jev — это не языковая модель, а модель решений, которая возвращает структурированные категории, оценки и вероятности вместо генерируемого текста. Она обрабатывает классификацию за 4 цента за миллион входных токенов без платы за выходные токены, что делает крупномасштабный анализ экономически целесообразным. Автор проанализировала 1700 pull-request'ов за 9 центов, классифицировала 4500 комментариев YouTube и обработала 200000 операций за $4 в сочетании с фронтир-моделями. Opus 5.5 вернул Claude в ежедневный рабочий процесс благодаря лучшей личности модели (меньше многословности), 40% более низкой цене и заметно быстрой производительности. Модель показала исключительные результаты в дизайне фронтенда, SVG-иллюстрациях и длительных агентических задачах (до 82 шагов), но проигрывает Codex в работе с компьютером и видеоредактированием. Оптимальная стратегия — использовать Jev для фильтрации и маршрутизации больших наборов данных, затем отправлять только важные группы фронтир-моделям для глубокого анализа.

Выводы автора:

• Jev покрывает примерно 90% реальных производственных рабочих процессов, которые нужны только для решения, а не генерации текста, при минимальной стоимости
• Opus 5.5 вернулся в основной рабочий процесс благодаря улучшенной личности модели, 40% снижению цены и более быстрому выполнению долгих агентических задач
• Оптимальный подход — парное использование: Jev для классификации и фильтрации больших данных + фронтир-модель для глубокого анализа только критичных фрагментов

Реальный навык — распознать, где конвейеру просто нужно принять решение. Вот где Jev на месте.

Оригиналы:Подкаст: Jev для начинающих и Opus 5.5 обзор · Jev: анализ данных и продуктовые инсайты · YouTube версия подкаста

Opus 5.5 vs GPT-6 Sol: слепой тест моделей ИИ на реальных задачах

ИИ и агенты · Lenny's Newsletter · 8/10

Клэр из How I AI провела развёрнутый слепой тест четырёх LLM-моделей (GPT-6 Astra, GPT-6 Sol, Claude Opus 5.5 и других) на восьми реальных рабочих задачах: написание текстов, фронтенд-прототипы, личная продуктивность, SVG-иллюстрации, бэкенд-разработка, долгоживущие агенты и компьютерное зрение. Главный вывод: Opus 5.5 вернулась в рабочий процесс благодаря эргономике и естественности ответов, а не просто высоким бенчмаркам. Astra понравилась по качеству, но Sol показала лучший баланс между отзывчивостью и чистотой общения, при этом стоя примерно в два раза дешевле Opus 5.5. Клэр отметила, что частое использование em-dash в ответах модели — надёжный индикатор неестественного стиля ИИ-агента. Также неожиданно: в слепом тесте на SVG Astra и Sol опередили Opus 5.5, хотя в отдельном тесте Opus казалась лучше. Выводы разошлись между автором и AI-судьёй: судья награждал корректность и структуру, а Клэр — желание на самом деле использовать модель.

Выводы автора:

• Ergonomic communication and natural tone часто важнее чистых бенчмарков при выборе модели для рабочего процесса.
• GPT-6 Sol по цене (~50% от Opus 5.5) и качеству может переопределить как команды маршрутизируют задачи между моделями.
• Расширение бенчмарка с двух категорий на восемь выявило различия в применяемости моделей, которые узкие тесты не видят.

После повторного просмотра я понял, что случайно выбрал Opus 5, а не Opus 5.5. Разница была очевидна.

Оригиналы:Opus 5.5 vs GPT-6 Sol: Слепой тест · Генерация SVG-иконок ИИ · Сортировка входящей почты и черновики писем

Machine Payments Protocol: как ИИ-агенты станут платёжеспособными клиентами

ИИ и агенты · ByteByteGo · 8/10

Материал рассказывает о Machine Payments Protocol (MPP) — новом протоколе, который позволит ИИ-агентам напрямую совершать платежи в интернете без участия человека. Интернет 30 лет развивался с предположением, что покупатели — это люди, но это быстро меняется: по данным Cloudflare, автоматизированные системы уже генерируют 57,5% HTTP-запросов к веб-сайтам. ИИ-системы эволюционируют из простых чат-ботов в полноценные агенты, которые могут планировать действия, их выполнять и оценивать результаты.

