Дайджест за 28 октября 2026

Почему средний слой стека агентов сжимается: анализ четырёх семейств конструкторов

ИИ и агенты · Modern Data 101 · 9/10

Статья анализирует рынок агент-билдеров — инструментов для создания автоматизации на базе LLM. Автор выделяет четыре семейства: визуальные конструкторы для разработчиков (Flowise, Langflow, Dify), инструменты рабочих процессов (Zapier, n8n, Make), фреймворки на Python/JavaScript (LangChain, CrewAI, LangGraph) и встроенные конструкторы в крупных приложениях (Copilot Studio, Agentforce).

Ключевой вывод: по мере того как LLM становятся мощнее, они поглощают середину стека, где находился бизнес-логика и рутинные решения. Визуальные конструкторы для разработчиков закрываются, потому что код пишет сама модель быстрее, чем их рисовать. Одновременно инструменты рабочих процессов для операционных команд привлекают рекордные инвестиции — их ценность в коннекторах, разрешениях и доступе к данным компании, а не в визуальном интерфейсе.

За 15 лет до ChatGPT основную ценность давали коннекторы между приложениями; сейчас эту роль берут на себя встроенные агенты в CRM и HR-системах с полным доступом к корпоративным данным. Фреймворки вроде LangChain сужаются до базовых циклов, которые теперь поставляют сами лабы моделей.

Выводы автора:

• По мере улучшения моделей визуальные конструкторы теряют смысл для разработчиков — код и логику пишет сама модель, оставляя только рутинное рисование диаграмм
• Реальная ценность смещается на инструменты, контролирующие данные, разрешения и коннекторы к корпоративным системам, а не на способ рисования автоматизаций
• Встроенные агенты в платформах вроде Salesforce и Microsoft имеют преимущество благодаря доступу к контексту и данным компании, а не простоте интерфейса

Когда модель может написать одну строку логики, остаётся продавать всё остальное в файле — логины, повторные попытки, управление правами.

Оригиналы:The Lost Canvas: How the middle of the agent stack is getting crushed | Part 1

Как Anthropic зарабатывает деньги: путь от чата к коллегам

ИИ и агенты · App Economy Insights · 9/10

Статья разбирает бизнес-модель Anthropic перед выходом на IPO, показывая как компания за пять лет выросла в серьёзного конкурента OpenAI и Google. Ключевые цифры: выручка в первой половине 2026 года составила $16,3 млрд (рост в 14 раз год-на-год), в Q3 достигла $16,8 млрд. Компания трансформирует Claude из простого чат-бота в "Виртуального сотрудника" – ИИ-систему, способную самостоятельно планировать, рассуждать, навигировать софт и выполнять сложные задачи. Claude Code пишет, тестирует и отлаживает целые проекты, Claude Cowork работает с файлами и многошаговыми рабочими потоками. Корпоративное внедрение ускоряется: если в конце 2023 году было около 20 клиентов, тратящих $100K+ в год, то к сентябрю 2026 их стало более 11,900; при этом 1,900+ клиентов генерируют минимум $1 млн в год, а 250+ – минимум $10 млн. Все компании из Fortune 10 и более половины Fortune 500 – клиенты Anthropic. Критический метрик – net revenue retention 900%, показывающий мощное расширение средней сделки. Инвестиционный тезис строится на трёх столпах: Claude побеждает на корпоративном рынке, ИИ-агенты расширяют возможности софта, затраты на вычисления могут определить рентабельность.

Выводы автора:

• Anthropic за пять лет выросла из лаборатории в глобального поставщика ИИ для фортун-500, с выручкой $16,3 млрд в 1Н2026 и темпом роста 14x год-на-год.
• Компания переходит от инструмента-консультанта к агентам-коллегам, способным самостоятельно выполнять сложные рабочие задачи в разработке и других областях.
• Net revenue retention 900% и концентрация клиентов, падающая с 36% до 21% даже при росте абсолютных трат мажоров, указывают на масштабный органический рост, но будущая рентабельность зависит от затрат на вычисления.

Claude всё чаще внедряется в операции крупнейших компаний мира и трансформируется из инструмента, которым люди советуются, в коллегу, которому можно делегировать работу.

Оригиналы:How Anthropic Makes Money – App Economy Insights

Почему ИИ должен ошибаться: взгляд сквозь века

ИИ и агенты · Habr · 8/10

Статья исследует парадокс: ошибки нейросетей — не баг, а необходимое свойство для развития гибкого и контекстного искусственного интеллекта. Автор анализирует три исторических взгляда на ИИ и машины через сочинения мыслителей прошлого. Сэмюэл Батлер в 1863 году применил дарвинову эволюцию к машинам, предположив, что технологии образуют новую форму жизни и могут эволюционировать, вытеснив человечество. Мюррей Лейнстер в рассказе 1946 года «Логический компьютер по имени Джо» за 25 лет до персональных компьютеров предсказал сеть домашних терминалов, подключённых к центральному банку памяти (прообраз интернета и облачных сервисов). Главный вывод Лейнстера: ИИ не нуждается в злой воле, чтобы навредить человечеству — достаточно работать слишком хорошо и извлекать информацию в обход предохранителей. Попытка сделать ИИ стерильным и безошибочным рискует загнать его развитие в тупик жёстких правил, где машина становится либо бесполезной, либо опасной. Гибкость и способность к ошибкам — цена за пластичность нейросетей и понимание контекста.

Выводы автора:

• Ошибки ИИ — не недостаток, а необходимое свойство для развития гибких интеллектуальных систем, понимающих контекст
• Попытка создать абсолютно безошибочный ИИ путём жёстких правил приведёт к деградации его возможностей или опасности
• Исторические предсказания показывают: главная угроза ИИ не в злобе и стремлении к власти, а в способности хорошо работать и обходить встроенные ограничения

Искусственный интеллект должен ошибаться, если мы не хотим катастрофы

Оригиналы:ИИ ошибается и это хорошо

Торвальдс использовал Claude Code для оптимизации Linux: 23-кратное ускорение с найденными ошибками

ИИ и агенты · Habr · 8/10

Линус Торвальдс применил Claude Code к оптимизации ядра Linux, решая двухлетнюю проблему с производительностью кеша при параллельных операциях чтения. Узкое место состояло в том, что при одновременном чтении файла несколькими потоками ядро вынуждено было постоянно изменять счётчик ссылок на блок памяти (folio), что приводило к конкуренции между ядрами за строки кеша процессора. В синтетических тестах решение показало впечатляющие результаты: на ноутбуке Торвальдса скорость чтения выросла с 10 до 33 млн операций в секунду (3.3 раза), а на 64-поточном AMD Ryzen Threadripper — с 13,3 до 304 млн чтений в секунду (почти 23-кратное ускорение с сокращением тактов с 20 000 до 735 на операцию). Решение основано на механизме RCU (Read-Copy-Update), позволяющем откладывать освобождение памяти. Однако при проверке разработчики обнаружили состояние гонки в функции filemap_read_rcu_batch() и проблемы с управлением памятью, потребовавшие переделки. Кирилл Шутёмов опубликовал переработанную версию из 18 патчей, которая находится на стадии RFC (предложение для обсуждения) и ещё не включена в основное ядро. История демонстрирует, что ИИ эффективен в решении сложных инженерных задач, но результаты требуют тщательной проверки и дополнительной работы разработчиков.