Современные платёжные системы сохраняют ориентацию на человека с интерфейсами для чтения и принятия решений. MPP решает эту проблему, создавая стандартный интерфейс для агентов, чтобы они могли взаимодействовать с сервисами и совершать расчёты независимо от метода платежа.

Инновация MPP состоит не только в облегчении платежей, но и в исключении человека из этого процесса — это принципиально меняет архитектуру цифровой экономики.

Выводы автора:

• Более половины интернет-трафика уже приходится на автоматизированные системы, что требует переосмысления платёжной инфраструктуры
• Machine Payments Protocol создаёт единый стандарт для прямых платежей между ИИ-агентами и интернет-сервисами без человеческого посредничества
• Переход к агентной экономике предполагает фундаментальные изменения не только в платёжных системах, но и во всей архитектуре онлайн-бизнеса

Ваш следующий клиент может быть агентом

Оригиналы:AI Agents Can Think. Now They Can Pay · Introducing the Machine Payments Protocol · Machine Payments Protocol: Stripe Docs

Julia 1: компактная модель классификации текстов с открытыми весами

ИИ и агенты · Habr · 7/10

Компания Supersonic Labs выпустила Julia 1 — небольшую языковую модель для классификации текстов и выбора из предложенных вариантов. Модель содержит 144 млн параметров, занимает около 550 МБ и может работать на процессоре без облака, включая мобильные устройства. По концепции она похожа на Jev от TypeSafe: получает контекст, вопрос и 2-20 вариантов ответа, возвращая выбранный вариант с оценками для каждого из них. Веса опубликованы под лицензией Apache 2.0, что позволяет обрабатывать данные локально без отправки во внешние API. В основе лежит многоязычный энкодер mmBERT-small; на Mac с M4 запрос с четырьмя вариантами выполняется около 33 миллисекунд. На тестах классификации новостей и анализа эмоций Julia 1 превосходит Jev, но на банковских обращениях значительно уступает (64% против 87%). Обучение поверх готового mmBERT-small стоило команде примерно $104 на облачных GPU. Веса, инструкции и результаты тестов доступны на Hugging Face.

Выводы автора:

• Julia 1 — компактная модель с открытыми весами, работающая локально на CPU и даже мобильных устройствах без облачных вычислений.
• Модель демонстрирует лучшие результаты на классификации новостей и эмоций, но значительно отстаёт на специализированных задачах, таких как анализ банковских обращений.

Веса модели опубликованы под Apache 2.0, поэтому обработку можно выполнять локально, без отправки данных во внешний API.

Оригиналы:Julia 1: релиз модели в духе Jev с открытыми весами и запуском на CPU

Запуск видео Bad Apple на 20 fps на E-Ink дисплее с ESP32-S3 за $71

Разработка и архитектура · Habr · 9/10

Инженер Tony Weston реализовал воспроизведение полноценного чёрно-белого видео на стандартной плате ESP32-S3 с экраном на электронных чернилах без использования ПЛИС, управляя панелью напрямую по параллельной шине. Ключ к успеху — оптимизация на уровне архитектуры обработки данных: использование трёхстадийного конвейера с распределением буферов между внешней PSRAM (518 КБ) и быстрой внутренней SRAM (130 КБ), дельта-движок, обрабатывающий только изменившиеся пиксели, и векторный сопроцессор PIE для параллельной обработки 64 пикселей за одну команду ассемблера.

Вместо классической таблицы соответствия для преобразования пиксельных кодов в управляющие сигналы используются регистры процессора, что исключает миллионы обращений к памяти на кадр — строка из 960 пикселей обрабатывается всего за 15 ассемблерных инструкций.