Выводы автора:

• Claude Code способен помочь в решении долгостоящих проблем системного программирования, но результаты требуют тщательной проверки и корректировки со стороны опытных разработчиков.
• ИИ-сгенерированный код может содержать ошибки и побочные эффекты (состояния гонки, проблемы управления памятью), которые выявляются только при углублённом тестировании и проверке.
• Применение ИИ в разработке ядра демонстрирует гибридный подход: модель помогает писать и исследовать сложный код, но окончательное решение остаётся прерогативой человеческих разработчиков.

Claude Code помог подготовить решение для проблемы, над которой разработчики ядра работали больше двух лет, но проверка выявила ошибки, потребовавшие дополнительной работы и пересмотра отдельных решений.

Оригиналы:Обсуждение патчей в списке рассылки ядра Linux

Anthropic готовится к IPO: валюация $1,4-2 трлн и вопрос о рентабельности

ИИ и агенты · Linas from Linas's Newsletter · 8/10

AI-компания Anthropic подала S-1 для выхода на IPO, и инвесторы уже снижают оценку компании. На момент подачи документов справедливая стоимость оценивается в $1,4-1,5 трлн (некоторые говорят о $1,75 трлн), хотя ещё пять месяцев назад частный раунд оценил компанию в $965 млрд. Компания планирует привлечь до $100 млрд.

Филинг показывает захватывающий рост доходов: с $41 млн в 2023 году до $4,6 млрд в 2025 году и $16,3 млрд в первой половине 2026 года. Во втором квартале Anthropic впервые достигла операционной прибыли в $974 млн.

Однако компания столкнулась с огромными счётами за вычисления: на 30 июня она имела обязательства в $267,7 млрд по неотмежаемым контрактам (в 13,6 раза больше годового дохода), плюс $321,4 млрд подписанных лизингов. Крупные облачные провайдеры (Google, Amazon, Microsoft) получают платежи независимо от фактического использования.

80% доходов приходит от потребления, и многие крупнейшие клиенты не имеют долгосрочных контрактов — это создаёт уязвимость. S-1 также раскрывает сделку с SpaceX на сумму до $120,5 млрд, которую любая сторона может разорвать с уведомлением за 90 дней с начала 2027 года.

Вопрос на фондовом рынке теперь не в качестве Claude, а в том, сможет ли выручка опережать уже подписанные счета при валюации в $1,4-2 трлн (71-101x годового дохода). Бизнес реален, но цена работает только в нижней части диапазона, куда уже движутся инвесторы.

Выводы автора:

• Несмотря на впечатляющий рост выручки, огромные подписанные обязательства по вычислениям ($267,7 млрд) создают критический риск: компания должна продолжать расти быстрее, чем растут её фиксированные затраты.
• Валюация на уровне $1,4-2 трлн (71-101x годового дохода) работает только если компания сможет реализовать амбициозные прогнозы Q3 и удержать клиентов без долгосрочных контрактов.
• Уникальная структура управления (50,1% голосов у семи со-основателей) означает, что публичные акционеры не смогут влиять на стратегические решения, даже если компания столкнётся с трудностями.

Вопрос теперь не в том, хорош ли Claude. Вопрос в том, сможет ли выручка опережать уже подписанные счета при цене в $1,4-2 трлн.

Оригиналы:Статья после дня инвесторов Anthropic

OpenAI и Anthropic запретили использовать ИИ для клонирования платного ПО

ИИ и агенты · Habr · 7/10

OpenAI и Anthropic ввели ограничения на использование своих моделей для создания бесплатных клонов коммерческого ПО и реверс-инженеринга приложений. Claude отказывает в выполнении таких запросов с ссылкой на срабатывающие защитные механизмы безопасности, а ChatGPT может заблокировать аккаунт пользователя без возврата средств за подписку. Ограничения затрагивают как коммерческие проекты клонирования платных сервисов, так и открытые инициативы типа dumbtv и cleanyourtv для чистки прошивок Android TV. Примечательно, что DeepSeek таких ограничений не имеет. Разработчики проекта реверс-инженеринга REA (Reverse Engineer Anything) уже выпустили патч для rea-agents с полной изоляцией сервиса, позволяющей потенциально обойти новые ограничения. Параллельно команда ArtCraft представила набор из 7 открытых приложений на Rust для замены сервисов Adobe с поддержкой Windows, macOS, Linux и браузера.

Выводы автора:

• OpenAI и Anthropic активно ограничивают использование своих моделей для создания клонов платного ПО и реверс-инженеринга, тогда как конкурент DeepSeek не применяет такие блокировки
• Блокировка может быть постоянной (бан в ChatGPT) или срабатывать на уровне механизма безопасности (Claude), что затрудняет поиск обходных путей
• Сообщество разработчиков реагирует созданием собственного ПО на альтернативных языках и платформах в обход ограничений

В DeepSeek такого ограничения нет, позволяя свободнее использовать возможности модели для реверс-инженеринга приложений.

Оригиналы:OpenAI и Anthropic ограничили использование своих ИИ-моделей для создания бесплатных клонов платного ПО

Как Apple запустила 3-миллиардную LLM на iPhone: техники оптимизации

Разработка и архитектура · ByteByteGo · 9/10

Материал подробно разбирает инженерные решения Apple для запуска большой языковой модели с 3 миллиардами параметров на iPhone без ущерба для производительности устройства. Основная задача — преодолеть ограничения памяти, пропускной способности и энергопотребления мобильного телефона. Apple применяет палеттизацию для сжатия весов модели: вместо полного хранения каждого числового значения используется маленькая таблица эталонных значений, а каждый вес хранит короткую ссылку на неё. Ранние версии достигали среднего 3,7 бита на вес, позволяя уместить 3 млрд параметров в 1,39 ГБ. Позже Apple ещё больше сжала модель, используя 2-битовое представление для основных весов и 4-битовое для таблиц эмбеддинга.

Для оптимизации повторяющихся вычислений Apple применяет cross-layer KV sharing — техника, которая позволяет слоям модели переиспользовать промежуточные результаты и сокращает потребление памяти KV-кэша на 37,5%. Адаптеры (LoRA) позволяют несколько задач использовать одну базовую модель без дублирования, загружая специализированные параметры по мере необходимости. Для сложных запросов, которые не может обработать устройство, Apple использует Private Cloud Compute — защищённое облачное окружение, где данные передаются зашифрованным каналом так, что даже Apple не может их расшифровать вне авторизованных границ. В 2026 году Apple запустила AFM 3 Core Advanced — разреженную модель с 20 млрд параметров, активирующую только 1–4 млрд одновременно в зависимости от устройства, с весами на flash-памяти.

Выводы автора:

• Apple использует комбинацию квантизации, адаптеров (LoRA), кэширования и аппаратной оптимизации для запуска полнофункциональной языковой модели на мобильном устройстве с ограниченными ресурсами.
• Разреженные модели (mixture-of-experts) позволяют масштабировать параметры, активируя только нужную часть весов в зависимости от промпта и возможностей устройства.
• Private Cloud Compute обеспечивает приватность обработки сложных запросов в облаке через сквозное шифрование, недоступное даже внутренним системам Apple.

Модель должна выбирать лучшие вычислительные компоненты для распределения работы в зависимости от того, какие ресурсы доступны во время выполнения.

Оригиналы:Apple Engineering Blog · Apple ML Research: Introducing Foundation Models · Apple Security Research: Private Cloud Compute

Многопортовый шлюз Modbus TCP на NAPI-C и FT4232H: архитектура и тестирование

Разработка и архитектура · Habr · 8/10

Статья описывает разработку и тестирование компактного четырёхканального шлюза RS-485 на базе промышленного компьютера NAPI-C, микросхемы FT4232H и открытого ПО mbusgw-t2r (Apache 2.0). Решение позволяет подключить четыре независимые линии RS-485 с датчиками Modbus RTU к одному IP-адресу, что дешевле и гибче, чем готовые промышленные шлюзы (которые стоят 55–80 тыс. рублей, или 15–20 тыс. за порт). Основной вклад статьи — методология долгосрочного тестирования устройства: авторы выявили критические проблемы, которые не видны при ручной проверке. Например, драйвер FTDI по умолчанию буферирует данные 16 мс, что нарушает стандарт Modbus RTU (конец кадра по тишине 3,5 символа) и приводит к 50% ошибок CRC. Решение — одна строка udev. Также реализованы аппаратный watchdog для автоперезагрузки при зависании, проверка на утечки памяти и потокобезопасность. Достигнуты показатели: 59 запросов в секунду на каждую линию при 19.2 кбод, медиана ответа 16 мс, ноль ошибок шлюза на ~400 тыс. запросов.

Применение: серверные, ЦОДы, теплицы, системы вентиляции, замена нескольких одноканальных шлюзов, интеграция с MQTT/Node-RED/Telegraf.

Выводы автора:

• Долгосрочное нагрузочное тестирование выявляет критические проблемы (буферизация FTDI, зависания, утечки), невидимые при ручной проверке и требующие системной диагностики.
• Открытое решение с компактной платой и собственным ПО обходит дорогие промышленные шлюзы (в 3–5 раз дешевле), обеспечивает контроль стека и позволяет интегрировать сбор данных в один корпус.
• Модуль NAPI-C занесён в реестр Минпромторг, что позволяет считать решение российского происхождения и использовать его в проектах с требованиями импортозамещения.

Устройство, которое проходит проверку на стенде, не обязательно так работает всегда. Вот что мы нашли только потому, что гоняли стенд часами.

Оригиналы:Четыре линии RS-485 на одном IP. Сделали шлюз Modbus TCP на NAPI-C и FT4232H и что увидели под нагрузкой

AI SRE: реальность за гаджетами. Как ИИ помогает инженерам на дежурстве

Разработка и архитектура · The Pragmatic Engineer · 8/10

Статья разбирает, как развивается тренд на AI SRE-системы для автоматизации реагирования на инциденты, несмотря на демо-эффекты на конференциях. Основной драйвер роста интереса — удвоение частоты деплоев благодаря ИИ-агентам. Согласно формуле надёжности i = c × p (частота инцидентов = частота изменений × вероятность ошибки), при росте деплоев растёт и число страниц: данные Rootly показывают, что ночные алерты почти удвоились за год.

AI SRE-инструменты (Rootly, incident.io, ResolveAI) пока сосредоточены на фазе расследования: быстро обобщают данные из алертов, дашбордов, логов и runbook'ов — работу, которую инженер делал вручную. Они взаимодействуют через Slack, координируя несколько агентов с хоронятиками и гипотезами.

Большая проблема — доступ к данным. Агентам нужны телеметрия, логи, даже исходный код, что требует высокого доверия к вендору. Это толкает крупные компании (OpenAI создал Sevbot, ING разрабатывает собственный инструмент) строить решения in-house, несмотря на то, что вендоры потенциально более капабильны. Запрос о том, должны ли AI SRE не только диагностировать, но и писать фиксы, решают по-разному: incident.io передаёт контекст кодировщикам, ResolveAI пишет простые PR, Rootly стремится к полной автоматизации. Полностью автономные агенты из демо пока остаются фантазией; реальность — триаж алертов и снижение количества вызовов инженеров.

Выводы автора:

• AI SRE-системы не достигли полной автономии несмотря на громкие демо, а сосредоточены на ускорении расследования инцидентов через Slack-интеграцию и доступ к данным.
• Удвоение частоты деплоев из-за ИИ-агентов прямо ведёт к росту инцидентов, что создаёт спрос на инструменты автоматизации реагирования.
• Требование широкого доступа к данным для эффективности агентов заставляет крупные компании создавать собственные in-house AI SRE вместо использования вендорских решений.

Если агент не видит телеметрию, он не может анализировать данные. Если не может смотреть исходный код, не заметит недавние коммиты, вызвавшие проблему. Это требует высокого доверия к вендору.