Двойная буферизация строк позволяет DMA-контроллеру одновременно передавать данные на панель, пока векторный блок преобразует следующую строку. Критически важная оптимизация — двойное защёлкивание одной строки для одновременного применения команд затемнения и осветления, что решило проблему размытия движущихся краёв.

Точность всей системы была подтверждена инженерным экспериментом с планшетным сканером Canon (300 dpi), который показал, что смещение линий составляет всего 0,4 пикселя, а контрастность достигает реального чёрного цвета с чёткими краями и сохранённой текстурой дизеринга.

Выводы автора:

• Оптимальное размещение буферов по разным видам памяти (PSRAM, SRAM) и использование векторных операций позволяет микроконтроллеру достичь производительности, необходимой для видео на E-Ink без ПЛИС.
• Хранение управляющих сигналов в регистрах вместо таблиц в памяти и дельта-движок, обрабатывающий только изменённые пиксели, критически снижают нагрузку на память и шину данных.
• Инженерная валидация через объективное измерение (планшетный сканер) предпочтительнее визуальной оценки при отладке аппаратно-близких систем.

Самая медленная особенность панели (необходимость совершать семь проходов) умножается только на те пиксели, которые реально изменились.

Оригиналы:Как я запустил Bad Apple с частотой 20 fps на E-Ink дисплее за $71

Реверс-инжиниринг CMP90HX: включили P2P прямой обмен данными между видеокартами

Разработка и архитектура · Habr · 8/10

Автор продолжает серию статей о модификации майнинговых видеокарт NVIDIA CMP90HX, на этот раз решив проблему отсутствия прямого обмена данными между GPU (P2P). Проблема заключалась в том, что при использовании нескольких видеокарт для запуска больших языковых моделей все данные вынуждены проходить через системную оперативную память: GPU0 → RAM → GPU1, что создавало узкое место с пропускной способностью около 1,6 ГБ/с вместо прямого соединения через PCIe. Для понимания механизма пришлось разобраться с работой BAR1 (Base Address Register), виртуальной памяти GPU через GMMU и таблицами страниц. Автор изучал исходный код открытого NVIDIA драйвера и обнаружил интересные внутренние параметры: ForceP2P, RMForceP2PType, PeerMappingOverride и RMDisableFeatureDisablement — механизмы, которые инженеры NVIDIA оставили для собственной отладки. Оказалось, что часть решений принимается закрытым компонентом GSP (GPU System Processor), который первоначально блокировал P2P для CMP. Путём комбинирования правильных флагов и переопределения ограничений автору удалось впервые включить настоящий P2P на этих картах, получив прямой доступ одной видеокарты к памяти другой без промежуточной системной памяти.

Выводы автора:

• Инженеры NVIDIA оставили в драйвере внутренние механизмы управления P2P для собственной разработки и отладки, которые можно использовать для обхода искусственных ограничений CMP90HX.
• Прямой обмен данными между GPU (P2P) требует правильной конфигурации виртуальной памяти, отображения BAR1 и взаимодействия как открытой части драйвера, так и закрытого компонента GSP.
• Впервые удалось включить полноценный P2P на видеокартах CMP90HX, обойдя ограничения производителя через использование специальных флагов принудительного разрешения.

«В какой-то момент инженеры NVIDIA, видимо, настолько устали от собственных ограничений, что написали специальный переключатель, отключающий механизм отключения возможностей, и я их прекрасно понимаю.»

Оригиналы:Часть 4. Обошел еще одно ограничение NVIDIA: первым в мире включил P2P на CMP90HX

Самодельное поворотное устройство для антенны с сетевым управлением

Разработка и архитектура · Habr · 8/10

Подробный рассказ о разработке полнофункционального поворотного устройства (ротатора) для направленной антенны, включающего механику, электронику и интеграцию с популярным в радиолюбительской среде программным обеспечением. Автор использовал трёхфазный редуктор от конвейера (200 Вт) с передаточным соотношением 720:1 и частотный преобразователь мощностью 0.75 кВт для управления вращением. Для решения проблемы удержания антенны при ветре применена задняя полуось от ВАЗ-2107 с электрическим актуатором (12В, до 70 кг усилия) для управления стояночным тормозом. В качестве датчика положения использован датчик оборотов, установленный на оси двигателя, что обеспечивает точность в полградуса. Ключевой идеей стала интеграция с программой UR5EQF_Log через протокол UDP/XML. Автор обнаружил, что эта программа поддерживает управление ротаторами через IP-адрес и порт, передавая команды вращения в формате человекочитаемого XML. Первоначально рассматривалось управление через MODBUS/RS-485, но выбран более надёжный способ с дискретным управлением частотным преобразователем. Система предусматривает как ручное управление (кнопки вперёд/назад), так и автоматическое позиционирование с предварительным заданием азимута через цифровой дисплей.

Выводы автора:

• Использование частотного преобразователя обеспечивает плавный запуск и регулировку скорости вращения, снижая нагрузку на механизм редуктора при запуске.
• Интеграция с программой UR5EQF_Log через UDP/XML позволяет автоматизировать поворот антенны в направлении на корреспондента на основе его позывного.
• Применение микроконтроллера и датчика оборотов даёт возможность контролировать вращение как на аппаратном (концевые выключатели), так и на программном уровне.

Поскольку у меня уже был опыт сетевого программирования, я сразу загорелся идеей внедрить в свою конструкцию этот функционал для взаимодействия с UR5EQF_Log.

Оригиналы:Разработка поворотного устройства для антенны: от механики до сетевого управления

Modern Turbo Navigator 2: двухпанельный файловый менеджер на Delphi с GPU-рендерингом

Разработка и архитектура · Habr · 7/10

Автор разрабатывает Modern Turbo Navigator 2 (MTN2) — двухпанельный файловый менеджер на Object Pascal/Delphi с классическим TUI-интерфейсом в стиле Necromancer's DOS Navigator, но с современными возможностями GPU-конвейера Skia. Материал подробно описывает историю разработки: первая попытка на Rust (crossterm + ratatui) наткнулась на непреодолимые ограничения стандартной консоли Windows (дискретное масштабирование, проблемы с переношением окон, потеря сложных клавишных комбинаций). Автор отвергает существующие варианты: ConEmu (сложная многослойная архитектура с инъекцией DLL), Total Commander (оконный GUI, не матричный интерфейс), Electron (слишком ресурсоёмкий). Выбор Object Pascal обоснован практически: высокая скорость компиляции (2–3 секунды), монолитный бинарник без VM и сборщика мусора, поддержка многопоточности и встроенный рендеринг через FireMonkey/Skia. Проект нацелен на узкую, но требовательную аудиторию (системные инженеры, DevOps, программисты), которой нужна скорость навигации только с клавиатуры и полный контроль над машиной.

Выводы автора:

• Двухпанельные менеджеры остаются инструментом нишевой консервативной аудитории (DevOps, системные программисты), а не массовых пользователей.
• Стандартная консоль Windows имеет архитектурные ограничения (дискретное масштабирование, потеря клавишных комбинаций), которые требуют собственного графического окна с GPU-рендерингом символьной сетки.
• При разработке специализированного ПО знание платформы в глубину может быть решающим фактором: Object Pascal выбран не из приверженности языку, а из практического умения работать с экосистемой.

Когда стоит задача получить рабочий, стабильный инструмент под свои требования, решающим фактором стала глубина владения платформой.

Оригиналы:Двухпанельный файловый менеджер на Delphi. Из NDN с любовью… (Habr)