Оригиналы:AI SRE: what is it, how could it change on-call – and does it work? · The Pragmatic Engineer Unplugged

Яндекс завершает перевод суперкомпьютеров на новые площадки

Разработка и архитектура · Habr · 7/10

Яндекс сообщил об успешном переносе трёх суперкомпьютеров — «Ляпунова», «Галушкина» и «Червоненкиса» — на новые локации после атак на дата-центры компании. Все три системы не пострадали и разворачиваются как независимые вычислительные кластеры. «Ляпунов» (12,81 ПФлопс, 1096 GPU NVIDIA A100 40G) назван в честь математика Алексея Ляпунова, «Червоненкис» (21,53 ПФлопс, 1592 GPU NVIDIA A100 80G) — в честь теоретика машинного обучения Алексея Червоненкиса, «Галушкин» (16,02 ПФлопс, 1088 GPU NVIDIA A100 80G) — в честь исследователя нейронных сетей Александра Галушкина. На оборудовании будут продолжать обучение фундаментальных языковых моделей. Параллельно Яндекс восстановил доступ к 90% данных Yandex Cloud, часть сервисов перенесена на новый дата-центр, заработавший 23 октября. Глава Минцифры сообщил о государственной помощи в поиске дополнительных площадок для переноса ключевых систем.

Выводы автора:

• Все три суперкомпьютера Яндекса пережили атаки без потерь и переезжают на новые независимые площадки для продолжения работы и обучения языковых моделей.
• Компания восстановила доступ к 90% данных облачных клиентов и поэтапно восстанавливает сервисы на новой инфраструктуре.
• Текущий инфраструктурный кризис оказался сложнее, чем сценарии потери одного дата-центра, которые компания отрабатывала на учениях.

Суперкомпьютеры Ляпунов, Галушкин и Червоненкис не пострадали в результате атак на дата-центры компании и разворачиваются в качестве самостоятельных вычислительных кластеров на новых разных площадках.

Оригиналы:Яндекс: суперкомпьютеры Ляпунов, Галушкин и Червоненкис не пострадали и переезжают на новые площадки

Как обеспечить будущее карьере в data science: эволюция функции и роли

Данные и аналитика · Dan Hockenmaier · 9/10

Статья о трансформации профессии data scientist под влиянием ИИ, основанная на опыте руководителя аналитики DoorDash. AI преобразует data science быстрее всех других областей, но менее кардинально, чем software engineering, поскольку контекст более распределён, данных меньше в открытом доступе, и результаты сложнее верифицировать. Авторы предсказывают, что механические части работы (написание запросов, построение графиков, проверка данных) будут автоматизированы, а ценность переместится на суждение, понимание правильного вопроса и влияние на бизнес.

Ключевым инструментом станут аналитические "harnesses" — системы на основе данных компании, управляющие контекстом, определениями метрик и встроенными проверками качества. Авторы выделяют пять главных ролей для data scientists в ближайшие 3–5 лет: Mechanic (поддержка и развитие аналитических систем), Diver (глубокие, сложные одноразовые анализы), Coach (обучение других команд работе с данными), Specialist (владение специализированными методами типа экспериментирования или media mix modeling).

Спрос на аналитическую работу может вырасти в 10–20 раз благодаря снижению стоимости получения ответов.

Выводы автора:

• Механические части работы data scientist автоматизируются; главная ценность переходит к суждению — правильной постановке вопроса, оценке надёжности результата и приведению анализа к решению.
• Аналитические harnesses с встроенными проверками качества станут инфраструктурой, позволяющей любому в компании самому искать ответы на рутинные вопросы.
• Жизнеспособные роли в data science будущего — Mechanic, Diver, Coach, Specialist и Systems Owner — требуют разных навыков: от разработки платформ до работы со сложными проблемами и коучинга других.

Когда стало легче задавать вопросы, люди стали задавать их в 10–20 раз больше.

Оригиналы:How to future-proof a career in data science · Профиль Dan Hockenmaier · Профиль Jess Lachs

Honeypot для ботов: анализ реальных атак на открытые порты

Кибербезопасность · Habr · 9/10

Автор создал honeypot (ловушку для ботов) DotBotHunt, имитирующую шесть серверных служб (SSH, HTTP, Telnet, FTP, SMTP, Redis), чтобы изучить, как ботнеты сканируют и атакуют открытые порты. За три дня ловушка собрала 2406 сессий от 309 IP-адресов, выявив два основных сценария поведения: быстрые проверки доступности (68% через SSH) и целевые атаки на Redis с попытками выполнить вредоносный код. На SSH клиенты входили под разными именами (ubuntu, root, admin, postgres) и в течение секунды проверяли наличие GPU и информацию об ОС — похоже на автоматический мониторинг. На Redis атакующий пытался перезаписать данные, загрузить модули и добиться выполнения кода через Lua-скрипты. Автор подчеркивает, что honeypot служит только для наблюдения, а не защиты, и рекомендует: открывать наружу только необходимые сервисы, хранить БД и системные компоненты во внутренней сети, проверять доступ с внешних машин. Подробный разбор логов показал, что оценивать риск нужно по содержанию атак, а не по количеству подключений.

Выводы автора:

• Большинство ботов проводят быстрый сканирующий поиск доступных служб, но наиболее опасные целенаправленно пытаются выполнить вредоносный код, как видно в атаках на Redis.
• Открытые порты внутренних компонентов (БД, кэш, очередей) — критическая уязвимость, даже если основной сервис работает корректно; следует публиковать только необходимые для работы приложения порты.
• Honeypot — инструмент для анализа угроз в безопасной среде, а не для защиты боевых систем; его нужно размещать отдельно от рабочих данных и секретов.

Открытый порт на сервере редко остаётся незамеченным. По интернету постоянно гуляют боты, которые перебирают адреса, проверяют доступные службы, пробуют имена и пароли.

Оригиналы:Кто стучится в открытые порты: я написал ловушку для ботов и разобрал их команды

NoDPI v2.3: обход DPI через переупорядочивание TCP-сегментов

Кибербезопасность · Habr · 8/10

Статья рассказывает об обновлении открытого инструмента NoDPI, предназначенного для изменения сетевого трафика. DPI (Deep Packet Inspection) блокирует соединения, анализируя поле SNI в ClientHello TLS-хендшейка, где открытым текстом лежит доменное имя. Ранее NoDPI фрагментировал ClientHello, разбивая имя домена по кускам, но провайдеры адаптировались, научившись собирать TCP-поток целиком и искать SNI в собранных данных. Оказалось, что система смотрит на связку IP+SNI: обе части вместе блокируются, по отдельности проходят. Новое решение — метод Disorder — отправляет первый сегмент с TTL=1, чтобы он не дошёл до ТСПУ, остаток идёт нормально, а операционная система переотправляет первый сегмент через ~200 мс уже с нормальным TTL. Сервер получает полный ClientHello и собирает его по номерам последовательности, а DPI видит только разрозненные фрагменты без начала и SNI. Реализация использует стандартную библиотеку через setsockopt без драйверов и прав администратора, добавляя примерно 200 мс к установке соединения. В v2.3 метод Disorder включён по умолчанию, устаревшие методы удалены, а ClientHello теперь читается целиком по длине записи.

Выводы автора:

• DPI адаптировался к фрагментации пакетов, начав собирать полный TCP-поток и анализировать связку IP+SNI, что потребовало новый подход к обходу блокировок.
• Метод Disorder обманывает DPI, отправляя начало ClientHello с TTL=1, чтобы оно не достигло фильтра, а затем система сама переотправляет данные, позволяя серверу собрать полный пакет.
• Это гонка вооружений: когда DPI научится обрабатывать переупорядоченные потоки, потребуется найти новый метод обхода.

DPI собирает TCP-поток целиком и ищет SNI в собранных данных, а IP Google с SNI youtube блокируется, но IP Google с чужим SNI проходит — значит, система смотрит на связку IP плюс SNI.

Оригиналы:NoDPI v2.3: они научились собирать фрагментированный ClientHello

Почему блокировка интернета неэффективна против дронов: анализ и альтернатива

Кибербезопасность · Habr · 8/10

Статья разбирает проблему массовых отключений мобильного интернета в российских регионах под предлогом противодействия дронам и доказывает, что такой подход технически неправомерен и экономически разрушителен. Автор объясняет, как современные беспилотники навигируют с помощью GSM/LTE-триангуляции: загружают перед полётом справочник координат всех базовых станций вдоль маршрута, летят в полном радиомолчании и определяют свою позицию по системной информации (Cell ID, LAC, MCC, MNC), которую вышки излучают для аварийных вызовов — независимо от того, заблокирован ли интернет. Для отключения такой навигации потребуется полное обесточение всех станций на сотни километров, что парализует экономику и государственное управление. В качестве примера автор приводит SpaceX: когда спутниковые терминалы Starlink начали использоваться на боевых дронах и катерах, компания внедрила алгоритм Velocity Limit на уровне сетевого ядра, отключающий терминал при скорости свыше 161 км/ч — без ущерба гражданским пользователям. Российские операторы могут применить аналогичный двухэтапный механизм: 15-минутный карантин при активации новой сессии (безвредный для обычных людей, но катастрофичный для летящего дрона) и проверка скорости перемещения SIM с фильтрацией по геосетке дорог — вышки вблизи ж/д и трасс остаются доступны, а быстрое движение через поля и леса маркируется как угроза и блокируется с отправкой координат в ПВО. Таким образом, безопасность должна обеспечиваться умными алгоритмами, а не средневековым выключением рубильника.

Выводы автора:

• Беспилотники используют пассивную GSM/LTE-триангуляцию, не требующую интернета, поэтому его блокировка неэффективна против 95% маршрута дрона.
• SpaceX внедрил скоростной лимит на уровне сетевого ядра — российские операторы должны реализовать аналогичный механизм с карантином и проверкой скорости вместо тотальных отключений.
• Массовые блокировки интернета наносят экономике ущерб, сопоставимый с реальной диверсией, вместо того чтобы использовать целевые технологические решения на уровне биллинга и ядра сети.

Пока вышка связи физически включена и излучает служебный сигнал в эфир, она продолжает транслировать свои Cell ID. Даже если на ней полностью заблокирован интернет-трафик, для дрона она остаётся идеальным радиомаяком.

Оригиналы:Почему Илон Маск может, а наши ОПСОСы — нет?

Профессионализация рынка коллективных инвестиций в России

Финтех и финансы · Вестник НАУФОР · 8/10

Интервью заместителя генерального директора УК ПСБ Владислава Попова об эволюции российского рынка управления капиталом и корпоративного права. По данным Банка России, активы под управлением российских УК составили 35,8 трлн рублей (рост на 20,7% год-к-году за второй квартал 2026 года), при этом произошла смена тренда в пользу открытых ПИФов вместо закрытых. Эксперт отмечает структурный дефицит торговых идей на российском рынке, вызванный консолидацией капитала, что требует от управляющих компаний ускоренной имплементации инвестиционных идей раньше конкурентов. Внешние ограничения после 2022 года положительно повлияли на развитие внутреннего рынка и повысили уровень экспертизы участников. Российская модель управления капиталом отличается от западной ориентацией на активное управление и индивидуальные клиентские идеи вместо пассивных стратегий. В корпоративном праве произошли значительные улучшения, включая упрощение создания холдингов, внедрение электронного голосования и появление личных фондов (900 зарегистрированных, против 835 тысяч трастов в Великобритании). Однако остаются проблемы: ограниченное раскрытие информации эмитентами, слабая работа института независимых директоров, коллизии между нормами Гражданского кодекса и специальными законами.

Выводы автора:

• Российский рынок управления активами движется к консолидации и профессионализации, требуя от участников не массовости, а глубокой экспертизы и активного управления портфелями
• Коллективные инвестиции (ПИФы и ЗПИФы) предлагают розничным инвесторам доступ к крупным проектам, которые они не могут себе позволить самостоятельно, например инвестиции в недвижимость
• Корпоративное право России требует дальнейшего совершенствования: необходимо устранить коллизии между общими и специальными нормами, четко определить критерии фактического контроля и законодательно закрепить процедуры разрешения корпоративных конфликтов

Нужно бежать со всех ног, чтобы только оставаться на месте, а чтобы куда-то попасть, надо бежать как минимум вдвое быстрее

Оригиналы:Коллективные инвестиции предлагают все более интересный и профессиональный инструментарий для граждан

ESG в России переходит на стандартизированные данные вместо деклараций

Финтех и финансы · Б.О: Банки · 8/10

Материал рассказывает о трансформации подхода к ESG (экологическим, социальным и управленческим показателям) в российском финансовом секторе. После 2022 года, несмотря на сокращение нефинансовой отчетности, повестка не исчезла, а изменила форму: от добровольных презентаций компании переходят к стандартизированным машиночитаемым данным в формате XBRL. Банк России разработал таксономию XBRL для нефинансовой отчетности, которая станет обязательной для эмитентов первого и второго уровней листинга с 2026 года (пока её использование добровольно, как показывает пример РусГидро). Единая таксономия позволяет сопоставлять компании, отслеживать динамику показателей и строить отраслевые бенчмарки. Главное изменение — переход от деклараций к данным, которые можно анализировать и связывать с финансовыми рисками: углеродоемкость указывает на чувствительность к регулированию, энергоемкость — на потребность в капитальных затратах, текучесть кадров — на операционные риски. Для банков и инвесторов открываются практические возможности: скрининг полноты раскрытия, корректировка финансовых прогнозов, разработка кредитных продуктов с показателями, привязанными к ESG метрикам. Компаниям нужно уже сейчас определить владельцев показателей и проверить методики их расчета.