Как программист реализовал идею отца по диагностике износа железнодорожных колёс

Разработка и архитектура · Habr · 7/10

Статья рассказывает о том, как автор (программист) реализовал инновационный метод диагностики износа железнодорожных колёс, предложенный его отцом — инженером-железнодорожником. Вместо дорогостоящего вывода вагонов из эксплуатации и их перегона на осмотр, метод использует датчики на каждой колёсной паре: они фиксируют один импульс за оборот, и длительность оборота сравнивается с эталоном идеального колеса диаметром 950 мм. Разрешающая способность метода составляет примерно 0,01 мм износа колеса. По логике алгоритма отклонение одной колёсной пары указывает на её повреждение, а одинаковое отклонение всех пар — на дефект рельса. Автор написал программу Gogo на C# под .NET Framework 4.0, которая визуализирует расчёты и демонстрирует принцип работы системы через два графика: зависимость импульсов от скорости и от диаметра колеса. В 2018–2019 годах была подана заявка в Национальный центр интеллектуальной собственности Грузии, и патент был зарегистрирован под названием «Система индикации величин износа подвижного состава и рельсов». Однако устройство так и не было реализовано из-за отсутствия финансирования: государство не предусмотрело бюджет, а частные инвесторы требовали предварительной демонстрации на реальном поезде, что требовало денег. История иллюстрирует классическую проблему: для доказательства нужно финансирование, а для финансирования нужно доказательство.

Выводы автора:

• Датчиковый метод с микросекундной точностью позволяет диагностировать износ железнодорожных колёс и рельсов в процессе эксплуатации, не требуя вывода вагонов из строя.
• Хорошее техническое задание должно содержать чёткие входные данные, явную логику, установленные пороги и однозначное решение — и в данном случае инженер смог донести его программисту даже без технического образования.
• Инновация часто остаётся невостребованной не из-за несовершенства идеи, а из-за финансового цикла: инвесторы требуют доказательства работоспособности, которое невозможно предоставить без их средств.

Финансирование требует доказательства. Доказательство требует оснащённого поезда. Оснащённый поезд требует финансирования.

Оригиналы:Как найти повреждённое колесо поезда, не перегоняя состав

Пользователь использовал ИИ для взлома Internet Download Manager

Кибербезопасность · Habr · 7/10

Пользователь Reddit успешно использовал uncensored LLM-модель Qwen3.8-Flash-Next для автоматического взлома Internet Download Manager версии 6.43, избежав платежа за лицензию. Он потратил 5 евро на облачный GPU и предоставил модели примерно 250 000 токенов контекста для анализа исполняемого файла программы. За 30 минут ИИ определила конкретный адрес в бинарном файле (смещение 0×378edc), где был сохранён механизм проверки лицензии, и рекомендовала изменить один байт для отключения этой проверки. После внесения изменений автоматизированный скрипт обновил реестр Windows, установив статус полной версии программы. Случай демонстрирует новый вектор угрозы в эпоху развитых языковых моделей: использование ИИ без ограничений безопасности для автоматизации взлома и модификации программного обеспечения может стать массовой практикой.

Выводы автора:

• Uncensored LLM-модели способны эффективно анализировать бинарные файлы и находить уязвимости для обхода защиты лицензирования за минуты и за минимальную стоимость
• Использование ИИ для автоматизации взлома ПО представляет новый класс угроз безопасности, требующий ответных мер от разработчиков

В эпоху ИИ практика использования больших языковых моделей для автоматической модификации программного обеспечения, вероятно, будет набирать обороты

Оригиналы:Пользователь задействовал ИИ для взлома Internet Download Manager

Как Cloud.ru автоматизировала управление требованиями безопасности

Кибербезопасность · Б.О: Технологии · 7/10

Материал описывает практический опыт облачного провайдера Cloud.ru по организации постоянного управления соответствием требованиям информационной безопасности после успешного прохождения аудитов PCI DSS и ГОСТ 57580. После получения аттестата компании пришлось решать проблему: управление 195 плановыми задачами и 600 мерами защиты для 40+ продуктов и 60+ команд требовало систематизации. Ручное отслеживание требований в таблицах и письмах привело к дублированию запросов к разработчикам, потере актуальной информации и неэффективным коммуникациям между подразделениями. Cloud.ru внедрила SGRC-платформу Compliance App от Compliance Control, которая связала в одной системе требования, мероприятия, ответственных, сроки и свидетельства. Система автоматически формирует периодические задачи, исключает повторные запросы к командам, интегрируется с таск-трекерами и централизует документы. После внедрения компания сократила повторные обращения к разработчикам, избежала расширения штата и сумела не увеличить стоимость услуг для клиентов благодаря автоматизации комплаенс-процессов.