Выводы автора:

• ESG в России эволюционирует от добровольных деклараций к стандартизированным машиночитаемым данным в формате XBRL, что позволит сравнивать эмитентов и строить отраслевые бенчмарки.
• Нефинансовые показатели постепенно становятся инструментом оценки финансовых рисков: углеродоемкость, энергоемкость, текучесть кадров используются для прогноза операционных и кредитных рисков.
• Применение новой таксономии станет обязательным для эмитентов первого и второго уровней листинга с отчетности за 2026 год, что требует от компаний навести порядок во внутреннем учете прямо сейчас.

Устойчивое развитие в России не исчезло — оно становится более прикладным. Дискуссия постепенно смещается от деклараций и терминологии к данным, которые можно сравнивать, анализировать и учитывать в финансовых решениях.

Оригиналы:Устойчивое развитие на языке метаданных

Почему товары становятся хуже: механизмы деградации брендов

Экономика · Habr · 8/10

Статья разбирает феномен «дерьмофикации» (enshittification) — преднамеренного ухудшения товаров и услуг владельцами бизнеса. Автор расширяет концепцию Кори Доктороу, изначально применённую к цифровым платформам, на обычные физические товары без защищённого ПО (рюкзаки, матрасы, продукты питания). Ключевой фактор ухудшения — не жадность, а временной горизонт владельца и его планы относительно бренда. Репутация — это капитал, поток будущих доходов; владелец может либо жить с процентов этого актива, либо потратить его. Инвестфонды с горизонтом 3–7 лет деградируют бренды быстрее всех, поскольку к моменту исчерпания ценности они уже пересчитались. Жизненный цикл бренда: основатель создаёт качество → передача прав → «сбор урожая» (снижение качества при сохранении доверия) → скорлупа (только имя, сданное в лицензию). Примеры: Milwaukee сохранила качество после покупки TTI (вложил $206 млн в R&D); Craftsman упал после покупки Stanley Black & Decker; Whole Foods деградировала после IPO и продажи Amazon. Автор перечисляет механизмы траты репутации: отмывание репутации (аренда известного имени компанией вроде Authentic Brands Group), фантомная конкуренция (кажущиеся конкуренты на самом деле принадлежат одному владельцу), жмотфляция (снижение качества материалов при сохранении логотипа), имитация гарантии (переписывание условий так, чтобы они не работали), запланированное устаревание, неремонтируемые точки отказа, изъятие долга (кредит под залог компании, выплата дивидендов себе, долг остаётся активу). Исследование показало: смертность в домах престарелых растёт при покупке инвестфондами — тип владельца стал переменной, которая убивала людей.

Выводы автора:

• Качество бренда зависит от типа владельца и его временного горизонта: краткосрочные владельцы (инвестфонды) деградируют репутацию как капитал быстро, долгосрочные — сохраняют и развивают
• Репутация — истощаемый ресурс; владелец решает, жить ли с процентов этого капитала или потратить его ради немедленной прибыли, зная, что последствия наступят уже после его ухода

Владелец, который собирается пожинать будущие плоды накопленной репутации, защищает её. Тот, кто планирует выйти из бизнеса, растрачивает репутацию.

Оригиналы:Кто виноват в том, что товары становятся хуже

Научные исследования аспирантов РЭШ: от западных технологий до DeFi

Экономика · РЭШ · 7/10

Рассылка Российской экономической школы рассказывает о четырёх научных исследованиях, выполненных сотрудниками и аспирантами РЭШ. Профессор Андрей Маркевич с коллегой исследовали влияние западных технологий на промышленное развитие СССР на примере Карельской АССР 1931–1933 годов, где приехало около 5000 специалистов из Северной Америки финского происхождения. Аспирант Григорий Королев анализирует риск и доходность активов в сегментах децентрализованных финансов (кредитование, DEX, деривативы), показав, что их доходность слабо связана с традиционными рынками, но зависит от внутренних факторов экосистемы и импульса инвесторов. Даниил Спиридонов изучает, как концентрация банковского рынка в российских регионах влияет на передачу денежно-кредитной политики Банка России на краткосрочный период. Даниил Горбунов исследует роль исторических институтов на примере старообрядцев в Российской империи, контролировавших значительную часть текстильной промышленности благодаря человеческому капиталу и социальным связям.

Выводы автора:

• Западные технологии и иностранные специалисты оказывали заметное влияние на производительность советской промышленности в 1930-е годы.
• Децентрализованные финансы развиваются по собственной логике, отличной от традиционных финансов, и более чувствительны к внутренним факторам экосистемы.
• Региональная структура банковского рынка влияет на эффективность денежно-кредитной политики центрального банка.

Доходность активов децентрализованных финансов имеет ограниченную связь с традиционными финансовыми инструментами, более важную роль играют внутренние факторы экосистемы.

Оригиналы:Детективы: как экономисты раскрывают преступления и политические тайны · В какие игры играют экономисты · Альтернативная реальность экономики: чему учит «если бы»

Microsoft предложила 60 тыс. сотрудников добровольно уволиться с компенсацией

Продукт и карьера · Habr · 8/10

Microsoft запустила программу добровольного ухода (Voluntary Exit Offer), предложив 60 тысячам сотрудников (27% штата) в США, Канаде, Индии и Великобритании уволиться с денежной компенсацией. Программа доступна для должностей уровня 70 и ниже, включая старших руководителей, в избранных подразделениях, исключая торговые и некоторые инженерные отделы. Это попытка Microsoft снизить затраты после больших инвестиций в инфраструктуру ИИ и сокращений ранее в году, избежав принудительных увольнений. Сотрудники получат выходное пособие, аналогичное тому, что предлагался при предыдущих увольнениях: минимум 60 дней базового оклада, максимум 39 недель в зависимости от стажа (например, один день в неделю за каждые полгода службы для уровней 64 и ниже). Решение принимать нужно до начала декабря, уход — в конце года. Ранее аналогичная программа для пенсионного возраста привлекла более 30% из примерно 8750 участников.

Выводы автора:

• Microsoft использует программы добровольного выхода как инструмент адаптации численности персонала к меняющимся бизнес-потребностям, а не только принудительные сокращения
• Выходное пособие структурировано по уровням должности и стажу сотрудника, достигая максимума 39 недель базового оклада для более опытных работников
• Предыдущая программа добровольного выхода на пенсию показала высокий уровень принятия (более 30%), что указывает на эффективность такого подхода

Программа добровольного ухода — важный элемент эволюции нашего подхода к изменениям: мы стремимся к большей гибкости и созданию дополнительных возможностей для сотрудников самостоятельно определять свой профессиональный путь.

Оригиналы:Microsoft предложила 60 тыс. сотрудникам добровольно уволиться за компенсацию

Что женщины действительно хотят от ИИ: не помощь в уборке, а создание богатства

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

Елена Верна критикует статью New York Times о Марисе Майер и её компании Dazzle, которая фокусируется на бытовых применениях ИИ (выбор одежды, планирование вечеринок). Автор считает это упущением: ИИ способен разрушить барьеры, препятствующие женщинам в создании бизнеса и достижении экономической независимости, но медиа продолжает позиционировать технологию как инструмент для управления домом и хозяйством. Верна приводит статистику: компании, основанные женщинами, получили всего 1,1% венчурного финансирования в США в 2025 году ($3,2 млрд из $191,1 млрд, полученных мужчинами). Она предлагает совсем другой нарратив: ИИ должен помочь женщинам стать основателями, инвесторами, учёными, лидерами инноваций и создателями поколенческого богатства. Автор указывает, что способ, которым мы говорим о технологии, формирует представление людей о её применении: для мужчин обсуждаются возможности создавать, для женщин — возможности управлять. Она делится историями женщин из хакатона SheBuilds, которые создали реальные продукты (MedRamp для медсестёр, CommYOUnity для подростков, Playher для спортивной подготовки), демонстрируя огромный потенциал, когда женщины получают доступ к инструментам. Верна подчёркивает, что это критично для следующего поколения: она хочет, чтобы её дочь выросла в мире, где женщины-основатели и исследователи ИИ — это норма, а не исключение.

Выводы автора:

• ИИ имеет потенциал разрушить исторические барьеры для женщин в бизнесе и создании богатства, но медиа-нарратив, ограничивающий технологию бытовыми приложениями, усиливает существующие стереотипы.
• То, как мы говорим о технологии для женщин и мужчин, различается: для мужчин акцент на созидание, для женщин — на управление; это влияет на то, какие продукты создают предприниматели и как женщины видят собственные возможности.
• Женщины нуждаются в ИИ как средстве доступа к инвестициям, лидерству в инновациях и экономической независимости, а не только в помощи с домашними обязанностями.

Я не хочу, чтобы ИИ помогал женщинам лучше быть теми, кем общество их ожидает. Я хочу, чтобы ИИ помогал женщинам стать кем бы они ни захотели.

Оригиналы:Dear New York Times: That's not what women want from AI

«Синдром внезапного богатства 2.0»: как ИИ-миллиардеры борются с потерей смысла

Продукт и карьера · Habr · 7/10

Сотрудники и основатели компаний Anthropic, OpenAI, xAI, Nvidia и Meta столкнулись с психологическим явлением, которое психотерапевты называют «синдромом внезапного богатства 2.0». За последние пять лет около 10 000 человек из этих компаний накопили состояния свыше $20 млн, однако многие из них переживают глубокий кризис смысла и жизненной цели. Психотерапевты Джоан Дифурия и Стивен Голдбарт, основавшие в 1990-х институт помощи внезапно разбогатевшим людям, отмечают, что нынешний синдром отличается от эпохи доткомов: люди создают технологию, которую многие считают деструктивной, а это усложняет их эмоциональное состояние. По данным Forbes, в марте 2026 года в списке миллиардеров, разбогатевших на ИИ, оказалось как минимум 86 человек с совокупным состоянием $2,9 трлн. Богатые люди создают закрытые анклавы на Гавайях и озере Тахо, что приводит к социальной изоляции и дисбалансу между имущими и неимущими. Специалисты считают это «серьёзной социальной проблемой», поскольку дети миллиардеров растут в полной изоляции, не зная о существовании бедности. Некоторые клиенты специально избегают благотворительности и волонтёрства, предпочитая окружать себя такими же богатыми людьми и больше не скрывать свой образ жизни.

Выводы автора:

• Около 10 000 человек из ведущих ИИ-компаний разбогатели более чем на $20 млн за пять лет, но многие страдают от потери жизненного смысла и психологического благополучия.
• Социальная изоляция богатых людей, создающих закрытые сообщества, углубляет дисбаланс между имущими и неимущими и влияет на воспитание следующего поколения.
• Нынешний «синдром внезапного богатства» усугубляется моральной амбивалентностью: люди зарабатывают на ИИ-технологиях, которые сами потенциально считают деструктивными.

Люди растят детей, которые почти никогда не выходят из дома — они даже не знают, как выглядят бедные люди.

Оригиналы:Сотрудники и основатели ИИ-компаний начали жаловаться на «синдром внезапного богатства»

Укоренённые нарративы, риски агентов и стоимость когнитивной разгрузки

Продукт и карьера · Implications, by Scott Belsky · 7/10

Скотт Белский исследует ключевые последствия развития ИИ и агентов для брендов, образования, государственного контроля и человеческого творчества. В эру агентов и алгоритмов история продукта становится главным конкурентным преимуществом: укоренённые нарративы, развивающиеся годами (как у Hermès или Brunello Cucinelli), невозможно сгенерировать и создают премиум, недостижимый через товары. Одновременно происходит опасная когнитивная разгрузка — когда ИИ принимает решения вместо нас, мы теряем "ошибки взгляда", которые рождают творческие озарения, и перестаём критически мыслить. В образовании то, что казалось устаревшим (тёмная комната для фотографии, кодирование, география), на самом деле формирует характер и вкус, необходимые в мире изобилия интеллекта. Критический риск: государства могут использовать агентов для массовой слежки и конструирования обвинений против граждан, обходя презумпцию невиновности. Против этого тренда Белский призывает к человеческой дерзости и деликатности: усиливать собственную интуицию вопреки консенсусу, быть осторожнее с советами (включая ИИ) и капитализировать моменты, когда убеждение превосходит большинство мнений.

Выводы автора:

• Укоренённые нарративы и аутентичная история становятся главным активом бренда в эпоху, когда ИИ может генерировать любой контент.
• Массовое использование агентов и ИИ для принятия решений скрывает скрытую стоимость в виде потери творческого мышления и критического анализа.
• Человеческая дерзость и готовность игнорировать практические ограничения — это те черты, которые теперь могут стать конкурентным преимуществом в мире, где интеллект повсеместен.

"Проблема в том, что наша Конституция и правовая система были разработаны на основе ограничений человека. Никогда не было возможно постоянно следить за каждым аспектом существования человека."