Выводы автора:

• Соответствие требованиям безопасности требует постоянного управления между аудитами, а не только подготовки к проверкам.
• Автоматизация комплаенс-процессов через специализированные платформы (SGRC) позволяет избежать расширения штата и снижает повторную работу команд.
• Централизованное управление требованиями и свидетельствами помогает использовать одно доказательство для нескольких стандартов и включить безопасность в обычный рабочий процесс.

Аудит заканчивается, а требования остаются. Доступы нужно пересматривать, документы обновлять, сотрудников обучать, изменения контролировать, уязвимости проверять.

Оригиналы:Аудит на безопасность пройден. Почему осталось еще 195 задач

Nubank рассчитывает купить Monzo за £10B, первый обвал акций ИИ-агентов

Финтех и финансы · Linas from Linas's Newsletter · 8/10

Материал разбирает две крупные новости финтеха и ИИ. Первая: бразильский финтех-гигант Nubank, уже работающий со стейблкоин-счетами в 35 странах без банковской лицензии, ведёт переговоры о покупке британского цифрового банка Monzo за £8-10 млрд (примерно в два раза выше последней оценки). Суть сделки в том, чтобы превратить неиспользуемые депозиты Monzo (£25,7 млрд) в кредиты — то, чего Nubank ещё никогда не делал вне Латинской Америки. Автор разбирает, почему расценки имеют смысл, как бразильские маржи (22,9%) не выживут под британскими правилами, и почему лицензия-свободное расширение не может заменить эту сделку. Вторая новость: на Уолл-стрит произошла первая распродажа акций ИИ-агентов — Goldman Sachs создал портфель «потребительской инерции», который упал на 7% за шесть сессий. Продавались акции Schwab, Allstate и Planet Fitness, а вот Shopify и Meta выросли. Это указывает на новый тест оценки для акций с доступом к агентам.

Выводы автора:

• Nubank пытается купить Monzo, чтобы получить банковские лицензии и превратить крупные неиспользованные депозиты в кредитные портфели, но его высокие бразильские маржи несовместимы с британским регулированием.
• На рынке начался переоценка потребительских акций на основе доступа к ИИ-агентам: компании с высокой уязвимостью к автоматизации теряют стоимость, а платформы с агент-интеграциями растут.
• Финтех и ИИ кардинально меняют традиционный финансовый сектор — от расширения без лицензий до переоценки публичных компаний по новым критериям.

Nubank уже работает со стейблкоин-счетами в 35 странах без банковской лицензии ни в одной из них, и теперь хочет заплатить £10 млрд за лицензии Monzo.

Оригиналы:Основной материал о Nubank и Monzo · Как использовать Jev AI и TypeSafe System One Model · Grok Bot: первая реальная ОС ИИ-агентов

Таргеты аналитиков: как использовать целевые уровни при выборе акций

Финтех и финансы · СберБанк · 7/10

Материал объясняет, что такое таргеты аналитиков и как их применять при формировании инвестиционного портфеля. Таргеты — это целевые ценовые ориентиры по акциям, рассчитанные на горизонт 12 месяцев инвестиционными домами и сопровождаемые рекомендациями (покупать, держать, продавать). Аналитики используют несколько методов расчёта: модель дисконтирования денежных потоков (DCF), модель дисконтирования дивидендов (DDM) и сравнительную оценку по мультипликаторам P/E. Консенсус-таргет представляет среднее или медианное значение по нескольким аналитикам. Таргеты помогают выявить недооценённые акции и оценить потенциал роста или падения, но это не индивидуальные рекомендации и не подходят для краткосрочных спекуляций. При выборе таргетов следует обращать внимание на реалистичность прогнозов, потенциальные катализаторы (публикация отчётности, анонсы продуктов) и оценку рисков. Важно помнить, что таргеты могут отставать от фундаментальных изменений и требуют дополнительного анализа инвестора.