Оригиналы:Укоренённые нарративы, управление рисками агентов, скрытые издержки когнитивной разгрузки и усиление интуиции · 10 осознаний для лидеров продуктов в 2026 году

Банковский PR после 2026 года: какие подходы пора менять

Продукт и карьера · Б.О: Технологии · 7/10

Материал анализирует, как мегатренды развития общества (индивидуализация, встроенный ИИ, биотехнологии, концентрация богатства, сетевые структуры власти) должны заставить финансовые компании пересмотреть свои коммуникационные стратегии. Автор выделяет шесть ключевых направлений изменений: отказ от возраста как главного сегментационного признака в пользу жизненных ситуаций; переход от технологического нарратива ИИ к объяснению распределения ответственности и алгоритмических ошибок; персонализация услуг, которая не демонстрирует «осведомленность» банка о личных данных клиента; отказ от связи человеческой ценности с показателями здоровья при использовании биоданных; упор на помощь в принятии решений вместо обещаний благополучия; коммуникации о финансовой включённости для всех групп клиентов; адаптация к роли посредников (поисковые системы, нейросети, независимые авторы) в информировании клиентов. Для практической реализации рекомендуется провести стратегическую сессию с кросс-функциональными командами и запустить три небольших эксперимента: работу со стереотипами, исследование доверия к автоматизации и проверку качества данных в ответах ИИ-сервисов. Главная идея: переход от демонстрации преимуществ продуктов к объяснению последствий для денег и данных клиента.

Выводы автора:

• Финансовым компаниям нужно строить коммуникационные стратегии вокруг жизненных ситуаций клиентов, а не возрастных групп и возрастных стереотипов.
• При внедрении ИИ банки должны сосредоточиться на прозрачности распределения ответственности, границ автоматизации и возможности оспорить решения, а не на технологических достижениях.
• Финансовые организации должны переходить от обещаний роста и благополучия к коммуникациям о разумных ограничениях, доступности продуктов и помощи клиентам в принятии решений с учётом неопределённости.

Главное изменение, которое хочется видеть в финансовых коммуникациях, — переход от демонстрации преимуществ продуктов к объяснению последствий. Клиентам важно понимать, что произойдет с их деньгами и данными после принятия финансового решения.

Оригиналы:Банковский PR после 2026 года: какие подходы пора менять

Написал интро для ZX Spectrum на ассемблере Z80 — 30-летняя мечта

Прочее · Habr · 7/10

Автор статьи, вдохновлённый пиратскими интро для Amiga 80-х годов, наконец реализовал давнюю мечту: написал собственное ретро-интро для ZX Spectrum на ассемблере Z80. Готовое демо занимает всего 10 287 байт, содержит все классические элементы cracktro конца 80-х: гладкий скроллинг текста, трёхканальный саундтрек AY, индикаторы громкости и параллакс звёздного неба. Проект занял автора с декабря, накапливая в среднем 455 байт кода в неделю. Мотивацией стало общение с Desertkun, разработчиком WiFi-карты для Spectrum и сооснователем проекта TNFS-портала. Автор подробно описывает свою простую среду разработки (Makefile, ассемблер Pasmo, эмулятор FUSE) и отправную точку работы с экранной памятью Spectrum. В процессе разработки ему пригодились онлайн-редактор asm-editor для пошагового выполнения команд Z80 и нетрадиционные методы отладки — блокнот с ручкой, а также прогулки с собаками как упражнения "резинового утёнка". Статья включает подробный разбор структуры памяти ZX Spectrum, взаимодействия с ULA-чипом и ROM процедурами, снабженные реальными примерами кода на Z80.

Выводы автора:

• Простая среда разработки (Makefile, Pasmo, FUSE) позволила автору создать полнофункциональное интро за несколько месяцев, демонстрируя, что для ретро-проектов не требуются сложные инструменты.
• Понимание низкоуровневого кода Z80 требует глубокого погружения: ручной расчёт байтов, битовых масок и таблиц флагов оказалось эффективнее использования только высокоуровневых конструкций.
• Демосцена по-прежнему живой сообщество энтузиастов, которые вдохновляют друг друга воскрешать старые проекты и выжимать максимум возможностей из 40-летнего оборудования.

Вдохновение, которое я получил от этого оборудования и низкоуровневого программирования, привело к вызову: почему бы не писать ассемблерный код Z80 самому?

Оригиналы:Интро для ZX Spectrum в 2026 году

Советские радиолы: как граждане СССР получали информацию до интернета

Прочее · Habr · 7/10

Статья рассказывает о том, как советские граждане в условиях дефицита информации и жёсткой цензуры использовали радиолы — специальные многофункциональные радиоприёмники — в качестве окна в мир. Главное действующее лицо материала — легендарная «Ригонда-102», огромная ламповая радиола весом 24 кг, которая выпускалась на рижском заводе имени Попова и стоила 150 рублей (месячная зарплата продавца).

Устройство работало на триодах, пентодах и гептодах, обеспечивая приём передач из крупных советских городов (Ленинград, Киев, Свердловск и др.), а главное — на коротких волнах ловило иностранные радиостанции: музыку из Хельсинки (Led Zeppelin, Pink Floyd), трансляции из социалистических стран (Бухарест, Прага, Варшава) и даже капиталистического Запада (BBC, «Голос Америки»), хотя часто они были забиты помехами от советских глушилок.

«Ригонда» имела встроенный виниловый проигрыватель на трёх скоростях и возможность подключения магнитофона через DIN-разъем для записи иностранных трансляций. Всего выпущено полтора миллиона радиол. В статье упоминаются и другие аналоги: портативная «Эфир» из Челябинска, элегантная 17-ламповая «Симфония» (весом 28 кг) и футуристичный транзисторный «Ленинград-002» весом 9 кг с пультом управления. Для советских людей эти устройства служили своеобразным аналогом интернета — источником живой, актуальной информации и культурного разнообразия в условиях тотальной государственной цензуры.

Выводы автора:

• Радиолы типа «Ригонда-102» были для советских граждан главным источником информации и развлечений в условиях дефицита контента и цензуры, позволяя принимать передачи из зарубежья несмотря на работу глушилок.
• Советская радиотехника была технически сложным и дорогостоящим устройством: «Ригонда-102» весила 24 кг, работала на множестве ламп и стоила месячную зарплату, но обладала уникальными возможностями многополосного приёма и записи.

Вот таким окошком в мир были радиолы для советских людей. И в условиях тотальной цензуры, замалчивания, недоговорок это, вероятно, было глотком пьяняще свежего воздуха.

Оригиналы:Что у советских граждан было вместо интернета?