Выводы автора:

• Таргеты аналитиков — это ориентир справедливой стоимости акций на 12-месячный период, рассчитанные специальными методами оценки, но не гарантирующие результаты.
• Основные методы расчёта таргетов — дисконтирование денежных потоков (DCF), дисконтирование дивидендов (DDM) и сравнительная оценка по мультипликаторам сопоставимых компаний.
• Таргеты полезны как подспорье для принятия инвестиционных решений, но не подходят для краткосрочных спекуляций и требуют проверки на соответствие личным целям и толерантности к риску инвестора.

Таргеты не являются индивидуальной инвестиционной рекомендацией и могут требовать дополнительного анализа со стороны клиента.

Оригиналы:Что такое таргеты аналитиков — материал СберБанка

Индекс РТС: что это такое и как на нём инвестировать

Финтех и финансы · СберБанк · 7/10

Материал объясняет устройство индекса РТС — главного показателя российского фондового рынка в долларах США. Индекс РТС и индекс Мосбиржи отражают одни и те же 46 компаний, но РТС считают в долларах, что позволяет отследить не только изменение стоимости акций, но и динамику курса рубля. Индекс стартовал в сентябре 1995 года со 100 пунктов, достиг максимума 2498 пунктов в мае 2008 года и минимума 37,7 пункта в октябре 1998 года. На динамику индекса влияют четыре основных фактора: цены акций крупнейших компаний, курс рубля, цены на нефть и решения Центрального банка по ключевой ставке. Лукойл держит 16% веса, СберБанк — 12%, Газпром — 9%, при этом нефтегазовый сектор формирует почти половину индекса. Для инвестирования доступны два пути: самостоятельное формирование портфеля из акций компаний или торговля фьючерсами на индекс с низким порогом входа. Готового биржевого фонда, отслеживающего индекс РТС, на Московской бирже нет.

Выводы автора:

• Индекс РТС показывает динамику акций российских компаний в долларах, одновременно отражая движение рубля и позволяя сравнивать доходность с мировыми рынками.
• На индекс РТС влияют цены акций, курс рубля, цены на сырьё и решения ЦБ по ставкам; нефтегазовый сектор определяет почти половину его динамики.
• Инвестировать в индекс можно через собственный портфель акций или через фьючерсы; готового биржевого фонда нет, но эти инструменты подходят для разных стратегий и уровней риска.

Для человека, который следит за российским рынком, индекс РТС — простой и надёжный ориентир среди множества биржевых показателей.

Оригиналы:Что такое индекс РТС на сайте СберБанка

Малый бизнес стагнирует в кредитовании, инвестиции отложены

Экономика · Б.О: Экономика · 7/10

Интервью с главой Фонда содействия кредитованию малого бизнеса Москвы Антоном Куприновым о состоянии сектора МСП в России. Портфель кредитов перестал расти, но обвала нет — просрочка остаётся прогнозируемой, адаптивность предпринимателей высокая. Число компаний, берущих кредиты, снизилось прежде всего за счёт отказа от долгосрочных инвестиционных проектов: бизнес пережидает сложное время и переходит на короткие деньги для оборотного капитала. Банки не отказываются от целых отраслей, хотя высокотехнологичные компании чувствуют себя лучше. Помимо финансирования, малый бизнес активно ищет консультации по льготным программам и реструктуризации долгов. Купринов полагает, что кредитование начнёт восстанавливаться в ближайшем будущем, причём уровень ставок уже перестал быть главным ограничивающим фактором — критичнее риск-аппетит банков и планы самих компаний.

Выводы автора:

• Кредитный портфель малого бизнеса стагнирует прежде всего из-за отказа от долгосрочных инвестиций, тогда как спрос на краткосрочное финансирование для оборотного капитала остаётся.
• Восстановление кредитования возможно даже при текущих процентных ставках, если банки повысят риск-аппетит и компании начнут планировать долгосрочные проекты.

Ставка уже не является ключевым запретительным фактором — важнее риск-аппетит банков и то, что будет с самим бизнесом и планами компаний.

Оригиналы:Малый бизнес чувствует себя неплохо, но длинные инвестиции откладываются